Co oznacza dywergencja w Stochastic Range?

Bezpośrednia odpowiedź: co oznacza dywergencja

W Stochastic Range „dywergencja” zazwyczaj odnosi się do sytuacji, w której odczyt Stochastic Range porusza się w jedną stronę (na przykład rośnie), podczas gdy powiązane zachowanie ceny porusza się inaczej (na przykład osiąga nowy szczyt lub nadal spada). Ważne jest, że dywergencja jest opisem niezgodności między dwoma pomiarami, a nie automatyczną prognozą tego, co cena zrobi dalej.

Ponieważ dokładna formuła i ustawienia Stochastic Range mogą się różnić w zależności od implementacji, dywergencja może wyglądać inaczej w zależności od wyborów takich jak długość okna wstecznego i sposób skalowania wskaźnika. Bez określenia tych założeń „dywergencja” jest tylko ogólną koncepcją.

Mechanika: jak skonstruować, a następnie porównać

Aby mówić o dywergencji, potrzebujesz konkretnego modelu konstrukcji.

1. Oblicz Stochastic Range. Typowa idea w stylu stochastycznym porównuje, gdzie bieżąca wartość znajduje się w obrębie ostatniego zakresu. „Zakres” oznacza użycie ekstremów wysokich i niskich w wybranym okresie wstecznym. Wynik jest następnie skalowany do ograniczonego odczytu (powszechnie między dolną i górną granicą w wielu implementacjach).

2. Wybierz szereg porównawczy. Dywergencja jest opisywana w odniesieniu do czegoś innego—najczęściej poziomów cenowych (takich jak ostatnie szczyty/dna) lub kierunku ceny.

3. Zdefiniuj operacyjnie, co oznacza „dywergencja”. Na przykład możesz zaobserwować:

• Cena osiąga wyższy szczyt, podczas gdy Stochastic Range osiąga niższy szczyt.
• Cena osiąga niższe dno, podczas gdy Stochastic Range osiąga wyższe dno.

4. Określ, co liczy się jako „nowy”. Czy „wyższy szczyt” oznacza jakikolwiek marginalny tick powyżej poprzedniego poziomu, czy tylko ruchy przekraczające pewien minimalny próg? Twoja definicja zmienia częstotliwość występowania dywergencji.

Prosty model dywergencji to: kierunek zmiany Stochastic Range różni się od kierunku zmiany odpowiadającej cechy ceny, przy założeniu tego samego wyrównania okna czasowego.

Dowód i przykładowa logika (z jawnymi założeniami)

Oto przykład w stylu weryfikacyjnym wykorzystujący założenia zamiast danych na żywo.

• Założenie A (okno): Stochastic Range jest obliczany przy użyciu stałego okna wstecznego N świec.
• Założenie B (porównanie): Dywergencja jest definiowana przy użyciu ostatniego swingowego szczytu/dna zarówno w cenie, jak i w linii Stochastic Range.
• Założenie C (wyrównanie): Punkty „swing” są identyfikowane na tych samych znacznikach czasu.

Teraz wyobraź sobie dwa kolejne swingowe szczyty:

• Na Swingowym Szczycie #1 cena osiąga poziom P1, a Stochastic Range osiąga wartość SR1.
• Na Swingowym Szczycie #2 cena osiąga wyższy poziom P2 > P1, ale Stochastic Range osiąga niższą wartość SR2 < SR1.

Zgodnie z tymi jawnymi zasadami dywergencja występuje. Kluczowym ograniczeniem jest interpretacja: ta niezgodność stwierdza jedynie, że ostatnie położenie bieżącej ceny w jej ostatnim zakresie wysokich–niskich zmieniło się inaczej niż sama cena. Innymi słowy, dywergencja może być oznaką, że „pozycja zakresowa” wskaźnika nie rozszerza się w taki sam sposób jak ekstrema cenowe.

Ograniczenia i ryzyka: ograniczenia potwierdzenia i błąd retrospekcji

Nawet przy jasnej konstrukcji dywergencja ma istotne ograniczenia i tryby awarii.

1. Zależność od implementacji Ustawienia Stochastic Range (zwłaszcza okno wsteczne i ewentualne wygładzanie) wpływają na czułość wskaźnika. Przy innym N, SR może nie pokazywać tych samych punktów zwrotnych, więc dywergencja może się pojawiać lub znikać.

2. Ograniczenia potwierdzenia Dywergencja jest często traktowana tak, jakby zapewniała potwierdzenie punktów zwrotnych. Ale niezgodność między dwoma pomiarami nie określa wielkości, czasu ani kierunku. Ruchy rynku mogą trwać, podczas gdy dywergencja pozostaje widoczna przez wiele świec.

3. Błąd retrospekcji Łatwo jest wybrać przypadki dywergencji, które „wyglądają dobrze” po fakcie. Przeglądając historię, ludzie mają tendencję do zauważania wzorców pasujących do pożądanego wyniku, a następnie ignorowania podobnych przypadków, które nie doprowadziły do preferowanego rezultatu.

4. Kontekst zmienia niepewność Historyczne zależności nie gwarantują przyszłego zachowania. Koszty (spready, prowizje), różnice w wykonaniu i zmiany reżimu (zmiany zmienności) mogą zmienić wyniki. Więc nawet jeśli dywergencja korelowała z czymś w jednym okresie, ta korelacja może nie utrzymać się gdzie indziej.

Weryfikacja i następne pytanie

Aby zweryfikować twierdzenia o dywergencji w samowystarczalny sposób, przeformułuj trzy elementy:

• Twoją dokładną konstrukcję Stochastic Range (długość okna, skalowanie, ewentualne wygładzanie).
• Twoją operacyjną regułę dywergencji (wyższy szczyt vs niższy szczyt, progi i sposób wyboru punktów swing).
• Twoje okno oceny (jaki przyszły horyzont mierzysz i czy testujesz wiele okresów rynkowych).