SuperTrend AI Clustering
- Indicadores
- Versión: 1.0
- Activaciones: 5
El indicador SuperTrend AI es una novedosa forma de tender un puente entre el método de aprendizaje automático de agrupamiento K-means y los indicadores técnicos. En este caso, aplicamos el agrupamiento K-means al famoso indicador SuperTrend.
🔶USO
Los usuarios pueden interpretar el trailing stop de SuperTrend AI de forma similar al indicador SuperTrend habitual. El uso de factores mínimos y máximos más elevados generará señales a más largo plazo.
Las métricas de rendimiento que se muestran en cada señal permiten una interpretación más detallada del indicador. Así, los valores más altos podrían indicar un mayor potencial de que el mercado se dirija en la dirección de la tendencia, en comparación con las señales con valores más bajos, como 1 o 0, que podrían indicar retrocesos.
En la imagen anterior, podemos observar ejemplos más claros de las métricas de rendimiento en señales que indican tendencias; sin embargo, estas métricas de rendimiento no pueden analizar ni predecir todas las señales de forma fiable.
En la imagen anterior podemos ver que el trailing stop y su media móvil adaptativa también pueden actuar como soporte y resistencia. El uso de valores más altos en la configuración de la memoria de rendimientopermite a los usuarios obtener una media móvil adaptativa a más largo plazo del trailing stop devuelto.
- Duración del ATR: periodo del ATR utilizado para el cálculo de los SuperTrends.
- Rango del factor: Determina los valores mínimo y máximo del factor para el cálculo de los SuperTrends.
- Paso: Incrementos del rango del factor.
- Memoria de rendimiento: Determina en qué medida los datos anteriores afectan al resultado actual; los valores más altos proporcionan mediciones de rendimiento a más largo plazo.
- Desde el clúster: Determina qué clúster se utiliza para obtener el factor final.
🔹Optimización
Este grupo de ajustes afecta al rendimiento en tiempo de ejecución del script.
- Número máximo de pasos de iteración: Número máximo de iteraciones permitidas para encontrar los centroides. Unos valores excesivamente bajos pueden reducir el tiempo de carga del script, pero dan lugar a una agrupación deficiente.
- Cálculo de barras históricas: Ventana de cálculo del script (en barras).
