Gambaran Keseluruhan

Strategi ini menggabungkan penggunaan pelbagai model corak lilin untuk menjalankan perdagangan saham. Ia menggabungkan model lilin pembalut, model lilin berongga, dan model lilin salib, membolehkan ia menangkap peluang dagangan dalam pelbagai keadaan pasaran.

Prinsip

Logik teras strategi ini adalah untuk membina beberapa peraturan penilaian corak lilin, kemudian menggabungkan peraturan ini untuk menghasilkan isyarat dagangan.

Pertama, ia mentakrifkan beberapa pembolehubah asas untuk menerangkan sifat lilin, seperti saiz badan lilin (body), harga buka (open), harga tutup (close), dsb.

Kemudian, berdasarkan hubungan antara harga tutup dan harga buka lilin, ia mentakrifkan 3 jenis bar dagangan: 1 mewakili kenaikan, -1 mewakili penurunan, 0 mewakili tiada perubahan.

Atas dasar ini, tiga peraturan penilaian corak lilin dibina:

1. Model Lilin Pembalut (Engulfing Pattern): Lilin semasa meliputi lilin sebelumnya, menjana isyarat beli atau jual.

2. Model Lilin Berongga (Harami Pattern): Lilin sebelumnya meliputi lilin semasa, menjana isyarat beli atau jual.

3. Model Lilin Salib Berongga (Harami Cross Pattern): Gabungan lilin berongga dan lilin salib, menjana isyarat beli atau jual.

Berdasarkan peraturan corak lilin ini, masa untuk membeli dan menjual dapat ditentukan. Ia juga menggabungkan beberapa syarat tambahan, seperti had julat masa dagangan, untuk menapis isyarat dagangan yang tidak memenuhi keperluan.

Dalam bahagian dagangan, ia akan menilai status pegangan terlebih dahulu. Jika arah pegangan bertentangan dengan isyarat lilin, ia akan menutup kedudukan terlebih dahulu, kemudian membuka kedudukan mengikut arah isyarat.

Kelebihan

• Gabungan pelbagai corak meningkatkan kestabilan. Corak tunggal mungkin sangat dipengaruhi oleh persekitaran pasaran tertentu; penggunaan gabungan corak dapat meningkatkan kestabilan.

• Pengesahan corak arah yang sama, penilaian komprehensif, mengelakkan salah penilaian. Model corak yang berbeza menilai arah aliran dari sudut yang berbeza, membolehkan pengesahan isyarat bersama.

• Parameter boleh laras, kebolehsuaian tinggi. Pengguna boleh bebas menggabungkan dan memilih model corak yang berbeza, melaraskan parameter seperti julat masa dagangan, untuk bertindak balas secara fleksibel terhadap perubahan pasaran.

• Logik dagangan yang lengkap. Menggabungkan penilaian pegangan dan logik keluar henti rugi dapat mengawal risiko dengan berkesan.

Risiko

• Gabungan pelbagai parameter meningkatkan kerumitan. Ujian keserasian gabungan setiap parameter diperlukan; gabungan parameter yang tidak sesuai boleh mengurangkan keberkesanan.

• Penetapan parameter bentuk (shape) bergantung pada pengalaman. Parameter bentuk seperti saiz badan lilin yang sesuai memerlukan pengalaman terkumpul untuk dilaraskan.

• Risiko akibat pegangan sebelah pihak. Hanya mengambil kedudukan beli atau jual sahaja akan mengehadkan ruang keuntungan. Kedua-dua beli dan jual boleh dilakukan melalui tetapan parameter.

• Kemungkinan terlepas titik pembalikan arah aliran. Strategi ini tertumpu pada pengecaman corak, dan tidak dapat menilai pembalikan arah aliran dengan berkesan. Ia boleh digabungkan dengan penunjuk lain untuk menentukan masa.

Pengoptimuman

• Menambah strategi henti rugi untuk mengurangkan risiko akibat pegangan sebelah pihak.

• Menggabungkan penunjuk teknikal lain untuk menilai arah aliran keseluruhan pasaran, mengelakkan dagangan bertentangan arah. Contohnya MACD, Bollinger Band, dsb.

• Menguji keutamaan parameter bagi pelbagai instrumen, mewujudkan gabungan corak yang sesuai untuk setiap instrumen.

• Menambah algoritma pembelajaran mesin, menggunakan AI untuk membantu pengoptimuman parameter dan pengecaman corak.

Kesimpulan

Strategi ini membina sistem dagangan jangka pendek yang agak stabil dan boleh dipercayai dengan menggunakan kelebihan pelbagai corak lilin secara komprehensif. Walau bagaimanapun, sebahagian tetapan parameter dan kawalan risiko masih perlu dioptimumkan lagi untuk menyesuaikan diri dengan persekitaran pasaran yang lebih kompleks. Secara keseluruhannya, strategi ini mempunyai logik yang munasabah. Dengan pengumpulan pengalaman dan data yang mencukupi, serta pengoptimuman pintar melalui kaedah seperti pembelajaran mesin, prospeknya adalah luas.