لماذا يُقال إنه لا ينبغي أن نثق في "المؤشرات" مثل MACD و RSI و BOLL؟

لأنها في جوهرها مجرد تحويل دالة لـ OHLCV.

وفقًا لقانون DPI لانتروبيا المعلومات:
لا يمكن لأي مؤشر Z يتم حسابه بناءً على X (مثل OHLCV) أن يحتوي على معلومات أكثر حول المتغير المستهدف Y (العائدات المستقبلية) من X.
وهي: I(X. Y) ≥ I(Z. Y)

هذا يعني:
- لن يتم إنشاء المعلومات، كمية المعلومات حول اتجاهات السوق المستقبلية التي يحتوي عليها MACD أو BOLL لن تتجاوز أبداً كمية المعلومات التي تحتوي عليها بيانات OHLCV الأصلية.
- المعلومات عادة ما تضيع بسبب الضغط، يتم حساب معظم المؤشرات بضغط مفقود، على سبيل المثال: لا يمكن استنتاج الأسعار المحددة للـ 20 يومًا الماضية من المتوسط المتحرك لمدة 20 يومًا

لذا من منظور نظرية المعلومات، تحتوي OHLCV على أقصى كمية من المعلومات اللازمة للتنبؤ بالمستقبل (بالنظر فقط إلى الحجم والسعر دون اعتبار الأبعاد الأخرى). استخدام OHLCV بشكل مباشر هو الحل الأمثل نظريًا.

جوهر المشكلة هو: كيف يمكن تحسين نسبة الإشارة إلى الضوضاء.
تعتبر البيانات المالية بيانات ذات نسبة إشارة إلى ضوضاء عالية جدًا. ينبغي علينا التفكير في كيفية تحسين نسبة إشارة إلى ضوضاء بيانات OHLCV بدلاً من كيفية تعديل المؤشرات.

على سبيل المثال، فإن سلسلة أسعار الشموع اليابانية غير مستقرة (خصائصها الإحصائية مثل المتوسط والانحراف المعياري تتغير مع مرور الوقت)، وهذا يتعارض مع الفرضيات الأساسية للإحصاء / التعلم الآلي.
لذا يمكننا التخلي عن الشموع البيانية المعتمدة على الوقت، والانتقال إلى أعمدة الحجم، من خلال تشكيل أعمدة جديدة بأنفسنا، لجعل البيانات أكثر توافقًا مع الفرضيات الإحصائية.