AIS Adaptive Trend Smoothing

Para aislar componentes a largo plazo y no aleatorios, es necesario saber no solo cuánto ha cambiado el precio, sino también cómo se produjeron estos cambios. En otras palabras, estamos interesados ​​no solo en los valores de los niveles de precios, sino también en el orden en que estos niveles se reemplazan entre sí. A través de este enfoque, se pueden encontrar factores a largo plazo y estables que influyen (o pueden influir) en el cambio de precio en un momento dado. Y el conocimiento de estos factores le permite hacer una predicción más o menos precisa.

Determinemos qué resultados específicos queremos obtener del análisis de las series financieras en el tiempo:

Para cumplir con las condiciones especificadas, utilizamos un análisis de regresión de los cambios de precios relativos y hacemos un indicador basado en este modelo. El algoritmo de este indicador se basa en el aprendizaje a partir de datos históricos, y su trabajo está bajo el control completo del comerciante.

• LH es un parámetro que determina el número de barras utilizadas para suavizar las series financieras. Su valor permitido es entre 0 - 255.
• UTS es un parámetro que afecta la velocidad y la profundidad del aprendizaje. Su valor también se encuentra entre 0 y 255. Si el valor de UTS es cero, el aprendizaje ocurre a lo largo de la historia. En todos los demás casos, el conjunto de entrenamiento se actualiza de vez en cuando. Esta actualización ocurre cuanto más a menudo, más pequeño es el valor UTS.

La principal desventaja de este indicador es que al suavizar las series financieras se consideran estacionarias, lo que puede causar algún retraso.