📈 دانشکدهٔ ۶ · الگوها و ابزارها
الگوهای هارمونیک
Harmonic patterns
پیشنیازها: فیبوناچی
📚 آموزش در سه سطح
از سطح ساده شروع کنید؛ اگر روشن بود، سطح بعد را بخوانید. سطح مناسب شما ذخیره میشود.
🌱 توضیح ساده
الگوهای هارمونیک الگوهای پنجنقطهای (X، A، B، C و D) هستند که با نسبتهای فیبوناچی بین موجها تعریف میشوند. ایدهٔ اصلی این است که اگر موجها با نسبتهای مشخص کنار هم قرار بگیرند، نقطهٔ D ناحیهای احتمالی برای برگشت قیمت است که به آن «ناحیهٔ برگشت احتمالی» (Potential Reversal Zone یا PRZ) میگویند.
قدیمیترین آنها الگوی «گارتلی» است که از کتاب «سود در بازار سهام» نوشتهٔ اچ. ام. گارتلی در سال ۱۹۳۵ گرفته شده است؛ هرچند خود گارتلی نسبتهای فیبوناچی امروزی را برای آن تعیین نکرده بود. نسبتهای امروزی و الگوهایی مثل خفاش، خرچنگ و کوسه را بعدها تحلیلگرانی مانند اسکات کارنی در دههٔ ۱۹۹۰ و ۲۰۰۰ تعریف کردند.
شکل این الگوها شبیه حروف M یا W است. مثلاً در گارتلی صعودی، موج AB حدود ۶۱٫۸٪ موج XA را اصلاح میکند و نقطهٔ D حدود ۷۸٫۶٪ کل موج XA پایین میآید؛ آنجا انتظار برگشت به بالا وجود دارد. این دقت ظاهری جذاب است، اما همانطور که خواهید دید، پشتوانهٔ آماری آن محدود است.
📘 توضیح متوسط
نسبتهای رایج (با کمی تفاوت بین منابع): گارتلی: B در ۶۱٫۸٪ XA، D در ۷۸٫۶٪ XA. خفاش (Bat): B بین ۳۸٫۲٪ و ۵۰٪ XA، D در ۸۸٫۶٪ XA. پروانه (Butterfly): B در ۷۸٫۶٪ XA، D در ۱۲۷٪ تا ۱۶۱٫۸٪ XA (فراتر از X). خرچنگ (Crab): D در ۱۶۱٫۸٪ XA. هر الگو برای موج BC و CD هم بازههای مجاز دارد و PRZ از همپوشانی چند نسبت ساخته میشود.
در عمل، معاملهگران هارمونیک در PRZ وارد میشوند، حد ضرر را کمی آن سوی آخرین نسبت مجاز (مثلاً فراتر از X در گارتلی) میگذارند و اهداف را روی ۳۸٫۲٪ و ۶۱٫۸٪ موج AD قرار میدهند. این ساختار نسبت ریسک به بازدهٔ جذابی روی کاغذ دارد، چون ورود نزدیک حد ضرر است.
مشکل عملی این است که تشخیص الگو بسیار به انتخاب نقاط وابسته است و تلورانس نسبتها (مثلاً «حدود» ۷۸٫۶٪) آزادی زیادی میدهد. نرمافزارهایی که هارمونیکها را خودکار پیدا میکنند، در یک نمودار همزمان چندین الگوی متضاد نشان میدهند. با این همه آزادی، احتمال اینکه در هر برگشتی بتوان پس از وقوع «یک الگوی هارمونیک» پیدا کرد بسیار بالاست.
🔬 توضیح تخصصی
شواهد پژوهشی مستقل و داوریشده برای سودآوری الگوهای هارمونیک بسیار اندک است و بیشتر ادعاها از کتابها و دورههای فروشندگان همین روش میآید. این به معنای «اثبات بیاثری» نیست، بلکه یعنی بار اثبات بر دوش مدعی است. نسبتهای بسیار دقیق (مثل ۸۸٫۶٪ که جذر ۰٫۷۸۶ است) ظاهر علمی میدهند، اما دقت عددی جای آزمون آماری را نمیگیرد.
برای آزمون منصفانه، باید: ۱) قاعدهٔ تشخیص نقاط (مثلاً نقاط چرخش با n شمع) و تلورانس نسبتها را پیش از آزمون ثابت کنید؛ ۲) همهٔ الگوهای مطابق قاعده را در یک دورهٔ طولانی پیدا کنید؛ ۳) نتیجهٔ ورود در PRZ با حد ضرر و هدف ثابت را با ورود تصادفی با همان حد ضرر و هدف مقایسه کنید؛ ۴) هزینهها را کم کنید؛ ۵) نتیجه را روی بازهٔ دیگری که در طراحی استفاده نشده، دوباره بسنجید (آزمون خارج از نمونه).
یک پرسش کلیدی دیگر «نرخ برد لازم» است. اگر حد ضرر ۱ واحد و هدف اول ۲ واحد باشد، برای سر به سر شدن پیش از هزینهها نرخ برد حدود ۳۳٪ کافی است. بنابراین حتی سیستمی با نرخ برد پایین میتواند سودده باشد؛ اما فقط اگر نرخ برد واقعی، نه ادعایی، بالاتر از این آستانه باشد. این مفاهیم (امید ریاضی و نرخ برد) در دانشکدهٔ ۹ دقیق بررسی میشوند.
🌍 مثال واقعی: کتاب «سود در بازار سهام» — اچ. ام. گارتلی، ۱۹۳۵
اچ. ام. گارتلی در سال ۱۹۳۵ کتاب «سود در بازار سهام» (Profits in the Stock Market) را منتشر کرد و در صفحهٔ ۲۲۲ آن، الگویی را توصیف کرد که امروز «گارتلی ۲۲۲» نامیده میشود: پس از یک حرکت قوی، یک اصلاح چندموجی که فرصت ورود در جهت حرکت اصلی میدهد.
گارتلی نسبتهای دقیق فیبوناچی امروزی را برای این الگو ذکر نکرده بود؛ این نسبتها در دهههای بعد، بهویژه توسط لری پسواونتو و سپس اسکات کارنی (کتاب «معاملهٔ هارمونیک»، ۲۰۰۴) افزوده و استاندارد شدند. این تاریخچه نشان میدهد بخش مهمی از «قواعد» هارمونیک ساختهٔ بعدی و بدون آزمون آماری مستقل است.
🔤 واژگان تخصصی
الگوی پنجنقطهای XABCD که با نسبتهای فیبوناچی بین موجها تعریف میشود.
مثال: گارتلی صعودی با D در ۷۸٫۶٪ XA.
ناحیهای که چند نسبت فیبوناچی الگو در آن همپوشانی دارند و انتظار برگشت میرود.
مثال: ناحیهٔ ۶۱٬۲۰۰ تا ۶۱٬۸۰۰ که ۷۸٫۶٪ XA و ۱۲۷٪ BC در آن جمع شدهاند.
الگوی هارمونیکی منسوب به کتاب ۱۹۳۵ گارتلی با B در ۶۱٫۸٪ و D در ۷۸٫۶٪ XA.
مثال: W شکل صعودی با نقطهٔ D بالای X.
بازهٔ مجاز انحراف از نسبت دقیق که الگو هنوز معتبر شمرده شود.
مثال: پذیرش ۷۶٪ تا ۸۱٪ به جای ۷۸٫۶٪ دقیق.
سنجش یک قاعده روی دادهای که در طراحی آن استفاده نشده است.
مثال: طراحی روی ۲۰۱۸ تا ۲۰۲۲ و آزمون روی ۲۰۲۳ تا ۲۰۲۵.
🔑 نکات کلیدی
- الگوهای هارمونیک پنجنقطهایاند و با نسبتهای فیبوناچی بین موجها تعریف میشوند.
- نسبتهای امروزی ساختهٔ دهههای اخیرند، نه خود گارتلی در ۱۹۳۵.
- انتخاب نقاط و تلورانس نسبتها آزادی زیادی میدهد و خطر تطبیق پسینی بالاست.
- شواهد مستقل داوریشده برای سودآوری هارمونیکها اندک است؛ بار اثبات بر مدعی است.
- آزمون منصفانه: قاعدهٔ ثابت، همهٔ نمونهها، مقایسه با ورود تصادفی و آزمون خارج از نمونه.
⚠️ اشتباهات رایج
- یافتن الگو پس از برگشت و نتیجه گرفتن که «هارمونیک کار میکند»؛ اشتباه است چون تطبیق پسینی است.
- اعتماد به دقت اعشاری نسبتها بهعنوان نشانهٔ علمی بودن؛ اشتباه است چون دقت عددی جای آزمون نیست.
- ورود در PRZ بدون حد ضرر چون «نسبتها کاملاند»؛ اشتباه است چون الگوها بارها شکست میخورند.
- استفاده از چند الگوی متضاد همزمان که نرمافزار نشان داده؛ اشتباه است چون هر جهتی را توجیه میکند.
🛠 تمرین عملی: یک الگوی هارمونیک با قاعدهٔ ثابت و حد ضرر
- قاعدهٔ تشخیص نقاط چرخش (مثلاً ۳ شمع دو طرف) و تلورانس ±۳٪ برای نسبتها را بنویسید.
- در نمودار ۴ ساعته یا روزانه یک الگوی گارتلی یا خفاش مطابق قاعده پیدا کنید و نسبتهای XA، AB، BC و CD را حساب کنید.
- PRZ، حد ضرر و دو هدف را بنویسید و نسبت ریسک به بازده و نرخ برد لازم برای سر به سر شدن را حساب کنید.
✅ معیار درستی: نسبتها با عدد محاسبه و با قاعدهٔ از پیش نوشتهشده سنجیده شدهاند و نرخ برد لازم = ۱ ÷ (۱ + R) به درستی آمده 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
یک برنامهٔ پژوهشی کوچک طراحی کنید که بتواند ادعای «الگوی خفاش در بیتکوین سودآور است» را رد یا تأیید کند و توضیح دهید چرا نمایش چند نمونهٔ موفق برای این ادعا کافی نیست.
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 — Gartley Pattern
- Investopedia — Harmonic Patterns in the Currency Markets
- Lo, Mamaysky & Wang (2000) — Foundations of Technical Analysis, Journal of Finance
🏁 معیار تسلط بر این درس: بتوانید الگوهای هارمونیک را با قاعدهٔ ثابت محاسبه کنید، نرخ برد لازم را بسنجید و ادعاهای دربارهٔ آنها را با روش آماری درست ارزیابی کنید.