기술 분석: 어떻게 분석합니까?

개요

기술 분석의 사용과 관련된 다양한 출판물을 살펴보다가, 때때로 당신을 무관심하게 만드는 정보를 발견하게 되고, 때로는 읽은 정보에 대해 논평하고 싶은 욕구가 나타나기도 합니다. 이 글을 쓰게 된 계기는 바로 이러한 욕망입니다. 우선 우리의 행동과 결과를 분석하기 위해 특정한 분석 방법을 사용하여 다시 한 번 시도해야 한다는 지적이 있습니다.

다시그리기

https://www.mql5.com/ko/code에서 게시된 지표에 대한 의견을 보면, 대다수의 사용자가 이전에 계산된 값이 변경되고 다음 막대를 구성하는 동안 다시 그려지는 것들에 대해 극히 부정적인 태도를 가지고 있음을 알 수 있습니다.

일단 지표가 다시 그려진다는 것이 명백해지면, 그것은 그 누구에게도 더 이상 흥미롭지 않습니다. 지표 재작성에 대한 이러한 태도는 종종 상당히 합리적이지만, 경우에 따라서는 재작성이 언뜻 보기만큼 끔찍하지 않을 수도 있습니다. 이를 입증하기 위해 가장 간단한 SMA 지표를 분석하겠습니다.

그림 1 파란색은 SMA(15) 표시기에 해당하는 저속 필터의 임펄스 특성을 보여줍니다. 그림에 표시된 경우, SMA(15)는 입력 시퀀스의 마지막 15개 카운트의 합계이며, 여기서 각 입력 카운트에 표시된 임펄스 특성에 해당하는 1/15를 곱합니다. 이제 15개의 카운트의 간격으로 SMA(15) 값을 계산하면 이 값을 지정할 시점을 결정해야 합니다. 

SMA(15)를 이전 15개 입력 카운트의 평균으로 적용하면 이 값이 위쪽 관리도에 표시된 것처럼 나타나야 하므로 0 막대에 해당해야 합니다. SMA(15)를 유한 길이의 임펄스 특성을 가진 저율 필터로 받아들이는 경우, 필터의 지연을 고려하여 계산된 값이 하단 차트에 표시된 바와 같이 막대 번호 7과 일치해야 합니다.

따라서 간단한 이동을 통해 이동 평균 차트를 대기 시간이 0인 저속 필터 차트로 변환합니다.

대기 시간이 0인 차트를 사용하는 경우 일부 기존 분석 방법의 의미가 약간 변경됩니다. 예를 들어, 주기가 서로 다른 두 MA 그림의 교차점과 보정된 지연이 있는 동일한 그림의 교차점은 서로 다른 시간에 발생합니다. 두 번째 경우 교차 모멘트를 얻을 것입니다. 교차 모멘트는 MA 주기에 의해서만 결정되고 지연 시간은 결정되지 않습니다.

그림 1로 돌아가면 아래쪽 그림에서 SMA(15) 곡선이 평균 주기의 절반에 해당하는 값으로 입력 신호의 가장 최근 카운트에 도달하지 않음을 쉽게 확인할 수 있습니다. SMA(15) 값이 정의되지 않은 7개 카운트의 영역이 형성되고 있습니다. 우리는 지연을 보상하면서 애매모호한 부분이 나타나서 일부 정보를 잃었다고 가정할 수 있지만, 그것은 근본적으로 잘못된 것입니다.

위쪽 차트(그림 1)에도 같은 모호성이 있지만, 이동으로 인해 입력 카운트가 없는 오른쪽에도 모호성이 숨겨집니다. MA 관리도는 입력 시퀀스에 대한 시간 바인딩이 손실되고 지연 크기는 이동으로 인해 MA 평활 주기에 따라 달라집니다.

 그림 1. SMA (15) 임펄스 반응

다른 주기의 MA를 사용할 때 발생한 모든 지연이 항상 보정되는 경우, 이 경우 차트가 입력 순서와 서로 일정 시간 바인딩됩니다. 그러나 반박할 수 없는 장점 외에도, 이 접근법은 애매한 영역을 가정합니다. 그 발생 이유는 시간 유한 길이 시퀀스 처리의 잘 알려진 특징 때문이지만, 우리의 추론 실수는 아닙니다.

우리는 보간 알고리즘, 다양한 여과, 스무딩 등을 사용하여 그러한 시퀀스의 가장자리에서 발생하는 문제에 직면하고 있습니다. 그리고 아무도 그 변화로 결과 부분을 숨길 생각을 하지 않습니다.

특정 미끌어지지 않은 부분이 있는 MA 관리도가 필터링을 더 정확하게 표현한 것이라는 점은 인정해야 하지만 매우 특이해 보입니다. 공식적인 관점에서는 인덱스가 7보다 작은 출력 카운트에 대해 SMA(15), Shift=-7 필터 값을 계산할 수 없습니다. 그렇다면 입력 시퀀스라면 에지 카운트를 부드럽게 할 수 있는 다른 방법이 있을까요?

동일한 SMA 알고리즘을 사용하여 이러한 카운트를 필터링하지만 각 막대가 0에 가까워질 때 평활 주기를 줄이도록 하겠습니다. 또한 사용한 필터의 지연 보상에 대해서도 잊지 말아야 합니다.

 

그림 2. 수정된 SMA

그림 2는 이 경우 0에서 6까지의 인덱스를 가진 출력 카운트가 형성되는 방법을 보여줍니다. 평균값 계산에 포함되는 카운트는 일반적으로 그림 하단에 색상이 지정된 점으로 표시되며 수직선은 이 평균이 할당될 출력 카운트를 나타냅니다. 0 바에서 처리되지 않고 입력 시퀀스의 값이 출력 1에 할당됩니다. 인덱스가 7 이상인 출력 시퀀스의 경우 일반적인 SMA(15) Shift = - 7을 사용하여 계산됩니다.

이러한 접근 방식을 사용할 경우 0에서 6까지의 인덱스 간격에 대한 출력 차트가 새 막대가 발생할 때마다 다시 그려지고 인덱스가 감소할 때마다 다시 그려지는 강도가 증가합니다. 동시에 출력 시퀀스의 모든 카운트에 대한 지연이 보정됩니다.

분석된 예에서는 표준 SMA(15)와 유사하지만 표준 SMA(15)에 없는 입력 시퀀스 에지에 대한 추가 정보와 지연이 0인 재작성 지표가 있습니다. 제로 지연과 추가 정보를 장점으로 받아들입니다. 그럼에도 불구하고, 우리는 다시 그리는 지표가 있지만, 표준 SMA 지표보다 더 많은 정보를 제공합니다.

이 예에서 재도면은 어떤 재앙적인 결과도 초래하지 않는다는 점을 강조해야 합니다. 결과 그림에는 표준 SMA와 동일한 정보가 있으며 계수는 왼쪽으로 이동합니다.

이 예에서 홀수 SMA 주기가 선택되었으며, 이는 SMA에 대한 지연 시간을 완전히 보상했습니다.

t = (N-1)/2,

여기서 N은 평활 기간입니다.

N의 짝수 값에 대해서는 이 접근 방식을 사용하여 지연을 완전히 보정할 수 없으며 시퀀스 에지에서 카운트를 평활화하는 방법만 가능한 것은 아니기 때문에 여기서는 표시기 구성의 변형이 예로서만 고려되고 완전한 지표로 고려되지는 않습니다.

다중 시간 프레임

MQL4 및 MQL5 웹 사이트에서 이른바 다중 시간 프레임 표시를 볼 수 있습니다. " iUniMA MTF " 지표의 예를 통해 멀티타임 프레임이 어떤 기능을 제공하는지 알아보겠습니다.

우리가 가장 낮은 M1 타임프레임 창에 있고, 평활을 위한 SMA(3)를 적용하여 동일한 창에 M30 타임프레임 값의 평활 열림 또는 닫힘을 표시할 것이라고 가정합니다. M30 타임프레임 시퀀스는 M1 타임프레임 시퀀스에서 30번째 값마다 샘플링하고 나머지 29개의 값을 삭제하는 방식으로 형성된다고 알려져 있습니다. M30 타임프레임 시퀀스를 사용하는 것이 타당한지 의심이 듭니다. 

M1 기간에 대한 일정량의 정보에 접근할 수 있다면, 그 정보의 30분의 1만 포함된 M30 기간과 접촉하는 것이 무슨 의미가 있습니까? 고려된 경우 우리는 의도적으로 대부분의 정보를 제거하고 SMA (3)에서 남은 정보를 처리하여 M1 타임프레임 소스 창에 결과를 표시합니다.

묘사된 행동들이 꽤 이상하게 보이는 것은 명백합니다. M1의 전체 타임프레임에 SMA(90)를 적용하는 것이 더 쉽지 않나요? M1 타임프레임의 SMA(90) 필터 슬라이스 주파수는 M30 타임프레임의 SMA(3) 필터 슬라이스 주파수와 동일합니다.

그림 3에서는 EURUSD M1 통화 쌍의 차트에서 다중 시간 프레임 지표 "iUniMA MTF" 를 사용한 예가 나와 있습니다. 파란색 곡선은 M30 타임프레임 시퀀스에 SMA(3)를 적용한 결과입니다. 같은 그림에서 빨간색의 곡선은 정규 "이동 평균" 지표로 얻은 결과입니다. 따라서 표준 SMA(90) 지표를 적용한 결과가 더 자연스럽습니다.

그리고 특별한 기술은 필요하지 않습니다.

 

그림 3. 다중 시간대 표시기 사용법

현재 시간대에 따라 가장 낮은 시간대의 정보가 터미널에 표시될 때 또 다른 변형된 다중 시간 표시기 사용이 가능합니다. 이 변형은 가장 낮은 시간대에 터미널에서 허용하는 것보다 훨씬 더 많이 표시되는 견적 규모를 압축해야 할 경우에 유용할 수 있습니다. 그러나 이 경우에도 견적에 대한 추가 정보를 얻을 수 없습니다.

가장 낮은 시간대를 사용하고 모든 데이터 처리를 일반 지표로 처리할 수 있지만 다중 시간대를 사용하지 않을 수 있습니다.

사용자 지정 지표 또는 전문가 조언자 특수 상황이 발생할 수 있습니다. 조직이 다양한 시간 범위 시퀀스에 액세스할 수 있는 것이 합리적이고 유일한 해결책이지만, 이 경우에도 더 높은 시간 범위 시퀀스는 낮은 시간대에서 형성되며 추가적인 고유 정보를 제공하지 않는다는 점을 기억해야 합니다.

캔들스틱 차트

기술 분석 출판물에서 우리는 캔들스틱 차트와 관련된 모든 것과 흥분된 관계를 종종 만날 수 있습니다. 예를 들어, "캔들스틱 패턴 분석" 이라는 문서에서 확인할 수 있습니다: "캔들스틱 패턴 분석의 장점은 데이터 내에서 모멘텀을 볼 수 있는 방식으로 데이터를 나타낸다는 것입니다."라고 말합니다.<부분 ... 일본의 캔들스틱 차트는 다른 그래픽 방식으로는 매우 어려운 금융 시장의 "내부"를 통과할 수 있도록 도와줍니다.

그리고 그것만이 그러한 진술의 출처가 아닙니다. 캔들스틱 차트가 금융 시장에 적용될 수 있는지 알아보도록 합시다.

"낮음", "높음", "열림" 및 "닫음" 값 시퀀스는 캔들스틱 차트 형식의 속도 표현에 사용됩니다. 이것들이 어떤 가치인지 기억해보도록 하겠습니다. "낮음" 및 "높음" 값은 선택한 기간의 최소 및 최대 속도 값과 동일합니다. "열림" 값은 분석 기간 동안 알려진 요율의 첫 번째 값과 동일합니다. "닫힘" 값은 분석 기간 동안 알려진 요율의 마지막 값과 동일합니다. 이게 무슨 뜻일까요?

이는 주로 "낮음", "높음", "열림" 및 "닫음" 시퀀스 값이 형성되는 시장 요율을 의미합니다. 이 형성법에서 '낮음', '높음', '열림', '닫힘' 값은 시간에 엄격히 구속되지 않습니다. 게다가, 이 시퀀스로 초기 속도를 되돌릴 방법은 없습니다. 가장 흥미로운 점은 임의의 시간대에 있는 임의의 바에서 동일한 "낮음", "높음", "열림" 및 "닫음" 값의 조합이 원래 속도 시퀀스의 무한 변형을 통해 형성될 수 있다는 것입니다. 이러한 결론은 사소하고, 잘 알려진 사실에 기초합니다.

따라서 시장 요율을 캔들스틱 차트의 형태로 사용할 경우 원래의 정보는 되돌릴 수 없을 정도로 왜곡됩니다. "낮음", "높음", "열림" 또는 "닫힘" 시퀀스에 의한 속도 동작 평가에 엄격한 산술 분석 방법을 사용하면 결과가 시장 요율이 아니라 왜곡된 표현과 연결됩니다. 그럼에도 불구하고 우리는 캔들스틱 차트 분석에 많은 지지자들이 있다는 것을 인정해야 합니다.

어떻게 설명할 수 있을까요? 비밀은 처음에는 캔들스틱 차트 형식의 속도 표현 목표가 빠른 시각적 직관적 시장 분석이었지만 캔들스틱 차트에 수학 분석 방법을 적용하지 않았다는 것입니다.

따라서 캔들스틱 차트 형식의 속도 표현을 기술 분석과 함께 사용하는 방법을 이해하기 위해 공식 산술 분석 방법보다 일반적인 인간의 결정 방법에 가까운 패턴 인식 이론을 살펴보겠습니다.

그림 4에서는 패턴 인식 이론에 따라 단순화된 의사결정 계획이 그려집니다. 이 경우 결정은 추세 시작 또는 종료 모멘트의 정의와 시간 모멘트의 포지션을 여는 최적의 모멘트의 감지 등이 될 수 있습니다.

 

그림 4. 의사 결정 체계

그림 4에서 볼 수 있듯이 초기 데이터(속도)는 사전 처리되며 블록 2에서 중요한 특징이 형성됩니다. 이 경우 이 값은 "낮음", "높음", "열림", "닫음"입니다. 우리는 블록 1과 2의 프로세스에 영향을 줄 수 없습니다. 터미널 측에서는 이미 전용으로 제공되는 기능만 사용할 수 있습니다. 이러한 기능은 블록 3을 기반으로 의사결정이 이루어집니다.

의사 결정 알고리즘은 소프트웨어에서 구현하거나 사양을 엄격하게 준수하여 수동으로 구현할 수 있습니다. 의사결정 알고리즘을 개발하고 어떤 식으로든 구현할 수 있지만, 분석 속도 시퀀스에서 중요한 기능을 선택할 수는 없습니다. 이 시퀀스를 사용할 수 없기 때문입니다.

올바른 결정을 내릴 확률을 높이는 관점에서 볼 때 가장 중요한 것은 중요한 기능의 선택과 필수적인 양입니다. 하지만 우리는 이러한 중요한 가능성을 가지고 있지 않습니다. 이 경우, 가장 진보된 의사결정 알고리즘도 최적의 기능이 아닌 선택과 관련된 단점을 보완할 수 없기 때문에 시장 상황 인식의 신뢰성에 영향을 미치는 것은 상당히 어렵습니다.

이 계획에 따른 의사결정 알고리즘은 무엇입니까? 우리의 경우, 그것은 캔들스틱 차트 분석 연구에 발표된 규칙 집합입니다. 예를 들어 캔들스틱 차트 유형의 정의, 다양한 조합의 의미 공개 등이 있습니다.

패턴 인식 이론을 언급하면서, 우리는 캔들스틱 차트 분석이 이 이론의 체계에 적합하다는 결론에 도달했지만, 유의한 특징으로서 "낮음", "높음", "열림", "닫힘" 값을 선택하는 것이 최선이라고 주장할 이유가 없습니다. 또한 최적의 기능이 아닌 기능을 선택하면 비율 분석 과정에서 올바른 결정을 내릴 확률을 크게 줄일 수 있습니다.

처음부터 우리는 캔들스틱 차트 분석이 "금융 시장의 "내부"에 침투하거나 "데이터 내의 모멘텀을 보기 어렵다"고 자신 있게 말할 수 있습니다. 또한, 다른 기술 분석 방법과 비교했을 때 그 효율성은 심각한 의심을 불러일으킬 수 있습니다.

결론

기술 분석은 상당히 보수적인 분야입니다. 기술 분석의 기본적인 가정 형성은 18-19세기에 이루어졌고, 이러한 근거는 거의 변하지 않은 시대에 이르렀습니다. 지난 10년 동안 같은 시기에 세계 시장 구조가 크게 변화했습니다. 온라인 거래의 발전은 시장 행동의 성격에 기여했습니다.

이런 상황에서 가장 대중적인 이론과 고전적인 기술 분석 방법을 사용한다고 해서 항상 우리에게 충분한 거래 효율성을 제공하는 것은 아닙니다.

그럼에도 불구하고, 컴퓨터의 가용성과 다양한 직업의 사람들이 보여주고 있는 시장에서의 거래에 대한 관심은 기술 분석 방법의 개발을 자극할 수 있습니다. 오늘날 시장 분석에는 보다 정확하고 민감한 분석 도구 개발이 필요하다는 것은 명백합니다.