Оптимізація біржової торгівлі конвертованими валютами на базі прогнозування їх крос-курсів на прикладі діяльності приватного підприємця
Ця група длиться на дв основн частини: ковзаюч середн (ндикатори) осцилятори.
Ковзаюч середн
Moving Average (MA). ¶ндикатор Moving Average найбльш часто використовуваним ндикатором в технчному аналз. Лню ковзаючо середньою вдкладають прямо на графц рухи цни (рис. 2.9.).
MA = (Cn + Cn-1 + ... + C1) / n (2.1)
де МА – рухоме середн;
Cn, Cn-1, C1 – цни закриття попереднх перодв;
C1 – цна закриття останнього пероду;
n – кльксть даних перодв.
Ковзаюча середня зважа на деякий заздалегдь, наперед заданий перод. Чим менше перод, тим бльше ймоврнсть помилкових сигналв. Чим бльше перод, тим слабкша чутливсть ковзаючо середньо.
Варанти ковзаючих середнх:
Simple Moving Average – просте ковзаюче середн;
Weighted Moving Average – зважене ковзаюче середн;
Exponential Moving Average – експоненцальне ковзаюче середн.

Рис. 2.9. – Ковзаюча середня «Moving Average»
Bollinger Bands. Смуги Боллнджера схож з конвертами ковзаючих середнх (рис. 2.10.). Вдмннсть мж ними поляга в тому, що меж конвертв розташован вище нижче за криву ковзаючого середнього на фксованй, вираженй у вдсотках вдстан, тод як меж смуг Боллнджера будуються на вдстанях, рвних певному числу стандартних вдхилень. Оскльки величина стандартного вдхилення залежить вд волатильности, смуги сам регулюють свою ширину: вона збльшуться, коли ринок нестйкий, зменшуться в стабльнш пероди.

Рис. 2.10. – Смуги Боллнджера
Особливост смуг Боллнджера:
Рзк змни цн зазвичай вдбуваються псля звуження смуги;
Якщо цни виходять за меж смуги, слд чекати продовження поточно тенденц;
Якщо за списами западинами за межами смуги слдують списи западини усередин смуги, можливий розворот тенденц;
Рух цн, що почався вд одн з меж смуги, зазвичай досяга протилежно меж. Останн спостереження корисне для прогнозування цнових орнтирв.
Осцилятори
Stochastic Oscillator. Стохастичний осцилятор (рис. 2.11.) був винайдений Д. Лейном в 50- роки одним з найпопулярнших ндикаторв в технчному аналз. ¶ндикатор вда з себе криву, що коливаться в дапазон вд 0 до 100. Передбачаться, якщо ндикатор пднматься вище 70 пунктв або опускаться нижче 30 пунктв, то котирування акцй знаходяться поза станом рвноваги. Сигналами до покупки служить перетин ндикатором вд низу до верху рвня в 30 пунктв. Сигналами до продажу перетин ндикатором зверху вниз рвня в 70 пунктв. Також, нод як сигнальна лня розглядають просту ковзаючу середню, побудовану на графц Стохастичного осцилятора.

Рис. 2.11. – Стохастичний осцилятор «Stochastic»
Williams' Percent Range (%R). Процентний дапазон Ульямса(%R) рис. (рис. 2.12.) – це динамчний ндикатор, що визнача стан перекупленост/перепроданност. ¶ндикатор (%R) дуже схожий з стахостическим осцилятором. Вдмннсть мж ними поляга лише в тому, що перший ма перевернуту шкалу, а другою будуться з використанням внутршнього згладжування.
Для побудови ндикатора %R у перевернутй шкал його значенням зазвичай привласнються негативний знак (наприклад -30%). При аналз негативний знак можна не враховувати.
Значення ндикатора в дапазон вд 80 до 100% вказують на стан перепроданост. Значення в дапазон вд 0 до 20% свдчать про те, що ринок перекуплений.

Рис. 2.12. – Динамчний оссилятор «Williams' Percent Range»
Метод математичного програмування
¶снуюч в економц залежност повинн мати не тльки перодичн функц, але й експоненцальн та степенев. Тому справедлива наступна формула:
,
(2.2)
де х – аргумент;
у – функця;
A - Н – константи;
e – основа натурального логарифму.
В залежност вд чисельних значень констант, ця формула да множину кривих, представлену на рис. 2.13.

Рис. 2.13. Типи кривих, як можна створити за допомогою формули (2.2)
Виршення друго задач ускладнються тим, що не сну таких математичних перетворень, як б дозволили лнеаризувати (2.2), щоб потм отримати значення констант A - Н методом регрес або найменших квадратв. Тому потрбно застосований наступний оптимзацйний пдхд:
Встановити довльн значення констант A - Н .
Для всх значень аргументу довльних значень констант розрахувати величину у, яку позначимо як ур за формулою (2.2).
Для кожного значення функц знайти (ур – уф)2, де уф – фактичне значення функц, отримане за статистичними даними.
Виршити оптимальну задачу з функцоналом виду
,
(2.3)
а параметрами, що змнюються, будуть константи A - Н. Де N – розмр статистично вибрки.
Метод перетворення Фур’.
Перетворення Фур’ переводить часову функцю x(t) в частотну функцю X(f) через нтегральне спввдношення
(2.4)
¶нколи його записують у вигляд
(2.5)
Вхдна незалежна змнна t для часу, яка вимрються, як правило, в секундах, змнються в нтервал (-¥, ¥). Одиницями вимрювання ново незалежно змнно герци. ¶нтервалом змни також буде (-¥, ¥). ¶нколи замсть f використовуться змнна w; вдповднсть мж ними визначаться рвнстю w=2pf. Величина w вимрються в раданах за одиницю часу.
Розмрност w та f однаков дорвнюють 1/t.
Для довльно функц x(t) не завжди сну функця X(f).
Якщо замсть змнно f використовуться змнна w, то наведене вище рвняння набува вигляду
(2.6)
3. ОПИС ¶ РОЗРОБКА НОВОГО МАТЕМАТИЧНОГО МЕТОДУ ПРОГНОЗУВАННЯ КРОС-КУРС¶В
3.1 Математична постановка задач
Розгляд графка будь яко валюти показу, що вн явля собою суму синусод з рзним перодом (рис. 3.1).


Рис. 3.1. – Спввдношення хвильоподбност крос-курсу з синусодою
Дослдження впливу змни цих промжкв часу, роздлених на амплтуди характеристичних частот, повинно забезпечити покращення прогнозування, – перетворення Фур’ (2.4) методв нелнйно регресйного аналзу(2.2).
3.2 Проведення розрахункв
Проведемо дослдження графка змни крос-курсу EUR/JPY в наступних перодах:
25.01.2007 – 5.02.2007
6.02.2007 – 15.02.2007
16.02.2007 – 23.02.2007
26.02.2007 – 5.03.2007
6.03.2007 – 15.03.2007
16.03.2007 – 25.03.2007
26.03.2007 – 5.04.2007
6.04.2007 – 15.04.2007
16.04.2007 – 25.04.2007
26.04.2007 – 4.05.2007
06.05.2007 – 15.05.2007
16.05.2007 – 25.05.2007
Таким чином утворено 12 виброк по 240 точок у кожнй. Вихдн дан розмщен в таблиц 3.1.
Таблиця 3.1.
Вихдн дан до першого пероду (25.01.2007 – 5.02.2007)
|
Дата |
Час |
Вдкриття |
Максимум |
Мнмум |
Закриття |
| 25,01,2007 | 0:00 | 157,15 | 157,18 | 156,92 | 156,94 |
| 25,01,2007 | 1:00 | 156,95 | 156,98 | 156,66 | 156,68 |
| 25,01,2007 | 2:00 | 156,67 | 156,83 | 156,65 | 156,7 |
| 25,01,2007 | 3:00 | 156,72 | 156,77 | 156,42 | 156,46 |
| 25,01,2007 | 4:00 | 156,44 | 156,49 | 156,06 | 156,1 |
| 25,01,2007 | 5:00 | 156,09 | 156,38 | 156,06 | 156,22 |
| 25,01,2007 | 6:00 | 156,21 | 156,26 | 156,03 | 156,03 |
| 25,01,2007 | 7:00 | 156,02 | 156,27 | 155,75 | 155,97 |
| 25,01,2007 | 8:00 | 155,98 | 156,23 | 155,85 | 156,2 |
| 25,01,2007 | 9:00 | 156,21 | 156,59 | 156,08 | 156,5 |
| ... | ... | ... | ... | ... | ... |
| 05,02,2007 | 19:00 | 155,6 | 155,66 | 155,49 | 155,5 |
| 05,02,2007 | 20:00 | 155,52 | 155,54 | 155,46 | 155,47 |
| 05,02,2007 | 21:00 | 155,49 | 155,61 | 155,47 | 155,55 |
| 05,02,2007 | 22:00 | 155,54 | 155,63 | 155,5 | 155,63 |
| 05,02,2007 | 23:00 | 155,61 | 155,63 | 155,55 | 155,58 |
Для кожно вибрки розрахумо спектральну щльнсть за (2.4) з застосуванням програми Statistica 6.0 (рис. 3.2.). Приклад такого графка для 2-го та 8-го перодв показано на рис. 3.3..

Рис. 3.2. – ¶нтерфейс програми «Statistica 6.0»


Рис. 3.3. – Графк спектрально щльност
Проаналзувавши 12 перодв на графках спектрально щльност ми бачимо, що вини мають одну, дв або три амплтуди коливання але вс вони схож одню чтко вираженою амплтудою з перодом f = 0,02.
Тепер, знайшовши графчну закономрнсть за допомогою перетворення Фур’, – а це ключовим моментом в прогнозуванн економчних перодичних процесв, необхдно описати закономрнсть математично. Виконамо математичний опис знайдених закономрностей за допомогою методв математичного програмування (2.2).
Представимо математичну модель в вид таблиц 3.2..
Таблиця 3.2.
Математична модель
|
Ж пероду |
t |
A f = 0,2 |
A |
¶ = (A f = 0,2 - A)2 |
|||
| 1 | 31.01.2007 | 2,8 | 1,0 | 1,8 | |||
| 2 | 20.02.2007 | 59 | 1,0 | 58,0 | |||
| 3 | 12.03.2007 | 3,2 | 1,0 | 2,2 | |||
| 4 | 01.04.2007 | 32 | 1,0 | 31,0 | |||
| 5 | 21.04.2007 | 18 | 1,0 | 17,0 | |||
| 6 | 11.05.2007 | 6,5 | 1,0 | 5,5 | |||
| 7 | 31.05.2007 | 36 | 1,0 | 35,0 | |||
| 8 | 20.06.2007 | 100 | 1,0 | 99,0 | |||
| 9 | 10.07.2007 | 16,5 | 1,0 | 15,5 | |||
| 10 | 30.07.2007 | 2,8 | 1,0 | 1,8 | |||
| 11 | 19.08.2007 | 30 | 1,0 | 29,0 | |||
| 12 | 08.09.2007 | 2,2 | 1,0 | 1,2 | |||
| 297,0 | ← ∑ | ||||||
|
A |
B |
C |
D |
E |
F |
G |
H |
| 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
Для розробки та побудови дано математично модел було взято 12 перодв, t – середина нтервалв, A f = 0,2 визначено графчним методом з графкв спектрально щльност, в стовбець A – занесена формула (2.2) з посиланням на коефцнти A, B, C, D, E, F, G, H.
Визначимо вищевказан коефцнти в MS Excel (табл. 3.3.). Вже перш розрахунки за допомогою функц “Пошук ршень” електронних таблиць Excel показали, що константи E та G в (2.2) визначаються як нул у випадку, коли амплтуда синусоди менше середнього значення функц у 3-10 разв. Тому, для збльшення точност розрахунку, рекомендуться встановлювати обмеження на значення констант за наступним правилом:
На графку, який було побудовано за статистичними даними, видляться елемент криво, що нагаду синусоду знаходиться промжок значень агрументу, на якому ця синусода здйсню повне коливання – Δх. Тод, для константи E треба встановити наступне обмеження
E ≤ (0,5 – 1,5) 2π/Δх1. (3.1)
Початков значення констант B та F рекомендуться становити рвними одиниц, константи Н – середньому арифметичному статистичного значення функц, константу – D - 0.05, А=0.
Константа C визначаться з максимально амплтуди Δу т частини графку, яка визначена як синусодальна, ма наступн обмеження
С ≤ (0,4 – 0,6) Δу. (3.2)
Таблиця 3.3.
Математична модель з вдомими коефцнтами
|
Ж пероду |
t |
A f = 0,2 |
A |
¶ = (A f = 0,2 - A)2 |
|
| 1 | 31.01.2007 | 2,8 | 421,4 | 175207,1 | |
| 2 | 20.02.2007 | 59 | 39,2 | 390,3842 | |
| 3 | 12.03.2007 | 3,2 | 49,0 | 2101,777 | |
| 4 | 01.04.2007 | 32 | 31,4 | 0,362309 | |
| 5 | 21.04.2007 | 18 | 29,2 | 125,9568 | |
| 6 | 11.05.2007 | 6,5 | 27,6 | 443,4496 | |
| 7 | 31.05.2007 | 36 | 26,2 | 95,55286 | |
| 8 | 20.06.2007 | 100 | 25,1 | 5606,694 | |
| 9 | 10.07.2007 | 16,5 | 24,2 | 59,10535 | |
| 10 | 30.07.2007 | 2,8 | 34,4 | 1001,264 | |
| 11 | 19.08.2007 | 30 | 22,7 | 53,64417 | |
| 12 | 08.09.2007 | 2,2 | 25,1 | 525,4244 | |
|
1856,7 |
← ∑ |
|
A |
B |
C |
D |
E |
F |
G |
H |
| 49,04514 | -0,32172 | 435,263 | -259,325 | 18,33648 | 0,5 | 7,779768 | 10 |
Тепер, коли вдом вс коефцнти систематизована модель (2.2) можливо прогнозувати направлення крос-курсв конвертованих валют в майбутньому. Прогнозування тренду крос-курсу виконуться наступним чином:
в формулу (2.2) пдставляеться наступний промжок часу, перод, якиий повинен бути одинаковим по розмру з попереднми;
провести обчислення (2.2) з заздалегдь вдомими коефцнтами.
Достоврним сигналом, що в наступному перод тренд стане зростаючий буде (табл. 3.4.):
A t ≤ A t + 1 (3.3)
Достоврним сигналом, що в наступному перод тренд стане спадаючий буде:
A t ≥ A t + 1 (3.4)
Таблиця 3.4.
Прогнозування тренду в майбутньому перод
|
Ж пероду |
t |
A f = 0,2 |
A |
¶ = (A f = 0,2 - A)2 |
|||
| 1 | 31.01.2007 | 2,8 | 421,4 | 175207,1 | |||
| 2 | 20.02.2007 | 59 | 39,2 | 390,3842 | |||
| 3 | 12.03.2007 | 3,2 | 49,0 | 2101,777 | |||
| 4 | 01.04.2007 | 32 | 31,4 | 0,362309 | |||
| 5 | 21.04.2007 | 18 | 29,2 | 125,9568 | |||
| 6 | 11.05.2007 | 6,5 | 27,6 | 443,4496 | |||
| 7 | 31.05.2007 | 36 | 26,2 | 95,55286 | |||
| 8 | 20.06.2007 | 100 | 25,1 | 5606,694 | |||
| 9 | 10.07.2007 | 16,5 | 24,2 | 59,10535 | |||
| 10 | 30.07.2007 | 2,8 | 34,4 | 1001,264 | |||
| 11 | 19.08.2007 | 30 | 22,7 | 53,64417 | |||
| 12 | 08.09.2007 | 2,2 | 25,1 | 525,4244 | |||
|
28.09.2007 |
29,2 |
1856,7 |
← ∑ | ||||
|
A |
B |
C |
D |
E |
F |
G |
H |
| 49,04514 | -0,32172 | 435,263 | -259,325 | 18,33648 | 0,5 | 7,779768 | 10 |
Як видно з табл. 3.4. прогнозування можливо проводити до безкнечност, однак для бльш ефективного прогнозування, тобто, для збльшення доврчо ймоврност, - треба в кнц кожного пероду проводити перерахунки.
3.3 Переврка якост прогнозування
Щоб переврити яксть прогнозування простежимо поведнку крос-курсу EUR/JPY в минулому, пдставлямо в формулу (2.2) деякий перод.
Нехай у нас 10-ть промжкв часу – ми беремо 9-ть, прогнозумо спв ставлямо сторю крос-курсу з виданим прогнозом кбернетично модел (рис. 3.4.).

Рис. 3.4. – Спвставлення математичного прогнозу з сторю
графка крос-курса
Бачимо, що математичний прогноз справдився. Для статистичних пдрахункв доврчо ймоврност пропрацюмо переврку прогнозу ще близько 100-а разв.
Так псля переврки прогнозування були виведен так результати:
86,8% прогнозв, як робились за допомогою нового математично методу – справдились. Це на 40,2% краще нж давно вдом методи мат. аналзу (Williams' Percent Range, Stochastic Oscillator, Bollinger Bands)
4. РОЗРОБКА ¶НФОРМАЦ¶ЙНО· СИСТЕМИ
Розробка ¶С для реалзац запропонованого методу
Для продуктивно торгвл на мжнародному валютному ринку потрбно мати мобльну систему нформацйно-технчних методв. Швидксть подач новин, швидксть реакц ндикаторв, осциляторв, реакця брокера на фундаментальн фактори – все це невд’мною частиною успшно торгвл.
Сьогодн, коли нформацйн системи, комп’ютеризаця набирають обертв з галопуючим темпом, вс нововведення, науково-дослдн випробування потрбно представляти у вигляд нформацйно, автоматизовано системи.
Новий метод прогнозування перодичних процесв, створений для крос-курсв конвертованих валют, – не виключенням.
Для практичного застосування запропонованого мною математичного методу, потрбно завантажити архв котирувань, перетворення Фур‘ краще всього робити за допомогою прикладно програми «Statistica 6.0», потм отриман дан необхдно мпортувати в MS Excel вже там за допомогою «Пошуку ршень» знайти необхдн коефцнти. З таким широким алгоритмом майже неможливо вести внутриденну торгвлю. Тому необхдно розробити нформацйну систему.
Краще всього, новорозроблена математична модель автоматизуться в торговому термнал «Meta Trader 4» на основ вбудованого редактора «Meta Editor», мова якого нагаду мову програмування «С++». Дамо новому математичному ндикатору назву «SV-Trend», - псля компляц повна назва ндикатора буде: «SV-Trend.mq4»
Програмний структурний код вигляда так:
//+------------------------------------------------------------------+
//| SV-Trend.mq4 |
//| Copyright © 2005-2007, MetaQuotes Software Corp. |
//| metaquotes/ |
//+------------------------------------------------------------------+
#property copyright
#property link
#property indicator_chart_window
#property indicator_buffers 1
#property indicator_color1 Red
//---- indicator parameters
extern int ExtDepth=12;
extern int ExtDeviation=5;
extern int ExtBackstep=3;
//---- indicator buffers
double SV-TrendBuffer[];
double HighMapBuffer[];
double LowMapBuffer[];
int level=3; // recounting's depth
bool downloadhistory=false;
//+------------------------------------------------------------------+
//| Custom indicator initialization function |
//+------------------------------------------------------------------+
int init()
{
IndicatorBuffers(3);
//---- drawing settings
SetIndexStyle(0,DRAW_SECTION);
//---- indicator buffers mapping
SetIndexBuffer(0,SV-TrendBuffer);
SetIndexBuffer(1,HighMapBuffer);
SetIndexBuffer(2,LowMapBuffer);
SetIndexEmptyValue(0,0.0);
//---- indicator short name
IndicatorShortName("SV-Trend("+ExtDepth+","+ExtDeviation+","+ExtBackstep+")");
//---- initialization done
return(0);
}
//+------------------------------------------------------------------+
//| |
//+------------------------------------------------------------------+
int start()
{
int i, counted_bars = IndicatorCounted();
int limit,counterZ,whatlookfor;
int shift,back,lasthighpos,lastlowpos;
double val,res;
double curlow,curhigh,lasthigh,lastlow;
if (counted_bars==0 && downloadhistory) // history was downloaded
{
ArrayInitialize(SV-TrendBuffer,0.0);
ArrayInitialize(HighMapBuffer,0.0);
ArrayInitialize(LowMapBuffer,0.0);
}
if (counted_bars==0)
{
limit=Bars-ExtDepth;
downloadhistory=true;
}
if (counted_bars>0)
{
while (counterZ<level && i<100)
{
res=SV-TrendBuffer[i];
if (res!=0) counterZ++;
i++;
}
i--;
limit=i;
if (LowMapBuffer[i]!=0)
{
curlow=LowMapBuffer[i];
whatlookfor=1;
}
else
{
curhigh=HighMapBuffer[i];
whatlookfor=-1;
}
for (i=limit-1;i>=0;i--)
{
SV-TrendBuffer[i]=0.0;
LowMapBuffer[i]=0.0;
HighMapBuffer[i]=0.0;
}
}
for(shift=limit; shift>=0; shift--)
{
val=Low[iLowest(NULL,0,MODE_LOW,ExtDepth,shift)];
if(val==lastlow) val=0.0;
else
{
lastlow=val;
if((Low[shift]-val)>(ExtDeviation*Point)) val=0.0;
else
{
for(back=1; back<=ExtBackstep; back++)
{
res=LowMapBuffer[shift+back];
if((res!=0)&&(res>val)) LowMapBuffer[shift+back]=0.0;
}
}
}
if (Low[shift]==val) LowMapBuffer[shift]=val; else LowMapBuffer[shift]=0.0;
//--- high
val=High[iHighest(NULL,0,MODE_HIGH,ExtDepth,shift)];
if(val==lasthigh) val=0.0;
else
{
lasthigh=val;
if((val-High[shift])>(ExtDeviation*Point)) val=0.0;
else
{
for(back=1; back<=ExtBackstep; back++)
{
res=HighMapBuffer[shift+back];
if((res!=0)&&(res<val)) HighMapBuffer[shift+back]=0.0;
}
}
}
if (High[shift]==val) HighMapBuffer[shift]=val; else HighMapBuffer[shift]=0.0;
}
// final cutting
if (whatlookfor==0)
{
lastlow=0;
lasthigh=0;
}
else
{
lastlow=curlow;
lasthigh=curhigh;
}
for (shift=limit;shift>=0;shift--)
{
res=0.0;
switch(whatlookfor)
{
case 0: // look for peak or lawn
if (lastlow==0 && lasthigh==0)
{
if (HighMapBuffer[shift]!=0)
{
lasthigh=High[shift];
lasthighpos=shift;
whatlookfor=-1;
SV-TrendBuffer[shift]=lasthigh;
res=1;
}
if (LowMapBuffer[shift]!=0)
{
lastlow=Low[shift];
lastlowpos=shift;
whatlookfor=1;
SV-TrendBuffer[shift]=lastlow;
res=1;
}
}
break;
case 1: // look for peak
if (LowMapBuffer[shift]!=0.0 && LowMapBuffer[shift]<lastlow && HighMapBuffer[shift]==0.0)
{
SV-TrendBuffer[lastlowpos]=0.0;
lastlowpos=shift;
lastlow=LowMapBuffer[shift];
SV-TrendBuffer[shift]=lastlow;
res=1;
}
if (HighMapBuffer[shift]!=0.0 && LowMapBuffer[shift]==0.0)
{
lasthigh=HighMapBuffer[shift];
lasthighpos=shift;
SV-TrendBuffer[shift]=lasthigh;
whatlookfor=-1;
res=1;
}
break;
case -1: // look for lawn
if (HighMapBuffer[shift]!=0.0 && HighMapBuffer[shift]>lasthigh && LowMapBuffer[shift]==0.0)
{
SV-TrendBuffer[lasthighpos]=0.0;
lasthighpos=shift;
lasthigh=HighMapBuffer[shift];
SV-TrendBuffer[shift]=lasthigh;
}
if (LowMapBuffer[shift]!=0.0 && HighMapBuffer[shift]==0.0)
{
lastlow=LowMapBuffer[shift];
lastlowpos=shift;
SV-TrendBuffer[shift]=lastlow;
whatlookfor=1;
}
break;
default: return;
}
}
return(0);
}
//+------------------------------------------------------------------+
4.2 Приклад нтерфейсу
¶ндикатор добавляться як вс нш, - через «Головне меню» → Вставка → ¶ндикатори → Осцилятори → «SV-Trend»
¶ндикатор працю на всх перодах, як пдтриму «Meta| Trader| 4». Незважаючи на складнсть де та обширнсть розробки ндикатора, – працю вн дуже просто: коли ндикатор прогнозу спадаючий тренд, в наступному перод, червоним кольором ндукуться «Sell»(рис. 4.1.), а при прогноз зростаючого тренду уже синм кольором ндукуться «Buy»
¶ндикатор «SV-Trend» - являе собою не тльки грфчне представлення запропонованого методу, а ще удосконаленням технчних характеристик, так як вн да можливсть обнови вхдник даних, – а це означа збльшення кономчного ефекту.

Рис. 4.1. Приклад нтерфуйсу програми «Meta| Trader| 4» з
индикатором «SV-Trend»
5. Охорона прац
5.1 ¶нженерний - технчн заходи
5.1.1 Шкдлив небезпечн чинники при робот з ПК х вплив на
органзм людини
В даний час ПЕВМ широко застосовуються в рзних областях людсько дяльност, що дозволя звльнитися вд виконання велико клькост рутинних операцй пдвищити продуктивнсть прац. Не дивлячись на вс позитивн аспекти масового розповсюдження ПЕВМ сну ряд негативних чинникв, виявлення яких, оцнка впливу на людину розробка мерв по х усуненню або мнмзац актуальними завданнями на сьогодншнй день. На нашому пдпримств можна видлити наступн:
1) Диспле виконан на електронно-променевих трубках, потенцйним джерелом м'якого рентгенвського, ультрафолетового, нфрачервоного, видимого, радочастотного, сверх- низькочастотного електромагнтного випромнювань.
2) Нзьконтенсивн електромагнтн випромнювання мають мсце на робочих мсцях користувачв ПК, як не перевищують допустимих значень електричних магнтних полв для дапазону частот бОкГц - ЗООмгц. Максимальний рвень напруженост електричного поля реструться у задньо панел дисплея деклька менше на вдстан 10 см вд екрану корпусу дисплея.
4) Взуальн параметри (неправильний пдбр розмру кольору букв, фону, кутового розмру знаку, який залежить як вд типу шрифту, так вд його розмру тому подбне).
5) Шум комп'ютера характеризуться власне шумом ПК шумом принтера. По-перше зустрчаються погано працююч вентилятори процесора (зношуються вд часу або недосвдчен користувач дуже щльно х притискують до процесора).
По-друге, на матричних принтерах, навть, якщо загальний рвень шуму не перевищу гранично допустимого, перевищення в окремих частотах вельми значн, звичайне явище.
6) Електростатичний потенцал екрану. Вплив на людину – притягу електризу пил – людина вдиха – в результат стимулються розвиток онкологчних захворювань легенв.
7) Наявнсть пилу, озону, оксидв азоту аероонзац. Вдповдно до ГОСТ 12.1.005-88 змст озону в повтр робочо зони не повинно перевищувати 0,1 млграм/куб. м; змст оксидв азоту – 5 млграм/куб. м; змст пилу – 4 млграм/куб. р.
5.1.2 Заходи щодо боротьби з шкдливими небезпечними чинникамипри робот з ПК
Для боротьби з такими чинниками, як рентгенвське, ультрафолетове, низькочастотне н. випромнюваннями потрбно застосовувати захисний екран або монтор вищо якост.
Для запобгання стомленню очей при робот з ПК необхдно дотримувати оптимальн параметри яскравост, контрасту, кутових розмрв знакв, частоти змни кадрв нших характеристик екранного зображення. Також необхдно робити перодично перерви в робот, витримувати взуальн параметри при робот з монтором. Установка шрифту повинна бути не менше Arial Cyr 12.
Для боротьби з шумом ПК необхдне регулярне мастило вентиляторв або при необхдност свочасна х замна. Для запобгання шуму при робот з принтером необхдна модернзаця по можливост матричного на лазерний принтер застосування засобв шумопоглинання: негорюч або тяжкоспалахуюч спецальн перфорован плити, панел, мнеральна вата з максимальним коефцнтом звукопоглинання в межах частот 31,5 - 8000 Гц, або нш матерали аналогчного призначення, дозволен для устаткування примщень органами державного сантарно-епдемологчного нагляду. Крм того, необхдно застосовувати пдвсн стел з аналогчними властивостями.
Для боротьби з такими чинниками, як електростатичний потенцал екрану, пил тому подбне необхдне проведення заходв щодо провтрювання прибирання робочого примщення.
5.2 Загальн вимоги до органзац робочого мсця користувача ЕОМ
Органзаця робочого мсця користувача вдеотермналу ЕОМ повинна забезпечувати вдповднсть всх елементв робочого мсця х розташування ергономчним вимогам ГОСТ 12.2.032. Площа, видлена для одного робочого мсця з вдеотермналом або ПК, повинна складати не менше 6 кв. м, а об'м - не менше 20 куб. м.
Головними елементами робочого мсця трейдера письмовий стл крсло. Основним робочим положенням положення сидячи.
Робоча поза сидячи виклика мнмальне стомлення програмста. Рацональне планування робочого мсця передбача чткий порядок постйнсть розмщення предметв – засобв прац документац. Те, що потрбний для виконання робт частше, розташоване в зон легко досяжност робочого простору.
Моторне поле - простр робочого мсця, в якому можуть здйснюватися рухов д людини.
Максимальна зона досяжност рук – це частина моторного поля робочого мсця, обмеженого дугами, описуваними максимально витягнутими руками при рус х в плечовому суглоб.
Оптимальна зона - частина|частка| моторного поля робочого мсця|мсце-мил|, обмеженого дугами, описуваними передплччями| при рус в лктьових суглобах з|з| опорою в точц лктя з|з| вдносно нерухомим плечем (рис. 5.1.).

Рис. 5.1. – Зони досяжност рук в горизонтальнй площин
а – зона максимально досяжност;
б – зона досяжност пальцв при витягнутй руц;
– зона легко досяжност долон:
г – оптимальний простр