|
7+ yıl
deneyim
|
90
ürünler
|
5
demo sürümleri
|
|
6
işler
|
0
sinyaller
|
0
aboneler
|
Lehmer ortalaması, ağırlık katsayıları hesaplamada kullanılan değişkenlerin değerlerine bağlı olan bir pencere işlevi olarak düşünülebilir. Bu ortalama doğrusal değildir, çünkü hesaplamasında üs alma kullanılır. Göstergenin özellikleri iki parametreye bağlıdır: iPeriod - gösterge dönemi, geçerli değer 2'ye eşit veya daha büyük; iPower - gösterge değerleri hesaplanırken kullanılan üs. Geçerli aralık: -32768 - 32767 iPower = 0 ile harmonik ortalamayı elde ederiz, iPower = 1 ile -
Lehmer ortalaması, ağırlık katsayıları hesaplamada kullanılan değişkenlerin değerlerine bağlı olan bir pencere işlevi olarak düşünülebilir. Bu ortalama doğrusal değildir, çünkü hesaplamasında üs alma kullanılır. Göstergenin özellikleri iki parametreye bağlıdır: iPeriod - gösterge dönemi, geçerli değer 2'ye eşit veya daha büyük; iPower - gösterge değerleri hesaplanırken kullanılan üs. Geçerli aralık: -32768 - 32767 iPower = 0 ile harmonik ortalamayı elde ederiz, iPower = 1 ile - aritmetik
Kolmogorov-Zhurbenko filtresi, spektral sızıntıyı ortadan kaldırmak için tasarlanmış özel bir pencere işlevi olarak düşünülebilir. Bu filtre, stokastik (finansal dahil) zaman serilerini yumuşatmak için idealdir. Bu filtreye dayalı gösterge aşağıdaki parametreleri içerir: iLength - filtreyi oluşturmak için kullanılan orijinal dikdörtgen pencerenin süresi. Geçerli değer 2 - 255'tir. iDegree - filtre sırası. iDegree=0 ise, basit bir hareketli ortalama elde edilecektir. iDegree=1 ise, üçgen
Kolmogorov-Zhurbenko filtresi, spektral sızıntıyı ortadan kaldırmak için tasarlanmış özel bir pencere işlevi olarak düşünülebilir. Bu filtre, stokastik (finansal dahil) zaman serilerini yumuşatmak için idealdir. Bu filtreye dayalı gösterge aşağıdaki parametreleri içerir: iLength - filtreyi oluşturmak için kullanılan orijinal dikdörtgen pencerenin süresi. Geçerli değer 2 - 255'tir. iDegree - filtre sırası. iDegree=0 ise, basit bir hareketli ortalama elde edilecektir. iDegree=1 ise, üçgen
Zaman serilerini yumuşatmak için çeşitli pencere işlevleri kullanılabilir. Pencere işlevleri, özellikleri bakımından birbirinden oldukça farklı olabilir - yumuşatma seviyesi, gürültü bastırma vb. Bu gösterge, ana pencere işlevlerini uygulamanıza ve finansal zaman serilerindeki performanslarını değerlendirmenize olanak tanır. Gösterge parametreleri: iPeriod – gösterge dönemi. iDönem >= 2 iCenter , pencere işlevinin merkezinin bulunacağı referansın dizinidir. Varsayılan olarak, bu
Zaman serilerini yumuşatmak için çeşitli pencere işlevleri kullanılabilir. Pencere işlevleri, özellikleri bakımından birbirinden oldukça farklı olabilir - yumuşatma seviyesi, gürültü bastırma vb. Bu gösterge, ana pencere işlevlerini uygulamanıza ve finansal zaman serilerindeki performanslarını değerlendirmenize olanak tanır. Gösterge parametreleri: iPeriod – gösterge dönemi. iDönem >= 2 iCenter , pencere işlevinin merkezinin bulunacağı referansın dizinidir. Varsayılan olarak, bu
Bu komut dosyası, çeşitli pencere işlevlerinde ağırlıkları değerlendirmek için tasarlanmıştır. Bu pencere işlevleri üzerine kurulu bir gösterge https://www.mql5.com/ru/market/product/72159 adresinden indirilebilir. Giriş parametreleri: iPeriod – gösterge dönemi. iDönem >= 2 iCenter, pencere işlevinin merkezinin bulunacağı referansın dizinidir. Varsayılan olarak, bu parametre 0'dır - pencerenin merkezi, göstergenin merkeziyle çakışır. 1 <= iCenter <= iPeriod ile, pencere
Bu komut dosyası, çeşitli pencere işlevlerinde ağırlıkları değerlendirmek için tasarlanmıştır. Bu pencere işlevleri üzerine kurulu bir gösterge https://www.mql5.com/ru/market/product/72160 adresinden indirilebilir. Giriş parametreleri: iPeriod – gösterge dönemi. iDönem >= 2 iCenter, pencere işlevinin merkezinin bulunacağı referansın dizinidir. Varsayılan olarak, bu parametre 0'dır - pencerenin merkezi, göstergenin merkeziyle çakışır. 1 <= iCenter <= iPeriod ile, pencere işlevinin
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