Technical Analysis for Algorithmic Pattern Recognition

هدف اصلی این کتاب رفع نواقص و محدودیت‌هایی است که در حال حاضر هنگام استفاده از تحلیل فنی (TA) وجود دارد. به ویژه، TA یا توسط دانشگاهیان به عنوان یک "آزمون اقتصادی" فرضیه بازار کارآمد با شکل ضعیف (EMH) یا توسط پزشکان به عنوان ابزار اصلی یا تکمیلی برای استخراج سیگنال‌های تجاری استفاده می‌شود. این کتاب با استفاده از تمامی تئوری ها و آزمون های تخمین موجود به روشی سیستماتیک به TA می پردازد. این امر از طریق توسعه تشخیص‌دهنده‌های الگوی مبتنی بر قانون جدید و اجرای آزمون‌های آماری برای ارزیابی اهمیت بازده محقق می‌شود. تأکید بیشتر بر الگوهای فنی است که در آن سوبژکتیویته در فرآیند شناسایی آنها آشکار است. روش پیشنهادی ما بر اساس الگوریتمی و در نتیجه تشخیص الگوی بی‌طرفانه است. چارچوب روش‌شناختی یکپارچه ارائه‌شده در این کتاب می‌تواند به‌عنوان معیاری برای مطالعات آتی آکادمیک که فرضیه صفر EMH با فرم ضعیف را آزمایش می‌کنند و برای پزشکانی که می‌خواهند TA را در فرآیندهای تصمیم‌گیری تجاری/سرمایه‌گذاری خود تعبیه کنند، عمل کند.

The main purpose of this book is to resolve deficiencies and limitations that currently exist when using Technical Analysis (TA). Particularly, TA is being used either by academics as an “economic test” of the weak-form Efficient Market Hypothesis (EMH) or by practitioners as a main or supplementary tool for deriving trading signals. This book approaches TA in a systematic way utilizing all the available estimation theory and tests. This is achieved through the developing of novel rule-based pattern recognizers, and the implementation of statistical tests for assessing the importance of realized returns. More emphasis is given to technical patterns where subjectivity in their identification process is apparent. Our proposed methodology is based on the algorithmic and thus unbiased pattern recognition. The unified methodological framework presented in this book can serve as a benchmark for both future academic studies that test the null hypothesis of the weak-form EMH and for practitioners that want to embed TA within their trading/investment decision making processes. ​