Торговля внутри тренда
Несколько слов о вершинах и впадинах
Прежде чем двигаться дальше, выскажем еще несколько важных замечаний о вершинах и впадинах в теории стохастических нитей.
Вершины считаются истинными вершинами, только если они находятся в области перекупленности. Впадины считаются истинными впадинами, если находятся в области перепроданности. (Далее мы будем говорить о вершинах, подразумевая, что все это справедливо и по отношению к впадинам).
Мы не можем быть уверены в вершине, если она образована лишь мелкопериодными (синими) стохастиками. Спуд считает, что основное требование к истинной вершине – нахождение в экстремальной зоне Базового стохастика. Предпочтительнее, однако, чтобы в области перекупленности/перепроданности находились все стохастики. Такая ситуация является идеальной.
Рис. 1 наглядно иллюстрирует важность соблюдения данного критерия. В областях 1 и 3 все стохастики находятся в области перекупленности/перепроданности, что приводит к истинному развороту, в то время как в области 2 лишь мелкопериодные стохастики заходят в область перепроданности, поэтому впадина оказывается лишь мелкой коррекцией.
Вершины считаются истинными вершинами, только если они находятся в области перекупленности. Впадины считаются истинными впадинами, если находятся в области перепроданности. (Далее мы будем говорить о вершинах, подразумевая, что все это справедливо и по отношению к впадинам).
Мы не можем быть уверены в вершине, если она образована лишь мелкопериодными (синими) стохастиками. Спуд считает, что основное требование к истинной вершине – нахождение в экстремальной зоне Базового стохастика. Предпочтительнее, однако, чтобы в области перекупленности/перепроданности находились все стохастики. Такая ситуация является идеальной.
Рис. 1 наглядно иллюстрирует важность соблюдения данного критерия. В областях 1 и 3 все стохастики находятся в области перекупленности/перепроданности, что приводит к истинному развороту, в то время как в области 2 лишь мелкопериодные стохастики заходят в область перепроданности, поэтому впадина оказывается лишь мелкой коррекцией.
Рис. 1
На рис. 2 вновь можно видеть, как вершина, образованная одними лишь мелкопериодными стохастиками, оказывается ложной.
Рис. 2
Однако, поскольку идеальная ситуация бывает нечасто, Спуд предложил ввести оценочную шкалу надежности вершины. Для вычисления оценки необходимо просуммировать периоды тех стохастиков, которые находятся в экстремальной области.
Очевидно, что оценка может варьироваться от 6 (в том случае, если лишь самый мелкопериодный стохастик находится в области перекупленности/перепроданности) до 285 (когда все стохастики находятся в экстремальной области: 6+7+8+9....+23+24=285). Последний случай представляет собой идеальную ситуацию и обычно совпадает с появлением «Веревки».
Далее мы можем разделить полученную сумму на максимально возможное значение и выразить итоговый результат в процентах. Например, если мы получили оценку надежности вершины 175, то процент ее надежности составляет 175 / 285 * 100% = 61%. Конечно, эти вычисления неудобно производить вручную, однако при помощи пользовательских индикаторов и при минимальных навыках программирования данная задача решается элементарно. Можно также настроить автоматическое оповещение в случае, когда процент надежности вершины превысил некоторое пороговое значение (которое, вероятно, следует подобрать на исторических данных).
Очевидно, что оценка может варьироваться от 6 (в том случае, если лишь самый мелкопериодный стохастик находится в области перекупленности/перепроданности) до 285 (когда все стохастики находятся в экстремальной области: 6+7+8+9....+23+24=285). Последний случай представляет собой идеальную ситуацию и обычно совпадает с появлением «Веревки».
Далее мы можем разделить полученную сумму на максимально возможное значение и выразить итоговый результат в процентах. Например, если мы получили оценку надежности вершины 175, то процент ее надежности составляет 175 / 285 * 100% = 61%. Конечно, эти вычисления неудобно производить вручную, однако при помощи пользовательских индикаторов и при минимальных навыках программирования данная задача решается элементарно. Можно также настроить автоматическое оповещение в случае, когда процент надежности вершины превысил некоторое пороговое значение (которое, вероятно, следует подобрать на исторических данных).
Торговля внутри тренда
С учетом вышеизложенного, приведем еще варианты сигналов на вход.
Рассмотрим рис. 2. В области 1 у нас нет паттерна «Веревка». Однако мы имеем совокупность следующих факторов:
1) На ценовом графике вершина ниже предыдущей вершины,
2) На графике стохастиков вершина в области 1 ниже предыдущей вершины,
3) Вершина в области 1 частично находится в области перекупленности,
4) Несколько крупнопериодных стохастиков находятся в области перекупленности, включая Базовый стохастик,
5) Наконец, все мелкопериодные стохастики оказались внутри сетки крупновериодных стохастиков, причем ниже Базового стохастика, который выполняет функцию уровня сопротивления. Это значит, что мелкопериодная тенденция склонна продолжить движение в рамках более крупнопериодной.
Данная ситуация, хоть и не является частой, все же нередко имеет место на рынках и может являться хорошим сигналом на открытие позиции.
Рис. 3
Схожая ситуация складывается на рис. 4. Здесь, хоть Базовый стохастик и не заходит в область перекупленности, однако проходит вблизи ее, а несколько крупнопериодных стохастиков формируют разворот в области перекупленности. Ценовая и стохастическая вершины также ниже предыдущих, мелкопериодные стохастики находятся внутри сетки крупнопериодных, причем мелкопериодные стохастики пробивают Базовый стохастик. Данную ситуацию также можно рассматривать в качестве сигнала на вход.
Рис. 4
Что касается сигналов выхода, то ряд важных сигналов на выход были рассмотрены в предыдущих статьях. К ним относятся формирование «Веревок» и разворотов в экстремальных областях, пробитие «Стены» и др.
Продолжение следует…
Вадим Шумилов,
a.k.a. DrShumiloff
a.k.a. DrShumiloff
