MetaTrader 5 - Indikatorer Fractal Adaptive Moving Average (FrAMA) - Indikator för MetaTrader 5 Fractal Adaptive Moving Genomsnittlig teknisk indikator (FRAMA) utvecklades av John Ehlers. Denna indikator är konstruerad baserat på algoritmen för det exponentiala rörliga genomsnittet. i vilken utjämningsfaktorn beräknas utifrån den nuvarande fraktala dimensionen av prisserien. Fördelen med FRAMA är möjligheten att följa starka trendrörelser och att sakta sakta ner vid priskonsolideringstiden. Alla typer av analyser som används för Moving Averages kan tillämpas på denna indikator. Fractal Adaptive Moving Average Indicator FRAMA (i) A (i) Pris (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) - nuvarande värde av FRAMA Pris (i) - nuvarande pris FRAMA -1) - föregående värde av FRAMA A (i) - aktuell faktor för exponentiell utjämning. Exponentiell utjämningsfaktor beräknas enligt följande formel: A (i) EXP (-4.6 (D (i) - 1)) D (i) - strömfaktorens dimension EXP () - Exponentens matematiska funktion. Fractal dimension av en rak linje är lika med en. Det framgår av formeln att, om D 1, då A EXP (-4.6 (1-1)) EXP (0) 1. Således om prisändringar i raka linjer används inte exponentiell utjämning, eftersom i ett sådant fall formeln ser ut så här: FRAMA (i) 1 Pris (i) (1 - i) FRAMA (i-1) Pris (i) Ie indikatorn följer exakt priset. Den fraktala dimensionen av ett plan är lika med två. Från formeln får vi det om D 2, då utjämningsfaktorn A EXP (-4,6 (2-1)) EXP (-4,6) 0,01. Ett sådant litet värde av exponentiell utjämningsfaktor uppnås vid tillfällen då priset ger en stark sågtandad rörelse. En sådan kraftig nedgång motsvarar ungefär 200-årigt enkelt glidande medelvärde. Formel för fraktal dimension: D (LOG (N1 N2) - LOG (N3)) LOG (2) Det beräknas utifrån den extra formeln: N (Längd, i) (Högsta pris (i) - Lägsta pris (i)) Längd Högsta pris (i) - nuvarande maximalvärde för längdperioder LowestPrice (i) - nuvarande minimivärde för längdperioder Värdena N1, N2 och N3 är respektive lika med: N1 (i) N (Längd, i) N2 (i) N (Längd, jag längd) N3 (i) N (2 längd, i) Stödstyrelse Re: MESA Adaptive Moving Average (MAMA) Bara om detta hjälper, bifogas MAMA-kod som jag skrev från MAMA. doc. En förändring gjordes för korrekta vinkelberäkningar under perioden och fas, annars är det per MAMA. doc. Ive kontrollerade resultat mot tidigare kod och den här bifogade versionen ser korrekt ut. I post 4 mama. cpp ovan finns det några skillnader från MAMA. doc. Den bifogade filen ska vara bra att gå men om någon ser några ändringar behövs, skriv bara in. definiera MAMA sg. Subgraph91093 definiera FAMA sg. Subgraph91193 definiera Smooth sg. Subgraph91293 define Detrender sg. Subgraph91393 definiera Q1 sg. Subgraph91493 definiera I1 sg. Subgraph91593 definiera jI sg. Subgraph91693 definiera jQ sg. Subgraph91793 definiera I2 sg. Subgraph91893 definiera Q2 sg. Subgraph91993 definiera Re sg. Subgraph911093 definiera Im sg. Subgraph911193 definiera Period sg. Subgraph911293 definiera fas sg. Subgraph911393 definiera SmoothPeriod sg. Subgraph911493 definiera FALSE 0 definiera SANT 1 definiera LONG 1 definiera SHORT -1 definiera GREEN RGB (0,255,0) definiera DKGREEN RGB 0,128,0) definiera GUL RGB (255,255,0) definiera LTYELLOW RGB (255,255,128) definiera RED RGB (255,0,0) definiera DKRED RGB (198,0,0) definiera BLACK RGB (0,0,1) definiera WHITE RGB (255,255,255) definierar CYAN RGB (0,255,255) definierar PURPLE RGB (255,0255) definierar GRAY RGB (192,192,192) definierar BLUE RGB (0,128,255) definierar ORANGE RGB (255, 127, 0) SCSFExport scsfMAMA (SCStudyGraphRef sg) om (sg. SetDefaults) Ställ in konfigurationen och standardinställningarna sg. GraphName MAMA sg. StudyDescription MAMA sg. FreeDLL 0 sg. AutoLoop 1 true sg. GraphRegion 0 Ställ in namnet på den första subgrafen sg. Subgraph 91 0 93. Namn MAMA sg. Subgraph 91 0 93. PrimaryColor RED sg. Subgraph 91 0 93. DrawStyle DRAWSTYLELINE sg. Subgraph 91 0 93. LineWidth 2 sg. Subgraph 91 1 93. Namn FAMA sg. Subgraph 91 1 93. PrimaryColor GREEN sg. Subgraph 91 1 93. DrawStyle DRAWSTYLELINE sg. Subgraph 91 1 93. LineWidth 2 sg. Subgraph 91 14 93. Namn Period sg. Subgraph 91 14 93. PrimaryColor GREEN sg. Subgraph 91 14 93. DrawStyle DRAWSTYLEIGNORE sg. Subgraph 91 14 93. LineWidth 2 sg. Ingång 91 0 93. Namn Inmatningsdata sg. Inmatning 91 0 93. SetInputDataIndex (SCHL) sg. Inmatning 91 1 93. Namn Fast Limit sg. Ingång 91 1 93. SetFloat (0,5) sg. Ingång 91 2 93. Namn Långgräns sg. Input 91 2 93. SetFloat (0.05) int jag flyter FastLimit sg. Inmatning 91 1 93. FloatValue float SlowLimit sg. Inmatning 91 2 93. FloatValue float alpha. DeltaPhase SCFloatArrayRef Pris sg. BaseDataIn 91 sg. Ingång 91 0 93. GetInputDataIndex () 93 sg. DataStartIndex 50 I sg. CurrentIndex slät Smooth 91 i 93 (4 Pris 91 i 93 3 Pris 91 i - 1 93 2 Pris 91 i - 2 93 Pris 91 i - 3 93) 10 detrender Detrender 91 i 93 (0.0962 Slät 91 i 93 0,5769 Slät 91 i - 2 93 - 0,5769 Slät 91 i - 4 93 - 0,0962 Slät 91 i - 6 93) (0,075 Period 91 i - 1 93 0,54) beräkna InPhase - och kvadraturkomponenter Q1 91 i 93 (0,0962 Detrender 91 i 93 0,5769 Detrender 91 i - 2 93 - 0,5769 Detrender 91 i - 4 93 - 0,0962 Detrender 91 i - 6 93) (0,075 Period 91 i - 1 93 0,54) 91 91 93 Detrender 91 i - 3 93 Förbättra fasen av I1 och Q1 med 90 grader 93 (0,0962 91 91,993 0,5769 91 91 - 93 93 0,5769 91 91 i - 4 93 - 0,0962 91 91 - 963) (0,075 Period 91 i - 1 93 0,54) jQ 91 i 93 (0,0962 Q1 91 i 93 0,5769 Q1 91 i - 2 93 - 0,5769 Q1 91 i - 4 93 - 0,0962 Q1 91 i - 6 93) (0,075 Period 91 i - 1 93 0,54) Fasoraddition för 3 bar medelvärde 92 91 93 91 91 - jQ 91 i 93 Q2 91 i 93 Q1 91 i 93 jI 91 i 93 Smooth th e I och Q-komponenter innan man tillämpar diskriminatorn I2 91 i 93 0,2 I2 91 I 93 0,8 I2 91 I - 1 93 Kv2 91 I 93 0,2 Q2 91 I 93 0,8 Q2 91 I - 1 93 Homodyne Discriminator Re 91 I 93 I2 91 I 93 I2 91 I - 1 93 Q2 91 I 93 Q2 91 I - 1 93 Im 91 I 93 I 92 91 I 93 Q2 91 I - 1 93 - Q2 91 I 93 I2 91 I - 1 93 Re 91 I 93 0,2 Re 91 I 93 0,8 Re 91 i - 1 93 Im 91 i 93 0,2 Im 91 i 93 0,8 Im 91 i - 1 93 om (Im 91 i 93 0,0 ampamp Re 91 i 93 0,0) Period 91 i 93 360 (57,3 atan (Im 91 i 93 91 91 93)) om (Period 91 i 93 GT 1,5 Period 91 I - 1 93) Period 91 I 93 1,5 Period 91 I - 1 93 Om (Period 91 I 93 lt 0,67 Period 91 I - 1 93) Period 91 i 93 0,67 Period 91 i - 1 93 om (Period 91 i 93 lt 6) Period 91 i 93 6 om (Period 91 i 93 gt 50) Period 91 93 93 91 91 93 93 91 91 93 93 91 91 93 - 1 93 SmoothPeriod 91 i 93 0,33 Period 91 i 93 0,67 SmoothPeriod 91 i - 1 93 if (I1 91 i 93 0) Fas 91 i 93 57,3 atan (Q1 91 i 93 I1 91 i 93) DeltaPh ase Fas 91 i - 1 93 - Fas 91 i 93 om (DeltaPhase lt 1) DeltaPhase 1 alfa FastLimit DeltaPhase om (alfa SlowLimit) alfa SlowLimit MAMA 91 i 93 alfa Pris 91 i 93 (1 alfa) MAMA 91 i - 1 93 FAMA 91 i 93 0.5 alpha MAMA 91 i 93 (1 - 0.5 alfa) FAMA 91 i - 1 93 Re: MESA Adaptive Moving Average (MAMA) QUOTEertrader99697 Bara om det här hjälper, bifogas MAMA-kod som jag skrev från MAMA. doc. En förändring gjordes för korrekta vinkelberäkningar under perioden och fas, annars är det per MAMA. doc. Ive kontrollerade resultat mot tidigare kod och den här bifogade versionen ser korrekt ut. I post 4 mama. cpp ovan finns det några skillnader från MAMA. doc. Den bifogade filen ska vara bra att gå men om någon ser några ändringar behövs, skriv bara in. Hej Äntligen är det någon som har lagt till ett dsp-filter till Sierra Charts. Tack :) Det är något som Sierra Charts verkligen behöver n saknar allvarligt, eftersom det gör marknadsprofilen så mycket effektivare. Hur som helst har jag några frågor. 1) Hur laddar jag det här skriptet? så att den kan användas på Sierra Charts 2) Kommer det att fungera med en punktförstärkare figur diagram Re: MESA Adaptive Moving Average (MAMA) Hej praveenshan, Du laddar den precis som någon annan indikator förutom att den ligger i analysen-anpassade studierna MESA adaptiva glidande medelvärde Ja, det kommer att fungera med punkt och figur. Först lägg till punkt - och figurstudien. Lägg sedan till MESA men välj baserat på och välj PampF-studien. Jag använder MESA varje dag eftersom jag finner sin lutning för att vara en bra indikator på potentiella trendförändringar. För att se ändringar i höjden, kan alternativen Autocolor fungera för dig. med höjdsändringar Senast redigerad av errader 07-26-2010 kl. 12:49. Adaptiva rörliga medelvärden leder till bättre resultat Flyttande medelvärden är ett favoritverktyg för aktiva handlare. Men när marknaderna konsolideras leder denna indikator till många whipsaw-affärer, vilket resulterar i en frustrerande serie små vinster och förluster. Analytiker har tillbringat årtionden som försöker förbättra det enkla rörliga genomsnittet. I den här artikeln tittar vi på dessa ansträngningar och finner att deras sökning har lett till användbara handelsverktyg. (För bakgrundsavläsning på enkla glidande medelvärden, kolla in enkla rörliga genomsnittsvärden. Utveckla tendenser.) Fördelar och nackdelar med rörliga medelvärden Fördelarna och nackdelarna med glidande medelvärden sammanfattades av Robert Edwards och John Magee i första utgåvan av teknisk analys av Aktiestrenden. när de sa och det var tillbaka år 1941 som vi glatt gjorde upptäckten (även om många andra hade gjort det tidigare) att genom att medelvärda uppgifterna för ett visst antal dagar skulle en sådan kunna utlösa en slags automatiserad trendlinje som definitivt skulle tolka förändringarna av trend Det verkade nästan för bra för att vara sant. Det var faktiskt för bra att vara sant. Med nackdelarna överväga fördelarna, övergav Edwards och Magee snabbt sin dröm om handel från en bungalow på stranden. Men 60 år efter att de skrev dessa ord, fortsätter andra att försöka hitta ett enkelt verktyg som utan tvekan skulle ge marknadernas rikedomar. Enkla rörliga medelvärden För att beräkna ett enkelt glidande medelvärde. lägg till priserna för önskad tidsperiod och dela med antalet utvalda perioder. Att hitta ett fem dagars glidande medelvärde skulle kräva summering av de fem senaste stängningskurserna och dela med fem. Om den senaste stängningen ligger över det rörliga genomsnittet, skulle beståndet anses vara i en uptrend. Nedgångar definieras av priser som handlar under det glidande genomsnittet. (För mer, se vår Moving Averages handledning.) Denna trenddefinierande egenskap gör det möjligt att flytta genomsnittsvärden för att generera handelssignaler. I sin enklaste ansökan köper handlare när priserna flyttar över det glidande genomsnittet och säljer när priserna ligger under den linjen. Ett tillvägagångssätt som det här är garanterat att sätta handlaren på höger sida av varje betydande handel. Tyvärr, under utjämning av data, kommer rörliga medelvärden att ligga bakom marknadsåtgärden och näringsidkaren kommer nästan alltid att ge tillbaka en stor del av sin vinst på även de största vinnande affärer. Exponentiella rörliga medelvärden Analytiker verkar gilla tanken på det glidande genomsnittet och har spenderat år på att försöka minska problemen i samband med denna fördröjning. En av dessa innovationer är det exponentiella glidande medlet (EMA). Detta tillvägagångssätt tilldelar relativt högre viktning till de senaste uppgifterna, och som ett resultat blir den närmare prisåtgärden än ett enkelt glidande medelvärde. Formeln för att beräkna ett exponentiellt glidande medelvärde är: EMA (Vikt Stäng) ((1 Vikt) EMAy) Var: Vikt är utjämningskonstanten vald av analytiker EMAy är exponentiell glidande medelvärde från igår Ett gemensamt viktvärde är 0,181, vilket ligger nära ett 20-dagars enkelt glidande medelvärde. En annan är 0,10, vilket är ungefär ett 10-dagars glidande medelvärde. Även om det minskar fördröjningen, misslyckas det exponentiella glidande medlet att ta itu med ett annat problem med glidande medelvärden, vilket är att deras användning för handelssignaler leder till ett stort antal förlorande affärer. I nya koncept inom tekniska handelssystem. Welles Wilder uppskattar att marknaderna bara träder kvart över tiden. Upp till 75 av handelsåtgärder är begränsade till snäva intervall, när de genomsnittliga köp-och-säljsignalerna kommer att genereras upprepade gånger då priserna snabbt flyttar över och under det glidande genomsnittet. För att lösa detta problem har flera analytiker föreslagit att man varierar viktningsfaktorn för EMA-beräkningen. (Mer information finns om hur rörliga medelvärden används i handeln) Anpassning av rörliga medelvärden till marknadsaktioner En metod för att hantera nackdelarna med glidande medelvärden är att multiplicera viktningsfaktorn med ett volatilitetsförhållande. Att göra detta skulle innebära att det rörliga genomsnittet skulle vara längre från det nuvarande priset på volatila marknader. Detta skulle göra det möjligt för vinnarna att springa. Som en trend kommer till ett slut och priserna konsolideras. det rörliga genomsnittet skulle gå närmare den nuvarande marknadsåtgärden och i teorin tillåta näringsidkaren att behålla de flesta vinster som tagits under trenden. I praktiken kan volatilitetsförhållandet vara en indikator, såsom Bollinger Bandwidth, som mäter avståndet mellan de välkända Bollinger-band. (För mer om denna indikator, se Grunderna i Bollinger Bands.) Perry Kaufman föreslog att man ersätter viktvariabeln i EMA-formeln med en konstant baserad på effektivitetsförhållandet (ER) i sin bok, New Trading Systems and Methods. Denna indikator är utformad för att mäta styrkan hos en trend definierad inom ett intervall från -1,0 till 1,0. Den beräknas med en enkel formel: ER (total prisförändring för period) (summan av absoluta prisförändringar för varje stapel) Tänk på ett lager som har en fempunktsintervall varje dag och i slutet av fem dagar har fått totalt av 15 poäng. Detta skulle resultera i en ER på 0,67 (15 poäng uppåtgående rörelse dividerat med det totala 25-punktsintervallet). Hade denna aktie minskat 15 poäng, skulle ER -0.67. (För mer handelsrådgivning från Perry Kaufman, läs Losing To Win. Som beskriver strategier för att klara av handelsförluster.) Principen om en effektivitet i trender är baserad på hur mycket riktningsrörelse (eller trend) du får per enhet av prisrörelsen över en definierad tidsperiod. En ER med 1,0 indikerar att beståndet är i perfekt upptrend -1,0 representerar en perfekt downtrend. I praktiken nås extremiteterna sällan. För att tillämpa denna indikator för att hitta det adaptiva glidande genomsnittet (AMA) måste handlare beräkna vikten med följande, ganska komplexa formeln: C (ER (SCF SCS)) SCS 2 där: SCF är exponentiell konstant för snabbast EMA tillåten (vanligtvis 2) SCS är exponentiell konstant för den långsammaste EMA tillåten (ofta 30) ER är effektivitetsförhållandet som noterades ovan. Värdet för C används sedan i EMA-formeln istället för den enklare viktvariabeln. Även om det är svårt att beräkna för hand ingår det adaptiva glidande medlet som ett alternativ i nästan alla handelspaketpaket. (För mer på EMA, läs Exploring The Exponentially Weighted Moving Average.) Exempel på ett enkelt glidande medelvärde (röd linje), ett exponentiellt glidande medelvärde (blå linje) och det adaptiva glidande medlet (grön linje) visas i Figur 1. Figur 1: AMA är i grön och visar den största grad av planering i den avståndsbegränsade åtgärden som ses på höger sida av detta diagram. I de flesta fall ligger det exponentiella glidande medlet, som visas som den blå linjen, närmast prisåtgärden. Det enkla glidande medlet visas som den röda linjen. De tre glidande medelvärdena som visas i figuren är alla benägna att piska på olika tider. Denna nackdel med glidande medelvärden har hittills varit omöjligt att eliminera. Slutsats Robert Colby testade hundratals tekniska analysverktyg i Encyclopedia of Technical Market Indicators. Han slog fast, även om det adaptiva glidande medlet är en intressant nyare idé med stor intellektuell överklagande, visar våra preliminära tester inte någon verklig praktisk fördel för denna mer komplexa trendutjämningsmetod. Detta betyder inte att handlare bör ignorera idén. AMA kan kombineras med andra indikatorer för att utveckla ett lönsamt handelssystem. (För mer om detta ämne, läs Upptäck Keltner kanaler och Chaikin Oscillatorn.) ER kan användas som en fristående trendindikator för att hitta de mest lönsamma handelsmöjligheterna. Som ett exempel anger förhållanden över 0,30 starka uppåtgående och representerar potentiella köp. Alternativt, eftersom volatiliteten rör sig i cykler, kan bestånden med det lägsta effektivitetsförhållandet ses som brytningsmöjligheter. Beta är ett mått på volatiliteten, eller systematisk risk, av en säkerhet eller en portfölj i jämförelse med marknaden som helhet. En typ av skatt som tas ut på kapitalvinster som uppkommit av individer och företag. Realisationsvinster är vinsten som en investerare. En beställning att köpa en säkerhet till eller under ett angivet pris. En köpgränsorder tillåter näringsidkare och investerare att specificera. En IRS-reglering (Internal Revenue Service) som tillåter utbetalningar av straff från ett IRA-konto. Regeln kräver det. Den första försäljningen av lager av ett privat företag till allmänheten. IPOs utfärdas ofta av mindre, yngre företag som söker. DebtEquity Ratio är skuldkvoten som används för att mäta företagets ekonomiska hävstångseffekt eller en skuldkvot som används för att mäta en individ. Utvecklat av John Ehlers är MESA Adaptive Moving Average en teknisk trend-indikator som enligt sin skapare anpassar sig till prisrörelsen baserat på fasförändringen av fas, mätt av Hilbert Transform Discriminator. Denna anpassningsmetod har ett snabbt och ett långsamt rörligt medel så att det sammansatta rörliga medlet snabbt svarar på prisändringar och håller medelvärdet tills nästa bar8217s stängs. Ehlers säger att eftersom genomsnittet av 8217s fallback är långsamt kan man skapa handelssystem med nästan whipsaw-free trades. Nedan kan du se indikatorn ritad i en handelsplattform. Diagramkälla: VT Trader I grunden ser indikatorn ut som två glidande medelvärden, men i stället för att böjas kring prisåtgärden, flyttar MESA Adaptive MA i trappan som prisspåren. Det producerar två utgångar, MAMA och FAMA. FAMA (Efter Adaptive Moving Average) är ett resultat av att MAMA appliceras på den första MAMA-linjen. FAMA synkroniseras i tid med MAMA, men dess vertikala rörelse kommer med en fördröjning. Således övergår de två don8217t-korsningen om inte en större förändring i marknadsriktningen uppstår, vilket resulterar i ett glidande medelvärdesöverföringssystem som är praktiskt taget fritt från whipsaw-handelar, enligt Ehlers. MESA Adaptive Moving Average används som ersättning för traditionella glidande medelvärden. Som sådan kan MAMA och FAMA handlas precis som vanliga glidande medelvärden. För det första fungerar de som starka stöd - och motståndsområden och priset kommer tenderar att återfå dem vid kontakt. Detta gör pullbacks till MAMA och FAMA lämpliga med trendregistreringsområden. För det andra är övergångar mellan MAMA och FAMA, som liknar ett gyllene eller dödskors, också allmänt handlade. När MAMA korsar FAMA underifrån och kanter högre betyder det att marknaden sannolikt fortsätter att gå upp och generera en köpsignal. Omvänt, när MAMA korsar FAMA ovanifrån och kanterna sänker, innebär det att marknaden är kantad och sannolikt fortsätter att göra det, vilket genererar en kort inmatningssignal. MESA Adaptive Moving Average, precis som traditionella glidande medelvärden, kan användas som en fristående indikator, men också i kombination med andra indikatorer, som typiskt kombineras med SMA och EMA för att förbättra ditt beslutsfattande. Binary Tribune grundades 2013 och syftar till att ge sina läsare noggrann och faktisk finansiell nyhetsdekning. Vår hemsida är inriktad på stora segment på finansmarknadens aktier, valutor och råvaror och en interaktiv fördjupad förklaring av viktiga ekonomiska händelser och indikatorer. Finansiell riskupplysning BinaryTribune ansvarar inte för förlust av pengar eller skada som orsakas av att förlita sig på informationen på denna webbplats. Handelsexport, lager och råvaror på margin ger hög risk och kan inte vara lämpliga för alla investerare. Innan du bestämmer dig för handel med utländsk valuta bör du noggrant överväga dina investeringsmål, nivå av erfarenhet och riskappetit. Cookies policy Den här webbplatsen använder cookies för att ge dig den bästa upplevelsen och att känna dig bättre. Genom att besöka vår webbplats med din webbläsare för att tillåta cookies godkänner du vår användning av cookies enligt beskrivningen i vår integritetspolicy. kopiera Copyright 2017 mdash Binär Tribune. Alla rättigheter förbehållna
No comments:
Post a Comment