Aleksej Poljakov / Profilo
- Informazioni
7+ anni
esperienza
|
90
prodotti
|
6
versioni demo
|
6
lavori
|
0
segnali
|
0
iscritti
|
Questo indicatore si basa sulla trasformata discreta di Hartley. L'utilizzo di questa trasformazione consente di applicare approcci diversi durante l'elaborazione di serie temporali finanziarie. Una caratteristica distintiva di questo indicatore è che le sue letture si riferiscono non a un punto del grafico, ma a tutti i punti del periodo dell'indicatore. Durante l'elaborazione di una serie storica, l'indicatore consente di selezionare vari elementi della serie storica. La prima possibilità di
La media di Lehmer può essere considerata come una funzione finestra, i cui coefficienti di peso dipendono dai valori delle variabili utilizzate nel calcolo. Questa media non è lineare perché nel suo calcolo viene utilizzata l'esponenziazione. Le caratteristiche dell'indicatore dipendono da due parametri: iPeriod - periodo dell'indicatore, il valore valido è maggiore o uguale a 2; iPower - esponente, che viene utilizzato durante il calcolo dei valori dell'indicatore. L'intervallo
La media di Lehmer può essere considerata come una funzione finestra, i cui coefficienti di peso dipendono dai valori delle variabili utilizzate nel calcolo. Questa media non è lineare perché nel suo calcolo viene utilizzata l'esponenziazione. Le caratteristiche dell'indicatore dipendono da due parametri: iPeriod - periodo dell'indicatore, il valore valido è maggiore o uguale a 2; iPower - esponente, che viene utilizzato durante il calcolo dei valori dell'indicatore. L'intervallo valido è
Il filtro Kolmogorov-Zhurbenko può essere considerato come una speciale funzione di finestra progettata per eliminare le perdite spettrali. Questo filtro è ottimale per uniformare le serie storiche stocastiche (incluse quelle finanziarie). L'indicatore basato su questo filtro contiene i seguenti parametri: iLength - il periodo della finestra rettangolare originale utilizzata per costruire il filtro. Il valore valido è 2 - 255. iDegree - ordine del filtro. Se iDegree=0, si otterrà una media
Il filtro Kolmogorov-Zhurbenko può essere considerato come una speciale funzione di finestra progettata per eliminare le perdite spettrali. Questo filtro è ottimale per uniformare le serie storiche stocastiche (incluse quelle finanziarie). L'indicatore basato su questo filtro contiene i seguenti parametri: iLength - il periodo della finestra rettangolare originale utilizzata per costruire il filtro. Il valore valido è 2 - 255. iDegree - ordine del filtro. Se iDegree=0, si otterrà una media
È possibile utilizzare varie funzioni della finestra per smussare le serie temporali. Le funzioni della finestra possono essere molto diverse l'una dall'altra nelle loro caratteristiche: il livello di attenuazione, soppressione del rumore, ecc. Questo indicatore consente di implementare le funzioni della finestra principale e di valutarne l'andamento su serie temporali finanziarie. Parametri dell'indicatore: iPeriod – periodo indicatore. iPeriodo >= 2 iCenter è l'indice del
È possibile utilizzare varie funzioni della finestra per smussare le serie temporali. Le funzioni della finestra possono essere molto diverse l'una dall'altra nelle loro caratteristiche: il livello di attenuazione, soppressione del rumore, ecc. Questo indicatore consente di implementare le funzioni della finestra principale e di valutarne l'andamento su serie temporali finanziarie. Parametri dell'indicatore: iPeriod – periodo indicatore. iPeriodo >= 2 iCenter è l'indice del
Questo script è progettato per valutare i pesi in varie funzioni della finestra. Un indicatore basato su queste funzioni della finestra può essere scaricato all'indirizzo https://www.mql5.com/ru/market/product/72159 Parametri di input: iPeriod – periodo indicatore. iPeriodo >= 2 iCenter è l'indice del riferimento in cui si troverà il centro della funzione finestra. Per impostazione predefinita, questo parametro è 0: il centro della finestra coincide con il centro dell'indicatore. Con
Questo script è progettato per valutare i pesi in varie funzioni della finestra. Un indicatore basato su queste funzioni della finestra può essere scaricato all'indirizzo https://www.mql5.com/ru/market/product/72160 Parametri di input: iPeriod – periodo indicatore. iPeriodo >= 2 iCenter è l'indice del riferimento in cui si troverà il centro della funzione finestra. Per impostazione predefinita, questo parametro è 0: il centro della finestra coincide con il centro dell'indicatore. Con 1 <=
Some traders are guided by trading sessions during trading. Figure 1 shows the average price swing over one week. It can be seen that trading sessions on different days differ in their duration and activity. This indicator is designed to estimate the average price movement at certain intervals within a weekly cycle. It takes into account price movements up and down separately from each other and makes it possible to determine the moments when high volatility is possible in the market. On the
Some traders are guided by trading sessions during trading. Figure 1 shows the average price swing over one week. It can be seen that trading sessions on different days differ in their duration and activity. This indicator is designed to estimate the average price movement at certain intervals within a weekly cycle. It takes into account price movements up and down separately from each other and makes it possible to determine the moments when high volatility is possible in the market. On the
The arithmetic mean or median can be used to determine the measure of the central trend of a time series. Both methods have some disadvantages. The arithmetic mean is calculated by the Simple Moving Average indicator. It is sensitive to emissions and noise. The median behaves more steadily, but there is a loss of information at the boundaries of the interval. In order to reduce these disadvantages, pseudo-median signal filtering can be used. To do this, take the median of a small length and
The arithmetic mean or median can be used to determine the measure of the central trend of a time series. Both methods have some disadvantages. The arithmetic mean is calculated by the Simple Moving Average indicator. It is sensitive to emissions and noise. The median behaves more steadily, but there is a loss of information at the boundaries of the interval. In order to reduce these disadvantages, pseudo-median signal filtering can be used. To do this, take the median of a small length and
The trend allows you to predict the price movement and determine the main directions of the conclusion of transactions. The construction of trend lines is possible using various methods suitable for the trader's trading style. This indicator calculates the parameters of the trend movement based on the von Mises distribution. Using this distribution makes it possible to obtain stable values of the trend equation. In addition to calculating the trend, the levels of possible deviations up and
The trend allows you to predict the price movement and determine the main directions of the conclusion of transactions. The construction of trend lines is possible using various methods suitable for the trader's trading style. This indicator calculates the parameters of the trend movement based on the von Mises distribution. Using this distribution makes it possible to obtain stable values of the trend equation. In addition to calculating the trend, the levels of possible deviations up and
The Cauchy distribution is a classic example of a fat-tailed distribution. Thick tails indicate that the probability of a random variable deviating from the central trend is very high. So, for a normal distribution, the deviation of a random variable from its mathematical expectation by 3 or more standard deviations is extremely rare (the 3 sigma rule), and for the Cauchy distribution, deviations from the center can be arbitrarily large. This property can be used to simulate price changes in
The Cauchy distribution is a classic example of a fat-tailed distribution. Thick tails indicate that the probability of a random variable deviating from the central trend is very high. So, for a normal distribution, the deviation of a random variable from its mathematical expectation by 3 or more standard deviations is extremely rare (the 3 sigma rule), and for the Cauchy distribution, deviations from the center can be arbitrarily large. This property can be used to simulate price changes in
When analyzing financial time series, researchers most often make a preliminary assumption that prices are distributed according to the normal (Gaussian) law. This approach is due to the fact that a large number of real processes can be simulated using the normal distribution. Moreover, the calculation of the parameters of this distribution presents no great difficulties. However, when applied to financial markets, normal distribution does not always work. The returns on financial instruments
When analyzing financial time series, researchers most often make a preliminary assumption that prices are distributed according to the normal (Gaussian) law. This approach is due to the fact that a large number of real processes can be simulated using the normal distribution. Moreover, the calculation of the parameters of this distribution presents no great difficulties. However, when applied to financial markets, normal distribution does not always work. The returns on financial instruments
When making trading decisions, it is useful to rely not only on historical data, but also on the current market situation. In order to make it more convenient to monitor current trends in market movement, you can use the AIS Current Price Filter indicator. This indicator takes into account only the most significant price changes in one direction or another. Thanks to this, it is possible to predict short-term trends in the near future - no matter how the current market situation develops