|
9+ 年
経験
|
92
製品
|
7
デモバージョン
|
|
6
ジョブ
|
0
シグナル
|
0
購読者
|
このフィルターはベッセル多項式に基づいています。その主な利点は、わずかな時間遅延です。このフィルターのもう1つの機能は、財務時系列の最新の値に対する感度が高いことです。このため、インジケーターは、ノイズの偏差を滑らかにしながら、アクティブな価格変動を強調表示します。 古典的な変形に加えて、ベッセル係数の対数が重み関数としてインジケーターに追加されました。この場合、インジケーターはより滑らかになりますが、同時に価格が活発に動くと遅れる可能性があります。 ベッセル多項式を計算するときは、階乗が使用されます。このため、インジケーターの期間は上下から制限されます。通常のベッセルフィルターを使用する場合は、インジケーターの短い周期に注意することをお勧めします。期間が長くなると、インジケーターの動作がますます安定し、違いが目立たなくなります。 図は、両方のフィルタータイプの動作を示しています。 インジケーターパラメーター： TypeFilter-通常/対数フィルタータイプの選択 iPeriod-インジケーター期間、有効な値3-85。
このインジケーターは、離散ハートレー変換に基づいています。この変換を使用すると、財務時系列を処理するときにさまざまなアプローチを適用できます。このインジケーターの特徴は、その読み取り値がチャート上の1つのポイントではなく、インジケーター期間のすべてのポイントを参照していることです。 時系列を処理する場合、インジケーターを使用すると、時系列のさまざまな要素を選択できます。フィルタリングの最初の可能性は、このアプローチに基づいています。不要な高周波成分はすべて単に破棄されます。最初の図は、この方法の可能性を示しています。CutOffパラメーターを選択すると、元の時系列の詳細を選択できます（赤い線-主要な情報のみが残りますCutOff = 0、黄色-主要な最低周波数期間CutOff = 1 、青-最も高周波のノイズはすべて破棄されますCutOff = 4）。ただし、これが唯一の可能性ではありません。ノイズ成分は、追加のフィルタリングで抑制できます。 このインジケーターには両方のオプションが実装されています。そのパラメータは次のとおりです。 iPeriod-インジケーター期間
このインジケーターは、離散ハートレー変換に基づいています。この変換を使用すると、財務時系列を処理するときにさまざまなアプローチを適用できます。このインジケーターの特徴は、その読み取り値がチャート上の1つのポイントではなく、インジケーター期間のすべてのポイントを参照していることです。 時系列を処理する場合、インジケーターを使用すると、時系列のさまざまな要素を選択できます。フィルタリングの最初の可能性は、このアプローチに基づいています。不要な高周波成分はすべて単に破棄されます。最初の図は、この方法の可能性を示しています。CutOffパラメーターを選択すると、元の時系列の詳細を選択できます（赤い線-主要な情報のみが残りますCutOff = 0、黄色-主要な最低周波数期間CutOff = 1 、青-最も高周波のノイズはすべて破棄されますCutOff = 4）。ただし、これが唯一の可能性ではありません。ノイズ成分は、追加のフィルタリングで抑制できます。 このインジケーターには両方のオプションが実装されています。そのパラメータは次のとおりです。 iPeriod-インジケーター期間
レーマー平均はウィンドウ関数と見なすことができ、その重み係数は計算で使用される変数の値に依存します。計算にはべき乗が使用されるため、この平均は非線形です。 インジケーターの特性は、2つのパラメーターに依存します。 iPeriod -インジケーター期間、有効な値は2以上です。 iPower -指数。インジケーター値を計算するときに使用されます。有効な範囲は-32768〜32767です iPower = 0の場合、調和平均を取得します。 iPower = 1の場合-算術平均、 iPower = 2の場合、逆調和平均。 指数が大きい場合、レーマー平均は時系列の最大境界を強調します。そして、負の指数では、最小値が強調されます。この特性により、レーマー平均は時系列の平滑化とチャネルの構築の両方に使用できます。 最初の画像は、指数が+500および-500の終値を使用して計算されたチャネルを示しています。 2番目の図は、iPower=+1000および-1000の同じチャネルを示しています。 3番目と4番目の図では、リーマーの平均が+/-1000と+/-5000の高値と安値に適用されています。
レーマー平均はウィンドウ関数と見なすことができ、その重み係数は計算で使用される変数の値に依存します。計算にはべき乗が使用されるため、この平均は非線形です。 インジケーターの特性は、2つのパラメーターに依存します。 iPeriod -インジケーター期間、有効な値は2以上です。 iPower -指数。インジケーター値を計算するときに使用されます。有効な範囲は-32768〜32767です iPower = 0の場合、調和平均を取得します。 iPower = 1の場合-算術平均、 iPower = 2の場合、逆調和平均。 指数が大きい場合、レーマー平均は時系列の最大境界を強調します。そして、負の指数では、最小値が強調されます。この特性により、レーマー平均は時系列の平滑化とチャネルの構築の両方に使用できます。 最初の画像は、指数が+500および-500の終値を使用して計算されたチャネルを示しています。 2番目の図は、iPower=+1000および-1000の同じチャネルを示しています。 3番目と4番目の図では、リーマーの平均が+/-1000と+/-5000の高値と安値に適用されています。
Kolmogorov-Zhurbenkoフィルターは、スペクトル漏れを排除するように設計された特別なウィンドウ関数と見なすことができます。このフィルターは、確率的（財務を含む）時系列を平滑化するのに最適です。 このフィルターに基づくインジケーターには、以下のパラメーターが含まれています。 iLength-フィルターの作成に使用された元の長方形ウィンドウの周期。有効な値は2〜255です。 iDegree-フィルターの順序。 iDegree = 0の場合、単純な移動平均が取得されます。 iDegree = 1の場合、三角形の移動平均が得られます。次数が高いほど、スムージングとノイズ抑制が向上します。許可される値は2〜255です。また、このパラメーターは、インジケーターの最終期間= iLength + iDegree *（iLength-1）に影響します。 iMultiplier-フィルター値からカウントされた標準偏差の数を示す乗数。 インジケーターの外観は写真に示されています。
Kolmogorov-Zhurbenkoフィルターは、スペクトル漏れを排除するように設計された特別なウィンドウ関数と見なすことができます。このフィルターは、確率的（財務を含む）時系列を平滑化するのに最適です。 このフィルターに基づくインジケーターには、以下のパラメーターが含まれています。 iLength-フィルターの作成に使用された元の長方形ウィンドウの周期。有効な値は2〜255です。 iDegree-フィルターの順序。 iDegree = 0の場合、単純な移動平均が取得されます。 iDegree = 1の場合、三角形の移動平均が得られます。次数が高いほど、スムージングとノイズ抑制が向上します。許可される値は2〜255です。また、このパラメーターは、インジケーターの最終期間= iLength + iDegree *（iLength-1）に影響します。 iMultiplier-フィルター値からカウントされた標準偏差の数を示す乗数。 インジケーターの外観は写真に示されています。
時系列を滑らかにするために、さまざまなウィンドウ機能を使用できます。ウィンドウ機能は、スムージングのレベル、ノイズ抑制などの特性が互いにかなり異なる場合があります。このインジケーターを使用すると、メインウィンドウの機能を実装し、財務時系列でのパフォーマンスを評価できます。 インジケーターパラメーター： iPeriod –インジケーター期間。 iPeriod> = 2 iCenter は、ウィンドウ関数の中心が配置される参照のインデックスです。デフォルトでは、このパラメーターは0です。ウィンドウの中心はインジケーターの中心と一致します。 1 <= iCenter <= iPeriodの場合、ウィンドウ関数の中心がシフトし、その結果、インジケーターのいくつかの特性が変化します。図1では、中心の選択がウィンドウ機能とインジケーターの表示にどのように影響するかを確認できます。このパラメータは、0.5刻みで変更できます。
時系列を滑らかにするために、さまざまなウィンドウ機能を使用できます。ウィンドウ機能は、スムージングのレベル、ノイズ抑制などの特性が互いにかなり異なる場合があります。このインジケーターを使用すると、メインウィンドウの機能を実装し、財務時系列でのパフォーマンスを評価できます。 インジケーターパラメーター： iPeriod –インジケーター期間。 iPeriod> = 2 iCenter は、ウィンドウ関数の中心が配置される参照のインデックスです。デフォルトでは、このパラメーターは0です。ウィンドウの中心はインジケーターの中心と一致します。 1 <= iCenter <= iPeriodの場合、ウィンドウ関数の中心がシフトし、その結果、インジケーターのいくつかの特性が変化します。図1では、中心の選択がウィンドウ機能とインジケーターの表示にどのように影響するかを確認できます。このパラメータは、0.5刻みで変更できます。
このスクリプトは、さまざまなウィンドウ関数の重みを評価するように設計されています。これらのウィンドウ機能に基づいて構築されたインジケーターは、 https：//www.mql5.com/ru/market/product/72160 からダウンロードできます。 入力パラメータ： iPeriod –インジケーター期間。 iPeriod> = 2 iCenterは、ウィンドウ関数の中心が配置される参照のインデックスです。デフォルトでは、このパラメーターは0です。ウィンドウの中心はインジケーターの中心と一致します。 1 <= iCenter <= iPeriodの場合、ウィンドウ関数の中心がシフトし、その結果、インジケーターのいくつかの特性が変化します。図1では、中心の選択がウィンドウ機能とインジケーターの表示にどのように影響するかを確認できます。このパラメータは、0.5刻みで変更できます。 Histogramwidth-ヒストグラムの幅。 Histogramcolor-ヒストグラムの色。 Showduration-期間を表示します。
このスクリプトは、さまざまなウィンドウ関数の重みを評価するように設計されています。これらのウィンドウ機能に基づいて構築されたインジケーターは、 https：//www.mql5.com/ru/market/product/72160 からダウンロードできます。 入力パラメータ： iPeriod –インジケーター期間。 iPeriod> = 2 iCenterは、ウィンドウ関数の中心が配置される参照のインデックスです。デフォルトでは、このパラメーターは0です。ウィンドウの中心はインジケーターの中心と一致します。 1 <= iCenter <= iPeriodの場合、ウィンドウ関数の中心がシフトし、その結果、インジケーターのいくつかの特性が変化します。図1では、中心の選択がウィンドウ機能とインジケーターの表示にどのように影響するかを確認できます。このパラメータは、0.5刻みで変更できます。 Histogramwidth-ヒストグラムの幅。 Histogramcolor-ヒストグラムの色。 Showduration-期間を表示します。
一部のトレーダーは、取引中に取引セッションによってガイドされます。図1は、1週間の平均価格変動を示しています。異なる日の取引セッションは、その期間と活動が異なることがわかります。 この指標は、週周期内の特定の間隔での平均価格変動を推定するように設計されています。これは、価格の上下の動きを個別に考慮し、市場で高いボラティリティが発生する可能性がある瞬間を判断することを可能にします。 チャートでは、上向きの動きは正中線の上に表示され、下向きの動きは正中線の下に表示されます。緑のヒストグラムは、履歴データから計算された平均的な動きを示しています。赤いヒストグラムは実際の価格変動を示しています。ポイント単位の価格変動の累積差が右上隅に追加で表示されます。カウンターは毎週初めにゼロにリセットされます。 インジケーターは、すべての時間枠M1〜D1で機能します。すべてのインジケータ設定はその外観に関連しており、その動作には影響しません。
一部のトレーダーは、取引中に取引セッションによってガイドされます。図1は、1週間の平均価格変動を示しています。異なる日の取引セッションは、その期間と活動が異なることがわかります。 この指標は、週周期内の特定の間隔での平均価格変動を推定するように設計されています。これは、価格の上下の動きを個別に考慮し、市場で高いボラティリティが発生する可能性がある瞬間を判断することを可能にします。 チャートでは、上向きの動きは正中線の上に表示され、下向きの動きは正中線の下に表示されます。緑のヒストグラムは、履歴データから計算された平均的な動きを示しています。赤いヒストグラムは実際の価格変動を示しています。ポイント単位の価格変動の累積差が右上隅に追加で表示されます。カウンターは毎週初めにゼロにリセットされます。 インジケーターは、すべての時間枠M1〜D1で機能します。すべてのインジケータ設定はその外観に関連しており、その動作には影響しません。
算術平均または中央値を使用して、時系列の中心的な傾向の尺度を決定できます。どちらの方法にもいくつかの欠点があります。算術平均は、単純移動平均インジケーターによって計算されます。エミッションやノイズに敏感です。中央値はより安定して動作しますが、間隔の境界で情報が失われます。 これらの欠点を減らすために、疑似メディアン信号フィルタリングを使用できます。これを行うには、短い長さの中央値を取得し、調査中の財務時系列の期間のすべての値に再帰的に適用します。このアプローチのおかげで、インディケータを使用すると、定期的およびトレンドの価格変動をより正確に識別できます。 インジケーターの外部パラメーター： iPrice-計算に使用される価格定数。 iPeriod-インジケーター期間。このパラメーターの値が高いほど、最新の価格変動に対するインジケーターの感度が低くなります。このパラメーターの最小値は3です。 MaxBars-計算の履歴の深さを制限します。インジケーターの起動に時間がかかる場合に便利です。 MaxBars = 0の場合、制限はなく、インジケーターはチャート全体に適用されます。
算術平均または中央値を使用して、時系列の中心的な傾向の尺度を決定できます。どちらの方法にもいくつかの欠点があります。算術平均は、単純移動平均インジケーターによって計算されます。エミッションやノイズに敏感です。中央値はより安定して動作しますが、間隔の境界で情報が失われます。 これらの欠点を減らすために、疑似メディアン信号フィルタリングを使用できます。これを行うには、短い長さの中央値を取得し、調査中の財務時系列の期間のすべての値に再帰的に適用します。このアプローチのおかげで、インディケータを使用すると、定期的およびトレンドの価格変動をより正確に識別できます。 インジケーターの外部パラメーター： インジケーターを開始するとき、[パラメーター]タブで、計算に使用される価格定数を選択します（デフォルトでは閉じる）。 iPeriod-インジケーター期間。このパラメーターの値が高いほど、最新の価格変動に対するインジケーターの感度が低くなります。このパラメーターの最小値は3です。 MaxBars-計算の履歴の深さを制限します。インジケーターの起動に時間がかかる場合に便利です。 MaxBars =
この傾向により、価格の動きを予測し、取引の締結の主な方向を決定することができます。トレンドラインの構築は、トレーダーの取引スタイルに適したさまざまな方法を使用して可能です。 このインジケーターは、フォンミーゼス分布に基づいてトレンドの動きのパラメーターを計算します。この分布を使用すると、傾向方程式の安定した値を取得できます。トレンドの計算に加えて、上下の可能な偏差のレベルも計算されます。 インジケーターは、現在の価格値に従ってその値を更新します。彼の行動はビデオで示されています： インジケーターパラメーター： iPeriod-トレンドとレベルの計算に使用されるバーの数 Shift-行を前方に続けるための小節の数 WidthTrend-トレンドラインの幅 WidthLvl-レベルの線の幅 StyleTrend-トレンドラインスタイル StyleLvl-レベルの線のスタイル ClrTrend-トレンドラインの色 ClrUp-レベルアップの線の色 ClrDown-レベルダウンの線の色
この傾向により、価格の動きを予測し、取引の締結の主な方向を決定することができます。トレンドラインの構築は、トレーダーの取引スタイルに適したさまざまな方法を使用して可能です。 このインジケーターは、フォンミーゼス分布に基づいてトレンドの動きのパラメーターを計算します。この分布を使用すると、傾向方程式の安定した値を取得できます。トレンドの計算に加えて、上下の可能な偏差のレベルも計算されます。 インジケーターは、現在の価格値に従ってその値を更新します。彼の行動はビデオで示されています： インジケーターパラメーター： iPeriod-トレンドとレベルの計算に使用されるバーの数 Shift-行を前方に続けるための小節の数 WidthTrend-トレンドラインの幅 WidthLvl-レベルの線の幅 StyleTrend-トレンドラインスタイル StyleLvl-レベルの線のスタイル ClrTrend-トレンドラインの色 ClrUp-レベルアップの線の色 ClrDown-レベルダウンの線の色
コーシー分布は、ファットテール分布の典型的な例です。太い尾は、確率変数が中央の傾向から逸脱する確率が非常に高いことを示しています。したがって、正規分布の場合、確率変数の数学的な期待値からの3標準偏差以上の偏差は非常にまれであり（3シグマルール）、コーシー分布の場合、中心からの偏差は任意に大きくなる可能性があります。このプロパティは、市場の価格変動をシミュレートするために使用できます。したがって、コーシー分布は、予期しないおよび/または予測できない要因によって引き起こされる大きくて急激な価格変動を除外することができます。 インジケーターを使用すると、使用する価格を選択できます。また、そのインジケーター操作は、次のパラメーターを使用して構成されます。 iPeriod-計算するバーの数 PercentLvl 1-3-レベルの偏差（パーセント）、許容値は0より大きく100未満（デフォルトでは-50、20、10パーセント） Shift-レベルの継続を右に
コーシー分布は、ファットテール分布の典型的な例です。太い尾は、確率変数が中央の傾向から逸脱する確率が非常に高いことを示しています。したがって、正規分布の場合、確率変数の数学的な期待値からの3標準偏差以上の偏差は非常にまれであり（3シグマルール）、コーシー分布の場合、中心からの偏差は任意に大きくなる可能性があります。このプロパティは、市場の価格変動をシミュレートするために使用できます。したがって、コーシー分布は、予期しないおよび/または予測できない要因によって引き起こされる大きくて急激な価格変動を除外することができます。 インジケーターを使用すると、使用する価格を選択できます。また、そのインジケーター操作は、次のパラメーターを使用して構成されます。 iPeriod-計算するバーの数 PercentLvl 1-3-レベルの偏差（パーセント）、許容値は0より大きく100未満（デフォルトでは-50、20、10パーセント） Shift-レベルの継続を右に
財務時系列を分析する場合、研究者はほとんどの場合、価格が通常の（ガウス）法則に従って分配されるという予備的な仮定を立てます。このアプローチは、正規分布を使用して多数の実際のプロセスをシミュレートできるという事実によるものです。さらに、この分布のパラメータの計算には大きな問題はありません。 ただし、金融市場に適用した場合、通常の配布が常に機能するとは限りません。金融商品の収益は、通常とは異なる形をしていることがよくあります。排出量が多すぎる、および/または大量であると、いわゆる「ヘビーテール」分布が使用されます。 この指標を作成する際、価格レベルはラプラス分布の影響を受けると想定します。この分布の主な違いは、はるかに広い範囲の値を使用できることです。このおかげで、ラプラス分布は価格変動をシミュレートすることを可能にします。さらに、ラプラス分布は複合的であるため、さまざまな条件下で低い値と高い値が発生する状況で使用できます。分布自体見た目は通常とは大きく異なります。また、グラフの形状と位置は、bとmの2つのパラメーターに依存します。 レベル設定