கூட்டு வடிகட்டுதல்

கூட்டு வடிகட்டுதல்

அறிமுகம்

பைனரி ஆப்ஷன் பரிவர்த்தனையில், ஒரு சொத்தின் விலை குறிப்பிட்ட காலத்திற்குள் உயருமா அல்லது இறங்குமா என்பதை யூகிப்பதே அடிப்படையாகும். இந்த யூகம் பெரும்பாலும் தொழில்நுட்ப பகுப்பாய்வு மற்றும் அளவு பகுப்பாய்வு ஆகியவற்றின் அடிப்படையில் அமைந்திருக்கும். ஆனால், இந்த இரண்டு முறைகளையும் இணைத்து, ஒரு மேம்பட்ட அணுகுமுறையை பயன்படுத்துவது, வெற்றிக்கான வாய்ப்புகளை அதிகரிக்கலாம். அந்த மேம்பட்ட அணுகுமுறையே கூட்டு வடிகட்டுதல் (Ensemble Filtering) ஆகும்.

கூட்டு வடிகட்டுதல் என்பது, பலவிதமான சந்தை குறிகாட்டிகள் (Market Indicators) மற்றும் பரிவர்த்தனை உத்திகள் (Trading Strategies) ஆகியவற்றின் கணிப்புகளை ஒருங்கிணைத்து, ஒரு துல்லியமான முடிவை எடுக்கும் முறையாகும். இது ஒரு தனிப்பட்ட குறிகாட்டியின் பலவீனங்களை குறைத்து, பலத்தின் மூலம் அதிக லாபம் ஈட்ட உதவுகிறது. உதாரணமாக, ஒரு குறிகாட்டி ஒரு திசையில் சிக்னல் கொடுத்தாலும், மற்ற குறிகாட்டிகள் வேறு திசையில் சிக்னல் கொடுக்கலாம். கூட்டு வடிகட்டுதல் இந்த முரண்பாடுகளைத் தீர்த்து, ஒருமித்த கருத்தை அடிப்படையாகக் கொண்டு முடிவெடுக்க உதவுகிறது.

கூட்டு வடிகட்டுதலின் அடிப்படைக் கொள்கைகள்

கூட்டு வடிகட்டுதல் பல எளிய மாதிரிகளை ஒன்றிணைத்து, ஒரு வலுவான மாதிரியை உருவாக்குகிறது. இது பின்வரும் அடிப்படைக் கொள்கைகளை அடிப்படையாகக் கொண்டது:

• பன்முகத்தன்மை (Diversity): பயன்படுத்தப்படும் மாதிரிகள் அல்லது குறிகாட்டிகள் ஒன்றுக்கொன்று வேறுபட்டவையாக இருக்க வேண்டும். ஒவ்வொரு மாதிரியும் சந்தையின் வெவ்வேறு அம்சங்களை பிரதிபலிக்க வேண்டும்.
• குறைந்த தொடர்பு (Low Correlation): மாதிரிகளுக்கு இடையே குறைந்த தொடர்பு இருக்க வேண்டும். அதாவது, ஒரு மாதிரி தவறாக கணித்தாலும், மற்ற மாதிரிகள் சரியாக கணிக்க வாய்ப்பு இருக்க வேண்டும்.
• ஒருங்கிணைப்பு (Aggregation): மாதிரிகளின் கணிப்புகளை ஒரு பொதுவான முடிவாக ஒருங்கிணைக்க வேண்டும். இது சராசரி, பெரும்பான்மை வாக்கு அல்லது எடை சராசரி (Weighted Average) போன்ற முறைகளைப் பயன்படுத்தி செய்யப்படலாம்.
• தழுவல் (Adaptation): சந்தை நிலைமைகளுக்கு ஏற்ப மாதிரிகளின் எடைகளை மாற்றியமைக்க வேண்டும். சில மாதிரிகள் சில சந்தை நிலைமைகளில் சிறப்பாக செயல்படலாம், மற்றவை வேறு நிலைமைகளில் சிறப்பாக செயல்படலாம்.

கூட்டு வடிகட்டுதலில் பயன்படுத்தப்படும் குறிகாட்டிகள்

பைனரி ஆப்ஷன் பரிவர்த்தனையில் கூட்டு வடிகட்டுதலுக்குப் பயன்படுத்தக்கூடிய பல குறிகாட்டிகள் உள்ளன. அவற்றில் சில முக்கியமானவை இங்கே:

• நகரும் சராசரிகள் (Moving Averages): எளிய நகரும் சராசரி (Simple Moving Average - SMA) மற்றும் எக்ஸ்போனென்ஷியல் நகரும் சராசரி (Exponential Moving Average - EMA) ஆகியவை பிரபலமான குறிகாட்டிகள். இவை விலை போக்குகளை அடையாளம் காண உதவுகின்றன.
• சம்பந்தப்பட்ட வலிமை குறியீடு (Relative Strength Index - RSI): இது ஒரு சொத்தின் அதிகப்படியான வாங்குதல் அல்லது விற்பனை நிலைகளை கண்டறிய உதவுகிறது. RSI 70க்கு மேல் இருந்தால், சொத்து அதிகப்படியாக வாங்கப்பட்டதாக கருதப்படுகிறது. RSI 30க்கு கீழ் இருந்தால், சொத்து அதிகப்படியாக விற்கப்பட்டதாக கருதப்படுகிறது.
• MACD (Moving Average Convergence Divergence): இது இரண்டு நகரும் சராசரிகளுக்கு இடையிலான உறவை காட்டுகிறது. MACD சிக்னல் கோட்டை விட மேலே இருந்தால், வாங்குவதற்கான சிக்னலாக கருதப்படுகிறது. MACD சிக்னல் கோட்டை விட கீழே இருந்தால், விற்பதற்கான சிக்னலாக கருதப்படுகிறது.
• ஸ்டோகாஸ்டிக் ஆஸிலேட்டர் (Stochastic Oscillator): இது ஒரு குறிப்பிட்ட காலப்பகுதியில் சொத்தின் விலை வரம்பிற்குள் அதன் முடிவடையும் விலையை ஒப்பிடுகிறது. ஸ்டோகாஸ்டிக் ஆஸிலேட்டர் 80க்கு மேல் இருந்தால், சொத்து அதிகப்படியாக வாங்கப்பட்டதாக கருதப்படுகிறது. ஸ்டோகாஸ்டிக் ஆஸிலேட்டர் 20க்கு கீழ் இருந்தால், சொத்து அதிகப்படியாக விற்கப்பட்டதாக கருதப்படுகிறது.
• பொலிங்கர் பட்டைகள் (Bollinger Bands): இது ஒரு நகரும் சராசரி மற்றும் இரண்டு நிலையான விலகல் பட்டைகளைக் கொண்டுள்ளது. விலை மேல் பட்டையைத் தொட்டால், விற்பதற்கான சிக்னலாக கருதப்படுகிறது. விலை கீழ் பட்டையைத் தொட்டால், வாங்குவதற்கான சிக்னலாக கருதப்படுகிறது.
• பிபோனச்சி மீள்விளைவு நிலைகள் (Fibonacci Retracement Levels): பிபோனச்சி வரிசையை அடிப்படையாகக் கொண்ட இந்த நிலைகள், சாத்தியமான ஆதரவு மற்றும் எதிர்ப்பு நிலைகளை அடையாளம் காண உதவுகின்றன.
• சப்போர்ட் மற்றும் ரெசிஸ்டன்ஸ் நிலைகள் (Support and Resistance Levels): இவை விலை போக்குகளை மாற்றும் சாத்தியமான புள்ளிகள். சப்போர்ட் நிலை என்பது விலைகள் கீழே விழாமல் தடுக்கக்கூடிய ஒரு நிலை. ரெசிஸ்டன்ஸ் நிலை என்பது விலைகள் மேலே உயர முடியாமல் தடுக்கக்கூடிய ஒரு நிலை.

கூட்டு வடிகட்டுதல் உத்திகள்

கூட்டு வடிகட்டுதலில் பலவிதமான உத்திகளைப் பயன்படுத்தலாம். அவற்றில் சில முக்கியமானவை இங்கே:

• சராசரி முறை (Averaging Method): ஒவ்வொரு குறிகாட்டியின் கணிப்பையும் சராசரி செய்து, ஒரு பொதுவான முடிவை எடுக்கலாம். இது எளிய மற்றும் நேரடியான முறையாகும்.
• எடை சராசரி முறை (Weighted Averaging Method): ஒவ்வொரு குறிகாட்டியின் கணிப்பிற்கும் ஒரு எடையை ஒதுக்கி, எடையிடப்பட்ட சராசரியை கணக்கிடலாம். இது அதிக துல்லியமான குறிகாட்டிகளுக்கு அதிக முக்கியத்துவம் கொடுக்க உதவுகிறது. புள்ளிவிவர பகுப்பாய்வு (Statistical Analysis) மூலம் எடைகளை தீர்மானிக்கலாம்.
• பெரும்பான்மை வாக்கு முறை (Majority Voting Method): பெரும்பாலான குறிகாட்டிகள் ஒரு திசையில் சிக்னல் கொடுத்தால், அந்த திசையில் பரிவர்த்தனை செய்யலாம்.
• நிபுணர் அமைப்பு (Expert System): ஒரு நிபுணர் அமைப்பை உருவாக்கி, குறிகாட்டிகளின் கணிப்புகளை பகுப்பாய்வு செய்து, பரிவர்த்தனை முடிவுகளை எடுக்கலாம். இது மிகவும் சிக்கலான முறையாகும், ஆனால் அதிக துல்லியமான முடிவுகளை வழங்க முடியும்.
• இயந்திர கற்றல் (Machine Learning): இயந்திர கற்றல் வழிமுறைகளைப் பயன்படுத்தி, குறிகாட்டிகளின் கணிப்புகளை ஒருங்கிணைத்து, ஒரு துல்லியமான மாதிரியை உருவாக்கலாம். இது மிகவும் மேம்பட்ட முறையாகும், ஆனால் அதிக தரவு மற்றும் கணினி சக்தி தேவைப்படும்.

கூட்டு வடிகட்டுதல் உத்திகளின் ஒப்பீடு

உத்தி | விளக்கம் | நன்மை | தீமை |

சராசரி முறை | குறிகாட்டிகளின் கணிப்புகளின் சராசரி | எளிமையானது | துல்லியமற்றது |

எடை சராசரி முறை | குறிகாட்டிகளுக்கு எடையிடப்பட்ட சராசரி | துல்லியமானது | எடைகளை தீர்மானிப்பது கடினம் |

பெரும்பான்மை வாக்கு முறை | பெரும்பாலான குறிகாட்டிகளின் சிக்னல் | எளிமையானது | சமமான சிக்னல்களில் சிக்கல் |

நிபுணர் அமைப்பு | நிபுணர் அமைப்பைப் பயன்படுத்தி முடிவெடுத்தல் | மிகவும் துல்லியமானது | சிக்கலானது |

இயந்திர கற்றல் | இயந்திர கற்றல் வழிமுறைகளைப் பயன்படுத்தி மாதிரி உருவாக்கம் | மிகவும் மேம்பட்டது | அதிக தரவு மற்றும் கணினி சக்தி தேவை |

கூட்டு வடிகட்டுதலின் நன்மைகள்

• அதிக துல்லியம்: பல குறிகாட்டிகளை ஒருங்கிணைப்பதன் மூலம், தவறான சிக்னல்களின் வாய்ப்புகளை குறைக்கலாம்.
• குறைந்த ஆபத்து: துல்லியமான கணிப்புகள் ஆபத்தை குறைக்க உதவுகின்றன.
• அதிக லாபம்: வெற்றிகரமான பரிவர்த்தனைகளின் எண்ணிக்கை அதிகரிப்பதால், லாபம் அதிகரிக்கிறது.
• சந்தை நிலைமைகளுக்கு ஏற்ப தழுவல்: வெவ்வேறு சந்தை நிலைமைகளுக்கு ஏற்ப மாதிரிகளின் எடைகளை மாற்றியமைக்க முடியும்.
• தனிப்பட்ட குறிகாட்டிகளின் பலவீனங்களை குறைத்தல்: ஒவ்வொரு குறிகாட்டியின் பலவீனங்களையும் மற்ற குறிகாட்டிகள் ஈடுசெய்யும்.

கூட்டு வடிகட்டுதலின் குறைபாடுகள்

• சிக்கலானது: பல குறிகாட்டிகளை ஒருங்கிணைப்பது சிக்கலானதாக இருக்கலாம்.
• தரவு தேவை: மாதிரிகளைப் பயிற்றுவிக்க மற்றும் சரிபார்க்க அதிக தரவு தேவைப்படலாம்.
• கணினி சக்தி தேவை: இயந்திர கற்றல் போன்ற மேம்பட்ட முறைகளுக்கு அதிக கணினி சக்தி தேவைப்படலாம்.
• அதிகப்படியான பொருத்தப்பாடு (Overfitting): மாதிரிகள் பயிற்சி தரவுகளுக்கு மிக நெருக்கமாக பொருந்தி, புதிய தரவுகளில் மோசமாக செயல்படலாம். தரவு அறிவியல் (Data Science) கோட்பாடுகளை பயன்படுத்தி இதை தவிர்க்கலாம்.
• தவறான சமிக்ஞைகள்: சில நேரங்களில் கூட்டு வடிகட்டுதல் தவறான சமிக்ஞைகளை உருவாக்கலாம், குறிப்பாக சந்தை நிலையற்றதாக இருக்கும்போது.

கூட்டு வடிகட்டுதலை மேம்படுத்துவதற்கான வழிகள்

• குறிகாட்டிகளை கவனமாக தேர்ந்தெடுக்கவும்: ஒன்றுக்கொன்று தொடர்பில்லாத மற்றும் வெவ்வேறு சந்தை அம்சங்களை பிரதிபலிக்கும் குறிகாட்டிகளைத் தேர்ந்தெடுக்கவும்.
• எடைகளை சரியாக தீர்மானிக்கவும்: காலவரிசை பகுப்பாய்வு (Time Series Analysis) மற்றும் புள்ளிவிவர பகுப்பாய்வு போன்ற முறைகளைப் பயன்படுத்தி எடைகளைத் தீர்மானிக்கவும்.
• மாதிரிகளை தொடர்ந்து சரிபார்க்கவும்: புதிய தரவுகளுடன் மாதிரிகளை தொடர்ந்து சரிபார்த்து, அவற்றின் துல்லியத்தை உறுதிப்படுத்தவும்.
• சந்தை நிலைமைகளுக்கு ஏற்ப மாதிரிகளை மாற்றியமைக்கவும்: சந்தை நிலைமைகளுக்கு ஏற்ப மாதிரிகளின் எடைகளை மாற்றியமைக்கவும்.
• ஆபத்து மேலாண்மை உத்திகளைப் பயன்படுத்தவும்: கூட்டு வடிகட்டுதல் ஒரு துல்லியமான கருவியாக இருந்தாலும், ஆபத்து மேலாண்மை உத்திகளைப் பயன்படுத்துவது முக்கியம். ஆபத்து மேலாண்மை (Risk Management) உத்திகளைப் பற்றி அறிந்து கொள்ளுங்கள்.

முடிவுரை

கூட்டு வடிகட்டுதல் என்பது பைனரி ஆப்ஷன் பரிவர்த்தனையில் ஒரு சக்திவாய்ந்த கருவியாகும். இது பலவிதமான குறிகாட்டிகள் மற்றும் உத்திகளை ஒருங்கிணைத்து, துல்லியமான முடிவுகளை எடுக்க உதவுகிறது. இருப்பினும், இது சிக்கலான முறையாகும், மேலும் அதை திறம்பட பயன்படுத்த, சந்தை பற்றிய ஆழமான அறிவு மற்றும் தொழில்நுட்ப பகுப்பாய்வு திறன்கள் தேவை. சரியான அணுகுமுறையுடன், கூட்டு வடிகட்டுதல் உங்கள் பைனரி ஆப்ஷன் பரிவர்த்தனை செயல்திறனை கணிசமாக மேம்படுத்த உதவும்.

தொழில்நுட்ப பகுப்பாய்வு அளவு பகுப்பாய்வு சந்தை குறிகாட்டிகள் பரிவர்த்தனை உத்திகள் எடை சராசரி எளிய நகரும் சராசரி எக்ஸ்போனென்ஷியல் நகரும் சராசரி சம்பந்தப்பட்ட வலிமை குறியீடு MACD ஸ்டோகாஸ்டிக் ஆஸிலேட்டர் பொலிங்கர் பட்டைகள் பிபோனச்சி பிபோனச்சி மீள்விளைவு நிலைகள் சப்போர்ட் மற்றும் ரெசிஸ்டன்ஸ் நிலைகள் புள்ளிவிவர பகுப்பாய்வு இயந்திர கற்றல் தரவு அறிவியல் காலவரிசை பகுப்பாய்வு ஆபத்து மேலாண்மை பைனரி ஆப்ஷன் சந்தை போக்கு பரிவர்த்தனை உளவியல்

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