Розробка системи рівнів підтримки/опору для трейдингу

Розробка системи рівнів підтримки/опору

Алгоритмічне визначення рівнів підтримки та опору (S/R) — завдання, з яким стикається кожен трейдер, що працює з 50+ інструментами. Ручна розмітка забирає до 20 годин на тиждень, а пропущений пробій на ETHUSD коштує від $500 до $2000 за угоду. Ми створили систему, яка автоматично знаходить значущі рівні з точністю 75%+ і скорочує час на розмітку на 80%. Це економить від $3000 до $8000 на місяць на ручній праці (залежно від кількості інструментів) і додатково знижує збитки від хибних пробоїв на 25%.

Система сканує заданий список інструментів через REST/WebSocket і оновлює рівні при кожному закритті свічки. В основі — кластерний аналіз pivot-точок з кастомним tolerance, фільтрація за об'ємом (Volume Profile) і мультитаймфреймове підтвердження. Ви отримуєте не просто лінії, а зони з кольоровою індикацією сили та real-time сповіщення при пробої.

Алгоритмічне визначення S/R

Кластеризація pivot-точок

Основний метод — кластеризація pivot-точок. Алгоритм:

1. Знайти всі pivot highs/lows за rolling window (за замовчуванням 50 барів)
2. Згрупувати близькі ціни в кластери (tolerance ±0.5%)
3. Оцінити силу кожного рівня: кількість дотиків, об'єм, свіжість

from scipy.cluster.hierarchy import linkage, fcluster def cluster_levels(price_points, tolerance=0.005): prices = np.array([p[1] for p in price_points]).reshape(-1, 1) Z = linkage(prices, method='single') labels = fcluster(Z, t=tolerance * np.mean(prices), criterion='distance') clusters = {} for i, label in enumerate(labels): clusters.setdefault(label, []).append(price_points[i]) return {k: np.mean([p[1] for p in v]) for k, v in clusters.items()} 

Кластеризація відсіює шум: замість сотень непотрібних ліній залишається до 20–30 значущих. На бектесті по ETHUSD точність сигналів на 25% вища, ніж при використанні простих rolling max/min.

Volume Profile та круглі числа

Додаткові джерела:

• Volume Profile / Point of Control (POC) — ціна з максимальним об'ємом за період. Детальніше в Volume Profile.
• Круглі числа (50000, 100000 для BTC) — психологічні рівні з базовою вагою.
• Фрактали Білла Вільямса — більш строгі локальні екстремуми.

Оцінка сили та фільтрація

Кожен рівень отримує score за кількома метриками:

Рівень, видимий на daily та 4h, отримує на 40% вищий score — це ключовий фактор фільтрації. Додатково фільтруємо за об'ємом: якщо на рівні менше 5% від середньої сесії, рівень ігнорується.

Динамічні рівні та пробої

Обробка пробою та зміна полярності

При закритті свічки за межами зони (±ATR/4) рівень позначається як broken. Підтримка стає опором і навпаки. Статус оновлюється в real-time через WebSocket — критично для торгових роботів.

Динамічні рівні

Статичні доповнюються динамічними:

• EMA 20/50/200
• Bollinger Bands (верхня/нижня смуга як S/R)
• VWAP та anchored VWAP

Наприклад, EMA 200 на daily — потужний рівень підтримки для BTCUSDT.

Практичне налаштування та візуалізація

Як налаштувати систему рівнів

1. Підключіть джерело даних (REST/WebSocket) — біржовий API або брокер.
2. Задайте список інструментів (наприклад, 50 криптопар).
3. Налаштуйте параметри: tolerance кластеризації, поріг score, таймфрейми.
4. Запустіть backtest на 6 місяців історичних даних.
5. Розгорніть ядро на сервері (Python) і підключіть фронтенд.
6. Отримуйте алерти при пробої рівнів у Telegram або через UI.

Візуалізація

Рівні відображаються як зони (прямокутники) на графіку. Товщина межі та насиченість кольору пропорційні score. Зони замість ліній — реалістичніше: ринок тестує діапазон, а не точку. Автоматичне оновлення при пробої та зміна полярності.

Стек: Python (pandas, scipy, numpy), PostgreSQL, WebSocket, React + TradingView Lightweight Charts.

Терміни та вартість

Термін розробки — від 4 до 8 тижнів залежно від складності інтеграції. Вартість розраховується індивідуально після аналізу вашого інструментарію. Замовте безкоштовний backtest вашої стратегії з нашою системою — наші інженери дадуть відповідь протягом дня. Зв'яжіться з нами для консультації.

Типові помилки при самостійній реалізації

• Використання одного методу (тільки фрактали) — низька репрезентативність.
• Відсутність фільтру за об'ємом — хибні рівні.
• Ігнорування динамічних рівнів — пропуск трендових рухів.
• Неправильний tolerance: 0.1% дає 100+ ліній, 2% — один рівень.

5+ років досвіду в розробці торгових систем для криптовалют. Метод заснований на підході Volume Profile Дж. Далтона (Mind Over Markets, 1991).