سلام!
نام من مایکل هیپوُف است!
با عضویت در کانال دانلود اندیکاتور هوش فعال روزانه جدید ترین اندیکاتور ها و اکسپرت ها را در کانال تلگرام و ایتا دریافت نمایید برای عضویت در کانال تلگرام کلیک نمایید عضویت در کانال ایتا کلیک نمایید
من ۱۶ سال است که معاملهگری میکنم و در این مدت همهچیز را دیدهام: رونقها، سقوطها، بحرانها، هیجانات و دورههای طولانی سکون بازار.
مقالات من درباره تحلیل تکنیکال و فاندامنتال، همچنین پیشبینیهایم برای ارزهای فارکس و ارزهای دیجیتال، به ۲۰ زبان ترجمه میشوند و میلیونها بازدید جذب میکنند.
اما چیزی که امروز میخواهم با شما به اشتراک بگذارم، نقطه عطفی در درک من از معاملهگری بود.
چگونه همهچیز آغاز شد
در سال ۲۰۱۹، من به مالزی نقل مکان کردم و وارد دانشگاه علوم مالزی (USM) شدم — دومین دانشگاه معتبر کشور پس از UM.
خوششانس بودم که در برنامه کارشناسی ارشد علوم داده و تحلیلگری پذیرفته شدم. این یک دوره فشرده بود که در آن ما بهطور عمیق تحلیل ریاضی، آمار، شبکههای عصبی و یادگیری ماشین را مطالعه میکردیم — زمانی که هنوز هیچکس حتی نام ChatGPT را هم نشنیده بود.
این دانش، درک من از معاملهگری را کاملاً زیر و رو کرد.
ناگهان دیدم که بسیاری از فرآیندهای بازار را میتوان با قوانین دقیق ریاضی توضیح داد و در نتیجه — با دقت بالا پیشبینی کرد.
کمی تئوری به زبان ساده
یکی از کشفیات کلیدی برای من، قانون توزیع نرمال بود.
از نظر بصری، این قانون با «زنگوله گاوسی» نشان داده میشود — یک منحنی متقارن که در آن بیشتر مقادیر در وسط قرار دارند و مقادیر بسیار بالا یا بسیار پایین نادر هستند.
برای روشنتر شدن، بگذارید یک مثال بزنم.
تصور کنید در حال پختن مافین هستید
خمیر برای همه یکسان است و فر هم یکی است. اما نتیجه همیشه کمی متفاوت است:
- بیشتر مافینها اندازه متوسط دارند
- بعضی کمی کوچکتر یا کمی بزرگتر هستند
- تعداد بسیار کمی یا خیلی کوچک یا خیلی بزرگ میشوند.
اگر نموداری از «تعداد مافینها بر اساس اندازه» رسم کنید، همان منحنی زنگولهای را خواهید دید: تعداد زیاد در مرکز و تعداد کم در دو طرف.
مثالهایی از دنیای واقعی
همین اصل را همهجا میبینیم:
- قد انسانها — بیشتر مردم قد متوسط دارند، خیلی کوتاه یا خیلی بلند نادر است
- نمرات مدرسه — بیشتر دانشآموزان نمرات متوسط دارند و نمرات خیلی بالا یا پایین کمیاب است
- وزن سیبها در یک باغ — بیشترشان تقریباً هموزن هستند، اما تعداد کمی خیلی کوچک یا خیلی بزرگاند.
💡 به بیان ساده: در طبیعت و زندگی، بیشتر مقادیر «متوسط» هستند و مقادیر بسیار زیاد یا بسیار کم نادرند.
چرا این در معاملهگری مهم است
در معاملهگری، قیمت در هر لحظه یک متغیر تصادفی است.
ما نمیتوانیم دقیقاً بدانیم که قیمت در یک ثانیه یا یک ساعت بعد کجا خواهد بود، اما میتوانیم میانگین قیمتی که بیشترین احتمال رسیدن به آن وجود دارد را محاسبه کنیم.
اگر به منحنی زنگولهای برگردیم، خطچین آبی در وسط همان قیمتی است که بازار بیشتر اوقات به آن تمایل دارد.
برای هر تایمفریم، میتوان این میانگین قیمت را محاسبه و از آن بهعنوان یک راهنما استفاده کرد.
نمودار جعبهای (Box Plot) — نموداری که بیشتر میگوید
قانون توزیع نرمال را میتوان با استفاده از نمودار جعبهای (Box Plot) یا «جعبه و سبیل» بهخوبی نمایش داد.
- میانه (Median) = مقدار مورد انتظار
- جعبه — محدوده ۲۵٪ انحرافها
- سبیلها — حداقل و حداکثر در محدوده 1.5×IQR (که IQR اندازه بدنه جعبه است)
اگر قیمت یک دارایی را روی محور X رسم کنید و نمودار را ۹۰ درجه بچرخانید، شکل آن بهطرز شگفتآوری شبیه یک شمع ژاپنی خواهد بود.
و اگر چنین «جعبههایی» را برای تایمفریمهای مختلف بسازید، تصویر روشنی از نوسانات بازار به دست میآید که در برخی موارد اطلاعات بیشتری نسبت به نمودار شمعی ارائه میدهد.
BoxPlot داخل کندل (Intrabar BoxPlot) و دو الگو
اخیراً، تریدینگویو اندیکاتور Intrabar BoxPlot را معرفی کرده است. این اندیکاتور این «جعبهها» را مستقیماً روی نمودار رسم میکند و میانهها و قیمتهای بسته شدن را مشخص میکند.
در نمودار، این جعبهها با نقاط رنگی برای میانه هر دوره و نقاط آبی برای سطوح قیمت بسته شدن نمایش داده میشوند.
با مقایسه نمودار قیمت با BoxPlot، میتوان دو الگو را شناسایی کرد:
1/ بازار همیشه به سمت میانه تمایل دارد؛ بنابراین، با احتمال بالا، اگر بسته شدن قیمت در طول دوره درون جعبه رخ داده باشد، شمع دوره بعد به میانه شمع بستهشده آخرین دوره خواهد رسید.
2/ اگر بسته شدن قیمت خارج از جعبه اتفاق بیفتد، این یک سیگنال برای ادامه روند است. علاوه بر این، هرچه نقطه بسته شدن از میانه فاصله بیشتری داشته باشد، سیگنال برای ادامه حرکت قویتر خواهد بود.
این الگوها هم روی شمعهای ۱۲ ماهه و هم روی تایمفریمهای ثانیهای کار میکنند، که امکان انجام تحلیل متقاطع از روندهای کلان تا خرد و ساخت یک استراتژی معاملاتی با نتایج عالی را فراهم میکند: در تایمفریمهای بزرگ، روندهای اصلی شناسایی میشوند و در نمودارهای دقیقهای و ثانیهای، نقاط ورود و خروج در میکرو-موجهای روز مشخص میشوند.
چگونه به یک استراتژی تبدیل شد
سه سال پیش، تصمیم گرفتم این مشاهده را به یک سیستم معاملاتی کامل تبدیل کنم.
ابتدا یک پایاننامه بر اساس این ایده نوشتم و قیمت بیتکوین را پیشبینی کردم.
برای سه سال، الگوریتم را تست و اصلاح کردم و تیمی از برنامهنویسان را وارد کردم که به من کمک کردند یک ربات معاملاتی سفارشی از صفر بسازم.
از آنجا که معاملهگری به مجموعه محدودی از پارامترها نیاز دارد — قیمتهای باز و بسته، بالاترین/پایینترین قیمتها، و همچنین پارامترهای جعبه و مقدار مورد انتظار — مدل عصبی ربات بهخوبی قابل آموزش است و قادر است نه تنها تحلیل متقاطع انجام دهد، بلکه بهصورت خودکار الگوها و ناکارآمدیهای بازار را شناسایی کند. علاوه بر این، ربات خودآموز است و با گذر زمان، معاملات خود را بهبود میبخشد.
نتایج
ما در معاملات فیوچرز بایننس فعالیت میکنیم، با میانگین اهرم 0.63x — کمتر از یک، که ریسک لیکوئید شدن را تقریباً از بین میبرد.
ما از حد ضرر استفاده نمیکنیم: اگر معامله علیه ما حرکت کند، ربات به تایمفریم بالاتر میرود و موقعیت را میانگینگیری میکند.
حداکثر اهرم — 3x.
نتایج بکتست نشاندهنده بازدهی از 100٪ تا 500٪ در سال است، بسته به چرخه بازار. در بازار نزولی، اهرم را کاهش میدهیم تا ریسکها کمتر شود، که بازدهی نیز کاهش مییابد.
این استراتژی اکنون بیش از یک ماه است که روی حساب واقعی معامله میکند.
اولین ماه معاملات، +31٪ به سپرده اضافه کرد.
حتی اگر 50٪ به صندوق اختصاص داده شود، با محاسبه بهره مرکب (با سرمایهگذاری مجدد درآمد)، درآمد سالانه شما به حدود 500٪ خواهد رسید.
از اینکه تا پایان مطالعه کردید بسیار سپاسگزارم!
خوشحال میشوم نظرات شما را زیر پستها و سوالات شما را در پیامهای خصوصی دریافت کنم.
