Definicja: co tutaj oznacza „dane wejściowe”
Swing Definition to oparty na regułach sposób decydowania, co w serii cenowej liczy się jako ruch typu swing (na przykład wzrost, który kwalifikuje się jako swing high, oraz spadek, który kwalifikuje się jako swing low). W tym kontekście „dane wejściowe” to dane, które podajesz do reguły, oraz parametry, które ustawiasz, aby reguła mogła oznaczać punkty swingu i łączyć je w sekwencję swingów.
Przydatnym sposobem na precyzję jest rozdzielenie trzech warstw:
- Stabilna mechanika: ogólna logika tego, jak identyfikuje się swingi.
- Twoje parametry: liczbowe wybory, które zmieniają wyniki (takie jak długość okna lub wymagania potwierdzenia).
- Zmiennie warunki: ruch rynku, jakość danych i koszty transakcyjne, które wpływają na uzyskane wyniki.
Jakie dane wejściowe wykorzystuje Swing Definition
1) Dane cenowe (źródło danych i format)
Najbardziej podstawowym wejściem jest seria cenowa. Typowe dane wejściowe to:
- Ceny instrumentów (np. wybrana para walutowa).
- Odstępy czasowe (np. świece/słupki w stałym timeframe).
- Pola OHLC (open, high, low, close) w zależności od tego, jak zapisana jest reguła swingu.
Jeśli Twoja reguła używa high i low do oznaczania punktów swingu, to wejście musi zawierać co najmniej te wartości high/low. Jeśli używa close do potwierdzania, to close staje się wymaganym wejściem.
2) Sama reguła swingu (logika)
Swing Definition wykorzystuje logikę identyfikacji swingów. Ta logika jest wejściem, ponieważ różne reguły generują różne etykiety swingów nawet na tej samej serii cenowej. Typowe elementy obejmują:
- Warunek dla swing high (na przykład bycie wyższym od sąsiednich punktów według jakiejś reguły).
- Warunek dla swing low.
- Metodę, aby nie oznaczać każdej drobnej fluktuacji jako swingu.
W prostych słowach: reguła mówi systemowi, co „liczy się” jako swing.
3) Wartości parametrów (co wybierasz)
Parametry przekształcają logikę swingu w coś operacyjnego. Przykłady typów parametrów to:
- Lookback / rozmiar sąsiedztwa: ile otaczających punktów musi zostać przekroczonych (lub nie).
- Potwierdzenie lub filtrowanie: czy reguła wymaga wielu świec/zdarzeń po kandydacie na punkt swingu.
- Minimalny rozmiar swingu: próg, aby ignorować drobne ruchy.
- Reguła mapowania: jak punkty swingu są zamieniane na domniemane „fazy” (wzrost vs. spadek) do dalszego rozumowania.
Nawet jeśli mechanika pozostaje taka sama, zmiana tych wartości zmienia wyniki.
4) Kontekst czasu (na jakim timeframe oznaczasz)
Swing Definition często zależy od timeframe. Wejście obejmuje horyzont czasowy, na którym dokonujesz oznaczeń (na przykład timeframe świec, których używasz). Swing na jednym timeframe może rozpaść się na mniejsze oscylacje na innym.
5) Założenia dla dowolnych obliczeń na przykładach
Jeśli przechodzisz przez przykład, reguła potrzebuje jawnych założeń. Typowe założenia to:
- Które zamknięcie świecy uznajesz za „dostępne” do potwierdzenia.
- Czy zakładasz idealne realizacje po obserwowanej cenie, czy realistyczną realizację po innej cenie.
- Czy spread, slippage i prowizje są traktowane jako zero, czy niezero.
Założenia mają znaczenie, ponieważ same etykiety swingów nie determinują uzyskanych wyników bez zdefiniowanego mapowania realizacji.
Jak to działa (prosty model)
Prosty sposób sprawdzenia zrozumienia to wyobrażenie sobie tego pipeline’u:
- Wybierz serię cenową i timeframe (dane wejściowe).
- Zastosuj logikę high/low reguły swingu (stabilna mechanika).
- Zastosuj wybrane parametry, aby filtrować i potwierdzać punkty swingu.
- Wyjście: punkty swingu (i ewentualnie fazy swingu).
Jeśli następnie dodasz drugą warstwę (np. mierzenie odległości między punktami swingu), to te pomiary są nowymi obliczeniami z własnymi wejściami (współrzędne punktów swingu) i założeniami (jak obliczasz odległości i kiedy punkty są znane).
Dowód / przykład (z jawnymi założeniami)
Rozważmy ogólny przykład, w którym Twoja reguła swingu definiuje swing high jako punkt, którego wartość high jest większa niż high sąsiadujących punktów w stałym sąsiedztwie. Wejściami byłyby:
- high cen z wybranego timeframe,
- parametr rozmiaru sąsiedztwa,
- logika potwierdzenia (jeśli istnieje),
- oraz wybór timeframe.
Założenia dla przykładu:
- Oceniasz regułę wyłącznie na podstawie danych historycznych.
- Traktujesz każdą świecę jako dostarczającą znane high/low, gdy ta świeca jest już kompletna.