تجزیه و تحلیل داده های تاریخی چیست؟

در عرصه تجارت فعال ، شرکت کنندگان در بازار وقت و تلاش قابل توجهی را برای به دست آوردن بینش در مورد چگونگی ارتباط رفتار گذشته یک بازار با آینده خود اختصاص می دهند. دستیابی به داده های بازار به موقع و اخبار مربوطه ، تخصیص سرمایه زیادی را به دست می آورد ، در حالی که شرکت هایی در سراسر جهان سالانه نزدیک به 27 میلیارد دلار برای اطلاعات مربوط به بازار هزینه می کنند.[1] مهم نیست که آیا رویکرد شخصی به بازار ریشه در تجزیه و تحلیل اساسی یا فنی دارد ، سودآوری به شناخت فرصت های آینده و از بین بردن اشتباهات گذشته بستگی دارد.

تجزیه و تحلیل داده های تاریخی مطالعه رفتار بازار در یک دوره زمانی معین است. عبارت "رفتار بازار" با اشاره به جنبه های مختلف بازار و تعامل آنها استفاده می شود. داده های مربوط به بازار ضبط شده مانند قیمت ، نوسانات و حجم قادر به اندازه گیری و مورد مطالعه در یک دوره مشخص هستند.

از طریق بررسی دقیق رفتار گذشته یک بازار ، معامله گران و سرمایه گذاران می توانند در مورد عملکرد درونی آن بازار چشم انداز کسب کنند. اطلاعات به دست آمده در طول فرآیند ممکن است در تهیه یک برنامه معاملاتی مناسب یا بهبود یک روش موجود مفید باشد.

تجزیه و تحلیل داده های تاریخی مربوط به امنیت یا بازار فردی می تواند از چند طریق مفید باشد:

چرا با FXCM تجارت می کنید

کمیسیون رایگان با اجرای سریع و کارآمد.

• بینش بازار: مطالعه گسترده از رفتار گذشته یک ابزار مالی یا بازار می تواند ایده ای را در اختیار معامله گر قرار دهد که ویژگی های نمایش داده شده طبیعی است و فوق العاده است.
• توسعه سیستم: تعریف روشنی از زمان ، چه و چگونگی تجارت یک بازار معین ، نقاط شروع برای ایجاد یک سیستم تجاری است. از طریق تجزیه و تحلیل داده های تاریخی ، یک "لبه" آماری ممکن است برای تجارت فعال شناسایی و توسعه یابد.
• قوام: انتخاب معاملات با انتظار از پیش تعریف شده می تواند به معامله گر در نتیجه بالقوه اعتماد کند. از طریق درک چگونگی انجام یک تجارت معین با گذشت زمان ، می توان نتایج غیر منتظره را کاهش داد.

گفته شده است که کسانی که تاریخ را نمی فهمند محکوم به تکرار آن هستند. رشته تجزیه و تحلیل داده های تاریخی آرزو می کند که نه تنها از اشتباهات گذشته جلوگیری کند ، بلکه یک مزیت کار را در آینده ایجاد می کند.

داده های مالی

داده کاوی فرآیند تجزیه و تحلیل مجموعه داده های بزرگ و گاه غیرقانونی برای اطلاعات مفید است. با تکامل فناوری ، توانایی انجام یک عملیات داده کاوی برای هر کسی که دارای قدرت محاسباتی و یک پایگاه داده باشد به راحتی قابل دسترسی است. این توانایی در تلاش برای شناسایی روابط و الگوهای پنهان در داده ها در بازارهای مالی بسیار ارزشمند است.

تجزیه و تحلیل داده های تاریخی در اصل یک پروژه داده کاوی است که بر مجموعه داده های مربوط به رفتار گذشته یک بازار خاص یا ابزار مالی متمرکز است. آمار ثبت شده مربوط به بازار مانند قیمت ، حجم ، بهره باز و اقدامات نوسانات متنوع چند نوع از داده های بازار است که می تواند علت و زمینه ای را برای حرکت به ظاهر نامناسب بازار فراهم کند.

• محاسبات قدرت: دسترسی به رایانه شخصی با پردازنده کافی ، فضای سخت و سخت و رم لازم است. به عنوان مثال ، استفاده از سیستم عامل های معاملاتی مانند Metatrader4 و ایستگاه تجاری به حداقل پردازنده 300 مگاهرتز ، 256 مگابایت رم و 60 مگابایت فضای سخت در دسترس نیاز دارد. الزامات سخت افزاری بسته به بسته نرم افزاری تجارت متفاوت است ، اما به عنوان یک قاعده کلی ، هرچه قدرت بهتر شود.
• مجموعه داده ها: انتخاب یک دوره زمانی خاص یا مقدار داده مورد تجزیه و تحلیل ، یک عنصر اصلی یک مطالعه مفید است. بسیاری از بسته های نرم افزاری ارائه شده توسط کارگزار ، علاوه بر این امکان خرید مجموعه داده های تخصصی را به کاربر ارائه می دهند.
• پرس و جو: سؤالات اساسی ، به طور معمول در قالب الگوریتم های سفارشی ، برای شروع رمزگشایی داده ها لازم است.

مطالعه داده های تاریخی مربوط به امنیت یا بازار ممکن است ارزش پیش بینی کننده داشته باشد. الگوهای پنهان شده ، روابط و گرایش های موجود در داده ها ممکن است توسط فعالیتهای معاملاتی آینده مشخص و سرمایه گذاری شود.

داده های بازار: قیمت

داده های مربوط به بازار در انواع مختلفی ارائه می شود. همانطور که قبلاً نیز ذکر شد ، اقدامات نوسانات ، حجم و علاقه باز همه نمونه هایی از داده های بازار است. با این حال ، بیشترین ارجاع شده از هرگونه اطلاعات مربوط به بازار ، داده های قیمت گذاری است.

داده های قیمت گذاری ، یا به سادگی قیمت ، ارزش دقیقی است که در آن خریدار و فروشنده امنیت با انجام مبادله موافقت می کنند. طبق قانون ، داده های قیمت گذاری باید واقعی و مستقل قابل اثبات باشند.[2] از آنجا که معامله گران و سرمایه گذاران تا حد زیادی نگران نوسانات قیمت گذاری هستند زیرا مربوط به یک بازار یا امنیت خاص است ، داده های قیمت گذاری تاریخی به طور دقیق برای اطلاعات مفید در پیش بینی واریانس قیمت های آینده مورد بازرسی قرار می گیرند.

• داده های پایان روز (EOD): این داده ها در پایان جلسه معاملات جمع آوری و گزارش شده است. این توسط سرمایه گذاران بلند مدت ، معامله گران نوسان و معامله گران روز واقعی استفاده می شود تا در مورد اقدامات یک جلسه معاملاتی چشم انداز کسب کنند. داده های EOD از نظر هفته ها ، ماه ها و سالها می توانند گروه بندی شوند.
• داده های Intraday: قیمت های معامله شده یک امنیت در طول یک جلسه معاملاتی به داده های Intraday شناخته می شوند. این تمرکز بر نوسانات قیمت گذاری در یک جلسه معاملاتی واحد است. این ممکن است در زمان واقعی یا در زمینه تاریخی با استفاده از افزایش زمان مبتنی بر زمان یا قالب تیک تیک (معروف به داده های کنه) بدست آید. به طور معمول ، داده های Intraday از داده های EOD پرهزینه تر است و در دسترس بودن آن بسته به ابزار یا بازار مورد نظر متفاوت است.

برای تحلیلگران و معامله گران فنی مبتنی بر نمودار ، داده های قیمت گذاری از طریق استفاده از برنامه های نرم افزاری نمودار خودکار رمزگشایی می شوند. مهم نیست که کدام طبقه بندی داده های قیمت گذاری را انتخاب می کند ، برنامه نرم افزاری با رمزگشایی داده ها از پارامترهای از پیش تعریف شده برای مرتب سازی و تدوین مجموعه داده ها استفاده می کند. هر پارامتر مورد نظر - از نظر روزها ، دقیقه ها یا تعداد کنه ها ، یک دوره منحصر به فرد را نشان می دهد.

• Open: Open اولین قیمتی است که در ابتدای یک دوره معین معامله می شود.
• CLOSE: نزدیک آخرین قیمت است که در پایان یک دوره معین معامله می شود.
• بالا: بالاترین قیمت در طی یک دوره معین معامله می شود.
• کم: کمترین قیمت در طی یک دوره معین کوچکترین قیمت است.

مقادیر قیمت باز ، نزدیک ، بالا و پایین اغلب در ساخت و تجزیه و تحلیل نمودار نقش مهمی ایفا می کند و به عنوان پایه ای برای بسیاری از استراتژی های معاملاتی خدمت می کند.

یادآوری این نکته حائز اهمیت است که هر مطالعه داده های تاریخی باید یک افق زمانی مشخص داشته باشد. رویکرد معاملات خود تحمل بزرگی دارد که پارامترهای زمانی بیشتر مربوط به تجزیه و تحلیل داده ها است.

به عنوان مثال ، اگر کسی به دنبال سرمایه گذاری در سهام تراشه های آبی برای بازنشستگی باشد ، یک مطالعه 20 ساله از قیمت های بسته شدن روزانه S& P 500 بر اساس داده های EOD ممکن است مناسب ترین باشد. به همین ترتیب ، اگر کسی درگیر مقیاس ارز در فارکس باشد ، مطالعه عملکرد قیمت داخل ارز با افزایش 5 ، 15 و 30 دقیقه ، بسیار مفیدتر از قیمت های بسته بندی هفتگی آن خواهد بود.

در بازار الکترونیکی فعلی ، در دسترس بودن داده های بازار تاریخی بسیار بهبود یافته است. شرکت های خدمات تجاری و شرکت های کارگزاری انواع مختلفی از داده های بازار را با هزینه های مختلف برای معامله گر ارائه می دهند. FXCM در حال حاضر علاوه بر خدمات داده های حق بیمه سازگار با Metatrader4 ، Ninjatrader و سایر سیستم عامل ها ، تا 10 سال داده های تاریخی تعارف ارائه می دهد.

پشتی

شاید متداول ترین شکل تجزیه و تحلیل داده های تاریخی ، پشتوانه باشد. Backtesting استفاده از یک روش یا استراتژی معاملاتی برای یک مجموعه داده های تاریخی انتخاب شده است. سیستم های معاملاتی خودکار ، تجارت الگوریتمی و رویکردهای تجاری سنتی تر اغلب به داده های آماری که از طریق یک مطالعه گسترده پشتی تهیه می شوند ، متکی هستند.

برای انجام یک پشتی ، باید یک استراتژی تجاری تعریف شده و دسترسی به یک مجموعه داده مربوطه داشته باشید. بعد از اینکه هر دو وجود دارند ، این استراتژی به عنوان یک پوشش بر روی داده ها استفاده می شود و شبیه سازی عملکرد استراتژی انجام می شود. مطالعات پشتی می تواند ساده یا پیچیده باشد و تا حد زیادی به پیچیدگی رویکرد تجارت بستگی دارد.

• تعداد فرصت ها: میزان و فراوانی تنظیمات تجاری ایجاد شده توسط یک استراتژی در یک دوره زمانی مشخص ، یک بخش مهم از اطلاعات است.
• نرخ موفقیت: درصد برنده/از دست دادن استراتژی یا احتمال موفقیت می تواند در تعیین اینکه آیا این یک وسیله مناسب برای تجارت برای یک محصول یا بازار معین است ، مفید باشد. همچنین می تواند در زمان و محصول بهینه ، مقداری نور به وجود آورد.
• ریسک در مقابل پاداش: یک مطالعه پشتی می تواند میزان لازم سرمایه مورد نیاز برای اجرای صحیح یک رویکرد معاملاتی را بر روی یک بازار یا محصول تعیین کند. تشخیص نوسانات ذاتی یک بازار می تواند در شناسایی میزان ریسک پیش روی استراتژی تجارت مفید باشد.

در روزهای اولیه ، پشتی یک کار دشوار بود که به صورت دستی با مداد و کاغذ انجام می شد. خوشبختانه برای معامله گران امروزی ، اتوماسیون این روش را ساده تر کرده است ، به صورت تصاعدی بازده را بهبود می بخشد. سیستم عامل های معاملاتی عملکرد نرم افزاری را ارائه می دهند که قادر به اجرای عملیات تفصیلی پس زمینه است.

چالش ها و مشکلات

• تعصب چشمگیر: تعصب عقب می تواند یک مشکل اساسی در صحت یک مطالعه پشتی باشد. همچنین به عنوان تعصب "من همه آن را می دانستم" شناخته می شود ، این تمایل افراد است که فرض کنند که وقایع غیرقابل پیش بینی را می توان قبل از زمان پیش بینی کرد. تعصب عقب مانده به تجزیه و تحلیل داده های تاریخی به شدت مضر است زیرا ممکن است نتایج خاصی قابل اجتناب و بی اعتنایی باشد. این امر به طور فعال عینیت مطالعه را به خطر می اندازد و از این طریق نتایج ناچیز ایجاد می کند.
• حذف و خطاهای داده ها: دقت فیزیکی مجموعه داده های تاریخی از اهمیت ویژه ای برای مطالعه پس زمینه است. حتی تعداد نسبتاً کمی از خطاهای داده می توانند با گذشت زمان بر نتایج یک مطالعه تأثیر بگذارند. این عامل به ویژه در بررسی داده های داخلی از اهمیت ویژه ای برخوردار است. هنگام در نظر گرفتن فریم های زمانی کوچک یا فواصل تیک به تیک ، دقت در ضبط داده های قیمت گذاری می تواند گریزان باشد. کیفیت مجموعه داده های تاریخی برای صحت پشتی بسیار مهم است و اشتباهات کوچک می تواند یکپارچگی نتایج مطالعه را به خطر بیاندازد.
• عملکرد نرم افزار: یک نرم افزار "Glitch" می تواند اعتبار نتایج آزمون را از بین ببرد. نرم افزار تست استراتژی فیلتری است که داده های بازار با آن الک شده است. اگر بین عملکرد مورد نظر نرم افزار و عملکرد واقعی آن اختلاف نظر وجود داشته باشد ، نتایج حاصل از پشتی نادرست است. مشاهده خطاهای نرم افزاری بسیار دشوار است. بررسی های دستی و تشخیص خودکار هر دو برای اطمینان از صحت مورد نیاز است.
• دست کم گرفتن تصادفی: شانس تصادفی نقش مهمی در بازار دارد. یک استراتژی معاملاتی ممکن است نتایج برجسته ای را در حین پشتکار و در عین حال مبارزه در شرایط زندگی زنده ایجاد کند. عواملی از قبیل لغزش ، نوسانات پیشرفته و تغییرات اساسی دوره ای در ساختار بازار می تواند حساب برای به خطر انداختن زنده بودن یک استراتژی تجاری غیرممکن باشد.

روانشناسی انسان و نارسایی تکنولوژیکی می تواند بر اهمیت هرگونه پشتی یا مطالعه تاریخچه بازار تأثیر بگذارد. به ناچار ، به خوبی در خدمت معامله گر است که از بدیهی قدیمی آگاه باشد: "عملکرد گذشته نتایج آینده را تضمین نمی کند."

خلاصه

تجزیه و تحلیل داده های تاریخی یک روش متداول برای قرار دادن رفتار گاه "غیر منطقی" است که توسط بازارها در متن به نمایش گذاشته می شود. از طریق بررسی گسترده گذشته ، معامله گران و سرمایه گذاران به طور یکسان می توانند ضمن حفظ فرصت های آینده ، بسیاری از اشتباهات را از بین ببرند.

با این حال ، مهم است که از نظر کیفیت ، منابع و قابلیت اطمینان خود داده های بازار تاریخی آگاهی داشته باشید. خطاها گاهی اوقات غیرقابل اجتناب هستند ، اما از طریق دقت مناسب ، تمریناتی مانند داده های مالی کاوی و پشتی می تواند اطلاعات ارزشمندی را برای معامله گر فراهم کند.

مانند اکثر جنبه های تجارت ، تجزیه و تحلیل داده های تاریخی می تواند در هنگام هماهنگی با سایر ابزارهای تحلیلی و اصول مناسب برای مدیریت ریسک ، به موفقیت بلند مدت یک معامله گر کمک کند.

هرگونه نظر ، اخبار ، تحقیق ، تحلیل ها ، قیمت ها ، سایر اطلاعات یا پیوندها به سایت های شخص ثالث به عنوان تفسیر بازار عمومی ارائه می شود و مشاوره سرمایه گذاری را تشکیل نمی دهد. FXCM مسئولیت هرگونه ضرر یا خسارت را از جمله ، بدون محدودیت ، از دست دادن سود که ممکن است مستقیم یا غیرمستقیم ناشی از استفاده یا اتکا به چنین اطلاعاتی باشد ، نمی پذیرد.

تیم تحقیقاتی FXCM

تیم تحقیقاتی FXCM شامل تعدادی از متخصصان بازار و محصول FXCM است.

مقالاتی که توسط تیم تحقیقاتی FXCM منتشر شده است ، به طور کلی دارای مشارکت کنندگان متعددی هستند و هدف آن ارائه محتوای عمومی آموزشی و آموزنده در اخبار و محصولات بازار است.