累积RSI突破策略
Author: ChaoZhang, Date: 2023-10-27 11:20:50Tags:
概述
该策略利用累积RSI指标识别趋势,在RSI指标累积值突破关键阈值时进行买入和卖出操作。该策略可以有效过滤市场noise,锁定较长线的趋势交易机会。
策略原理
该策略主要基于累积RSI指标进行交易决策。累积RSI指标是RSI指标的累积值,通过设置参数cumlen,可以将RSI指标在cumlen天内的数值累加,得到累积RSI指标。该指标可以过滤掉短期市场noise。
当累积RSI指标上穿过bolinger带上轨,就进行买入开仓操作;当累积RSI指标下穿过bolinger带下轨,就进行卖出平仓操作。bolinger带上下轨通过多年历史数据计算得出,是动态变化的参考价位。
另外,策略还增加了趋势过滤器选项。只有当价格高于100天移动平均线时,也就是处于趋势上升通道时,才会进行买入开仓。这个过滤器可以避免价格震荡时的错误交易。
策略优势
- 利用累积RSI指标有效过滤噪音,锁定中长线趋势
- 增加趋势过滤器,避免不合理交易
- 采用突破动态参考价位,而不是固定数值进行判断
- 可配置参数较多,可以针对不同市场调整参数
- 10年回测效果优异,收益远高于买入持有策略
策略风险及改进
- 策略仅基于单一指标累积RSI进行决策,可增加其他判断指标或过滤器来综合判断
- 固定倍数杠杆较高,可根据回撤情况调整杠杆比例
- 仅做多方向,可考虑增加做空机会
- 可优化参数组合,不同市场条件下参数设置会有较大差异
- 可丰富平仓条件,增加止损立场、移动止损等方式
- 可考虑与其他策略组合使用,发挥协同效果
总结
该累积RSI突破策略整体运作流畅、逻辑清晰,通过累积RSI指标有效滤波、增加趋势判断,对中长线趋势把握准确,历史回测表现优异。但仍有可优化空间,可以从调整参数设置、增加判断指标、丰富平仓条件等方面入手,打造更健壮和全面的趋势策略。该策略思路新颖,值得进一步探索和应用。
/*backtest
start: 2023-09-26 00:00:00
end: 2023-10-26 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// @version=5
// Author = TradeAutomation
strategy(title="Cumulative RSI Strategy", shorttitle="CRSI Strategy", process_orders_on_close=true, overlay=true, commission_type=strategy.commission.cash_per_contract, commission_value=.0035, slippage = 1, margin_long = 75, initial_capital = 25000, default_qty_type=strategy.percent_of_equity, default_qty_value=110)
// Cumulative RSI Indicator Calculations //
rlen = input.int(title="RSI Length", defval=3, minval=1)
cumlen = input(3, "RSI Cumulation Length")
rsi = ta.rsi(close, rlen)
cumRSI = math.sum(rsi, cumlen)
ob = (100*cumlen*input(94, "Oversold Level")*.01)
os = (100*cumlen*input(20, "Overbought Level")*.01)
// Operational Function //
TrendFilterInput = input(false, "Only Trade When Price is Above EMA?")
ema = ta.ema(close, input(100, "EMA Length"))
TrendisLong = (close>ema)
plot(ema)
// Backtest Timeframe Inputs //
startDate = input.int(title="Start Date", defval=1, minval=1, maxval=31)
startMonth = input.int(title="Start Month", defval=1, minval=1, maxval=12)
startYear = input.int(title="Start Year", defval=2010, minval=1950, maxval=2100)
endDate = input.int(title="End Date", defval=1, minval=1, maxval=31)
endMonth = input.int(title="End Month", defval=1, minval=1, maxval=12)
endYear = input.int(title="End Year", defval=2099, minval=1950, maxval=2100)
InDateRange = (time >= timestamp(syminfo.timezone, startYear, startMonth, startDate, 0, 0)) and (time < timestamp(syminfo.timezone, endYear, endMonth, endDate, 0, 0))
// Buy and Sell Functions //
if (InDateRange and TrendFilterInput==true)
strategy.entry("Long", strategy.long, when = ta.crossover(cumRSI, os) and TrendisLong, comment="Buy", alert_message="buy")
strategy.close("Long", when = ta.crossover(cumRSI, ob) , comment="Sell", alert_message="Sell")
if (InDateRange and TrendFilterInput==false)
strategy.entry("Long", strategy.long, when = ta.crossover(cumRSI, os), comment="Buy", alert_message="buy")
strategy.close("Long", when = ta.crossover(cumRSI, ob), comment="Sell", alert_message="sell")
if (not InDateRange)
strategy.close_all()
更多内容