Bezpośrednia odpowiedź
Swing Timeframes nie ma jednej, uniwersalnie stałej listy danych wejściowych, ponieważ „dane wejściowe” zależą od tego, jak konkretna metoda definiuje swoje zasady. Ogólnie rzecz biorąc, każda metoda Swing Timeframes wykorzystuje (1) ustawienia horyzontu czasowego, które decydują, jak długo można utrzymywać pozycje, oraz (2) pola danych, na podstawie których obliczane są warunki, takie jak wartości cen. Jeśli uwzględniane są wskaźniki, dodają one obliczenia pochodne jako dodatkowe dane wejściowe. Czytelnik może to niezależnie zweryfikować, zapisując wyraźny zestaw reguł metody: każdy punkt decyzyjny powinien odwoływać się do konkretnych pól danych i parametrów.
Mechanizm lub definicja
Jasny sposób, by myśleć o Swing Timeframes, to traktować je jako podejście oparte na regułach, które wiąże decyzję z horyzontem czasowym. „Swing” odnosi się do poszukiwania ruchu w zakresie wielodniowym do wielotygodniowego (dokładna długość zależy od metody), a nie w ramach intraday. Ten horyzont czasowy jest w praktyce danymi wejściowymi, ponieważ ogranicza, które punkty danych uznaje się za istotne.
Większość implementacji Swing Timeframes używa trzech warstw danych wejściowych:
-
Parametry horyzontu czasowego: Obejmują one zakładany okres utrzymywania (na przykład liczbę świec/dni, jaką metoda zakłada, że transakcja ma pozostać otwarta) oraz „częstotliwość podejmowania decyzji” (jak często ocenia się warunki). Nawet jeśli nie podano żadnych jawnych liczb, timeframe wykresu działa jak dane wejściowe, ponieważ zmienia, które świece lub bary istnieją.
-
Pola danych rynkowych: Typowe pola to open, high, low, close, a czasem volume. Jeśli metoda wykorzystuje wyłącznie poziomy cen, to pola cen są jedynymi danymi wejściowymi. Jeśli wykorzystuje poziomy pochodne, to te poziomy stają się dodatkowymi danymi wejściowymi.
-
Cechy pochodne (opcjonalnie): Jeśli metoda wspomina o wskaźnikach, zwykle przekształca dane rynkowe w wartości pochodne (na przykład średnie, miary momentum lub poziomy pasm). W takim przypadku ustawienia obliczeń wskaźnika (takie jak długość lookback) są dodatkowymi parametrami, a wyjściowe wartości wskaźnika są dodatkowymi danymi wejściowymi.
Kluczowe założenie modelowania: gdy interpretujesz zestaw reguł „Swing Timeframes”, traktuj dane wejściowe dokładnie jako to, do czego odwołują się reguły. Jeśli reguła mówi „użyj najbardziej aktualnego close”, to „ostatni close” jest danymi wejściowymi. Jeśli reguła mówi „użyj średniej z 20 okresów”, to zarówno „20”, jak i bazowa seria cenowa użyta przez tę średnią są danymi wejściowymi.
Dowód lub przykład
Oto przykład, jak wypisać dane wejściowe, nie zakładając bieżących cen.
Załóżmy hipotetyczny zestaw reguł, który ocenia warunki raz na świecę i jest zaprojektowany pod swingowe utrzymywanie.
- Dane wejściowe horyzontu czasowego: utrzymuj przez stałą liczbę świec (parametr) na wybranym przez użytkownika timeframe wykresu (parametr domyślny).
- Dane wejściowe do decyzji: przy każdej ocenie odczytaj close świecy (pole danych rynkowych) i ewentualnie high/low (dodatkowe pola).
- Opcjonalne dane wejściowe pochodne: jeśli reguła używa średniej kroczącej, to długość lookback średniej kroczącej jest parametrem, a wartość średniej kroczącej jest pochodną cechą wejściową.
Aby niezależnie zweryfikować, możesz zrobić kontrolę „na papierze”: dla każdej decyzji wskaż jedną odwołaną zmienną (taką jak „close świecy N” lub „wyjście wskaźnika dla świecy N”). Jeśli reguła odwołuje się do czegoś, czego nie da się wyprowadzić z zadeklarowanych danych wejściowych — na przykład „rynek odwróci się w przyszłym tygodniu” — to nie jest to jawne dane wejściowe; to nieobsługiwane twierdzenie.
Ograniczenia i ryzyka
Kluczowym ograniczeniem jest to, że „dane wejściowe” nie są tym samym co „gwarancje”. Nawet przy tych samych danych wejściowych i parametrach wyniki mogą się różnić, ponieważ:
- Warunki rynkowe się zmieniają: Historyczne zależności między ceną a cechami pochodnymi mogą nie utrzymywać się.
- Koszty i realizacja mają znaczenie: Spready, prowizje, poślizg i obsługa zleceń zmieniają osiągane wyniki w porównaniu z uproszczonymi obliczeniami.
- Zależność od timeframe: Zmiana timeframe wykresu zmienia, które świece istnieją, a więc zmienia dane wejściowe zasilające reguły.
- Tryby awarii: Częstym trybem awarii są reguły dopasowane do jednego reżimu (na przykład zachowania trendowego) i słabiej działające w innym (na przykład w rynku bocznym), mimo że dane wejściowe i parametry pozostają takie same.
Zwróć też uwagę na ograniczenie weryfikacji: bez danych w czasie rzeczywistym możesz tylko potwierdzić, że zestaw reguł jest spójny wewnętrznie (dane wejściowe są dobrze zdefiniowane i możliwe do obliczenia), a nie to, że będzie działał w przyszłości.
Weryfikacja lub kolejne pytanie
Aby zweryfikować, jakie dane wejściowe Swing Timeframes wykorzystuje dla danej metody, przepisz jej zestaw reguł w formie checklisty:
- Wypisz każdy parametr (horyzont czasowy, lookbacki, częstotliwość oceny). - Wypisz każde pole danych, do którego odwołuje się metoda (open/high/low/close, volume).