AIS Adaptive Trend Smoothing

Para isolar componentes de longo prazo e não aleatórios, é necessário saber não apenas quanto o preço mudou, mas também como essas mudanças ocorreram. Em outras palavras, estamos interessados ​​não apenas nos valores dos níveis de preços, mas também na ordem em que esses níveis se substituem uns aos outros. Por meio dessa abordagem, é possível encontrar fatores estáveis ​​e de longo prazo que influenciam (ou podem influenciar) a mudança de preço em um determinado ponto no tempo. E o conhecimento desses fatores permite que você faça uma previsão mais ou menos precisa.

Vamos determinar quais resultados específicos queremos obter da análise de séries financeiras no tempo:

Para cumprir as condições especificadas, utilizamos uma análise de regressão das alterações de preços relativos e fazemos um indicador com base nesse modelo. O algoritmo deste indicador é baseado no aprendizado de dados históricos e seu trabalho está sob o controle completo do comerciante.

• LH é um parâmetro que determina o número de barras usadas para suavizar a série financeira. Seu valor permitido está entre 0 e 255.
• UTS é um parâmetro que afeta a velocidade e a profundidade do aprendizado. Seu valor também está dentro de 0 - 255. Se o valor de UTS for zero, o aprendizado ocorre ao longo do histórico. Em todos os outros casos, o conjunto de treinamento é atualizado de tempos em tempos. Essa atualização ocorre com mais frequência quanto menor o valor UTS.

A principal desvantagem deste indicador é que ao suavizar as séries financeiras são consideradas estacionárias, o que pode causar algum atraso.