ڈبل ریورس بیلنس حکمت عملی ایک امتزاج حکمت عملی ہے جو الٹ پلٹ کی حکمت عملیوں اور تجرباتی موڈ تحلیل (ای ایم ڈی) فلٹرنگ دونوں کا استعمال کرتی ہے۔ یہ پہلے 123 الٹ پلٹ کے نظام کا استعمال کرتے ہوئے تجارتی سگنل تیار کرتی ہے ، پھر ای ایم ڈی فلٹرنگ کے ساتھ سگنلز پر کارروائی کرتی ہے ، اور آخر میں اندراجات اور باہر نکلنے کی تصدیق کے لئے دونوں سے سگنلز کو جوڑتی ہے۔ یہ ہائبرڈ نقطہ نظر جیت کی شرح کو بہتر بنا سکتا ہے۔
123 ریورس سسٹم کا آغاز الف جینسن کی کتاب
ای ایم ڈی ایک انکولی ڈیٹا تجزیہ کا طریقہ ہے۔ یہ اعداد و شمار کو مختلف تعدد کے اجزاء میں مؤثر طریقے سے تقسیم کرسکتا ہے اور طویل مدتی رجحان کو نکال سکتا ہے۔ یہاں ہم قیمت کی تعدد کے اجزاء کی بنیاد پر تجارتی سگنل تیار کرنے کے لئے لمبائی کو 20 ، ڈیلٹا کو 0.5 اور کسر کو 0.1 پر مقرر کرتے ہیں۔
ڈبل ریورس بیلنس حکمت عملی 123 ریورس سسٹم اور EMD دونوں سے تجارتی سگنل کو یکجا کرتی ہے۔ یہ صرف اس وقت اندراجات کی تصدیق کرتی ہے جب دونوں سسٹم کے سگنل اتفاق کرتے ہیں۔ یہ ہائبرڈ نقطہ نظر جیت کی شرح کو بہتر بناتا ہے۔
ڈبل ریورسشن بیلنس حکمت عملی ریورسشن حکمت عملی اور ڈیجیٹل سگنل پروسیسنگ تکنیک دونوں کے فوائد کو فائدہ اٹھاتی ہے۔ ریورسنگ سسٹم قلیل مدتی ریورسنگ مواقع کو پکڑتا ہے جبکہ ای ایم ڈی فلٹرز طویل مدتی رجحانات کو پکڑتے ہیں۔ دونوں سسٹموں کو ایک ساتھ استعمال کرنے سے استحکام میں بہتری آسکتی ہے۔
یہ غیر مطلوبہ whipsaws سے بچنے کے لئے 123 پیٹرن کو بھی متعارف کراتا ہے۔ اور مناسب طریقے سے تشکیل شدہ EMD پیرامیٹرز کچھ شور کو فلٹر کرنے میں مدد کرتے ہیں۔ یہ تمام عوامل جیت کی شرح کو بڑھانے میں معاون ہیں۔
اس حکمت عملی کا سب سے بڑا خطرہ الٹ جانے کی ناکامی سے آتا ہے۔ اگرچہ 123 پیٹرن اس طرح کے امکان کو کم کرتا ہے ، لیکن الٹ جانے والی تجارت کی غیر یقینی صورتحال زیادہ ہے۔ نیز ، انتہائی اتار چڑھاؤ والی منڈیوں کے دوران ای ایم ڈی کا طریقہ خراب ہوسکتا ہے۔
اس طرح کے خطرات پر قابو پانے کے لئے ، الٹ نظام کے پیرامیٹرز کو زیادہ قابل اعتماد سگنل پیدا کرنے کے لئے ایڈجسٹ کیا جاسکتا ہے۔ بہتر فلٹرنگ کارکردگی حاصل کرنے کے لئے ای ایم ڈی کے بجائے فلٹرنگ کے مختلف طریقوں کا بھی تجربہ کیا جاسکتا ہے۔ اس کے علاوہ ، نقصانات کو محدود کرنے کے لئے پوزیشن کے چھوٹے سائز کو برقرار رکھنا ضروری ہے۔
حکمت عملی کو مندرجہ ذیل پہلوؤں میں بہتر بنایا جاسکتا ہے:
زیادہ سے زیادہ تلاش کرنے کے لئے الٹ نظام کے لئے مختلف پیرامیٹر سیٹ کی جانچ کریں
مختلف ڈیجیٹل فلٹرنگ کے طریقوں کی کوشش کریں، مثال کے طور پر، لہراتی تبدیلی، ہلبرٹ تبدیلی وغیرہ.
ایک ہی تجارت کے نقصان کو کنٹرول کرنے کے لئے سٹاپ نقصان شامل کریں
اعلی سمت کی درستگی کو یقینی بنانے کے لئے دیگر اشارے شامل کریں
پیسے کے انتظام کے ماڈل کو بہتر بنائیں جیسے پوزیشن سائزنگ
ڈبل ریورس بیلنس حکمت عملی میں ریورسنگ حکمت عملیوں اور ڈیجیٹل سگنل پروسیسنگ کی تکنیکوں کی طاقتوں کا امتزاج ہوتا ہے۔ پیرامیٹر ٹوننگ اور رسک کنٹرول کے ساتھ ، یہ مستحکم تجارتی کارکردگی پیدا کرتا ہے۔ یہ حکمت عملی انتہائی توسیع پذیر ہے اور اس کی سفارش کی جاتی ہے۔
/*backtest start: 2023-11-14 00:00:00 end: 2023-12-14 00:00:00 period: 1h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=4 //////////////////////////////////////////////////////////// // Copyright by HPotter v1.0 30/06/2020 // This is combo strategies for get a cumulative signal. // // First strategy // This System was created from the Book "How I Tripled My Money In The // Futures Market" by Ulf Jensen, Page 183. This is reverse type of strategies. // The strategy buys at market, if close price is higher than the previous close // during 2 days and the meaning of 9-days Stochastic Slow Oscillator is lower than 50. // The strategy sells at market, if close price is lower than the previous close price // during 2 days and the meaning of 9-days Stochastic Fast Oscillator is higher than 50. // // Second strategy // The related article is copyrighted material from Stocks & Commodities Mar 2010 // // WARNING: // - For purpose educate only // - This script to change bars colors. //////////////////////////////////////////////////////////// Reversal123(Length, KSmoothing, DLength, Level) => vFast = sma(stoch(close, high, low, Length), KSmoothing) vSlow = sma(vFast, DLength) pos = 0.0 pos := iff(close[2] < close[1] and close > close[1] and vFast < vSlow and vFast > Level, 1, iff(close[2] > close[1] and close < close[1] and vFast > vSlow and vFast < Level, -1, nz(pos[1], 0))) pos Empirical(Length,Delta,Fraction) => pos = 0 xBandpassFilter = 0.0 xPeak = 0.0 xValley =0.0 xPrice = hl2 beta = cos(3.1415 * (360 / Length) / 180) gamma = 1 / cos(3.1415 * (720 * Delta / Length) / 180) alpha = gamma - sqrt(gamma * gamma - 1) xBandpassFilter := 0.5 * (1 - alpha) * (xPrice - xPrice[2]) + beta * (1 + alpha) * nz(xBandpassFilter[1]) - alpha * nz(xBandpassFilter[2]) xMean = sma(xBandpassFilter, 2 * Length) xPeak := iff (xBandpassFilter[1] > xBandpassFilter and xBandpassFilter[1] > xBandpassFilter[2], xBandpassFilter[1], nz(xPeak[1])) xValley := iff (xBandpassFilter[1] < xBandpassFilter and xBandpassFilter[1] < xBandpassFilter[2], xBandpassFilter[1], nz(xValley[1])) xAvrPeak = sma(xPeak, 50) xAvrValley = sma(xValley, 50) nAvrPeak = Fraction * xAvrPeak nAvrValley = Fraction * xAvrValley pos := iff(xMean > nAvrPeak and xMean > nAvrValley, 1, iff(xMean < nAvrPeak and xMean < nAvrValley, -1, nz(pos[1], 0))) pos strategy(title="Combo Backtest 123 Reversal & Empirical Mode Decomposition", shorttitle="Combo", overlay = true) Length = input(14, minval=1) KSmoothing = input(1, minval=1) DLength = input(3, minval=1) Level = input(50, minval=1) //------------------------- LengthEMD = input(20, minval=1) Delta = input(0.5) Fraction = input(0.1) reverse = input(false, title="Trade reverse") posReversal123 = Reversal123(Length, KSmoothing, DLength, Level) posEmpirical = Empirical(LengthEMD,Delta,Fraction) pos = iff(posReversal123 == 1 and posEmpirical == 1 , 1, iff(posReversal123 == -1 and posEmpirical == -1, -1, 0)) possig = iff(reverse and pos == 1, -1, iff(reverse and pos == -1 , 1, pos)) if (possig == 1) strategy.entry("Long", strategy.long) if (possig == -1) strategy.entry("Short", strategy.short) if (possig == 0) strategy.close_all() barcolor(possig == -1 ? #b50404: possig == 1 ? #079605 : #0536b3 )