تجزیه و تحلیل اوراق بهادار می تواند از چند طریق انجام شود. یک روش متداول ، تجزیه و تحلیل فنی است. به منظور شناسایی الگوهای آماری به فعالیتهای تجاری مربوط به دارایی اشاره دارد. معمولاً در زمینه تجارت مورد استفاده قرار می گیرد و می تواند برای فعالیتهای تجاری کوتاه مدت و طولانی مدت اعمال شود. در هر صورت ، فرض می کند که از فعالیتهای تجاری گذشته می توان به عنوان شاخصی برای حرکات قیمت آینده استفاده کرد. اگرچه این مفهوم برای هر نوع امنیت کاربرد دارد ، اما اغلب در مورد کالاها یا بازارهای ارزی اعمال می شود. با این حال ، حتی سرمایه گذاران با ارزش می توانند از این روش ها برای شناسایی نقاط ورود یا خروج احتمالی استفاده کنند.

با این گفته ، در این مقاله می خواهم متداول ترین روش ها را برای تجزیه و تحلیل فنی معرفی کنم ، که عبارتند از:

• حجم معاملات
• میانگین متحرک
• حمایت و مقاومت
• گروههای بولینگر
• شاخص قدرت نسبی
• شاخص حرکت جهت دار
• حرکت همگرایی/واگرایی متوسط
• شاخص کانال کالا

برای هر تکنیک توضیحات کوتاهی در مورد ایده اصلی و برخی از نتیجه گیری های اساسی که به آن اجازه می دهد ارائه می دهم. علاوه بر این ، من روش ها را با استفاده از دکمه های دکمه سرپوش ترسیم می کنم تا احساس چگونگی به نظر می رسد. بنابراین ، بیایید شروع کنیم!

دستبند

برای ایجاد توطئه ها از کتابخانه Cufflinks استفاده خواهیم کرد ، که قدرت طرح ریزی را با انعطاف پذیری پاندا برای ترسیم آسان ترکیب می کند. دلیل دیگر این است که در حال حاضر شامل مجموعه ای از روش ها برای تجزیه و تحلیل فنی است ، به طوری که می توان آنها را به راحتی استفاده و ترسیم کرد. اما ابتدا باید داده ها را بدست آوریم. بنابراین ، ما داده های مصنوعی را با استفاده از ماژول Datagen و روش OHLCV تولید خواهیم کرد. این مجموعه داده شامل قیمت باز (O) ، بالا (H) ، پایین (L) و نزدیک (C) و همچنین حجم معاملات (V) است. اکنون ، ما می توانیم روش IPLOT را برای نشان دادن داده ها در یک طرح شمعدانی اعمال کنیم ، اما به خاطر داشته باشید که این روش فقط در صورت بارگیری کتابخانه Cufflinks از قبل در دسترس است:

حجم معاملات

حجم معاملات یک شاخص بسیار رایج و ساده است که میزان سهام معامله شده را در یک دوره زمانی خاص نشان می دهد. علاوه بر این ، رنگ یک نوار نشان می دهد که آیا قیمت (سبز) افزایش یافته یا کاهش یافته است (قرمز) در مقایسه با آخرین قیمت. حجم معاملات به عنوان یک شاخص مستقل بسیار بی فایده است اما در رابطه با روش های دیگر اغلب برای تأیید الگوهای مانند روندها یا شکستن استفاده می شود. از این رو ، اگر یک دارایی در حالی که حجم معاملات بالا می رود ، روند بالایی یا پایین را به خود اختصاص می دهد ، می توان آن را به عنوان یک حرکت قوی تعبیر کرد ، که این به معنای ادامه روند فعلی است. برعکس ، کاهش حجم معاملات می تواند پایان روند را نشان دهد. در صورت وجود یک حرکت جانبی ، افزایش شدید حجم معاملات و به دنبال آن یک حرکت قوی تر قیمت و حجم معاملات بالاتر پایدار ممکن است یک شکست از محدوده معاملات فعلی باشد.

با استفاده از دکمه های دکمه ای ، نمایش حجم معاملات بسیار آسان است. ابتدا باید یک شیء QuantFig ایجاد کنیم و DataFrame واقعی را منتقل کنیم. سپس ، ما روش ADD_VOLUME را اعمال می کنیم ، که حجم معاملات را به شکل وصل می کند:

میانگین متحرک (MA)

یک شاخص نسبتاً ابتدایی و بصری به طور متوسط در حال حرکت است. ایده اصلی این است که با یک پنجره گذشته نگر بر روی هر نقطه داده در نمودار اسلاید و میانگین آن مقادیر گذشته را برای این تاریخ مشخص محاسبه کنید. این منجر به یک خط صاف شده است که روند کلی را نشان می دهد. اثر صاف کننده ، به نوبه خود ، با طول پنجره متفاوت است. بنابراین ، برای شناسایی روند طولانی مدت از طول پنجره 200 اغلب استفاده می شود ، در حالی که روند میان مدت معمولاً با طول پنجره 50 و روند کوتاه مدت با طول پنجره 10 همراه است. انواع اصلی متمایز هستند:

• میانگین حرکت ساده (SMA)
• میانگین متحرک وزن نمایی (EMA)

SMA بر اساس میانگین حسابی است که هنگام محاسبه میانگین ، هر مقدار را در پنجره به همان وزن می دهد. از طرف دیگر ، EMA اهمیت بیشتری را اختصاص می دهد و در نتیجه وزن بیشتری را به نقاط داده های اخیر در پنجره نسبت به گذشته در گذشته نشان می دهد. این باعث می شود EMA نسبت به نوسانات اخیر حساس تر شود.

به طور کلی ، میانگین حرکت برای شناسایی روندها یا سیگنال های معاملاتی استفاده می شود. از این رو ، اگر میانگین متحرک افزایش یابد ، روند صعودی وجود دارد و بالعکس. اگر قیمت واقعی از میانگین متحرک بالاتر عبور کند ، می تواند به عنوان یک نقطه ورود احتمالی برای یک روند صعودی تلقی شود ، به این معنی که انتظار می رود قیمت افزایش یابد. در مقابل ، یک گذرگاه زیر می تواند فرصتی تجاری برای یک روند نزولی در نظر گرفته شود ، که نشانگر انتظار نزولی است. یکی دیگر از سیگنال های تجاری بالقوه زمانی است که دو میانگین متحرک با طول مختلف از یکدیگر عبور می کنند. اگر میانگین متحرک کوتاه تر از بالا (در زیر) میانگین در حال حرکت طولانی تر باشد ، به این معنی است که قیمت های اخیر در بالاتر (در زیر) روند بلند مدت قرار دارد و نشانگر حرکت صعودی (نزولی) است.

باز هم ، ما از شیء QuantFig برای ترسیم یک SMA 10 دوره و EMA استفاده خواهیم کرد:

حمایت و مقاومت

سطح پشتیبانی و مقاومت یک مفهوم اساسی در تجزیه و تحلیل فنی است. به طور کلی ، هدف شناسایی سطح قیمت به نمایندگی از یک مانع است. آن سطوح ، که مانع از شکستن قیمت آنها به سمت بالا می شوند ، سطح مقاومت نامیده می شوند و به سمت پایین به عنوان سطح پشتیبانی مشخص می شوند. بنابراین ، اگر یک امنیت روند چند بار نتواند سطح پشتیبانی یا مقاومت را بشکند ، یک نشانه قوی برای وارونگی است. هرچه این اتفاق بیشتر اتفاق می افتد ، سطح قوی تر در نظر گرفته می شود. در مقابل ، فراتر از چنین سطحی ممکن است منجر به یک حرکت قوی تر در همان جهت شود.

علاوه بر این ، سطح پشتیبانی و مقاومت در چندین شکل وجود دارد. متداول ترین آنها خطوط افقی قله ها یا پایین ترین سطح در همان سطح هستند. با این حال ، به ویژه در بازارهای روند ، این سطح نیز می تواند در جهت روند تمایل داشته باشد. سرانجام ، یکی دیگر از راه های محبوب استفاده از میانگین های متحرک مانند چنین موانعی است.

در حال حاضر ، من نمی خواهم روی محاسبه چنین سطحی با پایتون تمرکز کنم ، بلکه بیشتر روی نمایش آنها یک بار شناسایی شده است. بنابراین ، ما می توانیم از روشهای add_support و add_resistance شیء Quantfig استفاده کنیم ، جایی که باید تاریخی را که در آن یک خط افقی باید همراه با اطلاعات مربوط به عنصر قیمت مورد استفاده (باز ، پایین ، نزدیک ، نزدیک) ترسیم کنیم. در این مثال ، به نظر می رسد سطح مقاومت در قیمت 240 است که به عنوان مثال با قیمت نزدیک هفدهم فوریه مطابقت دارد. از طرف دیگر ، سطح پشتیبانی در حدود 60 تشکیل شده و در پایین 28 ژانویه به دست آمده است:

گروههای بولینگر (BB)

گروههای بولینگر در اوایل دهه 1980 توسط جان بولینگر توسعه یافتند و یکی از محبوب ترین روشهای موجود در چارچوب تحلیل فنی است. آنها نمایانگر دامنه نوسانات در اطراف یک خط متوسط متحرک هستند. بنابراین ، اگر دامنه باریک باشد ، نوسانات نسبتاً کم است و برعکس. همچنین ، اگر بیش از حد بالایی و نسبتاً کم (بیش از حد) باشد ، اگر زیر باند پایین قرار بگیرد ، قیمت نسبتاً بالا (بیش از حد) در نظر گرفته می شود.

برای محاسبه باندهای بولینگر سه مؤلفه مورد نیاز است:

• میانگین حرکت = میانگین حرکت ساده
• باند فوقانی = میانگین در حال حرکت + 2 * انحراف استاندارد
• باند پایین = میانگین متحرک - 2 * انحراف استاندارد

پارامترهای پیش فرض طول پنجره 20 دوره و 2 انحراف استاندارد برای تعیین باند فوقانی و تحتانی است.

ما می توانیم باندهای بولینگر را با استفاده از روش ADD_BOLLINGER_BANDS به شرح زیر به صورت زیر نمایش دهیم:

شاخص قدرت نسبی (RSI)

RSI یک شاخص شناخته شده برای شناسایی اوج های کوتاه مدت یا پایین و برای ارزیابی ، اینکه آیا امنیت بیش از حد یا بیش از حد وجود دارد ، است. RSI در محدوده 0 و 100 نوسان می کند ، که در آن مقادیر بالاتر از 70 نشان می دهد که دارایی بیش از حد است و مقادیر زیر 30 نشانه ای است ، که دارایی بیش از حد است. بنابراین ، یک گذرگاه بالاتر از خط مرجع فوقانی یک سیگنال معاملاتی نزولی را نشان می دهد ، به این معنی که دارایی بیش از حد است و ممکن است یک بازپرداخت رخ دهد. از طرف دیگر ، پیشی گرفتن از خط مرجع پایین به معنای فرصت تجارت صعودی است ، زیرا امنیت بیش از حد است و احتمالاً وارونگی اتفاق می افتد.

ما می توانیم RSI را در زیر نمودار با شیء QuantFig و روش ADD_RSI اضافه کنیم:

شاخص حرکت جهت دار (DMI)

DMI یک نشانگر شرکتی است و توسط J. Welles Wilder تهیه شده است. این شامل سه مؤلفه است:

• نشانگر جهت مثبت (+DI)
• نشانگر جهت منفی (-DI)
• شاخص جهت متوسط (ADX)

شاخص های جهت مثبت و منفی جهت روند را اندازه گیری می کنند. بنابراین ، اگر شاخص جهت مثبت بالاتر از شاخص جهت منفی باشد ، به طور کلی به این معنی است که قیمت در حال افزایش است و برعکس. بنابراین ، اگر آنها به طور مکرر عبور می کنند ، احتمالاً هیچ روند مشخصی وجود ندارد. از طرف دیگر ، شاخص جهت متوسط قدرت روند را نشان می دهد. مقدار زیر 20 نشان دهنده هیچ روند نیست ، دامنه بین 20 تا 25 با یک روند ضعیف همراه است و یک مقدار بالاتر از 25 حاکی از یک روند قوی است.

شما می توانید DMI را در پایین شکل با شیء Quantfig مانند گذشته نمایش دهید:

حرکت همگرایی/واگرایی متوسط (MACD)

MACD در اواخر دهه 1970 توسط G. Appel معرفی شد. این یک شاخص مربوط به روند است و معمولاً در ترکیب با یک خط سیگنال استفاده می شود. MACD بر اساس قیمت نزدیک است و تفاوت بین دو میانگین متحرک در حال حرکت به صورت نمایی (EMA) است. به طور خاص ، EMA 26 دوره (EMA آهسته) از EMA 12 دوره ای (EMA سریع) تقسیم می شود. این نتیجه به نوبه خود پایه ای برای محاسبه یک EMA 9 دوره ای است که خط سیگنال را نشان می دهد:

• macd = ema (سریع) - ema (آهسته)
• خط سیگنال = EMA (MACD)

MACD در حال افزایش با یک روند رو به بالا همراه است و برعکس. شکاف گسترده تر بین MACD و خط صفر حاکی از روند قوی تر است. سیگنال های معاملاتی را می توان در نقاط عبور بین MACD و خط سیگنال بدست آورد. بنابراین ، اگر MACD از خط سیگنال بالا عبور کند ، یک فرصت خرید در نظر گرفته می شود ، در حالی که یک متقاطع زیر خط سیگنال به عنوان یک ماشه فروش دیده می شود.

نمایش MACD و خط سیگنال زیر نمودار قیمت مانند این کار می کند:

شاخص کانال کالا (CCI)

همانطور که از نام آن پیداست ، این روش در ابتدا برای شناسایی آغاز و پایان چرخه کالاها طراحی شده است. با این حال ، امروز نه تنها در مورد کالاها بلکه در مورد سهام ، ارزها و سایر اوراق بهادار نیز اعمال می شود. ایده اصلی تعیین اینکه آیا قیمت برای یک پنجره زمانی خاص نسبتاً بالا یا پایین است یا خیر. بنابراین ، اگر CCI بالاتر از (در زیر) صفر باشد ، به این معنی است که قیمت بالاتر از قیمت متوسط برای پنجره زمانی مربوطه است. علاوه بر این ، عبور از خط +100 ی ا-100 یک نقطه شروع ممکن برای یک روند رو به بالا به سمت بالا در نظر گرفته می شود. برای محاسبه CCI اجزای زیر مورد نیاز است:

• قیمت معمولی = میانگین قیمت نزدیک ، بالا و پایین
• میانگین حرکت = میانگین حرکت ساده
• ضریب مقیاس = ارزش دلخواه
• میانگین انحراف = (قیمت معمولی - میانگین متحرک) / دوره ها

این مؤلفه ها در فرمول زیر برای محاسبه CCI استفاده می شوند:

CCI = (قیمت معمولی - میانگین متحرک) / ضریب مقیاس X میانگین انحراف

به طور کلی ، طول دوره پیش فرض برای محاسبه میانگین متحرک ساده روی 20 تنظیم شده است و ضریب مقیاس گذاری 0. 015 است ، که اطمینان می دهد ، تقریباً 75 ٪ از مقادیر در محدوده +100 و-100 قرار دارند.

نمایش CCI با شیء Quantfig و روش ADD_CCI دوباره ساده است:

سخنان پایانی

با این پست می خواستم برخی از تکنیک های متداول را برای تجزیه و تحلیل فنی معرفی کنم و درک اساسی را ارائه دهم. با این حال ، آگاه باشید که تفسیرهای بسیار پیچیده تر و پیچیده تری وجود دارد و امکانات کاربردی وجود دارد. همچنین ، معامله گران و سرمایه گذاران حرفه ای معمولاً به یک روش تکیه نمی کنند ، بلکه روش های مختلفی را ترکیب می کنند. در صورتی که همه یا حداقل بیشتر روشهای ترکیبی منجر به یک ارزیابی مشابه شود ، احتمالاً احتمال تجارت سودآور به طور قطع بیشتر است. در برابر این پیش زمینه ، من می خواهم برخی از استراتژی ها را در پست های آینده بررسی و پشت سر بگذارم و نمونه های برنامه نویسی را نیز ارائه دهم.

درک این نکته حائز اهمیت است که تمام تحقیقات مستند شده در این مقاله برای اهداف آموزشی است و نباید به عنوان مشاوره تجاری در نظر گرفته شود. شما نباید بر اساس هر الگوریتم یا استراتژی تعریف شده در این مقاله تجارت کنید ، زیرا احتمالاً سرمایه گذاری خود را از دست می دهید.

مقالات مرتبط

اگر این مقاله را دوست داشتید ، ممکن است به موارد زیر نیز علاقه مند باشید: