LiquidityScan

· ORDER BLOCKS & FVGS · 11 MIN READ · UPDATED 2D AGO

FVG کے fill ہونے کا امکان: Backtests سے win rates کا انکشاف

FVG کے fill ہونے کا امکان: Backtests سے win rates کا انکشاف

کسی Fair Value Gap (FVG) کے fill ہونے کا امکان طے شدہ نہیں ہوتا۔ Backtests سے پتہ چلتا ہے کہ بہترین سیٹ اپس کے لیے یہ عام طور پر 40% سے 60% تک ہوتا ہے، جس کا انحصار مارکیٹ اسٹرکچر، ٹائم فریم اور لیکویڈیٹی پر ہے۔

Backtests سے FVG کی fill rates کے بارے میں کیا پتہ چلتا ہے؟

Fair Value Gaps کے منظم backtests سے یہ بات سامنے آتی ہے کہ ان کی کارکردگی یقینی نہیں بلکہ امکانی ہوتی ہے، جس میں reversal انٹریز کے لیے win rates اکثر 40% سے 60% کے درمیان ہوتی ہیں۔ یہ رینج ان سیٹ اپس پر لاگو ہوتی ہے جو واضح طور پر بیان کیے گئے ہوں اور سازگار حالات میں بنیں۔ اگر کوئی FVG اکیلا ہو، یعنی اس کے ساتھ کوئی اور تائیدی عنصر نہ ہو، تو اس کے fill ہونے کا امکان سکے کو اچھالنے جیسا ہوتا ہے، اور بعض اوقات اس سے بھی بدتر۔ اصل برتری خود FVG میں نہیں، بلکہ اس سیاق و سباق میں ہے جس میں وہ ظاہر ہوتا ہے۔

قیمت کی ترسیل میں یہ خامیاں ادارہ جاتی تجزیے کا ایک بنیادی تصور ہیں۔ جیسا کہ CME Group جیسے ایکسچینجز نے بھی واضح کیا ہے، مارکیٹیں نیلامی کے عمل کے ذریعے چلتی ہیں۔ ایک FVG ایک ناکام نیلامی کی نمائندگی کرتا ہے، ایک جارحانہ اقدام جس نے آرڈرز کو ادھورا چھوڑ دیا۔ مارکیٹ کا ان قیمتوں پر دوبارہ آنے کا رجحان تاکہ کاروبار کو آسان بنایا جا سکے، FVG fill ٹریڈ کی بنیاد ہے۔ لیکن یہاں کلیدی لفظ 'رجحان' ہے۔ ڈیٹا سے پتہ چلتا ہے کہ قیمت کا یہ توازن مشروط ہے، یقینی نہیں۔

40-60% کا ہندسہ ایک بنیادی معیار ہے۔ یہ امکان ان عوامل کی بنیاد پر ڈرامائی طور پر بدل جاتا ہے جن کی ہم پیمائش کر سکتے ہیں۔ ایک بڑے ٹائم فریم پر ٹرینڈ کی سمت میں بننے والے FVG کے کامیاب ہونے کا امکان، M5 چارٹ پر خبروں کے دوران ٹرینڈ کے خلاف بننے والے FVG کے مقابلے میں واضح طور پر زیادہ ہوتا ہے۔ ان متغیرات کو سمجھنا ہی وہ چیز ہے جو ان ٹریڈرز کو الگ کرتی ہے جو FVGs کو مؤثر طریقے سے استعمال کرتے ہیں، ان سے جو مسلسل stop out ہوتے رہتے ہیں۔

طریقہ کار: FVG کی کارکردگی کی پیمائش کیسے کی جائے

FVG کے fill ہونے کے امکان پر قابل اعتماد ڈیٹا حاصل کرنے کے لیے، ایک سخت backtesting طریقہ کار کی ضرورت ہے۔ آپ صرف چارٹس کو دیکھ کر کامیابیوں کو نہیں گن سکتے؛ آپ کو ایک سخت، دہرائے جانے کے قابل قواعد کا مجموعہ چاہیے۔ یہ نقطہ نظر خودکار ٹریڈنگ سسٹم تیار کرنے میں عام ہے، جیسا کہ کارکردگی پر مبنی قواعد پر علمی تحقیق میں بھی دیکھا گیا ہے، اور یہ اتنا ہی اہم ہے ان ٹریڈرز کے لیے جو اپنی حکمت عملی کے لیے اعداد و شمار جمع کر رہے ہیں۔

ایک 'Fill' کی تعریف: Consequent Encroachment بمقابلہ مکمل توازن

ایک 'fill' کوئی سادہ ہاں یا ناں کا واقعہ نہیں ہے۔ مضبوط ٹیسٹنگ کے لیے، ہمیں یہ واضح کرنا ہوگا کہ کس چیز کو fill سمجھا جائے گا۔ ایک عام معیار یہ ہے کہ قیمت FVG کے 50% کی سطح تک واپس ٹریڈ کرے، جسے consequent encroachment کہا جاتا ہے۔ اکثر یہ کم از کم ضرورت ہوتی ہے جس کی بنیاد پر ایک FVG کو 'قابل احترام' سمجھا جاتا ہے۔ ایک مکمل توازن، جہاں قیمت پورے گیپ سے گزر کر اس کے دوسرے سرے تک ٹریڈ کرتی ہے، ایک زیادہ سخت تعریف ہے۔ زیادہ تر شماریاتی ماڈلز کے لیے، consequent encroachment کو چھو لینا ہی FVG کو کامیابی سے mitigate ہونے کے طور پر درجہ بندی کرنے کے لیے کافی ہے۔

ایک 'ناکامی' کی تعریف: FVG کے ذریعے قیمت کا Displacement

ناکامی کی تعریف کم مبہم ہے۔ ایک FVG اس وقت ناکام ہوتا ہے جب قیمت اس کی طرف واپس آتی ہے لیکن پھر displacement کے ساتھ اس کے نقطہ آغاز سے بھی آگے نکل جاتی ہے۔ اگر ایک bullish FVG پر انٹری لی گئی ہے، اور قیمت اس میں واپس ٹریڈ کرتی ہے لیکن پھر FVG کی تیسری کینڈل کے low کو توڑ دیتی ہے، تو سیٹ اپ ناکام ہو گیا ہے۔ backtest ڈیٹا کو قابلِ اعتبار بنانے کے لیے یہ ناکامی کا نقطہ واضح اور معروضی ہونا چاہیے۔

ڈیٹا سیٹ: پیئرز، سیشنز، اور دورانیہ

ایک بامعنی backtest کے لیے ایک بڑے ڈیٹا سیٹ کی ضرورت ہوتی ہے۔ کسی ایک پیئر پر تین ماہ تک ٹیسٹنگ کرنا کافی نہیں۔ ایک ٹھوس ٹیسٹ میں کم از_کم 12-24 ماہ کا ڈیٹا شامل ہونا چاہیے جو متعدد، مختلف مارکیٹ ماحول پر محیط ہو۔ مثال کے طور پر، ایک ٹیسٹ EUR/USD اور ES (E-mini S&P 500) فیوچرز کنٹریکٹ پر تمام سیشنز میں کیا جا سکتا ہے تاکہ مختلف اتار چڑھاؤ اور لیکویڈیٹی پروفائلز کا احاطہ کیا جا سکے۔ مقصد یہ دیکھنا ہے کہ FVG ٹرینڈنگ، رینجنگ، زیادہ حجم، اور کم حجم والے حالات میں کیسی کارکردگی دکھاتا ہے۔

FVG کے fill ہونے کے امکان پر اثر انداز ہونے والے کلیدی عوامل

ایک FVG کے قائم رہنے کا امکان ایک متحرک متغیر ہے۔ چار کلیدی عوامل مسلسل اس کے امکانات کو بدلتے ہیں: مارکیٹ اسٹرکچر، ٹائم فریم، liquidity sweeps سے قربت، اور سیشن کا وقت۔ ان پر عبور حاصل کرنا ہی آپ کو صرف FVGs کو پہچاننے سے آگے بڑھ کر ان کی اہلیت جانچنے کے قابل بناتا ہے۔

مارکیٹ اسٹرکچر کا سیاق و سباق: ٹرینڈ کی سمت بمقابلہ ٹرینڈ کے خلاف

یہ سب سے اہم عنصر ہے۔ ایک FVG جو غالب مارکیٹ اسٹرکچر کی سمت میں بنتا ہے اس کے سپورٹ یا مزاحمت کے طور پر کام کرنے کا امکان بہت زیادہ ہوتا ہے۔ مثال کے طور پر، 1H چارٹ پر ایک واضح bullish اپ ٹرینڈ میں، ایک مضبوط اوپر کی حرکت سے بننے والا bullish FVG ایک اعلی امکان والا retracement ہدف ہے۔ اس کے برعکس، اسی اپ ٹرینڈ میں ایک bearish FVG ایک کم امکان والا شارٹ سیٹ اپ ہے، جس کے ناکام ہونے کا امکان زیادہ ہے کیونکہ قیمت مزید اونچے اہداف کی تلاش میں ہے۔

ٹائم فریم کا باہمی تعلق: H4 کا رجحان بمقابلہ M5 کی انٹری

کوئی بھی FVG خلا میں موجود نہیں ہوتا۔ اس کا امکان بڑے ٹائم فریم کے بیانیے سے بہت زیادہ متاثر ہوتا ہے۔ ایک M15 کے bullish FVG کی کامیابی کا امکان زیادہ ہوتا ہے اگر وہ روزانہ کی رینج کے premium/discount ڈسکاؤنٹ زون میں اور H4 کے bullish order block کے اندر واقع ہو۔ جب متعدد ٹائم فریمز ایک ہی سمت میں ہوں، تو امکانات آپ کے حق میں بڑھ جاتے ہیں۔ جب وہ متصادم ہوں، تو چھوٹے ٹائم فریم کا سیٹ اپ اکثر ناکام ہو جاتا ہے۔

Liquidity Sweep کے بعد بننے والے FVGs

میں اس بات پر جتنا زور دوں کم ہے: ایک FVG جو ایک ایسی حرکت کے حصے کے طور پر بنتا ہے جو اہم لیکویڈیٹی کو sweep کرتی ہے، وہ ایک A-گریڈ سیٹ اپ ہے۔ جب قیمت کسی واضح پرانے high یا low کو نکالتی ہے اور پھر displacement کے ساتھ پلٹتی ہے، اور اپنے پیچھے ایک FVG چھوڑ جاتی ہے، تو یہ ایک طاقتور سگنل ہوتا ہے۔ یہ market structure shift (MSS) جب FVG کے ساتھ ملتا ہے تو ایک ٹھوس انٹری ماڈل فراہم کرتا ہے جس کی کامیابی کا امکان اوسط سے زیادہ ہوتا ہے۔ LiquidityScan پلیٹ فارم کو اسی لیے ڈیزائن کیا گیا ہے کہ وہ ان تسلسلات کی نشاندہی کرے، یعنی liquidity sweep اور اس کے نتیجے میں بننے والے ادارہ جاتی کینڈل پیٹرنز، جیسے ہمارے CRT اور SuperEngulfing سگنلز، کو حقیقی وقت میں فلیگ کر کے۔

سیشن کی حرکیات: London بمقابلہ New York Open

لیکویڈیٹی پورے دن میں یکساں طور پر تقسیم نہیں ہوتی۔ زیادہ حجم والے London Kill Zone یا New York Kill Zone کے دوران بننے والے FVGs ایشیائی سیشن کے کم حجم والے گھنٹوں میں بننے والوں کے مقابلے میں زیادہ اہم ہوتے ہیں۔ ان اہم سیشنز کے دوران بڑھا ہوا حجم اور شرکت کا مطلب یہ ہے کہ FVG بنانے والا displacement زیادہ تر ادارہ جاتی نوعیت کا ہوتا ہے، جو اسے زیادہ وزن دیتا ہے۔

FVGs کیوں ناکام ہوتے ہیں: شماریاتی اقلیت کو سمجھنا

FVG کی ناکامیوں کا مطالعہ کرنا اتنا ہی ضروری ہے جتنا کہ کامیابیوں کا۔ جب کوئی FVG fill نہیں ہوتا، تو یہ کوئی بے ترتیب واقعہ نہیں ہوتا؛ یہ آپ کو معلومات فراہم کر رہا ہوتا ہے۔ 40-60% FVGs جو ناکام ہوتے ہیں وہ اکثر قابلِ پیشن گوئی، اعلیٰ سطح کی وجوہات کی بنا پر ایسا کرتے ہیں۔

فوری تسلسل اور مضبوط Displacement

کبھی کبھی، سمتی رجحان اتنا مضبوط ہوتا ہے کہ مارکیٹ کے پاس قیمت کے توازن کو ٹھیک کرنے کا وقت نہیں ہوتا۔ قیمت ایک FVG چھوڑتی ہے اور بس پیچھے مڑ کر نہیں دیکھتی۔ یہ اکثر بڑی خبروں کے اجراء کے دوران یا جب کوئی کلیدی میکرو سطح ٹوٹ جاتی ہے، تب ہوتا ہے۔ ان صورتوں میں، FVG ایک retracement ہدف کے بجائے breakaway مومینٹم کی علامت بن جاتا ہے۔

Balanced Price Ranges (BPRs) کا کردار

ایک FVG فوری طور پر غیر مؤثر ہو سکتا ہے اگر یہ ایک پچھلے، مخالف FVG کے سامنے بنتا ہے، جس سے ایک Balanced Price Range (BPR) تشکیل پاتا ہے۔ جب ایک bullish FVG اور ایک bearish FVG ایک دوسرے پر آتے ہیں، تو وہ مؤثر طریقے سے ایک دوسرے کو منسوخ کر دیتے ہیں۔ قیمت اکثر ان علاقوں سے بہت کم رگڑ کے ساتھ گزر جاتی ہے، کیونکہ اس رینج کو دو طرفہ نیلامی کے نقطہ نظر سے 'موثر' یا متوازن سمجھا جاتا ہے۔ BPRs کو پہچاننا آپ کو ان غیر جانبدار زونز میں ٹریڈ لینے سے بچنے میں مدد دیتا ہے۔

Inducement اور بڑے ٹائم فریم کے اہداف

تجربہ کار مارکیٹ کے شرکاء جانتے ہیں کہ ریٹیل ٹریڈرز کو FVGs پر ٹریڈ کرنا سکھایا جاتا ہے۔ لہٰذا، واضح، بالکل درست بنے ہوئے FVGs کو inducement کے طور پر استعمال کیا جا سکتا ہے۔ قیمت ایک صاف bearish FVG کی طرف بڑھ سکتی ہے، شارٹ سیلرز کو اپنی طرف متوجہ کر سکتی ہے، صرف اس لیے کہ اس سے سیدھا گزر کر اس کے اوپر موجود لیکویڈیٹی پول پر حملہ کر سکے۔ اصل ہدف FVG نہیں تھا؛ یہ ایک چارہ تھا۔ اصل مقصد ایک بڑے ٹائم فریم کی سطح تھی، اور آرڈر فلو کے ساتھ FVG کی توثیق کرنا سیکھنا ہی اس بات میں فرق کرنے کی کلید ہے کہ کون سا سیٹ اپ اصلی ہے اور کون سا محض دھوکہ۔

امکانات کو شماریاتی برتری میں بدلنا

FVGs کی ٹریڈنگ میں شماریاتی برتری ایک اعلی win rate سے نہیں آتی۔ یہ امکانات کو سمجھنے اور ایک ایسا رسک ماڈل لاگو کرنے سے آتی ہے جو ان کا حساب رکھتا ہے۔ اگر آپ جانتے ہیں کہ NY سیشن میں ٹرینڈ کی سمت میں، liquidity sweep کے بعد بننے والے FVG کے قائم رہنے کا 60% امکان ہے، تو آپ 2:1 یا 3:1 کے رسک-ٹو-ریوارڈ تناسب کے ساتھ ایک ٹریڈ ترتیب دے سکتے ہیں۔ ایسے ماڈل کے ساتھ، آپ کو منافع بخش ہونے کے لیے صرف 33% بار درست ہونے کی ضرورت ہے۔

ایک ٹریڈر کے طور پر آپ کا کام یہ پیشین گوئی کرنا نہیں ہے کہ کون سا ایک FVG کام کرے گا۔ آپ کا کام ایک شماریات دان بننا ہے، منظم طریقے سے ان خصوصیات کی نشاندہی کرنا جو FVG کے fill ہونے کے امکان کو بہتر بناتی ہیں، اور پھر ایک ایسا ٹریڈنگ پلان پر عمل کرنا ہے جو ٹریڈز کی ایک بڑی سیریز پر ان امکانات کو کھیلتا ہے۔ اسی طرح 40-60% کی win rate کو ایک مستقل منافع بخش حکمت عملی میں ڈھالا جاتا ہے۔

اکثر پوچھے جانے والے سوالات

کیا FVGs واقعی کام کرتے ہیں؟

جی ہاں، لیکن سب نہیں، اور ہر وقت نہیں۔ ان کی تاثیر امکانی ہے اور مارکیٹ کے سیاق و سباق پر بہت زیادہ منحصر ہے۔ وہ بہترین کام تب کرتے ہیں جب وہ بڑے ٹائم فریم کے مارکیٹ اسٹرکچر، سیشن لیکویڈیٹی، اور ایک واضح liquidity sweep کے بعد بنیں۔

ایک FVG حکمت عملی کے لیے اچھی win rate کیا ہے؟

ایک FVG حکمت عملی کے لیے ایک حقیقت پسندانہ win rate 40% سے 60% کے درمیان ہے۔ جو ٹریڈرز اس سے نمایاں طور پر زیادہ win rates کا دعویٰ کرتے ہیں وہ اکثر یا تو اپنے ڈیٹا کو سختی سے ٹریک نہیں کر رہے ہوتے یا صرف انتہائی منتخب، کثیر الجہتی سیٹ اپس کو گن رہے ہوتے ہیں۔ منافع اس win rate کو ایک مثبت رسک-ٹو-ریوارڈ تناسب کے ساتھ جوڑنے سے آتا ہے۔

2024 میں FVG کی کارکردگی کیسی ہے؟

FVG کی کارکردگی تاریخی backtests کے مطابق مستقل ہے۔ نیلامی مارکیٹ تھیوری اور لیکویڈیٹی پر مبنی حرکات کے بنیادی اصول مستقل ہیں۔ تاہم، 2024 میں مخصوص مارکیٹ کا اتار چڑھاؤ اور الگورتھمک رویہ اس بات کو تبدیل کر سکتا ہے کہ کون سے سیشنز یا پیئرز سب سے زیادہ امکان والے سیٹ اپس دکھاتے ہیں، جو جامد اصولوں کے بجائے مسلسل تجزیے کی ضرورت پر زور دیتا ہے۔

  • آئی سی ٹی حکمت عملی کو صحیح طریقے سے بیک ٹیسٹ کیسے کریں
Hayk Muradian

Hayk Muradian

Founder & Lead Analyst at LiquidityScan · 12+ years ICT/SMC trading · Institutional order flow specialist

Hayk Muradian is the founder of LiquidityScan, a professional trading intelligence platform built for ICT (Inner Circle Trader) and Smart Money Concepts (SMC) traders. With over a decade of hands-on experience reading institutional order flow across crypto, forex, and futures markets, Hayk specializes in identifying liquidity events, order blocks, and CISD setups on closed candles.

He built LiquidityScan after years of frustration with retail charting tools that ignored the mechanics institutions actually use. The platform now scans 400+ markets in real-time, surfacing the same patterns floor traders watch — without the noise.

Hayk writes about the methodology behind ICT and SMC, with a focus on practical, data-driven analysis rather than hype.

Not trading advice. LiquidityScan publishes educational content for informational purposes only. Trading involves substantial risk of loss.