Jakie dane wejściowe wykorzystuje filtrowanie fałszywych wybić?

Bezpośrednia odpowiedź

Filtrowanie fałszywych wybić wykorzystuje zestaw danych wejściowych reguł, które przekształcają surowe informacje rynkowe w etykietę „tak/nie” określającą, czy wybicie jest prawdopodobnie fałszywe. Kluczowymi danymi wejściowymi są poziomy cen definiujące poprzedni zakres, reguła definiująca „wybicie” oraz okno obserwacji uzupełniającej, które decyduje, czy cena szybko powraca z powrotem do tego zakresu.

Ponieważ „Filtrowanie fałszywych wybić” może być implementowane na wiele sposobów, należy traktować jego dane wejściowe jako parametry konkretnego zestawu reguł, którego używasz. Stabilną koncepcją jest: porównaj próbę wybicia z wcześniejszym zakresem odniesienia, a następnie wymagaj późniejszego potwierdzenia, że cena nie utrzymuje się poza zakresem.

Mechanizm i definicja (jakie dane wejściowe są używane)

Na wysokim poziomie filtr fałszywych wybić potrzebuje trzech grup danych wejściowych.

1. Dane wejściowe zakresu odniesienia (do czego filtrujesz)

• Okno wsteczne: liczba świec/jednostek czasu użytych do zdefiniowania regionu „przed”.
• Definicja zakresu: co stanowi górną i dolną granicę (na przykład ostatnie maksimum i minimum, lub węższy pas z wykorzystaniem punktów zwrotnych).
• Typ ceny odniesienia: czy zakres jest definiowany przy użyciu maksimów/minimów, cen zamknięcia, czy innej spójnej metody.

2. Dane wejściowe wykrywania wybicia (kiedy oznaczasz próbę)

• Próg wybicia: reguła dla „poza zakresem” (na przykład przekroczenie górnej granicy lub zamknięcie powyżej niej).
• Reguła próbkowania ceny: czy wymagasz warunku wewnątrz świecy (dotknięcie/przekroczenie), czy na podstawie zamknięcia świecy.
• Opcjonalny bufor: czasami stosuje się niewielkie przesunięcie, aby zmniejszyć wrażliwość na drobne naruszenia granic.

3. Dane wejściowe potwierdzenia fałszywości (jak decydujesz, że było „fałszywe”)

• Okno potwierdzenia: ile kolejnych świec obserwujesz po próbie wybicia.
• Warunek ponownego wejścia: reguła definiująca „niepowodzenie”, na przykład powrót z powrotem do wnętrza pierwotnego zakresu na zamknięciu.
• Typ ceny potwierdzenia: ponownie, czy ponowne wejście musi być mierzone na zamknięciu, minimum/maksimum, czy innym spójnym wyborze.

Mówiąc prościej: filtr konsumuje (a) historyczną cenę do wyznaczenia granic, (b) bieżącą cenę do wykrycia próby wybicia oraz (c) przyszłe zachowanie ceny do oceny, czy próba szybko kończy się niepowodzeniem.

Dowód lub przykład (konkretny, weryfikowalny zestaw reguł)

Przykład w pełni określonego zestawu danych wejściowych (bez założenia danych w czasie rzeczywistym):

• Dane: sekwencja świec z maksimum, minimum i ceną zamknięcia.
• Okno wsteczne: 20 świec użytych do obliczenia górnej i dolnej granicy z zakresu.
• Definicja wybicia: próba wybicia ma miejsce, gdy cena zamknięcia jest powyżej górnej granicy.
• Okno potwierdzenia: kolejne 5 świec.
• Warunek fałszywości: próba wybicia jest oznaczana jako „fałszywa”, jeśli którakolwiek z tych 5 świec zamknie się z powrotem wewnątrz pierwotnego zakresu (na przykład cena zamknięcia spadnie poniżej lub równo z górną granicą i powyżej lub równo z dolną granicą, w zależności od dokładnej reguły).

W tym przykładzie dane wejściowe i parametry są jawne: okno wsteczne 20 świec, wybicie oparte na zamknięciu, okno potwierdzenia 5 świec oraz reguła ponownego wejścia oparta na zamknięciu.

Istotnym szczegółem jest to, że dane wejściowe zależą od spójnego przetwarzania danych. Jeśli jedna implementacja używa maksimów/minimów dla zakresu, a inna cen zamknięcia, lub jeśli jedna sprawdza wybicie na dotknięciu wewnątrz świecy, a inna tylko na zamknięciach, to są to różne filtry, nawet jeśli oba są opisane jako „filtrowanie fałszywych wybić”.

Ograniczenia i ryzyka (co może pójść nie tak)

Co najmniej cztery ograniczenia często wpływają na filtrowanie fałszywych wybić:

1. Wrażliwość parametrów Niewielkie zmiany okna wstecznego, progu lub czasu potwierdzenia mogą drastycznie zmienić etykiety. Oznacza to, że „filtr” nie jest pojedynczym uniwersalnym zestawem danych wejściowych; jest rodziną reguł.

2. Zmiany reżimu rynkowego Metoda zakładająca zachowanie zakresowe może działać słabo, gdy zmienia się struktura zmienności (na przykład, gdy rynek silnie trenduje, zamiast oscylować w granicach).

3. Założenia dotyczące wykonania i kosztów Ocena historyczna może być myląca, jeśli koszty są ignorowane. Nawet jeśli twoja logika używa tylko cen, rzeczywiste wyniki zależą od spreadów, poślizgu i sposobu realizacji zleceń.

4. Niejednoznaczne zachowanie na granicach Jeśli rynek wielokrotnie oscyluje w pobliżu granicy zakresu, filtr może oscylować między etykietami „wybicie” i „fałszywe” w oparciu o drobne różnice w czasie zamknięcia świecy.

Należy również zauważyć: zależności historyczne nie przesądzają o przyszłych wynikach. Traktuj każdą zaobserwowaną przewagę jako warunkową względem dokładnych danych wejściowych i warunków użytych w testach.