Простое, или арифметическое, скользящее среднее рассчитывается путем суммирования цен закрытия инструмента за определенное число единичных периодов (например, за 12 часов) с последующим делением суммы на число периодов.
SMA = SUM (CLOSE (i), N) / N
где:
SUM — сумма; CLOSE (i) — цена закрытия текущего периода; N — число периодов расчета.
Экспоненциально сглаженное скользящее среднее определяется путем добавления к предыдущему значению скользящего среднего определенной доли текущей цены закрытия. При использовании экспоненциальных скользящих средних больший вес имеют последние цены закрытия. Р-процентное экспоненциальное скользящее среднее будет иметь вид:
EMA = (CLOSE (i) * P) + (EMA (i - 1) * (100 - P))
где:
CLOSE (i) — цена закрытия текущего периода; EMA (i - 1) — значение скользящего среднего предыдущего периода; P — доля использования значения цен.
Во взвешенном скользящем среднем последним данным присваивается больший вес, а более ранним — меньший. Взвешенное скользящее среднее рассчитывается путем умножения каждой из цен закрытия в рассматриваемом ряду на определенный весовой коэффициент.
LWMA = SUM (CLOSE (i) * i, N) / SUM (i, N)
где:
SUM — сумма; CLOSE(i) — текущая цена закрытия; SUM (i, N) — сумма весовых коэффициентов; N — период сглаживания.
Конец Цитаты.
Вам эти формулы непонятны? Или что? Слово "линейное" пугает в сочетании "Линейно-взвешенное"? Плюньте, МНК с весами или без все равно линейный оператор вычисления скользящей средней в том смысле, что если все входные данные CLOSE(i) удвоить или добавить к ним константу, машка также или удвоится или сдвинется на эту константу. Так что последний случай из описанных в справке и есть ответ на Ваши вопросы. А веса назначайте как угодно, ведь SUM (i, N) как раз и служит для обеспечения этой свободы. Вовсе необязательно эта сумма должна быть единицей, как часто делают для удобства вычислений и сокращения записи формул.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Нашел вот такой пример.
Может кто-то въедет в формулу.
https://www.medcalc.org/manual/weighted-regression-worked-example.php
Херня полная.
Херня полная.
Есть хотя-бы малейший повод продолжать?
Всем привет.
Ребята, а есть ли у кого реализация машки на основе взвешенного МНК?
Или может кто-то может описать метод построения взвешенного МНК простым языком, дать пример рассчета?
1) Не очень понятно на что строится регрессия. На время (как в LSMA), на предыдущие цены (как в ARIMA)?
2) Как задаются веса (дисперсии ошибок)?
Всем привет.
Ребята, а есть ли у кого реализация машки на основе взвешенного МНК?
Или может кто-то может описать метод построения взвешенного МНК простым языком, дать пример рассчета?
Технические индикаторы — Moving Average a.weblink {color: #4e74a1 } hr {margin-left:17px; margin-right:17px;}
Простое скользящее среднее (Simple Moving Average, SMA)
Простое, или арифметическое, скользящее среднее рассчитывается путем суммирования цен закрытия инструмента за определенное число единичных периодов (например, за 12 часов) с последующим делением суммы на число периодов.
SMA = SUM (CLOSE (i), N) / N
где:
SUM — сумма;
CLOSE (i) — цена закрытия текущего периода;
N — число периодов расчета.
Экспоненциальное скользящее среднее (Exponential Moving Average, EMA)
Экспоненциально сглаженное скользящее среднее определяется путем добавления к предыдущему значению скользящего среднего определенной доли текущей цены закрытия. При использовании экспоненциальных скользящих средних больший вес имеют последние цены закрытия. Р-процентное экспоненциальное скользящее среднее будет иметь вид:
EMA = (CLOSE (i) * P) + (EMA (i - 1) * (100 - P))
где:
CLOSE (i) — цена закрытия текущего периода;
EMA (i - 1) — значение скользящего среднего предыдущего периода;
P — доля использования значения цен.
Сглаженное скользящее среднее (Smoothed Moving Average, SMMA)
Первое значение сглаженного скользящего среднего рассчитывается, как простое скользящее среднее (SMA):
SUM1 = SUM (CLOSE (i), N)
SMMA1 = SUM1 / N
Второе значение рассчитывается по следующей формуле:
SMMA (i) = (SUM1 - SMMA (i - 1) + CLOSE (i)) / N
Последующие скользящие средние рассчитываются по следующей формуле:
PREVSUM = SMMA (i-1) * N
SMMA (i) = (PREVSUM - SMMA (i - 1) + CLOSE (i)) / N
где:
SUM — сумма;
SUM1 — сумма цен закрытия N периодов, отсчитываемая от предыдущего бара;
PREVSUM — сглаженная сумма предыдущего бара;
SMMA (i - 1) — сглаженное скользящее среднее предыдущего бара;
SMMA (i) — сглаженное скользящее среднее текущего бара (кроме первого);
CLOSE (i) — текущая цена закрытия;
N — период сглаживания.
В результате арифметических преобразований формула может быть упрощена:
SMMA (i) = (SMMA (i - 1) * (N - 1) + CLOSE (i)) / N
Линейно-взвешенное скользящее среднее (Linear Weighted Moving Average, LWMA)
Во взвешенном скользящем среднем последним данным присваивается больший вес, а более ранним — меньший. Взвешенное скользящее среднее рассчитывается путем умножения каждой из цен закрытия в рассматриваемом ряду на определенный весовой коэффициент.
LWMA = SUM (CLOSE (i) * i, N) / SUM (i, N)
где:
SUM — сумма;
CLOSE(i) — текущая цена закрытия;
SUM (i, N) — сумма весовых коэффициентов;
N — период сглаживания.
Вам эти формулы непонятны? Или что? Слово "линейное" пугает в сочетании "Линейно-взвешенное"? Плюньте, МНК с весами или без все равно линейный оператор вычисления скользящей средней в том смысле, что если все входные данные CLOSE(i) удвоить или добавить к ним константу, машка также или удвоится или сдвинется на эту константу. Так что последний случай из описанных в справке и есть ответ на Ваши вопросы. А веса назначайте как угодно, ведь SUM (i, N) как раз и служит для обеспечения этой свободы. Вовсе необязательно эта сумма должна быть единицей, как часто делают для удобства вычислений и сокращения записи формул.
Боюсь, простым языком - не выйдет.
У меня есть формулы взвешенного МНК для линейного, квадратного и кубического случая, но, там слишком много всяких символов.
Боюсь, простым языком - не выйдет.
У меня есть формулы взвешенного МНК для линейного, квадратного и кубического случая, но, там слишком много всяких символов.
Поделитесь пожалуйста и станет понятно что обсуждать :)
Поделитесь пожалуйста и станет понятно что обсуждать :)
С разрешения @Georgiy Merts
Выкладываю документ с формулами МНК - Линейный, квадратичный и кубический.