Elliott hullámelmélet: Gyakorlati tudnivalók, stratégia, indikátorok, használata

Az Elliott-hullámelmélet azt állítja, hogy a pénzügyi piacok mozgásában ismétlődő, egymásba ágyazódó hullámszerkezetek figyelhetők meg. Az elmélet népszerűsége ellenére két kérdést kell elválasztanunk:

• az egyik, hogy utólag felismerhetők-e hullámszerű alakzatok az árfolyamgrafikonokon, 
• és ezek a minták valóban segítenek-e a még nem ismert jövőbeli árfolyammozgás előrejelzésében?

A következőkben bemutatjuk az Elliott-hullámelmélet alapjait, a legfontosabb szabályokat és alakzatokat, majd részletesen megvizsgáljuk, hogy mit mutatnak az elmélet előrejelzési képességét vizsgáló empirikus kutatások.

• Milyen megfigyelésekből indult ki Elliott?
• Melyek az impulzus- és korrekciós hullámok szabályai?
• Miért nehéz objektíven megszámozni a hullámokat?
• Milyen eredményeket kaptak az algoritmikus és gépi tanulási vizsgálatok?
• Mikor használható az Elliott-hullám kiegészítő eszközként?

Elliott-hullámelmélet: mit állít valójában?

Ralph Nelson Elliott az 1930-as években arra a következtetésre jutott, hogy a befektetői tömegpszichológia optimista és pesszimista szakaszai ismétlődő árfolyammintákat hoznak létre. Elképzelése szerint a fő trend irányába haladó mozgás jellemzően öt hullámból, az ezt követő korrekció pedig három hullámból áll.

Az elmélet később Robert R. Prechter és A. J. Frost Elliott Wave Principle című könyve révén vált széles körben ismertté. Fontos azonban, hogy egy elmélet népszerűsége, illetve egy ismert kereskedő egyetlen kiemelkedő eredménye még nem bizonyítja annak előrejelzési képességét.

Az impulzushullám három kötelező szabálya

Az emelkedő trendet leíró alapmintában az 1., 3. és 5. hullám a fő trend irányába halad, míg a 2. és 4. hullám korrekció. A klasszikus impulzushullámnak három alapvető feltételt kell teljesítenie:

• A 2. hullám nem korrigálhat az 1. hullám kiindulópontja alá.
• A 3. hullám nem lehet a három trendirányú hullám közül a legrövidebb.
• A 4. hullám normál impulzus esetén nem léphet be az 1. hullám árfolyamtartományába.

Az öt hullámból álló trendirányú szakaszt rendszerint egy A–B–C szerkezetű korrekció követi. A teljes ciklus így nyolc hullámból áll: öt hullám a magasabb fokozatú trend irányába, három pedig azzal ellentétesen.

Miért beszélünk egymásba ágyazódó hullámokról?

Elliott szerint ugyanaz a szerkezet több időtávon is megjelenik. Egy nagyobb trend első hulláma maga is felbontható öt kisebb hullámra, az ezt követő korrekció pedig három kisebb hullámra. Ezt nevezik az elmélet fraktális vagy önhasonló jellegének.

A gyakorlatban ez egyszerre az elmélet vonzereje és egyik legnagyobb problémája. Mivel több hullámfokozat létezhet egymás mellett, ugyanazt az árfolyamgrafikont különböző elemzők eltérően számozhatják meg. Ha pedig az aktuális számozás később érvénytelenné válik, egy másik hullámfokozatra vagy alternatív számozásra lehet áttérni.

Korrekciós alakzatok: zigzag, flat és háromszög

Zigzag korrekció

A zigzag rendszerint élesebb, a fő trenddel ellentétes A–B–C mozgás. A B hullám általában csak részben korrigálja az A hullámot, majd a C hullám ismét a korrekció irányába halad.

Flat korrekció

Flat alakzatnál a B hullám erősen visszakorrigálhat, ezért a korrekció oldalazóbb jellegű. A C hullám mélypontja sem feltétlenül kerül lényegesen az A hullám mélypontja alá.

Háromszög és diagonál

A háromszögek és diagonálok további rugalmasságot visznek a rendszerbe. Ezek segítségével több olyan árfolyammozgás is Elliott-szerkezetként értelmezhető, amely nem illeszkedik a szabályos öt plusz három hullámos mintába. Ez megkönnyíti az elmélet alkalmazását, de egyben növeli a visszatekintési torzítás veszélyét.

Fibonacci-arányok: szabályok vagy csak iránymutatások?

Az Elliott-elemzésben gyakran használt 38,2%, 50%, 61,8%, 100% és 161,8%-os arányok a lehetséges korrekciós és célárszinteket jelölik. Ezek többsége azonban nem kötelező szabály, hanem iránymutatás. Egy hullám több különböző Fibonacci-szint közelében is véget érhet, ezért a lehetséges célárak száma gyorsan megnő.

Ez fontos különbség: a három impulzusszabály megsértése elvileg érvényteleníti a számozást, míg a Fibonacci-arányok inkább lehetséges zónákat jelölnek. Minél több elfogadható arányt és alternatív számozást engedünk meg, annál könnyebb utólag megfelelő illeszkedést találni.

Mi az Elliott-hullámelmélet legnagyobb problémája?

A hullámelmélet értékelését nem az nehezíti, hogy az árfolyamokban egyáltalán ne lennének trendek, korrekciók vagy visszatérő alakzatok. A fő probléma az, hogy a klasszikus elemzés sok esetben nem ad egyetlen, előre rögzített és reprodukálható számozást.

Probléma	Miért fontos?
Szubjektív fordulópontválasztás	Nem egyértelmű, mely csúcsok és mélypontok alkotják a releváns hullámokat.
Több lehetséges hullámfokozat	Ugyanaz a mozgás eltérő időtávú szerkezetek részeként is értelmezhető.
Alternatív számozások	Ha az első forgatókönyv meghiúsul, gyakran új számozás készíthető.
Visszatekintési torzítás	A már ismert jövő birtokában sokkal könnyebb megtalálni a „helyes” hullámokat.
Nincs automatikusan kereskedési szabály	A hullámfelismerés önmagában nem határozza meg egyértelműen a belépést, kilépést, pozícióméretet és költségeket.

Prechter sikere bizonyítja az Elliott-hullámok működését?

Prechter ismertségéhez jelentősen hozzájárult egy 1984-es kereskedési versenyen elért kiemelkedő hozam. Egy rövid verseny eredménye azonban nem megfelelő tesztje egy előrejelzési módszernek. Sok résztvevő és nagy kockázatvállalás mellett statisztikailag várható, hogy valaki rendkívüli hozamot ér el akkor is, ha nincs tartós előnye.

A módszer megítéléséhez ezért nem egyetlen látványos eredményt, hanem sok, előre rögzített és ellenőrizhető előrejelzést kell vizsgálni. Prechter későbbi nyilvános prognózisai (rendkívül alacsony találati arány miatt) nem adnak meggyőző közvetett bizonyítékot arra, hogy a klasszikus Elliott-számozás tartós előrejelzési előnyt biztosítana.

Mit mutatnak az Elliott-hullámokkal kapcsolatos kutatások?

Az elérhető tanulmányok alapján három kutatástípust érdemes elkülöníteni:

1. utólag megszámozott grafikonokra épülő esettanulmányok;
2. algoritmikus hullámfelismerésre és tényleges jövőbeli irány-előrejelzésre épülő vizsgálatok;
3. olyan gépi tanulási modellek, amelyekben az Elliott-minta egy bemeneti vagy osztályozási reprezentáció.

1. Utólagos grafikonmagyarázat: látványos, de gyenge bizonyíték

D’Angelo és Grimaldi az EUR/USD 2009-2017 közötti grafikonját Elliott-hullámokkal számozták meg, és egy 2014-2015-ös jelentős esést sikeres előrejelzésként értékeltek. A tanulmány azonban lényegében egyetlen devizapár grafikus esettanulmánya, és nincs széles mintán végzett teszt, nincs előre rögzített algoritmus, nincs véletlen vagy egyszerű idősoros benchmark, és nincs statisztikai összehasonlítás.

Az ilyen vizsgálat azt mutathatja meg, hogy egy múltbeli árfolyampálya összeegyeztethető az Elliott-szabályokkal. Azt azonban nem bizonyítja megbízhatóan, hogy a számozás valós időben, a jövő ismerete nélkül is kiválasztható lett volna.

2. A legátfogóbb közvetlen vizsgálat: Vantuch, Zelinka és Vasant

A hullámok közvetlen irány-előrejelzési képességét Vantuch, Zelinka és Vasant vizsgálata teszteli a legátfogóbban. A szerzők automatikus algoritmussal kerestek Elliott-szerű mintákat az arany, az ezüst és az EUR/USD több millió, 2011-2015, illetve 2005-2015 közötti perces megfigyelésében. Az adatokat 10 perces és órás frekvencián is elemezték.

A kutatás külön vizsgálta a még csak négy pontig kialakult 1-2-3-4 szerkezeteket és a már teljes, öt hullámból álló 1-2-3-4-5 impulzusokat. A jövőbeli irányt Random Forest és Support Vector Machine modellekkel jelezték előre, majd az eredményeket hasonló hosszúságú, véletlenszerűen kiválasztott árfolyamszakaszokkal hasonlították össze.

Piac	1-2-3-4 + RF	1-2-3-4 + SVM	Teljes 1-2-3-4-5 + RF	Teljes 1-2-3-4-5 + SVM	Véletlen szakasz, teljes mintához
Arany	52,26%	54,40%	64,89%	68,06%	50,14%
Ezüst	48,18%	54,93%	67,50%	71,09%	43,44%
EUR/USD	55,39%	53,72%	66,99%	70,07%	46,71%

A fenti eredmények árnyaltak. Sajnos a négy hullámig kialakult, még nem teljes szerkezet alig teljesített jobban a véletlennél. A teljes, öt hullámból álló impulzus után viszont a modellek 65-71% közötti iránytalálati arányt értek el, lényegesen meghaladva a véletlen szakaszokra kapott eredményt, lásd alábbi grafikonon. 

forrás: saját szerkesztés

Ez a vizsgálat tehát az egyik legerősebb közvetlen bizonyítéka arra, hogy egy objektíven azonosított, már teljes impulzushullám többletinformációt hordozhat a következő korrekció irányáról. Ugyanakkor fontos korlát, hogy a találati arány nem azonos a kereskedési nyereséggel. A tanulmány nem mutat be tranzakciós költségekkel, hozam/kockázat mutatókkal és teljesen elkülönített, időben későbbi out-of-sample teszttel értékelt stratégiát.

3. Gépi tanulás és Elliott-hullámok

Egy 2023-as tanulmány nyolcféle Elliott-szerkezet felismerésére dolgozott ki mélytanulási modellt. A DL-EWP modell 1164 tesztmintán körülbelül 69%-os osztályozási pontosságot ért el, és a szerzők szerint jobban teljesített öt másik neurális hálós megoldásnál.

Modell	Hibaarány	Becsült pontosság
DL-EWP	31,06%	68,94%
SAE	34,74%	65,26%
MLP	43,62%	56,38%
BP hálózat	51,34%	48,66%
PCA-BP	55,55%	44,45%
SVD-BP	79,97%	20,03%

Fontos, hogy lássuk, ez elsősorban mintafelismerési és osztályozási eredmény. Nem ugyanazt vizsgálja, mint ami egy befektető számára releváns kérdés lenne, azaz a modell segítségével elérhető-e a buy-and-holdnál vagy egy egyszerű technikai szabálynál magasabb, költségek utáni kockázattal korrigált hozam. 

4. LLM-ekkel és megerősítéses tanulással támogatott Elliott-elemzés

Egy 2024-es tanulmány többügynökös rendszert épített, amely Elliott-hullámfelismerést, nagy nyelvi modelleket és mély megerősítéses tanulást kapcsol össze. A vizsgálat részvényeken és kriptoeszközökön, napi és órás adatokon tesztelte a négy- és öthullámos minták utáni irány-előrejelzést.

Az eredmények több esetben 60-89% közötti pontosságot mutattak, és a múltbeli tesztekre épülő tanulás rendszerint javította a teljesítményt. A mintánkénti esetszám azonban nagyon alacsony volt: egy-egy eszköznél és időtávnál gyakran mindössze 6-24 nem átfedő hullámot találtak. Emiatt az eredmények bizonytalansága nagy, és néhány helyes vagy hibás előrejelzés is jelentősen módosítja a százalékos találati arányt.

5. GBP/USD: magas osztályozási pontosság, de nem valódi kereskedési teszt

Egy másik kutatás 50, kézzel vagy szabályok alapján kiválasztott GBP/USD-mintát sorolt emelkedő és csökkenő Elliott-alakzatokba. A Linear Discriminant Analysis 99,43%-os osztályozási pontosságot ért el, és a 38,2%-os Fibonacci-szint adta a legkisebb előrejelzési hibát. A rendkívül magas szám félrevezető lehet, mert az osztályozási pontosság azt mutatja meg, hogy a modell mennyire tudja elkülöníteni a már kiválasztott emelkedő és csökkenő mintákat. Ez nem azonos azzal, hogy egy folyamatos, még nem ismert piaci adatsorban képes-e előre felismerni a következő hullámot. A minta mindössze négy hónapot és 50 megfigyelést foglal magában.

A témában megjelent kutatások összegzése

Az alábbi táblázat összefoglalja a tudományos folyóiratokban megjelent kutatások fontosabb megállapításait.

Tanulmány	Piac és minta	Fő eredmény	Mit bizonyít?	Fő korlát
D’Angelo–Grimaldi (2017)	EUR/USD, egy hosszú esettanulmány	Egy 2014–2015-ös célár közel teljesült	A múltbeli grafikon Elliott-számozással értelmezhető	Szubjektív, egyetlen eset, nincs benchmark
Vantuch–Zelinka–Vasant (2017)	Arany, ezüst, EUR/USD; több millió perces adat	Teljes impulzus után 64,89–71,09% iránytalálat	Objektív, teljes öthullámos minta hordozhat rövid távú információt	Nincs teljes kereskedési backtest és költségelemzés
Ramli és szerzőtársai (2018)	GBP/USD, 4 hónap, 50 minta	99,43% alakzatosztályozás; a 38,2%-os szint adta a legkisebb hibát	A már kiválasztott minták jól elkülöníthetők	Nagyon kis és szelektált minta; nem folyamatos piaci előrejelzés
Duan és szerzőtársai (2018)	Shanghai Composite, néhány fordulópont	0,34–0,79% MAPE rövid szakaszokon	A kijelölt fordulópontok görbéje jól illeszthető	A fordulópont-kiválasztás és az out-of-sample teljesítmény nincs megfelelően tesztelve
Yang és szerzőtársai (2023)	Több részvény-, deviza- és árupiaci idősor; 1164 tesztminta	A DL-EWP hibaaránya 31,06%	Az Elliott-szerkezet részben automatizálható és osztályozható	Mintafelismerés, nem költségek utáni kereskedési teljesítmény
Wawer és szerzőtársai (2024)	3 részvény, 3 kriptoeszköz; napi és órás adatok	A DRL több esetben javította az iránytalálatot	Az AI segítheti a hullámok automatizált értelmezését	Eszközönként nagyon kevés azonosított minta

Mit tekinthetünk összességében bizonyítottnak?

Állítás	A bizonyíték erőssége	Értékelés
Árfolyamokban algoritmikusan felismerhetők Elliott-szerű hullámok	Közepes	Több kutatás képes volt szabályalapú vagy gépi tanulási hullámfelismerésre.
A teljes impulzushullám után a következő irány a véletlennél jobban jelezhető	Korlátozott, de pozitív	A legátfogóbb közvetlen vizsgálat három piacon 65-71% körüli pontosságot talált.
A klasszikus, kézi Elliott-számozás objektív és reprodukálható	Gyenge	A hullámfokozat, a fordulópontok és az alternatív számozások jelentős szubjektivitást okoznak.
Az Elliott-hullámok önmagukban költségek után nyereséges stratégiát adnak	Nem igazolt	A csatolt kutatásokból hiányzik a széles, időben elkülönített, tranzakciós költségeket is tartalmazó összehasonlítás.
Nagy tőzsdei összeomlások hónapokkal előre jelezhetők	Nem igazolt	Az esettanulmányok nem helyettesítik az előre rögzített, sok eseményen végzett tesztet.

Egy technikai elemzési módszer értékelésénél nemcsak azt érdemes vizsgálni, hogy utólag jól illeszkedik-e az árfolyamgrafikonra. Fontos az is, hogy előre rögzíthetők-e a jelzések, a belépési és kilépési szabályok, a pozícióméret és a vállalható veszteség. Ha a technikai elemzést, a trendeket, az indikátorokat és a kockázatkezelés gyakorlati alapjait rendszerezett formában szeretnéd megismerni, nézd meg az Elemzésközpont Tőzsdetanfolyamát.

Hogyan lehet az Elliott-hullámokat a gyakorlatban használni?

Talán a fentiek alapján már látható, hogy Elliott-hullámelméletet nem célszerű önálló vételi vagy eladási rendszerként kezelni. Hasznosabb lehet olyan keretként, amelyben a kereskedő több forgatókönyvet és egyértelmű érvénytelenítési szinteket határoz meg. Többek között:

• Trend és korrekció elkülönítése: segíthet strukturáltan leírni, hogy az aktuális mozgás trendirányú vagy korrekciós jellegűnek tűnik.
• Érvénytelenítési pont: a kötelező hullámszabályok alapján meghatározható, mikor válik hibássá az aktuális forgatókönyv.
• Célárzónák: a Fibonacci-arányok nem pontos célárak, hanem lehetséges zónák lehetnek.
• Kockázatkezelés: a pozícióméretet nem a hullámszámozásba vetett meggyőződés, hanem az előre meghatározott veszteséglimit alapján kell megállapítani.
• Más jelzések megerősítése: trend, momentum, volatilitás és forgalom együtt vizsgálva megbízhatóbb keretet adhat, mint az Elliott-számozás önmagában.

Milyen indikátorok segíthetik a hullámok felismerését?

Az algoritmikus kutatások egyik tanulsága, hogy a fordulópontok objektív kijelölése nélkül nehéz a hullámelméletet tesztelni. A gyakorlatban ehhez használható:

• a ZigZag indikátor a kisebb kilengések kiszűrésére;
• fraktálindikátorok a lokális csúcsok és mélypontok azonosítására;
• trendcsatornák a hullámok lehetséges határainak kijelölésére;
• momentumindikátorok a trendirányú és korrekciós szakaszok megkülönböztetésére;
• előre rögzített százalékos tolerancia a Fibonacci-arányok elfogadásához.

Ezek az eszközök nem igazolják automatikusan az Elliott-elméletet. Abban segítenek, hogy a hullámfelismerés kevésbé függjön az elemző utólagos döntéseitől.

Működik az Elliott-hullámelmélet?

A csatolt kutatások alapján nem indokolt sem teljesen elutasítani, sem bizonyított előrejelzési rendszerként kezelni az Elliott-hullámelméletet. Az eredmények arra utalnak, hogy az objektív algoritmussal azonosított, már teljes impulzushullámok után a következő rövid távú irány bizonyos piacokon a véletlennél jobban jelezhető.

Ez azonban jóval szűkebb állítás annál, mint amit az elmélet hívei gyakran megfogalmaznak. Nincs meggyőző bizonyíték arra, hogy a klasszikus, kézzel végzett hullámszámozással megbízhatóan előre jelezhetők lennének a több hónapos trendfordulók vagy a nagy tőzsdei összeomlások. Arra sincs megfelelő bizonyíték a bemutatott anyagokban, hogy egy Elliott-alapú stratégia tranzakciós költségek és kockázat figyelembevétele után tartós többlethozamot termelne.

Az Elliott-hullámok ezért leginkább forgatókönyv-alkotási és kockázatkezelési segédeszközként használhatók. A módszer akkor válik szakmailag ellenőrizhetőbbé, ha a fordulópontokat, toleranciákat, belépési és kilépési szabályokat előre rögzítjük, majd az eredményeket széles mintán, időben elkülönített adatokon és reális költségek mellett teszteljük.

Szeretnéd rendszerezve megtanulni a technikai elemzést?

Az Elliott-hullámok jól mutatják, hogy egy látványos grafikus alakzat önmagában még nem jelent megbízható kereskedési rendszert. A trendet, a momentumot, az indikátorokat, a belépési és kilépési szabályokat, valamint a kockázatkezelést együtt érdemes vizsgálni.

Ha ezeket a témákat egymásra építve szeretnéd megismerni, nézd meg az Elemzésközpont Tőzsdetanfolyamát.