Chiến lược giao dịch theo mùa lai của S&P500
Tác giả:ChaoZhang, Ngày: 2024-01-22 11:59:58Tags:
Tổng quan
Chiến lược giao dịch theo mùa lai S&P500 là một chiến lược định lượng giao dịch cổ phiếu dựa trên các mô hình theo mùa. Nó kết hợp một hệ thống mua & giữ nâng cao, điều kiện chỉ số kỹ thuật và chỉ số lưu lượng khối lượng để xoay giữa các tháng hoạt động tốt hơn và tồi tệ hơn trong năm.
Chiến lược logic
Các tín hiệu và quy tắc giao dịch chính là:
- Đi dài ở mở vào ngày giao dịch đầu tiên của tháng 10 mỗi năm.
- Nếu chỉ số VIX trên 60% hoặc ATR 15 ngày trên 90%, tạm dừng giao dịch theo mùa cho đến khi biến động giảm dần sau đó trong tháng hoặc năm.
- Ra khỏi dài / ngắn tại mở vào ngày giao dịch đầu tiên của tháng Tám mỗi năm.
- Ngoài ra, nếu VIX vượt quá 120% hoặc nếu VFI vượt dưới -20 trong khi MA 10 ngày của nó hướng xuống.
- Cho phép bán thầu ngắn tùy chọn.
Chiến lược này tận dụng hiệu suất không đồng đều của thị trường chứng khoán trong suốt năm, đi dài trong tháng 10 - tháng 4 đã vượt trội về mặt thống kê và kiếm lợi nhuận hoặc giảm giá trong những tháng có hiệu suất kém hơn từ tháng 5 đến tháng 9.
Phân tích lợi thế
Chiến lược giao dịch theo mùa lai của S&P500 có những lợi thế chính sau:
- Đòn bẩy được thiết lập, các mô hình theo mùa ổn định dựa trên hiệu suất hàng tháng không đồng đều được quan sát theo kinh nghiệm của chỉ số S&P500 trong suốt năm.
- Kết hợp nhiều điều kiện lọc như VIX, ATR và VFI để lọc hiệu quả tiếng ồn và tạo ra các tín hiệu giao dịch đáng tin cậy hơn.
- Các quy tắc giao dịch có thể cấu hình cho thời gian dài / ngắn và các khoảng thời gian tùy chỉnh cho bước vào và bước ra theo mùa tạo điều kiện cho việc thử nghiệm và tối ưu hóa.
- Các cơ chế tránh rủi ro tích hợp thông qua các biện pháp biến động như ngưỡng VIX và ATR để bỏ qua các tác động của biến động thị trường mạnh mẽ.
- Nhập tín hiệu bổ sung từ chỉ số lưu lượng khối lượng phản ánh sự thay đổi tiềm năng trong sự tham gia thị trường.
Phân tích rủi ro
Một số rủi ro tiềm ẩn bao gồm:
- Rủi ro không hợp lệ của các mô hình lịch sử.
- Rủi ro sai tín hiệu từ các chỉ số kỹ thuật: VIX, ATR và VFI cũng có thể tạo ra tín hiệu sai.
- Rủi ro tham số thấp hơn tối ưu. Kiểm tra và điều chỉnh tham số hơn nữa là có thể vì các giá trị hiện tại có thể không tối ưu trên toàn cầu.
- Các rủi ro mua ngắn bổ sung như tổn thất không giới hạn.
Các rủi ro có thể được giảm thiểu thông qua kiểm soát rủi ro nghiêm ngặt hơn, kết hợp các chỉ số, điều chỉnh tham số, học máy v.v.
Cơ hội gia tăng
Cơ hội tối ưu hóa có thể:
- Thời gian backtest dài hơn để có thêm dữ liệu đào tạo.
- Đưa ra các cơ chế dừng lỗ để kiểm soát lỗ cho mỗi giao dịch.
- Điều chỉnh các tham số của các chỉ số như VIX, ATR và VFI để tìm kết hợp tốt nhất.
- triển khai các mô hình học máy để cho phép tối ưu hóa thích nghi.
- Tập hợp các chiến lược để giảm rủi ro thị trường hệ thống thông qua không tương quan.
Kết luận
S&P500 Hybrid Seasonal Trading Strategy tổng hợp các xu hướng theo mùa, các chỉ số thời gian kỹ thuật và các biện pháp dòng tiền. Bằng cách tránh các tháng hoạt động tồi tệ nhất trong năm và định vị trong những tháng mạnh hơn theo mùa được bổ sung bằng việc kiểm soát biến động hiệu quả, khuôn khổ có thể tạo ra alpha nhất quán. Cấu trúc thích nghi cũng cung cấp các thành phần mô-đun hữu ích cho các học viên để kiểm tra, tối ưu hóa và xây dựng. Dữ liệu bổ sung, dừng lỗ, điều chỉnh tham số và tập hợp mang lại cơ hội hơn nữa để cải thiện hiệu suất.
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// TASC Issue: April 2022 - Vol. 40, Issue 4
// Article: Sell In May? Stock Market Seasonality
// Article By: Markos Katsanos
// Language: TradingView's Pine Script v5
// Provided By: PineCoders, for tradingview.com
//@version=5
strategy(title = "TASC 2022.04 S&P500 Hybrid Seasonal System",
shorttitle = "HSS v2.0",
overlay = true,
default_qty_type = strategy.percent_of_equity,
default_qty_value = 10,
initial_capital = 100000,
currency = currency.USD,
commission_type = strategy.commission.percent,
commission_value = 0.01
)
// Helper Functions:
// @function Returns the ratio to max/min of a sample period
// @param src float, data source.
// @param length int, period of the sample.
// @returns [float, float] tuple.
volatility (float src, int length) =>
[(src / ta.highest(src, length)[1] - 1.0) * 100.0,
(src / ta.lowest (src, length)[1] - 1.0) * 100.0]
// @function Volume Flow Indicator.
// @param Period int, period of the data sample.
// @param VCoef float, Volume Volatility Coefficient.
// @param Coef float, Cutoff Coefficient.
// @returns float.
// ref: https://mkatsanos.com/volume-flow-vfi-indicator/
vfi (int Period = 130, float VCoef = 2.5, float Coef = 0.2) =>
lastHLC3 = nz(hlc3[1], hlc3)
MF = hlc3 - lastHLC3
Vinter = ta.stdev(math.log(hlc3) - math.log(lastHLC3), 30)
Vave = ta.sma(volume, Period)[1]
Cutoff = Coef * close * Vinter
VC = math.min(volume, Vave * VCoef)
VCP = MF > Cutoff ? VC :
MF < -Cutoff ? -VC : 0.0
VFI1 = nz(math.sum(VCP, Period) / Vave)
VFI = ta.ema(VFI1, 3)
// inputs:
// optional strategy obserservation window parameters:
string ig_ow = 'Observation Window:'
bool i_Sdate = input( title = 'Start date:',
defval = timestamp('2021-01-01'),
inline = 'Sdate',
group = ig_ow
) < time //
bool i_useSdate = input.bool( title = '',
defval = false,
group = ig_ow,
inline = 'Sdate',
tooltip = 'Optional start date to clamp strategy observation window.'
) //
bool i_Edate = input( title = 'End date:',
defval = timestamp('2022-01-01'),
inline = 'Edate',
group = ig_ow
) > time //
bool i_useEdate = input.bool( title = '',
defval = false,
group = ig_ow,
inline = 'Edate',
tooltip = 'Optional end date to clamp strategy observation window.'
) //
//
string ig_ro = 'Lookback Options:'
int i_lback = input.int( title = 'Lookback Shift:',
defval = 0, minval = 0,
group = ig_ro,
tooltip = 'Optional, inspect previous signal values.'
) //
//
string ig_so = 'Signal Options:'
bool i_onlyL = input.bool( title = 'Long Only:',
defval = true,
group = ig_so,
tooltip = 'If switched off, short entries are initiated by sell signals.'
) //
int i_sMonth = input.int( title = 'Sell Month:',
defval = 8, minval = 1, maxval = 12, step = 1,
group = ig_so,
tooltip = 'The worst performing month, originally clamped between months 5 and 8.'
) //
int i_maxVI = input.int( title = 'Max VIX up:',
defval = 60, minval = 50, maxval = 60, step = 5,
group = ig_so,
tooltip = 'Volatility maximum threshold.'
) //
int i_critVFI = input.int( title = 'Critical VFI Sell:',
defval = -20, minval = -20, maxval = -15, step = 5,
group = ig_so,
tooltip = 'Critical money float (VFI) threshold for sell signal.'
) //
float i_K = input.float( title = 'ATR/VIX Ratio:',
defval = 1.5, minval = 1.3, maxval = 1.7, step = 0.2,
group = ig_so,
tooltip = 'ATR to VIX ratio for sell signal.'
) //
//
string i_VIticker = input( title = 'Volatility Index:',
defval = 'VIX',
group = ig_so,
tooltip = 'Volatility Index Ticker.'
) //
string i_VItf = input.timeframe( title = '',
defval = 'D',
group = ig_so,
tooltip = 'Volatility Index Timeframe.'
) //
int i_VIiperiod = input.int( title = 'Implied Volatility period:',
defval = 25,
group = ig_so
) //
int i_VIhperiod = input.int( title = 'Historical Volatility period:',
defval = 15,
group = ig_so
) //
//
int i_VFIperiod = input.int( title = 'VFI period:',
defval = 130,
group = ig_so, inline = 'VFI1'
) //
int i_VFIMperiod = input.int( title = 'MA:',
defval = 10,
group = ig_so, inline = 'VFI1',
tooltip = 'VFI and Moving Average sampling period.'
) //
float i_VFIcoef = input.float( title = 'VFI Coef Cuttoff:',
defval = 0.2,
group = ig_so, inline = 'VFI2'
) //
float i_VFIvcoef = input.float( title = 'Volat.:',
defval = 2.5,
group = ig_so, inline = 'VFI2',
tooltip = 'VFI Cutoff and Volatility coefficient.'
) //
int i_ATRperiod = input.int( title = 'ATR length:',
defval = 15,
group = ig_so, inline = 'ATR',
tooltip = 'ATR length.'
) //
//
string ig_to = 'Table Options:'
bool i_showT = input.bool( title = 'Show Table:',
defval = false,
group = ig_to,
tooltip = 'Optional toggle.'
) //
string i_Tpos = input.string(title = 'Position:',
defval = position.middle_right,
options = [ position.top_left, position.top_center, position.top_right,
position.middle_left, position.middle_center, position.middle_right,
position.bottom_left, position.bottom_center, position.bottom_right ],
group = ig_to) //
int i_Ttransp = input.int( title = 'Transparency:',
defval = 0, minval = 1, maxval = 99,
group = ig_to
) //
//
color i_Tcframe = input.color( title = 'Table Colors:',
defval = #000000,
group = ig_to, inline = 'table color'
) //
color i_Tcrowe = input.color( title = '',
defval = #d6dae3,
group = ig_to, inline = 'table color'
) //
color i_Tcrowo = input.color( title = '',
defval = #cccccc,
group = ig_to, inline = 'table color',
tooltip = 'Table background colors, in order: frame, even row, odd row.'
) //
string i_Ttsize = input.string(title = 'Table Text:',
defval = size.small,
options = [size.auto, size.huge, size.large, size.normal, size.small, size.tiny],
group = ig_to, inline = 'table text'
) //
color i_Tcdeft = input.color( title = 'Text Colors:',
defval = #000000,
group = ig_to, inline = 'table text'
) //
color i_Tcsigt = input.color( title = '',
defval = color.red,
group = ig_to, inline = 'table text'
) //
color i_Tctitt = input.color( title = '',
defval = color.navy,
group = ig_to, inline = 'table text',
tooltip = 'Table text size and colors, in order: default, short signal, title.'
) //
// Comparison Index
float VIX = request.security(i_VIticker, i_VItf, close)
[VIdn, VIup] = volatility(VIX, i_VIiperiod) // Implied
[ATRdn, ATRup] = volatility(ta.atr(i_VIhperiod), i_VIiperiod) // Historical
float VFI = vfi(i_VFIperiod, i_VFIvcoef, i_VFIcoef)
float VFI10 = ta.sma(VFI, i_VFIMperiod)
//
bool VFIatCrit = VFI > i_critVFI
bool lowVolat = (VIup < i_maxVI) or (ATRup < (i_K * i_maxVI))
bool VolatC = VFIatCrit ? lowVolat : false
bool Long = ((month >= 10) or (month < i_sMonth)) and VolatC[1]
bool Sseasonal = month == i_sMonth // SEASONAL EXIT/SHORT
bool Svol = VIup > (2.0 * i_maxVI) // VOLATILITY EXIT/SHORT
bool Scrit = ta.cross(i_critVFI, VFI) and (VFI10 < VFI10[1]) // VFI EXIT/SHORT
bool Short = Sseasonal or Svol[1] or Scrit[1]
bool withinObsWindow = true
//
if withinObsWindow and strategy.equity > 0
_L = strategy.long
_S = strategy.short
strategy.entry('L' , direction = _L, when = Long )
if i_onlyL
strategy.close('L', comment = 'EXIT SEASONAL' , when = Sseasonal )
strategy.close('L', comment = 'EXIT VOLATILITY', when = Svol[1] )
strategy.close('L', comment = 'EXIT MF' , when = Scrit[1] )
else
strategy.entry('S Seasonal' , direction = _S, when = Sseasonal )
strategy.entry('S Volatility', direction = _S, when = Svol[1] )
strategy.entry('S MF Crit.' , direction = _S, when = Scrit[1] )
else
strategy.close_all()
string SIGNAL = switch
(Long) => 'Long Seasonal'
(Sseasonal and i_onlyL) => 'Exit Seasonal'
(Svol[1] and i_onlyL) => 'Exit Volatility'
(Scrit[1] and i_onlyL) => 'Exit Money Flow'
(Sseasonal and not i_onlyL) => 'Short Seasonal'
(Svol[1] and not i_onlyL) => 'Short Volatility'
(Scrit[1] and not i_onlyL) => 'Short Money Flow Bearish'
=> 'none'
string date = str.format(
'{0,number,0000}-{1,number,00}-{2,number,00}',
year, month, dayofmonth
)
var table dTable = table.new(position = i_Tpos,
columns = 2,
rows = 17,
frame_color = color.new(#000000, i_Ttransp),
frame_width = 4
) //
// @function Helper to populate the table rows.
tRow(tableId, idx, left, right, tcol=0) =>
color _bg = color.new(idx % 2 ? i_Tcrowo : i_Tcrowe, i_Ttransp)
color _tx = switch (tcol)
(1) => color.new(i_Tcsigt, i_Ttransp)
(2) => color.new(i_Tctitt, i_Ttransp)
=> color.new(i_Tcdeft, i_Ttransp)
// table.cell( table_id=tableId,
// column=0, row=idx,
// text=left, text_color=_tx, text_halign=text.align_right, text_size=i_Ttsize,
// bgcolor=_bg) //
// table.cell( table_id=tableId,
// column=1, row=idx,
// text=str.tostring(right), text_color=_tx, text_halign=text.align_left, text_size=i_Ttsize,
// bgcolor=_bg) //
if i_showT
float _atr10 = ta.atr(10)[i_lback]
string _nf = '0.00'
string _aru = '🔼 ', string _ard = '🔽 '
// id | idx | left label | right label | conditional color |
tRow(dTable, 00, 'S&P500 Hybrid Seasonal ' , '' , 2 )
tRow(dTable, 01, 'Created By: Markos Katsanos' , '' , 2 )
tRow(dTable, 02, 'Date:' , date[i_lback] )
tRow(dTable, 03, 'Signal:' , SIGNAL[i_lback] )
tRow(dTable, 04, 'Price:' , open[i_lback] )
tRow(dTable, 05, 'VIX:' , str.tostring( VIX[i_lback], _nf) )
tRow(dTable, 06, 'VFI:' , str.tostring( VFI[i_lback], _nf) , VFIatCrit ? 1 : 0 )
tRow(dTable, 07, 'ATR:' , str.tostring( _atr10, _nf) )
tRow(dTable, 08, 'VIup%:' , str.tostring( VIup[i_lback], _nf) , VIup > i_maxVI ? 1 : 0 )
tRow(dTable, 09, 'ATRup%:' , str.tostring(ATRup[i_lback], _nf) , ATRup > i_K * i_maxVI ? 1 : 0 )
tRow(dTable, 10, 'VIdn%:' , str.tostring( VIdn[i_lback], _nf) )
tRow(dTable, 11, 'ATRdn%:' , str.tostring(ATRdn[i_lback], _nf) )
tRow(dTable, 12, _aru + 'Long Seasonal:' , Long[i_lback] )
tmp = 12
if not i_onlyL
tmp := 13
tRow(dTable, 13, _ard + 'Short:' , Short[i_lback] , Short[i_lback] ? 1 : 0 )
tRow(dTable, tmp+1, _ard + 'Seasonal:' , Sseasonal[i_lback] , Sseasonal[i_lback] ? 1 : 0 )
tRow(dTable, tmp+2, _ard + 'Volatility:' , Svol[1+i_lback] , Svol[1 + i_lback] ? 1 : 0 )
tRow(dTable, tmp+3, _ard + 'Money Flow:' , Scrit[i_lback] , Scrit[i_lback] ? 1 : 0 )
Thêm nữa
- Theo dõi xu hướng và chiến lược giao dịch ngắn hạn dựa trên chỉ số ADX
- Chiến lược hai xu hướng động lực
- Chiến lược hỗ trợ và kháng cự CCI năng động
- Chiến lược giao dịch QQE Momentum
- Chiến lược dự báo sóng Gauss
- Chiến lược số lượng kết hợp EMA động động
- Xu hướng kênh Donchian theo chiến lược
- Chiến lược EMA Ribbon
- Chiến lược chéo trung bình chuyển động ngược xu hướng chính xác
- Chiến lược xu hướng tăng giá đa EMA
- Chiến lược theo dõi xu hướng dựa trên sai lệch
- Chiến lược giao dịch RSI Divergence
- Chiến lược cây quyết định đa chỉ số: IMACD, EMA và Ichimoku
- Chiến lược giao dịch tối ưu hóa kép MACD
- Chiến lược hai EMA Golden Cross
- RSI nhiều khung thời gian và chiến lược giao dịch trung bình động
- Chiến lược giao dịch swing hàng tuần
- Chiến lược giao dịch MACD dựa trên EVWMA
- Bollinger Bands Channel Breakout Mean Reversal Strategy (Tương đương với các đường dây Bollinger)
- Chiến lược theo dõi xu hướng định lượng dựa trên nhiều chỉ số kỹ thuật