Пакет программ WINPHI, прилагаемый к данной книге, позволяет заинтересованным инвесторам генерировать все сигналы на исторических данных с различными инструментами Фибоначчи (показанными в примерах).
Мы приложили максимум усилий, чтобы к тому времени, когда в начале 2001 года будет закончена данная книга, все сигналы примеров были проверены. Тесты проводились вручную и, конечно, с помощью компьютерной программы WINPHI.
Ручная генерация сигналов менее точная. И более важно упомянуть, что мы не тестировали продукты для демонстрационных целей на период, превышающий 11 месяцев назад по дневным и три года по недельным графикам. Для нас было неподъемным усилием пытаться опробовать каждую стратегию в нашей полной исторической базе данных, уходящей в прошлое, в зависимости от продукта, на 12—20 лет. Однако заинтересованные инвесторы могут проделать это на демонстрационных наборах данных для всех главных продуктов и рынков, включенных в CD-ROM, или на своих собственных наборах данных.
Мы не утверждаем, что для каждого показанного примера опубликовали оптимальные параметры, правила входа, правила стоп-лоссов или цели прибыли. Конечно, можно найти другие комбинации, несколько превосходящие предложенные нами, но мы стремимся распространять скорее вдохновение, чем оптимизацию. Мы, таким образом, ставим задачу перед каждым инвестором, особо заинтересованным в одном из инструментов или в специальной стратегии.
Чем длиннее промежуток времени, выбранный для тестирования инструмента или стратегии, тем вернее и надежнее результаты испытательной прогонки. Это справедливо для всех примеров и стратегий, описанных нами. Параметры, такие как размеры колебаний, никогда не работают одинаково хорошо и на боковых, и на развивающихся рынках. Этот фактор особенно важен при работе с расширениями или коррекциями, где проценты рассчитываются относительно минимального размера колебания. Возможно, используемые нами параметры на более длинных исторических испытательных прогонах претерпят изменения.
Кроме того, программное обеспечение WINPHI в основном ограничено построением на графиках дневных данных в формате ASCII D-O-H-L-C*.( Daily-Open-High-Low-Close, т. е. открытие, максимум, минимум, закрытие дня. — Прим. пер.)
Мы не предлагаем какой-либо конверсионной утилиты; программа не изменяет степень сжатия от дневной к недельной, месячной или годовой. Однако недельные, месячные, годовые и даже внутридневные минутные или часовые графики могут быть сгенерированы, если исходные данные уже находятся в соответствующем формате ASCII D-O-H-L-C. Месячные файлы данных ASCII выводятся как месячные данные, недельные файлы данных — как недельные данные и так далее. И если данные загружаются как внутридневные минутные или часовые данные ASCII D-O-H-L-C, на графиках также будет отражаться правильное сжатие данных. Тем не менее остается в силе наше исходное допущение: для анализа пользователями предназначены файлы дневных данных в формате ASCII D-O-H-L-C.
Все шесть инструментов Фибоначчи основаны на распознавании фигур графиков, могущих выглядеть очень разными, если различны шкалы цен. Вообще говоря, онлайновые поставщики данных предоставляют пакеты программ, которые, по умолчанию, при обновлении информации всегда заполняют весь экран. При появлении новых максимумов или минимумов ценовая шкала соответственно адаптируется.
Однако постоянная шкала абсолютно необходимое условие для любого убедительного распознавания фигур, предназначенного для анализа длительных периодов времени (иногда 20 лет и больше). Одного года данных, смасштабированных на заполнение всего экрана, обычно недостаточно для охвата всего цикла в периоды трендового и бокового рынка. Когда сложные инструменты типа ФИ-эллипса используются для анализа движений рынка в цене и времени, жизненно важно, чтобы форма ФИ-эллипса не подвергалась искажениям из-за небольших изменений шкалы.
Зная, что многие поставщики данных не имеют в своих программах построения графиков функции постоянного масштаба, нами так разработано программное обеспечение, чтобы пользователи могли выбирать или полноэкранное масштабирование самых последних загруженных данных или постоянный масштаб от самого высокого максимума до самого низкого минимума всего ряда данных для инвесторов, испытывающих неудобство из-за необходимости конвертировать данные своих рядов данных.
