अवलोकन

इस रणनीति में कई तकनीकी संकेतकों के संयोजन के माध्यम से रुझानों को स्पष्ट रूप से ट्रैक करने की क्षमता है। इसमें मुख्य रूप से निम्नलिखित भाग शामिल हैंः

1. औसत रेखा के आधार पर प्रवृत्ति का आकलन करना
2. बेतरतीब सूचकांकों के आधार पर ओवरबॉट और ओवरसोल्ड निर्णय
3. मूल्य और मात्रा सूचकांक के आधार पर नकदी प्रवाह का आकलन
4. उतार-चढ़ाव के आधार पर प्रवृत्ति की गुणवत्ता का आकलन
5. आरएसआई के आधार पर विचलन का आकलन

सिद्धांत

इस रणनीति के लिए सबसे पहले औसत रेखा के माध्यम से कीमतों की प्रवृत्ति की दिशा का आकलन किया जाता है। विशेष रूप से, एक निश्चित अवधि के दौरान कीमतों के औसत की गणना की जाती है, और इस औसत का एक बैंडिंग चैनल। कीमतों के लिए एक ब्रीचिंग चैनल एक संभावित प्रवृत्ति उलट की ओर इशारा करता है।

फिर यादृच्छिक संकेतकों में केडी संकेतक के साथ संयोजन में, यह निर्धारित करें कि क्या कीमत ओवरबॉट या ओवरसोल्ड है। ओवरबॉट ओवरसोल्ड स्थिति अक्सर कीमतों के उलट जाने की संभावना का संकेत देती है।

इसके बाद, लेनदेन की मात्रा की जानकारी का उपयोग करके, कीमतों के सूचकांक के निर्माण के माध्यम से धन के प्रवाह और प्रवाह का आकलन किया जाता है। मात्रा में वृद्धि धन प्रवाह और प्रवृत्ति के विकास का संकेत देती है, जबकि मात्रा में गिरावट धन प्रवाह और प्रवृत्ति के उलट होने का प्रतिनिधित्व करती है।

प्रवृत्ति की गुणवत्ता का आकलन करने के लिए, औसत मूल्य उतार-चढ़ाव की सीमा का उपयोग करके बाजार डेटा सूचकांक का निर्माण करें, और फिर प्रवृत्ति की ताकत का आकलन करने के लिए इसके ईएमए की गणना करें। इस तरह से कुछ झूठी प्रवृत्तियों को फ़िल्टर किया जा सकता है।

अंत में, आरएसआई का उपयोग मूल्य और उतार-चढ़ाव के विचलन का पता लगाने के लिए किया जा सकता है, जो अक्सर आने वाले रुझानों के उलट होने का संकेत देता है।

इन संकेतकों की जानकारी को मिलाकर, कीमतों के रुझानों को अधिक स्पष्ट रूप से निर्धारित किया जा सकता है। रणनीति एक बहु-हेड स्थिति का निर्माण करती है जब गोल्ड क्रॉसिंग होती है, और एक रिक्त-हेड स्थिति का निर्माण करता है जब एक मृत-चूड़ होता है।

लाभ

• बहु-सूचक समग्र निर्णय, शोर को फ़िल्टर करना, और प्रवृत्ति को अधिक स्पष्ट और विश्वसनीय बनाना
• ओवरबॉय और ओवरसेलिंग के फैसले में शामिल होने से, पलटने का समय निर्धारित किया जा सकता है
• नकली ब्रीच से बचने के लिए कैश फ्लो को मापने में सक्षम सूचक
• छोटे पैमाने के उतार-चढ़ाव से भ्रामक होने से बचने के लिए उतार-चढ़ाव के संकेतकों की प्रवृत्ति की गुणवत्ता को मापें
• आरएसआई ने अतिरिक्त रुझान प्रतिवर्तन संकेत देने से इनकार कर दिया
• स्पष्ट कोड संरचना, समझने और संशोधित करने में आसान

जोखिम

• कई सूचकांकों के संयोजन में निर्णय लेने से सिग्नल टकराव हो सकता है और इसे सावधानीपूर्वक समायोजित करने की आवश्यकता है
• यह भी हो सकता है कि यह धन के खेल के कारण हो, लेकिन सावधानी से निर्णय लें
• आरएसआई जैसे कुछ संकेतकों को विभिन्न किस्मों के लिए समायोजन की आवश्यकता होती है
• छोटे पैमाने पर कंपन में गलत संकेतों का उत्पादन होता है
• बाजार के सूचकांक में गिरावट

जोखिम से निपटने के उपाय:

• सूचक को ठीक से काम करने के लिए पैरामीटर समायोजन को मजबूत करना
• संकेतक भार विन्यास जोड़ें, सिग्नल संघर्ष को संभालें
• विभिन्न किस्मों के अनुसार पैरामीटर को समायोजित करें
• अधिक से अधिक शेयरों पर कब्जा, कम से कम ट्रेडिंग
• रीयल-डिस्क एनालॉग सत्यापन प्रभाव का उपयोग करना

अनुकूलन दिशा

इस रणनीति को निम्नलिखित पहलुओं से अनुकूलित किया जा सकता हैः

1. मशीन सीखने के तरीकों का उपयोग करके स्वचालित रूप से विभिन्न मापदंडों को अनुकूलित करें ताकि संकेतक विभिन्न किस्मों की विशेषताओं के अनुरूप हों

2. मॉडल मूल्यांकन मॉड्यूल जोड़ा गया, विभिन्न बाजार चरणों की गतिशीलता के अनुसार प्रत्येक सूचक भार को समायोजित किया गया

3. बाजार में उतार-चढ़ाव के आधार पर स्टॉप-लॉस को समायोजित करने के लिए एक अनुकूलनशील स्टॉप-लॉस रणनीति को जोड़ना

4. गहरी शिक्षा के साथ, अधिक विशेषताओं को निकालने के लिए और अधिक सटीक प्रवृत्ति का निर्धारण करने के लिए

5. स्वचालित सिग्नल समायोजन मॉड्यूल विकसित करना, संकेतक संघर्ष और गलत सिग्नल के लिए अतिसंवेदनशील स्थितियों को संभालना

6. एकीकृत मॉडल को जोड़ना, अधिक तकनीकी मापदंडों को एकीकृत करना, और व्यवस्थित पूर्वानुमान परिणाम बनाना

7. पैरामीटर पर निर्भरता को कम करने के लिए निर्विवाद संकेतक का अन्वेषण

संक्षेप

इस रणनीति के माध्यम से एकीकृत कई तकनीकी संकेतकों की ताकत, कीमतों के रुझानों का व्यापक रूप से आकलन करने के लिए, रुझान आकलन रणनीति के क्षेत्र में एक निश्चित लाभ और आवेदन की संभावना है। लेकिन निर्णय की सटीकता में सुधार करने के लिए लगातार अनुकूलन की आवश्यकता है, गलत निर्णय के जोखिम को कम करने के लिए, ताकि वास्तविक दुनिया में स्थिर रूप से काम किया जा सके। भविष्य में, मशीन सीखने जैसी प्रौद्योगिकियों को और अधिक बुद्धिमान रूप से उन्नत किया जा सकता है।