Alle John Ehlers-Indikatoren... - Seite 59
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
was die Fisher-Transformation betrifft, ist die Bewertung hier. Es handelt sich lediglich um einen Bereichskompressor/-dekompressor, der keinen zusätzlichen Wert liefert.
nach diesem Artikel. Auf der anderen Seite gibt es einige Leute, die versuchen, ihren Lebensunterhalt mit dem Verkauf von 'modifizierten Fisher'.... zu verdienen.
Ensign Software - Studien: Inverse Fisher-Transformation
Krzysztof
im Falle der Close-Glättung auch kein Unterschied. Man kann argumentieren, dass einige Zeitreihen besser funktionieren als SMA, aber ich glaube, das muss erst bewiesen werden.
Also, neues Buch, neue Theorien, neue Website und zumindest für mich sieht es ein bisschen schäbig aus.
Krzysztof
Vielen Dank für diese Antworten. Ich bin gerade dabei, das neueste Buch von Herrn Ehler zu lesen. Am Ende des Buches stellt er fest, dass "die inverse Fischer-Transformation des adaptiven Stochastik-Indikators klare und eindeutige Hinweise auf geeignete Kauf- und Verkaufspunkte liefert".
Der Code wird auch (im einfachen Codeformat) wie folgt angegeben:
Schritt 1 der adaptive stochastische Indikator Code ist:
{
Adaptive Stochastik
(c) 2013 John F. Ehlers
}
Vars:
AvgLength(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),
Lag(0),
count(0),
Sx(0),
Sy(0),
Sxx(0),
Syy(0),
Sxy(0),
Periode(0),
Sp(0),
Spx(0),
MaxPwr(0),
DominanterZyklus(0);
Arrays:
Corr[48](0),
CosinePart[48](0),
SinePart[48](0),
SqSum[48](0),
R[48, 2](0),
Pwr[48](0);
//Hochpassfilter für zyklische Komponenten, deren Perioden kürzer als 48 Takte sind
alpha1 = (Cosinus(.707*360 / 48) + Sinus (.707*360 / 48) - 1) / Cosinus(.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];
//Glätten mit einem Super-Smoother-Filter aus Gleichung 3-3
a1 = expwert(-1,414*3,14159 / 10);
b1 = 2*a1*Cosinus(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];
//Pearson-Korrelation für jeden Wert von Lag
Für Lag = 0 bis 48 Begin
//Einstellen der Mittelungslänge als M
M = AvgLength;
Wenn AvgLength = 0 Dann M = Lag;
Sx = 0;
Sy = 0;
Sxx = 0;
Syy = 0;
Sxy = 0;
For count = 0 to M - 1 Begin
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;
Ende;
Wenn (M*Sxx - Sx*Sx)*(M*Syy - Sy*Sy) > 0 Dann Corr[Lag] = (M*Sxy - Sx*Sy)/SquareRoot((M*Sxx - Sx*Sx)*(M*Syy - Sy*Sy));
Ende;
For Period = 10 to 48 Begin
CosinusTeil[Periode] = 0;
SinePart[Periode] = 0;
Für N = 3 bis 48 Beginn
CosinusTeil[Periode] = CosinusTeil[Periode] + Korr[N]*Cosinus(360*N / Periode);
SinePart[Periode] = SinePart[Periode] + Corr[N]*Sine(360*N / Periode);
Ende;
SqSum[Zeitraum] = CosinusTeil[Zeitraum]*CosinusTeil[Zeitraum] + SinusTeil[Zeitraum]*SinusTeil[Zeitraum];
Ende;
Für Periode = 10 bis 48 Begin
R[Zeitraum, 2] = R[Zeitraum, 1];
R[Zeitraum, 1] = .2*SqSum[Zeitraum]*SqSum[Zeitraum] + .8*R[Zeitraum, 2];
Ende;
//Ermitteln des maximalen Leistungspegels für die Normalisierung
MaxPwr = .995*MaxPwr;
Für Periode = 10 bis 48 Begin
Wenn R[Zeitraum, 1] > MaxPwr Dann MaxPwr = R[Zeitraum, 1];
Ende;
Für Periode = 3 bis 48 Beginn
Pwr[Zeitraum] = R[Zeitraum, 1] / MaxPwr;
Ende;
//Berechnen Sie den dominanten Zyklus anhand des CG des Spektrums
Spx = 0;
Sp = 0;
Für Periode = 10 bis 48 Begin
If Pwr[Period] >= .5 Then Begin
Spx = Spx + Period*Pwr[Period];
Sp = Sp + Pwr[Periode];
Ende;
Ende;
Wenn Sp 0, dann DominantCycle = Spx / Sp;
Wenn DominantCycle < 10, dann DominantCycle = 10;
Wenn DominantCycle > 48, dann DominantCycle = 48;
//Stochastische Berechnung beginnt hier
Variablen:
HighestC(0),
LowestC(0),
Stoc(0),
SmoothNum(0),
SmoothDenom(0),
AdaptiveStochastic(0);
HighestC = Filt;
NiedrigsterC = Filt;
For count = 0 to DominantCycle - 1 Begin
Wenn Filt[count] > HighestC dann HighestC = Filt[count];
Wenn Filt[count] < LowestC, dann LowestC = Filt[count];
Ende;
Stoc = (Filt - LowestC) / (HighestC - LowestC);
AdaptiveStochastic = c1*(Stoc + Stoc[1]) / 2 + c2*AdaptiveStochastic[1] + c3*AdaptiveStochastic[2];
Plot1(AdaptiveStochastic);
Plot2(.7);
Plot6(.3);
Schritt 2 zur Implementierung der inversen Fisher-Transformation für den adaptiven stochastischen Indikator:
Vars:
IFish(0) ;
Wert1 = 2*(AdaptiveStochastic - .5) ;
IFish = (ExpValue(2*3*Value1) - 1) / (ExpValue(2*3*Value1) + 1) ;
Plot1(IFish) ;
Plot4(.9*IFish[1]) ;
Schritt 3 Hinzufügen von Kauf-Verkaufssignalen:
Es wird eine Triggerlinie hinzugefügt, die die um einen Balken verzögerte und auf 90 Prozent abgeschwächte Fisher-Transformation darstellt.
Schritt 4 Eine von mir hinzugefügte Entwicklung:
Wenn möglich, sollte eine Variante des obigen Indikators (Inverse Fisher adaptive Stochastik) entwickelt werden, die MTF ist, so dass auch Versionen mit höheren Zeitrahmen angezeigt werden können.
Ich denke, dass diese 2 Indikatoren, der Inverse Fisher adaptive Stochastik-Indikator und der MTF Inverse Fisher adaptive Stochastik-Indikator, potentiell sehr interessante Indikatoren zum Testen wären, wenn jemand bitte in der Lage ist, sie in MT4 zu produzieren?
Mit besten Grüßen
Nigel
Sie müssen nicht auf MT4 konvertieren, verwenden Sie einfach Tradestation oder Multicharts und machen Sie eine Walk Forward-Analyse, um zu prüfen, ob es funktioniert, Code haben Sie bereit. Sie können eine Testversion von Multicharts nehmen, es hat Walk Forward Analyzer bauen in. Ich habe vor kurzem auch den Roofing-Filter überprüft und er hat ein großes Überschwingen nach dem Richtungswechsel des Trends, was disqualifizierend ist.
All diese Buchautoren wollen ihre Bücher verkaufen und nicht handeln, das ist der Grund, warum sie ihre Ideen nicht richtig bewerten, Papier nimmt alles an...
Krzysztof
Mladen,
Vielen Dank für Ihre Antwort.
Wenn ich mich nicht irre, führt Herr Ehler etwa bei Minute 27 (in dem früher angehängten Video) die "Stochastik mit vorangestelltem Roofing-Filter" ein und sagt: "...ich stelle den Roofing-Filter vor die Stochastik...". Meines Erachtens wird dadurch ein Mittelwert von Null erreicht und auch die spektrale Dilatation beseitigt (d. h. das, was eine normale Stochastik am oberen und unteren Rand des Indikatorfensters auflaufen lässt). Ich habe die frühere Überdachung Filter auf dieser Website Dank für die Verweisung gefangen.
Ich habe immer noch den Eindruck, dass ein Roofing-Filter vor der inversen Fischer-Transformation und der Anzeige in Histo-Form dem MESA Momentum Propriety-Indikator nahe kommt.
Gibt es eine Möglichkeit, dass Sie vielleicht eine Idee haben, wie entweder die:
1. Roofing-Filter vor einer Stochastik, oder
2. Roofing-Filter vor einer inversen Fisher-Transformation in Histo-Form, abgeleitet werden könnte?
Ich denke, sie könnten wertvoll sein.
Mit freundlichen Grüßen
NigelHallo Nigel,
mladen hat "SuperSmoother" als Funktion kodiert. Sie können damit eine Zeitreihe vorglätten und meiner Meinung nach funktioniert das gut. Ich habe einen von mladen geschriebenen Indikator beigefügt, bei dem ich die Vorglättung als Beispiel hinzugefügt habe. Vielleicht kommt dieser Indikator dem nahe, wonach Sie suchen. Wenn nicht, können Sie sicherlich die meisten Indikatoren auf diese Weise modifizieren.
Der Indikator ist "Phase Change Index ursprünglich von M.H. Pee. Hier ist GPBUSD daily auf 16 Perioden mit 5 Perioden Vorglättung eingestellt.
Der Indikator reagiert empfindlich auf seine Periodenlänge. Er wird am besten verwendet, wenn Sie eine Vorstellung davon haben, wie lang die Periode sein sollte.
Edit: Ich habe den Indikator gelöscht, da ich mich nicht erinnern kann, ob er ursprünglich aus dem Elite-Bereich stammt. Es ist möglich. Wenn mladen damit einverstanden ist, werde ich ihn wieder posten.
Mit freundlichen Grüßen,
Alex
Dies ist Mama Oszillator mit einem t3 Signal gepunktete Linie der Indikator ist auch kompatibel mit neueren mt4 baut.
im Falle der nahen Glättung gibt es auch keinen Unterschied. Sie können argumentieren, dass für einige Zeitreihen wird besser als SMA arbeiten, aber ich glaube, es muss zuerst bewiesen werden.
Also, neues Buch, neue Theorien, neue Website, und zumindest für mich sieht es ein bisschen schäbig aus
Krzysztof
Krzysztof
Warum vergleichen Sie kurze Berechnungszeiträume?
Je kürzer der Berechnungszeitraum ist, desto ähnlicher sind die Ergebnisse (und enden in Berechnungszeitraum 1, wenn alle Durchschnitte/Glättungen/Filter genau gleich sind). Warum werden nicht längere Zeiträume und gleiche Zeiträume verglichen?
Selbst adaptive Durchschnitte / Glättungen / Filter können sich bei sehr kurzen Zeiträumen nicht richtig anpassen und selbst diese liefern Ergebnisse, die einem einfachen gleitenden Durchschnitt sehr ähnlich sind, wenn der Berechnungszeitraum kurz genug ist
Nach John E. ist der Zweck von SS, hochfrequentes Rauschen zu unterdrücken, d. h. Perioden =< 10 Takte. Ich vergleiche mit SMA(5), weil SMA(5) die gleiche Verzögerung wie SS(10) hat und sein Durchlassbereich 2*n ist. Dann können Sie prüfen, welche der beiden Methoden besser glättet, und sie glätten gleich. Es reicht aus, wenn Sie beide darstellen, und Sie werden sehen, dass die Darstellung die gleiche ist.
Das bedeutet, dass zumindest für USDJPY 1 Minute hochfrequentes Rauschen (falls vorhanden) auf dem gleichen Niveau durch SMA(l/2) und SS(l) geglättet wird. Für andere Längen
verwendet er den HP-Filter. Siehe auch das Kapitel "Market Data Structure" in seinem "Predictive Indicators"-Papier und das Bild mit Aliasing Noise und Specrtal Dilation Noise. Ich bin nur sehr neugierig, wie er darauf gekommen ist und wie es z.B. für FOREX-Daten aussieht.
Krzysztof
Laut John E. besteht der Zweck von SS darin, hochfrequentes Rauschen auszuschalten, d.h. Perioden =< 10 Balken. Ich vergleiche mit SMA(5), weil SMA(5) die gleiche Verzögerung wie SS(10) hat und sein Durchlassbereich 2*n ist. Dann können Sie prüfen, welche der beiden Methoden besser glättet, und sie glätten gleich. Es reicht aus, wenn Sie beide darstellen und Sie sehen, dass die Darstellung gleich ist.
Das bedeutet, dass zumindest für USDJPY 1 Minute hochfrequentes Rauschen (falls vorhanden) auf dem gleichen Niveau durch SMA(l/2) und SS(l) geglättet wird. Für andere Längen
verwendet er den HP-Filter. Siehe auch das Kapitel "Market Data Structure" in seinem "Predictive Indicators"-Papier und das Bild mit Aliasing Noise und Specrtal Dilation Noise. Ich bin nur sehr neugierig, wie er darauf gekommen ist und wie es z.B. für FOREX-Daten aussieht.
KrzysztofKrzysztof
Der Vergleich verschiedener Längenglätter / Filter / Mittelwerte ist (zumindest meiner Meinung nach) kein fairer Vergleich. Aber das ist eben meine Meinung. Wir könnten uns einfach für einen Filter entscheiden und ihn für alles, was wir machen, immer wieder verwenden, aber wie sollen wir entscheiden, was wir für diesen Zweck verwenden, und wie sollen wir entscheiden, dass etwas das Beste ist, was es gibt, wenn wir nicht experimentieren, untersuchen und verschiedene Ansätze ausprobieren?
Auch ich habe schon oft gesagt, dass John Ehlers dazu neigt, zuerst zu erzählen und dann zu versuchen, einen Beweis für das zu erbringen, was er erzählt hat, und nicht für das, was wir mit unseren bloßen Augen sehen können. Aber zumindest experimentiert er. Ob es gut ist oder nicht, spielt keine große Rolle: Er hat einfach den Mut, etwas zu behaupten und zu tun und dafür Prügel zu beziehen (wenn er es verdient hat, Prügel zu beziehen), also sollten wir ihm zugute halten, dass er versucht hat, die Grenzen zu erweitern
Ich habe nie verstanden, wie man versucht, mit 2-3-Balken-Filtern einen Trend zu erkennen (was auch immer wir als "Trend" betrachten). Aber wie gesagt, das ist nur meine Meinung.
Hallo Nigel,
mladen hat "SuperSmoother" als Funktion kodiert. Sie können damit eine Zeitreihe vorglätten und meiner Meinung nach funktioniert das auch gut. Ich habe einen von mladen geschriebenen Indikator beigefügt, bei dem ich die Vorglättung als Beispiel hinzugefügt habe. Vielleicht kommt dieser Indikator dem nahe, wonach Sie suchen. Wenn nicht, können Sie sicherlich die meisten Indikatoren auf diese Weise modifizieren.
Der Indikator ist "Phase Change Index ursprünglich von M.H. Pee. Hier ist GPBUSD daily auf 16 Perioden mit 5 Perioden Vorglättung eingestellt.
Der Indikator reagiert empfindlich auf seine Periodenlänge. Er wird am besten verwendet, wenn Sie eine Vorstellung davon haben, wie lang die Periode sein sollte.
Edit: Ich habe den Indikator gelöscht, da ich mich nicht erinnern kann, ob er ursprünglich aus dem Elite-Bereich stammt. Es ist möglich. Wenn mladen damit einverstanden ist, werde ich ihn wieder posten.
Mit freundlichen Grüßen,
AlexAlex,
Vielen Dank für Ihre Hilfe.
Mit freundlichen Grüßen
Nigel