Скачать MetaTrader 5

Программное распознавание паттернов цены: участки консолидации и распределения

Авторизуйтесь или зарегистрируйтесь, чтобы добавить комментарий
voix_kas
681
voix_kas  

Подскажите, пожалуйста, кто как определяет участки консолидации и распределения на графике?

К примеру, глазами наблюдаю, что произошло падение, затем цена замедлила своё падение и находится в некотором флэтовом канале. Как это формализовать, заложить в код?


Хотелось бы найти не жестко подогнанные параметры в пунктах, а некое эвристическое описание модели на основе единственного параметра - волатильности

Буду признателен как за примеры кодов, так и за указание, на какие расчёты ориентироваться.

Anatoli Kazharski
61293
Anatoli Kazharski  
voix_kas:

...

Буду признателен как за примеры кодов, так и за указание, на какие расчёты ориентироваться.

Может быть такой простой вариант подойдёт:

Если за указанный период времени ценовой диапазон A превысил указанное значение, а ценовой диапазон B за указанный период времени не превысил указанное значение, то условие истинно. 

Используйте, например, два индикатора Price Channel для этого. 

Alexander Bereznyak
23269
Alexander Bereznyak  
Найдите индикатор волатильности.
Комбинатор
16372
Комбинатор  
sandex:
Найдите индикатор волатильности.
И что дальше?
Rustamzhan Salidzhanov
7802
Rustamzhan Salidzhanov  

посчитать количество фракталов каждого направления == направление тренда

посчитать средний ценовой разброс между фракталами == сила тренда 

Alexander Bereznyak
23269
Alexander Bereznyak  
TheXpert:
И что дальше?
А вам то что, не вы вопрос задали.
Комбинатор
16372
Комбинатор  
sandex:
А вам то что, не вы вопрос задали.
Мне тоже интересно, как такое сделать.
bas
73
bas  

Дык вроде же несложно.

Задаем модель: берем три последовательных участка, на каждом задаем волатильность, например: v1=20, v2=100, v3=20. Далее что-то вроде мнк, на каждом участке считаем (относительное?) отклонение реальной волатильности от заданной, сводим в один коэффициент, например суммируем. Далее задаем "порог обнаружения", или просто используем коэффициент в дальнейших расчетах.

Но это простейший подход, поэтому не слишком точный. Длительность участков меняется. Поэтому наверное будет правильным предварительно нормировать входные данные, как по длительности так и по амплитуде. Еще можно кластеризовать входные данные, а потом сравнивать параметры кластеров с моделью.

Был бы профит от всех этих упражнений )))

Авторизуйтесь или зарегистрируйтесь, чтобы добавить комментарий