最複雜的概念,Fractal - 碎形、分形

更新 發佈閱讀 4 分鐘

因為 Fractal 好像沒標準的翻譯,所以Fractal 以下內文都統稱碎形

碎形的前提

Fractal 是我認為在交易中最複雜的概念。

  1. 它涵括了時間範圍、參與者的改變、新聞、消息...等變因,才造就了不同時框的 K 棒變化。
  2. 交易者所習慣觀察的時框大小,導致碎形能提供的資訊有所落差。
    例如:做 M1 極短線交易的人才剛 TP,而做 H1 長線波段的人才剛要準備交易。

接著粗淺地分享一下我的理解,不討論交易。

碎形的過程

討論碎形,我會分三個面向:

  1. 時段
  2. 事件
  3. 循環


M1 to H4

M1 to H4

時段


我們能從外匯市場的線圖得知 M1~H4 所參考的範圍不一樣,

例如用 H4 的時框觀察,
1:00 的 H4 K棒涵蓋的時間範圍是:01:00 開盤價 ~ 04:59 收盤價

5:00 的 H4 K棒涵蓋的時間範圍是:05:00 開盤價 ~ 08:59 收盤價

...

這應該相對好理解,就是 K 棒的開盤價、最高點、最低點、收盤價的組成(OHLC)


但相對的,這是一個簡化的過程。

我們能在 2 個 H4 K 棒得到的資訊量,是遠小於 480 個組成的 M1 K 棒所能看見的。

而資訊量則是判斷能不能形成一筆交易的重點,

資訊量多,相對的雜訊也多。

如何找到合適的大小時框、合理的資訊,才是在時段的碎形所要思考的點。



raw-image


事件


M1 走了五分鐘形成一個 M5 K棒,可能沒發生什麼特別的事。

不過 1個 H4 一定會有許多事件參與其中。


不同市場的開收盤,意味著參與者改變。

像是 00:00 之後,亞洲的機構、造市商可能下班了,但 2:00 後歐洲開盤,輪到歐洲的機構、造市商參與這個市場。

新聞、臨時事件。

各國會有固定的發佈特定新聞時間,像是各國失業率、服務業 PMI 初值...。以及最容易有黑天鵝發生的戰爭、巨大意外消息。

這些事件會導致不同時段的市場要面對的波動不同。注意,是波動

投機者需要的就是市場波動,我們需要藉由一些資訊(新聞、消息)來推動價格產生一定的波動而得到一段行情的利潤。


循環(Cycle)


循環的概念是什麼?

開始就是結束,而結束只是開始。 —《Dark 闇》


我對循環會是比較主觀的想像,

但沒有循環會怎麼樣?就像指數一樣,長期上漲。

而我理解的循環是什麼?是平衡。

想像一下美元對台幣維持在 30 塊的成因是什麼?

如果今天是 30 塊,下個月變成 35 塊、半年後變成 50 塊會發生什麼事?


回到實盤上的觀察。

那有哪些事件可以有自己的循環?

1 根 K 棒的循環 = OHLC

1 個市場開收盤的循環 = Open to Close

1 個 Session 的循環 = H4

1 天的循環 = 1 Day

1 個大數據的循環,例如非農 = 1 Month

...

而投機者最在乎的則是,我能不能在這些循環中找到、做到最大的波動?

是可以的。

光是上面兩張圖(時段、事件)的碎形資訊量,對於有經驗的交易者就有不同的交易機會。


事後觀察

不論上述這兩張圖交易機會、策略為何,我們都能看到價格有平衡的情況發生。

就是走一個 A 走一個 V 的價格行為。

但是 M1 和 M5 看得仔細,看一下一直存在在圖面中右側的兩個 H4 K 棒,

我們能得到這些細微的資訊嗎?或是交易機會?我想是很困難的。

畢竟我提供最小的視角(Lower Time Frame)是 M1 。


raw-image


那這張圖呢?它其實是 H4 的時框,並不是 M1

在這張圖,最小的 Lower Time Frame 被我定義為 H4 ,

也因為碎形成因一樣(時段、事件、循環),只是我們觀察角度(時間)的不同而已。


這些組成碎形的過程,是不停地發生。

交易員能做到的是取決於你所觀察的時框為定錨,找到適合你的交易機會。

做波段的和做當沖的人不用討論長期投資,

抱得住大波段的人不理解當沖的忙進忙出。

但這又有什麼關係呢?


-


這篇是我第一次在 Vocus 寫的文章,真的順暢許多了哈哈!

之前都是在 Notion 做筆記、在 Figma 整理圖片,統整後再到 Instagram 上傳。

圖片還得要正方形 閱讀體驗真的氣氣氣,交易走勢圖很寬的耶!


但目前規劃方式應該還是會以 Instagram 作為宣傳用途,

Vocus 為主要內容的呈現。
(不過 方格子 vocus 討論外匯、期貨當沖的好像小眾?


如果還有什麼要改善的地方,請各位讀者給予我一些指教!感謝啦!



留言
avatar-img
留言分享你的想法!
avatar-img
Nomoremargin |外匯倫敦盤的短線交易者
75會員
29內容數
在方格子嘗試寫作的交易員 - Time Range Balance 📈 倫敦盤外匯 紐約盤指數 - Don't be a pattern trader, Learn to find insights from charts.
2025/04/03
這篇會開始帶到一點... Imbalance - Rebalance 的概念,否則在建構交易策略時會有很多矛盾的點。 例如學 ICT Concept 的大哉問:為什麼這個 OB 頂不住?為什麼要形成 Breaker 才有效? 如果喜歡思考的朋友,這篇會用很多自我問句的方式一步一步拆解我用什麼
Thumbnail
2025/04/03
這篇會開始帶到一點... Imbalance - Rebalance 的概念,否則在建構交易策略時會有很多矛盾的點。 例如學 ICT Concept 的大哉問:為什麼這個 OB 頂不住?為什麼要形成 Breaker 才有效? 如果喜歡思考的朋友,這篇會用很多自我問句的方式一步一步拆解我用什麼
Thumbnail
2025/03/22
3/18 這天做了一筆心臟有點痛的 Long 單。 原本以為很輕鬆,但確實太極限了點啦 ... 訂閱我方格子的朋友人,應該也都看過 SMT 的基本介紹了,那這筆 Long 單就很適合拿來應用看看。 會再多一點點 HTF 的分析,但不影響 SMT 主架構。 如果還是有其他疑問也歡迎留
Thumbnail
2025/03/22
3/18 這天做了一筆心臟有點痛的 Long 單。 原本以為很輕鬆,但確實太極限了點啦 ... 訂閱我方格子的朋友人,應該也都看過 SMT 的基本介紹了,那這筆 Long 單就很適合拿來應用看看。 會再多一點點 HTF 的分析,但不影響 SMT 主架構。 如果還是有其他疑問也歡迎留
Thumbnail
2025/03/07
世界觀 - 平衡與不平衡 相關性 - 時間 碎形 - 範圍 ---- SMT 第三篇文章,也是 SMT 基礎概念的最後一篇。 這篇會把前面兩篇,世界觀、相關性的內容結合起來,應用在碎形裡面。 也就是透過 SMT 去定義每一個『範圍』。 而範圍這件事的前提就是碎形 在先前
Thumbnail
2025/03/07
世界觀 - 平衡與不平衡 相關性 - 時間 碎形 - 範圍 ---- SMT 第三篇文章,也是 SMT 基礎概念的最後一篇。 這篇會把前面兩篇,世界觀、相關性的內容結合起來,應用在碎形裡面。 也就是透過 SMT 去定義每一個『範圍』。 而範圍這件事的前提就是碎形 在先前
Thumbnail
看更多
你可能也想看
Thumbnail
身為採購專家,當然不能錯過11/11購物節的超殺折扣!本文將帶你深入瞭解蝦皮11/11購物節的完整攻略,從必領的各種優惠券、商城折扣,到限時的搶購技巧,讓你買到手軟荷包也不哭泣。更重要的是,揭密蝦皮分潤計畫,教你如何零成本創業,透過分享商品連結,每月輕鬆加薪,開啟數位遊牧人生!
Thumbnail
身為採購專家,當然不能錯過11/11購物節的超殺折扣!本文將帶你深入瞭解蝦皮11/11購物節的完整攻略,從必領的各種優惠券、商城折扣,到限時的搶購技巧,讓你買到手軟荷包也不哭泣。更重要的是,揭密蝦皮分潤計畫,教你如何零成本創業,透過分享商品連結,每月輕鬆加薪,開啟數位遊牧人生!
Thumbnail
雙11購物節將近,這次分享一些蝦皮海外賣場購物的步驟與注意事項,並且介紹雙11蝦皮購物的相關優惠;另外蝦皮分潤計畫持續招募新血中,只要分享購物連結即可獲得分潤,是很適合創作者的額外收入管道喔!
Thumbnail
雙11購物節將近,這次分享一些蝦皮海外賣場購物的步驟與注意事項,並且介紹雙11蝦皮購物的相關優惠;另外蝦皮分潤計畫持續招募新血中,只要分享購物連結即可獲得分潤,是很適合創作者的額外收入管道喔!
Thumbnail
因為 Fractal 好像沒標準的翻譯,所以Fractal 以下內文都統稱碎形 碎形的前提 Fractal 是我認為在交易中最複雜的概念。 它涵括了時間範圍、參與者的改變、新聞、消息...等變因,才造就了不同時框的 K 棒變化。 交易者所習慣觀察的時框大小,導致碎形能提供的資訊有所落差。 例
Thumbnail
因為 Fractal 好像沒標準的翻譯,所以Fractal 以下內文都統稱碎形 碎形的前提 Fractal 是我認為在交易中最複雜的概念。 它涵括了時間範圍、參與者的改變、新聞、消息...等變因,才造就了不同時框的 K 棒變化。 交易者所習慣觀察的時框大小,導致碎形能提供的資訊有所落差。 例
Thumbnail
1.0 從函數到函算語法 1.4 函算語法 1.4.1 語法範疇理論導論 1.4.2 函算語法與函數概念 三 弗雷格從語言結構的觀點出發,提出了函數可以被視為一個不完整的表式。如果我們將一個函數拆解為一個由一個函子及其 (一個或多個) 論元所組成的表式,那麼該函子便是一個有待滿足的
Thumbnail
1.0 從函數到函算語法 1.4 函算語法 1.4.1 語法範疇理論導論 1.4.2 函算語法與函數概念 三 弗雷格從語言結構的觀點出發,提出了函數可以被視為一個不完整的表式。如果我們將一個函數拆解為一個由一個函子及其 (一個或多個) 論元所組成的表式,那麼該函子便是一個有待滿足的
Thumbnail
多邊形空心線圈十分類似方形線圈,同樣會有個線圈外膨的現象,使得完成線型可能不如預期。在方形空心線圈的討論文章中,著重討論的是兩彎角之間的距離及漆包線徑的剛性強度影響,這些要素在多邊形線圈當中依然存在。簡單的描述,就是兩彎角越近,則彎角中間的直線段外擴越嚴重;漆包線越粗,代表線材越不容易彎折,也會增加
Thumbnail
多邊形空心線圈十分類似方形線圈,同樣會有個線圈外膨的現象,使得完成線型可能不如預期。在方形空心線圈的討論文章中,著重討論的是兩彎角之間的距離及漆包線徑的剛性強度影響,這些要素在多邊形線圈當中依然存在。簡單的描述,就是兩彎角越近,則彎角中間的直線段外擴越嚴重;漆包線越粗,代表線材越不容易彎折,也會增加
Thumbnail
圓形為空心線圈中最常出現的形狀,但很多設計者在規劃時,常常漏了一點,導致實際生產的尺寸有落差,那就是爬層空間。 如下圖所示,過往在空心線圈排列規劃時免不了兩種形式,左側的方形排列以及右側的緊實排列兩種,生產上是右側較為接近現實。但無論是左右兩種規劃,設計者往往都忽略了從線圈從第一層往上爬至第二層時
Thumbnail
圓形為空心線圈中最常出現的形狀,但很多設計者在規劃時,常常漏了一點,導致實際生產的尺寸有落差,那就是爬層空間。 如下圖所示,過往在空心線圈排列規劃時免不了兩種形式,左側的方形排列以及右側的緊實排列兩種,生產上是右側較為接近現實。但無論是左右兩種規劃,設計者往往都忽略了從線圈從第一層往上爬至第二層時
Thumbnail
玄同竟然開口說道“先前產生的三角型,在水準平面上既不等腰也不等邊,但如果將其在三維笛卡爾坐標系中調整角度,就可以得到一個正四面體。當然,這時正四面體的底面一定與水平面不平行。”他的聲音很有磁性,充滿了力量感,但說話的語氣十分生硬而且目光也只盯著懸空的投影,完全不與任何人發生交流。 這時,阿離蹦跳著
Thumbnail
玄同竟然開口說道“先前產生的三角型,在水準平面上既不等腰也不等邊,但如果將其在三維笛卡爾坐標系中調整角度,就可以得到一個正四面體。當然,這時正四面體的底面一定與水平面不平行。”他的聲音很有磁性,充滿了力量感,但說話的語氣十分生硬而且目光也只盯著懸空的投影,完全不與任何人發生交流。 這時,阿離蹦跳著
Thumbnail
這篇文章,會帶著大家複習以前學過的BFS框架, 並且以圖論的應用題與概念為核心, 貫穿一些相關聯的題目,透過框架複現來幫助讀者理解這個演算法框架。 BFS 框架 + 演算法 虛擬碼 # Queue 通常初始化成根結點,作為起點 BFS_queue = deque([root])​ # 先
Thumbnail
這篇文章,會帶著大家複習以前學過的BFS框架, 並且以圖論的應用題與概念為核心, 貫穿一些相關聯的題目,透過框架複現來幫助讀者理解這個演算法框架。 BFS 框架 + 演算法 虛擬碼 # Queue 通常初始化成根結點,作為起點 BFS_queue = deque([root])​ # 先
Thumbnail
這篇文章,會帶著大家複習以前學過的前綴和框架, 並且以區間和的概念與應用為核心, 貫穿一些相關聯的題目,透過框架複現來幫助讀者理解這個演算法框架。 前綴和 prefix sum框架 與 區間和計算的關係式 接下來,我們會用這個上面這種框架,貫穿一些同類型,有關聯的題目 (請讀者、或觀眾
Thumbnail
這篇文章,會帶著大家複習以前學過的前綴和框架, 並且以區間和的概念與應用為核心, 貫穿一些相關聯的題目,透過框架複現來幫助讀者理解這個演算法框架。 前綴和 prefix sum框架 與 區間和計算的關係式 接下來,我們會用這個上面這種框架,貫穿一些同類型,有關聯的題目 (請讀者、或觀眾
Thumbnail
剖面的7大類型   本書挑選已完成的63個當代建築案例(1906~2016),將剖面的構築邏輯呈現出來,及證明剖面的複雜性不會犧牲營造的可能性,並歸納出剖面的7大類型,分別為:1. 拉伸型(Extrusion)、2. 堆疊型(Stack)、3. 塑造型(Shape)、4. 剪切型(Sh
Thumbnail
剖面的7大類型   本書挑選已完成的63個當代建築案例(1906~2016),將剖面的構築邏輯呈現出來,及證明剖面的複雜性不會犧牲營造的可能性,並歸納出剖面的7大類型,分別為:1. 拉伸型(Extrusion)、2. 堆疊型(Stack)、3. 塑造型(Shape)、4. 剪切型(Sh
Thumbnail
上篇進一步認識基本的圖形架構與三大 Graph 算法,那首先從 shortest path 開始,我們會陸續去理解這些算法,以及可能的應用,如果還沒有看過上一篇的,可以點以下連結~那我們就開始吧! 【圖論Graph】Part1:初探圖形與圖形演算法之應用
Thumbnail
上篇進一步認識基本的圖形架構與三大 Graph 算法,那首先從 shortest path 開始,我們會陸續去理解這些算法,以及可能的應用,如果還沒有看過上一篇的,可以點以下連結~那我們就開始吧! 【圖論Graph】Part1:初探圖形與圖形演算法之應用
Thumbnail
之前已經說過限制模型,接下來進入下一部份根據Mulder and Hamaker (2021)建議,在 RI-CLPM 中,有許多擴展模型,今天要介紹的是 Extension 1。Extension 1就是加入跨時間不變的預測或結果變項,本文將介紹此模型構造和語法。
Thumbnail
之前已經說過限制模型,接下來進入下一部份根據Mulder and Hamaker (2021)建議,在 RI-CLPM 中,有許多擴展模型,今天要介紹的是 Extension 1。Extension 1就是加入跨時間不變的預測或結果變項,本文將介紹此模型構造和語法。
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News