آموزش نرم افزار Timing Solution - قسمت 25

نرم افزار
بعد نجومی زمان (Planetary Time Metrics)

در این فصل یکی از جدید ترین تکنیک هایی که بطور قابل توجهی باعث بهتر شدن پیش بینی های ما شده است را معرفی می کنیم.  با این رویکرد جدید، بازار سهام را از نظر بعد زمان به روشی که تا کنون می دانستیم، بررسی نمی کنیم، گویی با زمان سنجی متفاوت زمان اندازه گیری می شود، اما این نوع خاص از زمان ارتباط زیادی با حرکت سیارات بدور خورشید دارد (دست کم، چرخش زمین). این واقعیت از لحاظ آماری نیز اثبات شده است (جدول نتایج را ببینید). به بیان دیگر، گردش هر سیاره یک نوع جریان از جنس زمان مربوط به خودش را تولید میکنند، و ما میتوانیم با در نظر گرفتن این زمانها از این تکنیک جدید استفاده کنیم. به عنوان مثال ما میتوانیم Spectrum را به روش همیشگی محاسبه کرده و سیکلهایی که با زمان های نجومی خاص منطبق باشند را پیدا کنیم، سپس مدل پیش بینی را براساس آن زمان ایجاد کنیم.

چرا زمان نجومی ؟

بطور خلاصه، این تکنولوژی با نوع دیگری از زمان ارتباط دارد. زمان یکی از بنیادی ترین کاراکترهای جهان ماست. معمولا برای توضیح هر پروسه ای ما فرض میکنیم که این پروسه طول عمر مشخصی در بعد زمان دارد. ما میتوانیم زمان را توسط ساعتهای هسته ای (کاری که در حال حاضر انجام می شود) یا براساس چرخش زمین (همانگونه که 100 سال پیش انجام میشد) و یا با مشاهده پدیده های نجومی (همانطور که پیشینیان ما در سال‌های خیلی دور انجام می دادند) اندازه گیری کنیم. در هرصورت درخصوص اندازه گیری زمان، معمولا ما به روش‌های فیزیکی می اندیشیم که ثابت و پایا به نظر برسند. بنابراین برای اینکه بتوانیم از زمان در امور دیگری استفاده کنیم، آن را اندازه گیری کنیم و همچنین بتوانیم به نوعی اختیار دنیای خودمان را بدست بگیریم ما زمان را به بخشهای کوچکتر تفکیک می کنیم (سال، ساعت، دقیقه، و ثانیه و ... ). بدینسان، ما از ساعت یونیورسال (بین المللی) برای سنجش زمان در جهان خودمان استفاده می کنیم. و این ساعت یونیورسال همانطور که می دانیم بر پایه چرخش زمین محاسبه می شود.

جدا از این بحث ما متوجه شدیم که استفاده از نوع خاصی از سنجش زمان (بر پایه موقعیت سیارات دیگر) خط پیش بینی بهتری نسبت به خط پیش بینی با زمان یونیورسال ارائه میدهد. از منظر تکنیکالی؛ به معنی اینست که ما پدیده های بازار را به جای زمان یونیورسال با زمان نجومی بررسی کنیم. (ضمنا زمان نجومی برای مناطق مختلف برای هر سیاره متفاوت است، که این تفاوت اصلی در این روش می باشد). به عبارت دیگر عقربه های ساعت های نجومی نسبت به موقعیت سیارات حرکت می کنند. جذاب ترین ویژگی زمان نجومی اینست که ارتباطی با زمان یونیورسال ندارد. به عنوان مثال، زمان عطاردی به شکل زیر می باشد:

sy4bwhG1TvW1DSV64syTtqKCofDyY41P6opobcAZ.png

گاهی اوقات جهت حرکت این زمان به سمت مخالف می باشد. به عبارت دیگر، گاهی برای یک نقطه از زمان نجومی ما چندین نقاط متناظر با زمان یونیورسال داریم.  هیچ چیز غیر عادی در اینجا وجود ندارد، فقط کافیست دیدی که تا کنون نسبت به زمان داشتیم را تغییر دهیم. مانند اینست که در هنگام  تماشای یک مسابقه فوتبال از ساعتهای متفاوت استفاده کنید – ساعت شما ، ساعت دوستتان، ساعت مچی فرد مشهوری که در ردیف اول نشسته و غیره. چگونه میتوانیم بفهمیم کدامیک زمان "واقعی" را نشان می دهند؟ آن ساعتی که درست همان زمان ساعت بزرگ روی دیوار را نشان میدهد؟ یا ساعت خود شما، چون شما ساعت خودتان را بیشتر دوست دارید؟ ما عادت داریم که با ساعت یونیورسال زندگی کنیم، اما این فقط یک قالب فکریست. سعی کنید در برخی از روشهای خاص از زمانهای نجومی به عنوان زمان حقیقی استفاده کنید. سپس شما می توانید نمودار Spectrum را بر پایه این زمان محاسبه کرده و رفتارهای سیکلی که در آن زمان رخ میدهد را شناسایی کنید. نخستین باری که من نمودار Spectrum را بر پایه زمان نجومی محاسبه کردم، اولین برداشتم این بود که این Spectrum بهتر است.

نقاط پیک متناظر با  سیکل هایی که با زمان نجومی محاسبه شده اند در مقایسه با همان نمودار Spectrum در زمان یونیورسال، بهتر به نظر میرسد. به عبارت دیگر هر سیاره زمانبندی مختص خودش را تعریف می کند. و ما قبلا این موضوع را لحاظ نمیکردیم تنها به این دلیل که برای همه امور زمینی ما، زمان یونیورسال کافی بوده است. اما دست کم استفاده از زمان نجومی برای انجام پیش بینی ها بسیار مناسب است. به همین دلیل است که این نوع سیکلها ممکن است در زمان یونیورسال غیر عادی به نظر برسند درحالی که در زمان نجومی عادی جلوه کنند. به عبارت دیگر به بیان نغز، زمان نجومی محل سکونت تعدادی از سیکلهای با قاعده است که ما میتوانیم از آن برای ایجاد خط پیش بینی استفاده کنیم. نرم افزار Timing Solution این قابلیت را دارد که نمودار Spectrum را بر اساس معیارهای زمانی مختلف محاسبه کند. شما می توانید روش مورد نظر خود را با استفاده از پارامترهای زمانی مختلف تعیین کنید:

- زمان یونیورسال (Universal Time)
- نمودار کندل قیمت یا روزهای معاملاتی (The Price Bars or Trading Days)
- زمان نجومی (Planetary Time) (موقعیت سیارات یا زاویه بین سیارات).

به بیان دیگر اگر به این نتیجه برسیم که تغییرات قیمت یک سهم بطور ذاتی سیکلی است، میتوانیم سیکلهای مختلف را برای همان بخش از دیتا در مختصات زمانی مختلف بدست بیاوریم و درنتیجه خط پیش بینی بهتری بدست بیاوریم. در جدول زیر میتوانید نتایج تجربیات ما را ببینید. شما نیز میتوانید با انجام این مراحل این موارد را تجربه کنید:

1) دیتای قیمت چند شاخص مختلف را دانلود کنید
2) تاریخچه قیمت را به دو بازه مستقل تفکیک کنید – بازه آموزشی (Training Interval) و بازه آزمایشی (Testing Interval)
3) با استفاده از نقاط پیک قیمت بازه آموزشی، Spectrum را برای معیارهای مختلف محاسبه کنید
4) از بین سیکلهای معمول در نمودارهای Spectrum مهمترین آنها را استخراج کنید (با معیارهای زمانی مختلف)
5) شبکه های عصبی را در بازه آموزشی امتحان کنید. برای ورودی ها، از سیکلهای معمول (در معیارهای زمانی مختلف) استفاده کنید؛ برای خروجی، از اسیلاتور Detrended Price (DPO)  با تناوب 25 کندل استفاده کنید.
6) خط پیش بینی شبکه عصبی را محاسبه کنید و در بازه آزمایشی همبستگی بین خط پیش بینی و اسیلاتور را محاسبه کنید. "Future Leaks" در اینجا مستثنی هستند زیرا بازه های آموزشی و آزمایشی بصورت مستقل از یکدیگر می باشند. در ادامه جدول نتایج را مشاهده کنید؛ جدول زیر همبستگی بین قیمت و خط پیش بینی را بر اساس مدل های زمانی مختلف نشان می دهد (سیکل‌ها از بخش Spectrum بر اساس زمان یونیورسال و زمان نجومی استخراج شده اند).

ZqE31RxGDu0B65MkyVKAtXf1B5BK1s8ykNJi1Jva.png*قبل از 1998، EURO/USD با عنوان شاخص دلار  (Dollar Index) در اسناد موجود است. این جدول کاملا بیانگر اینست که مدل هایی که براساس زمان نجومی طراحی شده اند نتایج بهتری نسبت به مدل های طراحی شده با زمان یونیورسال ارائه می دهند. در سه مورد از چهار نمونه ذکر شده، مدل هایی که براساس زمان نجومی طراحی شده اند نتایج بهتری نسبت به زمان یونیورسال داشته اند. اما بیشترین نتایج آماری قابل اعتماد مربوط به استفاده از زمان نجومی، هنگامی بدست آمده اند که تحلیل ها در دوره فعالیت لکه خورشیدی انجام شده است (Wolf Index). من از دیتای سال 1848 تا سال 2003 استفاده کردم که در مجموع  60000 نقطه پیک (سقف و کف) بدست آمد !!! با استفاده از دیتای سال 1848 تا سال 1979 (بازه آموزشی)، یک مدل پیش بینی ایجاد کردم.

با بخش دیگر دیتا، از سال 1979 تا 2003، که به عنوان بازه آزمایشی با 7600 نقطه پیک انتخاب شد؛ خط پیش بینی ایجاد کردم، یعنی برای محاسبه همبستگی بین  Wolf Index پیش بینی شده و استاندارد. سپس با استفاده از زمان‌های مختلف مهمترین سیکل‌ها را استخراج کردم: زمان یونیورسال و زمان نجومی ژوپیتر در زودیاک خورشید مرکز (Jupiter Heliocentric Planetary Time). اختلاف بین این دو استاندارد زمانی، ناشی از خط سیر ژوپیتر می‌باشد. مدل هایی که با زمان یونیورسال تولید شده اند خط پیش بینی با همبستگی 0% ± 1% ایجاد می کنند درحالی که خط پیش بینی تولید شده براساس زمان ژوپیتری، همبستگی 5% ± 2% ایجاد می کند. تعداد زیاد نقاط پیک آزمایشی (7600) تائیدیه آماری این رویکرد را با یک احتمال بسیار بالا تصدیق می کند.

پی نوشت: جزئیات بیشتر مربوط به این بخش را می‌توانید در لینک زیر ببینند:

http://www.timingsolution.com/TS/Study/Spectrum/index.htm#A8  

 

نظرات کاربران

0 / 1500
مقاله‌های مشابه
کلیه حقوق مادی و معنوی این سایت متعلق به تحلیل‌اپ می‌باشد و محفوظ است. 2024 ©