لایب سان

Compute Your Way to Increased Profits 8 Why You Need Computational Aids 8 How to Construct and Use Half-Span Moving Averages Other Uses For Half- and Full-Span Moving Averages 8 Now Turn Your Averages Inside Out 8 Use the Inverse Half-Span Average to Improve Your Timing Try the Inverse Average in Other Ways WHY YOU NEED COMPUTATIONAL AIDS The graphic techniques for making use of the price -motion model presented in Chapters Four and Five are sufficient t o vastly improve your timing. They may be utilized as is, with no additional aid from computation, and will suffice to make the investment philosophy of Chapter One work for you. However, decision confidence can be greatly increased and the types of stocks in which you can work enlarged, if you don't mind adding some arithmetic. Admittedly, this requires more time and effort, but the results can be extremely worthwhite. Many, many computational approaches are possible. This chapter is intended to introduce you to several of the simplest and fastest of these. When you learn to apply the techniques given here, you will soon find yourself generating variations and whole new methods. Just as long as these are soundly based on the model, they can be considered valid. Further, the more elements of the model on which the technique depends, the more powerful you will find the aid to be. HOW TO CONSTRU(JT AND USE HALF-SPAN MOVING AVERAGES Valuable information is available each time a moving average with span equal to one-half the duration of the trading cycle changes direction! Let us examine this characteristic of moving averages in connection with the nature of the price-motion model to see why this is so. From Chapter Three and from the Appendix, the characteristics of moving averages are summarized as follows: 9 7 98 Compute Your Way to Increased Frofls The span of a moving avenge is the length of time over which data is summed to obtain the movingaverage. For example, a 30-week moving average consists of 1130th of the sum of the weekly closing prices of a stock for the last 30 consecutive weeks. The span of this average is therefore 30 weeks. A moving average '7ags" the data it smooths by one-half of its span. This means that if the avenge is to represent a time- synchronized, smooth version of the data, the fast computed point of the average must be plotted onehalf span behind the last available data point. Thus, the last available point of a 3&week moving average is plotted between the 15th and 16th weeks behind the last closing price of the stock. A moving avenge reduces precisely to zero the presence and magnitude of any cyclic component with duration exactly equal to the span of the average. All shorter duration components are drastically reduced, but may show some sign of their presence. All longer duration components are defhtely present. The longer the duration, the more completely the full magnitude of the component comes through. Now assume we have a stock in which a dominant component has been identified with an average duration of 20 weeks. A moving average with a span of one-half of this, or ten weeks, is constructed. The lag of this average is one-half of its span or five weeks. Thus, when this average "tops out " and turns down, the 2C-week trading cycle has signalled a turnover at this point, but the price of the stock itself has been going down for five weeks already! Remembering that it is the 2C-week component that caused both the ten-week average and the stock price to top out, it is seen that the total downward move due to this component is just one-half complete at this time. All of this occurs because the ten-week average will kill all price fluctuations of exactly ten weeks in duration and drastically reduce all shorter ones. Since the 2C-week motion will come through at nearly full strength, the ten-week average will only change direction when the 20week cycle causes it to do so. Then the five-week lag is precisely the time required for the 20week cycle to drive prices half as far as the 2Gweek cycle is going to carry them. Similarly, when the ten-week moving average bottoms out, the stock has already been rising for five weeks-and is half as far up as the 2C-week cycle is going to drive it. This quality of a half-span moving average can only work, of course, if the price- motion model is a correct representation of stock price fluctuations. That it does work-time after time-is very powerful evidence indeed for the validity of the model. Let's list in order what must be done t o make use of this timing aid: Use a quick and rough envelope analysis to establish the average duration of a dominant cyclic component on which you wish to trade. Construct a moving average of the closing prices of the stock which has a span equal to half the average duration of the trading cycle. If this comes out to be a fraction, round it off to the nearest whole number. Plot the moving average on the same chart used for the stock, taking care to lag the average onehalf its span behind the stock data. When the average reverses its direction to the downside note the price of the stock and Compute Your Way to Increased Rofits 99 how much it has already moved down. You may expect the downtrend to continue until the stock has moved down this much more. Reverse this process for moving average reversals to the upside to establish how much further up the stock will go. The accuracy of this process can be further improved by the use of two moving averages. Proceed as before but compute and plot not only the half-span average, but the moving average whose span is equal to the average dwation of the trading cycle as well. For the example used above, the trading cycle duration is 20 weeks. The half- span moving average is a ten - week one. The full-span moving average is a 20-week one. Now let's see why this is of aid. The half-span average tops out when the stock price has dropped 50% of the 20-week fluctuation amount. This means that the stock price is right in the middle of the channel enclosing the 2@week cycle at this particular time. On the other hand, the 20-week moving average is always in the middle of the 20-week channel (theoretically). Remember, the 20-week average reduces the 2@week cycle to zero. Thus the 20-week average represents the sum of all components of duration longer than 20 weeks, which is exactly the import of the center line of the 20-week channel! The 20-week average also drastically reduces the size of all shorter duration components, allowing only small percentages of these t o "leak" through-and these are easily recognizable and graphically smoothed Now when your ten-week average tops out, you can extrapolate both the ten- and 20-week averages through their lag periods up to current time. This is quite simply accomplished for the 2O.week average especidy, since i t is so "smooth." Note the price level at which the stock, the ten-week moving average extrapolation, and the 20-week moving average extrapolation meet. Subtract this from the previous peak of the current move down. This is your estimate of how much further down the stock will go. A tolerance o f t 10%should be allowed for the total move estimate. As with all of the techniques d~scussedin this book, you should never rely on this estimate alone. But combined with the others, this method provides powerful confirmation of the validity of action signals. Let's see how it works by example. Figure VI-l is a partial replot of the data on Alloys Unlimited used as an example in Chapter One. This stock displays a dominant component in this time period that ranges from 17 to 22 weeks in dwation. For the sake of computational simplicity we will assign it (as our trading cycle) an average duration of 20 weeks. We need therefore a ten-week (half -span) and a 20-week (full-span) moving average. The plot is presented just as a decision point is reached-the ten-week moving average has just bottomed out. We note and smooth a remnant of a 12-week component from the 20-week moving average. The result is shown in the plot as a dashed line. We extrapolate both the ten- and 2@week averages to current time. These meet the stock price at 41. The stock has already moved up from 32, a total of 9 points. We expect it t o continue another 9 points from 41 - to 50. The total move predicted is 18 points. The tolerance is 210% of this amount, or approximately 2 points. We therefore predict that this 2@week cycle will carry prices to between 48 and 52! If we had purchased the stock on this type of criteria, coupled with any or all of the forms of graphicalanalysiswe nowknow about, the resultant conclusion is that we should hold the

چکیده فارسی

روش خود را برای افزایش سود محاسبه کنید 8 چرا به کمک های محاسباتی نیاز دارید 8 نحوه ساخت و استفاده از میانگین متحرک نیمه بازه کاربردهای دیگر برای میانگین متحرک نیم و کامل 8 اکنون میانگین های خود را به داخل برگردانید 8 از نیمه معکوس استفاده کنید میانگین گستره برای بهبود زمان‌بندی خود میانگین معکوس را به روش‌های دیگر امتحان کنید چرا به کمک‌های محاسباتی نیاز دارید تکنیک‌های گرافیکی برای استفاده از مدل حرکت قیمت ارائه‌شده در فصل‌های چهارم و پنجم کافی است تا زمان‌بندی شما را بسیار بهبود بخشد. آنها ممکن است همانطور که هستند، بدون کمک اضافی محاسباتی مورد استفاده قرار گیرند، و برای اینکه فلسفه سرمایه گذاری فصل اول برای شما کارساز باشد، کافی خواهند بود. با این حال، اعتماد به تصمیم گیری را می توان تا حد زیادی افزایش داد و انواع سهامی که می توانید در آنها کار کنید، افزایش می یابد، اگر با اضافه کردن مقداری حساب مشکلی ندارید. مسلماً این به زمان و تلاش بیشتری نیاز دارد، اما نتایج می تواند بسیار ارزشمند باشد. بسیاری از رویکردهای محاسباتی ممکن است. این فصل قصد دارد شما را با چند مورد از ساده ترین و سریع ترین آنها آشنا کند. وقتی یاد بگیرید که از تکنیک های ارائه شده در اینجا استفاده کنید، به زودی خواهید دید که تغییرات و روش های کاملاً جدیدی تولید می کنید. تا زمانی که اینها کاملاً مبتنی بر مدل باشند، می توان آنها را معتبر دانست. علاوه بر این، هرچه عناصر بیشتری از مدلی که تکنیک به آن بستگی دارد، بیشتر باشد، کمکی قدرتمندتر خواهید یافت. نحوه ساخت (JT و استفاده از میانگین های متحرک HALF-SPEN) هر بار که میانگین متحرک با فاصله ای برابر با نیمی از مدت چرخه معاملاتی تغییر جهت می دهد، اطلاعات ارزشمندی در دسترس است! اجازه دهید این ویژگی میانگین های متحرک را در ارتباط با طبیعت بررسی کنیم. از فصل سوم و از ضمیمه، ویژگی‌های میانگین متحرک به صورت زیر خلاصه می‌شود: 9 7 98 راه خود را برای افزایش افت قیمت محاسبه کنید طول یک انتقام متحرک طول زمانی که داده ها برای به دست آوردن میانگین متحرک جمع می شوند. به عنوان مثال، میانگین متحرک 30 هفته ای شامل 1130م از مجموع قیمت های بسته شدن هفتگی یک سهم در 30 هفته متوالی گذشته است. بنابراین بازه این میانگین 30 هفته است. یک میانگین متحرک '7ag' داده هایی را که به اندازه یک دوم گستره خود هموار می کند. در پشت آخرین نقطه داده موجود است. بنابراین، آخرین نقطه موجود از میانگین متحرک 3 و هفته ای بین هفته های 15 و 16 پس از آخرین قیمت بسته شدن سهام ترسیم می شود. یک انتقام متحرک دقیقاً حضور و بزرگی هر جزء چرخه‌ای را با مدت زمان دقیقاً برابر با گستره میانگین به صفر می‌رساند. همه اجزای مدت کوتاه‌تر به شدت کاهش می‌یابند، اما ممکن است نشانه‌ای از حضور خود را نشان دهند. همه اجزای با مدت زمان طولانی تر به طور کامل وجود دارند. هر چه مدت زمان طولانی تر باشد، بزرگی کامل مولفه کامل تر می شود. حال فرض کنید سهامی داریم که در آن یک جزء غالب با مدت متوسط ​​20 هفته شناسایی شده است. یک میانگین متحرک با بازه نصف این یا ده هفته ساخته شده است. تاخیر این میانگین نیمی از بازه آن یا پنج هفته است. بنابراین، زمانی که این میانگین «بالا» می‌شود و کاهش می‌یابد، چرخه معاملاتی هفته‌ای 2C نشان‌دهنده گردش مالی در این نقطه است، اما قیمت خود سهام برای پنج هفته است که در حال کاهش است! با یادآوری اینکه این مؤلفه هفته 2C است که باعث شد هم میانگین ده هفته ای و هم قیمت سهام بالاتر رود، مشاهده می شود که کل حرکت نزولی ناشی از این مؤلفه در این زمان فقط یک دوم کامل شده است. همه اینها به این دلیل رخ می دهد که میانگین ده هفته ای تمام نوسانات قیمت دقیقاً ده هفته ای را از بین می برد و تمام نوسانات کوتاه تر را به شدت کاهش می دهد. از آنجایی که حرکت 2C-هفته ای تقریباً با قدرت کامل انجام می شود، میانگین ده هفته فقط زمانی تغییر جهت می دهد که چرخه 20 هفته ای باعث انجام آن شود. سپس تاخیر پنج هفته ای دقیقاً زمان مورد نیاز برای چرخه 20 هفته ای است تا قیمت ها را به نصف اندازه ای که چرخه 2Gweek قرار است حمل کند، برساند. به طور مشابه، زمانی که میانگین متحرک ده هفته ای به پایین ترین سطح خود می رسد، سهام در حال حاضر به مدت پنج هفته در حال افزایش است - و نیمی از چرخه هفته 2C که قرار است آن را هدایت کند، افزایش یافته است. این کیفیت میانگین متحرک نیم فاصله تنها زمانی می تواند کارساز باشد که مدل حرکت قیمت، نمایش صحیحی از نوسانات قیمت سهام باشد. این که هر چند وقت یکبار کار می کند، در واقع شواهد بسیار قوی برای اعتبار مدل است. بیایید به ترتیب کارهایی را که برای استفاده از این کمک زمان‌بندی باید انجام داد فهرست کنیم: از یک تجزیه و تحلیل سریع و خشن برای تعیین میانگین مدت یک جزء چرخه‌ای غالب که می‌خواهید روی آن معامله کنید، استفاده کنید. میانگین متحرکی از قیمت های بسته شدن سهام بسازید که دامنه آن برابر با نصف میانگین مدت چرخه معاملاتی باشد. اگر کسری بود، آن را به نزدیکترین عدد کامل گرد کنید. میانگین متحرک را روی همان نموداری که برای سهام استفاده شده است رسم کنید، مراقب باشید که میانگین آن نصف طول آن از داده های سهام عقب بماند. هنگامی که میانگین جهت خود را به سمت نزول تغییر می دهد، به قیمت سهام توجه داشته باشید و روش خود را برای افزایش سود 99 محاسبه کنید که قبلا چقدر کاهش یافته است. ممکن است انتظار داشته باشید که روند نزولی ادامه یابد تا زمانی که سهام به این میزان بیشتر کاهش یابد. این روند را برای حرکت معکوس‌های میانگین به سمت بالا معکوس کنید تا مشخص شود که سهام چقدر بیشتر خواهد شد. دقت این فرآیند را می توان با استفاده از دو میانگین متحرک بیشتر بهبود بخشید. مانند قبل عمل کنید، اما نه تنها میانگین نیم بازه، بلکه میانگین متحرکی که بازه آن برابر با میانگین دوام چرخه معاملاتی است را نیز محاسبه و رسم کنید. برای مثال استفاده شده در بالا، مدت چرخه معاملات 20 هفته است. میانگین متحرک نیم بازه یک ده هفته ای است. میانگین متحرک تمام دهانه یک میانگین 20 هفته ای است. حال بیایید ببینیم چرا این کمک است. زمانی که قیمت سهام 50 درصد از مقدار نوسانات 20 هفته ای کاهش یافته باشد، میانگین نیم بازه به اوج می رسد. این بدان معناست که قیمت سهام دقیقاً در وسط کانالی است که چرخه 2@week را در این زمان خاص در بر می گیرد. از سوی دیگر، میانگین متحرک 20 هفته ای همیشه در میانه کانال 20 هفته ای (از لحاظ نظری) قرار دارد. به یاد داشته باشید، میانگین 20 هفته، چرخه 2@week را به صفر می رساند. بنابراین میانگین 20 هفته نشان دهنده مجموع تمام مؤلفه های مدت طولانی تر از 20 هفته است که دقیقاً واردات خط مرکزی کانال 20 هفته است! میانگین 20 هفته همچنین اندازه تمام مؤلفه‌های کوتاه‌تر را به شدت کاهش می‌دهد، و تنها به درصدهای کمی از این مؤلفه‌های «نشت» اجازه می‌دهد و به راحتی قابل تشخیص هستند و از نظر گرافیکی صاف می‌شوند. میانگین های ده و 20 هفته ای از طریق دوره های تاخیر آنها تا زمان فعلی. این به سادگی برای میانگین 2O.week خاص انجام می شود، زیرا بسیار "صاف" است. به سطح قیمتی که سهام، برون یابی میانگین متحرک ده هفته ای و برون یابی میانگین متحرک 20 هفته ای در آن قرار می گیرند، توجه کنید. این را از پیک قبلی حرکت فعلی به پایین کم کنید. این تخمین شما از میزان کاهش بیشتر سهام است. برای کل تخمین جابجایی باید تلورانس 10% مجاز باشد. مانند تمام تکنیک‌های مطرح شده در این کتاب، هرگز نباید تنها بر این تخمین تکیه کنید. اما همراه با روش های دیگر، این روش تأیید قدرتمندی از اعتبار سیگنال های عمل می کند. بیایید با مثال ببینیم چگونه کار می کند. شکل VI-l یک بازنگری جزئی از داده های Alloys Unlimited است که به عنوان مثال در فصل اول استفاده شده است. این سهام یک جزء غالب را در این دوره زمانی نشان می دهد که بین 17 تا 22 هفته در بازه زمانی دوام متغیر است. به خاطر سادگی محاسباتی، آن را (به عنوان چرخه معاملاتی خود) به طور متوسط ​​20 هفته اختصاص می دهیم. بنابراین ما به میانگین متحرک ده هفته ای (نیمه بازه) و 20 هفته ای (فول بازه) نیاز داریم. طرح درست زمانی ارائه می شود که به یک نقطه تصمیم گیری رسیده است - میانگین متحرک ده هفته اخیر به پایین رسیده است. ما باقیمانده یک جزء 12 هفته ای را از میانگین متحرک 20 هفته ای یادداشت و صاف می کنیم. نتیجه در نمودار به صورت خط چین نشان داده شده است. میانگین‌های ده و 2@هفته‌ای را به زمان کنونی تعمیم می‌دهیم. اینها قیمت سهام را در 41 برآورده می کنند. سهام قبلاً از 32، در مجموع 9 امتیاز افزایش یافته است. ما انتظار داریم که 9 امتیاز دیگر از 41 - به 50 ادامه یابد. کل حرکت پیش بینی شده 18 امتیاز است. تلورانس 210 درصد این مقدار یا تقریباً 2 امتیاز است. بنابراین ما پیش بینی می کنیم که این چرخه 2@week قیمت ها را بین 48 تا 52 خواهد برد! اگر سهام را بر اساس این نوع معیارها، همراه با هر یک یا همه اشکال تحلیل گرافیکی که اکنون می دانیم خریداری کرده بودیم، نتیجه حاصل این است که باید

را نگه داریم.