ชุดคำสั่งคอมพิวเตอร์ซื้อขายอัตโนมัติสำหรับสกุลเงินบิตคอยน์ด้วยตัวบ่งชี้ทางเทคนิค RSI และ Stoch

Bitcoin algorithmic trading using RSI and Stoch technical indicators

Name: ภัทรพล ชูชีพชื่นกมล

Organization : จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมคาสตร์

Email : 6470347921@student.chula.ac.th

Name: ดาริชา สุธีวงศ์

Organization : จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมคาสตร์

Email : daricha.s@chula.ac.th

keyword: Stochastic RSI

ThaSH: บิทคอยน์

; Cryptocurrency

ThaSH: กระบวนการสโตแคสติค

; Algorithmic trading

Abstract: ชุดดำสั่งคอมพิวเตอร์ซื้อขายอัตโนมัติได้รับความนิยมมากขึ้นในช่วงหลายปีที่ผ่านมาเมื่อนักลงทุนมองหาการตัดสินใจซื้อขายแบบ อัตโนมัติโดยใช้โปรแกรมคอมพิวเตอร์ วิธีการหนึ่งที่ใช้กันอย่างแพร่หลายคือการไช้ตัวบ่งชี้ทางเทดนิค เช่น Relative Strength Index (RSI) และ Stochastic Osillator (Stoch) เพื่อระบุสภาวะการซื้อมากเกินไปและการขายมากเกินไปในตลาด กลยุทธ์นี้อาจใช้ได้ผลในบางสภาวะตลาด แต่ก็อาจ ส่งผลให้เกิดการขาดทุนได้เช่นกัน ดังนั้นจึงมีความจำเป็นอย่างยิ่งที่จะต้องลองทดสอบกลยุทธ์การซื้อขายกับข้อมูลตลาดในอดีตก่อนที่จะไช้เงินทุน จริง ชุดคำสั่งคอมพิวเตอร์ซื้อขายอัดโนมัติสามารถเพิ่มประสิทธิภาพการซื้อขายและหลีกเลี้ยงอคติทางอารมณ์ที่เกี่ยวข้องกับการซื้อขายได้ บทความ นี้นำเสนอกลยุทธ์ซื้อขายด้วยตัวบ่งชี้ RSI และ Stoch ในชุดคำสั่งคอมพิวเตอร์ซื้อขายอัตนมัติสำหรับสกุลเงินบิตดอยน์ โดยซื้อเมื่อตลาดเป็นสภาวะ การขายมากเกินไป (RSI น้อยกว่า 30 stoch น้อยกว่า 20) และขายเมื่อตลาดเป็นสภาวะการซื้อมากเกินไป (RSI มากกว่า 70 Stoch มากกว่า 80) ซึ่งเป็นค่าที่นิยมใช้และวิเคราะห์ผลกระทบในสภาวะตลาดต่างๆ เช่น ตลาดขาขึ้น ตลาดขาลง และตลาดราดาออกข้าง ผลการทดลองกลยุทธ์ซื้อขาย ด้วยตัวบ่งชี้ RSI และ Stoch จะได้นำมาเปรียบเทียบกับการซื้อและถือยาวในการลงทุนระยะยาว ผลการทดลองพบว่าในช่วงเวลาที่ศึกษาคือ ก... 2021 ถึง ธ.ด. 2022 นั้นกลยุทธ์ซื้อขายด้วยตัวบ่งชี้แบบ Stoch บนกรอบเวลา 15 นาทีเหมาะกับตลาดโดยรวมและตลาดที่มีแนวโน้มขาขึ้น ในส่วน ของตลาดขาลงและตลาดราดาออกข้างตัวบ่งชี้ RSI และ stoch บนกรอบเวลา 1 วัน ให้ผลตอบแทนสูงสุด ซึ่งกลยุทธ์ซื้อขายด้วยตัวบ่งชี้ประกอบกับ กรอบเวลาที่เหมาะสมจะให้ผลตอบแทนที่ดีกว่ากรซื้อและถือยาวในทุกสภาวะตลาด

Abstract: Algorithmic trading has become increasingly popular in recent years as traders look to automate their trading decisions using computer programs. One widely used approach is to employ technical indicators such as the Relative Strength Index (RSI) and the Stochastic Oscillator (Stoch) to identify overbought and oversold conditions in the market. The strategy can be effective in certain market conditions, but it can also result in losses. Therefore, it is crucial to backtest any trading strategy before committing actual funds. Algorithmic trading can increase trading efficiency and avoid emotional biases associated with manual trading. This paper proposes various strategies using RSI and Stoch indicators, specifically buying in an oversold market (RSI less than 30, Stoch less than 20) and selling in an overbought market (RSI over 70, Stoch over 80), which is a popular trading strategy in Bitcoin algorithmic trading and analyzes their impact on changing market conditions, such as bullish, bearish and sideways markets. The results of using RSI and Stoch indicators are then compared with buying and holding in a long-term investment. The results show that, under the studied period from July 2021 to December 2022, the strategy using 15-minute Stoch indicator performs the best in the overall market and during the upward market trend. In the downward market and the sideways market, the strategies using the RSI and Stoch indicators with a timeframe of 1 day lead to optimal returns. Trading strategies using appropriate indicators and timeframe consistently outperform buyand- hold strategy in all market conditions

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2566

Modified: 2566-08-22

Issued: 2566-08-22

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยศิลปากร คณะวิศวกรรมศาสตร์และเทคโนโลยีอุตสาหกรรม. การประชุมวิชาการข่ายงานวิศวกรรมอุตสาหการ ครั้งที่ 41 ประจำปี 2566 (IE Network 2023) (pp.765-770). นครปฐม : มหาวิทยาลัยศิลปากร

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	IE Network 2023pp.765-770.pdf	1002.52 KB	4	2025-03-22 09:40:46

ใช้เวลา

0.033544 วินาที