गतिशील समय वारपिंग पर आधारित आकृति विज्ञान पहचान रणनीति

• #### 1. आकृति पहचान

तकनीकी विश्लेषण के सिद्धांत तीन महत्वपूर्ण मान्यताओं पर आधारित हैंः

(1) शेयर की कीमत में सभी बाजार की जानकारी होती है

(2) स्टॉक की कीमतों में रुझान

(3) इतिहास खुद को दोहराता है

तीसरा बिंदु यह वर्णन करता है कि स्टॉक की कीमत या सूचकांक लंबी अवधि के आंदोलन में, कुछ विशिष्ट फिसलन फिसलन या पैटर्न बार-बार दिखाई देते हैं, इन पैटर्नों का अध्ययन करने के बाद बाजार के पूर्वानुमान के लिए महत्वपूर्ण संदर्भ मूल्य है। फिसलन फिसलन, एक निश्चित समय अवधि के भीतर स्टॉक की कीमत या अन्य संकेतक की गति का प्रतिनिधित्व करता है, जैसे कि वृद्धि, गिरावट, या झटके की स्थिति।

व्यवहारिक वित्त के दृष्टिकोण से, समूह व्यवहार नियम जैसे कि निपटान प्रभाव या झुंड प्रभाव दोनों बाजार में उद्देश्यपूर्ण रूप से मौजूद हैं। बाजार निवेशकों के बहुत सारे खेल का परिणाम है, हालांकि निवेश का लक्ष्य बदलता रहता है, एक ही मानक हमेशा बदलता रहता है, लेकिन मानव स्वभाव अपरिवर्तित है, व्यापार मनोविज्ञान अपरिवर्तित है, निवेशकों ने निर्णय लेने की प्रक्रिया में निर्मित दिशात्मक सोच और सट्टा मनोविज्ञान के कारण इतिहास बार-बार दोहराया जाता है। तकनीकी विश्लेषण ज्यादातर ऐतिहासिक डेटा के विश्लेषण और समापन पर आधारित है, जो भविष्य के निर्णयों को निर्देशित करने के लिए इतिहास से नियम निकालने का प्रयास करता है। तकनीकी विश्लेषण की प्रभावशीलता और व्यावहारिकता को बाजार द्वारा मान्यता और अभ्यास के रूप में तुलनात्मक रूप से मान्यता दी गई है, जैसे कि प्रसिद्ध लहरों की सिद्धांत, जनमत आदि।

संक्षेप में, स्टॉक की आकृति न केवल शेयरों के मूलभूत परिवर्तनों की जानकारी को दर्शाती है, बल्कि बाजार के निवेशक समूह की निवेश मनोविज्ञान भी है, जिसमें व्यापारिक तर्क शामिल है। इसलिए, स्टॉक की कीमतों में बदलाव समान आकृति दिखाता है, और समान आकृति वाले विभिन्न स्टॉक अक्सर भविष्य में समान आंदोलन दिखाते हैं।

तकनीकी विश्लेषण के सिद्धांतों के आधार पर स्टॉक की कीमतों के आंदोलन की पहचान करने और भविष्यवाणी करने की कठिनाई यह है कि कई तकनीकी विश्लेषण विधियां अनुभवजन्य निर्णयों पर निर्भर हैं, उन्हें मापने में कठिनाई है, और यहां तक कि विभिन्न तकनीकी विश्लेषकों के लिए एक ही आंदोलन के रूप के लिए विपरीत निष्कर्ष निकाला जाएगा। हम पैटर्न पहचान एल्गोरिदम का उपयोग करके इस समस्या को हल करने की कोशिश करते हैं।

• ### 2. आकृति पहचान एल्गोरिदम

आकृति पहचान, जैसे कि आवाज पहचान, मूल रूप से एक तरंग विशेषताओं को पकड़ने और पहचानने के लिए है। अधिक सामान्य पहचान एल्गोरिदम में तंत्रिका नेटवर्क एल्गोरिदम, हाइमन मार्कोव एल्गोरिदम और अन्य मशीन सीखने पर आधारित एल्गोरिदम शामिल हैं, साथ ही तकनीकी संकेतकों और फ़ंक्शन के चरम मानों पर आधारित सांख्यिकीय निर्णय विधियां भी हैं।

इस रिपोर्ट में डायनामिक टाइम रेगुलेशन एल्गोरिथ्म का उपयोग किया गया है। स्वचालित भाषण पहचान के क्षेत्र में, क्योंकि भाषण संकेत काफी बड़ी यादृच्छिकता वाला संकेत है, यहां तक कि एक ही वक्ता द्वारा एक ही शब्द के लिए, हर बार उच्चारण के परिणाम अलग-अलग होते हैं और पूरी तरह से एक ही समय की लंबाई नहीं हो सकती है। इसलिए, जब संग्रहीत मॉडल से मेल खाते हैं, तो अज्ञात शब्दों की समय-अक्ष को असमान रूप से विकृत या मोड़ दिया जाता है, ताकि उनकी विशेषताएं टेम्पलेट विशेषताओं के साथ सही हो सकें। समय रेगुलेशन विधि का उपयोग करना एक बहुत ही शक्तिशाली उपाय है, जो सिस्टम की पहचान की सटीकता को बढ़ाने के लिए बहुत प्रभावी है।

वास्तव में, वास्तविक अनुप्रयोग परिदृश्यों में, विशेष रूप से वित्तीय समय अनुक्रम के मिलान की समस्या, अक्सर समय रेखा पर पूर्ण एकरूपता की आवश्यकता नहीं होती है, दूसरे शब्दों में, यदि समय अनुक्रम आकार में समान है, लेकिन अनुक्रम के भीतर पैटर्न के स्केलिंग या आयाम में अंतर है, तो यह अभी भी माना जा सकता है कि समय अनुक्रम समूह समान है और इसे मिलान करने की आवश्यकता है। बाजार में तकनीकी विश्लेषकों को इस आकार के मिलान के माध्यम से, स्टॉक या बड़े बाजार सूचकांक के इतिहास के आंकड़ों में वर्तमान रुझान के समान रूपों की खोज की जाती है, और इन आकारों को इतिहास में प्रकट होने के बाद, व्यक्तिगत या बड़े बाजार के रुझानों को देखते हुए, अंततः बाद के चरणों में व्यक्तिगत या बड़े शेयरों के रुझानों का पूर्व-निर्धारण किया जाता है, और व्यापार निर्णयों को निर्देशित किया जाता है।

डायनामिक टाइमिंग पहेली को समझने के लिए, यह महत्वपूर्ण है कि हम टाइमिंग पहेली के विचार को समझें, जो इस प्रकार हैः

नीले और हरे रंग की रेखाएं दो समय अनुक्रमों को दर्शाती हैं, और पारंपरिक दूरी मापने के तरीकों की तुलना में, समय विनियमन समय बिंदुओं को एक जोड़ी या एक से अधिक जोड़े में मैप करने के लिए है, जबकि इष्टतम शर्तों को पूरा करता है। इस तरह के मैपिंग के बाद, समय अक्ष पर विनियमन किया जाता है, जिससे दो समय अनुक्रमों के बीच न्यूनतम दूरी, अधिकतम समानता होती है।

गतिशील समय-नियमन एल्गोरिदम के मूल में इष्टतम मार्ग की खोज करना है, जो निम्नलिखित शर्तों को पूरा करता हैः

(1) सीमा शर्तें;

(ii) निरंतरता: यह मांग है कि आप किसी बिंदु से मेल नहीं खा सकते हैं, आप केवल अपने आस-पास के बिंदुओं के साथ संरेखित कर सकते हैं

(3) एकवचनता (monotonicity): यह है कि मांग बिंदु समय के साथ एकवचन होना चाहिए

गतिशील नियोजन के माध्यम से सबसे अच्छा मार्ग और न्यूनतम दूरी प्राप्त की जा सकती है।

• ### 3. आकृति पहचान रणनीति

एक गतिशील समय नियमन एल्गोरिथ्म का उपयोग करके आकृति पहचान को लागू करने के लिए, मानव द्वारा चयनित मानक आकृति के आधार पर, प्रत्येक ट्रेडिंग दिन आकृति पहचान एल्गोरिथ्म का उपयोग करके पूर्ण-ए शेयर आकृति और मानक आकृति की दूरी की गणना करें, फिर मूल्यह्रास से कम दूरी वाले शेयरों को चुनें और उस दिन के उद्घाटन मूल्य पर खरीदें, पांच दिनों के लिए समापन मूल्य पर बेचें, यदि होल्डिंग प्रक्रिया के दौरान किसी दिन समापन मूल्य में -5% से अधिक की गिरावट आई है, तो समापन मूल्य पर रोक लगाएं।

• ### 5. निष्कर्ष

यह रणनीति स्टॉक पोर्टफोलियो के निर्माण के लिए गतिशील समय-निर्धारित एल्गोरिदम पर आधारित है, जो स्टॉक के रूपों को पकड़ता है जो अनुभव के रूपों के समान हैं। 2.59 का शेर्पा अनुपात और 27.4% की वार्षिक आय प्राप्त की गई है, जो रिटर्निंग अवधि के दौरान स्थिर है।

“अभिनेता” का अनुवाद