آشنایی با بلاک‌های قدرتمند CommonMath و CommonMath+In در فیلترنویسی

سلام به همهٔ آسان‌بورسی‌های عزیز. توی این مقاله قصد داریم در مورد دو بلاک بسیار پرکاربرد در محیط فیلترنویسی و ساخت اندیکاتور صحبت کنیم: CommonMath و CommonMath+In. این ابزارها دست شما را برای انجام محاسبات پیچیده روی داده‌های بورس باز می‌گذارند و می‌توانند استراتژی‌های شما را به سطح جدیدی ببرند.

بلاک CommonMath چیست؟

بلاک CommonMath یک ابزار محاسباتی است که به شما اجازه می‌دهد روی یک نوع داده مشخص (مثل قیمت یا حجم) در یک بازهٔ تاریخی مشخص، عملیات ریاضی انجام دهید. بیایید با چند مثال ساده کارکرد آن را بررسی کنیم:

توضیح عملکرد بلاک CommonMath برای محاسبه میانگین ۲۰ روزه
توضیح عملکرد بلاک CommonMath برای محاسبه میانگین ۲۰ روزه
  • میانگین‌گیری: اگر بخواهید میانگین قیمت را در ۲۰ روز گذشته پیدا کنید، کافیست نوع داده را «قیمت آخرین» انتخاب کنید، پریود را روی ۲۰ بگذارید و تابع را «میانگین» انتخاب کنید. نتیجه، میانگین ۲۰ روزهٔ قیمت خواهد بود.
  • میانگین حجم: برای پیدا کردن میانگین حجم یک ماه گذشته، می‌توانید نوع داده را «حجم» انتخاب کرده و پریود را روی ۲۰ (تقریباً یک ماه معاملاتی) تنظیم کنید.
  • پیدا کردن مینیمم و ماکزیمم: این بلاک فقط برای میانگین نیست! می‌توانید با انتخاب تابع «مینیمم»، کمترین قیمت ۲۰ روز گذشته را پیدا کنید. این عدد می‌تواند به عنوان یک پیوت ماژور برای تعیین استاپ‌لاس یا نقاط ورود عالی باشد.

بلاک CommonMath+In: قدرتی فراتر از داده‌های ساده

حالا بیایید سراغ بلاک هوشمندتر یعنی CommonMath+In برویم. تفاوت اصلی این دو بلاک در نحوه دریافت داده است. در حالی که CommonMath نوع داده را از داخل (مثل Close یا Volume) می‌گیرد، CommonMath+In این نوع داده را از یک ورودی خارجی دریافت می‌کند.

این یعنی شما می‌توانید هر فرمول محاسباتی یا هر اندیکاتوری را به این بلاک وصل کنید و سپس روی نتیجهٔ آن، عملیات ریاضی (مثل میانگین‌گیری) را در یک بازهٔ زمانی اعمال کنید. این قابلیت برای کاهش نویز و هوشمندتر کردن استراتژی‌های تابلوخوانی و فیلترنویسی فوق‌العاده است.

نمایش تنظیمات برای محاسبه کمترین قیمت (Minimum) در بازه تاریخی
نمایش تنظیمات برای محاسبه کمترین قیمت (Minimum) در بازه تاریخی

کاربردهای خلاقانه با CommonMath+In

بیایید ببینیم با این بلاک چه کارهای جالبی می‌توان انجام داد:

معرفی بلاک CommonMath+In و تفاوت آن در دریافت ورودی
معرفی بلاک CommonMath+In و تفاوت آن در دریافت ورودی

۱. میانگین‌گیری روی ترکیب قیمت‌ها (HLC)

شاید بخواهید میانگین‌گیری را نه روی قیمت بسته شدن، بلکه روی ترکیبی از قیمت‌ها انجام دهید. مثلاً می‌خواهید میانگین HLC (میانگین قیمت بالا، پایین و بسته شدن) را در ۲۰ روز گذشته حساب کنید.

برای این کار:

اتصال فرمول HLC به ورودی بلاک CommonMath+In
اتصال فرمول HLC به ورودی بلاک CommonMath+In
  1. از بلاک فرمول‌نویسی استفاده می‌کنیم و فرمول $(High + Low + Close) / 3$ را می‌نویسیم.
  2. خروجی این فرمول را به ورودیِ CommonMath+In وصل می‌کنیم.
  3. پریود را روی ۲۰ و تابع را روی «میانگین» تنظیم می‌کنیم.

نتیجه؟ یک اندیکاتور که میانگین ۲۰ روزهٔ HLC را نشان می‌دهد. این خط معمولاً واکنش‌های بهتری نسبت به قیمت‌های معمولی در زمان‌های رنج و اصلاحی نشان می‌دهد.

نمایش نمودار مقایسه‌ای خط آبی (Close) و خط سبز (میانگین HLC)
نمایش نمودار مقایسه‌ای خط آبی (Close) و خط سبز (میانگین HLC)

۲. میانگین‌گیری روی خودِ اندیکاتورها (نویزگیری)

یکی از جذاب‌ترین کاربردهای این بلاک، اعمال عملیات ریاضی روی خودِ اندیکاتورهاست. فرض کنید شما RSI را دارید اما می‌خواهید نویزهای آن را حذف کنید و یک سیگنال نرم‌تر داشته باشید.

می‌توانید RSI (مثلاً با پریود ۱۴) را به عنوان ورودی به CommonMath+In بدهید و سپس روی آن یک میانگین‌گیری ۹ روزه انجام دهید. نتیجه، یک RSI صاف‌شده (Smoothed) خواهد بود که نویزهای بازار را فیلتر کرده و روند را شفاف‌تر نشان می‌دهد.

اعمال عملیات میانگین‌گیری روی اندیکاتور RSI با استفاده از CommonMath+In
اعمال عملیات میانگین‌گیری روی اندیکاتور RSI با استفاده از CommonMath+In

البته باید توجه داشته باشید که این کار با کمی تأخیر (گپ) همراه است، اما در عوض سیگنال‌های اشتباه ناشی از نوسانات لحظه‌ای را به شدت کاهش می‌دهد.

مقایسه خط آبی RSI اصلی با خط نارنجی میانگین‌شده آن
مقایسه خط آبی RSI اصلی با خط نارنجی میانگین‌شده آن

جمع‌بندی

استفاده از CommonMath و CommonMath+In به شما اجازه می‌دهد تا فراتر از اندیکاتورهای آماده عمل کنید. با ترکیب این بلاک‌ها با فرمول‌نویسی، می‌توانید استراتژی‌های شخصی‌سازی شده‌ای بسازید که دقیقاً با نیازهای بورس و سبک معاملاتی شما هماهنگ باشد. از این بلاک‌ها برای کاهش نویز، پیدا کردن نقاط حمایت و مقاومت دقیق و ساخت فیلترهای هوشمندتر استفاده کنید.