Niveaux Historiques représentent des prix qui se sont répétés au fil du temps pour un symbole donné. Techniquement, ces prix sont considérés comme des seuils importants dans l'analyse des conditions économiques d'un actif. Les études montrent que ces niveaux sont liés à des limites financières, ce qui signifie que le prix n'arrivera pas facilement à les franchir, à moins qu'il y ait un changement significatif dans la phase financière de l'actif. Voilà pourquoi il est crucial pour un trader d'intégrer les Niveaux Historiques dans son analyse de marché.
J'ai tenté de structurer notre compréhension de ces niveaux en me basant sur l'analyse des formations de bougies. Le comportement des prix autour de ces niveaux a souvent un impact significatif sur la forme des bougies. Par exemple, lorsqu'il existe un niveau fort pour un prix, on peut s'attendre à un SAUT DE PRIX, car un montant important d'argent est souvent « endormi » à ce prix ou à proximité.
En tenant compte de ce concept, j'ai développé deux règles :
- Règle 1 (bougie haussière sur le niveau de support) : si la clôture - le plus bas > Facteur de Saut
- Règle 2 (bougie haussière sur le niveau de résistance) : si la clôture - le plus bas > Facteur de Saut & (clôture - plus bas)/(haut - plus bas) > ratio
Pour rendre ces règles plus claires, deux images ont été préparées.
Image 1 : saut des niveaux S/R avec la même action (comme une bougie haussière sur un support)
Image 2 : saut des niveaux S/R mais à l'envers (comme une bougie haussière sous une résistance)
Sur la base de ces règles (qui peuvent être sélectionnées), un indicateur a été développé. Cet indicateur recueille des données dans deux matrices différentes (sup_mat et res_mat). Le nombre de niveaux S/R respectant les règles sélectionnées est affiché à l'écran pendant la collecte des données. Ainsi, la bibliothèque AlgLib (dataanalysis.mqh) est utilisée pour effectuer un processus de clustering des données recueillies via la méthode K-means. Les résultats sont illustrés sous forme de colonnes de données sur les Niveaux de Support et de Résistance.
Après avoir affiné les niveaux, un graphique du même symbole analysé s'ouvre et tous les niveaux (clusters) sont tracés sur ce graphique grâce au processus de clustering. Certains paramètres de l'indicateur peuvent être modifiés à partir de l'écran pour le rendre plus convivial. Voici une brève illustration des graphiques de l'outil et de ses résultats.
Image 3 : écran de l'indicateur
Image 4 : dessin automatique des résultats des Niveaux sur le graphique
En conclusion, cet outil est très puissant même avec des règles très basiques, et les niveaux montrent un comportement de support et de résistance fort. Il est possible d'ajouter plus de règles, et le code est conçu pour faciliter l'ajout de nouvelles règles. Par ailleurs, diviser les zones de clustering et créer des clustering plus dédiés pour ces zones, ou encore rechercher la distance maximale parcourue avant de toucher à nouveau les niveaux, sont des pistes d'amélioration pour l'outil. Si vous souhaitez en savoir plus, n'hésitez pas à me contacter.
Commentaire 0