ওভারভিউ

এই কৌশলটি একটি দ্বি-সময় স্কেল গতিশীলতা কৌশল। এটি উচ্চ স্তরের সময়কালের উপর একটি সরল চলমান গড় ব্যবহার করে প্রবণতা দিক নির্ধারণ করে (SMA) এবং নিম্ন স্তরের সময়কালের উপর একটি অক্ষ পয়েন্ট (PivotLow এবং PivotHigh) ব্যবহার করে বিপরীত পয়েন্ট সনাক্ত করে। উচ্চ স্তরের সময়কালের উপর একটি উত্থান প্রবণতা এবং নিম্ন স্তরের সময়কালের উপর একটি নেতিবাচক অক্ষ পয়েন্ট যখন খোলা থাকে এবং যখন উচ্চ স্তরের সময়কালের উপর একটি পতনশীল প্রবণতা এবং নিম্ন স্তরের সময়কালের উপর একটি নেতিবাচক অক্ষ পয়েন্ট খোলা থাকে।

কৌশল নীতি

এই কৌশলটির মূল নীতিটি হ'ল উচ্চ স্তরের সময়কালের প্রবণতা দিকটি নিম্ন স্তরের সময়কালের গতিপথকে প্রভাবিত করে। যখন উচ্চ স্তরের সময়কালের সময়কালের গতিপথটি একটি উত্থানের প্রবণতা দেখায়, নিম্ন স্তরের সময়কালের পুনরুদ্ধারটি সম্ভবত কেনার সুযোগ; যখন উচ্চ স্তরের সময়কালের সময়কালের সময়কালের সময়কালের প্রবণতা দেখায়, নিম্ন স্তরের সময়কালের সময়কালের বিপর্যয়টি সম্ভবত একটি খালি সুযোগ। এই কৌশলটি উচ্চ স্তরের সময়কালের প্রবণতা দিকটি নির্ধারণের জন্য সরল চলমান গড় (এসএমএ) ব্যবহার করে, এবং কেন্দ্রীয় অক্ষগুলি (পাইভট লো এবং পিভট হাই) ব্যবহার করে স্তরের সময়কালের বিপর্যয় চিহ্নিত করতে।

কৌশলগত সুবিধা

1. ডাবল টাইমস্কেল বিশ্লেষণ, উচ্চ স্তরের সময়কালের প্রভাবকে নিম্ন স্তরের সময়কালের উপর ব্যবহার করে, লেনদেনের সাফল্যের সম্ভাবনা বাড়ায়।
2. এসএমএ ব্যবহার করে ট্রেন্ডের দিকনির্দেশনা নির্ধারণ করা আরও নির্ভরযোগ্য, এবং কেন্দ্রীয় অক্ষ পয়েন্ট ব্যবহার করে বিপরীত পয়েন্টটি ধরা আরও নির্ভুল।
3. প্যারামিটারগুলি সামঞ্জস্যযোগ্য এবং অভিযোজিত। ব্যবহারকারীরা তাদের প্রয়োজন অনুসারে উচ্চ এবং নিম্ন সময় স্কেল, এসএমএর সময়কাল, কেন্দ্রীয় বিন্দুগুলির প্যারামিটার ইত্যাদি সামঞ্জস্য করতে পারেন।
4. এটা সহজেই বোঝা যায় এবং বাস্তবায়ন করা যায়।

কৌশলগত ঝুঁকি

1. প্রবণতা বিপর্যয়ের ঝুঁকি। উচ্চ স্তরের সময়কালের প্রবণতা হঠাৎ পরিবর্তিত হলে, নিম্ন স্তরের সময়কালের সময়কালটি এখনও প্রতিক্রিয়াশীল হতে পারে না, যার ফলে কৌশলটি ব্যর্থ হয়।
2. প্যারামিটার সেটিংয়ের ঝুঁকি <unk> অনুপযুক্ত প্যারামিটার সেটিং কৌশলটির দুর্বল পারফরম্যান্সের কারণ হতে পারে <unk> উদাহরণস্বরূপ, এসএমএ চক্রটি খুব সংক্ষিপ্ত নির্বাচন করলে এটি ঘন ঘন ব্যবসায়ের কারণ হতে পারে, খুব দীর্ঘ নির্বাচন করলে এটি প্রবণতা বিচার করতে বিলম্ব হতে পারে <unk>
3. চরম পরিস্থিতির ঝুঁকি। চরম পরিস্থিতিতে (যেমন ঝড়ের পতন) এই কৌশলটি ব্যর্থ হতে পারে। কারণ এই পরিস্থিতিতে, নিম্ন স্তরের সময়কাল উচ্চ স্তরের সময়কালের প্রবণতা অনুসরণ করতে পারে না।

কৌশল অপ্টিমাইজেশনের দিকনির্দেশনা

1. ট্রেন্ড পরিবর্তনের বিচার যোগ করুন। উচ্চ স্তরের সময়কালের ট্রেন্ড পরিবর্তন হয়েছে কিনা তা বিচার করার জন্য কিছু যুক্তি যুক্ত করা যেতে পারে যাতে নিম্ন স্তরের সময়কালের ট্রেডিং আরও দ্রুত সামঞ্জস্য করা যায়।
2. প্যারামিটার অপ্টিমাইজেশনঃ কিছু প্যারামিটার অপ্টিমাইজেশান পদ্ধতি ব্যবহার করা যেতে পারে (যেমন জেনেটিক অ্যালগরিদম, গ্রিড অনুসন্ধান ইত্যাদি) সর্বোত্তম প্যারামিটার সমন্বয় খুঁজে পেতে।
3. ঝুঁকি নিয়ন্ত্রণ বাড়ান। কিছু ঝুঁকি নিয়ন্ত্রণ ব্যবস্থা (যেমন স্টপ লস, পজিশন ম্যানেজমেন্ট ইত্যাদি) বাড়ানো যেতে পারে যাতে চরম পরিস্থিতিতে ক্ষতি হ্রাস করা যায়।
4. মাল্টি ফ্যাক্টর ইন্টিগ্রেশন: কৌশলটির স্থিতিশীলতা বাড়ানোর জন্য অন্যান্য সূচক বা ফ্যাক্টরগুলি (যেমন অস্থিরতা, লেনদেনের পরিমাণ ইত্যাদি) এই কৌশলটিতে অন্তর্ভুক্ত করার বিষয়টি বিবেচনা করা যেতে পারে।

সারসংক্ষেপ

এই দ্বৈত সময় স্কেল গতিশীল কৌশল উচ্চ এবং নিম্ন স্তরের সময়কালের মধ্যে সংযোগ ব্যবহার করে, উচ্চ স্তরের সময়কালের মধ্যে প্রবণতা দিক বিচার করে, নিম্ন স্তরের সময়কালের মধ্যে বিপরীত বিন্দু ক্যাপচার করে, এইভাবে প্রবণতা অনুসরণ এবং বিপরীত ট্রেডিং বাস্তবায়ন করে। এই কৌশলটির যুক্তি স্পষ্ট, সুবিধাগুলি সুস্পষ্ট, তবে কিছু ঝুঁকিও রয়েছে। ভবিষ্যতে প্রবণতা পরিবর্তনের বিচার, প্যারামিটার অপ্টিমাইজেশন, ঝুঁকি নিয়ন্ত্রণ, বহু-ফ্যাক্টর সংমিশ্রণ ইত্যাদির দিক থেকে এই কৌশলটি অপ্টিমাইজ করা যেতে পারে, যাতে এটির অভিযোজনযোগ্যতা এবং স্থিতিশীলতা বাড়ানো যায়।