Jakie dane są potrzebne do oceny trendu w wielu interwałach czasowych?

Trend w wielu interwałach czasowych (MTT) w prostych słowach

Trend w wielu interwałach czasowych to podejście, które porównuje kierunek trendu i/lub siłę trendu na więcej niż jednym interwale czasowym wykresu (na przykład wyższy interwał, taki jak H4, obok niższego interwału, takiego jak M15). Zamiast traktować jeden interwał czasowy jako jedyne „źródło prawdy”, wykorzystuje wiele rozdzielczości czasowych, aby ocenić, czy rynek ma wyrównany kierunek, sprzeczny kierunek, czy też warunki mieszane.

Ponieważ koncepcja ta jest używana na różne sposoby, pierwszą „daną”, której potrzebujesz, jest pisemna definicja tego, co „trend” oznacza w Twojej metodzie (sam kierunek, kierunek plus momentum, kierunek plus nachylenie średniej ruchomej lub inna mierzalna reguła). Bez definicji nie można w spójny sposób ocenić czegokolwiek.

Bezpośrednia odpowiedź: jakich danych potrzebujesz

Aby ocenić trend w wielu interwałach czasowych w sposób, który możesz wyjaśnić i niezależnie sprawdzić, potrzebujesz czterech kategorii danych wejściowych.

1) Dane cenowe rynku (surowe dane)

Potrzebujesz historycznych serii cenowych ze spójnymi polami, takimi jak otwarcie, maksimum, minimum, zamknięcie i znaczniki czasu. Wybierz jedno źródło cen i utrzymuj je spójne we wszystkich interwałach czasowych. Zdecyduj również, czy Twoja metoda wykorzystuje wyłącznie zamknięcia świec, czy też wartości wewnątrz świecy.

Istotne szczegóły, które mają znaczenie:

• Zestaw interwałów czasowych: konkretne wyższe i niższe interwały, które porównujesz (np. H4 i M15).
• Konwencja sesji i znaczników czasu: sposób, w jaki dostawca oznacza granice świec.
• Kompletność danych: brakujące świece, zduplikowane znaczniki czasu lub niekompletna historia.

2) Definicja pomiaru trendu (mierzalna reguła)

Potrzebujesz reguł opartych na obliczeniach, które przekształcają dane cenowe w „stan trendu”. Przykłady mierzalnych komponentów, które możesz zdefiniować, obejmują:

• Reguła kierunku: „wzrost” jeśli zdefiniowana seria znajduje się powyżej swojego odniesienia, „spadek” jeśli poniżej.
• Reguła siły: próg dla nachylenia, tempa zmian, odległości lub momentum.
• Reguła agregacji: sposób łączenia wielu potwierdzeń (na przykład większościowe dopasowanie, wymóg pełnego dopasowania lub ważenie).

Nie chodzi tu o nazwany wskaźnik jako samodzielny sygnał; chodzi o określenie dokładnych obliczeń i progów, których używa Twoja metoda, aby inni mogli je odtworzyć.

3) Pochodzenie i aktualność (co dane deklarują)

Nawet w przypadku pracy historycznej pochodzenie danych ma znaczenie. Zapisz:

• Źródło danych: która platforma lub feed dostarcza serię cenową.
• Specyfikacja symbolu: sposób zdefiniowania instrumentu (nazewnictwo, konwencje kontraktowe).
• Wersjonowanie: czy Twoja platforma koryguje historyczne świece (niektóre źródła mogą poprawiać lub dostosowywać dane).

W przypadku „aktualności” rozdziel dwie kwestie:

• Czy historyczny zbiór danych jest kompletny do punktu, który analizujesz.
• Czy zbiór danych może się później zmienić z powodu aktualizacji dostawcy.

4) Ustawienia obliczeń i założenia (co może zmienić wyniki)

Potrzebujesz wszystkich ustawień metody, które wpływają na wynik. Zwykle obejmuje to:

• Długości okresów wstecznych (ile świec używasz).
• Wszelkie kroki wygładzania lub ponownego próbkowania (jak niższe interwały czasowe są tworzone z tego samego źródła).
• Obsługa stref czasowych i różnic czasu letniego/zimowego.

Jeśli podajesz przykład, jawnie określ założenia (na przykład „używając wyłącznie wartości zamknięcia świec”, „używając tych dwóch interwałów czasowych” oraz „definiując wzrost/spadek przez to, czy X jest powyżej/poniżej Y”).

Mechanika: jak dane są wykorzystywane

Powtarzalna ocena MTT zazwyczaj przebiega według następującego przepływu pracy:

1. Wybierz interwały czasowe i pobierz odpowiednie świece z tego samego źródła danych.
2. Oblicz stany trendu dla każdego interwału czasowego, używając zdefiniowanej reguły.
3. Dopasuj sygnały w czasie za pomocą znaczników czasu świec, aby kontekst z wyższego interwału odpowiadał okresom z niższego interwału.
4. Sklasyfikuj wynik wielointerwałowy (np. dopasowanie vs. konflikt) zgodnie z określoną regułą łączenia.

Kluczowym ograniczeniem operacyjnym jest to, że interwały czasowe nakładają się w różny sposób. Jeśli dopasowujesz według czasu rozpoczęcia świecy zamiast czasu zamknięcia świecy (lub odwrotnie), wyniki mogą się różnić. Dlatego Twoje „dane” muszą obejmować logikę dopasowania znaczników czasu, a nie tylko ceny.

Dowód lub przykład (z jawnymi założeniami)

Rozważ powtarzalny przykład, w którym Twoja definicja trendu jest czysto kierunkowa:

• Założenie A: Używaj wyłącznie cen zamknięcia świec.
• Założenie B: Wyższy interwał czasowy to H4; niższy interwał czasowy to M15.
• Założenie C: Trend na każdym interwale czasowym jest „wzrostowy”, gdy wybrana seria odniesienia rośnie w ciągu ostatnich N świec; w przeciwnym razie „spadkowy”.

Dane, których potrzebujesz:

• Historyczny zbiór danych OHLC zawierający świece M15 z prawidłowymi znacznikami czasu.
• Metodę obliczania/wyprowadzania serii H4 w spójny sposób z tego samego źródła (lub bezpośrednie pobieranie H4 od tego samego dostawcy).
• Wartość N i dokładny warunek wzrostu (na przykład ściśle wyższe każde zamknięcie świecy vs. niemalejące).