وسائل لوڈ ہو رہے ہیں... لوڈنگ...
  1. مربع
  2. انکولی رفتار کا اوسط-انورشن کراس اوور حکمت عملی

انکولی رفتار کا اوسط-انورشن کراس اوور حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2025-01-10 15:26:18
ٹیگز:آر او سیبی بیایس ایم اے

Adaptive Momentum Mean-Reversion Crossover Strategy

جائزہ

یہ حکمت عملی ایک ہائبرڈ ٹریڈنگ سسٹم ہے جو رفتار اور اوسط ریورس تھیوریز کو جوڑتا ہے۔ یہ شرح تبدیلی (آر او سی) اشارے اور بولنگر بینڈ کا استعمال کرتے ہوئے مارکیٹ میں زیادہ خریدنے اور زیادہ فروخت ہونے والے حالات کی نشاندہی کرتا ہے ، جب مخصوص حدیں عبور ہوجاتی ہیں تو تجارت کو متحرک کرتا ہے۔ بنیادی تصور رفتار کی تبدیلیوں کا پتہ لگانا اور ان کی اوسط تک قیمت کی تبدیلیوں سے فائدہ اٹھانا ہے۔

حکمت عملی کے اصول

اس حکمت عملی میں قلیل مدتی قیمتوں میں ہونے والی تبدیلیوں کا حساب لگانے کے لئے دو دورانیے کے آر او سی اشارے کا استعمال کیا جاتا ہے ، جس میں بولنگر بینڈ کے دو سیٹ شامل ہیں: مختصر مدت (18 دورانیے ، 1.7 معیاری انحراف) زیادہ فروخت کی شرائط اور انٹری سگنلز کے لئے ، اور طویل مدتی (21 دورانیہ ، 2.1 معیاری انحراف) زیادہ خریدنے کی شرائط اور باہر نکلنے کے سگنلز کے لئے۔ جب آر او سی نچلے بولنگر بینڈ سے تجاوز کرتا ہے تو لانگ پوزیشنیں شروع ہوجاتی ہیں ، جو کمزور سے مضبوط رفتار میں شفٹ کی نشاندہی کرتی ہیں ، اور جب آر او سی اوپری بولنگر بینڈ سے نیچے عبور کرتی ہے تو پوزیشنیں بند ہوجاتی ہیں ، جو کمزور رفتار کی نشاندہی کرتی ہیں۔ حکمت عملی میں زیادہ خریدنے (سرخ) اور زیادہ فروخت (سبز) زونوں کو اجاگر کرنے کے لئے پس منظر کے رنگوں کا بھی استعمال کیا جاتا ہے۔

حکمت عملی کے فوائد

  1. اعلی موافقت: بولنگر بینڈ خود بخود مارکیٹ کی اتار چڑھاؤ کی بنیاد پر اپنی چوڑائی کو ایڈجسٹ کرتے ہیں ، مختلف مارکیٹ کے حالات میں افادیت کو برقرار رکھتے ہیں
  2. مضبوط رسک کنٹرول: ہر وقت صرف ایک پوزیشن کو یقینی بناتے ہوئے، پرامائڈنگ غیر فعال ہے (پرامائڈنگ = 0)
  3. قابل اعتماد سگنل: رفتار اور اوسط ریورسشن کی حکمت عملی کا مجموعہ مارکیٹ کے موڑ کے نقطہ کی بہتر شناخت فراہم کرتا ہے
  4. عملی: حقیقی دنیا کے تجارتی حالات کے لئے ٹرانزیکشن لاگت اور سلائڈج پر غور شامل ہے

حکمت عملی کے خطرات

  1. مارکیٹ کا خطرہ: اس سے اکثر تجارت ہوسکتی ہے جس کی وجہ سے رینج سے منسلک مارکیٹوں میں نقصان ہوتا ہے۔
  2. جھوٹا بریک آؤٹ کا خطرہ: ROC اشارے سے جھوٹے بریک آؤٹ سگنل پیدا ہو سکتے ہیں
  3. پیرامیٹر حساسیت: حکمت عملی کی کارکردگی بہت زیادہ بولنگر بینڈ اور ROC پیرامیٹر کی ترتیبات پر منحصر ہے
  4. مارکیٹ ماحول انحصار: حکمت عملی رجحان مارکیٹوں میں بہتر کارکردگی کا مظاہرہ کرتا ہے لیکن انتہائی اتار چڑھاؤ کے دوران ناکام ہوسکتا ہے

حکمت عملی کی اصلاح کی ہدایات

  1. رجحان فلٹر متعارف کروائیں: مارکیٹ کے رجحانات کو فلٹر کرنے اور سمت کی درستگی کو بہتر بنانے کے لئے طویل مدتی چلتی اوسط شامل کریں
  2. پیرامیٹرز کو بہتر بنائیں: بہترین ROC مدت اور بولنگر بینڈ پیرامیٹرز کے مجموعے کو تلاش کرنے کے لئے تاریخی ڈیٹا بیک ٹسٹنگ انجام دیں
  3. سٹاپ نقصان کے طریقہ کار کو شامل کریں: خطرے کے کنٹرول کے لئے فکسڈ یا ٹریلنگ سٹاپ نقصان کو لاگو کریں
  4. حجم کی توثیق شامل کریں: قیمتوں کے وقفے کو درست کرنے کے لئے حجم کے اشارے شامل کریں

خلاصہ

اڈاپٹیو مومنٹم میڈین ریورس کراس اوور حکمت عملی ایک تجارتی نظام تیار کرتی ہے جو ROC اشارے اور دوہری بولنگر بینڈ کو یکجا کرکے مختلف مارکیٹ کے ماحول میں ڈھلنے کے قابل ہے۔ لچک کو برقرار رکھتے ہوئے ، حکمت عملی خطرے پر قابو پانے پر زور دیتی ہے اور عملی قدر کا مظاہرہ کرتی ہے۔ مسلسل اصلاح اور بہتری کے ذریعے ، یہ حکمت عملی اصل تجارت میں بہتر کارکردگی کا وعدہ کرتی ہے۔

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

//@version=6
strategy("Adaptive Momentum Reversion Strategy ", overlay=false, initial_capital=50000, pyramiding=0, commission_type=strategy.commission.cash_per_contract, commission_value=0.05, slippage=1)

// Input: ROC Period
rocPeriod = input.int(2, title="ROC Period", minval=1)

// Input: Bollinger Bands Settings (Lower Band)
bbLowerLength = input.int(18, title="Lower Bollinger Band Length", minval=1)
bbLowerStdDev = input.float(1.7, title="Lower Bollinger Band StdDev", minval=0.1, step=0.1)

// Input: Bollinger Bands Settings (Upper Band)
bbUpperLength = input.int(21, title="Upper Bollinger Band Length", minval=1)
bbUpperStdDev = input.float(2.1, title="Upper Bollinger Band StdDev", minval=0.1, step=0.1)

// ROC Calculation
rocValue = (close - close[rocPeriod]) / close[rocPeriod] * 100

// Bollinger Bands Calculation
bbLowerBasis = ta.sma(rocValue, bbLowerLength)  // Basis for Lower Band
bbLower = bbLowerBasis - bbLowerStdDev * ta.stdev(rocValue, bbLowerLength)  // Lower Band

bbUpperBasis = ta.sma(rocValue, bbUpperLength)  // Basis for Upper Band
bbUpper = bbUpperBasis + bbUpperStdDev * ta.stdev(rocValue, bbUpperLength)  // Upper Band

// Plot ROC
plot(rocValue, color=color.blue, linewidth=2, title="ROC Value")

// Plot Bollinger Bands
plot(bbLowerBasis, color=color.gray, linewidth=1, title="Lower BB Basis (SMA)")
plot(bbLower, color=color.green, linewidth=1, title="Lower Bollinger Band")
plot(bbUpperBasis, color=color.gray, linewidth=1, title="Upper BB Basis (SMA)")
plot(bbUpper, color=color.red, linewidth=1, title="Upper Bollinger Band")

// Add Zero Line for Reference
hline(0, "Zero Line", color=color.gray, linestyle=hline.style_dotted)

// Entry Condition: Long when ROC crosses above the lower Bollinger Band
longCondition = ta.crossover(rocValue, bbLower)
if (longCondition)
    strategy.entry("Long", strategy.long)

// Exit Condition: Exit on Upper Bollinger Band Cross or ROC drops below Lower Band again
exitCondition = ta.crossunder(rocValue, bbUpper)
if (exitCondition)
    strategy.close("Long")

// Background Color for Extreme Conditions
bgcolor(rocValue > bbUpper ? color.new(color.red, 80) : na, title="Overbought (ROC above Upper BB)")
bgcolor(rocValue < bbLower ? color.new(color.green, 80) : na, title="Oversold (ROC below Lower BB)")
متعلقہ
مزید

2019 FMZ - تمام حقوق محفوظ ہیں