کثیر عنصر مقداری حکمت عملی جس کی بنیاد ایکسپونینشل موونگ ایوریج اور حجم کے وزن پر ہے۔

جائزہ

اس حکمت عملی کا نام کثیر عنصر کی پیمائش کی حکمت عملی ہے جو انڈیکس کی حرکت پذیری اوسط اور ٹرانزیکشن وزن پر مبنی ہے۔ اس حکمت عملی میں قیمتوں کے رجحانات ، ٹرانزیکشن حجم کی معلومات اور تازہ ترین قیمتوں کی معلومات کو مدنظر رکھتے ہوئے ، مارکیٹ کے مواقع کو مؤثر طریقے سے پکڑنے کے لئے ایک خاص فائدہ ہے۔

حکمت عملی کا اصول

اس حکمت عملی کا بنیادی اشارے nRes ہے ، جو انڈیکس کی چلتی اوسط xMAVolPrice ، ٹرانزیکشن حجم انڈیکس کی چلتی اوسط xMAVol اور تازہ ترین اختتامی قیمت کے قریب سے ملتا ہے ، جو مندرجہ ذیل فارمولے کے ذریعہ شمار ہوتا ہے:

xMAVolPrice = ema(volume * close, length) 
xMAVol = ema(volume, length)
nRes = xMAVolPrice / xMAVol

ان میں سے ، xMAVolPrice اختتامی قیمتوں اور حجم کی تجارت کے ضرب کی ایک اشاریہ حرکت پذیری اوسط ہے ، جو قیمت اور حجم کی تجارت کی جامع معلومات کی عکاسی کرتی ہے۔ xMAVol صرف حجم کی تجارت کی ایک اشاریہ حرکت پذیری اوسط ہے۔ nRes دو اشاریہ حرکت پذیری اوسط کا تناسب ہے ، جو قیمت کی ایڈجسٹ شدہ معلومات کی عکاسی کرتا ہے۔

یہ حکمت عملی nRes اور تازہ ترین اختتامی قیمتوں کے درمیان بڑے پیمانے پر تعلق کا اندازہ کرکے زیادہ سے زیادہ مختصر کرنے کا فیصلہ کرتی ہے:

if (nRes < close[1]) 
    做多
if (nRes > close[1])
    做空

اگر nRes تازہ ترین اختتامی قیمت سے کم ہے تو ، اس کا مطلب یہ ہے کہ حجم کی ایڈجسٹمنٹ کے بعد کی قیمت تازہ ترین قیمت سے کم ہے ، خریدنے کا اشارہ ہے۔ اگر nRes تازہ ترین اختتامی قیمت سے زیادہ ہے تو ، اس کا مطلب یہ ہے کہ حجم کی ایڈجسٹمنٹ کے بعد کی قیمت تازہ ترین قیمت سے زیادہ ہے ، فروخت کا اشارہ ہے۔

مجموعی طور پر ، اس حکمت عملی میں ٹریڈ حجم میں ایڈجسٹ شدہ قیمت کے اشارے nRes اور تازہ ترین اختتامی قیمت کا موازنہ کیا گیا ہے ، جس میں زیادہ سے زیادہ ڈیفالٹ کرنے کا فیصلہ کیا گیا ہے ، جو ایک عام مقدار میں تجارت کی حکمت عملی ہے۔

طاقت کا تجزیہ

اس حکمت عملی کے کچھ اہم فوائد یہ ہیں:

1. ملٹی فیکٹر انفارمیشن۔ اس حکمت عملی میں نہ صرف قیمت کی معلومات پر غور کیا گیا ہے ، بلکہ اس میں ٹرانزیکشن حجم کی معلومات بھی شامل ہیں ، جس سے اسٹاک کی کثیر عنصر کی خصوصیت کا بھرپور فائدہ اٹھایا جاسکتا ہے ، جس سے مارکیٹ کے رجحانات کا زیادہ درست اندازہ لگایا جاسکتا ہے۔

2. جعلی سگنل کو کم کرنا۔ ٹرانزیکشن کی مقدار کو وزن دینے کے ذریعہ ، آپ کو کم ٹرانزیکشن کی وجہ سے ہونے والی کچھ جعلی توڑ کو فلٹر کرنا ہوگا۔ یہ غیر ضروری تجارت کو مؤثر طریقے سے کم کرسکتا ہے ، اور اس سے بچنے سے بچ سکتا ہے۔

3. مضبوط حقیقت پسندی۔ اس حکمت عملی میں اشارے کی حرکت پذیر اوسط سادہ حرکت پذیر اوسط جیسے اشارے کے مقابلے میں تازہ ترین اعداد و شمار کے لئے زیادہ حساس ہے اور مارکیٹ میں حالیہ تبدیلیوں کو زیادہ تیزی سے پکڑ سکتا ہے۔

4. آسانی سے لاگو کرنا۔ اس حکمت عملی کا نظریہ سادہ اور واضح ہے ، سمجھنے اور لاگو کرنے میں آسان ہے ، اور یہ مقدار کی تجارت کی ضروریات کے لئے موزوں ہے۔

خطرے کا تجزیہ

اگرچہ اس حکمت عملی کے کچھ فوائد ہیں ، لیکن اس کے ساتھ کچھ خطرات بھی ہیں:

1. ٹرانزیکشن کی معلومات ناقابل اعتماد ہے۔ ٹرانزیکشن کی پیمائش میں آسانی سے ہیرا پھیری کی جاسکتی ہے ، یہ کافی مستحکم نہیں ہے ، اور اس سے گمراہ ہوسکتا ہے۔

2. بہت زیادہ فیصلے کا موقع کم ہے۔ اس حکمت عملی کے مقابلے میں جو صرف رجحانات کی پیروی کرنے کی حکمت عملی کے مقابلے میں نسبتا کم فیصلے کا موقع ہے ، اس سے تجارت کی کمی کا سبب بن سکتا ہے۔

3. پیرامیٹرز کا انتخاب کرنا مشکل ہے۔ پیرامیٹرز کا انتخاب کرنا جیسے چلتی اوسط دن کی لمبائی حکمت عملی کی کارکردگی پر بہت زیادہ اثر ڈالتی ہے ، اور غلط انتخاب سے آمدنی میں نمایاں کمی واقع ہوسکتی ہے۔

4. تیزی سے چلنے والے حالات میں ، اشارے کا حساب کتاب تازہ ترین قیمتوں کے جواب میں دیر سے ہوسکتا ہے ، جس سے بہترین تجارت کے اوقات سے محروم ہونے کا خطرہ ہوتا ہے۔

اسی طرح کے حل: پیرامیٹرز کی ترتیب کو بہتر بنانا ، پوزیشن سائز کو سختی سے کنٹرول کرنا ، اسٹاپ نقصان کو روکنا۔ دوسرے عوامل کے اشارے کے ساتھ مل کر جانچ پڑتال کریں۔ پوزیشن کی تعدد کو مناسب طریقے سے ایڈجسٹ کریں۔

اصلاح کی سمت

اس حکمت عملی کو مندرجہ ذیل طریقوں سے بہتر بنایا جاسکتا ہے:

1. زیادہ لچکدار پوزیشن کھولنے کی منطق۔ جب nRes اور بندش کی قیمت کا فرق کسی قیمت سے زیادہ ہو تو پوزیشن کھول سکتے ہیں ، نہ کہ صرف دو درجہ بندی کے فیصلے ، زیادہ مواقع سے فائدہ اٹھائیں۔

2. اضافی پوزیشن مینجمنٹ میکانزم۔ مارکیٹ میں اتار چڑھاؤ کی حد کے مطابق ، ہر تجارت کی پوزیشن کا سائز متحرک طور پر ایڈجسٹ کیا جاسکتا ہے ، اور خطرے کو مؤثر طریقے سے کنٹرول کیا جاسکتا ہے۔

3. دوسرے عوامل کے ساتھ مل کر۔ آپ مزید عوامل شامل کرسکتے ہیں ، جیسے جذباتی اشارے ، بنیادی عوامل وغیرہ ، تاکہ حکمت عملی کے فیصلے کو مزید جامع بنایا جاسکے۔

4. پیرامیٹرز کو خود بخود بہتر بنانے کے لئے: آپ الگورتھم کو خود کار طریقے سے لمبائی کو بہتر بنانے کے لئے پیرامیٹرز تشکیل دے سکتے ہیں ، تاکہ وہ مختلف دوروں کے حالات کی خصوصیات کے مطابق خود کو ایڈجسٹ کرسکیں۔

5. مشین لرننگ ماڈل کا استعمال کرنا۔ RNN جیسے گہری سیکھنے کے ماڈل کو استعمال کرکے کثیر جہتی خصوصیات کی ماڈلنگ کی جاسکتی ہے ، جس سے آخر سے آخر تک غیر لکیری حکمت عملی کو نافذ کیا جاسکتا ہے۔

خلاصہ کریں۔

اس حکمت عملی میں قیمت ، لین دین کی مقدار اور دیگر متعدد عوامل کی معلومات کو جامع طور پر مدنظر رکھا گیا ہے ، قیمت کے اشارے کو لین دین کی مقدار کے انڈیکس کی حرکت پذیر اوسط کے ذریعے ایڈجسٹ کیا گیا ہے ، اور اس کی تازہ ترین اختتامی قیمت کے ساتھ تجارت کی سمت کا فیصلہ کیا گیا ہے۔ اس میں ایک ہی اشارے کے مقابلے میں ، زیادہ معلومات کی مقدار ، جھوٹے اشاروں کو کم کرنے جیسے فوائد ہیں۔ لیکن اس میں لین دین میں ہیرا پھیری ، فیصلے کے اوقات جیسے کم خطرات کا بھی سامنا کرنا پڑتا ہے۔ مستقبل میں پوزیشن کھولنے کے منطق کو بہتر بنانے ، پوزیشن مینجمنٹ ، مزید عوامل شامل کرنے وغیرہ میں بہتری لائی جاسکتی ہے ، تاکہ حکمت عملی کی تاثیر بہتر ہو۔