Jakie są zasady filtrowania fałszywych wybić?

Filtrowanie fałszywych wybić: definicja i cel

Filtrowanie fałszywych wybić odnosi się do zestawu reguł decyzyjnych, które oznaczają wybicie jako „fałszywe”, gdy działanie ceny sugeruje, że ruch nie utrzymał się. Zamiast traktować pierwsze przełamanie poziomu jako potwierdzenie, podejście to czeka na późniejsze zachowanie zgodne z niepowodzeniem (na przykład szybki powrót do wnętrza wcześniejszego zakresu).

Ten artykuł opisuje zestaw reguł, które można wdrożyć i niezależnie zweryfikować. Ma charakter wyłącznie informacyjny: nie twierdzi, że jest dokładny prognostycznie, nie zakłada konkretnych warunków rynkowych i nie obiecuje zyskownych wyników.

Podstawowa mechanika (testowalny zestaw reguł)

Aby przekształcić „filtrowanie fałszywych wybić” w coś testowalnego, potrzebujesz jednoznacznych definicji każdego elementu.

1) Zdefiniuj poziom wybicia i „zakres”

Wybierz jeden z poniższych stabilnych, mechanicznych sposobów zdefiniowania poziomu:

• Wcześniejsza granica konsolidacji: Użyj maksimum/minimum wcześniejszego okna konsolidacji.
• Pasmo wsparcia/oporu: Użyj pasma cenowego zdefiniowanego na podstawie danych historycznych (na przykład maksimum i minimum w ustalonym okresie wstecznym).

Założenie do testów: poziom wybicia musi być wyprowadzony z danych przed rozpoczęciem okna decyzyjnego dotyczącego wybicia.

2) Zdefiniuj, co liczy się jako wybicie

Podstawowa mechaniczna definicja to:

• Bycze wybicie ma miejsce, gdy cena handluje powyżej górnej granicy o co najmniej wartość progową.
• Niedźwiedzie wybicie ma miejsce, gdy cena handluje poniżej dolnej granicy o co najmniej wartość progową.

Ponieważ jest to oparte na regułach, wybierz jeden spójny pomiar:

• Oparte na zamknięciu: wybicie jest definiowane przez zamknięcie świecy powyżej/poniżej granicy.
• Oparte na cieniu/wydruku: wybicie jest definiowane przez jakikolwiek wydruk ceny/transakcji powyżej/poniżej progu.

Założenie do testów: określ, czy używasz zamknięcia, czy ekstremów wewnątrz świecy; wybór zmienia wyniki.

3) Zdefiniuj okno „fałszywości” po wybiciu

Filtrowanie fałszywych wybić wymaga okna czasowego, w którym oceniane jest niepowodzenie. Na przykład po sygnale wybicia monitorujesz kolejne W jednostek czasu (świece, minuty lub słupki).

Założenie do testów: zdecyduj o W z góry i utrzymuj je stałe dla testu. Zmiana go po zobaczeniu wyników staje się formą błędu selekcji.

4) Zdefiniuj niepowodzenie za pomocą kryterium ponownego testu lub powrotu

Poniżej wymieniono dwa popularne style reguł. Każdy z nich można przetestować.

Styl reguły A: Powrót do wcześniejszego zakresu

• Dla byczego wybicia oznacz jako fałszywe, jeśli cena wróci do (lub poniżej) górnej granicy minus tolerancja w oknie W.
• Dla niedźwiedziego wybicia oznacz jako fałszywe, jeśli cena wróci do (lub powyżej) dolnej granicy plus tolerancja w oknie W.

Styl reguły B: Nieudany ponowny test

• Dla byczego wybicia oznacz jako fałszywe, jeśli cena ponownie odwiedzi przełamany poziom, a następnie nie utrzyma się powyżej niego przez pozostałą część okna W.
• Dla niedźwiedziego wybicia oznacz jako fałszywe, jeśli cena ponownie odwiedzi poziom, a następnie nie utrzyma się poniżej.

Założenie do testów: wybierz jedną metodę tolerancji (na przykład stałą liczbę ticków, pipów lub ułamek szerokości wcześniejszego zakresu). Tolerancja ma znaczenie, ponieważ rynki nie zachowują się idealnie wokół dokładnych poziomów.

5) Jednoznacznie obsłuż niejednoznaczność

Nie każde wybicie będzie wyraźnie pasować do kategorii „fałszywe” lub „nie fałszywe”. Zdecyduj, co zrobisz z przypadkami granicznymi:

• Jeśli niepowodzenie nastąpi dokładnie na granicy: policz je jako fałszywe lub nie fałszywe—określ, które.
• Jeśli cena oscyluje wokół granicy: wybierz regułę (na przykład wymagaj netto powrotu, aby uznać za fałszywe).

Ten krok jest częścią „reguł”. Jeśli nie zdefiniujesz przypadków niejednoznacznych, weryfikacja stanie się niespójna.

6) Podsumowanie kompletnego zestawu reguł

Kompletny testowalny zestaw można podsumować jako:

1. Określ wcześniejsze granice zakresu z danych historycznych przy użyciu stałego okresu wstecznego.
2. Wykryj wybicie, gdy cena przekroczy granicę o próg, używając określonego pomiaru (zamknięcie lub wewnątrz świecy).
3. W ustalonym oknie po wybiciu W oceń niepowodzenie, używając reguły powrotu lub reguły nieudanego ponownego testu z jawną tolerancją.
4. Oznacz wybicia spełniające kryterium niepowodzenia jako „fałszywe” i opcjonalnie wyklucz je z dalszej analizy, którą przeprowadzasz.

Dowody lub przykład: jak zweryfikować to na danych historycznych

Weryfikowalne podejście polega na traktowaniu filtrowania fałszywych wybić jako funkcji etykietującej: dla każdego kandydata na wybicie w danych historycznych reguły generują etykietę (fałszywe lub nie fałszywe).

Przykładowa konfiguracja (z podanymi założeniami)

Załóż następujące elementy dla testu (są to symbole zastępcze, które ustawisz we własnym eksperymencie):

• Budujesz zakresy ze stałej liczby wcześniejszych słupków.
• Bycze wybicie oznacza, że zamknięcie świecy przekracza wcześniejsze maksimum zakresu o co najmniej próg.
• W to następna stała liczba słupków.
• „Fałszywe” oznacza, że zamknięcie wraca do wcześniejszego maksimum zakresu lub poniżej w oknie W.

Jak zweryfikować:

• Uruchom funkcję etykietującą na wielu wystąpieniach wybić przy tych stałych założeniach.
• Oblicz odsetek zdarzeń oznaczonych jako fałszywe.
• Powtórz eksperyment, zmieniając jeden parametr na raz (na przykład W lub próg), aby zobaczyć, jak wrażliwy jest wskaźnik etykietowania.

Ważne: zgłaszanie wysokiego wskaźnika „fałszywych” nie oznacza automatycznie, że filtrowanie poprawia wyniki. Tutaj cel weryfikacji jest węższy: potwierdź, że reguła zachowuje się spójnie i że jej założenia są stabilne.

Porównanie z bazą bez filtrowania

Przydatne porównanie polega na ocenie wskaźników końcowych w kontrolowany sposób (na przykład spójność wyników lub rozkład zachowania powrotnego) przy zachowaniu wszystkich innych czynników stałych.

Nawet bez twierdzenia o rentowności możesz przetestować, czy etykiety „fałszywe” korelują z szybkimi wzorcami powrotu bardziej niż zdarzenia losowe. Kluczowe jest unikanie mieszania eksploracji danych z oceną.

Ograniczenia i ryzyka (istotne tryby awarii)

Filtrowanie fałszywych wybić może zawieść z powodów niezwiązanych z samą ideą.

1) Wrażliwość parametrów i nadmierne dopasowanie

Małe zmiany progów, tolerancji lub długości okna mogą znacząco zmienić, które zdarzenia zostaną oznaczone jako fałszywe. Jeśli dostroisz te wybory do wyników danych historycznych, możesz nadmiernie dopasować się do przeszłych warunków, zamiast uchwycić stabilne zachowanie.

2) Zmiany reżimu rynkowego

Reguła, która działa w jednym reżimie zmienności, może zachowywać się inaczej w innym. Częstotliwość wybić, typowe zakresy świec i szybkość powrotu do średniej mogą się zmieniać, co sprawia, że stałe W i stałe tolerancje stają się mniej odpowiednie.

3) Jakość danych i wybory pomiarowe

Ekstrema wewnątrz świecy w porównaniu z definicjami opartymi na zamknięciu, obsługa stref czasowych, konstrukcja świec i formatowanie symboli mogą zmienić wyniki. Weryfikacja musi używać spójnych definicji danych.