وسائل لوڈ ہو رہے ہیں... لوڈنگ...
  1. مربع
  2. Laguerre RSI ٹریڈنگ حکمت عملی

Laguerre RSI ٹریڈنگ حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2023-12-19 14:04:46
ٹیگز:

img

جائزہ

لیگیر آر ایس آئی ٹریڈنگ حکمت عملی آر ایس آئی اشارے پر لاگو جان ایچ ایل ای آر ایس لیگیر فلٹر پر مبنی ہے۔ α گتانک کو ایڈجسٹ کرکے ، یہ حکمت عملی شور کو فلٹر کرنے اور واضح ٹریڈنگ سگنل پیدا کرنے کے لئے آر ایس آئی کی تاخیر اور ہموار کو بڑھا یا کم کرتی ہے۔

حکمت عملی منطق

اس حکمت عملی کا بنیادی اشارے لیگر آر ایس آئی ہے۔ اس کا حساب کتاب کا فارمولا مندرجہ ذیل ہے:

L0 = (1-γ)Src + γL0[1] L1 = -γL0 + L0[1] + γL1[1] L2 = -γL1 + L1[1] + γL2[1] L3 = -γL2 + L2[1] + γL3[1]

یہاں γ=1-α ، α ایک سایڈست گتانک ہے ، Src قیمت کی نمائندگی کرتا ہے۔ L0 سے L3 تک 4 اشارے ہیں جن میں تکرار تعلقات ہیں۔ اس کی بنیاد پر موجودہ اپ انٹیگریٹ cu اور ڈاؤن انٹیگریٹ cd کا حساب لگایا جاسکتا ہے:

cu = (L0>L1 ؟ L0-L1 : 0) + (L1>L2 ؟ L1-L2 : 0) + (L2>L3 ؟ L2-L3 : 0) cd = (L0

اس کے بعد Laguerre RSI کا حساب Cu اور cd کا استعمال کرتے ہوئے کیا جا سکتا ہے:

LaRSI = cu / (cu + cd)

ریکوریسی فلٹر ڈھانچے کے ذریعے ، لیگر آر ایس آئی بہت سارے بے ترتیب شور کو فلٹر کرتے ہوئے آر ایس آئی کی رجحان کی نشاندہی کی صلاحیت کو برقرار رکھتا ہے ، واضح اور ہموار تجارتی سگنل تیار کرتا ہے۔

تجارت کے مخصوص قوانین یہ ہیں: جب Laguerre RSI 20 سے اوپر جاتا ہے تو لمبا اور جب Laguerre RSI 80 سے نیچے جاتا ہے تو مختصر ہوجاتا ہے۔

فوائد کا تجزیہ

لاگرے آر ایس آئی کی حکمت عملی کے اہم فوائد یہ ہیں:

  1. مؤثر طریقے سے Laguerre فلٹر کی ساخت کے ذریعے RSI کے شور فلٹر، واضح اور زیادہ قابل اعتماد ٹریڈنگ سگنل بنانے

  2. سایڈست α گتانک زیادہ مارکیٹ کے ماحول کو اپنانے کے لئے اصلاح کے لئے حکمت عملی پیرامیٹرز لچکدار بناتا ہے

  3. فلٹرنگ، رجحان کو ضم کرنے اور زیادہ خریدنے/زیادہ فروخت کرنے کے ذریعے رفتار کی نشاندہی کرتے ہوئے RSI کی طویل مدتی موزونیت کو برقرار رکھتا ہے۔

  4. سادہ اور بدیہی حکمت عملی کے قوانین جو مختلف مارکیٹ کے ماحول میں لاگو کرنے اور اچھی کارکردگی کا مظاہرہ کرنے میں آسان ہیں

خطرے کا تجزیہ

اس حکمت عملی کے اہم خطرات یہ ہیں:

  1. α کی غلط ترتیب سے زیادہ تاخیر یا زیادہ فلٹرنگ ہوسکتی ہے ، اس طرح قیمت کی تبدیلیوں کو یاد کرنا

  2. غیر مستحکم منڈیوں میں تجارتی نقصانات اکثر ہو سکتے ہیں

  3. طویل مدتی پائیدار بیل مارکیٹوں میں کچھ اپسائڈ مواقع ضائع ہوسکتے ہیں

اصلاح کی ہدایات

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

  1. α گتانک کی ترتیب کو بہتر بنانے کے لئے مشین لرننگ الگورتھم کا استعمال کریں

  2. نقصان کے خطرے کو کم کرنے کے لئے سٹاپ نقصان کے طریقہ کار کو شامل کریں

  3. غلط سگنل فلٹر کرنے کے لئے دیگر اشارے کو یکجا کریں

  4. مخصوص مراحل میں منافع کو مقفل کرنے کے لئے مقداری نرمی کے ماڈل میں اضافہ

نتیجہ

لیگر آر ایس آئی حکمت عملی مؤثر طریقے سے فلٹرنگ میکانزم کے ذریعے زیادہ خریدنے اور زیادہ فروخت ہونے والی صورتحال کی نشاندہی کرتی ہے جبکہ تجارتی سگنل جاری کرتے وقت شور سے مداخلت سے بچتی ہے۔ اس سادہ اور عملی حکمت عملی میں پیرامیٹرز کے لئے بہت زیادہ اصلاح کی گنجائش ہے اور یہ مختلف مارکیٹ کے ماحول میں موافقت پذیر ہے۔ یہ ایک تجویز کردہ تجارتی حکمت عملی ہے۔

/*backtest
start: 2022-12-12 00:00:00
end: 2023-12-18 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © mertriver1
// Developer: John EHLERS
//@version=3
// Author:Kıvanç Özbilgiç
strategy("Laguerre RSI", shorttitle="LaRSI", overlay=false)
src = input(title="Source", defval=close)
alpha = input(title="Alpha", type=float, minval=0, maxval=1, step=0.1, defval=0.2)
colorchange = input(title="Change Color ?", type=bool, defval=false)

Date1      = input(true, title = "=== Date Backtesting ===")
FromDay1   = input(defval = 1, title = "From Day", minval = 1, maxval = 31)
FromMonth1 = input(defval = 1, title = "From Month", minval = 1, maxval = 12)
FromYear1  = input(defval = 2020, title = "From Year", minval = 2017)

ToDay1     = input(defval = 1, title = "To Day", minval = 1, maxval = 31)
ToMonth1   = input(defval = 1, title = "To Month", minval = 1, maxval = 12)
ToYear1    = input(defval = 9999, title = "To Year", minval = 2017)

start1     = timestamp(FromYear1, FromMonth1, FromDay1, 00, 00) 
finish1    = timestamp(ToYear1, ToMonth1, ToDay1, 23, 59)        
window1()  => time >= start1 and time <= finish1 ? true : false

gamma=1-alpha
L0 = 0.0
L0 := (1-gamma) * src + gamma * nz(L0[1])
L1 = 0.0
L1 := -gamma * L0 + nz(L0[1]) + gamma * nz(L1[1])

L2 = 0.0
L2 := -gamma * L1 + nz(L1[1]) + gamma * nz(L2[1])

L3 = 0.0
L3 := -gamma * L2 + nz(L2[1]) + gamma * nz(L3[1])

cu= (L0>L1 ? L0-L1 : 0) + (L1>L2 ? L1-L2 : 0) + (L2>L3 ? L2-L3 : 0)

cd= (L0<L1 ? L1-L0 : 0) + (L1<L2 ? L2-L1 : 0) + (L2<L3 ? L3-L2 : 0)

temp= cu+cd==0 ? -1 : cu+cd
LaRSI=temp==-1 ? 0 : cu/temp

Color = colorchange ? (LaRSI > LaRSI[1] ? green : red) : blue
plot(100*LaRSI, title="LaRSI", linewidth=2, color=Color, transp=0)
plot(20,linewidth=1, color=maroon, transp=0)
plot(80,linewidth=1, color=maroon, transp=0)

strategy.entry("Long",   true, when = window1() and crossover(cu, cd))
strategy.entry("Short", false, when = window1() and crossunder(cu, cd))
مزید

2019 FMZ - تمام حقوق محفوظ ہیں