กลยุทธ์เทรดตามโมเมนตั้ม ผลตอบแทน 122% ในคริปโต ตอน 2 ฉันต้องสร้างการเข้าและออกจาก position เพื่อเปรียบเทียบผลการทำนายของฉันกับผลลัพธ์ของตลาด เพื่อให้ง่ายที่สุด ฉันจะทำการซื้อขายระยะยาวเท่านั้น หากการทำนายบอกว่าผลตอบแทนจะเป็นบวก ฉันจะซื้อที่ราคาปิดของวันและปิดสถานะเมื่อสิ้นสุดวันถัดไป
การกำหนดค่า
แท่งเทียน — โมเดลใช้งานได้กับเทียน 1 วันเท่านั้น
คุณสมบัติ — RVI, MFI, Volume, %k, rsi, %D, true_range, PVT, MA, Open, Low, Psi, Close, High, PVR
หมายเหตุ: ในที่สุด ฉันใช้เฉพาะ MFI และ Volume เป็นคุณลักษณะของฉัน เนื่องจากให้ผลลัพธ์ที่ดีที่สุด
ระยะเวลาหมุนเวียนตัวบ่งชี้ — ตัวบ่งชี้บางส่วนมีการคำนวณแบบวนซ้ำ ฉันใช้เวลา 30 วันในแบบจำลองเริ่มต้นของฉัน แต่แล้วฉันก็สังเกตเห็นว่า 60 วันให้ผลลัพธ์ที่ดีกว่า ส่วนที่น่าตื่นเต้นคือ 61 วันหรือ 59 วันให้ผลลัพธ์ที่เลวร้ายที่สุด
ผลลัพธ์
KNN
ความแม่นยำ Train_data: 0.59
ความแม่นยำ Test_data: 0.55
หมายเหตุ: กลยุทธ์นี้ไม่ได้ทำการซื้อขายใดๆ ระหว่างปี 2021–12 ถึง 2022–05 ซึ่งหมายความว่าแบบจำลองคาดการณ์เฉพาะวันที่ติดลบ
ความแม่นยำดูดี แต่ผลลัพธ์จริงไม่ดีมากนัก
Decision Tree
เราจะเห็นได้ว่าผลตอบแทนของแบบจำลองมีชัยเหนือผลตอบแทนของตลาด
หมายเหตุ: ฉันใช้เวลา 60 วันสำหรับตัวบ่งชี้การหมุน ความลึกของต้นไม้คือ 3 และใบไม้คือ 6 มีหลายสิ่งให้ปรับให้เหมาะสมและวิเคราะห์โดยการเปลี่ยนพารามิเตอร์นี้
Random forest
อีกครั้งที่กลยุทธ์ทำกำไรได้ดีกว่าตลาด โมเดลนี้ดีที่สุดเพราะมีคะแนน f1 ที่ดีกว่า
บทสรุป
คะแนนความแม่นยำที่ดีที่สุดที่ฉันได้รับคือ 53%; สังเกตว่าการกลับมาของโครงสร้างการตัดสินใจนั้นดีกว่า โดยใช้ Random forest สิ่งเหล่านี้เป็นผลลัพธ์ที่น่าทึ่งและน่าประหลาดใจมาก
ฉันต้องบอกว่าคะแนน f1 ไม่ได้ดีที่สุด และจำเป็นต้องเข้าใจว่าเกิดอะไรขึ้นในการคาดคะเน
การวิจัยในอนาคต
ในบทความต่อไปนี้ ผมจะดำดิ่งลงไปในแบบจำลอง Random forest ฉันจะพยายามทำความเข้าใจว่าเหตุใดโมเดลดังกล่าวจึงทำได้ดีกว่าตลาด
นอกจากนี้ ฉันจะสร้างฟังก์ชันเพื่อเพิ่มประสิทธิภาพการกำหนดค่า
ฉันจะพยายามใช้โมเดลนี้ทดลองกับสินทรัพย์ต่างๆมากขึ้น ในบทความนี้ ผมใช้เป็น Polygon เท่านั้น
Trusted
ข้อจำกัดความรับผิด
ข้อมูลทั้งหมดที่มีอยู่บนเว็บไซต์ของเราเผยแพร่ด้วยเจตนาที่ดีและเป็นไปเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น การกระทำใด ๆ ที่ผู้อ่านดำเนินการตามข้อมูลที่พบบนเว็บไซต์ของเราถือเป็นความเสี่ยงของผู้อ่านโดยเฉพาะ
