Technical analysis

याना को साधारण रेखा के बजाय रंगीन कैंडल दिखती हैं। हर कैंडल चुने हुए समय-अंतराल की पहली और आखिरी कीमत, सबसे ऊँची और सबसे नीची कीमत बताती है; वॉल्यूम कारोबार की मात्रा दिखाता है। सही अर्थ समझने के लिए उत्पाद, एक्सचेंज, समय क्षेत्र और अंतराल की लंबाई जानना जरूरी है। अलग चार्ट अलग सौदों को दिखा सकते हैं। Coinbase यह भी बताता है कि ऐतिहासिक डेटा अधूरा हो सकता है और बिना सौदे वाले अंतराल की कैंडल न हो। डेटा का खाली होना कीमत शून्य हो जाने का अर्थ नहीं है। [1] [2]

याना Moving average, यानी चल औसत, चालू करती है। चुनी हुई कीमतों से यह अपेक्षाकृत समतल रेखा बनाता है, जिससे बड़ी चाल समझना आसान हो। चुनी गई अवधि और इनपुट परिणाम बदलते हैं; गणना दुनिया की कोई नई खबर नहीं जोड़ती। दूसरे इंडिकेटर, यानी गणना से बने संकेतक, बदलाव की गति या दायरा बता सकते हैं। कई रेखाएँ इसलिए सहमत हो सकती हैं क्योंकि सभी उन्हीं कीमतों से बनी हैं। उनकी संख्या स्वतंत्र प्रमाणों की संख्या या निश्चितता का माप नहीं है। [1]

Support वह क्षेत्र है जहाँ पहले गिरावट रुकी थी; Resistance वह क्षेत्र है जहाँ बढ़ती कीमत को रुकावट मिली थी। ये देखे गए क्षेत्र हैं, बाजार का वादा नहीं। चुने हुए बिंदुओं को जोड़ने वाली ट्रेंड लाइन पर भी यही बात लागू होती है। नियम जाँचने के लिए याना को पहले तय करना होगा कि कौन से बिंदु गिने जाएँगे और किस स्थिति में पैटर्न अमान्य होगा। हर असफलता के बाद ज्ञात अतीत के अनुसार रेखा बदलना मूल विचार की जाँच नहीं है। यह परिणाम जानकर नया विचार बनाना है। [3] [4]

Backtest पुराने डेटा पर यह अनुकरण करता है कि कोई नियम कैसा प्रदर्शन करता। लेकिन इसमें ऐसी जानकारी आसानी से शामिल हो सकती है जो उस समय उपलब्ध ही नहीं थी। कैंडल का बंद भाव अंतराल खत्म होने पर ही अंतिम होता है। यदि याना उसी का इंतजार करती है, तो बिना प्रमाण नहीं मान सकती कि बाद में उसी बीती कीमत पर खरीद पाएगी। सिग्नल, यानी शर्त पूरी होना, संभव सौदे से पहले आना चाहिए। वरना जाँच उसे भविष्य जानने का लाभ देती है। [2] [6]

याना औसत की अवधि और खरीद शुरू करने की सीमा बदल-बदलकर देखती है, जब तक कोई रूप बहुत अच्छा न लगे। उसी डेटा पर ज्यादा कोशिशें करने से संयोग से विजेता मिलना आसान होता है। इसे overfitting कहते हैं: नियम खास अतीत के अनुरूप बन जाता है, लेकिन दूसरी परिस्थितियों में काम करना जरूरी नहीं। इसलिए ईमानदार रिकॉर्ड में असफल रूप भी शामिल होते हैं। स्थिर नियम को ऐसे डेटा पर जाँचना चाहिए जिससे उसका चुनाव नहीं किया गया था। लेकिन उस डेटा के अनुसार बार-बार बदलने से वह भी सुधार की सामग्री बन जाता है; सिर्फ डेटा बाँटना समाधान नहीं है। [5]

Lo, Mamaysky और Wang ने 1962–1996 के अमेरिकी शेयरों में स्वचालित पैटर्न पहचान का अध्ययन किया। कुछ पैटर्न ने रिटर्न के वितरण, यानी डेटा में अलग-अलग परिणाम कैसे आते हैं, के बारे में अतिरिक्त जानकारी दी। यह दावा इससे सीमित है कि चार्ट देखकर पैसा कमाया जा सकता है। इससे सिद्ध नहीं होता कि वही तरीका आज बिटकॉइन में लाभ देता है। अलग बाजार, अवधि या सौदा पूरा करने के तरीके की अलग जाँच चाहिए। सांख्यिकीय संबंध दिलचस्प हो सकता है, लेकिन अपने आप शुल्क नहीं चुकाता। [4]

नियम कीमत की चाल पहचान भी ले, तब भी याना को खरीद और बिक्री का समय तथा पोजिशन का आकार तय करना होगा। परिणाम में शुल्क और वास्तविकता के करीब निष्पादन कीमतें शामिल हों। स्प्रेड सबसे अच्छी खरीद और बिक्री पेशकशों का अंतर है; स्लिपेज वास्तविक और अपेक्षित सौदे की कीमत का अंतर है। बड़ा ऑर्डर होने पर, उदाहरण के लिए, दोनों असर डाल सकते हैं। यदि वास्तविक निष्पादन कीमतें पहले से इस्तेमाल हुई हैं तो वही असर दोबारा नहीं घटाना चाहिए। उचित विकल्प से तुलना और उठाया गया जोखिम भी मायने रखते हैं। [6]

चुने हुए सफल चार्ट के आगे देखें: डेटा का स्रोत, सटीक नियम, जाँच की अवधि और आजमाए गए रूपों की सूची खोजें। विश्लेषण में लागत और घाटे वाले दौर भी दिखने चाहिए। बाद में बदले नियम को नया संस्करण कहा जाए, न कि दावा किया जाए कि वह शुरू से सही भविष्यवाणी कर रहा था। इससे विचार की जाँच और तुलना संभव होती है। भविष्य का लाभ तय नहीं होता, लेकिन डेटा से पूछा गया स्पष्ट सवाल और घटना के बाद सुनाई गई प्रभावशाली कहानी अलग किए जा सकते हैं। [5] [6]