Существуют три основных способа интерпретации индикатора VHF:
1. Можно использовать сами значения VHF для определения степени направленности цен. Чем выше VHF, тем устойчивее тенденция, и значит более уместно полагаться на индикаторы, следующие за тенденцией.
2. Направление движения VHF позволяет определить, развивается ли фаза направленного движения или застоя. Рост VHF означает развитие тенденции; падение этого индикатора указывает на возможное вступление рынка в фазу застоя.
3. Можно использовать VHF как индикатор противоположного мнения. Если значения VHF высоки, следует ожидать вступление рынка в период застоя; если низки – необходимо ждать начало новой тенденции.
3.9 Волатильность Чайкина
Индикатор Чайкина (Chaikin`sVolatility - CV) учитывает динамику относительных изменений между максимальной и минимальной ценами, т.е. величину волатильности на основе ширины диапазона между максимумом и минимумом.
При расчете индикатора волатильности Чайкина определяют
экспоненциальное скользящее среднее разности Δx между максимальной и минимальной
ценами дня, т.е. 
и m дней назад: 
. Формула для расчета индикатора CV следующая:
. (3.16)
Показатель волатильности сигнализирует вблизи изменения тенденции о том, что на рынке наблюдается неуверенность, все участники находятся в ожидании предстоящих изменений, поэтому пытаются подстраховаться. Рынок в это время нестабилен. Сигнал волатильности в такой ситуации принимает максимальное значение. Для того чтобы убедиться в изменении тенденции, необходимо применять другие методы, так как этот показатель только предостерегает о возможном появлении особой точки.
ГЛАВА 4 ПРИМЕНЕНИЕ МЕТОДОВ СТРУКТУРНОГО
АНАЛИЗА РЕАЛИЗАЦИЙ ДАННЫХ, ХАРАКТЕРИЗУЮЩИХ
СОСТОЯНИЯ РЫНКА, БАНКОВ И ТЕХНИЧЕСКИХ СИСТЕМ
Методы технического анализа широко используются для анализа реализаций, характеризующих работу финансовых, фьючерсных, товарных рынков, рынка ценных бумаг и т.д. В более широком смысле все эти методы являются инструментом структурного анализа данных, характеризующих работу не только перечисленных выше рыночных объектов, но и промышленных объектов и банков. В частности, структурный анализ реализаций данных промышленных объектов применяется уже более 30 лет в СибГИУ на кафедрах систем информатики и управления и систем автоматизации (ранее эти две кафедры входили в состав кафедры автоматизации). Подтверждением тому являются ссылки на соответствующие работы, сделанные в данной монографии.
В этой главе авторы приводят примеры использования различных методов структурного анализа, включая и те, которые даются в монографиях по техническому анализу, с целью, чтобы показать их работоспособность на рядах данных как технологических переменных, так и данных, характеризующих работу банковских и рыночных объектов.
4.1 Примеры выделения условно-образцовой кривой
на реализациях данных
В постановке задачи построения условно-образцовой кривой (см. 2.5.2) для ее выделения предложено использовать скользящее арифметическое среднее (САС), описанное выражением (2.48). Недостатком САС является то, что этот метод сглаживания не является робастным. Данные же технологических объектов нередко, наряду с обычной измерительной погрешностью, содержат аномальную составляющую (выбросы). При сглаживании таких реализаций выбросы искажают сглаженную кривую, если сглаживание производилось не робастным алгоритмом. В таких случаях для улучшения результата сглаживания рекомендуется САС заменить, например, на релейно-экспоненциальный (РЭСI) первого порядка или любой другой робастный сглаживатель.
Другой способ выделения условно-образцовой кривой, который также пригоден для этой цели, заключается в следующем. Исходная реализация вначале сглаживается обычным РЭСI в прямом направлении а затем тем же самым РЭСI, только в обратном направлении, т.е. сглаживание осуществляется, начиная с l = L, l = L – 1 и т.д. до l = 1. Полученные сглаженные в прямом и обратном направлении значения ряда затем усредняются на каждом шаге.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.