6 октября 2012
Однако некоторые размытые и темные определения, которые дают многие трейдеры и аналитики, делают очень сложной оценку эффективности поддержки и сопротивления, а также определение того, имеют ли эти уровни статистическую значимость.
Здесь мы рассмотрим алгоритмический подход к определению уровней поддержки и сопротивления и оценке результатов с точки зрения статистики. Однако процесс, который используется для тестирования значимости этих уровней можно применять к любым определениям поддержки и сопротивления для идентификации того, насколько велика прогностическая точность этих уровней – т.е., будут ли они действовать как разворотные точки в будущем.
Метод оценки.
Первый шаг в процессе, определить уровни поддержки и сопротивления, релевантность, которых определяется при помощи подсчета пробоев и откатов, которые имеют место на каждом уровне в течение определенного тестового периода. Анализ пробоев-откатов состоит из проверки того, где каждый ценовой бар в тестовом периоде находится по отношению к определенному уровню поддержки и сопротивления, при помощи следующей методики:
1) Если минимум бара выше верхней границы зоны поддержки/сопротивления, то мы записываем 1.
2) Если максимум бара выше нижней границы зоны поддержки/сопротивления, то мы записываем -1.
3) Записываем 0 во всех остальных случаях.
После того, как все ценовые бары проанализировали, мы устанавливаем следующие обозначения поведения цены в течение тестового периода:
1. -1/0/-1 = «откат снизу» (разворот от дна зоны поддержки/сопротивления)
2. 1/0/-1 = «пересечение вниз» (пробой вниз зоны поддержки/сопротивления).
3. 1/0/1 = «откат сверху» (откат от вершины зоны поддержки/сопротивления).
4. -1/0/1 = «пересечение вверх» (пробой вверх зоны поддержки/сопротивления).
На рисунке 1 показаны примеры этих 4 паттернов для зоны поддержки/сопротивления .8781 - .8791 пары евро/американский доллар. На нижней панели мы видим обозначение каждого бара как 1, - 1 или 0, в зависимости от того произошел ли пробой или откат.
Процесс оценки состоит из нескольких простых шагов. Во-первых, вы должны установить методологию определения поддержки и сопротивления. Во-вторых, сделать прогнозы, основываясь на применении этих зон поддержки и сопротивления – например, сделать прогнозы на 2001 год, используя данные с 2000 года. В этом случае 2000-й год будет оценочным периодом, тогда как 2001-й год будет тестовым периодом. Затем подсчитать количество паттернов в тестовом периоде, используя предыдущие дефиниции. Наконец, вы должны установить являются ли эти подсчеты статистически значимыми по сравнению с теми, которые можно провести на основе случайно установленных уровней поддержки и сопротивления.
Данная методология облегчает оценку узких зон поддержки и сопротивления, в которых цена как ожидается, совершит откат в границы диапазона (как в примере на рисунке 1), а не поддержки/сопротивления, определенных специфическими ценовыми уровнями. Это весьма полезно на валютных рынках, поскольку разница в ценовых данных разных провайдеров потенциально может привести к небольшому расхождению технический уровней в зависимости от метода их определения.
Рисунок 1. Откаты и пробои. Четыре паттерна используются для оценки того, совершит ли цена откат или пробьет определенную зону поддержки/сопротивления.
Определяем поддержку/сопротивление при помощи максимумов и минимумов.
На рынке форекс поддержка и сопротивление могут рассматриваться как зоны, где спрос на одну из валют в паре уменьшается. Например, если речь идет о паре EUR/USD, то максимум с закрытием ниже этого максимума может рассматриваться как уровень, на котором спрос на евро недостаточен, что приводит к формированию сопротивления. Подобным же образом, минимумы баров, закрытие которых происходит выше этого минимума, можно рассматривать как уровни, где спрос на доллар США, уменьшается, служа поддержкой для пары.
Расширив эту логику, мы можем разработать методологию определения поддержки и сопротивления, посредством установления релевантности определенного уровня поддержки или сопротивления при помощи того, насколько часто максимумы и минимумы цены достигают этого уровня.
Мы можем использовать следующий процесс для определения зон поддержки и сопротивления при помощи этого метода:
1. Отмечаем максимальный и минимальный ценовой уровень, достигнутые во время периода оценки (например, для 2000 года).
2. Для каждого ценового уровня в 1 тик (0.0001) между этими значениями, определяем количество максимумов и минимумов, которые выпадают в диапазон +/- 10 тиков (0.0010) от каждого уровня. Это и есть количество очков.
3. Нормализуем результаты, разделив количество очков для каждого ценового уровня на самый большой результат года по очкам.
На рисунке 2 мы видим данные для 2009 по паре евро/американский доллар (EUR/USD).
Рисунок 2. Определяем поддержку/сопротивление максимумов-минимумов. Зоны поддержки/сопротивления указывают на то, с какой частотой дневные максимумы и минимумы выпадают в диапазоне 10 тиков от каждого ценового сегмента 0.0001.
Прогностическую ценность этих уровней можно подвергнуть объективному тестированию на период в будущем. После получения прогнозных значений зон поддержки и сопротивления для тестового периода, мы можем применить описанную выше методику анализа, чтобы увидеть, являются ли результаты статистически релевантными по сравнению со случайно определенными уровнями поддержки/сопротивления.
Каждая спрогнозированная зона поддержки/сопротивления тестируется для прогнозного горизонта в поисках все пробойно-откатных паттернов, которые имеют место в этом периоде. Поскольку у нас два откатных паттерна (откаты от поддержки и сопротивления) и два пробойных паттерна (пересечения поддержки и сопротивления) для каждой зоны касания делается четыре подсчета (одна для каждого паттерна; если цена не касается зоны, мы ничего не считаем). После этого подсчета мы определяем процент паттернов сопротивления по отношению к общему числу паттернов, который определяет «коэффициент сопротивления» для каждой зоны.
Чем чаще встречается паттерн отката (т.е., зона функционирует в качестве поддержки или сопротивления, около которой цена разворачивается), тем ближе к 1% будет коэффициент. И наоборот, если имеют место только пробойные паттерны, то коэффициент равен 0. Например, если зона поддержки/сопротивления ассоциируется с 12 откатными паттернами и восьмью пробойными паттернами, коэффициент будет 0.60 или 60%. Для того, чтобы продемонстрировать, какие коэффициенты имеют большую частоту, мы можем использовать гистограмму частоты. В данном случае средний коэффициент сопротивления составляет 57%, что означает, что цена около определенного ценового уровня чаще совершает откат, чем пересекает его. Это заставляет предположить, что таким образом мы можем добиться статистического преимущества при прогнозировании будущих зон поддержки и сопротивления.
Сравнение случайного стандарта и сопротивления.
Для определения того, есть ли реальное статистическое преимущество, должны, однако, осуществить тот же самый анализ по отношению к случайно нарисованным зонам поддержки и сопротивления, которые мы можем получить при помощи следующей процедуры.
1. Замечаем максимальный и минимальный ценовой уровни, полученные во время оценочного периода (например, для 2000 года).
2. Генерируем случайное число между 0 и 1.
3. Умножаем это число на диапазон (разницу между максимумом и минимумом, которую мы получили в шаге 1) и добавляем его к самому низкому уровню. Это дает нам нижнюю границу зоны поддержки и сопротивления на следующий год.
4. Добавляем один 1 тик к нижней границе, чтобы получить верхнюю границу (или, добавляем 4 тика).
5. Повторяем все шаги 1.000 раз для каждого прогнозного года.
На рисунке 3 представлена частота распределения коэффициентов сопротивления для случайно сгенерированных зон поддержки/сопротивления (с использованием методики одного и четырех тиков) по сравнению с методом «максимума-минимума». Некоторые наблюдения: Пики находятся близко друг к другу, что указывает на то, что средние коэффициенты сопротивления очень похожу, независимо от того какой метод (случайный или метод «максимума-минимума») использовался. Также максимальная точка распределения коэффициента сопротивления сдвигается вправо, так как ширина случайной зоны растет, это заставляет предположить, что сдвиг пика для «максимума-минимума» (при средней ширине 2.6 тиков) объясняется ростом среднего размера зоны. Это заставляет предположить, что ширина зоны оказывает влияние на коэффициенты сопротивления. В целом, однако, дистрибутивные паттерны очень похожи друг на друга, и это вызывает сомнение в том, что метод прогнозирования при помощи максимумов-минимумов эффективнее случайного выбора зон.
Рисунок 3. Частота распределения коэффициента сопротивления. Желтым отмечены – случайные уровни с шагом 4 пипса, Зеленым – случайные уровни 1 пип, Синим – уровни с использованием метода максимумов/минимумов. Сравнение дистрибуции коэффициента сопротивления случайно сгенерированных уровней поддержки/сопротивления и тех, которые мы получили с использованием метода максимумов-минимумов, показывает, что особой разницы между двумя подходами нет.
Очки.
Следующая вещь, на которую необходимо обратить внимание, это очки, которые должны дать нам оценку того, насколько «жесткой» является зона. Чем ближе коэффициент сопротивления к 1, тем меньше цена пересекает зону, что дает нам результат в виде диагональной линии, когда мы наносим на график прогностические очки против процента сопротивления, т.е. чем больше очков у зоны, тем больше должен быть коэффициент сопротивления, если он выступает в роли поддержки или сопротивления.
На рисунке 4 вдоль осей x/y мы видим широкое облако значения с почти горизонтальной ориентацией. Линейная регрессия (голубая линия) имеет небольшой наклон вниз с очень небольшим значением R². В соответствии с предыдущими наблюдениями центр облака находится около 58%.
Маленькое значение R² предполагает, что есть маленькая линейная корреляция между амплитудой очков и коэффициентом сопротивления (если бы высокий показатель очков был связан с высоким коэффициентом сопротивления, то R² стремилось бы к 1). Таким образом, наш анализ показал, что очки не дают нам возможности сказать, что мы качественно прогнозируем уровень сопротивления при помощи метода максимумов/минимумов.
Оцениваем качество прогнозов поддержки и сопротивления.
Процесс, который мы описали здесь, представляет собой объективный способ оценки того, является ли данная методология определения поддержки и сопротивления хорошим прогностическим инструментом для определения будущих пробоев и откатов цены. В данном примере метод максимумов/минимумов доказал свое статистическое превосходство над случайно нарисованными уровнями, однако у него нет статистического пре6имущества в прогнозировании будущих уровней, от которых цена откатится или пробьет их.
Проверьте, имеет ли ваш ручной или алгоритмический способ определения уровней поддержки и сопротивления прогностическую силу. Теперь у вас есть способ сделать это.
Здесь мы рассмотрим алгоритмический подход к определению уровней поддержки и сопротивления и оценке результатов с точки зрения статистики. Однако процесс, который используется для тестирования значимости этих уровней можно применять к любым определениям поддержки и сопротивления для идентификации того, насколько велика прогностическая точность этих уровней – т.е., будут ли они действовать как разворотные точки в будущем.
Метод оценки.
Первый шаг в процессе, определить уровни поддержки и сопротивления, релевантность, которых определяется при помощи подсчета пробоев и откатов, которые имеют место на каждом уровне в течение определенного тестового периода. Анализ пробоев-откатов состоит из проверки того, где каждый ценовой бар в тестовом периоде находится по отношению к определенному уровню поддержки и сопротивления, при помощи следующей методики:
1) Если минимум бара выше верхней границы зоны поддержки/сопротивления, то мы записываем 1.
2) Если максимум бара выше нижней границы зоны поддержки/сопротивления, то мы записываем -1.
3) Записываем 0 во всех остальных случаях.
После того, как все ценовые бары проанализировали, мы устанавливаем следующие обозначения поведения цены в течение тестового периода:
1. -1/0/-1 = «откат снизу» (разворот от дна зоны поддержки/сопротивления)
2. 1/0/-1 = «пересечение вниз» (пробой вниз зоны поддержки/сопротивления).
3. 1/0/1 = «откат сверху» (откат от вершины зоны поддержки/сопротивления).
4. -1/0/1 = «пересечение вверх» (пробой вверх зоны поддержки/сопротивления).
На рисунке 1 показаны примеры этих 4 паттернов для зоны поддержки/сопротивления .8781 - .8791 пары евро/американский доллар. На нижней панели мы видим обозначение каждого бара как 1, - 1 или 0, в зависимости от того произошел ли пробой или откат.
Процесс оценки состоит из нескольких простых шагов. Во-первых, вы должны установить методологию определения поддержки и сопротивления. Во-вторых, сделать прогнозы, основываясь на применении этих зон поддержки и сопротивления – например, сделать прогнозы на 2001 год, используя данные с 2000 года. В этом случае 2000-й год будет оценочным периодом, тогда как 2001-й год будет тестовым периодом. Затем подсчитать количество паттернов в тестовом периоде, используя предыдущие дефиниции. Наконец, вы должны установить являются ли эти подсчеты статистически значимыми по сравнению с теми, которые можно провести на основе случайно установленных уровней поддержки и сопротивления.
Данная методология облегчает оценку узких зон поддержки и сопротивления, в которых цена как ожидается, совершит откат в границы диапазона (как в примере на рисунке 1), а не поддержки/сопротивления, определенных специфическими ценовыми уровнями. Это весьма полезно на валютных рынках, поскольку разница в ценовых данных разных провайдеров потенциально может привести к небольшому расхождению технический уровней в зависимости от метода их определения.
Рисунок 1. Откаты и пробои. Четыре паттерна используются для оценки того, совершит ли цена откат или пробьет определенную зону поддержки/сопротивления.
Определяем поддержку/сопротивление при помощи максимумов и минимумов.
На рынке форекс поддержка и сопротивление могут рассматриваться как зоны, где спрос на одну из валют в паре уменьшается. Например, если речь идет о паре EUR/USD, то максимум с закрытием ниже этого максимума может рассматриваться как уровень, на котором спрос на евро недостаточен, что приводит к формированию сопротивления. Подобным же образом, минимумы баров, закрытие которых происходит выше этого минимума, можно рассматривать как уровни, где спрос на доллар США, уменьшается, служа поддержкой для пары.
Расширив эту логику, мы можем разработать методологию определения поддержки и сопротивления, посредством установления релевантности определенного уровня поддержки или сопротивления при помощи того, насколько часто максимумы и минимумы цены достигают этого уровня.
Мы можем использовать следующий процесс для определения зон поддержки и сопротивления при помощи этого метода:
1. Отмечаем максимальный и минимальный ценовой уровень, достигнутые во время периода оценки (например, для 2000 года).
2. Для каждого ценового уровня в 1 тик (0.0001) между этими значениями, определяем количество максимумов и минимумов, которые выпадают в диапазон +/- 10 тиков (0.0010) от каждого уровня. Это и есть количество очков.
3. Нормализуем результаты, разделив количество очков для каждого ценового уровня на самый большой результат года по очкам.
На рисунке 2 мы видим данные для 2009 по паре евро/американский доллар (EUR/USD).
Рисунок 2. Определяем поддержку/сопротивление максимумов-минимумов. Зоны поддержки/сопротивления указывают на то, с какой частотой дневные максимумы и минимумы выпадают в диапазоне 10 тиков от каждого ценового сегмента 0.0001.
Прогностическую ценность этих уровней можно подвергнуть объективному тестированию на период в будущем. После получения прогнозных значений зон поддержки и сопротивления для тестового периода, мы можем применить описанную выше методику анализа, чтобы увидеть, являются ли результаты статистически релевантными по сравнению со случайно определенными уровнями поддержки/сопротивления.
Каждая спрогнозированная зона поддержки/сопротивления тестируется для прогнозного горизонта в поисках все пробойно-откатных паттернов, которые имеют место в этом периоде. Поскольку у нас два откатных паттерна (откаты от поддержки и сопротивления) и два пробойных паттерна (пересечения поддержки и сопротивления) для каждой зоны касания делается четыре подсчета (одна для каждого паттерна; если цена не касается зоны, мы ничего не считаем). После этого подсчета мы определяем процент паттернов сопротивления по отношению к общему числу паттернов, который определяет «коэффициент сопротивления» для каждой зоны.
Чем чаще встречается паттерн отката (т.е., зона функционирует в качестве поддержки или сопротивления, около которой цена разворачивается), тем ближе к 1% будет коэффициент. И наоборот, если имеют место только пробойные паттерны, то коэффициент равен 0. Например, если зона поддержки/сопротивления ассоциируется с 12 откатными паттернами и восьмью пробойными паттернами, коэффициент будет 0.60 или 60%. Для того, чтобы продемонстрировать, какие коэффициенты имеют большую частоту, мы можем использовать гистограмму частоты. В данном случае средний коэффициент сопротивления составляет 57%, что означает, что цена около определенного ценового уровня чаще совершает откат, чем пересекает его. Это заставляет предположить, что таким образом мы можем добиться статистического преимущества при прогнозировании будущих зон поддержки и сопротивления.
Сравнение случайного стандарта и сопротивления.
Для определения того, есть ли реальное статистическое преимущество, должны, однако, осуществить тот же самый анализ по отношению к случайно нарисованным зонам поддержки и сопротивления, которые мы можем получить при помощи следующей процедуры.
1. Замечаем максимальный и минимальный ценовой уровни, полученные во время оценочного периода (например, для 2000 года).
2. Генерируем случайное число между 0 и 1.
3. Умножаем это число на диапазон (разницу между максимумом и минимумом, которую мы получили в шаге 1) и добавляем его к самому низкому уровню. Это дает нам нижнюю границу зоны поддержки и сопротивления на следующий год.
4. Добавляем один 1 тик к нижней границе, чтобы получить верхнюю границу (или, добавляем 4 тика).
5. Повторяем все шаги 1.000 раз для каждого прогнозного года.
На рисунке 3 представлена частота распределения коэффициентов сопротивления для случайно сгенерированных зон поддержки/сопротивления (с использованием методики одного и четырех тиков) по сравнению с методом «максимума-минимума». Некоторые наблюдения: Пики находятся близко друг к другу, что указывает на то, что средние коэффициенты сопротивления очень похожу, независимо от того какой метод (случайный или метод «максимума-минимума») использовался. Также максимальная точка распределения коэффициента сопротивления сдвигается вправо, так как ширина случайной зоны растет, это заставляет предположить, что сдвиг пика для «максимума-минимума» (при средней ширине 2.6 тиков) объясняется ростом среднего размера зоны. Это заставляет предположить, что ширина зоны оказывает влияние на коэффициенты сопротивления. В целом, однако, дистрибутивные паттерны очень похожи друг на друга, и это вызывает сомнение в том, что метод прогнозирования при помощи максимумов-минимумов эффективнее случайного выбора зон.
Рисунок 3. Частота распределения коэффициента сопротивления. Желтым отмечены – случайные уровни с шагом 4 пипса, Зеленым – случайные уровни 1 пип, Синим – уровни с использованием метода максимумов/минимумов. Сравнение дистрибуции коэффициента сопротивления случайно сгенерированных уровней поддержки/сопротивления и тех, которые мы получили с использованием метода максимумов-минимумов, показывает, что особой разницы между двумя подходами нет.
Очки.
Следующая вещь, на которую необходимо обратить внимание, это очки, которые должны дать нам оценку того, насколько «жесткой» является зона. Чем ближе коэффициент сопротивления к 1, тем меньше цена пересекает зону, что дает нам результат в виде диагональной линии, когда мы наносим на график прогностические очки против процента сопротивления, т.е. чем больше очков у зоны, тем больше должен быть коэффициент сопротивления, если он выступает в роли поддержки или сопротивления.
На рисунке 4 вдоль осей x/y мы видим широкое облако значения с почти горизонтальной ориентацией. Линейная регрессия (голубая линия) имеет небольшой наклон вниз с очень небольшим значением R². В соответствии с предыдущими наблюдениями центр облака находится около 58%.
Маленькое значение R² предполагает, что есть маленькая линейная корреляция между амплитудой очков и коэффициентом сопротивления (если бы высокий показатель очков был связан с высоким коэффициентом сопротивления, то R² стремилось бы к 1). Таким образом, наш анализ показал, что очки не дают нам возможности сказать, что мы качественно прогнозируем уровень сопротивления при помощи метода максимумов/минимумов.
Оцениваем качество прогнозов поддержки и сопротивления.
Процесс, который мы описали здесь, представляет собой объективный способ оценки того, является ли данная методология определения поддержки и сопротивления хорошим прогностическим инструментом для определения будущих пробоев и откатов цены. В данном примере метод максимумов/минимумов доказал свое статистическое превосходство над случайно нарисованными уровнями, однако у него нет статистического пре6имущества в прогнозировании будущих уровней, от которых цена откатится или пробьет их.
Проверьте, имеет ли ваш ручной или алгоритмический способ определения уровней поддержки и сопротивления прогностическую силу. Теперь у вас есть способ сделать это.
/Элитный Трейдер, ELITETRADER.RU/
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба