Strasmore Research
Deep Dives · Matt ConnorBy Matt Connor ·

டிராகன்ஃபிளை டோஜிக்குப் பின் என்ன நடக்கிறது?

டிராகன்ஃபிளை டோஜி உருவான பிறகு 1, 5, 20 அமர்வுகளில் விலை என்ன செய்கிறது? 20 ஆண்டு தினசரி பார்களில் வெற்றி விகிதமும் இடைநிலை வருவாயும், அனைத்து நாட்களின் அடிப்படையுடன் ஒப்பீடு.

டிராகன்ஃபிளை டோஜிக்குப் பின் என்ன நடக்கிறது என்பதற்கு அளவிடப்பட்ட ஒரு பதில் இது. பெரும்பாலான வழிகாட்டிகள் "டிராகன்ஃபிளை டோஜி ஒரு திருப்பத்தின் அறிகுறி" என்று சொல்லி நின்றுவிடுகின்றன, அதற்குப் பிறகு விலை உண்மையில் என்ன செய்தது என்பதை ஒரு எண்ணும் காட்டுவதில்லை. இங்கே 2006 ஜனவரி முதல் 2026 செப்டம்பர் வரை 20 பெரிய அமெரிக்கப் பங்குகளின் தினசரி பார்களைத் தேடி, வடிவம் தோன்றிய ஒவ்வொரு நாளுக்கும் அடுத்த 1, 5, 20 அமர்வுகளின் வருவாயை அளந்திருக்கிறோம். அதே அளவீட்டை மற்ற எல்லா நாட்களுக்கும் செய்து அடிப்படையாக வைத்திருக்கிறோம். அந்த அடிப்படை இல்லாமல் எந்த வெற்றி விகிதமும் ஒன்றையும் சொல்லாது.

சுருக்கமான பதில் முதலில். டிராகன்ஃபிளை டோஜிக்குப் பின்னான இடைநிலை வருவாயும் வெற்றி விகிதமும், மற்ற எல்லா நாட்களின் அடிப்படை எண்களுக்கு மிக அருகில் அமர்கின்றன. 1 அமர்வு, 5 அமர்வுகள், 20 அமர்வுகள் என மூன்று கால அளவுகளிலும் இதே நிலை. ஒவ்வொரு எண்ணுக்குப் பின்னால் இருக்கும் வினவலையும் அதற்குக் கீழே திறந்து சரிபார்க்க முடியும்.

டிராகன்ஃபிளை டோஜியை எப்படி அளக்கிறோம்?

ஒரு தினசரி மெழுகுவர்த்தியில் நான்கு எண்கள் மட்டுமே இருக்கின்றன: திறப்பு (open), உயர்வு (high), வீழ்வு (low), முடிவு (close). இந்த நான்கு எண்கள் ஒரு பாராக எப்படித் தொகுக்கப்படுகின்றன என்பதை OHLCV பார்கள் எப்படி உருவாகின்றன என்ற பதிவு விளக்குகிறது. வடிவத்தை ஒரு கணினி தேடும் அளவுக்குத் துல்லியமாக எழுத, மூன்று அளவுகள் தேவை.

  • வரம்பு: உயர்வுக்கும் வீழ்வுக்கும் இடையிலான தூரம், அதாவது அந்த நாளின் முழு அகலம்.
  • உடல்: திறப்புக்கும் முடிவுக்கும் இடையிலான தூரம்.
  • நிழல்கள்: உடலுக்கு மேல் இருக்கும் பகுதி மேல் நிழல், கீழே இருக்கும் பகுதி கீழ் நிழல்.

டிராகன்ஃபிளை டோஜிக்கான எங்கள் விதி இரண்டே நிபந்தனைகள். உடல் அந்த நாளின் வரம்பில் 10 சதவீதத்தைத் தாண்டக் கூடாது, மேல் நிழலும் வரம்பில் 10 சதவீதத்தைத் தாண்டக் கூடாது. இந்த இரண்டும் சேர்ந்தால் கீழ் நிழல் தானாகவே வரம்பில் குறைந்தது 80 சதவீதமாக அமைந்துவிடும். அதுதான் "நீண்ட கீழ் நிழல்" என்பதற்கு ஒரு சோதிக்கக்கூடிய வரையறை. இதனுடன் ஒரு வடிகட்டி: அந்த நாளின் வரம்பு திறப்பு விலையில் 1 சதவீதமாவது இருக்க வேண்டும். இல்லையெனில் கிட்டத்தட்ட அசையாத ஒரு சலிப்பான நாளும் டோஜி என்று பட்டியலில் ஏறிவிடும்.

கிரேவ்ஸ்டோன் டோஜி இதன் கண்ணாடிப் பிம்பம். உடல் வரம்பில் 10 சதவீதத்துக்குள், கீழ் நிழல் வரம்பில் 10 சதவீதத்துக்குள், அதனால் மேல் நிழல் 80 சதவீதத்துக்கு மேல். ஒன்று எருமைக்குச் சாதகமான திருப்பம், மற்றொன்று கரடிக்குச் சாதகமான திருப்பம் என்று கற்பிக்கப்படுகிறது. இரண்டையும் ஒரே அளவீட்டில் வைத்தால், அந்தச் சமச்சீர் தரவில் தாக்குப்பிடிக்கிறதா என்பதைப் பார்க்க முடியும்.

பட்டியல்: AAPL, MSFT, NVDA, AMZN, GOOGL, META, JPM, XOM, JNJ, KO, PG, WMT, HD, UNH, CVX, MRK, CSCO, PEP, SPY, QQQ. சாளரம்: 2006-01-01 முதல் 2026-09-30 வரையிலான தினசரி பார்கள். சகிப்புத்தன்மை: வரம்பில் 10 சதவீதம். இந்த மூன்றையும் மாற்றினால் எண்கள் மாறும், அதனால்தான் மூன்றையும் இங்கே வெளிப்படையாக எழுதியிருக்கிறோம்.

இந்த வடிவம் எவ்வளவு அரிதாகத் தோன்றுகிறது?

அரிதுதன்மை முதல் கேள்வி. ஒரு வடிவம் ஆண்டுக்கு இரண்டு முறை மட்டுமே வந்தால், அதைப் பற்றிய எந்தப் புள்ளிவிவரமும் பலவீனமாகவே இருக்கும். கீழே உள்ள பலகம் ஆண்டு வாரியாக இரண்டு வடிவங்களின் எண்ணிக்கையையும், அதே ஆண்டில் மொத்தம் எத்தனை அமர்வுகள் ஸ்கேன் செய்யப்பட்டன என்பதையும் காட்டுகிறது.

வினவவும்ஆண்டுக்கு எத்தனை டிராகன்ஃபிளை, எத்தனை கிரேவ்ஸ்டோன்
21 rows (showing 20)
yeardragonfly_daysgravestone_dayssession_count
200612174267
200716144267
200816174301
200931214284
201028124284
201121144481
20129114500
20132664536
201420104725
201520134788
201621124788
20171264769
201818214769
201923134788
202021174807
202124194917
202226224930
202320185000
202430175040
202524145000
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான SQL
WITH bars AS
(
    SELECT
        ticker,
        date,
        toFloat64(open)  AS o,
        toFloat64(high)  AS h,
        toFloat64(low)   AS l,
        toFloat64(close) AS c
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','META','JPM','XOM','JNJ','KO','PG','WMT','HD','UNH','CVX','MRK','CSCO','PEP','SPY','QQQ')
      AND date >= '2006-01-01'
      AND date <  '2026-10-01'
      AND high > low
      AND low > 0
)
SELECT
    toYear(date)                                      AS year,
    countIf((h - l) >= 0.01 * o
            AND abs(c - o)         <= 0.10 * (h - l)
            AND (h - greatest(o, c)) <= 0.10 * (h - l)) AS dragonfly_days,
    countIf((h - l) >= 0.01 * o
            AND abs(c - o)         <= 0.10 * (h - l)
            AND (least(o, c) - l)  <= 0.10 * (h - l)) AS gravestone_days,
    count()                                           AS session_count
FROM bars
GROUP BY year
ORDER BY year
நீங்களே இயக்கிப் பாருங்கள்

பலகம் 21 ஆண்டுகளை உள்ளடக்குகிறது. 2006 ஆம் ஆண்டில் இந்தப் பட்டியல் 4267 அமர்வுகளைப் பதிவு செய்தது. 2026 ஆம் ஆண்டின் இதுவரையிலான பகுதியில் 19 டிராகன்ஃபிளை நாட்களும் 14 கிரேவ்ஸ்டோன் நாட்களும் விதிக்குப் பொருந்தின. கோடுகள் ஆண்டுக்கு ஆண்டு அலைவதைக் கவனியுங்கள். அமைதியான ஆண்டுகளில் வரம்புகள் சுருங்குவதால் 1 சதவீத வடிகட்டி அதிக நாட்களை நிராகரிக்கிறது, அலைச்சல் அதிகமான ஆண்டுகளில் எண்ணிக்கை ஏறுகிறது. எண்ணிக்கை சில நூறுகள் அளவில் இருப்பதால், சராசரிகளை நம்பும் அளவுக்கு மாதிரி உள்ளது.

டிராகன்ஃபிளை டோஜிக்குப் பின் என்ன நடக்கிறது?

இதுதான் முக்கியமான பலகம். ஒவ்வொரு வகை நாளுக்கும், அதற்கு அடுத்த 1, 5, 20 அமர்வுகளின் முடிவு விலையை எடுத்து, இடைநிலை (median) வருவாயைக் கணக்கிடுகிறோம். சராசரிக்குப் பதிலாக இடைநிலை, ஏனெனில் ஒன்றிரண்டு பெரிய நாட்கள் சராசரியை இழுத்துச் சென்றுவிடும். மூன்று வரிசைகளும் ஒரே மாதிரிக் குழுவைப் பயன்படுத்துகின்றன: 20 முன்னோக்கு அமர்வுகள் கிடைக்கும் நாட்கள் மட்டும்.

வினவவும்வடிவத்துக்குப் பின் 1, 5, 20 அமர்வு இடைநிலை வருவாய்
patternsample_countsample_sizemedian_1d_pctmedian_5d_pctmedian_20d_pct
dragonfly436436-0.0610.4221.232
gravestone3063060.2130.3651.569
other_days9583996 ஆயிரம்0.0920.3271.193
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான SQL
WITH bars AS
(
    SELECT
        ticker,
        date,
        toFloat64(open)  AS o,
        toFloat64(high)  AS h,
        toFloat64(low)   AS l,
        toFloat64(close) AS c
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','META','JPM','XOM','JNJ','KO','PG','WMT','HD','UNH','CVX','MRK','CSCO','PEP','SPY','QQQ')
      AND date >= '2006-01-01'
      AND date <  '2026-10-01'
      AND high > low
      AND low > 0
),
shaped AS
(
    SELECT
        ticker,
        date,
        c,
        h - l                  AS rng,
        abs(c - o)              AS body,
        h - greatest(o, c)      AS upper_wick,
        least(o, c) - l         AS lower_wick,
        0.01 * o                AS min_range,
        leadInFrame(c, 1)  OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd1,
        leadInFrame(c, 5)  OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd5,
        leadInFrame(c, 20) OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd20
    FROM bars
),
tagged AS
(
    SELECT
        ticker,
        date,
        c,
        c_fwd1,
        c_fwd5,
        c_fwd20,
        multiIf(
            rng >= min_range AND body <= 0.10 * rng AND upper_wick <= 0.10 * rng, 'dragonfly',
            rng >= min_range AND body <= 0.10 * rng AND lower_wick <= 0.10 * rng, 'gravestone',
            'other_days') AS pattern
    FROM shaped
)
SELECT
    pattern,
    count()                   AS sample_count,
    if(count() >= 10000,
       concat(toString(round(count() / 1000)), ' ஆயிரம்'),
       toString(count()))     AS sample_size,
    round(100 * (quantileDeterministic(0.5)(c_fwd1  / c, cityHash64(concat(ticker, toString(date)))) - 1), 3) AS median_1d_pct,
    round(100 * (quantileDeterministic(0.5)(c_fwd5  / c, cityHash64(concat(ticker, toString(date)))) - 1), 3) AS median_5d_pct,
    round(100 * (quantileDeterministic(0.5)(c_fwd20 / c, cityHash64(concat(ticker, toString(date)))) - 1), 3) AS median_20d_pct
FROM tagged
WHERE c_fwd1 > 0 AND c_fwd5 > 0 AND c_fwd20 > 0
GROUP BY pattern
ORDER BY pattern
நீங்களே இயக்கிப் பாருங்கள்

ஸ்கேன் 436 டிராகன்ஃபிளை நாட்களையும், 306 கிரேவ்ஸ்டோன் நாட்களையும், 96 ஆயிரம் மற்ற நாட்களையும் கண்டெடுத்தது. டிராகன்ஃபிளை நாட்களுக்கு அடுத்த ஒரே அமர்வில் இடைநிலை வருவாய் -0.061%, அதே கால அளவில் மற்ற எல்லா நாட்களுக்கும் 0.092%. 5 அமர்வுகளில் முறையே 0.422% மற்றும் 0.327%. 20 அமர்வுகளில் 1.232% மற்றும் 1.193%.

இந்த நான்கு ஜோடி எண்களையும் அடுத்தடுத்து வைத்துப் படியுங்கள். வித்தியாசம் ஒரு சராசரி நாளின் அலைவுக்குள்ளேயே அமர்ந்துவிடுகிறது. கிரேவ்ஸ்டோன் டோஜிக்கு 20 அமர்வு இடைநிலை 1.569%. கரடிக்குச் சாதகமான பிம்பம் என்று கற்பிக்கப்படும் வடிவமும், எருமைக்குச் சாதகம் என்று கற்பிக்கப்படும் வடிவமும் ஒரே பக்கத்தில் இப்படி அமர்வது, அந்தச் சமச்சீர்க் கதை தரவில் நிற்கவில்லை என்பதைக் காட்டுகிறது.

வெற்றி விகிதம் 50 சதவீதத்திலிருந்து எவ்வளவு விலகுகிறது?

இடைநிலை ஒரு பக்கம் மட்டுமே. "எத்தனை முறை சரியாக வந்தது" என்ற கேள்விக்கு வெற்றி விகிதம் வேண்டும். இங்கே வெற்றி என்பதன் பொருள் ஒன்றே: அந்தக் கால அளவுக்குப் பின்னான முடிவு விலை, வடிவம் தோன்றிய நாளின் முடிவு விலைக்கு மேல் இருப்பது.

வினவவும்வடிவத்துக்குப் பின் விலை உயர்ந்திருந்த நாட்களின் விகிதம்
patternup_1d_pctup_5d_pctup_20d_pct
dragonfly46.655.360.3
gravestone55.254.961.4
other_days52.155.258.9
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான SQL
WITH bars AS
(
    SELECT
        ticker,
        date,
        toFloat64(open)  AS o,
        toFloat64(high)  AS h,
        toFloat64(low)   AS l,
        toFloat64(close) AS c
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','META','JPM','XOM','JNJ','KO','PG','WMT','HD','UNH','CVX','MRK','CSCO','PEP','SPY','QQQ')
      AND date >= '2006-01-01'
      AND date <  '2026-10-01'
      AND high > low
      AND low > 0
),
shaped AS
(
    SELECT
        ticker,
        date,
        c,
        h - l              AS rng,
        abs(c - o)         AS body,
        h - greatest(o, c) AS upper_wick,
        least(o, c) - l    AS lower_wick,
        0.01 * o           AS min_range,
        leadInFrame(c, 1)  OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd1,
        leadInFrame(c, 5)  OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd5,
        leadInFrame(c, 20) OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd20
    FROM bars
),
tagged AS
(
    SELECT
        c,
        c_fwd1,
        c_fwd5,
        c_fwd20,
        multiIf(
            rng >= min_range AND body <= 0.10 * rng AND upper_wick <= 0.10 * rng, 'dragonfly',
            rng >= min_range AND body <= 0.10 * rng AND lower_wick <= 0.10 * rng, 'gravestone',
            'other_days') AS pattern
    FROM shaped
)
SELECT
    pattern,
    round(100 * countIf(c_fwd1  > c) / count(), 1) AS up_1d_pct,
    round(100 * countIf(c_fwd5  > c) / count(), 1) AS up_5d_pct,
    round(100 * countIf(c_fwd20 > c) / count(), 1) AS up_20d_pct
FROM tagged
WHERE c_fwd1 > 0 AND c_fwd5 > 0 AND c_fwd20 > 0
GROUP BY pattern
ORDER BY pattern
நீங்களே இயக்கிப் பாருங்கள்

அடிப்படை விகிதம் 50 சதவீதம் அல்ல என்பதை முதலில் கவனியுங்கள். இந்தப் பட்டியலின் விலைகள் மொத்தமாக உயர்ந்த ஒரு காலகட்டம் இது, அதே காலத்தில் மற்ற எல்லா நாட்களின் 20 அமர்வு உயர்வு விகிதம் 58.9%. எனவே ஒரு வடிவத்தின் 55 சதவீத வெற்றி விகிதம் தனியாக அற்புதம் அல்ல, அது அடிப்படையே.

டிராகன்ஃபிளை நாட்களுக்கு அடுத்த ஒரே அமர்வில் உயர்வு விகிதம் 46.6%, அடிப்படை 52.1%. 5 அமர்வுகளில் 55.3% எதிர் 55.2%. 20 அமர்வுகளில் 60.3% எதிர் 58.9%. கிரேவ்ஸ்டோன் நாட்களுக்கு 20 அமர்வு விகிதம் 61.4%. சில நூறு நிகழ்வுகள் கொண்ட ஒரு மாதிரியில் இரண்டு மூன்று சதவீதப் புள்ளி இடைவெளி சாதாரண சத்தம். வடிவம் ஒரு விதியாக இருக்க வேண்டுமானால், அந்த இடைவெளி சத்தத்தைத் தாண்டி நிற்க வேண்டும்.

வீழ்ச்சிக்குப் பின் வரும் டோஜி வேறுபட்டதா?

வடிவத்தின் முழுக் கூற்றும் சூழல் சார்ந்தது: "ஒரு பல நாள் வீழ்ச்சிக்குப் பின் வந்தால் மட்டுமே இது திருப்பம்" என்பது பாடப் புத்தக வரி. அதைச் சோதிக்க, டிராகன்ஃபிளை நாட்களை இரண்டாகப் பிரிக்கிறோம். முடிவு விலை ஐந்து அமர்வுகளுக்கு முந்தைய முடிவு விலைக்குக் கீழே இருந்தால் "வீழ்ச்சிக்குப் பின்", இல்லையெனில் "இடைநிலை". மற்ற எல்லா நாட்களையும் அதே இரண்டு சூழல்களில் பிரித்து அடிப்படையாக வைக்கிறோம்.

வினவவும்சூழல் வாரியாக டிராகன்ஃபிளை நாட்களும் அடிப்படை நாட்களும்
contextsample_countsample_sizemedian_5d_pctmedian_20d_pct
dragonfly_after_5d_decline2022020.4221.035
dragonfly_mid_range2332330.4441.382
other_days_after_5d_decline4270743 ஆயிரம்0.4451.225
other_days_mid_range5303353 ஆயிரம்0.2451.203
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான SQL
WITH bars AS
(
    SELECT
        ticker,
        date,
        toFloat64(open)  AS o,
        toFloat64(high)  AS h,
        toFloat64(low)   AS l,
        toFloat64(close) AS c
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','META','JPM','XOM','JNJ','KO','PG','WMT','HD','UNH','CVX','MRK','CSCO','PEP','SPY','QQQ')
      AND date >= '2006-01-01'
      AND date <  '2026-10-01'
      AND high > low
      AND low > 0
),
shaped AS
(
    SELECT
        ticker,
        date,
        c,
        h - l              AS rng,
        abs(c - o)         AS body,
        h - greatest(o, c) AS upper_wick,
        least(o, c) - l    AS lower_wick,
        0.01 * o           AS min_range,
        lagInFrame(c, 5)   OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN 5 PRECEDING AND CURRENT ROW)  AS c_prev5,
        leadInFrame(c, 5)  OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd5,
        leadInFrame(c, 20) OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd20
    FROM bars
),
tagged AS
(
    SELECT
        ticker,
        date,
        c,
        c_prev5,
        c_fwd5,
        c_fwd20,
        multiIf(
            rng >= min_range AND body <= 0.10 * rng AND upper_wick <= 0.10 * rng, 'dragonfly',
            rng >= min_range AND body <= 0.10 * rng AND lower_wick <= 0.10 * rng, 'gravestone',
            'other_days') AS pattern
    FROM shaped
),
ctx AS
(
    SELECT
        ticker,
        date,
        c,
        c_fwd5,
        c_fwd20,
        concat(pattern, if(c < c_prev5, '_after_5d_decline', '_mid_range')) AS context
    FROM tagged
    WHERE pattern != 'gravestone'
      AND c_prev5 > 0
      AND c_fwd5  > 0
      AND c_fwd20 > 0
)
SELECT
    context,
    count()                 AS sample_count,
    if(count() >= 10000,
       concat(toString(round(count() / 1000)), ' ஆயிரம்'),
       toString(count()))   AS sample_size,
    round(100 * (quantileDeterministic(0.5)(c_fwd5  / c, cityHash64(concat(ticker, toString(date)))) - 1), 3) AS median_5d_pct,
    round(100 * (quantileDeterministic(0.5)(c_fwd20 / c, cityHash64(concat(ticker, toString(date)))) - 1), 3) AS median_20d_pct
FROM ctx
GROUP BY context
ORDER BY context
நீங்களே இயக்கிப் பாருங்கள்

வீழ்ச்சிக்குப் பின் வந்த 202 டிராகன்ஃபிளை நாட்களுக்கு 20 அமர்வு இடைநிலை வருவாய் 1.035%, இடைநிலைச் சூழலில் தோன்றிய 233 நாட்களுக்கு 1.382%. அதே இரண்டு சூழல்களில் மற்ற எல்லா நாட்களுக்கும் முறையே 1.225% மற்றும் 1.203%. ஐந்து அமர்வுக் காலத்திலும் இதே அமைப்பு: வீழ்ச்சிக்குப் பின்னான டோஜிக்கு 0.422%, இடைநிலைச் சூழலுக்கு 0.444%.

இங்கே ஒரு நுட்பமான விஷயம் தெரிகிறது. வீழ்ச்சிக்குப் பின் வரும் எல்லா நாட்களுக்கும் அடுத்த எண்கள் சற்று வேறாக இருக்கின்றன, டோஜி இருந்தாலும் இல்லாவிட்டாலும். அதாவது சூழல் அளவிடக்கூடியது, மெழுகுவர்த்தியின் வடிவம் அதற்கு மேல் தனியாக எதையும் சேர்க்கவில்லை. வால்யூம் குறிகாட்டிகளுக்கும் இதே வகைச் சோதனையை வால்யூம் குறிகாட்டிகள் எதையாவது முன்னறிவிக்கிறதா என்ற பதிவில் செய்திருக்கிறோம், முடிவும் ஒத்திருக்கிறது.

சமீபத்திய நிகழ்வுகளை நேரடியாகப் பாருங்கள்

மொத்த எண்கள் சில நேரம் தூரமாகத் தோன்றும். எனவே மிக அடுத்த நிகழ்வுகளை, ஒவ்வொன்றுக்கும் பின் என்ன நடந்தது என்பதுடன் தனித்தனியாகக் காட்டுகிறோம். இவை கற்பனை உதாரணங்கள் அல்ல, தேதியும் பெயரும் உள்ள உண்மையான நாட்கள்.

வினவவும்சமீபத்திய டிராகன்ஃபிளை நாட்களும் அவற்றின் முன்னோக்கு வருவாயும்
session_datesession_labeltickerfwd_1_pctfwd_5_pctfwd_20_pct
2026-04-1010-04-2026JPM1.230.14-2.51
2026-04-1515-04-2026CSCO2.69.0323.69
2026-04-1616-04-2026META1.73-2.62-8.63
2026-04-1616-04-2026MSFT0.6-1.07-2.58
2026-05-0707-05-2026XOM-1.374.232.28
2026-05-1313-05-2026CVX0.342.87-0.1
2026-05-2929-05-2026CVX1.852.66-7.67
2026-05-2929-05-2026META-5.07-6.25-11.05
2026-06-1212-06-2026MSFT2.31-5.99-1.49
2026-06-2323-06-2026UNH-0.841.565.39
2026-07-1010-07-2026GOOGL-1.31-2.91-0.81
2026-08-2525-08-2026JPM-0.05-0.49-5.37
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான SQL
WITH bars AS
(
    SELECT
        ticker,
        date,
        toFloat64(open)  AS o,
        toFloat64(high)  AS h,
        toFloat64(low)   AS l,
        toFloat64(close) AS c
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','META','JPM','XOM','JNJ','KO','PG','WMT','HD','UNH','CVX','MRK','CSCO','PEP','SPY','QQQ')
      AND date >= '2006-01-01'
      AND date <  '2026-10-01'
      AND high > low
      AND low > 0
),
shaped AS
(
    SELECT
        ticker,
        date,
        c,
        h - l              AS rng,
        abs(c - o)         AS body,
        h - greatest(o, c) AS upper_wick,
        0.01 * o           AS min_range,
        leadInFrame(c, 1)  OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd1,
        leadInFrame(c, 5)  OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd5,
        leadInFrame(c, 20) OVER (PARTITION BY ticker ORDER BY date ASC ROWS BETWEEN CURRENT ROW AND 20 FOLLOWING) AS c_fwd20
    FROM bars
)
SELECT
    toString(date)                        AS session_date,
    formatDateTime(date, '%d-%m-%Y')      AS session_label,
    ticker,
    round(100 * (c_fwd1  / c - 1), 2)     AS fwd_1_pct,
    round(100 * (c_fwd5  / c - 1), 2)     AS fwd_5_pct,
    round(100 * (c_fwd20 / c - 1), 2)     AS fwd_20_pct
FROM
(
    SELECT *
    FROM shaped
    WHERE rng >= min_range
      AND body       <= 0.10 * rng
      AND upper_wick <= 0.10 * rng
      AND c_fwd1  > 0
      AND c_fwd5  > 0
      AND c_fwd20 > 0
    ORDER BY date DESC
    LIMIT 12
)
ORDER BY session_date
நீங்களே இயக்கிப் பாருங்கள்

பலகத்தில் 12 நிகழ்வுகள் உள்ளன, 10-04-2026 முதல் 25-08-2026 வரை. கடைசி வரிசை JPM, அந்த நாளுக்குப் பின் 20 அமர்வுகளில் வருவாய் -5.37%, ஐந்து அமர்வுகளில் -0.49%. முதல் வரிசையின் அடுத்த நாள் வருவாய் 1.23%. மூன்று கோடுகளும் பூஜ்ஜியத்தின் இரு பக்கமும் சிதறி இருப்பதைப் பார்க்கலாம். ஒரு வடிவம் உண்மையில் வேலை செய்தால், இந்தச் சிதறல் ஒரு பக்கம் சாய்ந்திருக்கும்.

இதை ஒரு விதியாகக் கற்பிப்பது சரியா?

நேர்மையான முடிவு இது: இந்தப் பட்டியலிலும் இந்தச் சாளரத்திலும், டிராகன்ஃபிளை டோஜியின் முன்னோக்கு எண்கள் அடிப்படைச் சத்தத்துக்கு உள்ளேயே அமர்கின்றன. வடிவம் தவறு என்பது இதன் பொருள் அல்ல. வடிவம் ஒரு விவரிப்பு, அது ஒரு விதி அல்ல. "கீழ் நிழல் நீளமாக இருந்தது" என்பது அந்த நாளில் நடந்ததைச் சொல்கிறது, அடுத்த நாளைப் பற்றி அது தனியாக எதையும் சொல்லவில்லை.

இதே வகைச் சோதனையை நீங்கள் வேறு வடிவங்களுக்கும் செய்யலாம். ஒரே நாளில் பெரிய நகர்வுகளுக்குப் பின் என்ன நடந்தது என்பதை ஒரே நாள் பெரிய உயர்வுக்குப் பின் என்ன நடக்கிறது அளக்கிறது, கேப்களுக்கு கேப்கள் நிரப்பப்படுகிறதா பதிலளிக்கிறது. மூன்று பதிவுகளிலும் முறை ஒன்றே: வடிவத்தை முதலில் சோதிக்கக்கூடிய வரையறையாக எழுதுங்கள், பிறகு அதை ஒரு அடிப்படையுடன் ஒப்பிடுங்கள்.

ஒரு எச்சரிக்கை. மேலே உள்ள எந்த எண்ணும் வணிகச் செலவுகளை, விலை இடைவெளியை, அல்லது வரியைக் கணக்கில் எடுக்கவில்லை. அவை இந்த அளவு சிறிய இடைவெளிகளை முழுவதுமாக உண்டுவிடும். மேலும், வடிவத்தை ஒரு நாள் முடிந்த பிறகுதான் அறிய முடியும். அதே நாளின் முடிவு விலையில் நுழைவதாகக் கணக்கிடுவது ஒரு நுட்பமான தவறு, அதன் முழு வடிவத்தை பின்னோக்குச் சோதனையில் look-ahead bias விளக்குகிறது.

தரவுக் குறிப்புகள் மற்றும் வரம்புகள்
  • பிளவுகள்: விலை வரிசையில் ஒரு பிளவு சரிசெய்யப்படாமல் இருந்தால், அந்த ஒரு முன்னோக்கு வருவாய் தவறாக இருக்கும். இடைநிலை இதுபோன்ற ஒன்றிரண்டு வெளிநாட்டு மதிப்புகளைத் தாங்கிக்கொள்ளும், சராசரி தாங்காது. விவரம் பிளவு சரிசெய்யப்பட்ட விலை வரலாறு பதிவில்.
  • குறியீட்டு மாற்றங்கள்: ஒரு நிறுவனம் குறியீட்டை மாற்றினால், புதிய குறியீட்டின் வரலாறு அந்த மாற்றத்தின் தேதியில்தான் தொடங்குகிறது. எனவே 20 பெயர்களுக்கும் ஒரே நீள வரலாறு இல்லை. காரணங்கள் குறியீடுகள் தரவுத்தொகுப்புகளை எப்படி உடைக்கின்றன பதிவில்.
  • தப்பிப்பிழைத்தல் சாய்வு: இன்று பெரியதாக இருக்கும் 20 பெயர்களை நாம் தேர்ந்தெடுத்திருக்கிறோம். இது அடிப்படை வெற்றி விகிதத்தை மேலே தள்ளும். ஒப்பீடு இரு பக்கமும் ஒரே பட்டியலில் நடப்பதால் வடிவத்தின் முடிவு பாதிக்கப்படவில்லை, ஆனால் அடிப்படை எண்ணை முழுச் சந்தையின் எண் என்று படிக்கக் கூடாது. மேலும் தப்பிப்பிழைத்தல் சாய்வு பதிவில்.
  • சகிப்புத்தன்மை: 10 சதவீதத்துக்குப் பதிலாக 5 சதவீதம் வைத்தால் நிகழ்வுகள் குறையும், வடிவம் தூய்மையாகும். 20 சதவீதம் வைத்தால் நிகழ்வுகள் பெருகும், வரையறை தளரும். வினவலில் அந்த எண்ணை மாற்றிப் பார்ப்பது எளிது.

FAQ

டிராகன்ஃபிளை டோஜி என்றால் என்ன?

திறப்பு, உயர்வு, முடிவு மூன்றும் கிட்டத்தட்ட ஒரே இடத்தில் அமர்ந்து, கீழே ஒரு நீண்ட நிழல் தொங்கும் தினசரி மெழுகுவர்த்தி. இந்தப் பதிவின் அளவீட்டு வரையறை: உடலும் மேல் நிழலும் தனித்தனியாக அந்த நாளின் வரம்பில் 10 சதவீதத்துக்கு மேல் இல்லாமல் இருப்பது, இதனால் கீழ் நிழல் வரம்பில் 80 சதவீதத்துக்கு மேல் அமைகிறது.

டிராகன்ஃபிளை டோஜி நம்பகமான திருப்ப அறிகுறியா?

2006 முதல் 2026 வரை 20 பெரிய பங்குகளில் அளந்ததில், வடிவத்துக்குப் பின் 20 அமர்வுகளில் விலை உயர்ந்த விகிதம் 60.3%, அதே காலத்தில் மற்ற எல்லா நாட்களுக்கும் 58.9%. இந்த அளவு இடைவெளி சில நூறு நிகழ்வுகள் கொண்ட மாதிரியின் சாதாரண சத்தத்துக்கு உள்ளே இருக்கிறது.

கிரேவ்ஸ்டோன் டோஜி டிராகன்ஃபிளையின் எதிர் வடிவமா?

வடிவ அளவில் ஆம், நீண்ட நிழல் மேலே இருக்கும். ஆனால் முன்னோக்கு எண்களில் அந்தச் சமச்சீர் தெரியவில்லை: கிரேவ்ஸ்டோன் நாட்களுக்குப் பின் 20 அமர்வு இடைநிலை வருவாய் 1.569%, டிராகன்ஃபிளைக்கு 1.232%.

இந்த அளவீட்டை நானே மீண்டும் செய்ய முடியுமா?

முடியும். பட்டியல், சாளரம், சகிப்புத்தன்மை மூன்றும் பதிவில் எழுதப்பட்டுள்ளன, ஒவ்வொரு பலகத்தின் கீழும் முழு வினவல் திறக்கும். பட்டியலை மாற்றுவது, சாளரத்தைச் சுருக்குவது, சகிப்புத்தன்மையை 5 சதவீதமாக இறுக்குவது என ஒன்றை மட்டும் மாற்றிப் பார்த்து முடிவு நிலைத்திருக்கிறதா எனச் சோதிப்பது நல்ல பழக்கம்.


ஒரு வடிவத்தை நம்புவதற்கு முன் அதை ஒரு அடிப்படையுடன் ஒப்பிட்டுப் பாருங்கள். உங்கள் சொந்த பட்டியலையும் சாளரத்தையும் வைத்து இதே வினவல்களை Strasmore முனையத்தில் இயக்கிப் பார்க்கலாம்.

#candlesticks#chart patterns#technical analysis#backtesting#doji