Indicadores de negociação matemática

Como construir um indicador de negociação

Elliott e Gann se tornaram nomes conhecidos entre a comunidade comercial mundial. Esses pioneiros da análise técnica desenvolveram algumas das técnicas mais utilizadas no campo. Mas como Ralph Nelson Elliott e W. D. Gann vieram com essas técnicas e como elas se tornaram tão bem sucedidas? Verdade seja dita, não é tão difícil quanto parece! Este artigo conduz você pelo processo de criar seu próprio indicador personalizado, que pode ser usado para ganhar vantagem sobre a concorrência. (Veja também: Como usar os indicadores Gann.)

Fundo.

Lembre-se de que a teoria por trás da análise técnica afirma que os gráficos financeiros levam tudo em consideração - isto é, todos os fatores fundamentais e ambientais. A teoria prossegue afirmando que esses gráficos apresentam elementos da psicologia que podem ser interpretados por meio de indicadores técnicos. (Veja também: Análise Técnica.)

Para entender melhor isso, vamos ver um exemplo. Retrações de Fibonacci são derivadas de uma seqüência matemática: 1, 1, 2, 3, 5, 8, 13 e assim por diante. Podemos ver que o número atual é a soma dos dois números anteriores. O que isso tem a ver com os mercados? Bem, verifica-se que esses níveis de retração (33%, 50%, 66%) influenciam as decisões dos comerciantes a tal ponto que os níveis se tornaram um conjunto de níveis de suporte e resistência psicológica. A ideia é que, ao encontrar esses pontos nos gráficos, é possível prever as direções futuras dos movimentos de preços. (Veja também: Tirando a Magia dos Números de Fibonacci.)

Componentes de um indicador.

Todos os indicadores são criados para prever onde um preço está indo quando uma determinada condição está presente. Os comerciantes tentam prever duas coisas básicas:

Níveis de suporte e resistência: são importantes porque são as áreas nas quais os preços invertem a direção. Tempo: Isso é importante porque você precisa prever quando os movimentos de preços ocorrerão.

Ocasionalmente, os indicadores prevêem esses dois fatores diretamente - como é o caso das ondas de Bollinger ou Elliott -, mas os indicadores geralmente têm um conjunto de regras para emitir uma previsão. (Veja também: Suporte e Princípios Básicos da Resistência.)

Por exemplo, ao usar o indicador de largura de impulso (que é representado por uma linha indicando os níveis de momento), precisamos saber quais níveis são relevantes. O indicador em si é simplesmente uma linha. O indicador de empuxo é semelhante ao RSI, na medida em que é "ligado ao intervalo", e é usado para avaliar o momento dos movimentos de preços. Quando a linha está na zona mediana, há pouco impulso. Quando ele sobe para a zona superior, sabemos que há um aumento no momento e vice-versa. Pode-se procurar tomar uma posição longa quando o momentum está subindo de níveis baixos e olhar para curto após o pico do momentum em um nível alto. É importante definir regras para interpretar o significado dos movimentos de um indicador para torná-los úteis.

Com isso em mente, vamos ver maneiras de criar previsões. Existem dois tipos principais de indicadores: indicadores únicos e indicadores híbridos. Indicadores únicos podem ser desenvolvidos apenas com elementos centrais da análise de gráficos, enquanto os indicadores híbridos podem usar uma combinação de elementos centrais e indicadores existentes.

Componentes de indicadores exclusivos.

Indicadores únicos são baseados em aspectos inerentes a gráficos e funções matemáticas. Aqui estão dois dos componentes mais comuns:

Os padrões estão simplesmente repetindo sequências de preços aparentes ao longo de um determinado período de tempo. Muitos indicadores usam padrões para representar movimentos de preço futuros prováveis. Por exemplo, a teoria de Elliott Wave baseia-se na premissa de que todos os preços se movem em um determinado padrão que é simplificado no exemplo a seguir:

Existem muitos outros padrões simples que os comerciantes usam para identificar áreas de movimento de preços dentro de ciclos. Algumas delas incluem triângulos, cunhas e retângulos.

Esses tipos de padrões podem ser identificados em gráficos simplesmente observando-os; no entanto, os computadores oferecem uma maneira muito mais rápida de realizar essa tarefa. Aplicativos e serviços de computador fornecem a capacidade de localizar automaticamente esses padrões.

As funções matemáticas podem variar desde a média dos preços até funções mais complexas baseadas no volume e outras medidas. Por exemplo, Bandas de Bollinger são simplesmente porcentagens fixas acima e abaixo de uma média móvel. Esta função matemática fornece um canal de preço claro que mostra os níveis de suporte e resistência.

Componentes de indicadores híbridos.

Os indicadores híbridos usam uma combinação de indicadores existentes e podem ser considerados sistemas de negociação simplistas. Existem inúmeras maneiras pelas quais os elementos podem ser combinados para formar indicadores válidos. Aqui está um exemplo do cruzamento do MA:

Este indicador híbrido utiliza vários indicadores diferentes, incluindo três instâncias das médias móveis. É preciso primeiro desenhar as médias móveis de três, sete e 20 dias com base no histórico de preços. A regra então procura um crossover para comprar o título ou um cross-under para vender. Esse sistema indica um nível no qual o movimento de preço pode ser esperado e fornece uma maneira razoável de estimar quando isso ocorrerá (conforme as linhas se aproximam). Aqui está o que pode parecer:

Criando um indicador.

Um comerciante pode criar um indicador seguindo vários passos simples:

Determine o tipo de indicador que você deseja criar: exclusivo ou híbrido. Determine os componentes a serem incluídos no seu indicador. Crie um conjunto de regras (se necessário) para determinar quando e onde os movimentos de preços devem ocorrer. Teste seu indicador no mercado real por meio de testes reversos ou negociação de papel. Se ele produzir bons retornos, coloque-o em uso.

Um exemplo.

Suponha que queremos criar um indicador que mede um dos elementos mais básicos dos mercados: variações de preço. O objetivo do nosso indicador é prever os movimentos futuros dos preços com base nesse padrão de oscilação. (Veja também: Uso de indicadores técnicos para desenvolver estratégias de negociação.)

Passo 1: Procuramos desenvolver um indicador único usando dois elementos principais, um padrão e funções matemáticas. Passo 2: Observando os gráficos semanais das ações da empresa XYZ, notamos algumas oscilações básicas entre otimismo e pessimismo que duram cerca de cinco dias. Como nosso indicador é medir oscilações de preço, devemos nos interessar por padrões para definir o balanço e uma função matemática, médias de preço, para definir o escopo dessas oscilações. Passo 3: Agora precisamos definir as regras que governam esses elementos. Os padrões são os mais fáceis de definir: eles são simplesmente padrões de alta e baixa que se alternam a cada cinco ou mais dias. Para criar uma média, tiramos uma amostra da duração das tendências ascendentes e uma amostra da duração das tendências descendentes. Nosso resultado final deve ser um período de tempo esperado para que esses movimentos ocorram. Para definir o escopo das oscilações, usamos um relativo alto e um relativo baixo, e os definimos no alto e no baixo do gráfico semanal. Em seguida, para criar uma projeção da inclinação / declínio atual com base em declives / declínios passados, simplesmente calculamos a média das inclinações / declínios totais e prevemos que os mesmos movimentos medidos (+/-) ocorrerão no futuro. A direção e a duração do movimento, novamente, são determinadas pelo padrão. Passo 4: Aproveitamos esta estratégia e testamos manualmente, ou utilizamos software para traçar e criar sinais. Descobrimos que pode retornar com sucesso 5% por swing (a cada cinco dias). (Veja também: Backtesting e Forward Testing: A Importância da Correlação.) Passo 5: Finalmente, vamos viver com este conceito e negociar com dinheiro real.

Linha de fundo.

Construir seu próprio indicador envolve dar uma olhada mais profunda na análise técnica e depois desenvolver esses componentes básicos em algo único. Em última análise, o objetivo é ganhar vantagem sobre outros comerciantes. Basta olhar para Ralph Nelson Elliott ou W. D. Gann. Seus indicadores de sucesso deram a eles não apenas uma vantagem comercial, mas também popularidade e notoriedade dentro dos círculos financeiros em todo o mundo.

Matemática No Forex.

O uso da matemática na negociação forex não é um grande segredo ou uma coisa especial que precisa ser especialmente mencionada neste dia de idade. Há tantas ferramentas matemáticas de negociação forex disponíveis facilmente on-line nos dias de hoje. A fim de tornar as coisas mais fáceis para os comerciantes forex, muitas das ferramentas de negociação forex matemática foi construída em plataformas de negociação forex, que é uma coisa muito básica necessária para negociar online forex.

Pode-se ter uma idéia clara sobre a importância da matemática em forex on-line pela presença de tantos softwares e indicadores matemáticos de forex no mercado. Estas são as ferramentas que fazem uso da matemática para negociação forex. Os comerciantes do mercado forex usam esses sinais forex matematicamente concebidos porque eles fornecem melhores chances de obter lucro para casa quando você negocia forex. Estes softwares forex matemáticos e ferramentas indicam os melhores lugares para entrar e sair com base em probabilidades e análises estatísticas de tendências futuras do mercado.

É bem sabido que a negociação forex é toda sobre a probabilidade, e saber como fazer uso da matemática no forex provavelmente será uma vantagem adicional que resultará em ganhos maiores e perdas menores. O princípio fundamental básico em quem se baseia qualquer sistema matemático de negociação forex é descobrir a direção da tendência e comprar ou vender com ou contra ela. As tendências aparecem em todos os tipos de mercados financeiros devido ao fato de que os preços não são totalmente aleatórios. O mercado forex consiste em muitos grandes jogadores, como os grandes bancos e instituições financeiras que têm esse poder que, mesmo com uma única transação forex, podem forçar o mercado forex a movimentar muitos pips. Como resultado, os preços podem passar de um preço para outro mais e mais. Assim, muitas das equações matemáticas precisam ser realizadas em tempo real para saber os pontos de entrada ou saída para ter ganhos potenciais. Assim, vemos que a matemática é importante para o negócio de forex.

Se você não é um matemático ou acha difícil entender o conceito de matemática em forex, não há necessidade de se preocupar. Você precisa saber os cálculos lógicos simples para negociação forex para começar. No entanto, com o tempo para acelerar seus negócios e sua capacidade de realizar cálculos, é recomendável dedicar algum tempo para expandir seu conhecimento matemático, referindo-se a algum programa simples de automação e cálculo, projetado para ajudar os comerciantes forex.

Matemática na Negociação: Como Estimar os Resultados do Comércio.

Introdução: A matemática é a rainha das ciências.

Um certo nível de background matemático é requerido para qualquer trader, e esta declaração não precisa de provas. A questão é apenas: Como podemos definir esse nível mínimo exigido? No crescimento de sua experiência de trading, o trader freqüentemente amplia sua visão "single-handed", lendo posts em fóruns ou vários livros. Alguns livros requerem um nível mais baixo de conhecimento matemático dos leitores, outros, ao contrário, inspiram a pessoa a estudar ou retocar o conhecimento em um campo de ciências puras ou outro. Vamos tentar dar algumas estimativas e suas interpretações neste artigo único.

De dois males Escolha o menos.

Há mais matemáticos no mundo do que os comerciantes bem sucedidos. Este fato é freqüentemente usado como argumento por aqueles que se opõem a cálculos ou métodos complexos na negociação. Podemos dizer que a negociação não é apenas a capacidade de desenvolver regras de negociação (habilidades de análise), mas também a capacidade de observar essas regras (disciplina). Além disso, uma teoria que descreveria exatamente os preços nos mercados financeiros ainda não foi criada até agora (acho que nunca será criada). A criação da teoria (descoberta da natureza matemática) dos próprios mercados financeiros significaria a morte desses mercados, que é um paradoxo indecidível, em termos de filosofia. No entanto, se nos depararmos com a questão de ir ao mercado com uma descrição matemática não muito satisfatória do mercado ou sem qualquer descrição, escolhemos o mal mínimo: Escolhemos métodos de estimação de sistemas de negociação.

O que é anormalidade da distribuição normal?

Uma das noções básicas da teoria da probabilidade é a noção de distribuição normal (gaussiana). Por que é assim chamado? Muitos processos naturais acabaram sendo distribuídos normalmente. Para ser mais exato, os processos mais naturais, no limite, reduzem-se à distribuição normal. Vamos considerar um exemplo simples. Suponha que tenhamos uma distribuição uniforme no intervalo de 0 a 100. Distribuição uniforme significa que a probabilidade de cair qualquer valor no intervalo e probabilidade de que 3. 14 (Pi) cairá é a mesma que a da queda 77 (meu número favorito com dois setes). Computadores modernos ajudam a gerar uma boa seqüência de números pseudo-aleatórios.

Como podemos obter uma distribuição normal desta distribuição uniforme? Acontece que, se tomarmos cada vez vários números aleatórios (por exemplo, 5 números) de uma distribuição única e encontrarmos o valor médio desses números (isso é chamado de 'tirar uma amostra') e se a quantidade de tais amostras é ótimo, a distribuição recém-obtida tenderá ao normal. O teorema do limite central diz que isso se relaciona não apenas a amostras tiradas de distribuições únicas, mas também a uma classe muito grande de outras distribuições. Como as propriedades de distribuição normal foram estudadas muito bem, será muito mais fácil analisar os processos se eles forem representados como um processo com distribuição normal. No entanto, ver é acreditar, então podemos ver a confirmação desse teorema do limite central usando um simples indicador MQL4.

Vamos lançar este indicador em qualquer gráfico com diferentes valores de N (quantidade de amostras) e ver que a distribuição de freqüência empírica se torna mais suave e suave.

Figura 1. Indicador que cria uma distribuição normal de um uniforme.

Aqui, N significa quantas vezes tiramos a média de pilha = 5 números uniformemente distribuídos no intervalo de 0 a 100. Obtivemos quatro gráficos, muito semelhantes em aparência. Se os normalizarmos de alguma forma no limite (adjunto a uma única escala), obteremos várias realizações da distribuição normal padrão. A única mosca nesse unguento é que os preços nos mercados financeiros (para ser mais exato, incrementos de preço e outros derivativos desses incrementos), em geral, não se encaixam na distribuição normal. A probabilidade de um evento bastante raro (por exemplo, de preço decrescente de 50%) nos mercados financeiros é, embora baixa, mas ainda consideravelmente maior do que na distribuição normal. É por isso que devemos nos lembrar disso ao estimar riscos com base na distribuição normal.

Quantidade transforma-se em qualidade.

Até mesmo este exemplo simples de modelagem de distribuição normal mostra que a quantidade de dados a serem processados ​​conta muito. Quanto mais dados iniciais houver, mais preciso e válido será o resultado. O menor número na amostra é considerado como tendo que exceder 30. Isso significa que, se quisermos estimar os resultados das negociações (por exemplo, um Expert Advisor no Testador), a quantidade de negociações abaixo de 30 é insuficiente para tornar estatisticamente confiável conclusões sobre alguns parâmetros do sistema. Quanto mais negociações analisamos, menor a probabilidade de que esses negócios sejam apenas elementos arrebatados de um sistema comercial pouco confiável. Assim, o lucro final em uma série de 150 negociações oferece mais motivos para colocar o sistema em serviço do que um sistema estimado em apenas 15 negociações.

Expectativa Matemática e Dispersão como Estimativa de Risco.

As duas características mais importantes de uma distribuição são a expectativa matemática (média) e a dispersão. A distribuição normal padrão tem uma expectativa matemática igual a zero. Nesse ponto, o centro de distribuição também está localizado em zero. A planicidade ou declividade da distribuição normal é caracterizada pela medida de propagação de um valor aleatório dentro da área de expectativa matemática. É a dispersão que nos mostra como os valores estão espalhados sobre a expectativa matemática do valor aleatório.

Expectativa matemática pode ser encontrada de uma forma muito simples: Para conjuntos contáveis, todos os valores de distribuição são somados, sendo a soma obtida dividida pela quantidade de valores. Por exemplo, um conjunto de números naturais é infinito, mas contável, já que cada valor pode ser comparado com seu índice (número de pedido). Para conjuntos incontáveis, a integração será aplicada. Para estimar a expectativa matemática de uma série de negociações, resumiremos todos os resultados comerciais e dividiremos o montante obtido pela quantidade de negociações. O valor obtido mostrará o resultado médio esperado de cada negociação. Se a expectativa matemática é positiva, nós lucramos em média. Se for negativo, perdemos em média.

Figura 2. Gráfico de densidade de probabilidade da distribuição normal.

A medida de propagação da distribuição é a soma dos desvios quadrados do valor aleatório de sua expectativa matemática. Essa característica da distribuição é chamada de dispersão. Normalmente, a expectativa matemática para um valor distribuído aleatoriamente é denominada M (X). Então a dispersão pode ser descrita como D (X) = M ((X-M (X)) ^ 2). A raiz quadrada da dispersão é denominada desvio padrão. Também é definido como sigma (σ). É uma distribuição normal com expectativa matemática igual a zero e desvio padrão igual a 1 que é chamado de distribuição normal, ou gaussiana.

Quanto maior o valor do desvio padrão, mais variável é o capital comercial, maior é o risco. Se a expectativa matemática for positiva (uma estratégia lucrativa) e igual a $ 100 e se o desvio padrão for igual a $ 500, arriscamos uma quantia, que é várias vezes maior, para ganhar cada dólar. Por exemplo, temos os resultados de 30 negociações:

Para encontrar a expectativa matemática para essa sequência de negociações, vamos somar todos os resultados e dividir isso por 30. Obteremos o valor médio M (X) igual a $ 4,26. Para encontrar o desvio padrão, subtraia a média do resultado de cada negócio, faça um quadrado e encontre a soma dos quadrados. O valor obtido será dividido por 29 (a quantidade de negociações menos um). Assim, obteremos a dispersão D igual a 9 353.623. Tendo gerado a raiz quadrada da dispersão, obtém-se o desvio padrão, sigma, igual a $ 96,71.

Os dados do cheque são dados na tabela abaixo:

(Quadrado da diferença)

O que obtivemos é a expectativa matemática igual a US $ 4,26 e o ​​desvio padrão de US $ 96,71. Não é a melhor relação entre o risco e o comércio médio. Gráfico de lucro abaixo confirma isso:

Fig.3. Gráfico de saldo para negociações realizadas.

Eu troco aleatoriamente? Z-Score.

A suposição em si de que o lucro obtido como resultado de uma série de operações é aleatória soa ironicamente para a maioria dos traders. Tendo gasto muito tempo à procura de um sistema comercial bem sucedido e observado que o sistema encontrado já resultou em alguns lucros reais em um período de tempo bastante limitado, o trader supõe ter encontrado uma abordagem adequada ao mercado. Como ele pode assumir que tudo isso foi apenas uma aleatoriedade? Isso é um pouco grosso demais, especialmente para iniciantes. No entanto, é essencial estimar os resultados objetivamente. Neste caso, a distribuição normal, novamente, vem para o resgate.

Não sabemos qual será o resultado de cada negócio. Só podemos dizer que ou ganhamos lucro (+) ou enfrentamos perdas (-). Lucros e perdas alternam de maneiras diferentes para diferentes sistemas de negociação. Por exemplo, se o lucro esperado for 5 vezes menor do que a perda esperada no acionamento do Stop Loss, seria razoável presumir que as negociações lucrativas (+ negociações) prevalecerão significativamente sobre as perdas (comércios). O Z - Score permite estimar com que frequência as negociações lucrativas são alternadas com as perdidas.

Z para um sistema de negociação é calculado pela seguinte fórmula:

N - quantidade total de negociações em uma série;

R - quantidade total de séries de negociações lucrativas e perdedoras;

W - quantidade total de negociações lucrativas na série;

L - quantidade total de negociações perdedoras na série.

Uma série é uma sequência de sinais positivos, seguidos uns dos outros (por exemplo, +++) ou minuses seguidos uns dos outros (por exemplo, -). R conta a quantidade de tais séries.

Fig.4. Comparação de duas séries de lucros e perdas.

Na Fig. 4, uma parte da sequência de lucros e perdas do Expert Advisor que ocupou o primeiro lugar no Campeonato de Negociação Automática 2006 é mostrada em azul. Z-score da sua conta de competição tem o valor de -3,85, a probabilidade de 99,74% é dada entre parênteses. Isso significa que, com uma probabilidade de 99,74%, os negócios nessa conta tiveram uma dependência positiva entre eles (o escore Z é negativo): um lucro foi seguido por um lucro, uma perda foi seguida por uma perda. É este o caso? Aqueles que estavam assistindo ao campeonato provavelmente se lembrariam que Roman Rich colocou sua versão do Expert Advisor MACD que freqüentemente abriu três negociações rodando na mesma direção.

Uma sequência típica de valores positivos e negativos do valor aleatório na distribuição normal é mostrada em vermelho. Podemos ver que essas seqüências são diferentes. No entanto, como podemos medir essa diferença? Z-score responde a esta pergunta: Sua sequência de lucros e perdas contém mais ou menos tiras (lucrativas ou séries perdedoras) do que você pode esperar por uma sequência realmente aleatória sem qualquer dependência entre negociações? Se o escore Z for próximo de zero, não podemos dizer que a distribuição de negociações seja diferente da distribuição normal. Z-score de uma seqüência de negociação pode nos informar sobre a possível dependência entre negociações consecutivas.

Nisso, os valores de Z são interpretados da mesma forma que a probabilidade de desvio de zero de um valor aleatório distribuído de acordo com a distribuição normal padrão (média = 0, sigma = 1). Se a probabilidade de cair um valor aleatório normalmente distribuído dentro do intervalo de ± 3σ é 99,74%, a queda desse valor fora desse intervalo com a mesma probabilidade de 99,74% nos informa que esse valor aleatório não pertence a essa distribuição normal dada . É por isso que a "regra do 3-sigma" é lida da seguinte maneira: um valor aleatório normal se desvia da sua média por não mais de 3-sigma de distância.

O sinal de Z nos informa sobre o tipo de dependência. Além disso, significa que é muito provável que o comércio lucrativo seja seguido por um perdedor. Menos diz que o lucro será seguido por um lucro, uma perda será seguida por uma perda novamente. Uma pequena tabela abaixo ilustra o tipo e a probabilidade de dependência entre as negociações em comparação com a distribuição normal.

Uma dependência positiva entre negociações significa que um lucro causará um novo lucro, enquanto uma perda causará uma nova perda. Uma dependência negativa significa que um lucro será seguido por uma perda, enquanto a perda será seguida por um lucro. A dependência encontrada nos permite regular os tamanhos das posições a serem abertas (idealmente) ou até mesmo pular algumas delas e abri-las apenas virtualmente, a fim de observar sequências comerciais.

Rendimentos de períodos de espera (HPR)

Em seu livro, The Mathematics of Money Management, Ralph Vince usa a noção de HPR (holding period returns). Uma negociação resultou em lucro de 10% tem o HPR = 1 + 0,10 = 1,10. Um trade resultou em uma perda de 10% com o HPR = 1-0. 10 = 0,90. Você também pode obter o valor de HPR para uma negociação, dividindo o valor do saldo após o fechamento da negociação (BalanceClose) pelo valor do saldo na abertura da negociação (BalanceOpen). HPR = BalanceClose / BalanceOpen. Assim, todo comércio tem tanto um resultado em termos monetários quanto um resultado expresso em HPR. Isso nos permitirá comparar sistemas independentemente do tamanho dos contratos negociados. Um dos índices utilizados em tal comparação é a média aritmética, AHPR (retornos médios do período de retenção).

Para encontrar o AHPR, devemos somar todos os HPRs e dividir o resultado pela quantidade de negociações. Vamos considerar esses cálculos usando o exemplo acima de 30 negociações. Suponha que começamos a negociar com $ 500 na conta. Vamos fazer uma nova tabela:

AHPR será encontrado como a média aritmética. É igual a 1,0217. Em outras palavras, nós ganhamos medianamente (1,0217-1) * 100% = 2,17% em cada negociação. É este o caso? Se multiplicarmos 2,17 por 30, veremos que a receita deve chegar a 65,1%. Vamos multiplicar o valor inicial de $ 500 por 65,1% e obter $ 325,50. Ao mesmo tempo, o lucro real torna (627,71-500) /500 * 100% = 25,54%. Assim, a média aritmética de HPR nem sempre nos permite estimar um sistema adequadamente.

Juntamente com a média aritmética, Ralph Vince introduz a noção de média geométrica que chamaremos GHPR (retornos de período de retenção geométrica), que é praticamente sempre menor que a AHPR. A média geométrica é o fator de crescimento por jogo e é encontrada pela seguinte fórmula:

N - quantidade de negociações;

BalanceOpen - estado inicial da conta;

BalanceClose - estado final da conta.

O sistema com o maior GHPR terá os maiores lucros se negociarmos com base no reinvestimento. O GHPR abaixo de um significa que o sistema perderá dinheiro se negociarmos com base no reinvestimento. Uma boa ilustração da diferença entre o AHPR e o GHPR pode ser o histórico da conta do sashken. Ele foi o líder do campeonato por um longo tempo. AHPR = 9,98% impressiona, mas o GHPR final = -27,68% coloca tudo em perspectiva.

Relação de Sharpe.

A eficiência dos investimentos é frequentemente estimada em termos de dispersão de lucros. Um desses índices é o índice de Sharpe. Este índice mostra como a AHPR diminuiu pela taxa livre de risco (RFR) relacionada ao desvio padrão (SD) da sequência HPR. O valor do RFR é geralmente considerado igual à taxa de juros em depósito no banco ou taxa de juros sobre obrigações do tesouro. No nosso exemplo, AHPR = 1,0217, SD (HPR) = 0,17607, RFR = 0.

AHPR - retornos médios do período de detenção;

RFR - taxa livre de risco;

SD - desvio padrão.

Proporção de Sharpe = (1,0217- (1 + 0)) / 0,17607 = 0,0217 / 0,17607 = 0,1232. Para distribuição normal, mais de 99% dos valores aleatórios estão dentro da faixa de ± 3σ (sigma = SD) sobre o valor médio M (X). Daqui resulta que o valor de Sharpe Ratio superior a 3 é muito bom. Na Figura 5 abaixo, podemos ver que, se os resultados de negociação são distribuídos normalmente e Índice de Sharpe = 3, a probabilidade de perda é inferior a 1% por negociação, de acordo com a regra 3-sigma.

Fig.5. Distribuição normal dos resultados comerciais com a probabilidade de perda inferior a 1%.

A conta do participante RobinHood confirma isso: sua EA fez 26 negociações no Automated Trading Championship 2006 sem perder nenhuma delas. Relação de Sharpe = 3,07!

Regressão Linear (LR) e Coeficiente de Correlação Linear (CLC)

Há também outra maneira de estimar a estabilidade dos resultados comerciais. Sharpe Ratio nos permite estimar o risco do capital está sendo executado, mas também podemos tentar estimar o grau de suavidade da curva de equilíbrio. Se impusermos os valores de saldo no fechamento de cada negociação, poderemos traçar uma linha quebrada. Esses pontos podem ser ajustados com uma certa linha reta que nos mostrará a direção média das mudanças de capital. Vamos considerar um exemplo dessa oportunidade usando o gráfico de equilíbrio do Expert Advisor Phoenix_4 desenvolvido por Hendrick.

Fig. 6. Gráfico de balanço de Hendrick, o participante do campeonato de negociação automatizado 2006.

Temos que encontrar os coeficientes aeb de que esta linha vai o mais próximo possível dos pontos que estão sendo ajustados. No nosso caso, x é o número comercial, y é o valor do saldo no fechamento do negócio.

Os coeficientes de uma reta aproximada são geralmente encontrados pelo método dos mínimos quadrados (método dos mínimos quadrados). Suponha que tenhamos isso direto com os coeficientes conhecidos a e b. Para cada x, temos dois valores: y (x) = a * x + be balanço (x). O desvio do equilíbrio (x) de y (x) será denotado como d (x) = y (x) - balanço (x). O SSD (soma dos desvios quadrados) pode ser calculado como SD = Summ. Encontrar o método straight by LS significa procurar por aeb que o SD é mínimo. Essa reta também é chamada de regressão linear (LR) para a sequência dada.

Fig. 7. Desvio do valor do balanço da reta de y = ax + b.

Tendo obtido coeficientes da reta de y = a * x + b usando o método LS, podemos estimar o desvio do valor do balanço a partir da reta encontrada em termos monetários. Se calcularmos a média aritmética da sequência d (x), estaremos certos de que М (d (x)) está próximo de zero (para ser mais exato, é igual a zero para algum grau de precisão de cálculo). Ao mesmo tempo, o SSD de SD não é igual a zero e tem um certo valor limitado. A raiz quadrada de SD / (N-2) mostra a distribuição de valores no gráfico Balanço sobre a linha reta e permite estimar os sistemas de negociação com valores idênticos do estado inicial da conta. Nós chamaremos este parâmetro LR Standard Error.

Abaixo estão os valores desse parâmetro para as primeiras 15 contas no Automated Trading Championship 2006:

No entanto, o grau de aproximação do gráfico de balanço a uma reta pode ser medido em termos monetários e absolutos. Para isso, podemos usar taxa de correlação. A taxa de correlação, r, mede o grau de correlação entre duas seqüências de números. Seu valor pode estar dentro do intervalo de -1 a +1. Se r = + 1, significa que duas seqüências têm comportamento idêntico e a correlação é positiva.

Fig. 8. Exemplo de correlação positiva.

Se r = -1, as duas seqüências mudam em oposição, a correlação é negativa.

Fig. 9. Exemplo de correlação negativa.

Se r = 0, significa que não há dependência encontrada entre as seqüências. Deve ser enfatizado que r = 0 não significa que não há correlação entre as seqüências, apenas diz que tal correlação não foi encontrada. Isso deve ser lembrado. No nosso caso, temos que comparar duas seqüências de números: одна последовательность из графика баланса, а вторая - соответствующие точки на прямой линейной регрессии.

Fig. 10. Valores de equilíbrio e pontos na regressão linear.

Abaixo está a representação da tabela dos mesmos dados:

Vamos denotar valores de equilíbrio como X e a seqüência de pontos na linha de regressão reta como Y. Para calcular o coeficiente de correlação linear entre as seqüências X e Y, é necessário encontrar os valores médios M (X) e M (Y) primeiro. Então, criaremos uma nova sequência T = (XM (X)) * (YM (Y)) e calcularemos seu valor médio como M (T) = cov (X, Y) = M ((XM (X)) * ( YM (Y))). O valor encontrado de cov (X, Y) é denominado covariância de X e Y e significa expectativa matemática do produto (X-M (X)) * (Y-M (Y)). Para nosso exemplo, o valor de covariância é 21 253 775,08. Por favor, note que M (X) e M (Y) são iguais e têm o valor de 21 382,26 cada. Isso significa que o valor médio do saldo e a média do ajuste são iguais.

Y - regressão linear;

M (X) - Valor médio do saldo;

M (Y) - LR valor médio.

A única coisa que resta a ser feita é o cálculo de Sx e Sy. Para calcular Sx, vamos encontrar a soma dos valores de (X-M (X)) ^ 2, ou seja, encontrar o SSD de X a partir do seu valor médio. Lembre-se como calculamos a dispersão e o algoritmo do método LS. Como você pode ver, todos estão relacionados. O SSD encontrado será dividido pela quantidade de números na sequência - no nosso caso, 36 (de zero a 35) - e extrair a raiz quadrada do valor resultante. Então nós obtivemos o valor de Sx. O valor de Sy será calculado da mesma maneira. No nosso exemplo, Sx = 5839. 098245 e Sy = 4610. 181675.

N - quantidade de negociações;

Y - regressão linear;

M (X) - Valor médio do saldo;

M (Y) - LR valor médio.

Agora podemos encontrar o valor do coeficiente de correlação como r = 21 253 775,08 / (5839, 098245 * 4610, 181675) = 0,789536583. Isso está abaixo de um, mas longe de zero. Assim, podemos dizer que o gráfico de saldo se correlaciona com a linha de tendência avaliada como 0,79. Em comparação com outros sistemas, aprenderemos gradualmente a interpretar os valores do coeficiente de correlação. Na página "Relatórios" do Campeonato, esse parâmetro é chamado de correlação LR. A única diferença feita para calcular este parâmetro dentro da estrutura do Campeonato é que o sinal da correlação LR indica a rentabilidade do negócio.

A questão é que podemos calcular o coeficiente de correlação entre o gráfico de balanço e qualquer linha reta. Para fins do Campeonato, foi calculado para a linha de tendência ascendente, portanto, se a correlação LR estiver acima de zero, a negociação é lucrativa. Se estiver abaixo de zero, está perdendo. Às vezes, um efeito interessante ocorre quando a conta aumenta o lucro, mas a correlação LR é negativa. Isso pode significar que a negociação está perdendo, de qualquer maneira. Um exemplo dessa situação pode ser visto no Aver's. O Lucro Líquido Total faz $ 2 642, enquanto a Correlação LR é -0,11. Provavelmente não há correlação, neste caso. Isso significa que não podemos julgar o futuro da conta.

MAE e MFE nos dirão muito.

Muitas vezes somos avisados: "Reduza as perdas e deixe o lucro crescer". Olhando para os resultados finais do comércio, não podemos tirar nenhuma conclusão sobre se as paradas de proteção (Stop Loss) estão disponíveis ou se a fixação do lucro é efetiva. Apenas vemos a data de abertura da posição, a data de encerramento e o resultado final - um lucro ou uma perda. Isso é como julgar uma pessoa por suas datas de nascimento e morte. Sem saber sobre os lucros flutuantes durante a vida de cada negócio e sobre todas as posições como um todo, não podemos julgar a natureza do sistema de negociação. Quão arriscado é isso? Como foi alcançado o lucro? O lucro do papel foi perdido? As respostas a estas perguntas podem ser bem fornecidas pelos parâmetros MAE (Excursão Máxima Advertiva) e MFE (Excursão Máxima Favorável).

Cada posição aberta (até que esteja fechada) experimenta continuamente flutuações de lucro. Todo negócio atingiu seu lucro máximo e sua perda máxima durante o período entre sua abertura e fechamento. MFE mostra o movimento máximo do preço em uma direção favorável. Respectivamente, o MAE mostra o movimento máximo do preço em uma direção adversa. Seria lógico medir os dois índices em pontos. No entanto, se diferentes pares de moedas forem negociados, teremos que expressá-lo em termos monetários.

Todo comércio fechado corresponde ao seu resultado (retorno) e dois índices - MFE e MAE. Se o negócio resultou em lucro de US $ 100, atingindo o MAE - US $ 1000, isso não significa o melhor para esse negócio. A disponibilidade de muitos negócios resultou em lucros, mas com grandes valores negativos do MAE por negociação, nos informa que o sistema apenas "fica de fora" perdendo posições. Essa negociação está fadada ao fracasso mais cedo ou mais tarde.

Da mesma forma, os valores de MFE podem fornecer algumas informações úteis. Se uma posição foi aberta na direção certa, a MFE por negociação chegou a US $ 3.000, mas a negociação foi fechada resultando no lucro de US $ 500, podemos dizer que seria bom elaborar o sistema de proteção ao lucro não fixado. Isso pode ser Trailing Stop que podemos mover após o preço se este último se mover em uma direção favorável. Se lucros curtos são sistemáticos, o sistema pode ser significativamente melhorado. MFE nos dirá sobre isso.

Para que a análise visual seja mais conveniente, seria melhor usar a representação gráfica da distribuição de valores de MAE e MFE. Se impusermos cada negociação em um gráfico, veremos como o resultado foi obtido. Por exemplo, se tivermos outra olhada em "Relatórios" de RobinHood que não tiveram nenhum negócio perdedor, veremos que cada negociação teve um rebaixamento (MAE) de - $ 120 a - $ 2500.

Fig. 11. Distribuição de negociações no plano de MAExReturns.

Além disso, podemos desenhar uma linha reta para ajustar a distribuição Returns x MAE usando o método LS. Na Fig. 11, é mostrado em vermelho e tem uma inclinação negativa (os valores retos diminuem quando se move da esquerda para a direita). Correlação de Parâmetros (Lucros, MAE) = - 0,59 nos permite estimar o quão perto da reta os pontos estão distribuídos no gráfico. O valor negativo mostra inclinação negativa da linha de ajuste.

Se você examinar as contas de outros participantes, verá que o coeficiente de correlação geralmente é positivo. No exemplo acima, a inclinação descendente da linha nos diz que ela tende a obter mais e mais rebaixamentos para não permitir negociações perdidas. Agora podemos entender que preço foi pago pelo valor ideal do parâmetro LR Correlation = 1!

Da mesma forma, podemos construir um gráfico de distribuição de retornos e MFE, bem como encontrar os valores de Correlação (Lucros, MFE) = 0,77 e Correlação (MFE, MAE) = -0,59. Correlação (Lucros, MFE) é positiva e tende a um (0,77). Isso nos informa que a estratégia tenta não permitir lucros flutuantes "longos". É mais provável que o lucro não seja permitido crescer o suficiente e as negociações são fechadas pelo Take Profit. Como você pode ver, as distribuições de MAE e MFE nos dão uma estimativa visual e os valores de Correlação (Lucros, MFE) e Correlação (Lucros, MAE) podem nos informar sobre a natureza da negociação, mesmo sem gráficos.

Valores de Correlação (MFE, MAE), Correlação (Lucros Normalizados, MAE) e Correlação (Lucros Normalizados, MFE) nos "Relatórios" dos Participantes do Campeonato são dados como informação adicional.

Normalização do Resultado do Comércio.

No desenvolvimento de sistemas de negociação, eles geralmente usam tamanhos fixos para posições. Isso permite uma otimização mais fácil dos parâmetros do sistema, a fim de encontrar os mais adequados em determinados critérios. No entanto, depois que as entradas foram encontradas, a pergunta lógica ocorre: Qual sistema de gerenciamento de dimensionamento (Money Management, MM) deve ser aplicado. O tamanho das posições abertas se relaciona diretamente com a quantia de dinheiro na conta, então não seria razoável negociar na conta com $ 5.000 da mesma forma que com $ 50.000. Além disso, um sistema MM pode abrir posições, que não são diretamente proporcionais. Quero dizer, uma posição aberta na conta com $ 50.000 não deve necessariamente ser 10 vezes mais do que a aberta em um depósito de $ 5.000.

Os tamanhos de posição também podem variar de acordo com a fase atual do mercado, com os resultados das últimas análises de vários negócios e assim por diante. Assim, o sistema de gerenciamento de dinheiro aplicado pode essencialmente alterar a aparência inicial de um sistema de negociação. Como podemos, então, estimar o impacto do sistema de gerenciamento de dinheiro aplicado? Foi útil ou apenas piorou os aspectos negativos da nossa abordagem de negociação? Como podemos comparar os resultados de negociação em várias contas com o mesmo tamanho de depósito no início? Uma solução possível seria a normalização dos resultados comerciais.

TradeProfit - lucro por comércio em termos monetários;

TradeLots - tamanho da posição (lotes);

MinimumLots - tamanho mínimo permitido da posição.

A normalização será realizada da seguinte forma: dividiremos o resultado de cada operação (lucro ou perda) pelo volume da posição e multiplicaremos pelo tamanho mínimo permitido da posição. Por exemplo, o pedido # 4399142 COMPRA 2.3 lotes USDJPY foi fechado com o lucro de $ 4 056. 20 + $ 118,51 (swaps) = $ 4 174,71. Este exemplo foi retirado do relato de GODZILLA (Nikolay Kositsin). Vamos dividir o resultado por 2,3 e multiplicar por 0,1 (o tamanho mínimo permitido da posição) e obter um lucro de US $ 4 056,20 / 2,3 * 0,1 = US $ 176,36 e swaps = US $ 5,15. estes seriam resultados para a ordem do tamanho de 0,1 lote. Vamos fazer o mesmo com os resultados de todas as negociações e, em seguida, obteremos lucros normalizados (NP).

a primeira coisa em que pensamos é encontrar valores de correlação (lucros normalizados, MAE) e correlação (lucros normalizados, MFE) e compará-los com a correlação inicial (lucros, MAE) e correlação (lucros, MFE). If the difference between parameters is significant, the applied method has likely changed the initial system essentially. They say that applying of ММ can "kill" a profitable system, but it cannot turn a losing system into a profitable one. in the Championship, the account of TMR is a rare exception where changing Correlation(NormalizedProfits, MFE) value from 0.23 to 0.63 allowed the trader to "close in black".

How Can We Estimate the Strategy's Aggression?

We can benefit even more from normalized trades in measuring of how the MM method applied influences the strategy. It is obvious that increasing sizes of positions 10 times will cause that the final result will differ from the initial one 10 times. And what if we change the trade sizes not by a given number of times, but depending on the current developments? Results obtained by trust-managing companies are usually compared to a certain model, usually - to a stock index. Beta Coefficient shows by how many times the account deposit changes as compared to the index. If we take normalized trades as an index, we will be able to know how much more volatile the results became as compared to the initial system (0.1-lot trades).

NOVO INDICADOR DE NEGOCIAÇÃO DE AÇÕES É 100% PRECISA.

Nos últimos oito anos, tenho me escondido na minha caverna comercial, desenvolvendo um indicador que me permite prever o movimento futuro das ações com uma precisão incomum. Agora estou pronto para revelá-lo ao mundo!

Meu indicador, que eu chamo carinhosamente de RAPT (Rewards After Perfect Timing), é baseado em uma combinação de fórmulas matemáticas que datam do século XIII. Usar qualquer um desses isoladamente produz resultados escassos, mas quando usado em combinação, o mundo se torna minha ostra. Eu fiz uma fortuna com este indicador, mas minha consciência não me permite manter isso em segredo por mais tempo.

Se você dedicar tempo para estudar grandes matemáticos, descobrirá que cada um copiou e construiu sobre o trabalho de seus contemporâneos e predecessores, levando a maiores descobertas. Siga junto comigo enquanto eu o guio ao longo do caminho da descoberta esclarecida de 8 anos na confecção com nossos amigos Fibonacci, Fermat e Euler.

Leonardo Pisano Fibonacci (1170-1245) é amplamente reconhecido pela descoberta de uma sequência de números usada pela primeira vez para calcular a taxa de natalidade de coelhos. Aqui está a pergunta feita a Leonardo: Começando com um único par de coelhos, se em cada mês cada par produtivo tem um novo par, que se torna produtivo quando tem 1 mês de idade, quantos coelhos haverá depois de n meses? A partir desta equação, Fibonacci surgiu com uma seqüência de números em que cada número sucessivo é baseado na adição dos dois anteriores: 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987,… As sequências de Fibonacci podem ser encontradas em toda a natureza, particularmente em flores. Os números de Fibonacci são predominantes nos preços das ações, desde que a combinação correta seja usada, gerando um número de Fibonacci maior. Aqui está a combinação que descobri:

89 + 34 + 21 = 144. 144 é o número alvo uma vez que os pontos A (89), B (34) e C (21) são calculados.

Blaise Pascal (1623-1662) descreveu uma apresentação tabular conveniente para os coeficientes binomiais, agora chamados de triângulo de Pascal. Um exemplo do triângulo de Pascal são as diagonais rasas baseadas na soma triangular dos números de Fibonacci. O triângulo inclui os números de Fibonacci 1, 2, 3, 5, 8 e 13, criando assim uma parte do triângulo completo. Vamos chamá-lo de uma cunha. Você pode ver um exemplo aqui:

Leonhard Euler (1707-1783) desenvolveu o quadrado mágico mágico. A equação começa com um dado: quadrados mágicos normais existem para todas as ordens n ≥ 1 exceto n = 2, embora o caso n = 1 seja trivial, consistindo de uma única célula contendo o número 1. Cada coluna no quadrado, se a correta combinações de números são usadas, será igual ao mesmo total. Eu descobri o seguinte quadrado mágico, que se encaixa bem com a seqüência de Fibonacci e o triângulo de Pascal. Se você somar os números em cada linha, você receberá 34, um número de Fibonacci. Ao somar os números diagonais, você também terá um total de 34, ajustando-se perfeitamente ao cenário triangular.

Agora, o que tudo isso tem a ver com fazer a minha fortuna? É muito simples. Eu projetei uma cunha dentro de uma caixa quadrada mágica conectada por números de Fibonacci, os números são calculados com médias móveis simples traçadas ao longo de um padrão de preço. Eu faço uma varredura em um universo de estoques cuidadosamente selecionados, localizando aqueles que atendem aos meus critérios RAPT. Há apenas alguns deles, talvez 5-10 por mês, mas quando eles acionar não há nada como isso. Basta verificar uma data de vencimento, consultar meu software de precificação de opções e fazer a negociação. Eu nunca tive um perdedor.

Aqui está uma negociação recente que atendeu aos critérios do RAPT. Este é o COSTCO (COST) no gráfico DAILY. Uma vez acionado, houve um movimento de 8 pontos… minha recompensa após o tempo perfeito.

O preço de seis dígitos para o software que fornece essas informações está disponível apenas por convite. Talvez eu tenha notícias suas em breve. Se não, eu sei que os seus bolsos não são suficientemente profundos!

Para uma compreensão detalhada do RAPT, leia a seguinte explicação de quatro partes com a ISENÇÃO DE RESPONSABILIDADE.

Математические индикаторы.

Математические торговые методы дают представление о ценовой активности. Это помогает вам представить картину направления изменения цен за определенные отрезки, снизить риски и вести торговлю в достаточном объеме. Кроме того, эти методы направлены на определение сигналов колебания цен до того, как это проявиться на валютном рынке.

Индикаторы, используемые в математических торговых методах – это скользящее среднее (динамическое среднее) и осциллятор (торговые индикаторы, разработанных для эффективного определения ситуаций перекупленности или перепроданности). Хотя количество математических индикаторов неисчисляемое, в этой главе мы рассмотрим только самые важные из них.

Скользящее среднее (динамическое среднее), - простое и экспоненциальное (SMA, EMA) MACD (cхождение-расхождение скользящих средних) Полосы Боллинджера Параболическая система (стоп-реверс) RSI (индекс относительной силы)

Скользящее среднее.

Скользящее среднее – это средний показатель изменений курса, вычисляемый в течение определенного количества дней. Скользящее среднее позволяет визуально представить рыночные тенденции, поскольку устраняет – или, по крайней мере, минимизирует расхождения в ежедневных статистических отчетах. Это обычный метод технического анализа, используемый или самостоятельно или как осциллятор.

Существует несколько видов скользящих средних. Однако мы остановимся только на двух: простое скользящее среднее (SMA) и экспоненциальное скользящее среднее (EMA).

Простое скользящее среднее (Simple moving average) – это среднее арифметическое значение ценовых данных. Этот показатель подсчитывается суммированием цены каждого периода и делением полученной суммы на количество периодов, покрываемых скользящим средним. Например, сложение цен закрытия определенного инструмента за ближайшие 25 дней и деление полученной суммы на 25 даст вам скользящее среднее за 25 дней.

Хотя ежедневная цена закрытия – самая используемая цена для подсчетов скользящего среднего, могут использоваться также и среднеуровневая цена и для средних подсчетов высокие и низкие цены.

Среднее скользящее – это своеобразный отделочный инструмент, он показывает основную тенденцию рынка.

Этот индикатор – лучший способ измерить прочность долгосрочного тренда и вероятность, при которой он может развернуться. В свою очередь нисходящее движение среднего скользящего может рассматриваться как сигнал о начале нисходящего тренда.

Этот индикатор носит скорее «подчиненный» характер, чем «лидирующий». Он сигнализирует о каких-либо событиях уже после произошедшего изменения, события, но никак не перед этим. Поэтому он может быть причиной того, что вы войдете на рынок с опозданием.

Основная критика этого индикатора основывается на том, что этот он придает одинаковое значение всем периодам. Некоторые аналитики считают, что большее значение имеет все же недавний ценовой маневр.

Вы можете пронаблюдать на графике примеры двух простых скользящих средних – 5 дней (красный) и 20 дней (синий).

Экспоненциальное скользящее среднее – это взвешенное среднее значение ценовых данных, по которому самыми весомыми данными являются последние.

Подобное взвешивание применяется к последним данным и зависит от определенного периода движения среднего значения. Чем короче период EMA, тем больше веса имеет последнее ценовое значение.

EMA может быть определено двумя путями: процентным соотношением EMA, когда аналитик определяет процентный вес цены за последний период или по периодам, когда аналитики определяют протяжение EMA, а вес каждого периода вычисляется по формуле. Последний способ наиболее распространен.

Поскольку ЕМА придает вес последним наблюдениям, это позволяет техническим трейдерам быстрее определить изменение цены.

В отличие от простого скользящего среднего, EMA просчитывается с использованием каждой последующей цены в комплекте данных. Влияние предыдущих данных ослабевает в коротком EMA быстрее, чем в длинном, однако оно не исчезает полностью. Это действительно имеет место, несмотря на период расчетов ЕМА.

Вы можете увидеть на графике разницу между SMA (синяя линия) и EMA (зеленая линия) просчитанные за период в 20 дней.

MACD (Схождение/расхождение скользящих средних)

Индикатор MACD (Moving Average Convergence/Divergence) используется для определения направления движения цены.

Этот индикатор рассчитывается с помощью вычитания значения длинного экспоненциального среднего скользящего (EMA) из короткого значения. Наиболее распространенные значения, которые берут для расчетов, - это экспоненциальное среднее скользящее за 12 дней и 26 дней.

Основываясь на таком расхождении, среднее скользящее вычисляется за 9 периодов, и называется "сигнальной линией".

MACD = [среднее скользящее за 12 дней – среднее скользящее за 26 дней] > ВЕСОВОЙ КОЭФИЦИЕНТ ЭКСПОНЕНЦИАЛЬНОГО ИНДИКАТОРА.

СИГНАЛЬНАЯ ЛИНИЯ = СРЕДНЕЕ СКОЛЬЗЯЩЕЕ (MACD) > ИНДИКАТОР СРЕДНЕГО ВЕСОВОГО КОЭФИЦИЕНТА.

При помощи экспоненциального сглаживания, индикатор MACD позволяет быстрее проследить изменение в ценах, чем это позволяет сигнальная линия.

Когда MACD пересекает сигнальную линию, скользящее среднее за короткий период (12 дней) будет выше, чем уровень изменений скользящего среднего за более длинный период (26 дней). Это типичный сигнал бычьего рынка, который оповещает о том, что цена движется в направлении восходящего тренда. С другой стороны, когда MACD оказывается ниже сигнальной линии – это типичный сигнал медвежьего рынка, оповещающий о возможных предстоящих разворотах.

Ниже на графике приведен пример MACD. Индикатор MACD представлен зеленой линией и сигнальная линия – синей.

Линии Болинджера.

Линии Болинджера были придуманы Джоном Болинджером в начале 80-х. Они используются для определения крайних максимумов и минимумов. Болинджер считал необходимым определение динамики торгового коридора, интервалы которого колеблются в зависимости от волатильности курсов. Во время высокой волатильности линии Болинджера расширяются и представляют более обобщенные данные. Во время низкой волатильности линии сужаются и включают в себя ценовые пределы.

Линии Болинджера содержат определенный набор из трех траекторий, построеных в соответствии с ценами.

Средняя полоса отражает промежуточный тренд. Для этого используется обычно простое скользящее среднее (SMA) за 20 дней.

Верхняя полоса является тем же, что и средняя полоса, но она перемещается вверх с двумя стандартными отклонениями, формула, которая измеряет волатильность и показывает, как цена может отличаться от реальной стоимости.

Нижняя полоса является тем же, что и средняя полоса, но она перемещается вниз с двумя стандартными отклонениями, чтобы скорректировать рыночную волатильность.

Линии Болинджера устанавливают интервал: относительное измерение ширины полос и относительное измерение момента, при котором последняя цена пересеклась с полосой.

Нижняя полоса Болинджера = SMA - 2 стандартных отклонения.

Верхняя полоса Болинджера = SMA + 2 стандартных отклонения.

Средняя полоса Болинджера = двадцатидневное простое скользящее среднее (SMA)

Возможность определения точного прорыва в ценах возрастает, в то время когда интервалы узкие.

Когда цены неоднократно пересекаются с верхней полосой Болинджера, предполагается что цены станут чрезмерно высокими; сигнал к продаже.

С другой стороны, когда цены неоднократно касаются нижней полосы, предполагается, что цены станут чрезмерно низкими; сигнал к покупке.

Ниже на графике вы можете увидеть линии Болинджера по индексу S&P 500 Index (представлены зеленым цветом).

Параболическая система (Stop-and-Reverse - SAR)

Параболическая система SAR является эффективным инструментом для инвестора. Система была разработана Уелесом Уайлдером с целью компенсировать потери других систем отслеживания поведения тренда.

Параболическая система SAR - это торговая система, которая подсчитывает скользящие стоп-лос приказы рыночных тенденций. График подобных точек движется вслед за изменением цен в продолжение точечной линии, которая обычно повторяет траекторию параболы.

Когда парабола следует над ценой, это будет сигнал к покупке.

Когда парабола следует под ценой, это будет сигнал к продаже.

Точки стоп-лос устанавливают уровни для скользящего стоп-лос, по которому рекомендуется открывать позицию. В «бычьем тренде» длинная позиция должна быть установлена со скользящим стопом, который будет продвигаться ежедневно до момента активации ценой, снижающейся до стоп-уровня. В «медвежьем тренде» короткая позиция может быть установлена со скользящим стопом, который будет ежедневно снижаться до активации ценой, восходящей до стоп-уровня.

Параболическая система – это лучший способ для работы с трендами. Она помогает трейдерам уловить направленность тренда еще на раннем этапе. Если новый тренд обрывается, парабола быстро переключается с одной стороны на другую, таким образом, создавая сигнал «стоп-разворот» (stop and reverse signal). Для трейдера это служит признаком того, что необходимо закрыть его позицию или открыть противоположную позицию.

Ниже на графике вы можете просмотреть параболическую систему по паре USDJPY (обозначена зеленым).

Индекс относительной силы (RSI)

Индекс относительной силы (Relative Strength Index) был разработан Уелесом Уайлдером. Эта система определяет сигналы на покупку и продажу в условиях быстро меняющейся динамики рынка.

RSI основывается на различии между средним коэффициентом цен закрытия в дни положительной динамики и средним коэффициентом цен закрытия в дни отрицательной динамики рынка (рассматривается период в 14 дней). Эта информация затем сводится к значению от 0 до 100.

Когда среднее число прибыли оказывается выше, чем среднее число убытка, RSI возрастает. И наоборот, когда среднее число убытка оказывается выше, чем среднее число прибыли, RSI снижается.

RSI обычно используется для подтверждения существующего тренда. Когда RSI находится над отметкой 50, это свидетельствует о наличии восходящего тренда, и наоборот, когда RSI находится под отметкой 50, это свидетельствует о наличии нисходящего тренда.

Также наблюдая за определенными уровнями (обычно это уровни «30» и «70»), можно определить ситуации перепроданности и перекупленности на рынке, которые предупреждают о последующих разворотах.

Положение перекупленности (RSI над 70) означает, что на рынке практически не осталось покупателей, а поскольку цены, скорее всего, будут падать, трейдеры, которые изначально покупали, станут продавать.

Положение перепроданности (RSI под 30) указывает на противоположную ситуацию.

На графике, приведенном ниже, вы можете пронаблюдать индекс относительной силы по паре GBPUSD, изображенный красным цветом.

ПРЕДУПРЕЖДЕНИЕ О ВЫСОКОРИСКОВЫХ ИНВЕСТИЦИЯХ: Торговля валютами (Форекс) и контрактами на разницу цен (CFD) является спекулятивной операцией, связана с высокими рисками и не подходит для каждого инвестора. Вы можете понести как частичные убытки, так и потерю всех инвестиций, поэтому не стоит вкладывать тот капитал, которым вы неможете рисковать. Вы должны понимать и знать обо веше тех рисках, которые связаны с маржинальными сделками. Пожалуйста, прочтите “ведомление о рисках”.

Компания Safecap Investments Ltd (Safecap) - компания инвестиционная, деятельность которой регулируется и разрешена Кипрской комиссией ïî ценным бумагам и биржам (CySEC) ïî номеру лицензии 092/08. Также компания уполномочена Советом ïî финансовым услугам (FSB) в Южной Африке вести финансовую деятельность и предоставлять финансовые услуги согласно лицензии под номером 43906. Компания Safecap расположена ïî адресу: 148 Strovolos Avenue de 2048 Strovolos, P. O. Caixa 28132, Никосия, Кипр. MARKETS. COM является глобальным брендом и торговой маркой компании Safecap. Деятельностью брокера заведует компания TradeTech Markets Limited (Mercados). Mercados Safecap è - дочерние компании Playtech PLC, акции которой котируются на основном рынке Лондонской фондовой биржи и включены в индекс FTSE 250. Исключительное право пользования принадлежит доменом mercados компании Safecap.

В зависимости от страны вашего гражданства или постоянного места жительства, применимые местные законы, правила и положения могут обязать нас предложить дополнительные защитные механизмы (например, гарантированный стоп-лос) или наложить добавочные ограничения на вашу торговлю Вы обязуетесь внимательно ознакомиться с Соглашением о предоставлении инвестиционных услуг для дополнительной информации о подобных ограничениях или защитных мерах, которые могут быть к вам применимы. & # 13; & # 13;

Ограниченная юрисдикция: мы не открываем счета для жителей некоторых стран, включая Японию, Бельгию, Канаду и США. Для подробной информации просим ознакомиться с Соглашением о предоставлении инвестиционных услуг.