Im Gegensatz zu klassischen Oszillatoren (wie RSI oder Stochastik), die auf dem Vergleich aktueller Preise mit vergangenen HĂśchst- und Tiefstständen basieren, verwenden Predictive Oscillators ein statistisches Verfahren der linearen Regression. Sie versuchen nicht nur, den Zustand der "Ăberkauftheit" festzustellen, sondern auch mathematische Abweichungen vom Trend zu finden, die mit hoher Wahrscheinlichkeit einem Wendepunkt vorausgehen.
1. Fundament: Was ist lineare Regression?
Lineare Regression ist eine Methode zur Suche nach einer Geraden, die die Beziehung zwischen Zeit und Preis am besten beschreibt. Die Grundformel sieht wie folgt aus:
Wo:
⢠y: Prognostizierter Preis.
⢠x: Zeitintervall.
⢠a: Neigung der Linie (Trendgeschwindigkeit).
⢠b: Schnittpunkt (Startwert).
Der Oszillator berechnet die "beste Anpassungslinie" fĂźr ein Datenfenster (z.B. die letzten 20 Kerzen) und misst, wie stark der aktuelle Preis von dieser statistischen Norm abweicht.
2. Wie funktioniert der prädiktive Oszillator?
Die meisten prognostischen Oszillatoren (z.B. Zeitreihenprognose oder linearer Regressionsoszillator) arbeiten nach einem Drei-Schritte-Algorithmus:
A. Aufbau des Regressionskanals
Der Indikator zeichnet eine Regressionslinie durch eine Preismatrix. Wenn der Preis genau auf der Linie liegt, wird der Markt als "ausgeglichen" betrachtet.
B. Messung der Residuen
Der prognostische Effekt tritt auf, wenn wir die Entfernung vom aktuellen Preis zur Regressionslinie messen. Wenn der Preis zu weit "nach oben" von der Linie abweicht, steigt die mathematische Wahrscheinlichkeit einer RĂźckkehr zum Mittelwert.
V. Projektion des zukĂźnftigen Wertes
Einige Oszillatoren berechnen den theoretischen Preis fßr die nächste Kerze (t+1). Wenn der tatsächliche Preis frßher als prognostiziert abknickt, signalisiert dies eine ErschÜpfung des Impulses.
3. Haupttypen prognostischer Indikatoren
Hier ist eine kurze Ăbersicht Ăźber die Haupttypen prognostischer Indikatoren auf Basis der linearen Regression:
1. Neigung der linearen Regression
Misst den Neigungswinkel der Regressionslinie.
⢠Essenz: Zeigt die Geschwindigkeit der Preisänderung.
⢠Prognose: Wenn der Preis steigt und die Neigung zu sinken beginnt (Divergenz) â warten Sie auf eine Umkehr nach unten. Dies ist "die Bremse" vor einer Trendwende.
2. Prognose-Oszillator
Bestimmt den prozentualen Unterschied zwischen dem tatsächlichen Preis und der Regressionprognose.
⢠Essenz: Zeigt, wie stark der Markt von den mathematischen Erwartungen "abgewichen" ist.
⢠Prognose: Extreme Werte deuten auf Ăberhitzung hin, und eine RĂźckkehr zu null bedeutet das Ende einer Korrektur.
3. R-Quadrat (BestimmtheitsmaĂ)
Misst das MaĂ der Korrelation zwischen Zeit und Preis (von 0 bis 1).
⢠Essenz: Zeigt die "Qualität" des Trends.
⢠Prognose: Werte Ăźber 0.8 â der Trend ist stabil. Ein RĂźckgang unter 0.8 an der Preisspitze geht oft einer schnellen Trendwende voraus.
4. Lineare Regressionskurve
Ăhnlich dem gleitenden Durchschnitt, aber mit sofortiger Reaktion.
⢠Essenz: Jeder Punkt der Kurve ist das Ende der Regressionslinie fßr den gewählten Zeitraum.
⢠Prognose: Im Gegensatz zu normalen Durchschnitten verzÜgert sie sich nicht. Eine Umkehr wird bei einem abrupten Knick der Kurve prognostiziert.
5. Standardfehlerbänder
Kanäle um die Regressionslinie.
⢠Essenz: Basieren auf der mittleren quadratischen Abweichung des Preises von dem Modell.
⢠Prognose: Wenn der Preis die 2. Standardabweichung ßberschreitet, handelt es sich um eine statistische Anomalie. Eine Umkehr wird als Rßckkehr zum Mittel prognostiziert.
4. Strategie der Wendepunkte (Mean Reversion)
Der Hauptvorteil der Verwendung von Regression besteht darin, Zonen zu identifizieren, in denen der Preis aus statistischer Sicht "unlogisch" wird.
1. Bestimmung des Extremums: Wenn der Regressionsoszillator kritische Werte erreicht (z.B. 2 Standardabweichungen von der Norm), warten wir auf eine Rundung der Linie.
2. Divergenz: Wenn der Preis ein neues Hoch erreicht und der prädiktive Oszillator ein niedrigeres Hoch zeigt, bedeutet dies, dass die lineare Wachstumsrate sinkt. Dies ist "die frßhe Warnung" vor einem Crash.
3. Einstiegspunkt: Der Einstieg erfolgt, wenn der Oszillator beginnt, sich seiner Mittelwertlinie (Null) zu nähern.
â ď¸Wichtig: Prädiktive Oszillatoren haben viel weniger "VerzĂśgerung" als der Standardgleitende Durchschnitt (MA), da die Regression sich schneller an die Preisneigung anpasst als einfache Durchschnittsbildung.
5. Vorteile und Risiken
⢠Plus: Hohe Genauigkeit bei seitlichen Trends (Flat).
⢠Plus: Klare mathematische Grundlage fßr ßberkauftes Niveau.
⢠Minus: "Neuzeichnen" (Repainting). Da die Regression vom Datenfenster abhängt, kann eine neue Kerze die Neigung der Linie fßr frßhere Perioden ändern.
⢠Minus: Während starker fundamentaler Trends kann der Preis viel länger im Abweichungszustand bleiben, als es das mathematische Modell erwartet.