Fan sayfamıza katılın
- Yayınlayan:
- Görüntülemeler:
- 298
- Derecelendirme:
- Yayınlandı:
- Güncellendi:
-
Bu koda dayalı bir robota veya göstergeye mi ihtiyacınız var? Freelance üzerinden sipariş edin Freelance'e git
x[i], i=1..n şeklindeki bir fiyat serisinin çok harmonik (veya çok tonlu) trigonometrik modeli şu şekilde verilir:
x[i] = m + Sum( a[h]*Cos(w[h]*i) + b[h]*Sin(w[h]*i), h=1..H )
burada:
- x[i] - i'inci çubuktaki geçmiş fiyat, toplam n geçmiş fiyat;
- m - sapma;
- a[h] ve b[h] - harmoniklerin ölçeklendirme katsayıları;
- w[h] - bir harmonik frekansı;
- h - harmonik numarası;
- H - uyumlu harmoniklerin toplam sayısı.
Bu modeli uydurmak, modellenen değerlerin gerçek değerlere yakın olmasını sağlayan m, a[h], b[h] ve w[h] değerlerini bulmak anlamına gelir. Harmonik frekansları w[h]'yi bulmak, bir trigonometrik modeli uydurmanın en zor kısmıdır. Fourier serisi durumunda, bu frekanslar 2*pi*h/n olarak belirlenir. Ancak, Fourier serisi ekstrapolasyonu, basitçe geçmişteki n fiyatın geleceğe doğru tekrarlanması anlamına gelir.
Bu gösterge, harmonik frekansları bulmak için Quinn-Fernandes algoritmasını kullanır. Belirtilen toplam harmonik sayısı H'ye ulaşılana kadar trigonometrik serinin harmoniklerini tek tek uyarlar. Yeni bir harmonik uyarlandıktan sonra, kodlanmış algoritma güncellenen model ile gerçek değerler arasındaki kalıntıyı hesaplar ve bu kalıntıya yeni bir harmonik uyarlar.
Göstergenin giriş parametreleri şunlardır:
- Npast - trigonometrik serinin uydurulduğu geçmiş çubuk sayısı;
- Nfut - tahmin edilen gelecek çubukların sayısı;
- Nharm - modeldeki toplam harmonik sayısı;
- FreqTOL - frekans hesaplamalarının toleransı.
Gösterge iki eğri çizer: mavi eğri modellenmiş geçmiş değerleri, kırmızı eğri ise modellenmiş gelecekteki değerleri gösterir.

MetaQuotes Ltd tarafından İngilizceden çevrilmiştir.
Orijinal kod: https://www.mql5.com/en/code/130
AR extrapolation of price
Bu gösterge, fiyatları tahmin etmek için otoregresif bir model kullanır
Linear regression slope
SMA’ya göre normalize edilmiş doğrusal regresyon eğimi.
JSON
JSON formatının serileştirilmesi ve serileştirmenin kaldırılması
Zamanlayıcı
Zamanlayıcı için geri arama arayüzü