Hull Moving Average Genauigkeit

Moving Averages Moving Average Crossover Diese Studie zeigt zwei gleitende Durchschnitte, deren Typen vom Benutzer mit dem Inputs Moving Average Type 1 und Moving Average Type 2 ausgewählt werden. Standardmäßig sind beide gleitenden Durchschnitte Simple Moving Averages. Die Eingänge Daten 1 und Eingangsdaten 2 sind mit (X1) bzw. (X2) bezeichnet und die Eingänge Länge 1 und Länge 2 dieser beiden gleitenden Mittelwerte werden mit (n1) bzw. (n2) bezeichnet. Diese Studie zeigt auch Signale zu kaufen (angezeigt durch einen Pfeil nach oben) oder verkaufen (angezeigt durch einen Abwärtspfeil) in Diagramm bar (t). Die Bedingungen, die festlegen, welches Signal, falls vorhanden, angezeigt wird, sind unten angegeben. Ein Pfeil nach oben wird in der Diagrammleiste (t) angezeigt, wenn einer der folgenden Punkte auftritt. (N1 n2) und der Subgraph von (MAtleft (X1, n1right)) kreuzt den Untergraphen von (MAtleft (X2, n2right)) von unten in der Diagrammleiste (t). (N2 n1) und der Subgraph von (MAtleft (X2, n2right)) kreuzt den Untergraphen von (MAtleft (X1, n1right)) von unten an der Diagrammleiste (t). In jedem der obigen zwei Fälle fällt die Spitze des Pfeils mit der Oberseite der Diagrammstange (t) zusammen. Bewegender durchschnittlicher Unterschied Um sich mit der in dieser Studie verwendeten Terminologie und Notation vertraut zu machen, verweisen wir auf die Dokumentation für die Studie Moving Average - Simple. Diese Studie zeigt den Unterschied zwischen zwei gleitenden Durchschnitten, deren Typen vom Benutzer mit dem Input Moving Average Type gewählt werden. Standardmäßig sind beide gleitenden Durchschnitte Simple Moving Averages. Die Eingangs-Eingangsdaten werden als (X) bezeichnet und die Eingänge Länge 1 und Länge 2 dieser beiden gleitenden Mittelwerte werden mit (n1) bzw. (n2) bezeichnet. Wir bezeichnen die Moving Average Difference in der Chartleiste (t) für die angegebenen Eingänge als (MADifftleft (X, n1, n2right)), und wir berechnen sie wie folgt. (X, n1, n2right) MAtleft (X, n1right) - MAtleft (X, n2right)) Der Subgraph dieses Indikators wird in zwei benutzerdefinierten Farben angezeigt: eine für wenn der Subgraph steigt und der andere für wann Es fällt. Moving Average Envelope Die Moving Average Envelope Studie zeichnet eine obere und untere Band oder Umschlag über und unter dem gleitenden Durchschnitt. Jeder der Bänder ist der angegebene feste Wert aus dem gleitenden Durchschnitt oder der angegebene Prozentsatz aus dem gleitenden Durchschnitt. Eingabe Daten Prozentsatz oder Festwert. Wählen Sie entweder Prozentsatz oder Festwert aus. Im Fall von Prozentsatz. Setzen Sie den Prozentsatz mit dem Prozentsatz Eingang. Im Falle von Festwert. Setzen Sie den festen Wert mit dem Fixed Value Input. Prozentsatz Wenn Prozentsatz oder Festwert auf Prozentsatz gesetzt ist. Geben Sie den Prozentsatz mit diesem Input ein, um den gleitenden Durchschnitt zu multiplizieren. Dieses Ergebnis wird addiert und von dem gleitenden Durchschnitt subtrahiert. 0,01 1. Festwert. Wenn Prozentsatz oder Festwert auf Festwert gesetzt ist. Geben Sie den festen Wert mit diesem Input ein, um diesen festen Wert aus dem gleitenden Durchschnitt hinzuzufügen und zu subtrahieren. Moving Average Type Moving Durchschnittliche Länge Moving Average - Adaptive Diese Studie berechnet einen adaptiven gleitenden Durchschnitt der Daten, die durch die Eingabedateneingabe angegeben sind. Dieser gleitende Durchschnitt wurde von Perry Kaufman entwickelt. Referenz: Aktien Commodities V13: 6: (267): Seitenleiste: Adaptive Moving Average. Es sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xi) der Wert der Eingangsdaten in der Diagrammleiste (i). Lassen Sie die Eingänge Fast Smoothing Constant und Slow Smoothing Constant mit (cF) bzw. (cS) bezeichnet werden. Die Eingangslänge wird als (n) bezeichnet. Wir verwenden diese, um die Richtung (Dt), die Volatilität (Volt) und die Glättungskonstante (ct) in der Diagrammleiste (t) wie folgt zu berechnen. (Dt leftXt - X rechts) Wir bezeichnen die Moving Average - Adaptive in der Chartleiste (t) für die angegebenen Eingänge als (AMAtleft (X, n, cF, cSright)) und berechnen sie mit der folgenden Rekursionsrelation. (X, n, cF, cSright) ct (Xt - AMA links (X, n, CF, cSright)) AMA links (X, n, cF, cSright) neq 0 Ende rechts.) Für eine Erklärung der Sigma ((Sigma)) Notation zur Summation, siehe Wikipedia-Artikel Summation. Eingangsdatenlänge Schnelle Glättung Konstante. Dies ist die Länge eines schnelllebigen Exponential Moving Average. Es sollte auf einen Wert gesetzt werden, der kleiner ist als der der Input Slow Smoothing Constant, um sinnvolle Ergebnisse zu erhalten. Langsame Glättung Konstante. Dies ist die Länge eines langsamen exponentiellen Moving Average. Moving Average - Adaptive Binary Wave Diese Studie berechnet die Binärwelle für Kaufmans Adaptive Moving Average. Beziehen Sie sich auf diese Studie, um sich mit der hier verwendeten Notation vertraut zu machen. Genau wie bei dem Adaptive Moving Average beruht diese Studie auf den Inputs Input Data (X), Länge (n), Fast Smoothing Constant (cF) und Slow Smoothing Constant (cS). Die Studie hat auch einen zusätzlichen Input, nämlich den Filter Prozentsatz (f). Für die angegebenen Eingänge werden die Varianz (Vart (X, n)) und die Standardabweichung (sigmat (X, n)) in Form von einfachen gleitenden Mittelwerten in der Diagrammleiste (t) wie folgt berechnet. (X, n) - links (MAt (X, n) rechts) 2) Als nächstes definieren wir zwei Funktionen (AMALowt (X, n)) und (AMAHight (X, n)) im Diagramm Bar (t) wie folgt. (X, n) AMAHigh0 (X, n) AMA0 (X, n)) Die Funktion (AMALow) ändert nur den Wert, wenn der Adaptive Moving Average von der Diagrammleiste (t-1) zur Chartleiste (t) abnimmt. Die Funktion (AMAHigh) ändert nur den Wert, wenn die Adaptive Moving Averaage von der Diagrammleiste (t-1) zur Chartleiste (t) zunimmt. Schließlich wird die Binärwelle berechnet. Wir bezeichnen den Wert der Binärwelle in der Diagrammleiste (t) für die gegebenen Eingaben als (BWt (X, n, f)), und wir berechnen sie wie folgt. (X, n) - AMAt (X, n) - AMAH (X, n) - AMAt (X, n) Frac-Sigmat (X, n) 0 ansonsten rechts enden. ) Eingangsdatenlänge Schnelle Glättung Konstante. Dies ist die Länge eines schnelllebigen Exponential Moving Average. Es sollte auf einen Wert gesetzt werden, der kleiner ist als der der Input Slow Smoothing Constant, um sinnvolle Ergebnisse zu erhalten. Langsame Glättung Konstante. Dies ist die Länge eines langsamen exponentiellen Moving Average. Filter prozent. Diese Eingabe setzt zusammen mit der Standardabweichung die untere Schranke sowohl auf (AMAt (X, n) - AMALowt (X, n)) als auch (AMAHight (X, n) - AMAt (X, n)), die wiederum Bestimmen Sie den Wert von (BWt (X, n, f)). Moving Average - Double Exponential Diese Studie berechnet einen doppelten exponentiellen gleitenden Durchschnitt der Daten, die durch die Eingabedateneingabe angegeben sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xt) der Wert der Eingangsdaten in der Diagrammleiste (t). Die Eingangslänge wird als (n) bezeichnet. Dann bezeichnen wir die Moving Average - Double Exponential in der Chartleiste (t) für die angegebenen Eingänge als (DEMAt (X, n)) und berechnen sie im Hinblick auf die exponentiellen Moving Averages (EMAt (X, n)) und ( EMAt (EMA (X, n), n)), wobei (EMA (X, n)) eine Zufallsvariable ist, die den Exponential Moving Average der Länge (n) für die Eingangsdaten (X) angibt. Die beiden exponentiellen Bewegungsdurchschnitte werden wie folgt initialisiert. (EMA0 (X, n) EMA0 (EMA (X, n), n) X0) Die Bewegungs-Durchschnitt-Doppel-Exponential wird aus diesen exponentiellen gleitenden Mittelwerten wie folgt berechnet. (X, n) 2 EMAt (X, n) - EMAt (EMA (X, n), n)) Moving Average - Exponential Diese Studie berechnet einen exponentiellen gleitenden Durchschnitt der Daten, die durch die Eingabedateneingabe angegeben sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xt) der Wert der Eingangsdaten in der Diagrammleiste (t). Die Eingangslänge wird als (n) bezeichnet. Dann bezeichnen wir die Moving Average Exponential in der Chartleiste (t) für die angegebenen Eingänge als (EMAt (X, n)) und berechnen sie mit der folgenden Rekursionsrelation. (EMA0 (X, n) X0) (EMAt (X, n) cXt (1-c) EMA (X, n)) Die Konstante (c) ist ein Multiplikator zwischen (0) und (1) und bezieht sich auf Die Eingangslänge über (c frac). Je höher die Einstellung für die Längeneingabe, die Erhöhung der Empfindlichkeit mit der exponentiellen gleitenden Durchschnittsberechnung auf vergangene Werte, da sich die Anzahl der historischen Daten im Diagramm ändert. Auch Balkenwerte, die außerhalb des in der Berechnung verwendeten Stabes liegen, wirken sich auf die exponentiellen gleitenden Mittelwerte aus. Die exponentielle gleitende Durchschnittsberechnung verwendet den vorherigen exponentiellen Wert in ihrer Berechnung, und so haben vorherige Werte einen kontinuierlichen Effekt, der bis hin zur ersten Leiste im Diagramm zurückkehrt. Daher nur durch Ändern der Chart gtgt Chart-Einstellungen gtgt Verwenden Sie Anzahl der Tage, um gtgt Tage zu laden laden. Für eine lange Länge wird der exponentielle gleitende Durchschnitt das Ergebnis an einer bestimmten Diagrammspalte ändern, obwohl die Tage, die in dem Diagramm entfernt oder geladen wurden, vor dem exponentiellen gleitenden Durchschnittswert in einer bestimmten Diagrammspalte liegen, die durch die Anzahl der durch die Länge spezifizierten Balken zurückgeht Eingang. Dies ist etwas Wichtiges über die Art der exponentiellen Berechnung zu verstehen und Sie sollten fragen, ob es sogar eine geeignete Berechnungsmethode für Ihre Methode der Analyse ist. Der exponentielle gleitende Durchschnitt sollte nicht mit langen Längen verwendet werden. Verwenden Sie stattdessen Moving Average - Simple. Moving Average - Hull Diese Studie berechnet einen Hull-Gleitender Durchschnitt der Daten, die durch den Input Data Input angegeben werden. Dieser gleitende Durchschnitt wurde von Alan Hull entwickelt. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xi) der Wert der Eingangsdaten in der Diagrammleiste (i). Lassen Sie die Input Hull Moving Average Length mit (n) bezeichnet werden. Es sei (WMAtleft (X, leftlfloor frac rightrfloorright)) und (WMA (X, n)) zufällige Variablen, die die gewichteten Moving Averages für (X) mit Längen (leftlfloor frac rightrfloor) bzw. (n) bezeichnen. Dann bezeichnen wir den Moving Average - Hull in der Chartleiste (t) für die gegebenen Eingänge als (HMAt (X, n)), und wir berechnen sie wie folgt. (HMAt (X, n) WMAtleft (2WMAleft (X, leftlfloor frac rightrfloorright) - WMA (X, n), leftlfloor frac rightrfloorright)) Für eine Erläuterung der Bodenfunktion ((leftlfloor rightrfloor)), verweisen wir auf den Wikipedia-Artikel Floor Und Deckenfunktionen. Moving Average - Rolling High Accuracy Die Moving Average - Rolling High Accuracy berechnet an jeder Chartleiste einen Durchschnitt aller Preise, aus denen die Kartenleisten über dem angegebenen Zeitraum zusammengesetzt sind. Diese Studie beruht auf dem zugrunde liegenden Volumen zu den Preisdaten im Diagramm, um seine hohe Genauigkeit zu erreichen. Es ist notwendig für Sierra Chart für ein Häkchen durch Tick-Daten-Konfiguration für die Studie konfiguriert werden, um es seine hohe Genauigkeit zu erreichen. Wöchentliche und monatliche Zeiträume mit dieser Studie zu tun, macht keinen Sinn mit einer rollenden Berechnung, da diese Studie nicht auf bestimmte Segmente der Zeit wie der Beginn der Woche oder den Beginn des Monats verweist. Stattdessen verweist es zurück auf Daten in jeder Kartenleiste um den angegebenen Zeitraum. Deshalb einfach die Zeitperiodenlänge und die Zeitperioden-Typ-Eingänge mit der Studie auf 7 Tage oder 30 Tage einstellen, um dies effektiv zu erreichen. Wenn Sie die Zeitperioden-Typ - und Zeitperioden-Längen-Eingaben so eingestellt haben, dass die gleitende Durchschnittsberechnung über eine große Anzahl von Stäben im Diagramm erfolgt und es eine große Anzahl von Stäben gibt, die in das Diagramm geladen werden, basierend auf den aktuellen Diagrammeinstellungen, dann die Studie kann eine längere Zeit dauern, um die ersten Berechnungen zu machen und die Programmbenutzeroberfläche wird während dieser Zeit eingefroren. Daher ist es notwendig, mit diesen Eingabemöglichkeiten vorsichtig zu sein, um nicht zu viel von einer Bearbeitungsbelastung des Programms zu setzen. Zeitspanne Typ. Diese Eingabe gibt den Zeitraumstyp an. Es kann entweder Tage sein. Protokoll . Oder Bars. Wenn auf Balken gesetzt. Dann bedeutet dies, dass die Anzahl der durch die Zeitperiodenlänge eingestellten Balken in der Berechnung verwendet wird. Wenn dieser Eingang auf Tage eingestellt ist. Die Zeitdauer dauert die Anzahl der Handelstage, an denen die Berechnung durchgeführt wird. Handelstage werden mit der Session Times bestimmt. Wenn z. B. die Zeitperiodenlänge auf 2 gesetzt ist, wird der vorherige Handelstag, wie er von der Session Times bestimmt wird, und der gesamte Börsentag in die Berechnung einbezogen. Daher ist es in diesem Fall nicht eine 2-tägige Nachlaufberechnung, die 48 Stunden nach der aktuellen Datumszeit zurückkehrt. Zeitdauer. Diese Eingabe gibt die Anzahl der Tage, Minuten oder Balken an, je nachdem, ob der Zeitperioden-Typ auf Tage gesetzt ist. Minuten oder Bars. Wochenende in Tag zählen. Wenn dieser Eingang auf Ja eingestellt ist. Samstag und Sonntag werden bei der Bestimmung, wie viele Tage zurück in die Berechnung nach der Zeitperiodenlänge eingegeben werden, übersprungen. Verwenden Sie Fixed Offset statt Std. Abweichung Band 1 Std. Abweichung MultiplierFixed Offset. Band 2 Std. Abweichung MultiplierFixed Offset. Band 3 Std. Abweichung MultiplierFixed Offset. Band 4 Std. Abweichung MultiplierFixed Offset. Moving Average - Simple Diese Studie berechnet einen einfachen gleitenden Durchschnitt der Daten, die durch den Input Data Input angegeben werden. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xi) der Wert der Eingangsdaten an der Diagrammleiste (i). Die Eingangslänge wird als (n) bezeichnet. Dann bezeichnen wir den Moving Average - Simple an der Chartleiste (t) für die angegebenen Eingänge als (MAt (X, n)) und wir berechnen sie wie folgt. Für eine Erklärung der Sigma ((Sigma)) Notation für die Summation, siehe die Wikipedia-Artikel Summation. Moving Average - Simply Skip Nullen Diese Studie berechnet einen einfachen gleitenden Durchschnitt der Daten, die durch die Input Data Input angegeben werden. Mit Ausnahme der Werte, die gleich Null sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xi) der Wert der Eingangsdaten in der Diagrammleiste (i). Die Eingangslänge wird als (n) bezeichnet und die Anzahl der ungleichen Werte von (X) von (X) bis (Xt) als (n) bezeichnet. Dann bezeichnen wir die Moving Average - Simple Skip Nullen in der Chartleiste (t) für die angegebenen Eingänge als (SZMAt (X, n)), und wir berechnen sie wie folgt. Für eine Erklärung der Sigma ((Sigma)) Notation für die Summation, siehe die Wikipedia-Artikel Summation. Moving Average - Sinus-gewichtet Diese Studie berechnet einen Sinuswellen-gewichteten gleitenden Durchschnitt der Daten, die durch die Eingangs-Eingangsdaten angegeben sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xi) der Wert der Eingangsdaten in der Diagrammleiste (i). Dann bezeichnen wir die Moving Average - Sinuswave, die in der Chartleiste (t) für die gegebenen Eingaben als (SWWMAt (X)) gewichtet wird, und wir berechnen sie wie folgt. Für eine Erklärung der Sigma ((Sigma)) Notation für die Summation, siehe die Wikipedia-Artikel Summation. Moving Average - Smoothed Diese Studie berechnet einen geglätteten gleitenden Durchschnitt der Daten, die durch die Eingangsdateneingabe angegeben sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xi) der Wert der Eingangsdaten in der Diagrammleiste (i). Die Eingangslänge wird als (n) bezeichnet. Dann bezeichnen wir für die angegebenen Eingänge als (SMMAt (X, n)) den Moving Average - Smoothed an Chart bar (t) und berechnen wir mit der folgenden Rekursionsrelation. Für eine Erklärung der Sigma ((Sigma)) Notation für die Summation, siehe die Wikipedia-Artikel Summation. Eingangsdaten Längenversatz. Dieser Eingang gibt die Anzahl der Kartenleisten an, mit denen der Summenindex nach links verschoben werden soll. Moving Average - Triangular Der Dreieck-Moving Average wird in Bezug auf den Simple Moving Average berechnet. Beziehen Sie sich auf diese Studie, um sich mit der hier verwendeten Notation vertraut zu machen. Genau wie bei dem Simple Moving Average setzt diese Studie auf den Inputs Data Input (X) und Length (n). Wir berechnen zwei weitere Längen. (N1) und (n2) wie folgt. (Für die Erläuterung der Deckenfunktion ((leftlceil rightrceil)) finden Sie im Wikipedia-Artikel Boden - und Deckenfunktionen. Wir bezeichnen den Moving Average - Dreieck in der Chartleiste (t) für die angegebenen Eingangsdaten und berechneten Längen als (TMAtleft (X, n1, n2right)) und wir berechnen sie wie folgt. (MAleft (X, n1, n2right) MAtleft (MAleft (X, n1right), n2right)) In der obigen Formel ist (MAleft (X, n1right)) eine Zufallsvariable, die den Simple Moving Average der Länge (n1) für die Eingabedaten (X). Moving Average - Triple Exponential Diese Studie berechnet einen dreifachen exponentiellen gleitenden Durchschnitt der Daten, die durch die Eingabedateneingabe angegeben sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xt) der Wert der Eingangsdaten in der Diagrammleiste (t). Die Eingangslänge wird als (n) bezeichnet. Dann bezeichnen wir für die angegebenen Eingänge als (TEMAt (X, n)) den Moving Average - Triple Exponential in der Chartleiste (t) und berechnen wir in den exponentiellen Moving Averages (EMAt (X, n)), ( EMAt (EMA (X, n), n)) und (EMA (EMA (X, n), n), n), n)) wobei (EMA (X, n)) eine Zufallsvariable ist Exponentieller Verschiebungs-Durchschnitt der Länge (n) für die Eingangsdaten (X). Die drei exponentiellen Bewegungsdurchschnitte werden wie folgt initialisiert. (EMA0 (X, n) EMA0 (EMA (EMA (EMA) (EMA (EMA) (n) X0) Die Bewegungsdurchschnitt - Triple Exponential wird aus diesen exponentiellen gleitenden Durchschnitten berechnet Folgt (EMA (X, n), NEM) (EMA (X, n), n) EMAt (EMA (EMA (X, n), n), n)) Bewegliches Mittel - Volumen gewichtet Diese Studie berechnet Ein volumengewichteter gleitender Durchschnitt der Daten, die durch die Eingangsdateneingabe angegeben sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. (Xi) sei der Wert der Eingangsdaten in der Diagrammleiste (i) und sei (Vi) das Volumen an der Diagrammleiste (i). Die Eingangslänge wird als (n) bezeichnet. Die Moving Average - Volumen gewichtet in Diagrammleiste (t) für die angegebenen Eingänge (VWMAt (X, n)), und wir berechnen sie wie folgt. Für eine Erklärung der Sigma ((Sigma)) Notation für die Summation, siehe die Wikipedia-Artikel Summation. Moving Average - Weighted Diese Studie berechnet einen gewichteten gleitenden Durchschnitt der Daten, die durch die Eingabedateneingabe angegeben sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xi) der Wert der Eingangsdaten in der Diagrammleiste (i). Die Eingangslänge wird als (n) bezeichnet. Dann bezeichnen wir die Moving Average - Weighted at Chart Bar (t) für die angegebenen Eingänge als (WMAt (X, n)), und wir berechnen sie wie folgt. Für eine Erklärung der Sigma ((Sigma)) Notation für die Summation, siehe die Wikipedia-Artikel Summation. Moving Average - Welles Wilders Diese Studie berechnet einen Welles Wilders gleitenden Durchschnitt der Daten, die durch die Input Data Input angegeben werden. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xi) der Wert der Eingangsdaten in der Diagrammleiste (i). Die Eingangslänge wird als (n) bezeichnet. Dann bezeichnen wir die Moving Average - Welles Wilders in der Chartleiste (t) für die angegebenen Inputs als (WWMAt (X, n)) und wir berechnen mit der folgenden Rekursionsrelation. (X, n) WWMA (X, n) 0 WWMA (X, n) Frac links (Xt - WWMA (X, n) rechts) WWMA (X, n) WWMA (X, n) Neq 0 end right.) In der obigen Funktion bezieht sich (SZMAt (X, n)) auf Moving Average - Simple Skip Nullen. Für eine Erklärung der Sigma ((Sigma)) Notation für die Summation, siehe die Wikipedia-Artikel Summation. Moving Average - Zero Lag Exponential Diese Studie berechnet einen Nullpunkt exponentiellen gleitenden Durchschnitt der Daten, die durch die Eingabedateneingabe angegeben sind. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xt) der Wert der Eingangsdaten in der Diagrammleiste (t). Die Input Zero Lag EMA Länge wird als (n) bezeichnet. Dann bezeichnen wir die Moving Average - Zero Lag Exponential in der Chartleiste (t) für die angegebenen Eingänge als (ZLEMAt (X, n)) und berechnen sie mit der folgenden Rekursionsrelation. (ZXMAt (X, n) Spalte (2Xt - X rechts) (1 - c) ZLEMA (X, n)) Die Konstante (L) heißt Lag und wird wie folgt berechnet. Zur Erläuterung der Deckenfunktion ((leftlceil rightrceil)), siehe Wikipedia-Artikel Boden - und Deckenfunktionen. Die Konstante (c) ist der gleiche Multiplikator, der im exponentiellen Moving Average gefunden wird. Wenn (L 0), dann wird (ZLEMAt (X, n)) identisch mit (EMAt (X, n)). Moving Averages Diese Studie berechnet und zeichnet 3 gleitende Durchschnitte jeglicher Art. Moving Linear Regression Moving Average - Lineare Regression Die Moving Linear Regression und die Moving Average - Lineare Regressionsstudien berechnen und zeigen den Wert einer linearen Regressionsfunktion der ausgewählten Eingangsdaten (Open, High, Low, Close) über die angegebene Länge an. Daher ist jeder Punkt entlang der linearen Regressionsstudienlinie gleich dem Endwert einer linearen Regressionslinie. Zum Beispiel hat der Endwert einer Linear Regressionslinie, die 10 Schlusskurse abdeckt, den gleichen Wert wie eine Moving Linear Regressionslinie mit einer Länge von 10 an der gleichen Leiste. Für die Berechnungsmethode verweisen wir auf die Funktion LinearRegressionIndicatorS in der Datei ACSSourceSCStudyFunctions. cpp im Ordner, in dem Sierra Chart installiert ist. Wenn Sie eine lineare Regressionstabelle zeichnen, die über die gleiche Länge zeichnet, die Sie in der Studie eingegeben haben Inputs für diese Studie, dann, wo diese Zeichnung endet, wird es den gleichen Wert wie die Moving Average - Lineare Regressionsstudie haben. Als nächstes beschreiben wir die Berechnung des linearen Regressionsindikators. Sei (T) die Variable, die entlang der Horiztonalachse gemessen wird, sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Die entlang der vertikalen Achse gemessen wird. Wir bezeichnen die Werte dieser Variablen im Diagramm bar (i) als (Ti i) bzw. (Xi). Wobei (i) ein laufender Index ist. Wir bezeichnen den Wert des Index, der dem aktuellen Balken entspricht, als (i t). Sei (n) die Eingangslänge. Die Funktion "Linear Regressionsanzeige" berechnet jede der folgenden Summen in der Diagrammleiste (t). Diese Summen werden verwendet, um die Regressionsstatistik zu berechnen. Für eine Erklärung der Sigma ((Sigma)) Notation für die Summation, siehe die Wikipedia-Artikel Summation. Hinweis: Die Summen über die (T-) Werte bewegen sich nicht, da die Summen über die (X-) Werte gehen. Dies wird durch die Verwendung der Länge (n) an bestimmten Stellen anstelle des aktuellen Wertes (t) des Index kompensiert. Dies gibt immer den korrekten Wert des LRI und der Steigung der Regressionslinie, aber es gibt nicht den richtigen Wert des Intercept. Diese Summen werden verwendet, um die Regressionsstatistik zu berechnen, wie unten gezeigt. Das Regressionsmodell ist von der Form (X bei btT), wobei (at) und (bt) wie oben definiert sind. Lineare Regressionsanzeige: Die lineare Regressionsanzeige ist die (X-) Koordinate des rechten Endpunktes der linearen Regressions-Trendlinie der Länge (n). Sein Wert (LRIt) an der Diagrammleiste (t) wird berechnet als (LRIt bei btn). Die Moving Average - Lineare Regression an der Chartleiste (t) für die angegebenen Eingänge wird als (LSMAt (X, n) bei btn bezeichnet) Study Moving Average Diese Studie ist für die Back-Kompatibilität. Sie sollten die neue Based On-Einstellung für eine Studie verwenden, um eine Studie über eine andere Studie zu stützen. Weitere Informationen finden Sie unter Technische Studieneinstellungen. Diese Studie berechnet einen T3-gleitenden Durchschnitt der Daten, die durch die Eingangsdateneingabe angegeben sind. Die Studie wurde von Tim Tillson entwickelt. Sei (X) eine Zufallsvariable, die die Eingangsdaten angibt. Und sei (Xt) der Wert der Eingabedaten in der Diagrammleiste (t). Lassen Sie die Eingangslänge als (n) bezeichnet werden, und lassen Sie den Eingabe-Multiplikator als (v) bezeichnen. Dann bezeichnen wir den Wert von T3 in der Diagrammleiste (t) für die gegebenen Eingänge als (T3 (X, n, v)) und berechnen sie mit der folgenden Folge von exponentiellen gleitenden Mittelwerten für die gegebenen Eingänge. (EMAt (X, n) EMAt (EMAt (X, n) EMAt (EMA (X, n) EMAt (EMAt (X, n) EMAt (EMAt (X, n) (EMA) (EMA (EMA) (EMA (EMA) (EMA (EMA) (EMA) (EMA (EMA) (EMA (EMA) (EMA (EMA) (EMA (EMA) (EMA (EMA) (EMA (EMA) N), n), n)) In den obigen Beziehungen bezeichnet (EMAt) die (j-) fache Zusammensetzung der (EMA) - Funktion mit sich selbst und (EMA (X, n)) ist eine Zufallsvariable, die die Exponentiale bezeichnet Bewegender Mittelwert der Länge (n) für die Eingangsdaten (X). Wir berechnen (T3t) (X, n, v)) wie folgt. Letzte Änderung Freitag, 24. Februar, 2017.Hull Moving Average Der Hull Moving Average macht einen gleitenden Durchschnitt mehr ansprechend, während eine Kurvenglätte beibehalten wird. Die Formel für die Berechnung dieses Durchschnitts ist wie folgt: HMAi MA ((2MA (Eingang, Periode2) 8211 MA (Eingang, Periode)), SQRT (Periode)) wobei MA ein gleitender Durchschnitt ist und SQRT Quadratwurzel ist. Der Benutzer kann die Eingabe (schließen), die Periodenlänge und die Verschiebungsnummer ändern. Diese Indikator8217s Definition wird weiter in dem kondensierten Code ausgedrückt, der in der nachstehenden Berechnung angegeben ist. Wie man mit dem Hull Moving Average handeln Der Hull Moving Average ist ein rückläufiger Trendindikator und kann in Verbindung mit anderen Studien verwendet werden. Es werden keine Handelssignale berechnet. So greifen Sie in MotiveWave zu Gehen Sie zum oberen Menü, wählen Sie Study gtMoving AveragegtHull Moving Average oder gehen Sie zum Top-Menü, wählen Sie Add Study. Füge an, in diesen Studiennamen einzugeben, bis du sie in der Liste sehen wirst, klicke auf den Namen der Studie, klicke auf OK. Wichtiger Haftungsausschluss: Die auf dieser Seite bereitgestellten Informationen dienen ausschließlich zu Informationszwecken und sind nicht als Beratung oder Aufforderung zum Kauf oder Verkauf von Wertpapieren zu verstehen. Bitte beachten Sie unsere Haftungsausschlusserklärung. Berechnungs-Input-Preis, benutzerdefiniert, Standard ist nahe Methode gleitenden Durchschnitt (ma), benutzerdefiniert, Standard ist WMA-Periode Benutzer definiert, Standard ist 20 Shift Benutzer definiert, Standard ist 0 Wma gewichtet gleitenden Durchschnitt, sqrt Quadratwurzel Index aktuellen Bar-Nummer, LOE less or equalHull Moving Average Indicator: Ehrlich Moving Average Details Veröffentlicht: 16 Oktober 2014 Geschrieben von: Admin Kategorie: Forex Indikatoren Hits: 11906 Die meisten von uns in einer Form oder andere verwenden Vertreter der gleitenden durchschnittlichen Familie in unserem Handel. Aber das Hauptproblem aller Indikatoren, die auf der Mathematik der Mittelwerte gebaut sind, ist zurückgeblieben. Eine effektive Lösung für dieses Problem wurde durch viele Experimente gefunden und benannte Hull Moving Average Indikator oder Hull gleitenden Durchschnitt. Händler verwenden Indikatoren auf der Grundlage von Mitteln, um dynamische Linien der Unterstützung Widerstand zu bauen und die Stärke der Preisdynamik zu bewerten. Ihr Hauptnachteil liegt in der Berechnungsmethode: Da die Bewegungsdurchschnitte auf der Grundlage der vergangenen Preise berechnet werden (für einen bestimmten Zeitraum oder die Anzahl der Takte), reduziert die berechnete Linie Preisschwankungen, wird aber immer hinter dem realen Preis zurückbleiben. Alan Hull, ein australischer Mathematiker, Finanzanalytiker und Erbhandler, Mitglied der australischen Vereinigung für Technische Analyse (stellt sich heraus, dass dies existiert), Autor des populären Lehrbuchs Active Investment und The Book of Charts, schlug eine verbesserte Version des gleitenden Durchschnittes vor , Die Bereitstellung von glatten Indikatoren in der Konstruktion und fast vollständig eliminieren die negativen Auswirkungen der Nachlauf. Was sind gleitende Durchschnitte Dies ist eines der ältesten Werkzeuge der technischen Analyse, die hilft, die Stärke und Richtung der aktuellen Preisentwicklung zu identifizieren, um optimale Bedingungen für den Händler zu gewährleisten, um eine Handelsposition entlang des Trends zu öffnen. Sogar der Vater des Handelschaos, Bill Williams, glaubte, dass die Fähigkeit, die Indikatoren der bewegten Durchschnitte zu verwenden, es den Spekulanten erlauben würde, nicht weniger als 60 der Positionen bei plus zu schließen. Traditional Moving Average (oder MA) wird sehr einfach berechnet: an jedem Punkt der Linie ist der Preis der Durchschnittspreis für einen bestimmten Zeitraum. Durch die Mittelung werden die zufälligen Preisstöße abgeschnitten, und je länger die Periode, desto genauer die Linie. Die optimale Periode des gleitenden Durchschnitts sollte für jedes Handelsinstrument separat abgeholt werden. Der klassische Durchschnitt folgt dem Markt immer ganz genau, denn die Berechnung basiert auf historischen Daten. Allerdings ist der gemeinsame Durchschnitt eine sehr schwache Prädiktor Moving Average Berechnungsmethode erlaubt es nicht, das Moment der Trendänderung zu berechnen. Hier kommt ein modifizierter Durchschnitt der Hull Moving Average Indikator. Mathematik von Hull Moving Average Indikator Eine harmonischere Glättung bei der Berechnung dieses gleitenden Durchschnitts wird durch eine zusätzliche Mittelung des Durchschnitts gegeben. Die vorgeschlagene Version des Indikators löst das Problem durch die Einbeziehung des Wertes der nicht die Periode, sondern vielmehr der Quadratwurzel der tatsächlichen Daten der Berechnungsperiode in den Mechanismus für die Berechnung. Aber in diesem Fall sollte der Umzug weiter hinter dem realen Preis zurückbleiben. Allerdings gelang es Alan Hull, die fehlende Zutat zu finden, die die Verzögerung effektiv kompensiert. Rumpf wandte die Methode der Gewichtung Koeffizienten auf die Marktpreisberechnung, wo in einem Roh von 0 bis 9, die Zahl 9 wird die größte Bedeutung gegeben. Die Berechnung beginnt mit der Bestimmung der Werte der einfachen bewegten MA (10): im Ergebnis erhalten wir den Anfangsmittelwert 4.5, und es gibt eine ernsthafte Verzögerung hinter dem tatsächlichen Preis. Der nächste Schritt ist die Halbierung des Mittelwerts (102 5) und die Anwendung auf den letzten Wert in der aufgeführten Zeile: 5, 6, 7, 8 und 9, danach erhalten wir einen neuen Durchschnitt 7. Dieser Wert wird dann dem Unterschied zwischen diesen beiden Mittelwerten, dh auf 2,5 (7 4,5), und wir erhalten den endgültigen Betrag 7 2,5 9,5. Wenn wir davon ausgehen, dass der aktuelle Marktpreis gleich 9 ist, scheint die daraus resultierende Vergütung übertrieben zu sein. Der Autor betrachtet diese Überkorrektur jedoch sehr praktisch, um den Einfluss von zufälligen Preisstößen zu reduzieren. Preisänderung mit Hilfe eines Hull-Umzugs kann mit hoher Genauigkeit für 1-2 ausgewählte Perioden vorhergesagt werden. Optisch ist die bewegte Linie in der Regel schneller als der Wert des realen Durchschnitts. Im Allgemeinen ist die Formel für die Berechnung der Werte der Hull Moving Average Indikator wie folgt: Hull Moving Durchschnittliche Indikator: Parameter und Einstellungen Es gibt mehrere Möglichkeiten, den geänderten Durchschnitt zu verwenden, aber es wird gewöhnlich empfohlen, sie zusammen mit einer Pfeilanzeige zu verwenden HMA Arrow, eindeutig den empfohlenen Einstiegspunkt. Hull Moving Average Indikator wird im Terminal MetaTreder4 in der üblichen Weise, auf jedem Währungspaar und jedem Zeitrahmen installiert. Empfohlene Einstellungen und optimale Farben sind in der folgenden Abbildung dargestellt: Rumpfmodellierte Mittelwerte funktionieren gut bei kurzen und mittleren Perioden, die stabilsten Ergebnisse werden in Zeiten von mehr als 20 bereitgestellt. Die optimalen Werte werden als die folgenden Schlüsselparameter betrachtet: HMPeriod - 20 HMAMethod (Schicht) - 3. Manchmal kann für den ruhigeren mittelfristigen Handel mit geringen Risiken folgende Einstellung empfohlen werden: HMAperiod - 55 HMAshift 3. Die empfohlenen Einstiegspunkte erscheinen jedoch weniger häufig. Einstellungen der zusätzlichen HMA-Pfeil-Indikator sind ganz einfach: Vor - und Nachteile der Anwendung des Hull Moving Average Indikators im Handel Für die Klarheit der Analyse wurde ein einfacher gleitender Durchschnitt SMA (14) zu den Schlusskursen (schwarze Linie) auf dem Chart hinzugefügt Mit Hull Moving Average und HMA Arrow Indikatoren. Allgemeine Ansicht des Satzes von Indikatoren im Terminal: Wie zu sehen ist, erscheinen die Eintrittssignale hinreichend genau, insbesondere im Vergleich zum gemeinsamen Durchschnitt. Aber vergessen Sie nicht den Hauptnachteil des Hulls: Der aktuelle Trend, den Wert des Durchschnittspreises zu überschätzen, führt dazu, dass die Linie nicht mit dem aktuellen Durchschnittspreis übereinstimmt. Es funktioniert gut als Umkehrfilter, und daher sind seine Ausgangssignale zuverlässiger als der Eintrag. Also, Hull Moving Average Indikator ist erforderlich, um mit Optionen von Oszillatoren oder MACD kombiniert werden. Aber auch ohne die Verwendung von zusätzlichen Pfeilindikatoren gibt es eine hohe Wahrscheinlichkeit eines Signals zu kaufen, wenn der Preis die Indikatorlinie nach oben kreuzt und verkauft, wenn der Preis nach unten geht. Die effektivste Strategie gilt als HullMovingAverage von Alan Hull, gebaut auf einer Standard-Marktüberwachung. Trading-Signal gilt als Umkehrung der Hull-Linie: Wenn es eine Abkürzung gibt, werden kurze Positionen empfohlen, wenn auf lange Positionen. 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.