نوسان گر تصادفی Stochastic چیست؟

خطای مشاهداتی در آمار – مفاهیم و انواع آن

علم مهندسی، به اندازه‌گیری و محاسبات مرتبط است. در این میان مقادیر اندازه‌گیری شده ممکن است دقیق نباشند. از طرفی با تکرار اندازه‌گیری نیز مقدارهای متفاوتی بدست می‌آید، زیرا عوامل و شرایط مختلفی روی دستگاه‌های اندازه‌گیری و همینطور افراد ناظر بر اندازه‌گیری تاثیر گذار هستند. از آنجایی که بعضی از عوامل موثر بر خطای اندازه‌گیری، تصادفی بوده و دارای توزیع احتمالی هستند، در این نوشتار به خطای مشاهداتی در آمار نیز پرداخته‌ایم تا با توجه به توزیع احتمال برای خطای تصادفی، میزان خطا را بطور مناسب حدس بزنیم.

برای آشنایی بیشتر با روش‌های اندازه‌گیری خطا نوشتارهای خطای اندازه گیری — به زبان ساده و دقت و صحت اندازه گیری – به زبان ساده را مطالعه کنید. همچنین خواندن مطلب‌های نماد علمی — به زبان ساده و موازنه واریانس و اریبی — به زبان ساده نیز خالی از لطف نیست.

خطای مشاهداتی در آمار

معمولا در علوم مهندسی، فیزیک و شیمی، «خطای مشاهداتی» (Observational Error) یا «خطای اندازه‌گیری» (Measurement Error) به معنی اختلاف بین مقدار اندازه‌گیری شده و مقدار واقعی در نظر گرفته می‌شود. ولی در آمار، خطا به عنوان فقط یک اشتباه در انداز‌ه‌گیری محسوب نمی‌شود. تغییرات و خطا در اندازه‌گیری پدیده‌های تصادفی، در ذات آن‌ها قرار دارد. در غیر اینصورت دیگر چنین اتفاقاتی را تصادفی در نظر نمی‌گرفتیم.

به این ترتیب خطاهای مشاهداتی در آمار را به دو بخش تقسیم می‌کنند. گروه اول مربوط به «خطاهای تصادفی» (Random Error) و گروه دوم نیز «خطاهای سیستماتیک» (Systematic Error) نامیده می‌شوند.

• خطای تصادفی: اگر عمل اندازه‌گیری را چندین بار تکرار کنیم، خطای حاصل از این عملیات را خطای تصادفی می‌نامند. زیرا شرایط و عوامل موثر بر اندازه‌گیری باعث ناسازگاری ثبت مقدار صحیح برای یک کمیت می‌شود.
• خطای سیستماتیک: خطاهایی که ناشی از تصادف نبوده و بستگی به ابزارهای سنجش یا فرآیند اندازه‌گیری دارند، خطای سیستماتیک نامیده می‌شوند. به این ترتیب خطای سیستماتیک، در ذات روش یا سیستم اندازه‌گیری نهفته است.

معمولا برای کاهش خطای تصادفی، از مقادیر خطا، میانگین گرفته می‌شود. با توجه به فرض صفر بودن میانگین خطای تصادفی، انتظار داریم میانگین مشاهدات نیز خطای تصادفی کمتری نسبت به هر یک از مشاهدات داشته باشند. ولی خطای سیستمی، معمولا دارای میانگین صفر نیست. در نتیجه با تکرار عمل اندازه‌گیری و محاسبه میانگین‌، اثر خطای سیستمی کاهش پیدا نمی‌کند.

آزمایش تجربی و علم

هر بار یک آزمایش تجربی را تکرار می‌کنیم، نتایج حاصل با تغییرات بسیار اندکی نسبت به یکدیگر حاصل می‌شوند. مدل‌های مختلفی برای توصیف خطاهای تصادفی در «نظریه آمار» (Statistical Theory) وجود دارد. معمولا خطای مشاهداتی در آمار را ناشی از دو بخش می‌دانند. همانطور که گفته شد، بخش اول خطای تصادفی است که از یک مشاهده به مشاهده دیگر متفاوت است. بخش دوم نیز خطای سیستماتیک است که معمولا میزان یا مقدار ثابتی داشته که بستگی به ابزار اندازه‌گیری یا شیوه به کارگیری آن دارد.

واضح است که خطای تصادفی (Random Error) یا تغییرات تصادفی (Random Variation) بستگی به عواملی دارند که نمی‌توان آن‌ها را کنترل کرد یا ثابت در نظر گرفت. یکی از دلایل وجود چنین خطاهایی، هزینه‌های زیاد برای ایجاد شرایط یکسان و کنترل شده یا امکان ناپذیری ایجاد محیط‌های ایده‌آل برای انجام آزمایشات علمی است. البته ممکن است ویژگی‌های پدیده‌ای که باید اندازه‌گیری شوند، دستخوش تغییر شوند، در نتیجه وجود مدل‌های دینامیک آماری که براساس توزیع‌های آماری و احتمالاتی ایجاد می‌شوند (مانند مکانیک کوانتمی) ضروری به نظر می‌رسد.

حتی ممکن است خطای تصادفی، با توجه به محدوده اندازه‌گیری دستگاه‌ها نیز حاصل شود. بطور معمول برای ثبت یک مقدار آخرین رقم‌های اعشار را گرد می‌کنند. با توجه به بزرگتر یا کوچکتر بودن آن رقم نسبت به ۵، عدد به بالا یا به پایین گرد می‌شود. در نتیجه ممکن است سه مقدار متفاوت زیر برای نمایش یک مقدار واحد به کار رود. با توجه به اینکه شانس بزرگتر یا کوچکتر بودن یک رقم از ۵، تقریبا ۵۰٪ است، گرد کردن اعداد باعث خطای تصادفی با «توزیع دوجمله‌ای» (Binomial Distribution) می‌شود که پارامترهای آن، $$n$$ یا تعداد آزمایش‌ها و $$p=0.5$$ یا احتمال موفقیت است.

$$ \large 0.نوسان گر تصادفی Stochastic چیست؟ 9110\; \; \text, \;\; 0.9111\; \; \text, \;\; 0.9112 \;\;\text $$

گاهی خطای سیستماتیک را خطای سیستمی یا «اریبی آماری» (Statistical Bias) می‌نامند. این گونه خطاها را با استفاده از فرآیندهای استاندارد‌سازی (مانند کالیبره کردن) می‌توان کاهش داد. به همین علت در علوم مهندسی و پایه، بخشی از کلاس‌های درسی و آموزش‌ها دانشگاهی به کالیبراسیون ابزارها و روش‌های اندازه‌گیری به منظور کاهش خطای سیستماتیک اختصاص دارد.

با توجه به اهمیت دقت اندازه‌گیری در صنعت، «فرادرس» اقدام به انتشار فیلم آموزش کالیبراسیون تجهیزات اندازه گیری در قالب یک آموزش ۲ ساعت و ۵۲ دقیقه‌ای کرده که در ادامه متن به آن اشاره شده است.

• برای دیدن فیلم آموزش کالیبراسیون تجهیزات اندازه گیری + اینجا کلیک کنید.

خطای مشاهداتی در آمار: تصادفی در مقابل سیستماتیک

با توجه به تعریفی که برای خطای سیستمی و خطای تصادفی در حیطه خطاهای مشاهداتی در آمار ارائه کردیم، می‌توانیم گزاره‌های زیر را برای خطای سیستماتیک در نظر بگیریم:

• خطای مشاهداتی سیستماتیک قابل پیش‌بینی است.
• میزان خطای مشاهداتی سیستماتیک ثابت یا متناسب با مقدار واقعی است و معمولا به صورت درصدی از مقدار واقعی در نظر گرفته می‌شود.
• اگر منبع اصلی خطای سیستماتیک شناسایی شود، می‌توان مقدار آن را حذف یا به میزان حداقل کاهش داد.
• در بیشتر مواقع، کالیبراسیون نادرست می‌تواند علت اصلی خطای سیستماتیک باشد.
• شیوه ثبت یا مشاهده ناظر بر اندازه‌گیری می‌تواند خطای مشاهداتی سیستماتیک ایجاد کند.

در سال 2005 آزمون تصادفی (Test Uncertainty) طبق استاندارد PTC یا (Performance Test Standard) توسط بنیاد آمریکایی «مهندسین مکانیک» (American Society of Mechanical Engineers) که به اختصار ASME، نامیده می‌شود، ایجاد شد. در این آیین نامه، در مورد خطای تصادفی و سیستماتیک، به طور مفصل صحبت شده است. این دستورالعمل را می‌توانید با کلیک روی این لینک (+)، دریافت کنید.

در حقیقت در این متن اشاره می‌شود که تغییرات غیرقابل پیش‌بینی، خطاهای تصادفی نامیده شده که ناشی از محیط اندازه‌گیری یا ابزارها آن تحت شرایط متفاوت یا غیر ایده‌آل است. خطای تصادفی در ارتباط مستقیم با دقت اندازه‌گیری است. هر چه قدر دقت اندازه‌گیری افزایش یابد، میزان تغییرات (انحراف معیار) کاهش خواهد یافت.

در عوض خطای تصادفی ویژگی‌هایی مجزایی نسبت به خطای سیستمی دارد که آن‌ها را در ادامه، فهرست کرده‌ایم.

• خطای تصادفی همیشه در اندازه‌گیری‌ها، حضور دارد. زیرا مشاهده و ثبت مقادیر بطور ذاتی خطا به همراه دارند.
• با هر بار تکرار آزمایش و اندازه‌گیری، نتایج حاصل به واسطه وجود خطای تصادفی، متفاوت است. این وضعیت برعکس خطای سیستماتیک است که همیشه ثابت در نظر گرفته می‌شود.
• مقدار خطای تصادفی، قابل برآورد بوسیله تکرار عمل اندازه‌گیری است. معمولا از میانگین مقادیر خطا، به عنوان برآورد خطای تصادفی استفاده می‌شود.

منابع خطای تصادفی

خطای اتفاقی (Stochastic) یا تصادفی (Random) در اندازه‌گیری، خطایی است که از یک اندازه به اندازه‌گیری بعدی متفاوت است. معمولا توزیع احتمالی مقادیر خطای تصادفی را نرمال (Normal Distribution) فرض می‌کنند. این موضوع می‌تواند به علت قضیه حد مرکزی (Central Limit Theorem) باشد که تابع توزیع مجموعه خطاهای تصادفی مستقل با میانگین و واریانس ثابت را توزیع نرمال در نظر می‌گیرد. از طرفی خصوصیات این توزیع نسبت به توزیع‌های دیگر، شناخته‌ شده‌تر و ساده‌تر هستند.

برای مثال در یک مدل رگرسیونی (Regression Model)، اگر مقادیر متغیر وابسته (Dependent Variable) براساس خطای تصادفی، اندازه‌گیری شوند، روی مدل و فرضیات اصلی مدل تاثیری نخواهند داشت بلکه میزان «ضریب تعیین» (Coefficient of determination) یعنی $$R^2$$ کاهش می‌یابد.

از طرفی اندازه‌گیری همراه با خطای تصادفی روی مقادیر «متغیرهای مستقل» (Independent Variables)، باعث تغییر در پارامترها و ضرایب مدل رگرسیونی شده و روی بعضی از آزمون‌ها مربوط به صحت مدل رگرسیونی تاثیر گذار هستند.

عبارت خطای تصادفی، ممکن است دارای توزیع‌های آماری مختلفی باشد. برای آشنایی با تابع احتمال‌های مختلف برای عبارت خطا بهتر است نوشتار توزیع های آماری — مجموعه مقالات جامع وبلاگ فرادرس را مطالعه کنید. استفاده از توزیع‌های مختلف، با توجه به شرایط داده‌ها و تعمیم قضیه حد مرکزی، توجیه پذیر است.

منابع خطای سیستماتیک

همانطور که گفته شد، خطای سیستمی معمولا ناشی از ابزار اندازه‌گیری یا تغییر در محیط اندازه‌گیری است نوسان گر تصادفی Stochastic چیست؟ که سنجش مقدار واقعی را دچار تغییر می‌کند. خطای مشاهداتی در آمار در بخش خطای سیستماتیک، ممکن است به علت تنظیم نادرست نقطه صفر بوده یا درصدی از مقدار واقعی را شامل شود.

خطای مشاهداتی و اثرات کالیبراسیون

یک آزمایشگر را در نظر بگیرید که قرار است تعداد نوسانات یک آونگ را اندازه‌گیری کند. اگر او به جای اندازه‌گیری در ثانیه صفر، مقادیر را برحسب ثانیه ۱، اندازه‌گیری کند، همه مقادیر یک ثانیه خطا دارند (خطای صفر) در نتیجه می‌توان مقدار خطا را ثابت و مشخص فرض کرد.

ولی اگر این آزمایشگر کار اندازه‌گیری زمان را بیست بار تکرار کند، و هر بار هم براساس زمان یا ثانیه ۱، اندازه‌گیری را انجام دهد، آنگاه مقدار میانگین نتایج بدست آمده دارای خطای درصدی (Percentage Error) است. در نتیجه پاسخ بدست آمده برای اندازه‌گیری دوره تناوب آونگ دارای مقدار خطای بسیار بزرگتری نسبت به مقدار واقعی خواهد بود. مشخص است که در اینجا خطای ناشی از کالیبراسیون نادرست رخ داده است.

یک رادار را در نظر بگیرید که قرار است فاصله اجسام را تخمین بزند. ممکن است فاصله اندازه‌گیری شده توسط رادار، دارای خطای سیستمی باشد زیرا در صورت کاهش سرعت امواج در هوا، در اثر دما یا رطوبت، تخمین فاصله اجسام توسط رادار، دچار خطای سیستمی می‌شود. تعیین نادرست نقطه صفر (کالیبره کردن فقط در یک محیط و شرایط خاص) در چنین وضعیتی باعث ایجاد خطای سیستماتیک خواهد شد.

از طرفی خطای سیستم می‌تواند ناشی از به کارگیری یک مدل ریاضیاتی یا قانون فیزیکی رخ دهد. برای مثال تناوب یک آونگ را در نظر بگیرید که تغییرات کوچک تکیه‌گاه آونگ در محاسبات در نظر گرفته نشده است. به این ترتیب اندازه‌گیری دوره تناوب این آونگ دچار خطای سیستماتیک خواهد شد.

خطای مشاهداتی در مقدار و جهت خطا

ممکن است خطای سیستماتیک ثابت بوده یا متناسب با مقدار واقعی باشد. حتی ممکن است این خطا را مرتبط با عوامل دیگر (مانند میزان دما و رطوبت) دانست. هنگامی که خطای سیستماتیک ثابت باشد، می‌توان علت وجودی آن را عدم تنظیم نقطه صفر دستگاه اندازه‌گیری در نظر گرفت.

ولی اگر مقدار خطای سیستمی متغیر باشد ممکن است علاوه بر مقدار، علامت یا جهت مقدار خطا نیز تغییر کند. برای مثال یک دماسنج را در نظر بگیرید که دارای خطای سیستماتیک ۲٪ است. این امر به این معنی است که اگر دمای واقعی سه ماده به ترتیب برابر با ۲۰۰، صفر و ۱۰۰- درجه باشند، این دما سنج با توجه به خطای درصدی، دمای 204، صفر و 102- را نشان می‌دهد. واضح است که میزان خطای سیستماتیک در این حالت برای سه ماده به ترتیب 4+، 0 و 2- درجه است. مشخص است که این دما سنج برای حرارت‌های بالای صفر درجه، دچار خطای بیش‌برآورد و برای دماهای کمتر از صفر، کم‌برآورد می‌شود ولی برای دمای صفر درجه، خطای صفر را نشان می‌دهد. بنابراین در نقطه صفر درجه، میزان خطا به درستی مشخص نشده است.

خطای مشاهداتی در تغییرات نسبت به مبدا

خطای سیستماتیک متغیر، نسبت به خطای سیستماتیک ثابت، راحت‌تر شناسایی می‌شوند. در این حالت با تکرار عمل اندازه‌گیری، روند تغییرات به واسطه زمان به سادگی دیده می‌شود. ولی اگر تغییرات به صورت تصادفی (خطای تصادفی) رخ دهند، شناسایی آن‌ها مشکل و غیرقابل پیش‌بینی خواهد بود. به این ترتیب روند صعودی (نزولی) برای مقدار خطا، توسط رسم نمودارهای «روندنمای زمانی» (Time Series Plot) دیده می‌شود.

برای مثال حالتی را در نظر بگیرید که با تکرار اندازه‌گیری، دستگاه سنجش، گرم شده و مقدار را با خطا نشان می‌دهد. مشخص است که مقدارهای ثبت شده در این حالت سیر صعودی داشته و خطا مربوط به اندازه‌گیری متغیر و مقدار مشاهده شده رو به افزایش است.

اگر هیچ الگوی مشخصی برای اندازه‌های تکراری، مشخص نشود، بهتر است برای سنجش ابزار اندازه‌گیری و کشف خطای سیستماتیک، از سنجش یک مقدار شناخته شده (استاندارد) استفاده شود.

برای مثال، تصور کنید که زمان نوسان آونگ توسط یک زمان‌سنج دقیق چندین بار ثبت شده و مقادیر حول میانگین به صورت تصادفی در تغییر هستند. خطای سیستماتیک در صورت وجود، می‌تواند به وسیله مقایسه ثانیه‌ها و واحد زمانی زمان‌سنج با یک زمان‌سنج دقیق دیگر مشخص شود. به این ترتیب تند یا کند بودن زمان سنج، کشف شده و خطای سیستماتیک قابل اندازه‌گیری می‌شود.

به این ترتیب مشخص است که مطابقت دستگاه‌های اندازه‌گیری با استانداردها برای سنجش دقیق، امری ضروری است. به همین علت دستگاه‌های ولت‌متر و آمپرمتر باید به صورت دوره‌ای براساس استانداردها، تطبیق داده شوند.

خطاهای سیستماتیک همچنین با اندازه‌گیری مقادیری که از قبل سنجش شده‌اند، قابل تشخیص است. به عنوان مثال، دقت یک طیف سنج را می‌توان با استفاده از طول موج خطوط D از طیف الکترومغناطیسی سدیم که برابر با 600 نانومتر و 589.6 نانومتر هستند، مورد بررسی قرار داد.

شناسایی خطاهای سیستماتیک به سختی صورت می‌گیرد زیرا تا زمانی که آن‌ها را از سنجش‌ها و مقادیر اندازه‌گیری شده خارج نکنیم، قادر به محاسبه آن‌ها نخواهیم بود. اثر چنین خطاهایی با تکرار اندازه‌گیری یا با میانگین‌گیری از تعداد زیاد مشاهدات از بین نمی‌رود. همانطور که گفته شد، یک روش معمول برای از بین بردن خطای سیستماتیک ثابت، کالیبراسیون ابزار اندازه‌گیری است.

فیلم آموزش کالیبراسیون تجهیزات اندازه‌گیری

اشاره کردیم که بخشی از خطای مشاهداتی در آمار می‌تواند ناشی از «خطای سیستماتیک» (Systematic Error) باشد. خوشبختانه در یکی از آموزش‌های فرادرس با عنوان «آموزش کالیبراسیون تجهیزات اندازه گیری» به این موضوع پرداخته شده است. این دوره آموزشی، موضوعات مرتبط با انداه‌گیری و کالیبراسیون تجهیزات اندازه‌ گیری را ارائه کرده است. در نتیجه با بهره‌گیری از این آموزش، علاقه‌مندان می‌‌توانند کاربرد کالیبراسیون را در استانداردهای مختلف صنعتی فرا گرفته و نحوه اجرای آن را بیاموزند. از طرفی مباحث مربوط به انواع منابع خطا و موضوع عدم قطعیت اندازه‌ گیری نیز در این آموزش مورد بحث قرار می‌گیرد.

درس یکم از این آموزش اختصاص به مفاهیم اولیه و اساسی اندازه‌گیری و کالیبراسیون دارد. همچنین خطای اندازه‌گیری و ویژگی عدم قطعیت مورد بررسی قرار می‌گیرد. در درس دوم نیز موضوعات مربوط به درستی و دقت در اندازه‌گیری به همراه سلسله مراتب و هرم کالیبراسیون آموزش داده می‌شود. درس سوم هم به سیستم‌های مدیریت کیفیت و جایگاه کالیبراسیون در آن‌ها پرداخته و فواصل زمانی و شرایط محیطی کالیبراسیون برای کاهش خطای مشاهدات نیز بررسی می‌شود.

• برای دیدن فیلم آموزش کالیبراسیون تجهیزات اندازه گیری + اینجا کلیک کنید.

خلاصه و جمع‌بندی

در این نوشتار با دو نوع خطای مهم در روش‌های اندازه‌گیری آشنا شدید. مشخص شد که بررسی خطای مشاهداتی در آمار چگونه می‌تواند نتایج حاصل از آزمایشات علمی را دقیق‌تر کرده و بخش خطای تصادفی را از خطای سیستمی جدا کند. همچنین کاربردهایی از خطای مشاهداتی در آمار، بخصوص در فنون رگرسیونی نیز مورد بحث قرار گرفت.

اگر این مطلب برای شما مفید بوده است، مطالب و آموزش‌های زیر نیز به شما پیشنهاد می‌شوند:

استراتژی فوق العاده واگرایی RSI

اندیکاتور RSI چیست؟

RSI در واقع یک شاخص نوسان گر است که توسط Welles Wilder ساخته شده است. این ابزار میانگین سود و زیان را در دوره های مختلف اندازه گیری می کند. سپس این ارقام را بر روی یک پنجره جداگانه به صورت گراف خطی ترسیم می کند.

نقطه قوت این اندیکاتور قله ها و دره هاییست که میسازد. عموما قله ها و کف های قیمت با قله و کف های RSI هماهنگ هستند . ولی مواقعی پیش می آید شاهد عدم هماهنگی این نقاط در نمودار قیمت و نمودار RSI هستیم و به این عدم تطابق را واگرایی می گوییم.

ویژگی مهم دیگری که RSI دارد این است که در یک محدوده میانگین نوسان می کند ، اگر مقدار آن از این محدوده تجاوز کرد و بیرون رود ، معامله گران اصطلاحا می گویند که آن جفت ارز یا سهام بیش از حد خریداری شده (اشباع خرید) یا بیش از حد فروخته شده (اشباع فروش). این معیار برای معامله گرانی که به دنبال وارونگی و برگشت قیمت برای معامله هستند ، مهم است.

البته تاکید میکنم که به تنهایی نمی توان از این ویژگی های RSI برای معامله استفاده کرد و باید همراه با تکنیک های پرایس اکشن یا روش های دیگر استفاده شود.

سایت تریدینگ لند هیچ تعهدی نسبت به سود یا زیان شما ندارد.تمام مسولیت معاملات بر عهده خود تریدر است.

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه(نظر) ارسال کنند.

محصولات مرتبط

استراتژی پرایس اکشن دابل دوجی

استراتژی پرایس اکشن پین بار

معرفی 2 استراتژی برای اسکالپرها

استراتژِی پرایس اکشن سطوح حمایت و مقاومت

محصولات

کلیه حقوق مادی و معنوی برای trading-land.ir محفوظ است
مجموعه آموزش trading-land تعهدی نسبت به ضرر و یا زیان احتمالی و صحت ادعای خدمات آموزشی و برندهای تبلیغ شده نداشته و مسئولیت راستی آزمایی و سود و ضرر محتوای این تبلیغات بر عهده بازدید کننده است.

كارشناسان تحليلگر

در اين مقاله ما تعدادي از انواع انديكاتورها و اسيلاتورها را بصورت چكيده و مختصر خدمت شما توضيح مي دهيم.

اين انديكاتورها را مي توانيد در تحليل تكنيكال ارزهاي ديجيتال استفاده نماييد.ارزهاي ديجيتال بر پايه بلاك چين ايجاد شده اند.

۱-نوسانگر تصادفي Stochastic Oscillator :

از نوسان گر تصادفي براي شناسايي جهت روند قيمت و نقاط احتمالي اصلاح استفاده مي شود كه از طريق مشخص كردن جايگاه قيمت حال حاضر در آخرين محدوده قيمتي انجام مي شود زيرا قيمت ها در روند صعودي به بالا ترين قسمت انتهاي محدوده و در روند نزولي به پايين ترين منطقه انتهاي محدوده تمايل دارند.در حقيقت از اين انديكاتور براي شناسايي محدوده كف فروش و سقف استفاده مي شود كه اگر بالاي عدد هشتاد باشد به معناي سقف خريد و پايين عدد بيست كف فروش را به همراه دارد.همچنين اين نوسانگر براي سه هدف استفاده مي شود كه عبارتند از : ۱-شناسايي ميزان اشباع فروش يا خريد-۲-شناسايي سيگنال ها-۳-شناسايي واگرايي ها

۲-نوسانگر مهيب AO :

نوسانگر مهيب به معناي فوق العاده مي باشد و نوعي انديكاتور است كه براي اندازه گيري ميزان حركت و تغيير روند هاي ناگهاني استفاده مي شود.در حقيقت اين انديكاتور اگر از خط صفر رو به بالا برود به معناي موقعيت خريد و اگر رو به پايين حركت كند مفهوم فروش را در بر دارد.نوسانگر مهيب از حاصل تفريق ميانگين متحرك ساده با دوره ۲۴ و ميانگين متحرك ساده دوره ۵ به دست مي آيد و براي تاييد روند ها يا احتمال بازگشت ها استفاده مي شوند.اين ميانگين هاي متحرك ساده اصولا توسط قيمت بسته شده استفاده نمي شوند، بلكه توسط نقاط مياني ميله ها محاسبه مي شوند.

۳-نوسانگر نهايي UO :

شاخص نوسانگر نهايي براي اندازه گيري مقدار حركت در سه بازه زماني جدا از هم استفاده مي شود كه كوتاه مدت، ميان مدت و بلند مدت مي باشد.همچنين از اين انديكاتور براي شناسايي مناطق اشباع خريد و فروش استفاده مي شود و هدف نهايي آن جلوگيري از واگرايي هاي اشتباه در بين نوسانگرهاي اندازه حركت معمول مي باشد.همچنين اين شاخص از چند دوره زماني براي محاسبه استفاده مي كند كه اين اتفاق در مقابل ديگر نوسانگر هاي حركتي است كه از يك بازه زماني بهره مي جويند.

۴-نوسانگر قدرت خرس ها Bears Power :

نوسانگر قدرت خرس ها تفاوت بين پايين ترين قيمت و ميانگين متحرك نمايي ۱۳ را اندازه گيري مي كند و به وسيله هيستوگرام رسم مي شود.اگر اين شاخص زير صفر باشد يعني فروشنده ها مي توانند قيمت را پايين تر از ميانگين متحرك نمايي بياورند و اگر بالاي صفر باشد اين مفهوم را مي رساند كه خريداران مي توانند قيمت را بالاتر از ميانگين متحرك نمايي نگه دارند.همچنين اين انديكاتور يك نوسانگر نامحدود با مقدار پايه صفر است و حد بالاتر و پايين تري ندارد و در اكثر مواقع از طريق تركيب با ساير سيگنال ها مورد استفاده قرار مي گيرد.

۵-نوسانگر ويليامز Williams %R :

نوسانگر ويليامز يك نوسانگر بر پايه حركت مي باشد كه براي شناسايي شرايط اشباع فروش و اشباع خريد از آن استفاده مي شود تا بتوان نقاط ورود و خروج را شناسايي نمود.در حقيقت اين شاخص بر اساس مقايسه بين قيمت بسته شده حال حاضر و بالا ترين سقف براي دوره بازگشتي كه كاربر انتخاب كرده باشد بوجود مي آيد.همچنين اين شاخص بين صفر و منفي صد در نوسان است كه نزديك به صفر به معناي اشباع خريد و در حدود منفي صد مفهوم اشباع فروش است.

۶-شاخص قدرت نسبي RSI :

شاخص قدرت نسبي يك نوسانگر موفق است كه مي توان گفت محبوب ترين انديكاتور موجود است و بر پايه حركت مي باشد و از آن براي اندازه گيري سرعت و تغيير حركات جهت دار قيمت استفاده مي شود.همچنين شاخص قدرت نسبي بين محدوده صفر تا صد نوسان دارد و زماني كه به شكل نمودار شده باشد، ميانگيني جهت نظارت بر جريان و قدرت و ضعف تاريخي يك بازار مشخص كه به قيمت هاي بسته شده در يك دوره معين كه به ايجاد يك واحد مورد اعتماد از تغيبرات حركت و قيمت بستگي دارد را نشان مي دهد و در اصل انديكاتوري با دوام محسوب مي شود.

۷-شاخص كانال كالا CCI :

شاخص كانال كالا يك نوسانگر حركتي مي باشد كه براي شناسايي وضعيت اشباع خريد و فروش به نوسان گر تصادفی Stochastic چیست؟ كار مي رود و بسيار مشهور و محبوب مي باشد و به صورت وسيع مورد استفاده قرار مي گيرد.همچنين اين شاخص نوعي نوسانگر نامحدود مي باشد كه حد بالاتر و پايين تر ندارد و به جهت يافتن بازگشت ها و واگرايي هاي گذشته مورد استفاده قرار مي گيرد و از آن در بسياري از ابزار هاي مالي به كار گرفته مي شود.

۸-باند بولينگر Bollinger Band :

باند بولينگر نوعي ديگر از انديكاتور ها است كه بسيار كاربردي مي باشد و ميانگين متحرك ساده در وسط آن قرار گرفته است و محدوده نوسانات قيمت كه نرخي مي باشد كه درآن، قيمت افزايش يا كاهش پيدا مي كند و هر چقدر دامنه آن وسيع تر باشد، نوسانات قيمت هم بيشتر مي شود را نشان مي دهد.

۹-شاخص قدرت نسبي تصادفي Stoch RSI :

شاخص قدرت نسبي تصادفي در حقيقت يك انديكاتور مي باشد كه به وسيله آن مي توان جهت و روند بازار را تحليل نمود.در حقيقت مقياسي از شاخص قدرت نسبي است كه رنج پايين و بالاي خود در يك دوره از زمان توسط يك كاربر تعريف مي شود.همچنين اين شاخص يك نوسانگر مي باشد كه مقدار آن بين صفر و يك است كه به شكل يك خط رسم مي شود.

۱۰-ابر ايچيموكو Ichimoku Cloud :

ابر ايچيموكو يكي از انديكاتور هاي محبوب و كاربردي است كه جهت حركت و روند تضمين شده و همچنين مقاومت و حمايت را نمايان مي كند و تصويري روشن تر از مقوله قيمت گذاري را نشان مي دهد و از پنج خط تشكيل شده است كه هر كدام مربوط به زماني مشخص مي باشد.علاوه بر اين اندازه گيري حركت و ارسال سيگنال تلاقي خطوط و قيمت اين خطوط كه به معامله كنندگان ياري مي رساند بهترين نقاط ورود و خروج را پيدا كنند را به همراه دارد.

۱۱-شاخص مكدي MACD :

شاخص مكدي انديكاتوري بسيار محبوب مي باشد كه به جهت شناسايي شاخصه هاي روند تضمين شده كه حركت بازار و جهت دوره زماني روند را نشان مي دهند، استفاده مي شود و نام ديگر آن ميانگين متحرك همگرايي-واگرايي مي باشد.همچنين به دليل اين كه تركيبي از دو نوع شاخص كه ميانگين متحرك كوتاه مدت و بلند مدت مي باشد، حاوي اطلاعات زيادي است.علاوه بر اين تفاوت بين دو ميانگين متحرك و خط سيگنال را به شكل هيستوگرام كه بر روي خط صفر مركزي در حال نوسان است را رسم مي نمايد.

۱۲-شاخص جهت دار ميانگين ADX :

شاخص جهت دار ميانگين به معامله كنندگان ياري مي دهد تا نه جهت واقعي، بلكه قدرت روند را معين كنند و مي توان از آن براي يك بازار خنثي يا در حال شروع روند جديد استفاده نمود.همچنين اين شاخص، با شاخص حركتي جهت دار در ارتباط است و بين صفر تا صد متغير مي باشد كه مقدار بالا نشان دهنده روندي قوي و مقدار پايين آن بيان كننده روندي ضعيف مي باشد.

۱۳-شاخص گردش پول MFI :

شاخص گردش پول يك نوع نوسانگر مي باشد كه ورودي و خروجي يك دارايي را براي يك دوره زماني مشخص اندازه گيري مي كند.اين شاخص بين اعداد صفر تا صد نوسان مي كند تا سيگنال هاي اشباع خريد و اشباع فروش را صادر نمايد.همچنين شاخص گردش پول مي تواند در شناسايي حركت هاي بازگشتي بازار زماني كه سيگنال اشباع خريد و فروش صادر شده است كاربرد فراواني داشته باشد.

۱۴-ميانگين متحرك ساده SMA :

ميانگين متحرك ساده يك متحرك غير وزني مي باشد كه نقاط مختلف در مجموعه داده اهميت و وزن برابري دارند.همچنين با انتهاي هر دوره قديمي ترين نقطه داده سقوط مي كند و جديدترين نقطه داده به آن اضافه مي گردد.شاخص هاي ميانگين متحرك انواع زيادي دارند و قيمت ميانگين را در دوره هاي زماني مطلوب نمايش مي دهند و همه آن ها اصولا در نقاط مختلف داده ها با هم متفاوت مي باشند.علاوه بر اين بايد دانست كه در بين همه ميانگين هاي متحرك، ميانگين متحرك ساده تاخير بيشتري دارد و مي توان گفت كه ميانگين قيمت بسته شدن يك سهم در دوره زماني مشخصي مي باشد.

۱۵-ميانگين متحرك هال HMA :

انديكاتور ميانگين متحرك هال براي كاهش تاخير، افزايش پاسخگويي و حذف نويز بوجود آمده است كه محاسبه آن بسيار دقيق مي باشد و در ميانگين متحرك وزني از آن استفاده مي گردد.اين شاخص سرعت عمل بالايي دارد و بسيار ساده مي باشد و بر قيمت هاي جديد تر تاكيد بيشتري نسبت به قيمت هاي قديمي دارد.علاوه بر اين در تشخيص سيگنال ورود و خروج كارايي بالايي دارد و بسيار مورد استفاده معامله گران نوساني و بلند مدت مي باشد كه اصولا همراه با سيگنال ها و روش هاي ديگر مورد استفاده قرار مي گيرد.

۱۶-ميانگين متحرك وزني WMA :

ميانگين متحرك وزني يكي ديگر از انديكاتور هاي ميانگين متحرك است كه نسبت به داده هاي جديد وزن بيشتري دارد و به داد هاي قديمي وزن كم تري را اختصاص مي دهد‌.زماني كه در اين انديكاتور قيمت بالاتر از ميانگين متحرك وزني باشد سيگنال خروج و بر عكس اين اتفاق سيگنال ورود مي باشد.همچنين مي تواند به عنوان حمايت يا مقاومت عمل كند و اقدام به خريد و فروش گرفت.

۱۷-ميانگين متحرك نمايي EMA :

شاخص ميانگين متحرك نمايي نوعي از ميانگين متحرك وزني است و بسيار شبيه به آن كار مي كند و تفاوت اصلي بين اين دو شاخص اين مي باشد كه نقاط داده هاي قديمي تر هرگز ميانگين را ترك نمي كنند.در حقيقت چند نوع شاخص ميانگين متحرك وجود دارند كه قيمت ميانگين را در دوره هاي زماني مورد نياز نمايان مي كنند كه همه آن ها اصولا در نقاط مختلف داده ها متفاوت مي باشند.

بهترین اندیکاتورهای تریدینگ ویو

شاخص اساسی در تکنیکال ، سلاح های انتخابی برای تحلیل گران تکنیکال آزمایش شده توسط نبرد هستند. هر بازیکن ابزارهایی را انتخاب می کند که به بهترین وجهی متناسب با سبک بازی منحصر به فرد آنها باشد تا سپس یاد بگیرد چگونه بر کار خود مسلط شوید. برخی دوست دارند به حرکت بازار نگاه کنند ، در حالی که دیگران می خواهند صدای بازار را فیلتر کنند یا نوسانات را اندازه بگیرند.

اما کدام یک از بهترین شاخص های فنی هستند؟ خوب ، هر معامله گر چیز متفاوتی به شما می گوید. آنچه یک تحلیلگر سوگند یاد می کند ، شاخص نهایی است که دیگری کاملاً رد خواهد کرد. با این حال ، موارد بسیار مشهوری وجود دارد ، مانند مواردی که در زیر لیست کرده ایم (RSI ، MA ، MACD ، StochRSI و BB).

معرفی

معامله گران از شاخص های فنی برای دستیابی به بینش بیشتر در مورد عملکرد قیمت یک دارایی استفاده می کنند. این شاخص ها شناسایی الگوها و خرید سیگنالهای خرید یا فروش در شرایط فعلی بازار را آسان تر می کند . انواع مختلفی از شاخص ها وجود دارد ، و آنها به طور گسترده توسط معامله گران روز ، معامله گران نوسان و حتی گاهی سرمایه گذاران بلند مدت استفاده می شوند. برخی از تحلیلگران حرفه ای و بازرگانان پیشرفته حتی شاخص های خاص خود را ایجاد می کنند. در این مقاله ، ما شرح مختصری از محبوب ترین شاخص های تجزیه و تحلیل فنی را ارائه می دهیم که می توانند در جعبه ابزار تجزیه و تحلیل بازار هر معامله گر مفید باشند.

بهترین اندیکاتورهای تریدینگ ویو – شاخص های اساسی در تحلیل تکنیکال

1. شاخص مقاومت نسبی (RSI)

RSI یک شاخص حرکت است که نشان می دهد یک دارایی بیش از حد خریداری شده یا بیش از حد فروخته شده است. این کار را با اندازه گیری میزان تغییرات اخیر قیمت انجام می دهد (تنظیم استاندارد 14 دوره قبلی است ، بنابراین 14 روز ، 14 ساعت و غیره). سپس داده ها به عنوان یک اسیلاتور نمایش داده می شوند که می تواند مقداری بین 0 تا 100 داشته باشد.

از آنجا که RSI یک شاخص حرکت است ، نرخ (حرکت) تغییر قیمت را نشان می دهد. این بدان معناست که اگر حرکت در حالی که قیمت در حال افزایش است افزایش یابد ، روند صعودی قوی است و خریداران بیشتری وارد عمل می شوند. در مقابل ، اگر حرکت در حال افزایش قیمت در حال کاهش است ، ممکن است نشان دهد که فروشندگان به زودی ممکن است کنترل خود را بر عهده بگیرند. بازار.

یک تفسیر سنتی از RSI این است که وقتی بیش از 70 سال باشد ، دارایی بیش از حد خریداری می شود و هنگامی که زیر 30 سال باشد ، بیش از حد فروخته می شود. به همین ترتیب ، مقادیر شدید ممکن است نشان دهنده تغییر روند قریب الوقوع یا عقب نشینی باشد. حتی در این صورت ، ممکن است بهترین کار این باشد که به این مقادیر به عنوان سیگنال مستقیم یا خرید مستقیم فکر نکنید. همانند بسیاری از تکنیک های دیگر تجزیه و تحلیل فنی (تکنیکال) ، RSI ممکن است سیگنال های غلط یا گمراه کننده ای ارائه دهد ، بنابراین همیشه در نظر گرفتن سایر عوامل قبل از ورود به تجارت مفید است.

مشتاق یادگیری بیشتر هستید؟ مقاله ما را در مورد شاخص مقاومت نسبی (RSI) را مطالعه کنید .

آموزش اندیکاتور استوکاستیک به صورت کامل

اندیکاتور یا اسیلاتور استوکستیک یک نوسان ساز تصادفی محبوب برای تولید سیگنال هایی در نواحی بیش از حد خرید و فروش بیش از حد است. این نوسانگر در اواخر دهه ۱۹۵۱ معرفی شده و از نوع نوسانگرهایی است که سرعت و شتاب نوسان گر تصادفی Stochastic چیست؟ تغییرات قیمت را در یک بازه زمانی مشخص اندازه گیری می‌کند. از این اندیکاتور می‌توان برای پیش بینی تغییر روند قیمت ها و یا مشخص کردن زمان پیش خرید یا پیش فروش شدن یک سهم یا دارایی کمک گرفت. در ادامه با آموزش اندیکاتور استوکاستیک به صورت کامل و کاربردی با ما همراه باشید.

مطالب مرتبط: اندیکاتور چیست؟

استوکاستیک نسبت به دیگر اندیکاتورها توسط افراد بسیار زیادی استفاده می‌شود پس میتوان نتیجه گرفت تغییرات درصدی از قیمت بازار ناشی از احساسات معامله‌گرانیست که از این اندیکاتور استفاده می‌کنند. از جمله کاربرد های استوکستیک می توان به استفاده در واگرایی و بدست آوردن سیگنال خرید و فروش اشاره کرد. منتهی باید توجه داشت که این اندیکاتور استوکاستیک در شرایط روندی بازار و خنثی به طور متفاوت مورد استفاده قرار می‌گیرد. یعنی با تفسیر نوسان گر تصادفی Stochastic چیست؟ درست شرایط بازار است که میتوان از این اندیکاتور به درستی استفاده کرد. مثلا در بازارهای رنج سیگنال‌های حاصل از تقاطع دو منحنی سیگنال و اصلی از اعتبار بیشتری برخوردار هستند.

طرز کار اندیکاتور استوکاستیک

همانند سایر اندیکاتور های کاربردی این اندیکاتور هم دارای یک فرمول است که برای ترید با این اندیکاتور از آن استفاده می شود.

فرمول محاسبه منحنی اصلی

K%=100 x (price – L5) / (H5 – L5)

فرمول محاسبه منحنی سیگنال

D=%((K1+K2+K3) / 3)

H5: بیشترین قیمت در بین پنج کندل قبل

L5: کمترین قیمت بین پنج کندل قبل

K :K%میانگین متحرک سه روزه

در فیلم آموزشی زیر می توان به صورت کامل با فرمول اندیکاتور استوکاستیک و قسمت های مختلف آن آشنا شد.

ساختمان اندیکاتور استوکاستیک و تفسیر کار آن

نوسان ساز تصادفی از دو خط میانگین متحرک تشکیل شده است که در سه ناحیه متمایز مربوط به نمودار حرکت می کنند – یک منطقه بیش از حد خرید در بالا، یک منطقه خنثی در مرکز و یک منطقه فروش بیش از حد در پایین.

• منحنی اصلی مشکی K% و منحنی سیگنال قرمز D% بین صفر و صد نوسان می کنند.
• منحنی اصلی معمولا به صورت خط پیوسته و منحنی سیگنال به صورت خط چین نمایش داده می شود.

در تنظیمات پیش فرض این اندیکاتور، منطقه اشباع خرید بین سطوح ۸۰ و ۱۰۰ در نمودار نشانگر رخ می دهد در حالی که منطقه فروش بیش از حد بین سطوح ۰ و ۲۰ درنظر گرفته شده است. سطح ۵۰ نیز بعنوان کفه ترازو می‌تواند نشان دهنده قدرت خرس و گاو در بازار باشد. برای مثال وجود دو منحنی k% و D% در قسمت پایین محدوده ۵۰ نشان دهنده تسلط فروشندگان بر بازار است .

تصویر زیر نشان می‌دهد که چگونه استوکستیک نسبت به رفتار قیمت در یک نمودار واکنش می‌دهد:

1. خطوط منحنی اصلی و سیگنال در منطقه بیش از حد خرید هستند که میتواند دلیل کاهش یافتن قیمت باشد
2. همینطور در پایین این خطوط در منطقه فروش بیش از حد هستند که میتواند فرصتی برای افزایش قیمت تلقی شود
3. منطقه خنثی

انواع فرصت های معامله در اندیکاتور استوکاستیک

نوسانگر استوکاستیک به تشخیص تغییر جهت قیمت کمک می‌کند. معامله‌گران از نوسانگر تصادفی برای کمک به خروج از معاملات موجود قبل از تغییر روند استفاده می‌کنند. آنها همچنین از آن برای ورود به معاملات استفاده می کنند، درست زمانی که یک روند جدید شروع می شود .در ادامه نشانه‌های ورود به یک پوزیشن معامله را بیان می‌کنیم:

استفاده از سطوح اشباع برای تشخیص بازگشت قیمت

فروش بیش از حد به این معنی است که فشار بیش از حد فروش، قیمت دارایی را به طور غیرمنطقی پایین آورده است. بنابراین خطوط میانگین متحرک یک دارایی در منطقه فروش بیش از حد، به معامله‌گر نشان می‌دهد که جهت یک دارایی در شرف تغییر از پایین به بالاست و آنها در این نقطه به دنبال خرید هستند.

• خطوط میانگین متحرک از زیر خط ۲۰ عبور کرده است.
• فرصت خرید بالقوه زمانی که خطوط میانگین متحرک از خط ۲۰ بر می‌گردند.

اگر خطوط میانگین متحرک در منطقه ۸۰ باشد، ممکن است دلیل بازگشت قیمت دارایی به سمت پایین و وجود خطوط میانگین متحرک در منطقه ۲۰

میتواند نشانه ای برای برگشت قیمت به سمت بالا باشد

خرید بیش از حد خلاف تعریف بالاست. بنابراین، عبور خط میانگین متحرک یک دارایی در این منطقه ۸۰، نشان دهنده تغییر به روند نزولی برای دارایی و فرصتی برای فروش برای یک معامله گر است.

در تصویر زیر، خطوط تصادفی از بالای خط ۸۰ عبور کرده‌اند که نشان‌دهنده خرید بیش از حد یا سیگنال نزولی است. سپس هنگامی که خط از خط ۸۰ عبور می‌کند و به سمت نزول می‌رود، یک معامله‌گر به دنبال سفارش فروش بالقوه است.

1. خطوط میانگین متحرک از خط ۸۰ عبور کرده است
2. فرصت فروش بالقوه زمانی که خطوط از ۸۰ عبور می کنند و به سمت نزول می روند

گاهی اوقات نیز معامله‌گران عبور هر دو منحنی از سطح ۵۰ را به عنوان نشانه ای بر تغییر فاز بازار در نظر می‌گیرند. یعنی با عبور منحنی K% و D% از سمت بالا به پایین سطح ۵۰ نشان دهنده از دست رفتن سلطه گاوها بر بازار باشد.

تقاطع خطوط سیگنال

همچنین معامله گران تقاطع دو منحنی K% و D% را به عنوان سیگنالی برای ورود به معامله تلقی می‌کنند؛ بدین صورت هنگامی که منحنی سیگنال منحنی اصلی را به سمت بالا قطع کند سیگنال خرید و در صورت تقاطع معکوس سیگنال فروش در نظر گرفته می‌شود. اما این نشانه استوکاستیک ممکن است با خطا همراه باشد و در صورت تقاطع دو منحنی قیمت روند خود را ادامه دهد. این اتفاق معمولا در تنظیمات کوچکتر اتفاق میافتد که اندیکاتور حساسیت بیشتری به نوسانات قیمت نشان می‌دهد و موجب تقاطع های پی درپی دو منحنی ذکر شده می‌شود. از این تنظیمات بهتر است در استراتژی های تحت اسکالپ (کوتاه مدت) مورد استفاده قرار گیرد و برای دوره های زمانی بلندتر تقاطع هایی که در منطقه اشباع خرید و فروش رخ می‌دهد می‌تواند سیگنالهای قوی تری را ارائه دهد. به مثال زیر توجه کنید:

منحنی سیگنال اندیکاتور نسبت به تغییرات قیمت سریعتر از منحنی اصلی واکنش نشان می‌دهد. این خط زودتر هشدارهایی را در مورد خرید یا فروش بیش از حد دارایی می‌‌دهد.

در تصویر زیر، خط سیگنال از میانگین متحرک کندتر زیر خط ۲۰ عبور کرده است که نشان دهنده یک سیگنال فروش بیش از حد یا صعودی است. همچنین نشانه دیگری که رشد قیمت را نوید می‌دهد تقاطع دو منحنی سیگنال و اصلی در این ناحیه است. (تقاطع ۳)

1. خط سیگنال
2. خط کندتر
3. خط سیگنال از خط کندتر عبور می کند که نشان دهنده سیگنال صعودی است

یکی از خطوط میانگین متحرک در نوسانگر تصادفی سریعتر تغییر می کند و هشدارهای قبلی را در مورد اینکه آیا دارایی بیش از حد خرید یا فروش بیش از حد خواهد شد، می دهد.

نکته مهم: بهتر است در بازارهای دارای روند از پوزیشن‌گیری در خلاف جهت روند خودداری کنید، زیرا در بازار رونددار قدرت در دست یک جناح بوده و ممکن است تقاطع‌هایی که خلاف جهت قیمت باشند معامله‌گران را گمراه کند.

نمودار لایت کوین در تایم فریم یک ساعته با تنظیمات پیش فرض اندیکاتور استوکاستیک و سیگنالهای خطا حاصل از تقاطع منحنی سیگنال و اصلی

وقتی میانگین متحرک وارد مناطق اشباع می‌شوند

یکی از روش های دیگر استفاده از نوسانگر استوکاستیک ورود خطوط سیگنال و اصلی به مناطق اشباع و خروج از آن است. وقتی هر یک از خطوط میانگین متحرک به زیر سطح ۲۰ برسد و یا از سطح ۸۰ بالاتر برود، برگشت قیمت و عبور از این سطوح یک سیگنال در نظر گرفته می شود و انتظار می رود روند قیمت تغییر کند. مخصوصا اگر با تقاطع دو منحنی K% و D% همراه باشد.

در تصویر زیر، خط سیگنال به زیر ۲۰ می رسد و سپس از آن به سمت بالا عبور می کند. این یک فرصت برای خرید است.

• خط سیگنال از ۲۰ عبور کرد و به پایین‌تر رسید
• سیگنال ورودی بالقوه هنگامی که خط از بالای ۲ عبور می کند.

هنگام تغییر پارامترهای نوسانگر استوکستیک، مهم است که آزمایش کنید آیا این تغییرات واقعاً نتایج معاملات شما را بهبود می بخشد یا بدتر می کند.

مطالب مرتبط: اندیکاتور پیووت پوینت

تشخیص واگرایی سیگنالی دیگر از استوکاستیک

واگرایی زمانی رخ می‌دهد که حرکت قیمت توسط اندیکاتور استوکستیک تایید نشود. واگرایی صعودی زمانی اتفاق می‌افتد که قیمت دره پایینتر، از دره اندیکاتور را ثبت کند.

در تصویر زیر یک نمونه واگرایی مثبت (صعودی) را مشاهده می‌کنید. واگرایی مثبت به معنی وجود قدرت بیشتر خریداران نسبت به فروشندگان است و می‌تواند علامتی برای افزایش قیمت باشد. در تصویر زیر یک نمونه از واگرایی کلاسیک مثبت نشان داده شده است.

همینطور هنگامی که قیمت قله بالاتر را تشکیل دهد و اندیکاتور قادر به انجام اینکار نباشد واگرایی منفی (نزولی) اتفاق می افتد.

واگرایی مخفی در اندیکاتور استوکاستیک

واگرایی مخفی درست برعکس واگرایی کلاسیک است. این پدیده زمانی رخ می‌دهد که اندیکاتور توسط حرکات قیمت نقض شود که در این صورت سیگنال صحیح از قیمت گرفته می‌شود نه اندیکاتور (حرکت در جهت روند خواهد بود). به تصویر زیر دقت کنید که چطور اندیکاتور خلاف جهت قیمت قله و دره تشکیل داده است.

یک استراتژی به کمک اندیکاتور استوکاستیک

استفاده از واگرایی در کنار اندیکاتور میانگین متحرک (moving average)

همانطور که بالاتر اشاره کردیم بهتر است از پوزیشن گیری در خلاف جهت روند خودداری کنیم، پس برای تشخیص روند قیمت می‌توانیم از اندیکاتور میانگین متحرک با دوره زمانی ۲۰۰ کندله استفاده کنیم. هنگامی که قیمت بالای منحنی میانگین متحرک باشد نشان دهنده تسلط قدرت خریداران و در شرایط بالعکس نشانی بر تسلط فروشندگان بر بازار دارد. بنابراین در این شرایط باید بدنبال یافتن موقعیت های خرید باشیم.

در این استراتژی تمرکز بر استفاده از واگرایی مخفی در جهت روند است. بنابراین واگرایی در مواقع اصلاحی را نادیده می‌گیریم.

مطالب مرتبط: آموزش اندیکاتور MFI

این استراتژی بهتر است در تایم فریم های بلند مدت مانند ۱ ساعته ، ۴ ساعته و روزانه استفاده کنیم تا از نوسانات نویزی بازار در امان بمانیم.

قیمت زیر نمودار مایانگین متحرک ۲۰۰ دوره ، واگرایی ها مخفی اندیکاتور و در نتیجه پیشروی قیمت در جهت روند

در این قسمت که نیاز به توضیح دادن نخواهد داشت و تنها باید فیلم آموزشی زیر را مشاهده کنید این اندیکاتور را تحلیل کرده و شیوه استفاده از آن را در ترید ها آموزش خواهیم داد.