جائزہ

یہ حکمت عملی قیمت کی تبدیلیوں کو ماڈل کرنے کے لیے لوگارتھمک فنکشن استعمال کرتی ہے، اور تجارتی حجم کے معیاری انحراف اور اوسط کی بنیاد پر z-ویلیو کا حساب لگاتی ہے، جسے لوگارتھمک فنکشن میں بطور پیرامیٹر داخل کرکے مستقبل کی قیمت کی پیش گوئی کی جاتی ہے۔

حکمت عملی کا اصول

1. بند ہونے والی قیمت (close) کے ROC کی قدر کا حساب لگائیں، مثبت اقدار volume_pos میں جمع کریں، منفی اقدار volume_neg میں جمع کریں۔
2. volume_pos اور volume_neg کے فرق کو net_volume کے طور پر شمار کریں۔
3. net_volume کے معیاری انحراف (net_std) اور اوسط (net_sma) کا حساب لگائیں۔
4. net_sma کو net_std سے تقسیم کرکے z-ویلیو حاصل کریں۔
5. بند ہونے والی قیمت، 20 دنوں کے معیاری انحراف اور z-ویلیو کو پیرامیٹر کے طور پر لوگارتھمک فنکشن (logistic) میں داخل کریں تاکہ اگلے دورانیے کی قیمت کی پیش گوئی کی جا سکے۔
6. جب پیش گوئی شدہ قیمت موجودہ اصل قیمت سے 1.005 گنا زیادہ ہو تو لمبی پوزیشن (long) لیں، اور جب 0.995 گنا کم ہو تو پوزیشن بند کریں۔

فوائد کا تجزیہ

یہ حکمت عملی تجارتی حجم کے اعدادوشمار اور لوگارتھمک فنکشن کی قیمت کی پیش گوئی کو یکجا کرتی ہے۔

فوائد یہ ہیں:

1. اس میں خرید و فروخت کے حجم کے فرق کو استعمال کیا گیا ہے، جس سے مارکیٹ کے جذبات کا اندازہ لگایا جا سکتا ہے۔
2. لوگارتھمک فنکشن قیمت کی تبدیلی کے منحنی خطوط کو فٹ کرتا ہے، جس سے پیش گوئی کی کارکردگی بہتر ہوتی ہے۔
3. حکمت عملی سادہ اور واضح ہے، جسے آسانی سے نافذ کیا جا سکتا ہے۔

خطرے کا تجزیہ

اس حکمت عملی میں کچھ خطرات بھی موجود ہیں:

1. تجارتی حجم کے اشاریے میں تاخیر ہوتی ہے، جو مارکیٹ کی تبدیلیوں کو بروقت منعکس نہیں کر سکتے۔
2. لوگارتھمک فنکشن کی پیش گوئی ہمیشہ درست نہیں ہوتی، جس سے گمراہی پیدا ہو سکتی ہے۔
3. نقصان کو روکنے کے لیے کوئی اقدام (stop-loss) نہیں ہے، جس سے نقصان پر قابو نہیں پایا جا سکتا۔

خطرات کو کم کرنے کے لیے درج ذیل طریقے استعمال کیے جا سکتے ہیں:

1. تجارتی حجم کے سگنلز کی وشوسنییتا کا تعین کرنے کے لیے دیگر اشاریوں کے ساتھ ملاپ کریں۔
2. لوگارتھمک فنکشن کے پیرامیٹرز کو بہتر بنائیں تاکہ پیش گوئی کی درستگی بڑھے۔
3. ہر ٹریڈ اور مجموعی نقصان کو محدود کرنے کے لیے اسٹاپ لاس (stop-loss) لائن سیٹ کریں۔

بہتری کے امکانات

اس حکمت عملی کو مزید بہتر بنایا جا سکتا ہے:

1. مشین لرننگ کے طریقوں سے لوگارتھمک فنکشن کو متحرک طور پر بہتر بنائیں۔
2. اسٹاک کی قیمت کے اتار چڑھاؤ کے اشاریوں کے ساتھ پوزیشن مینجمنٹ کو ایڈجسٹ کریں۔
3. بایزین فلٹر (Bayesian filter) شامل کریں تاکہ غیر موثر سگنلز کو فلٹر کیا جا سکے۔
4. بریک آؤٹ (breakout) حکمت عملی کے ساتھ ملاپ کریں، بریک آؤٹ پوائنٹ پر داخل ہوں۔
5. حجم اور قیمت کے فرق (divergence) کے سگنلز دریافت کرنے کے لیے ایسوسی ایشن رولز (association rules) استعمال کریں۔

مختلف طریقوں کے امتزاج سے حکمت عملی کے استحکام اور منافع بخش صلاحیت کو مزید بہتر بنایا جا سکتا ہے۔

خلاصہ

یہ حکمت عملی تجارتی حجم کے اعدادوشمار اور لوگارتھمک فنکشن کی پیش گوئی کو یکجا کرتی ہے، جس سے ایک منفرد مقداری تجارتی طریقہ کار تشکیل پاتا ہے۔ مسلسل بہتری کے ذریعے، یہ حکمت عملی ایک موثر اور مستحکم پروگرام شدہ تجارتی نظام بن سکتی ہے۔ مشین لرننگ اور امتزاجی اصلاح (combinatorial optimization) کے نظریات کو شامل کرکے، ہم پراعتماد ہیں کہ اس کی تجارتی کارکردگی کو مزید بہتر بنایا جا سکتا ہے۔