📈 دانشکدهٔ ۶ · الگوها و ابزارها
فیبوناچی
Fibonacci retracements & extensions
پیش‌نیازها: الگوهای کلاسیک نموداری
📚 آموزش در سه سطح
از سطح ساده شروع کنید؛ اگر روشن بود، سطح بعد را بخوانید. سطح مناسب شما ذخیره می‌شود.
🌱 توضیح ساده
دنبالهٔ فیبوناچی به نام ریاضی‌دان ایتالیایی لئوناردو پیزایی (فیبوناچی) شناخته می‌شود که آن را در کتاب «لیبر آباکی» در سال ۱۲۰۲ معرفی کرد: ۰، ۱، ۱، ۲، ۳، ۵، ۸، ۱۳، ۲۱ و... که هر عدد مجموع دو عدد قبلی است. نسبت هر عدد به عدد بعدی به حدود ۰٫۶۱۸ میل می‌کند که به «نسبت طلایی» مربوط است.
در تحلیل تکنیکال، «بازگشت فیبوناچی» (Fibonacci Retracement) ابزاری است که روی یک حرکت کامل (از کف تا سقف در روند صعودی) رسم می‌شود و سطوح ۲۳٫۶٪، ۳۸٫۲٪، ۵۰٪، ۶۱٫۸٪ و ۷۸٫۶٪ را نشان می‌دهد. ایده این است که پس از یک حرکت، قیمت اغلب بخشی از آن را پس می‌دهد و این سطوح نقاط احتمالی توقف اصلاح هستند. سطح ۵۰٪ در واقع عدد فیبوناچی نیست اما به‌طور سنتی کنار آن‌ها می‌آید.
«گسترش فیبوناچی» (Extension) برای تخمین اهداف پس از عبور از سقف قبلی به کار می‌رود، با سطوحی مثل ۱۲۷٫۲٪ و ۱۶۱٫۸٪ طول حرکت اول. این‌ها هم مثل همهٔ ابزارهای این دوره، ناحیه‌های احتمالی‌اند، نه قیمت‌های تضمینی.
📘 توضیح متوسط
محاسبه ساده است. در روند صعودی با کف L و سقف H، سطح بازگشت r برابر است با H − r × (H − L). مثال: کف ۵۰٬۰۰۰ و سقف ۷۰٬۰۰۰؛ سطح ۶۱٫۸٪ = ۷۰٬۰۰۰ − ۰٫۶۱۸ × ۲۰٬۰۰۰ = ۵۷٬۶۴۰ و سطح ۳۸٫۲٪ = ۶۲٬۳۶۰. در روند نزولی برعکس: از سقف به کف رسم می‌کنید و سطوح بالای کف قرار می‌گیرند.
مشکل اصلی فیبوناچی «انتخاب نقاط» است. هر تحلیل‌گر ممکن است کف و سقف متفاوتی انتخاب کند (سایه یا بدنه، کدام موج) و با پنج سطح در هر حرکت، تقریباً همیشه یکی از سطوح نزدیک جایی است که قیمت برگشته است. برای اینکه ابزار مفید باشد، قاعدهٔ ثابت انتخاب نقاط بنویسید (مثلاً «آخرین کف و سقف چرخشی روزانه با سایه») و فقط سطوحی را جدی بگیرید که با یک دلیل مستقل (حمایت قبلی، ناحیهٔ حجم بالا) هم‌پوشانی دارند.
«هم‌گرایی» (Confluence) مفهوم کلیدی است: سطح فیبوناچی‌ای که با یک حمایت افقی قدیمی، یک میانگین متحرک مهم یا یک عدد رُند هم‌زمان شود، دلایل بیشتری برای واکنش دارد. اما توجه کنید هم‌گرایی هم می‌تواند خودفریبی باشد: با ابزار کافی، هر قیمتی را می‌توان هم‌گرا نشان داد.
🔬 توضیح تخصصی
شواهد علمی برای فیبوناچی ضعیف است. هیچ نظریهٔ اقتصادی یا رفتاری قانع‌کننده‌ای توضیح نمی‌دهد چرا قیمت‌ها باید به نسبت ۰٫۶۱۸ احترام بگذارند، و پژوهش‌هایی که سطوح فیبوناچی را با سطوح تصادفی مقایسه کرده‌اند، اغلب تفاوت معناداری نیافته‌اند. توضیح محتمل‌تر برای واکنش‌های گاه‌به‌گاه، «پیشگویی خودمحقق‌کننده» است: چون بسیاری از معامله‌گران این سطوح را می‌بینند و سفارش می‌گذارند.
یک آزمون ساده که خودتان می‌توانید انجام دهید: روی ۵۰ اصلاح گذشته، فاصلهٔ کف اصلاح را تا نزدیک‌ترین سطح فیبوناچی و جداگانه تا نزدیک‌ترین سطح از یک مجموعهٔ سطوح تصادفی هم‌تعداد (مثلاً ۲۰٪، ۳۵٪، ۵۲٪، ۶۴٪، ۷۵٪) اندازه بگیرید. اگر فاصله‌ها تقریباً یکسان باشند، فیبوناچی در این داده لبه‌ای ندارد. این همان روش «مقایسه با معیار تصادفی» است که در دانشکدهٔ ۹ استاندارد می‌شود.
کاربرد عملی معقول فیبوناچی، ساختار دادن به برنامه است، نه پیش‌بینی: تعیین چند ناحیهٔ احتمالی برای سفارش‌های محدود پله‌ای، و تعیین «اصلاح عمیق» (مثلاً بیش از ۷۸٫۶٪) به‌عنوان نشانهٔ تضعیف روند. همیشه حد ضرر را بر اساس ساختار بازار (شکست کف چرخشی) بگذارید، نه صرفاً «کمی زیر ۶۱٫۸٪».
🌍 مثال واقعی: لیبر آباکی و نسبت طلایی — ۱۲۰۲ میلادی
لئوناردو پیزایی در سال ۱۲۰۲ در کتاب «لیبر آباکی» (کتاب حساب) دنباله‌ای را برای مسئلهٔ رشد جمعیت خرگوش‌ها معرفی کرد که بعدها به نام او مشهور شد. همین کتاب نقش مهمی در رواج اعداد هندی-عربی در اروپا داشت. نسبت اعداد پیاپی این دنباله به عدد طلایی (حدود ۱٫۶۱۸) و عکس آن (حدود ۰٫۶۱۸) میل می‌کند.
این نسبت در ریاضیات و برخی ساختارهای طبیعی واقعاً دیده می‌شود، اما ادعای «بازار از نسبت طلایی پیروی می‌کند» از این واقعیت ریاضی نتیجه نمی‌شود. سطوح فیبوناچی در تحلیل تکنیکال از قرن بیستم و بیشتر از طریق نظریهٔ امواج الیوت (رالف نلسون الیوت، دههٔ ۱۹۳۰) رواج یافتند و اعتبارشان باید با دادهٔ بازار سنجیده شود، نه با زیبایی ریاضی.
🔤 واژگان تخصصی
دنباله‌ای که هر عدد آن مجموع دو عدد قبلی است.
مثال: ۱، ۱، ۲، ۳، ۵، ۸، ۱۳، ۲۱، ۳۴.
سطوحی بین کف و سقف یک حرکت (۲۳٫۶، ۳۸٫۲، ۵۰، ۶۱٫۸، ۷۸٫۶ درصد) برای نقاط احتمالی پایان اصلاح.
مثال: اصلاح از ۷۰٬۰۰۰ تا ۵۷٬۶۴۰ در حرکت ۵۰ تا ۷۰ هزار؛ سطح ۶۱٫۸٪.
سطوح فراتر از حرکت اول (مثل ۱۲۷٫۲٪ و ۱۶۱٫۸٪) برای تخمین هدف.
مثال: هدف ۱۶۱٫۸٪ پس از عبور از سقف قبلی.
هم‌زمانی چند دلیل مستقل برای اهمیت یک ناحیهٔ قیمتی.
مثال: سطح ۶۱٫۸٪ که با حمایت افقی قدیمی و میانگین ۲۰۰ روزه یکی شده است.
باوری که چون عده‌ای بر اساسش عمل می‌کنند، خودش باعث وقوعش می‌شود.
مثال: تجمع سفارش‌های خرید روی سطح ۶۱٫۸٪ که خودش برگشت می‌سازد.
🔑 نکات کلیدی
- سطح بازگشت r در روند صعودی = سقف − r × (سقف − کف).
- نقاط کف و سقف را با قاعدهٔ ثابت انتخاب کنید؛ وگرنه ابزار همیشه «درست» به نظر می‌رسد.
- سطوح فیبوناچی را فقط در هم‌گرایی با دلایل مستقل جدی بگیرید.
- شواهد علمی برای برتری سطوح فیبوناچی بر سطوح تصادفی ضعیف است.
- حد ضرر را بر اساس ساختار بازار بگذارید، نه صرفاً زیر یک سطح فیبوناچی.
⚠️ اشتباهات رایج
- رسم فیبوناچی روی هر موج دلخواه پس از وقوع برگشت؛ اشتباه است چون تطبیق پسینی است.
- اعتقاد به اینکه بازار «باید» به ۶۱٫۸٪ برگردد؛ اشتباه است چون پشتوانهٔ نظری ندارد و اغلب رخ نمی‌دهد.
- حد ضرر دقیقاً زیر سطح فیبوناچی؛ اشتباه است چون سطوح آشکار محل تجمع حد ضرر و فتیله‌اند.
- ترکیب ده‌ها ابزار برای «هم‌گرایی»؛ اشتباه است چون با ابزار کافی هر قیمتی هم‌گرا به نظر می‌رسد.
🛠 تمرین عملی: آزمون فیبوناچی در برابر سطوح تصادفی
- ۲۰ اصلاح در نمودار روزانهٔ BTC با قاعدهٔ ثابت انتخاب کنید (کف و سقف چرخشی با دو شمع دو طرف).
- برای هر اصلاح، عمق اصلاح را به درصد حرکت قبلی بنویسید.
- فاصلهٔ هر عمق را تا نزدیک‌ترین سطح فیبوناچی و تا نزدیک‌ترین سطح از مجموعهٔ ۲۰٪، ۳۵٪، ۵۲٪، ۶۴٪، ۷۵٪ حساب و میانگین‌ها را مقایسه کنید.
✅ معیار درستی: هر ۲۰ اصلاح با قاعدهٔ ثابت انتخاب شده‌اند و نتیجهٔ مقایسه، صرف‌نظر از اینکه به نفع فیبوناچی باشد یا نه، صادقانه گزارش شده است.
🔒 در هیچ تمرینی از سرمایهٔ واقعی، عبارت بازیابی (Seed Phrase)، کلید خصوصی یا اتصال کیف پول اصلی استفاده نکنید.
📝 آزمون تطبیقی
هر بار ۵ سؤال از بانک ۹ سؤالی این درس انتخاب می‌شود؛ سؤال‌هایی که قبلاً اشتباه زده‌اید زودتر برمی‌گردند. حدنصاب قبولی ۸۰٪ (۴ از ۵) است و درس بعد با قبولی باز می‌شود.
✍️ پرسش تشریحی
استدلال‌های موافق و مخالف استفاده از فیبوناچی را با تکیه بر شواهد بنویسید و روشی پیشنهاد کنید که با آن بتوان ادعای «قیمت به ۶۱٫۸٪ واکنش نشان می‌دهد» را روی دادهٔ واقعی آزمود.
بعد از نوشتن، پاسخ خود را با این معیارها بسنجید
خودارزیابی: هر نکته‌ای را که پاسخ شما به‌روشنی پوشش داده علامت بزنید.
🤖 دستیار آموزشی
دستیار آفلاین آکادمی: پاسخ‌ها فقط از متن درس‌ها و واژگان همین آکادمی پیدا می‌شوند و منبع هر پاسخ نشان داده می‌شود. هوش مصنوعی مولد نیست، حدس نمی‌زند و هیچ سیگنال خرید و فروشی نمی‌دهد.
📎 منابع مطالعاتی
- Investopedia — Fibonacci Retracement Levels
- MacTutor History of Mathematics — Leonardo Pisano Fibonacci
- CMT Association — Body of knowledge (technical analysis)
🏁 معیار تسلط بر این درس: بتوانید سطوح فیبوناچی را با قاعدهٔ ثابت رسم و محاسبه کنید، فقط در هم‌گرایی به آن‌ها وزن بدهید و ادعای آن‌ها را با داده بیازمایید.