پرومیننس: مقامی ساخت سے سوئنگ کی چوٹیوں اور نچلی انتہاؤں کی چھانٹی

عملی مراحل

1. سیریز کا انتخاب کریں۔اختتامی قیمتوں یا کسی اشاریے کا سلسلہ منتخب اور مقرر کریں، پھر غائب ڈیٹا جانچیں۔
2. ونڈو مکمل ہونے کا انتظار کریںدائیں طرف کے بند ہونے کے بعد ہی اس کے مرکز کا اندازہ کریں۔
3. دونوں بنیادی سطحیں تلاش کریںونڈو کی حدود اور زیادہ اونچی چوٹیوں کا لحاظ رکھیں۔
4. مناسب اکائی سے نسبت نکالیںپرومیننس کا پہلے مقرر کردہ، یکساں اکائیوں والی حد سے موازنہ کریں۔
5. واقعہ مستقل محفوظ کریںخصوصیات اور حقیقی تصدیق کا وقت محفوظ کریں۔

زیادہ قیمت ضروری نہیں کہ زیادہ نمایاں چوٹی ہو۔

119.8 کے آس پاس کی بنیاد پر 120 کا بند، 100 کے قریب بنیاد پر 105 کے بند سے ساخت کے لحاظ سے کم نمایاں ہو سکتا ہے۔ مطلق اونچائی اثاثے کی برائے نام قیمت پر منحصر ہے۔ پرومیننس مختلف ہندسی سوال پوچھتی ہے: امیدوار اپنے اردگرد کی ساخت کو ملانے والی سطح سے کتنا اونچا ہے؟

SciPy پرومیننس کے لیے دونوں طرف کی بنیادی سطحوں میں سے اونچی سطح لیتا ہے [1]۔ چوڑائی پرومیننس کی نسبت سے منتخب اونچائی پر ناپی جاتی ہے [2]، جبکہ find_peaks کئی الگ فلٹر دیتا ہے [3]۔ یہ عددی سلسلوں کے اوزار ہیں۔ منظور شدہ چوٹی کو مزاحمت، ڈسٹری بیوشن یا تجارتی موقع سمجھنے کے لیے اضافی سیاق اور آزاد جانچ چاہیے۔

مقصد کم اہم ساختی نقاط کو قابل تکرار طریقے سے کم کرنا ہے۔ بڑی پرومیننس آخری چوٹی کی ضمانت نہیں۔ مضبوط رجحان میں نمایاں مقامی چوٹیوں کے بعد قیمت مزید بڑھ سکتی ہے؛ اردگرد کی ساخت مکمل ہونے کے انتظار سے تصدیق تک مناسب منافع بہ نسبت خطرہ بہت کم رہ سکتا ہے۔

مقررہ تصدیقی تاخیر والا مقامی ڈیٹیکٹر

مجوزہ بنیادی نسخے میں W=11 مشاہدات اور نصف پھیلاؤ h=5 ہے۔ t بند ہونے پر صرف i=t−5 امیدوار کو i−5 سے i+5 کی ونڈو میں جانچیں۔ پرومیننس کم از کم 1.5×ATR[i−1] ہو۔ W=11 اور 1.5 تجرباتی ترتیبات ہیں، بہتر ثابت شدہ اقدار نہیں۔ امیدوار سے پہلے کا ATR اتار چڑھاؤ کا مقرر حوالہ دیتا ہے جو تصدیق کے وقت پہلے ہی معلوم ہوتا ہے۔

چوٹی سے دونوں طرف تلاش کریں، یہاں تک کہ ونڈو کی حد یا زیادہ اونچی چوٹی تلاش روک دے۔ ہر حاصل شدہ وقفے کی کم ترین قدر تلاش کریں، دونوں میں سے اونچی بنیادی سطح لیں اور اسے امیدوار کی قدر سے منہا کریں۔ نچلی انتہاؤں کے لیے یہی حساب اختتامی قیمتوں کے منفی سلسلے پر کریں۔ دونوں طرف کی سب سے کم قدر لینے سے بڑی ساخت کے کنارے پر واقع چھوٹی چوٹی کی پرومیننس زیادہ ظاہر ہو گی۔

کوڈ ہموار چوٹی کے پھیلاؤ کو صرف ایک مشاہدے تک محدود کرتا ہے۔ کئی مشاہدات کی ہموار چوٹی درکار ہو تو نمائندہ وقت اور مکمل تصدیق کا طریقہ الگ نسخے میں متعین کریں۔ NaN کو خاموشی سے صفر نہ بنائیں؛ اس سے مصنوعی گہری بنیادی سطحیں بنتی ہیں۔ ونڈو کے کنارے کا امیدوار مطلوبہ اردگرد کے شواہد نہیں رکھتا، اس لیے اسے مرکزی چوٹی نہ سمجھیں۔

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.

اونچائی، فوری فرق، پرومیننس اور چوڑائی الگ سوالات ہیں

height چوٹی کی قدر ہے۔ threshold ساتھ کے مشاہدات سے فوری فرق ناپتا ہے۔ prominence زیادہ وسیع اردگرد کی بنیاد لیتا ہے۔ width منتخب عمودی سطح پر افقی پھیلاؤ ناپتا ہے۔ چوڑی گول چوٹی میں ساتھ کے مشاہدات کا فرق چھوٹا مگر پرومیننس بڑی ہو سکتی ہے؛ زیادہ threshold مانگنے سے غیر ارادی طور پر صرف ایک بار والے تیز ابھار باقی رہ سکتے ہیں۔

فاصلے کے فلٹر کے لیے بھی صرف اس وقت دستیاب معلومات کا اصول چاہیے۔ پورے تاریخی سلسلے پر find_peaks چلا کر بعد کی بڑی چوٹی سے پہلے کی قریب چوٹی حذف کرانا ماضی کا انتخاب بدل سکتا ہے۔ بنیادی نسخہ ہر مرکزی امیدوار الگ جانچتا ہے اور پورے سلسلے پر فاصلے کی چھانٹی نہیں کرتا۔ جاری واقعے کے بعد مقررہ انتظار ایک متبادل ہے، لیکن وہ بعد میں نظر آنے والی سب سے نمایاں چوٹی کے بجائے وقت کے لحاظ سے پہلی دستیابی کو ترجیح دیتا ہے۔

فلٹر امیدوار خارج کرے تب بھی ناپی گئی تمام خصوصیات واقعے کے ریکارڈ میں رکھیں۔ اس سے معلوم ہو گا کہ کس شرط نے موقع نکالا۔ ورنہ چوڑائی اور فاصلے کو ایک ساتھ شامل کرنے سے مجموعی عدد بہتر دکھ سکتا ہے، مگر یہ واضح نہیں ہو گا کہ بہتری شکل، وقت یا سودوں کی تعداد بدلنے سے آئی۔

عدد کی مثالیں، خارج شدہ چھوٹے ابھار اور نقصان والے سودے

مصنوعی مقامی حصہ: 100, 101, 103, 106, 104, 102, 103۔ صرف اسی مثالی حصے میں بائیں بنیاد 100 اور دائیں 102 ہے، لہٰذا پرومیننس 4 ہے۔ حوالہ ATR=2 ہو تو یہ 2 ATR بنتی ہے اور مجوزہ 1.5 حد سے بڑی ہے۔ واقعہ جاری کرنے سے پہلے پھر بھی اردگرد کی پوری ونڈو مکمل ہونا ضروری ہے۔

دوسرے حصے 108, 109, 110, 109.8, 109.7 میں مطلق چوٹی زیادہ بلند ہے لیکن دونوں طرف کی اونچی بنیاد 109.7 ہے۔ مقامی پرومیننس صرف 0.3 ہے؛ ATR=1 ہو تو یہی فلٹر اسے خارج کرتا ہے۔ یہ حصے ہندسہ سمجھاتے ہیں؛ یہ مکمل W=11 آزمائشی نمونے نہیں، نہ اس بات کا ثبوت ہیں کہ ایک منافع بخش سودے دیتا ہے اور دوسرا نہیں۔

نمایاں چوٹی کے بعد بھی سودا نقصان دے سکتا ہے۔ فرض کریں تصدیق کے بعد شارٹ کی اجازت ملتی ہے، اگلا دستیاب داخلہ 101.8 اور ساختی اسٹاپ 106.2 ہے۔ منصوبہ بند قیمت کا خطرہ پہلے ہی 4.4 پوائنٹس ہے۔ 107 تک واپسی سودا ناکام کرتی ہے، چاہے ڈیٹیکٹر نے پچھلی انتہا درست ناپی ہو۔ پرومیننس کے برابر فاصلے کا ہدف بنانا بھی الگ مفروضہ ہے۔

مقامی ساخت کی جانچ کے لیے ایک صورت میں زیادہ اونچی ہمسایہ چوٹی مقررہ ونڈو کے بالکل اندر اور دوسری میں بالکل باہر رکھیں۔ نئے جانچے گئے امیدوار کی پرومیننس دونوں ڈیٹاسیٹس میں بدل سکتی ہے، لیکن یکساں ابتدائی ڈیٹا سے پہلے جاری ہوا واقعہ دوبارہ نہیں لکھا جا سکتا۔ اس سے واضح ونڈو کی تعریف اور مستقبل کی ساخت کے غیر ارادی استعمال میں فرق معلوم ہوتا ہے۔

داخلہ بنانے سے پہلے پرومیننس کو ساختی نقطے کی خصوصیت سمجھیں

ایک مجوزہ استعمال ڈبل ٹاپ یا مزاحمتی خطے کے لیے ساختی نقاط منتخب کرنا ہے؛ داخلے کا محرک بعد میں آئے، مثلاً درمیان کی نچلی قیمت سے نیچے بند۔ امیدوار کے ساتھ window_start، window_end، دونوں بنیادیں، prominence، ATR_ref، ڈیٹیکٹر کا نسخہ اور confirmed_at مستقل محفوظ کریں۔ ان سے فیصلہ عین دوبارہ بنایا جا سکتا ہے۔

تصدیق کے فوراً بعد داخلے کے لیے اپنا اسٹاپ، مقررہ وقت کا اخراج، نمائش کی حدود اور عمل درآمد کا ماڈل چاہیے۔ پرومیننس فطری طور پر کوئی یقینی قیمت ہدف نہیں دیتی۔ اس پر مبنی ہدف کو مقررہ R یا وقت کے اخراج سے صرف پہلے درج شدہ ترتیبات کے اندر موازنہ کریں؛ ہر اچھے چارٹ کے لیے الگ اخراج نہ چنیں۔

RSI یا کسی محدود حد والے اشاریے پر ڈیٹیکٹر چلائیں تو پرومیننس کی اکائی اسی اشاریے کے پوائنٹس ہے۔ RSI پرومیننس کو قیمت کے ATR سے تقسیم کرنا مختلف اکائیاں ملاتا ہے۔ یکساں اکائیوں کی نسبت استعمال کریں یا اشاریے کے اصل پوائنٹس کو الگ طے شدہ خصوصیت رکھیں۔ یہی احتیاط لاگ قیمت اور عام قیمت کے ڈیٹیکٹرز کا موازنہ کرتے وقت بھی لازم ہے۔

حجم کی اضافی افادیت الگ جانچیں

پرومیننس کے فارمولے میں حجم نہیں، اس لیے حجم الگ معلوماتی خصوصیت بڑھا سکتا ہے؛ مگر اس سے شماریاتی خودمختاری ثابت نہیں ہوتی۔ انتہا کے آس پاس کی سرگرمی اور بعد کے محرک پر RVOL الگ محفوظ کریں۔ صرف بڑا مجموعی حجم اداروں کی شرکت نہیں بتاتا، اور خبر کے قریب نمایاں چوٹیاں مہنگے اسپریڈ کے ساتھ آ سکتی ہیں۔

مشاہدات کو prominence/ATR کے لحاظ سے گروپ کر کے ہر گروپ میں RVOL کی مختلف حدوں کا موازنہ کریں۔ مقصد جانچنا ہے کہ حجم صرف بڑی حرکات منتخب کرتا ہے یا قیمت کے پھیلاؤ سے آگے معلومات دیتا ہے۔ دن کے اندر کے اثاثوں کے لیے سیشن کے ایک جیسے وقت کی بنیادی سطحیں لیں؛ کرپٹو میں ایکسچینج اور base یا quote کرنسی میں حجم کی تعریف مقرر کریں۔

حجم کے فلٹر سے اشاروں کی تعداد، اوسط ہولڈنگ مدت اور نمائش میں تبدیلی رپورٹ کریں۔ فی مکمل سودہ اوسط منافع بڑھنے کے ساتھ پورٹ فولیو کی کارکردگی کم ہو سکتی ہے، اگر فلٹر بہت سے مفید مواقع نکال دے۔ غائب حجم کو شدید کمی سمجھنے کے بجائے غیر دستیاب ڈیٹا کے لیے واضح پالیسی رکھیں۔

جیومیٹری، استحکام اور اقتصادی قدر کی الگ الگ تصدیق کریں۔

آزمائشی نمونوں میں بڑی چوٹی کے ساتھ چھوٹی چوٹی، ہموار چوٹیاں، NaNs، ونڈو کے کنارے اور قریب قریب امیدوار رکھیں۔ پرومیننس کے ساتھ بنیادی سطحوں کی عین جگہیں بھی جانچیں۔ SciPy کا نسخہ اور پہلے کی گئی ڈیٹا پروسیسنگ ریکارڈ کریں؛ مرکز پر مبنی ہموار فلٹر مستقبل کے ڈیٹا کی اپنی تاخیر بڑھاتا ہے۔

باقی رہنے والے ساختی نقاط کی تعداد، h بارز کی مقررہ تصدیقی تاخیر اور ان سے بننے والے ایسے پیٹرن کا تناسب ناپیں جو آخری نقطہ دستیاب ہونے تک پرانے پڑ چکے ہوں۔ پھر حقیقی اخراجات اور عمل درآمد کے ساتھ بند آزمائشی مدت پر خالص نتائج جانچیں۔ زیادہ صاف دکھنے والا چارٹ معاشی پیمانہ نہیں۔

W بڑھانے سے نئے جانچے جانے والے مقامی ڈھانچے کی تعریف بدلتی ہے۔ پچھلے نسخے کے پہلے سے جاری واقعات نہ بدلیں۔ ترقیاتی ڈیٹا پر قریب کی ونڈو لمبائیاں موازنہ کریں، آزمائشوں کی تعداد درج کریں اور بتائیں کہ چھوٹ جانے والے مواقع شمار کرنے کے بعد اضافی فلٹرنگ خالص متوقع نتیجہ یا رسک واقعی بہتر کرتی ہے یا نہیں۔

عام غلطیاں

یہ طریقہ استعمال کرنے سے پہلے جانچ فہرست

اپنے ڈیٹا پر تصدیق کے بعد ہر نکتے پر نشان لگائیں۔ پیش رفت اسی براؤزر میں محفوظ ہوتی ہے؛ یہ حکمت عملی کے منافع بخش ہونے کی سند نہیں۔

• wlen کو مشاہدات کی عین مقررہ تعداد کے طور پر متعین کریں۔
• پرومیننس ناپنے کے لیے مستقبل کا لامحدود ڈیٹا کبھی استعمال نہ کریں۔
• چوٹیوں اور نچلی انتہاؤں پر ایک جیسے، الٹی سمت کے قواعد لگائیں۔
• ATR کا حوالہ صرف اس معلومات سے لیں جو فیصلے کے وقت دستیاب تھی۔
• NaNs کو مصنوعی زیرو سے تبدیل نہ کریں۔
• فاصلے کی بنیاد پر چھانٹی سے پہلے جاری کیے گئے واقعات حذف نہ ہونے دیں۔
• دونوں بنیادی سطحیں اور جانچی گئی ونڈو محفوظ کریں۔
• داخلہ، اسٹاپ اور اخراج کو الگ حکمت عملی کے قواعد سمجھیں۔

تحقیقی ماخذ

ہر ماخذ اپنے ساتھ درج تعریف یا شواہد کی تائید کرتا ہے۔ فرضی کوڈ، مصنوعی مثالوں اور مجوزہ پیرامیٹرز کی الگ توثیق ضروری ہے۔

1. scipy.signal.peak_prominencesSciPy. بنیادی سطح، wlen اور الگورتھم کی تعریفیں پڑھی گئیں؛ یہ عددی دستاویزات ہیں، مالی تحقیق نہیں۔ جانچ کی تاریخ: 2026-10-11.
2. scipy.signal.peak_widthsSciPy. پرومیننس کی نسبت سے چوڑائی ناپنے اور درمیانی قدر نکالنے کا طریقہ پڑھا گیا۔ جانچ کی تاریخ: 2026-10-11.
3. scipy.signal.find_peaksSciPy. فلٹر کی تعریفیں اور فاصلے کو سنبھالنے کا طریقہ پڑھا گیا۔ جانچ کی تاریخ: 2026-10-11.

متعلقہ طریقے