وسائل لوڈ ہو رہے ہیں... لوڈنگ...

بل بیئر پاور ٹریڈنگ کی حکمت عملی حجم پرسنٹیل پر مبنی متحرک منافع لینے کے نظام کے ساتھ

مصنف:چاؤ ژانگ، تاریخ: 2025-01-06 16:16:04
ٹیگز:جی پی پیای ایم اےاے ٹی آرٹی پی

img

جائزہ

یہ حکمت عملی بل بیئر پاور (بی بی پی) اشارے کو حجم کے فیصد پر مبنی ایک کثیر سطح کے متحرک منافع لینے کے نظام کے ساتھ جوڑتی ہے۔ یہ قیمت ، حجم اور رفتار کے اعداد و شمار کے کثیر جہتی تجزیہ کے ذریعے ایک انکولی اور خطرہ پر قابو پانے والا تجارتی نظام تیار کرتی ہے۔ بنیادی منطق میں زیڈ اسکور معمول کے مطابق بی بی پی اقدار کو تجارتی سگنل ٹرگرز کے طور پر استعمال کرنا شامل ہے ، جبکہ متحرک منافع لینے کی ایڈجسٹمنٹ کے لئے حجم کے فیصد تجزیہ کو شامل کرنا۔

حکمت عملی کے اصول

بنیادی حسابات میں کئی اہم اجزاء شامل ہیں:

  1. بی بی پی اشارے: اعلی قیمت اور ای ایم اے (بُل پاور) اور کم قیمت اور ای ایم اے (بیئر پاور) کے درمیان فرق کو جمع کرکے مارکیٹ فورس بیلنس کی پیمائش کرتا ہے۔
  2. زیڈ اسکور نارملائزیشن: مارکیٹ کی طاقت کے انحراف کی سطح کا اندازہ کرنے کے لئے بی بی پی کی اقدار کو معیاری بناتا ہے۔
  3. حجم تجزیہ: مارکیٹ کی سرگرمی کا اندازہ لگانے کے لئے چلتی اوسط کے سلسلے میں موجودہ حجم کا حساب لگاتا ہے۔
  4. فیصد تجزیہ: مارکیٹ کی حالت کے امکان کی تقسیم کے لئے قیمت اور حجم کے تاریخی فیصد کا حساب لگاتا ہے۔
  5. متحرک ٹیک منافع: اے ٹی آر، حجم فیصد اور قیمت فیصد کے مرکب اسکورنگ کی بنیاد پر منافع لینے کی سطح کو ایڈجسٹ کرتا ہے۔

حکمت عملی کے فوائد

  1. کثیر جہتی تجزیہ: قیمتوں کی رفتار ، حجم اور مارکیٹ پوزیشننگ کے ذریعے مارکیٹ کا جامع نقطہ نظر فراہم کرتا ہے۔
  2. اعلی موافقت: متحرک منافع لینے کے طریقہ کار کے ذریعے مختلف مارکیٹ کے ماحول کو اپناتا ہے۔
  3. خطرے کی تنوع: مختلف قیمتوں کی سطح پر منافع کے حصول کے لئے کثیر سطح پر منافع لینے کی حکمت عملی کو نافذ کرتا ہے۔
  4. شماریاتی برتری: زیڈ اسکور اور فیصد تجزیہ کے ذریعے اہم فائدہ حاصل کرتا ہے۔
  5. توسیع پذیری: فریم ورک تجزیہ کے نئے طول و عرض کو آسانی سے شامل کرنے کی اجازت دیتا ہے۔

حکمت عملی کے خطرات

  1. پیرامیٹر حساسیت: متعدد پیرامیٹرز کو مختلف مارکیٹ کے ماحول کے لئے اصلاح کی ضرورت ہے۔
  2. مارکیٹ کے ماحول پر انحصار: غیر مستحکم ادوار یا رجحانات کی منتقلی کے دوران کم کارکردگی کا مظاہرہ کرسکتا ہے۔
  3. عملدرآمد میں کمی: کثیر سطح پر منافع حاصل کرنے والے احکامات کو عملدرآمد میں کمی کا سامنا کرنا پڑ سکتا ہے۔
  4. کمپیوٹیشنل پیچیدگی: متعدد اشارے کا حقیقی وقت کا حساب لگانے سے سسٹم بوجھ پڑ سکتا ہے۔
  5. غلط سگنل کا خطرہ: مختلف مارکیٹوں میں غلط ٹریڈنگ سگنل پیدا کر سکتا ہے۔

اصلاح کی ہدایات

  1. پیرامیٹر موافقت: خودکار پیرامیٹر اصلاح کے لئے مشین لرننگ کے طریقوں کو متعارف کروانا۔
  2. مارکیٹ کی پیش گوئی: منفی حالات کی ابتدائی شناخت کے لئے مارکیٹ ماحول کی درجہ بندی کا ماڈیول شامل کریں۔
  3. سٹاپ نقصان کی اصلاح: بہتر خطرے کے کنٹرول کے لئے متحرک سٹاپ نقصان کے میکانزم کو لاگو کریں.
  4. سگنل فلٹرنگ: غلط سگنل کو کم کرنے کے لئے رجحان کی طاقت فلٹرز شامل کریں.
  5. پوزیشن مینجمنٹ: سرمایہ کاری کی کارکردگی کو بہتر بنانے کے لئے پوزیشن الاٹمنٹ الگورتھم کو بہتر بنائیں۔

خلاصہ

یہ حکمت عملی روایتی بی بی پی اشارے کو جدید مقداری تجزیہ کے طریقوں کے ساتھ جوڑتی ہے تاکہ ٹھوس نظریاتی بنیاد اور مضبوط عملی صلاحیت کے ساتھ تجارتی نظام تشکیل دیا جاسکے۔ یہ کثیر سطح کے منافع اور متحرک ایڈجسٹمنٹ میکانزم کے ذریعے منافع اور خطرے کے مابین اچھا توازن حاصل کرتا ہے۔ اگرچہ پیرامیٹر کی اصلاح میں کچھ چیلنجز درپیش ہیں ، حکمت عملی کے فریم ورک کی توسیع مستقبل میں بہتری کے لئے کافی گنجائش فراہم کرتی ہے۔ عملی درخواست میں ، تاجروں کو مارکیٹ کی خصوصیات اور انفرادی رسک ترجیحات کی بنیاد پر مخصوص ایڈجسٹمنٹ کرنی چاہئے۔


/*backtest
start: 2019-12-23 08:00:00
end: 2025-01-04 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © PresentTrading

// The BBP Strategy with Volume-Percentile TP by PresentTrading emerges as a sophisticated approach that integrates multiple analytical layers to enhance trading precision and profitability. 
// Unlike traditional strategies that rely solely on price movements or volume indicators, this strategy synergizes Bollinger Bands Power (BBP) with volume percentile analysis to determine optimal entry and exit points. Additionally, it employs a dynamic take-profit mechanism based on ATR (Average True Range) multipliers adjusted by volume and percentile factors, ensuring adaptability to varying market conditions. 
// This multi-faceted approach not only enhances signal accuracy but also optimizes risk management, setting it apart from conventional trading methodologies.

//@version=5
strategy("BBP Strategy with Volume-Percentile TP - Strategy [presentTrading] ", overlay=false, precision=3, commission_value= 0.1, commission_type=strategy.commission.percent, slippage= 1, currency=currency.USD, default_qty_type = strategy.percent_of_equity, default_qty_value = 10, initial_capital=10000)


// ————————
// Bull Bear Power Strategy Settings
// ————————
lengthInput = input.int(21, "EMA Length")
zLength     = input.int(252, "Z-Score Length")
zThreshold  = input.float(1.618, "Z-Score Threshold")

// ————————
// Take Profit Settings
// ————————
tp_group = "Take Profit Settings"
// Enable/disable take profit function
useTP = input.bool(true, "Use Take Profit", group=tp_group)

// === ATR Base Settings ===
// ATR calculation period for determining base price movement range
baseAtrLength = input.int(20, "ATR Period", minval=1, group=tp_group, tooltip="ATR period for calculating base price movement range. Shorter periods are more sensitive to recent volatility")

// === Take Profit Multiplier Settings ===
// First take profit ATR multiplier, usually the most conservative target
atrMult1 = input.float(1.618, "TP1 ATR Multiplier", minval=0.1, step=0.1, group=tp_group, tooltip="First take profit level ATR multiplier, recommended 1.5-2.0")
// Second take profit ATR multiplier, medium profit target
atrMult2 = input.float(2.382, "TP2 ATR Multiplier", minval=0.1, step=0.1, group=tp_group, tooltip="Second take profit level ATR multiplier, recommended 2.5-3.0")
// Third take profit ATR multiplier, most aggressive target
atrMult3 = input.float(3.618, "TP3 ATR Multiplier", minval=0.1, step=0.1, group=tp_group, tooltip="Third take profit level ATR multiplier, recommended 4.0-5.0")

// === Position Size Allocation ===
// First take profit position size, usually larger for securing basic profits
tp1_size = input.float(13, "TP1 Position %", minval=1, maxval=100, group=tp_group, tooltip="Position size percentage for first take profit, recommended 30-40%")
// Second take profit position size, medium allocation
tp2_size = input.float(13, "TP2 Position %", minval=1, maxval=100, group=tp_group, tooltip="Position size percentage for second take profit, recommended 30-40%")
// Third take profit position size, usually smaller for catching larger moves
tp3_size = input.float(13, "TP3 Position %", minval=1, maxval=100, group=tp_group, tooltip="Position size percentage for third take profit, recommended 20-30%")

// ————————
// Volume Analysis Settings
// ————————
vol_group = "Volume Analysis Settings"
// Volume MA period for determining relative volume levels
vol_period = input.int(100, "Volume MA Period", minval=1, group=vol_group, tooltip="Period for calculating volume moving average, recommended 20-30")

// === Volume Level Thresholds ===
// High volume threshold relative to MA
vol_high = input.float(2.0, "High Volume Multiplier", minval=1.0, step=0.1, group=vol_group, tooltip="High volume threshold multiplier, typically 2x MA or above")
// Medium volume threshold
vol_med = input.float(1.5, "Medium Volume Multiplier", minval=1.0, step=0.1, group=vol_group, tooltip="Medium volume threshold multiplier, typically around 1.5x MA")
// Low volume threshold
vol_low = input.float(1.0, "Low Volume Multiplier", minval=0.5, step=0.1, group=vol_group, tooltip="Low volume threshold multiplier, typically around 1x MA")

// === Volume Adjustment Factors ===
// High volume adjustment factor, usually extends take profit targets
vol_high_mult = input.float(1.5, "High Volume Factor", minval=0.1, step=0.1, group=vol_group, tooltip="Take profit adjustment factor for high volume")
// Medium volume adjustment factor
vol_med_mult = input.float(1.3, "Medium Volume Factor", minval=0.1, step=0.1, group=vol_group, tooltip="Take profit adjustment factor for medium volume")
// Low volume adjustment factor
vol_low_mult = input.float(1.0, "Low Volume Factor", minval=0.1, step=0.1, group=vol_group, tooltip="Take profit adjustment factor for low volume")

// ————————
// Percentile Analysis Settings
// ————————
perc_group = "Percentile Analysis Settings"
// Percentile calculation period for evaluating price position
perc_period = input.int(100, "Percentile Period", minval=20, group=perc_group, tooltip="Historical period for percentile calculations, recommended 100-200")

// === Percentile Thresholds ===
// High percentile threshold, typically indicates relative high levels
perc_high = input.float(90, "High Percentile", minval=50, maxval=100, group=perc_group, tooltip="High level percentile threshold, typically above 90")
// Medium percentile threshold
perc_med = input.float(80, "Medium Percentile", minval=50, maxval=100, group=perc_group, tooltip="Medium level percentile threshold, typically around 80")
// Low percentile threshold
perc_low = input.float(70, "Low Percentile", minval=0, maxval=100, group=perc_group, tooltip="Low level percentile threshold, typically around 70")

// === Percentile Adjustment Factors ===
// High percentile adjustment factor
perc_high_mult = input.float(1.5, "High Percentile Factor", minval=0.1, step=0.1, group=perc_group, tooltip="Take profit adjustment factor for high percentile levels")
// Medium percentile adjustment factor
perc_med_mult = input.float(1.3, "Medium Percentile Factor", minval=0.1, step=0.1, group=perc_group, tooltip="Take profit adjustment factor for medium percentile levels")
// Low percentile adjustment factor
perc_low_mult = input.float(1.0, "Low Percentile Factor", minval=0.1, step=0.1, group=perc_group, tooltip="Take profit adjustment factor for low percentile levels")


// ————————
// Core Bull Bear Power Calculations
// ————————
emaClose  = ta.ema(close, lengthInput)
bullPower = high - emaClose
bearPower = low  - emaClose
bbp       = bullPower + bearPower

bbp_mean  = ta.sma(bbp, zLength)
bbp_std   = ta.stdev(bbp, zLength)
zscore    = (bbp - bbp_mean) / bbp_std

// ————————
// Volume & Percentile Analysis
// ————————
// 成交量分析
vol_sma = ta.sma(volume, vol_period)
vol_mult = volume / vol_sma

// 百分位數計算
calcPercentile(src) =>
    var values = array.new_float(0)
    array.unshift(values, src)
    if array.size(values) > perc_period
        array.pop(values)
    array.size(values) > 0 ? array.percentrank(values, array.size(values)-1) * 100 : 50

price_perc = calcPercentile(close)
vol_perc = calcPercentile(volume)

// 止盈動態調整系數計算
getTpFactor() =>
    vol_score = vol_mult > vol_high ? vol_high_mult : vol_mult > vol_med ? vol_med_mult : vol_mult > vol_low ? vol_low_mult : 0.8
    price_score = price_perc > perc_high ? perc_high_mult :price_perc > perc_med ? perc_med_mult :price_perc > perc_low ? perc_low_mult : 0.8 
    math.avg(vol_score, price_score)

// ————————
// Entry/Exit Logic
// ————————
longCondition  = ta.crossover(zscore,  zThreshold)
shortCondition = ta.crossunder(zscore, -zThreshold)
exitLongCondition  = ta.crossunder(zscore, 0)
exitShortCondition = ta.crossover(zscore,  0)

if (barstate.isconfirmed)
    if longCondition
        strategy.entry("Long", strategy.long)
    if shortCondition
        strategy.entry("Short", strategy.short)
    if exitLongCondition
        strategy.close("Long")
    if exitShortCondition
        strategy.close("Short")

// ————————
// Take Profit Execution
// ————————
if useTP and strategy.position_size != 0
    base_move = ta.atr(baseAtrLength)
    tp_factor = getTpFactor()
    is_long = strategy.position_size > 0
    entry_price = strategy.position_avg_price
    
    if is_long
        tp1_price = entry_price + (base_move * atrMult1 * tp_factor)
        tp2_price = entry_price + (base_move * atrMult2 * tp_factor)
        tp3_price = entry_price + (base_move * atrMult3 * tp_factor)
        
        strategy.exit("TP1", "Long", qty_percent=tp1_size, limit=tp1_price)
        strategy.exit("TP2", "Long", qty_percent=tp2_size, limit=tp2_price)
        strategy.exit("TP3", "Long", qty_percent=tp3_size, limit=tp3_price)
    else
        tp1_price = entry_price - (base_move * atrMult1 * tp_factor)
        tp2_price = entry_price - (base_move * atrMult2 * tp_factor)
        tp3_price = entry_price - (base_move * atrMult3 * tp_factor)
        
        strategy.exit("TP1", "Short", qty_percent=tp1_size, limit=tp1_price)
        strategy.exit("TP2", "Short", qty_percent=tp2_size, limit=tp2_price)
        strategy.exit("TP3", "Short", qty_percent=tp3_size, limit=tp3_price)

// ————————
// Plotting
// ————————
plot(bbp, color=bbp >= 0 ? color.new(color.green, 0) : color.new(color.red, 0), 
     title="BBPower", style=plot.style_columns)
hline(0, "Zero Line", color=color.gray, linestyle=hline.style_dotted)
plot(zscore, title="Z-Score", color=color.blue, linewidth=2)
hline(zThreshold, "Upper Threshold", color=color.orange, linestyle=hline.style_dashed)
hline(-zThreshold, "Lower Threshold", color=color.orange, linestyle=hline.style_dashed)



متعلقہ

مزید