Adaptive Kernel Smoother
- Indicadores
- Nik Andersen
- Versión: 1.4
- Activaciones: 5
Adaptive Kernel Smoother NIKAQuant Indicator
Adaptive Kernel Smoother NIKAQuant es una herramienta de tendencia no paramétrica basada en regresión kernel de Nadaraya–Watson. En lugar de una media móvil rígida, cada barra se estima mediante una ventana ponderada gaussiana, produciendo una línea que se adapta a la estructura real del precio.
🔬 Cómo funciona
El kernel gaussiano pondera cada barra histórica por su distancia dentro de la ventana. El ancho adaptado al ATR expande el kernel en volatilidad y lo estrecha en calma — línea reactiva pero sin latigazos.
📊 Canal sigma de residuos
La desviación estándar móvil del residuo "precio − kernel" genera un canal dinámico. Cierre por encima del borde superior = estado alcista. Cierre por debajo del inferior = estado bajista. El estado persiste hasta la ruptura opuesta.
🎨 Tres modos visuales
- Bands: línea media + canal + relleno
- Single Line: solo línea media coloreada por estado
- Trail: el borde contrario como trailing stop
🎨 Siete temas
Classic, Cyber Aqua, Crimson Pulse, Royal Purple, Emerald Night, Minimal Mono, Classic Emerald.
⚠️ Sin repintado
Todas las decisiones usan barras confirmadas.
🖥️ Panel integrado
Muestra señal, valor del kernel, bordes, sigma y ancho activo.
Parámetros
- Kernel Regression: ventana, ancho base h, adaptación ATR, suavizado
- Residual Bands: multiplicador, ventana, suavizado
- Visuals: modo, tema, relleno, panel, códigos de flecha
- Alerts: ruptura alcista/bajista — popup, push, sonido
Cómo usar
- Adjunte a cualquier gráfico
- Elija modo y tema
- Ventana mayor = señales más estratégicas
- Adaptación ATR activa por defecto
- Use como filtro de tendencia o temporizador de ruptura
FAQ
¿Repinta?
No. Solo barras confirmadas.
¿Funciona en cualquier símbolo?
Sí — cálculo solo de precio.
¿Un EA puede leer la señal?
Sí — vía iCustom, buffer 10.
¿Timeframes bajos?
Sí, pero aumente el ancho del kernel.
Adaptive Kernel Smoother NIKAQuant Indicator | Copyright 2026
