所有John Ehlers指标... - 页 59

[krzysiaczek99]

就Fisher transform而言，评价在这里。它只是范围压缩器/解压缩器，不提供任何额外的价值

根据这篇文章。另一方面，有一些人试图通过销售 "改良的费雪 "来谋生，....。

Ensign软件 - 研究。逆向费雪变换

克里斯托夫

[krzysiaczek99]

在收盘平滑的情况下，也没有区别。你可以争辩说，对于某些时间序列 来说，它比SMA更有效，但我相信它必须首先被证明。

因此，新书、新理论、新网站，至少对我来说，它看起来有点不靠谱。

克里斯托夫

[nigelphilpott99]

非常感谢您的答复。我正在翻阅Ehler先生的最新著作。在另一个问题上，在书的末尾，他说 "自适应随机指标的反渔夫变换可以清楚明确地指示出适当的买入和卖出点"

还给出了代码（以简单的代码格式）：。

第1步，自适应随机指标的代码是。

{

自适应随机指标

(c) 2013 约翰-F-埃勒斯

}

Vars:

平均长度(3)。

M(0),

N(0),

X(0),

Y(0),

alpha1(0),

HP(0)。

a1(0),

b1(0),

c1(0),

c2(0),

c3(0),

Filt(0),

滞后(0)。

count(0),

Sx(0),

Sy(0),

Sxx(0),

Syy(0),

Sxy(0)。

周期(0)。

Sp(0),

Spx(0),

MaxPwr(0),

DominantCycle(0)。

数组。

Corr[48](0),

余弦部分[48](0),

正弦部分[48](0),

SqSum[48](0)。

R[48, 2](0),

Pwr[48](0)。

//高通滤波器周期短于48条的循环成分

alpha1 = (Cosine(.707*360 / 48) + Sine (.707*360 / 48) - 1) / Cosine(.707*360 / 48)。

HP = (1 - alpha1 / 2)*(1 - alpha1 / 2)*(Close - 2*Close[1] + Close[2]) + 2*(1 - alpha1)*HP[1] - (1 - alpha1)*(1 - alpha1)*HP[2] 。

//用方程3-3中的超级平滑滤波器进行平滑处理

a1 = expvalue(-1.414*3.14159 / 10)。

b1 = 2*a1*正弦（1.414*180 / 10）。

c2 = b1。

c3 = -a1*a1。

c1 = 1 - c2 - c3。

Filt = c1*(HP + HP[1]) / 2 + c2*Filt[1] + c3*Filt[2] 。

//每一个滞后值的Pearson关联性

对于Lag=0到48开始

//设置平均长度为M

M = AvgLength。

如果AvgLength = 0 那么M = Lag;

Sx = 0。

Sy = 0。

Sxx = 0。

Syy = 0。

Sxy = 0。

对于 count = 0 to M - 1 开始

X = Filt[count];

Y = Filt[Lag + count];

Sx = Sx + X。

Sy = Sy + Y;

Sxx = Sxx + X*X。

Sxy = Sxy + X*Y;

Syy = Syy + Y*Y。

结束。

如果(M*Sxx - Sx*Sx)*(M*Syy - Sy*Sy)>0 那么Corr[Lag] = (M*Sxy - Sx*Sy)/SquareRoot((M*Sxx - Sx*Sx)*(M*Syy - Sy*Sy))。

结束。

对于周期=10到48开始

余弦部分[周期]=0。

正弦部分[Period]=0。

对于N=3到48开始

余弦部分[周期]=余弦部分[周期]+Corr[N]*余弦（360*N/周期）。

SinePart[Period] = SinePart[Period] + Corr[N]*Sine(360*N / Period);

结束。

SqSum[Period] = CosinePart[Period]*CosinePart[Period] + SinePart[Period]*SinePart[Period]。

结束。

对于周期=10到48开始

R[Period, 2] = R[Period, 1];

R[Period, 1] = .2*SqSum[Period]*SqSum[Period] + .8*R[Period, 2]。

结束。

//找到用于归一化的最大功率水平

MaxPwr = .995*MaxPwr;

对于周期=10到48开始

如果R[Period, 1] > MaxPwr 那么MaxPwr = R[Period, 1];

结束。

对于周期=3到48开始

Pwr[Period] = R[Period, 1] / MaxPwr;

结束。

//使用频谱的CG计算主导周期

Spx = 0。

Sp = 0;

对于Period = 10 to 48 开始

如果Pwr[Period]>=.5 那么开始

Spx = Spx + Period*Pwr[Period]。

Sp = Sp + Pwr[Period];

结束。

结束。

如果Sp 0，那么DominantCycle = Spx / Sp;

如果DominantCycle < 10，那么DominantCycle = 10。

如果DominantCycle > 48 那么DominantCycle = 48;

/Stochastic Computation从这里开始

Vars:

HighestC(0),

最低的C(0),

Stoc(0),

SmoothNum(0),

SmoothDenom(0),

AdaptiveStochastic(0)。

HighestC = Filt;

LowestC = Filt;

For count = 0 to DominantCycle - 1 开始

如果Filt[count] > HighestC，那么HighestC = Filt[count]。

如果Filt[count] < LowestC 那么LowestC = Filt[count];

结束。

Stoc = (Filt - LowestC) / (HighestC - LowestC)。

AdaptiveStochastic = c1*(Stoc + Stoc[1]) / 2 + c2*AdaptiveStochastic[1] + c3*AdaptiveStochastic[2] 。

Plot1(AdaptiveStochastic);

Plot2(.7);

Plot6(.3)。

第2步，在自适应随机指标上实现反fisher变换。

Vars:

IFish(0) ;

Value1 = 2*(AdaptiveStochastic - .5) 。

IFish = (ExpValue(2*3*Value1) - 1) / (ExpValue(2*3*Value1) + 1) 。

Plot1(IFish) ;

Plot4(.9*IFish[1]) ;

步骤3 添加买入卖出信号。

增加了一条触发线，它是费舍尔变换延迟了一个柱形并衰减到90%。

第4步：由我添加一个发展。

如果可能的话，应该开发一个上述（逆向费雪适应性随机指标）的变体，它是MTF的，这样也可以显示更高的时间框架版本。

我认为这2个指标，逆向费雪适应性随机指标和MTF逆向费雪适应性随机指标将是潜在的非常有趣的测试指标，如果有人能在MT4中产生？

最诚挚的问候

奈杰尔

[krzysiaczek99]

不需要转换到MT4，只需使用tradestation或Multicharts，并做一个向前走的分析，以检查 它是否有效，代码你已经准备好了。你可以试用一下Multicharts，它有内置的前行分析器。我最近还检查了屋顶过滤器，它在改变趋势方向后有巨大的超调，这是不合格的。

所有这些书的作者都想出售他们的书，而不是交易，这就是他们不对自己的想法进行适当评估的原因，纸上谈兵，接受一切......

冯小刚

[hughesfleming]

Nigel99:
姆拉登。

谢谢你的回答。

除非我弄错了，在大约27分钟的时候（在先前所附的视频中），Ehler先生介绍了 "随机指数前面有一个屋顶过滤器"，说"......我把屋顶过滤器放在随机指数前面......"。我的理解是，这实现了零平均数，而且还消除了频谱扩张（即使正常的随机数在指标窗口的顶部和底部运行的原因）。 我在这个网站上看到了早期的屋顶过滤器，谢谢你的介绍。

所以在我看来，在反渔夫变换前面加上一个屋顶滤波器，并以histo形式显示，就可以接近MESA的动量本体指标。

你是否有可能知道如何做到这一点。

1.1.在随机指数前面加一个屋顶过滤器，或

2.2.在反Fisher变换前的Roofing滤波，可能会被推导出来？

我认为它们可能是有价值的。

致以最崇高的敬意

倪萍

你好，Nigel。

mladen已经将 "SuperSmoother "编码为一个函数。你可以用它来预平滑一个时间序列，在我看来，它在这方面的效果很好。我附上了一个由mladen编写的指标，其中我加入了预平滑功能，作为一个例子。这可能接近你正在寻找的东西。如果不是，你当然可以这样修改大多数指标。

该指标是M.H.Pee的 "相位变化指数"。这里是GPBUSD日线，设置为16个周期，5个周期预平滑。

该指标对其周期长度很敏感。如果你知道周期的长度，最好使用它。

编辑：我已经删除了这个指标，因为我不记得它是否最初来自精英部分。这是有可能的。如果mladen同意的话，我将再次发布它。

衷心的问候。

亚历克斯

[William Snyder]

这是带t3信号虚线的 妈咪震荡器，该指标也与较新的mt4构建兼容。

[Mladen Rakic]

fajst_k:
在关闭平滑的情况下也没有区别。你可以争辩说，对于某些时间序列来说，它比SMA更好用，但我认为必须首先证明这一点。

因此，新书、新理论、新网站，至少对我来说，它看起来有点不正常。

克里斯托夫

Krzysztof

你为什么要比较短的计算期？

计算周期越短，结果就越相似（在计算周期1结束时，所有的平均数/平滑度/过滤器都是完全一样的）。为什么不比较更长的时期和相同的时期？

即使是自适应平均线/平滑器/过滤器也不能正确地适应非常短的时期，如果计算周期足够短，即使这些平均线/平滑器/过滤器也会给出与简单移动平均线非常类似的结果。

[krzysiaczek99]

根据John E.的说法，SS的目的是为了消除高频噪音，即周期=<10条。我与SMA(5)相比，因为SMA(5)具有与SS(10)相同的滞后期，其通带为2*n。这样你就可以检查哪一个平滑度更好，它们的平滑度是一样的。只要把它们都画出来就可以了，你可以看到它们的曲线是一样的。

这意味着，至少对于USDJPY的1分钟高频噪音（如果存在的话）被SMA(l/2)和SS(l)平滑到了相同的水平。对于其他长度的

他使用的是HP滤波器。也请看他的 "预测指标 "论文中的 "市场数据结构"一章，以及带有混叠噪声和规格扩张噪声的图片。我只是非常好奇他是如何得到的，以及对于外汇数据来说，它看起来如何。

Krzysztof

[Mladen Rakic]

fajst_k:
根据John E.的说法，SS的目的是消除高频噪音，即周期=<10条。我与SMA(5)相比，因为SMA(5)具有与SS(10)相同的滞后期，其通带为2*n。这样你就可以检查哪一个平滑度更好，它们的平滑度是一样的。只要把它们都画出来就可以了，你可以看到它们的情节是一样的。

这意味着，至少对于USDJPY 1分钟的高频噪音（如果存在的话）被SMA(l/2)和SS(l)平滑到了同一水平上。对于其他长度的

他使用的是HP滤波器。也请看他的 "预测指标 "论文中的 "市场数据结构 "一章，以及带有混叠噪声和规格扩张噪声的图片。我只是非常好奇他是如何得到的，以及对于外汇数据来说，它看起来如何。

Krzysztof

Krzysztof

比较不同长度的平滑器/过滤器/平均数，（至少在我看来）不是一个公平的比较。但是，这只是我的看法。我们可以简单地决定使用一个过滤器，并在我们做的所有事情上反复使用它，但我们应该如何决定使用什么来达到这个目的，如果我们不进行实验、调查和尝试不同的方法，我们应该如何决定某个东西是最好的？

我自己也多次说过，约翰-埃勒斯倾向于先讲，然后试图为他所讲的东西提供证明，而不是我们肉眼所能看到的东西。但至少他在做实验。如果它是好的或不重要：他只是有胆量陈述和做一些事情，并为此受到抨击（如果他值得被抨击的话），所以我们应该给他一个尝试挑战极限的荣誉。

我从来没有理解过使用2-3条过滤器试图找出一个趋势（不管我们认为是什么 "趋势"）的尝试。但是，这也只是我的看法

[nigelphilpott99]

hughesfleming:

嗨，奈杰尔。

mladen已经将 "SuperSmoother "编码为一个函数。你可以用它来预平滑一个时间序列，在我看来，它在这方面的效果很好。我附上了一个由mladen编写的指标，其中我加入了预平滑功能，作为一个例子。这可能接近你正在寻找的东西。如果不是，你当然可以这样修改大多数指标。

该指标是M.H.Pee的 "相位变化指数"。这里是GPBUSD日线，设置为16个周期，5个周期预平滑。

该指标对其周期长度很敏感。如果你知道周期的长度，最好使用它。

编辑：我已经删除了这个指标，因为我不记得它是否最初来自精英部分。这是有可能的。如果mladen同意的话，我将再次发布它。

衷心的问候。

冯小刚

亚历克斯。

非常感谢您的帮助。

谢谢

奈杰尔