Мы адаптируем фильтр Савицкого — Голея для MQL5, придавая ему строго каузальную форму для работы в реальном времени, и выводим фиксированные коэффициенты для вычисления в конечной точке. В статье представлены полноценный индикатор и советник, объясняется чувствительность к шуму при вычислении на краю окна и реализуется защитный механизм подтверждения на нескольких барах. Приведены результаты тестирования на исторических данных по нескольким торговым инструментам без выборочного отбора удачных результатов. Вы получаете готовый к компиляции код, рекомендации по настройке параметров и альтернативу скользящим средним с меньшим запаздыванием.
Каждый трейдер, который когда-либо использовал скользящую среднюю, сталкивался с одной и той же проблемой: к моменту, когда она подтверждает разворот тренда, значительная часть движения уже позади. Это не недостаток какой-либо конкретной скользящей средней, а прямое следствие самого принципа усреднения. Скользящая средняя объединяет недавние и более ранние цены, и при развороте рынка более ранние цены продолжают тянуть ее в неверном направлении еще несколько баров. Это отставание показаний скользящей средней от движения цены трейдеры называют запаздыванием.
В данной статье представлен иной подход: фильтр Савицкого — Голея. Вместо усреднения исходных цен он аппроксимирует цены в окне последних наблюдений полиномом невысокой степени и использует полученную кривую для оценки текущего сглаженного значения. Полиномиальная аппроксимация позволяет отразить кривизну — ранние признаки разворота, — чего не позволяет обычное усреднение.
Сам по себе фильтр не является новинкой. Описание фильтра было опубликовано в 1964 году Абрахамом Савицким и Марселем Голеем, и с тех пор он стал стандартным средством сглаживания зашумленных показаний приборов в аналитической химии и спектроскопии. В торговле этот фильтр почти не применялся по конкретной технической причине: его классическая версия некаузальна — она использует данные как до, так и после сглаживаемой точки. В лабораторных условиях, где уже имеется полный набор данных, это вполне подходит. В реальной торговле это делает фильтр непригодным, поскольку сегодня еще неизвестна завтрашняя цена закрытия.
В статье подробно рассматривается каузальная адаптация: версия фильтра, которая использует только текущий
бар и предшествующие ему бары, что позволяет применять ее в реальном времени точно так же, как скользящую среднюю. Мы приводим математический вывод и реализуем метод на MQL5 в виде индикатора и советника. Мы также рассматриваем следующий компромисс: более быстрая реакция на изменения тренда повышает чувствительность к шумовым колебаниям отдельного бара. Мы измерили этот эффект напрямую и показываем, какой именно защитный механизм использует прилагаемый советник, чтобы ограничить его влияние.
На практике адаптация фильтра Савицкого — Голея для реальной торговли сопряжена с тремя конкретными проблемами:
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.
Опубликована статья Полиномиальная регрессия в реальном времени: Реализация каузального фильтра Савицкого — Голея на MQL5:
Каждый трейдер, который когда-либо использовал скользящую среднюю, сталкивался с одной и той же проблемой: к моменту, когда она подтверждает разворот тренда, значительная часть движения уже позади. Это не недостаток какой-либо конкретной скользящей средней, а прямое следствие самого принципа усреднения. Скользящая средняя объединяет недавние и более ранние цены, и при развороте рынка более ранние цены продолжают тянуть ее в неверном направлении еще несколько баров. Это отставание показаний скользящей средней от движения цены трейдеры называют запаздыванием.
В данной статье представлен иной подход: фильтр Савицкого — Голея. Вместо усреднения исходных цен он аппроксимирует цены в окне последних наблюдений полиномом невысокой степени и использует полученную кривую для оценки текущего сглаженного значения. Полиномиальная аппроксимация позволяет отразить кривизну — ранние признаки разворота, — чего не позволяет обычное усреднение.
Сам по себе фильтр не является новинкой. Описание фильтра было опубликовано в 1964 году Абрахамом Савицким и Марселем Голеем, и с тех пор он стал стандартным средством сглаживания зашумленных показаний приборов в аналитической химии и спектроскопии. В торговле этот фильтр почти не применялся по конкретной технической причине: его классическая версия некаузальна — она использует данные как до, так и после сглаживаемой точки. В лабораторных условиях, где уже имеется полный набор данных, это вполне подходит. В реальной торговле это делает фильтр непригодным, поскольку сегодня еще неизвестна завтрашняя цена закрытия.
В статье подробно рассматривается каузальная адаптация: версия фильтра, которая использует только текущий
бар и предшествующие ему бары, что позволяет применять ее в реальном времени точно так же, как скользящую среднюю. Мы приводим математический вывод и реализуем метод на MQL5 в виде индикатора и советника. Мы также рассматриваем следующий компромисс: более быстрая реакция на изменения тренда повышает чувствительность к шумовым колебаниям отдельного бара. Мы измерили этот эффект напрямую и показываем, какой именно защитный механизм использует прилагаемый советник, чтобы ограничить его влияние.
На практике адаптация фильтра Савицкого — Голея для реальной торговли сопряжена с тремя конкретными проблемами:
Автор: Syed Jawad Hussain Naqvi