Composite Box : پیش‌بینی بر اساس ترکیبات
پس از تمام شدن تحلیل جفت سیارات مختلف، شما می‌توانید آنها را در جای مخصوصی به نام "Composite Box" قرار دهید. کار کردن با Composite Box ساده است. فرض کنید در طول تحلیل چند گروه از اطلاعات متوجه شدیم که سیکل سالیانه اهمیت ویژه دارد؛ با کلیک روی دکمه زیر می‌توانید این سیکل را ذخیره کنید:
بررسی بیشتر نشان می دهد که سیکل دوره ای ماه نیز با اهمیت می باشد؛ به همین ترتیب می توانید این سیکل را نیز در "Composite Box" ذخیره نمایید:
حالا میبینیم که چگونه این سیکل‌ها با هم کار می کنند، چه خط پیش بینی با این دو سیکل می‌تواند تولید شود. با کلیک روی گزینه زیر شما وارد این صفحه می شوید:
در اینجا خط مشکی، منحنی خلاصه وضعیت (Summary) می باشد که خلاصه تاثیر دو سیکل را نمایش می دهد: سیکل سالیانه و سیکل دوره ای ماه. ما میتوانیم با کشیدن موس هر قسمت از نمودار را بزرگتر کنیم. همچنین شما می توانید این الگو را در یک فایل ذخیره کرده و بعدا مجددا دانلود کنید. با این برنامه شما می‌توانید روی ترکیب مورد نظر تغییراتی بصورت دستی اعمال کنید: حذف کردن هر قسمت، حذف کردن قسمت‌های چک نشده، پاک کردن الگو (یعنی حذف کلیه قسمتها) ارزیابی این قسمتها با وزن دادن، دانلود/ذخیره کردن الگو، و قرار دادن الگو در Clipboard (کلید " ("->Cl. الگوی ذخیره شده در Clipboard، با فرمت ULE ذخیره می گردد. سپس این الگو برای پروسه ایجاد یک پیش بینی برپایه دانش ریاضی رفتار عصبی (Neural Net (NN))، آماده است. برای تولید ورودی برای NN، روی دکمه زیر کلیک کنید.
ممکن است برنامه الگو را خارج از Clipboard بگیرد. در این پنجره، شما می‌توانید ببینید که منحنی پیش بینی (خط مشکی) چگونه با شاخص قیمت تناسب دارد.
شما می توانید هر شاخصی برای استفاده در محاسبه همبستگی، مشخص کنید (برای اینکار، روی دکمه "Edit" کلیک کنید). لطفا به بازه زمانی استفاده شده برای محاسبه همبستگی توجه کنید.
گزارش ترکیب
بازخوردی که از کاربران نرم افزار گرفتیم، نشان می دهد که تصمیم گیری در مورد اینکه چه سیکلی مهم بوده و کدام مهم نیست، بعضی اوقات کار دشواریست (خصوصا برای تازه کارها). برای آسان‌تر شدن این انتخاب، در برنامه Timing Solution یک روش خاص درنظر گرفته شده است. این رویه بصورت اتوماتیک اینکار را انجام می دهد. این برنامه سیکل‌ها را با هم مقایسه کرده و یک گزارش ارائه می دهد که در تصمیم گیری به شما کمک می کند. با کلیک روی دکمه زیر وارد این صفحه می‌شوید:
در این صفحه پارامترهای مربوط به گزارش را تعریف کنید.
گزینه‌های Report
Action : در اینجا باید تعیین کنید که با این گزارش می‌خواهید چه کاری انجام دهید. شما می توانید گزارش را تولید کنید (Create)، با فرمت *.htm ذخیره کنید (Save) و بعدا آن را در اینترنت قرار دهید (به عنوان مثال در صفحه وب یا ایمیل) یا اینکه شما می توانید با انتخاب گزینه "Do not create" هیچ گزارشی دریافت نکنید.
Comments : درصورتی که بخواهید نکات مهم در مورد چگونگی استفاده بهتر از این گزارش داشته باشید، این گزینه را انتخاب کنید.
Active Zones و Predictable Zones : با انتخاب این گزینه شما اطلاعات مربوط به این قسمتها را مشخص می‌کنید. به عنوان مثال، برای "Active Zones" اطلاعات آماری (Statistics) مورد استفاده قرار می گیرد.
گزینه‌های Timing Model : شما می توانید از این گزارش به عنوان یک ابزار برای ایجاد الگو‌های پیش بینی استفاده کنید.
Add to Composite Box : اگر شما این گزینه را انتخاب کنید، برنامه سیکل‌های مهم را داخل "Composite Box" قرار می‌دهد، و منحنی خلاصه وضعیت می‌تواند برای پیش بینی استفاده می شود.
Create FAM Model : این گزینه اجازه می دهد که الگوی سیکل‌های سیاره‌ای به فرمت ULE (فایل *.hyp) تبدیل شود یا اینکه این الگو در Clipboard قرار بگیرد (گزینه Clipboard). بعدا شما می توانید از این الگو به عنوان ورودی الگوی پیش بینی Neural Net (شبکه رفتار عصبی) استفاده کنید. (الگوی FAM مخفف Floating Angle Model است که برای تبدیل الگوی سیکل سیاره‌ای به فرمت ULE می‌باشد).
پارامترهای الگوی FAM : این‌ها پارامترهای الگوی FAM هستند.
ابتدا کمی توضیح می‌دهیم که الگوی FAM چیست. هدف این الگو کشف نقاط فعال زودیاک می باشد. پارامتر "Orb" نتیجه کامل این کشف می باشد. به عبارت دیگر، اگر هر نقطه یا نقاط فعالی در محدوده Orb وجود داشته باشد، برنامه این منطقه را به عنوان یک ورودی برای شبکه رفتار عصبی (NN) استفاده می کند. بنابراین اگر برنامه هشت ترکیب مهم را انتخاب کند، تعداد ورودی‌های NN بیش از 500 می شود (بطور دقیق 550؛ که بستگی به مقادیر "Orb" و XF دارد). مقادیر بزرگتر Orb نمودار هموارتری از این الگو تولید می کند، اما ممکن است بعضی از جزئیات از قلم بیفتد (زمانی که نمودار خیلی صاف باشد). پارامتر XF برای این الگو، قابلیت دیده شدن جزئیات را تعیین می کند. با مقادیر کوچکتر XF، جزئیات بیشتری از این الگو را می توانید ببینید. به هرحال شبکه رفتار عصبی شامل ورودی‌های بیشتر برای مقادیر کوچکتر XF می شود، و این می تواند باعث طولانی شدن پروسه گزارش گیری شود. بنابراین لازم است بین دقت الگو و طولانی شدن پروسه گزارش گیری حد تعادل بیابید.
یک توصیه کاربردی برای ایجاد الگوی FAM: اگر در حین ایجاد الگوی FAM، رویدادهای خیلی زیادی برای NN دریافت کردید (مانند 2000 ورودی)، آماده سازی NN خیلی طول می کشد. در این حالت، توصیه می شود که پارامتر Orb را افزایش دهید (به عنوان مثال، 15 درجه قرار دهید). همچنین شما می توانید از فیلترهای مختلف استفاده کنید (مطلب بعدی را دنبال کنید).
گزینه‌های Filters : این یکی از مهمترین گزینه‌ها می باشد که شما می توانید در ارتباط با سیکل ترکیب مورد نظر، معیار تعیین کنید (ما میتوانیم این سیکل را به عنوان یک سیکل مهم یا کم اهمیت در نظر بگیریم).
Min Number of Cycles : در این قسمت شما می‌توانید تعیین کنید چه تعداد از ترکیبات محاسبه شوند. این پارامتر حداقل تعداد سیکل‌هایی که برای ایجاد یک ترکیب باید آنالیز شوند را نشان می‌دهد. به عنوان مثال، زمانی که ما یک سیکل سالیانه را تحلیل می کنیم، حداقل باید اطلاعات سه سال گذشته را داشته باشیم، در غیر اینصورت اطلاعات کافی برای نشان دادن این سیکل نخواهیم داشت.
Filter : سه نوع معیار مختلف برای تخمین درجه اهمیت هر سیکل وجود دارد. این معیارها با گزینه Filter تنظیم می شوند. برنامه، ترکیباتی مطابق با فیلتر تعیین شده انتخاب می کند. تصاویر زیر، سه فیلتر موجود را نشان می دهند.
- اولین فیلتر به عنوان پیش فرض برنامه استفاده شده است:
این به معنی این است که دو شرط برای ترکیب اعمال می گردد:
الف) این ترکیب باید قابل پیش بینی باشد. به عبارت دیگر، ترکیب بایستی در فاصله زمانی مستقل، تغییرات قیمت یکسان در زمان‌های یکسان را نشان دهد.
ب) ترکیب بایستی بین منحنی پیش بینی و قیمت تعدیل شده در بازه B ، همبستگی مثبت نشان دهد (همبستگی مثبت یعنی اینکه خط پیش بینی با خط قیمت به خوبی هماهنگ باشد). همبستگی بین هدف (Target) (که قیمت یا اسیلاتور قیمت می باشد) و خط پیش بینی که توسط این ترکیب که در این بازه محاسبه شده است:
- این فیلتر بر پایه معیار دیگری می باشد:
این فیلتر به ما اجازه می دهد فقط ترکیباتی که در محدوده Active Zones (AZ) هستند را انتخاب کنیم. به عبارت دیگر، (به عنوان مثال) میتوانیم ترکیباتی که مربوط به نقاط برگشت قیمت هستند را انتخاب کنیم و منطقه فعال (Active Zones) مناطقی که نقاط برگشت قیمت بیشتری اتفاق افتاده را نشان می دهد. پیشنهاد می شود اگر الگویی برای پیش بینی نقاط برگشت ساختید، از این معیار استفاده کنید. توضیحات Active Zones (AZ) را ببینید.
- فیلتر بعدی :
تحت این معیار، برنامه فقط ترکیبات قابل پیش بینی را انتخاب می کند، یعنی آن ترکیباتی که در بازه‌های زمانی مختلف، نمودار یکسان تولید کنند. توضیحات بخش Predictable Zones (PZ) را ببینید. در واقع هدف این نوع از ترکیبات این است که جفت سیاره، فارغ از بازه زمانی استفاده شده، تاثیر یکسان بر بازار ایجاد کند. همه متغیرهای دیگر ترکیب‌های منطقی متفاوت از متغیرهای ذکر شده در بالا دارند. مانند این :
پیشنهاد می کنیم معیارهای مختلف را امتحان کنید.