AIS Adaptive Trend Smoothing

Um langfristige und nicht zufällige Komponenten zu isolieren, muss nicht nur bekannt sein, um wie viel sich der Preis geändert hat, sondern auch, wie sich diese Änderungen ereignet haben. Mit anderen Worten - wir interessieren uns nicht nur für die Werte der Preisniveaus, sondern auch für die Reihenfolge, in der sich diese Niveaus gegenseitig ersetzen. Durch diesen Ansatz kann man langfristige und stabile Faktoren finden, die die Preisänderung zu einem bestimmten Zeitpunkt beeinflussen (oder beeinflussen können). Und wenn Sie diese Faktoren kennen, können Sie eine mehr oder weniger genaue Vorhersage treffen.

Lassen Sie uns bestimmen, welche spezifischen Ergebnisse wir aus der Analyse von Finanzreihen rechtzeitig erhalten möchten:

Um die angegebenen Bedingungen zu erfüllen, verwenden wir eine Regressionsanalyse der relativen Preisänderungen und erstellen einen Indikator, der auf diesem Modell basiert. Der Algorithmus dieses Indikators basiert auf dem Lernen aus historischen Daten und seine Arbeit unterliegt der vollständigen Kontrolle des Händlers.

• LH ist ein Parameter, der die Anzahl der Balken bestimmt, mit denen die Finanzserien geglättet werden. Der zulässige Wert liegt zwischen 0 und 255.
• UTS ist ein Parameter, der die Geschwindigkeit und Tiefe des Lernens beeinflusst. Sein Wert liegt ebenfalls zwischen 0 und 255. Wenn der Wert von UTS Null ist, wird im Verlauf gelernt. In allen anderen Fällen wird das Trainingsset von Zeit zu Zeit aktualisiert. Diese Aktualisierung erfolgt umso häufiger, je kleiner der UTS-Wert ist.

Der Hauptnachteil dieses Indikators besteht darin, dass beim Glätten die Finanzreihen als stationär betrachtet werden, was zu Verzögerungen führen kann.