Teknik Analiz: Nasıl Analiz Ederiz?

Giriş

Bir şekilde teknik analizin kullanımıyla ilgili çeşitli yayınları incelediğimizde, bazen kayıtsız kalmamıza ve bazen de okunanlar hakkında yorum yapma isteği duymamıza yol açan bilgilerle karşılaşıyoruz. Bu makalenin yazılmasına yol açan şey, bizi her şeyden önce eylemlerimizi ve sonuçları belirli bir analiz yöntemi kullanarak bir kez daha analiz etme çabasına yönelten bu arzudur.

Yeniden Çizim

https://www.mql5.com/tr/code adresinde yayınlanan göstergelerle ilgili yorumlara bakarsanız, kullanıcıların büyük çoğunluğunun bir sonraki çubuğun oluşumu sırasında daha önce hesaplanmış değerleri değişen ve yeniden çizilenlere karşı son derece olumsuz bir tutum içinde olduğunu fark edeceksiniz.

Göstergenin yeniden çizilmesi konusu netlik kazandığında, bu, artık kimse için ilginç değildir. Göstergelerin yeniden çizilmesine yönelik böyle bir tutum genellikle oldukça makuldür, ancak bazı durumlarda yeniden çizim ilk bakışta göründüğü kadar korkunç olmayabilir. Bunu göstermek için en basit SMA göstergesini analiz edeceğiz.

Şekil 1'de mavi renk, SMA (15) göstergesine karşılık gelen düşük oranlı filtrenin darbe özelliğini göstermektedir. Şekilde gösterilen durum için, SMA (15), giriş dizisinin son 15 sayımının toplamıdır; burada giriş sayımlarının her biri, sunulan darbe özelliğine karşılık gelen 1/15 ile çarpılır. Şimdi 15 sayım aralığında hesaplanan SMA (15) değeri ile bu değeri hangi zaman noktasına atamamız gerektiğine karar vermeliyiz. 

SMA (15) önceki 15 giriş sayımının ortalaması olarak kabul edildiğinde, bu değer üst grafikte gösterildiği gibi görünmelidir; dolayısıyla bu, sıfır çubuğuna karşılık gelmelidir. SMA'nın (15) sonlu uzunlukta darbe özelliği olan düşük oranlı bir filtre olarak kabul edilmesi durumunda, filtredeki gecikme dikkate alınarak hesaplanan değer, alttaki grafikte gösterildiği gibi yedi numaralı çubukla eşleşmelidir.

Böylece, basit kaydırmayla, hareketli ortalama grafiğini sıfır gecikmeli düşük oranlı filtre grafiğine dönüştürüyoruz.

Sıfır gecikmeli grafiklerin kullanılması durumunda, bazı geleneksel analiz yöntemlerinin anlamlarını biraz değiştirdiğini unutmayın. Örneğin, farklı dönemlere sahip iki MA çiziminin kesişimi ve aynı çizimlerin telafi gecikmeli kesişimi farklı zamanlarda meydana gelecektir. İkinci durumda, gecikme süreleri ile değil, yalnızca MA dönemleri ile belirlenecek olan kesişim anları elde edeceğiz.

Şekil 1'e geri dönersek, alt çizimde SMA (15) eğrisinin ortalama alma döneminin yarısına eşit değerde giriş sinyalinin en son sayılarına ulaşmadığını görmek kolaydır. SMA (15) değerinin tanımlanmadığı yedi sayımdan oluşan bir alan oluşuyor. Gecikmeyi telafi ettikten sonra, bir belirsizlik alanı ortaya çıktığı için bazı bilgileri kaybettiğimizi varsayabiliriz, ancak bu temelde yanlıştır.

Aynı belirsizlik üstteki grafikte de var (Şekil 1), ancak kayma nedeniyle giriş sayısının olmadığı sağ tarafta gizlenmiş. MA grafiği, giriş dizisine zaman bağlantısını kaybeder ve gecikme boyutu, kayma nedeniyle MA yumuşatma dönemine bağlıdır.

 Şekil 1. SMA'nın darbe yanıtı (15)

MA'yı farklı dönemlerle kullanırken meydana gelen tüm gecikmeler her zaman telafi edilirse, bu, giriş dizisine ve birbirine belirli bir zaman bağlantısı içeren grafiklerle sonuçlanacaktır. Ancak inkar edilemez avantajların yanı sıra, bu yaklaşım belirsizlik alanlarını varsayar. Bunların ortaya çıkma nedeni, muhakeme hatalarımız değil, zaman sonlu uzunluk dizilerinin işlenmesinin iyi bilinen özellikleridir.

Enterpolasyon algoritmaları, çeşitli filtrelemeler, yumuşatma vb. kullanarak bu tür dizilerin kenarlarında meydana gelen sorunlarla karşılaşırız. Ve sonuç kısmını kaydırarak gizlemek kimsenin aklına gelmez.

İtiraf etmeliyim ki belirli bir çizilmemiş kısım içeren MA grafikleri bir filtrelemenin daha doğru bir temsilidir, ancak bunlar çok sıra dışı görünür. Biçimsel açıdan, indeksi 7'den küçük olan çıktı sayımları için SMA (15), Kaydırma=-7 filtresinin değerini hesaplayamıyoruz. Öyleyse, giriş dizisi varsa kenarda sayımı yumuşatmanın başka bir yolu var mı?

Aynı SMA algoritmasını kullanarak bu sayıları filtrelemeye çalışalım, ancak her çubuğun sıfıra yaklaşmasıyla yumuşatma dönemini azaltalım. Ayrıca kullanılan filtrenin gecikme dengelemesini de unutmamalıyız.

 

Şekil 2. Değiştirilmiş SMA

Şekil 2'de, bu durumda 0'dan 6'ya kadar olan indekslerle çıktı sayımlarının nasıl oluşacağı gösterilmiştir. Ortalama değerin hesaplanmasında yer alacak sayımlar geleneksel olarak şeklin alt kısmında renkli noktalarla işaretlenir ve dikey çizgiler bu ortalamanın hangi çıktı sayımına atanacağını gösterir. Sıfır çubuğunda herhangi bir işlem yapılmaz, giriş dizisinin değeri çıktı dizisine atanır. İndeksli çıktı dizisi için, olağan SMA (15) Kayma =- 7 ile yedi veya daha fazla hesaplama yapılır.

Böyle bir yaklaşım kullanıldığında, 0'dan 6'ya kadar olan indeks aralığındaki çıktı grafiğinin her yeni çubuk oluşumuyla yeniden çizileceği ve indeksin azalmasıyla yeniden çizim yoğunluğunun artacağı açıktır. Aynı zamanda, çıktı dizisinin herhangi bir sayımı için bir gecikme telafi edilir.

Analiz edilen örnekte, standart SMA'nın (15) bir analogu olan ancak standart SMA'da (15) bulunmayan girdi dizisinin kenarında sıfır gecikme ve ekstra bilgi içeren bir yeniden çizim göstergesine sahibiz. Sıfır gecikmeyi ve ekstra bilgiyi bir avantaj olarak kabul etmekle birlikte, yine de bir yeniden çizim göstergemiz var, ancak bu standart SMA göstergesinden daha bilgilendirici.

Bu örnekteki yeniden çizimin herhangi bir yıkıcı sonuca yol açmadığı vurgulanmalıdır. Ortaya çıkan çizimde, sayıları sola kaydırılmış standart SMA ile aynı bilgi vardır.

Ele alınan örnekte, SMA için olan zaman gecikmesini tamamen telafi eden tek SMA dönemi seçilmiştir:

t = (N-1)/2,

Burada, N bir yumuşatma dönemidir.

N'nin çift değerleri için gecikmenin bu yaklaşım kullanılarak tam olarak telafi edilememesi ve dizi kenarında önerilen sayım yumuşatma yönteminin mümkün olmaması nedeniyle, gösterge yapısının varyantı burada tam bir gösterge olarak değil yalnızca bir örnek olarak kabul edilmiştir.

Çoklu zaman dilimi

MQL4 ve MQL5 web sitelerinde, çoklu zaman dilimi göstergelerini görebilirsiniz. "iUniMA MTF" göstergesinin bir örneği ile çoklu zaman diliminin bize ne verdiğini anlamaya çalışalım.

En düşük M1 zaman dilimi penceresinde olduğumuzu ve yumuşatma için SMA (3) uygulayarak aynı pencerede M30 zaman dilimi değerinin yumuşatılmış Açılış veya Kapanışını göstereceğimizi varsayalım. Her otuzuncu değerden bir örnekleme ile ve kalan 29 değerin atılmasıyla M1 zaman dilimi dizisinden M30 zaman dilimi dizisi oluştuğu bilinmektedir. M30 zaman dilimi dizisini kullanmanın mantıklı olup olmadığı konusunda birtakım şüpheler ortaya çıkıyor. 

M1 zaman diliminde belirli miktarda bilgiye erişimimiz varsa, o zaman bu bilgilerin yalnızca otuzlu bir kısmını içeren M30 zaman dilimi ile iletişim kurmanın anlamı nedir? Ele alınan durumda, mevcut bilgilerin çoğunu özellikle ortadan kaldırır ve SMA'dan (3) kalanları işler ve sonucu M1 zaman dilimi kaynak penceresinde görüntüleriz.

Açıklanan eylemlerin oldukça tuhaf göründüğü açıktır. SMA'yı (90) M1 zaman dilimi dizisinin tamamına uygulamak daha kolay değil mi? M1 zaman dilimindeki SMA (90) filtre diliminin frekansı, M30 zaman dilimindeki SMA (3) filtre diliminin frekansına eşittir.

Şekil 3'te EURUSD M1 para birimi çifti grafiğinde çoklu zaman dilimi göstergesi "iUniMA MTF" kullanımına bir örnek gösterilmiştir. Mavi eğri, SMA'nın (3) M30 zaman dilimi dizisine uygulamasının sonucudur. Aynı şekilde kırmızı renk eğrisi, normal "Hareketli Ortalama" göstergesi ile elde edilen sonuçtur. Dolayısıyla, standart SMA (90) göstergesinin uygulanmasının sonucu daha doğaldır.

Ve herhangi bir özel teknik gerekli değildir.

 

Şekil 3. Çoklu zaman dilimi göstergesinin kullanımı

Çoklu zaman dilimi göstergelerinin kullanımının başka bir varyantı, bir terminalde mevcut zaman dilimine göre en düşük zaman diliminden elde edilen bir bilgi gösterildiğinde mümkündür. Bu varyant, en düşük zaman diliminde terminal tarafından izin verilenden daha fazlasını gösteren fiyat teklifi ölçeğini sıkıştırmanız gerekirse yararlı olabilir. Ancak bu durumda da, fiyat teklifleri hakkında ek bilgi elde edilemez.

En düşük zaman dilimine dönmek ve tüm veri işlemeyi çoklu zaman dilim göstergeleriyle değil düzenli göstergelerle işlemek daha kolaydır.

Özel göstergeler veya Expert Advisor'lar geliştirirken, çeşitli zaman dilimi dizilerine erişimin düzenlenmesi mantıklı olduğunda ve bu, olası tek çözüm olduğunda özel durumlar ortaya çıkabilir, ancak bu durumda dahi, daha yüksek zaman dilimi dizilerinin daha düşük olanlardan oluşturulduğunu ve herhangi bir ek benzersiz bilgi taşımadığını unutmamamız gerekir.

Mum grafikler

Teknik analiz yayınlarında, mum grafiklerle bağlantılı konularla ilgili coşkulu söylemlerle sıklıkla karşılaşabiliriz. Örneğin, "Mum Grafik Formasyonlarını Analiz Etme" makalesinde şöyle bir cümle geçer: "Mum grafiklerin avantajı verileri, verilerdeki momentumu görebilecek şekilde temsil etmeleridir". ... Japon mum grafikler, diğer grafiksel yöntemlerle yapılması çok zor olan finansal piyasaların özünü "tam olarak kavramanıza" yardımcı olabilir.

Ve bu tür ifadelerin tek kaynağı bu değil. Mum grafiklerin finansal piyasalara girmemize izin verip vermediğini anlamaya çalışalım.

"Düşük", "Yüksek", "Açılış" ve "Kapanış" değer dizileri, mum grafikler formunda oran gösterimi için kullanılır. Bunların ne tür değerler olduğunu hatırlayalım. "Düşük" ve "Yüksek" değerler, seçilen zaman dilimindeki minimum ve maksimum oranların değerlerine eşittir. "Açılış" değeri, analiz edilen dönemdeki oranların bilinen ilk değerine eşittir. "Kapanış" değeri, analiz edilen dönemdeki oranların bilinen son değerine eşittir. Peki bunun anlamı nedir?

Bu öncelikle bir yerlerde "Düşük", "Yüksek", "Açılış" ve "Kapanış" değerlerinin dizilerinin oluşturulduğu piyasa oranlarının olduğu anlamına gelir. Bunların oluşma yöntemindeki «Düşük», «Yüksek», «Açılış» ve «Kapanış» değerleri kesinlikle zamana bağlı değildir. Ayrıca, bu dizilere göre başlangıç oranlarını eski durumlarına getirmenin bir yolu yoktur. En ilginç şey, herhangi bir zaman diliminin herhangi bir çubuğundaki aynı «Düşük», «Yüksek», «Açılış» ve «Kapanış» değerlerinin kombinasyonunun, ilk oranlar dizisinin sonsuz sayıda varyantı tarafından oluşturulabilmesidir. Bu sonuçlar alışılagelmiş olup iyi bilinen gerçeklere dayanmaktadır.

Bu nedenle, mum grafikler formunda piyasa oranlarının kullanılması halinde özgün bilgiler geri döndürülemez şekilde bozulur. «Düşük», «Yüksek», «Açılış» veya «Kapanış» dizilerinden herhangi biri tarafından oranların davranış değerlendirmesi için katı matematiksel analiz yöntemleri kullanılarak, sonuçlar piyasa oranlarına değil, bozulmuş temsillerine bağlanır. Yine de, mum grafiği analizinin birçok savunucusu olduğunu kabul etmeliyiz.

Peki bu nasıl açıklanabilir? Belki de sır, başlangıçta oranların mum grafik formunda temsil edilmesi hedefinin hızlı görsel sezgisel piyasa analizi olması, ancak mum grafiklere matematiksel analiz yöntemlerinin uygulanmamasıdır.

Bu nedenle, oranların mum grafik formunda temsilinin teknik analiz ile nasıl kullanılabileceğini anlamak için, resmi matematiksel analiz yöntemlerinden çok, olağan beşeri karar yöntemlerine daha yakın olan formasyon tanıma teorisine dönelim.

Şekil 4'te, formasyon tanıma teorisine göre basitleştirilmiş bir karar verme şeması çizilmiştir. Bu durumda karar, trend başlangıç veya bitiş anının bir tanımı ve bir zaman anları pozisyonu açmak için en uygun anların tespiti vb. olabilir.

 

Şekil 4. Karar verme şeması

Şekil 4'te gösterildiği gibi, ilk veriler (oranlar) ön işlemden geçirilir ve blok 2'de bunlardan önemli özellikler oluşturulur. Bizim durumumuzda bu değerler «Düşük», «Yüksek», «Açılış» ve «Kapanış» değerleridir. Blok 1 ve 2'deki süreçleri etkileyemeyiz. Terminal tarafında yalnızca bizim için tahsis edilmiş olan özellikler mevcuttur. Bu özellikler, kararların temellerine göre verildiği blok 3'e karşılık gelir.

Karar verme algoritması, spesifikasyonlara sıkı sıkıya bağlı kalınarak yazılımda veya manuel olarak uygulanabilir. Karar verme algoritmalarını geliştirebilir ve bir şekilde uygulayabiliriz, ancak analiz edilen oranlar dizisinden önemli özellikleri seçemeyiz; zira bu dizi bizim için kullanılabilir değil.

Doğru karar verme olasılığını artırmak açısından en önemli şey, önemli özelliklerin ve bunların gerekli miktarlarının seçilmesidir, ancak bu önemli olasılığa sahip değiliz. Bu durumda, en gelişmiş karar verme algoritması dahi optimum olmayan özellik seçimiyle bağlantılı dezavantajları telafi edemediği için şu veya bu piyasa durumunun tanınmasının güvenilirliğini etkilemek oldukça zordur.

Bu şemaya göre karar verme algoritması nedir? Bizim durumumuzda bu, mum grafik analizi araştırmasında yayınlanan bir dizi kuraldır. Örneğin, mum grafik türlerinin tanımı, çeşitli kombinasyonlarının anlamının açıklanması vb.

Formasyon tanıma teorisine atıfta bulunarak, mum grafik analizinin bu teorinin şemasına uyduğu sonucuna varıyoruz, ancak «Düşük», «Yüksek», «Açılış» ve «Kapanış» değerlerini önemli özellikler olarak seçmenin en iyisi olduğunu öne sürmek için herhangi bir nedenimiz yok. Ayrıca, optimum olmayan özelliklerin seçimi, oran analizi sürecinde doğru kararlar verme olasılığını önemli ölçüde azaltabilir.

Başa dönersek, mum grafik analizinin finansal piyasaların "içerisine" nüfuz etmeyeceğini veya "veriler içindeki momentumu görmeyeceğini" güvenle söyleyebiliriz. Ayrıca, diğer teknik analiz yöntemleriyle karşılaştırıldığında etkililiği ciddi şüphelere yol açabilir.

Sonuç

Teknik analiz, oldukça tutucu bir alandır. 18 ila 19. yüzyıllarda teknik analizin temel varsayımlarının oluşumu gerçekleşti ve bu temel günümüze neredeyse değişmeden ulaştı. Aynı zamanda, son on yılda, küresel piyasa yapısı, gelişimi sırasında önemli ölçüde değişti. Çevrimiçi alım satımın gelişimi, piyasa davranışının doğasına katkıda bulunmuştur.

Bu durumda, klasik teknik analizin en popüler teori ve yöntemlerinin kullanılması dahi bize her zaman yeterli alım satım verimliliği sağlamaz.

Yine de, bilgisayarların varlığı ve çeşitli meslek sınıflarındaki kişiler tarafından piyasalarda alım satıma gösterilen ilgi, teknik analiz yöntemlerinin gelişimini teşvik edebilir. Günümüzde piyasa analizinin daha doğru ve hassas analitik araçlar geliştirmeye ihtiyaç duyduğu açıktır.