ChaoZhang
概述
该策略是一个基于网格交易理念的自适应加密货币套利策略。它能够根据市场波动,自动调整网格交易的价格范围,并在该价格范围内进行高效的套利交易。
策略原理
该策略的核心思路是:
根据历史价格高点和低点,动态计算出一个交易网格的价格范围。
在这个价格范围内,等间距设置N条交易网格线。
当价格突破每条网格线时,按照固定数量开仓做多或做空。
在相邻网格线之间进行套利,获利后平仓。
当价格重新进入网格范围时,继续按网格线边际成本价开仓。
如此循环往复,在网格价格范围内进行高频套利交易。
具体来说,策略首先根据配置的回看窗口(i_boundLookback)和波动区间(i_boundDev)参数,实时计算网格的价格上下限。
然后在上下限之间均分出N条网格线(i_gridQty)。这些网格线的价格存入gridLineArr数组。
当价格突破某条网格线时,按固定数量(策略本金除以网格数量)开仓做多或做空。订单记录在orderArr数组。
当价格再次突破相邻的网格线时,可以与之前的订单匹配套利,获利平仓。
如此循环往复,在价格波动的范围内进行高频套利。
优势分析
相比传统网格策略,该策略最大的优势在于网格范围是自动调整的,能够根据市场波动自适应。具有以下特点:
自动调整,无需人工干预。
能够捕捉价格趋势,按趋势方向交易。
风险可控,避免了单边追击的风险。
交易频率高,利润率高。
易于理解,配置简单。
资金利用率高,不易受困。
实时反映市场变化,适合机器人交易。
风险分析
尽管该策略有许多优势,但也存在一定的风险,主要集中在:
价格剧烈波动时,可能出现较大亏损的风险。
需要合适的持仓时间和交易对,以实现盈利。
需要谨慎评估资金规模与波动范围的匹配性。
可能需要经常监控与优化参数,以保证正常运行。
对应措施包括:
加大网格间距,扩大网格范围。
选择波动较为平稳的交易对。
调整资金规模,保证足够流动性。
建立自动监控与报警机制。
优化方向
该策略可以从以下几个方面进行优化:
动态网格:可以根据交易对的波动性,自动调整网格参数。
止损机制:设定合理的止损位置,避免极端行情的风险。
复合网格:在不同时间段使用不同参数的网格组合,实现时间复用。
机器学习:使用神经网络等替代规则,实现参数的自动优化。
跨市场套利:跨交易所,或者跨币对进行套利交易。
总结
该策略整体来说是一个非常实用的自适应加密货币网格套利策略。相比传统网格策略,其最大特点是网格范围是自动调整的,可以根据市场变化配置自己的交易范围。策略思路清晰,易于理解和配置,适合有一定基础的个人投资者使用,也适合用作交易机器人的策略模板。如果参数配置得当,可以获得很高的资金利用效率。
策略源码
/*backtest
start: 2024-01-11 00:00:00
end: 2024-01-18 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("(IK) Grid Script", overlay=true, pyramiding=14, close_entries_rule="ANY", default_qty_type=strategy.cash, initial_capital=100.0, currency="USD", commission_type=strategy.commission.percent, commission_value=0.1)
i_autoBounds = input(group="Grid Bounds", title="Use Auto Bounds?", defval=true, type=input.bool) // calculate upper and lower bound of the grid automatically? This will theorhetically be less profitable, but will certainly require less attention
i_boundSrc = input(group="Grid Bounds", title="(Auto) Bound Source", defval="Hi & Low", options=["Hi & Low", "Average"]) // should bounds of the auto grid be calculated from recent High & Low, or from a Simple Moving Average
i_boundLookback = input(group="Grid Bounds", title="(Auto) Bound Lookback", defval=250, type=input.integer, maxval=500, minval=0) // when calculating auto grid bounds, how far back should we look for a High & Low, or what should the length be of our sma
i_boundDev = input(group="Grid Bounds", title="(Auto) Bound Deviation", defval=0.10, type=input.float, maxval=1, minval=-1) // if sourcing auto bounds from High & Low, this percentage will (positive) widen or (negative) narrow the bound limits. If sourcing from Average, this is the deviation (up and down) from the sma, and CANNOT be negative.
i_upperBound = input(group="Grid Bounds", title="(Manual) Upper Boundry", defval=0.285, type=input.float) // for manual grid bounds only. The upperbound price of your grid
i_lowerBound = input(group="Grid Bounds", title="(Manual) Lower Boundry", defval=0.225, type=input.float) // for manual grid bounds only. The lowerbound price of your grid.
i_gridQty = input(group="Grid Lines", title="Grid Line Quantity", defval=8, maxval=15, minval=3, type=input.integer) // how many grid lines are in your grid
f_getGridBounds(_bs, _bl, _bd, _up) =>
if _bs == "Hi & Low"
_up ? highest(close, _bl) * (1 + _bd) : lowest(close, _bl) * (1 - _bd)
else
avg = sma(close, _bl)
_up ? avg * (1 + _bd) : avg * (1 - _bd)
f_buildGrid(_lb, _gw, _gq) =>
gridArr = array.new_float(0)
for i=0 to _gq-1
array.push(gridArr, _lb+(_gw*i))
gridArr
f_getNearGridLines(_gridArr, _price) =>
arr = array.new_int(3)
for i = 0 to array.size(_gridArr)-1
if array.get(_gridArr, i) > _price
array.set(arr, 0, i == array.size(_gridArr)-1 ? i : i+1)
array.set(arr, 1, i == 0 ? i : i-1)
break
arr
var upperBound = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true) : i_upperBound // upperbound of our grid
var lowerBound = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false) : i_lowerBound // lowerbound of our grid
var gridWidth = (upperBound - lowerBound)/(i_gridQty-1) // space between lines in our grid
var gridLineArr = f_buildGrid(lowerBound, gridWidth, i_gridQty) // an array of prices that correspond to our grid lines
var orderArr = array.new_bool(i_gridQty, false) // a boolean array that indicates if there is an open order corresponding to each grid line
var closeLineArr = f_getNearGridLines(gridLineArr, close) // for plotting purposes - an array of 2 indices that correspond to grid lines near price
var nearTopGridLine = array.get(closeLineArr, 0) // for plotting purposes - the index (in our grid line array) of the closest grid line above current price
var nearBotGridLine = array.get(closeLineArr, 1) // for plotting purposes - the index (in our grid line array) of the closest grid line below current price
strategy.initial_capital = 50000
for i = 0 to (array.size(gridLineArr) - 1)
if close < array.get(gridLineArr, i) and not array.get(orderArr, i) and i < (array.size(gridLineArr) - 1)
buyId = i
array.set(orderArr, buyId, true)
strategy.entry(id=tostring(buyId), long=true, qty=(strategy.initial_capital/(i_gridQty-1))/close, comment="#"+tostring(buyId))
if close > array.get(gridLineArr, i) and i != 0
if array.get(orderArr, i-1)
sellId = i-1
array.set(orderArr, sellId, false)
strategy.close(id=tostring(sellId), comment="#"+tostring(sellId))
if i_autoBounds
upperBound := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true)
lowerBound := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false)
gridWidth := (upperBound - lowerBound)/(i_gridQty-1)
gridLineArr := f_buildGrid(lowerBound, gridWidth, i_gridQty)
closeLineArr := f_getNearGridLines(gridLineArr, close)
nearTopGridLine := array.get(closeLineArr, 0)
nearBotGridLine := array.get(closeLineArr, 1)
更多内容
- 双止盈双止损移动止损量化策略
- 量化高手多维度强力开仓指标策略
- 移动平均线交叉与平仓交易策略
- Ichimoku云带策略优化
- 跨趋势反转结合三十振荡器双策略
- 基于斐波那契平均K线和移动平均线的量化交易策略
- 基于跟踪止损和追踪买入的简单策略
- 基于高斯误差函数的量化交易策略
- 计算RSI指标和平滑移动平均线反转策略
- 基于RSI和VWAP的短线量化策略
- 双移动平均线交叉策略
- 基于双移动平均线交易策略
- 基于供需区域与EMA滑动止损的交易策略
- 基于布林带的趋势跟踪策略
- 动量加速扩展价量趋势策略
- 震荡跟踪短线策略
- 积极底部截获量化策略
- 基于T3指标的趋势追踪交易策略
- 基于Stochastic Index指标的短线交易策略
- 基于伦敦SMA交叉的ETH反转交易策略