وسائل لوڈ ہو رہے ہیں... لوڈنگ...
  1. مربع
  2. انکولی معیاری انحراف بریک آؤٹ ٹریڈنگ کی حکمت عملی: متحرک اتار چڑھاؤ پر مبنی کثیر مدت کی اصلاح کا نظام

انکولی معیاری انحراف بریک آؤٹ ٹریڈنگ کی حکمت عملی: متحرک اتار چڑھاؤ پر مبنی کثیر مدت کی اصلاح کا نظام

مصنف:چاؤ ژانگ، تاریخ: 2024-07-30 16:09:04
ٹیگز:ایم اےایس ایم اےSTDSLٹی پی

img

جائزہ

یہ تجارتی حکمت عملی معیاری انحراف بریکآؤٹس پر مبنی ایک نظام ہے ، جس میں ممکنہ خریداری کے مواقع کی نشاندہی کرنے کے لئے قیمت اور چلتی اوسط کے ساتھ ساتھ معیاری انحراف کے مابین تعلقات کا استعمال کیا جاتا ہے۔ یہ حکمت عملی بنیادی طور پر خرید سگنلز پر مرکوز ہوتی ہے جب قیمت نچلے بینڈ سے گزر جاتی ہے ، اور منافع اور اسٹاپ نقصان کی سطحوں کو طے کرکے خطرے کا انتظام کرتی ہے۔ حکمت عملی کا بنیادی خیال غیر معمولی قیمت کی اتار چڑھاؤ کے ادوار کے دوران تجارت کرنا ہے جبکہ ممکنہ غلط سگنلز کو فلٹر کرنے کے لئے چلتی اوسط اور معیاری انحراف کا استعمال کرنا ہے۔

حکمت عملی کے اصول

  1. چلتی اوسط (ایم اے) کا حساب لگائیں: مخصوص مدت کے لئے اوسط لائن کا حساب لگانے کے لئے سادہ چلتی اوسط (ایس ایم اے) کا استعمال کریں۔

  2. معیاری انحراف کا حساب لگائیں: ایک ہی مدت کی بنیاد پر قیمتوں کے معیاری انحراف کا حساب لگائیں۔

  3. اوپری اور نچلے بینڈ کی تعمیر:

    • اوپری بینڈ = ایم اے + (معیاری انحراف * ضرب)
    • کم بینڈ = ایم اے - (معیاری انحراف * ضرب)

  4. خریدنے کے سگنل پیدا کریں: جب قیمت نیچے سے نچلے بینڈ سے اوپر سے گزرتی ہے تو خریدنے کا سگنل ٹرگر کریں۔

  5. خطرے کا انتظام:

    • سیٹ ٹیک منافع کی قیمت: انٹری قیمت * (1 + ٹیک منافع فیصد)
    • اسٹاپ نقصان کی قیمت مقرر کریں: داخلہ قیمت * (1 - اسٹاپ نقصان کا فیصد)

  6. بیک ٹسٹنگ ٹائم رینج: یہ حکمت عملی صارفین کو بیک ٹسٹنگ کے لئے مخصوص آغاز اور اختتام کے اوقات مقرر کرنے کی اجازت دیتی ہے ، صرف مخصوص وقت کی حد کے اندر تجارت انجام دیتی ہے۔

حکمت عملی کے فوائد

  1. اعلی موافقت: معیاری انحراف کا استعمال کرتے ہوئے، حکمت عملی خود بخود مارکیٹ کی اتار چڑھاؤ کے مطابق ٹریڈنگ کی حد کو ایڈجسٹ کر سکتی ہے، مختلف مارکیٹ کے ماحول کو اپنانے کے لئے.

  2. جامع رسک کنٹرول: ہر تجارت کے لئے رسک کو مؤثر طریقے سے کنٹرول کرنے کے ل take منافع اور اسٹاپ نقصان کے طریقہ کار کو مربوط کرتا ہے۔

  3. اعلی لچک: صارفین کو متعدد پیرامیٹرز جیسے معیاری انحراف کی مدت ، ضرب ، منافع لینے اور اسٹاپ نقصان کے فیصد کو اپنی مرضی کے مطابق کرنے کی اجازت دیتا ہے ، جسے مختلف مارکیٹوں اور ذاتی خطرہ ترجیحات کے مطابق ایڈجسٹ کیا جاسکتا ہے۔

  4. اچھی نمائش: حکمت عملی حرکت پذیر اوسط ، اوپری اور نچلی بینڈ ، اور چارٹ پر سگنل خریدنے کا نقشہ بناتی ہے ، جس سے بدیہی تفہیم اور تجزیہ کی سہولت ملتی ہے۔

  5. طاقتور بیک ٹسٹنگ فنکشن: صارفین بیک ٹسٹنگ کے وقت کی حد کو عین مطابق ترتیب دے سکتے ہیں ، جو مخصوص مارکیٹ کے حالات میں حکمت عملی کی کارکردگی کا جائزہ لینے کے لئے فائدہ مند ہے۔

حکمت عملی کے خطرات

  1. جھوٹے بریک آؤٹ کا خطرہ: سائیڈ ویز یا کم اتار چڑھاؤ والے بازاروں میں ، اکثر جھوٹے بریک آؤٹ ہوسکتے ہیں ، جس سے زیادہ تجارت اور غیر ضروری لین دین کی فیس کے نقصانات ہوتے ہیں۔

  2. تاخیر کے بعد رجحان: چونکہ یہ حکمت عملی چلتی اوسط اور معیاری انحراف پر مبنی ہے ، لہذا یہ مضبوط رجحان والے بازاروں میں ابتدائی داخلے کے کچھ مواقع سے محروم ہوسکتا ہے۔

  3. پیرامیٹر حساسیت: حکمت عملی کی کارکردگی پیرامیٹر کی ترتیبات پر بہت منحصر ہے۔ پیرامیٹر کے مختلف مجموعوں سے مختلف نتائج پیدا ہوسکتے ہیں ، جس کے لئے وسیع پیمانے پر بیک ٹیسٹنگ اور اصلاح کی ضرورت ہوتی ہے۔

  4. ایک طرفہ تجارتی حد: اسٹریٹجی فی الحال صرف طویل منطق کو نافذ کرتی ہے ، جس سے مواقع ضائع ہوسکتے ہیں یا مارکیٹوں میں نمایاں نقصانات ہوسکتے ہیں۔

  5. مارکیٹ ماحولیات پر انحصار: حکمت عملی انتہائی اتار چڑھاؤ اور کم حجم والی کریپٹوکرنسی مارکیٹوں میں بہتر کارکردگی کا مظاہرہ کرسکتی ہے ، لیکن دوسرے مارکیٹ ماحول میں اس کی تاثیر مختلف ہوسکتی ہے۔

حکمت عملی کی اصلاح کی ہدایات

  1. شارٹ سیلنگ میکانزم متعارف کروانا: جب قیمت اوپری بینڈ کو توڑتی ہے تو شارٹ سیلنگ منطق شامل کریں ، جس سے حکمت عملی کو دو طرفہ منڈیوں میں منافع حاصل کرنے کی اجازت ملتی ہے۔

  2. متحرک پیرامیٹر ایڈجسٹمنٹ: مارکیٹ کے حالات کی بنیاد پر معیاری انحراف ضرب اور منافع / سٹاپ نقصان کے تناسب جیسے پیرامیٹرز کو خود بخود ایڈجسٹ کرنے کے لئے فعالیت کو نافذ کریں ، حکمت عملی کی موافقت کو بہتر بنائیں۔

  3. ملٹی ٹائم فریم تجزیہ: سگنل کی وشوسنییتا اور انٹری ٹائمنگ کی درستگی کو بہتر بنانے کے لئے طویل اور مختصر وقت کی مدت کے اعداد و شمار کو شامل کریں۔

  4. حجم فلٹرنگ شامل کریں: کم حجم کے ادوار کے دوران غلط بریک آؤٹ سگنل کو فلٹر کرنے کے لئے حجم اشارے متعارف کروائیں ، جس سے تجارت کا معیار بہتر ہوتا ہے۔

  5. فائدہ اٹھانے اور نقصان کو روکنے کے طریقہ کار کو بہتر بنائیں: مارکیٹ میں اتار چڑھاؤ کو بہتر طور پر اپنانے کے لئے متحرک فائدہ اٹھانے اور نقصان کو روکنے کے طریقہ کار کو نافذ کریں ، جیسے ٹریلنگ اسٹاپ یا اے ٹی آر پر مبنی نقصان کو روکنے کی ترتیبات متعارف کرانا۔

  6. فلٹرنگ کے حالات کو بڑھانا: غلط سگنل کو کم کرنے کے لئے اضافی تجارتی حالات کو مقرر کرنے کے لئے دیگر تکنیکی اشارے یا بنیادی اعداد و شمار کو یکجا کریں.

  7. منی مینجمنٹ کو نافذ کریں: اکاؤنٹ کے سائز اور مارکیٹ کی اتار چڑھاؤ کی بنیاد پر ہر تجارت کے لئے فنڈز کے تناسب کو متحرک طور پر ایڈجسٹ کرنے کے لئے پوزیشن سائزنگ منطق شامل کریں۔

خلاصہ

انکولی معیاری انحراف بریکآؤٹ ٹریڈنگ حکمت عملی ایک شماریاتی اصولوں پر مبنی مقداری تجارتی نظام ہے ، جو متحرک طور پر ایڈجسٹ شدہ قیمت چینلز کے ذریعہ مارکیٹ کی خرابیوں سے پیدا ہونے والے تجارتی مواقع کو حاصل کرتا ہے۔ اس حکمت عملی کے بنیادی فوائد اس کی موافقت اور رسک مینجمنٹ کی صلاحیتوں میں ہیں ، جس سے اسے مختلف مارکیٹ ماحول میں نسبتا stable مستحکم کارکردگی برقرار رکھنے کی اجازت ملتی ہے۔ تاہم ، اس حکمت عملی کو جھوٹے بریکآؤٹس اور پیرامیٹر حساسیت جیسے چیلنجوں کا بھی سامنا کرنا پڑتا ہے ، جس سے تاجروں کو محتاط طریقے سے استعمال کرنے اور مستقل طور پر بہتر بنانے کی ضرورت ہوتی ہے۔

مختصر فروخت کے میکانزم ، متحرک پیرامیٹر ایڈجسٹمنٹ ، ملٹی ٹائم فریم تجزیہ ، اور دیگر اصلاحاتی اقدامات متعارف کرانے سے ، اس حکمت عملی میں اس کے استحکام اور منافع کو مزید بڑھانے کی صلاحیت ہے۔ تجربہ کار مقداری تاجروں کے لئے ، یہ حکمت عملی ایک بہترین بنیادی فریم ورک فراہم کرتی ہے جسے مختلف تجارتی طرزوں اور مارکیٹ کے ماحول کے مطابق ڈھالنے کے لئے گہرائی سے اپنی مرضی کے مطابق اور بہتر بنایا جاسکتا ہے۔

مجموعی طور پر ، یہ انکولی معیاری انحراف بریکآؤٹ ٹریڈنگ حکمت عملی مقداری تجارت کا جوہر ظاہر کرتی ہے - ریاضیاتی ماڈلز اور شماریاتی طریقوں کے ذریعے مارکیٹ کے مواقع کو حاصل کرنا جبکہ خطرے کو سختی سے کنٹرول کرنا۔ یہ نہ صرف انتہائی اتار چڑھاؤ والی کریپٹوکرنسی مارکیٹوں پر لاگو ہوتا ہے بلکہ مناسب ایڈجسٹمنٹ کے ساتھ دیگر مالیاتی منڈیوں پر بھی لاگو کیا جاسکتا ہے ، جس سے تاجروں کو ایک طاقتور اور لچکدار تجارتی ٹول فراہم ہوتا ہے۔

/*backtest
start: 2024-06-01 00:00:00
end: 2024-06-30 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("MikEy Scali 3 STD Dev Buy Strategy with TP and SL", overlay=true)

// Input parameters for the strategy
length = input.int(20, title="Standard Deviation Length", minval=1)
src = input(close, title="Source")
mult = input.float(3.0, title="Standard Deviation Multiplier", step=0.1)

// Input for the take profit and stop loss percentages
takeProfitPerc = input.float(1.0, title="Take Profit Percentage", step=0.1) / 100
stopLossPerc = input.float(0.5, title="Stop Loss Percentage", step=0.1) / 100

// Input parameters for the backtesting range
testStartYear = input.int(2023, title="Backtest Start Year", minval=2000)
testStartMonth = input.int(1, title="Backtest Start Month", minval=1, maxval=12)
testStartDay = input.int(1, title="Backtest Start Day", minval=1, maxval=31)

testEndYear = input.int(2024, title="Backtest End Year", minval=2000)
testEndMonth = input.int(12, title="Backtest End Month", minval=1, maxval=12)
testEndDay = input.int(31, title="Backtest End Day", minval=1, maxval=31)

// Define the backtesting range
testStartTime = timestamp(testStartYear, testStartMonth, testStartDay, 00, 00)
testEndTime = timestamp(testEndYear, testEndMonth, testEndDay, 23, 59)

// Determine if the current bar is within the backtesting range
inBacktestRange = (time >= testStartTime) and (time <= testEndTime)

// Calculate the moving average and standard deviation
ma = ta.sma(src, length)
std_dev = ta.stdev(src, length)

// Calculate upper and lower bands
upper_band = ma + (std_dev * mult)
lower_band = ma - (std_dev * mult)

// Buy condition within the backtesting range
buyCondition = inBacktestRange and ta.crossover(src, lower_band)

// Plot the buy signal on the chart
plotshape(series=buyCondition, location=location.belowbar, color=color.green, style=shape.labelup, text="BUY")

// Execute buy orders based on the condition within the backtesting range
if (buyCondition)
    strategy.entry("Buy", strategy.long)

// Calculate the take profit and stop loss prices when a position is opened
entryPrice = na(strategy.opentrades.entry_price(0)) ? src : strategy.opentrades.entry_price(0)
takeProfitPrice = entryPrice * (1 + takeProfitPerc)
stopLossPrice = entryPrice * (1 - stopLossPerc)

// Take profit condition
takeProfitCondition = strategy.position_size > 0 and close >= takeProfitPrice

// Stop loss condition
stopLossCondition = strategy.position_size > 0 and close <= stopLossPrice

// Execute sell order when take profit condition is met within the backtesting range
if (takeProfitCondition and inBacktestRange)
    strategy.close("Buy", "Take Profit")

// Execute sell order when stop loss condition is met within the backtesting range
if (stopLossCondition and inBacktestRange)
    strategy.close("Buy", "Stop Loss")

// Plot the moving average and the bands
plot(ma, color=color.blue, title="Moving Average")
plot(upper_band, color=color.red, title="Upper Band (3 STD)")
plot(lower_band, color=color.green, title="Lower Band (3 STD)")

// Optional: Plot the source
plot(src, color=color.gray, title="Source")

// Add labels for clarity
bgcolor(buyCondition ? color.new(color.green, 90) : na, offset=-1, title="Buy Signal Background")

// Optional: Highlight the backtesting range on the chart
bgcolor(inBacktestRange ? color.new(color.blue, 90) : na, title="Backtest Range Background")

// Plot the take profit and stop loss levels if a position is open
plot(strategy.position_size > 0 ? takeProfitPrice : na, color=color.orange, title="Take Profit Level")
plot(strategy.position_size > 0 ? stopLossPrice : na, color=color.red, title="Stop Loss Level")
متعلقہ
مزید

2019 FMZ - تمام حقوق محفوظ ہیں