Tài nguyên đang được tải lên... tải...

Đồ thuật toán KNN đa chiều với chiến lược giao dịch mô hình nến giá khối lượng

Tác giả:ChaoZhang, Ngày: 2025-01-17 16:10:07
Tags:SMAKNNRSIVOLMASD

 Multi-Dimensional KNN Algorithm with Volume-Price Candlestick Pattern Trading Strategy

Tổng quan

Chiến lược này là một hệ thống giao dịch toàn diện kết hợp thuật toán học máy K-Nearest Neighbors (KNN), nhận dạng mẫu nến và phân tích khối lượng. Thông qua các phương pháp phân tích đa chiều bao gồm các kênh trung bình động, xác nhận ngưỡng khối lượng và thống kê xác suất, chiến lược tạo thành một khung phân tích ba chiều để nắm bắt các cơ hội giao dịch tiềm năng.

Nguyên tắc chiến lược

Logic cốt lõi của chiến lược được xây dựng trên một số yếu tố chính: 1. Sử dụng trung bình di chuyển đơn giản (SMA) và độ lệch chuẩn để xây dựng các kênh giá để xác định các khu vực mua quá mức và bán quá mức 2. Xác định chín mẫu nến cổ điển thông qua các điều kiện được xác định theo chương trình, bao gồm các mẫu Hammer, Shooting Star, Engulfing, v.v. 3. Kết hợp thuật toán KNN để học hỏi từ các biến động giá lịch sử và dự đoán hướng giá trong tương lai 4. Sử dụng âm lượng như một chỉ số xác nhận tín hiệu, yêu cầu âm lượng phải trên ngưỡng đặt khi tín hiệu kích hoạt 5. Tính toán phân bố xác suất cho các chuyển động lên và xuống như một trong những điều kiện lọc tín hiệu

Ưu điểm chiến lược

  1. Cơ chế xác nhận tín hiệu đa cấp cải thiện đáng kể độ tin cậy giao dịch
  2. Việc giới thiệu thuật toán KNN cung cấp một quan điểm học máy cho phân tích kỹ thuật truyền thống
  3. Cơ chế xác minh khối lượng ngăn chặn hiệu quả các vụ đột phá sai
  4. Định hình động của đường hỗ trợ và kháng cự giúp nắm bắt các mức giá quan trọng
  5. Hệ thống cảnh báo toàn diện đảm bảo không bỏ lỡ cơ hội giao dịch quan trọng
  6. Khả năng điều chỉnh các tham số mạnh mẽ để thích nghi với môi trường thị trường khác nhau

Rủi ro chiến lược

  1. Thuật toán KNN có thể tụt lại trong thị trường biến động
  2. Nhiều điều kiện lọc tín hiệu có thể làm mất một số cơ hội giao dịch
  3. Các ngưỡng khối lượng cố định có thể cần điều chỉnh năng động trong các giai đoạn khác nhau
  4. Có thể tạo ra tín hiệu sai quá mức trong giai đoạn hợp nhất Các giải pháp được khuyến cáo:
  • Điều chỉnh tham số thuật toán động
  • Thiết lập cơ chế công nhận môi trường thị trường
  • Đặt giới hạn tổn thất tối đa
  • Thiết lập hệ thống quản lý vị trí

Hướng dẫn tối ưu hóa

  1. Đưa ra cơ chế điều chỉnh tham số thích nghi để tự động điều chỉnh các tham số dựa trên điều kiện thị trường
  2. Tích hợp các thuật toán học sâu để cải thiện độ chính xác dự đoán
  3. Thêm thêm các chỉ số cấu trúc thị trường vi mô
  4. Tối ưu hóa phương pháp tính toán động cho ngưỡng khối lượng
  5. Thiết lập một hệ thống kiểm soát rủi ro toàn diện hơn

Tóm lại

Chiến lược này xây dựng một hệ thống giao dịch mạnh mẽ bằng cách kết hợp phân tích kỹ thuật truyền thống với các phương pháp học máy hiện đại. Khung phân tích đa chiều của chiến lược và cơ chế xác nhận tín hiệu nghiêm ngặt cung cấp cơ sở đáng tin cậy cho các quyết định giao dịch. Thông qua tối ưu hóa liên tục và kiểm soát rủi ro, chiến lược dự kiến sẽ duy trì hiệu suất ổn định trong các điều kiện thị trường khác nhau.


/*backtest
start: 2024-01-17 00:00:00
end: 2025-01-16 00:00:00
period: 2d
basePeriod: 2d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT","balance":49999}]
*/

//@version=6
strategy("Candle Pattern Analyzer with Volume", overlay=true)

// Input parameters
length = input.int(20, "Channel Length", minval=1)
mult = input.float(2.0, "Volatility Multiplier", minval=0.1)
candleLength = input.int(5, "Candle Length", minval=1)
k = input.int(5, "KNN Neighbors", minval=1)
volumeThreshold = input.int(100000, "Volume Threshold", minval=1)

// Calculate channel
basis = ta.sma(close, length)
dev = mult * ta.stdev(close, length)
upper = basis + dev
lower = basis - dev

// Plot channel
plot(basis, color=color.blue)
plot(upper, color=color.green)
plot(lower, color=color.red)

// Identify candle patterns
isBullish = close > open
isBearish = close < open

// Pre-calculate SMAs
smaLow = ta.sma(low, candleLength)
smaHigh = ta.sma(high, candleLength)
smaClose = ta.sma(close, candleLength)

// Hammer pattern
isHammer = isBullish and 
           low < smaLow and 
           close > smaClose and 
           (close - low) / (high - low) > 0.6 and
           low < low[1]

// Shooting Star pattern
isShootingStar = isBearish and 
                 high > smaHigh and 
                 close < smaClose and 
                 (high - close) / (high - low) > 0.6 and
                 high > high[1]

// Inverse Hammer pattern
isInverseHammer = isBullish and 
                   high > smaHigh and 
                   close < smaClose and 
                   (high - close) / (high - low) > 0.6 and
                   high > high[1]

// Bullish Engulfing pattern
isBullishEngulfing = isBullish and 
                      close > high[1] and 
                      open < low[1]

// Bearish Engulfing pattern
isBearishEngulfing = isBearish and 
                      close < low[1] and 
                      open > high[1]

// Morning Star pattern
isMorningStar = isBullish and close[2] < open[2] and close[1] < open[1] and  close > open[1]

// Evening Star pattern
isEveningStar = isBearish and  close[2] > open[2] and  close[1] > open[1] and  close < open[1]

// Three Black Crows pattern
isThreeBlackCrows = isBearish and 
                     close < close[1] and 
                     close[1] < close[2] and 
                     close[2] < close[3]

// Three White Soldiers pattern
isThreeWhiteSoldiers = isBullish and close > close[1] and  close[1] > close[2] and  close[2] > close[3]

// Compare previous candles
prevCandleUp = close[1] > open[1]
prevCandleDown = close[1] < open[1]

// Calculate probability
probUp = ta.sma(close > open ? 1 : 0, candleLength) / candleLength
probDown = ta.sma(close < open ? 1 : 0, candleLength) / candleLength

// Generate signals
buySignal = isHammer and prevCandleDown and probUp > probDown and volume > volumeThreshold
sellSignal = isShootingStar and prevCandleUp and probDown > probUp and volume > volumeThreshold

// Highlight patterns
color candleColor = na
if (isHammer)
    candleColor := color.green
    label.new(bar_index, high, "Hammer", color=color.green, style=label.style_label_up)

else if (isShootingStar)
    candleColor := color.red
    label.new(bar_index, low, "Shooting Star", color=color.red, style=label.style_label_down)
else if (isInverseHammer)
    candleColor := color.blue
    label.new(bar_index, high, "Inverse Hammer", color=color.blue, style=label.style_label_up)
else if (isBullishEngulfing)
    candleColor := color.yellow
    label.new(bar_index, high, "Bullish Engulfing", color=color.yellow, style=label.style_label_up)
else if (isBearishEngulfing)
    candleColor := color.purple
    label.new(bar_index, low, "Bearish Engulfing", color=color.purple, style=label.style_label_down)

else if (isMorningStar)
    candleColor := color.orange
    label.new(bar_index, high, "Morning Star", color=color.orange, style=label.style_label_up)

else if (isEveningStar)
    candleColor := color.new(color.red, 80)
    label.new(bar_index, low, "Evening Star", color=color.new(color.red, 80), style=label.style_label_down)

else if (isThreeBlackCrows)
    candleColor := color.black
    label.new(bar_index, low, "Three Black Crows", color=color.black, style=label.style_label_down)

else if (isThreeWhiteSoldiers)
    candleColor := color.white
    label.new(bar_index, high, "Three White Soldiers", color=color.white, style=label.style_label_up)


// Plot candles
barcolor(candleColor)

// KNN algorithm
var float[] knnData = array.new_float(k, na)
var float[] knnLabels = array.new_float(k, na) // Create an array to store KNN labels
array.set(knnLabels, 0, 1.0) // Label for "up" movement

// Shift KNN dataset to make room for new data point
for i = 1 to k-1
    array.set(knnData, i, array.get(knnData, i-1))
    array.set(knnLabels, i, array.get(knnLabels, i-1))

// Predict next movement using KNN algorithm
float prediction = 0.0
for i = 0 to k-1
    float distance = math.abs(close - array.get(knnData, i))
    prediction += array.get(knnLabels, i) / distance

prediction /= k

// Plot prediction
// line.new(bar_index, close, bar_index + 1, prediction, color=color.purple)

// Plot resistance and support lines
float resistance = ta.sma(high, length)
float support = ta.sma(low, length)
// line.new(bar_index, resistance, bar_index + 1, resistance, color=color.green, style=line.style_dashed)
// line.new(bar_index, support, bar_index + 1, support, color=color.red, style=line.style_dashed)

// Plot buy and sell signals with prices
if (buySignal)
    // label.new(bar_index, low, "Buy at " + str.tostring(low), color=color.green, style=label.style_label_up)
    strategy.entry("Buy", strategy.long, comment="Buy at " + str.tostring(low))
if (sellSignal)
    // label.new(bar_index, high, "Sell at " + str.tostring(high), color=color.red, style=label.style_label_down)
    strategy.entry("Sell", strategy.short, comment="Sell at " + str.tostring(high))

// Create alerts
alertcondition(buySignal, title="Buy Signal", message="Buy signal generated!")
alertcondition(sellSignal, title="Sell Signal", message="Sell signal generated!")


Có liên quan

Thêm nữa