Prominensi Puncak: Menyaring Swing High dan Low dari Struktur Lokal

Alur kerja praktis

1. Pilih serinyaTetapkan harga penutupan atau indikator dan validasi data yang hilang.
2. Tunggu sampai jendela pengamatan lengkapEvaluasilah titik tengahnya hanya setelah sisi kanan tertutup.
3. Temukan kedua basisnyaHormati batas jendela dan puncak yang lebih tinggi.
4. NormalisasiBandingkan tingkat prominensi dengan ambang batas yang terdaftar dan konsisten antar unit.
5. Simpan event tanpa perubahanSimpan properti dan stempel waktu konfirmasi yang sebenarnya.

Harga yang lebih tinggi belum tentu merupakan puncak yang lebih menonjol.

Harga penutupan di 120 di atas basis sekitarnya di dekat 119.8 dapat memiliki struktur yang kurang khas dibandingkan harga penutupan di 105 di atas basis di dekat 100. Ketinggian absolut bergantung pada harga nominal instrumen tersebut. Prominensi mengajukan pertanyaan geometris yang berbeda: seberapa tinggi kandidat tersebut menjulang di atas kontur yang menghubungkan struktur sekitarnya?

SciPy mendefinisikan prominensi menggunakan basis sisi yang lebih tinggi dari kedua basis sisi [1]. Lebar diukur pada ketinggian prominensi relatif tertentu [2], sementara find_peaks mengekspos beberapa filter terpisah [3]. Ini adalah alat seri numerik. Menginterpretasikan puncak yang diterima sebagai resistensi, distribusi, atau peluang perdagangan memerlukan konteks tambahan dan pengujian independen.

Manfaat yang diharapkan adalah pengurangan yang dapat direproduksi pada titik-titik acuan yang tidak signifikan. Ini bukan jaminan bahwa suatu titik acuan yang menonjol akan menandai puncak akhir. Tren yang kuat dapat menghasilkan puncak lokal yang menonjol diikuti oleh harga yang lebih tinggi lagi, dan menunggu struktur di sekitarnya dapat menyisakan sedikit keuntungan dalam hal rasio imbalan terhadap risiko pada saat suatu peristiwa dikonfirmasi.

Detektor lokal dengan penundaan konfirmasi terbatas

Garis dasar yang diusulkan menggunakan observasi W=11 dan radius h=5. Pada akhir t, evaluasi hanya kandidat i=t−5 di dalam i−5 hingga i+5. Membutuhkan prominensi setidaknya 1.5×ATR[i−1]. W=11 dan 1.5 adalah pengaturan eksperimental, bukan nilai yang dioptimalkan. ATR dari sebelum kandidat memberikan referensi volatilitas tetap yang sudah diketahui melalui konfirmasi.

Dari puncak, periksa setiap sisi hingga batas jendela atau puncak yang lebih tinggi membatasi pencarian. Temukan nilai minimum di setiap interval yang dihasilkan, pilih basis yang lebih tinggi dan kurangi dari nilai kandidat. Untuk lembah, terapkan geometri yang sama pada seri harga penutupan yang tandanya dibalik. Mengambil nilai terendah di kedua sisi akan melebih-lebihkan prominensi puncak yang berada di bahu struktur yang lebih besar.

Kode tersebut membatasi plateau hanya pada satu pengamatan. Jika puncak datar diperlukan, definisikan stempel waktu representatif dan kebijakan konfirmasi lengkapnya sebagai versi lain. Nilai NaN tidak boleh diam-diam menjadi nol karena itu akan menciptakan basis dalam yang artifisial. Kandidat di batas jendela tidak memiliki bukti di sekitarnya yang diperlukan dan tidak boleh diperlakukan sebagai puncak yang berada di tengah.

h = 5; W = 2*h + 1
on_closed_bar(t):
    i = t - h
    if i-h < 0 or invalid_data(i-h, t): return
    x = close[i-h:t+1]
    candidates, _ = find_peaks(x, plateau_size=(1,1))
    if h not in candidates: return
    prominences, left_bases, right_bases = peak_prominences(x, [h], wlen=W)
    p = prominences[0]
    a = ATR[i-1]
    if a is not missing and isfinite(a) and a > 0 and p / a >= 1.5:
        emit_once(i, confirmed_at=t, prominence=p, window=W)
# Troughs: repeat on -close, preserving timestamps and ATR.

Tinggi, threshold, prominensi, dan lebar menjawab pertanyaan berbeda

Tinggi adalah nilai puncak. Ambang batas mengukur perbedaan langsungnya dari pengamatan di sekitarnya. Prominensi menggunakan dasar yang lebih luas di sekitarnya. Lebar mengukur jangkauan horizontal pada tingkat vertikal yang dipilih. Puncak yang lebar dan membulat dapat memiliki perbedaan kecil dengan tetangga terdekat sambil tetap mempertahankan prominensi yang substansial; persyaratan ambang batas yang tinggi mungkin secara tidak sengaja hanya mempertahankan lonjakan satu batang.

Penyaringan jarak juga membutuhkan kebijakan kausal. Menjalankan find_peaks pada seluruh rangkaian historis dan memungkinkan puncak masa depan yang lebih besar untuk menghilangkan puncak terdekat sebelumnya dapat mengubah pemilihan masa lalu. Garis dasar mengevaluasi setiap kandidat yang terpusat dan tidak menerapkan pemangkasan jarak global. Jeda waktu setelah peristiwa yang dipublikasikan adalah alternatif yang mungkin, tetapi hal itu lebih mengutamakan ketersediaan kronologis daripada puncak paling mengesankan yang terlihat kemudian.

Simpan semua properti yang diukur dalam catatan kejadian meskipun filter menolak kandidat. Hal ini memungkinkan untuk mendiagnosis kondisi mana yang menghilangkan peluang. Jika tidak, menambahkan lebar dan jarak secara bersamaan dapat meningkatkan statistik agregat tanpa memberikan penjelasan yang jelas apakah perubahan tersebut berasal dari bentuk, waktu, atau jumlah transaksi yang berbeda.

Contoh numerik, riak yang ditolak, dan perdagangan yang merugi.

Segmen lokal sintetis: 100, 101, 103, 106, 104, 102, 103. Tepat di dalam segmen ilustratif ini, basis kiri adalah 100 dan basis kanan adalah 102, sehingga prominensinya adalah 4. Dengan referensi ATR=2, prominensi yang dinormalisasi adalah 2 ATR dan melebihi ambang batas 1.5 yang diusulkan. Jendela di sekitarnya masih harus selesai sebelum ini dapat menjadi peristiwa yang dipublikasikan.

Segmen lain, 108, 109, 110, 109.8, 109.7, mengandung puncak absolut yang lebih tinggi tetapi basis sisi yang lebih tinggi yaitu 109.7. Prominensi lokalnya hanya 0.3; dengan ATR=1, segmen ini gagal melewati filter yang sama. Segmen-segmen ini menggambarkan geometri, bukan kasus uji W=11 yang lengkap atau bukti bahwa satu menghasilkan perdagangan yang menguntungkan dan yang lainnya tidak.

Suatu perdagangan dapat merugi setelah mencapai titik tertinggi yang menonjol. Misalkan konfirmasi memungkinkan posisi short, eksekusi berikutnya yang tersedia adalah 101.8 dan stop loss struktural berada di 106.2. Risiko harga yang direncanakan sudah sebesar 4.4 poin. Rebound ke 107 akan menggagalkan perdagangan meskipun detektor telah mengukur titik ekstrem sebelumnya dengan benar. Target proyeksi berjarak sebesar prominensi akan menjadi hipotesis terpisah.

Tambahkan puncak tetangga yang lebih tinggi tepat di dalam dibandingkan tepat di luar jendela tetap untuk menguji lokalisasi. Prominensi kandidat yang baru dievaluasi mungkin berubah di antara kumpulan data tersebut, tetapi peristiwa yang sebelumnya diterbitkan dari awalan yang tidak berubah tidak boleh ditulis ulang. Ini membedakan definisi jendela yang disengaja dari penggunaan struktur di masa mendatang secara tidak sengaja.

Gunakan prominensi sebagai fitur jangkar sebelum membuat entri.

Salah satu penggunaan yang diusulkan adalah untuk memilih titik acuan untuk pola double top atau zona resistensi sambil membiarkan pemicunya pada peristiwa selanjutnya, seperti penutupan di bawah level rendah yang berada di antaranya. Bekukan window_start, window_end, kedua basis, prominensi, ATR_ref, versi detektor, dan confirmed_at dengan kandidatnya. Bidang-bidang ini memungkinkan rekonstruksi keputusan yang tepat.

Entri pasca-konfirmasi langsung memerlukan stop loss, waktu keluar, batasan eksposur, dan model eksekusi tersendiri. Prominensi tidak memberikan target harga yang dijamin secara alami. Bandingkan proyeksi berbasis prominensi dengan target R tetap atau waktu keluar hanya dalam konfigurasi terdaftar; jangan memilih waktu keluar secara terpisah untuk setiap grafik yang menarik.

Saat detektor beroperasi pada RSI atau indikator terbatas lainnya, prominensinya diukur dalam poin indikator. Membagi prominensi RSI dengan ATR dalam satuan harga akan mencampur satuan. Gunakan normalisasi yang konsisten secara dimensional, atau pertahankan poin indikator mentah sebagai fitur yang dikalibrasi secara terpisah. Peringatan yang sama berlaku saat membandingkan detektor harga logaritmik dan detektor harga biasa.

Biarkan volume menguji kontribusi yang berbeda.

Volume tidak termasuk dalam rumus prominensi, sehingga dapat menambahkan fitur data terpisah, tetapi ini tidak menjamin independensi statistik. Simpan aktivitas di dekat titik ekstrem dan RVOL pada pemicu akhir secara terpisah. Volume agregat yang tinggi saja tidak dapat mengidentifikasi partisipasi institusional, dan puncak yang menonjol di sekitar berita dapat bertepatan dengan spread yang mahal.

Kelompokkan observasi berdasarkan prominensi/ATR dan bandingkan rentang RVOL yang berbeda dalam kelompok tersebut. Ini mempertanyakan apakah volume menambahkan informasi di luar amplitudo harga, bukan hanya sekadar memilih pergerakan yang lebih besar. Gunakan garis dasar waktu sesi yang sebanding untuk aset intraday, dan tetapkan konvensi tempat dan volume dasar versus volume kuotasi untuk kripto.

Laporkan bagaimana filter volume mengubah jumlah sinyal, waktu penahanan rata-rata, dan eksposur. Keuntungan rata-rata yang lebih tinggi per transaksi yang terpenuhi dapat terjadi bersamaan dengan kinerja portofolio yang lebih rendah jika filter tersebut membuang banyak peluang yang bermanfaat. Volume yang hilang harus memiliki kebijakan data yang tidak tersedia secara eksplisit dan tidak boleh diartikan sebagai kekeringan ekstrem.

Validasi geometri, stabilitas, dan nilai ekonomi secara terpisah.

Fixture harus mencakup puncak kecil yang terletak di samping puncak yang lebih besar, plateau dengan nilai puncak sama, nilai NaN, tepi jendela, dan kandidat yang berdekatan. Periksa lokasi dasar yang tepat serta prominensi yang dihasilkan. Jika SciPy digunakan, catat versinya dan pra-pemrosesan apa pun; filter penghalus terpusat menambahkan penundaan data di masa mendatang.

Ukur jumlah anchor yang dipertahankan, lag konfirmasi h-bar tetap, dan fraksi pola hilir yang usang ketika anchor terakhirnya tersedia. Kemudian evaluasi hasil bersih pada periode pengujian terkunci dengan biaya dan eksekusi yang realistis. Grafik yang terlihat lebih rapi secara visual bukanlah metrik ekonomi.

Meningkatkan W mengubah definisi struktur lokal yang baru dievaluasi. Hal ini tidak boleh memodifikasi peristiwa yang telah dipublikasikan yang termasuk dalam versi sebelumnya. Bandingkan ukuran jendela terdekat pada data pengembangan, catat jumlah percobaan, dan laporkan apakah penyaringan tambahan secara signifikan meningkatkan ekspektasi bersih atau risiko setelah memperhitungkan peluang yang terlewatkan.

Kesalahan umum

Daftar periksa sebelum menggunakan metode ini

Centang setiap butir setelah memverifikasinya pada data Anda. Kemajuan disimpan di browser ini; bukan sertifikasi bahwa strategi menghasilkan laba.

• Definisikan wlen sebagai jumlah pengamatan yang tepat.
• Jangan ukur prominensi dengan data masa depan tanpa batas.
• Terapkan aturan puncak dan lembah simetris.
• Pastikan ATR acuan sudah tersedia saat keputusan dibuat.
• Jangan mengganti nilai NaN dengan angka nol buatan.
• Jangan biarkan pemangkasan berdasarkan jarak menghapus acara yang telah dipublikasikan.
• Simpan kedua basis dan jendela yang dievaluasi.
• Perlakukan entry, stop, dan exit sebagai spesifikasi strategi yang terpisah.

Sumber riset

Setiap sumber mendukung definisi atau bukti yang dijelaskan di sampingnya. Pseudocode, contoh sintetis, dan parameter usulan perlu divalidasi secara terpisah.

1. scipy.signal.peak_prominencesSciPy. Bacalah definisi base, wlen, dan algoritma; ini adalah dokumentasi numerik, bukan riset keuangan. Diperiksa: 2026-10-11.
2. scipy.signal.peak_widthsSciPy. Baca pengukuran lebar prominensi relatif dan perilaku interpolasi. Diperiksa: 2026-10-11.
3. scipy.signal.find_peaksSciPy. Baca definisi filter dan penanganan jarak. Diperiksa: 2026-10-11.

Metode terkait