Vanlige spørsmål på JMA Hva er Theory Behind JMA. Hvorfor har JMA en PHASE-parameter. Forutsetter JMA en tidsserie. Vil tidligere JMA-verdier, som allerede er tegnet, endres etter hvert som nye data kommer. Kan jeg forbedre andre indikatorer ved hjelp av JMA Har JMA noen spesiell garanti Hvordan sammenligner JMA med andre filtre. GENERELLE emner på JURIK TOOLS Kan verktøyene plotte mange kurver på hver av mange diagrammer. Kan verktøyene behandle alle typer data. Kan verktøyene fungere i sanntid. Er algoritmen avslørt eller svartbokset. Må Jurik-verktøyene se på fremtiden for en tidsserie. Lag verktøyene tilsvarende verdier på alle plattformer (TradeStation, Multicharts.). Har Juriks verktøy kommet med en garanti. Hvor mange installasjonspassord får jeg. Hva er Theory Behind JMA. DEL 1. PRISGAPS Utjevning av tidsseriedata, som for eksempel daglig aksjekurs, for å fjerne uønsket støy, vil uunngåelig gi en graf (indikator) som beveger seg langsommere enn den opprinnelige tidsserien. Denne kvoteringskvoten vil føre til at plottet går litt bak den opprinnelige serien. For eksempel vil et 31 dagers enkelt glidende gjennomsnitt lagre pristidsserien med 15 dager. Lag er veldig uønsket fordi et handelssystem som bruker den informasjonen, vil få sin handel forsinket. Sene handler kan mange ganger være verre enn ingen handler i det hele tatt, ettersom du kan kjøpe eller selge på feil side av markedssyklusen. Følgelig ble det gjort mange forsøk for å minimere lag, hver med sine egne feil. Gjenvinne lag, mens det ikke blir forenklet forutsetninger (for eksempel at dataene består av overlagrede sykluser, daglige prisendringer med en Gauss-fordeling, alle priser er like viktige, etc.) er ikke en triviell oppgave. Til slutt måtte JMA basere seg på samme teknologi som militæret bruker til å spore bevegelige gjenstander i luften, og bruker ingenting mer enn deres støyende radar. JMA ser prisen tidsserien som et støyende bilde av et bevegelige mål (den underliggende jevne prisen) og prøver å estimere plasseringen av det virkelige målet (jevn pris). Den proprietære matematikken er endret for å ta hensyn til de spesielle egenskapene til en økonomisk tidsserie. Resultatet er en silkesjevn kurve som ikke gir noen antagelser om at dataene har noen sykliske komponenter overhodet. Derfor kan JMA slå kvote en dimequot hvis markedet (flyttende mål) bestemmer seg for å vende retning eller gap oppdatering med noe beløp. Ingen prisgap er for stor. DEL 2. ALLE ANDRE Etter flere års forskning har vi Jurik Research bestemt at det perfekte støyreduksjonsfilteret for økonomiske data har følgende krav: Minimumsforsinkelse mellom signal og pris, ellers vil handelstriggere komme sent. Minimum overskudd, ellers signal produserer falske prisnivåer. Minste underskudd, ellers går tapt til å vente på konvergens etter prisgap. Maksimal glatthet, unntatt for øyeblikket når prisen går til et nytt nivå. Når de måles opp til disse fire kravene, utfører alle populære filtre (unntatt JMA) dårlig. Her er et sammendrag av de mer populære filtre. Vektet Flytende Gjennomsnitt - Ikke responsivt på hullene Eksponentiell Flytende Gjennomsnitt - Overdreven Støtende Støyende Tilpassende Flytende Gjennomsnitt - (ikke vår), som vanligvis er basert på oversimpliserte antagelser om markedsaktivitet, lett lurt Regresjonslinje - Ikke lydhør for huller. Overflate FFT-filtre - lett forvrengt av ikke-Gaussisk støy i datavinduet er vanligvis for liten til nøyaktig å bestemme ekte sykluser. FIR-filtre - har lag kjent som kvotegruppe delayquot. Ingen vei rundt det med mindre du vil kutte noen hjørner. Se quotBand-Passquot filtre. Band-Pass-filtre - ingen lag bare i midten av frekvensbånd har en tendens til å svinge og overskride faktiske priser. Maksimale Entropy-filtre - lett forvrengt av ikke-Gaussisk støy i datafinduet er vanligvis for liten til å bestemme ekte sykluser nøyaktig. Polynomialfiltre - som ikke reagerer på hull i overdreven overskytning I kontrast integrerer JMA informasjonsteori og adaptiv ikke-lineær filtrering på en unik måte. Ved å kombinere en vurdering av informasjonsinnholdet i en tidsserie med kraften til adaptiv ikke-lineær transformasjon, presser resultatet den teoretiske quotenvelopequot på økonomisk tidsseriefilter nesten like langt som mulig. Eventuelt mer og vie opp mot Heisenburgs usikkerhetsprinsipp (noe ingen har overvinnet, eller noensinne vil). Så langt vi vet, er JMA det beste. Vi inviterer noen til å vise oss ellers. For mer komparativ analyse av sviktene i populære filtre, last ned vår rapport cv Evolution of Moving Averagesquot fra vår Special Reports avdeling. Se vår sammenligning med andre populære filtre. Hvorfor har JMA en PHASE-parameter. Det er to måter å redusere støy i en tidsserie ved hjelp av JMA. Ved å øke LENGTH-parameteren vil JMA bevege seg langsommere og derved redusere støy på bekostning av ekstra lag. Alternativt kan du endre mengden quotinertiaquot som finnes i JMA. Inerti er som fysisk masse, jo mer du har, desto vanskeligere er det å vende retning. Så et filter med mye tröghet vil kreve mer tid for å reversere retningen og dermed redusere støy på bekostning av overskygging under reverseringer i tidsseriene. Alle sterke støyfiltre har lag og overshoot, og JMA er ikke noe unntak. JMAs justerbare parametre PHASE and LENGTH tilbyr deg en måte å velge den optimale bytte mellom lag og overskudd. Dette gir deg muligheten til å finjustere ulike tekniske indikatorer. For eksempel viser diagrammet (til høyre) en rask JMA-linjeovergang over en langsommere JMA-linje. For å få den raske JMA-linjen, snu kvoten en dimequot når markedet vender tilbake, ble det satt til å ha ingen inerti. I motsetning til dette var den langsomme JMA satt til å ha stor inerti, og derved redusere sin evne til å vende seg under markedsendringer. Dette arrangementet medfører at den raskere linjen krysses over den langsommere linjen så raskt som mulig, og derved frembringe lavforsinkelsesovergangssignaler. Det er klart at brukerkontroll av en filtertradisjon gir betydelig kraft over filtre som mangler denne egenskapen. Forutsetter JMA en tidsserie. Det prognostiserer ikke inn i fremtiden. JMA reduserer støy ganske mye på samme måte som et eksponentielt glidende gjennomsnitt, men mange ganger bedre. Vil tidligere JMA-verdier, som allerede er tegnet, endres etter hvert som nye data kommer. Nei. For noe punkt på et JMA-plott, brukes bare historiske og nåværende data i formelen. Som følge av at nye prisdata kommer inn på senere tidsluker, blir de verdiene som JMA allerede har plottet, ikke påvirket og endres aldri. Vurder også saken når den nyeste linjen på et diagram er oppdatert i sanntid da hvert nytt kryss kommer. Siden sluttkursen for den nyeste linjen vil bli endret, blir JMA automatisk revurdert for å gjenspeile den nye sluttkursen. Historiske verdier av JMA (på alle tidligere barer) forblir imidlertid upåvirket og endres ikke. Man kan skape imponerende lette indikatorer på historiske data når den analyserer både fortid og fremtidige verdier rundt hvert datapunkt som behandles. Imidlertid kan noen formler som trenger å se fremtidige verdier i en tidsserie, ikke brukes i virkelighetshandel. Dette skyldes at når det beregnes dagens verdi for en indikator, eksisterer fremtidige verdier ikke. Alle Jurik-indikatorer bruker bare nåværende og tidligere tidsseriedata i beregningene. Dette gjør at alle Jurik-indikatorene kan fungere i alle sanntidssituasjoner. Kan jeg forbedre andre indikatorer ved hjelp av JMA Ja. Vi erstatter typisk de fleste bevegelige gjennomsnittlige beregninger i klassiske tekniske indikatorer med JMA. Dette gir jevnere og mer rettidige resultater. For eksempel ved å bare sette inn JMA i standard DMI-teknisk indikator, produserte vi DMX-indikatoren, som leveres gratis med JMA-bestillingen din. Har JMA noen spesiell garanti Hvis du viser oss en ikke-proprietær algoritme for et glidende gjennomsnitt som når det kodes for å kjøre i enten TradeStation, Matlab eller Excel VBA, utfører det kvoteringskvotere enn vårt glidende gjennomsnitt på korte, mellomstore og lange tidsrammer av En tilfeldig spasertur, tilbakebetalt godt ditt kjøpte brukerlisens for JMA. Det vi mener med quotbetterquot er at det i gjennomsnitt må være jevnere uten større gjennomsnittlig lag enn vår, ikke større gjennomsnittsoverskudd og ikke større gjennomsnittlig underskudd enn vår. Hva vi mener med quotshort, medium og long framesquot er at sammenligningene må inneholde tre separate JMA lengder: 7 (kort), 35 (middels), 175 (lang). Hva vi mener med en tilfeldig spasertur er en tidsserie produsert av en kumulativ sum av 5000 null-gjennomsnitt, Cauchy-fordelte tilfeldige tall. Denne begrensede garantien er bra for bare den første måneden da du har kjøpt et brukerlisens for JMA fra oss eller en av våre verdensomspennende distributører. Hvordan sammenligner JMA med andre filtre. Kalman-filteret ligner på JMA fordi begge er kraftige algoritmer som brukes til å estimere oppførselen til et støyende dynamisk system når alt du trenger å jobbe med er støyende datamålinger. Kalman-filteret skaper glatte prognoser for tidsseriene, og denne metoden er ikke helt hensiktsmessig for finansielle tidsserier da markedene er utsatt for å produsere voldsomme gyrasjoner og prisgap, atferd som ikke er typisk for jevnt operative dynamiske systemer. Følgelig slår Kalman filterutjevning ofte bak eller overskrider markedspris-tidsserier. I motsetning sporer JMA markedsprisene tett og jevnt, tilpasser seg hull og unngår uønskede overskudd. Se diagram nedenfor for et eksempel. Et filter beskrevet i populære magasiner er Kaufmann glidende gjennomsnitt. Det er et eksponentielt glidende gjennomsnitt hvis hastigheten varierer i henhold til prisaktivitetseffektivitet. Med andre ord, når prishandlingen er i en klar trend med lite retracement, øker Kaufmann-filteret, og når handlingen er overbelastet, senker filteret. (Se diagram over) Selv om den adaptive naturen bidrar til å overvinne noen av lagene som er typiske for eksponentielle glidende gjennomsnitt, ligger det fortsatt betydelig bak JMA. Lag er et grunnleggende problem for alle handelsfolk. Husk at hvert lag av forsinkelse kan forsinke dine handler og nekte deg fortjeneste. Et annet glidende gjennomsnitt som er beskrevet i populære magasiner, er Chandes VIDYA (Variable Index Dynamic Average). Indeksen som brukes oftest innenfor VIDYA for å styre sin hastighet, er prisvolatilitet. Etter hvert som kortsiktig volatilitet øker, er VIDYAs eksponentielle glidende gjennomsnitt beregnet for å bevege seg raskere, og ettersom volatiliteten minker, reduseres VIDYA. På overflaten er det fornuftig. Dessverre har dette designet en åpenbar feil. Selv om sidelengs overbelastning bør utjevnes grundig uavhengig av volatiliteten, vil en svært volatil overbelastningsperiode være nøye sporet (ikke utjevnet) av VIDYA. Følgelig kan VIDYA mislykkes i å fjerne uønsket støy. For eksempel sammenligner kartet JMA med VIDYA, begge satt til å spore en nedadgående trend like bra. Imidlertid, under den påfølgende overbelastningen, unnlater VIDYA å jevne ut prispistene mens JMA vellykket glir gjennom chatteren. I en annen sammenligning hvor både VIDYA og Juriks JMA ble satt til å ha samme glatthet, ser vi i diagrammet at VIDYA ligger bak. Som nevnt tidligere, kan sen timing enkelt stjele bort din fortjeneste i enhver handel. To andre populære indikatorer er T3 og TEMA. De er glatte og har lite lag. T3 er jo bedre av de to. Ikke desto mindre kan T3 utvise et alvorlig overshoot problem, som vist i tabellen nedenfor. Avhengig av søknaden din, vil du kanskje ikke ha en indikator som viser et prisnivå det virkelige markedet aldri oppnådde, da dette kan utilsiktet starte uønskede handler. Her er to kommentarer funnet på relevante internettfora: quotThe T3-indikatoren er veldig bra (og Ive sang sin ros før, på denne listen). Imidlertid fikk Ive muligheten til å utlede noen alternative markedsmålinger, og jeg glatte dem. De er ganske dårlig opptrådte til tider. Når de utjevner dem, blir T3 ustabil og overshoots dårlig, mens JMA seiler rett gjennom dem. Quot - Allan Kaminsky allank xmission quote. Mitt eget syn på JMA stemmer overens med hva andre mennesker har skrevet (jeg har brukt mye tid visuelt å sammenligne JMA med TEMA Jeg ville ikke tenke nå om å bruke TEMA i stedet for JMA).quot Steven Buss sbuss pacbell En artikkel i januar 2000-utgaven av TASC beskriver et bevegelige gjennomsnittsnivå designet på 1950-tallet for å ha lavt lag. Oppfinneren, Robert Brown, utviklet den kvotemodifiserte Moving Averagequot (MMA) for å redusere forsinkelsen i estimering av varelager. I sin formel anslår lineær regresjon kurvenes nåværende momentum, som i sin tur brukes til å estimere vertikal forsinkelse. Formelen trekker deretter estimert lag fra det bevegelige gjennomsnittet for å få lavforsinkelsesresultater. Denne teknikken fungerer OK på veloppdragen (jevnt overgangende) prisdiagrammer, men så igjen gjør det også de fleste andre avanserte filtre. Problemet er at det virkelige markedet er alt annet enn godt opptatt. Et sant mål for fitness er hvor godt et filter fungerer på ekte finansdata, en egenskap som kan måles med vårt veletablerte batteri av benchmarktester. Disse testene avslører at MMA overskrider prisdiagrammer, som illustrert nedenfor. Til sammenligning kan brukeren sette en parameter i JMA for å justere mengden overskyting, selv helt eliminere den. Valget er ditt. Husk at det siste du vil ha, er en indikator som viser et prisnivå som det virkelige markedet aldri oppnådde, da dette kan utilsiktet starte uønskede handler. Med MMA har du ikke noe valg, og du må overskride om du liker det eller ikke. (Se diagram nedenfor) I juli 2000 utgav TASC en artikkel av John Ehlers som beskriver en quotModified Optimal Elliptical Filterquot (forkortet her som quotMEFquot). Dette er et flott eksempel på klassisk signalanalyse. Tabellen nedenfor sammenligner MEF til JMA hvis parametere (JMA lengde7, fase 50) ble satt til å gjøre JMA til å være like lik MEF som mulig. Sammenligningen avslører disse fordelene når du bruker JMA: JMA reagerer på ekstreme pris svinger raskere. Følgelig vil eventuelle terskelverdier som brukes til å utløse signaler, bli utført tidligere av JMA. JMA har nesten ingen overskudd, noe som gjør at signallinjen kan føre til mer nøyaktig sporing av pristiltak rett etter stor prisbevegelse. JMA glir gjennom små markedsbevegelser. Dette tillater deg å fokusere på reell pris handling og ikke liten markedsaktivitet som ikke har noen reell konsekvens. En favoritt metode blant ingeniører for utjevning av tidsseriedata er å passe datapunktene med et polynom (eq, en parabolisk eller kubisk spline). En effektiv utforming av denne typen er en klasse kjent som Savitzy-Golay filtre. Tabellen nedenfor sammenligner JMA med et kubisk splines (tredje ordre) Savitzy-Golay filter, hvis parameterinnstillinger ble valgt øverst, gjør det så nært JMA som mulig. Legg merke til hvor jevn JMA glir gjennom regioner med handelsbelastning. I motsetning er S-G filteret ganske tett. Klart JMA er igjen, vinneren. En annen teknikk som brukes til å redusere forsinkelsen i et bevegelig gjennomsnittsfilter er å legge til noe momentum (skråning) av signalet til filteret. Dette reduserer lag, men med to straffer: mer støy og mer overskyting til prispivotpoeng. For å kompensere for støy kan man bruke et symmetrisk vektet FIR-filter, som er jevnere enn et enkelt bevegelige gjennomsnitt, hvis vekter kan være: 1-2-3-4-3-2-1 og deretter justere disse vekter for å legge til noe lag reduserer momentum. Effektiviteten av denne tilnærmingen er vist i figuren under (rød linje). Selv om FIR-filteret sporer pris tett, ligger det fortsatt bak JMA og viser større overskudd. I tillegg har FIR-filteret jevnhet og må redesignes for hver annen ønsket glatthet. Til sammenligning må brukeren bare endre en quotsmoothnessquot-parameter for JMA for å få ønsket effekt. Ikke bare produserer JMA bedre prisdiagrammer, men det kan også forbedre andre klassiske indikatorer. For eksempel, vurder den klassiske MACD-indikatoren, som er en sammenligning av to bevegelige gjennomsnitt. Konvergensen (flytte nærmere) og divergensen (fra hverandre) gir signaler om at en markedstendens endrer retning. Det er kritisk at du har så liten forsinkelse som mulig med disse signalene, eller handlingene dine blir sent. Til sammenligning har en MACD opprettet med JMA betydelig lavere lag enn en MACD ved bruk av eksponentielle glidende gjennomsnitt. For å illustrere denne påstanden, er figuren under et hypotetisk prisdiagram forenklet for å forbedre de viktigste problemene. Vi ser like store barer i en stigende trend, avbrutt av et plutselig nedadgående gap. De to fargede linjene er eksponentielle glidende gjennomsnitt som utgjør en MACD. Legg merke til at crossover oppstår lenge etter gapet, noe som fører til at en handelsstrategi venter og handler sent, om ikke i det hele tatt. Hvis du prøvde å øke hastigheten på tidspunktet for denne indikatoren ved å gjøre de bevegelige gjennomsnittene raskere, vil linjene bli lydere og mer krevende. Dette har en tendens til å skape falske utløsere og dårlige handler. På den annen side viser diagrammet nedenfor at den blå JMA justerer raskt til det nye prisnivået, noe som tillater tidligere overganger og tidligere betegnelse av en uptrend pågår. Nå kan du gå inn i markedet tidligere og ri en større del av trenden. I motsetning til det eksponentielle glidende gjennomsnittet har JMA en ekstra parameter (PHASE) som lar brukeren justere omfanget av overskyting. I diagrammet ovenfor var JMA gule linje tillatt å overskride mer enn det blå. Dette gir ideelle kryssoverføringer. En av de vanskeligste funksjonene til å designe i et utjevningsfilter er en adaptiv respons på prisgap uten å overskride det nye prisnivået. Dette gjelder spesielt for filterdesign som bruker filtreens egen fart som en måte å redusere lagring på. Følgende diagram sammenligner overskridelse av JMA og Hull-glidende gjennomsnitt (HMA). Parameterinnstillingene for de to filtrene ble satt slik at deres jevne ytelse var nesten identisk. Et annet designproblem er om filteret kan beholde samme tilsynelatende glatthet under reverseringer som under trender. Tabellen nedenfor viser hvordan JMA beholder nær konstant glatthet gjennom hele syklusen, mens HMA oscillerer ved reverseringer. Dette ville utgjøre problemer for strategier som utløser handler basert på om filteret beveger seg opp eller ned. Til slutt er det tilfelle når prisforskjeller opp og deretter trekker seg tilbake i en nedadgående trend. Dette er spesielt vanskelig å spore i øyeblikket av retrett. Heldigvis har adaptive filtre en mye enklere tid som indikerer når en reversering oppstod enn faste filtre, som vist i tabellen nedenfor. Selvfølgelig er det bedre filtre enn JMA, mest brukt av militæret. Men hvis du er i ferd med å spore gode handler og ikke fiendtlige fly, er JMA det beste rimelige støyneduserende filteret tilgjengelig for finansielle markedsdata. Vi garanterer det. DIG-gjennomsnittlig True Range-indikatoren er en forbedring av standard ATR gjennomsnittlig sann rekkeviddeindikator, som er en populær volatilitetsindikator som brukes av mange forhandlere. Standard ATR er en fantastisk indikator, men den har en stor arvelig feil. Når vi bruker en volatilitetsindikator som ATR, vil vi vite den reelle priskonkurransen ved hvor mye den neste linjen går opp eller ned. Men når hull har betydelig innflytelse, som i standard ATR, får vi ikke lenger det vi ønsker. Etter et stort gap reflekterer standard ATR-indikatoren ikke lenger den virkelige prisaktivitetsvolatiliteten. Ta en titt på diagrammet nedenfor, som sammenligner standard ATR-indikatoren (lyseblå) med DIG ATR-indikatoren (gul). AAPL 60 Min Diagram: Diagrammet sammenligner vår forbedrede DIG ATR (gul) med standard ATR (lyseblå) indikator. Legg merke til at selv når et mellomstort gap oppstår, vil standard ATR-indikatoren hoppe opp og ikke lenger gjenspeile det faktiske prisklasse, mens DIG ATR reagerer på gapet på en mye mildere måte og fortsetter å nøyaktig gjenspeile prisklassen. Legg også merke til at når markedet ikke har noen hull, er indikatorene nesten identiske. De fleste handelsfolk bruker standard ATR til å plassere StopLoss og TakeProfit bestillinger. Hvis du er en av disse handlerne, må du virkelig prøve DIG ATR-indikatoren (som er ledig). Indikatoren vil hjelpe deg med å få mer fra handelen din ved å gi deg mer nøyaktige data. Justerbar lengde. Ny ekstra funksjon velg type beregning full lysestamp bare kropp. Indikatoren er også gitt som en funksjon. Last ned DIG ATR-indikator for gratis programmeringstjenester SøkindikatorerStrategier Premium Indikatorer Våre kunder sier: Jeg har bare fått indikatorene og de er strålende. Jeg er så glad jeg ikke kan fortelle deg. Jeg føler meg allerede en kunde for livet og er sikker på at det er mer arbeid jeg vil at dere skal gjøre i fremtiden. Jeg håper virkelig dere får den suksess du fortjener. Mike R. UK Jeg vil takke deg for ditt arbeid på min tilpassede indikator. Det var et mareritt som prøvde å se på 50ETFs for å se hvilken som hadde utløst varselet. Jeg har gjort tilbake 10X hva du belastet på den første dagen. Jeg kan nå jobbe og bare vente på pipet for å gå av og deretter en slags handling. STOR JOB Jeg vil være tilbake med mer arbeid for deg snart. Dennis F. Los Angeles, CA Jeg vil bare takke dere begge for den innsatsen som Pro-Trading-indikatorer satt i å fullføre indikatoren min og studere før jul, jeg må si at jeg vurderer deg som det beste jeg har jobbet med i 18 år av handel. Mark C. New South Wales, Australia Jeg er veldig fornøyd med indikatorene dine og har gjort pengene mine tilbake på en enkelt dag med handel og er trygg på at når jeg ser etter nye indikatorer, vil du være den første jeg vil ringe. Bernard G Concord, NH Hei, jeg kunne ikke bli oppmuntret av e-posten din. Takk for forklaringen, og jeg setter pris på alt. Ser frem til å se produktet. Dave S. Sarasota, FL Veldig fin jobb, jeg liker det tweak du inkludert. Det er en god ide, jeg liker virkelig de ekstra visuelle hjelpemidler og valg av farger gjør det skiller seg ut Craig V Pittsburgh, PA Jeg setter pris på det engasjementet du legger i arbeidet ditt (i helger). Det var en stor glede å gjøre forretninger med dere igjen. Jeg vet hvor jeg må gå til mine fremtidige spesifikke programmeringsforespørsler. Robert S. Oranjestad, ArubaCopy og lim inn koden ovenfor i utviklingsmiljøet ditt i Tradestation eller MultiCharts as Indicator. Klikk deretter på kompilere, eller bekreft. Denne koden registrerer om sluttkursen i dag er større enn eller mindre enn sluttkursen i går. (Dette kan settes på daglige diagrammer eller minuttdiagrammer, og close1 refererer til forrige linje eller forrige dag) Hvis du skrev nær2, ville det referere til de nærliggende 2 dager eller stolper siden i stedet. Da har vi summen av de siste (lengde 20) stolpene. For å se hvordan det virker, kan du endre denne linjen med kodeplot1 (summove, quotup-downcountquot) til denne plottet1 (flytte, quotup-downcountquot). Klikk deretter kompilere. Du kan da se indikatorplottene en linje som er enten 1, -1 eller 0 Innskrivingene som er skrevet øverst representerer verdier som kan endres av brukeren når plotting indikatoren på diagrammet. Når du plotter indikatoren i sin opprinnelige form kan du endre lengden til 50 eller 20 eller 100 for å se hvordan det påvirker plottet. Variabler vises her som quotvarsquot, og disse er verdier jeg opprettet for å lagre verdiene som ble utgitt av de 3 kodelinjene som begynner hvis det er nært. og summove variabelen. Summove summation (flytte, lengde) Dette betyr at variabel summove er opprettet fra å legge opp summen av de siste 20 barene (eller lengdeperioden) - bariene med alle 1 og -1 og 0-verdiene. Du kan eksperimentere ved å spille rundt med forskjellige verdier. Begynnereksempel no2 (Justerbar vektingprosent blandet glidende gjennomsnitt) sakte gjennomsnitt (lukk, lengde1) raskt gjennomsnittlig (lukk, lengde2) hvis verdi1lt0 deretter verdi10 hvis verdi1gt1 deretter verdi11 Du kan lese ovennevnte kode først før du oppretter denne indikatoren og se om du kan se hva det gjør. Det er to bevegelige gjennomsnittsverdier som brukes med langsom lengde på 50 og en rask lengde på 20, inntastingsfaktoren er justerbar for å tilordne vekting til hver enkelt. Hvis faktoren er satt til 0,5, vil den legge til 50 av det langsomme gjennomsnittet til 50 av det hurtige gjennomsnittet og skape et blandet gjennomsnitt av de to perioden. For å se maksimale verdier av den langsomme gjennomsnittlige settfaktoren til 1, for å se plottet som er konstruert helt av det raskere gjennomsnittet, kan du sette faktor til 0. Du kan eksperimentere med verdier som 0,1 og 0,9 for å se påvirkningene av justeringer til vektingen. Hvis du bruker navnet verdi1 eller verdi2 eller verdi 99 som variabler, trenger du ikke å oppgi navnene på disse på øverste del. Value2 1-faktor er en veldig fin måte å få 2 variabler til automatisk tilordne 1 av en del og 99 av den andre delen, slik at når de blir lagt til vil de alltid 100 Begrens brukerbruken ved å begrense innganger ved å gjøre variablene lese dem. (Koden for verdi1 gjør dette etter å ha lest faktorinngangen) Kodeklikk for å prøve Hvis du ser på de langsomme og raske variablene, vil du se at de begge bruker gjennomsnitt (gjennomsnitt er denne koden betyr enkelt gjennomsnitt). Du kan prøve å gjøre det langsomme til et vektet gjennomsnitt eller et eksponentielt gjennomsnitt og blande disse opp for å lage din egen blandede gjennomsnittskombinasjon. Begynnereksempel no3 (Enkel binær trendindikator) hvis gjennomsnittlig (nær, fastlengde) gt gjennomsnittlig (lukk, slowlength) og start binarytrend1 slutten ellers binarytrend -1 Denne indikatoren bestemmer den kvadratiske trendquot som betyr at den konverterer den til et tall. Dermed opptrend 1 nedtrend -1 og den opprinnelige verdien er tildelt som 0. Hvis du plotter 80-glidende gjennomsnitt og 12-glidende gjennomsnitt på diagrammet, kan du sjekke at trendindikatoren fungerer. Bruk slutten andre setninger for å redusere kodelengde. EG over antar at hvis trenden ikke er 1, må den være -1. Kode triks å prøve Hvis du prøver å bruke en annen metode for å tilordne trenden, er opp eller ned og erstatt koden med ideen din. EG. Du bruker den stokastiske oscillatoren med over 50 som er uptrend og under 50 er ned trend. Likeledes 50 kan bli fanget ved å si dette. Hvis stokastisk er gt50, teller du som opptrend (psuedo kode) Begynner eksempel nr4 (Enkel lengdejusteringsalgoritme) hvis nær høyest (nær, grunnlengde) eller lukk laveste (lukk, grunnlengde) og start monitor monitor1-1 slutten annet monitormonitor10.5 hvis skjerm lt minlength deretter monitor minlength hvis monitor gt maxlength deretter overvåke maxlength Dette er den første fasen av å lage en algoritme til kontroll lengde påført en indikator. Du kan se at hvis du plotter denne indikatoren i undergraf 2, ligger det mellom 50 og 10 som er tillatt for maksimal og min lengde. (Men disse er justerbare innganger) Hvis prisen gjør en ny høy eller lav for basislengdeperioden, vil den senke med 1 lengde for hver stang som tilstanden er sant. Hvis prisen ikke lager en ny høy eller lav i samme periode, vil den redusere lengden med 0,5 lengde inkrement for hver bar, forutsetningen er sant. Kode triks å prøve Hvis du prøver å endre verdiene på -1 og 0,5 til større eller mindre beløp, kan du stille inn det etter dine behov. Nedenfor vil jeg vise deg hvordan du bygger denne koden inn i en lengdeskiftindikator. Begynnereksempel nr5 (Enkel lengdejustering veid glidende gjennomsnitt) hvis nær høyest (nær, grunnlengde) eller lukk laveste (lukk, grunnlengde) og start monitor monitor1-1 slutten annet monitormonitor10.5 hvis monitor lt minlength deretter monitor minlength hvis monitor gt maxlength deretter overvåke maksimal lengde Du kan se at en annen variabel er lagt til som er et vektet glidende gjennomsnitt, og trikset her er å erstatte det vanlige feltet med lengden med algoritmmonitoren som justerer lengden påført. Kode triks å prøve Hvis du plott et 20-års vektet gjennomsnitt ved siden av det på undergrafen ett. Du kan se hvordan koden over lengden endrer gjennomsnittet, er tregere i noen periode og raskere i andre perioder. Ovennevnte indikator er plass i subgraph no1 overlagt med prisen. Eksempelkoden no4 er plassert i under 2. Du kan observere lengdeendringsalgoritmen i aksjon og se hvordan det påvirker hastigheten på det veide gjennomsnittet. Nybegynnereksempel nr6 (Hvordan hindre divisjon med nullfeil) Divisjon ved null er et hyppig problem opplevd i programmeringen. Svaret er alltid uendelig, så vi må forhindre at noe blir delt med null i utgangspunktet. Det er to metoder for å gjøre dette. Hvis verdi1 0 deretter verdi1verdier10.0000000001 Så vi legger ganske enkelt et lite nummer til det, noe som er så lite det vil ikke gjøre for mye forskjell til utgangene. Hvis value1 ltgt 0 then value2 value3 value1 Dette tvinger datamaskinen til å spørre om verdien1 er 0 eller ikke før beregningene utføres. Hvis det er 0, returnerer det standardverdien som ble tilordnet til verdi1 i variablene da du opprettet den. Nybegynnere eksempel nr7 (Slik bruker du Fisher Transform)
No comments:
Post a Comment