AIS Adaptive Trend Smoothing
- インディケータ
- Aleksej Poljakov
- バージョン: 1.0
- アクティベーション: 5
長期の非ランダム成分を分離するためには、価格がどれだけ変化したのかだけでなく、これらの変化がどのように発生したのかも知る必要があります。言い換えれば -
私たちは価格レベルの値だけでなく、これらのレベルが互いに置き換わる順序にも興味があります。このアプローチを通して、ある時点での価格変動に影響を与える(または影響を与える可能性がある)長期的で安定した要因を見つけることができます。そしてこれらの要因の知識はあなたが多かれ少なかれ正確な予測をすることを可能にします。
金融系列の分析からどの程度具体的な結果を得たいのかを判断しましょう。
•まず、トレンドが市場に存在する場合は、そのトレンドを強調する必要があります。•次に、定期的な要素を特定する必要があります。•第三に、結果は予測に使用するのに十分安定しているべきである。•そして最後に、私たちの分析方法は現在の市場の状況に適応するはずです。
指定された条件を満たすために、相対的な価格変動の回帰分析を使用し、このモデルに基づいて指標を作ります。この指標のアルゴリズムは履歴データからの学習に基づいており、その作業はトレーダーの完全な管理下にあります。
- LHは、財務系列を平滑化するために使用されるバーの数を決定するパラメータです。許容値は0から255です。
- UTSは学習のスピードと深さに影響を与えるパラメータです。その値も0から255の範囲内です。UTSの値がゼロの場合、学習は履歴全体を通して行われます。他の全ての場合において、訓練セットは時々更新される。この更新は、UTS値が小さいほど頻繁に発生します。
この指標の主な不利な点は、金融系列を平滑化する際に定常的と見なされることです。
ユーザーは評価に対して何もコメントを残しませんでした