Métodos para localizar zonas de sobrecompra/sobrevenda. Parte I

28 setembro 2020, 11:33
Aleksandr Masterskikh
1
1 508

Sumário

Introdução

A detecção de zonas de sobrecompra/sobrevenda é um sinal importante. Mas como estão relacionados neste caso os conceitos de "sinal" e de "zona"? Após lidar com a complexidade fundamental de identificar tais zonas (o que é sempre uma previsão dentro de um processo não estacionário), bem como com os modelos matemáticos aproximados dos indicadores (que são expressos em propagação de pontos de ativação do indicador), na prática receberemos um certo conjunto de sinais, nomeadamente um intervalo de valores de preços. Além disso, dependendo da precisão dos indicadores, este intervalo (zona) estará em ambos os lados do fractal de tendência final (à esquerda do fractal - sinais antecipatórias, à direita do fractal - sinais de atraso). Em termos práticos, essas são as zonas que consideraremos como zonas de sobrecompra/sobrevenda. Sendo assim, vejamos as seguintes definições (preliminares) dos limites dessas zonas.

O início da zona de sobrecompra/sobrevenda (sinais de previsão antecipatória) é caracterizado por uma dinâmica relativamente fraca da tendência existente (a probabilidade de continuação da tendência existente diminui). Por outro lado, o fim da zona de sobrecompra/sobrevenda (sinais de previsão tardia) se caracteriza por um ligeiro aumento na dinâmica das variações de preços na direção oposta (aumenta a probabilidade de reversão da tendência). 

Assim, em relação a um determinado período de tempo, as zonas de sobrecompra/sobrevenda são uma ligação dinâmica entre tendências locais em diferentes direções, é uma espécie de processo de transição caracterizado pela extinção da tendência anterior e pela formação do início de uma nova tendência. E como a abertura de uma posição no início de uma tendência e o fechamento no final de uma tendência é o sonho de todo trader, fica claro o quão importante é esse elemento de dinâmica de mercado. Na verdade, ele é um dos estados do mercado que se caracteriza pela incerteza da dinâmica (no início da zona uma tendência está quase no fim, enquanto no final da zona mal começa outra tendência oposta).

 Na análise técnica tradicional, há muitos termos que definem esse estado da dinâmica: diretamente o termo "sobrecompra/sobrevenda", o termo "fase de correção" (denota a incerteza de uma tendência devido a uma pequena amplitude), o termo "movimento lateral" (significando uma mudança periódica na direção da tendência lateral dentro de um canal). Todos esses termos (e conceitos relacionados) têm uma coisa em comum: são zonas de dinâmica relativamente fraca nas quais a direção das tendências é incerta. Esse fato é fundamental. Por conveniência, com base nisso, na teoria do equilíbrio de impulso, todos esses termos são substituídos por um único termo e conceito, isto é: "zona de incerteza". Claro, é possível usar qualquer termo, cada quem tem as suas preferências. Por isso, no artigo, iremos aderir a uma terminologia tradicional que é familiar a muitos: "zonas de sobrecompra/sobrevenda".

Deve se notar que nos tipos de análise tradicionais (pelo menos, no técnico, ondulatório, fundamental), por algum motivo não se identifica a pergunta "em que processo são procuradas essas zonas?"

Vamos ver em detalhes qual é o processo dentro do qual pretendemos identificar zonas de sobrecompra/sobrevenda em mercados financeiros como forex, ações, commodities, criptomoedas, e o que exatamente é caracterizado por elas, como essas zonas aparecem neste processo. E, em seguida, já compreendendo a natureza do processo, o papel das zonas de sobrecompra/sobrevenda, consideraremos métodos e meios para identificar tais zonas, usando abordagens tradicionais e algumas novas. 

Este artigo não pretende ser uma análise abrangente do problema de como localizar tais zonas (trata-se de um problema verdadeiramente global, pois, dada a natureza do processo, só podemos falar de uma estimativa probabilística, inevitavelmente inferior a 100%). Considerando o fato de que a análise de zonas de sobrecompra/sobrevenda é um componente obrigatório de qualquer sistema de negociação, a experiência do autor adquirida na resolução de problemas teóricos e práticos no desenvolvimento de sistemas analíticos e de negociação pode ser útil para iniciantes e participantes experientes em mercados financeiros.


Parte geral

Que são as zonas de sobrecompra/sobrevenda em termos de dinâmica do processo

Antes já demos definições preliminares sobre o que são. Agora, para compreender melhor o problema, vejamos como são definidas por algumas das fontes disponíveis. Vale ressaltar que a Wikipedia (tanto em português quanto em inglês) ainda não possui uma página separada dedicada a este tópico. Até certo ponto, isso não é coincidência, eis o porquê. Em primeiro lugar, na análise tradicional não há um consenso relativamente ao desenvolvimento desse tópico (justamente porque falta um termo único que reúna conceitos próximos entre si). Em segundo lugar, estas publicações apresentam apenas definições gerais e superficiais relacionadas às ações ou interesses dos participantes, sem detalhar a dinâmica do processo. Vejamos algumas dessas definições. 

Sobrevalorização e/ou subvalorização:

"A sobrecompra ocorre quando o preço de um par de moedas está sobrevalorizado (acima do normal) e espera-se que caia. No mercado há massa crítica de ordens de compra abertas, os participantes abrem transações curtas (de venda), o crescimento do par desacelera e o preço diminui. Pelo contrário, a sobrevenda acontece quando o preço de um par de moedas está subvalorizado (abaixo do normal), o que lhe convém muito a quem quer comprar. E o preço do par de moedas cresce."

Volumes de vendas e desequilíbrio de interesses:

 "A sobrecompra é uma situação de mercado em que todos os potenciais compradores entram numa posição longa e praticamente não restam novos. Desse modo, os vendedores são os únicos participantes ativos que permanecem. Consequentemente, o aumento nos volumes de vendas começa a fazer o preço cair. Da mesma forma, sobrevenda é uma situação em que todos os potenciais vendedores entram numa posição curta e, principalmente, só os compradores permanecem ativos. Os compradores começam a empurrar o preço para cima. Em outras palavras, há um forte desequilíbrio de interesses entre touros e ursos que o mercado busca eliminar mudando a direção do movimento dos preços.”

Oferta e demanda estão associadas ao número de pessoas dispostas a vender ou comprar:

“No mercado, sobrecompra se dá no momento em que o número de pessoas dispostas a vender um instrumento financeiro predomina significativamente sobre aquele de quem quer comprá-lo. Durante a sobrecompra, o crescimento do valor do ativo para, causando um número significativo de transações curtas. A oferta do instrumento monetário cresce e forma-se uma tendência de queda. No mercado, a sobrevenda ocorre quando o preço de um par de moedas atinge seu valor mínimo e, ao mesmo tempo, a demanda excede em muito a oferta. Existem muitas pessoas no mercado que desejam comprar a um preço atraente, causando abertura de um grande número de ordens de compra."

Superaquecimento do mercado:

"A sobrecompra/sobrevenda é uma situação convencional no mercado após um movimento acentuado e longo numa só direção. O preço parece estar superaquecido e é necessária uma correção para a continuação do movimento."

Como podemos ver, esses exemplos não dizem nada, nem sobre o processo (ambiente) em que essas zonas estão localizadas, nem sobre os sinais específicos do início e do fim dessas zonas.

Mais para frente, veremos que, como o mercado é um "organismo" complexo e dinâmico, o algoritmo para identificar essas zonas não pode ser simples e explícito, mas, sim, multivariado. 

Na verdade, apesar de sua aparente simplicidade (quando se utilizam indicadores tradicionais), identificar zonas de sobrecompra/sobrevenda é uma tarefa não trivial que pode ser resolvida corretamente apenas com uma probabilidade significativamente inferior a 100%. Eis o porquê. Acontece que o ambiente em que identificaremos as zonas de sobrecompra/sobrevenda se comporta como um processo não estacionário (nele a amplitude e a frequência das flutuações de preços muda constantemente). Este é um ponto chave que praticamente não é levado em conta nos métodos tradicionais de análise. Afinal, para analisar qualquer processo, é preciso conhecer e compreender sua natureza.

O que significa "compreender a natureza do processo" em relação à busca desse tipo de zonas? 

Isso significa que os modelos matemáticos (indicadores, osciladores, algoritmos de sistemas analíticos e de negociação) devem, de alguma forma, considerar a mudança constante na amplitude e na frequência das flutuações de preços de um instrumento financeiro. No entanto, se analisarmos os algoritmos dos indicadores tradicionais, eles “não veem” a mudança na frequência das oscilações de preços, e também não estão vinculados ao início da tendência.

A natureza do movimento dos preços dos instrumentos financeiros é fractal. Ou seja, qualquer tendência local começa com um fractal que forma um nível de suporte fractal.

Assim, combinando esses dois fatores, chegamos à conclusão de que é necessário buscar um enfraquecimento da tendência (análise da amplitude e da frequência), mas, desta vez, em relação ao fractal base.

Assim, do ponto de vista da teoria do equilíbrio de impulso, a definição de zonas de sobrecompra/sobrevenda é a seguinte:

As zonas de sobrecompra/sobrevenda são aquelas em que acontece o enfraquecimento da dinâmica da tendência, sendo que o início da tendência é o fractal base de suporte (ou seja, o ponto de partida da tendência é fractal). Os sinais do enfraquecimento da tendência são os parâmetros especiais da estrutura elementar que compõe a tendência (amplitude e frequência das flutuações dentro da tendência). 

Mas de que estruturas elementares estamos falando? Bem, de estruturas fractais que estão fora do escopo deste artigo (além disso, a escolha de tendências dinâmicas está claramente relacionada com elas, mas este é um grande tópico individual, cuja divulgação está planejada num artigo separado). Ressalto apenas que os candles que formam a tendência são análogos simplificados e abreviados de tais estruturas. Neste artigo, permitiremos algumas simplificações que não são críticas (especialmente para timeframes grandes), e usaremos candles como tais estruturas. Assim, analisaremos a mudança nos parâmetros dos candles de tendência (juntamente com os parâmetros de outros instrumentos analíticos) para encontrar zonas de sobrecompra/sobrevenda.

Já dissemos que os indicadores tradicionais (que muitas vezes são usados para procurar zonas de sobrecompra/sobrevenda), praticamente não levam em consideração os fatores - mencionados acima - do processo de movimento de preços dos instrumentos financeiros (ponto de referência fractal do início de tendência, mudanças na frequência das flutuações do mercado dentro de uma tendência). Esses indicadores, que serão discutidos mais adiante neste artigo, "vivem" de acordo com algoritmos matemáticos completamente diferentes, isto é: como regra (com exceção dos adaptativos), o valor do período de cálculo do indicador (frequência calculada) é um valor fixo e, além disso, é usado um ponto de referência arbitrário (não vinculado ao início de tendência) ao calcular o valor do indicador.


Precisão ao identificar zonas de sobrecompra/sobrevenda.

Dependendo da precisão com que sejam identificadas zonas de sobrecompra/sobrevenda (com estamos falando de uma estimativa probabilística, usamos a palavra previsão), existem três tipos de previsão: adiantada, pontual e tardia. Como referência para determinar o tipo de previsão, usamos o valor de tendência máximo, que é sempre o nível extremo do fractal de resistência, após o qual ocorre uma reversão (ou uma correção cuja amplitude é crítica para a estratégia de negociação utilizada). Consequentemente, quanto mais próximo o ponto de previsão estiver dessa referência (em termos de tempo ou amplitude), mais precisa será a previsão de surgimento de uma zona de sobrecompra/sobrevenda.

Na verdade, estamos falando sobre os tipos de previsão do fim da tendência, dependendo da precisão da identificação de zonas de sobrecompra/sobrevenda.

Vamos considerar isso usando um exemplo de sobrecompra (no gráfico USDCAD, timeframe D1):


Tipos de previsões de fim da tendência

Fig. 1. Tipos de previsão de fim da tendência dependendo da precisão da identificação da zona de sobrecompra


Na Fig. 1, há três pontos vermelhos obtidos usando vários indicadores para identificar a zona de sobrecompra. Pontos da esquerda para a direita: 1 — previsão adiantada, 2 — previsão pontual, 3 — previsão tardia.

É óbvio que "atingir" o extremo da tendência (previsão pontual de fim da tendência) é a forma ideal de sair do mercado se houver uma posição aberta. Consequentemente, a precisão da previsão de zonas de sobrecompra/sobrevenda (em relação a esse extremo) afeta diretamente o desempenho da negociação nos mercados financeiros.

A seguir, veremos isso com mais detalhes e avaliaremos as consequências de atingir zonas de sobrecompra/sobrevenda, tanto ao entrar quanto ao sair do mercado. Vamos começar com as consequências de entrar no mercado nessas áreas. 


Consequências ao entrar no mercado em zonas de sobrecompra/sobrevenda

Mas quais são as possíveis consequências para um trader no caso de entrar no mercado em tal zona? Ao realizar uma análise visual simplificada, a ocorrência de uma zona de sobrecompra/sobrevenda é frequentemente associada à presença de uma correção dentro da tendência atual. Assim, abordaremos as seguintes variantes de consequências de entrar no mercado.

Variante 1. Não há correção de tendência ou (subjetivamente) é insignificante (o que ainda não leva a uma reversão de tendência). Para a análise, utilizamos os pontos 1 e 2 da Fig. 1 (o ponto 3 não é considerado, pois está localizado na área de reversão da tendência).

Consequências: 

Se a entrada estiver na "cauda" da tendência e coincidir com a direção desta tendência, tudo dependerá do valor da amplitude restante da tendência. Se o restante da amplitude for pequeno (ninguém pode garantir uma amplitude suficiente na "cauda" da tendência), o lucro pode ser insignificante, zero ou até possivelmente negativo (dependendo do desembaraço do trader ou da precisão do sinal para fechar a posição). 

Se estivermos falando de timeframes grandes (D1 e maiores), a situação não será tão determinante, já que a amplitude residual pode ser suficiente para estratégias de curto prazo, suficiente precisamente porque a amplitude do candle é muito maior do que em timeframes menores. Um exemplo é o ponto 1 (Fig. 1, previsão adiantada da zona de sobrecompra). Aqui, o valor da amplitude residual da tendência de alta acaba sendo cerca de 100 pontos, o que seria suficiente para obter um lucro (ao entrar em Buy neste ponto). Mas precisamos entender que na Fig. 1 estamos considerando dados históricos e, numa situação real, este ponto será o último ponto disponível da tendência nesse momento, e não se sabe com antecedência quão adiantado será esse sinal e qual será a amplitude residual real da tendência. Além disso, será necessária uma análise abrangente em vários timeframes, uma vez que o sinal de um período gráfico grande, neste caso, é apenas um sinal preliminar e, para reduzir os riscos, é necessária uma análise nos períodos gráficos mais pequenos, o que complica adicionalmente o algoritmo de ações (que para traders novatos, na maioria das vezes, é difícil).

Se a entrada Buy estiver no ponto 2 (Fig. 1, previsão pontual de sobrecompra), o resultado será negativo, pois logo a partir desse ponto começa uma reversão. O raciocínio aqui é semelhante ao exemplo anterior.

Se a entrada estiver na "cauda da tendência", mas contra essa tendência, seja como for o risco aumentará se a tendência continuar, e haverá perdas; assim, para que haja uma reversão são necessárias uma perda e confirmação adicional (atividade de movimentos reversos do preço, que, por enquanto, ainda não estão disponíveis). Por exemplo, a entrada Sell nos pontos 1 ou 2 (Fig. 1). Se a entrada Sell estiver no ponto 1 (previsão antecipada do final da tendência de alta), neste caso há uma amplitude residual significativa da tendência de alta (cerca de 100 pontos), e uma vez que StopLoss provavelmente não será maior do que este valor, a posição será fechada exatamente com base nele, com uma perda. Se a entrada Sell estiver no ponto 2 (figura 1, previsão pontual do final da tendência de alta), a situação será ideal, pois este será o final da tendência de alta e, portanto, o início da tendência de baixa.

Variante 2. Se houver uma significativa correção de tendência em dada escala com atividade de impulsos reversos do preço, consequentemente haverá uma probabilidade maior de uma reversão de tendência. 

Mas o que significa "significativa correção"? Obviamente, entender o que é "significativa correção" é um assunto da lógica difusa, uma vez que não existe um valor claro quanto à profundidade de correção com o qual necessariamente a tendência continuará, mas, em vez disso, existe apenas uma faixa de valores. Por exemplo, se o valor da profundidade de correção for inferior a 20% (na faixa de 0% a 20%), há uma probabilidade significativa de continuação da tendência. No entanto, na prática, vemos que a tendência geralmente continua após uma correção de 50% ou mesmo 62%. Ainda assim, uma profundidade de correção de mais de 62% pode (claro, condicionalmente) ser considerada uma faixa crítica de valores, onde a probabilidade de uma reversão da tendência aumenta acentuadamente.

Consequências: 

Se a entrada estiver dentro de uma correção profunda, na direção da tendência, seja como for o risco aumentará. Se a tendência não souber lidar com a correção e esta última evoluir para uma tendência oposta, haverá perdas; em contrapartida, para que a tendência aguente a correção e continue na mesma direção, são necessárias confirmações adicionais muito fortes da dinâmica atual (nova atividade impulsora indo na direção da tendência, que, por enquanto, ainda não está disponível).

Se a entrada estiver dentro de uma profunda correção desta tendência, mas contra ela, seja como for o risco aumentará se a tendência continuar é provável que haja perdas; por outra parte, para uma reversão são necessárias uma perda e confirmação adicional (não apenas uma profunda correção, mas também uma clara atividade de movimentos reversos do preço, que, por enquanto, ainda não estão disponíveis).

Conclusões sobre as variantes 1 e 2: 

Assim, entrar no mercado na zona de sobrecompra/sobrevenda com base nos sinais dos indicadores tradicionais, tanto na direção da tendência quanto contra, é uma estratégia muito arriscada, uma vez que resta pouca tendência, e mesmo detecção de tais zonas com indicadores tradicionais não é muito precisa (o que pode reduzir ainda mais a amplitude residual da tendência). Além disso, o mesmo indicador pode formar sinais precoces ou atrasados nas distintas situações de mercado (isso pode ser visto em qualquer gráfico, com qualquer instrumento financeiro). Além disso, quanto menor o período gráfico, maior o risco, uma vez que em termos absolutos a amplitude dos candles dos períodos gráficos mais baixos (e, portanto, o valor da amplitude residual da tendência em termos absolutos) é menor do que a mesma amplitude para aquelas nos períodos gráficos mais altos (isso é inevitável devido à diferença nas escalas movimentos de preços em gráficos de diferentes timeframes). 

Vejamos um curioso caso sobre a proporção de níveis relativos ao extremo do fractal que finaliza a tendência. Esta é uma situação em que há duas entradas na direção da tendência e no mesmo nível de preço: a primeira entrada está no ponto de previsão adiantada do final da tendência (à esquerda do máximo da tendência) e a segunda entrada está na área de previsão tardia (à direita do máximo da tendência). 

Vamos nos perguntar: qual entrada é mais segura se ambas as entradas são feitas no mesmo nível de preço, mas em lados diferentes do extremo do final da tendência (em momentos diferentes)? Consideremos o exemplo na Fig. 2:


Eficiência ao entrar no mercado no mesmo nível, mas em momentos diferentes

Fig. 2. Eficiência ao entrar no mercado no mesmo nível, mas em momentos diferentes


Na Fig. 2, existem duas entradas no mesmo nível, mas em momentos diferentes:

ponto 1 — entrada Buy (ponto de previsão adiantada do fim da tendência, sinal de sobrecompra do indicador Stochastic com configurações padrão),

ponto 2 — entrada Buy (ponto de previsão tardia do fim da tendência, sinal de sobrecompra do indicador MACD com configurações padrão),

max — extremo de uma tendência local ascendente.

Na Fig. 2, vemos que, apesar de as entradas estarem no mesmo nível, a entrada no ponto de previsão adiantada do final da tendência (ponto 1) é mais segura, uma vez que ainda não há movimento reverso, e há uma margem de amplitude residual de tendência, portanto, uma perda é improvável (pelo menos ao usar estratégias de curto prazo). E a entrada na zona da previsão tardia do final da tendência (ponto 2), embora no mesmo nível, é menos segura, pois devido ao sinal atrasado do indicador, o preço já está na zona de correção (ou seja, movimento reverso) e, portanto, a probabilidade de perda é maior.

É claro que existem muitas estratégias e táticas para entrar no mercado usando zonas de sobrecompra/sobrevenda (tendência e contra-tendência). Mas é preciso levar em consideração o seguinte: para entrar contra a tendência, é preciso ter alguns fatores externos indiscutíveis de plano "não técnico" (como notícias) para ousar tomar tal tipo de decisão comercial.


Estimativa da quantidade de perdas associadas ao risco de abrir uma posição em zonas de sobrecompra/sobrevenda

Vamos verificar nossas conclusões teóricas na prática, usando como exemplo o teste de um Expert Advisor. Usamos um EA baseado no meu artigo anterior "Como reduzir os riscos do trader" (Expert Advisor “Reduse_risks”, versão MT5).

Nossa tarefa é estimar o valor das possíveis perdas associadas ao risco de entrada em zonas de sobrecompra/sobrevenda usando um exemplo em particular. Para minimizar a probabilidade de entrada na zona de sobrecompra/sobrevenda, usamos um algoritmo para ancorar no início do impulso, que, via de regra, é o início de tendência local. Vamos considerar o algoritmo em si mais tarde. Por enquanto, estamos interessados nos resultados do teste do Expert Advisor: primeiro, um teste usando o módulo de ancoragem no início de tendência (reduzimos a probabilidade de entrada na zona de sobrecompra/sobrevenda), em seguida, um teste com este módulo desativado (removemos tal proteção na forma de âncora, aumentando assim a probabilidade de entrar nessas zonas, isto é, na "cauda" da tendência).

Testaremos o pior cenário possível para ser o mais realista possível. Vamos dar um exemplo especial em que o lucro inicial é negativo.

Resultados do primeiro teste (resultados gerais e gráfico de saldo):


Resultados do primeiro teste


Fig. 3. Resultados gerais do teste com ativação do módulo de redução do risco de entrada em zona de sobrecompra/sobrevenda


Resultados do primeiro teste (saldo)

Fig. 4. Gráfico de alteração de saldo (depósito) com o módulo habilitado para minimizar o risco de entrada na zona de sobrecompra/sobrevenda


As Fig. 3 e 4 mostram os resultados e o gráfico do primeiro teste com módulo de minimização de risco de entrada na zona de sobrecompra/sobrevenda habilitado. Não nos confundamos com a falta de lucro no primeiro teste, uma vez que, em primeiro lugar, é usado um Expert Advisor projetado para pesquisa e não, para negociação real. E, em segundo lugar, é importante para nós quais serão as consequências no pior dos casos.

Agora, vamos desativar o módulo de segurança especificado e testar o Expert Advisor.

Resultados do segundo teste (resultados gerais e gráfico de saldo):


Resultados do segundo teste

Fig. 5. Resultados gerais ao desabilitar o módulo para minimizar o risco de entrada em zonas de sobrecompra/sobrevenda


Resultados do segundo teste (saldo)

Fig. 6. Gráfico de saldo (depósito) com o módulo desabilitado para minimizar o risco de entrada em zonas de sobrecompra/sobrevenda


As figuras 5 e 6 mostram os resultados do segundo teste, no qual desabilitamos deliberadamente o módulo que minimizava os riscos associados à abertura de uma posição na zona de sobrecompra/sobrevenda.

Vamos comparar os resultados desses dois testes com base em vários parâmetros importantes e exibi-los no gráfico a seguir:

Gráfico de deterioração de parâmetros (eficiência de negociação)

Fig. 7. Gráfico de deterioração de parâmetros (eficiência de negociação), ao ignorar os riscos de entrada em zonas de sobrecompra/sobrevenda


Na Fig. 7, os resultados do primeiro teste são do nível "1" (mesmo nível inicial para todos os parâmetros), e os resultados do segundo teste são dos níveis "2", "3", "4". Como podemos ver no gráfico (teste 2 versus teste 1), ignorar o risco associado à abertura de uma posição dentro de zonas de sobrecompra/sobrevenda leva a consequências negativas. Neste caso, indicadores importantes pioraram significativamente em relação aos resultados do primeiro teste. Não importa que eles tenham sido inicialmente negativos, é importante que tenham piorado significativamente em comparação com os indicadores iniciais:

Número “1” — resultados do teste 1, nível de base (para cada parâmetro obtido com o módulo operacional para minimizar este risco) em relação ao qual os indicadores do teste 2 foram alterados.

Número "2" — resultado geral da negociação, uma deterioração de 168%.

Número "3" — rebaixamento do depósito (com aumento do valor máximo de levantamento), deterioração de 97%.

Número "4" — fator de recuperação, deterioração de 67%.

Assim, usando um exemplo prático, ficamos convencidos de que se nenhuma medida especial for tomada, então, dada a não estacionariedade do mercado, algumas das entradas serão na zona de sobrecompra/sobrevenda, o que piorará o resultado financeiro da negociação.

A seguir, consideraremos as consequências da saída do mercado (fechamento das posições abertas existentes) em zonas de sobrecompra/sobrevenda.


Consequências de sair do mercado em zonas de sobrecompra/sobrevenda

Se a entrada no mercado em zonas de sobrecompra/sobrevenda está associado a grandes riscos (certamente prejudicial para um trader), então a saída do mercado (fechamento de uma posição existente) nessas zonas, pelo contrário, é bom, pois reduz os riscos de investimento. Claro, tudo depende da precisão com que o indicador seja ativado. Já explicamos anteriormente que quanto mais próximo o ponto de saída estiver do extremo da tendência (tanto em termos de tempo quanto em termos de amplitude), menores serão os riscos. Os fatores de tempo e amplitude estão interrelacionados numa parte específica da tendência ou correção: se o ponto estiver mais próximo do extremo em termos de tempo, então ele (claro, levando em consideração a inclinação da linha do gráfico para o eixo do tempo) estará mais próximo desse extremo em termos de amplitude.

Vamos considerar isso num exemplo específico de sobrevenda:


Fechando uma posição na zona de sobrevenda

Fig. 8. Fechando uma posição na zona de sobrevenda com diferentes indicadores


Na Fig. 8, existem duas variantes de fechamento de uma posição Sell, onde:

(A-B) — a amplitude da tendência de baixa,

início da seta vermelha — ponto de entrada Sell (entrada condicional imediatamente após a formação do fractal de suporte para o movimento de preço para baixo),

ponto 1 — ponto de fechamento de posição Sell com base na ativação dos indicadores Stochastic, RSI (previsão antecipada do fim da tendência),

ponto 2 — ponto de fechamento de posição Sell com base na ativação do indicador MACD (previsão tardia do final da tendência).

Como podemos ver (nos dados históricos), a saída do mercado no ponto 1 parece prematura: como resultado, obtemos cerca de 50% do lucro máximo possível, e a saída do mercado, embora tardia, como resultado, dá cerca de 70% do lucro máximo possível. Ou seja, na prática, mesmo um sinal de atraso pode ser mais lucrativo se estiver mais próximo do extremo do fim da tendência do que um sinal adiantado. 

Mas o problema é que poderemos comparar a eficácia desses dois sinais só com base em dados históricos, ou seja, somente quando a tendência já tiver se invertido, sendo que nesse momento não poderemos usar o 1º sinal. Portanto, numa situação real, nós:

— quer usamos o primeiro sinal imediatamente após ele aparecer (fechamento de uma posição no ponto 1 da Fig. 8),  

— quer ignoramos o primeiro sinal (por exemplo, usamos o indicador MACD como um filtro: no ponto 1 ele não confirma as ações dos indicadores Stochastic e RSI) e fechamos a posição no ponto 2 da Fig. 8.

Conclusões:

Fechar uma posição (sair do mercado) na zona de sobrecompra/sobrevenda é útil, pois os riscos de investimento são reduzidos.

Em outras palavras, se o fechamento ocorrer com base numa previsão adiantada do fim da tendência, então em caso de slippage de preços, obteremos lucro adicional, pois há uma margem de "movimento" indo com a tendência (amplitude residual da tendência). No caso de fechar uma posição com base na previsão tardia do final da tendência, tudo depende da distância em relação ao extremo da tendência. Quanto mais longe o ponto de saída do mercado estiver do extremo da tendência (ou seja, quanto maior a correção), pior será o resultado da negociação.

Assim, o resultado da negociação dependerá do algoritmo de ações segundo o qual o trader usará os sinais dos indicadores para sair do mercado (claro, se ele os usar de alguma forma). Mas, uma parte significativa dos participantes dos mercados financeiros, em maior ou menor grau, usa indicadores ao negociar.

 A seguir, consideraremos os prós e os contras dos indicadores tradicionais para encontrar zonas de sobrecompra/sobrevenda. Vamos começar com os indicadores disponíveis no arsenal dos terminais populares para trading.


Prós e contras do uso de indicadores tradicionais para encontrar zonas de sobrecompra/sobrevenda

Os traders usam diferentes indicadores para identificar zonas de sobrecompra/sobrevenda. Vamos nos concentrar em alguns deles: RSI, Stochastic, Bollinger Bands, MACD, Momentum. No futuro, veremos que a precisão desses indicadores é baixa, porque geralmente os sinais estão atrasados e os atrasos podem ser críticos para uma situação de negociação particular.

A razão pela qual os indicadores tradicionais trabalham de maneira tão rústica é, antes de tudo, o ponto de partida arbitrário ao realizar cálculos baseados nas fórmulas embutidas nos algoritmos do indicador. Isso se deve ao fato de que o valor do período de cálculo nas fórmulas é fixo. No entanto, as flutuações reais do mercado têm um período, cuja magnitude muda constantemente, mesmo dentro de qualquer período. Ao não considerar tais características da dinâmica do mercado, usar indicadores tradicionais resulta na baixa precisão para determinar o início da zona de sobrecompra/sobrevenda, que só às vezes coincide com o final real da flutuação de preço de um instrumento financeiro. É por isso que, via de regra, algoritmos baseados em tais indicadores não permitem obter lucro estável numa área de teste significativa. Vamos verificar o trabalho dos indicadores - mencionados acima - com base em quatro tipos diferentes de tendências: 
  — tendência uniforme,
  — tendência ativa,
  — tendência mista (por exemplo, uniforme com elementos ativos),
  — tendência lateral.

Como não se sabe com antecedência qual indicador específico será mais eficaz no momento, observaremos o trabalho de todos os indicadores em grupo, em relação ao tipo de tendência. Iremos considerar os resultados do trabalho de um grupo de indicadores para identificar zonas de sobrecompra/sobrevenda em tendências de todos os tipos usando exemplos específicos - primeiro com configurações padrão. Mas como, com base na experiência, sabemos que a precisão dos indicadores tradicionais é baixa, tentaremos de alguma forma melhorar essa precisão (grupal) alterando as configurações do indicador, ou seja, usando novas configurações. A seguir, geraremos lógica de tais configurações usando ferramentas analíticas bem conhecidas.


Configurando um grupo de indicadores usando os valores da série Fibonacci

Os valores das séries de Fibonacci são amplamente utilizados pelos traders para identificar níveis de preços relevantes: correções, extensões e também como valores fixos para os períodos de cálculo das diferentes médias móveis.

Portanto, também será bastante lógico usar os valores da série de Fibonacci para configurar um grupo de indicadores tradicionais.

Lógica ao alterar as configurações do indicador: para melhorar a precisão com a qual são identificadas as zonas de sobrecompra/sobrevenda, é necessário que os sinais do indicador estejam mais próximos do final da tendência local (ou seja, mais perto do último extremo fractal da tendência). Considerando que os sinais dos indicadores podem ser adiantados e tardios (em relação a este extremo), então, em termos práticos, é necessário melhorar a "pontaria" dos indicadores, em cujo caso o alvo é um extremo da tendência. Para fazer isso, vamos alterar as configurações do indicador. Claro, essas serão configurações quase intuitivas com base numa avaliação visual. No entanto, aplicaremos certo tipo de lógica: usaremos os valores mais próximos (em relação às configurações padrão) da série de Fibonacci para ajustar os valores dos períodos de cálculo dos indicadores. Além disso, se necessário, usaremos o tipo de preço usado no cálculo do indicador. Também tentaremos vincular essas novas configurações às especificações de indicadores específicos.

Vamos considerar as novas configurações para cada indicador do grupo, aplicando a lógica mencionada.

Este "incansável" Stochastic: analisando a fórmula do indicador

O indicador Stochastic é um dos mais "ágeis" osciladores, o que geralmente leva a sinais excessivamente adiantados. Portanto, vamos "desacelerá-lo" um pouco. Para fazer isso, alteramos o parâmetro "desaceleração": em vez do valor 3, definimos o valor 5. Por que 5? Este é o número de Fibonacci ascendente mais próximo. Isso leva a certa suavização do gráfico do Stochastic, com uma desaceleração acrítica em sua reação às mudanças de preço. Nós "tranquilizamos" ligeiramente o Stochastic, reduzindo a probabilidade de sinais adiantados de zonas de sobrecompra/sobrevenda. Vamos dar uma olhada "dentro" deste indicador e tentar analisar seu modelo matemático. O indicador tem duas curvas (dois componentes) — rápido (%K) e lento (%D).

Fórmula do componente rápido do Stochastic:   

%K=((C- min)/(max⁡ - min⁡))*100;  

Onde:

C — último preço de fechamento,

min — preço mais baixo negociado durante o período “n” barras anteriores,

max — preço mais alto negociado durante o mesmo período (“n” barras anteriores),

%K — valor atual do componente rápido do Stochastic.

%D é uma média móvel em relação ao %K com um curto período de média. Podem ser usados diferentes tipos de média (simples, exponencial, suavizada, ponderada). Este é o componente lento do indicador.

O parâmetro "desaceleração" (que alteramos anteriormente) afeta a frequência dos sinais, quanto maior o valor do parâmetro, menos sinais indicadores próximos aos valores extremos.

Um sinal importante do indicador Stochastic é o cruzamento da curva de %K em relação à curva de %D. A curva de %K é mais rápida (sensível) do que a curva de %D (uma vez que a segunda é uma derivada da primeira). Outro sinal importante é o fato de as linhas do indicador estarem fora dos níveis 30 e 70 (ou 20 e 80) dos canais do indicador para avaliar as condições de sobrecompra/sobrevenda. Quanto às recomendações para o uso desses sinais, na análise tradicional eles podem diferir de fonte para fonte. Por isso, os traders os usam de maneiras diferentes, dependendo de suas preferências e experiências pessoais.

Vamos dar uma olhada no modelo matemático de dado indicador. Quais são os prós e os contras desse algoritmo? O modelo analítico é bastante simples, eis o que o indicador "faz": 

▪  encontra no histórico (a determinada profundidade de pesquisa fixa) os preços máximo e mínimo e determina a amplitude máxima de preço a determinada profundidade no histórico de cotações (max — min),

▪ encontra a amplitude atual em relação ao mesmo mínimo (C — min),

▪ em seguida, encontra a razão entre a amplitude atual e a amplitude máxima (isto é %K — componente rápido do indicador),

▪ depois, constrói uma média móvel com base nos valores de %K (isto é % D — componente lento do indicador).

Quais são as vantagens desse modelo?

Na verdade, o indicador determina a proporção ocupada pela amplitude atual em relação a uma certa amplitude de referência. Em princípio, é aplicada uma abordagem normal se a referência estiver correta.

Quais são as desvantagens?

A principal desvantagem é que o padrão de referência em relação o qual é feito o cálculo (max - min) não é totalmente correto, e eis o motivo. Os principais limites da amplitudes nos gráficos de instrumentos financeiros são fractais. E são eles (e os processos que ocorrem entre eles) que são indicadores importantes da dinâmica do mercado. Por isso, a amplitude de preço entre fractais com direções diferentes (isto é, tendência local anterior) "parece" um padrão de referência mais lógico. Ademais, no indicador Stochastic (como, aliás, em todos os indicadores tradicionais), a natureza fractal do mercado praticamente não é levada em consideração. Fractais (candles fractais) em seus algoritmos são levados em consideração da mesma forma que como outros candles ("como todo"). Mas, como disse um personagem famoso de um filme famoso, "somos irmãos, mas não somos iguais". E já vimos com um exemplo (resultados de teste na Fig. 7) que se agirmos sem vinculação ao nível fractal, o resultado da negociação se deteriora significativamente. Isso significa que os candles fractais têm um significado especial.

Assim, ao ignorar a fractalidade, consequentemente, surge a seguinte situação: a determinada profundidade arbitrária no histórico de cotações, é "medida" e usada uma certa amplitude (dentro do algoritmo do indicador) como referência. É correto isso? Essa é uma questão que dá passo a uma discussão grande, já que se trata de questões globais, como qual é a estrutura elementar para analisar a dinâmica dos preços de mercado (mas isso está além do escopo deste artigo).

Resultado: o indicador Stochastic (em geral) é um bom indicador. Apesar de o indicador não levar em consideração a fractalidade (o que é um problema "sistêmico" da análise tradicional), o indicador é bastante "ágil" e sensível. Isso é conseguido não apenas graças ao algoritmo do indicador (a comparação da amplitude é, em geral, a abordagem correta), mas também graças às configurações padrão (ao usar uma profundidade de pesquisa de dados baixa e uma média móvel com um período de cálculo pequeno), que, de fato, determina sua boa sensibilidade.

A seguir, consideraremos outros indicadores.

Indicadores Momentun e RSI

aqui, ao contrário, a tarefa é aumentar a sensibilidade, já que por padrão os indicadores têm um período de cálculo significativo igual a 14. Usamos a metodologia adotada anteriormente. Para fazer isso, diminuiremos o valor do período de cálculo do indicador (em vez de 14, usamos 8). Mas por que exatamente 8? Reduzimos o valor do período para o número de Fibonacci mais próximo (ignoramos o número 13 por estar muito próximo do valor de 14, o que quase não mudará nada) para obter os sinais adiantados dos indicadores. Além disso, para suavizar os gráficos dos indicadores, mudamos o tipo de preço usado no cálculo dos indicadores, quer dizer, em vez do preço de fechamento, usamos o preço normal. Por que usar um preço normal? Este é mais um valor de equilíbrio do que o preço de fechamento. Como resultado, o indicador RSI tem menos falsos positivos perto dos níveis importantes de 30 e 70, e o indicador Momentum melhora as reações a correções significativas em relação ao nível importante de 100. Por que estamos considerando configurar simultaneamente dois indicadores completamente diferentes? É penas porque, neste caso, as suas configurações coincidem (e nada mais), embora os algoritmos destes indicadores sejam completamente diferentes.

Indicador MACD: 

da mesma forma, vamos alterar as configurações deste indicador. Para reduzir o atraso das médias móveis usadas para calcular o indicador MACD, vamos alterar os valores das configurações padrão para os valores mais baixos mais próximos da série de Fibonacci. Como resultado, em vez das configurações (12,26,9 para o preço de fechamento), obtemos as configurações (8,21,5 para o preço normal), onde da esquerda para a direita estão os parâmetros do indicador MACD correspondentes: EMA rápida, EMA lenta, indicador SMA. 

Indicador Bollinger Bands: 

este indicador é baseado no desvio da média móvel. Por isso, vamos tentar regular este parâmetro em particular. Em vez do valor padrão de 2, definiremos o valor como 1, e, em vez do preço de fechamento, também definiremos o preço normal. Além disso, não há necessidade de diminuir o valor do período de cálculo do indicador (por padrão, 20), uma vez que a sensibilidade do indicador melhora significativamente sem ele. Isso é perceptível mesmo com um controle visual simples: com as novas configurações, as curvas extremas do indicador, de fato, tornam-se (mais ou menos!) médias móveis mais rápidas. Além disso, o indicador se torna mais apropriado para identificar áreas de tendência: as tendências agora estão fora das três curvas do indicador (a maioria das tendências, não uma parte menor delas, como nas configurações anteriores). Já se o preço está dentro de tal indicador, então este é o início das tendências ou zonas de consolidação, que (ao identificar uma tendência) podem ser ignoradas como zonas de dinâmica incerta. Visualmente, isso é muito mais conveniente do que procurar variações de preço dentro de uma zona que consiste em três curvas de dado indicador (com configurações padrão).

Bem, já definimos as configurações. Claro, elas não são o resultado de alguma otimização clássica de longo prazo, mas, sim, simplesmente alguma arrumação lógica preliminar dos parâmetros do grupo de indicadores para aumentar a "pontaria" em zonas de sobrecompra/sobrevenda. Vamos tentar, em princípio, entender se é possível melhorar de alguma forma o trabalho do grupo de indicadores tradicionais para encontrar essas zonas. 

Para o fazer, conforme acordado, iremos verificar o seu trabalho em diferentes tipos de tendências, o que nos dará a oportunidade de avaliar de forma mais completa os resultados a diferentes dinâmicas de preços de mercado.


Verificando o trabalho de um grupo de indicadores para encontrar zonas de sobrecompra/sobrevenda em vários tipos de tendências

Como cada indicador tem vários tipos de sinais, vamos primeiro entender isso.

Seleção do tipo de sinais dos indicadores.

Diferentes tipos de sinais indicadores são usados para identificar zonas de sobrecompra/sobrevenda. Como não existem regras rígidas na análise técnica tradicional, senão apenas recomendações gerais sobre o assunto, cada trader usa o tipo de sinais que ele mesmo considera corretos ou convenientes. Estes são os tipos de sinais:

▪ intersecção de duas curvas do indicador,

▪ nível de sinal sendo cruzado por uma das curvas do indicador (se o indicador tiver duas curvas),

▪ nível de sinal sendo cruzado pela curva do indicador (se o indicador tiver uma única curva),

▪ reversão da curva do indicador (se o indicador possuir uma curva única).

Usar a reversão da curva do indicador parece ser bom e, por isso, está disponível nas recomendações de alguns autores. No entanto, esses sinais costumam surgir muito cedo. O mais importante é que o próprio padrão de reversão da curva do indicador pode acabar sendo falso (corretivo, por analogia com uma correção do gráfico de preços). Portanto, neste trabalho, em vez de usarmos este tipo de sinais dos indicadores (embora às vezes a precisão fique prejudicada), usaremos os sinais dos indicadores mais confiáveis (em termos de identificação), com base no cruzamento de curvas ou uma curva cruzando um nível crítico.

Tipos de tendências.

Já nomeamos esses tipos de tendências (existem quatro). Avaliaremos o desempenho dos indicadores separadamente para cada tipo de tendência: primeiro com as configurações padrão, depois com as novas configurações que já definimos para cada indicador no grupo. 

Precisão da pesquisa de zonas.

A precisão da pesquisa de zonas de sobrecompra/sobrevenda será determinada pela distância (em barras, unidades de tempo de um determinado período gráfico) em relação ao tempo do extremo da tendência (máximo absoluto numa tendência de alta ou um mínimo absoluto numa tendência de baixa). Sinal de mais - sinal antecipado; sinal de menos - sinal atrasado. 

Atenção! A parte útil da tendência começa após a formação de um fractal de suporte, uma vez que tal fractal é o sinal mínimo do início de uma tendência futura.

Procura de zonas de sobrecompra/sobrevenda numa tendência uniforme (com configurações padrão).


Trabalho de indicadores numa tendência uniforme (configurações padrão)

Fig. 9. Indicadores trabalhando numa tendência uniforme para identificar zonas de sobrecompra/sobrevenda (configurações padrão)


A Fig. 9 mostra o trabalho dos indicadores tradicionais Stochastic, Momentum, RSI com configurações padrão (o indicador Bollinger Bands neste caso é usado com configurações modificadas, sendo que aqui é auxiliar, apenas para mostrar mais claramente a tendência de baixa: a tendência é inferior à curva inferior deste indicador).

Os momentos ativação do indicador são marcados com linhas vermelhas verticais. Como podemos ver, há bastantes ativações dos indicadores ao longo do tempo. Obtivemos os seguintes valores de erro na forma de desvios (em barras) do nível fractal mínimo de dada tendência local com sinal de mais — sinal antecipado, com sinal de menos — sinal atrasado): Stochastic "+12", Momentum "-7", MACD "-3", RSI "+4".

Agora vamos alterar as configurações do indicador. 

Procura de zonas de sobrecompra/sobrevenda numa tendência uniforme (com as novas configurações dos indicadores).


Trabalho de indicadores numa tendência uniforme (novas configurações)

Fig. 10. Indicadores trabalhando numa tendência uniforme para identificar zonas de sobrecompra/sobrevenda (novas configurações dos indicadores)


A Fig. 10 mostra o funcionamento dos mesmos indicadores, mas com novas configurações. 

Os momentos ativação do indicador são marcados com linhas vermelhas verticais. Como podemos ver, com as novas configurações, a difusão dos valores de ativação do indicador diminui significativamente. Obtivemos os seguintes valores de erro na forma de desvios (em barras) do nível fractal mínimo de dada tendência local com sinal de mais — sinal antecipado, com sinal de menos — sinal atrasado): Stochastic: era "+12", virou "+11", Momentum: era "-7", virou "-2", MACD: era "-3", virou "-1", RSI: era "+4", virou "+12" (sinal implícito, apenas toque do nível de ativação, por isso o ignoramos) e "-1". Como resultado, a magnitude da "cobertura" da tendência melhorou (aumento no comprimento da zona horizontal azul na Fig. 10 em relação à Fig. 9).

Assim, conforme aplicado ao tipo de tendência uniforme (neste caso), as novas configurações do indicador se mostraram mais eficazes do que as configurações padrão. Uma exceção é um sinal do indicador RSI, mas não é claro o suficiente (não houve cruzamento da curva do indicador do nível importante de 30, em vez disso, houve apenas um toque), e podemos ignorá-lo. Além disso, vamos nos lembrar desse aumento repentino do indicador RSI (precisaremos dessas informações mais tarde).

Agora faremos um trabalho semelhante em relação ao tipo de tendência ativo e veremos se as novas configurações são efetivas ali.

Procura de zonas de sobrecompra/sobrevenda numa tendência ativa (com configurações de indicador padrão).


Trabalho de indicadores numa tendência ativa (configurações padrão)

Fig. 11. Indicadores trabalhando numa tendência ativa para identificar zonas de sobrecompra/sobrevenda (configurações padrão)

A Fig. 11 mostra o trabalho dos indicadores tradicionais Stochastic, Momentum, RSI, Bollinger Bands com configurações padrão (o indicador Bollinger Bands também é usado como um indicador auxiliar, para mostrar mais claramente a tendência de alta: em relação à curva superior deste indicador).

Os momentos ativação do indicador são marcados com linhas vermelhas verticais. Como podemos ver, há bastantes ativações dos indicadores ao longo do tempo. Obtivemos os seguintes valores de erro na forma de desvios (em barras) do nível fractal mínimo de dada tendência local com sinal de mais — sinal antecipado, com sinal de menos — sinal atrasado): Stochastic: "+5" e "-1", Momentum: "0" — "boa pontaria" e "-10", MACD: "-4", RSI "+7", Bollinger Bands: "-10".

Como podemos ver, a difusão das ativações (sinais) dos indicadores é bastante grande.

Agora vamos alterar as configurações do indicador.

Procura de zonas de sobrecompra/sobrevenda numa tendência ativa (com as novas configurações dos indicadores).


Trabalho de indicadores numa tendência ativa (novas configurações)

Fig. 12. Indicadores trabalhando numa tendência ativa para identificar zonas de sobrecompra/sobrevenda (novas configurações dos indicadores)


A Fig. 12 mostra o funcionamento dos mesmos indicadores, mas com novas configurações.

Os momentos ativação do indicador são marcados com linhas vermelhas verticais. Como podemos ver, há uma grande difusão de ativações dos indicadores ao longo do tempo, mas a maioria deles "grudam" juntos, e a precisão dos sinais no grupo novamente piora por conta do indicador RSI. Obtivemos os seguintes valores de erro na forma de desvios (em barras) do nível fractal mínimo de dada tendência local com sinal de mais — sinal antecipado, com sinal de menos — sinal atrasado): Stochastic: era "+5" e "-1", virou "+4" e "-2", Momentum: era "0" e "-10", virou "+4" e "-2", "MACD: era "-4", virou "-2", RSI: era "+7", virou "+8", Bollinger Bands: era "-10", virou "-3".

Como podemos ver, quase todos os indicadores melhoraram o resultado. Além dos indicadores Stochastice e, principalmente, RSI, o sinal deste indicador está fora do "coro" geral de sinais de outros indicadores (na figura é mostrado com signos de interrogação e uma seta vermelha). 

Assim, em relação ao tipo de tendência ativa (neste caso em particular), em geral as novas configurações do indicador se mostraram com melhor desempenho do que as configurações padrão. Uma exceção (como no caso da tendência uniforme) é novamente o sinal "solitário" do indicador RSI. Vamos tomar nota sobre o indicador RSI não se comportar da melhor maneira novamente. É por causa desse indicador que a magnitude da "cobertura" da tendência não melhorou (uma ligeira diminuição no comprimento da zona horizontal azul na Fig. 12 em relação à Fig. 11). A precisão do indicador Stochastic piorou ligeiramente ao identificar essas zonas. Mas se não levarmos em consideração o indicador RSI, a situação geral melhora: a precisão do grupo ao encontrar zonas de sobrecompra/sobrevenda aumentou.

Agora complicamos a tarefa, faremos um trabalho semelhante em relação a uma tendência de estrutura mais complexa, uma tendência de tipo misto (em que existe tanto uma área com dinâmica uniforme como uma área com dinâmica ativa).

Procura de zonas de sobrecompra/sobrevenda numa tendência mista (com configurações padrão).


Trabalho de indicadores numa tendência mista (configurações padrão)

Fig. 13. Indicadores trabalhando numa tendência mista para identificar zonas de sobrecompra/sobrevenda (configurações padrão)


A Fig. 13 mostra o trabalho de um grupo de indicadores numa tendência de tipo misto: a primeira parte da tendência tem uma dinâmica relativamente uniforme, já a segunda parte da tendência é ativa. Para variar, também usamos o indicador CCI. Obtemos os resultados com as configurações padrão: Stochastic: "+3" e "-3", CCI: "-3", RSI: "+1", MACD: "-7". Aqui, o indicador MACD tem o pior resultado do grupo.

Vamos alterar as configurações dos indicadores.

Procura de zonas de sobrecompra/sobrevenda numa tendência mista (com as novas configurações dos indicadores).


Indicadores trabalhando numa tendência mista (novas configurações)

Fig. 14. Indicadores trabalhando numa tendência mista para identificar zonas de sobrecompra/sobrevenda (novas configurações)


A Fig. 14 mostra a operação do mesmo grupo de indicadores numa tendência de tipo misto, mas com novas configurações. Obtemos os resultados: Stochastic: era "+3" e "-3", virou — os mesmos valores, CCI: era "-3", virou "-2", RSI: era "+1", virou "-3", MACD: era "-7", virou "-5". Como resultado, de forma geral, a eficiência do trabalho melhorou, exceto para o indicador RSI. E, novamente, vamos prestar atenção ao indicador RSI, ele tem o pior resultado em termos de precisão na tendência de tipo misto (bem como ao trabalhar em todos os tipos de tendência anteriores).

Resta mais um tipo de tendência, a tendência lateral. Vamos tentar verificar o funcionamento dos indicadores também nessa tendência. Embora, muito provavelmente, não seja fácil, grande parte dessa tendência depende de sua amplitude, se a amplitude for significativa, então cada parte dessa tendência, de fato, pode se encaixar num dos tipos de tendência anteriores. Portanto, numa tendência assim, em princípio, é difícil falar em zonas de sobrecompra/sobrevenda, pois se a amplitude for insignificante (numa escala específica), então as seções de tendência serão muito arbitrárias. Mesmo assim, vamos tentar encontrar algo nesta versão difícil.

Trabalho de indicadores numa tendência lateral (primeiro com configurações padrão)

Procura de zonas de sobrecompra/sobrevenda numa tendência lateral (com configurações padrão).


Trabalho de indicadores numa tendência lateral (configurações padrão)

Fig. 15. Indicadores trabalhando numa tendência lateral para identificar zonas de sobrecompra/sobrevenda (configurações padrão)


A Fig. 15 mostra o funcionamento dos indicadores com as configurações padrão para encontrar zonas de sobrecompra/sobrevenda. Nesta tendência lateral, a parte "útil" da tendência (faixa horizontal azul) é útil para a posição de venda (não compra), uma vez que a amplitude dentro do canal é insignificante, e imediatamente após o fractal de suporte com movimento ascendente, foi gerado um candle de direção oposta e não apareceu uma tendência ascendente local (dentro do canal). 

Agora vamos alterar as configurações do indicador.

Procura de zonas de sobrecompra/sobrevenda numa tendência lateral (com as novas configurações dos indicadores).


Trabalho de indicadores numa tendência lateral (novas configurações)

Fig. 16. Indicadores trabalhando numa tendência lateral para identificar zonas de sobrecompra/sobrevenda (novas configurações dos indicadores)


A Fig. 16 mostra a operação do mesmo grupo de indicadores para encontrar zonas de sobrecompra/sobrevenda, mas com novas configurações. Vemos que a parte útil da tendência local (tendência de baixa, dentro do canal) se expande, enquanto a zona de incerteza da tendência, pelo contrário, diminui, o que indica um aumento na precisão de identificação dessas zonas.

Terminamos de verificar o trabalho de um grupo de indicadores em vários tipos de tendências. Não passou despercebido que o indicador RSI destacou pela baixa qualidade do trabalho, foi uma espécie de “bad boy” do grupo. Vamos ver qual é o motivo do trabalho desse indicador RSI.


O que há de "errado" com o indicador RSI? Analisando a fórmula do indicador

Para entender as peculiaridades do indicador RSI, vamos analisar sua fórmula matemática.

Aqui está a fórmula para o indicador RSI:

RSI=100 - (100/(1+RS));

Onde:

RS — valor da força relativa (razão entre o aumento do preço médio e a queda do preço médio no período.

RS=EMAup/EMAdn;

Onde:

EMAup — média móvel exponencial de todos os candles cujo fechamento é superior ao dos candles anteriores,

EMAdn — média móvel exponencial para todos os candles cujo fechamento é mais baixo do que os candles anteriores.

A análise da fórmula do indicador mostra claramente por que esse indicador teve um desempenho pior do que outros na hora de identificar zonas de sobrecompra/sobrevenda em tendências de vários tipos (pelo menos em nossos exemplos). As razões são as seguintes:

▪ Em primeiro lugar, o preço não está envolvido no cálculo do indicador RSI como parâmetro de mercado primário (é usado a razão entre os parâmetros secundários: médias móveis, além das exponenciais), o que, obviamente, piora a precisão do indicador. Além disso, para gerar médias móveis são usadas amostras separadas ("por partes") a partir da matriz de cotações.

▪ Em segundo lugar, em si o núcleo lógico do indicador (parâmetro "RS") está profundamente "enterrado" dentro do algoritmo - está no denominador da fórmula de cálculo do RSI, e sua influência é enfraquecida pelo fato de que o parâmetro não é usado sozinho). Isso, junto com a normalização usada no indicador (limites de 0 a 100), reduz a sensibilidade do indicador. 

Portanto, podemos fazer uma suposição cautelosa de que o indicador RSI é melhor para usar não como um indicador de sinal, mas como um filtro auxiliar, e os pontos que determinam os sinais do sistema de negociação são mais bem encontrados usando outros indicadores. Por que uma suposição "cautelosa"? Porque, para uma declaração categórica, é necessário realizar uma pesquisa de volume sobre este indicador (em diferentes timeframes e diferentes instrumentos financeiros). No entanto, considero meu dever alertar os participantes do mercado contra a confiança na eficácia absoluta deste indicador amplamente apregoado (pelo menos como um indicador de sinal).

Já vimos com as nuances da "matemática" do indicador RSI, e agora voltaremos ao trabalho de grupo de nosso grupo de indicadores.


Resultados da avaliação da precisão da detecção de zonas de sobrecompra/sobrevenda, dependendo das configurações e do tipo de tendência

E avaliamos a precisão ao identificar zonas de sobrecompra/sobrevenda (também a parte útil da tendência) usando a escala de tempo (distância em barras em relação ao tempo do extremo da tendência). Agora vamos ver como a precisão da identificação de tais zonas afeta o desempenho da "cobertura" da amplitude da tendência.


Indicador de cobertura de amplitude de tendência

Fig. 17. Indicador de cobertura de amplitude de tendência


A Fig. 17 mostra o gráfico EURUSD, como um indicador de trabalho para encontrar a zona de sobrecompra é usado o indicador Stochastic com configurações padrão. Como neste caso há uma tendência local de alta, assumiremos uma posição de compra:

Este exemplo mostra como a precisão da identificação da zona de sobrecompra afeta a eficiência da negociação. As designações são as seguintes:

1 — amplitude total da tendência (claro, a amplitude do fractal de suporte — neste caso, fractal down — não é levada em consideração, uma vez que a tendência se torna "visível" (ou melhor, ligeiramente distinguível) somente após a formação desse fractal),

2 — amplitude útil da tendência (é a amplitude que determina o lucro, desde que fechemos a posição de compra no ponto mostrado pela seta vermelha),

3 — amplitude da tendência residual (esta é a amplitude que é "perdida", se, claro, o trader usa o sinal indicador Stochastic como o início da zona de sobrecompra e fecha a posição).

Na fórmula mostrada na Fig. 17, pode-se observar que quanto maior a precisão de identificação da zona de sobrecompra, maior será o índice de cobertura da amplitude da tendência (e, portanto, maior a eficiência de negociação). 

É claro que quanto mais ativa a tendência (ou seja, quanto maior o ângulo de desvio da tendência em relação ao eixo do tempo, independentemente de ser uma tendência de alta ou de baixa), maior será o ganho vindo de aumentar a precisão de identificação de zonas de sobrecompra/sobrevenda, uma vez que numa tendência ativa há mais amplitude de um candle (barra) do que em outros tipos de tendência. Na prática, a maior parte da "vida" dos mercados não são tendências ativas, senão de outros tipos: mista, uniformes, laterais. Portanto, se considerado o tipo de tendência, o ganho na precisão da identificação de tais zonas pelo parâmetro "tempo" nem sempre dará um ganho perceptível baseado na amplitude. Ao levar em consideração o volume de tal análise (magnitude do ganho com base na amplitude dependendo da precisão da fixação das zonas pelo tempo), nós nos restringimos a entender a precisão aplicada ao fator de tempo. Além disso, não estamos analisando um sistema de negociação específico, mas, sim, a operação de um conjunto arbitrário de indicadores. Nossa tarefa é determinar as capacidades desse grupo de indicadores para identificar zonas de sobrecompra/sobrevenda, dependendo das configurações do tipo de tendência.

No entanto, a fórmula mostrada na Fig. 17 pode ser usada para avaliar o desempenho de qualquer sistema de negociação como complementar aos parâmetros de avaliação padrão. 

Vamos avaliar os resultados da alteração da precisão da detecção de zonas de sobrecompra/sobrevenda por parte de um grupo de indicadores ao alterar suas configurações (iniciais - por padrão, novas - com base nos valores mais próximos da série de Fibonacci), com base no parâmetro de tempo (totais de todos os tipos de tendências).

Gráfico para melhorar a precisão da identificação de zonas de sobrecompra/sobrevenda

Fig. 18. Gráfico para melhorar a precisão da detecção de zonas de sobrecompra/sobrevenda (por um grupo de indicadores), dependendo das configurações e do tipo de tendência


A Fig. 18 mostra um gráfico da mudança (aumento) na precisão da detecção de zonas de sobrecompra/sobrevenda, dependendo das configurações e do tipo de tendência A escala horizontal corresponde ao nível inicial de precisão (com as configurações padrão do grupo de indicadores). 

Escala vertical — quantidade de mudança na precisão (com novas configurações do indicador) em relação ao nível inicial (com as configurações padrão). Cada tipo de tendência tem sua própria cor.

Linha verde — mudança na precisão em uma tendência uniforme. Linha azul — mudança na precisão de uma tendência ativa. Linha roxa — mudança na precisão numa tendência mista. Linha laranja — mudança na precisão numa tendência lateral.

Que conclusões podem ser tiradas deste gráfico? Não acho que seja possível tirar conclusões sérias sobre os valores absolutos do aumento na precisão - frequentemente dizem que "se a tendência for mista, o aumento na precisão será menor do que para outros tipos de tendência" (isso requer pesquisa global). Mas é possível afirmar de forma bastante definitiva que, com as novas configurações, a precisão ao identificar zonas de sobrecompra/sobrevenda é, em princípio, maior (neste caso, não menos de um quarto, em relação às configurações padrão). 


Conclusões sobre o trabalho dos indicadores tradicionais para encontrar zonas de sobrecompra/sobrevenda

Em exemplos específicos, vimos que, com as configurações padrão, os indicadores tradicionais, quando usados para identificar o início de zonas de sobrecompra/sobrevenda, mostram uma precisão bastante baixa. Em muitos casos, os sinais do indicador são muito adiantados (o que reduz significativamente os lucros devido à perda de grande parte da amplitude da tendência) ou significativamente tardios (o que reduz significativamente a probabilidade de obter lucro em geral devido à reversão da tendência existente).

Verificamos que o motivo do trabalho um tanto rústico dos indicadores tradicionais deve ser buscado em seus modelos matemáticos, que praticamente não levam em consideração a natureza não estacionária do processo de movimentação dos preços. Os algoritmos de tais indicadores ignoram completamente os fatores-chave dentro da estrutura das tendências nos mercados financeiros, ou seja, não levam em consideração a fractalidade do início e do fim das tendências, não detalham (mas levam em consideração muito superficialmente) a dinâmica das mudanças nos parâmetros dos candles que compõem as tendências, em particular, nas áreas de formação de zonas de sobrecompra/sobrevenda.

Em vez disso, para começar a calcular os valores do indicador, é usado um ponto de referência arbitrário (não fractal) ao calcular de acordo com a fórmula embutida no algoritmo de um indicador em particular. Como resultado, o cálculo do valor do indicador pode começar não estritamente no início da tendência, mas, sim, no meio da tendência atual, ou capturar uma parte da tendência anterior, o que distorce muito o resultado da previsão. Isso se deve ao fato de que o valor do período de cálculo nas fórmulas do indicador, na maioria dos casos, é fixo, e cada trader muda arbitrariamente, à sua maneira, o valor do período de cálculo do indicador (ou seja, a profundidade de uso dos dados históricos). 

No entanto, o mercado "vive" de acordo com suas próprias leis - as flutuações reais do mercado têm um período (e frequência, como magnitude reversa) cuja magnitude não é fixa, mas muda constantemente, mesmo dentro de um pequeno intervalo de tempo. Nessas condições, a vinculação ao início da tendência parece algo bastante razoável. 

Ao não considerar características "naturais" da dinâmica do mercado, o uso de indicadores tradicionais resulta numa baixa precisão na hora de definir a zona de sobrecompra/sobrevenda, que só às vezes coincide com o final real da tendência local. É por isso que os sistemas de negociação automáticos baseados em tais indicadores tradicionais não permitem obter um lucro estável durante um longo período de teste. 

Claro, sistemas de negociação que não têm um limite de risco (stop loss) não contam - aí alguém pode às vezes mostrar resultados fantásticos em termos de lucratividade, mesmo quando usando indicadores tradicionais, ignorando os rebaixamentos. Mas na negociação real não será possível ignorar os riscos, uma vez que, ao não usar um stop-loss, tais rebaixamentos, mais cedo ou mais tarde, irão destruir o depósito do trader (eu confirmo com minha experiência pessoal testando muitos sistemas de negociação diferentes).

Para melhorar o desempenho dos indicadores para localizar zonas de sobrecompra/sobrevenda, aplicamos um método simples sem qualquer otimização preliminar, em vez das configurações padrão, usamos novas configurações (também corrigidas). Em essência, o valor dessas configurações foi alterado para os valores mais próximos da série de Fibonacci. E mesmo essas simples mudanças tornaram possível, em nada menos que um quarto, aumentar a precisão ao identificar zonas de sobrecompra/sobrevenda com base no parâmetro "tempo". 

Os resultados dos testes também foram a base para analisarmos mais detalhadamente o trabalho de dois indicadores (neste caso, o melhor e o pior). Uma análise detalhada das fórmulas matemáticas desses indicadores (Stochastic e RSI) revelou os motivos que afetam sua qualidade. 

Por exemplo, descobriu-se que o modelo matemático do indicador Stochastic tem um bom desempenho, mesmo com as configurações padrão.

Ao mesmo tempo, mostrou-se que o trabalho do conhecido indicador RSI como um indicador de sinal parece ser problemático justamente por causa de seu modelo matemático. Por isso, este indicador, apesar da sua grande popularidade, pode apresentar algumas limitações de utilização (aliás, não só na procura de zonas de sobrecompra/sobrevenda, mas também ao trabalhar em geral). A análise do modelo matemático ajudou a demonstrar que é mais lógico usar o indicador RSI como um filtro geral - não usar as interseções de pontos dos níveis do indicador (o modelo do indicador, em princípio, não fornece alta sensibilidade), mas, sim, a faixa dos valores do indicador.


Novas abordagens para melhorar a eficiência da pesquisa de zonas de sobrecompra/sobrevenda

Então, qual deve ser exatamente a novidade das abordagens para determinar as zonas de sobrecompra/sobrevenda? Vamos formular requisitos gerais. Já que falamos sobre a necessidade de levar em consideração os fractais (o início e o fim de uma tendência), bem como a de analisar os elementos dentro de uma tendência, podemos falar sobre a análise fractal de candles.


Requisitos gerais para o algoritmo do indicador para encontrar zonas de sobrecompra/sobrevenda ao usar a análise fractal de candles

Dadas as desvantagens dos métodos tradicionais para encontrar zonas de sobrecompra/sobrevenda, pode ser recomendado:

▪ É necessário um ponto zero de suporte relevante para calcular os valores da função de qualquer indicador (a qualquer momento). Que quer dizer ponto zero? Claro, é o extremo do fractal de suporte. Por que o extremo do fractal? Porque são esses níveis que são marcas claras da dinâmica do mercado percebidas pelos participantes do mercado como fundamentais (por exemplo, para definir um stop-loss). Já dissemos que é a ausência de tais pontos de pivô nos algoritmos de cálculo dos valores dos indicadores tradicionais que reduz a precisão para encontrar zonas de sobrecompra/sobrevenda.

▪ O valor do período de cálculo para os indicadores tradicionais é fixo, e o processo real de movimento dos preços tem uma frequência (e, portanto, um valor de período de cálculo) que muda constantemente. Isso causa erros inevitáveis de tais indicadores ao identificar zonas de sobrecompra/sobrevenda. 

▪ De acordo com a teoria do equilíbrio de impulso, um candle não é uma estrutura elementar completa para analisar a dinâmica do mercado, e os padrões da análise tradicional de candle nem sempre são adequados para análise, já que um candle é um elemento de tais padrões. O candle, apesar da simplicidade de exibição das informações, tem desvantagens significativas: dentro do candle não são visíveis níveis importantes de fractal. Além disso, os níveis de candle “Open” e “Close” são quase sempre não fractais, o que requer uma análise adicional da dinâmica do preço após esses pontos. A fim de reduzir de alguma forma o papel desses fatores negativos, a análise de candles dentro de uma tendência deve levar em consideração o seguinte:

é necessário analisar em detalhe a razão entre o corpo de cada candle em relação à sua amplitude (ela simplesmente caracteriza a atividade geral do processo, como uma microtendência, dentro do candle),

é necessário analisar a razão entre o valor de correção dentro do candle e sua amplitude total (ele simplesmente caracteriza a dinâmica do processo no último estágio da formação do candle, na véspera do início da formação do próximo candle de tendência),

é necessário aplicar uma abordagem multiescala integrada, ou seja, uma vez que os níveis de abertura e fechamento não são fractais, é necessária uma análise precisa adicional da dinâmica num período gráfico pequeno, tanto para analisar a atividade no último estágio de formação e fechamento do candle (maior anterior), e para analisar a atividade após a abertura do próximo candle.

▪ Agora com relação à estrutura do sistema analítico para encontrar zonas de sobrecompra/sobrevenda. 

De acordo com as disposições da teoria do equilíbrio por impulso, o algoritmo de qualquer sistema analítico ou de negociação deve ser multimodelo (uma vez que o movimento do preço de qualquer instrumento financeiro é um processo não estacionário complexo que não pode ser descrito por nenhum algoritmo simples). Isso se aplica totalmente aos algoritmos para localizar zonas de sobrecompra/sobrevenda (o algoritmo de qualquer indicador tradicional é sempre uma modelagem simplificada da dinâmica do mercado). Quando essas zonas são identificadas, a dinâmica se mostra de muitas maneiras. Por isso, uma solução mais lógica para o problema de identificação de zonas de sobrecompra/sobrevenda é um certo algoritmo geral, consistindo de muitas variantes (algoritmos relativamente simples), unidas por uma função lógica "OU". Por que usar "OU lógico"? Porque cada variante (de uma situação que caracteriza o início de tal zona), teoricamente, pode se formar com a mesma probabilidade, e não sabemos de antemão qual variante se formará.

Anteriormente, foi mostrado que, para modelar a dinâmica do mercado (como um processo fractal não estacionário), a opção mais eficaz é uma combinação de análise de candle e fractal. Claro, não estamos falando de padrões clássicos de análise de candle, mas, sim, de soluções mais recentes nessa área.

Portanto, vamos prosseguir para métodos específicos para resolver nossa difícil tarefa.


Método associado à identificação de sinais de "frenagem" da tendência

No artigo anterior ("Como reduzir os riscos do trader"), foi mostrado que uma forma mais precisa de identificar zonas de sobrecompra/sobrevenda (em comparação com indicadores tradicionais) é identificar sinais de "frenagem" dentro da tendência local atual de acordo com os seguintes critérios:

— diminuição da distância (tamanho de amplitude) entre os níveis de resistência fractal vizinhos (são necessários três fractais para comparar as amplitudes de duas áreas adjacentes),

— aumento da profundidade de correção dentro de uma vela, diminuição do corpo da vela (análise intra-vela);

— mudança na direção do deslocamento do pivô da vela em relação ao pivô da vela anterior (são necessárias três velas para isso).

Existe outro método, este é um método que usa uma âncora vinculada ao início de uma tendência (como um ponto de partida para futuras zonas de sobrecompra/sobrevenda). Vamos considerar o algoritmo para tal ancoragem.


Algoritmo para vinculação ao início de tendência

Na teoria do equilíbrio de impulso, é mostrado que um dos componentes importantes de um sistema analítico ou de negociação é o módulo de ancoragem ao início de um movimento ondulatório (ou seja, ao início de uma tendência local). Anteriormente, verificamos num exemplo específico (gráfico na Fig. 7) que desabilitar este módulo (ignorando com isso os riscos associados a "cair" em zonas de sobrecompra/sobrevenda) reduz significativamente a eficácia do sistema de negociação. Qualquer indicador é um sistema analítico que deve levar isso em consideração. E é precisamente por tal ancoragem estar ausente nos indicadores tradicionais que seu trabalho é impreciso.

Mas como usar esse parâmetro para encontrar zonas de sobrecompra/sobrevenda? Afinal, essa ligação é necessária, ao que parece, em primeiro lugar, prever o início de uma tendência de entrada no mercado. Mas resultou que a ancoragem ao início da tendência também é necessária para encontrar as zonas indicadas. Para fazer isso, é preciso se distanciar do início da tendência local, e isso aumentará a probabilidade de "atingir" a "cauda" do movimento (afinal, é disso que precisamos para identificar as zonas de sobrecompra/sobrevenda).

A Fig. 19 (abaixo) mostra o módulo de ancoragem ao início da tendência (como parte do EA Reduce_risks para MT5).

Um sinal do início da tendência prevista neste caso é o fato da média móvel cruzar um candle no histórico: em M1 - MA8, em M15 - MA5. O tamanho dos períodos de cálculo das médias móveis é selecionado a partir dos valores da série de Fibonacci.

Observe que a interseção (candles e MA) no gráfico M1 não está limitada a uma barra no histórico, mas é definida por um OU lógico - quer na barra anterior quer na 2ª barra do histórico quer na 3ª barra do histórico (em M1) Nesse caso, em М15 há uma variante de cruzamento, na barra anterior do histórico de cotações. Este conjunto de possíveis variantes é usado para levar em consideração, se possível, a multivariância de situações reais de mercado associadas ao desenvolvimento de uma tendência local em relação a tal interseção.

Este exemplo é mostrado para entrar no mercado (com ajuda deste algoritmo, reduzimos a probabilidade de cair numa zona de sobrecompra/sobrevenda). Esse algoritmo é universal, já que pode ser usado para movimentos de preços de alta e baixa, uma vez que o algoritmo (propositalmente) não leva em consideração a direção dos candles. 

Vamos considerar um fragmento de código do módulo de ancoragem ao início de tendência (na versão mql5):

int            handle_iMA_M1_period5;        // variable for storing the handle of the iMA indicator 
int            handle_iMA_M1_period8;        // variable for storing the handle of the iMA indicator 
int            handle_iMA_M1_period13;       // variable for storing the handle of the iMA indicator 
int            handle_iMA_M1_period60;       // variable for storing the handle of the iMA indicator 
int            handle_iMA_M15_period4;       // variable for storing the handle of the iMA indicator 
int            handle_iMA_M15_period5;       // variable for storing the handle of the iMA indicator 
int            handle_iMA_M15_period8;       // variable for storing the handle of the iMA indicator 
int            handle_iMA_H1_period24;       // variable for storing the handle of the iMA indicator 

...................................................................................................

 handle_iMA_M1_period5=iMA(m_symbol.Name(),PERIOD_M1,5,0,MODE_SMA,PRICE_TYPICAL);
//--- if the handle is not created 
   if(handle_iMA_M1_period5==INVALID_HANDLE)
     {
      //--- tell about the failure and output the error code 
      PrintFormat("Failed to create handle of the iMA indicator for the symbol %s/%s, error code %d",
                  m_symbol.Name(),
                  EnumToString(Period()),
                  GetLastError());
      //--- the indicator is stopped early 
      return(INIT_FAILED);
     }
//--- create handle of the indicator iMA
   handle_iMA_M1_period8=iMA(m_symbol.Name(),PERIOD_M1,8,0,MODE_SMA,PRICE_TYPICAL);
//--- if the handle is not created 
   if(handle_iMA_M1_period8==INVALID_HANDLE)
     {
      //--- tell about the failure and output the error code 
      PrintFormat("Failed to create handle of the iMA indicator for the symbol %s/%s, error code %d",
                  m_symbol.Name(),
                  EnumToString(Period()),
                  GetLastError());
      //--- the indicator is stopped early 
      return(INIT_FAILED);
     }



handle_iMA_M15_period5=iMA(m_symbol.Name(),PERIOD_M15,5,0,MODE_SMA,PRICE_TYPICAL);
//--- if the handle is not created 
   if(handle_iMA_M15_period5==INVALID_HANDLE)
     {
      //--- tell about the failure and output the error code 
      PrintFormat("Failed to create handle of the iMA indicator for the symbol %s/%s, error code %d",
                  m_symbol.Name(),
                  EnumToString(Period()),
                  GetLastError());
      //--- the indicator is stopped early 
      return(INIT_FAILED);
     }

..........................................................................................................


    //--- minimize the risks associated with entering the overbought zone at the entrance to the market
      //--- binding to the beginning of a wave to reduce probability of an entrance in a overbought zone:
      //---    the beginning of a wave - not further three bars in the history of data (M1)
      bool beginning_wave_M1=
                             (arr_MA_M1_period8[1]>rates_M1[1].low && arr_MA_M1_period8[1]<rates_M1[1].high) ||
                             (arr_MA_M1_period8[2]>rates_M1[2].low && arr_MA_M1_period8[2]<rates_M1[2].high) ||
                             (arr_MA_M1_period8[3]>rates_M1[3].low && arr_MA_M1_period8[3]<rates_M1[3].high);
      //---    the beginning of a wave - on the previous bar of the senior timeframe (M15)
      bool beginning_wave_M15=
                              MA_M15_period5_1>rates_M15[1].low && MA_M15_period5_1<rates_M15[1].high;


...............................................................................................................


 if(amplitude_candles_M1 && 
         amplitude_candles_M15 && 
         amplitude_channel_M15 && 
         activity_previous_bar_M1 && 
         local_resistance_overcome && 
         beginning_wave_M1 && 
         beginning_wave_M15 &&    
         ascending_direction_2nd_bar_M1 && 
         ascending_direction_previous_bar_M1 && 
         ascending_MA_5and60 && 
         hierarchy_of_three_MA && 
         current_price_is_higher_than_MA && 
         ascending_direction_of_the_previous_candle_M15 && 
         ascending_MA_period4 && 
         hierarchy_of_two_MA_M15 && 
         current_price_is_higher_than_MAperiod4_M15 && 
         current_price_is_higher_than_MAperiod24_H1 && 
         share_of_body_M15 && 
         restriction_of_depth_of_correction_M15 && 
         ascending_tendency_M15 && 
         existence_of_a_shadow_M15 && 
         share_of_body_M1 && 
         previous_candle_no_flat && 
         restriction_of_depth_of_correction_M1 && 
         ascending_a_tendency_M1 && 
         existence_of_a_shadow_M1)

Fig. 19. O módulo de ancoragem ao início da tendência.


 A Fig. 19 mostra o módulo de ancoragem ao início da tendência (como parte do EA Reduce_risks para MT5). Notação:

 arr_MA_M1_period8[1], arr_MA_M1_period8[2], arr_MA_M1_period8[3] — média móvel com um período de cálculo de 8, calculado com base nas barras anteriores, 2ª e 3ª (respectivamente) no histórico de cotações (tf М1),

MA_M15_period5_1 — média móvel com um período de cálculo de 5, calculado na barra anterior com base no histórico de cotações (tf М15),

rates_M1[1].low, rates_M1[2].low, rates_M1[3].low, rates_M1[1].high, rates_M1[2].high, rates_M1[3].high - extremos de candles nas barras correspondentes na histórico (tf М1),

rates_M15[1].low, rates_M15[1].high — extremos de candles na barra anterior (tf М15).                                 

Observe que na versão MQL5 o algoritmo é executado como um de dois estágios, primeiro, as condições de ancoragem ao início da tendência são definidas por variáveis separadas (bool beginning_wave_M1 e bool beginning_wave_M15) e, em seguida, os valores dessas variáveis são verificados no operador “if” (pelo lógico “AND” - destacado em verde). 

A seguir, aprenderemos como a âncora vinculada ao início de tendência pode ser usada para identificar áreas de sobrecompra/sobrevenda.


Método relacionado à distância desde o início da tendência

Assim, identificamos o início da tendência (claro, isso é uma previsão, pois nem toda tendência terá um desenvolvimento real). Agora precisamos descobrir como usar isso para identificar zonas de sobrecompra/sobrevenda.

Eis um método complexo que combina as soluções mencionadas anteriormente: uma âncora vinculada ao início de uma tendência, bem como a identificação de sinais de desaceleração de uma tendência (após o ponto de ancoragem). Ao usar essa variante simplificada deste método, a desvantagem é que tal indicador considerará também a primeira correção como uma zona de sobrecompra/sobrevenda. Portanto, para reduzir a probabilidade de sinais falsos do indicador, podemos usar a seguinte propriedade de tendência: 

A duração da tendência no tempo (mais precisamente, sua parte ativa) é o valor final que, na maioria dos casos, não é mais do que 10-15 barras de qualquer período gráfico (qualquer instrumento financeiro). 

Daí esta importante conclusão:

quanto mais o preço atual (em barras) se afasta do início da tendência (se aproximando dos números indicados), maior a probabilidade do fim da tendência (e maior a probabilidade de surgimento de um estágio inicial do final de tal tendência - e esta será a zona de sobrecompra ou sobrevenda - dependendo da direção da tendência). 

Essa distância significativa do início da tendência permite que você reduza o número de sinais falsos, ignorando as ativações mais próximas (em relação à âncora vinculada ao início da tendência).

 Claro, no caso de um aumento acentuado na amplitude do movimento do preço contra a tendência, o fator de distância se torna insignificante e devem ser levados em consideração os tipos de riscos associados aos impulsos reversos (a classificação dos riscos e os algoritmos correspondentes são fornecidos no meu artigo "Como reduzir os riscos do trader"). Esses são os seguintes tipos de risco: riscos associados à incerteza da amplitude dos movimentos dos preços após a entrada no mercado, bem como riscos associados à queda dos preços após a entrada no mercado. 


Fim do artigo

Isso completa a primeira parte do tópico "Métodos de localização de zonas de sobrecompra/sobrevenda". O que aprendemos de novo?

▪ Em primeiro lugar, esclarecemos a formulação do próprio conceito de tais zonas, do ponto de vista da natureza do processo de movimento dos preços de mercado, nomeadamente a sua fractalidade. 

▪ Estimamos as consequências de entrar no mercado dentro de tais zonas, bem como as consequências de fechar posições nessas zonas, assumindo que tais zonas são uma espécie de conceito mais amplo - zonas de incerteza (detalhes na teoria do equilíbrio de impulso).

▪ Examinamos o trabalho de um grupo de indicadores tradicionais para encontrar tais zonas, com configurações padrão e novas (com base nos valores mais próximos da série de Fibonacci). Além disso, a verificação era complexa, em tendências de vários tipos. Como as novas configurações foram propostas com base em suposições teóricas e não em testes de volume, elas não podem ser consideradas recomendações estritas ao negociar. Ao mesmo tempo, mesmo esses estudos preliminares mostraram que o uso dos valores das séries de Fibonacci para as configurações de indicadores tradicionais (por exemplo, os mais próximos em relação aos padrões), em geral, é um fator positivo para aumentar sua precisão, em particular, ao identificar zonas de sobrecompra/sobrevenda. Por isso, tais configurações podem ser usadas como valores iniciais para otimização volumétrica de sistemas de negociação usando indicadores tradicionais.

▪ Depois de analisar as fórmulas matemáticas de alguns indicadores do grupo, aprendemos que nem todos os indicadores podem ser usados como indicadores de sinal. Por exemplo, o modelo matemático do indicador RSI, infelizmente, é tal que, se o RSI fosse um termômetro, em vez de um valor de temperatura específico, veríamos apenas um confuso "agora quente" ou "agora frio". A razão é que o algoritmo deste indicador não usa dados primários (preços de mercado diretamente de qualquer variante de comparação), mas, sim, apenas secundários, médios (médias móveis). Além disso, essas médias móveis também são muito específicas, "cortadas", já que para seu cálculo não é utilizada uma série contínua de preços da faixa selecionada, mas, sim, apenas uma amostra dessa série contínua na mesma faixa. Portanto, foi feita uma suposição bem fundamentada de que o indicador RSI é mais conveniente para usar apenas como um filtro geral, em vez de um indicador de sinal. Ou seja, não é mais conveniente utilizar momentos de ativação (intersecção de suas curvas), mas, sim, uma gama mais ampla de valores de indicador, o que dá liberdade de escolher pontos ativação para outros indicadores. Talvez este fato seja do interesse de muitos investidores que usam o indicador RSI, que é um "veterano" da análise técnica tradicional. 

▪ Ao mesmo tempo, aprendemos que os indicadores, cujos algoritmos são a base para analisar e comparar diretamente dados primários (e, mais importante, as amplitudes de diferentes intervalos consecutivos do gráfico), têm maior precisão ao identificar zonas de sobrecompra/sobrevenda, e também têm maior flexibilidade (sensibilidade) ao mudar configurações. Um exemplo de tal indicador é o Stochastic, cujo uso como sinal parece bastante justificado.

▪ Algumas novas abordagens também foram propostas para melhorar a precisão ao identificar zonas de sobrecompra/sobrevenda. É proposta uma análise fractal de candle complexa: vinculação algorítmica ao início de tendência, distância e análise do estado da dinâmica de uma escala menor (cada candle da tendência atual é considerado um impulso de uma escala menor).

Implementação prática.

▪ O indicador do autor para encontrar zonas de sobrecompra/sobrevenda, desenvolvido com base nos métodos indicados neste artigo, pode ser encontrado no Mercado

▪ O artigo usa os algoritmos do EA "Reduce_risks" (versão mql5, conforme editado por Vladimir Karputov) - os códigos estão no apêndice (timeframe M1). 

No artigo "Como reduzir os riscos do trader" e aqui são descritos em mais detalhes. IMPORTANTE! Este Expert Advisor foi projetado apenas para fins de pesquisa e não se destina a negociações reais!


Na segunda parte do artigo "Sobre os métodos de localização de zonas de sobrecompra/sobrevenda", planeja-se considerar as seguintes questões: 

▪ Prós e contras do uso de indicadores tradicionais para encontrar zonas de sobrecompra/sobrevenda ao usar as seguintes ferramentas de análise: 

  • médias móveis adaptativas, 
  • níveis de Fibonacci, 
  • divergências, 
  • padrões gráficos, 
  • bem como a possibilidade de dar um uso complexo a esses métodos.

▪ Problemas para aumentar a eficiência dessas ferramentas analíticas.


Traduzido do russo pela MetaQuotes Software Corp.
Artigo original: https://www.mql5.com/ru/articles/7782

Arquivos anexados |
Reduce_risks.mq5 (114.03 KB)
Últimos Comentários | Ir para discussão (1)
Marcus Ataide
Marcus Ataide | 7 out 2020 em 22:47
Hello the indicator published by Aleksandr on the market only works for MT4?
Luta pela velocidade: QLUA vs MQL5 - por que o MQL5 é 50 a 600 vezes mais rápido? Luta pela velocidade: QLUA vs MQL5 - por que o MQL5 é 50 a 600 vezes mais rápido?

Para comparar as linguagens MQL5 e QLUA, escrevemos vários testes que medem a velocidade de execução de operações básicas. Nos testes, usamos um computador com Windows 7 Professional 64 bits, MetaTrader 5 build 1340 e QUIK versão 7.2.0.45.

Trabalhando com séries temporais na biblioteca DoEasy (Parte 44): classe-coleção de objetos de buffers de indicador Trabalhando com séries temporais na biblioteca DoEasy (Parte 44): classe-coleção de objetos de buffers de indicador

Neste artigo, veremos a criação de uma classe-coleção de objetos de buffers de indicador, testaremos tanto as possibilidades de criar qualquer quantidade de buffers para programas-indicadores quanto as de trabalhar com eles (o número máximo de buffers que podem ser criados em indicadores MQL é de 512 buffers).

Conjunto de ferramentas para marcação manual de gráficos e negociação (Parte I). Preparação - Descrição da Estrutura e Classe Auxiliar Conjunto de ferramentas para marcação manual de gráficos e negociação (Parte I). Preparação - Descrição da Estrutura e Classe Auxiliar

Neste artigo, começaremos a ver um conjunto de ferramentas para marcação gráfica usando atalhos de teclado. É bastante conveniente: clicaremos num botão e aparecerá uma linha de tendência, clicaremos noutro e aparecerá um leque de Fibonacci com os parâmetros desejados. Também poderemos alternar timeframes, mudar a ordem das "camadas" de objetos ou remover todos os objetos do gráfico.

Aplicação prática de redes neurais no trading Aplicação prática de redes neurais no trading

O artigo discute os principais pontos para integrar as redes neurais e um terminal de negociação, providenciando criar um robô de negociação robusto.