Strategi pengecaman morfologi berdasarkan lesen masa yang dinamik

• #### 1. Pengenalan bentuk

Teori analisis teknikal berasaskan tiga andaian penting:

(1) Harga saham mengandungi semua maklumat pasaran

(2) Harga saham bercambah

(3) Sejarah akan berulang

Titik ketiga menggambarkan bahawa harga saham atau indeks dalam pergerakan jangka panjang, akan berulang kali muncul beberapa kegemilangan tertentu kegemilangan atau pola, mengkaji corak ini mempunyai nilai rujukan penting untuk penilaian awal pasaran selepas. Yang disebut kegemilangan kegemilangan, adalah pergerakan harga saham atau petunjuk lain dalam tempoh masa tertentu, seperti kenaikan, penurunan, kegemilangan.

Dari sudut pembiayaan tingkah laku, peraturan tingkah laku kumpulan seperti kesan pembuangan atau kesan kawanan secara objektif wujud di pasaran. Pasaran adalah hasil dari banyak permainan pelabur, walaupun sasaran pelaburan berubah-ubah, piawaian yang sama juga sentiasa berubah, tetapi sifat manusia tidak berubah, psikologi perdagangan tidak berubah, pemikiran orientasi dan psikologi spekulasi yang dibentuk oleh pelabur dalam proses membuat keputusan menyebabkan sejarah terus berulang. Analisis teknikal kebanyakannya berdasarkan analisis dan penggabungan data sejarah, cuba untuk menggali undang-undang dari sejarah untuk mengarahkan keputusan masa depan.

Secara keseluruhannya, bentuk saham mencerminkan bukan sahaja maklumat mengenai perubahan asas saham, tetapi juga psikologi pelaburan kumpulan pelabur pasaran, yang mengandungi logik perdagangan. Oleh itu, pergerakan harga saham akan menunjukkan bentuk yang serupa, dan saham yang berbeza dengan bentuk yang serupa sering menunjukkan pergerakan yang serupa di masa depan.

Berdasarkan teori analisis teknikal untuk mengenal pasti bentuk pergerakan harga saham dan membuat ramalan, masalahnya adalah bahawa banyak kaedah analisis teknikal bergantung pada penilaian pengalaman, sukar untuk kuantifikasi, dan bahkan para penganalisis teknikal yang berbeza akan membuat kesimpulan yang bertentangan dengan bentuk pergerakan yang sama. Kami cuba menyelesaikan masalah ini dengan menggunakan algoritma pengenalan bentuk.

• ### 2. Algoritma pengenalan bentuk

Pengenalan bentuk, serupa dengan pengenalan suara, pada dasarnya adalah menangkap dan mengenali ciri bentuk gelombang. Algoritma pengenalan yang lebih biasa digunakan adalah algoritma rangkaian saraf, algoritma yang berdasarkan pembelajaran mesin seperti algoritma Hynim Markov, dan juga kaedah penghakiman statistik berdasarkan petunjuk teknikal dan nilai maksimum fungsi.

Laporan ini menggunakan algoritma penyesuaian masa dinamik. Dalam bidang pengenalan ucapan automatik, kerana isyarat suara adalah isyarat yang mempunyai keacakan yang cukup besar, walaupun orang yang sama bercakap dengan perkataan yang sama, setiap kali pengucapan adalah berbeza, dan tidak mungkin mempunyai panjang masa yang sama. Oleh itu, apabila dipadankan dengan model yang disimpan, sumbu masa kata yang tidak diketahui harus diputar atau diputar secara tidak seragam, supaya ciri-cirinya sesuai dengan ciri-ciri templat.

Sebenarnya, dalam situasi aplikasi praktikal, terutama masalah pencocokan siri masa kewangan, seringkali tidak sepenuhnya konsisten pada garis masa, dengan kata lain, jika siri masa mempunyai persamaan dalam bentuk, tetapi terdapat perbezaan dalam pelonggaran atau amplitudo yang berpatutan dalam siri, kumpulan siri masa itu masih boleh dianggap serupa dan perlu dicocokan. Dengan pencocokan bentuk ini, analisis teknikal di pasaran mendapati bentuk yang serupa dengan trend semasa dalam sejarah data saham atau indeks saham besar, dan melihat pergerakan saham atau saham besar setelah bentuk-bentuk ini muncul dalam sejarah, dan akhirnya meramalkan pergerakan individu atau saham besar pada masa akan datang, membimbing keputusan perdagangan.

Untuk memahami algoritma penyesuaian masa dinamik, penting untuk memahami idea penyesuaian masa yang kuat, yang ditunjukkan sebagai berikut:

Garis biru dan hijau menunjukkan dua siri masa, dan berbanding dengan kaedah pengukuran jarak tradisional, pengaturan masa adalah memetakan titik masa satu atau lebih pasangan, sambil memenuhi syarat yang paling optimum. Selepas pemetakan seperti itu, pengaturan dilakukan pada paksi masa, sehingga jarak minimum antara dua siri masa, kesamaan maksimum.

Di tengah-tengah algoritma regulasi masa dinamik adalah mencari laluan yang optimum, yang perlu memenuhi syarat berikut:

(1) Syarat sempadan;

(2) Kesenjangan: permintaan yang tidak boleh melintasi satu titik untuk dipadankan, hanya boleh disesuaikan dengan titik berdekatan

(3) monoton: titik permintaan mestilah monoton mengikut masa

Kaedah perancangan dinamik dapat menghasilkan laluan optimum dan jarak minimum.

• ### 3. Strategi pengenalan bentuk

Menggunakan algoritma penyesuaian masa dinamik untuk mewujudkan fungsi pengenalan bentuk, berdasarkan bentuk standard yang dipilih oleh manusia, setiap hari perdagangan menggunakan algoritma pengenalan bentuk untuk mengira jarak bentuk saham A dari bentuk standard, kemudian memilih saham yang jaraknya kurang dari penurunan nilai dan membeli pada harga pembukaan hari itu, memegang lima hari dijual pada harga penutupan, jika harga penutupan jatuh lebih dari -5% pada suatu hari dalam proses memegang, dengan harga hentikan penutupan.

• ### 5. Kesimpulan

Strategi ini berdasarkan algoritma penyesuaian masa yang dinamik, menangkap bentuk saham yang serupa dengan bentuk pengalaman, membina portfolio saham. Pada masa pengkajian semula, ia memperoleh nisbah Sharpe 2.59 dan kadar pulangan tahunan 27.4%, menstabilkan indeks kemenangan besar yang ketara.

Dipetik dari Ketahui