Movendo Média Multicharts

FAQs sobre o JMA Qual é a teoria por trás do JMA? Por que o JMA tem um parâmetro PHASE. A JMA prevê uma série de tempo. Os valores de JMA anteriores, já traçados, mudam à medida que novos dados chegam. Posso melhorar outros indicadores usando JMA A JMA tem alguma garantia especial Como a JMA se compara a outros filtros. TÓPICOS GERAIS em JURIK TOOLS Pode as ferramentas plotar muitas curvas em cada um dos muitos gráficos. As ferramentas podem processar qualquer tipo de dados. As ferramentas podem trabalhar em tempo real. São os algoritmos revelados ou caixa preta. As ferramentas Jurik precisam olhar para o futuro de uma série de tempo. As ferramentas produzem valores semelhantes em todas as plataformas (TradeStation, Multicharts.). Do Juriks ferramentas vêm com uma garantia. Quantas senhas de instalação eu recebo. Qual é a Teoria Atrás da JMA. PARTE 1. GAPS DE PREÇOS Os dados de séries temporais de suavização, como os preços de ações diários, a fim de remover ruídos indesejáveis ​​produzirão, inevitavelmente, um gráfico (indicador) que se move mais lentamente do que a série de tempo original. Este quotslownessquot fará com que o enredo a ficar um pouco atrás da série original. Por exemplo, uma média móvel simples de 31 dias atrasará a série de tempo de preço em 15 dias. Atraso é muito indesejável porque um sistema de comércio que usa essa informação terá sua negociação adiada. Os comércios atrasados ​​podem muitas vezes ser mais maus do que nenhuns comércios de todo, porque você pôde comprar ou vender no lado errado do ciclo dos mercados. Conseqüentemente, muitas tentativas foram feitas para minimizar o atraso, cada um com suas próprias falhas. Conquistar o atraso sem fazer suposições simplificadoras (por exemplo, que os dados consistam em ciclos sobrepostos, mudanças de preços diárias com uma distribuição gaussiana, todos os preços são igualmente importantes, etc.) não é uma tarefa trivial. No final, a JMA teve que se basear na mesma tecnologia que os militares usam para rastrear objetos em movimento no ar usando nada mais do que seu radar barulhento. A JMA vê a série de preços como uma imagem ruidosa de um alvo em movimento (o preço subjacente suave) e tenta estimar a localização da meta real (preço suave). A matemática proprietária é modificada para levar em consideração as propriedades especiais de uma série de tempo financeiro. O resultado é uma curva suave de seda que não faz nenhuma suposição sobre os dados que têm nenhuns componentes cíclicos qualquer. Consequentemente JMA pode transformar quoton um dimequot se o mercado (alvo em movimento) decide virar direção ou gap atuown por qualquer quantidade. Nenhuma diferença de preço é muito grande. Depois de vários anos de pesquisa, a Jurik Research determinou que o filtro de redução de ruído perfeito para dados financeiros tem os seguintes requisitos: Deslocamento mínimo entre sinal e preço, caso contrário, os gatilhos do comércio chegam tarde. Sobrecarga mínima, caso contrário, o sinal produz falsos níveis de preços. Mínimo undershoot, caso contrário, o tempo é perdido à espera de convergência após lacunas de preços. Máxima suavidade, exceto no momento em que as diferenças de preço para um novo nível. Quando medido até esses quatro requisitos, todos os filtros populares (exceto JMA) funcionam mal. Aqui está um resumo dos filtros mais populares. Média Móvel Ponderada - não responde às lacunas Média Mínima Exponencial - excesso de ruído ruidoso Médias Móveis Adaptáveis ​​- (não as nossas) tipicamente baseadas em suposições simplificadas sobre atividade de mercado facilmente enganadas Linha de Regressão - não responde a lacunas excesso excesso Filtros FFT - Facilmente distorcida pelo ruído não gaussiano na janela de dados é tipicamente muito pequena para determinar com precisão ciclos verdadeiros. Filtros FIR - tem atraso conhecido como quotgroup delayquot. Nenhuma maneira em torno dele a menos que você quiser cortar alguns cantos. Veja os filtros quotBand-Passquot. Band-Pass filtros - nenhum atraso apenas no centro da banda de frequência tende a oscilar e superar os preços reais. Filtros de Entropia Máxima - facilmente distorcida por ruído não gaussiano na janela de dados é tipicamente muito pequeno para determinar com precisão ciclos verdadeiros. Filtros polinomiais - não responde às lacunas overshoot excessivo Em contraste, JMA integra a teoria da informação ea filtragem não-linear adaptativa de uma maneira única. Combinando uma avaliação do conteúdo de informação em uma série de tempo com o poder da transformação não-linear adaptativa, o resultado empurra o quotenvelopequotático sobre a filtragem de séries temporais financeiras quase tanto quanto possível. Qualquer mais e casar-se contra o princípio de incerteza Heisenburgs (algo que ninguém tem superado, ou nunca vai). Até onde sabemos, JMA é o melhor. Convidamos qualquer um para nos mostrar o contrário. Para uma análise mais comparativa das falhas de filtros populares, faça o download do nosso relatório quotThe Evolution of Moving Averagesquot do nosso departamento de Relatórios Especiais. Veja nossa comparação com outros filtros populares. Por que o JMA tem um parâmetro PHASE. Há duas maneiras de diminuir o ruído em uma série de tempo usando JMA. Aumentar o parâmetro LENGTH fará JMA mover mais lento e, assim, reduzir o ruído à custa de atraso adicionado. Alternativamente, você pode alterar a quantidade de quotinertiaquot contida no JMA. Inércia é como massa física, quanto mais você tem, mais difícil é virar direção. Assim, um filtro com muita inércia exigirá mais tempo para inverter a direção e assim reduzir o ruído à custa de overshooting durante reversões na série de tempo. Todos os filtros de ruído forte têm atraso e overshoot, e JMA não é exceção. No entanto, os parâmetros ajustáveis ​​JMAs PHASE e LENGTH oferecer-lhe uma maneira de selecionar o tradeoff ideal entre atraso e overshoot. Isso lhe dá a oportunidade de ajustar vários indicadores técnicos. Por exemplo, o gráfico (à direita) mostra uma linha JMA rápida cruzando uma linha JMA mais lenta. Para fazer a linha JMA rápida virar quoton um dimequot sempre que o mercado inverte, ele foi definido para não ter inércia. Em contraste, o JMA lento foi configurado para ter grande inércia, retardando assim a sua capacidade de virar durante reversões de mercado. Esta disposição faz com que a linha mais rápida atravesse a linha mais lenta o mais rapidamente possível, produzindo assim sinais de cruzamento de baixa lag. Claramente, o controle do usuário de uma inércia de filtros oferece poder considerável sobre filtros que não possuem essa capacidade. A JMA prevê uma série de tempo. Ele não prevê no futuro. JMA reduz o ruído praticamente da mesma maneira como uma média móvel exponencial, mas muitas vezes melhor. Os valores de JMA anteriores, já traçados, mudam à medida que novos dados chegam. Não. Para qualquer ponto de um gráfico JMA, apenas dados históricos e atuais são usados ​​na fórmula. Conseqüentemente, à medida que novos dados de preço chegam em intervalos de tempo posteriores, esses valores de JMA já traçados não são afetados e NUNCA mudam. Considere também o caso quando a barra mais recente em um gráfico é atualizada em tempo real à medida que chega cada novo tick. Uma vez que o preço de fechamento da barra mais recente é susceptível de mudar, JMA é reavaliado automaticamente para refletir o novo preço de fechamento. No entanto, os valores históricos de JMA (em todas as barras anteriores) permanecem inalterados e não mudam. Pode-se criar indicadores impressionantes olhando sobre dados históricos quando se analisa os valores passados ​​e futuros em torno de cada ponto de dados a ser processado. No entanto, qualquer fórmula que precise ver valores futuros em uma série de tempo não pode ser aplicada no mundo real negociação. Isso ocorre porque ao calcular o valor de hoje de um indicador, os valores futuros não existem. Todos os indicadores Jurik utilizam apenas dados de séries temporais atuais e anteriores em seus cálculos. Isso permite que todos os indicadores Jurik funcionem em todas as condições em tempo real. Posso melhorar outros indicadores usando JMA Sim. Normalmente, substituímos a maioria dos cálculos de média móvel em indicadores técnicos clássicos com JMA. Isso produz resultados mais suaves e mais oportunos. Por exemplo, simplesmente inserindo JMA no indicador técnico padrão DMI, nós produzimos o indicador DMX, que vem livre com sua ordem de JMA. A JMA tem alguma garantia especial Se você nos mostrar um algoritmo não-proprietário para uma média móvel que, quando codificado para ser executado em qualquer TradeStation, Matlab ou Excel VBA, executa quotbetterquot do que a nossa média móvel em curtos, médios e longos períodos de tempo de Uma caminhada aleatória, bem reembolsar sua licença de usuário adquirido para JMA. O que entendemos por quotbetterquot é que ele deve ser, em média, mais suave, sem maior atraso médio do que o nosso, não maior superação média e não maior média abaixo do nosso. O que entendemos por quadros de médio, médio e longo prazo é que as comparações devem incluir três comprimentos JMA separados: 7 (curto), 35 (médio), 175 (longo). O que queremos dizer com uma caminhada aleatória é uma série de tempo produzida por uma soma cumulativa de 5000 zero-média, Cauchy distribuídos números aleatórios. Esta garantia limitada é válida apenas durante o primeiro mês após ter adquirido uma licença de utilizador da JMA por nós ou por um dos nossos distribuidores mundiais. Como o JMA se compara a outros filtros. O filtro de Kalman é semelhante ao JMA, pois ambos são poderosos algoritmos usados ​​para estimar o comportamento de um sistema dinâmico ruidoso quando tudo o que você tem que trabalhar é medições de dados ruidosos. O filtro de Kalman cria previsões suaves das séries temporais, e este método não é totalmente apropriado para séries de tempo financeiras, pois os mercados são propensos a produzir giros violentos e disparidades de preços, comportamentos não típicos de sistemas dinâmicos operando sem problemas. Conseqüentemente, a suavização do filtro de Kalman freqüentemente fica atrás ou ultrapassa as séries temporais de preços de mercado. Em contraste, a JMA acompanha os preços de mercado de perto e sem problemas, adaptando-se às lacunas e evitando superações indesejadas. Veja o gráfico abaixo para um exemplo. Um filtro descrito em revistas populares é a média móvel Kaufmann. É uma média móvel exponencial cuja velocidade varia de acordo com a eficiência da ação de preço. Em outras palavras, quando a ação de preço está em uma tendência clara com pouco retracement, o filtro Kaufmann acelera e quando a ação é congesting, o filtro diminui. (Veja a tabela acima) Embora sua natureza adaptativa o ajude a superar algum do lag típico de médias móveis exponenciais, ainda retarda significativamente atrás de JMA. Lag é uma questão fundamental para todos os comerciantes. Lembre-se, cada barra de atraso pode atrasar seus negócios e negar-lhe lucro. Outra média móvel descrita em revistas populares é Chandes VIDYA (Variable Index Dynamic Average). O índice mais usado dentro da VIDYA para governar sua velocidade é a volatilidade dos preços. À medida que a volatilidade de curto prazo aumenta, a média móvel exponencial do VIDYA é projetada para se mover mais rapidamente, e à medida que a volatilidade diminui, o VIDYA desacelera. Na superfície isso faz sentido. Infelizmente, este projeto tem uma falha óbvia. Embora o congestionamento lateral deve ser cuidadosamente suavizado independentemente da sua volatilidade, um período altamente volátil de congestionamento seria acompanhado de perto (não suavizada) pela VIDYA. Conseqüentemente, VIDYA pode falhar em remover ruídos indesejados. Por exemplo, o gráfico compara JMA com VIDYA, ambos definidos para rastrear uma tendência descendente igualmente bem. No entanto, durante o congestionamento que se seguiu, VIDYA não suavizar os picos de preços, enquanto JMA glides com sucesso através da tagarelice. Em outra comparação onde tanto VIDYA e Juriks JMA foram definidos para ter a mesma suavidade, vemos no gráfico que VIDYA fica para trás. Como mencionado anteriormente, o tempo tardio pode facilmente roubar seus lucros em qualquer comércio. Dois outros indicadores populares são T3 e TEMA. Eles são suaves e têm pouco atraso. T3 é o melhor dos dois. No entanto, T3 pode apresentar um sério problema de overshoot, como visto no gráfico abaixo. Dependendo da sua aplicação, você pode não querer um indicador mostrando um nível de preços que o mercado real nunca atingiu, pois isso pode inadvertidamente iniciar negociações indesejadas. Aqui estão dois comentários encontrados postados em fóruns relevantes da Internet: o indicador T3 é muito bom (e eu já cantei seus elogios antes, nesta lista). No entanto, Ive teve a oportunidade de derivar algumas medidas de mercado alternativo e eu suavizá-los. Eles são muito mal comportados às vezes. Ao alisá-los, T3 torna-se instável e overshoots mal, enquanto JMA vails direita através deles. quot - Allan Kaminsky allank xmission quotMy próprio ponto de vista de JMA é consistente com o que outras pessoas têm escrito (eu passei uma boa parte do tempo visualmente comparando JMA para TEMA Eu não pensaria agora de usar TEMA em vez de JMA). Steven Buss sbuss pacbell Um artigo na edição de janeiro de 2000 da TASC descreve uma média móvel projetada na década de 1950 para ter baixa defasagem. Seu inventor, Robert Brown, projetou o quotModified Moving Average (MMA) para reduzir o atraso na estimativa de estoques. Em sua fórmula, a regressão linear estimou o momento atual das curvas, que por sua vez é usado para estimar o atraso vertical. A fórmula, em seguida, subtrai lag estimado da média móvel para obter baixos resultados lag. Esta técnica funciona bem em bem comportado (suavemente transição) gráficos de preços, mas, novamente, assim como a maioria dos outros filtros avançados. O problema é que o mercado real é qualquer coisa mas bem comportado. Uma verdadeira medida de aptidão é o quão bem qualquer filtro funciona em dados financeiros do mundo real, uma propriedade que pode ser medida com a nossa bem estabelecida bateria de testes de referência. Esses testes revelam que MMA overshoots gráficos de preços, como ilustrado abaixo. Em comparação, o usuário pode definir um parâmetro em JMA para ajustar a quantidade de overshoot, mesmo eliminando completamente. A escolha é sua. Lembre-se, a última coisa que você quer é um indicador mostrando um nível de preço que o mercado real nunca atingiu, como isso pode inadvertidamente iniciar negócios não desejados. Com MMA, você não tem escolha e deve colocar-se com overshoot se você gosta ou não. (Veja a tabela abaixo) A edição de julho de 2000 da TASC continha um artigo de John Ehlers descrevendo um quotModified Optimal Elliptical Filterquot (abreviado aqui como quotMEFquot). Este é um excelente exemplo de análise de sinal clássico. O gráfico abaixo compara MEF a JMA cujos parâmetros (JMA length7, phase50) foram ajustados para fazer JMA ser tão semelhante ao MEF quanto possível. A comparação revela estas vantagens ao usar JMA: JMA responde a oscilações de preços extremos mais rapidamente. Consequentemente, quaisquer valores de limiar usados ​​para disparar sinais serão executados mais cedo pela JMA. JMA tem quase nenhum overshoot, permitindo que a linha de sinal para rastrear com mais precisão ação de preço após grande movimento de preços. A JMA desliza através de pequenos movimentos de mercado. Isso permite que você se concentrar na ação de preço real e não atividade de mercado pequeno que não tem nenhuma consequência real. Um método favorito entre engenheiros para suavizar dados de séries temporais é ajustar os pontos de dados com um polinômio (eq, uma spline parabólica ou cúbica). Um projeto eficiente deste tipo é uma classe conhecida como Savitzy-Golay filtros. O gráfico abaixo compara o JMA com um filtro Savitzy-Golay de 3 divisões cúbicas, cujas configurações de parâmetros foram escolhidas para fazer com que o desempenho fique o mais próximo possível do JMA. Observe como suavemente JMA desliza através de regiões de congestionamento comercial. Em contraste, o filtro S-G é bastante irregulares. Claramente JMA é, mais uma vez, o vencedor. Outra técnica utilizada para reduzir o atraso em um filtro de média móvel é adicionar algum momento (inclinação) do sinal ao filtro. Isto reduz o lag, mas com duas penalidades: mais ruído e mais overshoot nos pontos do pivô do preço. Para compensar o ruído, pode-se empregar um filtro FIR simetricamente ponderado, que é mais suave do que uma média móvel simples, cujos pesos podem ser: 1-2-3-4-3-2-1 e, em seguida, ajustar esses pesos para adicionar algum atraso Reduzindo o ímpeto. A eficácia desta abordagem é mostrada na figura abaixo (linha vermelha). Embora o filtro FIR rastreie o preço de perto, ele ainda fica atrás de JMA, bem como exibir maior superação. Além disso, o filtro FIR tem lisura fixa e precisa ser redesenhado para cada suavidade diferente desejada. Em comparação, o usuário só precisa alterar um parâmetro quotsmoothnessquot de JMA para obter qualquer efeito desejado. Não só a JMA produz melhores gráficos de preços, mas também pode melhorar outros indicadores clássicos. Por exemplo, considere o clássico MACD indicador, que é uma comparação de duas médias móveis. Sua convergência (aproximação) e divergência (afastamento) fornecem sinais de que uma tendência de mercado está mudando de direção. É fundamental que você tenha o menor atraso possível com esses sinais ou seus negócios serão atrasados. Em comparação, um MACD criado com JMA tem significativamente menos atraso do que um MACD usando médias móveis exponenciais. Para ilustrar esta afirmação, a figura abaixo é um gráfico de preços hipotético simplificado para melhorar as questões salientes. Vemos barras de tamanho igual numa tendência ascendente, interrompida por uma súbita diferença descendente. As duas linhas coloridas são médias móveis exponenciais que compõem um MACD. Observe que crossover ocorre muito tempo após a lacuna, fazendo com que uma estratégia de negociação para esperar e comércio tarde, se em tudo. Se você tentou acelerar o tempo deste indicador fazendo as médias móveis mais rápidas, as linhas se tornariam mais barulhentas e irregulares. Isso tende a criar gatilhos falsos e maus negócios. Por outro lado, o gráfico abaixo mostra o JMA azul ajustando-se rapidamente ao novo nível de preços, permitindo crossovers anteriores e designação anterior de uma tendência de alta em andamento. Agora você pode entrar no mercado mais cedo e montar uma parte maior da tendência. Ao contrário da média móvel exponencial, o JMA tem um parâmetro adicional (PHASE) que permite ao usuário ajustar a extensão do overshoot. No gráfico acima, a linha amarela de JMA foi permitida superar mais que o azul. Isso dá crossovers ideal. Uma das características mais difíceis de projetar em um filtro de suavização é uma resposta adaptativa às diferenças de preços sem superar o novo nível de preço. Isto é especialmente verdadeiro para os projetos de filtro que empregam o próprio impulso dos filtros como forma de reduzir o atraso. O gráfico a seguir compara overshoot por JMA ea média móvel Hull (HMA). Os ajustes dos parâmetros para os dois filtros foram ajustados para que seu desempenho no estado estacionário fosse quase idêntico. Outra questão de design é se o filtro pode ou não manter a mesma suavidade aparente durante inversões como durante tendências. O gráfico abaixo mostra como o JMA mantém uma lisura quase constante ao longo de todo o ciclo, enquanto o HMA oscila em reversões. Isso iria colocar problemas para as estratégias que desencadeiam comércios com base em se o filtro está se movendo para cima ou para baixo. Por último, existe o caso em que os preços despencam e, em seguida, retrocedem numa tendência descendente. Isto é especialmente difícil de rastrear no momento da retirada. Felizmente, os filtros adaptativos têm um tempo muito mais fácil para indicar quando ocorreu uma inversão do que os filtros fixos, como mostrado na tabela abaixo. Claro que existem melhores filtros do que JMA, usado principalmente pelos militares. Mas se você está no negócio de rastrear bons negócios e não aeronaves inimigas, JMA é o melhor filtro de redução de ruído disponível disponível para os dados do mercado financeiro. Nós garantimos it. The DIG Average True Range indicador é uma melhoria da norma ATR médio verdadeiro indicador intervalo, que é um popular indicador de volatilidade utilizado por muitos comerciantes. O ATR padrão é um indicador surpreendente, mas tem uma grande falha herdada. Quando usamos um indicador de volatilidade como o ATR, queremos saber a ação do preço real por quanto a próxima barra vai para cima ou para baixo. No entanto, quando as lacunas têm influência significativa, como no padrão ATR, não conseguimos mais o que queremos. Após uma grande lacuna, o indicador ATR padrão já não reflete a volatilidade real da ação de preço. Dê uma olhada no gráfico abaixo, que compara o indicador ATR padrão (azul claro) com o indicador DIG ATR (amarelo). Gráfico AAPL 60 Min: O gráfico compara nosso DIG ATR aprimorado (amarelo) com o indicador ATR padrão (azul claro). Observe que, mesmo quando ocorre um intervalo de tamanho médio, o indicador ATR padrão sobe e não reflete mais a faixa de preço real, enquanto o DIG ATR reage ao intervalo de uma maneira muito mais suave e continua a refletir com precisão a faixa de preço. Observe também que quando o mercado não tem lacunas os indicadores são quase idênticos. A maioria dos comerciantes usa o padrão ATR para colocar StopLoss e TakeProfit ordens. Se você é um desses comerciantes, você realmente precisa tentar o DIG ATR indicador (que é gratuito). O indicador irá ajudá-lo a obter mais de seus negócios, fornecendo-lhe dados mais precisos. Comprimento ajustável. Novo recurso extra selecionar o tipo de corpo cheio de cálculos de cálculos. O indicador também é fornecido como uma função. Download DIG Indicador ATR Para Serviços de Programação Grátis Indicadores de Pesquisa Indicadores Premium Nossos Clientes Dizem: Eu só tenho os indicadores e eles são brilhantes. Estou tão contente que não posso te dizer. Eu sinto que já sou um cliente para a vida e tenho certeza que há mais trabalho que eu gostaria que vocês fizessem no futuro. Eu realmente espero que vocês estejam recebendo o sucesso de negócios que merecem. Mike R. UK Quero agradecer-lhe pelo seu trabalho no meu indicador personalizado. Foi um pesadelo tentando olhar para 50ETFs para ver qual tinha desencadeado o alerta. Tenho feito 10X o que você cobrada no primeiro dia. Posso agora trabalhar e esperar apenas para o beep para ir fora e então algum tipo da ação. GRANDE TRABALHO Eu estarei para trás com mais trabalho para você logo. Dennis F. Los Angeles, CA Eu só quero agradecer a ambos pelo esforço que os indicadores do Pro-Trading colocaram em completar meu indicador e estudar antes do Natal. Eu teria que dizer que eu o classifico como o melhor que eu tenho lidado em 18 anos De negociação. Mark C. Nova Gales do Sul, Austrália Estou muito satisfeito com seus indicadores e ter feito o meu dinheiro de volta em um único dia de negociação e ter a certeza de que quando estou à procura de novos indicadores youll ser o primeiro vou chamar. Bernard G Concord, NH Oi gente, eu não poderia ser mais encorajado pelo seu e-mail. Obrigado pela explicação e eu aprecio completamente tudo. Olhando para a frente para ver o produto. Dave S. Sarasota, FL Muito bom trabalho, estou gostando que tweak você incluído. Isso é uma ótima idéia, eu realmente gosto dos recursos visuais extras e selecionando as cores que se destacam Craig V Pittsburgh, PA Eu aprecio a dedicação que você colocar em seu trabalho (durante as horas de fim de semana). Foi um prazer fazer negócios com vocês novamente. Eu sei onde eu tenho que ir para o meu futuro pedidos de programação específica. Robert S. Oranjestad, ArubaCopy e cole o código acima em seu ambiente de desenvolvimento em Tradestation ou MultiCharts como Indicador. Em seguida, clique em compilar ou verifique. Este código detecta se o preço de fechamento de hoje é maior ou menor que o preço de fechamento de ontem. (Isso pode ser colocado em gráficos diários ou gráficos minutos eo close1 refere-se à barra anterior ou dia anterior) Se você digitou close2 referiria a fechar 2 dias ou barras atrás em vez disso. Então temos a soma das últimas barras (comprimento 20). Para ver como ele funciona, você pode alterar esta linha de código plot1 (summove, quotup-downcountquot) para esse plot1 (move, quotup-downcountquot). Em seguida, clique em compilar. Você pode então ver o seu indicador traça uma linha que é 1, -1 ou 0 As entradas escritas na parte superior representam valores que podem ser alterados pelo usuário ao traçar o indicador no gráfico. Depois de plotar o indicador em seu formato original, você pode alterar o comprimento para 50 ou 20 ou 100 para ver como ele afeta o gráfico. As variáveis ​​são mostradas aqui como quotvarsquot e esses são valores que eu criei para armazenar os valores outputted pelas 3 linhas de código iniciando se close. E a variável summove. Soma de Summove (movimento, comprimento) Isto significa que o summove variável é criado a partir da soma das últimas barras de 20 barras (ou período de comprimento) com todos os valores 1 e -1 e 0. Você pode experimentar jogando ao redor com valores diferentes. Iniciantes exemplo no2 (Porcentagem de ponderação ajustável média móvel combinada) média lenta (close, length1) média rápida (close, length2) se value1lt0 então value10 se value1gt1 then value11 Você pode ler o código acima antes de criar este indicador e ver se você pode ver O que está fazendo Existem duas médias móveis utilizadas com comprimento lento de 50 e um comprimento rápido de 20, a entrada chamada factor é ajustável para atribuir uma ponderação a cada um. Se o fator for ajustado para 0.5 ele adicionará 50 da média lenta a 50 da média rápida e criará uma média combinada do período dois. Para ver os valores máximos do fator de ajuste médio lento em 1, para ver o gráfico construído inteiramente com a média mais rápida, você pode definir fator para 0. Você pode experimentar valores como 0,1 e 0,9 para ver os efeitos dos ajustes na ponderação. Se você usar o nome value1 ou value2 ou value 99 como variáveis, então você não precisa declarar os nomes desses na parte superior. Value2 1-factor é uma maneira muito agradável de obter 2 variáveis ​​para atribuir automaticamente 1 de uma parte e 99 da outra parte assim quando adicionado eles sempre 100 Limitar o erro do usuário, restringindo as entradas, tornando as variáveis ​​lê-los. (O código para value1 faz isso depois de ler a entrada de fator) Truques de código para tentar Se você olhar para as variáveis ​​lentas e rápidas você verá que ambos usam médias (média é este código significa média simples). Você pode tentar fazer o lento em uma média ponderada ou uma média exponencial e misturando-os para fazer a sua própria combinação de combinação média. Beginners example no3 (Indicador de tendência binário simples) se médio (close, fastlength) gt average (close, slowlength) então inicie binarytrend1 end else binarytrend -1 Este indictor decide a tendência quotbinaryquot, o que significa que ele converte em um número. Assim, a tendência de alta 1 tendência de baixa -1 eo valor inicial é atribuído como 0. Se você plotar a média móvel de 80 períodos e a média móvel de 12 períodos no gráfico, você pode verificar se o indicador de tendência está funcionando. Usando end else instruções para reduzir o comprimento do código. EG acima supõe que se a tendência não for 1, então ele deve ser -1. Truques de código para tentar Se você tentar usar outro método para atribuir a tendência é para cima ou para baixo e substituir o código com a sua idéia. POR EXEMPLO. Você usa o oscilador estocástico com acima de 50 sendo tendência de alta e abaixo de 50 sendo tendência de queda. O igual a 50 pode ser pego dizendo isso. Se stochastic é gt50 então conta como uptrend (código psuedo) Exemplo de iniciantes no4 (Algoritmo de ajuste de comprimento simples) se close mais alto (close, basiclength) ou close lower (close, basiclength) then start monitor monitor1-1 end monitormonitor10.5 if monitor Lt minlength então monitora minlength se monitor gt maxlength então monitor maxlength Esta é a primeira etapa de fazer um algoritmo para controlar o comprimento aplicado a um indicador. Você pode ver que se você traçar este indicador no subgrafo 2 varia entre 50 e 10 que são os comprimentos max e min permitidos. (Mas estas são entradas ajustáveis) Se o preço está fazendo um novo alto ou baixo para o período de comprimento básico que vai abrandar por 1 incremento de comprimento para cada barra que a condição é verdadeira. Se o preço não fazer um novo alto ou baixo para o mesmo período, reduzirá o comprimento de 0,5 incremento de comprimento para cada barra a condição é verdadeira. Truques de código para tentar Se você tentar alterar os valores de -1 e 0,5 para maiores ou menores quantidades você pode ajustá-lo para atender às suas necessidades. Abaixo vou mostrar-lhe como construir este código em um indicador de mudança de comprimento. Iniciantes exemplo n º 5 (Comprimento simples ajustando a média móvel ponderada) se close mais alto (close, basiclength) ou close lower (close, basiclength) então iniciar monitor monitor1-1 end monitormonitor10.5 se monitor lt minlength então monitor minlength se monitor gt maxlength então Monitor maxlength Você pode ver que outra variável foi adicionada que é uma média móvel ponderada eo truque aqui é substituir o campo usual de comprimento com o monitor de algoritmo que está ajustando o comprimento aplicado. Truques de código para tentar Se você plotar uma média ponderada de 20 períodos ao lado dele no subgrafo um. Você pode ver como o código acima do comprimento que muda a média é mais lento em algum período e mais rapidamente em outros períodos. O indicador acima é colocado no subgrafo no1 sobreposto ao preço. O código de exemplo no4 é colocado no sub 2. Você pode observar o algoritmo de alteração de comprimento em ação e ver como ele afeta a velocidade da média ponderada. Iniciantes exemplo no6 (Como evitar a divisão por zero erros) Divisão por zero é um problema freqüente experimentado na programação. A resposta é sempre infinita, então temos que evitar que qualquer coisa seja dividida por zero em primeiro lugar. Existem dois métodos para fazer isso. Se value1 0 então value1value10.0000000001 Então nós simplesmente adicionamos um número minúsculo a ele, que é tão pequeno que não fará muita diferença para as saídas. Se value1 ltgt 0 então value2 value3 value1 Isso força o computador a perguntar se o valor1 é 0 ou não antes de fazer seus cálculos. Se for 0, retornará o valor padrão que foi atribuído a value1 nas variáveis ​​quando você a criou. Iniciantes exemplo no7 (Como usar a transformação de Fisher)