Strategi pengenalan bentuk berdasarkan regulasi waktu dinamis

Strategi pengenalan bentuk berdasarkan regulasi waktu dinamis

• 1. Pengakuan bentuk

  Teori analisis teknis didasarkan pada tiga asumsi penting:

  (1) Harga saham mencakup semua informasi pasar

  (2) Tren harga saham

  (3) Sejarah akan terulang

  Titik ketiga menggambarkan bahwa dalam pergerakan harga saham atau indeks dalam jangka panjang, akan berulang kali muncul beberapa bentuk atau pola tertentu yang memiliki nilai referensi penting untuk prediksi pasar setelah.

  Dari sudut pandang keuangan perilaku, baik efek pembuangan maupun efek kawanan, hukum perilaku kelompok ada secara obyektif di pasar. Pasar adalah hasil dari permainan sejumlah besar investor, meskipun indikator investasi bervariasi, yang sama juga berubah setiap saat, tetapi sifat manusia tidak berubah, psikologi perdagangan tidak berubah, pemikiran orientasi dan psikologi spekulatif yang dibentuk oleh investor dalam proses pengambilan keputusan menyebabkan sejarah berulang. Analisis teknis sebagian besar didasarkan pada analisis dan induksi data sejarah, yang mencoba mengeksplorasi aturan dari sejarah untuk mengarahkan teknik pengambilan keputusan masa depan. Efektivitas dan kegunaan analisis telah diterima dan dipraktekkan oleh pasar, dibandingkan dengan yang terkenal seperti teori gelombang, teori spekulasi, dll.

  Secara keseluruhan, bentuk saham mencerminkan tidak hanya informasi tentang perubahan dasar saham, tetapi juga psikologi investasi dari kelompok investasi pasar, yang mengandung logika perdagangan. Oleh karena itu, pergerakan harga saham akan menunjukkan bentuk yang sama, dan berbagai saham yang memiliki bentuk yang sama akan sering menunjukkan gerakan yang sama di masa depan.

  Masalahnya adalah bahwa banyak metode analisis teknis bergantung pada penilaian empiris, sulit untuk diukur, dan bahkan untuk tren tren yang sama, analis teknis yang berbeda akan membuat kesimpulan yang sama sekali berbeda. Kami mencoba untuk memecahkan masalah ini dengan menggunakan algoritma pengenalan tren.

• 2. Algoritma pengenalan bentuk

  Pengakuan bentuk, mirip dengan pengenalan suara, pada dasarnya adalah penangkapan dan pengenalan karakteristik gelombang. Algoritma pengenalan yang lebih umum digunakan adalah algoritma jaringan saraf, algoritma Markov yang tersembunyi, algoritma berbasis pembelajaran mesin, dan juga metode penilaian statistik berdasarkan indikator teknis dan nilai ekstrem fungsi.

  Laporan ini mengadopsi algoritma penyesuaian waktu yang dinamis. Dalam bidang pengenalan suara otomatis, karena sinyal suara adalah sinyal yang memiliki tingkat keacakan yang cukup tinggi, bahkan jika pembicara yang sama mengucapkan kata yang sama, hasil yang diucapkan setiap kali akan berbeda dan tidak mungkin memiliki panjang waktu yang sama persis. Oleh karena itu, ketika dicocokkan dengan model yang tersimpan, timeline kata yang tidak diketahui akan terdistorsi atau dibelokkan secara tidak merata sehingga karakteristiknya sesuai dengan karakteristik template.

  Faktanya, dalam skenario aplikasi praktis, terutama masalah pencocokan deret waktu keuangan, seringkali membutuhkan ketidakcocokan penuh pada timeline, dengan kata lain, jika deret waktu memiliki kesamaan dalam bentuk, tetapi ada perbedaan peregangan atau amplitudo pola di dalam deret, maka kelompok deret waktu masih dapat dianggap memiliki kesamaan dan perlu ditandingi. Analis teknis di pasar adalah melalui pencocokan deret bentuk ini, mereka menemukan bentuk yang mirip dengan tren saat ini dalam data sejarah saham atau indeks besar, dan melihat tren saham atau disk setelah bentuk-bentuk ini muncul dalam sejarah, dan akhirnya memprediksi tren saham atau disk di masa depan, yang membimbing keputusan perdagangan.

  Untuk memahami algoritma integer waktu yang dinamis, penting untuk memahami ide integer waktu yang berputar, yang digambarkan sebagai berikut:

  

  Garis-garis biru dan hijau menunjukkan dua urutan waktu, dan dibandingkan dengan metode pengukuran jarak tradisional, pemetaan waktu adalah pemetaan titik waktu satu-satu-satu atau lebih-lebih-satu-satu, sekaligus memenuhi kondisi yang optimal. Setelah pemetaan seperti itu, pemetaan dilakukan pada sumbu waktu, sehingga jarak antara dua urutan waktu paling sedikit dan kemiripan terbesar.

  Pada dasarnya, algoritma penyesuaian waktu dinamis adalah untuk mencari jalur optimal yang harus memenuhi kendala berikut:

  (1) Kondisi perbatasan;

  (2) Kontinuitas: yaitu persyaratan yang tidak dapat melintasi titik tertentu untuk mencocokkannya, hanya dapat disejajarkan dengan titik tetangga

  (3) Monotone: yaitu titik permintaan harus dilakukan secara monotone seiring waktu

  Metode perencanaan dinamis dapat digunakan untuk mencari rute optimal dan jarak minimum.

• 3. Strategi pengenalan bentuk

  Menggunakan algoritma pemrograman waktu yang dinamis untuk mencapai fungsi pengenalan bentuk, berdasarkan bentuk standar yang dipilih secara manusiawi, setiap hari perdagangan menggunakan algoritma pengenalan bentuk untuk menghitung jarak antara bentuk dan bentuk standar semua saham A, kemudian memilih saham yang jaraknya kurang dari ambang batas dan membelinya dengan harga buka pada hari itu, memegangnya selama lima hari dengan harga penutupan, jika harga penutupan jatuh lebih dari -5% pada suatu hari dalam proses kepemilikan, maka dengan harga penutupan stop loss.

  

  

• 5. Kesimpulan

  Strategi ini didasarkan pada algoritma penyusunan waktu yang dinamis, menangkap bentuk saham yang mirip dengan bentuk pengalaman, dan membangun portofolio saham.

Dikutip dari: