سیگنالهای تصادفی Stochastic

_x(t)_ = \frac \int_^ x(t) \, dt." />

سنجه‌ها و انتگرال: فرایندهای تصادفی

فرایندهای تصادفی را دانشجویان رشته‌های زیادی می‌شناسند. مهندسی برق، هوش مصنوعی، مهندسی هوافضا، اقتصاد و مانند اینها. همه‌ی توابعی که مقادیر آن‌ها از منظر نگاه ما اعدادی تصادفی هستند، در مجموعه‌ی فرایندهای تصادفی قرار می‌گیرند. مقادیر یک سیگنال الکترومغناطیسی که به گوشی موبایل می‌رسد، ارزش سهام یک شرکت در طول زمان، میزان جابجایی یک جزء در یک سیستم مکانیکی، همگی فرایندهای تصادفی هستند.

فرایندهای تصادفی را هم می‌توان مانند انتگرال در یک چهارچوب غیر دقیق مطالعه کرد؛ اما مطالعه‌ی آن‌ها در چهارچوب نظریه‌ی سنجه‌ها، استوارتر است و دیدگاه‌های بهتری را برای مطالعه کننده به ارمغان می‌آورد (دمش گرم!)

حالا بیایید یک مسأله را که به همین فرایندهای تصادفی مربوط می‌شود بررسی کنیم. فرض کنید که می‌خواهیم انتگرال یک تابع $f$ را در بازه‌ای خاص (مثلاً ۰ تا ۱) محاسبه کنیم، اما خود تابع را نداریم. چیزی که در دست داریم نمونه‌هایی از مقادیر $f$ است که توانسته‌ایم اندازه‌گیری کنیم. این مسأله کاملاً کاربردی است. ما در مورد توابعی که با آن‌ها سر و کار داریم، معمولاً اطلاعات کامل نداریم و فقط اندازه‌گیری‌های محدودی از آن‌ها در دسترس ماست.

یکی از راه حل‌های اولیه و مفید، وصل کردن نقاطی که در دسترس داریم با خط راست است. به این ترتیب یک تابع تکه‌-تکه خطی داریم که می‌توانیم انتگرالش را محاسبه کنیم. یا یک منحنی درجه دوم از هر سه نقطه بگذرانیم و اینطوری تقریب بزنیم. بسیاری از این روش‌ها را در محاسبات عددی در دوره‌ی کارشناسی به دانشجویان می‌گویند.

اما اگر اطلاعاتی راجع به تابع $f$ داشته باشیم که احتمالاتی باشند چه؟ آیا می‌توانیم از آن‌ها در بازسازی تابع یا انتگرال‌گیری از تابع استفاده کنیم؟ اصولاً اطلاعات احتمالاتی راجع به توابع یعنی چه؟

اینجاست که سنجه‌ها سروکله‌یشان پیدا می‌شود. با ابزارهای رایج به راحتی نمی‌شود یک مجموعه از توابع را اندازه گیری کرد (مثلاً احتمال به آن‌ها تخصیص داد.)

اخطار مسأله‌ی مطرح شده در بالا (انتگرال‌گیری از تابع نامشخص) اینجا در دستور کار نیست. از این به بعد، بحث سنجه‌ها روی مجموعه‌ی توابع مدنظر است و خصوصاً سنجه‌ی وینر را که قانون احتمال فرایند وینر است، بررسی می‌کنیم.

سنجه‌ی وینر

آقای وینر که معرف حضور هستند. فیلتر وینر به احترام ایشان نامگذاری شده است. آقای وینر یک ریاضیدان و فیلسوف امریکایی است که در MIT استاد بوده است. ایشان جزو اولین نفراتی است که سعی کردند خواص توابع نمونه‌ی فرایندهای تصادفی را هم بررسی کنند. اگر از اسمش مشخص نیست، توابع نمونه‌ی یک فرایند تصادفی توابعی هستند که اگر وضعیت رخدادهایی که باعث شده یک فرایند تصادفی شود را دقیقاً بدانیم – جای خدا بنشینیم! – با آن‌ها برخورد می‌کنیم. مثلاً اگر من وضعیت یک کانال مخابراتی – مثل فضای شهری – را دقیقاً بدانم، سیگنال الکترومغناطیسی دریافتی موبایل برایم یک تابع ساده از زمان می‌شود. خودمانیم لازم نیست جای خدا بنشینیم، همین موبایل‌های ما هم عملاً با توابع نمونه سر و کار دارند. سیگنالی که به موبایل می‌رسد از پیش برای ما مشخص نیست؛ ولی وقتی به موبایل می‌رسد مقادیر مشخصی دارد، بنابراین یک تابع نمونه است.

شکل ۱: یک فرایند تصادفی

یافتن خواص توابع نمونه‌ی یک فرایند تصادفی مسأله‌ی بسیار جذابی است. آقای وینر برای احتمال رخداد مجموعه‌هایی از این توابع یک سنجه‌ی گوسی پیشنهاد کرد.

اگر تا اینجا را با هم درست پیش آمده باشیم، باید بپرسید، خب این سنجه روی چه سیمگافیلدی تعریف شده است؟ فرض کنید که می‌دانیم توابع مد نظر ما در زمان‌های $t_0$، $t_1$ و همینطور تا $t_n$ مقادیرشان در بازه‌های خاصی است. مثلاً در زمان $t_0$ مقدار توابع مورد نظر ما در بازه‌ی $(5,10)$ قرار دارد، در زمان $t_1$ در بازه‌ی $(8,11)$ و … . برای این بازه‌ها هم اسامی $A_0$ تا $A_n$ را در نظر می‌گیریم. با داشتن این دانسته‌ها، عملاً یک زیرمجموعه از توابع نمونه‌ی فرایند تصادفی را توصیف کرده‌ایم. در میان همه‌ی توابع نمونه، آن‌هایی که در زمان‌های مشخص، مقادیری در بازه‌های مشخص اختیار می‌کنند. برای سهولت کار بیایید روی این زیر مجموعه یک اسم بگذاریم: $$C(t_0,\ldots,t_n;A_0,\ldots,A_n)$$ حالا برای این زیر مجموعه‌ها مقدار سنجه را تعریف می‌کنیم: $$\begin &&\mu\left(C(t_0,\ldots,t_n;A_0,\ldots,A_n)\right)=\\ &&\int_\int_\cdots\int_p(t_n-t_,x_n-x_)\ldots p(t_0,x_0)dx_ndx_\ldots dx_0 \end$$ تابع $p$ هم همان فرم گوسی یعنی $p(a,b)=(4\pi a)^e^<-\mid b\mid^2/4t>$ است.

با در دست داشتن این سنجه می‌توانیم کارهای جالبی انجام دهیم. مثلاً امید ریاضی توان دوم توابعی که توزیع احتمالاتی وینر دارند چه تابعی است؟ دقت کنید که زیر مجموعه‌ی خاصی را مشخص نکرده‌ایم پس نه سیگنالهای تصادفی Stochastic مقادیر $t_i$ داریم و نه بازه‌ی محدود $A_i$: $$\mathbb(|\omega(t)|^2)=\int p(t,x)|x|^2dx=2nt$$

پس امید ریاضی اندازه‌ی تابع نمونه‌ی فرایندی با این قانون می‌شود $\sqrt$.

به فرایندی که قانون احتمال آن سنجه‌ی وینر باشد، فرایند وینر می‌گویند (بدیهی نیست؟)

فرایند وینر در ریاضیات مالی و فیزیک، کاربردهای گسترده‌ای دارد.

خاتمه‌ی کلام

به نظر می‌آید که بدون اینکه عمدی داشته باشم، علاقه‌ی خاصی به تریلوژی پیدا کرده‌ام. به هر حال به نظر من صحبت پیوسته در مورد سنجه‌ها بیشتر از این در حوصله‌ی روزنوشته‌های مثل منی نیست. غرض از این این سلسله‌ی پُست‌ها این بود که کنجکاوی و علاقه‌ی خواننده‌ی احتمالی را به مباحث پایه‌ی تئوری احتمالات جدید، بیشتر کنم. یک مثال کاربردی از فواید تغییر نگرش به این سبک ارائه دهم و در نهایت یک مسأله‌ی پیشرفته‌تر از احتمالات عادی را بررسی کنم که این هم خودش در راستای انگیزاندن برای مطالعه‌ی بیشتر در همین زمینه بوده و عملاً بخشی از هدف اول است.

عذرخواهی در نسخه‌ی اول پُست اول این مجموعه، عکس‌هایی که گذاشته بودم، غلط بودند. در واقع عمل انتگرال‌گیری را که به درستی تشریح شده بود، به اشتباه نشان می‌دادند. این عکس‌ها به محض انتشار پُست دوم اصلاح شدند.

اندیکاتور استوکاستیک چیست؟ آموزش مفهوم اندیکاتور Stochastic

اندیکاتور استوکاستیک یا Stochastic Oscillator indicator توسط جورج لین ایجاد شده است و برای چک کردن سرعت روند بازار استفاده می شود، در این مقاله علاوه بر معرفی استوکاستیک، مفاهیم و جزئیات را نیز به شما عزیزان آموزش خواهیم داد، همراه داتیس نتورک باشید.

اندیکاتور استوکاستیک چیست؟

Stochastic Oscillator indicator توسط جورج لین ایجاد شده است و برای چک کردن سرعت روند بازار استفاده می شود.

از اندیکاتور استوستیک یا اندیکاتور Stochastic برای چک کردن سرعت روند بازار در هر ساعتی از شبانه روز می توان استفاده کرد.

همچنین می تواند به ما نشان دهد که یک روند ممکن است در کجا به اتمام برسد.

لازم به ذکر است که این اندیکاتور از قیمت سیگنالهای تصادفی Stochastic و حجم معاملات پیروی نمی کند و مانند دو اندیکاتورهای RSI و MACD عمل نمی کند.

این اندیکاتوربرای اولین بار توسط جورج لین به وجود آمده است و به طور کلی از اواخر دهه ۱۹۵۰ مطرح شده است.

که به تخمین قیمت بسته شدن دارایی و محدوده نوسان قیمت در یک دوره از پیش تعیین شده می پردازد.

در حالت کلی استوکاستیک به عنوان اسیلاتوری شناخته شده است که از قیمت سهم و حجم معاملات پیروی نمی کند بلکه چیزی که در این اندیکاتور مهم است سرعت و جهت حرکت قیمت است.

این اندیکاتور شامل دو منحنی به نام های ذیل است:

در بین محدود ۲۰ تا ۸۰ در حال نوسان می باشد و زمانی که در این محدود قرار بگیرد نشان دهنده اشباع در خرید یا فروش است.

از این اندیکاتور در تشخیص واگرایی نیز استفاده می گردد.

نام دیگر اندیکاتور Stochastic، نوسان گر تصادفی است.

مهمترین هدف اندیکاتور استوکاستیک نشان دادن این است که بازار چه زمانی در موقعیت تلاطم و زیاده روی در فروش است و چه زمانی در موقعیت تلاطم و زیاده روی در خرید است.

بررسی مفهموم افراط در خرید و فروش

افراط در خرید: زمانی که تعداد خریدها غیر عادی باشد اصطلاحا می گویند خرید افراطی و احتمال کاهش در قیمت ها وجود دارد. در این حالت سیگنل ها بر روی محدود عدد ۸۰ قرار می گیرند.

افراط در فروش: زمانی که تعداد فروش ها غیر عادی باشد اصطلاحا می گویند فروش افراطی و احتمال افزایش در قیمت ها وجود دارد. در این حالت سیگنل ها بر روی محدود عدد ۲۰ قرار می گیرند.

انواع استوکاستیک ها :

به طور کلی به سه دسته به شرح ذیل تقسیم می شوند:

• استوکاستیک کامل: استوکاستیک K% سریع با میانگین متحرک ساده دوره هموار شده است.
• استوکاستیک سریع: فقط برخی افراد از این نوع استفاده میکنند.
• استوکاستیک کند: K% سریع با میانگین متحرک ساده و ۳ دوره‌ای هموار شده است و همچنین D% آن از میانگین متحرک ساده K% کند سه دوره‌ای محاسبه می‌شود.

نکات اندیکاتور Stochastic:

• زمانی که Stochatic در به سمت محدود عددی ۲۰ حرکت می کند و برای مدتی در آنجا باقی می ماند، نشان از برگشت صعودی خوبی را دارد.
• تنظیمات پیش فرض استوکاستیک بر روی ۵٫۳٫۳ است که با وجود ازدیاد نوسان ها خطای بیشتری را نسبت به مقدار ۳٫۳٫۱۴ دارد.
• اگر سیگنال های اندیکاتور نوسانگر تصادفی به عدد ۷۵ برسد بیانگر سقف خرید است و اگر به عدد ۲۵ برسد بیانگر کف خرید است.
• از این اسیلاتور برای شناسایی واگرایی ها استفاده می کنیم.

استوکاستیک به شما چه می‌گوید؟

استوکاستیک وابسته به دامنه است، به این معنا که همواره بین صفر تا صد قرار دارد.

از این رو، این شاخص برای تشخیص وضعیت‌های بیش‌خرید یا بیش‌فروش مناسب است.

معمولا، وقتی استوکاستیک بالای 80 قرار گیرد، خرید بیش از حد و وقتی زیر 20 باشد فروش بیش از حد در نظر گرفته می‌شوند.

با این حال، این ارقام همیشه نشان دهنده معکوس شدن قریب الوقوع روندها نیستند.

روندهای بسیار شدید می‌توانند در وضعیت‌های خرید یا فروش بیش از حد به مدت طولانی‌تر دوام آورند.

در عوض، معامله‌گران باید مراقب تغییرات استوکاستیک باشند تا بتوانند دید بهتری نسبت به تغییرات آینده روندها داشته باشند.

استوکاستیک معمولا شامل دو خط می‌شود:

یک خط نمایانگر ارزش واقعی نوسانگر در زمان هر معامله، و خط دیگر نمایانگر میانگین متحرک ساده سه روزه آن است.

از آنجا که فرض می‌شود قیمت تابع مومنتوم است، تقاطع این دو خط، یک سیگنال برای روند معکوسی است که به زودی روی خواهد داد.

زیرا این تقاطع نمایانگر تغییری بزرگ در مومنتوم روزانه است.

واگرایی بین استوکاستیک و حرکت قیمت در بازار نیز به عنوان یک سیگنال معکوس‌شدن روند در نظر گرفته می‌شود.

به عنوان مثال:

هنگامی که روند خرسی (افت قیمت‌ها) به پایین‌ترین حد جدید خود می‌رسد اما نوسانگر یک قیمت پایین بالاتر را نشان می‌دهد می‌توان به این نتیجه رسید که از مومنتوم خرس‌ها کاسته شده و یک روند معکوس گاوی (رشد قیمت‌ها) در حال شکوفایی است.

امیدواریم مقاله آشنایی با اندیکاتور Stochastic برای شما عزیزان مفید بوده باشد.

فرآیند آرگادیک

فرآیندهای تصادفی جنبه‌های نظری و پایه‌های ریاضی مربوط به فرآیندهای تصادفی را در حوزهٔ ریاضیّات احتمالات مورد مطالعه و تحلیل قرار می‌دهند. به عنوان ساده‌ترین مثال‌ها، می‌شود رکوردهای ثبت‌ شده از سیگنال های مربوط به پدیده‌هایی همچون زلزله، سیل، امواج دریا، یا تغییرات بازارهای بورس و یا پیام‌های ارسال‌ شده در یک شبکه مخاابراتی را ذکر کرد.

درپردازش یک سیگنال ، یک فرآیند تصادفی ارگادیک فرایندی است که ویژگی هایی آماری آن ( مانند واریانس و میانگین ) را بتوان تنها از روی یک نمونه از آن فرآبند ،که به اندازه مدت کافی برداشته شده باشد، تعیین کرد.

تعریف ها

مجموعه‌ای از متغیرهای تصادفی با اندیس مرحله یا زمان که وضعیت یک پدیده یا آزمایش تصادفی را در طول یک دوره نمایش می‌دهد. متغیرهای تصادفی و اندیس آنها می‌توان از انواع گسسته و پیوسته و نیز چند بعدی باشند. مثلاً بررسی وضعیت آب و هوا، تعداد افراد و وضعیت یک بازی در مکانها زمانها یا مراحل مختلف. فرایندهای تصادفی یکی از علوم کاربردی وابسته به احتمال و آمار بوده که در سایر علوم و فنون دیگر کاربرد بسیاری دارد.

فرایندهای تصادفی در ابتدا در علم فیزیک و برای توصیف پدیده‌های تصادفی که حالت آنها در طی زمان تغییر می‌کند مطرح شد. در مدلسازی هر سیستم تصادفی که حالت آن در طی زمان (فضا یا سایر پارامترها) تغییر می‌کند، مدل باید قادر به توصیف حالت سیستم در طول زمان باشد. به عبارت دیگر مدل شامل دنباله‌ای از متغیرهای تصادفی است که پدیده تصادفی را توصیف می‏کند.

فرض کنید t متغیر زمان و x(t) متغیر تصادفی متناسب با t باشد. در این صورت یک فرایند تصادفی مجموعه‌ای از متغیرهای تصادفی است که در آن x(t) به ازای هر tЄT یک متغیر تصادفی است.

با این توضیح فرایندهای تصادفی مفهوم تعمیم یافته متغیرهای تصادفی است. برای تعریف یک فرایند تصادفی داریم:

T = مجموعه اندیس فرایند (فرایند).
مقادیر x = حالات فرایند.
S = فضای حالات فرایند.

اگر متوسط زمانی یک نمونه از یک فرایند تصادفی را با

نشان دهیم و متوسط آماری فرایند برابر باشد ، در صورتی که _x(t)_" /> با به میل کند، فرایند مورد نظر یک فرایند ارگادیک است.

آموزش گام به گام اندیکاتور استوکاستیک + نکات حرفه ‌ای

اندیکاتور استوکاستیک یک اندیکاتور یا نوسانگر تصادفی است که توسط «دکتر لین» ابداع شد و به یکی از بهترین و محبوب‌ترین اندیکاتورهای بازار مالی فارکس تبدیل شد. این اندیکاتور می‌تواند یک مقایسه سریع و دقیق بین قیمت‌های بالا، قیمت‌های پایین و قیمت بسته شدن در اختیار تریدر قرار دهد.

آنچه که باعث شده است این اندیکاتور طی چند سال گذشته محبوبیت بیشتری نسبت به سایر اندیکاتورها مثل پارابولیک سار پیدا کند، این است که سایر اندیکاتورها معمولاً بر اساس میزان سهام و تعداد معاملاتی که توسط سرمایه گذاران انجام می‌شود، نتایج را مشخص می‌کنند.

اما اندیکاتور استوکاستیک فقط بر اساس مسیر افزایش و کاهش قیمت و جهت و روند آن در بازار مالی نتایج را در اختیار معامله گران قرار سیگنالهای تصادفی Stochastic می‌دهد. بنابراین به نوعی می‌توان گفت نتایج حاصل از این اندیکاتور دقیق‌تر و کامل‌تر است. در ادامۀ این مطلب از مجموعۀ جی تو او به آموزش گام به گام اندیکاتور استوکاستیک می‌پردازیم.

فهرست عناوین مقاله:

معرفی اندیکاتور استوکاستیک

اندیکاتور استوکاستیک یکی از بهترین اندیکاتورهای بازار مالی فارکس است که در دسته نوسانگرها قرار می‌گیرد. به کمک این اندیکاتور می‌توان نتایج دقیقی برای آنالیز وضعیت خرید و فروش در بازار به دست آورد. این اندیکاتور قادر است با قدرت بالا پیش بینی درستی در رابطه با انتهای روند بازار داشته باشد.

به گونه‌ای که خیلی سریع‌تر از سایر اندیکاتورها سیگنال برگشتی را نشان می‌دهد. این اندیکاتور می‌تواند انتهای قیمت‌ها و میزان خرید و فروش در نمودار را تشخیص داده و قبل از اینکه قیمت‌ها برگشت پیدا کند، سیگنال را در اختیار معامله‌گر قرار دهد.

این اندیکاتور قادر است حرکات قیمت را به طور کامل آنالیز و تجزیه و تحلیل کند. سپس به شما خواهد گفت قیمت با چه سرعتی و در چه جهتی حرکت می‌کند. همچنین درباره انتهای روند قیمت، زمان بسته شدن و قیمت پایانی به شما اطلاعاتی خواهد داد.

طراح اندیکاتور استوکاستیک، «دکتر لین» می‌گوید: «اگر موشکی را در حال بالا رفتن در هوا تجسم کنید، قبل از اینکه به سمت پایین حرکت کند، باید سرعتش کم شود». در واقع همیشه حرکت قبل از قیمت تغییر جهت می‌دهد. عملکرد اندیکاتور استوکاستیک مانند یک نوسانگر است. نوسانگر تصادفی در یک دوره زمانی مشخص قیمت‌های بالایی و پایینی را برای یک اوراق بهادار یا ارز دیجیتال مشخص می‌کند.

نحوه محاسبه اندیکاتور استوکاستیک

شما برای اینکه بتوانید محاسبات حاصل از اندیکاتور استوکاستیک را تحلیل کنید، ابتدا باید بدانید که این اندیکاتور از دو خط تشکیل شده است. این دو خط با نام‌های D% و K% تشکیل شده است. خط K% یکی از خطوط مهم در اندیکاتور استوکاستیک می‌باشد که از طریق فرمول خاصی محاسبه می‌شود. این خط دقیقاً بین فاصله ۰ تا ۱۰۰ دارای نوسان بوده و سیگنالهای تصادفی Stochastic تغییرات را ثبت می‌کند. شما از طریق رابطه زیر می‌توانید این خط را محاسبه کنید:

K% = (Current Close – Lowest Low)/(Highest High – Lowest Low) * 100

این رابطه در عین حال که می‌تواند خط مورد نظر شما را محاسبه کند، اطلاعات دیگری را نیز در اختیار شما قرار می‌دهد. به عنوان مثال محاسبات این رابطه با کمک قیمت دوره‌های قبلی و دوره‌های پیش بینی شده بعدی انجام می‌شود. مثلاً ممکن است شما اطلاعات مربوط به ۱۴ دوره قبل و ۱۴ دوره بعدی را مورد استفاده قرار دهید.

خط بعدی خط D% در اندیکاتور استوکاستیک می‌باشد. این خط اهمیت بسیار زیادی در اندیکاتور استوکاستیک دارد. چرا که تمامی سیگنال های مربوط به فروش سهام‌ها یا نگهداری و خرید سهام‌ها توسط این خط صادر می‌شود. روند حرکت این خط نسبت به خط K% آرام‌تر است. رابطه محاسبه این خط به شرح زیر است:

با توجه به نحوه شماتیک اندیکاتور استوکاستیک محاسبه آن بسیار راحت‌تر از سایر اندیکاتورها می‌باشد. به بیانی ساده‌تر، باید بگوییم در سایر اندیکاتورها موارد بسیار زیادی وجود دارند که بر شکل نمودار اثر گذار هستند.

مثلاً اینکه معاملات با چه قیمتی انجام شده‌ یا حجم معاملات چقدر است یا قیمت فروش و قیمت خرید چقدر است. همه این موارد می‌تواند بر شکل نمودار تأثیر گذار بوده و یک نمودار کاملاً جزئی و دقیق را ایجاد کند.

نوع رسم نمودار اندیکاتوراستوکاستیک

ممکن است بسیاری از تریدرهای تازه کار، تصور کنند این اندیکاتور مانند سایر اندیکاتورهای دیگر روی نمودار اصلی رسم می‌شود، اما اینگونه نیست. چرا که اندیکاتور استوکاستیک به شکل یک نمودار جداگانه رسم می‌شود و در بازه صفر تا صد مشخص شده و دارای خطوطی است که به شکل نوسانی دارای تغییر هستند.

اگر به صورت تخصصی به به این قضیه نگاه کنیم، اسیلاتورها باید کاملا جدا از اندیکاتورها مورد استفاده قرار بگیرند. ولی به دلیل اینکه اسیلاتورها، خود زیرشاخه اندیکاتورها هستند، در تحلیل تکنیکال نمی‌توان این دو را از یکدیگر جدا کرد.

مقاله الگوی چکش معکوس چیست؟ را از دست ندهید.

کاربرد اندیکاتور استوکاستیک

برخلاف اندیکاتورهای دیگر یا الگوهای شمعی که ممکن است به رنگ‌های سبز و قرمز در نمودار دیده شوند، در اندیکاتور استوکاستیک، شما با دو رنگ قرمز و سیاه سر و کار دارید. تغییرات این دو رنگ روی نمودار است که برای شما مشخص می‌کند وضعیت بازار مالی صعودی یا نزولی بوده یا میزان خرید و قیمت‌ها چه میزان است. هنگام مشاهده اندیکاتور استوکاستیک شما یک محدوده صفر تا صد را مشاهده می‌کنید.

اما همه اعداد در این محدوده اهمیت ندارند. بلکه فقط اعداد ۲۰ و ۸۰ مهمترین اعداد در اندیکاتور استوکاستیک هستند. همانطور که گفته شد، در این نمودار، دو خط سیاه و قرمز وجود دارد که می‌تواند به شما سیگنال و میزان خرید و همچنین سیگنال‌های مربوط به فروش را نشان دهد. برای اینکه متوجه سیگنال خرید شوید، باید به خطوط سیاه نگاه کنید.

اگر خطوط سیاه، خطوط قرمز را در جهت بالا شکسته باشد، این موضوع نشان دهندۀ سیگنال خرید می‌باشد. همچنین اگر این موضوع برعکس اتفاق بیافتد، یعنی خط سیاه خط قرمز را در جهت پایینی شکسته باشد، شما سیگنال فروش را دریافت خواهید کرد. همانطور که گفته شد، بازه اندیکاتور استوکاستیک از صفر تا صد است که دو عدد ۲۰ و ۸۰ برای ما مهم هستند.

عدد۲۰ اهمیت بسیار زیادی در رابطه با سیگنال‌های خرید دارد و عدد ۸۰ اهمیت زیادی در رابطه با سیگنال‌های فروش دارد.

تنظیمات دوره ‌ای اندیکاتور استوکاستیک

یکی از مهمترین مسائل در رابطه با کار کردن و محاسبات اندیکاتور استوکاستیک، تنظیمات دوره‌ای است که تریدرها از آن استفاده می‌کنند. این تنظیمات دوره‌ای در ۵ یا ۱۴ دوره قبلی و بعدی انجام می‌شوند. یعنی شما می‌توانید به اندیکاتور استوکاستیک شرایطی را ارائه بدهید که فقط قیمت‌های بسته شدن و قیمت بالا یا پایین را در ۵ دوره مورد بررسی قرار دهد. همچنین امکان محاسبات و بررسی در ۱۴ دوره نیز وجود دارد.

البته سیگنالهای تصادفی Stochastic اگر بخواهید بررسی جزئی و دقیق داشته باشید، به شما پیشنهاد می‌کنیم ۵ دوره را برای بررسی انتخاب کنید. اگر بخواهید آنالیز قیمت‌ها را در یک بازه زمانی طولانی حساب کنید، می‌توانید در ۱۴ دوره محاسبات را انجام دهید. البته باید گفت روی نمودار فرق چندانی بین ۵ دوره و ۱۴ دوره وجود نخواهد داشت.

پیشنهاد میدهیم مقاله اندیکاتور پارابولیک سار چیست را مطالعه نمایید.

تحلیل صحیح اندیکاتور استوکاستیک

با استفاده از چند المان کلی می‌توان اندیکاتور استوکاستیک را به راحتی تفسیر کرد که در ادامه این موارد را بیان می‌کنیم.

· شکسته شدن قیمت

یکی از مسائل مهم در تحلیل اندیکاتور استوکاستیک شکسته شدن قیمت‌ها می‌باشد که به راحتی می‌توان شکل آن را از روی نمودار تشخیص داد. گاهی اوقات ممکن است نمودار اندیکاتور استوکاستیک در برخی نقاط سقوط کرده و به یکباره رشد بسیار زیادی داشته باشد. در محل اوج گرفتن نمودار می‌بینیم که خطوط قرمز و سیاه از یکدیگر فاصله می‌گیرند و تقریباً در محدودۀ خاصی، از یکدیگر جدا می‌شوند.

این موضوع نشان می‌دهد وضعیت صعودی بازار همچنان در حال افزایش است. یعنی حتی ممکن است قیمت به بالاتر از سقف تعیین شده برسد و احتمالاً روند بازار با قیمت جدیدی رشد خواهد کرد. این موضوع باعث شکست قیمتی می‌شود. البته باید گفت برعکس این موضوع نیز امکان پذیر است. یعنی ممکن است وضعیت نزولی بازار در حال افزایش باشد و قیمت‌ها به پایین‌تر از قیمت شروع برسد.

· جهت قوی بازار

گاهی اوقات ممکن است یک اوراق بهادار بیشتر از قیمت واقعی که برای آن تعیین شده است، در بازار مالی خریداری شود. همچنین ممکن است بیشتر از قیمت واقعی که برای فروش آن تعیین شده است، در بازار مالی فروخته شود. این موضوع باید یک زنگ خطر برای شما به عنوان یک تریدر باشد.

اگر نمودار استوکاستیک در این نواحی قرار بگیرد، یعنی نواحی که ارز مورد نظر بیشتر از قیمت واقعی خریداری شده یا بیشتر از مقدار واقعی فروخته شود، شما باید بدانید، روند بازار یک روند کاملاً قوی بوده و احتمال تغییر جهت نیز در حرکت بازار وجود خواهد داشت. بهترین کاری که می‌توانید در این شرایط انجام دهید این است که هیچ کاری نکنید و پوزیشن معاملاتی خود را حفظ کنید.

· انجام معاملات بر اساس روند بازار

اندیکاتور استوکاستیک بر اساس جهت قیمت حرکت می‌کند و تغییرات آن بر اساس روند بازار خواهد بود. بنابراین اگر احساس کردید همچنان نمودار در حال حرکت بوده و متوقف نمی‌شود، یعنی قیمت در بازار همچنان دست خوش تغییر است.

شما باید با دانستن این موضوع معاملات خود را در بازار مالی فارکس انجام دهید.

تاييد سيگنال اسيلاتور

اسيلاتور تصادفي (Stochastic Oscillator) يك انديكاتور مفيد در هنگام ارزيابي اندازه حركت بازار يا قدرت ترند به شمار مي‌آيد.

اسيلاتور تصادفي و اسيلاتورهاي به طور كلي، به نحوه‌اي ساده و قابل فهم ارائه شده‌اند و سيگنال‌هاي خريد و فروش شفافي دارند.

با اين حال، بدون دانش عميق‌تر از اسيلاتورهاي تصادفي و تكيه‌ي بيش از حد به اين سيگنال‌ها، احتمالا به مشكل برمي‌خوريد.

براي اجتناب از چنين مشكلاتي، معامله‌گران جديد بايد درك كافي از مكانيزم‌هاي مربوط به اسيلاتور تصادفي نسبت به شرايط فعلي بازار داشته باشند.

اسيلاتور تصادفي چيست؟

يك اسيلاتور تصادفي در واقع انديكاتوري مبتني بر اندازه حركت است كه شرايط اشباع از خريد و اشباع از فروش قيمت را نسبت به حركات قيمتي در يك دوره‌ي زماني محاسبه مي‌كند.

اين اسيلاتور اساسا سطح قيمتي اخير را به عنوان درصدي از محدوده (بالاترين حداكثر و پايين‌ترين حداقل) در يك بازه زماني مشخص شده، محاسبه مي‌كند.

مزايا و معايب اسيلاتورهاي تصادفي

معامله‌گران بايد بدانند كه نقاط قوت اسيلاتورهاي تصادفي چيست و البته اينكه از چه لحاظ عيب دارند.

• سيگنال‌هاي ورود و خروج از معامله شفاف
• ارائه‌ي سيگنال به طور مكرر (به تنظيمات زماني انتخاب شده بستگي دارد)
• در دسترس بودن در اكثر پلتفرم‌هاي چارتي
• قابليت درك آسان مفاهيم اين انديكاتور

• امكان ايجاد سيگنال‌هاي اشتباه در هنگام استفاده‌ي نادرست
• در هنگام معامله بر ضد ترند، قيمت‌ها ممكن است براي طولاني مدت در حالت اشباع از خريد يا فروش باقي بمانند

به طور كلي معامله‌گران ترجيح مي‌دهند از اسيلاتور تصادفي در هنگام حركت قيمت در يك محدوده‌ي معين بهره بگيرند.

زيرا خود قيمت در حال نوسان است و بهره‌گيري از اين اسيلاتور (نوسانگر) در اين شرايط سيگنال‌هاي قابل اعتمادتري ارائه مي‌كند.

با اين حال معامله‌گران بايد از معامله فروش به صورت كوركورانه در سطوح اشباع از خريد و همينطور معامله خريد در سطوح اشباع از فروش اجتناب كنند.

بنابراين تنها سيگنال شرايط اشباع از خريد يا اشباع از فروش از طرف اسيلاتور تصادفي كافي نيست و شما بايد از طريق ديگر انديكاتورها و ابزار به تاييد سيگنال نيز بپردازيد.