Chiến lược nhận dạng hình dạng dựa trên quy luật thời gian động

Chiến lược nhận dạng hình dạng dựa trên quy luật thời gian động

• 1. Nhận dạng hình dạng

  Lý thuyết phân tích kỹ thuật dựa trên ba giả định quan trọng:

  (1) Giá cổ phiếu chứa tất cả thông tin thị trường

  (2) Giá cổ phiếu có xu hướng

  (3) Lịch sử sẽ lặp lại

  Điểm thứ ba mô tả giá cổ phiếu hoặc chỉ số trong một thời gian dài, sẽ lặp đi lặp lại một số hình dạng hoặc mô hình cụ thể, nghiên cứu các mô hình này có giá trị tham khảo quan trọng cho việc dự đoán sau thị trường.

  Từ quan điểm của tài chính hành vi, các quy tắc hành vi của các nhóm như hiệu ứng xử lý hoặc hiệu ứng đàn cừu đều tồn tại một cách khách quan trên thị trường. Thị trường là kết quả của việc chơi đùa của nhiều nhà đầu tư, mặc dù các chỉ số đầu tư rất biến động, cùng một chỉ số cũng đang thay đổi bất cứ lúc nào, nhưng bản chất con người không thay đổi, tâm lý giao dịch không thay đổi, tư duy định hướng và tâm lý suy đoán được hình thành bởi các nhà đầu tư trong quá trình ra quyết định dẫn đến sự lặp lại lịch sử. Phân tích kỹ thuật chủ yếu dựa trên phân tích và suy luận dữ liệu lịch sử, cố gắng khai thác các quy tắc từ lịch sử để hướng dẫn các kỹ thuật ra quyết định trong tương lai.

  Nói tóm lại, hình dạng cổ phiếu phản ánh không chỉ thông tin về sự thay đổi cơ bản của cổ phiếu, mà còn là tâm lý đầu tư của nhóm đầu tư thị trường, chứa logic giao dịch. Do đó, xu hướng giá cổ phiếu sẽ có hình dạng tương tự, và các cổ phiếu khác nhau có hình dạng tương tự thường sẽ có hình thức tương tự trong tương lai.

  Khó khăn trong việc xác định hình dạng và dự đoán về xu hướng giá cổ phiếu dựa trên lý thuyết phân tích kỹ thuật là nhiều phương pháp phân tích kỹ thuật dựa trên sự phán đoán kinh nghiệm, khó định lượng và thậm chí các nhà phân tích kỹ thuật khác nhau sẽ đưa ra kết luận ngược lại đối với cùng một hình dạng xu hướng. Chúng tôi đã cố gắng giải quyết vấn đề này bằng cách sử dụng thuật toán nhận dạng hình dạng.

• 2. Các thuật toán nhận dạng hình dạng

  Nhận dạng hình dạng, tương tự như nhận dạng giọng nói, về bản chất là việc bắt và nhận dạng các đặc điểm sóng. Các thuật toán nhận dạng phổ biến hơn là các thuật toán dựa trên máy học như neural network, ẩn Markov, cũng có các phương pháp thống kê dựa trên các chỉ số kỹ thuật và các giá trị cực của hàm.

  Báo cáo này sử dụng các thuật toán điều chỉnh thời gian động. Trong lĩnh vực nhận dạng giọng nói tự động, vì tín hiệu giọng nói là một tín hiệu có tính ngẫu nhiên khá lớn, kết quả phát âm mỗi lần, ngay cả khi cùng một người nói với cùng một từ, sẽ khác nhau và không thể có độ dài thời gian hoàn toàn giống nhau. Do đó, khi khớp với mô hình được lưu trữ, đường trục thời gian của từ không biết sẽ bị biến dạng hoặc cong không đồng đều để tính năng của nó phù hợp với tính năng mẫu.

  Trong thực tế, trong các trường hợp ứng dụng thực tế, đặc biệt là các vấn đề khớp của chuỗi thời gian tài chính, thường yêu cầu không hoàn toàn phù hợp trên đường trục thời gian, nói cách khác, nếu chuỗi thời gian có sự tương đồng về hình thức, nhưng có sự khác biệt về sự giãn nở hoặc cường độ của mô hình trong chuỗi, thì vẫn có thể coi nhóm chuỗi thời gian đó là tương đồng và cần được khớp. Chính thông qua sự khớp hình thức này, các nhà phân tích kỹ thuật trên thị trường phát hiện các hình thức tương tự với xu hướng hiện tại trong dữ liệu lịch sử của một cổ phiếu hoặc chỉ số lớn và quan sát xu hướng của một cổ phiếu hoặc một đĩa sau khi các hình thức này xuất hiện trong lịch sử, cuối cùng đưa ra dự đoán về xu hướng của một cổ phiếu hoặc một đĩa lớn sau đó, hướng dẫn quyết định giao dịch.

  Để hiểu được thuật toán tổng hợp thời gian động, điều quan trọng là hiểu ý tưởng về tổng hợp thời gian động, được thể hiện như sau:

  

  Các đường màu xanh và xanh lá cây biểu thị hai chuỗi thời gian, so với phương pháp đo khoảng cách truyền thống, việc sắp xếp thời gian là việc lập bản đồ các điểm thời gian một đối nhiều hoặc nhiều đối một, đồng thời đáp ứng các điều kiện tối ưu nhất. Sau khi lập bản đồ như vậy, việc sắp xếp trên trục thời gian được thực hiện, làm cho khoảng cách giữa hai chuỗi thời gian nhỏ nhất và giống nhau nhất.

  Trung tâm của các thuật toán thời gian động là tìm ra con đường tối ưu nhất, cần đáp ứng các hạn chế sau:

  (1) Điều kiện biên giới;

  (2) Tiếp tục: yêu cầu không thể vượt qua một điểm để phù hợp, chỉ được sắp xếp với các điểm lân cận của mình

  (3) đơn điệu: nghĩa là điểm yêu cầu phải đơn điệu theo thời gian

  Phương pháp lập kế hoạch động có thể tìm ra đường dẫn tối ưu và khoảng cách tối thiểu.

• 3. Chiến lược nhận dạng hình dạng

  Sử dụng thuật toán quy tắc thời gian động để thực hiện chức năng nhận dạng hình dạng, dựa trên hình dạng tiêu chuẩn được chọn nhân tạo, mỗi ngày giao dịch sử dụng thuật toán nhận dạng hình dạng để tính khoảng cách giữa hình dạng của tất cả các cổ phiếu A và hình dạng tiêu chuẩn, sau đó chọn các cổ phiếu có khoảng cách nhỏ hơn ngưỡng và mua với giá mở ngày hôm đó, giữ năm ngày với giá đóng bán, nếu giá đóng giảm hơn -5% trong một ngày trong quá trình nắm giữ, hãy dừng lỗ ở giá đóng.

  

  

• 5. Kết luận

  Chiến lược này dựa trên thuật toán điều chỉnh thời gian động, nắm bắt các hình thức cổ phiếu tương tự như hình thức kinh nghiệm, xây dựng danh mục đầu tư.

Được chuyển thể từ Knows