ianzeng123
概述
这是一个专为加密货币市场设计的量化交易策略,充分利用加密货币市场的高波动性特征,通过智能的成本平均法(DCA)在价格回调时动态加仓。策略在15分钟时间框架上运行,能够有效应对加密货币市场的快速波动,同时规避过度交易带来的风险。
策略原理
策略主要包含四个核心模块： 1. 智能入场系统：基于OHLC4加权均价进行首次建仓,适应加密货币市场的高波动特性 2. 动态补仓机制：在价格回调时触发安全订单,补仓量随深度增加而放大,充分利用市场波动 3. 风险管理系统：通过金字塔式加仓和灵活杠杆调整来优化风险收益比 4. 快速止盈控制：针对加密货币市场的快速波动特点设计的止盈机制,包含手续费优化
策略优势
- 市场适应性：专门针对加密货币市场的高波动特性进行优化
- 风险分散：通过动态分批建仓降低加密货币市场的突发性风险
- 套利效率：充分利用加密货币市场的价格波动获取收益
- 自动化执行：支持多个主流加密货币交易所的API接入
- 资金效率：通过智能杠杆管理提高加密货币交易的资金利用效率
策略风险
- 市场风险：加密货币市场的极端波动可能导致较大回撤
- 流动性风险：部分小市值加密货币可能面临流动性不足问题
- 杠杆风险：加密货币市场的高波动性增加了杠杆交易的风险
- 技术风险：依赖交易所API的稳定性和网络连接质量
- 监管风险：加密货币市场的政策变化可能影响策略执行
策略优化方向
- 波动度自适应：引入加密货币市场特有的波动率指标来动态调整参数
- 多币种协同：开发多币种联动交易逻辑,分散单一币种风险
- 市场情绪过滤：集成加密货币市场情绪指标,优化入场时机
- 交易成本优化：通过智能路由和交易所选择降低成本
- 风险预警机制：建立基于市场异常波动的预警系统
总结
该策略通过创新的DCA方法和动态风险管理,为加密货币交易提供了一个全面的自动化解决方案。虽然加密货币市场存在较高风险,但通过精心设计的风控机制和市场适应性优化,策略能够在大多数市场环境下保持稳定性。未来优化将着重于提升策略对加密货币市场特殊性的适应能力。
策略源码
/*backtest
start: 2020-08-29 15:00:00
end: 2025-02-18 17:22:45
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Binance","currency":"TRB_USDT"}]
*/
//@version=5
strategy('Autotrade.it DCA', overlay=true, pyramiding=999, default_qty_type=strategy.cash, initial_capital=10000, commission_value=0.02)
// Date Ranges
from_month = 1
from_day = 1
from_year = 2021
to_month = 1
to_day = 1
to_year = 9999
start = timestamp(from_year, from_month, from_day, 00, 00) // backtest start window
finish = timestamp(to_year, to_month, to_day, 23, 59) // backtest finish window
window = time >= start and time <= finish ? true : false // create function "within window of time"
source_type = 'OHLC4'
source_function(type) =>
if type == 'Close'
close
else if type == 'Open'
open
else if type == 'High'
high
else if type == 'Low'
low
else if type == 'HL2'
hl2
else if type == 'HL3'
hlc3
else if type == 'OHLC4'
ohlc4
else if type == 'Median Body'
(open + close) / 2
else if type == 'Weighted Close'
(high + low + 2 * close) / 4
else if type == 'Trend Biased'
close > open ? (high + close) / 2 : (low + close) / 2
else if type == 'Trend Biased Extreme'
close > open ? high : low
truncate(number, decimals) =>
factor = math.pow(10, decimals)
int(number * factor) / factor
// Strategy Inputs
price_deviation = input.float(1.0, title='Price deviation to open safety orders (%)', minval=0.0) / 100
take_profit = 1.0 / 100
base_order = 10.0
safe_order = 10.0
safe_order_volume_scale = 1.1
safe_order_step_scale = 1.1
max_safe_order = 30
var current_so = 0
var initial_order = 0.0
var previous_high_value = 0.0
var original_ttp_value = 0.0
// Calculate our key levels
take_profit_level = strategy.position_avg_price * (1 + take_profit)
startTrade = input.int(defval=1, title='Trade Start')
margin = input.float(title='Margin', defval=1, step=1, tooltip='USDT')
leverage = input.int(title='Leverage', defval=50, tooltip='it only used on futures trade')
multi = 1.125
var float multiplier = 1
symbol = str.replace_all(syminfo.ticker, '.P', '')
var float totalMargin = 0.0
var bool isTrade =false
var float totalPrice = 0.0
var int totalTrade = 0
var float totalQtys = 0
var float sellPrice = 0
var float sellQty = 0
// // First Position
if strategy.position_size == 0 and window and source_function(source_type) > 0 and previous_high_value == 0.0
strategy.entry('No Position', strategy.long, qty=base_order / source_function(source_type))
initial_order := source_function(source_type)
current_so := 1
previous_high_value := 0.0
original_ttp_value := 0
original_ttp_value
threshold = 0.0
if safe_order_step_scale == 1.0
threshold := initial_order - initial_order * price_deviation * safe_order_step_scale * current_so
threshold
else
threshold := initial_order - initial_order * ((price_deviation * math.pow(safe_order_step_scale, current_so) - price_deviation) / (safe_order_step_scale - 1))
threshold
// Average Down
if current_so > 0 and source_function(source_type) <= threshold and current_so <= max_safe_order and previous_high_value == 0.0
if(startTrade<=current_so)
margin := math.round(margin * multiplier * 100) / 100
multiplier *= multi
totalMargin += margin
avePrice = (totalPrice/totalTrade)
qty = margin*leverage/close
isTrade := true
totalPrice+=close
totalTrade+=1
totalQtys+=qty
alert('{"category": "linear", "mode": 3, "tradeMode": 0, "symbol": "' + str.tostring(symbol) + '", "leverage": "' + str.tostring(leverage) + '", "side": "Buy", "orderType": "Market", "marketUnit": "quoteCoin", "qty": "' + str.tostring(margin) + '", "reduceOnly": false, "positionIdx": 1 }')
strategy.entry('Trade # ' + str.tostring(current_so) +"---Margin: $" + str.tostring(margin), direction=strategy.long, qty=safe_order * math.pow(safe_order_volume_scale, current_so - 1) / source_function(source_type))
else
strategy.entry('Trade # ' + str.tostring(current_so) +" No position", direction=strategy.long, qty=safe_order * math.pow(safe_order_volume_scale, current_so - 1) / source_function(source_type))
current_so += 1
current_so
// Take Profit!
if take_profit_level <= source_function(source_type) and strategy.position_size > 0 or previous_high_value > 0.0
if(isTrade)
avePrice = totalMargin * leverage / totalQtys * 1.002 // Include fee directly
percentGain = math.round((close - avePrice) / avePrice * 100 * 100) / 100
gain = math.round(percentGain * leverage * totalMargin / 100 * 100) / 100
isTrade := false
sellPrice := avePrice*0.95
sellQty := totalMargin * leverage/sellPrice
loop = current_so-1
testQty = sellQty/loop
strategy.close_all(comment= "Take Profit: $" + str.tostring(gain))
alert('{"category": "linear", "mode": 3, "tradeMode": 0, "symbol": "' + str.tostring(symbol) + '", "leverage": "' + str.tostring(testQty) + '", "side": "Sell", "orderType": "Market", "marketUnit": "baseCoin", "qty": "' + str.tostring(sellQty) + '", "reduceOnly": true, "positionIdx": 1, "loop": "' + str.tostring(loop) + '" }')
else
strategy.close_all(comment='No Position')
current_so := 0
previous_high_value := 0
original_ttp_value := 0
multiplier:=1
totalMargin:=0.0
totalPrice:=0
totalTrade:=0
totalQtys:=0
相关推荐
- 基于下跌幅度与目标利润的多头网格策略
- 基于马丁格尔理论的网格式加仓策略模型
- 自适应指数均线动态调仓突破交易策略
- 趋势跟踪型EMA双线限价买入策略
- EMA趋势结合轮回位突破交易策略
- 基于相对强弱指数和平均真实波幅的多层次动态成本均摊波段交易策略
- 基于布林带和RSI的动态成本平均策略系统
- 波动尖峰指标智能交易策略
- 多时框随机震荡趋势跟踪交易策略
- 自适应成本均值动态网格策略 - 基于DCA与马丁格尔原理的高级量化交易系统
更多内容
- 基于量子谱分析的多维动量交易策略
- 双均线趋势跟踪交易系统与自适应动态过滤策略
- 多指标交叉动态止盈止损趋势跟踪策略
- VWAP波动反转策略在标准差通道上的多空突破系统
- 基于双均线交叉的趋势跟踪自适应策略
- 基于EMA双均线交叉的智能趋势跟踪交易策略系统
- 多重时间框架动态趋势跟踪策略结合EMA与ADX指标
- 双指标动态趋势交易策略：基于RSI与MACD的多维技术分析系统
- MACD结合阿尔布鲁克斯价格行为的趋势跟踪策略
- 动态波云趋势ATR止损策略
- 基于多均线趋势和ATR动态止盈止损的加密货币交易策略
- 双均线趋势判断与波动率止损策略
- 基于量化动量的微回调突破策略
- 多周期趋势跟踪与成交量分析的自适应风险策略
- 多指标动态趋势交叉量化交易策略
- 动态RSI突破趋势跟踪交易策略结合风险收益比优化系统
- 多重指标趋势跟踪增强型量化交易策略
- 自适应趋势跟踪与动态风控策略
- 多区间 MA100 价格回撤智能网格交易策略
- 基于布林带突破的三连阳阳线高点趋势跟踪策略