پرش به محتوا
StatePath
اطلس ابزارهاmarket.candlestick_patterns

ابزار

Candlestick Patterns

market.candlestick_patterns

MarketStructure

ورودی‌ها

ورودی نوع‌داری ندارد.

خروجی‌ها

Bundle (untagged)

یک فید رویدادی برای هر کندل از الگوهای کندلی شناسایی‌شده، که هرکدام نام الگو (engulfing، چکش، doji، dark-cloud، ستاره صبحگاهی، …) و سوگیری صعودی یا نزولی‌اش را حمل می‌کند. آن را به interpretor.candlestick_pattern بدهید تا یک آرایش نام‌دار را به سیگنال قابل‌معامله تبدیل کنید.

چند کندل آخر را اسکن می‌کند و به شما می‌گوید چه زمانی یک الگوی برگشتی کلاسیک شکل می‌گیرد — engulfing، چکش، doji، dark-cloud cover، ستاره صبحگاهی/شامگاهی و موارد دیگر. هر الگوی شناسایی‌شده با نام و جهتش گزارش می‌شود تا بتوانید برگشتی را که نشان می‌دهد دنبال کنید یا در خلافش معامله کنید.

نمودار کلی Candlestick Patternscandle.bullish_bodycandle.highcandle.low

چگونه کار می‌کند

open، high، low و close هر کندل را می‌خواند و اندازه بدنه، طول سایه و گپ‌ها را نسبت به یک بدنه میانگین متحرک می‌سنجد، سپس این نسبت‌ها را با کتابخانه‌ای از آرایش‌های نام‌دار کندلی تطبیق می‌دهد. یک الگو فقط زمانی واجد شرایط است که هندسه کندل از آزمون‌های نسبتش بگذرد و روند پیشین (سنجیده‌شده روی trend_lookback کندل با trend_method) برای یک برگشت در جهت درست باشد.

حالت‌ها

روند مومنتومmomentum

روند پیشین را بر اساس تغییر خالص قیمت (مومنتوم) روی trend_lookback کندل می‌سنجد — اگر قیمت در بازه صعودی باشد، زمینه یک روند صعودی است، پس فقط الگوهای برگشتی نزولی واجد شرایط می‌شوند، و برعکس.

نمودار روند مومنتومtrend.momentum_up

چه زمانی استفاده شود: بررسی زمینهٔ سریع‌تر و واکنشی‌تر؛ زمانی خوب است که برای محدودکردن الگوها جهت سوئینگ اخیر را بخواهید نه یک میانگین هموارشده.

روند SMAsma

روند پیشین را با مقایسه قیمت با یک میانگین متحرک ساده روی trend_lookback کندل می‌سنجد — قیمت بالای میانگین صعودی یعنی زمینه روند صعودی، قیمت زیر میانگین نزولی یعنی زمینه روند نزولی.

نمودار روند SMAtrend.sma

چه زمانی استفاده شود: بررسی زمینهٔ هموارتر و باثبات‌تر؛ زمانی ترجیحش دهید که در گیتِ روند ویپ‌ساوِ کمتری بخواهید تا الگوها فقط درون یک حرکتِ تثبیت‌شده پذیرفته شوند.

پیکربندی

doji_body_ratioscalar

بیشینه نسبت بدنه‌به‌دامنه برای آنکه یک کندل به‌عنوان doji حساب شود (بدنه‌ای نزدیک به صفر با open و close تقریباً برابر). مقادیر کوچک‌تر، dojiِ مسطح‌تر و کلاسیک‌تری می‌طلبند؛ 0.1 یعنی بدنه حداکثر می‌تواند 10٪ کل دامنه باشد.

body_short_ratioscalar

نسبت بدنه‌به‌بدنه‌میانگین که زیر آن یک کندل دارای بدنه «کوتاه» تلقی می‌شود، مورد استفاده در منطق ستاره و harami. مقادیر پایین‌تر، بدنه‌ای کوچک‌تر برای کوتاه‌محسوب‌شدن می‌طلبند.

body_long_ratioscalar

نسبت بدنه‌به‌بدنه‌میانگین که بالای آن یک کندل دارای بدنه «بلند» تلقی می‌شود، برای تأیید کندل قوی در الگوهای engulfing، marubozu و ستاره. مقادیر بالاتر، بدنه‌ای مسلط‌تر می‌طلبند.

hammer_shadow_ratioscalar

کمینه نسبت سایه پایینی بلند به بدنه برای یک چکش (یا به سایه بالایی برای shooting star). مقادیر بزرگ‌تر، پیش از واجد شرایط شدن الگو، سایه ردِّ مشخص‌تری می‌طلبند.

hammer_upper_maxscalar

بیشینه سایه بالایی مجاز برای یک چکش، که نسبت به بدنه بیان می‌شود، تا یک چکش واقعی سایه‌ای کم یا هیچ در بالا داشته باشد. مقادیر کوچک‌تر چکشی تمیزتر با close نزدیک به high الزام می‌کنند.

engulfing_min_ratioscalar

اینکه بدنه کندل engulfing چقدر باید بزرگ‌تر از بدنه‌ای باشد که می‌بلعد، به‌صورت نسبت. 1.0 یعنی فقط باید بدنه قبلی را بپوشاند؛ مقادیر بالای 1.0 الزام می‌کنند که آشکارا بزرگ‌تر باشد.

darkcloud_penetrationscalar

برای dark-cloud cover (و آینه صعودی‌اش، piercing line)، کمینه کسری که کندل دوم باید به درون بدنه کندل اول بازبسته شود. 0.5 الزام کلاسیک «از وسط گذشتن» است.

star_penetrationscalar

برای الگوهای ستاره صبحگاهی و شامگاهی، اینکه کندل سوم چقدر باید به درون بدنه کندل اول بسته شود تا برگشت تأیید گردد. مقادیر بالاتر، بازیابی یا ردِّ قاطع‌تری می‌طلبند.

near_equal_tolscalar

تلورانس، به‌صورت کسری از قیمت، برای برابر تلقی‌کردن دو سطح — برای تشخیص open، close یا سایه‌های منطبق در الگوهای tweezers و harami به‌کار می‌رود. مقادیر بزرگ‌تر، سطوحِ اندکی ناهمسان را «برابر» می‌پذیرند.

gap_minscalar

کمینه گپ قیمتی میان کندل‌ها که الگوهای وابسته به گپ مانند ستاره‌ها و abandoned baby می‌طلبند. مقادیر بزرگ‌تر، گپِ واضح‌تری پیش از واجد شرایط شدن آن الگوها الزام می‌کنند.

trend_lookbackscalar

اینکه ابزار چند کندل به عقب نگاه می‌کند تا روند پیشینی را که یک الگوی برگشتی باید برگرداند تعیین کند. بازه‌های بلندتر سوئینگ بزرگ‌تر را می‌سنجند؛ بازه‌های کوتاه‌تر به آخرین لِگ واکنش می‌دهند.

trend_methodenum

اینکه روند پیشین پیش از پذیرش یک الگوی برگشتی چگونه سنجیده می‌شود: «momentum» از تغییر خالص قیمت روی بازه استفاده می‌کند، «sma» قیمت را با یک میانگین متحرک ساده مقایسه می‌کند. برای فعال‌شدن، روند باید خلاف الگو باشد (مثلاً یک روند صعودی برای bearish engulfing).

گزینه‌ها:momentumsma
rolling_average_modescalar

نوع میانگین متحرکی که برای محاسبه بدنه میانگین متحرک به‌کار می‌رود و آزمون‌های بدنه «کوتاه» و «بلند» نسبت به آن سنجیده می‌شوند (برای مثال ساده یا نمایی). تعیین می‌کند بدنه میانگین چقدر سریع با کندل‌های اخیر تطبیق یابد.

اتصال به

تغذیه به

مثال‌ها

  • ماشه برگشت: در زمینه روند صعودی (trend_method «sma»)، وقتی یک bearish engulfing با engulfing_min_ratio برابر 1.1 شکل می‌گیرد یک معامله فروش بزن.
  • فیلتر تأیید: ورودهای خرید را فقط به کندل‌هایی محدود کن که در آن‌ها یک چکش صعودی یا piercing line نزدیک حمایت شناسایی شده است.

اشتباهات رایج

  • شل‌کردن doji_body_ratio و نسبت‌های بدنه تا حدی که تقریباً هر کندل با نوعی الگو منطبق شود — آنگاه تشخیص‌دهنده به‌جای چرخش‌های نادر و معنادار، نویزِ پیوسته می‌سازد.
  • فراموش‌کردن گیتِ روند: یک bearish engulfing درون یک روند نزولی صرفاً ادامه‌دهنده است نه برگشت، پس trend_method / trend_lookback ناهمخوان، الگوهایی را که انتظار داشتید سرکوب می‌کند.

همچنین ببینید