Rsi ดึง ซื้อขาย กลยุทธ์

วิธีที่ฉันใช้ Connors8217 RSI (2) เพื่อแลกกับการรับคืนตามที่ได้กล่าวไว้ในส่วนที่ 1 ของชุดข้อมูลนี้ (Trading Pullbacks in Wall Street8217s Best Stocks. 21 กรกฎาคม 2009) มีสองวิธีที่ใช้ในการซื้อขายคือการซื้อขายหุ้นที่พังทลาย (ได้รับการสนับสนุนจาก IBD) และการซื้อขายหุ้นที่ดึงกลับ (สนับสนุนโดย L. Connors ท่ามกลางคนอื่น) I8217m สนใจโดยเฉพาะอย่างยิ่งว่าวิธีการเหล่านี้ใช้กับการซื้อขายหุ้นเสียงพื้นฐานโดยเฉพาะอย่างยิ่งที่มีมูลค่าเหลืออยู่ในราคาของพวกเขา ที่นี่ I8217 จะอธิบายกลยุทธ์ที่มุ่งเน้นการซื้อขาย หากคุณกำลังมองหาการค้าหนึ่งที่มีประสิทธิภาพที่สุดกลยุทธ์การดึงที่มีให้กับพ่อค้าในวันนี้สั่งซื้อคู่มือการปรับปรุงใหม่ของเรา 8211 กลยุทธ์ Long Pullbacks 8211 โดยคลิกที่นี่ในวันนี้ สามสิบสองหุ้นได้รับเลือกให้แสดงกลยุทธ์ที่เรียกใช้การซื้อตอนท้ายเมื่อ RSI (2) ต่ำกว่าค่าทริกเกอร์ (2.5, 5.0, 10 หรือ 20) และยอดขายสิ้นวันเมื่อ RSI (2 ) ปิดกว่า 70 จุดการค้าทั้งหมดดำเนินการระหว่างเดือนมกราคมถึงวันที่ 25 กันยายนปีนี้ 32 เหล่านี้เป็นหุ้นเสียงพื้นฐานตามที่กำหนดโดยชุดของจอภาพพื้นฐานมีมูลค่าเหลืออยู่ในราคาของพวกเขาตามที่ระบุไว้ในอัตราส่วน PEG ตามลำดับ แต่ละคนได้รับการคัดเลือกจาก TSM ในช่วงไตรมาสที่ผ่านมา ตัวอย่างเช่นพิจารณาการค้า 2 (แผนภูมิ I) ซึ่งต้อง RSI (2) ปิดต่ำกว่า 5.0 ก่อนที่จะเข้าสู่ช่วงเวลาอันใกล้ที่ปิด ตำแหน่งจะถูกปิดในตอนท้ายของวันเมื่อ RSI (2) เกิน 70 รายหมายเหตุการตัดสินใจทางการค้าทั้งสองจะทำขึ้นในช่วงห้านาทีสุดท้ายของแต่ละช่วงการซื้อขาย การใช้ยุทธศาสตร์นี้หุ้น 32 หุ้นเหล่านี้จะสร้างการค้า 138 รายการ (มีผู้ได้รับรางวัล 79.0 ราย) และมีกำไรเฉลี่ย 70 เซ็นต์ต่อหุ้น (เป็นเปอร์เซ็นต์ที่ดีที่สุดในทั้งสี่กลยุทธ์แม้ว่า Strategy 1 จะมีกำไรทางการค้าที่ดีขึ้น) หมายเหตุกล่องสีแดงเน้นหุ้นที่สร้างความเสียหายโดยรวม ผลกำไร (73,950) ต่อไปนี้อาจเกิดขึ้นจากกลยุทธ์ 2 ทำให้มีการทำธุรกรรม 150 ครั้งใน 1,000 หุ้นต่อหุ้น แม้ว่าแต่ละกลยุทธ์ทั้งสี่นี้มีจุดเข้าและออกจากการค้าที่ดีสำหรับหุ้นที่มีคุณภาพเหล่านี้ แต่ฉันชอบที่จะได้รับอัตราการชนะแบบผสมผสานกับจำนวนธุรกิจการค้าที่เสนอโดยกลยุทธ์ที่สองเนื่องจากจำนวนธุรกิจการค้า โปรดทราบด้วยว่าแถวสุดท้ายซึ่งแสดงให้เห็นว่าในระยะเวลาเดียวกันนี้ SPY (ETF for SampP 500) สร้างผลขาดทุนด้วยกลยุทธ์ทั้งสี่ กราฟราคาหกเดือนต่อไปสำหรับ CPLA แสดงให้เห็นว่าธุรกิจการค้า 3 กลยุทธ์เกิดขึ้นที่ใด แม้ว่าจะมีผลกำไรก็ตามทางออกที่อนุญาตให้อยู่ต่ออีกไม่กี่วันต่อมาก็มีผลตอบแทนดีกว่า การกำหนดให้หุ้นสูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันอาจจะทำให้ธุรกิจการค้ามีความเสี่ยงสูงขึ้นได้ สุดท้ายพิจารณาวิธีการซื้อและขายความดันแตกต่างกันไปสำหรับสต็อกที่มีคุณภาพที่มีมูลค่า เมื่อระบุทุกคนต้องการเป็นเจ้าของ (ที่คุณและฉันเช่นเดียวกับสถาบัน) เพื่อสร้างแรงกดดันด้านการสร้างราคาที่สูงขึ้นจนกลายเป็นจุดซื้อที่สูงมาก: นักลงทุนหยุดซื้อผู้ขายขายตำแหน่งและผู้ขายสั้นในการตรวจจับ สถานะซื้อเกิน แรงขายทำกำไรชั่วคราวและราคาตก การฟื้นตัวจะเริ่มขึ้น แต่ในขณะที่สถาบันนักลงทุนและผู้ค้ามองหาจุดกลับเข้ามาใหม่โดยมีค่าเฉลี่ยการเคลื่อนไหวเฉลี่ย (20-, 50- หรือ 200 วัน) ในราคาที่ผันผวนก่อนหน้านี้ ) หรือที่ระดับ Fibonacci (38.2, 50 หรือ 61.8) ที่สำคัญ แม้ว่างานของฉันโดยใช้แบบสำรวจการยอมรับรูปแบบได้แสดงให้เห็นว่ามีบางสิ่งบางอย่างที่สมมาตรพอใจเกี่ยวกับระดับ Fib ที่ทำให้คนทำปฏิกิริยาที่นั่นพื้นที่เหล่านี้สนับสนุนไม่ได้มีมนต์ขลังเพียงตอบสนองตนเองเพราะเงินสมาร์ททำปฏิกิริยาที่นั่น การค้าขาย (หรือการลงทุนใน) หุ้นที่มีคุณภาพในโครงการ pullback แสดงถึงความเสี่ยงและโอกาสที่มีผลกำไรสูงสำหรับแต่ละบุคคลและสถาบัน Richard Miller ปริญญาเอก 8211 Statistics Professional เป็นประธานของ TripleScreenMethod และ PensacolaProcessOptimizaton การเรียนรู้จากกลยุทธ์ Pullback แรกไม่กี่เดือนที่ผ่านมาทีมวิจัยได้ทำงานในกลยุทธ์ที่เราตั้งชื่อว่า First Pullback ตามปกติมักเกิดขึ้นกับการวิจัยของเรากลยุทธ์นี้มีประสิทธิภาพดีพอสมควรในการทดสอบด้านหลังของเราโดยไม่ต้องแยกแยะความแตกต่างอย่างแท้จริงเมื่อเปรียบเทียบกับกลยุทธ์อื่น ๆ ที่เผยแพร่แล้ว บทความในวันนี้จะนำเสนอกฎสำหรับกลยุทธ์ First Pullback ในรูปแบบปัจจุบันไม่น่าจะเป็นหัวใจหลักของกลยุทธ์การซื้อขายทั้งหมดของคุณ อย่างไรก็ตามอาจเป็นพื้นฐานที่ดีสำหรับการปรับปรุงเพิ่มเติมและที่สำคัญยิ่งกว่านั้นก็ยืมตัวเองไปสังเกตการณ์ที่น่าสนใจบางอย่างเกี่ยวกับ SampP 500 ถ้าคุณต้องการเรียนรู้วิธีการใช้เครื่องกำเนิดไฟฟ้าโมเมนตัม ConnorsRSI เพื่อการค้า oversold ระยะสั้น SampP 500 หุ้น โปรดคลิกที่นี่ เป้าหมายขั้นพื้นฐานของกลยุทธ์ First Pullback คือการหาหุ้นที่แข็งแกร่งมากซึ่งเป็นสัญญาณแรกที่แสดงให้เห็นถึงความอ่อนแอและจากนั้นก็ซื้อหุ้นนั้นในราคาที่ลดลงในวันนี้ นี่คือกฎ: การตั้งค่าจะเกิดขึ้นเมื่อเงื่อนไขต่อไปนี้ทั้งหมดเป็นจริง: ปริมาณเฉลี่ยรายวันสำหรับ 21 วันที่ผ่านมามากกว่า 1,000,000 ราคาปิดสูงกว่า 5 ราคาปิดสูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันหรือ MA ( 200) ราคาปิดสูงกว่า MA (100) ราคาปิดสูงกว่า MA (50) ราคาปิดสูงกว่า MA (20) ราคาปิดต่ำกว่า MA (5) ซื้อหุ้นในวงเงิน X ต่ำกว่าวันก่อนปิด ภายใน Y วันของการตั้งค่าที่เกิดขึ้น เราได้ทดสอบค่าขีด จำกัด ของค่า X 2, 4, 6, 8, 10 และ 12 และ Y 1, 2, 3, 4 และ 5 วัน ขายหุ้นโดยใช้วิธีการใดวิธีการหนึ่งดังต่อไปนี้ปิด gt MA (5) ConnorsRSI gt 50 ConnorsRSI gt 70 ในการทดสอบของเราเราปิดการซื้อขายโดยใช้คำสั่งตลาดแบบจำลองในวันรุ่งขึ้นหลังจากที่เกิดสัญญาณการขายโดยใช้ค่าเฉลี่ยของการเปิด สูงต่ำและปิดตามราคาที่เราออก อย่างไรก็ตามคุณสามารถออกจากที่ปิดถ้าต้องการ การเปลี่ยนแปลงกลยุทธ์โดยใช้คำสั่งซื้อสูงสุด (10 และ 12) ทำให้เกิดกำไรเฉลี่ยต่อการซื้อขายสูงสุด แต่ยังมีธุรกิจการค้าจำลองน้อยที่สุดในช่วงทดสอบ 12 ปีตั้งแต่ปี 2001 ถึงปี 2012 Top 10 นักแสดงมีกำไรเฉลี่ย ของ 2.09 ถึง 2.74 ต่อการค้าโดยประมาณ 700 ถึง 1800 สัญญาณการค้าทางประวัติศาสตร์ รูปแบบอื่น ๆ มีกำไรลดลงอย่างมากต่อการค้า แต่สร้างสัญญาณทางการค้ากว่า 70,000 รายการ ถัดไปเราเพิ่มกฎง่ายๆหนึ่งข้อในกลยุทธ์: ในวัน Setup (สต็อค) สต็อกต้องเป็นสมาชิกปัจจุบันของดัชนี SampP 500 เห็นได้ชัดว่านี่เป็นการลดจำนวนของธุรกิจการค้าจำลองลงอย่างมากเนื่องจากจักรวาลก่อนหน้ามีขนาดใหญ่กว่า 500 หุ้น ในความเป็นจริงแล้ว 10 รูปแบบที่สร้างขึ้นตั้งแต่ 97 ถึง 319 สัญญาณการค้า สิ่งที่น่าแปลกใจเล็กน้อยคือการเปลี่ยนแปลงในอัตราเฉลี่ยต่อการค้าซึ่งอยู่ระหว่าง 3.00 ถึง 4.16 เมื่อใช้ SampP 500 เป็นศูนย์กลางการค้าของเรา ในขณะที่อาจดูเหมือนไม่มากนักในแง่ที่แน่นอน แต่ก็แสดงให้เห็นถึงการปรับปรุงข้ามบอร์ดประมาณ 50 รายการก่อนหน้านี้ นอกจากนี้ระยะเวลาการค้าที่สั้นลงและอัตราการชนะ (เปอร์เซ็นต์ของธุรกิจการค้าที่ให้ผลกำไร) สูงกว่าเมื่อทดสอบกับ SampP 500 เหตุใดจึงมีความสำคัญเนื่องจากเน้นคุณภาพของ บริษัท ที่เป็นสมาชิกของ SampP 500 อีกครั้ง หลาย บริษัท เหล่านี้เป็นชื่อที่ใช้ในครัวเรือนซึ่งมีผู้ลงทุนสถาบันเป็นหลัก เมื่อผู้จัดการมืออาชีพเห็นว่าการลดราคาใน บริษัท ที่มีการยอมรับกันดีพวกเขามีแนวโน้มที่จะก้าวเข้ามาและซื้อหุ้นเพิ่มในราคาส่วนลดซึ่งจะทำให้โอกาสน้อยที่ราคาจะตกไปไกลเกินไป การทำความเข้าใจกับพฤติกรรมนี้ในตลาดและการได้รับการสนับสนุนจากผลการทดสอบเชิงปริมาณจะช่วยให้คุณตัดสินใจได้ดีขึ้นเกี่ยวกับกลยุทธ์การซื้อขายของคุณเอง คลิกที่นี่เพื่อเรียนรู้วิธีการซื้อขายหุ้นเหล่านี้อย่างมีประสิทธิภาพสูงสุดโดยใช้ตัวบ่งชี้ ConnorsRSI เกี่ยวกับ Matt Radtke Matt Radtke เป็นนักวิจัยอาวุโสของ Connors Research นาย Radtke จบการศึกษาระดับเกียรตินิยมอันดับหนึ่งจากมหาวิทยาลัยแห่งรัฐมิชิแกนด้วยปริญญาสาขาวิทยาการคอมพิวเตอร์ เขามีประสบการณ์การพัฒนาซอฟต์แวร์มายาวนานถึง 25 ปีใน บริษัท ขนาดใหญ่และขนาดเล็ก ได้แก่ Hewlett-Packard และ Bell Northern Research นาย Radtke ได้ดำเนินการซื้อขายหุ้น ETFs และทางเลือกต่างๆตั้งแต่ปี 2551 ในช่วงหลายปีที่ผ่านมาเขาได้มีส่วนร่วมกับกลุ่ม บริษัท คอนเนอร์กรุ๊ปมากขึ้นเป็นครั้งแรกในฐานะนักศึกษาแล้วในฐานะสมาชิกของ Chairmans Club และในที่สุดก็มี ที่ปรึกษานักวิจัยและผู้เขียน แมตต์เป็นผู้ร่วมเขียนคู่มือเชิงกลยุทธ์เชิงปริมาณรวมทั้ง ETF Trading กับ Bollinger Bands การซื้อขายตัวเลือกกับ ConnorsRSI การซื้อขาย ETFs กับ ConnorsRSI และ ETF Scale-In Trading ผู้ค้าระบบอาจต้องการทดสอบวิธีการนี้ซึ่งขึ้นอยู่กับการตอบสนอง RSI ที่ง่ายต่อการปฏิบัติและสร้างผลลัพธ์ที่ดีมากในการศึกษาย้อนหลังที่ยาวนานซึ่งครอบคลุมทั้ง bull และตลาดหมี ต้องการช่วยตัวเองปัญหาของการมองหาระบบการซื้อขายหุ้นที่สมบูรณ์แบบ คุณกำลังมองหาวิธีที่เรียบง่ายเวลาและความเครียดที่ผ่านการทดสอบเพื่อให้ได้ผลกำไรที่มั่นคงเพียงแค่คลิกปุ่มไม่กี่รายการในแพลตฟอร์มการซื้อขายหรือบัญชีการเป็นนายหน้าซื้อขายหลักทรัพย์ออนไลน์แม้ว่าจะไม่มีระบบการซื้อขายหรือวิธีการที่สมบูรณ์แบบและแม้ว่าจะมีกระแสข้อมูล จดหมายข่าวให้คำปรึกษาหุ้นที่น่าสงสัยเคยชินหยุดมาถึงในกล่องจดหมายของคุณมีจริงๆระบบการค้าที่มีให้คุณที่ง่ายต่อการใช้งานและที่มีแนวโน้มที่จะให้ผลกำไรที่มั่นคงในช่วงเวลาที่ยาวนานของเวลา ไม่ได้เป็นเรื่องธรรมดาเพียงแค่เจาะปุ่มหรือสองอันและใช่คุณต้องมีความอดทนทางจิตวิทยาในการปฏิบัติตามวิธีการเช่นนี้ (ถ้าคุณสามารถปฏิบัติตามกฎง่ายๆได้ตลอดเวลาไม่มีข้อยกเว้น) ถ้าคุณหวังว่าจะเก็บเกี่ยว กำไรที่เป็นไปได้โดยการซื้อขายที่มีโครงสร้างและมีระเบียบวินัยในการซื้อขายหุ้นในตลาดหุ้น นี่เป็นการดูสั้น ๆ ที่วิธีหนึ่งเพื่อให้บรรลุเป้าหมายนี้ ใช้การสำรวจ MetastockTradeSim ขั้นพื้นฐานฉันใช้ระบบ pullback strength index (RSI) แบบง่ายๆซึ่งเป็นธุรกิจที่ต้องใช้เวลานานและพยายามหากำไรจากการย้ายสแน็ปแบ็คที่สูงกว่าในสต๊อกที่ระบุ หนึ่งร้อยหุ้นขนาดใหญ่ถูกใช้ในการทดสอบย้อนหลังเกือบ 20 ปีโดยมีหุ้นทั้งหมดที่ใช้อยู่ในรายการตั้งแต่อย่างน้อย 1 มกราคม 2534 รหัสนี้เป็นรหัสสำหรับการสำรวจการดึงข้อมูล RSI ใน Metastock หากคุณไม่ได้ใช้ Metastock สิ่งนี้อาจหมายถึงคุณมาก แต่คุณควรจะสามารถศึกษาได้ในแพลตฟอร์มการค้าขายที่คุณเลือก คอลัมน์ชื่อ: CLOSE คอลัมน์ A รหัส: CLOSE ชื่อคอลัมน์ B: ยาวคอลัมน์ B code: (Cross (RSI (5), 18) และ CMF (89) gt (0)) ชื่อคอลัมน์ C: ออกคอลัมน์ C code: (Cross (75, RSI (5)) ในระยะสั้นการสำรวจทั้งหมดนี้กำลังมองหาคือหุ้นที่มีการไหลของเงินในระยะยาวที่แข็งแกร่ง (ในกรณีนี้ใช้ตัวบ่งชี้การไหลเวียนเงินของ Chaikin 89 วัน) บางองศา ผู้ใช้ Metastock สามารถคัดลอกและวางโค้ดลงในผู้ใช้ Metastock Explorer ของชุดพัฒนาอื่น ๆ ที่ควรจะสามารถปรับโค้ดสำหรับสถานการณ์ของตนเองได้ตามต้องการ เริ่มต้นด้วยยอดบัญชีเริ่มต้นสมมุติฐาน 20,000 ซึ่งทดสอบหุ้นขนาดใหญ่ 100 หุ้นซึ่งเริ่มตั้งแต่วันที่ 1 มกราคม พ. ศ. 2534 โดยใช้กลยุทธ์พื้นฐานนี้และเพิ่มการหยุดขาดทุนคงที่ 6 ครั้งสำหรับการซื้อขายทุกครั้ง นอกจากนี้ฉันยังตั้งค่า backtest เพื่อ จำกัด จำนวนตำแหน่งสูงสุดที่ถือครองไว้เป็นแปดและอนุญาตให้มีตำแหน่งการค้าใหม่ได้ไม่เกิน 2 ตำแหน่งในแต่ละวันทำการไม่ว่าจะมีการสร้างสัญญาณการซื้อขายมากแค่ไหน นอกจากนี้ยังได้ระบุการจัดสรรบัญชี 12.5 บัญชีต่อตำแหน่งใหม่ (8 ตำแหน่ง x 12.5 เท่ากับ 100) สุดท้ายค่านายหน้าเท่ากับ. 01 ต่อหุ้นรวมอยู่ในชุดค่าผสมซึ่งคล้ายกับรูปแบบการกำหนดราคาต่อหุ้นใน Interactive Brokers และ TradeStation ดังนั้นระบบ RSI 5x5 ทำอย่างไรในระหว่างการทดสอบย้อนหลังเกือบ 20 ปีนี้อย่างไรก็ตาม NEXT: ดูผลการทดสอบ Backtest ที่น่าประทับใจของระบบนี้เมื่อพิจารณาจากภาพรวมว่าตลาดวัวสองตัวใหญ่ ๆ และตลาดหมีหลักสองตลาดตั้งแต่ช่วงต้นทศวรรษ 90 เป็นต้นมา ให้กำลังใจอย่างมาก ผลการดำเนินงาน: จำนวนเฉลี่ยของธุรกิจการค้า: 1,943 กำไรเฉลี่ย: 75,587 กับส่วนเบี่ยงเบนมาตรฐาน 3,732 จำนวนผู้ชนะที่ได้รับโดยเฉลี่ย: 52.52 การเบิกใช้เปอร์เซ็นต์ที่แน่นอนที่สุด: 13.99 การคำนวณเปอร์เซ็นต์โดยเฉลี่ย ลดลง: 6.80 ผลตอบแทนประจำปีโดยประมาณ: 8.70 (ตัวเลขทดสอบจาก Compuvisions TradeSim Enterprise Add-on สำหรับ Metastock) อาจจะมีผลตอบแทนประจำปี 8.70 ไม่เคยเทียบไฟของคุณ แต่พิจารณาว่าผลตอบแทนที่น่าประทับใจเหล่านี้เป็นอย่างไรโดยเฉพาะอย่างยิ่งความรุนแรงของตลาดหมีปี 2000 และปีพ. ศ. 2550-2552 จริงๆแล้วตอนนี้คุณรู้แล้วว่าบางทีคุณอาจจะได้อะไรบางอย่างที่นี่ นอกจากนี้โปรดทราบว่าการเบิกใช้เปอร์เซ็นต์เปอร์เซ็นต์ที่น้อยที่สุด (สัดส่วนส่วนของผู้ถือหุ้นที่ปิด) มีน้อยเพียงใดเมื่อมาถึงน้อยกว่า 14 การนำเข้าที่ยิ่งใหญ่กว่าคือส่วนเบี่ยงเบนมาตรฐานต่ำสุดของตัวเลขกำไรเฉลี่ย ในระยะเวลาอันสั้น 68 ครั้งในช่วงวิ่ง 10,000 มอนติคาร์โลระบบจะให้ผลกำไรเฉลี่ย 71,855 ถึง 79,319 ราย ในขณะที่ยอดขายที่ดีที่สุดได้สูงสุดที่ 89,074 รายและการดำเนินงานที่แย่ที่สุดก็ยังมีการฟื้นตัวดีขึ้น 59,043 ราย ด้านล่างให้ดูฮิสโตแกรมที่แสดงประสิทธิภาพเฉลี่ยของแต่ละสต็อกที่ใช้ในการทดสอบ นำไปใช้อย่างท่วมท้นในผลตอบแทนที่เป็นบวกในระยะยาวและเป็นหลักฐานที่น่าเชื่อมากเกี่ยวกับความแข็งแกร่งภายในของระบบการซื้อขายที่ไม่ซับซ้อนอย่างไม่น่าเชื่อนี้ มีเพียง 18 จาก 100 หุ้นที่ผ่านการทดสอบเท่านั้นที่ไม่สามารถกลับมามีกำไรสุทธิจากการทดสอบย้อนหลังได้เกือบสองทศวรรษที่ผ่านมา มีสีเขียวและสีแดงเล็ก ๆ น้อยมาก - เพียงแค่สิ่งที่คุณต้องการเห็นในแบบทดสอบเช่นนี้ คลิกที่นี่เพื่อดูภาพขยายมีวิธีการปรับปรุงระบบนี้อย่างแน่นอนคุณสามารถตรวจสอบรายชื่อหุ้นที่น่าสนใจของคุณเองได้หรือคุณอาจได้รับความชำนาญโดยการใช้เครื่องมือจับเวลาแบบง่ายๆเพื่อช่วยให้คุณออกจากตลาดหมีทั้งหมด ผลตอบแทนที่มาก ความเป็นไปได้คือไม่มีที่สิ้นสุด จำกัด ด้วยพลังแห่งจินตนาการและความมั่นใจในตนเองในการบรรลุเป้าหมายในการซื้อขายและการลงทุนสำเร็จ Don Pendergast ดำเนินการซื้อขายตั้งแต่ปีพ. ศ. 2522 ตั้งแต่ปี 2542 เขาได้พัฒนาหุ้น ETF และระบบการซื้อขายล่วงหน้าโดยใช้แพลตฟอร์มการพัฒนาระบบต่างๆรวมถึง Metastock และ TradeStation โปรดเปิดใช้งาน JavaScript เพื่อดูความคิดเห็นขับเคลื่อนโดย Disqus. RSI และวิธีการกำไรจากนั้นเรารู้ไม่มีตัวชี้วัดมายากล แต่มีอย่างใดอย่างหนึ่งที่ทำหน้าที่เหมือนเวทมนตร์อย่างแน่นอนในช่วง 10 ปีที่ผ่านมาหรือดังนั้น RSI ที่เชื่อถือได้ของเรา ในบทความนี้เราจะดูสองรูปแบบการซื้อขายที่ได้รับการกล่าวถึงเป็นครั้งแรกในหนังสือ 8220Short Term Trading Strategies ที่ Work8221 โดย Larry Connors และ Cesar Alvarez ได้รับการยอมรับกันดีในบทความต่างๆที่ RSI 2 ช่วงเวลาในแผนภูมิรายวันของดัชนีตลาดหุ้นเป็นเครื่องมือที่ยอดเยี่ยมสำหรับการค้นหาจุดเข้า การลดลงของราคาในตลาด SampP E-Mini ในช่วงที่ตลาดมีการปรับตัวขึ้นในอดีต (ตั้งแต่ปี 2543) ตามมาด้วยการกลับรายการ การผกผันเหล่านี้สามารถตรวจพบโดยใช้ตัวบ่งชี้ RSI มาตรฐานโดยมีค่างวดเป็นสอง วางตัวแสดงนี้ไว้ในแผนภูมิรายวันและค้นหาจุดเมื่อตัวบ่งชี้ลดลงต่ำกว่า 5 ตัวอย่างเช่น จุดต่ำสุดเหล่านี้คือโอกาสในการซื้อ ค่าต่ำกว่า 5 มีสีเขียว เหล่านี้เป็นจุดซื้อ ระบบ RSI (2) เราสามารถเปลี่ยนเป็นรูปแบบการซื้อขายแบบง่ายๆเพื่อทดสอบประสิทธิภาพของสัญลักษณ์ RSI (2) บน E-mini SampP ในระยะสั้นเราต้องการที่จะไปนานใน SampP เมื่อมันประสบการ pullback ในตลาดวัว เราสามารถใช้ค่าเฉลี่ยเคลื่อนที่ 200 วันเพื่อพิจารณาเมื่อเราอยู่ในแนวโน้มของ bull และใช้ RSI 2 ช่วงเพื่อค้นหาจุดเข้าสู่ความเป็นไปได้สูง จากนั้นเราสามารถปิดเมื่อราคาปิดเหนือเส้นค่าเฉลี่ยเคลื่อนที่ 5 วัน กฎมีความชัดเจนและเรียบง่าย: ราคาต้องสูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วัน ซื้อเมื่อปิดเมื่อ RSI สะสม (2) ต่ำกว่า 5 ปิดเมื่อราคาปิดเหนือค่าเฉลี่ยเคลื่อนที่ 5 วัน ใช้การสูญเสียการหยุดชะงัก 1000 ภัยพิบัติ การทำ backtest ของระบบได้ดำเนินการตั้งแต่เดือนกันยายนปี 1997 จนถึงเดือนมีนาคม 2012 รวม 50 ค่าคอมมิชชั่นและการเลื่อนลอยถูกหักออกต่อเที่ยว ด้านล่างนี้เป็นแผนภูมิของสิ่งที่ระบบนี้จะมีลักษณะพร้อมกับผลลัพธ์ของระบบ RSI (2) ผลการดำเนินงานของระบบกำไรสุทธิ: 17,163 เปอร์เซ็นต์ผู้ชนะ: 67 ไม่การค้า: 64 Ave การค้า: 268.16 การเบิกใช้สูงสุด: -5,075 ปัจจัยกำไร: 1.90 ผลลัพธ์เหล่านี้เยี่ยมยอดมากเนื่องจากเรามีระบบที่เรียบง่าย นี่แสดงให้เห็นถึงพลังที่ตัวบ่งชี้ RSI (2) มีมานานกว่าสิบปีแล้ว เพียงแค่แนวคิดเดียวนี้คุณสามารถพัฒนาระบบการซื้อขายต่างๆได้ ตอนนี้เราดูว่าเราสามารถปรับปรุงผลลัพธ์เหล่านี้ได้หรือไม่ กลยุทธ์การรวม RSI (2) ที่เพิ่มขึ้นกลยุทธ์ Larry Conners ช่วยเพิ่มรูปแบบการซื้อขาย RSI (2) เล็กน้อยโดยสร้างมูลค่า RSI สะสม แทนที่จะคำนวณเพียงครั้งเดียวเราจะคำนวณจำนวนรวมของ RSI 2 ช่วงเวลาที่ใช้งานอยู่ ในกรณีนี้เราจะใช้ RSI 2 ช่วงเวลาทั้งหมดในช่วงสามวันที่ผ่านมา เมื่อคุณเก็บค่าที่สะสมของ RSI (2) ไว้ให้เรียบค่า ด้านล่างเป็นกราฟเปรียบเทียบดัชนีมาตรฐาน RSI 2 ช่วงเวลาโดยใช้ตัวบ่งชี้ RSI 2 ช่วงที่สะสมไว้ คุณสามารถดูได้ว่าตัวบ่งชี้ใหม่ของเรานุ่มนวลมากแค่ไหน นี้จะทำเพื่อลดจำนวนของการค้าในความหวังของการจับภาพการค้าที่มีคุณภาพ ในระยะสั้น it8217s พยายามที่จะปรับปรุงประสิทธิภาพของรูปแบบการซื้อขายเดิมของเรา RSI ที่สะสมในช่องด้านบน มาตรฐาน RSI ในบานหน้าต่างด้านล่าง ราคาต้องสูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วัน ซื้อเมื่อปิด RSI สะสม (2) ในช่วงสามวันที่ผ่านมาต่ำกว่า 45 ปีออกเมื่อ RSI (2) ปิดวันปัจจุบันอยู่เหนือ 65 ปีใช้การสูญเสียการหยุดชะงัก 1,000 ครั้ง ผลประกอบการของ RSI (2) ผลกำไรสุทธิ: 17,412 เปอร์เซ็นต์ผู้ชนะ: 67 ไม่การค้า: 52 Ave การค้า: 334.86 การเบิกใช้สูงสุด: -4,850 2.02 ตลาดเงินสด SampP ระบบ RSI ระยะเวลา 2 ปีมีลักษณะว่าซื้อขายได้ 100 หุ้น ตลาดเงินสด SampP จะกลับไปปี 1993 มันค่อนข้างดี สรุปยุทธศาสตร์ที่สะสมไว้ทำงานได้ตามที่ตั้งใจไว้ เพิ่มประสิทธิภาพของรูปแบบการซื้อขาย RSI (2) มาตรฐานด้วยการลดจำนวนการซื้อขาย แต่ยังสร้างรายได้ให้กับกำไรสุทธิเท่าเดิม เป็นโบนัสการเบิกจ่ายมีขนาดเล็กกว่าเล็กน้อย ในขณะที่ทั้งสองระบบทำผลงานได้ยอดเยี่ยมกลยุทธ์การสะสมอาจใช้งานได้ดีกว่าเล็กน้อย กลยุทธ์ RSI (2) ที่สะสมไว้จะทำงานได้ดีกับ MiniDoD เช่นเดียวกับสอง ETFs, DIA และ SPY รหัส EasyLanguage มีอยู่ด้านล่างเพื่อดาวน์โหลดฟรี นอกจากนี้ยังมีพื้นที่ทำงานของ TradeStation โปรดทราบแนวคิดการซื้อขายและรหัสตามที่ระบุไม่ใช่ระบบการซื้อขายที่สมบูรณ์ เป็นการสาธิตวิธีการป้อนข้อมูลที่มีประสิทธิภาพซึ่งสามารถใช้เป็นแกนหลักของระบบการซื้อขายได้ ดังนั้นสำหรับบรรดาผู้ที่สนใจในการสร้างระบบการซื้อขายของคุณเองแนวคิดนี้อาจเป็นจุดเริ่มต้นที่ดี ได้รับหนังสือ 2013 ปรับปรุง: