|
9+ années
expérience
|
92
produits
|
7
versions de démo
|
|
6
offres d’emploi
|
0
signaux
|
0
les abonnés
|
La série hypergéométrique est utilisée pour calculer les coefficients de poids de ce filtre. Cette approche permet d'obtenir un lissage assez intéressant de la série temporelle. Les poids de filtre hypergéométriques ne décroissent pas aussi vite que les moyennes mobiles pondérées exponentielles et linéaires, mais plus rapidement que les moyennes mobiles lissées. Pour cette raison, le comportement de ce filtre est à bien des égards similaire au comportement des moyennes mobiles. Cependant, il
La série hypergéométrique est utilisée pour calculer les coefficients de poids de ce filtre. Cette approche permet d'obtenir un lissage assez intéressant de la série temporelle. Les poids de filtre hypergéométriques ne décroissent pas aussi vite que les moyennes mobiles pondérées exponentielles et linéaires, mais plus rapidement que les moyennes mobiles lissées. Pour cette raison, le comportement de ce filtre est à bien des égards similaire au comportement des moyennes mobiles. Cependant, il
Cet indicateur affiche les niveaux optimaux de take profit et de stop loss. Ces niveaux sont calculés sur la base de données historiques. Au premier démarrage, l'indicateur est entraîné sur l'historique. Après cela, il évalue la probabilité que le prix dépasse tel ou tel niveau à l'avenir et sélectionne les options les plus optimales pour passer des ordres stop. Par exemple, les valeurs de take profit sont sélectionnées pour que le profit soit maximum et que la probabilité que le prix atteigne
Cet indicateur affiche les niveaux optimaux de take profit et de stop loss. Ces niveaux sont calculés sur la base de données historiques. Au premier démarrage, l'indicateur est entraîné sur l'historique. Après cela, il évalue la probabilité que le prix dépasse tel ou tel niveau à l'avenir et sélectionne les options les plus optimales pour passer des ordres stop. Par exemple, les valeurs de take profit sont sélectionnées pour que le profit soit maximum et que la probabilité que le prix atteigne
Ce filtre est basé sur les polynômes de Bessel. Son principal avantage est un petit délai. Une autre caractéristique de ce filtre est sa grande sensibilité aux dernières valeurs de la série chronologique financière. Pour cette raison, l'indicateur met en évidence les mouvements de prix actifs, tout en lissant les écarts de bruit. En plus de la variante classique, les logarithmes des coefficients de Bessel ont été ajoutés à l'indicateur en tant que fonction de pondération. Dans ce cas
Ce filtre est basé sur les polynômes de Bessel. Son principal avantage est un petit délai. Une autre caractéristique de ce filtre est sa grande sensibilité aux dernières valeurs de la série chronologique financière. Pour cette raison, l'indicateur met en évidence les mouvements de prix actifs, tout en lissant les écarts de bruit. En plus de la variante classique, les logarithmes des coefficients de Bessel ont été ajoutés à l'indicateur en tant que fonction de pondération. Dans ce cas
Cet indicateur est basé sur la transformée de Hartley discrète. L'utilisation de cette transformation vous permet d'appliquer différentes approches lors du traitement des séries chronologiques financières. Une caractéristique distinctive de cet indicateur est que ses lectures ne se réfèrent pas à un point sur le graphique, mais à tous les points de la période de l'indicateur. Lors du traitement d'une série temporelle, l'indicateur permet de sélectionner différents éléments de la série
Cet indicateur est basé sur la transformée de Hartley discrète. L'utilisation de cette transformation vous permet d'appliquer différentes approches lors du traitement des séries chronologiques financières. Une caractéristique distinctive de cet indicateur est que ses lectures ne se réfèrent pas à un point sur le graphique, mais à tous les points de la période de l'indicateur. Lors du traitement d'une série temporelle, l'indicateur permet de sélectionner différents éléments de la série
La moyenne de Lehmer peut être considérée comme une fonction fenêtre dont les coefficients de pondération dépendent des valeurs des variables utilisées dans le calcul. Cette moyenne n'est pas linéaire car l'exponentiation est utilisée dans son calcul. Les caractéristiques de l'indicateur dépendent de deux paramètres : iPeriod - période de l'indicateur, la valeur valide est supérieure ou égale à 2 ; iPower - exposant, qui est utilisé lors du calcul des valeurs des indicateurs. La
La moyenne de Lehmer peut être considérée comme une fonction fenêtre dont les coefficients de pondération dépendent des valeurs des variables utilisées dans le calcul. Cette moyenne n'est pas linéaire car l'exponentiation est utilisée dans son calcul. Les caractéristiques de l'indicateur dépendent de deux paramètres : iPeriod - période de l'indicateur, la valeur valide est supérieure ou égale à 2 ; iPower - exposant, qui est utilisé lors du calcul des valeurs des indicateurs. La plage valide
Le filtre de Kolmogorov-Zhurbenko peut être considéré comme une fonction de fenêtre spéciale conçue pour éliminer les fuites spectrales. Ce filtre est optimal pour lisser les séries chronologiques stochastiques (y compris financières). L'indicateur basé sur ce filtre contient les paramètres suivants : iLength - la période de la fenêtre rectangulaire d'origine utilisée pour construire le filtre. La valeur valide est comprise entre 2 et 255. iDegree - ordre de filtrage. Si iDegree=0, alors une
Le filtre de Kolmogorov-Zhurbenko peut être considéré comme une fonction de fenêtre spéciale conçue pour éliminer les fuites spectrales. Ce filtre est optimal pour lisser les séries chronologiques stochastiques (y compris financières). L'indicateur basé sur ce filtre contient les paramètres suivants : iLength - la période de la fenêtre rectangulaire d'origine utilisée pour construire le filtre. La valeur valide est comprise entre 2 et 255. iDegree - ordre de filtrage. Si iDegree=0, alors une
Diverses fonctions de fenêtre peuvent être utilisées pour lisser les séries chronologiques. Les fonctions de fenêtre peuvent être très différentes les unes des autres dans leurs caractéristiques - le niveau de lissage, la suppression du bruit, etc. Cet indicateur permet d'implémenter les fonctions de la fenêtre principale et d'évaluer leurs performances sur des séries temporelles financières. Paramètres de l'indicateur : iPeriod – période de l'indicateur. iPériode >= 2 iCenter
Diverses fonctions de fenêtre peuvent être utilisées pour lisser les séries chronologiques. Les fonctions de fenêtre peuvent être très différentes les unes des autres dans leurs caractéristiques - le niveau de lissage, la suppression du bruit, etc. Cet indicateur permet d'implémenter les fonctions de la fenêtre principale et d'évaluer leurs performances sur des séries temporelles financières. Paramètres de l'indicateur : iPeriod – période de l'indicateur. iPériode >= 2 iCenter
Ce script est conçu pour évaluer les pondérations dans diverses fonctions de fenêtre. Un indicateur construit sur ces fonctions de fenêtre peut être téléchargé sur https://www.mql5.com/ru/market/product/72159 Paramètres d'entrée: iPeriod – période de l'indicateur. iPériode >= 2 iCenter est l'index de la référence où se situera le centre de la fonction fenêtre. Par défaut, ce paramètre est 0 - le centre de la fenêtre coïncide avec le centre de l'indicateur. Avec 1 <= iCenter <=
Ce script est conçu pour évaluer les pondérations dans diverses fonctions de fenêtre. Un indicateur construit sur ces fonctions de fenêtre peut être téléchargé sur https://www.mql5.com/ru/market/product/72160 Paramètres d'entrée: iPeriod – période de l'indicateur. iPériode >= 2 iCenter est l'index de la référence où se situera le centre de la fonction fenêtre. Par défaut, ce paramètre est 0 - le centre de la fenêtre coïncide avec le centre de l'indicateur. Avec 1 <= iCenter <= iPeriod
Some traders are guided by trading sessions during trading. Figure 1 shows the average price swing over one week. It can be seen that trading sessions on different days differ in their duration and activity. This indicator is designed to estimate the average price movement at certain intervals within a weekly cycle. It takes into account price movements up and down separately from each other and makes it possible to determine the moments when high volatility is possible in the market. On the
Some traders are guided by trading sessions during trading. Figure 1 shows the average price swing over one week. It can be seen that trading sessions on different days differ in their duration and activity. This indicator is designed to estimate the average price movement at certain intervals within a weekly cycle. It takes into account price movements up and down separately from each other and makes it possible to determine the moments when high volatility is possible in the market. On the
The arithmetic mean or median can be used to determine the measure of the central trend of a time series. Both methods have some disadvantages. The arithmetic mean is calculated by the Simple Moving Average indicator. It is sensitive to emissions and noise. The median behaves more steadily, but there is a loss of information at the boundaries of the interval. In order to reduce these disadvantages, pseudo-median signal filtering can be used. To do this, take the median of a small length and
The arithmetic mean or median can be used to determine the measure of the central trend of a time series. Both methods have some disadvantages. The arithmetic mean is calculated by the Simple Moving Average indicator. It is sensitive to emissions and noise. The median behaves more steadily, but there is a loss of information at the boundaries of the interval. In order to reduce these disadvantages, pseudo-median signal filtering can be used. To do this, take the median of a small length and