ابزارهای momentum چیست

بعنوان مثال, فرض کنید مقدار momentum ما =۰٫۹ μ باشد. در اینصورت ما ضریبی آپدیتی برابر با داریم .یعنی مقدار آپدیت ما هرچه باشد در این ضریب ضرب خواهد شد. حال اگر مقدار momentum را به μ=۰٫۹۹ افزایش دهیم, ما با اینکار ضریب اندازه آپدیت را ۱۰۰ برابر افزایش داده ایم و باید α ( ا base_lr) را با ضریب ۱۰ کاهش دهیم.

تیشرت ورزشی مومنتوم مدل اکسپدیت Momentum Tshirt Expedite

تیشرت ورزشی مومنتوم Momentum Tshirt Expedite از سری محصولات مومنتوم است که به طور اختصاصی برای دویدن طراحی شده است.

جهت سفارش سایز مناسب از برند مومنتوم یک الی دو سایز بزرگ تر را انتخاب کنید .

7روز فرصت عودت و تعویض

با خیال راحت خرید کنید 7 روز فرصت دارید که اگر کالا مورد پسندتان نبود آن را عودت دهید!

جدول سایز استاندارد مردانه

دور باسن	دور کمر	دور سینه	SIZE
97-103	73-76	89-96	S
104-108	77-84	97-104	M
109-116	85-92	105-112	L
117-124	93-100	113-120	XL
125-128	101-110	21-128	2XL

تیشرت ورزشی مومنتوم مدل اکسپدیت Momentum Tshirt Expedite از سری محصولات مومنتوم است که به طور اختصاصی برای دویدن طراحی شده است.

در نظر گرفتن ویژگی های منحصر به فرد در طراحی این سری محصولات ، آن ها را به محصولات محبوبی بین دونده ها تبدیل کرده است.

تی شرت Xpedite از این سری از محصولات نیز، از این امر مستثنی نبوده است و گزینه بسیار مناسبی برای دو شهری ، تریل رانینگ و ماراتون می باشد.

ابزارهای momentum چیست

معرفی اندیکاتور RSI یا شاخص قدرت نسبی

آموزش اندیکاتور شاخص قدرت نسبی (RSI) اندیکاتور شاخص قدرت نسبی یا (Relative Strength Index) توسط ولز ویلدر طراحی و توسعه یافته است ابزارهای momentum چیست که RSI اندیکاتوری بازگشتی است که برای تأیید و تعیین نقاط قیمتی و سطوح بازگشتی بازار به‌کاربرده می‌شود .

معرفی اندیکاتور شاخص جریان مالی یا MFI

شاخص گردش پول (Money Flow Index) یا MFI چیست و چگونه با آن معامله کنیم؟ شاخص گردش پول (Money Flow Index) یکی از اندیکاتورهای محبوب اندازه‌گیری مومنتوم یا شتاب در قیمت است. از این اندیکاتور برای شناسایی شرایط اشباع خرید .

معرفی اندیکاتور مومنتوم (Momentum)

اندیکاتور مومنتوم برای شناسایی سرعت حرکت قیمت طراحی شده است. به این معنا که به سرعت می‌تواند آینده بازار (یا یک سهم) را پیش‌بینی کند. این اندیکاتور در واقع قیمت فعلی را با قیمت روزهای گذشته (در بازه‌های زمانی مختلف) .

تراز تجاری یا Trade balance

از دید تحلیل بنیادی تراز تجاری یا Trade of Balance یعنی تفاوت قیمت میان صادرات و واردات را در یک کشور که مقدار این شاخص می تواند مثبت یا منفی باشد. درصورت مثبت بودن: زمانی که صادرات بیشتر از واردات .

اندیکاتور Parabolic SAR

این اندیکاتور توسط فردی به نام Welles Wilder به وجود آمده است. این اندیکاتور به عنوان اندیکاتورهای پیروی روند می باشد و همچنین نقاط برگشت قیمت سهم را شناسایی می کند. در نمودار ، به صورت نقطه چین هایی که .

معرفی اندیکاتور میانگین جهت دار( ADX)

اندیکاتور شاخص میانگین جهت‌ دار یا ADX کلمه ADX مخفف عبارت Average Directional movement Index به معنای شاخص میانگین حرکت جهت‌دار است. این اندیکاتور در گروه اندیکاتورهای روند (Trend) قرار می‌گیرد و به صورت کلی از سه عنصر اصلی شامل .

معرفی اندیکاتور ATR

اندیکاتور ATR مخفف کلمه Average True Range می باشد که اولین باردر سال ۱۹۷۸ ، توسط فردی به نام Welles Wilder به کاربرده شده است این اندیکاتور را می توان در گروه اندیکاتور های نوسان گیر بر شمرد و یکی .

معرفی اندیکاتور حجم معاملات (Volume)

اندیکاتور حجم معاملات (Volume) (volume) اندیکاتوری است که تعداد معاملات یا حجم معاملات را در یک رنج قیمتی و در یک بازه زمانی مشخص نشان می دهد . اما در اکثر مواقع معامله گران به دلیل ساده بودن این اندیکاتور استفاده ای از .

معرفی اندیکاتور استوکاستیک یا Stochastic Oscillator

اندیکاتور استوکاستیک اندیکاتور استوکاستیک (Stochastic) اطلاعاتی راجع به مومنتوم و قدرت روند را در اختیار شما قرار می‌دهد. در واقع این اندیکاتور، سرعت و قدرت حرکات قیمتی را مشخص می‌کند. منظور از اندیکاتور استوکاستیک چیست؟ شاید بتوانیم بهترین تعریف از اندیکاتور .

آموزش نرم افزار مفیدتریدر

دانلود و نصب مفیدتریدر۵ نرم‌افزار تحلیل تکنیکال و معاملات سهام نرم افزار مفید تریدر یا نام انگلیسی آن MofidTrader 5 که توسط کارگزاری مفید در اختیار سرمایه گذاران بازار بورس و آتی سکه قرار گرفته است یکی از پر کاربردترین و .

آموزش Caffe بخش دوم : Solver ها

بسم الله الرحمن الرحیم
بخش دوم آموزش در مورد Solver و پارامترهای مختلف اون هست.

توضیحات در مورد Solver

در Caffe ما با استفاده از solver ها, تنظیمات مختلف مربوط اجرای آموزش و آزمایش شبکه را مشخص میکنیم. تنظیماتی نظیر روش بهینه سازی (otpimization), نرخ یادگیری, momentum , تعداد تکرار آزمایشها (test iterations) و… در solver مشخص میشوند.وظایف یادگیری بین solver و شبکه تقسیم شده است به این صورت که کارهایی نظیر نظارت بر بهینه سازی و بروز آوری پارامترها مربوط به solver بوده و محاسبه خطا و مقادیر گرادیانت به عهده شبکه (مدل شبکه) میباشد. .

روش های بهینه سازی که قابل استفاده در Solver هستند را در زیر مشاهده میکنید:

بطور کلی وظایف یک solver را میتوان در موارد زیر خلاصه کرد :

1. . ساماندهی بهینه سازی و ایجاد شبکه آموزشی(training network) جهت یادگیری و همینطور ایجاد شبکه (های) آزمایشی(testing network(s)) جهت ارزیابی خروجی شبکه.
2. انجام بهینه سازی با فراخوانی های پی در پی فازهای forward و backward و بروزآوری پارامترهای شبکه.
3. ارزیابی (دوره ای ) شبکه .
4. گرفتن snapshot از مدل شبکه و وضعیت solver در طی بهینه سازی.

در هر تکرار از عمل بهینه سازی, مراحل زیر اتفاق می افتند :

1. فاز forward شبکه برای محاسبه خروجی و خطای شبکه فراخوانی میشود.
2. فاز backward شبکه برای محاسبه گرادیانت ها فراخوانی میشود.
3. گرادیانت ها در بروزآوری پارامترها با توجه به روش مشخص شده در solver اعمال میشوند.
4. وضعیت solver با توجه به نرخ یادگیری , تاریخچه و روش مشخص شده بروز آوری میشود تا وزنها را از مقداردهی اولیه به مدل یاد گرفته شده منتقل کند.

Solver ها را نیز همانند مدلها با استفاده از CPU و یا GPU اجرا کرد.

روشهای بهینه سازی

روشهای بهینه سازی که در Solver مشخص میشوند به مسائل بهینه سازی کلی کاهش خطا میپردازند. بعنوان مثال اگر فرض کنیم ما دارای دیتاست D باشیم ,هدف بهینه سازی میانگین گیری خطا از تمام |D|نمونه داده در این دیتاست است

عبارتی که در بالا مشاهده میکنید همان عبارت محاسبه میانگین خطا است که در آن خطای نمونه داده بوده و عبارت regularization است که دارای وزن میباشد. از آنجایی که |D| میتواند خیلی بزرگ باشد, در عمل, در هر تکرار solver , ما از تقریب تصادفی (stochastic approximation) این خطا استفاده میکنیم. برای اینکار بجای استفاده از تمام نمونه های دیتاست (|D|) ما از یک دسته کوچک(mini-batch) که تعداد نمونه هایی برابر با |N

در اینجا مدل, ابزارهای momentum چیست را در forward pass محاسبه کرده و گرادیانت ∇ را نیز در backward pass محاسبه میکند. مقدار w∆ (آپدیت وزن) بوسیله solver از طریق گرادیانت خطای ∇ , گرادیانت regularization و سایر پارامترهای اختصاصی مربوط به روش مشخص شده در آن بدست می آید.

روش SGD

Stochastic gradient descent که با نوع”SGD” در solver قابل استفاده است ((type: “SGD”)) ) ماتریس وزن W را توسط ترکیب خطی منفی گرادیانت (L(W∇ و مقدار تغییرات وزن قبلی V_t بروز آوری میکند..مقدار نرخ یادگیری α برابر با وزن منفی گرادیانت و مقدار momentum μ برابر با وزن آپدیت قبلی است.

بطور کلی ما برای محاسبه مقدار جدید V_t+1 و وزنهای آپدیت شده ماتریس W_t+1 در تکرار t+1 با داشتن مقدار آپدیت قبلی V_t و ماتریس وزن فعلی W_t از عبارت زیر استفاده میکنیم :

احتمالا برای بدست آوردن بهترین نتایج ,فراپارامترهای α و μ نیازمند کمی تغییر هستند. اگر مطمئن نیستید که از چه مقداری شروع کنید, میتوانید به بخش قواعد کلی که در ادامه آمده است نگاهی بندازید. همچنین برای اطلاعات بیشتر در این زمینه میتوان به مقاله جامع Leon Bottou در این باره با نام [۱]Stochastic Gradient Descent Tricks مراجعه کرد.

قواعد کلی در باره تنظیم نرخ یادگیری (α) و momentum (μ)

یک روش خوب برای گرفتن نتایج بهتر با استفاده از روش SGD مقدار دهی نرخ یادگیری α حول مقدار α≈۰٫۰۱ =۱۰ -۲ است و در صورتی که خطا شروع به افزایش کرد, کاهش مقدار آن در فاز آموزش با یک ضریب ثابت مثل ۱۰ و تکرار این روش برای چندین مرتبه است. بطور کلی , سعی کنید از momentum با مقدار μ=۰٫۹ یا مقداری مشابه آن استفاده کنید. با (هموار تر شدن)بهتر شدن آپدیت وزنها در طی تکرار های مختلف, momentum باعث سریعتر و پایدار تر شدن یادگیری عمیق با SGD شود.

روشی که تازه توضیح دادیم , روشی است که توسط Krizhevsky et al در مقاله معروف آنها در سال ۲۰۱۲ که مقام اول رقابت ILSVRC-2012 را با استفاده از شبکه های کانولوشنی برایشان به ارمغان آورد ارائه شده است.

اعمال تنظیمات فوق در Caffe با استفاده از solver ها بسیار راحت بوده و در ادامه ما با نحوه انجام این کار آشنا میشویم . برای استفاده از روشی که در بالا توضیح داده شد و تنظیم نرخ یادگیری خطوط زیر را بایستی به solver خود اضافه کنید.

در خط اول مشخص میکنیم که آموزش با نرخ یادگیری ۰٫۰۱ شروع شود

در خط دوم سیاست نرخ یادگیری را مشخص میکنیم, در این قسمت ما مشخص کردیم که نرخ یادگیری طی گام هایی (steps)کاهش یابد. در ادامه بیشتر درمورد این گزینه صحبت میکنیم.

خط سوم , همان ضریب کاهش نرخ یادگیری است که در هر گام انجام میشود. در این قسمت است که مشخص میکنیم نرخ یادگیری با چه ضریبی کاهش پیدا کند. در اینجا ما مشخص کردیم که نرخ یادگیری با ضریب ۱۰ کاهش پیدا کند ( یعنی نرخ یادگیری در مقدار gama که مساوی ۰٫۱ است ضرب شود)

خط چهارم همان تعداد گام هایی است که نرخ یادگیری در آنها باید کاهش یابد. دراینجا این مقدار برابر با ۱۰۰هزار است. یعنی هر ۱۰۰ هزار تکرار, نرخ یادگیری را کاهش بده.

خط پنجم هم تعداد تکرار مراحل آموزش را مشخص میکند. در اینجا یعنی ۳۵۰ هزار بار آموزش را تکرار کن .

خط آخر نیز مقدار momentum را مشخص کرده است.

تحت تنظیمات بالا, ما همیشه از momentum با مقدار =۰٫۹ μ استفاده میکنیم. ما آموزش را با نرخ یادگیری پایه (base_lr ا ) α=۰٫۰۱=۱۰ -۲ برای ۱۰۰ هزار تکرار اول شروع میکنیم و سپس نرخ یادگیری را با مقدار (gama (γ ضرب کرده و آموزش را با نرخ یادگیری برای ۱۰۰ هزار تکرار بعدی (۱۰۰-۲۰۰) ادامه میدهیم . به همین صورت برای تکرار های ۲۰۰ هزار تا ۳۰۰ هزار از نرخ یادگیری استفاده کرده و نهایتا از نرخ یادگیری برای تکرار های باقی مانده (۳۰۰ تا ۳۵۰ هزار) استفاده میکنیم .

لطفا دقت کنید که مقدار momentum یی که تنظیم میکنید اندازه اپدیت شما را بعد از تعداد زیادی تکرار آموزش با ضریب ضرب میکند. بنابر این اگر مقدار μ را افزایش دادید بهتر است مقدار α را نیز به همان نسبت کاهش دهید.

بعنوان مثال, فرض کنید مقدار momentum ما =۰٫۹ μ باشد. در اینصورت ما ضریبی آپدیتی برابر با داریم .یعنی مقدار آپدیت ما هرچه باشد در این ضریب ضرب خواهد شد. حال اگر مقدار momentum را به μ=۰٫۹۹ افزایش دهیم, ما با اینکار ضریب اندازه آپدیت را ۱۰۰ برابر افزایش داده ایم و باید α ( ا base_lr) را با ضریب ۱۰ کاهش دهیم.

همچنین دقت کنید که تنظیمات بالا تنها حکم راهنما را داشته و اینطور نیست که بهترین تنظیمات تحت هر شرایط و برای هر کاری باشند. اگر متوجه شدید که یادگیری شروع به بد شدن ( diverge) کرده است (بعنوان مثال مشاهده میکنید که مقادیر خطای شبکه و یا خروجی همگی Nan و یا inf میشوند و این مسئله هم بسیار زیاد دارد تکرار میشود) سعی کنید مقدار base_lr را کاهش دهید (مثلا مقداری برابر با base_lr: 0.001 ) و عمل آموزش را تکرار کنید. انقدر این عمل را تکرار کنید تا به base_lr برسید که عملا برایتان کار کند.

سیاست های نرخ یادگیری

در Caffe میتوان سیاست های مختلفی برای کاهش نرخ یادگیری لحاظ کرد. شما میتوانید در زیر لیستی از این سیاست ها و نحوه عملکرد آنها را مشاهده کنید.

• fixed : همیشه از base_lr استفاده میکند.(مقدار نرخ یادگیری ثابت است)
• : step نرخ یادگیری از رابطه ( ( base_lr * gamma ^ ( floor ( iter / step بدست می آید
• : exp نرخ یادگیری از رابطه base_lr * gamma ^ iter بدست می آید
• inv : نرخ یادگیری از رابطه ( base_lr * ( 1 + gamma * iter ) ^ ( - power بدست می آید
• multistep : مثل step عمل کرده با این تفاوت که اجازه تعریف گامهای غیریکسان در stepvalue میدهد
• poly: در این روش ,نرخ یادگیری از یک کاهش چند جمله ای تبعیت کرده و با رسیدن به max_iter صفر میشود, نرخ یادگیری در این روش از رابطه ( base_lr * ( 1 - iter / max_iter ) ^ ( power بدست می آید.
• sigmoid: در این روش ,نرخ یادگیری از یک کاهش سیگمویدی تبعیت کرده از رابطه ( ( ( ( base_lr * ( 1 / ( 1 + exp ( - gamma * ( iter - stepsize بدست می آید

لطفا دقت کنید که در صورت انتخاب هر کدام از موارد فوق بعنوان lr_policy در solver , اطمینان حاصل کنید تمامی پارامترهای مورد نیاز آنها (مواردی که در رابطه آورده شده اند) را فراهم کنید. بعنوان مثال اگر قصد استفاده از poly را دارید باید پارامترهای base_lr , iter , max_iter و power را نیز فراهم کنید.

این سیاستها به همراه توضیحات هریک در فایل Caffe.proto که پیشتر توضیح دادیم قرار دارد و برای فهمیدن اینکه آیا سیاست جدیدی اضافه شده است یا خیر و یا مشاهده اینکه یک سیاست به چه صورت در caffe عمل میکند میتوان به این فایل مراجعه کرد.

روش AdaDelta

روش AdaDelta که با نوع”AdaDelta” در solver قابل استفاده است (type: “AdaDelta”) . یک روش مشخص سازی نرخ یادگیری قدرتمند است که توسط M.Zeiler ارائه شد. این روش هم همانند SGD یک روش بهینه سازی مبتنی بر گرادیانت ابزارهای momentum چیست بوده و فرمول بروز آوری آن بصورت زیر است :
و

AdaGrad

روش adaptive gradient که با نوع AdaGrad در solver قابل استفاده است (type: “AdaGrad”) یک روش بهینه سازی مبتنی بر گرادیانت است که توسط Duchi et al ارائه شد. این روش بقول Duchi سعی میکند سوزن را در انبار کاه پیدا کند! و این کار را با استفاده از ویژگی های بسیار قابل پیش بینی اما بندرت دیده شده انجام میدهد.

با داشتن اطلاعات بروز آوری از تمام تکرار های قبلی که در آن ∋ t’ , فرمولی که توسط Duchi برای هر مولفه i از ماتریس وزن W ارائه شده است بصورت زیر میباشد

توجه کنید که در عمل, برای وزن های , ابزارهای momentum چیست روش AdaGrad بصورتی پیاده سازی میشود (خصوصا پیاده سازی که در Caffe وجود دارد) تا بجای اینکه از (O(dt فضای اضافی که برای ذخیره تک تک گرادیانتهای قبلی لازم است استفاده کند تنها به اندازه (O(d فضای اضافی برای اطاعات مربوط به گرادیانت های قبلی استفاده کند.

Adam

روش Adam که با نوع “Adam” در solver قابل استفاده است (type: “Adam”) یک روش بهینه سازی مبتنی بر گرادیانت است که توسط D.Kingma ارائه شد.این روش را میتوان تعمیمی از روش AdaGrad دانست که فرمول محاسبه آن در زیر آمده است :

Kingma et al پیشنهاد کرد برای مقادیر , و ε به ترتیب از مقادیر ۰٫۹ , ۰٫۹۹۹ و بعنوان مقادیر پیشفرض استفاده شود.در Caffe مقادیر momentum , momentum2 و delta به ترتیب معادل , و ε هستند.

NAG

روش Nesterov’s accelerated gradient که که با نوع “Nesterov” در solver قابل استفاده است (type: “Nesterov”) توسط Netsrov بعنوان یک روش مطلوب بهینه سازی convex ارائه شد. این روش قادر است بجای (O(1/t به نرخ همگرایی ( /O(1 دست پیدا کند. هرچند که فرضیات مورد نیاز برای دستیابی به ( /O(1 معمولا در شبکه های عمیق آموزش داده شده توسط Caffe برقرار نمیشوند( بعنوان مثال بخاطر non-smothness و non-convexity ) اما در عمل روش NAG میتواند روش بسیار موثری برای بهینه سازی گونه های خاصی از معماری های deep learning همانند آنچه در deep MNIST autoencoders توسط Sutskever et al انجام شد, باشد.

فرمولهای بروز آوری وزن بسیار شبیه آنچیزی است که در روش SGD ارائه شد. این فرمولها را در زیر مشاهده میکنید :

آنچیزی که باعث تمایز این روش با روش SGD میشود نحوه تنظیم ماتریس وزن W است که ما خطای گرادیانت (W)∇L را بر اساس آن محاسبه میکنیم. در روش NAG ما گرادیانت را از وزنهای جمع شده با momentum بدست می آوریم ( در حالی که در روش SGD ما خیلی ساده گرادیانت را از روی خود وزنها بدست می آوریم.

RMSprop

روش RMSprop که با نوع “RMSProp” در Solver قابل استفاده است یک روش بهینه سازی مبتنی بر گرادیانت همانند SGD است توسط Tieleman در یکی از کلاسهای Coursera ارائه شد . فرمول محاسبه بروز آوری پارامترها را در زیر مشاهده میکنید:

درصورتی که نتایج بروز آوری ها دارای نوسان باشد, گرادیانت با ضریب ۱-δ کاهش پیدا میکند. در غیر اینصورت به اندازه δ افزایش پیدا میکند. مقدار پیشفرض δ ( ا rms_decay) نیز برابر با δ=۰٫۰۲ میباشد.

Scaffolding یا قالب بندی

قالب بندی Solver روش بهینه سازی را آماده کرده و مدل را جهت شروع یادگیری مقدار دهی اولیه میکند. (با استفاده از Solver::Presolve() )

تحلیل تکنیکال 18 (مومنتوم)

امروز به بررسی اندیکاتور مومنتوم (momentum) که جزو دسته اسیلاتور ها به حساب می آید میپردازیم؛ اسیلاتور ها آن دسته از اندیکاتور ها میباشند که مناطق اشباع خرید و فروش را شناسایی و بررسی میکنند.

روش های معاملاتی

ریچارد دریهاویس (Richard Driehaus) یکی از سرمایه گذاران و تحلیل گران سرشناس بازار های مالی این نوع از معامله کردن را وارد بازار کرد که عبارت است از: به جای اینکه ما دست به خرید دارایی در قیمت های پایین بزنیم و منتظر صعود نمودار و کسب سود باشیم میتوانیم در قیمت های بالا خریده و در قیمت های بالاتر بفروشیم و در نتیجه سود بدست بیاوریم.

روند های صعودی بهتر هستند!

مومنتوم به یک سری از استراتژی های معاملاتی گفته میشود که در آن ها خریداران با خرید در قیمت های بالا و فروش دارایی در اوج قیمتی خود به سود میرسند. به طور کلی بازار کریپتو روند های صعودی را دنبال میکند و اندیکاتور مومنتوم نیز در روند های صعودی بهتر و موفق تر عمل میکند زیرا که روند های صعودی طولانی تر و قوی تر هستند.

شتاب مومنتوم

مومنتوم اینگونه کار میکند که در ابتدا با شتاب کم شروع به حرکت و صعود میکند و سپس در اوج شتاب بیشتری گرفته تا قله های بالاتری را ثبت کند سپس بازار شکل اصلاحی به خود میگیرد و از قدرت و شتاب آن روند کم کرده و به سمت پایین می آید.

نوسان گیری

سرمایه گذاری مومنتوم اینگونه است که از نوسانات بازار استفاده میکنید و بدور از روند اصلی بازار دست به معامله زده و سود از نوسان کردن قیمت بدست میاورید؛ همانند موج سواری بر روی دریا هر نوسان یک موج حساب شده و معامله گر پس از هر نوسان منتظر نقطه ورود به بازار میماند تا دوباره نوسان گیری کرده و سود کسب کند.

انتخاب دارایی

توجه داشته باشید که در انتخاب دارایی برای نوسان گیری از دارایی هایی که حداقل روزانه پنج میلیون دلار حجم مبادلات دارند استفاده کنید (چراکه با ورود نهنگ ها به راحتی و با شدت زیاد نوسانات خلاف جهت شما ایجاد نشود و باعث متضرر شدن شما نشود) همچنین در انتخاب دارایی سعی کنید آن را برگزینید که نوسانات بیشتری دارد.

بازه های زمانی

پوزیشن های نوسان گیری و روش معاملاتی مومنتوم به صورت کوتاه مدت میباشد و زیاد طول نمیکشد؛ حواستان باشد به هیچ وجه معاملات کوتاه مدت خود را در روش مومنتوم به حال خود و بدون مشخص کردن حد ضرر و حد سود رها نکنید چرا که ممکنه در نبود شما روند تغییر کند و ترید کوتاه مدت شما خراب بشود.

سود بیشتر!

یک معامله گر مومنتوم سعی میکند زودتر از بقیه روند صعودی را تشخصی و خرید بکند و همچنین در اخرین لحظات و در اوج قیمت نمودار دست به فروش دارایی بزند با این روش شما نیز میتوانید بیشترین سود ممکن را از یک روند صعودی و نوسان بگیرید.

فروش به موقع

زمانی که روند صعودی ضعیف و ضعیف تر شد و با استفاده از ابزار های تحلیلی مشخص شد که قدرت خود را از دست داده است باید به فکر فروش هرچه زودتر دارایی خود بیوفتید تا از آن سودی که کسب کرده اید کم نشود؛ گاهی از مواقع ممکن است بازگشت نمودار به قدری زیاد باشد که علاوه بر اینکه سود نکنید دچار ضرر نیز بشوید.

نحوه عملکرد

اندیکاتور مومنتوم قیمت فعلی را با قیمت های گذشته در بازه های زمانی مشخص مقایسه میکند؛ این اندیکاتور از یک خط و نوسان اطراف خط صفر تا محدوده مثبت و منفی 10 تشکیل شده است.

زمانی که اندیکاتور مومنتوم خط صفر را به سمت بالا شکست نشان از قوی شدن مومنتوم و سیگنال خرید است و زمانی که رو به پایین خط صفر شکست به معنی سیگنال فروش میباشد.

سیگنال های مومنتوم

در هنگام خرید یا فروش منتظر بمانید اندیکاتتور مومنتوم به خط صفر برسد و آن را دوباره به سمت بالا بشکند تا دست به خرید و یا به خط صفر رسیده و به سمت پایین شکست پیدا کند تا دست به فروش بزنید و اینگونه از سیگنال های مومنتوم و نرخ قدرت بازار استفاده کنید.ابزارهای momentum چیست

تقاطع خطوط

شما میتوانید یک اندیکاتور میانگین متحرک به مومنتوم خط اضافه کنید و سپس از تقاطع های این خطوط سیگنال های خرید و فروش را بدست بیاورید که به شرح زیر است:

• اگر اندیکاتور مومنتوم شما از پایین رو به بالا اندیکاتور میانگین متحرک را قطع کرد به معنی سیگنال خرید و صعودی بودن بازار است.
• اگر اندیکاتور مومنتوم از بالا رو به پایین میانگین متحرک را قطع کرد به معنی سیگنال فروش بوده و نزولی بودن بازار را نشان میدهد.

البته این نکته را مدنظر داشته باشید که این روش زمانی که بازار بی روند میشود اصلا مناسب نبوده و باعث به اشتباه افتادن شما میشود، پس از این روش و این اندیکاتور در بازار های روند دار استفاده کنید.

تایید روند ها

اندیکاتور مومنتوم رشد و نزول بازار را با رشد و نزول خود اندیکاتور تایید میکند و بهترین روش سوار شدن بر روی امواج و نوسانات بازار در مسیر روند با استفاده از سیگنال های این اندیکاتور میباشد و سپس با دریافت سیگنال های ضعیف شدن قدرت روند از پوزیشن های خود خارج شوید.

واگرایی

در این اندیکاتور از واگرایی نیز میتوانید استفاده کنید، زمانی که نمودار در حال ساختن کف های پایین تر بوده ولی اندیکاتور آن را تایید نمیکند و در حال ساختن سقف های بالاتر است به معنی سیگنال های خرید میباشد و میتوانید با خرید دارایی قبل از شروع شدن روند صعودی بر روی آن سوار شوید. این واگرایی در در روند های نزولی نیس دقیقا برعکس روند های صعودی نیز وجود دارد.

کلام آخر

اندیکاتور های مومنتوم برای همه ممکن است مناسب نباشد چراکه وقت و دقت بیشتری را از معامله گران و تحلیل گران میطلبد ولی در ازای این وقت و تمرکز بیشتر سود های بهتری را نیز نسیب تریدر ها میکند و شما میتوانید بدون رشد کردن قیمت دارایی هایتان و تنها با استفاده از نوسانات بازار به سود های خیلی خوبی دست پیدا بکنید.

ابزارهای مناسب نویسندگان برای مدیریت زمان و افزایش بهره‌وری

آیا شما از جمله نویسندگانی هستید که همیشه وقت کم می‌آورند‌، برای انجام امور تلاش می‌کنند اما مدام کارهایشان یا به عقب می‌افتد یا در حالت تعلیق است. اگر با این مسئله دست و پنجه نرم می‌کنید، یعنی شما هم جزو آن دسته آدم‌هایی هستید که مدیریت زمان از دستشان خارج می‌شود.

البته شما مقصر نیستید! این روزها مسائل زیادی برای پرش ذهنی و کنارگذاشتن کاری که در حال انجامش هستیم وجود دارد. از مسائل روز جامعه و زندگی شخصی گرفته تا سرگرم شدن به ایمیل‌، کانال‌های اجتماعی‌، وبلاگ‌ها و وب‌سایت‌های موردعلاقه شما‌، بازی‌ها و… همه مواردی هستند که گرایش به آن‌ها می‌تواند شما را از انجام یا ادامه کار منصرف کند. آیا این مسئله برای شما هم آشناست؟

با این پیش‌فرض که همه چیز خوب باشد، تمام ساعات کاری خود را صرف نوشتن برای مشتریان‌، بازاریابی خدمات خود و کسب درآمد زیاد می‌کنید. اما همیشه که همه چیز خوب پیش نمی‌رود، درست است؟

بااین‌وجود خوشبختانه‌، پرتگاه اینترنت در بحث مدیریت زمان و بهره‌وری هم خوب عمل کرده است. اینترنت مکانی عالی برای یافتن ابزارهای مناسب نویسندگی است. ابزارهایی که به شما کمک می‌کنند هوشمندتر و سازماندهی‌شده کار کنید و بهره‌وری بیشتری داشته باشید.

ما لیستی جامع از سایت‌ها و افزونه‌های آزمایش‌شده‌ی کروم را جمع‌آوری کرده‌ایم تا در این مقاله در اختیارتان بگذاریم. استفاده از این ابزارها موجب کمک به مدیریت زمان، افزایش بهره‌وری و در نهایت کسب درآمد بیشتر می‌شود.

۱۰ ابزار کاربردی برای مدیریت زمان

Google Chrome و ابزارهایی برای افزایش بهره‌وری نویسندگان

احتمالا شما اطلاعات زیادی در مورد Google Chrome دارید‌، مانند توانایی پیش‌نمایش URL مقصد قبل از کلیک بر روی آن و امکان ورود به حساب‌های مختلف گوگل در پنجره‌های متفاوت. اما چقدر درباره افزونه‌های مرورگر کروم می‌دانید‌؟ مجموعه کاملی از پلاگین‌ها وجود دارد که می‌تواند به شما برای افزایش بهره‌وری کمک کند. در ادامه برخی از این افزونه‌ها را بررسی و معرفی می‌کنیم.

راه‌حل‌های تکنیکی برای مدیریت زمان و کاهش حواس‌پرتی

اگر داخل منزل می‌نویسید، عوامل حواس‌پرتی بیشتری در کمین شماست. اما نگران نباشید. شما با استفاده از تکنیک‌هایی مانند تایمر Pomodoro که برای مدیریت زمان بسیار مناسب است تمرکز خود را افزایش دهید و بدون خستگی به کار خود ادامه دهید. همچنین با کمک سایت‌هایی برای مدیریت پروژه مانند Todoist، تمام پروژه‌ها و تسک‌های خود را در نظر داشته باشید و هرگز از برنامه‌های خود عقب نمانید.

البته این‌ها تنها دو راه و دو ابزار هستند که می‌توانید هر موقع که بخواهید و هر جا که باشید از آن‌ها استفاده کنید تا بهره وری خود را بهبود ببخشید. اگر دسته “productivity” یا «بهره‌وری» افزونه‌های کروم را بررسی کنید‌، با تعداد بسیار زیادی از ابزارهای مناسب نویسندگی مواجه می‌شوید.

بهترین نویسندگان می‌دانند چطور بهره وری خود را افزایش دهند. اگر شما نیز با چنین چالشی مواجه شده اید شاید این 10 برنامه بتوانند به شما در افزایش بهره‌وری و متعاقبا نیل سریع‌تر به اهداف‌تان یاری کنند.

Todoist

این ابزار مدیریت وظیفه برای نویسندگان، مترجمان و صاحبان مشاغل آنلاین مناسب است. با استفاده از آن‌، می‌توانید وظایف را ایجاد‌، دسته‌بندی و برچسب‌گذاری کنید تا تصویری واضح‌تر از آنچه که باید انجام دهید و زمان آن را، به دست آورید. این باعث می‌شود که بتوانید با هرکسی در هر دستگاهی همکاری کنید‌. همچنین می‌توانید لیست‌های Todoist خود را در سیستم‌عامل‌های مختلف همگام‌سازی کنید.

برای کسب اطلاعات بیشتر در مورد تودوایست و قواعد آن، مقاله «راهنمایی برای استفاده از Todoist» را مطالعه کنید.

StayFocusd

StayFocusd ابزاری است که نویسندگان برای جلوگیری از اتلاف وقت به آن نیاز دارند. شاید برای شما هم اتفاق افتاده باشد که در جستجوی یک قطعه کوچک اطلاعات برای مقاله‌، وارد مرورگر شوید، چشم‌تان به یک لینک جذاب بیفتد، کاملا آن قطعه‌ی کوچک را فراموش کنید و زمانی طولانی به وب‌گردی مشغول شوید. به طور معمول پس از این مسئله حس نوشتن‌تان را هم از دست می‌دهید چون کاملا ذهن‌تان از فضای اصلی دور شده است. اما اگر از StayFocusd استفاده کنید دیگر این خبرها نیست. این ابزار برای حضور شما در مرورگر محدودیت ایجاد می‌کند و از اتلاف زمان حاصل از جستجوهای غیرضروری در فیس‌بوک و وب‌سایت‌ها جلوگیری می‌کند.

اما اگر به چنین ابزاری برای اپلیکیشن‌های گوشی خود یا سایر مرورگر‌ها نیاز دارید، می‌توانید از ابزار Freedom استفاده کنید.

Pocket

Pocket یک ابزار نشانه‌گذاری است که مقالات‌، فیلم‌ها و تقریبا هر صفحه وب را تا آنجا که پیش برده‌اید نشانه‌گذاری می‌کند. این ابزار موجب صرفه‌جویی در زمان برای ابزارهای momentum چیست انجام تحقیقات‌تان می‌شود. با استفاده از Pocket دیگر از خودتان نمی‌پرسید: “خب کجا بودم؟”

یکی از بهترین ویژگی‌های Pocket این است که به طور اتوماتیک بین تلفن همراه، تبلت و رایانه شما همگام‌سازی می‌شود‌، بنابراین می‌توانید مطالعه‌ی صفحات ذخیره‌شده‌تان را از جایی که بودید، آغاز کنید.

Auto Text Expander

چقدر سریع می‌توانید تایپ کنید؟ ابزارهای momentum چیست اکثر نویسندگان خیلی سریع تایپ می‌کنند. اما اگر بتوانید حتی سریع‌تر تایپ کنید‌، بهتر نیست؟ تایپ سریع، موجب صرفه‌جویی در زمان و افزایش بهره‌وری می‌شود. برای این کار لازم نیست دور خودتان را با متدها و کتاب‌های پرفروش تایپ ده انگشتی پر کنید. ابزار Auto Text Expander به شما کمک می‌کند تا سریع‌تر تایپ کنید. در برنامه میانبرهایی برای کلمات یا عبارات رایجی که هنگام تایپ استفاده می‌کنید ایجاد کنید. با تایپ میانبر، عبارت به طور خودکار به مقاله وارد می‌شود. این ابزار برای صرفه‌جویی در وقت و درست‌نویسی مناسب است.

Google Keep

Google Keep نیز از ابزارهای مناسب نویسندگان، پژوهشگران و مترجمان است. می‌توانید از این ابزار در وب‌گردی‌هایتان استفاده کنید. به این صورت که وقتی صفحه وب‌، تصویر یا نقل‌قول مفیدی پیدا کردید که به نظرتان در کارهای بعدی مورداستفاده قرار می‌گیرد، آن را ذخیره کنید. برای ذخیره‌سازی کافی است راست کلیک کرده و گزینه‌ی ذخیره در keep را انتخاب کنید.

Google Keep نیز مانند Pocket، در همه دستگاه‌ها همگام‌سازی می‌شود. همچنین می‌توانید یادداشت‌ها و استیکرهایی را به مواردی که ذخیره می‌کنید اضافه کنید. به‌این‌ترتیب سازماندهی خودکار و دسترسی به محتوای شما برای استفاده‌های بعدی آسان می‌شود.

Momentum

آیا تابه‌حال در صفحه‌ای از برگه‌های مرورگر گم شده‌اید؟ خب، این اتفاق می‌افتد. نویسندگانی که در خانه کار می‌کنند می‌دانند که تمرکز‌، مدیریت زمان و بهره وری چقدر اهمیت دارد. اما هر بار که یک برگه یا مرورگر جدید باز می‌کنید‌، حواس شما پرت می‌شود. یک یادآوری کوچک برای برگشت به مسیر چطور است؟

با Momentum‌، هر بار که یک برگه جدید در مرورگر خود باز می‌کنید‌، با یادآوری‌های جذابش شما را به مسیر اصلی بازمی‌گرداند. Momentum به‌جای مشاهده یک برگه جدید، به شما ابزارهای momentum چیست ابزارهای momentum چیست یک عکس روزانه‌، نقل‌قول انگیزشی و یادآوری مداوم از تمرکز شما در آن روز را نشان می‌دهد.

Strict Workflow

Strict Workflow یک برنامه دیگر است که شما را از سرگردان شدن بین وب‌سایت‌هایی که جز اتلاف وقت چیزی ندارند، باز می‌دارد. با استفاده از آن‌، می‌توانید یک لیست سفارشی از سایت‌هایی که نمی‌خواهید وارد آن‌ها شوید ایجاد کنید و میزان زمانی را که مجاز به صرف وقت در آن‌ها هستید کنترل کنید.

به عنوان مثال: 25 دقیقه عدم‌دسترسی برای تمرکز بر روی کار و سپس 5 دقیقه استراحت.

نویسندگان موفق در حال حاضر به این روش کار می‌کنند، این برنامه همچنین می‌تواند به شما در توسعه نظم و انضباط کمک کند.

Sortd

ایمیل برای شما چقدر وقت‌گیر است؟ اگر کار و مشتری‌های زیادی دارید و همچنان در صدر بازاریابی قرار دارید‌، به‌زودی صندوق ورودی شما پر از ایمیل‌های دریافتی خواهد شد که برای پاسخ‌گویی به آن‌ها باید یک زمان مستقل درنظر بگیرید. شما که نمی‌خواهید با مشغول شدن به پاسخ‌گویی به ایمیل‌ها زمان ارزشمندتان را از دست دهید؟ ما یک پیشنهاد برای‌تان داریم، از Sortd استفاده کنید.

Sortd یک پوشش‌دهنده‌ی هوشمند برای سرویس Gmail است که به شما کمک می‌کند ایمیل‌ها و وظایف را در هر مکانی که هستید اولویت‌بندی و برنامه‌ریزی کنید. این افزونه شبیه به Todoist است‌، با این تفاوت که از داخل Gmail کار می‌کند تا به شما در ایجاد وظایف و سازماندهی آنان بر اساس ایمیل‌هایتان کمک کند.

کار‌کردن با Sortd بسیار آسان است، رابط کاربری ساده‌ی کشیدن و رها‌کردن به شما امکان می‌دهد امورتان را اولویت‌بندی کنید و لیست کارهای مرتبط با جیمیل خود را مرتب نگه دارید.

LastPass

رمز عبور شما چیست؟ شاید الآن خیلی سریع رمزهای عبورتان را به یاد آورید که آن‌هم کمی بعید است اما هرچه رد پای دیجیتالی شما به‌عنوان یک نویسنده بزرگ‌تر شود‌، نام کاربری و رمزهای عبور بیشتری باید به‌خاطر بسپارید. به یاد سپردن رمزهای زیاد امکان‌پذیر نیست و می‌تواند موجب اتلاف وقت شود. آیا تابه‌حال گذرواژه خود را آن‌قدر حدس زده‌اید که حساب‌تان قفل شود؟ در بهترین حالت باید کل مراحل درخواست بازنشانی گذرواژه‌، بررسی ایمیل خود و شروع مجدد را طی کنید.

LastPass همه نام‌های کاربری و گذرواژه‌های شما را ذخیره می‌کند تا ذهن‌تان خالی از این دغدغه‌ها شود. این ابزارهای مناسب نویسندگی به شما کمک می‌کنند تا از فضای مغز و ذهن‌تان برای کارهای مهم‌تری مثل پول درآوردن یا انجام به‌موقع امور استفاده کنید.

Note Board

آیا میز کار شما مملو از یادداشت‌های چسبنده، لیست کارهایی که آخرش هم ناپدید می‌شوند و اطلاعات مهم برای تکمیل یک پروژه‌، است؟

گشتن سطل زباله‌، جستجوی ایمیل یا حتی درخواست مجدد این اطلاعات از مشتری می‌تواند زمان زیادی را هدر دهد. بهتر نیست یادداشت‌های چسبنده را کنار بگذارید و از نسخه دیجیتالی آن استفاده کنید؟

Note Board یک راه دیجیتالی برای نوشتن و سازماندهی یادداشت‌های چسبنده است. همچنین می‌توانید اسکرین‌شات صفحات را بگیرید تا بعدا به‌صورت آفلاین بخوانید یا آن‌ها را نیز به همراه یادداشت‌های چسبنده ذخیره کنید. اگر نکته مهمی وجود دارد که باید به‌خاطر بسپارید‌، Note Board به شما کمک می‌کند. همچنین با استفاده از این برنامه می‌توانید اعلان‌ها را هم برنامه‌ریزی کنید.

جمع‌بندی

در این مقاله ابزارهای مناسب نویسندگان را به شما معرفی کردیم تا بگوییم می‌توان از فناوری برای تبدیل‌شدن به نویسنده‌ای بهتر کمک گرفت، اما بازهم به علایق و شخصیت شما بستگی دارد. شاید راحت باشید برنامه‌ریزی‌هایتان را به‌صورت دستی، مکتوب کنید یا با دیدن برچسب‌های چسبیده روی میز حس بهتری پیدا کنید.

این 10 افزونه کروم تنها ابزارهایی نیستند که می‌توانند به شما در انجام کارهای بیشتر به‌عنوان یک نویسنده کمک کنند‌، ابزارهای بسیار زیادی وجود دارد اما پیشنهاد می‌کنیم چند مورد از همین برنامه‌ها را امتحان کنید و مراقب باشید که خودتان را غرق در ابزارهای مختلف نکنید. احتمالا خودتان می‌دانید چه چیزی مانع از دستیابی شما به نتایج خوب می‌شود، پس برنامه‌هایی را انتخاب کنید که به بهترین شکل به رفع آن موانع می‌پردازند تا در وقت خود صرفه‌جویی کنید‌، درآمد بیشتری کسب کنید و هر روز کارهای بیشتری انجام دهید. شما چه برنامه‌هایی برای مدیریت زمان توصیه می‌کنید؟