|
7+ 년도
경험
|
90
제품
|
5
데몬 버전
|
|
5
작업
|
0
거래 신호
|
0
구독자
|
레머 평균은 창 함수로 간주할 수 있으며 가중치 계수는 계산에 사용된 변수의 값에 따라 다릅니다. 이 평균은 계산에 지수가 사용되기 때문에 비선형입니다. 표시기의 특성은 두 가지 매개변수에 따라 다릅니다. iPeriod - 표시기 기간, 유효한 값은 2 이상입니다. iPower - 지표 값을 계산할 때 사용되는 지수. 유효한 범위는 -32768 ~ 32767입니다. iPower = 0이면 조화 평균을 얻습니다. iPower = 1 - 산술 평균, iPower = 2의 경우 역고조파 평균입니다. 지수가 크면 Lehmer 평균이 시계열의 최대 경계를 강조 표시합니다. 그리고 음수 지수를 사용하면 최소값이 강조됩니다. 이 속성으로 인해 Lehmer 평균은 시계열을 평활화하고 채널을 구성하는 데 모두 사용할 수 있습니다. 첫 번째 그림은 지수가 +500 및 -500인 종가를 사용하여 계산된 채널을 보여줍니다. 두 번째 그림은 iPower = +1000 및 -1000인 동일한 채널을
Kolmogorov-Zhurbenko 필터는 스펙트럼 누출을 제거하도록 설계된 특수 창 기능으로 간주할 수 있습니다. 이 필터는 확률적(금융 포함) 시계열을 평활화하는 데 최적입니다. 이 필터를 기반으로 하는 지표에는 다음 매개변수가 포함됩니다. iLength - 필터를 만드는 데 사용된 원래 직사각형 창의 기간. 유효한 값은 2 - 255입니다. iDegree - 필터 순서. iDegree=0이면 단순 이동 평균을 얻습니다. iDegree=1이면 삼각형 이동 평균을 얻습니다. 차수가 높을수록 더 나은 평활화 및 노이즈 억제가 가능합니다. 허용되는 값은 2 - 255입니다. 또한 이 매개변수는 표시기 = iLength + iDegree * (iLength - 1)의 마지막 기간에 영향을 줍니다. iMultiplier - 필터 값에서 계산된 표준 편차 수를 표시하는 승수입니다. 표시기의 모양은 그림에 나와 있습니다
Kolmogorov-Zhurbenko 필터는 스펙트럼 누출을 제거하도록 설계된 특수 창 기능으로 간주할 수 있습니다. 이 필터는 확률적(금융 포함) 시계열을 평활화하는 데 최적입니다. 이 필터를 기반으로 하는 지표에는 다음 매개변수가 포함됩니다. iLength - 필터를 만드는 데 사용된 원래 직사각형 창의 기간. 유효한 값은 2 - 255입니다. iDegree - 필터 순서. iDegree=0이면 단순 이동 평균을 얻습니다. iDegree=1이면 삼각형 이동 평균을 얻습니다. 차수가 높을수록 더 나은 평활화 및 노이즈 억제가 가능합니다. 허용되는 값은 2 - 255입니다. 또한 이 매개변수는 표시기 = iLength + iDegree * (iLength - 1)의 마지막 기간에 영향을 줍니다. iMultiplier - 필터 값에서 계산된 표준 편차 수를 표시하는 승수입니다. 표시기의 모양은 그림에 나와 있습니다
다양한 창 기능을 사용하여 시계열을 매끄럽게 할 수 있습니다. 창 기능은 스무딩 수준, 노이즈 억제 등의 특성이 서로 상당히 다를 수 있습니다. 이 표시기를 사용하면 기본 창 기능을 구현하고 재무 시계열에 대한 성능을 평가할 수 있습니다. 표시 매개변수: iPeriod – 표시 기간. iPeriod >= 2 iCenter 는 창 기능의 중심이 위치할 참조의 인덱스입니다. 기본적으로 이 매개변수는 0입니다. 창의 중심은 표시기의 중심과 일치합니다. 1 <= iCenter <= iPeriod를 사용하면 창 기능의 중심이 이동되어 표시기의 일부 특성이 변경됩니다. 그림 1에서 센터의 선택이 윈도우 기능과 인디케이터의 디스플레이에 어떤 영향을 미치는지 볼 수 있습니다. 이 매개변수는 0.5 단위로 변경할 수 있습니다. 일부 창 기능은 ParameterA 및 ParameterB와 같은 추가 매개변수를 사용합니다. 창 가중치에 영향을 줍니다. 이 때문에 지표의
다양한 창 기능을 사용하여 시계열을 매끄럽게 할 수 있습니다. 창 기능은 스무딩 수준, 노이즈 억제 등의 특성이 서로 상당히 다를 수 있습니다. 이 표시기를 사용하면 기본 창 기능을 구현하고 재무 시계열에 대한 성능을 평가할 수 있습니다. 표시 매개변수: iPeriod – 표시 기간. iPeriod >= 2 iCenter 는 창 기능의 중심이 위치할 참조의 인덱스입니다. 기본적으로 이 매개변수는 0입니다. 창의 중심은 표시기의 중심과 일치합니다. 1 <= iCenter <= iPeriod를 사용하면 창 기능의 중심이 이동되어 표시기의 일부 특성이 변경됩니다. 그림 1에서 센터의 선택이 윈도우 기능과 인디케이터의 디스플레이에 어떤 영향을 미치는지 볼 수 있습니다. 이 매개변수는 0.5 단위로 변경할 수 있습니다. 일부 창 기능은 ParameterA 및 ParameterB와 같은 추가 매개변수를 사용합니다. 창 가중치에 영향을 줍니다. 이 때문에 지표의
이 스크립트는 다양한 창 기능에서 가중치를 평가하도록 설계되었습니다. 이러한 창 기능을 기반으로 하는 지표는 https://www.mql5.com/ru/market/product/72159 에서 다운로드할 수 있습니다. 입력 매개변수: iPeriod – 표시 기간. iPeriod >= 2 iCenter는 창 기능의 중심이 위치할 참조의 인덱스입니다. 기본적으로 이 매개변수는 0입니다. 창의 중심은 표시기의 중심과 일치합니다. 1 <= iCenter <= iPeriod를 사용하면 창 기능의 중심이 이동되어 표시기의 일부 특성이 변경됩니다. 그림 1에서 센터의 선택이 윈도우 기능과 인디케이터의 디스플레이에 어떤 영향을 미치는지 볼 수 있습니다. 이 매개변수는 0.5 단위로 변경할 수 있습니다. Histogramwidth - 히스토그램의 너비. Histogramcolor - 히스토그램의 색상입니다. 표시 시간 - 표시 시간. 스크린샷 - 이 옵션이 활성화되면
이 스크립트는 다양한 창 기능에서 가중치를 평가하도록 설계되었습니다. 이러한 창 기능을 기반으로 하는 지표는 https://www.mql5.com/ru/market/product/72160 에서 다운로드할 수 있습니다. 입력 매개변수: iPeriod – 표시 기간. iPeriod >= 2 iCenter는 창 기능의 중심이 위치할 참조의 인덱스입니다. 기본적으로 이 매개변수는 0입니다. 창의 중심은 표시기의 중심과 일치합니다. 1 <= iCenter <= iPeriod를 사용하면 창 기능의 중심이 이동되어 표시기의 일부 특성이 변경됩니다. 그림 1에서 센터의 선택이 윈도우 기능과 인디케이터의 디스플레이에 어떤 영향을 미치는지 볼 수 있습니다. 이 매개변수는 0.5 단위로 변경할 수 있습니다. Histogramwidth - 히스토그램의 너비. Histogramcolor - 히스토그램의 색상입니다. 표시 시간 - 표시 시간. 스크린샷 - 이 옵션이 활성화되면 사진이 파일
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
The trend allows you to predict the price movement and determine the main directions of the conclusion of transactions. The construction of trend lines is possible using various methods suitable for the trader's trading style. This indicator calculates the parameters of the trend movement based on the von Mises distribution. Using this distribution makes it possible to obtain stable values of the trend equation. In addition to calculating the trend, the levels of possible deviations up and
The trend allows you to predict the price movement and determine the main directions of the conclusion of transactions. The construction of trend lines is possible using various methods suitable for the trader's trading style. This indicator calculates the parameters of the trend movement based on the von Mises distribution. Using this distribution makes it possible to obtain stable values of the trend equation. In addition to calculating the trend, the levels of possible deviations up and
The Cauchy distribution is a classic example of a fat-tailed distribution. Thick tails indicate that the probability of a random variable deviating from the central trend is very high. So, for a normal distribution, the deviation of a random variable from its mathematical expectation by 3 or more standard deviations is extremely rare (the 3 sigma rule), and for the Cauchy distribution, deviations from the center can be arbitrarily large. This property can be used to simulate price changes in
The Cauchy distribution is a classic example of a fat-tailed distribution. Thick tails indicate that the probability of a random variable deviating from the central trend is very high. So, for a normal distribution, the deviation of a random variable from its mathematical expectation by 3 or more standard deviations is extremely rare (the 3 sigma rule), and for the Cauchy distribution, deviations from the center can be arbitrarily large. This property can be used to simulate price changes in
When analyzing financial time series, researchers most often make a preliminary assumption that prices are distributed according to the normal (Gaussian) law. This approach is due to the fact that a large number of real processes can be simulated using the normal distribution. Moreover, the calculation of the parameters of this distribution presents no great difficulties. However, when applied to financial markets, normal distribution does not always work. The returns on financial instruments
When analyzing financial time series, researchers most often make a preliminary assumption that prices are distributed according to the normal (Gaussian) law. This approach is due to the fact that a large number of real processes can be simulated using the normal distribution. Moreover, the calculation of the parameters of this distribution presents no great difficulties. However, when applied to financial markets, normal distribution does not always work. The returns on financial instruments
When making trading decisions, it is useful to rely not only on historical data, but also on the current market situation. In order to make it more convenient to monitor current trends in market movement, you can use the AIS Current Price Filter indicator. This indicator takes into account only the most significant price changes in one direction or another. Thanks to this, it is possible to predict short-term trends in the near future - no matter how the current market situation develops
When making trading decisions, it is useful to rely not only on historical data, but also on the current market situation. In order to make it more convenient to monitor current trends in market movement, you can use the AIS Current Price Filter indicator. This indicator takes into account only the most significant price changes in one direction or another. Thanks to this, it is possible to predict short-term trends in the near future - no matter how the current market situation
Stable distributions can be used to smooth financial series. Since a fairly deep history can be used to calculate the distribution parameters, such smoothing may in some cases be even more effective than other methods. The figure shows an example of the distribution of the opening prices of the currency pair " EUR-USD " on the time frame H1 for ten years (figure 1). Looks fascinating, doesn't it? The main idea behind this indicator is to determine the parameters of a stable distribution based