آموزش نرم افزار Timing Solution - قسمت 38

نرم افزار


سیکل مهم بعدی، سیکل ژوپیتر -  نپتون است:

LiHUHYWhl1yKeuhQ5jyaky6MQEkS9tbLVFmns8vM.jpg

مجددا روی گزینه "+" کلیک کنید. علاوه بر دو سیکل قبلی،  سیکل زحل نیز جالب بنظر میرسد:

R4X79iwpVoL2WQe9JPFx9GbhZIvLvhMgprN57U8x.jpg

به این ترتیب سیکل‌هایی که فکر میکنیم قادر به حرکت دادن این بازار هستند را انتخاب کردیم. برای مهیا کردن این سیکل‌ها برای مدل شبکه عصبی، آنها را به clipboard منتقل می کنیم. شما همچنین می توانید با پارامتر "orb" بازی کنید، در اینجا آن را روی 15 درجه تنظیم می‌کنیم. اکنون زمان آن رسیده که خط پیش بینی بر مبنای این سه سیکل ایجاد کنیم. مدل شبکه عصبی را  اجرا می‌کنیم. لازم است ابتدا آنچه را که می‌خواهیم پیش بینی کنیم، تعریف کنیم. زیرا بازار مالی مورد نظر ما دارای یک روند است، ما پیشنهاد می‌کنیم که از Relative Price Oscillator استفاده کنید:

2mnS2Oth99AGFBmq8mvoS6F2mrA6QrGsQSh2dOgE.jpg

ما می‌توانیم با متغیرهای مختلف بازی کنیم. مرحله بعدی تعیین "Inputs" است (آنچه که پیش بینی بر مبنای آن صورت می گیرد). برای اینکار فقط لازم است این سیکل ها را از Clipboard برداریم:

YSRoig5MJUVOb4fGBeKUXKHShg5mqOYxiUbM9sY6.jpg

با کلیک روی گزینه "Training" شبکه عصبی را آماده کرده و می‌توانیم خط پیش بینی را مشاهده کنیم:

eAo94OIcd4cSCrXPQcAZbkNQR0n3EReuVZtVrEHi.jpg

در تصویر بالا بازه قرمز رنگ، Testing interval می باشد، ما از نقاط قیمت این بازه نه برای محاسبه سیکل‌ها و نه برای آماده کردن شبکه عصبی استفاده نمی‌کنیم. منحنی قرمز رنگ، خط پیش بینی شبکه عصبی می‌باشد، درصورتی‌که منحنی مشکی رنگ Relative Price Oscillator مربوط به بازار مالی انتخابی ما می‌باشد. مشاهده می‌کنید که خط قرمز حرکت‌های ماژور قیمت (قیمت واقعی) را  نسبتا بهتر منعکس می‌کند. این می‌تواند تاییدیه‌ای باشد بر اینکه ما در مسیر درستی هستیم. اکنون ما برای بهینه سازی نهایی آماده هستیم، می‌خواهیم پیش بینی نهایی بر مبنای کل تاریخچه قیمت موجود انجام دهیم. برای ست کردن LBC (Learning Border Cursor) بر روی آخرین قیمت موجود، روی این گزینه کلیک کنید:

4F7wjFXaIkdGolW66IwuSSKZbZvphb78oSU2rtKY.jpg

تصویر زیر پیش بینی انجام شده را نمایش می‌دهد:

Q1u91GERNZYdLBIBjnyqUOLs7EFJYsP4M0VBgWa3.jpg

جهت اطمینان از اینکه هیچ فاکتور مهمی از قلم نیفتاده است، خط پیش بینی شبکه عصبی را با اضافه نمودن چند سیکل نجومی دیگر ایجاد می‌کنیم. پیش بینی انجام شده به این‌ صورت می‌باشد:

k9BCTa6WU6JGUb3juve7xk8DRQvV9W8OjmJPopId.jpg

این خط پیش بینی را با نمونه ایجاد شده بر مبنای مدل Spectrum مقایسه کنید؛ در اینجا با نتیجه "عکس العمل" مواجه می‌شویم. مدل Spectrum سیکل‌های فاندامنتالی را پشتیبانی نمی‌کند، گویی این مدل نسبت به پیش بینی‌های بلند مدت نابیناست. مدل Spectrum تنها برای انتخاب سیکل‌های اخیر و ایجاد پیش بینی‌های کوتاه مدت عملکرد مناسبی دارد. اگر مدل Spectrum  را برای بازار مالی انتخاب شده قبلی اجرا کنیم، این منحنی پیش بینی را دریافت خواهیم کرد:

rlR5NKhNiRPztHsqsqDbjhDyz4UKgJByhUWEM8QW.jpg

بازار مالی منتخب ما در طول چند سال اخیر یک روند صعودی بزرگ داشته، درحالی که مدل Spectrum اینگونه نشان میدهد که این روند بلافاصله پایان خواهد یافت. استفاده از سیکل‌های فاندامنتالی از بروز چنین نتایجی جلوگیری میکند. تفاوت بین مدل‌های Spectrum و مدل‌های نجومی مانند تفاوت بین فردیست که تصمیماتش بر مبنای شایعات و شنیده‌های بی اساس است و فردی که ترجیح میدهد با آگاهی از فاکتورهای اصولی و بنیادی تصمیم گیری کند. اما همانطور که پیش تر اشاره شد، برای پیش بینی کوتاه مدت، مدل Spectrum نسبتا خوب است. چند نکته در خصوص استفاده از این نوع مدل‌ها وجود دارد:

1) تعداد خیلی زیاد از سیکل‌های نجومی انتخاب نکنید. در مثال قبلی ما فقط سه سیکل تعریف کردیم:

5hcTbG3KlJr3nqAV4gR9cAdKHIEnbaK0CZsVPAEh.jpg

این سه سیکل، سیکل‌های نجومی اصلی حاکم بر این بازار مالی بخصوص می باشند.

2) آیا ما می‌توانیم به این مدل اعتماد کنیم؟

این سوال را به گونه‌ای دیگر مطرح می‌کنیم: "کجاها ممکن است اشتباه کنیم؟". قبل از هر چیز، ممکن است در انتخاب سیکل سیارات دچار اشتباه شویم. دومین موردی که باید به آن توجه کنید این است که گاهی اوقات ممکن است انطباق نسبتا زیادی بین خط پیش بینی (قرمز) و قیمت (آبی) اتفاق بیفتد:

SmTk2gS3lAKB4aOpYG2b74y57ueoH5yLzPamcU1r.jpg

از این‌رو برای جلوگیری از انطباق بین خط پیش بینی و قیمت،  بایستی بازه قرمز رنگ (Testing) به اندازه کافی بزرگ باشد.

 

نظرات کاربران

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