基于奇异频谱分析的趋势指标 - MetaTrader 5脚本

使用奇异频谱分析的方法提取趋势并过滤噪声。调整指标参数可以控制提取的趋势和噪声过滤阈值的平滑度。

交易策略的时间边际确定将数据完美分割为趋势, 低频和高频附加成份, 随后是信号重建。指标 (平滑趋势) 不像传统的滤波方法和平滑均值, 因此不会有相位延迟, 。

趋势指标基于 "卡特彼勒" 方法, 涉及将价格系列扩展为附加成份。它不要求系列是固定的, 知道趋势模型或其周期的存在信息即可 [1-4]。

开发的指标所具有的能力允许平滑系列, 提取趋势并 (通过选择初始价格系列模型的调整参数) 考虑振荡器在更小时间尺度上的贡献加成 — 滤除 "噪声" 波动 。

指标参数

主要参数为:

1. SegmentLength — 在价格系列 "最后历史" 片段的长度。
2. SegmentLag — 卡特彼勒长度。从片段长度内 1/4 到 1/2 的范围内选择。影响成份的可辨别性和趋势平滑性。
3. EigMax — 主要成份数量 (分割模式)。定义信号子空间的维度并考虑不同尺度的波动。
4. EigNoiseFlag — 计算主要成份数量的标志, 在模式的 "固定" 数量和允许的噪声值之间切换。选项 = 0,1,2。
5. EigNoiseLevel — 计算期间如果 EigNoiseFlag != 0. 覆盖 EigMax, 在全部序列 "波动能量" 中允许的噪音占比。

实现

在 CCaterpillar.mqh 文件中实现的 CCaterpillar 类包括计算趋势所需的一切, 除了线性代数过程 (使用 ALGLIB 库进行轨迹矩阵的奇异分割)。文件中呈现的代码包括类成员和过程的描述。

指标操作所需文件:

• 1) MQL5\Include\SSA\CCaterpillar.mqh
• 2) MQL5\Indicators\SingularMA.mq5
• ALGLIB 库 (我与很多人一起, 感谢谢尔盖·博奇卡诺夫提供的神奇 ALGLIB 数值方法库)

用法的特殊性

由于计算量负载过高, 不建议将数据片段设置为大于 300 个值。最好使用 150-200。您可以随时切换到另一个图表计算周期, 以覆盖更大的历史记录间隔。

建议在片段长度的 1/3 到 1/2 的范围内修改 "caterpillar" 窗口。如果窗口超过片段的一半, 则由于轨迹的对称性和其转置的矩阵, 等效于该长度的片段, 相对于片段的中间对称。小窗口长度不提供某些模式的信息定量均化和分割。

如果在价格系列的图形界面中存在缓慢的数据流, 则可能的解决方案可以是: a) 降低片段长度; b) 在 OnCalculate 函数里增加重计算分割参数 ReCalcLim。

图例.1. 5 分钟周期两条趋势 SSA(120,50,4), SSA(50,20,7) 和移动均线 MA(14)

图例. 2. 1 小时周期。两条趋势 SSA(120,50,4), SSA(50,20,7) 和移动均线 MA(14)

图例. 3. 1 日周期两条趋势 SSA(120,50,4), SSA(50,20,7) 和移动均线 MA(14)

使用奇异分析来实现这种形式的趋势指标是一个基本的例证。在金融部门普遍使用 SSA 方法来分析和预测时间序列, 见 [5-7]。

参考

1. Elsner J.B., Tsonis A.A. 奇异谱分析: 时间序列分析中的新工具。Plenum 出版社。纽约, 1996。164 页。
2. D. L. Danilov 和 A. A. Zhiglyavskii 时间序列中的主成份: 卡特彼勒方法。圣彼得堡州立大学, 圣彼得堡, 1997 -308 页。
3. N. E. Golyandina "卡特彼勒" - SSA 方法: 时间序列分析: 研究指南。圣彼得堡: 2004。- 76 页。
4. 时间序列中的主成份: 卡特彼勒方法, 由 D. L. Danilov, A. A. Zhigljavsky 编辑。圣彼得堡: Presskom, 1997。308 页。
5. «卡特彼勒» 方法 - SSA — ARIMA — SIGARCH 和 ARSIMA — SIGARCH 模型来分析和预测金融和经济时间序列: 第二届国际科学会议论文集 "经济中的数学方法, 模型和信息技术", 2011 年 5 月 4-6 日, 切尔诺夫斯。— 306—308 页。
6. Kozhihova N.A., Shiryaev V.I。使用混沌成份的时间序列预测。南乌拉尔国立大学通讯, 2010 年第 22 期, 第 22-25 页。
7. A.M. Avdeenko 基于 SSA 模型和非线性推广的智能系统和指标 // 参阅 arXiv: