Estratégias de identificação de forma baseadas em cronograma dinâmico

Estratégias de identificação de forma baseadas em cronograma dinâmico

• 1. Reconhecimento de forma

  A teoria da análise técnica baseia-se em três premissas importantes:

  (1) O preço das ações contém toda a informação do mercado

  (2) A tendência dos preços das ações

  3) A história se repete

  O terceiro ponto descreve o fato de que os preços de ações ou índices, durante um longo período de tempo, repetem-se em um certo padrão, que tem um importante valor de referência para a previsão do pós-comercio.

  Do ponto de vista da finança comportamental, tanto os efeitos de liquidação quanto os efeitos de rebanho existem objetivamente no mercado. O mercado é o resultado de uma grande quantidade de apostas de investidores. Embora os indicadores de investimento sejam variáveis e os mesmos estejam em constante mudança, a natureza humana é imutável, a psicologia de negociação é imutável, o pensamento orientado e especulativo formado pelos investidores no processo de decisão leva a uma repetição contínua da história.

  Em suma, a forma das ações reflete não apenas a informação sobre as mudanças fundamentais das ações, mas também a psicologia de investimento do grupo de investimentos no mercado, que contém a lógica de negociação. Assim, os movimentos dos preços das ações apresentam uma forma semelhante e diferentes ações com uma forma semelhante tendem a apresentar movimentos semelhantes no futuro.

  A dificuldade de identificar e fazer previsões de movimentos de preços de ações com base na teoria da análise técnica é que muitos métodos de análise técnica dependem de julgamentos empíricos e são difíceis de quantificar, e até mesmo para diferentes analistas técnicos da mesma tendência podem chegar a conclusões opostas.

• 2. Algoritmos de reconhecimento de forma

  O reconhecimento de forma, semelhante ao reconhecimento de voz, é essencialmente a captura e o reconhecimento de características ondulatórias. Algoritmos de reconhecimento mais comuns incluem algoritmos baseados em aprendizado de máquina, como algoritmos de redes neurais e algoritmos de Markov, e também métodos estatísticos baseados em indicadores técnicos e valores extremos de funções.

  Este relatório adota algoritmos de regulação de tempo dinâmico. No campo do reconhecimento automático de voz, como o sinal de voz é um sinal com uma grande aleatoriedade, o resultado da pronúncia de cada palavra, mesmo pela mesma pessoa, é diferente e não pode ter a mesma duração de tempo. Assim, quando combinado com um modelo armazenado, o eixo de tempo de uma palavra desconhecida é distorcido ou dobrado de forma desigual para que suas características correspondam às características do modelo.

  Na verdade, em cenários de aplicação práticos, especialmente os problemas de correspondência de séries de tempo financeiras, muitas vezes exigem que não haja total concordância no eixo de tempo, em outras palavras, se as séries de tempo têm semelhanças na forma, mas há diferenças de estiramento ou amplitude de padrão dentro da sequência, ainda pode-se considerar que o grupo de séries de tempo tem semelhanças e precisa ser correspondido. É através dessa correspondência de forma que os analistas técnicos no mercado encontram formas semelhantes às tendências atuais nos dados históricos de um estoque ou índice de grande disco e, depois de observarem essas formas, a tendência do estoque ou disco ocorre historicamente, para finalmente fazer previsões de tendência do estoque ou disco posterior, orientando as decisões de negociação.

  Para entender o algoritmo de integração de tempo dinâmico, é fundamental entender a ideia de integração de tempo de curvatura, que é ilustrada como segue:

  

  As linhas azuis e verdes representam duas sequências de tempo, em comparação com os métodos tradicionais de medição de distâncias, a regularização do tempo é a realização de um mapeamento de pontos de tempo um para mais ou mais para um, ao mesmo tempo em que se atendem às condições mais ótimas. Após tal mapeamento, a regularização do eixo de tempo é feita para que a distância entre as duas sequências de tempo seja menor e a semelhança maior.

  O núcleo de um algoritmo de cronometragem dinâmica é encontrar o caminho ideal, que precisa satisfazer as seguintes restrições:

  (1) Condições de fronteira;

  (2) Continuidade: exigindo que não se possa passar por um ponto para se corresponder, mas apenas se alinhar com os pontos adjacentes.

  (3) Monotonia: o ponto de requisição deve ser monotono com o tempo

  O método de planejamento dinâmico permite obter o caminho ideal e a distância mínima.

• 3. Estratégias de reconhecimento de forma

  A função de identificação de forma é implementada com algoritmos de cronometragem dinâmica, com base em formas padrão selecionadas por humanos. A cada dia de negociação, o algoritmo de identificação de forma calcula a distância entre a forma e a forma padrão de todas as ações A. Em seguida, seleciona ações com uma distância menor que o limite e compra-as no preço de abertura do dia, mantém-nas por cinco dias e vende-as no preço de fechamento.

  

  

• 5. Conclusões

  A estratégia baseia-se em um algoritmo de regulação de tempo dinâmico, que capta a forma de ações semelhante à forma experimental e constrói um portfólio de ações.

Tradução e Legendas