تحلیل تکنیکال برای حرفه‌ای‌ها هنر تبدیل داده‌های قیمتی و حجمی (در سطوح تیک تا روزانه) به سیگنال‌های قابل اجرا و آزمون‌پذیر برای سرمایه گذاری هوشمند بورس است.

تحلیل تکنیکال برای حرفه‌ای‌ها و معامله گران

این بخش چارچوب فکری و معیارهایی که یک حرفه‌ای باید از آن شروع کند را تشریح می‌کند: تناسب سیستم با بازار هدف، تعریف دقیق فرضیه معاملاتی، و تعیین معیارهای آماری برای اعتبارسنجی.

تعریف فرضیه معاملاتی (Hypothesis)

هر استراتژی باید با یک فرضیه روشن شروع شود: «وقتی EMA50 قیمت را از بالا به پایین قطع کند، احتمال بازگشت میانگین کوتاه‌مدت وجود دارد». فرضیه باید قابل‌تست و دارای متغیرهای مشخص ورودی/خروجی باشد.

بازار هدف و افق زمانی (Market Regime & Timeframe)

مشخص کنید سیستم برای چه رِژیـم مارکی (رِنج، ترند صعودی، ترند نزولی، های‌وُلاتیل) طراحی شده و در چه تایم‌فریمی کار می‌کند (tick/1m/5m/15m/h/d/w).

معیارهای آماری برای سنجش اعتبار

قبل از اجرا، سیستم باید از نظر Sharpe، Sortino، Maximum Drawdown، Win Rate و Expectancy بررسی شود؛ حداقل معیارهای قابل‌قبول برای استراتژی‌های حرفه‌ای را تعیین کنید.

داده‌ها و کیفیت آن: پایهٔ هر تحلیل تکنیکالی

تحلیل تکنیکال دقیق از داده‌های بی‌کیفیت آسیب می‌بیند. داده یعنی قیمت با adjustment های مناسب (تقسیم سود، افزایش سرمایه)، دادهٔ تیک (در صورت امکان) برای بررسی microstructure، و فید لحظه‌ای برای اجرا. این بخش پروتکل آماده‌سازی داده و محافظت در برابر خطاهای زمانی/تقویمی را ارائه می‌دهد.

پاک‌سازی و تعدیل داده (Adjustment & Cleaning)

حذف یا اصلاح کندل‌های ناقص/نادرست.

تعدیل قیمت‌ها برای تقسیم سود و افزایش سرمایه.

همسان‌سازی منطقه زمانی و روزهای نامتعارف (مثلاً تعویق جلسات یا تعطیلی بازار).

تیک دیتا و نقش آن در استراتژی‌های کوتاه‌مدت

برای اسکالپ و الگوتریدینگ، دادهٔ تیک ضرورت دارد: تشخیص اسپایک‌های لحظه‌ای، بررسی لول‌های عمق بازار، اندازه‌گیری لغزش (slippage) واقعی.

مشکلات رایج داده در بازار ایران

دامنه نوسان، صف‌ها و معاملات بلوکی می‌توانند آرتیفکت‌های قیمتی تولید کنند. استراتژی‌های کوتاه‌مدت باید فیلترهایی برای شناسایی و حذف موارد صف/حراج داشته باشند.

ساختار سیگنال‌سازی: از فیلتر تا اجرای سفارش

یک سیستم حرفه‌ای سه مرحله دارد: (1) فیلتر اولیه (universe selection)، (2) تولید سیگنال (entry/exit rules)، (3) اجرای سفارش (order execution). هر مرحله نیاز به قواعد دقیق و متریک‌های کیفیت دارد که در این بخش کامل مطرح شده‌اند.

فیلتر اولیه (Universe Selection)

فیلترها باید برای محدود کردن فضای تست استفاده شوند: میانگین حجم معین، فاصله از صف، عدم وجود رویدادهای بنیادی در افق کوتاه‌مدت. مثال: حجم میانگین 30 روز ≥ 1.000.000 سهم یا ارزش معاملات ≥ X میلیون تومان.

قواعد ورود و خروج صریح (Rule-based Signals)

برای قابل‌تکرار بودن، تمام شروط باید عددی و قطعی باشند:

ورود: Close > EMA(50) و Volume > 1.5×MA30(Volume) و RSI(14) < 70.

خروج: Close < EMA(20) یا Trailing Stop = 1.5×ATR(14).

تضمین اجرای سفارش (Execution Quality)

در بازار با نقدشوندگی محدود، سفارش‌های بازار (market orders) خطرناک‌اند. سفارش‌های شرطی/حدی (limit/iceberg) و تکه‌تکه‌سازی (slice) را برنامه‌ریزی کنید. حتماً هزینه تراکنش و slippage را در شبیه‌سازی لحاظ کنید.

ابزارهای پیشرفته تکنیکال (بیش از RSI و MACD)

حرفه‌ای‌ها از ابزارهای پایه فراتر می‌روند: Volume Profile، VWAP، Market Profile، Order Flow، Imbalance، و ابزارهای حالت‌سنجی بازار (regime detection). این بخش هر ابزار را توضیح می‌دهد و نشان می‌دهد چگونه به یکدیگر ملحق می‌شوند.

Volume Profile & VPVR

Volume Profile نشان می‌دهد در چه سطوح قیمتی بیشترین حجم معامله شده — نقاط POC، VAH، VAL را برای تعیین سطوح حمایت/مقاومت استفاده کنید.

VWAP و Execution Benchmarking

VWAP برای سنجش کیفیت اجرا و تصمیم‌گیری در تایم‌فریم روزانه کاربرد دارد. سفارش‌های بزرگ را اطراف VWAP زمان‌بندی کنید تا تاثیر بر بازار کاهش یابد.

Market / Order Flow Analysis

تحلیل جریان سفارشات (تریدهای خریدار/فروشنده، اندازه‌های بلوک) برای شناسایی حضور بازیگران بزرگ یا مخفی (iceberg). در صورت دسترسی به داده‌ عمق بازار (Level II)، الگوهای تزریق نقدینگی را شناسایی کنید.

مدیریت پارامترها و اجتناب از Overfitting

بهینه‌سازی بیش‌ازحد پارامترها (curve-fitting) قاتل استراتژی در بازار واقعی است. در این بخش روش‌های حرفه‌ای برای تنظیم پارامترها (walk-forward, cross-validation, penalized optimization) و معیارهایی برای جلوگیری از overfitting شرح داده شده‌اند.

روش Walk-Forward Validation

داده را به پنجره‌های متحرک تقسیم کنید: train → validate → test. هر بهینه‌سازی در یک پنجره باید در پنجره بعدی اجرا شود تا پایداری پارامترها سنجیده شود.

محدودسازی فضای پارامترها و Regularization

به جای جستجوی کامل، محدوده معقولی برای پارامترها تعریف کنید. از معیارهای penalized (مثل AIC/BIC) در انتخاب پارامترها بهره ببرید.

تست استحکام (Stress Tests & Monte Carlo)

با شبیه‌سازی Monte Carlo برای پارامترها و قیمت‌ها، حساسیت استراتژی به تغییرات بازار را بسنجید؛ شبیه‌سازی شامل تراکم روزهای با نوسان بالا و پدیده‌های مشابه دامنه نوسان است.