شاخص فراکتال به ما چه می گوید؟

7 مورد از بهترین ترکیب اندیکاتورها در معاملات بورس

شناسایی ترکیب اندیکاتورهای مناسب، می تواند به بهبود استراتژی معاملاتی شما کمک کند. اندیکاتورهای تکنیکال این امکان را به تریدرها می دهد تا ارزها، سهام ها و سایر دارایی های قابل معامله ی خود را تجزیه و تحلیل کنند. با ترکیب اندیکاتورهای تکنیکال می توانید پیش بینی کنید که آیا احتمال افزایش ارزش دارائی های شما وجود دارد یا خیر. در پست وبلاگ امروز ما بحث خواهیم کرد که ترکیب اندیکاتورها چگونه می تواند ابزاری مناسب در جهت معاملات بورس باشد.

شناسایی بهترین ترکیب اندیکاتورها در بورس

در حال حاضر ما بر روی اندیکاتورهای تکنیکال تمرکز خواهیم کرد و بعداً استراتژی های معاملاتی در ارتباط با قیمت را مد نظر قرار خواهیم داد. مطالعه ی حرکت قیمت و الگوهای کندل استیک همیشه اهمیت جهانی دارند و مهم نیست که چه استراتژی و یا تجزیه و تحلیلی انجام شده است. ترکیب اندیکاتورهای مذکور زیر فقط اندیکاتورها و ابزارهای آن، حرکت قیمتی و همین طور الگوهای کندل استیک را که قابلیت اضافه شدن به مجموعه را دارند، در نظر میگیرد. مطالب زیر تنها بهترین ترکیب اندیکاتورها را در نظر می گیرد و نمودارها به جهت سهولت در تجزیه و تحلیل ساده تر ارائه می شوند، لذا نمودارهای پرازدحام را به منظور درک بهتر لحاظ نکرده ایم.

برخی از استراتژی های معاملاتی از سه اندیکاتور تکنیکال یا حتی بیشتر استفاده می کنند، لذا بهترین ترکیب اندیکاتورهای مختلف در معاملات بورس دارای ویژگی های زیر هستند:

• از اندیکاتورها و ابزارهایی استفاده می کند که اطلاعاتی در مورد روند، مومنتوم، الگوها و حمایت و مقاومت ارائه می دهد.
• اندیکاتور و ابزارهایی را به کارگیری می کند که اهداف دیگری را دنبال می کنند و زمانی که برای اهداف یکسان استفاده شوند، مقدار و ارزش آن ها کاهش می یابد. اگر شما ۲ تا EMA باسرعت متوسط را در یک نمودار قرار دهید و همچنیناندیکاتور ایچیموکورا نیز لحاظ کنید، در این حالت این مجموعه، از دو اندیکاتور برای اهداف یکسان استفاده می کند که به آن شناسایی روند نیز می گویند.
• از اندیکاتورهایی استفاده می کند که از یکدیگر پشتیبانی می کنند و دارای معنی و ارزش هستند و همواره نمودارهای خود را تمیز و قابل درک نگه می دارند. مهم نیست که هر تریدر چه می گوید ، بلکه نکته ی مهم این است که اندیکاتورها و ابزارها برای شما معنی و مفهوم قابل درکی دارند.

ترکیب اندیکاتورهای (ورود ، روند) Strike و (خروج ، مومنتوم) ATR

اندیکاتور strike یک عنصر بسیار عالی جهت شناسایی روند است. ابزارهای این اندیکاتور نیز به وضوح نشان می دهد که ورودی هایی که از طریق کندل ها ترسیم شده اند در کجای نمودار قرار دارند. اندیکاتورهای strike و ATR یک ترکیب عالی را تشکیل می دهند زیرا منطقه و نقطه ی خروج را براحتی مشخص می کنند. آن ها در کنار یکدیگر به صورت ساده و روشن برنامه های ورود و خروج را با قوانین واضح و مختصر انجام می دهند و فضای شک و تردید را نیز از بین می برند.

ترکیب اندیکاتورهای (S&R ،ورود، خروج) fibonacci شاخص فراکتال به ما چه می گوید؟ و (الگو/ روند) trend lines

ابزار فیبوناچی بسیار کارآمد است، زیرا می تواند برای ورودی ها، خروجی ها، حمایت و مقاومت، و حتی برخی از الگوهای گارتلی (gartley) مورد استفاده قرار گیرد. ابزارهای فیبوناچی زمانی بهترین هستند که یک بازار روند مناسبی داشته باشد و دارای محدودیت نباشد، لذا به همین دلیل است که خط روند از اهمیت بالایی برخوردار است. کانال های روند به شناسایی روند بسیار کمک میکنند در نتیجه در این حالت تریدرها اشتباهات کمتری را مرتکب می شوند. خط روندها نیز هنگام شناسایی الگوهایی مانند پرچم و مثلت بسیار سودمند هستند لذا این اندیکاتورهای بسیار مشابه می توانند بهترین ترکیب اندیکاتورها را جهت انجام معاملات روز تشکیل دهند.

ترکیب اندیکاتورهای (مومنتوم/روند) oscillator و (S&R، ورود، خروج) fractals

اسیلاتورها یک روش تجزیه و تحلیل هستند که در آن ها، نوع روند به بررسی این موضوع می پردازد که ستون های هیستوگرام در مقایسه با خط میانی در کجای نمودار قرار دارند. فاصله ی بین ستون های هیستوگرام و خطوط صفر نیز نشان دهنده ی قدرت یا فقدان مومنتوم است. فراکتال ها (fractals) درواقع یک تجسم ساده و سریع از حمایت و مقاومت هستند و می توانند نقطه ی شکست را نیز نشان دهند.

ترکیب اندیکاتورهای (S&R، ورود، خروج) fibonacci و ( الگوها/ روند / مومنتوم) moving average

این ترکیب خاص نیز شبیه ترکیب اندیکاتورهای فیبوناچی و خط روند است، و تنها تفاوت میان خط روند و میانگین متحرک (moving average) این است که یک میانگین متحرک بصورت خودکار در یک نمودار ترسیم می شود و یک حالت پویا دارد ، لذا سطح خود را با هر نوار جدید تنظیم می کند .

در زیر به معرفی یک نمونه از اندیکاتورهای پرکاربرد جهت تفهیم بهتر موضوع می پردازیم.

اندیکاتور خط روند یا trend line

خط روند ابزاری اختیاری است که توسط خوده معامله گر، مانند فیبوناچی به نمودار اضافه می شود. همچنین خط روند ثابت است، زیرا به دلیل داشتن یک کندل جدید زاویه ی آن تغییر نخواهد کرد. به عنوان نکته ی آخر، زمانی که اندیکاتور مسطح یا بدون روند باشد از میانگین متحرک می توان به صورت غیر مستقیم استفاده کرد.

ترکیب اندیکاتورهای (مومنتوم، ورود، خروج، S&R) parabolic و (روند / الگوها) moving average

اندیکاتور پارابولیک روشی برای شناسایی مجموعه هایی است که شکست بالقوه را نشان می دهد. در حالی که میانگین متحرک می تواند به شناسایی روند کمک کند. با استفاده از ترکیب اندیکاتورهای پارابولیک و میانگین متحرک، تریدرها قادر خواهند بود تا یک قیمت یکپارچه ای را در ادامه ی روند داشته باشند.

بزرگترین ریسک، شکست قیمتی یا معکوس شدن های ناگهانی است و هر دوی این خطرات می توانند در زمان استفاده از الگوهای کندل استیک و واگرایی (divergence) قدری کاهش یابند. اندیکاتور پارابولیک SAR که به اعتقاد ما دقیق ترین شاخص بورس محسوب می شود به شما کمک می کند تا وقتی که تغییر قیمت شروع می شود، عملکرد درستی را داشته باشید.

ترکیب اندیکاتورهای (مومنتوم ، روند) divergence و ( ورود، خروج، S&R) trend line

اندیکاتورهای واگرایی مانند MACD, RSI, یا AO اطلاعات ارزشمندی را در مورد اینکه آیا روند و مومنتوم قدرت کافی برای ادامه ی کار را دارند، فراهم می کند. فقدان واگرایی به معنای آن است که یک روند دارای سرعت کافی برای حفظ خود است و می توان از خطوط روند نیز برای پیشبرد آن استفاده کرد.

نمودارهایی که در آن ها واگرایی وجود دارد به این معنی است که معاملات روند در حالت آماده باش قرار دارند. البته ممکن است مواقعی پیش آید که در آن پدیده ی واگرایی سبب افزایش سودآوری نیز شود.

آموزش امواج الیوت و نحوه موج شماری

رالف نلسون الیوت در دهه 1930 نظریه موج الیوت را توسعه داد .

الیوت معتقد بود که بازارهای سهام معمولاً رفتارهای تا حدودی تصادفی و آشفته دارند ، در واقع با الگوهای تکراری معامله می شوند.

در این مقاله ، نگاهی خواهیم داشت به موج شماری ،اموج الیوت و نحوه استفاده از آن در ترید.

امواج

الیوت پیشنهاد کرد که روند قیمت های مالی ناشی از روانشناسی غالب سرمایه گذاران است.

وی دریافت که نوسانات روانشناسی جمعی همیشه با همان الگوی تکرار شونده یا "موج" در بازارهای مالی نشان داده می شود.
نظریه الیوت تا حدی شبیه تئوری داو است که هر داو تشخیص می دهند که قیمت سهام به صورت موجی حرکت می کنند.

از آنجا که الیوت علاوه بر این ماهیت "فراکتال" بازارها را تشخیص داد ، توانست تجزیه و تحلیل آنها را با جزئیات بسیار بیشتری انجام دهد.

فراکتال ها ساختارهای ریاضیاتی هستند ، که در مقیاس کوچکتر ، بی نهایت تکرار می شوند.

الیوت کشف کرد که الگوهای قیمت شاخص سهام به همین روش ساخته شده اند.

وی سپس شروع به بررسی چگونگی استفاده از این الگوهای تکراری به عنوان شاخص های پیش بینی حرکت های آینده بازار کرد.

الیوت پیش بینی های دقیق بازار سهام را براساس ویژگی های قابل اعتمادی که در الگوهای اموج کشف کرده انجام داد.

یک موج تکانه ای که خالص در همان جهتی حرکت می کند که روند بزرگتر دارد ، همیشه پنج موج را در الگوی خود نشان می دهد.

از طرف دیگر ، یک موج اصلاحی در خلاف جهت روند اصلی حرکت می کند.

در مقیاس کوچکتر ، در داخل هر یک از امواج تکانشی ، پنج موج را دوباره می توان یافت.

این الگو در مقیاس های همیشه کوچکتر تکرار می شود.

الیوت این ساختار فراکتال را در دهه 1930 در بازارهای مالی کشف کرد ، اما تنها دهه ها دانشمندان می توانستند فراکتال ها را تشخیص دهند و آنها را از نظر ریاضی نشان دهند.

در بازارهای مالی ، ما می دانیم که "آنچه بالا می رود ، باید پایین بیاید" ، زیرا یک حرکت قیمت در بالا یا پایین همیشه با یک حرکت مخالف دنبال می شود.

اقدام قیمت به روندها و اصلاحات تقسیم می شود.

روندها جهت اصلی قیمت ها را نشان می دهند ، در حالی که اصلاحات بر خلاف روند حرکت می کنند.

از نظر تئوری الیوت این الگوها در دو دسته امواج پیشرو و امواج اصلاحی قرار می گیرند.

امواج پیشرو (ایمپالس یا شتابدار)

یک موج پیشرو از پنج ریز موج تشکیل می گردد.

برای شماره گذاری هم با اعداد به صورت ریز موج 1، 2، 3، 4 و 5 صورت می گیرد.

برای تشخیص یک موج پیشرو در امواج الیوت سه نکته را بایستی در نظر گرفت.

در صورتیکه این سه شرط برقرار باشد، موج مورد نظر پیشرو می باشد.

ذکر این نکته نیز ضروریست که موج 1، 3 و 5 در جهت موج اصلی و بزرگتر و موج 2 و 4 خلاف جهت موج اصلی است.

یادآوری: اینکه یک موج پیشرو بزرگ از پنج موج کوچکتر ایجاد شده است.

• موج شماره 2 از راس یا آغاز موج یک جلوتر نمی رود.
• در میان امواج 1، 3 و 5 موج شماره 3 کوتاه ترین موج نیست.
• انتهای موج 4 نباید به انتهای موج 1 برسد. به عبارت دیگر بین موج های 1 و 4 همپوشانی ایجاد نشود.

به شکل زیر دقت کنید.

در تصویر بالا موج دو بیش لز حد طولانی شده است و از ابتدای موج یک نیز عبور کرده بنابراین کل این موج شماری اشتباه است و این موج پیشرو نیست.

در تصویر فوق هر سه شرط برقرار است.

• اگر یکی موج پیشرو را مشاهده کردیم و خواستیم شماره گذاری کنیم موج 3 کوتاه تر از 1 و 5 نیست.
• دقت شود در بعضی مواقع ممکن است موج 5 از انتهای موج 3 جلوتر نرود.
• (بعضی مواقع. ) این اتفاق در زمانی می تواند رخ دهد که موج سه طولانی باشد.
• موج 2 به طور معمول تا 61.8 درصد موج 1 بازمی گردد.
• موج 4 به طور معمول 38 درصد موج 3 باز می گردد.
• امواج پیشرو به طور معمول بین دو خط موازی (کانال) قرار می گیرد.

• در برخی مواقع موج 1 یا 5 یا a یا c شکل یک مثلث قطری می شود. دو خط مثلث ممکن است همگرا یا واگرا شوند. البته در بیشتر مواقع دو خط مثلث همگرا هستند.
• مثلث قطری نشان از خستگی و به اتمام رسیدن روند قبلی می دهد.
• در مثلث قطری موج چهار و یک می توانند همپوشانی داشته باشند.

امواج اصلاحی الیوت

از آنجا که در بسیاری از مواقع موج های ایجاد شده شرایط امواج را پیشرو را ندارد و در دسته امواج اصلاحی قرار می گیرد، ضروریست که این امواج نیز برای یک تحلیل گر با رویکرد امواج الیوت شناخته شده باشد.

انواع امواج اصلاحی عبارتند از :

الگوی زیگ زاگ ZIGZAG

این موج از سه ریز موج ساخته شده است یعنی موج a، موج b و موج c.

سه ریز موج هم هر کدام از موج های کوچکتر ایجاد شده اند.

موج اول شامل پنج موج، موج دوم شامل سه موج و موج سوم شامل پنج موج می شود.

به صورت خلاصه می شود: (5-3-5)

با توجه به آنچه بیان شد واضح است که موج اول یا a و موج سوم یا c که هر کدام شامل پنج موج است از نوع پیشرو هستند.

نشانه های الگوی زیگ زال :

• موج a و c باید از نوع پیشرو باشد.
• موج b حداکثر 76.4 درصد از موج a را اصلاح می کند نه بیشتر!

الگوی فلت FLAT

این موج از سه ریز موج ساخته شده است یعنی موج a، موج b و موج c.

سه ریز موج هم هر کدام از موج های کوچکتر ایجاد شده اند.

موج اول شامل سه موج، موج دوم شامل سه موج و موج سوم شامل پنج موج می شود.

به صورت خلاصه می شود: (3-3-5)

با توجه به آنچه بیان شد واضح است که موج سوم یا c که شامل پنج موج است از نوع پیشرو هستند.

نشانه های الگوی فلت :

• موج a متشکل از سه ریزموج است.
• موج b بایستی بیشتر از 90 درصد از موج a را اصلاح کند.
• موج c باید از نوع پیشرو باشد.

شرط شماره 2 باعث می شود که الگوی فلت خود به سه دسته تقسیم شود: فلت رگیولار (regular)، فلت اکسپندد( expanded) و فلت رانینگ (running).

1. فلت رگیولار: موج b از ابتدای موج a جلوتر نرود.
2. فلت اکسپندد: موج b از ابتدای موج a جلوتر برود.
3. فلت رگیولار: موج b از ابتدای موج a جلوتر برود و موج c از انتهای موج a جلوتر نرود.

الگوی مثلث triangle

در این الگو پنج موج وجود دارد که هر موج شامل سه ریز موج می باشد.

بنابراین دو شرط زیر در تشخیص الگوی مثلث در نظر گرفته شود:

• هر پنچ موج متشکل از سه ریز موج می باشد
• پنج موج مثلث هر کدام از موج قبلی خود کوتاه تر هستند.

سه الگوی بیان شده زیگزاگ، مثلث و فلت سه حالت اصلی امواج اصلاحی در امواج الیوت می باشد. ترکیب این امواج نیز می تواند رخ دهد که در این حالت برای نام گذاری از حروف w،y و z استفاده می شود.

الگوی اصلاحی زیگزاگ دوگانه (double zigzag)

این الگوی اصلاحی متشکل از سه موج می باشد.

برای شمارش معمولا از w،x و y استفاده می شود.

موج اول و سوم هر کدام یک الگوی زیگزاگ هستند.

نشانه ها و شرایط تشخیص این الگو به صورت زیر است:

• موج اول یک الگوی زیگزاگ سه موجه است.
• موج سوم یک الگوی زیگزاگ سه موجه است.
• موج وسط (دوم) که بین دو زیگزاگ قرار دارد می تواند هریک از سه الگوی زیگزاگ، فلت و یا مثلث باشد.

در تصویر فوق موج بین دو زیگزاگ نیز خود یک زیگزاگ است.

الگوی اصلاحی دوگانه (double correction)

این الگوی اصلاحی متشکل از سه موج می باشد. برای شمارش معمولا از w،x و y استفاده می شود.

تبیین مفهوم تکامل بافتاری در معماری؛ نمونه موردی: ساختمان شهربانی ارومیه و معماری اورامان

تبیین مفهوم تکامل بافتاری در معماری؛ نمونه موردی: ساختمان شهربانی ارومیه و معماری اورامان

مفاهیم دارای نقش حیاتی در پیشبرد علوم و هنرهای مختلف هستند. تعدادی از کیفیت¬های معماری با وجود استفاده مکرر عملی از آنها در طول تاریخ به دلیل نبود ابزارهای سنجش همچنان تعریف نشده باقی مانده¬اند؛ "تکامل بافتاری" همچون کیفیتی، ذاتی در معماری از آن جمله است که هندسه فراکتال به عنوان ابزار سنجش آن در سال ۱۹۷۵ توسط بنویت مندلبرات کشف شد. با این وجود پس از اشاره کارل بویل در کتاب هندسه فراکتال در معماری در سال ۱۹۹۶، این مفهوم بسط و گسترش نیافت و در فضای آکادمیک مطرح نشد و نهایتا به فراموشی سپرده شد. هدف از پژوهش حاضر واکاوی مفهوم تکامل بافتاری و تحلیل نمونه های موردی موفق معماری اورامانات و ساختمان شهربانی سابق ارومیه که امروزه به موزه مردم¬شناسی ارومیه تغییر کاربری داده شده است با استفاده از نتایج محاسبه بعد فراکتال برای تبیین این مفهوم است. شیوه استفاده شده پژوهشی-تحلیلی و با استفاده از روش¬های نوین محاسبه بعد فراکتال به روش جعبه شماری بوده و نتایج حاکی از آن است که تکامل بافتاری با اهداف گوناگون و با استفاده از تکنیک های متنوع قابل دستیابی است. بررسی استفاده از کیفیت تکامل بافتاری در نمونه اورامانات نشان می¬دهد هدف ادغام طبیعت و معماری بوده است ولی در نمونه بنای شهربانی سابق ایجاد کلیتی منسجم و کمک به مسیریابی ناخودآگاه ورودی و نمایش محور تقارن بنا هدف استفاده از تکامل بافتاری بوده است. تکامل بافتاری در معماری، مدیریت مقیاس بندی در ارائه جزئیات برای دستیابی به معماری انسان محور است. از آنجا که بیش از ۹۹ درصد تاریخ فرگشت انسان در محیطی با بافت تکاملی طی شده است، نبود این کیفیت در فضای معماری همچون تجربه معماری مدرن فضایی کسالت بار پدید می¬آورد. تاکید نگارندگان در این مقاله بر کاربرد این مفهوم در آموزش معماری برای استفاده در مقیاس وسیع در فضای معماری و شهر است.

دانلود ترجمه مقاله رفتار مقیاس ‏بندی فراکتال ‏های چندگانه در سدهای خاکی

آنالیز رفتار مقیاس‏ بندی فراکتال‏ های چندگانه برای سدهای خاکی موجود

Multifractal scaling behavior analysis for existing dams

  سد خاکی؛ رفتار بلندمدت؛ مشاهده سری‏ های زمانی؛ آنالیز نوسان روندزدایی شده فراکتال چندگانه

سفارش پاورپوینت این مقاله

دانلود رایگان مقاله انگلیسی

1. مقدمه 2. شناسایی ویژگی‏ های تک فراکتالی توالی داده ‏های پایش رفتار سد 3. شناسایی ویژگی ‏های چند فراکتالی توالی داده ‏های پایش مربوط به رفتار مفید سد 3.1. تعریف روش شاخص فراکتال به ما چه می گوید؟ چند فراکتالی 3.2. توان هورست تعمیم یافته 3.3. روش MF-DFA 4. آنالیز یک نمونه مهندسی 4.1. شناسایی توالی جابه ‏جایی سد تک فراکتالی 4.2. آنالیز چند فراکتالی سری‏ های زمانی جابه‏ جایی سد 4.3. آنالیز چند فراکتالی رفتار جهانی سد 5. نتیجه ‏گیری

مقدمه: سد و فونداسیون اغلب به عنوان سیستم دینامیک غیرخطی پیچیده در نظر گرفته می ‏شود. رفتار سد ویژگی‏ های غیرخطی فضایی– زمانی مهم را تحت تاثیرات ترکیبی ضریب‏ های خارجی نشان می دهد. در عمل برای تغییرشکل فقط یک مبدا مجزا وجود ندارد، سیگنال تغییرشکل اندازه ‏گیری شده نتیجه تعدادی از عوامل تاثیرگذار مانند دما، سطوح آب بالادست و پایین دست و خواص فیزیکی بتن می‏ باشد. سری‏ های زمانی مشاهده شده در محل امکان ارزیابی موثر تکامل تدریجی مکانیزم فیزیکی (برای مثال، پیرسازی و خزش) را در سازه ‏ها فراهم می ‏نماید. در سال ‏های اخیر، مدل ‏های پایش مکانیکی که روش‏های مکانیکی پیشرفته و سری‏ های زمانی مشاهده شده در محل را با یکدیگر ترکیب می‏ کنند، شاخص فراکتال به ما چه می گوید؟ از تکنیک‏ های مختلف برای آنالیز و شناسایی رفتار بلندمدت سدهای موجود استفاده می‏ کنند ( لیو، وو، یانگ، هو 2012، لوح، چن و هسو 2011، سو ، هو ، وو 2012 ). به طورکلی؛ روش‏ های آماری استاندارد برای تشخیص ویژگی‏ های داده ‏ای مورد استفاده قرار می ‏گیرند و در اینجا فرض می ‏کنیم که کمیت ‏های مستقل و موثر مشاهده شده به صورت نرمال توزیع می ‏شوند. هرچند؛ درحقیقت سری ‏های زمانی مشاهده شده در محل از توزیع نرمال پیروی نمی ‏نمایند. این فرایند بدان معنی است که نظریه ‏های جبری و تصادفی سنتی نمی ‏توانند سری ‏های زمانی سیگنال را توصیف و تفسیر کنند. علاوه برآن، روش‏ های آزمون مستقل مختلف قادر نیستند رفتار همبسته بلندمدت را شناسایی نمایند. در مقاله قبلی، توان‏ های تک فراکتالی به دست آمده مبتنی بر سری‏ های زمانی مشاهده شده هستند و برای به دست آوردن اطلاعات مربوط به قانون تکامل تدریجی ذاتی یک سیستم سدی مورد استفاده قرار می ‏گیرند (سو، 2012). مثال ‏های بررسی شده نشان می‏ دهند که سازه سد دارای ویژگی ‏های خود تشابهی است. در سال‏ های اخیر، روش آنالیز نوسان روندزدایی (DFA) به تکنیکی تبدیل شده است که برای تعیین خواص مقیاس‏ بندی تک فراکتالی و شناسایی همبستگی‏ های بلندمدت در سری‏ های زمانی نویزی و غیرثابت به‏ کار می ‏رود. علاوه بر موارد فوق دارای کاربردهای دیگری مانند توالی ‏های DNA، ثبت‏ های هواشناسی بلندمدت، سازه‏ های ابری، زمین‏ شناسی و فیزیک‏ های حالت جامد است. فراکتال ‏ها به صورت طبیعی در تعدادی از موقعیت شاخص فراکتال به ما چه می گوید؟ ‏های فیزیکی مشاهده می ‏شوند. یکی از دلایل کاربر در روش DFA اجتناب از شناسایی همبستگی‏ های کاذبی است که محصول مصنوعی غیرثابت ‏های موجود در سری‏ های زمانی می ‏باشند. تعدادی از داده‏ های ثبت شده رفتار مقیاس‏ بندی تک فراکتال ساده را نشان نمی ‏دهند ولی مقیاس‏ های زمانی واسطه توان‏ های مقیاس‏ بندی مختلف برای مثال، همبستگی‏ هایی با دامنه طولانی را در مقیاس‏ های کوچک یا رفتارهای غیرهمبسته در مقیاس‏ های بزرگ‏تر تفکیک‏‎سازی می‏ نمایند. یک شی ء فراکتال چندگانه به تعدادی شاخص برای توصیف خواص مقیاس‏ بندی خود نیاز دارد. فراکتال ‏های چندگانه به تعدادی زیرمجموعه تقسیم می ‏شود که به وسیله توان ‏های مقیاس‏ بندی مختلف توصیف می‏ گردند. در مورد معیار چند فراکتالی اطلاعات زیادی وجود دارد که در یک فراکتال تعریف می ‏شوند و داده‏ های مربوط به سازه را نشان می‏ دهند. بنابراین؛ روش DFA بیشتر برای مطالعه ماهیت چند فراکتالی پنهان شده در سری‏ های زمانی مورد استفاده قرار می ‏گیرد‏، این روش به DFA چند فراکتالی (MF-DFA) نیز معروف است.

Introduction: Dam and foundation can be regarded as a complex nonlinear dynamic system. Dam behavior exhibits significant spatiotemporal nonlinear characteristics under the combining influencing of external factors. For deformation, in practice, there is not just a single origin, شاخص فراکتال به ما چه می گوید؟ the measured deformation signal is a result of a number of influencing factors, such as temperature, upstream and down- stream water levels and physical properties of concrete. In situ observed time series permits effective assessment of the ongoing evolution of physical mechanism (شاخص فراکتال به ما چه می گوید؟ e.g. aging and creep) in structures. In recent years mathematical monitoring models combining advanced mathematical methods and in situ observed time series have become widely used techniques for analyzing and identifying long term behavior of existing dams (Liu, Wu, Yang, & Hu, 2012; Loh, Chen, & Hsu, 2011; Su, Hu, & Wu, 2012). In general, standard statistical methods are used to reveal data characteristics, assume that the observed independent and effect quantities are normally distributed. However in fact, in situ observed time series do not strictly follow this normal distribution. This means that the traditional deterministic or random theories cannot rightly characterize and interpret the signal time series. In addition, various independence testing methods cannot identify long-term correlate behavior. In a previous paper, monofractal exponents were obtained based on observed time series in order E-mail address: [email protected] (H. Su). to give information on the inherent evolution law of a dam system (Su et al., 2012). The investigated example indicates that dam structure has self-similarity characteristics. In recent years the detrended fluctuation analysis (DFA) method has become a widely used technique for the determination of monofractal scaling properties and the detection of long-range correlations in noisy and nonstationary time series. It has successfully been applied to various fields such as DNA sequences, long-time weather records, cloud structures, geology, and solid-state physics. Fractals naturally appear in many physical situations (Alvarez-Ramirez, Rodriguez, & Echeverria, 2009; Coniglio, de Arcangelis, & Herrmann, 1989; de Moura, Vieira, Irmao, & Silva, 2009; Govindan et al., 2007; Kantelhardt, Koscielny-Bunde, Rego, Havlin, & Bunde, 2001; Peng, Buldyrev, Havlin, et al., 1994). One reason to employ the DFA method is to avoid spurious detection of correlations that are artifacts of nonstationarities in the time series. Many records do not exhibit a simple monofractal scaling behavior, but crossover (time-) scales separating regimes with different scaling exponents, e.g. long-range correlations on small scales and another type of correlations or uncorrelated behavior on larger scales (Kantelhardt et al., 2002; Telesca, Lovallo, Lopez- Moreno, & Vicente-Serrano, 2012a; Telesca, Pierini, & Scian, 2012b). A multifractal object requires many indices to characterize its scaling properties. Multifractals can be decomposed into many- possibly infinitely many sub-sets characterized by different scaling exponents. That is to say, much more information is contained in what is called a multifractal measure which is defined on a fractal can give insight about its structure or about the way it evolves. Then DFA was generalized to study the multifractal nature hidden in time series, termed multifractal DFA (MF-DFA).

تحلیل تکنیکال شیبا

سلام بر اساس کندل های روزانه و یک ساعته: کندل های روزانه نتوانستند از مقاومت 0.0000275 دلاری عبور کنند. در کندل های یک ساعته، خط روند صعودی.

• 1400-12-16
• SDQ_Crypto

SHIB/USDT TA:22.3.7

شیبا اینو حمایت 00002323-000025$ و روند صعودی خود (قرمز) را از دست داده است و در صورت عدم پشتیبانی می تواند تا محدوده 0.00001545-0.000017 دلار اصلاح ق.

• 1400-12-16
• mehrhpm

منطقه سفارش خرید شیبا

ایده شخصی: همانطور که نمودار نشان می دهد، در این دایره برجسته، منطقه سفارش خرید وجود دارد، اما ما شاهد مقداری فشار فروش هستیم، اما به نظر من، وضعیت کل.

• 1400-12-16
• jermetrixsz

SHIBA INU

لطفاً با استفاده از اصلاح فیبوناچی منتظر کمی عقب نشینی یا معکوس شدن قیمت بازار باشید، سپس معامله خود را وارد کنید، 12% تا 15% افزایش یافته و سپس از مع.

• 1400-12-15
• bizamooz-com

شیب و روند نزولی

شیب در محدوده خط روند نزولی خود قرار دارد. پیش بینی می شود که مناطق مشخص شده بر اساس فیبوناچی سقوط کنند. سلب مسئولیت اطلاعات و انتشارات قرار نیست، و ب.

• 1400-12-15
• Allver_Fx

Shiba INU

تجزیه و تحلیل فنی Shiba inu بر اساس اصول امواج الیوت و استراتژی اقدام قیمت Shiba inu می تواند یک Higher High جدید ایجاد کند این اتفاق شاخص فراکتال به ما چه می گوید؟ بیفتد ص.

• 1400-12-15
• amirshirdel

آینده نگری من برای شیبا

طبق اخبار اخیر شیبا، دیدگاه من برای این ارز خوب و امیدوارکننده این است که رشد در راه است. نقاط حمایت و مقاومت در نمودار نشان داده شده است. شیبا.

• 1400-12-15
• AtonicShark

شیبا می تواند روند نزولی را بشکند یا خیر؟

پس از رسیدن به محدوده حمایتی مهم به سمت خط روند حرکت کرد و به سمت پایین واکنش نشان داد. اگر این خط روند به سمت بالا شکسته شود، یک روند صعودی تشکیل می.