मी सध्या माझ्या रणनीतीचा अनुभव घेत असलेला तोट्याचा काळ आहे की 'आउटलेटर' इव्हेंटच्या माध्यमातून फक्त नशीब?

एप्रिल 18 • रेषा दरम्यान 13816 XNUMX दृश्ये • 1 टिप्पणी वर गमावण्याचा कालावधी मी सध्या माझ्या रणनीतीचा अनुभव घेत आहे, किंवा 'आउटलेटर' इव्हेंट्सद्वारे दुर्दैवी?

shutterstock_99173453नशीब हा एक अत्यंत वादग्रस्त शब्द आहे आणि व्यापारामध्ये तितकाच विवादित घटना आहे. जिंकणारी ट्रेडिंग स्ट्रॅटेजी तयार करण्यासाठी अनेक महिने आणि बर्‍याच वर्षांमध्ये व्यतीत करून, नंतर शेवटी आमच्या बुलेट प्रूफ ट्रेडिंग प्लॅनवर वचनबद्ध व्हायला, आपल्या दीर्घ मुदतीच्या व्यापार यशामध्ये एक विशाल घटक कमी आहे हे खरोखरच स्वीकारणे आपल्यापैकी कोणालाही आश्चर्यकारकपणे कठीण आहे. नशिबाच्या सोप्या घटनेकडे.

हे मान्य करणे की आम्ही बाजाराच्या दयेवर आहोत आणि नियमितपणे काही प्रमाणात निश्चितपणे सांगितले की आपल्यापैकी कोणीही भविष्यवाणी करु शकत नाही की आपल्यातील बर्‍याच जणांना समजणे अतुलनीय संकल्पना आहे. आम्हाला सातत्याने नफा मिळवण्यासाठी आमच्या व्यापाराच्या प्रचंड टक्केवारीत तोटा होईल, ही धारणा स्वीकारणे तितके कठीण आहे. या दोन्ही कल्पना आहेत, जसे की आपण या स्तंभांमध्ये यापूर्वी नमूद केले आहे, आपल्या उद्योगातील अनेक चाचण्या आणि चाचण्यांकडे जाण्यासाठी आम्ही कसे 'वायर्ड' झालो आहोत याविषयी अंतर्ज्ञानाने प्रतिदिन आणि साप्ताहिक आधारावर तोंड द्यावे लागते.

आम्ही आमची यशस्वी व्यापार धोरण तयार करण्यासाठी कित्येक महिने (किंवा वर्षे) खर्च केल्यावर आणि आमच्या व्यापार योजनेवर टिकण्यासाठी स्वत: ची शिस्त विकसित करण्यासाठी तितकाच प्रमाणित वेळ खर्च केल्यावर, जेव्हा आमचा व्यापार होतो तेव्हा हा मोठा धक्का ठरू शकतो. धोरण अयशस्वी होण्यास सुरवात होते आणि आम्ही एकतर पोहोचतो किंवा आम्ही आमच्या व्यापार योजनेत टाकलेल्या ड्रॉपडाऊन पातळीला धमकावू लागतो. परंतु आम्ही कोणत्या क्षणी आमच्या योजना आणि रणधुमाळीचा त्याग करणे कठीण आहे.

आपण धोरणात्मक चिमटा काढण्यापूर्वी किंवा त्यास पूर्णपणे सोडण्यापूर्वी आपल्या धोरणाचे आणखी विश्लेषण करण्यासाठी आपण भावनिक पाऊल मागे कसे टाकतो, ही एक मोठी चाचणी आहे ज्यात आपण व्यापारी म्हणून सामना करीत आहोत आणि या 'व्यापारी जीवनाची चाचणी' आपल्याला परिभाषित करेल. व्यापारी म्हणून. आणि आमच्या व्यापाराच्या रणनीतीचे पुन्हा विश्लेषण करताना आपण नुकत्याच झालेल्या नुकसानीत नशिबाने काही भूमिका निभावली आहे की नाही हे उघड करण्यास सुरवात करू शकतो. परंतु आमच्या अलीकडील ट्रेडिंग इतिहासामधील चिन्हे आपण कोठे शोधू शकतो की साध्या दुर्दैवाने आमच्या व्यापारामध्ये महत्त्वपूर्ण भूमिका बजावली आहे आणि आमच्या पद्धतीत आणि एकूणच व्यापार धोरणामध्ये काहीच चूक नाही?

आउटलेटर्स *, व्यापाराच्या बाबतीत ते काय आहेत आणि त्यांची चिन्हे कोठे शोधावीत

आमच्या स्तंभांच्या नियमित वाचकांनी कमी केल्याने आम्ही "हा ट्रेंड अजूनही आपला मित्र आहे?" हा साप्ताहिक लेख प्रकाशित करतो. ज्यामध्ये आम्ही त्या मूलभूत पार्श्वभूमीचे विश्लेषण करतो जी सध्याच्या आठवड्यातील उच्च परिणामांची प्रकाशने आणि धोरणात्मक निर्णय निश्चित करते. यासह दुहेरीकरण केलेले, आम्ही बर्‍याच सामान्यतः वापरले जाणारे आणि निर्देशक संदर्भित तांत्रिक विश्लेषणाचे मूलभूत रूप देखील आच्छादित करतो. अलीकडे काय लक्षात घेतले गेले आहे त्याचा परिणाम म्हणजे आम्ही ज्याला आउटलायर्स म्हणतो त्याचा आणि आमच्या व्यापाराच्या बाजारपेठेवर त्यांचा होणारा परिणाम.

विशेषत: युरोपियन इक्विटी निर्देशांक आणि नंतर युरो मध्ये विकल्या गेलेल्या क्राइमिया क्षेत्रावर तणाव वाढू लागल्याने युक्रेनमधील सर्वात चकाचक बाबी म्हणजे यूक्रेनमधील समस्या. समस्या कमी झाल्यामुळे बाजारामध्ये पुनर्संचयित होण्यास सुरवात झाली. मग आम्हाला शंका होती की (यूएसएमध्ये कमाईचा हंगाम सुरू होताच) नासडॅकवर उद्धृत अनेक टेक कंपन्या सध्या दर्शविलेल्या कमाईच्या तुलनेत मोठ्या मूल्यांकनास पात्र आहेत. मग आम्ही एक बरे झालो आहोत, परंतु गेल्या दोन दिवसांपासून युक्रेनच्या अनेक शहरांमधील रशियन अनुकूल गट आणि नव्याने स्थापन झालेल्या युक्रेनियन सरकारमधील अधिकारी यांच्यात सशस्त्र संघर्ष झाल्याने युक्रेनची भीती पुन्हा दिसून आली आहे. हिंसक निष्कर्षापर्यंत पोहोचले आहेत.

आता या अलिकडील सर्व बाबींकडे किंवा एक क्लस्टरच्या रूपात पाहता, बरेच व्यापारी स्वत: ला शोधून काढू शकतील किंवा मग ते व्यापारी किंवा दिवसाचे व्यापारी स्विंग करीत आहेत किंवा नाही यावर अवलंबून असतात की मार्केटच्या चुकीच्या बाजूने कोणताही चूक होऊ शकत नाही. त्यांच्या योजनेवर चिकटण्याव्यतिरिक्त त्यांचे स्वतःचे इतर. अगदी स्पष्टपणे आम्ही अलीकडील क्रियाकलाप प्रदान केलेली यादी अलीकडील आठवड्यात अनेक व्यापा for्यांसाठी व्यापार करणे अशक्य प्रदेश होते, विशेषत: स्विंग व्यापा for्यांसाठी आणि आम्ही सर्व जोडणे सुरू करण्यापूर्वी बेस रेट्स निर्णय, बेरोजगारी आणि इतर सामान्य मूलभूत निकष आहेत. इतर आर्थिक डेटा आकडेवारी. जसे की आमचा व्यवसाय अलीकडच्या आठवड्यांत अविश्वसनीय गुंतागुंतीच्या अनेक मूलभूत मुद्द्यांशी सामना करावा लागला आहे, त्याऐवजी आपल्यातील बहुतेक जणांनी आपल्या एकूण कार्यपद्धतीवर आणि व्यवहाराच्या धोरणावर संशय घेतल्यामुळे आपण काही तात्पुरते मैदान गमावाल.

सांख्यिकीय आउटलेटर्स कधी होतील हे सांगणे अशक्य आहे आणि हे समजणे देखील तितकेच कठीण आहे की आपल्या व्यवसायातील बर्‍याच आउटरीअर शुद्ध आकडेवारीचे आउटलेटर्स स्टॅटिस्टिशियन आणि गणितज्ञ हे करू शकत नसल्यामुळे आपण एखाद्या आऊटलीय कार्यक्रमास गोळीबार करू शकू. पूर्वसूचना मध्ये, दाखवा. याउप्पर, आम्ही आमची आकडेवारी आणि गणित तज्ञ ओळखत असलेल्या भूतकाळाचा व्यापार करू शकत नाही.

परंतु आम्ही काय करू शकतो, जसे आपला अनुभव वाढत जातो, आमची 'ट्रेडिंग tenन्टीना' समायोजित करते जेव्हा आपण माईलस्ट्रॉम आउटलाईअरच्या मध्यभागी असतो तेव्हा कारणीभूत ठरू शकते आणि होऊ शकते. त्यानंतर आमच्याकडे दोन सोप्या पर्याय आहेत; व्यापार किंवा व्यापार नाही…

आम्ही एकतर आउटलेटर कारणीभूत असणा storm्या वादळातून व्यापार करतो किंवा शिकारीला खाली खेचतो आणि दुर्दैवाने केवळ शेवटचा अंतच आम्हाला सिद्ध करेल की कोणता योग्य निर्णय होता. तथापि, बाह्य घटनेदरम्यान आपल्या पद्धती आणि रणनीतीवर शंका न घेता निसंदेह शंका असणे स्वाभाविक आहे परंतु यापूर्वी सिद्ध केलेली पद्धत बदलण्याची किंवा थांबविण्याची चुकीची वेळ असेल. प्रतिबिंबित होण्याची वेळ आली की एकदा ओळखले की 'सामान्य' ट्रेडिंगची स्थिती, किंवा एफएक्स, निर्देशांक किंवा वस्तूंच्या गतिशील जगात आम्ही अपेक्षा करू शकतो, इतका सामान्य आपल्या व्यापार वातावरणात परत आला आहे.

आउटलेटर्सची व्याख्या

आकडेवारीनुसार, आउटलेटर हा एक निरीक्षण बिंदू आहे जो इतर निरीक्षणापासून दूर आहे. [1] आउटलेटर मोजमापातील बदलांमुळे असू शकते किंवा ते प्रायोगिक त्रुटी दर्शवू शकतो; नंतरचे डेटा सेटमधून वगळले जातात. [२]

आउटलेटर कोणत्याही वितरणामध्ये योगायोगाने उद्भवू शकतात, परंतु ते बहुतेकदा मोजमाप त्रुटीमुळे किंवा लोकसंख्येच्या शेपटीचे वितरण मोठ्या प्रमाणात दर्शवितात. पूर्वीच्या प्रकरणात एखाद्याने त्यांना काढून टाकण्याची किंवा आऊटपुट करणार्‍यांना कठोर असलेल्या आकडेवारीचा वापर करण्याची इच्छा केली आहे, तर नंतरच्या परिस्थितीत असे दर्शविते की वितरणास उच्च कर्टोसिस आहे आणि सामान्य वितरण गृहित धरणारी साधने किंवा अंतर्ज्ञान वापरण्यात फार सावधगिरी बाळगली पाहिजे. आउटलेटर्सचे वारंवार कारण म्हणजे दोन वितरणांचे मिश्रण, जे दोन भिन्न उप-लोकसंख्या असू शकते किंवा 'अचूक चाचणी' विरूद्ध 'मापन त्रुटी' दर्शवू शकते; हे मिश्रण मॉडेलद्वारे मॉडेल केले गेले आहे.

डेटाच्या मोठ्या सॅम्पलिंगमध्ये, काही डेटा पॉइंट्स वाजवी मानल्या गेलेल्या नमुन्यापासून आणखी दूर राहतील. हे प्रासंगिक पद्धतशीर त्रुटीमुळे किंवा संभाव्यतेच्या वितरणाचे एक गृहित कुटुंब तयार केलेल्या सिद्धांतातील त्रुटींमुळे किंवा कदाचित काही निरीक्षणे डेटाच्या केंद्रस्थानापासून दूर असू शकतात. आउटलेटर पॉइंट्स म्हणून सदोष डेटा, चुकीच्या कार्यपद्धती किंवा काही विशिष्ट सिद्धांत कदाचित वैध नसतील असे क्षेत्र सूचित करतात. तथापि, मोठ्या नमुन्यांमध्ये, अल्प प्रमाणात आउटलेटर्सची अपेक्षा करणे आवश्यक आहे (आणि कोणत्याही विसंगत स्थितीमुळे नाही).

आउटलेटर्स हे अत्यंत अत्यंत निरिक्षण असल्याने ते अत्यधिक किंवा कमी आहेत यावर अवलंबून नमुना जास्तीत जास्त किंवा किमान नमुना किंवा दोन्ही समाविष्ट करू शकतात. तथापि, जास्तीत जास्त आणि किमान नमुना नेहमीच आउटलेटर नसतो कारण इतर निरीक्षणापासून ते विलक्षण दूर नसतात.   
फॉरेक्स डेमो खाते विदेशी मुद्रा थेट खाते आपले खाते निधी

टिप्पण्या बंद.

« »