وسائل لوڈ ہو رہے ہیں... لوڈنگ...

سپر ٹرینڈ ایل ایس ایم اے لانگ حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2023-12-18 10:43:14
ٹیگز:

جائزہ

سپر ٹرینڈ ایل ایس ایم اے لانگ حکمت عملی ایک لمبی حکمت عملی ہے جو سپر ٹرینڈ اشارے کو ایل ایس ایم اے کی حرکت پذیر اوسط کے ساتھ جوڑتی ہے۔ یہ اسٹاک اور کریپٹو کرنسیوں جیسے طویل مدتی رجحانات کی منڈیوں کے لئے موزوں ہے ، اور بڑے وقت کے فریموں کے تحت بہتر کام کرتی ہے۔

حکمت عملی منطق

اس حکمت عملی کے تجارتی قوانین مندرجہ ذیل ہیں:

لانگ انٹری سگنل: جب سپر ٹرینڈ اشارے ایک لانگ سگنل دیتا ہے اور بند ہونے کی قیمت LSMA چلتی اوسط سے اوپر ہے، تو طویل عرصے تک جائیں.

لانگ آؤٹ سگنل: جب سپر ٹرینڈ انڈیکیٹر شارٹ سگنل دیتا ہے تو لانگ پوزیشن بند کریں۔

یعنی سپر ٹرینڈ کا استعمال مجموعی رجحان کی سمت کا تعین کرنے کے لئے کیا جاتا ہے جبکہ ایل ایس ایم اے کا استعمال مخصوص انٹری پوائنٹس کا تعین کرنے کے لئے کیا جاتا ہے۔

فوائد کا تجزیہ

یہ حکمت عملی رجحان کی پیروی کرنے والے اوسط کے ساتھ مل کر چلتی ہے۔ یہ بڑے رجحان کو پکڑ سکتا ہے اور غلط سگنل کو فلٹر کرنے کے لئے چلتی اوسط کا استعمال کرسکتا ہے ، اس طرح پھنس جانے سے بچ سکتا ہے۔ صرف ایک رجحان اشارے یا چلتی اوسط کا استعمال کرنے کے مقابلے میں ، اس میں خطرہ کنٹرول بہتر ہے۔

اس کے علاوہ ، خود سپر ٹرینڈ میں کچھ تاخیر ہے۔ ایل ایس ایم اے کی ہموار خصوصیت کے ساتھ مل کر ، یہ مؤثر طریقے سے مارکیٹ کے شور کو فلٹر کرسکتا ہے اور جھوٹے بریک آؤٹ سے گمراہ ہونے سے بچ سکتا ہے۔

خطرے کا تجزیہ

اس حکمت عملی کا سب سے بڑا خطرہ یہ ہے کہ رجحان کے الٹ پوائنٹس کو درست طریقے سے طے کرنے میں ناکامی ہے۔ سپر ٹرینڈ اور ایل ایس ایم اے کی پسماندگی کی وجہ سے ، جب رجحان بدلتا ہے تو نقصانات میں اضافہ ہوسکتا ہے۔ خطرات پر قابو پانے کے لئے بروقت اسٹاپ نقصان کا استعمال کیا جانا چاہئے۔

اس کے علاوہ ، پیرامیٹر کی ترتیبات حکمت عملی کی کارکردگی کو بھی متاثر کرتی ہیں۔ اگر اے ٹی آر پیرامیٹرز یا فیکٹر پیرامیٹرز کو غلط طریقے سے ترتیب دیا جاتا ہے تو ، سپر ٹرینڈ کی تاثیر متاثر ہوگی۔ اگر ایل ایس ایم اے کی مدت بہت کم مقرر کی جاتی ہے تو ، فلٹرنگ اثر خراب ہوگا اور یہ شور کا شکار ہوگا۔ لہذا ، پیرامیٹر کی اصلاح انتہائی ضروری ہے۔

اصلاح کی ہدایات

اس حکمت عملی کو مندرجہ ذیل پہلوؤں میں بہتر بنایا جاسکتا ہے:

مختلف مارکیٹ کے ماحول کو بہتر بنانے کے لئے پیرامیٹرز کو خود بخود بہتر بنانے کے لئے مشین لرننگ الگورتھم کا استعمال کریں۔
سٹاپ نقصان کے طریقہ کار کو شامل کریں۔ جب نقصانات پہلے سے مقرر سٹاپ نقصان کی سطح تک پہنچ جاتے ہیں تو لازمی معاوضہ۔
پوزیشن مینجمنٹ ماڈیول شامل کریں۔ جب بڑے رجحانات بنتے ہیں تو پوزیشنوں کو مناسب طریقے سے بڑھانا ، اور جب رجحانات ختم ہوجاتے ہیں تو پوزیشنوں کو کم کرنا۔
رجحان کی تبدیلی کے خطرات سے بچنے کے لئے مزید فلٹرنگ اشارے شامل کریں، جیسے اتار چڑھاؤ اشارے، حجم اشارے وغیرہ.
رجحانات کا اندازہ کرنے کے لئے سادہ سپر رجحانات کے بجائے گہری سیکھنے کے ماڈل استعمال کریں ، جس سے رجحانات کا تعین زیادہ ذہین ہوجاتا ہے۔

نتیجہ

سپر ٹرینڈ ایل ایس ایم اے لانگ حکمت عملی میں ٹرینڈ ٹریکنگ اشارے اور حرکت پذیر اوسط اشارے کے فوائد کو مربوط کیا گیا ہے۔ یہ طویل عرصے تک بڑی تصویر کو پکڑ سکتا ہے ، اور شور کو فلٹر کرنے کے لئے حرکت پذیر اوسط استعمال کرسکتا ہے۔ پیرامیٹر کی اصلاح ، اسٹاپ نقصان کے طریقہ کار ، مضبوط رسک کنٹرول ماڈیولز کے ساتھ ، اس حکمت عملی کی منافع بخش اور رسک کنٹرول کی صلاحیتوں کو مزید بڑھا سکتا ہے ، جس سے یہ ایک بہت ہی عملی مقداری حکمت عملی بن جاتی ہے۔

/*backtest
start: 2022-12-11 00:00:00
end: 2023-12-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy(title = "Supertrend LSMA long Strategy", overlay = true,  pyramiding=1,initial_capital = 100, default_qty_type= strategy.percent_of_equity, default_qty_value = 100, calc_on_order_fills=false, slippage=0,commission_type=strategy.commission.percent,commission_value=0.1)


atrPeriod = input(14, "ATR Length")
factor = input(3, "Factor")

//Time
fromDay = input(defval = 1, title = "From Day", minval = 1, maxval = 31)
fromMonth = input(defval = 1, title = "From Month", minval = 1, maxval = 12)
fromYear = input(defval = 2010, title = "From Year", minval = 1970)
 //monday and session 
// To Date Inputs
toDay = input(defval = 31, title = "To Day", minval = 1, maxval = 31)
toMonth = input(defval = 12, title = "To Month", minval = 1, maxval = 12)
toYear = input(defval = 2031, title = "To Year", minval = 1970)

startDate = timestamp(fromYear, fromMonth, fromDay, 00, 00)
finishDate = timestamp(toYear, toMonth, toDay, 00, 00)
time_cond = time >= startDate and time <= finishDate

//LSMA
lengthx = input(title="Length LSMA", type=input.integer, defval=101)
offset = 0//input(title="Offset", type=input.integer, defval=0)
src = input(close, title="Source")
lsma = linreg(src, lengthx, offset)



[_, direction] = supertrend(factor, atrPeriod)

if(time_cond)
    if change(direction) < 0 and close > lsma
        strategy.entry("long", strategy.long)
    
    if change(direction) > 0 //and close < lsma
        strategy.close("long")
        //strategy.entry("short", strategy.short)

//strategy.close("long",when=close<lsma)
//strategy.close("short",when=change(direction) < 0 )

    
//plot(strategy.equity, title="equity", color=color.red, linewidth=2, style=plot.style_areabr)

مزید

2019 FMZ - تمام حقوق محفوظ ہیں