تفسیر استوکستیک

منبع: Investopedia

چگونه با اندیکاتور استوکاستیک درست معامله کنیم ؟

اندیکاتور استوکاستیک (Stochastic Oscillator) در اواخر دهه 50 برای اولین بار توسط جرج لین (George Lane) که مدیر مرکز آموزش سرمایه گذاری در واتسکا می باشد، مطرح شده است. این اندیکاتور بر پایه این نظریه بنا شده است که قیمت بسته در زمانی که قیمت سهم رشد می کند، تمایل دارد به سمت بیشترین قیمت در بازه قیمتی روز و زمانی که قیمت سهم افت می کند، به سمت کمترین قیمت در بازه قیمتی روز نزدیک شود. در این مقاله به هر آنچه که از اسیلاتور استوکاستیک نیاز است بیاموزید، می پردازیم.

فرمول محاسبه استوکاستیک

در اندیکاتور استوکاستیک از دو خط استفاده می شود که یکی را K% و دیگری را D% می نامند. خط D% اهمیت به مراتب بیشتری نسبت به خط K% دارد و اکثر سیگنال های خرید و فروش را این خط صادر می کند. برای محاسبه خط K% از رابطه زیر استفاده می کنیم :

در رابطه بالا، حرف C نشان دهنده آخرین قیمت بسته (Latest Close) می باشد که البته باید توجه داشته باشید که قیمت بسته با قیمت پایانی تفاوت دارد. L14 کمترین قیمت پایین (Lowest Low) در 14 دوره گذشته و به همین ترتیب H14 نیز بیشترین قیمت بالا (Highest High) در 14 دوره گذشته می باشد. توجه داشته باشید که 14 دوره می تواند 14 روز، 14 هفته و یا 14 ماه باشد. هر چند که عدد 14 یکی از رایج ترین اعداد برای این اسیلاتور می باشد اما امکان استفاده از اعداد دیگر مانند 5، 21 و … برای دوره زمانی این اندیکاتور وجود دارد.

قیمت پایین در واقع همان حداقل قیمت بازه روز و قیمت بالا حداکثر قیمت بازه روز می باشد. بازه روز محدوده قیمتی را که یک سهم در یک روز مشخص معامله می شود را مشخص می کند. قیمت باز اولین قیمتی می باشد که در هر روز، سهم با آن قیمت معامله می شود. قیمت بسته نیز همان قیمت آخرین معامله است.

این فرمول، محدوده ای را که در آن قیمت بسته در ارتباط با حدود کلی قیمت می باشد، به صورت درصدی از 0 تا 100 مشخص می کند. اعداد بیشتر از 80 حاکی از این موضوع می باشند که قیمت بسته در نزدیکی حداکثر قیمت بازه قیمتی روز می باشد و اعداد کمتر از 20 نشان دهنده نزدیک بودن قیمت بسته به حداقل قیمت بازه قیمتی روز می باشد.

در ادامه قصد داریم با یک مثال کاربردی برای روز شنبه مورخ 22 دی ماه سال 97 به محاسبه عدد K% برای نماد وبملت بپردازیم. آخرین قیمت بسته همان قیمت آخرین معامله در روز شنبه مورخ 22 دی ماه می باشد که در شکل 1 با خط آبی رنگ مشخص شده است و برابر 2549 ریال می باشد. بیشترین قیمت بالا 2817 ریال می باشد که با رنگ سبز مشخص شده است. همچنین کمترین قیمت پایین 2215 ریال است که با رنگ قرمز مشخص شده است. بنابراین برای محاسبه عدد K% داریم :

شکل 1- اطلاعات قیمتی نماد وبملت

خط D% به صورت رایج میانگین متحرک 3 دوره خط K% می باشد که البته امکان در نظر گرفتن دوره های زمانی دیگر مانند 5، 7 و … نیز وجود دارد. با کمک این رابطه نوعی از اسیلاتور استوکاستیک به دست می آید که به استوکاستیک سریع (Fast Stochastics) معروف می باشد. با قرار دادن حالت دیگری از سه میانگین متحرک D%، حالت ملایم تری به دست می آید که به آن استوکاستیک آرام (Slow Stochastics) گفته می شود. بیشتر معامله گران از استوکاستیک آرام یا آهسته استفاده می کنند به این علت که از سایر حالات قابل اعتمادتر است. استوکاستیک صاف از سه میانگین متحرک استفاده می تفسیر استوکستیک کند. استوکاستیک سریع از دو میانگین متحرک اول و استوکاستیک ارام یا آهسته از دو میانگین متحرک دوم استفاده می کند.

سیگنال های خرید و فروش با استفاده از اسیلاتور استوکاستیک

دو خط K% و D% بین اعداد 0 تا 100 در محدوده عمودی نوسان می کنند. خط K% خط سریع تر می باشد و خط D% با سرعت کمتری حرکت می کند. زمانی که خط K% خط D% را در محدوده بالای 80 درصد به سمت پایین قطع کند، سیگنال فروش می باشد و در صورتی که خط K% خط D% را در محدوده پایین 20 درصد به سمت بالا قطع کند، سیگنال خرید می باشد.

در شکل 2 نمودار قیمت نماد ولیز به همراه اندیکاتور استوکاستیک آورده شده است. برای اندیکاتور استوکاستیک از دوره 21 روزه و میانگین متحرک 14 روزه استفاده شده است. خط آبی رنگ در این اندیکاتور خط K% و خط قرمز رنگ خط D% می باشد که البته در نرم افزارهای مختلف تحلیل تکنیکال این دو خط با رنگ های متفاوتی نشان داده می شوند. در محل فلش سبز رنگ در مرز اشباع فروش، خط آبی رنگ خط قرمز رنگ را به سمت بالا قطع کرده است که سیگنال خرید می باشد و در محل فلش قرمز رنگ در اندیکاتور Stochastic ، خظ آبی رنگ خط قرمز رنگ را به سمت پایین قطع کرده است که سیگنال فروش می باشد. باید توجه داشته باشید که از اندیکاتورهای تاخیری از جمله اندیکاتور استوکاستیک باید در بازارهای روند دار استفاده کرد. همان طور که در این شکل مشخص است در ناحیه آبی رنگ، نمودار قیمت روند ندارد و به صورت نوسانی یا رنج می باشد که در چنین شرایطی نباید از اندیکاتورهای تاخیری استفاده کرد و باید از اندیکاتورهای پیشرو استفاده کرد.

شکل 2- سیگنال های خرید و فروش با استفاده از اسیلاتور استوکاستیک در نماد ولیز

واگرایی در استوکاستیک

مطابق شکل 3 واگرایی منفی زمانی رخ می دهد که خط D% بالاتر از عدد 80 باشد و دو قله بسازد که قله دوم مقدار کمتری نسبت به قله اول داشته باشد در حالی که نمودار قیمت بین این دو قله روند صعودی دارد. همچنین واگرایی مثبت زمانی به وقوع می پیوندد که خط D% کمتر از عدد 20 باشد و اسیلاتور استوکاستیک دو حفره بسازد که حفره دوم بالاتر از حفره اول باشد اما در همین فاصله در نمودار قیمت، شاهد ادامه روند نزولی باشیم. پس از وقوع واگرایی منفی قیمت سهم افت می کند و همچنین پس از وقوع واگرایی مثبت قیمت سهم افزایش می یابد. با فرض اینکه واگرایی به وقوع بپیوندد، اخطار واقعی خرید و یا فروش زمانی صادر می شود که خط سریع تر K% با خط D% برخورد کند و آن را قطع کند.

شکل 3- واگرایی مثبت و منفی در اسیلاتور استوکاستیک در نماد ثاباد

اسیلاتور استوکاستیک می تواند روی نمودارهای هفتگی و ماهیانه نیز برای کار در بازه های زمانی طولانی تر به کار رود. همچنین این اسیلاتور می تواند برای خرید و فروش های کوتاه مدت نیز کارایی مناسبی داشته باشد.

در شکل 4 نمودار هفتگی نماد ثاباد همراه با اسیلاتور استوکاستیک با دوره زمانی 14 هفته ای و میانگین متحرک 3 هفته ای آورده شده است. به نواحی اشباع خرید و فروش در این اسیلاتور توجه کنید. در این نواحی، اسیلاتور استوکاستیک کارایی خیلی خوبی از خود به نمایش گذاشته است و سیگنال های خرید و فروش را به خوبی صادر کرده است.

شکل 4- اندیکاتور Stochastic با دوره زمانی 14 هفته ای و میانگین متحرک 3 هفته ای در نماد ثاباد

ترکیب اندیکاتورهای استوکاستیک روزانه و هفتگی یکی دیگر از روش های معاملاتی می باشد. با اندیکاتور استوکاستیک هفتگی می توان جهت بازار را در هفته پیش رو مشخص کرد و با اندیکاتور Stochastic روزانه می توان خرید و فروش روزانه را انجام داد.

ترکیب اندیکاتور استوکاستیک با اندیکاتور RSI

در شکل 5 از هر دو اندیکاتور RSI و استوکاستیک 14 هفته ای برای نماد ثاباد به طور همزمان استفاده شده است. RSI نسبت به استوکاستیک نوسان کمتری دارد و کمتر به نواحی اشباع خرید و اشباع فروش می رسد. بهترین اخطار زمانی رخ می دهد که هر دو اسیلاتور سیگنال خرید و یا فروش صادر کنند.

کراس اور (Cross over) چیست؟

به طور کلی کراس اور نقطه‌ای از نمودار معاملاتی است که در آن قیمت با یک اندیکاتور تکنیکال یا دو اندیکاتور تکنیکال یکدیگر را قطع می‌کنند. از کراس‌اورها برای تخمین عملکرد یک ابزار مالی و یا پیش‌بینی تغییرات آتی در روند مانند برگشت روند یا بریک‌اوت استفاده می‌شود.
از نمونه‌های متداول کراس‌اور می‌توان به الگوهای تقاطع طلایی و تقاطع مرگ اشاره کرد که در اثر کراس‌اور میانگین‌های متحرک مختلف ایجاد می‌شوند.

درک کراس‌اورها

تحلیلگران تکنیکال از کراس‌اورها برای پیش‌بینی عملکرد قیمت یک سهام در آینده نزدیک استفاده می‌کنند. در بیشتر مدل‌های معاملاتی، از کراس‌اورها برای دریافت سیگنال زمان خرید یا فروش دارایی استفاده می‌شود. همچنین سرمایه‌گذاران برای پیدا کردن مواردی مانند نقاط بازگشتی، روند قیمت و جریان پول از کراس‌اورها به همراه سایر اندیکاتورها استفاده می‌کنند.
کراس‌اور در میانگین‌های متحرک نشان‌دهنده یک شکست صعودی یا نزولی است. همچنین می‌توان با استفاده از کراس‌اور در میانگین‌های متحرک، تغییر روند قیمت را تشخیص داد. به عنوان مثال، یک تکنیک برای برگشت روند استفاده از میانگین متحرک ساده ۵ دوره‌ای همراه با ۱۵ دوره‌ای است. کراس‌اور بین این دو میانگین متحرک نشان دهنده برگشت روند، شکست صعودی یا نزولی می‌باشد.
هنگامی که میانگین متحرک ۵ دوره‌ای، میانگین متحرک ۱۵ دوره‌ای به سمت بالا قطع کند، نشان‌دهنده یک بریک‌اوت است. همچنین می‌تواند نشان‌دهنده یک روند صعودی باشد که منجر به تشکیل کف‌ها و سقف‌هایی بالاتر از کف‌ها و سقف‌های پیشین می‌شود. در طرف دیگر اگر میانگین متحرک ۵ دوره‌ای، میانگین متحرک ۱۵ دوره‌ای به سمت پایین قطع کند، نشان‌دهنده یک شکست نزولی است. این اتفاق همچنین نشان دهنده یک روند نزولی است که منجر به کف‌ها و سقف‌هایی پایینتر از کف‌ها و سقف‌های پیشین می‌شود.
تایم فریم‌های بلندتر سیگنال‌های قوی‌تر صادر می‌کنند. به عنوان مثال، نمودار روزانه، قابلیت اطمینان بیشتری نسبت به نمودار یک دقیقه‌ای دارد.اما تایم فریم‌های کوتاه‌تر زودتر تغییر روند را نشان می‌دهند اما سیگنال‌های اشتباه زیادی نیز تولید می‌کنند.

کراس‌اورهای استوکاستیک

یک کراس اور استوکاستیک، مومنتوم یک ابزار مالی را اندازه‌گیری می‌کند. این اندیکاتور برای اندازه‌گیری این که آیا سهام مورد معامله، در حالت اشباع خرید یا اشتباه فروش است یا نه، استفاده می‌شود.
اگر کراس اور استوکاستیک از عدد ۸۰ بالاتر برود، مشخص می‌شود که سهام در حالت اشباع خرید است. و اگر کراس‌اور استوکاستیک به زیر عدد ۲۰ برود‌، مشخص می‌شود که سهام در حالت اشباع فروش است. این اتفاق باعث تشکیل سیگنال فروش می‌شود. وقتی کراس‌اور از عدد ۲۰ به بالا برگردد، سیگنال خرید صادر می‌شود.
مانند تمام استراتژی‌ها و اندیکاتور‌های معاملاتی، این روش نیز برای پیش‌بینی حرکت قیمت تضمین شده نیست اما می‌تواند در کنار سایر اندیکاتورها برای پیش‌بینی و تحلیل روند قیمت استفاده شود. گاهی در بازار تغییرات غافلگیر کننده‌ای رخ می‌دهد که نمی‌توان آنها را با چنین اندیکاتورهایی تطبیق داد. همچنین، اگر داده‌ها به اشتباه وارد شده باشند و یا توسط معامله‌گران اشتباه تفسیر شوند، منجر به ارائه سیگنال‌های نادرست توسط کراس‌اورها می‌شود.

مثال: تقاطع طلایی

تقاطع طلایی یک الگوی کندل استیک است که در آن یک میانگین متحرک کوتاه مدت از یک میانگین متحرک بلند مدت عبور می‌کند و سیگنال خرید صادر می‌شود. تقاطع طلایی یک الگوی شکست صعودی است که در آن یک میانگین متحرک کوتاه مدت (مثلا میانگین متحرک ۱۵ روزه) از یک میانگین متحرک بلند مدت (مثلا میانگین متحرک ۵۰ روزه) یا یک خط مقاومت عبور کرده و به سمت بالا حرکت ‌کند. از آنجایی که تقاطع طلایی یک اندیکاتور بلند مدت است بنابراین قابلیت اطمینان بیشتری دارد، می‌توان از این الگو برای تایید روند صعودی استفاده کرد همچنین تقاطع طلایی با افزایش حجم معاملات تقویت می‌شود. نقطه مقابل تقاطع طلایی، تقاطع مرگ است.

منبع: Investopedia

جهت پیگیری اخبار و تحلیل های فارکس و بازارهای جهانی به کانال تلگرامی UtoFX بپیوندید.

مدل سازی استوکستیک MODFLOW با T-PROGS

سه روش برای تولید مدل سازی تصادفی در GMS با استفاده از MODFLOW در ورژن 2000 یا 2005 وجود دارد. اول، پهنه بندی پارامتر با استفاده از هر یک از روش نمونه گیری تصادفی، نمونه برداری مکعب لاتین، و یا زمینه گاوسی برای تولید نتایج مختلف می باشد. روش دوم استفاده از شبیه سازی شاخص های تولید شده توسط ابزار T-PROGS می باشد. سوم، روش فضایی تهی مونت کارلو (NSMC) است؛ که به تولید مدل های متعدد با مجموعه های مختلف از پارامترها اقدام می کند (در GMS 9.0 و ورژن های بعد از آن).

پس از تولید نتایج شبیه سازی تصادفی، کاربر می تواند این نتایج را با استفاده از جستجوگر پروژه بررسی کرده و ببینید. کاربر همچنین می تواند نتایج را با استفاده از Wizard و یا ابزار تجزیه و تحلیل آماری به منظور بررسی ریسک راه حل های تصادفی اصلاح نماید.

گزینه های مدل سازی تصادفی را می توان به یک نسخه خریداری شده از GMS اضافه کرد.

یکی از این روش ها برای رویارویی با مدل ناهمگنی شبیه سازی تصادفی، بر اساس و پایه چند نماینده استخراجی و معادل قابل قبول از ناهمگونی مکان واقعی است. در حالت ایده آل، چنین رویکردی تولید یک تنوع زیرسطحی از چینه خاک بر اساس پارامترهای زمین شناسی تفسیری مانند عرض و طول، نسبت مواد، گرایش موقعیت و ناهمسانگردی را فعال می کند. استخراجی های متعدد که به داده های گمانه مشروط است با یک رویکرد منطقی برای رویارویی با عدم اطمینان همراه با خصوصیات مکان واقعی به مدل سازان ارئه می شود. شبیه سازی تصادفی را می توان به عنوان نماینده منطقه ای از رفتار آبخوان علاوه بر شبیه سازی مقیاس محلی اعمال کرد. شبیه سازی تصادفی به ویژه مناسب مدل های مقیاس محلی به دنبال ناهمگونی پیچیده می باشد که نمایانگر درست تری از چینه شناسی رسوبات واقعی است. این ناهمگونی ها باعث می شود تا درک واقع بینانه و به طور بالقوه دقیق تری در مدل سازی انتقال املاح توسط شبیه سازی کانال های جریان ترجیحی با لنز نازکی از خاک رس، شن، ماسه، یا مواد دیگر ایجاد شود. نتیجه نهایی رویکرد تصادفی شبیه سازی متعدد از پارامترهای هیدرولیکی خواهد بود که در نتیجه آن، یک راه حل احتمالاتی ایجاد می شود. چنین راه حلی اعتبار بیشتر و درک بهتری از شرایط مکان واقعی را فراهم می کند.

نرم افزار نامحدود T-PROGS برای تولید شبیه سازی تصادفی از ناهمگنی خاک ایجاد شده است. این امکان را می توان به شبیه سازی MODFLOW به عنوان "مجموعه مواد" در بسته LPF و یا به عنوان "داده HUF" در بسته HUF گنجانید. (نگاه کنید آموزش های T-PROGS).

GMS شامل یک رابط T-PROGS (احتمال انتقال زمین آماری) است. این ویژگی نرم افزار توسط استیون کارل توسعه یافته است. از T-PROGS برای انجام انتقال احتمالاتی زمین آمار در داده های گمانه استفاده می شود. خروجی T-PROGS مجموعه ای از N ماده بر روی یک شبکه 3D است. هر یک از مجموعه مواد به داده گمانه و ویژگی های مواد و انتقال بین گمانه زیر روند مشاهده شده در داده های گمانه مشروط است. این مجموعه مواد می تواند برای شبیه سازی تصادفی در MODFLOW استفاده شود. نمونه مجموعه مواد تولید شده توسط نرم افزار T-PROGS در زیر نشان داده شده است. این نرم افزار همچنین می توانید برای تولید مجموعه داده های ورودی چندگانه برای بسته HUF مورد استفاده قرار گیرد .

راه حل MODFLOW برای یک شبکه T-PROGS. خطوط سیاه، خطوط هم مقدار سطح آب و خطوط آبی خطوط مسیر برای خروجی های چاه آب هستند.

احتمال مشاهده شده گذار (دایره) و مدل زنجیره مارکوف (خطوط توپر) برای مجموعه ای از داده های گمانه با چهار ماده.

نرم افزار T-PROGS از یک رویکرد زمین آماری مبتنی بر احتمال انتقال در مدل تغییرات مکانی 3D زنجیر مارکف بهره گیری می کند، که با راه اندازی معادلات شاخص کو-کریجینگ و تدوین و فرموله کردن تابع هدف شبیه سازی شده ANNEAL می نماید . روش احتمال گذار مزایای متعددی نسبت به روش شاخص کریجینگ سنتی دارد. نخست، رویکرد احتمال گذار با تمایلات موضعی نامتقارن juxta است، مانند توالی جریمه به سمت بالا. دومین ویژگی، در رویکرد احتمال گذار یک چارچوب مفهومی برای ترکیب تفاسیر زمین شناسی در توسعه پذیری مکانی مقطع-همبسته وجود دارد. علاوه بر این، روش احتمال گذار به طور انحصاری به برازش بر منحنی تجربی برای توسعه شاخص (مقطعی) در مدل واریوگرام تکیه نمی کند. این بسیار سودمند است زیرا داده های زمین شناسی معمولا تنها برای توسعه یک مدل از تغییرات مکانی در جهت عمودی کفایت می کنند. روش احتمال گذار یک چارچوب مفهومی برای ایجاد بینش های زمین شناسی در یک مدل ریاضی ساده و مفید زنجیره مارکوف را فراهم می کند. و این امر از طریق ایجاد ارتباط بین ویژگی های اساسی قابل مشاهده میانگین طول، نسبت مواد، ناهمسانگردی، و موقعیت juxta با پارامترهای مدل زنجیره مارکوف انجام می شود.

هر منحنی نشان دهنده احتمال گذار از مواد J به مواد K است. احتمال گذار ( t ijk(h به صورت زیر تعریف می شود:

که در آن x وضعیت مکانی، h تاخیر (بردار جدایی)، و j، k به معنی مواد است. توجه داشته باشید که منحنی در قطر نشان دهنده احتمالات خودکار گذار، و منحنی در خارج از قطر نشان دهنده احتمال انتقال عرضی است.

گام بعدی در تجزیه و تحلیل توسعه یک مدل زنجیره مارکوف برای جهت عمودی است که متناسب با داده مشاهدهداتی احتمال گذار عمودی می باشد. منحنی های زنجیره مارکوف به عنوان خطوط توپر در شکل preceeding نشان داده شده است . از نظر ریاضی یک مدل زنجیره مارکوف به داده طبقه یک بعدی در یک جهت Φ به شکل ماتریس نمایی اعمال می شود:

که در آن h نشان دهنده تاخیر در جهت Φ، و RΦ نشان دهنده یک ماتریس نرخ انتقال است.

با ورودی های rjk، f به نمایندگی از میزان تغییر از دسته j به دسته K (مشروط به حضور J) در واحد طول در جهت Φ. نرخ انتقال برای اطمینان از تناسب خوب بین مدل زنجیره مارکف و داده های مشاهده ای احتمال گذار تنظیم می شود.

هنگامی که زنجیره مارکوف برای جهت z از داده های گمانه توسعه می یابد، یک مدل از تغییرات مکانی باید برای x و y توسعه داده شود. داده های گمانه معمولا به اندازه کافی در این جهت متراکم نیستند. با این حال، x و y جهت زنجیر مارکف را می توان با فرض گرایش موضعی juxta و نسبت داده های مشاهده شده تفسیر استوکستیک در جهت عمودی نیز در جهت افقی درست دانست. طراح مدل پس از آن برآورد نسبت طول متوسط در x و y را نسبت به جهت z فراهم می کند ، و ماتریس نرخ انتقال برای x و y را می توان فرموله کرد. در این شرایط X و Y و Z زنجیر مارکف به یک زنجیره پیوسته 3D مارکوف با استفاده از ابزار MCMOD درون T-PROGS تبدیل می شود.

در مرحله نهایی راه اندازی یک تجزیه و تحلیل احتمال گذار با استفاده از T-PROGS، طراح اقدام ایجاد یک شبکه، به تعداد نمونه مدل مشخص (N) می کند، و ابزار TSIM را راه اندازی می کند . کد TSIM با استفاده از زنجیره ای 3D مارکوف به تدوین و فرموله سازی هر دو شاخص cokriging معادلات و یک تابع هدفشبیه سازی شده ANNEAL می پردازد . این برنامه تولیدکننده شبیه سازی تصادفی با استفاده از ترکیبی از نسخه های اصلاح شده از GSLIB کد SISIM و ANNEAL است.

نمونه داده چینه HUF تولید شده توسط نرم افزار T-PROGS. خطوط آبی نشان دهنده خطوط هم مقدار مسیر ذرات و آب هستند.

استفاده از انتقال زمین آمار احتمالاتی با مدل MODFLOW دارای دو محدودیت اساسی است. اول، الگوریتم های تصادفی اساسی مورد استفاده توسط نرم افزار T-PROGS چنین فرموله شده است که شبکه MODFLOW باید دارای عرض ردیف، ستون و لایه یکنواخت باشد. عرض ردیف می تواند متفاوت از عرض ستون شکل بگیرد، اما هر سطر باید عرض یکسانی داشته باشد. این امر منجر به تولید یک شبکه متعامد یکنواخت خواهد شد. در حالی که در شبکه های MODFLOW متعامد x و y باید از این اصل تبعیت کنند، ضخامت لایه مجاز است متفاوت باشد بر اساس عبور از سلول به سلول دیگر. این دقت کافی را برای مرزهای لایه در مدلسازی صحیح در سطح زمین و بخش بالایی و کف واحد آبخوان باعث می شود. اگر یک شبکه صرفا متعامد استفاده شود، لایه مرزهای داخلی و خارجی نامنظم باید در یک مد stair-step با تغییر خواص مواد و یا با فعال / غیر فعال شدن سلول از طریق آرایه IBOUND شبیه سازی شود. محدودیت دوم این است که به منظور رسیدن به سطح بالایی از جزئیات در شبیه سازی ناهمگنی ها ، ابعاد سلول شبکه به طور کلی باید بسیار کوچک نگه داشته شود. این موضوع می تواند مشکلاتی را در بعد عمودی منجر شود. تعداد زیادی از لایه های با ضخامت های کوچک در نزدیکی بالای مدل به طور کلی تضمین می کند که بسیاری از سلول ها در این منطقه متراکم خواهند شد. که در محاسبه ارتفاع سطح آب (برای شبیه سازی های مربوط به سفره های آب محصور نشده) احتمالا در بالای آن وجود داشته باشد. به عنوان یک نتیجه دیگر، این سلول های فراوان دستخوش بی ثباتی عددی و مسائل مربوط به تلاش در محاسبات مرتبط با تر شوندگی سلول و خشک شدن افزایش خواهد یافت.

بسته Hydrogeologic Unit Flow یا HUF که با MODFLOW 2000 منتشر شد، این امکان را برای غلبه بر هر دو این محدودیت ها داده و در نتیجه مکانیزم قدرتمندی برای ترکیب انتقال زمین آمار احتمالاتی در شبیه سازی MODFLOW به وجود می آورد. با بسته بندی HUF، طراح در ورودی امکان تعریف مولفه عمودی چینه در یک مد مستقل از شبکه را خواهد داشت که در آن داده ها با استفاده از مجموعه ای چینه از ارتفاع و ضخامت آرایه تعریف می شود. آرایه اول ارتفاع بالای مدل را تعریف می کند. آرایه های باقی مانده ضخامت هر یک از سری واحد های هیدرولوژیک را با شروع از بالا و پیشرفت به پایین مدل تعریف می کنند. برای هر مجموعه ای از ضخامت، بسیاری از ورودی ها در آرایه ممکن است صفر باشند. این امکان برای شبیه سازی ناهمگنی های پیچیده، از جمله pinchouts و embedded lenses ایجاد شده است که می تواند برای شبیه سازی با بسته های LPF و BCF یک مسأله باشد.

رابط T-PROGS در GMS شامل گزینه ای برای یکپارچه سازی نتایج انتقال زمین آماری احتمالاتی با بسته HUF است. رویکرد اساسی استفاده از این گزینه در ایجاد پوشش یک شبکه پس زمینه متراکم در شبکه MODFLOW و اجرای T-PROGS در شبکه پس زمینه است.

مجموعه ای از آرایه های HUF سپس از شبکه پس زمینه برای استفاده با مدل MODFLOW استخراج می شود. برای استفاده از این گزینه، برای اولین بار یک شبکه MODFLOW با تعداد مد نظر از لایه ها و ارتفاعات لایه ایجاد می کنیم که باید برای مطابقت مرزهای آبخوان درون یابی گردند . عرض سطر و ستون یکنواخت در اینجا هستند، اما ضخامت لایه ممکن است از سلولی به سلول دیگر متفاوت باشد. سپس، هنگامی که TSIM راه اندازی شد، گزینه HUF باید انتخاب شود. GMS سپس اقدام به تولید یک شبکه پس زمینه می کند که دربرگیرنده شبکه MODFLOW است. سطر و ستون این شبکه در مطابقت با شبکه MODFLOW است اما ضخامت لایه یکنواخت بوده و نسبتا نازک می باشد، و در نتیجه تعداد بسیار بیشتری از لایه ها در شبکه MODFLOW خواهد بود. مشخص کردن تعدادی از لایه ها در این شبکه پس زمینه صورت می پذیرد. در اینجا شبیه سازی T-PROGS به منظور دست آوردن دسته ای از "مجموعه مواد" در شبکه پس زمینه صورت می پذیرد. هر یک از مجموعه مواد در خروجی T-PROGS سپس از شبکه پس زمینه به مجموعه ای از HUF ارتفاع / ضخامت آرایه منتقل می شود. آرایه ارتفاع بالای HUF برابر با بالای شبکه MODFLOW تنظیم می شود. آرایه ضخامت سپس با جستجو از طریق شبکه پس زمینه برای پیدا کردن ارتفاع پایین گروه به هم پیوسته شاخص ها اقدام می نماید. ارتفاعات از این گروه ها پس از آن به یک آرایه مناسب ارتفاع در ورودی HUF اضافه می شود. مجموعه ای حاصل از آرایه ورودی HUF در GMS در بخش جستجوگر پروژه ردیف می شود. با کلیک بر روی هر آیتم در جستجوگر پروژه، مجموعه ای انتخاب شده از آرایه HUF در بسته HUF بارگذاری شده و چینه مربوطه در پنجره GMS نمایش داده می شود. چندین آرایه ورودی HUF را می توان برای انجام یک شبیه سازی تصادفی استفاده کرد.

مترجم: سایت بیسین

برای یافتن تمامی مطالب مرتبط با این مطلب در سایت از جستجوی سایت در حاشیه سمت راست و بالای صفجه استفاده فرمایید.

با اندیکاتور استوکاستیک آر اس آی حرفه‌ای‌تر تحلیل کنید

وقتی صحبت از تحلیل تکنیکال می‌کنیم، اکثر افراد دوست دارند همه اندیکاتورهای موجود مثل حجم، میانگین متحرک، در نمودار قیمت را استفاده کنند با این فکر که بهترین جواب را به دست می‌آورند. این در حالی است که همیشه اینطور نیست و استفاده از اندیکاتورها اصول و قواعد خاص خود را دارد. در مقاله اندیکاتورهای تحلیل تکنیکال و انواع آن‌ها مفصلاً توضیح دادیم که اندیکاتورها به ۵ دسته تقسیم میشوند و از هر دسته‌بندی یک اندیکاتور کافیست. در این مقاله، ما مدرسه تحلیلی‌ها به سراغ دسته اندیکاتورهای قدرت نسبی (Relative Strength Indicators) رفتیم و یکی از اندیکاتورهای محبوب در این دسته را کامل توضیح دادیم. اسم این اندیکاتور استوکاستیک آر اس آی (Stochastic RSI) است و در ادامه این مقاله بیشتر با آن آشنا می‌شویم.

اندیکاتور استوکاستیک آر اس آی (Stochastic RSI) چیست و چگونه محاسبه می‌شود؟

در مقاله انواع اندیکاتورها در مورد دسته بندی و ساختار هر اندیکاتور مفصل توضیحاتی ارائه شده است.در آن مقاله گفتیم Stochastic RSI از دسته اسیلاتورهاست و از طرفی چون در تلاش است تا آینده بازار را برای ما تفسیر استوکستیک پیش‌بینی کند اندیکاتور پیشرو حساب می‌شود. جالب است بدانید که این اندیکاتور در سیستم پلتفرم تحلیلی آقای رابرت ماینر تحت عنوان اسیلاتور معامله‌گر پویا یا DT اسیلاتور (Dynamic Trader Oscillator (DT Oschillator)) معرفی شده است. این اندیکاتور در بازه صفر تا یک (یا صفر تا صد در بعضی از پلتفرم‌ها) تعریف می‌شود. با اعمال فرمول اسیلاتور استوکاستیک روی مقادیر اندیکاتور RSI این اندیکاتور ایجاد می‌شود. با این کار هر دو اندیکاتور همزمان در اختیار معامله گر یا تحلیل گر قرار می گیرد در نتیجه حساسیت اندیکاتور با قیمت افزایش پیدا کرده و هماهنگی بیشتری با گذشته نمودار قیمت ایجاد می شود. در نمودار قیمت، ظاهر این اندیکاتور به شکل زیر است:

فرمول محاسبه اندیکاتور Stochastic RSI

با داشتن مقدار اندیکاتور RSI در نقطه زمانی در تایم‌فریم مدنظر ما، فرمول اندیکاتور Stochastic RSI به شکل زیر حساب می‌شود:

StochRSI = (RSI- min [RSI]) / (max [RSI] – min [RSI])

• RSI مقدار اندیکاتور RSI در هر نقطه را نشان می‌دهد.
• min [RSI] کمترین میزان اندیکاتور RSI در طول ۱۴ بازه زمانی گذشته (یا هر مقدار دیگر برحسب انتخاب کاربر) را نشان می‌دهد.
• از طرفی، max [RSI] بیشترین میزان این اندیکاتور در طول ۱۴ بازه زمانی قبل است.

نحوه محاسبه Stochastic RSI

با داشتن فرمول اندیکاتور Stochastic RSI، سؤال بعدی که مطرح می‌شود این است که چگونه این اندیکاتور را حساب کنیم. قبل از توضیح لازم است بگوئیم نیازی به انجام این محاسبات نیست و این اطلاعات فقط برای آشنائی بیشتر شما با این اندیکاتور است.

اندیکاتور Stochastic RSI همانطور که در فرمول مشخص است، برمبنای اندیکاتور RSI به دست می‌آید. اندیکاتور RSI یک عدد ورودی برای تنظیم دارد (که معمولاً ۱۴ است) که به اندیکاتور می‌گوید تا چند بازه زمانی قبل‌تر را بررسی کند. برای مثال در تایم‌فریم روزانه، عدد ۱۴ به این معناست که RSI تا ۱۴ روز قبل را در محاسبات خودش تأثیر بدهد. مقدارهای به دست آمده از RSI سپس در فرمول Stochastic RSI وارد می‌شود. با این توضیحات محاسبه اندیکاتور Stochastic RSI را می‌توان به ۴ مرحله تقسیم کرد:

1. محاسبه اندیکاتور RSI برای بازه‌های ۱۴ تایی (یا مقادیر دیگر).
2. برداشتن مقدار آخر RSI و بیشترین و کمترین مقدار آن در بازه ۱۴ تایی.
3. با اضافه شدن بازه زمانی جدید ۱۴ بازه جدید دوباره در گام اول و دوم بررسی شود.
4. با پایان هر بازه زمانی، مقدار StochRSI برای بازه جدید و تنها با استفاده از ۱۴ بازه زمانی قبل مجدداً حساب شود.

اندیکاتور Stochastic RSI به ما چه می‌گوید؟

اندیکاتور StochRSI توسط توشار اس. شاند (Tushar S. Chande) و استنلی کرول (Stanley Kroll) طراحی و توسعه پیدا کرد. جزئیات این اندیکاتور اولین بار در سال ۱۹۹۴ در کتاب این دو فرد به نام “معامله‌گر تکنیکال جدید (The New Technical Trader)” توضیح داده شد. در این برهه زمانی، اندیکاتورهای تکنیکال به اندازه کافی توسعه پیدا کرده بودند که بتوانند نواحی اشباع خرید و فروش را به تحلیلگران نشان دهند. ولی این اندیکاتور با حساسیت بالاتر قادر به صدور سیگنال‌های بیشتری در مقایسه با اندیکاتورهای قبل از خود بود.

در این اندیکاتور، دارائی مورد تحلیل زمانی که زیر سطح ۰.۲ یا ۲۰ درصد قرار بگیرد در اشباع فروش است. به این معنی که مقدار RSI در انتهای پائین بازه تعریف‌شده خود در حال معامله است و جهت حرکت کوتاه‌مدت دارائی مدنظر ممکن است در حال تشکیل کف مینور و حرکت به سمت بالا باشد. از طرف دیگر، مقدار بالای ۰.۸ یا ۸۰ درصد این اندیکاتور نشان‌دهنده معامله RSI در انتهای بالائی خود باشد که نشان از اشباع خرید و ریزش موقت قیمت می‌دهد.

به موازات تعیین و شناسائی سطوح اشباع خرید و اشباع فروش، اندیکاتور StochRSI می‌تواند برای شناسائی روندهای کوتاه‌مدت با استفاده از سطح ۰.۵ یا ۵۰ درصد استفاده شود. به این صورت که زمانی که بالای سطح ۰.۵ باشد، نشانه حرکت رو به بالا است و زمانی که زیر این سطح باشد، احتمال ریزش قیمتی وجود دارد.

نکته کنکوری استوکاستیک RSI

دوستان و همراهان عزیز مدرسه تحلیل به این نکته توجه کنید که اندیکاتور StochasticRSI به هیچ وجه نباید به تنهائی به کار گرفته شود. استفاده از این اندیکاتور در کنار مفاهیم روند و الگوهای قیمت ارزش پیدا خواهد کرد مخصوصا زمانی که در مرحله تریگر یا سیگنال باشیم. در غیر اینصورت در صورت استفاده صرف از سیگنال این اندیکاتور با توجه به خطای ذاتی اندیکاتورها با سیگنال نقض هم مواجه خواهید شد. در کنار StochasticRSI ، استفاده از سایر اندیکاتورهایی که جزء، دسته بندی مومنتوم بازار نباشند، مثل میانگین‌های متحرک، می‌تواند از زاویه دیگری به شما اطلاعات مفیدی از بازار را ارائه بدهد.

یک برگه تقلب ساده برای استفاده از اندیکاتور RSI در جدول زیر ارائه شده است:

محدودیت‌های استفاده از StochasticRSI

تا این اینجا به نکات مثبت اندیکاتور StochRSI اشاره کردیم. الآن درباره معایب این اندیکاتور هم می‌خواهیم صحبت کنیم. در پاراگراف قبلی اشاره کردیم که سرعت بالاتر همیشه به معنای بهتر بودن نیست. اولین نقطه ضعف اندیکاتور StochRSI ناپایداری بسیار زیاد آن است. به نحوی که تعداد سیگنال‌های صادرشده از سمت آن بسیار بیشتر از اندیکاتوری نظیر RSI است. یک راه حل برای این قضیه، ملایم کردن نوسانات این اندیکاتور با استفاده از افزایش اعداد تنظیمات K و D است که به طور پیش فرض هر دوی آن‌ها ۳ هستند. راه دیگر این است که روی خود اندیکاتور یک میانگین متحرک مانند بازه ۱۰ روزه قرار بدهیم. اکثر پلتفرم‌های تحلیلی این قابلیت را بدون نیاز به محاسبات اضافه در اختیار کاربران قرار می‌دهند.

مورد دیگر از معایب این اندیکاتور، این است که مشتق دوم قیمت دارائی مدنظر در بازار است. به زبان دیگر، خروجی آن دو پله از قیمت واقعی دارائی مدنظر فاصله دارد. به این معنی که در برخی مواقع این فاصله ممکن است باعث شود که قیمت دارائی و اندیکاتور هماهنگی خودشان با یکدیگر را از دست بدهند.

جمع‌بندی

نکات کلیدی مطالب ارائه‌شده در این مقاله را می‌توان به این صورت بیان کرد:

• مقادیر StochRSI بالای سطح ۰.۸ یا ۸۰ درصد اشباع خرید درنظر گرفته می‌شود. در حالی که مقادیر زیر ۰.۲ یا ۲۰ درصد اشباع فروش است. مقیاس این اندیکاتور می‌تواند بین ۰ تا ۱ یا ۰ تا ۱۰۰ درصد باشد.
• اشباع خرید الزاماً به این معنی نیست که قیمت به سمت پائین حرکت می‌کند. به حالت مشابه، اشباع فروش الزامی بر افزایش قیمت ارائه نمی‌دهد. تنها موردی که از نواحی اشباع می‌توان مدنظر گرفت، این است که اندیکاتور RSI به قله و کف جدید نزدیک است.
• مقدار صفر StochRSI به این معنیست که اندیکاتور RSI در پائین‌ترین سطح خود در ۱۴ روز گذشته (یا هر تعداد روز برحسب تنظیمات مدنظر کاربر) رسیده است. مقدار ۱ یا ۱۰۰ درصد هم نشان‌دهنده رشد RSI به بیشترین میزان خود در ۱۴ روز گذشته است.
• سایر مقادیر StochRSI نشان‌دهنده این هستند که RSI در مقایسه با قله و کف گذشته خود در چه وضعیتی قرار دارد.

در آخر

در این مقاله، ما مدرسه تحلیلی‌ها تلاش کردیم که به زبان ساده اندیکاتور StochasticRSI و نحوه استفاده از آن را برای شما مخاطبان وبسایت مدرسه تحلیل توضیح بدهیم. در آخر بسیار خوشحال می‌شویم اگر امتیاز مدنظر خود را از این مقاله ثبت کنید و اگر نظری در رابطه با این مبحث دارید و یا سؤال بی‌پاسخی مانده است، آن را در بخش نظرهای این مقاله مطرح کنید.

سوالات متداول

در مقاله انواع اندیکاتورها در مورد دسته بندی و ساختار هر اندیکاتور مفصل توضیحاتی ارائه شده است.در آن مقاله گفتیم Stochastic RSI از دسته اسیلاتورهاست و از طرفی چون در تلاش است تا آینده بازار را برای ما پیش‌بینی کند اندیکاتور پیشرو حساب می‌شود. در این مقاله به طور کامل نحوه محاسبه این اندیکاتور را توضیح ‌داده‌ایم.

به موازات تعیین و شناسائی سطوح اشباع خرید و اشباع فروش، اندیکاتور StochRSI می‌تواند برای شناسائی روندهای کوتاه‌مدت با استفاده از سطح ۰.۵ یا ۵۰ درصد استفاده شود. به این صورت که زمانی که بالای سطح ۰.۵ باشد، نشانه حرکت رو به بالا است و زمانی که زیر این سطح باشد، احتمال ریزش قیمتی وجود دارد.

منابع

“Stochastic RSI – StochRSI Definition”, Investopedia, 2022.

راز طلایی ترکیب اصولی اندیکاتور های سودده و جلوگیری از سیگنال های نادرست

اندیکاتورهای مختلف به عنوان ابزارهای معاملاتی به حساب می آیند که اگر به صورت اصولی استفاده شوند، قطعا سیگنال های خرید و فروش خیلی خوبی را در اختیارتان قرار می دهد و با اندیکاتورهای دیگر نیز می توان تایید ورود و یا خروج را گرفت و قدرت روند را سنجید تا بتوانیم به صورت قطعی تر و تا حدود ۹۵ درصد به سیگنال ورود اندیکاتور اعتماد کنیم و درست از آب درآید. بهترین ترکیب اندیکاتور ها باید به صورتی استفاده شوند که از گروه های مختلف باشند تا بتوانند ترکیبی مناسب و دقیق را در اختیار شما قرار دهند. بهترین ترکیب اندیکاتور ها برای معاملات سودده بورسی اغلب شامل اندیکاتورهایی مانند؛ macd، rsi، استوکاستیک، ma، cci، بولینگر باند و … هستند که با ترکیب اندیکاتورهایی که ترکیب آن ها نتیجه درستی را در اختیارتان قرار می دهد، پس اگر دوست دارید بهترین ترکیب اندیکاتور ها برای بورس و حتی بازار ارزهای دیجیتال را بشناسید و با طرز کار آن ها که بسیار ساده هم هست، آشنا شوید، این مطلب برای شما نوشته شده است.

بهترین ترکیب اندیکاتور ها

اصلا چرا اندیکاتور ها را باهم ترکیب می کنیم؟ دلیل ترکیب اندیکاتور ها به منظور یافتن یک استراتژی خوب برای معاملات است، به شرطی که درست و اصولی با هم ترکیب شده باشند. ترکیب های نادرست اندیکاتوری نه تنها مفید نخواهند بود، بلکه موجب تصمیمات معاملاتی نادرست و ضرر نیز خواهند شد و بجز شلوغ کردن صفحه چارت و سردرگمی شما فایده دیگری نخواهند داشت. ترکیب درست آنها به شما کمک خواهد کرد تا موقعیت های درست معاملاتی خود را بهتر و دقیق تر شناسایی کنید، پس در ابتدای کار برای آن که بتوان ترکیب درستی از اندیکاتور ها را تشخیص دهید، باید این نکته را در خاطر داشته باشید که اندیکاتور مورد نظر شما در کدام گروه قرار دارد. در واقع دانستن این نکته می تواند ترکیب معناداری از اندیکاتورها را برای شما بسیار آسان کند.

به صورت کلی همیشه استفاده از ابزارهای بیشتر خوب نیست، بلکه ترکیب مناسب ابزارهاست که حائز اهمیت است. امکان دارد این ترکیب صحیح همگی نشان دهنده یک موضوع و بیانگر مسیری مشابه نباشند، بلکه اطلاعات کاملی را در اختیار ما قرار دهند. لذا باید در خاطر داشته باشیم که هر یک از اندیکاتورها در جه شرایطی بهتر است مورد استفاده قرار گیرند. برای مثال وقتی که از اندیکاتورهای RSI، باند بولینگر و ADX در نمودار بهره می گیریم، می‌توان میزان و نوع حرکت را همراه با نوع روند و نوسانات را در کنار هم مشاهده کرد. این استفاده هوشمندانه تفسیر استوکستیک به ما کمک خواهد کرد تا درک بهتری بدست آوریم، به این خاطر که هر اندیکاتور اگر به صورت اصولی مورد استفاده قرار گیرد، توضیحی اضافه برای اندیکاتور دیگر ارائه می ‌دهد که در روند مطالعه نمودار به ما کمک شایانی خواهد داشت.

دسته بندی کلی اندیکاتورها

دانستن این که کدام اندیکاتور به کدام دسته بندی تعلق دارد و نحوه ترکیب آنها با یک روش هدفمند، بهتر می ‌تواند به شما در تصمیم ‌گیری ‌های مختلف کمک کند. از طرفی ترکیب اندیکاتورها به روش اشتباه به سردرگمی زیاد، تفسیر قیمت اشتباه و در نتیجه تصمیمات اشتباه در بازارهای مالی منجر خواهد شد. دسته بندی کلی اندیکاتورهای موجود در بازارهای مالی به صورت زیر است که می توانید به آن استناد کنید :