Jakie dane wejściowe wykorzystuje Swing Highs Lows?

Bezpośrednia odpowiedź

Swing Highs Lows wykorzystuje dane wejściowe z wykresu, które pochodzą bezpośrednio z ceny: sekwencję punktów szczytów swingowych i dołków swingowych, które identyfikujesz na wykresie cenowym. Innymi słowy, „dane wejściowe” nie są domyślnie zewnętrznymi wskaźnikami; są to wybrane współrzędne szczytów/dołków wygenerowane przez Twoją definicję punktu swingowego.

Ponieważ termin „Swing Highs Lows” może być implementowany przy użyciu różnych reguł identyfikacji swingów, jedynym wiarygodnie poprawnym sposobem odpowiedzi na to pytanie jest wymienienie danych wejściowych, które musisz zdefiniować dla swojej wersji: (1) serię cenową, na której zaznaczasz punkty (np. wartości szczytów/dołków), (2) regułę wykrywania swingów (definicję merytoryczną) oraz (3) zakres wykresu (okno czasowe i granularność świec/tyków).

Mechanika i definicja

Szczyt swingowy to lokalny wierzchołek struktury cenowej zgodnie z wybraną regułą; dołek swingowy to lokalne dno zgodnie z regułą tego samego typu. Gdy już masz te punkty, „Swing Highs Lows” zazwyczaj odnosi się do analizowania kolejności i względnych pozycji tych punktów — na przykład tego, czy nowe szczyty są wyższe/niższe niż poprzednie szczyty oraz czy nowe dołki są wyższe/niższe niż poprzednie dołki.

Aby to uściślić, Twoje dane wejściowe zwykle należą do następujących kategorii:

1. Dane cenowe: wartości potrzebne do oznaczania szczytów i dołków (najczęściej szczyt i dołek świecy lub odpowiednie wartości szczytów/dołków z używanego źródła danych wykresu).
2. Reguła wykrywania swingów: deterministyczny warunek decydujący o tym, czy świeca (lub znacznik czasu) kwalifikuje się jako szczyt/dołek swingowy. Na przykład wiele implementacji wymaga, aby punkt kandydacki był wyższy od otaczających punktów dla szczytów swingowych i niższy od otaczających punktów dla dołków swingowych.
3. Okno wsteczne/otoczenia (zależność): liczba świec wokół kandydata brana pod uwagę przy ocenie, czy jest on „wyższy/niższy od sąsiadów”.
4. Granularność wykresu i okno czasowe: interwał czasowy (np. minutowy vs. dzienny) oraz zakres historii używany do oznaczania swingów.
5. Założenia dotyczące spójności danych: czy stosujesz to samo traktowanie danych sesyjnych w czasie (np. ciągłe vs. przerwy sesyjne), ponieważ może to zmienić miejsca występowania swingów.

Przy zdefiniowanych tych danych wejściowych mechanika jest prosta: tworzysz uporządkowaną listę szczytów i dołków swingowych z wykresu, a następnie wszelka dalsza analiza jest wyprowadzana z tej listy (na przykład porównywanie względnych pozycji kolejnych swingów).

Dowód lub przykład (z jawnymi założeniami)

Załóżmy, że analizujesz wykres zbudowany ze świec, gdzie każda świeca ma H (szczyt) i L (dołek). Załóżmy, że Twoja reguła swingowa jest następująca: świeca kwalifikuje się jako szczyt swingowy, jeśli jej szczyt H jest większy od szczytów ustalonej liczby sąsiednich świec po obu stronach; świeca kwalifikuje się jako dołek swingowy, jeśli jej dołek L jest mniejszy od dołków sąsiednich świec po obu stronach.

Przy tym założeniu „dane wejściowe” dla etapu wykrywania szczytów swingowych to:

• sekwencja wartości H dla każdej świecy w wybranym interwale czasowym,
• liczba sąsiadów (Twoje okno otoczenia),
• indeks świecy kandydackiej.

Podobnie „dane wejściowe” dla etapu dołków swingowych to:

• sekwencja wartości L w tym samym interwale czasowym,
• ta sama logika liczby sąsiadów.

Gdy już masz punkty swingowe, wszelkie porównania strukturalne (takie jak porównywanie względnej wysokości następnego szczytu swingowego z poprzednim szczytem swingowym) zależą od tych dokładnie oznaczonych punktów. Jeśli zmienisz liczbę sąsiadów lub interwał czasowy, oznaczona lista swingów może się zmienić, a co za tym idzie — zmienią się również wnioski końcowe.

Ograniczenia i ryzyka

Kluczowym ograniczeniem jest to, że Swing Highs Lows jest tak spójny, jak reguła identyfikacji swingów i zakres wykresu, które wybierzesz. Typowe tryby awarii obejmują:

• Niejednoznaczność w pobliżu progu: jeśli dwie pobliskie świece mają podobne szczyty/dołki, niewielkie zmiany w rozdzielczości danych mogą odwrócić kwalifikację punktu.
• Niespójne parametry: używanie jednego okna otoczenia dla niektórych obserwacji, a innego dla innych, może stworzyć mylące wrażenie „struktury”.
• Przetrenowanie do przeszłości: dostrajanie reguły swingowej tak, aby historyczne przykłady wyglądały czysto, może zmniejszyć wiarygodność na nowych wykresach.
• Niestacjonarne warunki: historyczne zależności między punktami swingowymi a późniejszym zachowaniem ceny nie gwarantują podobnego zachowania w przyszłości; rynki mogą zmieniać reżim, zmienność i mikrostrukturę.