거래 로봇을 무료로 다운로드 하는 법을 시청해보세요
당사를 Twitter에서 찾아주십시오!
당사 팬 페이지에 가입하십시오
스크립트가 흥미로우신가요?
그렇다면 링크 to it -
하셔서 다른 이들이 평가할 수 있도록 해보세요
스크립트가 마음에 드시나요? MetaTrader 5 터미널에서 시도해보십시오
게시자:
조회수:
320
평가:
(43)
게시됨:
업데이트됨:
MQL5 프리랜스 이 코드를 기반으로 한 로봇이나 지표가 필요하신가요? 프리랜스로 주문하세요 프리랜스로 이동

선형 회귀 분석은 가격 데이터에 다음의 직선 방정식을 적용합니다:

y[x] = y0 + b*x

여기서:

  • x는 봉 번호(x=1..n)입니다;
  • y[x]는 해당 가격(시가, 종가, 중앙값 등)입니다;
  • b는 비례 계수이며
  • y0는 상수항입니다.

이 지표에 의해 산출되는 선형 회귀 기울기는 계수 b의 정규화된 값과 같습니다.

b에 대한 공식은 다음과 같습니다:

b = (n*Sxy - Sx*Sy)/(n*Sxx - Sx*Sx)

여기서:

  • Sx = Sum(x, x = 1..n) = n*(n + 1)/2;
  • Sy = Sum(y[x], x = 1..n);
  • Sxx = Sum(x*x, x = 1..n) = n*(n+1)*(2*n+1)/6;
  • Sxy = Sum(x*y[x], x = 1..n);
  • n은 LRS의 주기(입력 매개변수 Per)입니다.

b의 분모는 다음과 같이 단순화할 수 있습니다:

n*Sxx - Sx*Sx = n*n*(n-1)*(n+1)/12

마지막으로, b에 대한 전체 방정식은 다음과 같이 단순화할 수 있습니다.

b = 6*(2*Sxy/(n + 1) - Sy)/n/(n - 1)

계수 b는 정규화되지 않았습니다. 서로 다른 통화 쌍에서 LRS가 대략적으로 동일한 범위를 갖도록 하려면 b를 정규화해야 합니다. b를 단순 이동 평균 (SMA)이나 선형 가중 이동 평균 (LWMA)으로 나누어 정규화하는 것이 편리하며, 이 값들은 다음과 같이 주어집니다:

SMA = Sy/n
LWMA = 2*Sxy/n/(n + 1)

이에 상응하는 LRS 공식은 다음과 같습니다.

LRS_SMA = b/SMA = 6*(2*Sxy/Sy/(n + 1) - 1)/(n + 1)

LRS_LWMA = b/LWMA = 6*(1 - (n + 1)*Sy/Sxy/2)/(n + 1)

이 두 가지 정규화 방식은 거의 구별할 수 없을 정도로 유사합니다. 따라서 이 지표에는 SMA 정규화 방식이 채택되었습니다. 또한 LRS 값이 매우 작기 때문에, 지표 값은 대략 -100에서 +100 범위에 맞도록 10만 분의 1 단위로 계산 및 그래프에 표시됩니다.

선형 회귀의 기울기

MetaQuotes Ltd에서 영어로 번역함.
원본 코드: https://www.mql5.com/en/code/127

거짓 이별 거짓 이별

"거짓 돌파.mq5" 인디케이터는 지지와 저항의 거짓 돌파를 기준으로 매수 및 매도 지점을 시각적으로 식별하고 표시하는 MetaTrader 5용 도구입니다. 버퍼를 사용하여 매수(파란색) 및 매도(빨간색) 화살표, 지지선(파란색) 및 저항선(빨간색), 시장 고점 및 저점을 나타내는 추가 화살표를 표시합니다. 인디케이터의 주요 로직은 캔들의 고가와 저가를 기준으로 고점과 저점을 감지하고 지지와 저항 수준을 동적으로 업데이트하는 것으로 구성됩니다. 가격이 지지선 또는 저항선을 돌파했다가 되돌아오면 지표는 각각 매수 또는 매도 신호를 생성합니다. 잘못된 돌파를 기반으로 전략을 운영하는 트레이더에게 유용한 도구입니다.

MeanReversionTrendEA MeanReversionTrendEA

EA는 검증된 매개변수와 함께 추세 및 평균 복귀 신호에 따라 자동으로 거래합니다.

AR extrapolation of price AR extrapolation of price

이 지표는 자기회귀 모델을 사용하여 가격을 외삽합니다.

Fourier extrapolation of price Fourier extrapolation of price

이 지표는 가격 데이터에 삼각함수 모델을 적용하고 이를 미래로 외삽합니다.