|
7+ 年
経験
|
90
製品
|
6
デモバージョン
|
|
6
ジョブ
|
0
シグナル
|
0
購読者
|
持続可能な分布は、金融シリーズをスムーズにするために使用できます。かなり深い履歴を使用して分布パラメーターを計算できるため、場合によっては、このような平滑化は他の方法と比較してさらに効果的です。 図は、10年間のH1時間枠でのEUR-USD通貨ペアの始値の分布の例を示しています（図1）。魅力的ですね。 この指標の根底にある主な考え方は、価格の分散によって持続可能な分布のパラメーターを決定し、データを使用して金融シリーズを平滑化することです。このアプローチのおかげで、平滑化された値は、特定の市場状況で最も可能性の高い価格値になる傾向があります。 インジケータの動作は、パラメータLBを使用して設定されます。その値は、バーで表される平滑化されたシリーズの長さを決定します。また、許容値は1〜255の範囲です。 青い線は平滑化された高値を示し、赤線は安値を示し、緑の線は終値を示します。
持続可能な分布は、金融シリーズをスムーズにするために使用できます。かなり深い履歴を使用して分布パラメーターを計算できるため、場合によっては、このような平滑化は他の方法と比較してさらに効果的です。 図は、10年間のH1時間枠でのEUR-USD通貨ペアの始値の分布の例を示しています（図1）。魅力的ですね。 この指標の根底にある主な考え方は、価格の分散によって持続可能な分布のパラメーターを決定し、データを使用して金融シリーズを平滑化することです。このアプローチのおかげで、平滑化された値は、特定の市場状況で最も可能性の高い価格値になる傾向があります。 インジケータの動作は、パラメータLBを使用して設定されます。その値は、バーで表される平滑化されたシリーズの長さを決定します。また、許容値は1〜255の範囲です。 青い線は平滑化された高値を示し、赤線は安値を示し、緑の線は終値を示します。
この指標により、価格がいずれかのレベルに達する可能性を判断できます。そのアルゴリズムは非常に単純で、特定の通貨ペアの価格レベルに関する統計データの使用に基づいています。収集された履歴データのおかげで、現在のバーの間に価格が変化する範囲を決定することが可能です。 そのシンプルさにもかかわらず、この指標は取引において非常に貴重な支援を提供できます。そのため、トレーディングポジションのTakeProfitレベルとStopLossレベルを決定することができます。保留中の注文の価格の決定と、TrailingStopの価格レベルの決定の両方に役立ちます。 さらに、この指標は既存の戦略に統合できます。たとえば、ある種の日中戦略を使用します。次に、D1時間枠でこのインジケーターを設定することで、新しいトレーディングポジションを開くことは既に望ましくないことを克服した後、レベルを取得できます。 このインディケーターの主な欠点は、純粋に履歴データに依存しており、特定の現在の市場の変化にまったく反応しないことです。 このインディケーターの設定は、入力パラメーター-L1
この指標により、価格がいずれかのレベルに達する可能性を判断できます。そのアルゴリズムは非常に単純で、特定の通貨ペアの価格レベルに関する統計データの使用に基づいています。収集された履歴データのおかげで、現在のバーの間に価格が変化する範囲を決定することが可能です。 そのシンプルさにもかかわらず、この指標は取引において非常に貴重な支援を提供できます。そのため、トレーディングポジションのTakeProfitレベルとStopLossレベルを決定することができます。保留中の注文の価格の決定と、TrailingStopの価格レベルの決定の両方に役立ちます。 さらに、この指標は既存の戦略に統合できます。たとえば、ある種の日中戦略を使用します。次に、D1時間枠でこのインジケーターを設定することで、新しいトレーディングポジションを開くことは既に望ましくないことを克服した後、レベルを取得できます。 このインディケーターの主な欠点は、純粋に履歴データに依存しており、特定の現在の市場の変化にまったく反応しないことです。 このインディケーターの設定は、入力パラメーター-L1
非常に頻繁に、トレーダーは価格が近い将来に変化する可能性がある範囲を決定するという課題に直面しています。この目的のために、ジョンソン分布タイプSBを使用することができます。この配布の主な利点は、少量の累積データでも使用できることです。この分布のパラメータを決定する際に使用される経験的アプローチにより、価格チャネルの最大レベルと最小レベルを正確に決定することができます。 これらの値はさまざまな状況で使用できます。たとえば、マーケットオーダーのストップロスやテイクプロフィットレベル、未決注文のエントリーポイントを設定するために使用できます。また、これらのレベルはトレーリングストップを使用するときに方向付けることができます。さらに、十分に大きい履歴では、インディケータは上昇トレンドまたは下降トレンドの始まりを知らせることができます。そのような傾向があったならばまあ、またはその終わりについて。 この指標の主な不利な点は、価格の排出に対する極めて高い感度と、市場の状況の変化に対する反応がやや遅いことです。
非常に頻繁に、トレーダーは価格が近い将来に変化する可能性がある範囲を決定するという課題に直面しています。この目的のために、ジョンソン分布タイプSBを使用することができます。この配布の主な利点は、少量の累積データでも使用できることです。この分布のパラメータを決定する際に使用される経験的アプローチにより、価格チャネルの最大レベルと最小レベルを正確に決定することができます。 これらの値はさまざまな状況で使用できます。たとえば、マーケットオーダーのストップロスやテイクプロフィットレベル、未決注文のエントリーポイントを設定するために使用できます。また、これらのレベルはトレーリングストップを使用するときに方向付けることができます。さらに、十分に大きい履歴では、インディケータは上昇トレンドまたは下降トレンドの始まりを知らせることができます。そのような傾向があったならばまあ、またはその終わりについて。 この指標の主な不利な点は、価格の排出に対する極めて高い感度と、市場の状況の変化に対する反応がやや遅いことです。
強力な分析方法の1つは、Levyプロセスを使用した金融シリーズのモデリングです。これらのプロセスの主な利点は、最も単純なものから最も複雑なものまで、膨大な数の現象をモデル化するために使用できることです。市場におけるフラクタルな価格変動の考えは、レヴィ過程の特別な場合にすぎないと言えば十分でしょう。一方、パラメータを適切に選択すると、どのLevyプロセスも単純な移動平均として表すことができます。図1は、フラグメントを数倍に拡大したLevyプロセスの例を示しています。 価格チャートを滑らかにするためにLevyプロセスを使用する可能性を考えてみましょう。まず、線形プロセスをシミュレートするために使用できるように、Levyプロセスのパラメータを選択する必要があります。それから、異なる符号の係数を含む重みのシステムを得ます。このおかげで、私たちは財務範囲を平準化するだけでなく、そこに存在する反トレンドと定期的な要素を追跡することもできるでしょう。 インジケータの動作は、パラメータ LF
強力な分析方法の1つは、Levyプロセスを使用した金融シリーズのモデリングです。これらのプロセスの主な利点は、最も単純なものから最も複雑なものまで、膨大な数の現象をモデル化するために使用できることです。市場におけるフラクタルな価格変動の考えは、レヴィ過程の特別な場合にすぎないと言えば十分でしょう。一方、パラメータを適切に選択すると、どのLevyプロセスも単純な移動平均として表すことができます。図1は、フラグメントを数倍に拡大したLevyプロセスの例を示しています。 価格チャートを滑らかにするためにLevyプロセスを使用する可能性を考えてみましょう。まず、線形プロセスをシミュレートするために使用できるように、Levyプロセスのパラメータを選択する必要があります。それから、異なる符号の係数を含む重みのシステムを得ます。このおかげで、私たちは財務範囲を平準化するだけでなく、そこに存在する反トレンドと定期的な要素を追跡することもできるでしょう。 インジケータの動作は、パラメータ LF
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。
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。
非常に頻繁に、金融シリーズの研究でそれらの平滑化を適用します。平滑化を使用すると、高周波成分を除去することができます - それらはランダムな要因によって引き起こされているため、無関係であると考えられています。平滑化には常に、データを平均化する何らかの方法が含まれます。この方法では、時系列のランダムな変化が相互に吸収します。ほとんどの場合、この目的のために、指数平滑法と同様に単純または加重移動平均法が使用されます。 これらの方法にはそれぞれ、長所と短所があります。したがって、単純な移動平均は単純で直感的ですが、その適用には時系列の周期成分と傾向成分の相対的な安定性が必要です。さらに、信号遅延は移動平均の特性です。指数平滑法はラグ効果がありません。しかし、ここでも欠陥があります - 指数平滑化は、系列をランダムな異常値と整列させる場合にのみ有効です。 単純平均と指数平均の間の妥当な妥協点は、加重移動平均の使用です。しかしながら、特定の重量値を選ぶという問題がある。これをまとめてみましょう。 それで、最初に私達が平滑化手順から達成したいことを定義します：
非常に頻繁に、金融シリーズの研究でそれらの平滑化を適用します。平滑化を使用すると、高周波成分を除去することができます - それらはランダムな要因によって引き起こされているため、無関係であると考えられています。平滑化には常に、データを平均化する何らかの方法が含まれます。この方法では、時系列のランダムな変化が相互に吸収します。ほとんどの場合、この目的のために、指数平滑法と同様に単純または加重移動平均法が使用されます。 これらの方法にはそれぞれ、長所と短所があります。したがって、単純な移動平均は単純で直感的ですが、その適用には時系列の周期成分と傾向成分の相対的な安定性が必要です。さらに、信号遅延は移動平均の特性です。指数平滑法はラグ効果がありません。しかし、ここでも欠陥があります - 指数平滑化は、系列をランダムな異常値と整列させる場合にのみ有効です。 単純平均と指数平均の間の妥当な妥協点は、加重移動平均の使用です。しかしながら、特定の重量値を選ぶという問題がある。これをまとめてみましょう。 それで、最初に私達が平滑化手順から達成したいことを定義します：
「 AIS Color Noise Filter 」指標のいくつかの欠点にもかかわらず、それを使用して価格系列と予測価格を平滑化するという考えは非常に魅力的に見えます。 これはいくつかの理由によるものです。 第一に、いくつかのノイズ成分を考慮に入れることは、互いに独立した要因について予測を構築することを可能にし、それは予測の質を改善することができる。 第二に、価格系列の雑音特性は全履歴を通して非常に安定して振舞い、それは安定した結果を得ることを可能にする。 そして最後に、ノイズの変動性により、予測システムが非常に敏感になり、価格の変化に対する反応が非常に速くなることを期待できます。 その結果、すべての単純化にもかかわらず、価格が移動するチャネルを正確に予測できるという指標が得られました。この指標の主な利点は、その高速さと習得の容易さです。主な不利点は、指標が予測に最も重要な要素を選択できないことです。 LH は、予測が行われる履歴データの長さを設定するパラメータです。その許容値は0から255ですが、標識が処理する小節の数はこのパラメーターで指定された数より1単位以上多いです。
「 AIS Color Noise Filter 」指標のいくつかの欠点にもかかわらず、それを使用して価格系列と予測価格を平滑化するという考えは非常に魅力的に見えます。 これはいくつかの理由によるものです。 第一に、いくつかのノイズ成分を考慮に入れることは、互いに独立した要因について予測を構築することを可能にし、それは予測の質を改善することができる。 第二に、価格系列の雑音特性は全履歴を通して非常に安定して振舞い、それは安定した結果を得ることを可能にする。 そして最後に、ノイズの変動性により、予測システムが非常に敏感になり、価格の変化に対する反応が非常に速くなることを期待できます。 その結果、すべての単純化にもかかわらず、価格が移動するチャネルを正確に予測できるという指標が得られました。この指標の主な利点は、その高速さと習得の容易さです。主な不利点は、指標が予測に最も重要な要素を選択できないことです。 LH
この指標はより有益です。彼の研究は、市場における価格の動きが特定の色のノイズとして表現されるという仮定に基づいており、それは価格値の分布のパラメータに依存します。これにより、さまざまな角度から価格変動を分析することができ、価格変動を特定の色のノイズと見なして、市場の現在の状況に関する情報を入手し、価格の動向に関する予測を行うことができます。 インディケータの読みを分析するとき、インディケータラインの位置は考慮に入れられます - それらは現在のバーの始値の上下にそしてそれからどれだけ離れて位置しています。 ホワイトノイズ（White Noise） - このアプローチは、価格（現在と先史時代の両方）が電力で等しいと考えられているという事実によって特徴付けられ、それはそれを単純な移動平均と組み合わせます。ホワイトノイズ信号は、文字を確認している可能性が高く、現在の価格から逸脱するほど、市場のトレンドの動きが強くなります。逆に、ホワイトノイズラインが始値に近い場合、これはトレンドの終わりまたは横方向の価格変動のいずれかの証拠です。 フリッカーノイズ（Flicker
この指標はより有益です。彼の研究は、市場における価格の動きが特定の色のノイズとして表現されるという仮定に基づいており、それは価格値の分布のパラメータに依存します。これにより、さまざまな角度から価格変動を分析することができ、価格変動を特定の色のノイズと見なして、市場の現在の状況に関する情報を入手し、価格の動向に関する予測を行うことができます。 インディケータの読みを分析するとき、インディケータラインの位置は考慮に入れられます - それらは現在のバーの始値の上下にそしてそれからどれだけ離れて位置しています。 ホワイトノイズ（White Noise） - このアプローチは、価格（現在と先史時代の両方）が電力で等しいと考えられているという事実によって特徴付けられ、それはそれを単純な移動平均と組み合わせます。ホワイトノイズ信号は、文字を確認している可能性が高く、現在の価格から逸脱するほど、市場のトレンドの動きが強くなります。逆に、ホワイトノイズラインが始値に近い場合、これはトレンドの終わりまたは横方向の価格変動のいずれかの証拠です。 フリッカーノイズ（Flicker
ストップロスとテイクプロフィットのレベルを選択すると、トレーディングの全体的なパフォーマンスに非常に強い影響を与える可能性があります。貿易取引の明白なパラメータ - 可能な勝利または予想される損失の大きさ - に加えて、StopLossおよびTakeProfitのレベルもまた、取引の予想期間、および一般的な取引の収益性に影響します。 「 AIS-ODT 」スクリプトを使用して最適なトランザクション期間をすでに決定している場合は、StopLossおよびTakeProfitレベルに関連したパラメーターの決定を始めることができます。 これを行うには、以下の手順に従います。最初に、私達は1つの方向か別の方向のすべての可能な価格偏差を決定し、一定時間内にそれらを達成する確率を計算します。その後、その規模、確率、および利益の期待値を考慮して、StopLossとTakeProfitの最も最適なレベルを計算できます。
ストップロスとテイクプロフィットのレベルを選択すると、トレーディングの全体的なパフォーマンスに非常に強い影響を与える可能性があります。貿易取引の明白なパラメータ - 可能な勝利または予想される損失の大きさ - に加えて、StopLossおよびTakeProfitのレベルもまた、取引の予想期間、および一般的な取引の収益性に影響します。 「 AIS-ODT 」スクリプトを使用して最適なトランザクション期間をすでに決定している場合は、StopLossおよびTakeProfitレベルに関連したパラメーターの決定を始めることができます。 これを行うには、以下の手順に従います。最初に、私達は1つの方向か別の方向のすべての可能な価格偏差を決定し、一定時間内にそれらを達成する確率を計算します。その後、その規模、確率、および利益の期待値を考慮して、StopLossとTakeProfitの最も最適なレベルを計算できます。
外国為替市場における価格変動の性質を見てみましょう。これらの変動が起こる理由に注意を払わないでください。このアプローチにより、価格変動に影響を与える主な要因を特定することができます。 たとえば、EUR-USD通貨ペアのバーの始値とH1タイムフレームを考えてみましょう。これらの価格について、Lameray図（図1）を構築します。 この図では、価格変動は基本的に線形方程式に従って発生することがわかります。この方程式のパラメータを決定するために、最小二乗法を使用できます。この特定の例では、始値を変更するための方程式は次の形式を取りました。 Open [i] = 0.99989 * Open [i + 1] + 0.00013。 この式が価格変動をどの程度適切に表しているかを確認しましょう。これを行うために、線形成分を取り除き、残差を分析します（図2）。 図から明らかになるように、これらの剰余はかなり混沌としており、それらをノイズと見なすと、次の小節の始値を予測するためのかなり簡単なシステムが得られます。
外国為替市場における価格変動の性質を見てみましょう。これらの変動が起こる理由に注意を払わないでください。このアプローチにより、価格変動に影響を与える主な要因を特定することができます。 たとえば、EUR-USD通貨ペアのバーの始値とH1タイムフレームを考えてみましょう。これらの価格について、Lameray図（図1）を構築します。 この図では、価格変動は基本的に線形方程式に従って発生することがわかります。この方程式のパラメータを決定するために、最小二乗法を使用できます。この特定の例では、始値を変更するための方程式は次の形式を取りました。 Open [i] = 0.99989 * Open [i + 1] + 0.00013。 この式が価格変動をどの程度適切に表しているかを確認しましょう。これを行うために、線形成分を取り除き、残差を分析します（図2）。 図から明らかになるように、これらの剰余はかなり混沌としており、それらをノイズと見なすと、次の小節の始値を予測するためのかなり簡単なシステムが得られます。