سیر تکاملی مدل Bradley
مدلی که توسط دونالد بردلی (او مدل پیشنهادی خود را Siderogragh نامید) در سال 1974 پیشنهاد شد، تحولی عظیم در آسترولوژی مالی بوجود آورد. به اعتقاد من، بردلی برای تحلیل کردن مسائل مالی، دریچه‌ای به روی علم آسترولوژی گشود. دست کم پس از آن زمان، آسترولوژی مالی با زبانی قابل فهم برای عموم، سخن گفتن آغاز نمود. به لحاظ تکنیکالی، Siderograph چیزی جز یک منحنی بر اساس نظرات سیارات نیست. بنابراین می‌توانیم از Siderograph به عنوان خلاصه وضعیت تاثیر نظرات سیارات استفاده کنیم. نظرات سیارات (Aspect) به سه گروه تقسیم می شوند:
میان مدت: شامل نظرات خورشید، عطارد، ونوس و مریخ می شود.
بلند مدت: نظرات مربوط به سیارات کند سرعت (از ژوپیتر تا پلوتو).
ضریب انحراف: نصف مجموع جبری انحراف حاصل از ونوس و مریخ.
این مقاله عمدتا به مباحث تکنیکالی درخصوص اندیکاتورهای مورد نیاز معامله گران، که در مدل بردلی بکار می‌روند، اختصاص داده شده است. زمانی که این تئوری بصورت گسترده مطرح شد، اولین سوالی که بوجود می‌آمد این بود: چگونه می توان این تئوری را بهبود بخشید. درخصوص مدل بردلی، سوالات زیادی وجود داشته است:
- آیا لازم است که در محاسبات، North Node (راس) را درنظر بگیریم؟
- چه مداری (orb) بهتر است؟ (بردلی از مدار 15 درجه استفاده می کرد)
- در مورد نظرات زودیاک خورشید مرکز (Heliocentric Aspects) چطور؟
- در خصوص ایجاد مدلی براساس Natal Chart چطور؟
- چه وزن‌هایی برای اسپکت‌های مختلف بهتر است؟
در سال 1974، زمانی که کلیه محاسبات بصورت دستی انجام میشد، پاسخ به این سوالات عملا غیر ممکن بود. تنها کامپیوتر های موجود (مانند ENIAC) صرفا برای نیازهای ارتش و فیزیک هسته‌ای استفاده می‌شدند. اما امروزه قادر به پاسخگویی این سوالات هستیم. همانطور که اکنون می‌دانیم هر یک از این سوالات گامی مهم در جهت بهبود مدلهای بردلی بوده اند. بنابراین، مراحل پیشرفت مدل بردلی بدین‌گونه است. مدل بردلی در اولین ورژن‌های نرم‌افزار Market Trader ارائه شد (http://www.alphee.com را ببینید). در سال 2004، به تنهایی با عنوان برنامه Bradley Barometer منتشر شد. این برنامه امکان ایجاد کلیه مدلهای بردلی را داشت (با ناتال چارت، زودیاک خورشید مرکز و غیره). جالب ترین خصوصیت این مدل اینجاست که ما می توانیم برای همه دوره‌ها وزن مشخص کنیم و فورا تغییرات ایجاد شده در خط پیش بینی را مشاهده کنیم:
اکنون بخشی از پروزه Timing Solution، بهینه سازی مدلهای بردلی می باشد. ایده اصلی این بهینه سازی تقریبا ساده است. ما به دنبال یافتن وزن‌هایی برای همه اسپکت‌ها هستیم که بتوان حرکات گذشته قیمت را به بهترین نحو بیان کند. با یک مثال توضیح می‌دهیم. شاخص Dow Jones Industrial را از فوریه 2006 تا 17 جولای 2006 دانلود کنید. این تاریخچه قیمت کوتاه مدت، فقط 5 ماه می‌باشد. در مدلهای شبکه عصبی امکان ایجاد خط پیش بینی برای تاریخچه قیمت کوتاه مدت وجود ندارد. اما مدل بردلی این کار را به خوبی انجام میدهد. مدل کلاسیک بردلی این خط پیش بینی را برای آینده پیش بینی می کند:
حالا می‌خواهیم این مدل بردلی را بهینه کنیم. روی گزینه زیر کلیک کنید:
پنجره زیر نمایش داده می شود:
در اینجا شما باید "تارگت" را مشخص کنید. منظور از تارگت، آنچه که نیاز داریم پیش بینی کنیم، می باشد. من در این مثال، با اسیلاتور قیمت نسبی (Relative Price Oscillator) با دوره تناوب 10 کندل قیمتی کار کردم. شما می‌توانید با استفاده از اندیکاتورهای دیگری مانند Volatility، ADX ، RSI و غیره، پیش بینی خود را انجام دهید. برای اینکه ببینید با تنظیم کردن تاریخچه قیمت موجود، خط پیش بینی قرمز رنگ، چگونه تغییر می کند، بر روی گزینه "Start" کلیک کنید. دقت کنید که برای بهینه سازی، دیتای قیمت را فقط روی حالت TRAINING INTERVAL استفاده کنید:
منطقه قرمز رنگ TESTING INTERVAL ، برای تائید خط پیش بینی ما می باشد. بعد از پروسه بهینه سازی، خط پیش بینی ظاهر می شود:
اکنون می‌خواهم در اینجا تعدادی نکات تکنیکی درخصوص کاربرد Bradley Barometer در نرم افزار Timing Solution اضافه کنم. زمانی که شما با دیتای قیمت بلند مدت کار می‌کنید، برنامه خط پیش بینی برای کل تاریخچه قیمت موجود، به شما نشان نمی‌دهد، بلکه تنها برای X% کندل قیمت اخیر (قسمت View Last) خط پیش بینی ایجاد می کند:
ما به منظور تسریع فرایند محاسبه مجدد خط پیش بینی، در زمانی که شما برای دوره های مختلف ، وزن ها را تغییر می دهید، این کار را انجام دادیم. شما می توانید برای مشاهده خط پیش بینی کل تاریخچه قیمت موجود، این پارامتر را به این صورت افزایش دهید:
(فراموش نکنید که بعد از افزایش این پارامتر، حتما روی دکمه "OK" کلیک کنید). پس از اجرای مدل بردلی، یکی از مدلهای زیر را انتخاب کنید:
مدل "Custom FAM 1" اجازه می دهد اصطلاحا مدل FAM، که منطقه فعال زودیاک را محاسبه می کند، ایجاد گردد. سعی کنید این نوع از مدلها را (منظور همان مدلهای بردلی است) برای تاریخچه قیمت کوتاه مدت اعمال کنید. در مقایسه با مدلهای شبکه عصبی (که نیازمند دیتای خیلی زیادی هستند)، این یک ویژگی خیلی مهم و منحصر بفرد می باشد.