Ano ang Rescaled Range Analysis?
Ang na-save na pagsusuri ng saklaw ay isang pamamaraan na istatistika na ginamit upang pag-aralan ang mga uso sa serye ng oras. Ito ay binuo ng British hydrologist na si Harold Edwin Hurst upang mahulaan ang pagbaha sa ilog Nile. Ginamit ito ng mga namumuhunan upang maghanap ng mga siklo, pattern, at mga kalakaran sa mga presyo ng stock at bono na maaaring ulitin o baligtarin sa hinaharap.
Mga Key Takeaways
- Ang pagsagip na pagsusuri ng saklaw ay tumitingin sa isang serye ng data at tinutukoy ang pagtitiyaga o nangangahulugang mga pagkahilig sa loob ng data na iyon.Ang na-save na saklaw ay maaaring magamit upang makalkula ang Hurst exponent, na maaaring mag-extrapolate ng isang hinaharap na halaga o average para sa data.Ang Hurst exponent na nagbabago sa pagitan ng zero at isa.Kapag ang exponent ng Hurst ay mas malaki kaysa sa 0.5, ang data ay nagpapakita ng isang malakas na takbo ng pangmatagalang, at kapag ang H ay mas mababa sa 0.5, ang isang pagbabalik ng takbo ay mas malamang.
Pag-unawa sa Rescaled Range Analysis
Ang nai-save na pagsusuri ng saklaw ay maaaring magamit upang makita at suriin ang dami ng pagtitiyaga, pagkakasunud-sunod, o nangangahulugang pagbabalik-balik sa mga data sa serye ng oras ng pananalapi. Ang mga rate ng palitan at mga presyo ng stock ay hindi sumusunod sa isang random na lakad, o hindi mahulaan na landas, tulad ng kung ang mga pagbabago sa presyo ay independiyenteng sa bawat isa. Ang mga merkado, sa madaling salita, ay hindi perpektong mahusay, na nangangahulugang mayroong mga pagkakataon para sa mga namumuhunan na makamit.
Kung ang isang malakas na kalakaran ay umiiral sa data, makukuha ito ng Hurst exponent (H exponent), na maaari ring magamit upang i-rate ang mga pondo ng isa't isa. Ang H exponent, na kung saan ay kilala rin bilang ang index ng long-range dependence, ay maaaring extrapolate isang hinaharap na halaga o average para sa data.
Ang Mabilis na exponent na saklaw sa pagitan ng zero at isa, at sinusukat nito ang pagtitiyaga, pagkakasunud-sunod, o nangangahulugang pagbabaliktad. Ang mga serye ng oras na nagpapakita ng isang random na stochastic na proseso ay may mga exponents ng H malapit sa 0.5. Kapag ang H ay mas malaki kaysa sa 0.5, ang data ay nagpapakita ng isang malakas na takbo ng pangmatagalang panahon, at kapag ang H ay mas mababa sa 0.5, malamang na baligtarin ang takbo sa panahon na isinasaalang-alang ng frame.
Ang mga exponents sa ibaba 0.5 ay kilala rin bilang ang Joseph effect, bilang pagtukoy sa biblikal na kwento ng pitong taon ng maraming sinusundan ng pitong taong taggutom. Ang mga mababang halaga ay malamang na sinusundan ng mataas na halaga, o kabaligtaran.
Nai-save na Saklaw at ang Mabilis na Tugon
Ang pagtatasa ng nai-save na saklaw ay tinatasa kung paano nagbabago ang pagkakaiba-iba ng mga serye ng data ng serye sa haba ng panahon na isinasaalang-alang. Ang naliligtas na saklaw ay kinakalkula sa pamamagitan ng paghati sa saklaw (maximum na halaga na minus minimum na halaga) ng pinagsama-samang ibig sabihin na nababagay na mga puntos ng data (kabuuan ng bawat point point na minus ang ibig sabihin ng serye ng data) sa pamamagitan ng karaniwang paglihis ng mga halaga sa parehong bahagi ng serye ng oras.
Habang tumataas ang bilang ng mga obserbasyon sa isang serye ng oras, tumataas ang na-save na saklaw. Sa pamamagitan ng pag-plot ng mga pagtaas na ito bilang logarithm ng R / S kumpara sa logarithm ng n, maaaring matukoy ng isang tao ang dalisdis ng linyang ito, na siyang Hurst exponent, H.
Mga halimbawa ng Paano Gumamit ng Rescaled Range Analysis
Ang Mabilis na exponent ay maaaring magamit sa mga diskarte sa pamumuhunan sa kalakaran ng kalakaran. Ang isang mamumuhunan ay naghahanap ng mga stock na nagpapakita ng malakas na pagtitiyaga. Ang mga stock na ito ay magkakaroon ng isang H na higit sa 0.5. Ang isang H mas mababa sa 0.5 ay maaaring ipares sa mga teknikal na tagapagpahiwatig upang makita ang mga pagbabalik ng presyo. Halimbawa, upang oras ng kanilang pamumuhunan, ang isang mamumuhunan sa halaga ay maaaring maghanap para sa mga stock na may H mas mababa sa 0.5 na ang mga presyo ay bumababa nang ilang oras.
Ang ibig sabihin ng pagbabaligtad ng pagbabalik-tanaw ay magmumula sa matinding pagbabago sa presyo ng isang seguridad, batay sa palagay na babalik ito sa dati nitong estado. Ang H exponent ay ginagamit ng mga mangangalakal ng algorithm upang mag-isip sa mga nangangahulugang mga diskarte sa serye ng oras tulad ng mga pares na kalakalan, kung saan ang pagkalat sa pagitan ng dalawang mga pag-aari ay nangangahulugang paggalang.
Ang sumusunod na tsart ay nagpapakita ng isang average na average na average na paglipat (MA) ng Hurst Exponent batay sa tsart ng presyo ng SPDR S&P 500 (SPY). Ang MA ay maaaring nababagay, na may isang mas mahabang MA smoothing out fluctuations.
Para sa mga mangangalakal na gustong bumili sa panahon ng pagtaas ng presyo, maaari silang maghanap ng mga pagkakataon kung saan ang H ay nasa itaas ng 0.5 at ang presyo ay gumagalaw. Ginamit sa ganitong paraan, ang tagapagpahiwatig ay hindi kinakailangang magbigay ng mga signal ng kalakalan, ngunit makakatulong ito sa pagbibigay ng kumpirmasyon para sa iba pang mga signal ng kalakalan batay sa kalakaran.
TradingView
Ang tagapagpahiwatig ay hindi palaging magbigay ng magagandang signal. Mahalaga rin na tandaan na ang mga mataas na H na halaga kapag ang presyo ay bumababa ay nagpapahiwatig ng karagdagang pagtanggi sa presyo, na maaaring gawing nakalilito ang tagapagpahiwatig kapag ginamit muna ito.
Ang Pagkakaiba sa pagitan ng Rescaled Range Analysis at Regression Analysis
Ang pagsagip na pagsusuri ng saklaw ay tumitingin sa isang serye ng data at tinutukoy ang pagtitiyaga o ibig sabihin na paggalang na mga tendensya sa loob ng data na iyon. Ang linear regression ay tumitingin sa dalawang variable, tulad ng presyo at oras, at hahanapin ang midpoint o linya ng pinakamahusay na akma para sa serye ng data. Pagkatapos, ang mga karaniwang mga paglihis ng mga channel ay maaaring maidagdag upang ipakita kung ang seguridad ay potensyal na overbought o oversold batay sa serye ng data. Ang linear regression ay bahagi ng mas malaking larangan ng pagsusuri ng regresyon.
Mga Limitasyon ng Nai-save na Saklaw ng Pagsusuri
Para sa mga layunin ng pangangalakal, ang isang nailigtas na saklaw ay ang nababagay na saklaw na nahahati sa karaniwang paglihis. Ang mga kalkulasyong ito ay batay sa nakaraang data at hindi likas na mahuhulaan. Nasa negosyante na bigyang kahulugan ang impormasyong nailigtas ng saklaw o pagbibigay ng Hurst exponent.
Para sa mga layunin ng pangangalakal, ang tagapagpahiwatig ng Hurst, na nagmula sa naligtas na saklaw, ay maaaring gumana minsan, ngunit hindi ito gumagana sa lahat ng oras. Ang isang malakas na takbo ng presyo ay maaaring mabaligtad nang masakit, na hindi nahanap ng tagapagpahiwatig. Ang mga pagbabagong nilagdaan ng tagapagpahiwatig ay maaari ring hindi umunlad.
