تولید یک استراتژی معاملاتی چند زمان بر اساس سه میانگین متحرک نمایی و یک نوسان ساز تصادفی

این مقاله را به این صورت ذکر کنید:Nickolaevich ، L. I. ، Igorevna ، G. I. ، Grigorievich ، R. D. ، 2020. تولید یک استراتژی معاملاتی چند زمان بر اساس سه میانگین متحرک نمایی و یک نوسان ساز تصادفی. مجله بین المللی فناوری. دوره 11 (6) ، صص 1233-1243

صادرات به Bibtex و RIS

ایمیل به نویسنده مسئول

این مطالعه یک تجزیه و تحلیل اساسی از دلیل منطقی برای معاملات سرمایه گذاران محافظه کار ، و همچنین استراتژی های بلند مدت و کم خطر و تجزیه و تحلیل فنی جستجوی نقاط ورود به گمانه زنی های کوتاه مدت و پرخطر است. فرضیه ای در مورد سازگاری احتمالی استراتژی های بازاریابی خارجی در معرض خطر با بازار سهام کم خطر ، بر اساس یک تجزیه و تحلیل چند زمانه از تقاطع 3 EMA به علاوه تصادفی (ترکیبی از سه میانگین متحرک و یک نوسان ساز تصادفی) ، اثبات شده است. مدل سازی این مطالعه مبتنی بر شبیه سازی پیاده روی ، کور ، روش متقاطع برای آزمایش واقع بینانه فرضیه ای است که می تواند در نه مرحله انجام شود (Colby ، 2003.) الگوریتم Colby موضوع آن سهام عادی Sberbank روسیه است ، و تجزیه و تحلیل آن نشان می دهد. عدم وجود حرکات غیر مشخص در دوره انتخاب شده حداکثر نوسانات ، از سال 2007 تا به امروز. این تجزیه و تحلیل برای دو بازه زمانی (بیش از پنج سال برای جهت روند و کمتر از سه سال برای ورود) انجام شد. برای EMA ، پارامترها در 20 ، 50 و 200 تنظیم شده است. برای پارامترهای تصادفی در 14 ، 3 و 3 ، 80/20 تنظیم شد. الگوی معکوس "عدم موفقیت" و خطوط جدید پشتیبانی و مقاومت تشخیص داده شد. نتیجه گیری اصلی این مطالعه این است که استفاده همزمان از سه EMA تعیین یک راهرو یا یک روند نسبتاً قابل اعتماد و همچنین تنظیم ضایعات متوقف می شود. علاوه بر این ، استفاده از یک نوسان ساز همیشه معقول نیست. وظیفه اصلی آن تأیید سیگنال است. یک نوسان ساز تصادفی با یک روند صریح نباید برای کل دوره مورد نظر مورد تجزیه و تحلیل قرار گیرد - فقط باید آخرین مقادیر در نظر گرفته شود. میانگین و نوسان سازها در بازه های زمانی میان مدت نسبت به بازه های زمانی کوتاه مدت سیگنال های کاذب کمتری می دهند. با توجه به تغییر در جهت روند ، شناسایی خطوط پشتیبانی و مقاومت جدید (تعریف شده و صحیح) ضروری است.

تجارت الگوریتمی ؛بازار مالی؛میانگین حرکت ؛تصادفی ؛شاخص های فنی ؛استراتژی های معاملاتی

نقش فن آوری های دیجیتال در اقتصاد مدور مدرن اهمیت بیشتری پیدا می کند (Berawi ، 2020). مطالعات ارتباط بین ارزشهای اساسی انسانی و درک خطر ، بین درک ریسک و رفتار ریسک و بین رفتار ریسک و تصادفات نشان داده است (Sutalaksana ، 2019). بنابراین ، یک کار مهم به حداقل رساندن مؤلفه عاطفی فرآیندهای تولید و به ویژه برای الگوریتم جستجوی استراتژی های معاملاتی مناسب است.

توسعه مدل های قیمت پیش بینی یکی از فعال ترین زمینه های کاربردی است (Plotnikova ، 2018). مدل های مبتنی بر به حداقل رساندن هزینه های کلی و افزایش کارایی منابع موجود ، اهداف مشابهی دارند (Balashova and Gromova ، 2017).

هدف از کار فعلی ایجاد یک استراتژی جدید معاملاتی برای بورس ، بر اساس شاخص های فنی مشهور است. بازار ارزی بی ثبات است. فقط معامله گران حرفه ای می توانند ریسک های بالایی را بپذیرند و استراتژی های آنها با هدف تعریف واضح امتیاز ورود و خروج است. برای تولید استراتژی این مطالعه ، نویسندگان یک استراتژی ساده فارکس را به عنوان یک پایه در نظر گرفتند و آن را با بازار سهام سرمایه گذاران محافظه کار تطبیق دادند. فرضیه کار ما این است که با تطبیق استراتژی های فارکس پرخطر ، استراتژی معاملاتی برای بازار سهام کم خطر می تواند بهبود یابد.

تجزیه و تحلیل چند فریم ، ارزیابی یک وضعیت معین از بازه های زمانی مختلف است-مهارتی که بسیاری از شرکت کنندگان در بازار فاقد آن هستند.(سینگ ، 2000) و این فقدان به طور قابل توجهی مشکل ساز است زیرا بسیاری از سرمایه گذاران الگوهای گرافیکی در حال ظهور را در روندهای جهانی یا تأثیر این الگوهای می توانند در تصمیمات تجاری شرکت کنندگان در بازار در سایر بازه های دیگر در نظر بگیرند. بنابراین ، فرضیه توضیحی ما این است که استراتژی های سازگار بر اساس تجزیه و تحلیل چند زمان ممکن است ، که در آن یک بازه زمانی طولانی تر جهت یک روند را تعیین می کند و یک بازه زمانی کوتاه تر یک نقطه ورود بهینه را تعیین می کند.

نوسان ساز تصادفی یک شاخص پیشرو است و EMA ها شاخص های عقب مانده دارند. جستجوی پارامترهای بهینه برای این شاخص ها باعث تعادل سیگنال های بازار می شود که باعث افزایش اثربخشی استراتژی تجارت می شود. ما پارامترهایی را پیدا کرده ایم که امکان اقتباس از استراتژی های تجارت بازار فارکس پرخطر با بازار سهام را فراهم می کند. اول ، این پارامترها شامل دو بازه زمانی هستند: بازه زمانی بالاتر پنج سال است - برای جهت روند - در حالی که بازه زمانی پایین سه سال است - برای نقطه ورود. دوم ، ترکیبی از سه EMA (20 ، 50 و 200 روزانه) به علاوه تصادفی یک خط اصلی (سریع) که به طور متوسط بیش از 14 و صاف کردن در سه دوره و همچنین یک سیگنال (میانگین آهسته حرکت بعد از یک حرکت سریع انجام می شود ، فراهم می کند. میانگین) خط با یک دوره متوسط 3 ، با 80 ٪ بیش از حد و 20 ٪ سهام بیش از حد. سوم ، ترکیب EMA به عنوان یک نشانگر روند با یک نوسان ساز تصادفی به عنوان یک نشانگر سرعت بازار امکان شناسایی الگوهای و تعیین نقاط بهینه برای باز و بسته شدن موقعیت ها را فراهم می آورد.

نتایج کمی خاص دو پیش بینی احتمالی است که نشان دهنده سطح قیمت خاص برای ورود به بازار است: (1) 80-90 روبل در هر سهم ، و (2) 230-240 روبل در هر سهم. در حال حاضر (نوامبر 2020) ، قیمت سهم 238 روبل در هر سهم است که اعتبار و پتانسیل استراتژی ما را برای کاربرد عملی تأیید می کند.

بحث. اثربخشی یک استراتژی را می توان با نسبت آن از سیگنال های درست و نادرست ، در مقایسه با سایر استراتژی ها برای بازه های زمانی مشابه ارزیابی کرد. هرچه سیگنال های کاذب کمتری داشته باشند ، استراتژی مؤثرتر است. ادامه مطالعه در آزمایش استراتژی با سایر پارامترهای شاخص برای یافتن بهترین ترکیب.

مدل پیش بینی حاصل برای طیف گسترده ای از افراد طراحی شده است. قابل درک و استفاده آسان است. این رویکرد این است که چگونه می توان یک الگوریتم معاملاتی را برای سیستم های معاملاتی خودکار (در هر متاترادر ، کارگزاران تعاملی و سایر موارد) تولید و برنامه ریزی کرد و یک مشاور روبو ایجاد کرد.

این تحقیق توسط پروژه عالی دانشگاهی 5-100 ، پیشنهاد شده توسط پیتر بزرگ سن پلی تکنیک سن پترزبورگ ، پشتیبانی شده است.

Achelis ، S. B. ، 1995. تجزیه و تحلیل فنی از A تا Z: هر ابزار تجاری ... از شاخص وسعت مطلق تا زیگ زاگ. نیویورک: شرکت کتاب مک گرا-هیل

Arutunyan ، M. ، Skhvediani ، A. ، Kudryavtseva ، T. ، Novikov ، S. ، 2018. مدل Arima برای توصیف دینامیک رمزنگاری بیت کوین. در: مجموعه مقالات 32 کنفرانس بین المللی مدیریت اطلاعات کسب و کار 2018 2018

Babkin ، A. V. ، Burkaltseva ، D. D. ، Betskov ، A. V. ، Kilyaskhanov ، H. S. ، Tyulin ، A. S. ، Kurianova ، I. V. ، 2018. blockchain دیجیتالی سازی اتوماسیون: روند و مشکلات اجرای. مجله بین المللی مهندسی و فناوری ، دوره 7 (3) ، صص 254-260

Balashova ، E. S. ، Gromova ، E. A. ، 2017. تجربه روسیه برای ادغام مدلهای مدیریت مدرن. Espacios ، جلد 38 (53) ، صص 31-39

Bataev ، A. V. ، 2018. اشکال نوآورانه تعامل بین موسسات مالی و مشتریان: دفاتر خودکار بانکی. در: مجموعه مقالات کنفرانس بین المللی 3 ergo-2018: عوامل انسانی در سیستم ها و محیط های فنی پیچیده ، ERGO ، صص 9-13

Berawi ، M. A. ، 2020. مدیریت طبیعت 5. 0: نقش فن آوری های دیجیتال در اقتصاد دایره ای. مجله بین المللی فناوری ، دوره 11 (4) ، صص 652-655

Bouayoune ، K. S. ، Boudi ، E. M. ، Bachir ، A. ، 2017. یک روش تصادفی مبتنی بر مدل مارکوف پرش واحد برای تجزیه و تحلیل پرش ترک در یک ماده. مجله بین المللی فناوری ، دوره 8 (4) ، صص 622-633

Clement ، L. ، 1908. علم باستانی اعداد. نیویورک: برادران راجر

Colby ، R. W. ، 2003. دائر ycl المعارف شاخص های بازار فنی. ویرایش دوم. انتشارات مک گرا هیل

الیوت ، R. N. ، 1938. اصل موج. تجارت آلانپوری ، لس آنجلس ، کالیفرنیا ، 2013 (در ابتدا توسط R. N. الیوت ، نیویورک ، نیویورک منتشر شده است)

Faijareon ، C. ، Soil ، O. ، 2019. در حال تحول و ترکیب شاخص های فنی برای تولید استراتژی های معاملاتی. مجله فیزیک ، کنفرانس سری 1195 ، صص 16-32

استراتژی های فارکس ، 2014. مقیاس تصادفی با سه میانگین متحرک. به صورت آنلاین در https://www.forexstrategiesresources.com/scalping-forex-strategies-ii/281-stochastic-scalping-with-the-moving-averages در دسترس است

Ga ، W. D. ، 1941. چگونه می توان تجارت سود را در کالاها انجام داد: مطالعه AA از بازار کالا. لامبرت گان ، پومرووی ، WA

Gusev ، V. P. ، 2015. شمع های ژاپنی. ویژگی های برنامه[sل.] مسکو

همیلتون ، دبلیو. ، 1922. فشارسنج بازار سهام: مطالعه ارزش پیش بینی آن بر اساس نظریه چارلز اچ. داو در مورد حرکت قیمت: با تجزیه و تحلیل بازار و تاریخ آن از سال 1897. نیویورک: هارپر و بروس

Huang ، J.-Z. ، Huang ، Z. ، 2020. آزمایش حرکت متوسط استراتژی های معاملاتی در ETF. مجله امور مالی تجربی ، دوره 57 ، صص 16-32

Kalmykova ، S. V. ، Pustylnik ، P. N. ، Razinkina ، E. M. ، 2017. نتایج تحقیقات علم سنجی در مدیریت شکل گیری مسیرهای آموزشی در محیط آموزشی الکترونیکی. پیشرفت در سیستم های هوشمند و محاسبات ، شماره 545 ، صص 427-432

Kuporov ، J. J. ، Kudryavtseva ، T. J. ، Gorovoy ، A. A. ، 2018. الگوریتم تشکیل نمونه کارها پروژه سرمایه گذاری یک شرکت ابزار عمومی. مجموعه مقالات کنفرانس انجمن مدیریت اطلاعات بین المللی 31 ST ، 2018

Lane ، G. C. ، 1985. Stochastics Lane: The Ultimate Oscillator. مجله انجمن CMT (مجله تحلیل فنی) ، شماره 21 ، صص 37-42

Lebeau ، C ، Lucas ، D. W. ، 1992. راهنمای معامله گران فنی برای تجزیه و تحلیل رایانه ای از بازارهای آینده. آموزش مک گرا هیل

Lebedev ، O. T. ، Mokeeva ، T. V. ، Rodionov ، D. G. ، 2018. ساختار ماتریس علوم و فناوری نوآوری های توسعه و اجرای مسیر. در: مجموعه مقالات کنفرانس انجمن مدیریت اطلاعات بین المللی 31 ST

Lyukevich ، I. ، Agranov ، A. ، Kulagina ، N. ، 2018. موضوعات مربوط به هموار سازی نمایی در پیش بینی اقتصادی. در: مجموعه مقالات 32 کنفرانس بین المللی مدیریت اطلاعات کسب و کار ، 2018

McWhirter ، L. ، 1938. پیش بینی اخترشناسی و بازار سهام. نیویورک: ASI Publishers Inc (ویرایش دوم ، 1977)

Mikula ، P. ، 1995. روش های علمی گان رونمایی شد. دوره 1 و جلد 2. میخانه P. Mikula. و تجارت ، آستین ، ایالات متحده.

Mitaeva ، O. ، (n/d) تجزیه و تحلیل فنی: روش های مرموز ویلیام دلبرت گان. به صورت آنلاین در سایت آموزشی برای سرمایه گذاران و معامله گران موجود است. https://i-trading. ru/poleznoe/izvestnye-trejdery/vilyam-delbert-gan

مورفی ، J. J. ، 1986. تجزیه و تحلیل فنی بازارهای آینده: یک راهنمای جامع برای روش ها و برنامه های معاملاتی. موسسه دارایی نیویورک

Naik ، N. ، Mohan ، B. R. ، 2019. انتخاب بهینه از نشانگر فنی و پیش بینی سهام با استفاده از تکنیک یادگیری ماشین. در: فن آوری های نوظهور در مهندسی کامپیوتر: میکروسرویس در تجزیه و تحلیل داده های بزرگ. ICETCE 2019. ، دوره 985 ، صص 261 268 ، سنگاپور: اسپرینگر

Nison ، S. ، 1994. فراتر از شمعدان: تکنیک های جدید نمودار ژاپنی نشان داد. جان ویلی و پسران

Plotnikova ، E. V. ، 2018. بررسی تأثیر جنسیت و سن در انتخاب مسکن. در: مجموعه مقالات کنفرانس انجمن مدیریت اطلاعات بین المللی 31 ST ، 2018

Prechter ، R. R. Jr. ، Frost ، A. J. ، 1991. اصل موج الیوت: کلید در بورس اوراق بهادار. نیویورک: شرکت انتشارات مک گرا هیل

Rhea ، R. ، 1932. تئوری داو: توضیحی در مورد توسعه آن و تلاش برای تعریف سودمندی آن به عنوان کمک به حدس و گمان. نیویورک: بارون

Rudskaya ، I. A. ، Rodionov ، D. G. ، 2018. ارزیابی جامع عملکرد سیستم نوآوری منطقه ای روسیه با استفاده از یک مدل اقتصاد سنجی دو مرحله ای. Espacios ، جلد 39 (4) ، صص 40-52

راسل ، R. ، 1961. نظریه داو امروز. نیویورک: ریچارد راسل همکاران ، نیویورک

Schade ، G. ، 2005. منشأ نوسان ساز تصادفی. انجمن تکنسین بازار منشور (CMT). به صورت آنلاین در https://cmtassociation. org/kb/origins-of-the-toclastic-oscillator-article موجود است

Singh ، S. P. ، 2000. مدل سازی در پیش بینی سری زمان. سایبرنتیک و سیستم - یک مجله بین المللی ، دوره 31 (1) ، صص 49-65

Skhvediani ، A. E. ، Kudryavtseva ، T. Y. ، 2018. توسعه اقتصادی و اقتصادی روسیه: برخی از جنبه های تاریخی. مجله مطالعات تحقیقاتی اروپا ، دوره 21 (4) ، صص 195-207

Snezhko ، Y. S. ، 2015. استفاده از شاخص های تحلیل فنی در بازار سهام روسیه. مجله کارآفرینی روسی ، دوره 16 (16) ، صص 2681 2696

Sutalaksana ، I. Z. ، Zakiyah ، S. Z. Z. ، Widyanti ، A. ، 2019. پیوند دادن ارزش های اساسی انسانی ، درک خطر ، رفتار ریسک و میزان تصادفات: راه ایمنی شغلی. مجله بین المللی فناوری ، دوره 10 (5) ، صص 918-929

TradingView.(N/D) نمودارهای سهام رایگان ، نقل قول های سهام و ایده های تجاری. به صورت آنلاین در https://www.tradingview.com در دسترس است

Villiers ، V. D. ، 1933. روش و شکل پیش بینی قیمت سهام: تئوری و تمرین کامل ، کتاب های ویندزور ، Brightwaters ، نیویورک: چاپ مجدد در سال 1975

ویلیامز ، L. R. ، 1979. چگونه من سال گذشته یک میلیون دلار کالا تجارت کردم. کتابهای ویندزور