MetaTrader 5 - Indikatoren Variable Index Dynamische Average (VIDYA) - Indikator für MetaTrader 5 Variable Index Dynamische Average (VIDYA) technischer Indikator wurde von Tushar Chande entwickelt. Es ist ein originelles Verfahren zur Berechnung des Exponential Moving Average (EMA) mit der sich dynamisch verändernden Mittelungsperiode. Die Zeitdauer der Mittelung hängt von der Marktvolatilität ab, da das Maß der Volatilität der Chande Momentum Oscillator (CMO) gewählt wurde. Dieser Oszillator misst das Verhältnis zwischen der Summe der positiven Inkremente und der Summe der negativen Inkremente für eine bestimmte Periode (CMO-Periode). Der CMO-Wert wird als Verhältnis zum Glättungsfaktor EMA verwendet. Daher muss VIDYA Parameter einrichten: Zeitraum der CMO und Zeitraum der EMA. In der Regel nicht VIDYA selbst wird in Handelssystemen verwendet, aber seine oberen und unteren Grenzen (Upper Band amp Lower Band), die durch N über und unter VIDYA. Die Interpretation des Indikators für den Empfang von Handelssignalen in dieser Form wird ähnlich den Bollinger-Bändern durchgeführt. Variable Index Dynamische Average Indikator Der Standard Exponential Moving Average berechnet sich nach der folgenden Formel: EMA (i) Preis (i) F EMA (i-1) (1-F) F 2 / (PeriodEMA1) - Glättungsfaktor PeriodEMA - EMA (I) - aktueller Preis EMA (i-1) - vorheriger Wert der EMA. Der Wert der Variablen Index Dynamische Durchschnitt wird in der analogen Weise berechnet CMO: VIDYA (i) Preis (i) F ABS (CMO (i)) VIDYA (i-1) (1 - F ABS (CMO (i))) ABS (CMO (i)) - absoluter Stromwert Chande Momentum-Oszillator VIDYA (i-1) - vorheriger Wert von VIDYA. Der Wert von CMO wird berechnet nach der folgenden Formel: CMO (i) (UpSum (i) - DnSum (i)) / (UpSum (i) DnSum (i)) UpSum (i) - Aktuelle Summe der positiven Preissteigerungsbeträge für Die Periode DnSum (i) - aktuelle Summe der negativen Preisschritte für die Periode. Moving Average Der Moving Average Technische Indikator zeigt den durchschnittlichen Instrumentenpreis für einen bestimmten Zeitraum an. Wenn man den gleitenden Durchschnitt berechnet, berechnet man den Instrumentenpreis für diesen Zeitraum. Wenn sich der Preis ändert, steigt oder fällt sein gleitender Durchschnitt. Es gibt vier verschiedene Arten von gleitenden Durchschnitten: Einfach (auch als Arithmetik bezeichnet), Exponential. Geglättet und gewichtet. Der gleitende Durchschnitt kann für jeden sequentiellen Datensatz berechnet werden, einschließlich der Eröffnungs - und Schlusskurse, der höchsten und niedrigsten Preise, des Handelsvolumens oder anderer Indikatoren. Es ist oft der Fall, wenn doppelte gleitende Durchschnitte verwendet werden. Das Einzige, wo sich verschie - dende Durchschnittswerte verschiedener Typen erheblich voneinander unterscheiden, ist, wenn Gewichtskoeffizienten, die den letzten Daten zugeordnet sind, unterschiedlich sind. Falls wir von Simple Moving Average sprechen. Alle Preise des fraglichen Zeitraums gleich sind. Exponential Moving Average und Linear Weighted Moving Average legen mehr Wert auf die neuesten Preise. Der gängigste Weg zur Interpretation des gleitenden Durchschnitts ist es, seine Dynamik mit der Preisaktion zu vergleichen. Wenn der Instrumentenpreis über seinem gleitenden Durchschnitt ansteigt, erscheint ein Kaufsignal, wenn der Kurs unter den gleitenden Durchschnitt fällt, was wir haben, ist ein Verkaufssignal. Dieses handelnde System, das auf dem gleitenden Durchschnitt basiert, ist nicht entworfen, um Eintritt in den Markt direkt in seinem niedrigsten Punkt und seinem Ausgang direkt auf dem Höhepunkt zur Verfügung zu stellen. Es erlaubt, nach dem folgenden Trend zu handeln: bald zu kaufen, nachdem die Preise den Boden zu erreichen, und zu verkaufen, bald nachdem die Preise ihren Höhepunkt erreicht haben. Bewegungsdurchschnitte können auch auf Indikatoren angewendet werden. Das ist, wo die Interpretation der Indikatorbewegungsdurchschnitte ähnlich der Interpretation der Preisbewegungsdurchschnitte ist: wenn der Indikator über seinem gleitenden Durchschnitt steigt, bedeutet das, dass die aufsteigende Indikatorbewegung wahrscheinlich fortfährt: wenn der Indikator unter seinen gleitenden Durchschnitt fällt, dieses Bedeutet, dass es wahrscheinlich weiter nach unten gehen wird. Hier sind die Arten von gleitenden Durchschnittswerten im Diagramm: Einfacher Moving Average (SMA) Exponentieller Moving Average (EMA) Glatter Moving Average (SMMA) Linearer Gewichteter Moving Average (LWMA) Sie können die Handelssignale dieses Indikators testen, indem Sie einen Expertenratgeber erstellen Im MQL5-Assistenten. Berechnung Einfacher gleitender Mittelwert (SMA) Ein einfacher, dh arithmetisch gleitender Durchschnitt wird berechnet, indem die Preise des Instrumentenschlusses über eine bestimmte Anzahl von Einzelperioden (z. B. 12 Stunden) zusammengefasst werden. Dieser Wert wird dann durch die Anzahl dieser Perioden dividiert. SMA SUM (CLOSE (i), N) / N SUM Summe CLOSE (i) laufende Periode enge Preis N Anzahl Berechnungsperioden. Exponential Moving Average (EMA) Der exponentiell geglättete gleitende Durchschnitt wird durch Addition eines bestimmten Anteils des aktuellen Schlusskurses zum vorherigen Wert des gleitenden Durchschnitts berechnet. Bei exponentiell geglätteten gleitenden Durchschnitten sind die letzten engen Preise von mehr Wert. P-Prozentsatz exponentieller gleitender Durchschnitt wird folgendermaßen aussehen: EMA (CLOSE (i) P) (EMA (i - 1) (1 - P)) CLOSE (i) Einer vorherigen Periode P den Prozentsatz der Verwendung des Preiswertes. Gleitender gleitender Mittelwert (SMMA) Der erste Wert dieses geglätteten gleitenden Mittelwertes wird als einfacher gleitender Mittelwert (SMA) berechnet: SUM1 SUM (CLOSE (i), N) Der zweite gleitende Durchschnitt wird gemäß dieser Formel berechnet: SMMA (i) (I - 1) N SMMA (i) (PREVSUM - SMMA (i - 1) SCHLIESSEN (i) Die folgenden Mittelwerte werden nach folgender Formel berechnet: ) / N SUM Summe SUM1 Summe Summe der Schlusskurse für N Perioden wird von der vorherigen Bar gezählt PREVSUM geglättete Summe der vorherigen Bar SMMA (i-1) geglättet gleitender Durchschnitt der vorherigen Bar SMMA (i) geglättet gleitender Durchschnitt der Aktueller Balken (mit Ausnahme des ersten) CLOSE (i) aktueller Schlusskurs N Glättungszeitraum. Nach arithmetischen Konvertierungen kann die Formel vereinfacht werden: SMMA (i - 1) (N - 1) CLOSE (i)) / N Linearer gewichteter gleitender Durchschnitt (LWMA) Bei gewichteten gleitenden Mittelwerten die letzten Daten Ist von mehr Wert als frühere Daten. LWMA SUM (CLOSE (i) i, N) / SUM (i, N) SUM Summe CLOSE (i) Strom nahe: Die gewichteten gleitenden Durchschnitt wird durch Multiplikation jedes der Schlusskurse innerhalb des betrachteten Reihe, um einen bestimmten Gewichtungskoeffizienten berechnet Preis SUM (i, N) Gesamtsumme der Gewichtungskoeffizienten N Glättungs period.3rd Erzeugung Moving Average Indikator 3. Generation Moving Average Gleitende Durchschnitte auf der Basis der Nyquist-Shannon Signalsatz. Mathematisch vorgeschlagen, die geringst mögliche Verzögerung haben. Less Verzögerung als allgemeine und zweite Generation Mittelwerte wie Ehlers Null-Lag-Mittelwerte. Feige. 1. Vergleich der Bewegungsdurchschnitte. Die 3. Generation durchschnittlich am besten mit geringsten Lag im Vergleich zu allen anderen Durchschnitten. Alle Mittelwerte wurden mit der gleichen Fenstergröße 21 ausgeführt. Die Daten repräsentieren 3x60 Datenpunkte mit einer Gaußschen Verteilung um 100 und 200 und einer Standardabweichung von 5 Punkten. Formeln wie in Drschner 2011. EMA-Implementierung basierend auf MetaTrader4-Algorithmus, 2. Generation nutzt Ehler (2001) Korrektur, 3. Generation basiert auf dem Nyquist-Shannon Theorem, wie in Drschner (2011) mit Lambda von 4. Moving Averages der 3. Generation skizziert Bewegungsdurchschnitte sollen Daten glatt machen und Lärm und nutzlose Informationen entfernen. Es werden mehrere mittlere Varianten verwendet, zB Simple Moving Average (SMA) oder Exponentially Moving Average (EMA) (Wikipedia, Moving Averages, 2011). Eine Herausforderung besteht darin, daß bewegte Mittelwerte eine Verzögerung einführen, d. h. die geglättete Kurve folgt dem Trend gewöhnlich später (siehe Fig. 1). Adaptive gleitende Durchschnitte wie VIYDA (Chande, 1992 Brown) und Kaufmans Adaptive Moving Average (KAMA) (Kaufmann, 1995) versuchten, dieses Problem durch die Integration dynamischer Variablen zu lösen. Im Jahr 2001 führte J. Ehler ein allgemeines Konzept auf der Grundlage der Signaltheorie ein, das wir als Mittelwerte der zweiten Generation bezeichnen (Ehler, 2001). Die Grundannahme besteht darin, dass die Zeitreihe aus einer begrenzten Anzahl von überlappenden Signalphasen zusammengesetzt ist, die die Signaltheorie anwenden würde (Ehler, 2001 Huang et al., 1998). Im Jahr 2011 stellte M. G. Drschner fest, dass unter dem Signaltheoriemodell der Nyquist-Shannon-Theorem (Wikipedia, Nyquist, 2008) angewendet werden muss (Drschner, 2011). In seiner Arbeit skizzierte Drschner, dass Mittelwerte nach diesen Kriterien die geringst theoretisch mögliche Verzögerung hätten und sie als 3. Gleitende Mittelwerte bezeichnet hätten. Anzeigeparameter
No comments:
Post a Comment