எக்ஸ்போனென்ஷியல் வெயிட்டிங்

From binaryoption
Revision as of 07:06, 27 March 2025 by Admin (talk | contribs) (@pipegas_WP)
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
Jump to navigation Jump to search
Баннер1

thumb|300px|எக்ஸ்போனென்ஷியல் வெயிட்டிங் விளக்கப்படம்

எக்ஸ்போனென்ஷியல் வெயிட்டிங்

எக்ஸ்போனென்ஷியல் வெயிட்டிங் (Exponential Weighting) என்பது, நிதிச் சந்தைகளில், குறிப்பாக பைனரி ஆப்ஷன் பரிவர்த்தனையில் பயன்படுத்தப்படும் ஒரு முக்கியமான கருத்தாகும். இது, முந்தைய தரவுகளுக்கு முக்கியத்துவம் அளித்து, சமீபத்திய தரவுகளுக்கு அதிக வெயிட் கொடுக்கும் ஒரு நுட்பமாகும். இதன் மூலம், சந்தையின் தற்போதைய போக்குகளை துல்லியமாக கணிப்பது சாத்தியமாகும். இந்த முறையின் அடிப்படைகள், பயன்பாடுகள், நன்மைகள் மற்றும் குறைபாடுகள் பற்றி விரிவாக காண்போம்.

எக்ஸ்போனென்ஷியல் வெயிட்டிங் என்றால் என்ன?

எக்ஸ்போனென்ஷியல் வெயிட்டிங் என்பது, ஒரு தொடர்ச்சியான தரவுத் தொகுப்பில், பழைய தரவுகளை விட புதிய தரவுகளுக்கு அதிக முக்கியத்துவம் கொடுக்கும் ஒரு புள்ளியியல் முறையாகும். இந்த முறையில், ஒவ்வொரு தரவுப் புள்ளிக்கும் ஒரு எடை (Weight) கொடுக்கப்படுகிறது. புதிய தரவுப் புள்ளிகளுக்கு அதிக எடையும், பழைய தரவுப் புள்ளிகளுக்கு குறைவான எடையும் கொடுக்கப்படும். இந்த எடை, ஒரு குறிப்பிட்ட காரணியைப் (Factor) பயன்படுத்தி கணக்கிடப்படுகிறது.

எடுத்துக்காட்டாக, ஒரு எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரியைக் (Exponential Weighted Average - EWA) கணக்கிடும்போது, சமீபத்திய தரவுப் புள்ளிகள் சராசரியில் அதிக தாக்கத்தை ஏற்படுத்தும். இது, சந்தையின் குறுகிய கால போக்குகளை அடையாளம் காண உதவுகிறது. நகரும் சராசரி முறைகளில் இது ஒரு மேம்பட்ட முறையாக கருதப்படுகிறது.

எக்ஸ்போனென்ஷியல் வெயிட்டிங் எவ்வாறு கணக்கிடப்படுகிறது?

எக்ஸ்போனென்ஷியல் வெயிட்டிங் கணக்கிடுவதற்கான சூத்திரம் பின்வருமாறு:

EWAt = α * Xt + (1 - α) * EWAt-1

இதில்:

  • EWAt என்பது தற்போதைய எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரி.
  • Xt என்பது தற்போதைய தரவுப் புள்ளி.
  • α (ஆல்பா) என்பது வெயிட்டிங் காரணி (Weighting Factor). இது 0 மற்றும் 1 க்கு இடையில் இருக்கும்.
  • EWAt-1 என்பது முந்தைய எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரி.

வெயிட்டிங் காரணி (α) இன் மதிப்பு, எக்ஸ்போனென்ஷியல் வெயிட்டிங்கின் வேகத்தை தீர்மானிக்கிறது. α இன் மதிப்பு அதிகமாக இருந்தால், சமீபத்திய தரவுகளுக்கு அதிக முக்கியத்துவம் கொடுக்கப்படும். இதன் விளைவாக, சராசரி சந்தையின் மாற்றங்களுக்கு விரைவாக பிரதிபலிக்கும். α இன் மதிப்பு குறைவாக இருந்தால், பழைய தரவுகளுக்கு அதிக முக்கியத்துவம் கொடுக்கப்படும். இதனால், சராசரி சந்தையின் மாற்றங்களுக்கு மெதுவாக பிரதிபலிக்கும்.

எக்ஸ்போனென்ஷியல் வெயிட்டிங் காரணி (α) மற்றும் அதன் விளைவுகள்
α மதிப்பு விளைவு பயன்பாடு
0.1 பழைய தரவுகளுக்கு அதிக முக்கியத்துவம். மெதுவான பிரதிபலிப்பு. நீண்ட கால போக்குகளை அடையாளம் காண.
0.5 சமமான முக்கியத்துவம். மிதமான பிரதிபலிப்பு. நடுத்தர கால போக்குகளை அடையாளம் காண.
0.9 புதிய தரவுகளுக்கு அதிக முக்கியத்துவம். வேகமான பிரதிபலிப்பு. குறுகிய கால போக்குகளை அடையாளம் காண.

பைனரி ஆப்ஷன் பரிவர்த்தனையில் எக்ஸ்போனென்ஷியல் வெயிட்டிங்கின் பயன்பாடுகள்

பைனரி ஆப்ஷன் பரிவர்த்தனையில் எக்ஸ்போனென்ஷியல் வெயிட்டிங் பல வழிகளில் பயன்படுத்தப்படுகிறது. அவற்றில் சில முக்கியமான பயன்பாடுகள் கீழே கொடுக்கப்பட்டுள்ளன:

  • சந்தை போக்குகளை அடையாளம் காணுதல்: எக்ஸ்போனென்ஷியல் வெயிட்டிங், சந்தையின் தற்போதைய போக்குகளை துல்லியமாக அடையாளம் காண உதவுகிறது. இதன் மூலம், வர்த்தகர்கள் சரியான திசையில் முதலீடு செய்ய முடியும்.
  • உள்ளீட்டு சமிக்ஞைகளை உருவாக்குதல்: எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரியை அடிப்படையாகக் கொண்டு, வர்த்தகர்கள் வாங்க மற்றும் விற்க சமிக்ஞைகளை உருவாக்கலாம். சராசரி ஒரு குறிப்பிட்ட நிலையைத் தாண்டும்போது, அது ஒரு வாங்க அல்லது விற்க சமிக்ஞையாகக் கருதப்படுகிறது.
  • நஷ்டத்தை குறைத்தல்: எக்ஸ்போனென்ஷியல் வெயிட்டிங், சந்தையின் மாற்றங்களுக்கு விரைவாக பிரதிபலிப்பதால், வர்த்தகர்கள் நஷ்டத்தை குறைக்க முடியும்.
  • லாபத்தை அதிகரித்தல்: சரியான நேரத்தில் முதலீடு செய்வதன் மூலம், வர்த்தகர்கள் லாபத்தை அதிகரிக்க முடியும்.
  • ஆதரவு மற்றும் எதிர்ப்பு நிலைகளை கண்டறிதல்: எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரி, ஆதரவு (Support) மற்றும் எதிர்ப்பு (Resistance) நிலைகளை கண்டறிய உதவுகிறது.
  • தொழில்நுட்ப குறிகாட்டிகளை மேம்படுத்துதல்: எக்ஸ்போனென்ஷியல் வெயிட்டிங், பிற தொழில்நுட்ப குறிகாட்டிகளுடன் இணைந்து பயன்படுத்தும்போது, அவற்றின் துல்லியத்தை அதிகரிக்கிறது. உதாரணமாக, MACD மற்றும் RSI போன்ற குறிகாட்டிகளில் இது பயன்படுத்தப்படுகிறது.

எக்ஸ்போனென்ஷியல் வெயிட்டிங்கின் நன்மைகள்

  • துல்லியம்: சந்தையின் தற்போதைய போக்குகளை துல்லியமாக பிரதிபலிக்கிறது.
  • வேகம்: சந்தையின் மாற்றங்களுக்கு விரைவாக பிரதிபலிக்கிறது.
  • எளிமை: கணக்கிடுவது எளிது.
  • பயன்பாட்டின் எளிமை: பல்வேறு வர்த்தக உத்திகளில் பயன்படுத்தலாம்.
  • குறைந்த தாமதம்: சாதாரண நகரும் சராசரிகளை விட குறைவான தாமதத்தை வழங்குகிறது.

எக்ஸ்போனென்ஷியல் வெயிட்டிங்கின் குறைபாடுகள்

  • தவறான சமிக்ஞைகள்: சந்தையில் அதிக ஏற்ற இறக்கம் இருக்கும்போது, தவறான சமிக்ஞைகள் உருவாகலாம்.
  • வெயிட்டிங் காரணியின் தேர்வு: சரியான வெயிட்டிங் காரணியைத் தேர்ந்தெடுப்பது கடினம். தவறான காரணியைத் தேர்ந்தெடுத்தால், தவறான முடிவுகள் கிடைக்கலாம்.
  • பழைய தரவுகளின் புறக்கணிப்பு: பழைய தரவுகளுக்கு குறைவான முக்கியத்துவம் கொடுப்பதால், சில முக்கியமான தகவல்கள் புறக்கணிக்கப்படலாம்.
  • சந்தை நிலைமைகளுக்கு ஏற்ப மாற வேண்டியது: சந்தை நிலைமைகளுக்கு ஏற்ப வெயிட்டிங் காரணியை மாற்றியமைக்க வேண்டியிருக்கலாம்.

எக்ஸ்போனென்ஷியல் வெயிட்டிங் மற்றும் பிற நுட்பங்களுடனான ஒப்பீடு

| நுட்பம் | நன்மைகள் | குறைபாடுகள் | |---|---|---| | எக்ஸ்போனென்ஷியல் வெயிட்டிங் | சந்தையின் தற்போதைய போக்குகளை துல்லியமாக பிரதிபலிக்கிறது, வேகமானது | தவறான சமிக்ஞைகள், சரியான வெயிட்டிங் காரணியைத் தேர்ந்தெடுப்பது கடினம் | | சாதாரண நகரும் சராசரி | கணக்கிடுவது எளிது, சந்தையின் இரைச்சலை குறைக்கிறது | சந்தையின் மாற்றங்களுக்கு மெதுவாக பிரதிபலிக்கிறது, அதிக தாமதம் | | எடையுள்ள நகரும் சராசரி | குறிப்பிட்ட தரவுப் புள்ளிகளுக்கு முக்கியத்துவம் கொடுக்கலாம் | வெயிட்டிங் காரணியைத் தேர்ந்தெடுப்பது கடினம் | | சராசரி திசை குறியீடு (MACD) | வாங்க மற்றும் விற்க சமிக்ஞைகளை உருவாக்குகிறது | தவறான சமிக்ஞைகள், சந்தையின் பக்கவாட்டு நகர்வில் சரியாக செயல்படாது | | உறவினர் வலிமை குறியீடு (RSI) | அதிக வாங்குதல் மற்றும் அதிக விற்பனை நிலைகளை அடையாளம் காட்டுகிறது | சந்தையின் பக்கவாட்டு நகர்வில் சரியாக செயல்படாது |

எக்ஸ்போனென்ஷியல் வெயிட்டிங்கிற்கான உத்திகள்

  • குறுக்குவெட்டு உத்தி (Crossover Strategy): இரண்டு வெவ்வேறு கால அளவிலான எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரிகளைப் பயன்படுத்தி, வாங்க மற்றும் விற்க சமிக்ஞைகளை உருவாக்கலாம். குறுகிய கால சராசரி, நீண்ட கால சராசரியை விட அதிகமாக இருக்கும்போது, அது வாங்க சமிக்ஞையாகக் கருதப்படுகிறது.
  • சமிக்ஞை கோடு உத்தி (Signal Line Strategy): எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரி மற்றும் அதன் சமிக்ஞை கோடு (Signal Line) ஆகியவற்றை ஒப்பிட்டு, வர்த்தக சமிக்ஞைகளை உருவாக்கலாம்.
  • பிரேக்அவுட் உத்தி (Breakout Strategy): எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரியை விட விலை அதிகமாகவோ அல்லது குறைவாகவோ பிரேக்அவுட் ஆகும்போது, வர்த்தகம் செய்யலாம்.
  • விலை நடவடிக்கை உத்தி (Price Action Strategy): எக்ஸ்போனென்ஷியல் வெயிட்டிங் சராசரியுடன் விலை நடவடிக்கையை இணைத்து, வர்த்தக முடிவுகளை எடுக்கலாம்.

அளவு பகுப்பாய்வு (Quantitative Analysis) மற்றும் எக்ஸ்போனென்ஷியல் வெயிட்டிங்

அளவு பகுப்பாய்வில், எக்ஸ்போனென்ஷியல் வெயிட்டிங் ஒரு முக்கிய கருவியாக பயன்படுத்தப்படுகிறது. இது, தரவுகளை பகுப்பாய்வு செய்யவும், மாதிரிகளை உருவாக்கவும் உதவுகிறது. எக்ஸ்போனென்ஷியல் வெயிட்டிங் மூலம், சந்தையின் போக்குகளை கணித்து, வர்த்தக முடிவுகளை எடுக்கலாம்.

  • காலம் சார்ந்த தொடர் பகுப்பாய்வு (Time Series Analysis): எக்ஸ்போனென்ஷியல் வெயிட்டிங், காலம் சார்ந்த தொடர் தரவுகளை பகுப்பாய்வு செய்ய உதவுகிறது.
  • பின்னோக்கி சோதனை (Backtesting): வரலாற்று தரவுகளைப் பயன்படுத்தி, வர்த்தக உத்திகளை சோதிக்க எக்ஸ்போனென்ஷியல் வெயிட்டிங் பயன்படுத்தப்படுகிறது.
  • ஆட்டோமேடிக் டிரேடிங் (Automated Trading): எக்ஸ்போனென்ஷியல் வெயிட்டிங் அடிப்படையிலான உத்திகளை தானியங்கி வர்த்தக அமைப்புகளில் பயன்படுத்தலாம்.

முடிவுரை

எக்ஸ்போனென்ஷியல் வெயிட்டிங் என்பது, பைனரி ஆப்ஷன் பரிவர்த்தனையில் பயன்படுத்தப்படும் ஒரு சக்திவாய்ந்த கருவியாகும். சந்தையின் போக்குகளை துல்லியமாக அடையாளம் காணவும், வர்த்தக முடிவுகளை எடுக்கவும் இது உதவுகிறது. இருப்பினும், இதன் குறைபாடுகளைப் புரிந்து கொண்டு, சரியான உத்திகளைப் பயன்படுத்தி வர்த்தகம் செய்வது அவசியம்.

விருப்பத்தேர்வு சந்தை பகுப்பாய்வு நிதி கணிப்புகள் சந்தை ஆபத்து முதலீட்டு உத்திகள் வர்த்தக உளவியல் சந்தை செயல்திறன் சந்தை முன்னறிவிப்பு நிதி மாதிரி பைனரி விருப்பங்களின் அடிப்படைகள் சந்தை போக்கு பகுப்பாய்வு தொழில்நுட்ப குறிகாட்டிகள் சராசரி உண்மை வரம்பு (ATR) பாலிங்கர் பட்டைகள் ஃபைபோனச்சி திருத்தம் எலিয়ட் அலை கோட்பாடு கேன்டில்ஸ்டிக் பேட்டர்ன்கள் சந்தை அளவு நஷ்டத்தை நிறுத்துதல் இலாபத்தை உறுதிப்படுத்துதல்

காரணம்: எக்ஸ்போனென்ஷியல் வெயிட்டிங் என்பது எக்ஸ்போனென்ஷியல் மூவிங் ஏவரேஜ் (Exponential Moving Average) வகையைச் சேர்ந்தது. இது, சந்தை போக்குகளைக் கணிக்கவும், வர்த்தக முடிவுகளை எடுக்கவும் பயன்படுத்தப்படுகிறது.

இப்போது பரிவர்த்தனையை தொடங்குங்கள்

IQ Option-ல் பதிவு செய்யவும் (குறைந்தபட்ச டெபாசிட் $10) Pocket Option-ல் கணக்கு திறக்கவும் (குறைந்தபட்ச டெபாசிட் $5)

எங்கள் சமூகத்தில் சேருங்கள்

எங்கள் Telegram சேனலுக்கு சேர்ந்து @strategybin பெறுங்கள்: ✓ தினசரி பரிவர்த்தனை சமிக்ஞைகள் ✓ சிறப்பு உத்திகள் மற்றும் ஆலோசனைகள் ✓ சந்தை சார்ந்த அறிவிப்புகள் ✓ தொடக்க அடிப்படையிலான கல்வி பொருட்கள்

Баннер