Flyttande medelvärden Flytta genomsnittlig korsning I den här studien visas två glidande medelvärden, vilka typer väljs av användaren med ingångarna Flyttande Medeltyp 1 och Flyttande Medeltyp 2. Som standard är båda glidande medelvärden enkla rörliga medelvärden. Inmatningsdata 1 och ingångsdata 2 betecknas som (X1) respektive (X2) respektive Inputs längd 1 och längd 2 av dessa två glidande medelvärden betecknas som (n1) respektive (n2). Denna studie visar också signaler att köpa (anges med en uppåtpil) eller sälja (indikerad med en nedåtpil) i kartfältet (t). Villkoren som bestämmer vilken signal, om någon, visas, anges nedan. En uppåtpil visas i kartfältet (t) om något av följande inträffar. (n1 n2) och Subgraph av (MAtleft (X1, n1right)) korsar Subgraph av (MAtleft (X2, n2right)) nedanifrån i kartfältet (t). (n2 n1) och Subgraph av (MAtleft (X2, n2right)) korsar Subgraph av (MAtleft (X1, n1right)) nedanifrån i kartfältet (t). I vart och ett av ovanstående fall faller pilens spets samman med toppen av kartfältet (t). Flytta genomsnittlig skillnad För att bekanta dig med terminologin och notationen som används i denna studie, se dokumentationen för studien Moving Average - Simple. Denna studie visar skillnaden mellan två glidande medelvärden, vars typer är valda av användaren med inmatningsrörande medelvärdet. Som standard är båda glidande medelvärden enkla rörliga medelvärden. Inmatningsdata anges som (X), och ingångslängden 1 och längd 2 av dessa två glidande medelvärden betecknas som (n1) respektive (n2). Vi anger den rörliga medelskillnaden i diagramfältet (t) för de angivna inmatningarna som (MADifftleft (X, n1, n2right)) och vi beräknar det enligt följande. (MADifftleft (X, n1, n2right) MAtleft (X, n1right) - MAtleft (X, n2right)) Subgraphen för denna indikator visas i två användardefinierade färger: en för när Subgraph stiger och den andra för när det faller. Flyttande genomsnittligt kuvert Undersökningsundersökningen rörande medelvärde drar ett övre och nedre band eller kuvert över och under det glidande medlet. Var och en av banden är det angivna fasta värdet från det glidande medlet eller den angivna procentsatsen från det glidande medlet. Input Data Procent eller Fixed Value. Välj antingen Procent eller Fast värde. I fallet med Procentandel. Ställ in procentsatsen med Procentandel. I fallet med fast värde. Ställ in det fasta värdet med fastvärdesinmatningen. Procentandel. Om Procent eller Fast värde är inställt på Procentandel. Ange procentandelen med den här ingången för att multiplicera det rörliga genomsnittet med. Detta resultat läggs till och subtraheras från det glidande medlet. 0,01 1. Fast värde. Om Procent eller Fast värde är inställt på Fast värde. ange det fasta värdet med denna ingång för att lägga till och subtrahera det här fasta värdet från det glidande medlet. Flytta genomsnittlig typ Flytta genomsnittlig längd Flytta genomsnittlig - Adaptiv Denna studie beräknar ett adaptivt glidande medelvärde av de data som anges av Input Data Input. Detta rörliga medelvärde utvecklades av Perry Kaufman. Referens: Lagervaror V13: 6: (267): Sidofält: Adaptive Moving Average. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xi) vara värdet av Input Data på kartfältet (i). Låt Inputs Fast Smoothing Constant och Slow Smoothing Constant betecknas som (cF) respektive (cS). Låt ingångslängden betecknas som (n). Vi använder dessa för att beräkna Direction (Dt), Volatility (Volt) och Smoothing Constant (ct) i kartfältet (t) enligt följande. (Dt leftXt - X right) Vi anger Moving Average - Adaptive i kartfältet (t) för de angivna inmatningarna som (AMAtleft (X, n, cF, cSright)) och vi beräknar det med följande rekursionsrelation. (X, n, cF, cSright) 0) (displaystyle X AMA vänster (X, n, cF, cSright) 0 AMA vänster (X, n, cF, cSright) ct (Xt - AMA vänster cF, cSright)) AMA vänster (X, n, cF, cSright) neq 0 än höger.) För en förklaring av Sigma ((Sigma)) notation för summering, se Wikipedias artikeluppsats. Input Data Längd Fast utjämning konstant. Detta är längden på ett snabbflyttande exponentiellt rörande medelvärde. Den bör sättas till ett värde som är mindre än det för ingången långsam utjämning konstant för att få förnuftiga resultat. Långsam utjämning konstant Detta är längden på ett långsamt rörligt exponentiellt rörligt medelvärde. Flyttande medelvärde - Adaptiv binärvåg Denna studie beräknar den binära vågen för Kaufmans Adaptive Moving Average. Hänvisa till den studien för att bekanta dig med notationen som används här. Precis som med det adaptiva rörliga genomsnittsvärdet, bygger denna studie på Inputs Data (X), längd (n), snabb utjämning konstant (cF) och långsam utjämning konstant (cS). Studien har också ytterligare en insats, nämligen filterprocenten (f). För de angivna ingångarna beräknas variansen (Vart (X, n)) och Standardavvikelsen (sigmat (X, n)) i form av enkla rörliga medelvärden i diagramfältet (t) enligt följande. (Vart (X, n) MAtleft (X2, nright) - vänster (MAt (X, n) right) 2) Nästa definierar vi två funktioner (AMALowt (X, n)) och (AMAHight (X, n)) bar (t) enligt följande. (AMALow0 (X, n) AMAHigh0 (X, n) AMA0 (X, n)) Funktionen (AMALow) ändras endast om Adaptive Moving Average minskar från kartfältet (t-1) till kartfältet (t). Funktionen (AMAHigh) ändrar endast värdet om Adaptive Moving Averaage ökar från kartfältet (t-1) till kartfältet (t). Slutligen beräknas den binära vågan. Vi anger värdet på den binära vågan i kartfältet (t) för de angivna ingångarna som (BWt (X, n, f)) och vi beräknar det enligt följande. (X, n) - AMAt (X, n) frac sigmat (X, n) 0 annars sluta höger. (X, n) - AMALt (X, n) ) Input Data Längd Fast Utjämning Konstant. Detta är längden på ett snabbflyttande exponentiellt rörande medelvärde. Den bör sättas till ett värde som är mindre än det för ingången långsam utjämning konstant för att få förnuftiga resultat. Långsam utjämning konstant Detta är längden på ett långsamt rörligt exponentiellt rörligt medelvärde. Filterprocent. Denna ingång, tillsammans med standardavvikelsen, bestämmer nedre gränsen för både (AMAt (X, n) - AMALowt (X, n)) och (AMAHight (X, n) - AMAt (X, n)), som i sin tur bestäm värdet på (BWt (X, n, f)). Flyttande medelvärde - Dubbel exponentiell Denna studie beräknar ett dubbelt exponentiellt rörligt medelvärde av data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xt) vara värdet av Input Data på kartfältet (t). Låt ingångslängden betecknas som (n). Då anger vi Moving Average - Double Exponential i diagramfältet (t) för de angivna inmatningarna som (DEMAt (X, n)), och vi beräknar det i form av exponentiella rörliga medelvärden (EMAt (X, n)) och ( EMA (EMA (X, n), n)), där (EMA (X, n)) är en slumpmässig variabel som betecknar exponentiell rörlig genomsnitts längd (n) för ingångsdata (X). De två exponentiella rörliga medelvärdena initialiseras enligt följande. (EMA0 (X, n) EMA0 (EMA (X, n), n) X0) Flyttningsgenomsnittet - Dubbelt exponentiellt beräknas utifrån dessa exponentiella glidande medelvärden enligt följande. (DEMAt (X, n) 2EMAt (X, n) - EMAt (EMA (X, n), n)) Flyttande medelvärde - Exponentiell Denna studie beräknar ett exponentiellt rörligt medelvärde av data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xt) vara värdet av Input Data på kartfältet (t). Låt ingångslängden betecknas som (n). Då betecknar vi Moving Average Exponential i kartfältet (t) för de angivna inmatningarna som (EMAt (X, n)) och vi beräknar det med följande rekursionsrelation. (EMA0 (X, n) X0) (EMAt (X, n) cXt (1-c) EMA (X, n)) Konstanten (c) är en multiplikator mellan (0) och (1) och är relaterad till Ingångslängden via (c frac). Ju högre inställningen för längdinmatningen, ökningen i känslighet med exponentiell glidande medelberäkning till tidigare värden, eftersom mängden historiska data i diagrammet ändras. Även barvärden som ligger utanför räckvidden av staplar som används vid beräkningen har en effekt på exponentiella glidande medelvärden. Den exponentiella glidande genomsnittliga beräkningen använder det tidigare exponentiella värdet vid beräkningen och så har tidigare värden en kontinuerlig effekt som går tillbaka hela vägen till den första stapeln i diagrammet. Därför bara genom att ändra tabellen gtgt Chart Settings gtgt Använd antal dagar för att ladda gtgt dagar att ladda. för ett långvarigt exponentiellt glidande medelvärde ändras resultatet i en viss diagramkolumn trots att dagarna som är borttagna eller laddade i diagrammet är före det exponentiella glidande medelvärdet vid en viss diagramkolumn som går tillbaka med antalet staplar som anges av längden Inmatning. Detta är något viktigt förstå om typen av exponentiell beräkning och du borde fråga om det är till och med en lämplig beräkningsmetod för din analysmetod. Det exponentiella glidande medlet bör inte användas med långa längder. Använd istället Moving Average - Simple. Flyttande medelvärde - Skrov Denna studie beräknar ett Hull-glidande medelvärde av data som anges av ingångsdatainmatningen. Detta rörliga medelvärde utvecklades av Alan Hull. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xi) vara värdet av Input Data på kartfältet (i). Låt Input Hull Moving Average Length betecknas som (n). Låt (WMAtleft (X, leftlfloor frac rightrfloorright)) och (WMA (X, n)) vara slumpmässiga variabler som anger viktade rörliga medelvärden för (X) med längder (leftlfloor frac rightrfloor) respektive (n). Därefter betecknar vi Flyttande medelvärde - Hull i kartfältet (t) för de angivna inmatningarna som (HMAt (X, n)) och vi beräknar det enligt följande. WMA (X, n), leftlfloor frac rightrfloorright) och takfunktioner. Flyttande medelvärde - Rullande hög noggrannhet Rörelsemedlet - Rullande hög noggrannhet beräknas vid varje kartfält, ett genomsnitt av alla priser som utgör diagramstängerna under den angivna tidsperioden. Denna studie bygger på den underliggande volymen vid prisdata i diagrammet för att uppnå hög noggrannhet. Det är nödvändigt för Sierra Chart att konfigureras för en kryssning med tick-data konfiguration för studien för att uppnå sin höga noggrannhet. Att göra veckovisa och månatliga tidsperioder med denna studie ger ingen mening med en rullande beräkning eftersom den här studien inte refererar till specifika segment av tid som början på veckan eller början av månaden. Istället returnerar den referensdata på varje kartfält efter den angivna tidsperioden. Därför ställer du helt enkelt in tidsperiodens längd och tidstyp typinmatning med studien till 7 dagar respektive 30 dagar för att effektivt åstadkomma detta. Om du har angett tidsperiodens typ och tidsperiodens längdinmatning så att beräkning av rörlig medelvärde är över ett stort antal staplar i diagrammet och det finns ett stort antal staplar som laddas in i diagrammet baserat på aktuella diagraminställningar, då studien kan ta en längre tid för att göra de ursprungliga beräkningarna och programmets användargränssnitt fryss under denna tid. Därför är det nödvändigt att vara försiktig med dessa Input-inställningar för att inte lägga för mycket av en bearbetningsbelastning på programmet. Tidsperiod Typ. Denna ingång anger tidsperiodstypen. Det kan vara antingen dagar. Protokoll. eller barer. När den är inställd på barer. då betyder det att antalet barer som anges av tidsperioden längd kommer att användas i beräkningen. När denna ingång är inställd på dagar. Tidsperiodlängden anger antalet Handelsdagar som beräkningen utförs över. Handelsdagar bestäms med användning av sessionstiderna. Om exempelvis Tidsperiodslängd är inställd på 2, ingår den tidigare handelsdagen som bestämts av Session Times, och hela den aktuella handelsdagen ingår i beräkningen. Därför är det inte i detta fall en 2 dagars efterföljande beräkning som går tillbaka 48 timmar från den aktuella Datum-tiden. Tidsperiodens längd. Denna ingång anger antalet dagar, minuter eller staplar beroende på om tidsperiodstyp är inställd på dagar. Minuter eller barer. Uteslut veckor i dagräkning. När denna ingång är inställd på Ja. Lördag och söndag hoppas över när du bestämmer hur många dagar du vill inkludera i beräkningen enligt tidsperiodens längdinmatning. Använd Fast Offset istället för Std. Avvikelse. Band 1 Std. Avvikelse MultiplikatorFixed Offset. Band 2 Std. Avvikelse MultiplikatorFixed Offset. Band 3 Std. Avvikelse MultiplikatorFixed Offset. Band 4 Std. Avvikelse MultiplikatorFixed Offset. Flyttande medelvärde - Enkel Denna studie beräknar ett enkelt glidande medelvärde av data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xi) vara värdet av Input Data på kartfältet (i). Låt ingångslängden betecknas som (n). Då anger vi Moving Average - Simple i kartfältet (t) för de angivna inmatningarna som (MAt (X, n)) och vi beräknar det enligt följande. För en förklaring av Sigma ((Sigma)) notation för summering, hänvisa till Wikipedia artikeln Summation. Moving Average - Simple Skip Zeros Denna studie beräknar ett enkelt glidande medelvärde av de data som anges av Input Data Input. exklusive de värden som är lika med noll. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xi) vara värdet av Input Data på kartfältet (i). Låt ingångslängden betecknas som (n), och låt antalet icke-zero-värden för (X) från (X) till (Xt) betecknas som (n). Då betecknar vi Moving Average - Simple Skip Zeros i diagramfältet (t) för de angivna inmatningarna som (SZMAt (X, n)) och vi beräknar det enligt följande. För en förklaring av Sigma ((Sigma)) notation för summering, hänvisa till Wikipedia artikeln Summation. Flyttande medelvärde - Sine-Wave Weighted Denna studie beräknar ett sinusvågt vägat glidmedel för data som anges av Input Data. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xi) vara värdet av Input Data på kartfältet (i). Då betecknar vi Moving Average - Sine-Wave Weighted i diagramfältet (t) för de angivna ingångarna som (SWWMAt (X)), och vi beräknar det enligt följande. För en förklaring av Sigma ((Sigma)) notation för summering, hänvisa till Wikipedia artikeln Summation. Flyttande medelvärde - Smoothed Denna studie beräknar ett jämnt glidande medelvärde av data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xi) vara värdet av Input Data på kartfältet (i). Låt ingångslängden betecknas som (n). Då anger vi Moving Average - Smoothed i kartfältet (t) för de angivna inmatningarna som (SMMAt (X, n)) och vi beräknar det med följande rekursionsrelation. För en förklaring av Sigma ((Sigma)) notation för summering, hänvisa till Wikipedia artikeln Summation. Input Data Length Offset. Denna ingång anger antalet diagramstänger genom vilka summeringsindexet ska flyttas till vänster. Flyttande medelvärdet - Triangulärt Det trekantiga rörliga medelvärdet beräknas i förhållande till Simple Moving Average. Hänvisa till den studien för att bekanta dig med notationen som används här. Precis som med Simple Moving Average beror denna studie på Inputs Data Input (X) och Length (n). Vi beräknar ytterligare två längder. (n1) och (n2), enligt följande. (displaystyle leftlceil rightrceil n mellannivå odd n1 1 n mellanslag ända till höger.) För en förklaring av takfunktionen ((leftlceil rightrceil)), se Wikipedia artikeln Golv - och takfunktioner. Vi betecknar det rörliga genomsnittet - triangulärt i kartfältet (t) för de angivna inmatningsdata och beräknade längder som (TMAtleft (X, n1, n2right)) och vi beräknar det enligt följande. (TMAtleft (X, n1, n2right) MAtleft (MAleft (X, n1right), n2right)) I ovanstående formel är (MAleft (X, n1right)) en slumpmässig variabel som betecknar Simple Moving Average of Length (n1) Input Data (X). Flyttande medelvärde - Trippel exponentiell Denna studie beräknar ett tredubbelt exponentiellt rörligt medelvärde av data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xt) vara värdet av Input Data på kartfältet (t). Låt ingångslängden betecknas som (n). Då anger vi Moving Average - Triple Exponential i diagramfältet (t) för de angivna inmatningarna som (TEMAt (X, n)), och vi beräknar det i form av exponentiella rörliga genomsnittsvärden (EMAt (X, n)), ( EMA (EMA (X, n), n)) och (EMA (EMA (EMA (X, n), n), n), n)) där (EMA (X, n)) är en slumpmässig variabel som betecknar Exponentiell Flyttande Medellängd Längd (n) för Input Data (X). De tre exponentiella rörliga medelvärdena initialiseras enligt följande. (EMA0 (X, n) EMA0 (EMA (X, n), n) EMA0 (EMA (EMA (X, n), n), n) X0) Flyttande medelvärdet - Triple Exponential beräknas utifrån dessa exponentiella glidande medelvärden som följer. (TEMAt (X, n) 3EMAt (X, n) - 3EMAt (EMA (X, n), n) EMAt (EMA (EMA (X, N), n), n)) Flyttande medelvärde - Volymvägd Denna studie beräknar ett volymviktat rörligt medelvärde av data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. låt (Xi) vara värdet av ingångsdata i diagramfältet (i) och låt (Vi) vara volymen i diagramfältet (i). Låt ingångslängden betecknas som (n). Flyttande medelvärde - Volymvägd i diagramfältet (t) för de angivna ingångarna (VWMAt (X, n)), och vi beräknar det enligt följande. För en förklaring av Sigma ((Sigma)) notation för summering, hänvisa till Wikipedia artikeln Summation. Flyttande medelvärde - Viktad Denna studie beräknar ett viktat glidande medelvärde av de data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xi) vara värdet av Input Data på kartfältet (i). Låt ingångslängden betecknas som (n). Därefter anger vi Moving Average - Weighted i diagramfältet (t) för de angivna inmatningarna som (WMAt (X, n)) och vi beräknar det enligt följande. För en förklaring av Sigma ((Sigma)) notation för summering, hänvisa till Wikipedia artikeln Summation. Moving Average - Welles Wilders Denna studie beräknar ett Welles Wilders glidande medelvärde av de data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xi) vara värdet av Input Data på kartfältet (i). Låt ingångslängden betecknas som (n). Då anger vi Moving Average - Welles Wilders på kartfältet (t) för de angivna inmatningarna som (WWMAt (X, n)), och vi beräknar med hjälp av följande rekursionsrelation. WWMA (X, n) vänster (X, n) vänster SZMAt (X, n) WMMA (X, n) 0 WWMA (X, n) neq 0 slutet till höger.) I ovanstående funktion hänvisar (SZMAt (X, n)) Moving Average - Simple Skip Zeros. För en förklaring av Sigma ((Sigma)) notation för summering, hänvisa till Wikipedia artikeln Summation. Flyttande medelvärde - Zero Lag Exponential Denna studie beräknar ett exponentialt glidmedel för nolllagret av de data som anges av Input Data Input. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xt) vara värdet av Input Data på kartfältet (t). Låt Input Zero Lag EMA Length betecknas som (n). Då anger vi Moving Average - Zero Lag Exponential i diagramfältet (t) för de angivna inmatningarna som (ZLEMAt (X, n)), och vi beräknar det med följande rekursionsrelation. (ZLEMAt (X, n) klyv (2Xt - X höger) (1 - c) ZLEMA (X, n)) Konstanten (L) heter Lag, och den beräknas enligt följande. För en förklaring av takfunktionen ((leftlceil rightrceil)), se Wikipedia artikeln Golv - och takfunktioner. Konstanten (c) är samma multiplikator som finns i exponentiell rörlig genomsnittsnivå. Om (L0) blir (ZLEMAt (X, n)) identisk med (EMAt (X, n)). Rörliga medelvärden Denna studie beräknar och drar 3 glidande medelvärden av vilken typ som helst. Flyttning av linjär regression Flyttande medelvärde - Linjär regression Den rörliga linjära regressionen och det rörliga medelvärdet - Linjära regressionsstudier beräknar och visar värdet av en linjär regressionsfunktion för de valda Input Data (Open, High, Low, Close) över den angivna längden. Därför är varje punkt längs linjärregressionsstudien lika med slutvärdet för en linjär regressionslinje. Till exempel kommer slutvärdet för en linjär regressionslinje som täcker 10 stängningspriser att ha samma värde som en rörlig linjär regressionslinje med en längd av 10 i samma stapel. För beräkningsmetoden, se LinearRegressionIndicatorS-funktionen i ACSSourceSCStudyFunctions. cpp-filen i mappen Sierra Chart installeras till. Om du ritar ett linjärt regressionskort Ritning över samma längd som du har satt i studien Ingångar för den här studien, då där den ritningen slutar, kommer den att ha samma värde som den rörliga genomsnittslinjära regressionsstudien. Nästa beskriver vi beräkningen av den linjära regressionsindikatorn. Låt (T) vara variabeln mätt längs horisontalaxeln, låt (X) vara en slumpmässig variabel som betecknar Input Data. som mäts längs den vertikala axeln. Vi anger värdena för dessa variabler i kartfältet (i) som (Ti i) respektive (Xi). där (i) är ett löpande index. Vi anger värdet på indexet som motsvarar den aktuella streck som (i t). Låt (n) vara ingångslängden. Funktionen Linjär regressionsindikator beräknar var och en av följande summor i kartfältet (t). Dessa summor används för att beräkna regressionsstatistiken. För en förklaring av Sigma ((Sigma)) notation för summering, hänvisa till Wikipedia artikeln Summation. Obs! Summan över (T) - värdena rör sig inte, eftersom summan över (X-) värdena gör. Detta kompenseras genom att använda längden (n) på vissa ställen istället för det aktuella värdet (t) för indexet. Detta ger alltid det korrekta värdet av LRI och lutningen på regressionslinjen, men det ger inte det korrekta värdet av avlyssningen. Dessa summor används för att beräkna regressionsstatistiken, som visas nedan. Regressionsmodellen är av formen (X vid btT), där (at) och (bt) är som definierats ovan. Linjär regressionsindikator: Linjär regressionsindikatorn är (X-) koordinaten för den högra ändpunkten för linjär regressions-trendlinjen för längd (n). Dess värde (LRIt) i kartfältet (t) beräknas som (LRIt vid btn). Den rörliga genomsnittslinjen - linjär regression i kartfältet (t) för de angivna ingångarna betecknas som (LSMAt (X, n) vid btn) Studierörande medelvärde Denna studie är för backkompatibilitet. Du bör använda den nya baserade inställningen för en studie för att basera en studie på en annan studie. Mer information finns i Tekniska studieinställningar. Denna studie beräknar ett T3-rörligt medelvärde av data som anges av Input Data Input. Studien utvecklades av Tim Tillson. Låt (X) vara en slumpmässig variabel som anger Input Data. och låt (Xt) vara värdet av Input Data på kartfältet (t). Låt Inputlängden betecknas som (n), och låt Input Multiplikator betecknas som (v). Då anger vi värdet på T3 i kartfältet (t) för de angivna inmatningarna som (T3 (X, n, v)), och vi beräknar det med följande sekvens Exponentiella rörliga medelvärden för de angivna ingångarna. (EMAt (X, n) EMAt (X, n)) (EMAt (X, n) EMAt (EMA (X, n) , E) (EMAt (X, n) EMAt (EMA (EMA (EMA (X, n), n), n) (EMA (X, n), n), n), n), n)) (EMAt (X, n) EMAt (EMA (EMA (EMA (EMA (EMA (X, n), n), n) n), n), n)) I de ovannämnda relationerna (EMAt) betecknar (j-) viktsammansättningen av (EMA) - funktionen med sig själv och (EMA (X, n)) är en slumpmässig variabel som betecknar exponentiella Flyttande medelvärde av längd (n) för ingångsdata (X). Vi beräknar (T3t) (X, n, v)) enligt följande. Senast ändrad fredag den 24 februari, 2017.Hull rörande medelvärdet Hull-rörande medelvärde gör ett rörligt medel mer responsivt och bibehåller en jämn kurv. Formeln för beräkning av detta genomsnitt är följande: HMAi MA ((2MA (ingång, period2) 8211 MA (ingång, period)), SQRT (period)) där MA är ett rörligt medelvärde och SQRT är kvadratroten. Användaren kan ändra ingången (nära), periodlängd och skiftnummer. Denna indikator8217s definition uttrycks vidare i den kondenserade koden som ges i beräkningen nedan. Hur man handlar med hjälp av hålflyttningsgenomsnittet Hullflyttningsgenomsnittet är en fördröjd trendindikator och kan användas i samband med andra studier. Inga handelssignaler beräknas. Så här får du tillgång till MotiveWave Gå till toppmenyn, välj Study gtMoving AveragegtHull Moving Average eller gå till toppmenyn, välj Lägg till studie. börja skriva i detta studienamn tills du ser det visas i listan, klicka på studiebenämningen, klicka på OK. Viktig ansvarsfriskrivning: Informationen som tillhandahålls på denna sida är strikt för informationsändamål och ska inte tolkas som råd eller uppmaning att köpa eller sälja någon säkerhet. Se vår Risk Disclosure and Performance Disclaimer Statement. Beräkning ingångspris, användardefinierad, standard är nära metod glidande medelvärde (ma), användardefinierad, standard är WMA-period användardefinierad, standard är 20 shift användardefinierad, standard är 0 wma vägd glidande medelvärde, LOE mindre eller likaHyra Flyttande medelindikator: Ärlig moving Average Detaljer Publicerad: 16 oktober 2014 Skriven av Admin Kategori: Forexindikatorer Hits: 11906 De flesta av oss i en eller annan form använder representanter för den rörliga genomsnittliga familjen i vår handel. Men huvudproblemet med alla indikatorer som bygger på matematiken i medelvärdena sankar. Effektiv lösning på detta problem hittades av många experiment och namngivna Hull Moving Average-indikator eller Hull-glidande medelvärde. Traders använder indikatorer baserat på medelvärden för att bygga dynamiska linjer av stödresistans och bedöma styrkan i prismomentet. Deras huvudsakliga nackdel ligger i beräkningsmetoden: Eftersom glidande medelvärden beräknas utifrån tidigare priser (under en viss tidsperiod eller antal barer) minskar den beräknade linjen prisfluktuationer men kommer alltid att ligga kvar efter det verkliga priset. Alan Hull, en australsk matematiker, finansanalytiker och ärftlig näringsidkare, medlem av Australian Association for Technical Analysis (visar att den här existerar), författare till den populära läroboken Active Investment och The Book of Charts, föreslog en förbättrad version av det glidande genomsnittet , vilket ger smidiga indikatorer i konstruktionen och nästan helt eliminerar den negativa effekten av fördröjning. Vad är glidande medelvärden Det här är ett av de äldsta verktygen för teknisk analys, vilket hjälper till att identifiera styrkan och riktningen för de aktuella prismöjligheterna för att säkerställa optimala villkor för näringsidkaren att öppna en handelsposition längs trenden. Även faren till handelschauet, Bill Williams, trodde att möjligheten att använda indikatorerna för rörliga medelvärden skulle låta spekulanter stänga minst 60 av positionerna på plus. Traditionellt rörligt medelvärde (eller MA) beräknas mycket enkelt: vid varje punkt i linjen är priset det genomsnittliga priset för en viss tidsperiod. Med medelvärdet skärs de slumpmässiga prissteg, och ju längre perioden desto mer exakt är linjen. Den optimala perioden av glidande medel bör hämtas separat för varje handelsinstrument. Klassiskt genomsnitt följer alltid rätt noggrann på marknaden, eftersom beräkningen är baserad på historiska data. Det gemensamma genomsnittet är emellertid en mycket svag förutsägelse. Rörlig genomsnittsberäkningsmetod tillåter inte beräkning av förändringstiden. Här kommer i ett modifierat medelvärde indikatorn Hull Moving Average. Matematik av hål Rörlig medelindikator Mer harmonisk utjämning vid beräkning av detta glidande medel erhålls genom en ytterligare medelvärde av medelvärdet. Den föreslagna versionen av indikatorn löser problemet genom att införliva värdet av inte perioden, utan snarare av kvadratroten av de faktiska uppgifterna i beräkningsperioden i beräkningsmekanismen. Men i det här fallet måste rörelsen ligga kvar efter det reala priset. Alan Hull lyckades emellertid hitta den saknade ingrediensen som effektivt kompenserar förseningen. Hull tillämpade metoden för viktningskoefficienter till marknadsprisberäkningen, där i en rå från 0 till 9 är nummer 9 givet största vikt. Beräkningen börjar med bestämningen av värdena för den enkla rörliga MA (10): i resultatet får vi det ursprungliga medelvärdet 4,5 och det ger en seriös låga bakom det faktiska priset. Nästa steg är halvering av medelvärdet (102 5) och applicering av det till det sista värdet i den angivna raden: 5, 6, 7, 8 och 9, varefter vi får ett nytt medelvärde 7. Detta värde läggs sedan till skillnaden mellan dessa två medelvärden, dvs till 2,5 (7 4,5), och vi får det slutliga beloppet 7 2,5 9,5. Om vi antar att det aktuella marknadspriset är lika med 9, verkar den resulterande kompensationen överdriven. Författaren anser emellertid denna överkorrigering mycket lämplig för att minska påverkan av slumpmässiga prissteg. Prisförändring med hjälp av en Hull-rörelse kan förutsägas med hög noggrannhet för 1-2 valda perioder. Visuellt är rörelselinjen vanligtvis snabbare än värdet av det verkliga genomsnittet. I allmänhet är formeln för beräkning av värdena för Hull Moving Average-indikatorn följande: Hålrörande medelindikator: parametrar och inställningar Det finns flera alternativ att använda det modifierade genomsnittet, men det rekommenderas vanligtvis att använda det tillsammans med en pilindikator HMA Arrow, vilket tydligt visar den rekommenderade ingångspunkten. Hull Moving Average Indicator installeras i terminalen MetaTreder4 på vanligt sätt, på valfritt valutapar och vilken tidsram som helst. Rekommenderade inställningar och optimala färger visas i nedanstående figur: Hull-modifierat medelvärde fungerar bra på korta och medellånga perioder. De mest stabila resultaten ges i perioder överstigande 20. De optimala värdena betraktas som följande nyckelparametrar: HMPeriod - 20 HMAMethod (skift) - 3. Ibland kan följande inställning rekommenderas för tystare medeltidshandel med små risker: HMAperiod - 55 HMAshift 3. De rekommenderade inmatningspunkterna kommer emellertid att visas mindre ofta. Inställningarna för den extra HMA Arrow-indikatorn är mycket enkla: Fördelar och nackdelar med att tillämpa Hull Moving Average-indikatorn i handel. För tydligheten av analysen tillsattes ett enkelt glidande medelvärde SMA (14) på slutkurserna (svart linje) i diagrammet med Hull Moving Average och HMA Arrow-indikatorer. Generell bild av indikatoruppsättningen i terminalen: Som det framgår är inträdessignalerna tillräckligt exakta, särskilt i jämförelse med det gemensamma genomsnittet. Men glöm inte bort den största nackdelen med Hull-rörelsen: den nuvarande trenden att överskatta värdet av genomsnittspriset leder till att linjen inte överensstämmer med nuvarande genomsnittspris. Det fungerar bra som ett reverseringsfilter, och dess utgångssignaler är därför mer tillförlitliga än posten. Så, Hull Moving Average-indikator krävs för att kombineras med alternativ för oscillatorer eller MACD. Men även utan att använda ytterligare pilindikatorer är det hög sannolikhet att en signal ska köpas när priset går över indikatorlinjen uppåt och att sälja om priset går nedåt. Den mest effektiva strategin betraktas som HullMovingAverage av Alan Hull, som bygger på en standard marknadsövervakning. Handelssignalen anses vara en reversering av Hull-linjen: Om det är en tur ned, rekommenderas korta positioner, om upp långa positioner. At that, however, this breakthrough by the price of the line of the Hull Moving Average indicator itself is not perceived as the market signal. The methodology of calculation of the Hull Moving Average indicator is based on the modern mathematical mechanism that greatly improves the smoothness of the line and accuracy of market signals. Line of the HMA average excellently tracks the trend and gives accurate reversal signals. Inherent superiority of the average value in the calculation leads to an overestimation of the current average price, but with the optimal settings and additional indicators, you can get a trading strategy with a win rate over 60.
No comments:
Post a Comment