랜덤 워크 인덱스?
MT4용 Random Walk Index를 찾고 있습니다.
Mike Poulos가 개발한 원래 공식은 4개의 지표를 사용했습니다. 단기는 1~8개의 고점과 저점, 장기 지표는 8~64개의 고점과 저점입니다. 도움을 주시면 감사하겠습니다. 저는 MT4 코딩에 대한 노하우가 없습니다. 지표에 대한 기본 설명에 대한 링크가 포함되어 있지만 페이지 하단의 장기 계산 공식이 잘못되었음을 유의하십시오.
링크; http://trader.online.pl/MSZ/ew-Random_Walk_Index_II.html
미리 감사합니다, 윌리엄모든 원래의 (올바른) 공식을 쓸 수 있습니까?
아니면 mabye U에 대한 링크가 있습니까? 그렇다면 그 지표로 U를 도울 수 있다고 생각합니다.
문안 인사
케일
안녕하세요 케일님
응답해 주셔서 감사합니다.
내 첫 번째 게시물에서 언급했듯이 공식에 대한 링크는 다음과 같습니다.
http://trader.online.pl/MSZ/ew-Random_Walk_Index_II.html
그러나 표시기의 두 번째 부분에 대한 코드가 올바르지 않습니다.
RWI는 2파트 지표이며 각 파트는 높은 RWI와 낮은 RWI를 가지고 있습니다.
단기 RWI는 고가와 저가를 포함하며 1~8개의 기간을 사용합니다.
긴 RWI는 고가와 저가를 포함하며 8-64 기간을 사용합니다.
코드가 이것을 반영하지 않는다는 것을 링크의 하단에서 볼 수 있을 것입니다.
코딩하기 어려운 지표는 아니지만 매우 깁니다.
나는 Metastock에 대한 코드를 가지고 있었지만 오래 전에 사라졌습니다.
나는 MetaStock 또는 Tradestation 공식에 대해 웹 전체를 찾았지만 찾을 수 없었습니다.
도움을 주시면 감사하겠습니다.
윌리엄
랜덤 워크 인덱스
이 스레드는 꽤 오래되었고 나는 코더가 아니지만 누군가가 이 표시기를 아무데나 숨겨 놓았는지 궁금합니다. raff1410에 의해 시작된 또 다른 스레드가 있지만 불행히도 지표는 표준 지표가 아닙니다. Raff는 일반적인 개념을 취하여 채널 유형의 시스템을 만들었습니다.
기본적으로 평균 실제 범위를 무작위 대 연속(예측 가능한) 이벤트에 대한 동적 정보로 사용하여 고정된 룩백 기간에 비효율성을 등록하는 동적 ADX입니다.
시각적 설명과 기술은 286페이지를 참조하십시오.
A to Z 기술 분석 ... - Google 도서 검색
다음 웹사이트에서 가져온 공식입니다.
랜덤 워크 인덱스
최대((Ref(HIGH,-1) - LOW) / ((Ref(Sum(ATR(1),2),-1) / 2) * Sqrt(2)),
최대((Ref(HIGH,-2) - LOW) / ((Ref(Sum(ATR(1),3),-1) / 3) * Sqrt(3)),
최대((Ref(HIGH,-3) - LOW) / ((Ref(Sum(ATR(1),4),-1) / 4) * Sqrt(4)),
최대((Ref(HIGH,-4) - LOW) / ((Ref(Sum(ATR(1),5),-1) / 5) * Sqrt(5)),
최대((Ref(HIGH,-5) - LOW) / ((Ref(Sum(ATR(1),6),-1) / 6) * Sqrt(6)),
최대((Ref(HIGH,-6) - LOW) / ((Ref(Sum(ATR(1),7),-1) / 7) * Sqrt(7)),
최대((Ref(HIGH,-7) - LOW) / ((Ref(Sum(ATR(1),8),-1) / 8) * Sqrt(8)),
(Ref(HIGH,-8) - LOW) / ((Ref(Sum(ATR(1),9),-1) / 9) * Sqrt(9)) )) )) )) )
그리고 여기에 또 다른 시각적 예가 있지만 여기에 있는 설명과 설정은 최선이 아닙니다.
조립하는 것은 비교적 간단해 보입니다. 코더에게 몇 분의 여유가 있다면 용도는 끝이 없으며 모든 시스템에 좋은 추가 기능이 될 것입니다. 관심이 있는 사람이 있으면 설명을 도와드릴 수 있습니다.
문안 인사,
스티브
코드 내부에 다음 텍스트가 포함된 이 항목이 있습니다.
Linuxser 를 공유해주셔서 감사합니다...
방금 이 주제와 관련된 흥미로운 것을 찾았습니다.
JRC 프랙탈 딤(지표).
기사/저자: Mark Jurik, Jurik Research Jurik Research
다운로드: Frac_dim.ela
There is a weak and a strong
way to measure the random
quality of a time series.
The weak way is to use the random walk index (RWI).
You can download it from the Omega web site.
It makes the assumption that the market is
moving randomly with an average distance D
per move and proposes an amount the market
should have changed over N bars of time.
If the market has traveled less, then
the action is considered random, otherwise
it's considered trending.
The problem with this method is that taking
the average distance is valid for
a Normal (Gaussian) distribution of price activity.
However, price action is rarely Normal,
with large price jumps occuring much
more frequently than a Normal distribution
would expect. Consequently, big jumps
throw the RWI way off, producing invalid results.
The strong way is to not make any assumption
regarding the distribution of price changes and, instead,
measure the fractal dimension of the time series.
Fractal Dimension requires a lot of data to be accurate.
If you are trading 30 minute bars, use a multi-chart
where this indicator is running on 5 minute bars and
you are trading on 30 minute bars.[/CODE]
The following table shows how to interpret the results....
2.0 -1.0 0.0 congestion
1.5 0.0 0.5 random walk
1.0 1.0 1.0 trend[CODE] Remember two important points:
1) Trend is STRONGER when the indicator
is LOWER. If this is confusing, you can
convert Fractal Dimension
to a trend efficiency index
(like Kaufmann's efficiency ratio) this way:
Trend Efficiency = 2 - Fractal Dimension
2) Maxbarsback must be set greater
than SIZE*COUNT출처: 기술 자료
포럼 스레드/게시물:
https://www.mql5.com/en/forum/178285 (설명이 있는 표시기)
방금 이 주제와 관련된 흥미로운 것을 찾았습니다.
JRC 프랙탈 딤(지표).
기사/저자: Mark Jurik, Jurik Research Jurik Research
다운로드: Frac_dim.ela
There is a weak and a strong
way to measure the random
quality of a time series.
The weak way is to use the random walk index (RWI).
You can download it from the Omega web site.
It makes the assumption that the market is
moving randomly with an average distance D
per move and proposes an amount the market
should have changed over N bars of time.
If the market has traveled less, then
the action is considered random, otherwise
it's considered trending.
The problem with this method is that taking
the average distance is valid for
a Normal (Gaussian) distribution of price activity.
However, price action is rarely Normal,
with large price jumps occuring much
more frequently than a Normal distribution
would expect. Consequently, big jumps
throw the RWI way off, producing invalid results.
The strong way is to not make any assumption
regarding the distribution of price changes and, instead,
measure the fractal dimension of the time series.
Fractal Dimension requires a lot of data to be accurate.
If you are trading 30 minute bars, use a multi-chart
where this indicator is running on 5 minute bars and
you are trading on 30 minute bars.[/CODE]
The following table shows how to interpret the results....
2.0 -1.0 0.0 congestion
1.5 0.0 0.5 random walk
1.0 1.0 1.0 trend[CODE] Remember two important points:
1) Trend is STRONGER when the indicator
is LOWER. If this is confusing, you can
convert Fractal Dimension
to a trend efficiency index
(like Kaufmann's efficiency ratio) this way:
Trend Efficiency = 2 - Fractal Dimension
2) Maxbarsback must be set greater
than SIZE*COUNT출처: 기술 자료
포럼 스레드/게시물:
https://www.mql5.com/en/forum/178285 (설명이 있는 표시기)
https://www.mql5.com/en/forum/176309
https://www.mql5.com/en/forum/173009/page2New Digital/Linuxser에 감사드립니다! 나는 그 인용문에 대부분 동의한다. 전면적인 관점에서 지표를 있는 그대로(내 게시물의 마지막 링크에서와 같이) ADX보다 나을 것이 없습니다. 고/저 기간을 연장하고 고/저 기간을 약화시키면(반대로) 지속적인 추세의 시작이나 단기 가격 급등을 훨씬 더 잘 이해할 수 있습니다.
여러 가지로 활용되는 것을 보았습니다. 모든 지표와 마찬가지로 해석은 $입니다. 상식은 특정 지표를 무시하기 위해 충분히 알고 있는 가격 급등에서 당신을 지켜줄 것입니다.
나는 당신이 여기에 게시 한 링크 중 일부를 확인했습니다. 사용 중인 아이디어는 나에게 다소 새롭지만 수학은 완전히 의미가 있습니다.
지표 자체는 멋지게 보입니다. 신경질적인 상인을 위한 모르핀.
나는 이 개념이 특히 추세 대 시장 조사에 적합한 거래 시스템 개발에서 너무 자주 간과되고 있다고 생각합니다. 특히 자동 전략의 개발과 함께, 범위 조건 또는 그 반대로 추세 조건에 대한 좋은 신호로 인해 거래가 실패하는 경우가 많습니다.
더 파보겠습니다. 뭔가 보이면 포스팅하겠습니다.
다시 한번 감사드립니다.
스티브
프랙탈 차원 인덱스에 대한 추가 정보
다음은 해당 주제에 대한 전문가가 설명하는 FXStreet의 프랙탈 차원 인덱스에 대한 훌륭한 링크입니다.
FXstreet 라이브 세션 기록: 프랙탈 차원 지수(FDI). 그것이 무엇인지, 작동 방식 및 거래 방법
맨 아래에는 카오스 이론과 FDI를 사용하여 시장에 적용하는 방법을 기본적으로 설명하는 파워포인트 프레젠테이션이 있습니다.
그는 기본적으로 다음과 같이 설명합니다.
1.6≥FDI≥2.0은 확률, RSI, 볼린저 밴드 및 반전 패턴 신호를 확인합니다.
1.0≤FDI≤1.4는 이동 평균 교차 및 연속 패턴 신호를 확인합니다.
따라서 FDI가 더 높은 값을 등록하면 예측할 수 없는 무작위 패턴이 발생합니다. 값이 낮을수록 가격은 본질적으로 더 주기적입니다.
설정을 직접 실험한 후 높은 값(>1.4)은 단기적으로 추세의 시작에 대한 가격 움직임을 나타냅니다. 그들은 또한 현재 추세의 근절을 의미할 수도 있습니다.
낮은 값(<1.4)은 가격 변화가 일정하고 일반적으로 더 부드러운 예측 가능한(주기적 또는 추세 추종) 시장을 나타냅니다.
방향이 없으므로 다음 이동이 무엇인지 결정할 수 있습니다. 그러나 기본 도구를 사용하면 쉽게 할 수 있습니다.
그러나 나는 여전히 기간을 실험하고 있습니다. 21,34,55 등을 사용하고 있지만 PowerPoint 프레젠테이션에서 훨씬 더 높은 설정이 사용되는 것처럼 보입니다. 누구든지 더 이상 여기를 사용한 경험이 있다면 입력해 주시면 감사하겠습니다.
프랙탈 차원 및 고르지 못한 지수
프랙탈 차원을 계산하는 또 다른 방법의 고르지 못한 지수:
고르지 못한
Choppiness는 혼돈 이론과 프랙탈 기하학의 아이디어를 기반으로 하는 현대적인 지표입니다. Benoit Mandelbrot는 프랙탈 기하학의 주제에 대한 큰 관심에 가장 책임이 있는 한 사람이었습니다. 그는 수학 및 자연의 다른 곳에서 프랙탈이 어떻게 다양한 위치에서 발생할 수 있는지 보여주었습니다. 그것들은 구름 형성, 파도, 잎사귀, 지문, 해바라기의 밑에 깔려 있는 것을 발견할 수 있었고 그의 아이디어는 수학과 자연 사이에 흥미로운 접착제를 제공했습니다. 컴퓨터 그래픽을 사용하고 IBM의 도움으로 Mandelbrot는 컴퓨터 그래픽을 사용하여 프랙탈 기하학을 표현하는 방법을 보여줄 수 있었습니다.
그림 6 고전적인 Mandelbrot 이미지
우리 대부분은 1D, 2D 및 3D와 같은 정수 차원만 있다고 생각하지만 프랙탈 기하학에서는 정수 차원 사이에 분수 차원이 있습니다. 따라서 1D 선과 2D 평면 사이에는 여러 분수 치수가 있습니다. 프랙탈은 기본적으로 시스템의 차원을 측정하는 것입니다. 차원의 분수적 특성에 따라 다양한 이미지를 표현할 수 있습니다.
호주에 기반을 둔 거래자인 EW Dreiss는 유가 증권의 가격 변동을 측정하는 방법으로 프랙탈 기하학을 사용하는 창의적인 아이디어를 생각해 냈습니다. 그는 가격 변동 차트에 "차원"을 교묘하게 할당했습니다. 추세가 있고 선형인 차트는 전체 차원이 1이 될 수 있는 반면 완전히 고르지 않고 추세가 아닌 차트는 차원이 2라고 할 수 있습니다. 이 두 값 사이의 어딘가는 분수 상태와 다른 정도의 고르지 않음을 나타냅니다. 아래 그림에서는 기본 설정에서 매개변수가 설정된 Choppiness 표시기를 추가했습니다. 차트 하단에 창이 삽입되고 차트를 따라 고르지 못한 지수를 나타내는 파란색 선이 사용됩니다. 다른 주식을 선택하면 이 연구는 차트 하단에 계속 존재하며 새로운 보안에 맞게 재조정됩니다.
그림 7A 고르지 못한 표시기
Choppiness Index 또는 CI는 0과 100 사이에서 다양하며, 지수가 높을수록 가격 움직임이 고르지 않고 지수가 낮을수록 가격 움직임의 추세가 높아집니다. 추세 지표이기 때문에 뒤돌아보기 기간을 설정하는 길이가 있습니다. 여기 예에서는 14로 설정되어 있습니다. Choppiness 지표에는 내부 밴드 색상과 외부 밴드 색상이라는 두 개의 밴드가 있습니다. 디스플레이는 두 개의 밴드 색상 중 하나만 표시됩니다. 위쪽 또는 아래쪽 밴드 내부인 경우 빨간색, 밴드 내부인 경우 노란색입니다. 밴드는 설정할 수 있지만 기본적으로 38.20 및 61.80의 피바노치 수로 설정되어 있습니다. 고르지 못한 표시기가 38.20 미만이면 빨간색 외부 밴드가 표시됩니다. 61.80 이상이면 노란색 내부 밴드가 표시됩니다.
Dreiss는 1991년 11월 Technical Traders Bulletin의 기사에서 CI와 협력하는 방식을 설명합니다. "CI의 낮은 수치는 상승 또는 하락의 강한 충동적 움직임의 끝과 밀접하게 일치하는 반면, 높은 수치는 가격이 크게 통합된 후에 발생합니다." Gibbons Burke의 Choppiness 주제에 대한 좋은 기사가 1993년 10월 Futures Magazine에 실렸습니다. 웹사이트 http://www.quote.com/quotecom/qcharts/help.asp?option=choppiness 에서 사본을 찾을 수 있습니다.
전통적인 거래 지혜
Choppiness 표시기는 가격 행동과 역의 관계를 가지며 CI가 하단 라인 아래에서 반전될 때 추세가 깨진 것으로 간주됩니다. 다시 말하지만 이것은 시장의 방향을 알려주는 것이 아니라 일반적으로 추세의 변화에 대해 근본적으로 다른 관점을 제공할 뿐입니다. AOL의 14일 Choppiness가 빨간색 바깥쪽 밴드 색상 아래로 떨어진 차트 오른쪽 위의 그림에서 이를 볼 수 있습니다. 이는 최대 추세와 최소 고르지 않음을 나타냅니다. 가격 차트를 보면 8월 14일경에 시작된 강세 상승세가 이제 깨진 것으로 보입니다. 다른 신호를 통해 이것이 전환점임을 확인하면 새로운 추세 방향으로 나아가고 있으며 매도하거나 매도하기에 좋은 시기일 수 있습니다.
그림 7B 고르지 못한 표시기 기본 설정
고르지 못한 지수 및 프랙탈 차원
Choppiness Index에 대한 추가 정보: 혼돈으로 시장의 불규칙성을 측정합니다. | 은행 및 금융 > AllBusiness.com의 금융 시장 및 투자
도구
MT4용 Random Walk Index를 찾고 있습니다.
Mike Poulos가 개발한 원래 공식은 4개의 지표를 사용했습니다. 단기는 1~8개의 고점과 저점, 장기 지표는 8~64개의 고점과 저점입니다. 도움을 주시면 감사하겠습니다. 저는 MT4 코딩에 대한 노하우가 없습니다. 지표에 대한 기본 설명에 대한 링크가 포함되어 있지만 페이지 하단의 장기 계산 공식이 잘못되었음을 유의하십시오.
링크; http://trader.online.pl/MSZ/ew-Random_Walk_Index_II.html
미리 감사합니다, 윌리엄