وسائل لوڈ ہو رہے ہیں... لوڈنگ...

Lorenzian درجہ بندی کثیر وقت فریم ہدف کی حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2024-07-31 11:49:32
ٹیگز:ای ایم اےسی آئیHTFٹی اے

ای ایم اے1 - ای ایم اے2 کی لمبائی Lorenzian لائن = EMA3 + CI.

یہ حکمت عملی موجودہ ٹائم فریم اور ایک اعلی ٹائم فریم دونوں پر لورینزین لائن کا حساب لگاتی ہے تاکہ مارکیٹ کا کثیر جہتی نقطہ نظر فراہم کیا جاسکے۔ تجارتی سگنل لورینزین لائن کے ساتھ قیمت کراس پر مبنی ہیں اور بیک بیک میکانزم کے ذریعے اس کی تصدیق کی جاتی ہے۔ جب قیمت لورینزین لائن سے تجاوز کرتی ہے اور بیک بیک مدت کے اندر سب سے کم قیمت لورینزین لائن سے نیچے ہوتی ہے تو خرید کا سگنل ٹرگر ہوتا ہے۔ فروخت کا سگنل مخالف طریقے سے کام کرتا ہے۔

اس حکمت عملی میں ایک ہدف قیمت کا طریقہ کار بھی متعارف کرایا گیا ہے ، جو صارف کے ذریعہ طے شدہ ہدف فیصد کی بنیاد پر باہر نکلنے کے مقامات کا تعین کرتا ہے۔ اس کے علاوہ ، یہ خطرہ کو کنٹرول کرنے کے لئے متحرک اسٹاپ نقصانات کو نافذ کرتا ہے۔

حکمت عملی کے فوائد

  1. ملٹی ٹائم فریم تجزیہ: موجودہ اور اعلی ٹائم فریم سے Lorenzian لائنوں کو یکجا کرکے، حکمت عملی کو غلط سگنل کو کم کرنے، مارکیٹ کے رجحانات کو زیادہ جامع پکڑتا ہے.

  2. متحرک رجحان کی نشاندہی: Lorenzian درجہ بندی کا طریقہ تیزی سے مارکیٹ کی تبدیلیوں کو اپنانے، حساس رجحان کی نشاندہی کی صلاحیتوں کو فراہم کرتا ہے.

  3. سگنل کی تصدیق کا طریقہ کار: ٹریڈنگ سگنلز کی تصدیق کے لئے بیک بیک مدت کا استعمال کرتے ہوئے غلط تجارت کے امکان کو مؤثر طریقے سے کم کرتا ہے۔

  4. ٹارگٹ پرائس آپٹیمائزیشن: ٹارگٹ فیصد مقرر کرکے ، حکمت عملی سازگار مارکیٹ کے حالات میں منافع کو زیادہ سے زیادہ کرسکتی ہے۔

  5. خطرے کا انتظام: متحرک سٹاپ نقصان کے طریقہ کار کو متعارف کرانے سے ہر تجارت کے لئے خطرے کو مؤثر طریقے سے کنٹرول کیا جاتا ہے۔

  6. نمائش اور اعدادوشمار: حکمت عملی بدیہی چارٹ ڈسپلے اور تجارتی اعدادوشمار فراہم کرتی ہے ، جو حکمت عملی کی کارکردگی کے تجزیہ اور اصلاح کو آسان بناتی ہے۔

  7. لچک: متعدد سایڈست پیرامیٹرز تاجروں کو مارکیٹ کے مختلف حالات اور ذاتی ترجیحات کے مطابق حکمت عملی کو بہتر بنانے کی اجازت دیتے ہیں۔

حکمت عملی کے خطرات

  1. پیرامیٹر حساسیت: حکمت عملی کی کارکردگی ان پٹ پیرامیٹرز کے انتخاب پر بہت زیادہ منحصر ہے۔ پیرامیٹرز کی نامناسب ترتیبات سے زیادہ تجارت یا اہم مواقع سے محروم ہوسکتا ہے۔

  2. مارکیٹ کی حالت پر انحصار: غیر مستحکم مارکیٹوں میں ، حکمت عملی اکثر غلط سگنل پیدا کرسکتی ہے ، جس کے نتیجے میں لگاتار نقصانات ہوتے ہیں۔

  3. سکڑنے کا خطرہ: تیزی سے اتار چڑھاؤ والے بازاروں میں ، اصل عملدرآمد کی قیمتیں سگنل کی قیمتوں سے نمایاں طور پر مختلف ہوسکتی ہیں۔

  4. زیادہ سے زیادہ اصلاح کا خطرہ: تاریخی اعداد و شمار کو فٹ کرنے کے لئے پیرامیٹرز کی ضرورت سے زیادہ ایڈجسٹمنٹ سے زیادہ فٹ ہونے کا سبب بن سکتا ہے ، جس سے مستقبل میں رواں تجارت کی کارکردگی متاثر ہوتی ہے۔

  5. تکنیکی خرابی: پیچیدہ تکنیکی اشارے کے حساب سے انحصار کا مطلب یہ ہے کہ سسٹم کی خرابی یا ڈیٹا کی غلطیاں غلط تجارتی فیصلوں کا باعث بن سکتی ہیں۔

ان خطرات کو کم کرنے کے لئے یہ سفارش کی جاتی ہے کہ:

  • مکمل تاریخی بیک ٹسٹنگ اور فارورڈ ٹیسٹنگ کریں۔
  • موزوں پوزیشن سائزنگ اور رسک کنٹرول کے اقدامات کا استعمال کریں۔
  • مارکیٹ کے بدلتے حالات کے مطابق اپنی حکمت عملی کے پیرامیٹرز کا باقاعدگی سے جائزہ لیں اور ان کو ایڈجسٹ کریں۔
  • غلطیوں سے نمٹنے اور نگرانی کے مضبوط طریقہ کار کو نافذ کریں.

حکمت عملی کی اصلاح کی ہدایات

  1. متحرک پیرامیٹر ایڈجسٹمنٹ: مارکیٹ کی اتار چڑھاؤ کی بنیاد پر EMA کی لمبائی اور حد کو خود بخود ایڈجسٹ کرنے کے لئے ایک انکولی پیرامیٹر ایڈجسٹمنٹ میکانزم کو نافذ کریں۔

  2. اضافی فلٹرز: سگنل کے معیار کو بہتر بنانے کے لئے اضافی تکنیکی یا بنیادی اشارے کو فلٹرز کے طور پر متعارف کرایا جائے.

  3. مشین لرننگ انٹیگریشن: پیرامیٹر کے انتخاب اور سگنل جنریشن کے عمل کو بہتر بنانے کے لئے مشین لرننگ الگورتھم کا استعمال کریں۔

  4. کثیر اثاثہ جات کے مابین وابستگی کا تجزیہ: مارکیٹ کا ایک جامع نقطہ نظر فراہم کرنے کے لئے متعدد متعلقہ اثاثوں کے اعداد و شمار پر غور کریں۔

  5. نیوز ایونٹ انٹیگریشن: اہم معاشی اعداد و شمار کی رہائی کے دوران حکمت عملی کے رویے کو ایڈجسٹ کرنے کے لئے نیوز ایونٹ تجزیہ کی فعالیت شامل کریں۔

  6. اتار چڑھاؤ ایڈجسٹمنٹ: مارکیٹ کی اتار چڑھاؤ کی بنیاد پر ہدف فیصد اور سٹاپ نقصان کی سطح کو متحرک طور پر ایڈجسٹ کریں۔

  7. بہتر رسک مینجمنٹ: زیادہ نفیس پوزیشن مینجمنٹ اور رسک کنٹرول کی حکمت عملیاں لاگو کریں، جیسے اتار چڑھاؤ پر مبنی پوزیشن سائزنگ۔

ان اصلاحاتی سمتوں کا مقصد حکمت عملی کی موافقت اور استحکام کو بڑھانا ہے ، جس سے یہ مختلف مارکیٹ کے حالات میں اچھی کارکردگی برقرار رکھنے کے قابل ہے۔

نتیجہ

لورینزین کی درجہ بندی ملٹی ٹائم فریم ٹارگٹ حکمت عملی ایک جامع تجارتی نظام ہے جو جدید تکنیکی تجزیہ کے طریقوں کو ذہین رسک مینجمنٹ میکانزم کے ساتھ جوڑتا ہے۔ ملٹی ٹائم فریم تجزیہ ، متحرک رجحان کی نشاندہی اور ہدف قیمت کی اصلاح کے ذریعے ، اس حکمت عملی میں مختلف مارکیٹ کے حالات میں مستقل تجارتی کارکردگی حاصل کرنے کی صلاحیت ہے۔ تاہم ، اسے پیرامیٹر حساسیت اور مارکیٹ پر انحصار جیسے چیلنجوں کا بھی سامنا کرنا پڑتا ہے۔ مسلسل اصلاح اور رسک مینجمنٹ کے ذریعے ، تاجر ممکنہ خطرات کو مؤثر طریقے سے کنٹرول کرتے ہوئے حکمت عملی کے فوائد کو مکمل طور پر فائدہ اٹھا سکتے ہیں۔ مستقبل کی ترقی کو مسلسل بدلتے ہوئے مارکیٹ کے ماحول کو پورا کرنے کے لئے حکمت عملی کی موافقت اور ذہانت کو بہتر بنانے پر توجہ دینی چاہئے۔


/*backtest
start: 2023-07-31 00:00:00
end: 2024-07-30 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Lorenzian Classification Strategy with Target and Multi-Timeframe", overlay=true)

// Input parameters
length = input.int(5, "Lorenzian Length", minval=1)
threshold = input.float(1.0, "Threshold", step=0.1)
lookback = input.int(3, "Lookback Candles", minval=1, maxval=20)
targetPercentage = input.float(1.5, "Target Percentage (%)", step=0.1) // Target percentage for exit
higherTimeframe = input.timeframe("D", "Higher Timeframe") // Higher timeframe for multi-timeframe analysis

// Lorenzian Classification calculation for current timeframe
ema1 = ta.ema(hlc3, length)
ema2 = ta.ema(ema1, length)
ema3 = ta.ema(ema2, length)

d = ema1 - ema2
ci = d / (0.015 * ta.ema(math.abs(d), length)) * 100

lorenzian = ema3 + ci

// Lorenzian Classification calculation for higher timeframe
hlc3_htf = request.security(syminfo.tickerid, higherTimeframe, (high + low + close)/3 )
ema1_htf = ta.ema(hlc3_htf, length)
ema2_htf = ta.ema(ema1_htf, length)
ema3_htf = ta.ema(ema2_htf, length)

d_htf = ema1_htf - ema2_htf
ci_htf = d_htf / (0.015 * ta.ema(math.abs(d_htf), length)) * 100

lorenzian_htf = ema3_htf + ci_htf

// Signal generation
crossUp = ta.crossover(close, lorenzian)
crossDown = ta.crossunder(close, lorenzian)

// Determine color based on price position relative to the line
lineColor = close > ema3 ? color.green : color.red
lineColorH = close > ema3_htf ? color.blue : color.red

// Plot the line with dynamic color
plot(ema3, color=lineColor, title="EMA3", linewidth=2)
plot(ema3_htf, color=lineColorH, title="EMA3 HTF", linewidth=2)

// Function to check for opposite movement
oppositeMove(isLong) =>
    if isLong
        lowest = ta.lowest(low, lookback)
        lowest < lorenzian[lookback]
    else
        highest = ta.highest(high, lookback)
        highest > lorenzian[lookback]

// Generate buy and sell signals
buySignal = crossUp and oppositeMove(true)
sellSignal = crossDown and oppositeMove(false)

// Calculate and manage target price
var float targetPrice = na
var float plotTargetPrice = na
var float entryPrice = na

// Variables to track trade outcomes
var int targetMet = 0
var int targetNotMet = 0
var int totalTrades = 0

if (buySignal)
    strategy.entry("Buy", strategy.long)
    entryPrice := close
    targetPrice := entryPrice * (1 + targetPercentage/100)
    plotTargetPrice := targetPrice
    totalTrades := totalTrades + 1

if (sellSignal)
    strategy.entry("Sell", strategy.short)
    entryPrice := close
    targetPrice := entryPrice * (1 - targetPercentage/100)
    plotTargetPrice := targetPrice
    totalTrades := totalTrades + 1

// Check if target price is met to exit
if (not na(targetPrice))
    if (strategy.position_size > 0 and high >= targetPrice) // Long position exit condition
        strategy.close("Buy")
        targetPrice := na
        entryPrice := na
        targetMet := targetMet + 1
    else if (strategy.position_size > 0 and low < entryPrice * (1 - targetPercentage/100)) // Stop loss for long
        strategy.close("Buy")
        targetPrice := na
        entryPrice := na
        targetNotMet := targetNotMet + 1
    
    if (strategy.position_size < 0 and low <= targetPrice) // Short position exit condition
        strategy.close("Sell")
        targetPrice := na
        entryPrice := na
        targetMet := targetMet + 1
    else if (strategy.position_size < 0 and high > entryPrice * (1 + targetPercentage/100)) // Stop loss for short
        strategy.close("Sell")
        targetPrice := na
        entryPrice := na
        targetNotMet := targetNotMet + 1

// Reset plotTargetPrice when position is closed
if (strategy.position_size == 0)
    plotTargetPrice := na

// Plot signals and target price
plotshape(buySignal, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.triangleup, size=size.small)
plotshape(sellSignal, title="Sell Signal", location=location.abovebar, color=color.purple, style=shape.triangledown, size=size.small)
plot(plotTargetPrice, color=color.yellow, title="Target Price", style=plot.style_circles, linewidth=2)

// Add alerts
alertcondition(buySignal, title="Buy Signal", message="Lorenzian Buy Signal")
alertcondition(sellSignal, title="Sell Signal", message="Lorenzian Sell Signal")

// Calculate success percentage
successPercentage = totalTrades > 0 ? (targetMet / totalTrades) * 100 : 0

// Create a table to display trade outcomes
var table tradeStats = table.new(position.top_right, 2, 3, border_width=1)
table.cell(tradeStats, 0, 0, "Targets Met", bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 0, "Targets Missed", bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 1, str.tostring(targetMet), bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 1, str.tostring(targetNotMet), bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 2, "Success Rate", bgcolor=color.new(color.blue, 30))
table.cell(tradeStats, 1, 2, str.tostring(successPercentage, "#.##") + "%", bgcolor=color.new(color.blue, 30))

متعلقہ

مزید