资源加载中... loading...
  1. 策略广场
  2. 基于网格的多头 Martingale 动态加仓网格交易策略

基于网格的多头 Martingale 动态加仓网格交易策略

Author: ChaoZhang, Date: 2024-03-22 15:12:33
Tags:

基于网格的多头 Martingale 动态加仓网格交易策略

策略概述

该策略是一个基于网格的多头 Martingale 动态加仓网格交易策略。主要思想是在价格触及网格线时,根据已有仓位数量动态调整每次的加仓量,同时设置总的最大开仓数量。当价格上涨触及止盈价格时,平掉所有多头仓位。

策略原理

  1. 根据 “Grid Size” 参数将价格划分为等距的网格。
  2. 在每个网格线位置挂多头限价单。
  3. 当前价格触及网格线时:
    • 如果当前开仓数量为0,则以起始仓位 “start_lot” 开仓。
    • 如果当前开仓数量大于0,且当前网格价格低于上一个开仓价格,则在当前网格价格开新的多头仓位,仓位大小为上一仓位的 “multifactor” 倍。
  4. 最大开仓数量由 “Max Open Orders” 参数控制。
  5. 开仓后,在比开仓均价高出 “TakeProfit” 点的位置设置止盈线。
  6. 当前价格触及止盈线时,平掉所有多头仓位,重置各项参数。

通过这种方式,在行情下跌过程中逐步加大仓位,当行情回升触及止盈线时获利了结。

策略优势

  1. 动态加仓:根据当前开仓数量,动态调整每次加仓量,在行情持续下跌时逐步加大仓位,提高策略收益潜力。
  2. 参数灵活:通过 “Grid Size”、”start_lot”、”multifactor” 等参数可以灵活控制网格大小、初始仓位、加仓倍数等。
  3. 风险可控:通过 “Max Open Orders” 参数控制最大开仓数量,防止过度加仓。同时设置止盈线,在获利时及时了结,控制回撤。

策略风险

  1. 无止损:该策略没有设置止损,如果行情一直向下突破,可能面临较大亏损风险。
  2. 参数敏感:策略表现对 “multifactor” 等参数比较敏感,不适当的参数可能带来风险。
  3. 高波动率:该策略在行情波动较大时频繁开仓、平仓,可能带来额外的滑点和手续费成本。

风险防范措施: 1. 结合风险承受能力,谨慎设置 “multifactor” 等参数。必要时可在代码中添加止损逻辑。 2. 仔细回测和模拟交易,选择合适的参数。 3. 评估策略在高波动行情下的表现。如果必要,可通过调整参数或限制使用场景等方式规避风险。

优化方向

  1. 加入趋势判断:在开仓时根据价格走势判断趋势,如趋势看跌,则不开新的多头仓位,以降低风险。
  2. 动态调整止盈:根据价格走势、波动率等指标,动态调整止盈位置,在趋势强劲时适当提高止盈点位,增强盈利能力。
  3. 优化仓位管理:在加仓时,除了考虑加仓倍数,还可以结合账户资金、当前持仓量等,对加仓量进行更精细的控制。
  4. 结合其他信号:将网格交易和其他趋势判断、震荡判断等指标信号结合,综合判断行情,指导交易。

这些优化可以提高策略适应性,更好地把握行情,提高盈利潜力和稳健性。同时通过更精细的仓位控制和风险管理,降低回撤,提高风险收益比。

总结

该基于网格的多头 Martingale 动态加仓网格交易策略,通过逐步加仓的方式试图在行情下跌过程中降低持仓均价,并在上涨时获利了结。策略通过参数设置具有较强的灵活性。但同时也潜在较大风险,需要仔细评估和控制风险。若能在此基础上加入趋势判断、动态止盈、仓位优化等,有望进一步提升策略性能。策略实现了价格触及网格线时自动开仓加仓,价格触及止盈线时自动全平仓的功能,整体逻辑较为清晰,但也有优化空间。策略适合在对行情和参数进行充分评估的基础上谨慎使用。

/*backtest
start: 2023-03-16 00:00:00
end: 2024-03-21 00:00:00
period: 1d
basePeriod: 1h
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/
// © lagerta13
//@version=4
strategy("Grid A.", shorttitle="Grid(A)", overlay=true, format=format.price, precision=4, pyramiding = 100)

input_tf=input("15", "Started TimeFrame", 
 options = ["1", "5", "15", "30", "1H", "4H", "1D", "1W", "1M"],
 group="TimeFrame") 

// avg_tf=input("5", "Average TimeFrame", 
//  options = ["1", "5", "15", "30", "1H", "4H", "1D", "1W", "1M"],
//  group="TimeFrame")

slip_Hilo = input(3.0, "Slippage by open order", group="Strategy Settings")
start_lot = input(0.01, "Start lot", group="Strategy Settings")
start_avg = input(2, "Started average since Order #", group="Strategy Settings")
MaxTrades_Hilo = input(10, "Max Open Orders", group="Strategy Settings")
dropdown_selection = input("Only Long", "Direction", options=["Only Long", "Only Short", "Long & Short"],
 group="Strategy Settings")
type_selection = input("By Close", "Type input", options=["By Close", "By grid line"],
 group="Strategy Settings")

multifactor = input(1.5, "Multifactor", group="Strategy Settings")
precision_lot = input(2, "Number of precision", group="Strategy Settings")
take_profit = input(1, "TakeProfit", group="Strategy Settings")

// PipStep_S1 = input(30)
// PipStepX_S1 = input(1.2)
// dinamicStep = input(false, "Dinamic Step for AVG")

get_size_lot_order(number, multi, prec, avg_from, lot_from) =>
	res = lot_from
	for i = 1 to number
		if i >= avg_from
			res := round(res * multi, precision = prec)
	res

var float[] entry_levels = array.new_float(MaxTrades_Hilo + 1)

for i = 0 to MaxTrades_Hilo
    array.push(entry_levels, 0)

gridSize = input(0.5, title="Grid Size")
gridLevels = int(close / gridSize) * gridSize

var int num_open_orders = 0
var float sum_price_orders = 0
var float entry_lot = 0

buy_condition = num_open_orders < MaxTrades_Hilo and gridLevels[0]<gridLevels[1] and dropdown_selection != "Only Short"

if (buy_condition)

    if num_open_orders == 0
        lot = get_size_lot_order(num_open_orders, multifactor, precision_lot, start_avg, start_lot)
        sum_price_orders := sum_price_orders + gridLevels[1] * lot 

        strategy.entry("buy" + tostring(num_open_orders), true, qty=lot, limit=gridLevels[1]+slip_Hilo) 
        // strategy.order("buy" + tostring(num_open_orders), true, qty=lot, limit=gridLevels[1]) 

        array.set(entry_levels, num_open_orders, gridLevels[1])

        entry_lot := entry_lot + lot
        num_open_orders := num_open_orders + 1

    else
        if gridLevels[1] < (array.get(entry_levels, num_open_orders - 1))
            lot = get_size_lot_order(num_open_orders, multifactor, precision_lot, start_avg, start_lot)
            sum_price_orders := sum_price_orders + gridLevels[1] * lot 
            entry_lot := entry_lot + lot

            strategy.entry("buy" + tostring(num_open_orders), true, qty=lot, limit=gridLevels[1]+slip_Hilo) 

            // +" S:" + tostring(sum_price_orders / (entry_lot)) + " Prev:" + tostring(array.get(entry_levels, num_open_orders - 1))
            // strategy.order("buy" + tostring(num_open_orders), true, qty=lot, limit=gridLevels[1]) 
            array.set(entry_levels, num_open_orders, gridLevels[1])

            num_open_orders := num_open_orders + 1


take = sum_price_orders > 0 and take_profit + (sum_price_orders / entry_lot) < high ? high : na
plotshape(take, location = location.belowbar, color = color.white)


strategy.exit("tp", comment = "TP " + tostring(num_open_orders), qty = entry_lot, limit = take_profit + (sum_price_orders / entry_lot))


if sum_price_orders > 0 and take_profit + (sum_price_orders / entry_lot) <= high
    num_open_orders := 0
    sum_price_orders := 0
    entry_lot := 0
    for i = 0 to MaxTrades_Hilo
        array.set(entry_levels, i, 0)

plot(gridLevels, color=color.blue, style=plot.style_circles, linewidth=2)
更多内容

2019 - FMZ - 发明者量化