基于双RSI指标的自适应波段交易系统

RSI SL TP MM ATR RR

创建日期: 2024-12-13 11:57:17 最后修改: 2024-12-13 11:57:17

复制: 4 点击次数: 172

ChaoZhang

关注私信

关注

1211

关注者

基于双RSI指标的自适应波段交易系统

概述

该策略是一个基于双重RSI(相对强弱指数)指标的自适应交易系统。它结合了不同时间周期的RSI指标来识别市场趋势和交易机会,并通过资金管理和风险控制机制来优化交易表现。该策略的核心在于通过多周期RSI的协同配合,在保证交易安全性的同时提高盈利能力。

策略原理

策略采用7周期的RSI指标作为主要交易信号,同时结合日线RSI作为趋势过滤器。当短周期RSI从40以下向上突破且日线RSI大于55时,系统会发出做多信号。如果持仓期间价格下跌低于首次建仓价格,系统会自动加仓以降低平均成本。当RSI从60以上向下突破时,系统平仓获利。同时设置了5%的止损以控制风险。策略还包含了资金管理模块,根据总资金和预设风险比例自动计算每次交易的仓位大小。

策略优势

多周期RSI配合提高了信号的可靠性
具备自适应的加仓机制,可以有效降低持仓成本
完善的资金管理系统,根据风险偏好自动调整仓位
固定止损保护,严格控制每笔交易的风险
考虑了交易成本,更符合实际交易环境

策略风险

RSI指标可能在剧烈波动市场中产生虚假信号
加仓机制在持续下跌行情中可能导致较大损失
固定百分比止损可能在高波动率时期过于保守
交易成本可能在频繁交易时显著影响收益
需要充足的流动性支持策略执行

策略优化方向

引入波动率指标(如ATR)来动态调整止损位置
增加趋势强度过滤器以减少震荡市场中的虚假信号
优化加仓逻辑,考虑市场波动性进行动态调整
加入更多时间周期的RSI确认信号
开发自适应的仓位管理系统

总结

这是一个结合了技术分析和风险管理的完整交易系统。通过多周期RSI的协同作用提供交易信号,并通过资金管理和止损机制控制风险。该策略适合在趋势明显的市场中运行,但需要根据实际市场情况进行参数优化。系统的可扩展性良好,为进一步优化预留了空间。

策略源码

/*backtest
start: 2024-11-12 00:00:00
end: 2024-12-11 08:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Dual RSI with Rebuy Logic + Capital, Commission, and Stop Loss", overlay=true)

// Parameter
rsi_length = input.int(7, title="RSI Length")
daily_rsi_length = input.int(7, title="Daily RSI Length")
capital = input.float(10000, title="Initial Capital", minval=0)  // Kapital
risk_per_trade = input.float(0.01, title="Risk per Trade (%)", minval=0.01, maxval=1.0)  // Risikogröße in Prozent
commission = input.float(0.1, title="Commission (%)", minval=0, maxval=100)  // Kommission in Prozent
stop_loss_pct = input.float(5, title="Stop Loss (%)", minval=0.1, maxval=100)  // Stop-Loss in Prozent

// Ordergröße berechnen
risk_amount = capital * risk_per_trade
order_size = risk_amount / close  // Größe der Order basierend auf Risikogröße und Preis

// Daily RSI
day_rsi = request.security(syminfo.tickerid, "D", ta.rsi(close, daily_rsi_length), lookahead=barmerge.lookahead_on)

// RSI auf aktuellem Timeframe
rsi = ta.rsi(close, rsi_length)

// Kauf- und Verkaufsbedingungen
buy_condition = rsi[1] < 40 and rsi > rsi[1] and day_rsi > 55
sell_condition = rsi[1] > 60 and rsi < rsi[1]

// Variablen, um den Preis des ersten Kaufs zu speichern
var float first_buy_price = na
var bool is_position_open = false

// Kauf-Logik
if buy_condition
    if not is_position_open
        // Initiales Kaufsignal
        strategy.entry("Buy", strategy.long, qty=1)
        first_buy_price := close
        is_position_open := true
    else if close < first_buy_price
        // Rebuy-Signal, nur wenn Preis niedriger als erster Kaufpreis
        strategy.entry("Rebuy", strategy.long, qty=1)

// Verkaufs-Logik
if sell_condition and is_position_open
    strategy.close("Buy")
    strategy.close("Rebuy")
    first_buy_price := na  // Zurücksetzen des Kaufpreises
    is_position_open := false

// Stop-Loss-Bedingung
if is_position_open
    // Stop-Loss-Preis berechnen (5% unter dem Einstiegspreis)
    stop_loss_price = first_buy_price * (1 - stop_loss_pct / 100)
    
    // Stop-Loss für "Buy" und "Rebuy" festlegen
    strategy.exit("Stop Loss Buy", from_entry="Buy", stop=stop_loss_price)
    strategy.exit("Stop Loss Rebuy", from_entry="Rebuy", stop=stop_loss_price)

// Performance-Metriken berechnen (mit Kommission)
gross_profit = strategy.netprofit / capital * 100
commission_cost = commission / 100 * strategy.closedtrades
net_profit = gross_profit - commission_cost

// Debug-Plots
plot(first_buy_price, title="First Buy Price", color=color.blue, linewidth=1)
plotchar(buy_condition, title="Buy Condition", char='B', location=location.abovebar, color=color.green)
plotchar(sell_condition, title="Sell Condition", char='S', location=location.belowbar, color=color.red)

// Debugging für Performance

相关推荐

更多内容

Forums

PINE Language FAQ Summary MyLanguage Web3 Intermediate tutorial

Product

Robot Strategy Node Platforms Tickets

API

Syntax guide User guide Trading api Blockchain Indicator