Dokładność ruchoma kadłuba

Średnia krocząca średniej ruchomej W tym badaniu wyświetlane są dwie średnie kroczące, których typy są wybierane przez użytkownika za pomocą średniej ruchomej typu 1 i średniej ruchomej typu 2. Domyślnie obie średnie kroczące to Proste średnie ruchome. Wejściowe dane wejściowe 1 i wejściowe 2 są oznaczone odpowiednio jako (X1) i (X2), a długość wejściowa 1 i długość 2 z tych dwóch ruchomych wartości są oznaczone odpowiednio jako (n1) i (n2). W tym badaniu wyświetlane są również sygnały do ​​kupienia (oznaczone strzałką w górę) lub sprzedawane (oznaczone strzałką w dół) na pasku wykresu (t). Warunki, które określają, który sygnał jest wyświetlany, są podane poniżej. Strzałka w górę jest wyświetlana na pasku mapy (t), jeśli wystąpi jedna z poniższych sytuacji. (n1 n2) i Subgraph (MAtleft (X1, n1right)) przecina Subgraph (MAtleft (X2, n2right)) od dołu na pasku wykresu (t). (n2 n1) i Subgraph (MAtleft (X2, n2right)) przecina Subgraph (MAtleft (X1, n1right)) od dołu na pasku wykresu (t). W każdym z powyższych dwóch przypadków wierzchołek strzałki pokrywa się z górą paska wykresu (t). Przenoszenie średniej różnicy Aby zapoznać się z terminologią i notacją użytą w tym badaniu, zapoznaj się z dokumentacją badania Średnia ruchoma - Prosta. W tym badaniu wyświetlana jest różnica między dwiema ruchomymi średnimi, których typy są wybierane przez użytkownika za pomocą Input Moving Average Type. Domyślnie obie średnie kroczące to Proste średnie ruchome. Wejściowe dane wejściowe są oznaczone jako (X), a długość wejściowa 1 i długość 2 tych dwóch ruchomych wartości są oznaczone odpowiednio jako (n1) i (n2). Oznaczamy różnicę ruchomych średnich na pasku wykresu (t) dla danych wejść jako (MADifftleft (X, n1, n2right)) i obliczamy to w następujący sposób. (MADifftleft (X, n1, n2right) MAtleft (X, n1right) - MAtleft (X, n2right)) Subrafik tego wskaźnika jest wyświetlany w dwóch kolorach wybranych przez użytkownika: jeden dla gdy rośnie Podgraf, a drugi dla gdy spada. Średnie ruchome koperty Środowisko ruchomych średnich kopert rysuje górny i dolny pas lub kopertę powyżej i poniżej średniej ruchomej. Każdy z pasm jest określoną stałą wartością ze średniej ruchomej lub określonego procentu z średniej ruchomej. Procent danych wejściowych lub stała wartość. Wybierz Procent lub Stała wartość. W przypadku wartości procentowej. ustaw wartość procentową za pomocą wartości procentowej. W przypadku stałej wartości. ustaw stałą wartość za pomocą wejścia o stałej wartości. Odsetek . Jeśli wartość procentowa lub stała wartość jest ustawiona na Procent. wprowadź procent z tym wejściem, aby pomnożyć średnią ruchomą przez. Wynik ten jest dodawany i odejmowany od średniej ruchomej. 0,01 1. Ustalona wartość. Jeśli wartość procentowa lub stała wartość jest ustawiona na stałą wartość. wprowadź stałą wartość za pomocą tego wejścia, aby dodać i odjąć tę stałą wartość od średniej ruchomej. Średnie ruchome średniej ruchomej średniej ruchomej - adaptacyjne W tym badaniu oblicza się adaptacyjną średnią ruchomą danych określonych przez dane wejściowe. Ta średnia ruchoma została opracowana przez Perry'ego Kaufmana. Odsyłacz: Towary Towar V13: 6: (267): Pasek boczny: Średnia ruchoma adaptacyjna. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i). Niech stała stałej wygładzania wejściowego i wolno wygładzająca będą oznaczone odpowiednio jako (cF) i (cS). Niech długość wejściowa będzie oznaczona jako (n). Używamy ich do obliczenia kierunku (Dt), zmienności (wolt) i stałej wygładzania (ct) na pasku wykresu (t) w następujący sposób. (Dt leftXt - X right) Oznaczamy średnią ruchomą - Adaptive na pasku wykresu (t) dla danych wejść jako (AMAtleft (X, n, cF, cSright)), a my obliczamy to z następującą relacją rekursji. (AMA0left (X, n, cF, cSright) 0) (rozwiń X AMA w lewo (X, n, cF, cSright) 0 AMA w lewo (X, n, cF, cSright) ct (Xt - AMA w lewo (X, n, cF, cSright)) AMA w lewo (X, n, cF, cSright) neq 0 koniec z prawej.) Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zobacz podsumowanie artykułu w Wikipedii. Długość danych wejściowych Szybka stała wygładzająca. Jest to długość szybko rosnącej wykładniczej średniej ruchomej. Powinien być ustawiony na wartość, która jest mniejsza niż wartość wejściowej stałej wygładzania wejścia, aby uzyskać rozsądne wyniki. Stała powolnego wygładzania. Jest to długość wolno ruchomej wykładniczej średniej ruchomej. Średnia ruchoma - Adaptacyjna fala binarna W tym badaniu oblicza się falę binarną dla średniej ruchomej adaptacyjnej Kaufmana. Zapoznaj się z tym studium, aby zapoznać się z notacją tutaj użytą. Podobnie jak w przypadku adaptacyjnej średniej ruchomej, badanie to opiera się na wejściowych danych wejściowych (X), długości (n), szybkiej stałej wygładzania (cF) i stałej powolnego wygładzania (cS). Badanie ma również dodatkowe wejście, a mianowicie procent filtra (f). Dla danych Wejść, Wariancja (Vart (X, n)) i Odchylenie standardowe (sigmat (X, n)) są obliczane na podstawie prostych średnich kroczących na pasku wykresu (t) w następujący sposób. (Vart (X, n) MAtleft (X2, nright) - po lewej (MAt (X, n) po prawej) 2) Następnie definiujemy dwie funkcje (AMALowt (X, n)) i (AMAHight (X, n)) na wykresie bar (t) jak następuje. (AMALow0 (X, n) AMAHigh0 (X, n) AMA0 (X, n)) Funkcja (AMALow) zmienia wartość tylko wtedy, gdy Adaptacyjna Średnia ruchoma spada z paska mapy (t-1) do paska wykresu (t). Funkcja (AMAHigh) zmienia wartość tylko wtedy, gdy Adaptacyjne Przenoszenie Averaage wzrasta z paska mapy (t-1) do paska wykresu (t). Wreszcie obliczana jest fala binarna. Oznaczamy wartość fali binarnej na pasku wykresu (t) dla danych wejść jako (BWt (X, n, f)) i obliczamy ją w następujący sposób. (displaystyle 1 AMAt (X, n) - AMALowt (X, n) frac sigmat (X, n) -1 AMAHight (X, n) - AMAt (X, n) frac sigmat (X, n) 0 inaczej kończy się dobrze. ) Długość danych wejściowych Szybka stała wygładzania. Jest to długość szybko rosnącej wykładniczej średniej ruchomej. Powinien być ustawiony na wartość, która jest mniejsza niż wartość wejściowej stałej wygładzania wejścia, aby uzyskać rozsądne wyniki. Stała powolnego wygładzania. Jest to długość wolno ruchomej wykładniczej średniej ruchomej. Procent filtra. To wejście, wraz z odchyleniem standardowym, określa dolne ograniczenie na obu (AMAt (X, n) - AMALowt (X, n)) i (AMAHight (X, n) - AMAt (X, n)), które z kolei określić wartość (BWt (X, n, f)). Średnia ruchoma - podwójna wykładnicza W tym badaniu oblicza się podwójną wykładniczą średnią ruchomą danych określonych przez wejściowe dane wejściowe. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xt) będzie wartością danych wejściowych na pasku wykresu (t). Niech długość wejściowa będzie oznaczona jako (n). Następnie oznaczamy średnią ruchomą - podwójną wykładniczą na pasku wykresu (t) dla podanych danych wejściowych jako (DEMAt (X, n)) i obliczamy ją w kategoriach wykładniczych średnich kroczących (EMAt (X, n)) i ( EMAt (EMA (X, n), n)), gdzie (EMA (X, n)) jest zmienną losową określającą Exponential Moving Average of Length (n) dla danych wejściowych (X). Dwie wykładnicze średnie kroczące są inicjowane w następujący sposób. (EMA0 (X, n) EMA0 (EMA (X, n), n) X0) Średnia ruchoma - Double Exponential jest obliczana na podstawie tych wykładniczych średnich ruchomych w następujący sposób. (DEMAt (X, n) 2EMAt (X, n) - EMAt (EMA (X, n), n)) Średnia ruchoma - wykładnicza W tym badaniu oblicza się wykładniczą średnią ruchomą danych określonych przez dane wejściowe. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xt) będzie wartością danych wejściowych na pasku wykresu (t). Niech długość wejściowa będzie oznaczona jako (n). Następnie oznaczamy ruchomą średnią wykładniczą na pasku wykresu (t) dla danych wejść jako (EMAt (X, n)) i obliczamy je, stosując następującą relację rekursji. (EMA0 (X, n) X0) (EMAt (X, n) cXt (1-c) EMA (X, n)) Stała (c) jest mnożnikiem między (0) i (1) i jest związana z długość wejścia przez (c frac). Im wyższe ustawienie wejścia długości, tym większa czułość z wykładniczym obliczeniem średniej ruchomej na wartości z przeszłości, ponieważ zmienia się ilość danych historycznych na wykresie. Nawet wartości pręta, które znajdują się poza zakresem prętów użytych do obliczeń, mają wpływ na wykładnicze wartości średniej ruchomej. Wykładnicze obliczenie średniej ruchomej wykorzystuje w obliczeniach wcześniejszą wartość wykładniczą, a zatem wcześniejsze wartości mają ciągły efekt cofający się aż do pierwszego taktu na wykresie. Dlatego wystarczy zmienić Ustawienia wykresu gtgt wykresu gtgt Użyj liczby dni, aby wczytać dni gtgt do załadowania. w przypadku długich wykładniczo-ruchomych średnich wartość zmieni wynik na konkretnej kolumnie wykresu, nawet jeśli dni usunięte lub wczytane na wykresie są przed wykładniczą średnią ruchomą wartości na danej kolumnie wykresu, cofając się o liczbę słupków określoną przez długość Wkład. Jest to ważna informacja na temat natury wykładniczego obliczania i powinieneś zastanowić się, czy jest to nawet odpowiednia metoda obliczeniowa dla twojej metody analizy. Wykładnicza średnia ruchoma nie powinna być używana z długimi Długościami. Zamiast tego zastosuj Moving Average - Simple. Średnia ruchoma - kadłub W tym badaniu obliczana jest średnia ruchoma kadłuba danych określonych przez dane wejściowe danych wejściowych. Ta średnia ruchoma została opracowana przez Alana Hulla. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i). Niech wartość średniej ruchomej kadłuba wejściowego będzie oznaczona jako (n). Niech (WMAtleft (X, leftlfloor frac rightrfloorright)) i (WMA (X, n)) będą zmiennymi losowymi oznaczającymi ważone średnie ruchome dla (X) z długościami (lewy dolny róg) i (n), odpowiednio. Następnie oznaczamy średnią ruchomą - kadłub na pasku wykresu (t) dla podanych danych wejściowych jako (HMAt (X, n)) i obliczamy to w następujący sposób. (HMAt (X, n) WMAtleft (2WMAleft (X, leftlfloor frac rightrfloorright) - WMA (X, n), leftlfloor frac rightrfloorright)) Aby uzyskać wyjaśnienie funkcji podłogi ((leftlfloor prawy), zobacz artykuł w Wikipedii Floor i funkcje sufitowe. Średnia ruchoma - wysoka dokładność toczenia Średnia ruchoma - wysoka dokładność toczenia oblicza na każdym pasku wykresu średnią wszystkich cen, które tworzą paski wykresów w określonym przedziale czasu. Badanie to opiera się na danych Volume at Price na wykresie, aby osiągnąć jego wysoką dokładność. Konieczne jest skonfigurowanie Sierra Chart dla konfiguracji danych o tikach poprzez zaznaczenie, aby uzyskać wysoką dokładność. Wykonywanie tygodniowych i miesięcznych okresów w tym badaniu nie ma sensu w przypadku obliczeń ciągłych, ponieważ badanie to nie odnosi się do określonych segmentów czasu, takich jak początek tygodnia lub początek miesiąca. Zamiast tego przywraca dane na każdym pasku wykresu w określonym przedziale czasu. Dlatego po prostu ustaw odpowiednio Przedział długości czasu i Typ okresu w badaniu na 7 dni lub 30 dni odpowiednio, aby to osiągnąć. Jeśli ustawiłeś Typ okresu i Dane dotyczące długości okresu, aby obliczenia średniej ruchomej były wyświetlane na dużej liczbie słupków na wykresie, a na wykresie znajduje się duża liczba słupków w oparciu o bieżące ustawienia wykresu, a następnie przeprowadzenie wstępnych obliczeń może potrwać dłuższy czas, a interfejs użytkownika programu zostanie w tym czasie zamrożony. Dlatego należy zachować ostrożność przy tych ustawieniach wejścia, aby nie nakładać zbyt dużego obciążenia na program. Rodzaj okresu. To wejście określa typ okresu czasu. Może to być Dni. Minuty . lub Bary. Po ustawieniu na Bars. oznacza to, że liczba prętów ustawionych przez długość okresu czasu będzie użyta w obliczeniach. Kiedy to wejście jest ustawione na Dni. Długość okresu określa liczbę dni obrotu, w których wykonywane są obliczenia. Dni transakcyjne ustala się za pomocą Session Times. Na przykład, jeśli Długość okresu czasu jest ustawiona na 2, wówczas do obliczenia wlicza się wcześniejszy dzień handlowy określony przez Sesja Czasu i cały bieżący dzień handlu. Dlatego nie jest to w tym przypadku dwudniowa kalkulacja końcowa, która trwa 48 godzin od bieżącej daty i godziny. Długość okresu. To wejście określa liczbę dni, minut lub słupków w zależności od tego, czy typ okresu czasowego ma wartość dni. Minuty lub bary. Wyklucz weekendy w liczbie dni. Kiedy to wejście jest ustawione na Tak. Soboty i niedziele są pomijane przy określaniu, ile dni wstecz ma zostać uwzględnionych w obliczeniach zgodnie z wprowadzeniem długości okresu czasu. Użyj Fixed Offset zamiast Std. Odchylenie. Zespół 1 Std. Mnożnik odchyłkiFixed Odchylenie. Zespół 2 Std. Mnożnik odchyłkiFixed Odchylenie. Zespół 3 Std. Mnożnik odchyłkiFixed Odchylenie. Zespół 4 Std. Mnożnik odchyłkiFixed Odchylenie. Średnia ruchoma - prosta W tym badaniu oblicza się prostą średnią ruchomą danych określonych przez dane wejściowe. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i). Niech długość wejściowa będzie oznaczona jako (n). Następnie oznaczamy średnią ruchomą - prostą na pasku wykresu (t) dla danych wejść jako (MAt (X, n)) i obliczamy ją w następujący sposób. Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zapoznaj się z podsumowaniem artykułu w Wikipedii. Średnia ruchoma - proste pomiń zera Badanie to oblicza prostą średnią ruchomą danych określonych przez dane wejściowe. z wyłączeniem wartości równych zero. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i). Niech Długość Wejściowa będzie oznaczona jako (n), a niech liczba niezerowych wartości (X) od (X) do (Xt) będzie oznaczona jako (n). Następnie oznaczamy średnią ruchomą - proste pomijanie zer na pasku wykresu (t) dla danych wejść jako (SZMAt (X, n)) i obliczamy je w następujący sposób. Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zapoznaj się z podsumowaniem artykułu w Wikipedii. Średnia ruchoma - ważona falą sinusoidalną To badanie oblicza średnią ważoną z falą sinusoidalną danych określonych przez wejściowe dane wejściowe. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i). Następnie oznaczamy średnią ruchomą - ważoną falą sinusoidalną na pasku wykresu (t) dla danych wejść jako (SWWMAt (X)) i obliczamy ją w następujący sposób. Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zapoznaj się z podsumowaniem artykułu w Wikipedii. Średnia ruchoma - wygładzona W tym badaniu oblicza się wygładzoną średnią ruchomą danych określonych przez dane wejściowe. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i). Niech długość wejściowa będzie oznaczona jako (n). Następnie oznaczamy średnią ruchomą - wygładzoną na pasku wykresu (t) dla podanych danych wejściowych jako (SMMAt (X, n)) i obliczamy ją z następującą relacją rekursji. Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zapoznaj się z podsumowaniem artykułu w Wikipedii. Przesunięcie długości danych wejściowych. To wejście określa liczbę pasków wykresu, o którą indeks sumy ma zostać przesunięty w lewo. Średnia ruchoma - trójkątna Trójkątna średnia ruchoma jest obliczana na podstawie prostej średniej ruchomej. Zapoznaj się z tym studium, aby zapoznać się z notacją tutaj użytą. Podobnie jak w przypadku prostej średniej ruchomej, badanie to opiera się na danych wejściowych danych wejściowych (X) i długości (n). Obliczamy dwie dodatkowe długości. (n1) i (n2), jak następuje. (displaystyle leftlceil rightrceil n space odd n1 1 n space even end right.) Aby uzyskać wyjaśnienie funkcji sufitu ((leftlceil rightrceil)), zobacz artykuł w Wikipedii Funkcje podłóg i sufitów. Oznaczamy średnią ruchomą - trójkątną na pasku wykresu (t) dla danych wejściowych i wyliczonych długości jako (TMAtleft (X, n1, n2right)) i obliczamy to w następujący sposób. (TMAtleft (X, n1, n2right) MAtleft (MAleft (X, n1right), n2right)) W powyższym wzorze (MAleft (X, n1right)) jest zmienną losową oznaczającą Prostą średnią ruchomą długości (n1) dla Dane wejściowe (X). Średnia ruchoma - potrójna wykładnicza W tym badaniu oblicza się potrójną wykładniczą średnią ruchomą danych określonych przez dane wejściowe danych wejściowych. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xt) będzie wartością danych wejściowych na pasku wykresu (t). Niech długość wejściowa będzie oznaczona jako (n). Następnie oznaczamy średnią ruchomą - potrójną wykładniczą na pasku wykresu (t) dla podanych danych wejściowych jako (TEMAt (X, n)) i obliczamy ją w kategoriach wykładniczych średnich kroczących (EMAt (X, n)), ( EMAt (EMA (X, n), n)) i (EMA (EMA (EMA (X, n), n), n), n)) gdzie (EMA (X, n)) jest zmienną losową oznaczającą Wykładnicza średnia ruchoma długości (n) dla danych wejściowych (X). Trzy wykładnicze średnie kroczące są inicjowane w następujący sposób. (EMA0 (X, n) EMA0 (EMA (X, n), n) EMA0 (EMA (EMA (X, n), n), n) X0) Średnia ruchoma - potrójna wykładnicza jest obliczana na podstawie tych wykładniczych średnich kroczących jako następuje. (TEMAt (X, n) 3EMAt (X, n) - 3EMAt (EMA (X, n), n) EMAt (EMA (EMA (X, n), n), n)) Średnia ruchoma - Obciążenie objętościowe To badanie oblicza ważoną średnią ważoną danych określonych przez dane wejściowe. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. Niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i), a niech (Vi) będzie Wolumenem na pasku wykresu (i). Niech długość wejściowa będzie oznaczona jako (n). The Moving Average - Objętość ważona na pasku wykresu (t) dla danych wejść (VWMAt (X, n)) i obliczamy to w następujący sposób. Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zapoznaj się z podsumowaniem artykułu w Wikipedii. Średnia ruchoma - ważona W tym badaniu oblicza się ważoną średnią ruchomą danych określonych przez dane wejściowe. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i). Niech długość wejściowa będzie oznaczona jako (n). Następnie oznaczamy średnią ruchomą - ważoną na pasku wykresu (t) dla danych wejść jako (WMAt (X, n)) i obliczamy w następujący sposób. Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zapoznaj się z podsumowaniem artykułu w Wikipedii. Średnia ruchoma - Welles Wilders Badanie to oblicza średnią ruchomą Welles Wilders danych określonych przez dane wejściowe danych wejściowych. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xi) będzie wartością Danych wejściowych na pasku wykresu (i). Niech długość wejściowa będzie oznaczona jako (n). Następnie oznaczamy średnią ruchomą - Welles Wilders na pasku wykresu (t) dla danych wejść jako (WWMAt (X, n)) i obliczamy za pomocą następującej zależności rekursji. (WWMA0 0) (WWMAt (X, n) po lewej SZMAt (X, n) WMMA (X, n) 0 WWMA (X, n) frac po lewej (Xt - WWMA (X, n) po prawej) WWMA (X, n) neq 0 end right.) W powyższej funkcji (SZMAt (X, n)) odnosi się do średniej ruchomej - Simple Skip Zeros. Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zapoznaj się z podsumowaniem artykułu w Wikipedii. Średnia ruchoma - Wykładnia zera opóźnienia To badanie oblicza wykładniczą średnią ruchomą o zerowym opóźnieniu danych określonych przez wejściowe dane wejściowe. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xt) będzie wartością danych wejściowych na pasku wykresu (t). Niech długość EMA wejścia Zero Lag będzie oznaczona jako (n). Następnie oznaczamy średnią ruchomą - Zero Lag Exponential na pasku wykresu (t) dla danych wejść jako (ZLEMAt (X, n)) i obliczamy ją przy użyciu następującej zależności rekursji. (ZLEMAt (X, n) rozszczep (2Xt - X w prawo) (1 - c) ZLEMA (X, n)) Stała (L) nazywana jest Lag i jest obliczana w następujący sposób. Aby uzyskać wyjaśnienie funkcji sufitu ((leftlceil rightrceil)), zobacz artykuł na Wikipedii Funkcje podłóg i sufitów. Stała (c) to ten sam mnożnik, który znajduje się w wykładniczej średniej ruchomej. Jeśli (L 0), to (ZLEMAt (X, n)) staje się identyczne z (EMAt (X, n)). Średnie ruchome To badanie oblicza i rysuje 3 średnie ruchome dowolnego typu. Przenoszenie średniej regresji ruchomej regresji - regresja liniowa Regresja ruchoma liniowa i średnia ruchoma - analizy regresji liniowej obliczają i wyświetlają wartość funkcji regresji liniowej wybranych danych wejściowych (otwarty, wysoki, niski, zamknięty) w określonej długości. Dlatego każdy punkt wzdłuż linii badania regresji liniowej jest równy końcowej wartości linii regresji liniowej. Na przykład wartość końcowa linii regresji liniowej, która obejmuje 10 cen zamknięcia, będzie miała taką samą wartość jak linia regresji ruchomej liniowej o długości 10 na tym samym pasku. Metodę obliczania można znaleźć w funkcji LinearRegressionIndicatorS w pliku ACSSourceSCStudyFunctions. cpp w folderze Sierra Chart zainstalowanym na. Jeśli narysujesz wykres liniowej krzywej regresji na tej samej długości, która została ustawiona w wejściach do badania dla tego badania, to tam, gdzie ten rysunek się kończy, będzie miał tę samą wartość, co badanie średniej ruchomej - regresji liniowej. Następnie opisujemy obliczenia liniowego wskaźnika regresji. Niech (T) będzie zmienną mierzoną wzdłuż osi poziomej, niech (X) będzie zmienną losową oznaczającą dane wejściowe. który jest mierzony wzdłuż osi pionowej. Oznaczamy wartości tych zmiennych na wykresie (i) odpowiednio jako (Ti i) i (Xi). gdzie (i) jest bieżącym indeksem. Oznaczamy wartość indeksu odpowiadającą bieżącemu prętowi jako (i t). Niech (n) będzie długością wejściową. Funkcja liniowego wskaźnika regresji oblicza każdą z następujących sum na pasku wykresu (t). Te kwoty są używane do obliczania statystyk regresji. Aby uzyskać wyjaśnienie notacji Sigma ((Sigma)) do podsumowania, zapoznaj się z podsumowaniem artykułu w Wikipedii. Uwaga: Sumy na wartościach (T-) nie przesuwają się, jak robią sumy w wartościach (X-). Jest to kompensowane przez użycie długości (n) w określonych miejscach zamiast aktualnej wartości (t) indeksu. To zawsze daje poprawną wartość LRI i nachylenia linii regresji, ale nie daje poprawnej wartości punktu przecięcia. Te sumy są używane do obliczania statystyk regresji, jak pokazano poniżej. Model regresji ma postać (X przy btT), gdzie (at) i (bt) są zdefiniowane powyżej. Liniowy wskaźnik regresji: Liniowy wskaźnik regresji jest współrzędną (X-) prawego punktu końcowego liniowej regresji liniowej długości (n). Jego wartość (LRIt) na pasku wykresu (t) jest obliczana jako (LRIt na btn). Średnia ruchoma - regresja liniowa na pasku wykresu (t) dla danych wejść jest oznaczona jako (LSMAt (X, n) w btn) Badanie Średnia ruchoma To badanie dotyczy zgodności wstecznej. Powinieneś użyć nowego ustawienia Na podstawie do badania, aby oprzeć badanie na innym badaniu. Aby uzyskać więcej informacji, zobacz Technical Study Settings. W tym badaniu oblicza się średnią ruchomą T3 danych określonych przez wejściowe dane wejściowe. Badanie zostało opracowane przez Tima Tillsona. Niech (X) będzie zmienną losową oznaczającą dane wejściowe. i niech (Xt) będzie wartością danych wejściowych na pasku wykresu (t). Niech Długość Wejściowa będzie oznaczona jako (n), a Niech Mnożnik Wejścia będzie oznaczony jako (v). Następnie oznaczamy wartość T3 na pasku wykresu (t) dla danych Wejść jako (T3 (X, n, v)) i obliczamy ją przy użyciu następującej sekwencji Wykładniczych Średnich Ruchowych dla danych Wejść. (EMAt (X, n) EMAt (X, n)) (EMAt (X, n) EMAt (EMA (X, n), n)) (EMAt (X, n) EMAt (EMA (EMA (X, n) , n), n)) (EMAt (X, n) EMAt (EMA (EMA (EMA (X, n), n), n), n)) (EMAt (X, n) EMAt (EMA (EMA (EMA) (EMA (X, n), n), n), n), n)) (EMAt (X, n) EMAt (EMA (EMA (EMA (EMA (EMA (X, n), n), n), n), n), n)) W powyższych relacjach (EMAt) oznacza (j-) złożenie składowe funkcji (EMA), a (EMA (X, n)) jest zmienną losową oznaczającą wykładniczy Przenoszenie średniej długości (n) dla danych wejściowych (X). Obliczamy (T3t) (X, n, v)) w następujący sposób. Ostatnia modyfikacja - piątek, 24 lutego 2017 r. Średnia ruchoma kadłuba Średnia ruchoma kadłuba sprawia, że ​​średnia ruchoma jest bardziej responsywna, zachowując gładkość krzywej. Wzór do obliczenia tej średniej jest następujący: HMAi MA ((2MA (input, period2) 8211 MA (input, period)), SQRT (period)), gdzie MA jest średnią ruchomą, a SQRT jest pierwiastkiem kwadratowym. Użytkownik może zmienić wejście (zamknięcie), długość okresu i numer zmiany. Ta definicja wskaźnika jest dalej wyrażona w skondensowanym kodzie podanym w poniższym obliczeniu. Jak handlować przy użyciu średniej ruchomej kadłuba? Średnia krocząca kadłuba jest opóźnionym wskaźnikiem trendu i może być używana w połączeniu z innymi badaniami. Nie są obliczane żadne sygnały transakcyjne. Jak uzyskać dostęp w MotiveWave Przejdź do górnego menu, wybierz opcję Study gtMoving AveragegtHull Moving Average lub przejdź do menu głównego, wybierz Dodaj badanie. zacznij wpisywać nazwę badania, dopóki nie pojawi się na liście, kliknij nazwę badania, kliknij OK. Ważna klauzula o wyłączeniu odpowiedzialności: Informacje podane na tej stronie służą wyłącznie celom informacyjnym i nie należy ich interpretować jako porady lub zachęty do zakupu lub sprzedaży jakichkolwiek zabezpieczeń. Proszę zapoznać się z naszym oświadczeniem o odpowiedzialności za ujawnienie ryzyka i wydajności. Cena wejściowa obliczenia, zdefiniowana przez użytkownika, domyślna to średnia krocząca metody (ma), zdefiniowana przez użytkownika, domyślnie zdefiniowany jest użytkownik WMA, domyślnie 20 przesunięcie zdefiniowane przez użytkownika, domyślnie 0 ważona średnia ważona wma, sqrt kwadratowy bieżący numer bieżący indeksu, LOE less or equalHull Średnia ruchoma Wskaźnik: Uczciwa średnia ruchoma Szczegóły Opublikowany: 16 października 2017 Napisany przez Admin Kategoria: Wskaźniki Forex Odsłon: 11906 Większość z nas w takiej czy innej formie korzysta z przedstawicieli rodziny średniej ruchomej w naszym handlu. Ale główny problem wszystkich wskaźników opartych na matematyce średnich jest opóźniony. Skuteczne rozwiązanie tego problemu stwierdzono w wielu eksperymentach i nazwano wskaźnikiem średniej ruchomej kadłuba lub średnią kroczącą kadłuba. Handlowcy wykorzystują wskaźniki oparte na średnich do budowania dynamicznych linii wsparcia i oceny siły impetu cenowego. Ich główną wadą jest metoda obliczania: ponieważ średnie ruchome są obliczane na podstawie wcześniejszych cen (przez pewien okres czasu lub liczba słupków), obliczona linia zmniejsza wahania cen, ale zawsze pozostaje w tyle za rzeczywistą ceną. Alan Hull, australijski matematyk, analityk finansowy i dziedziczny przedsiębiorca, członek Australijskiego Stowarzyszenia Analiz Technicznych (okazuje się, że taki istnieje), autor popularnego podręcznika Aktywne inwestycje i Księga wykresów, zaproponował ulepszoną wersję średniej kroczącej , zapewniając gładkie wskaźniki w konstrukcji i prawie całkowicie eliminując negatywny wpływ opóźnienia. Co to jest średnia krocząca Jest to jedno z najstarszych narzędzi analizy technicznej, które pomaga określić siłę i kierunek obecnych trendów cenowych, aby zapewnić optymalne warunki dla tradera do otwarcia pozycji handlowej zgodnie z trendem. Nawet ojciec chaosu handlowego, Bill Williams, uważał, że umiejętność posługiwania się wskaźnikami średnich kroczących pozwoli spekulantom zamknąć nie mniej niż 60 pozycji na plusie. Tradycyjna średnia ruchoma (lub MA) jest obliczana bardzo prosto: w każdym punkcie linii cena jest średnią ceną za określony czas. Uśredniając, losowe wzrosty cen są odcinane, a im dłuższy okres, tym dokładniejsza jest linia. Optymalny okres średniej kroczącej powinien być brany osobno dla każdego instrumentu handlowego. Klasyczna średnia zawsze dość dokładnie podąża za rynkiem, ponieważ obliczenia opierają się na danych historycznych. Jednak wspólna średnia jest bardzo słabą predyktorem Metoda obliczania średniej ruchomej nie pozwala obliczyć momentu zmiany trendu. Tutaj występuje zmieniona średnia wskaźnika średniej ruchomej kadłuba. Matematyka wskaźnika średniej ruchomej kadłuba Bardziej harmonijne wygładzanie w obliczaniu tej średniej ruchomej zapewnia dodatkowe uśrednienie średniej. Proponowana wersja wskaźnika rozwiązuje problem poprzez uwzględnienie w mechanizmie obliczania wartości nie okresu, lecz pierwiastka kwadratowego rzeczywistych danych okresu obliczeniowego. Ale w tym przypadku ruch powinien dalej pozostawać w tyle za realną ceną. Jednak Alan Hull zdołał znaleźć brakujący składnik, który skutecznie kompensuje opóźnienie. Hull zastosował metodę współczynników ważenia do obliczenia ceny rynkowej, gdzie w surowcu od 0 do 9 najważniejsza jest liczba 9. Obliczenia rozpoczynają się od określenia wartości prostego ruchomego MA (10): w rezultacie otrzymujemy początkową średnią wartość 4,5, która daje poważne opóźnienie w stosunku do rzeczywistej ceny. Następnym krokiem jest zmniejszenie o połowę średniej (102 5) i zastosowanie jej do ostatniej wartości w wymienionym wierszu: 5, 6, 7, 8 i 9, po czym otrzymamy nową średnią 7. Ta wartość jest następnie dodawana do różnica między tymi dwiema średnimi, tj. do 2,5 (7 4,5), a otrzymujemy ostateczną kwotę 7 2,5 9,5. Jeśli przyjmiemy, że obecna cena rynkowa wynosi 9, to wynikowa rekompensata wydaje się przesadzona. Autor uważa jednak, że ten overcorrection jest bardzo wygodny w zmniejszaniu wpływu losowych skoków cen. Zmiana ceny za pomocą ruchu kadłuba może być przewidziana z dużą dokładnością przez 1-2 wybrane okresy. Wizualnie ruchoma linia jest zwykle szybsza niż wartość średniej rzeczywistej. Ogólnie rzecz biorąc, formuła obliczania wartości wskaźnika średniej ruchomej kadłuba jest następująca: Wskaźnik średniej ruchomej kadłuba: parametry i ustawienia Istnieje kilka opcji użycia zmodyfikowanej średniej, ale zwykle zaleca się używanie jej razem ze wskaźnikiem strzałki HMA Arrow, wyraźnie wskazując zalecany punkt wejścia. Wskaźnik średniej ruchomej kadłuba jest instalowany w terminalu MetaTreder4 w zwykły sposób, w dowolnej parze walutowej iw dowolnym przedziale czasowym. Zalecane ustawienia i optymalne kolory są pokazane na poniższym rysunku: Średnia zmodyfikowana kadłuba działa dobrze w krótkich i średnich okresach, najbardziej stabilne wyniki są podawane w okresach większych niż 20. Optymalne wartości są uważane za następujące kluczowe parametry: HMPeriod - 20 HMAMethod (przesunięcie) - 3. Czasami można zalecić następujące ustawienie dla spokojniejszego handlu średnioterminowego przy niewielkim ryzyku: HMAperiod - 55 HMAshift 3. Zalecane punkty wejścia będą jednak rzadziej występować. Ustawienia dodatkowego wskaźnika HMA Arrow są bardzo proste: plusy i minusy stosowania wskaźnika średniej ruchomej kadłuba w handlu Dla jasności analizy na wykresie dodano prostą średnią ruchomą SMA (14) na ceny zamknięcia (czarna linia) ze wskaźnikami średniej ruchomej kadłuba i wskaźnika HMA Arrow. Widok ogólny zestawu wskaźników w terminalu: Jak widać, sygnały wejściowe są wystarczająco dokładne, szczególnie w porównaniu ze średnią średnią. Ale nie zapominaj o głównej wadzie ruchu Hull: obecny trend do przeszacowania wartości średniej ceny prowadzi do tego, że linia nie pasuje do aktualnej średniej ceny. Działa dobrze jako filtr odwracający, a zatem jego sygnały wyjściowe są bardziej wiarygodne niż wejście. Dlatego wskaźnik średniej ruchomej kadłuba musi być połączony z opcjami oscylatorów lub MACD. Ale nawet bez użycia dodatkowych wskaźników strzałkowych istnieje duże prawdopodobieństwo, że kupimy sygnał, gdy cena przekroczy linię wskaźnika w górę i sprzedaje się, jeśli cena spadnie. Najbardziej skuteczną strategią jest HullMovingAverage autorstwa Alana Hulla, zbudowanego na standardowym nadzorze rynkowym. Sygnał handlowy jest uważany za odwrócenie linii Hull: jeśli jest obniżenie, zalecane są krótkie pozycje, jeśli są długie pozycje. Przy tym jednak ten przełom w stosunku do ceny linii wskaźnika Hull Moving Average nie jest postrzegany jako sygnał rynkowy. Metodologia obliczania wskaźnika średniej ruchomej kadłuba opiera się na nowoczesnym mechanizmie matematycznym, który znacznie poprawia płynność linii i dokładność sygnałów rynkowych. Linia średniej HMA doskonale śledzi trend i podaje dokładne sygnały zwrotne. Inherent superiority of the average value in the calculation leads to an overestimation of the current average price, but with the optimal settings and additional indicators, you can get a trading strategy with a win rate over 60.