Accueil | Automate | Dév. Système | Dév. Spécifique | Formation | Location | Méthode | Téléchargement | NewsLetter | Forum | Contact |

 Table des Matières

Fourier Transform (Transformée de Fourier)

Fournir une explication détaillée de l’analyse technique de Fourier va au-delà de la portée de ce manuel. De plus amples informations pourront être trouvées dans Technical Analysis of Stocks and Commodities magazine (TASC), Volume 1 numéros #2, #4, et #7; Volume 2 numéros #4; Volume 3 numéros #2 and #7 (Understanding Cycles); Volume 4 numéros #6; Volume 5 numéros #3 (In Search of the Cause of Cycles) et #5 (Cycles and Chart Patterns); et Volume 6 numéro #11 (Cycles).

La transformée de Fourier est une méthode qui a été mise au point à l’origine en physique mécanique pour étudier les phénomènes répétitifs (cycliques) comme les vibrations d’un instrument de musique à cordes ou des ailes d’un avion pendant un vol.

Le concept d’analyse complet est appelé analyse spectrale. La Fast Fourier Transform (FFT ou " Transformée de Fourier rapide ") est un calcul abrégé qui conduit ses calculs en secondes plutôt qu’en minutes. La FFT fait le sacrifice des relations de phase et se concentre simplement sur la longueur du cycle et son amplitude (sa force).

L’intérêt d’une FFT est sa capacité à pouvoir extraire le (ou les) cycle(s) prédominant(s) à partir d’une série de données (e.g., un indicateur ou une série de prix).

La FFT repose sur le principe selon lequel toute série limitée de données classées chronologiquement, peut bien être rapprochée arbitrairement bien en décomposant ces données en une série de vagues sinusoïdales. Chaque vague sinusoïdale a une longueur de cycle, une amplitude, et une relation en termes de phase avec les autres vagues sinusoïdales qui lui sont propres.

Des problèmes surgissent quand on applique une analyse de FFT à des données de prix de valeurs parce que la FFT est construite pour être appliquée à des séries chronologiques périodiques et non directionnelles (alors que les prix des valeurs ont tendance à avoir une certaine directionnalité). Pour palier ce travers, on tâche d’enlever toute caractéristique directionnelle à ces données (" detrending ") au moyen soit d’une régression linéaire ou d’une moyenne mobile.

Les données de prix de valeurs ne sont pas réellement périodiques étant donné que les valeurs ne sont pas échangées durant les week-ends et certaines périodes de vacances. MetaStock enlève ces discontinuités en faisant passer les données au travers d’une fonction de lissage appelée "hamming window."

Voir page
pour plus d’informations sur la façon de tracer les indicateurs. Pour plus d’informations sur les paramètres de la transformée de Fourier

Interprétation

Comme nous l’avons déjà dit au début de cette section, donner une interprétation complète d’une analyse de FFT va au-delà de la portée de ce manuel. Nous tâcherons d’expliquer dans le reste de cette section l’interprétation donnée par MetaStock à la FFT, ce que nous appelons l’Interpreted FFT(" La FFT interprétée ").

L’Interpreted FFT affiche un indicateur qui montre les trois longueurs de cycle prédominantes et la force relative de ces cycles (i.e., leurs relatives amplitudes).

L’indicateur Interpreted FFT est toujours affiché à partir du cycle le plus significatif et jusqu’au cycle le moins significatif. Plus cet indicateur restera longtemps sur une longueur de cycle spécifique, plus ce cycle était prédominant dans les données qui ont été analysées.

Une fois que vous connaissez la longueur du cycle prédominant, vous pourrez l’utiliser comme paramètre dans le cadre d’autres indicateurs. Pour les moyennes mobiles, utilisez la moitié de la longueur du cycle en tant que nombre d’unités de temps optimal. Par exemple, si vous savez qu’une valeur a un cycle d’une longueur de 40 jours, vous tracerez sur celle-ci une moyenne mobile à 20 jours.