توسعه سیستم معاملاتی سودآور

این کار تحقیقاتی یک رویکرد کمی برای اندازه‌گیری دقت سیگنال‌های خرید یا فروش سهام در بازار سهام ایالات متحده ارائه می‌کند. چندین شاخص خرید/فروش را توصیف می‌کند و سپس دقت هر شاخص را با آزمایش آن بر روی تعدادی از داده‌های تاریخی فیلتر شده ایالات متحده بین سال‌های 2000 و 2014 اندازه‌گیری می‌کند. ما در نهایت برای هر سهم در یک زمان خاص یک امتیاز دریافت می کنیم. این سیگنال خرید یا فروش بسیار دقیق تری می دهد. در تحقیقات گذشته بازار سهام، معمولاً محققان احتمال موفقیت یک روند صعودی یا یک روند نزولی را بر اساس تعداد ثابتی از شاخص های موفق اندازه گیری می کنند. به عنوان مثال، برخی تحقیقات نشان می دهد که شش شاخص از نه شاخص باید سیگنال خرید/فروش بدهند. نتایج به دست آمده در این تحقیق باید برای سایر بازارهای بین المللی نیز قابل اجرا باشد.

کلمات کلیدی: معاملات سهام;بازارهای ایالات متحده؛سیستم معاملاتی؛قوانین تجارت؛شاخص ها

شاخص های معاملاتی

ما تعدادی از شاخص های معاملاتی را انتخاب کرده ایم که اغلب توسط متخصصان تجارت و سیستم های معاملاتی استفاده می شود:

میانگین متحرک (MA)

میانگین متحرک برای هموارسازی روندها استفاده می شود. میانگین متحرک ساده 10 روزه، میانگین ریاضی قیمت های بسته شدن در 10 روز گذشته است. میانگین متحرک نمایی شبیه به میانگین متحرک ساده است، اما تاکید بیشتری بر تغییرات اخیر قیمت دارد. میانگین متحرک قیمت 10 روزه و 20 روزه در بین معامله گران بسیار محبوب است. برخی از تکنسین ها تقاطع میانگین های متحرک را به عنوان سیگنال خرید یا فروش تفسیر می کنند.

باندهای بولینگر

باندهای بولینگر که توسط جان بولینگر [1] توسعه و معرفی شدند، باندهای معاملاتی بر اساس نوسان قیمت ها حول میانگین متحرک ساده هستند. نتیجه استفاده از نوسانات برای محاسبه فاصله باندهای بالاتر و پایین تر از میانگین این است که فاصله با نوسان تغییر می کند. نوسانات در این مورد به عنوان انحراف استاندارد آماری محاسبه شده بر روی مجموعه داده های مشابه با میانگین متحرک اندازه گیری می شود. بولینگر برای محاسبه باندهای خود، استفاده از میانگین متحرک 20 روزه را توصیه می کند که میانگین حسابی داده های 20 روز گذشته است. نوسانات برای همان دوره، همان 20 روز، تغییرات داده ها حول میانگین 20 روز گذشته است. این تغییرات با انحراف استاندارد داده ها از میانگین اندازه گیری می شود. باند معاملاتی واقعی تعدادی انحراف استاندارد بالاتر و پایین تر از میانگین رسم می شود. جدای از تفاوت‌های محاسباتی، باندهای بولینگر مانند سایر باندهای معاملاتی استفاده می‌شوند. علاوه بر این، بولینگر قوانین متعددی را برای این باندها ایجاد کرده است که می توان از آنها برای جستجوی نشانه هایی از حرکت احتمالی قیمت استفاده کرد.

قوانین بولینگر عبارتند از:

• حرکات تند قیمت معمولاً پس از سفت شدن باندها اتفاق می‌افتد و هر چه به میانگین نزدیک‌تر باشد بهتر است. از آنجایی که نوسانات کاهش یافته نشان دهنده یک دوره تثبیت است، اولین افزایش در نوسانات پس از یکپارچگی نشان دهنده شروع حرکت بعدی است.

• حرکت به خارج از باندها نشان دهنده ادامه حرکت تا زمانی است که قیمت ها به زیر یا داخل باندها کاهش یابد.

• حرکاتی که از یک باند شروع می شوند، به سمت باند مقابل می روند.

MACD (واگرایی میانگین متحرک همگرایی)

جرالد آپل [2-10] MACD را با هدف تولید سیگنال های تجاری خاص ایجاد کرد. دلیل اصلی محبوبیت آن در بین تکنسین ها این واقعیت است که یک شاخص بسیار آسان برای تفسیر است. میانگین متحرک قیمت (PMA) به ما کمک می کند تا با هموارسازی نوسانات روزانه قیمت، روندها را به طور مؤثرتری شناسایی کنیم. اکثر معامله گران با استفاده از متقاطع میانگین های متحرک قیمت ساده برای رسیدن به سیگنال های خرید و فروش آشنا هستند (یعنی زمانی که قیمت از میانگین متحرک خود عبور می کند، شرایط صعودی وجود دارد). MACD یک مفهوم بسیار مشابه است. با این حال، MACD از سه میانگین متحرک قیمت تشکیل شده است، به جای تنها یک یا دو میانگین متحرک قیمت (MA).

MA اول باید روی یک بازه زمانی کوتاه‌مدت تنظیم شود (مثلاً 12 روز) و MA دوم معمولاً روی عددی حدوداً دو برابر اولی تنظیم می‌شود. این پارامترها توسط معامله گر و بر اساس افق زمانی خاص او تعیین می شود. محاسبه خط نشانگر دوم صرفاً میانگین متحرک خط اول است. یک پارامتر رایج که در اینجا استفاده می شود میانگین متحرک 9 روزه است، اما معامله گران با پارامترهای مختلفی آزمایش می کنند زیرا هیچ پارامتر شاخصی برای همه شرایط بازار بهترین کار را ندارد. تفسیر MACD را می توان تنها در چند جمله ساده توضیح داد. سیگنال های معاملاتی زمانی تولید می شوند که MACD از میانگین متحرک خود عبور کند. اگر MACD از میانگین متحرک خود عبور کند، یک سیگنال خرید است. برعکس، برعکس خواهد بود. این نشانگر بیشتر مورد استفاده قرار می گیرد. هیستوگرام تفاوت بین دو خط MACD است. جایی که هیستوگرام از خط صفر عبور می کند، نقطه ای است که دو خط MACD در حال تلاقی هستند (تفاوت بین این دو صفر است).

TSV حجم تقسیم شده زمانی (نماگر جریان پول MFI)

TSV یک نوسان ساز است که با مقایسه بخش های زمانی مختلف قیمت و حجم محاسبه می شود. TSV اساساً مقدار پولی را که وارد یا خارج از یک سهام خاص می شود اندازه گیری می کند. خط افقی در وسط، که در تمام طول پنجره نشانگر امتداد دارد، نشان دهنده خط صفر است. هنگامی که TSV از خط صفر عبور می کند، سیگنال انباشت مثبت یا فشار خرید را نشان می دهد. این اقدام صعودی محسوب می شود. برعکس، زمانی که TSV از خط صفر عبور می‌کند، نشان‌دهنده فشار توزیع یا فروش است که معمولاً قبل از کاهش قیمت پیش می‌رود.

RSI وایلدر

شاخص قدرت نسبی (RSI) یک نوسانگر نرخ تغییر است [2]. RSI صرفاً از قیمت هر سهم یا میانگین بازار محاسبه می شود. RSI اساساً قیمت چیزی را با خودش مقایسه می کند. شاخص RSI زمانی موثرتر است که برای تشخیص واگرایی های مثبت و منفی با قیمت استفاده شود. همچنین برای تعیین زمانی که یک سهام یا شاخص در محدوده روند اولیه خود به شرایط بیش از حد خرید یا فروش بیش از حد رسیده است، استفاده می شود.

هنگامی که RSI خواندن 70 ٪ یا بالاتر را ثبت می کند ، قیمت به طور کلی در وضعیت بیش از حد قرار دارد. برعکس ، وقتی RSI به سطح 30 ٪ برسد ، قیمت را می توان در نظر گرفت. هنگام استفاده از RSI به عنوان یک شاخص بیش از حد/ Oversold ، تعیین اینکه آیا یک روند اولیه قابل تعریف در واقع وجود دارد ، بسیار مهم است. این به بهترین وجه با استفاده از سایر شاخص های فنی مانند میانگین حرکت قیمت ، خطوط روند و حجم تقسیم بندی زمان (TSV) تعیین می شود. هنگامی که جهت یک روند اصلی با موفقیت مشخص شد ، RSI برای تجارت دقیق با این روند استفاده می شود. به عنوان مثال ، اگر سهام در صعود قابل تعیین قرار دارد ، از RSI برای شناسایی نقاط ورودی بهینه استفاده کنید. سنبله پایین در RSI (زیر 30 ٪) فقط چنین نقطه ورود را نشان می دهد. RSI همچنین قادر به واگرایی مثبت و منفی با قیمت است. وایلدر [2،10] پیشنهاد می کند استفاده از RSI 14 روزه اگرچه سایر تنظیمات نیز مفید بوده اند.

RSI به صورت محاسبه می شود: RSI = 100- (100/(1 + RS)) که Rs نسبت میانگین متحرک نمایی سود N- دوره (ارزش بسته شدن) است که بر اساس مقدار مطلق میانگین متحرک نمایی تقسیم می شودضرر و زیان N (ارزش پایین بسته شدن). وایلدر پیشنهاد می کند از 14 دوره استفاده کنید.

نرخ قیمت تغییر (PROC)

این یک نوسان ساز حرکت است که از قیمت سهام فردی یا شاخص بازار محاسبه می شود. میزان تغییر نوسان ساز تغییر در درصد و نه نقاط واقعی اندازه گیری می کند. آخرین طرح به عنوان نسبت قیمت بسته شدن فعلی به قیمت تعداد مشخصی از دوره های قبل محاسبه می شود. به عنوان مثال ، اگر نرخ تغییر 10 روزه را به قیمت سهام خاص اعمال کنید ، نوسان ساز با تقسیم قیمت بسته شدن روز جاری با قیمت بسته شدن ده روز پیش محاسبه می شود. نوسان ساز ROC اغلب قبل از وارونگی در قیمت خود است. همچنین مهم است که به دنبال واگرایی مثبت و منفی بین شاخص ROC و قیمت باشید. این همچنین در مورد سایر نوسان سازها مانند TSV ، RSI و Stochastics صادق است.

موتوری

شاخصی که سرعت قیمت یک سهام خاص یا شاخص بازار را اندازه گیری می کند. در اصل به ما نشان می دهد که قیمت در یک محدوده معین معامله می شود. مرزهای این محدوده برای یک دوره زمانی خاص که توسط کاربر تعیین می شود ، بالا و پایین خواهد بود. تصادفی 100 ٪ به معنای این است که قیمت در حال حاضر در سطح بالای محدوده معامله می شود و تصادفی از 0 به معنای این است که قیمت معاملات در پایین ترین نرخ معامله است.

Stochastics ، مانند شاخص قدرت نسبی ، به ما کمک می کند تا تعیین کنیم که آیا قیمت بیش از حد بوده یا از آن استفاده می شود. هنگامی که Stochastics از خط 80 ٪ عبور می کند ، بیش از حد به نظر می رسد. زیر 20 ٪ بیش از حد در نظر گرفته می شود. هرچه دوره تصادفی کوتاه تر باشد ، سیگنال های بیشتری از این شاخص تولید می شود. با این حال ، اگر تنظیم دوره شما خیلی کوتاه باشد ، اکثر سیگنال های شما نادرست خواهند بود. میانگین متحرک تصادفی مبنایی برای خرید و فروش سیگنال ها فراهم می کند. هنگامی که یک تصادفی بیش از حد از طریق کارشناسی ارشد خود پایین می آید ، سیگنال فروش تولید می شود. هنگامی که یک تصادفی از طریق MA خود حرکت می کند ، سیگنال خرید تولید می شود.

Stochastics توسط جورج سی لین [2،10] ساخته شده است و به شرح زیر محاسبه می شود:

k = ((c - ln)/(hn - ln)) * 100 کجا

k stochastics Lane است

C آخرین قیمت بسته شدن سهام است L قیمت پایین N قیمت پایین سهام H قیمت بالایی از سهام N از سهام N می تواند هر شماره باشد (خط پیشنهاد 5 تا 21) را دارد ، علاوه بر این ، لین توصیه می کند که تصادفی باشدخط دو بار با میانگین حرکت ساده سه دوره صاف شود: SK میانگین حرکت ساده سه دوره K است و SD میانگین حرکت ساده سه دوره SK است.

RSI تصادفی

مفهوم تصادفی که برای RSI Wilder اعمال می شود: Cross (20 ، (SUM (RSI (10)) -LLV (RSI (10) ، 10) ، 3)/SUM (HHV (RSI (10) ، 10)- LLV (RSI (RSI (RSI (RSI (10))10) ، 10) ، 3))*100) کجا:

LLV: کمترین مقدار کم

HHV: بالاترین مقدار بالا

متقاضی تصادفی RSI ابتدا پایین ترین پایین ترین RSI (10) را در 10 روز گذشته (میله) از ارزش RSI (10) تفریق می کند و سپس خلاصه می کند که برای 3 روز گذشته ، سپس آن را با مجموع تقسیم می کندهمان تعویض پایین ترین پایین توسط بالاترین اوج. تجربه نشان داد که این شاخص بسیار قابل اعتماد است.

ساختمان محور

برای هر شاخص یک سیستم برای آزمایش عملکرد آن ساخته شده است.

سیستم میانگین حرکت

معروف ترین سیستم های متوسط در حال حرکت ، میانگین های حرکت نمایی 10 و 20 روز (نوار) علاوه بر سایر مواردی مانند (20 ، 50) و (7 ، 17) میانگین های متحرک نمایی هستند. تست های بهینه سازی ما نشان داد که میانگین حرکت (18 ، 20) نمایی بسیار خوب کار می کند.

شرط خرید: وقتی میانگین حرکت نمایی ده روزه از قیمت بسته شدن بیشتر از میانگین حرکت نمایی بیست روزه قیمت بسته شدن قیمت بسته شده در فرمول است ، سهام بخرید:

شرط فروش: سهام را بفروشید وقتی میانگین حرکت نمایی بیست روزه قیمت بسته شدن بیشتر از میانگین حرکت نمایی ده روزه از قیمت بسته شدن قیمت بسته بندی شده در فرمول است:

فرمولی که یک شرایط را آزمایش می کند: میانگین حرکت نمایی ده روزه از قیمت بسته شدن بالاتر از میانگین متحرک نمایی بیست روزه قیمت بسته است.

Bollinger Band: Code for the Bollinger Band: ما بررسی می کنیم که آیا Close از 20 روز Band Band Bottom Cross (C ، Bbandbot (C ، 20 ، S ، 2)) عبور می کند

TSV/MFI: ما آزمایش می کنیم اگر MFI 16 روزه بالاتر از ارزش 50 باشد و این بالاتر از میانگین حرکت نمایی 4 روزه آن باشد.

(MFI(16) > 50) AND (MFI(16) >MOV (MFI (16) ، 4 ، E)

RSI2: We test if the Wilder’s RSI 21-day is above the value of 50 and that its above its 4-day simple moving average. (RSI(21) > 50) AND (RSI(21) >MOV (RSI (21) ، 4 ، S))

STOCH(5,3): We test if the Stochastic (5,3) is above the value of 20 and that it is above its 3-day simple moving average (Stoch(5,3)>20) AND (Stoch(5,3) >Mov (stoch (5،3) ، 3 ، s))

MCAD: ما آزمایش می کنیم که آیا MCAD بالاتر از میانگین حرکت نمایی 4 روزه خود باشد.

MACD() >MOV (MACD () ، 4 ، نمایی)

Stochrsi: کد RSI تصادفی همانطور که در بالا توضیح داده شد

آزمایش و نتایج

با اسکن از طریق داده های سهام تاریخی با استفاده از انواع نرم افزار معاملاتی ، ما توانستیم هر شاخص را به صورت جداگانه در 100 سهام به طور تصادفی انتخاب شده در بازه های زمانی بین ژانویه 2000 و ژانویه 2014 بررسی کنیم. سهام) ، سهام کم حجم (میانگین حجم کمتر از 100000 سهم در روز است).

شبیه سازی در حال اجرا

به منظور ارزیابی هر شاخص ، هر سیستم شاخص در بازه زمانی که در بالا ذکر شد ، تقریباً بر روی سهام مورد آزمایش قرار گرفت. برای هر سیستم شاخص ، یک سهام مجازی اولیه 10،000 دلاری داده می شود و برای هر سیگنال خرید ، یک سهام 10،000 دلاری (در صورت وجود) برای خرید سهام ارائه می شود. سهام عدالت که در طول معاملات مورد استفاده قرار نمی گیرد ، علاقه ای برای جلوگیری از دادن سیستمی که باعث ایجاد اعتباری در معاملات معدودی شده است ، نمی شود.

نتایج

جدول 1 نتایج اجرای سیستم دوازده را نشان می دهد.

جدول 1: نتایج اجرای دوازده سیستم را نشان می دهد.

در اینجا به توضیح اصطلاحات استفاده شده در جدول می پردازیم:

• میانگین سود خالص: چه مقدار از حقوق صاحبان سهام در طول شبیه سازی به دست آورده است.

سود خالص = سود ناخالص - زیان ناخالص.

• میانگین درصد سود: درصدی از حقوق صاحبان سهام اولیه که توسط سود خالص نشان داده می شود.

میانگین % سود = سود خالص متوسط / 10000 دلار.

• تعداد معاملاتی که شبیه سازی برای این امنیت ایجاد شده است

میانگین معاملات: میانگین تعداد معاملات هنگام اعمال سیستم بر روی 100 سهم.

سود/زیان تجارت چه تعداد از معاملات سودآور بوده و چه تعداد از آنها ضرر داشته است

• میانگینسود/میانگینضرر: این درصد نشان دهنده کل حقوق صاحبان سهام تقسیم بر تعداد معاملات سودآور تقسیم بر کل سهام از دست رفته تقسیم بر تعداد معاملات بازنده است (جدول 1 و شکل های 1-5).

شکل 1: میانگین متحرک نمایی 10 روزه و 20 روزه (EMA) در اواسط آگوست، متحرک نمایی 10 روزه از متحرک نمایی 20 روزه خود عبور کرد و روند صعودی را تایید کرد. ما شاهد روند نزولی در اواخر ماه اوت هستیم، سپس تایید یک روند صعودی در اوایل اکتبر.

شکل 2: باندهای بولینگر 20 روزه، میانگین متحرک ساده 20 روزه در وسط نشان داده شده است.

شکل 3: حجم قطعه بندی شده 16 روزه (TSV) و میانگین متحرک آن، هنگامی که TSV16 از خط وسط و میانگین متحرک آن عبور می کند، سیگنال روند صعودی را نشان می دهد و بالعکس.

شکل 4: RSI وایلدر 21 روزه و حرکت آن، هنگامی که RSI 21 از میانگین متحرک خود عبور می کند، یک روند صعودی را نشان می دهد و بالعکس. توجه داشته باشید که نشان دهنده روند صعودی و نزولی در ماه اوت نیست.

شکل 5: استوکاستیک.

ایجاد سیستم جدید

با استفاده از میانگین درصد سود بالا، می‌توانیم به هر شاخص وزنی بدهیم که در ایجاد سیستم جدید زیر استفاده می‌شود. کمترین عملکرد شاخص هاRSI 5 وایلدر و نرخ تغییر قیمت (PROC) از فرمول سیستم جدید حذف شدند.

18-day and 20-day moving average>MOVv2:=if(Mov(C, 18, E)

moving average> MOVv3:=if(Mov(C,7,E) >

BBv:=if(Cross(C, BBandBot(C, 20, S, 2)), 17. 65, 0);

MFv:=if((MFI(16) > 50) AND (MFI(16) >Mov(MFI(16), 4, E)), 16. 93, 0);

RSI21v:=if((RSI(21) > 50) AND (RSI(21) >Mov(RSI(21), 4, S)), 2. 23, 0);

STOCHv:=if((Stoch(5,3)>20) AND (Stoch(5,3) >Mov(Stoch(5, 3, 3, S)), 18. 37, 0);

MACDv:=if(MACD() >Mov( MACD()، 4، EXPONENTIAL)، 7. 51، 0);

LLV(RSI(10)،10)،3))*100)، 33. 43، 0);

تست و بهینه سازی سیستم جدید

در این مرحله، هدف ما یافتن مقادیر متغیرهای بهینه سازی opt1, opt2 است که حداکثر میانگین سود را با استفاده از این سیستم به دست می دهد. جدول 2 زیر نشان می دهد که ما حداکثر سود را زمانی به دست می آوریم که مقادیر متغیرهای بهینه سازی opt1 و opt2 50 و 35 باشد. تنظیم بیشتر نشان داده شده در جدول 3 نشان می دهد که مقادیر بهینه در 49 و 36 هستند. بنابراین شرایط خرید و فروش نهایی عبارتند از:

جدول 2: جستجوی دو متغیر بهینه سازی را برای تعیین امتیاز بهینه خرید و فروش نشان می دهد.

جدول 3: نقطه خرید و فروش بهینه شده تنظیم شده را نشان می دهد.

این بدان معناست که اگر مبلغ تمام وزن ها از 49 بیشتر باشد ، سهام را بخرید ، اگر مجموع وزن ها از 36 کمتر باشد ، آن را بفروشید.

شکل 6: مقایسه بین متوسط سود سیستم جدید در مقابل شاخص های مؤلفه آن.

تظاهرات

نمودار برتر در شکل 7 نشان می دهد که وقتی نشانگر سیستم جدید بالاتر از مقدار 49 باشد ، یک سیگنال خرید ایجاد می کند ، اما وقتی کمتر از مقدار 36 باشد ، سیگنال فروش ایجاد می کند.

شکل 7: از نشانگر سیستم جدید و میانگین متحرک آن برای ایجاد سیگنال های خرید/فروش استفاده می شود.

نتیجه

در تحقیقات بازار سهام گذشته ، به طور معمول محققان احتمال موفقیت یک صعود یا روند نزولی را بر اساس تعداد مشخصی از شاخص های موفق اندازه گیری می کنند. به عنوان مثال ، برخی تحقیقات نشان می دهد که 6 از 9 شاخص باید سیگنال های خرید و فروش را ارائه دهند. این تکنیک هر شاخص را به طور مساوی درمان می کند. در این تحقیق نشان می دهیم که چگونه با جمع بندی نمرات شاخص های موفق ، هر شاخص چگونه وزن می کند. ما در یک زمان خاص با یک امتیاز برای هر سهام به پایان می رسیم. این امر می تواند سیگنال خرید یا فروش بسیار دقیق تری داشته باشد. این سیستم به طور متوسط 51 ٪ در مقابل میانگین سود از 2 ٪ تا 33 ٪ برای شاخص های مؤلفه خود دارد [11-21].

برای به دست آوردن نتایج یکنواخت ، محدودیت هایی برای سهام استفاده شده وجود دارد. به عنوان مثال محدودیت استفاده از سهام تنها 10000 دلار در هر معامله (در صورت وجود) وجود داشته است. هیچ سودی به سهام عدالت استفاده نشده پرداخت نشده است. همچنین ، فقط سفارشات طولانی اجرا شد و هیچ سفارش کوتاه ایجاد نشده است. اجتناب از این محدودیت ها قطعاً افزایش متوسط را افزایش می دهد.

در آینده ، ما می خواهیم سیستم جدید خود را با الگوهای شمعدانی و الگوهای نمودار شناخته شده مانند مثلث نزولی و فنجان و الگوهای نمودار دسته قرار دهیم.

منابع

بولینگر جی (2002) بولینگر روی باندهای بولینگر. مک گراو هیل، نیویورک، ایالات متحده آمریکا. Bulkowski TN (2000) دایره المعارف الگوهای نمودار. جان وایلی و پسران، نیویورک، ایالات متحده آمریکا. Connors، Laurence A، Linda BR (1995) Street Smarts، استراتژی های تجارت کوتاه مدت با احتمال بالا. M. Gordon Publishing Group، مالیبو، کالیفرنیا، ایالات متحده. کوپر جی (1996) تجارت را اجرا کنید، کتاب مقدس معامله گران سهام کوتاه مدت. M. Gordon Publishing Group، مالیبو، کالیفرنیا، ایالات متحده. تجارت روز کرابل تی (1990) با الگوهای قیمت کوتاه مدت و محدوده بازگشایی Breakout. Rahfeldt and Associates، مشتری، فلوریدا، ایالات متحده آمریکا. Dunnigan W (1956) طرح های جدید برای سود در سهام و دانه ها. Financial Times Pitman Publishing، لندن، انگلستان، انگلستان. Dunnigan W (1957) فرمول یک طرفه برای تجارت در سهام و کالاها، انتشارات فایننشال تایمز Pitman، لندن، انگلستان، انگلستان. ادواردز، رابرت دی، جان ام (1948) تحلیل فنی روندهای سهام. جان مگی، اسپرینگفیلد، ماساچوست، ایالات متحده آمریکا. Epstein DC, Richard A (1967) نظریه قمار و منطق آماری. انتشارات آکادمیک، سن دیگو، کالیفرنیا، ایالات متحده آمریکا. Fosback N (1976) منطق بازار سهام. موسسه تحقیقات اقتصاد سنجی، فورت لادردیل، فلوریدا، ایالات متحده آمریکا. Nison S (1991) تکنیک های نمودار شمعی ژاپنی. موسسه مالی نیویورک، نیویورک، ایالات متحده آمریکا. Reverre S (2001) The Complete Arbitrage Handbook. مک گراو هیل، نیویورک، ایالات متحده آمریکا. Schabacker R (1932) تجزیه و تحلیل فنی و سود بازار سهام. Financial Times Pitman Publishing، لندن، انگلستان، انگلستان. Schabacker RW (1934) سود بازار سهام. Financial Times Prentice Hall، لندن، انگلستان، انگلستان. شواگر جی دی (1989) جادوگران بازار، مصاحبه با معامله گران برتر. موسسه مالی نیویورک، نیویورک، ایالات متحده آمریکا. شواگر جی دی (1992) جادوگران بازار جدید. جان وایلی و پسران، نیویورک، ایالات متحده آمریکا. Stridsman T (2000) سیستم های معاملاتی که کار می کنند. مک گراو هیل، نیویورک، ایالات متحده آمریکا. Tharp VK (1999) راه خود را به سوی آزادی مالی معامله کنید. مک گراو هیل، نیویورک، ایالات متحده آمریکا. وینس آر (1992) ریاضیات مدیریت پول. جان وایلی و پسران، نیویورک، ایالات متحده آمریکا.

نقل قول: ابراهیم AEM (2015) توسعه سیستم تجارت سودآور. J Stock Forex Trad 4:145.

حق چاپ: © 2015 Ibrahim AEM. این یک مقاله با دسترسی آزاد است که تحت شرایط Creative Commons Attribution License توزیع شده است، که اجازه استفاده، توزیع و تکثیر نامحدود در هر رسانه را می دهد، مشروط بر اینکه نویسنده و منبع اصلی درج شده باشند.