ChaoZhang
概述
该策略是基于海鸥指标的加密货币趋势追踪策略。它使用两个不同周期的指数移动平均线以及海鸥指标结合多种条件来生成交易信号。该策略旨在识别中长线的价格趋势,在趋势发生转折的时候及时入场。
策略原理
该策略使用50周期和100周期的EMA均线。同时,它计算海鸥线,这是一种能够过滤市场噪音的特殊蜡烛线。策略使用海鸥线的开盘价、收盘价、最高价和最低价并应用到100周期的EMA线上,以发生更准确的交易信号。
具体来说,当100周期海鸥线的开盘价高于收盘价,并且上一根K线的开盘价低于收盘价时,就是做多的信号。相反,当100周期海鸥线的开盘价低于收盘价,并且上一根K线的开盘价高于收盘价时,就是做空的信号。
该策略结合双EMA系统和海鸥指标,旨在在中长线趋势形成的时候及时捕捉机会。它使用海鸥指标来过滤掉短期市场噪音,使得交易信号更加可靠。
策略优势
- 使用海鸥指标能有效过滤噪音,使交易信号更加清晰可靠
- 多周期EMA结合海鸥指标,能够识别较强的中长线趋势
- 结合多个条件判断能够避免错失良机
- 该策略特别适用于高波动率的加密货币市场
- 它可配置为仅做多策略,降低操作风险
策略风险
- 由于使用止损可能过于宽松,存在亏损风险较大的情况
- 在震荡行情中,该策略可能产生较多无效交易
- 海鸥指标还是有一定程度价格滞后,无法完全规避风险
- 无法判断趋势反转点,存在亏损扩大的风险
为了降低风险,可以适当缩小止损幅度,或考虑结合其他指标判断趋势反转。当市场进入震荡区间时,也可以暂停该策略,等待新的趋势产生。
策略优化方向
该策略还可以从以下几个方向进行优化:
- 优化EMA的参数,找到最佳的参数组合
- 尝试其他指标替代海鸥指标,如KDJ,MACD等
- 增加价格突破作为入场确认
- 结合波动率指标判断趋势反转
- 使用机器学习方法动态优化参数
总结
基于海鸥指标的加密货币趋势追踪策略,综合考虑了趋势判断、入场时机、止损控制多个方面,对加密货币这种高波动品种具有很好的适应性。该策略通过使用海鸥指标过滤噪音,采用稳健的风险控制方法,能够有效抓住中长线价格趋势带来的交易机会。如果进一步优化参数设置、指标选择和风险控制方法,该策略的表现还具有很大的提升空间。
策略源码
/*backtest
start: 2023-01-12 00:00:00
end: 2024-01-18 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
//@SoftKill21
strategy(title="CRYPTO HA Strategy", shorttitle="CRYPTO HA Strategy", overlay=true , default_qty_type =strategy.percent_of_equity, default_qty_value =100, commission_type= strategy.commission.percent,commission_value =0.1 )
ma1_len = input(50)
ma2_len = input(100)
fromDay = input(defval = 1, title = "From Day", minval = 1, maxval = 31)
fromMonth = input(defval = 1, title = "From Month", minval = 1, maxval = 12)
fromYear = input(defval = 2020, title = "From Year", minval = 1970)
//monday and session
// To Date Inputs
toDay = input(defval = 31, title = "To Day", minval = 1, maxval = 31)
toMonth = input(defval = 12, title = "To Month", minval = 1, maxval = 12)
toYear = input(defval = 2020, title = "To Year", minval = 1970)
startDate = timestamp(fromYear, fromMonth, fromDay, 00, 00)
finishDate = timestamp(toYear, toMonth, toDay, 00, 00)
time_cond = true
//First Moving Average data
o = ema(open, ma1_len)
c = ema(close, ma1_len)
h = ema(high, ma1_len)
l = ema(low, ma1_len)
// === HA calculator ===
ha_t = heikinashi(syminfo.tickerid)
ha_o = security(ha_t, timeframe.period, o)
ha_c = security(ha_t, timeframe.period, c)
ha_h = security(ha_t, timeframe.period, h)
ha_l = security(ha_t, timeframe.period, l)
//Second Moving Average data
o2 = ema(ha_o, ma2_len)
c2 = ema(ha_c, ma2_len)
h2 = ema(ha_h, ma2_len)
l2 = ema(ha_l, ma2_len)
// === Color def ===
ha_col = o2 > c2 ? color.white : color.lime
sell = o2 > c2 and o2[1] < c2[1] and time_cond
buy = o2 < c2 and o2[1] > c2[1] and time_cond
plotshape(buy, color=color.green, text= "Buy", location= location.belowbar,style= shape.labelup, textcolor=color.white, size = size.tiny, title="Buy Alert",editable=false, transp=60)
plotshape(sell, color=color.red, text= "Sell", location= location.abovebar,style= shape.labeldown, textcolor=color.white, size = size.tiny, title="Sell Alert", editable=false, transp=60)
trendColor = buy ? color.red : sell ? color.green : na
plot( buy ? close: sell ? close : na , color=trendColor, style=plot.style_line, linewidth=4, editable=false)
onlylong=input(true)
original=input(false)
if(onlylong)
strategy.entry("long",1,when=buy)
strategy.close("long",when=sell)
if(original)
strategy.entry("long",1,when=buy)
strategy.entry("short",0,when=sell)
sl = input(0.075)
strategy.exit("closelong", "long" , loss = close * sl / syminfo.mintick, alert_message = "sl point")
strategy.exit("closeshort", "short" , loss = close * sl / syminfo.mintick, alert_message = "sl point")
更多内容
- 基于布林带通道的突破回归策略
- 多重技术指标配合的趋势追踪型量化策略
- RSI指标结合CCI指标的量化交易策略
- 低风险DCA趋势交易策略
- 相对强弱指标的量化交易策略
- 动量震荡器趋势跟踪策略
- 零滞后叠加移动平均线结合悬臂线出口交易策略
- 基于RSI指标的短线交易策略
- 激活函数优化的规模归一化向量交易策略
- 追踪历史新高的量化交易策略
- 量化策略之MA强弱趋势追踪
- 双均线价格通道交易策略
- 比特币和黄金5分钟震荡交易策略2.0
- 基于均线交叉的高频量化交易策略
- 基于动能量化追趋策略
- 基于动态止损和目标获利的EMA多次成本加权平均成本策略
- 基于Nadaraya-Watson信封线和ROC指标的趋势跟踪策略
- 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