MT4로 변환할 필요가 없습니다. tradestation 또는 Multicharts를 사용하고 워크 포워드 분석을 수행하여 작동 하는지 확인 하고 준비된 코드를 작성하십시오. 당신은 Multicharts를 시험해 볼 수 있습니다, 그것은 Walk Forward 분석기가 내장되어 있습니다. 또한 최근에 루핑 필터를 확인했는데 부적격인 추세의 방향을 바꾼 후 큰 오버슈트가 있습니다.
그 책 작가들은 모두 자신의 책을 거래가 아니라 팔고 싶어하는데, 이것이 그들이 자신의 아이디어에 대해 적절한 평가를 하지 않는 이유이며, 종이는 모든 것을 받아들입니다...
내가 실수하지 않는 한, (이전에 첨부된 비디오의) 약 27분 지점에서 Mr Ehler는 "..나는 지붕 필터를 스토캐스틱 앞에 놓았다..."라고 말하면서 "루핑 필터가 선행된 스토캐스틱"을 소개합니다. 내 이해는 이것이 0 평균을 달성하고 스펙트럼 팽창도 제거한다는 것입니다. 참조해주셔서 감사합니다.
따라서 역 피셔 변환 앞에 루핑 필터를 놓고 히스토 형식으로 표시하면 MESA 운동량 적절성 지표에 근접하는 것으로 보입니다.
다음 중 하나에 대한 아이디어가 있을 가능성이 있습니까?
1. 스토캐스틱 앞의 루핑 필터, 또는
2. 역 피셔(inverse fisher) 앞에 있는 루핑 필터가 히스토 형태로 변환되면 유도될 수 있습니까?
나는 그것들이 가치가 있을 수 있다고 생각한다
친애하는
나이젤
안녕 나이젤,
mladen은 "SuperSmoother"를 함수 로 코딩했습니다. 시계열을 미리 매끄럽게 하는 데 사용할 수 있으며 제 생각에는 이를 위해 잘 작동합니다. 나는 예를 들어 presmoothing을 추가한 mladen이 작성한 표시기를 첨부했습니다. 이것은 당신이 찾고 있는 것에 가까워질 수 있습니다. 그렇지 않은 경우 대부분의 지표를 이런 방식으로 수정할 수 있습니다.
표시기는 원래 MH Pee의 "Phase Change Index"입니다. 다음은 5개 기간의 사전 평활화가 포함된 16개 기간으로 설정된 GPBUSD 일일입니다.
지표는 기간 길이에 민감합니다. 기간 길이가 어떻게 되어야 하는지 알고 있는 경우 가장 잘 사용됩니다.
편집: 원래 엘리트 섹션에서 온 것인지 기억이 안 나기 때문에 지표를 삭제했습니다. 것이 가능하다. mladen으로 괜찮으면 다시 포스팅하겠습니다.
John E.에 따르면 SS의 목적은 고주파 노이즈를 제거하는 것입니다. 즉, 주기 =< 10바입니다. SMA(5) 가 SS(10) 와 같은 지연을 갖고 통과 대역이 2*n 이기 때문에 SMA(5) 와 비교합니다. 어느 것이 더 매끄럽고 더 매끄럽게 하는지 확인할 수 있습니다. 둘 다 플로팅하기에 충분하며 플롯이 동일하다는 것을 알 수 있습니다.
이는 최소한 USDJPY 1분 동안 고주파 노이즈(존재하는 경우)가 SMA(l/2) 및 SS(l)에 의해 동일한 수준에서 평활화됨을 의미합니다. 다른 길이의 경우
그는 HP 필터를 사용하고 있습니다. 그의 '예측 지표' 논문의 '시장 데이터 구조 ' 장과 앨리어싱 노이즈 및 스펙트럼 팽창 노이즈가 있는 그림도 참조하십시오. 나는 그가 그것을 어떻게 얻었고 그것이 예를 들어 FOREX 데이터에 대해 어떻게 보이는지 매우 궁금합니다.
fajst_k: John E.에 따르면 SS의 목적은 고주파 노이즈를 제거하는 것입니다. 즉, 주기 =< 10바입니다. SMA(5) 가 SS(10) 와 같은 지연을 갖고 통과 대역이 2*n 이기 때문에 SMA(5) 와 비교합니다. 어느 것이 더 매끄럽고 더 매끄럽게 하는지 확인할 수 있습니다. 둘 다 플로팅하기에 충분하며 플롯이 동일하다는 것을 알 수 있습니다.
이는 최소한 USDJPY 1분 동안 고주파 노이즈(존재하는 경우)가 SMA(l/2) 및 SS(l)에 의해 동일한 수준에서 평활화됨을 의미합니다. 다른 길이의 경우
그는 HP 필터를 사용하고 있습니다. 그의 '예측 지표' 논문의 '시장 데이터 구조' 장과 앨리어싱 노이즈 및 스펙트럼 팽창 노이즈가 있는 그림도 참조하십시오. 나는 그가 그것을 어떻게 얻었고 그것이 예를 들어 FOREX 데이터에 대해 어떻게 보이는지 매우 궁금합니다.
크지슈토프
크지슈토프
다른 길이의 스무더/필터/평균을 비교하는 것은 (적어도 제 생각에는) 공정한 비교가 아닙니다. 그러나 그것은 내 생각입니다. 우리는 단순히 하나의 필터를 사용하기로 결정하고 우리가 만드는 모든 것에 계속해서 사용할 수 있지만, 그 목적을 위해 무엇을 사용할지 어떻게 결정해야 하며, 우리가 실험하고 조사하고 실험하지 않는다면 어떤 것이 최선인지 결정해야 합니다. 다른 접근을 시도?
나 자신도 John Ehlers가 먼저 말하고 나서 우리가 육안으로 볼 수 있는 것이 아니라 그가 말한 것에 대한 증거를 제시하려고 한다고 여러 번 말했습니다. 그러나 적어도 그는 실험하고 있습니다. 그것이 좋은지 아닌지는 그다지 중요하지 않습니다. 그는 단순히 진술하고 무언가를 하고 그것에 대해 비난을 받을 용기가 있습니다(그가 비난받을 자격이 있는 경우).
나는 경향(우리가 "추세"라고 생각하는 것)을 찾기 위해 2-3개의 막대 필터를 사용하려는 시도를 결코 이해하지 못했습니다. 다시 말하지만 그건 내 생각일 뿐이야
mladen은 "SuperSmoother"를 함수로 코딩했습니다. 시계열을 미리 매끄럽게 하는 데 사용할 수 있으며 제 생각에는 이를 위해 잘 작동합니다. 나는 예를 들어 presmoothing을 추가한 mladen이 작성한 표시기를 첨부했습니다. 이것은 당신이 찾고있는 것에 가까워 질 수 있습니다. 그렇지 않은 경우 대부분의 지표를 이런 방식으로 수정할 수 있습니다.
표시기는 원래 MH Pee의 "Phase Change Index"입니다. 다음은 5개 기간의 사전 평활화가 포함된 16개 기간으로 설정된 GPBUSD 일일입니다.
지표는 기간 길이에 민감합니다. 기간 길이가 얼마인지 알고 있는 경우에 가장 잘 사용됩니다.
편집: 원래 엘리트 섹션에서 온 것인지 기억이 안 나기 때문에 지표를 삭제했습니다. 것이 가능하다. mladen으로 괜찮으시다면 다시 포스팅 하겠습니다.
Fisher 변환에 관한 한 평가가 여기에 있습니다. 그것의 범위 압축기/압축기 및 추가 가치를 제공하지 않습니다
이 기사에 따르면. 한편 '변형낚시꾼'을 팔아 생계를 이어가려는 이들도 있다....
Ensign Software - 연구: 역 피셔 변환
크지슈토프
닫기 스무딩의 경우에도 차이가 없습니다. 일부 시계열 의 경우 SMA보다 더 잘 작동할 것이라고 주장할 수 있지만 먼저 입증되어야 한다고 생각합니다.
그래서 새로운 책, 새로운 이론, 새로운 사이트 그리고 적어도 나에게는 약간 사기처럼 보입니다.
크지슈토프
그 답장에 진심으로 감사드립니다. 저는 Ehler 씨의 최신 책을 트롤링하고 있습니다. 책의 끝 부분에서 그는 "적응 확률 지표의 역 피셔 변환은 적절한 매수 및 매도 포인트에 대한 명확하고 모호하지 않은 표시를 제공합니다"라고 말합니다.
코드는 다음과 같이 (단순 코드 형식으로) 제공됩니다.
1단계 적응 확률적 지표 코드는 다음과 같습니다.
{
적응 확률론
(c) 2013 존 F. 엘러스
}
바르:
평균 길이(3),
엠(0),
N(0),
X(0),
Y(0),
알파1(0),
HP(0),
a1(0),
b1(0),
c1(0),
c2(0),
c3(0),
필터(0),
지연(0),
카운트(0),
Sx(0),
시(0),
Sxx(0),
시(0),
섹시(0),
마침표(0),
Sp(0),
SPX(0),
MaxPwr(0),
DominantCycle(0);
어레이:
오류[48](0),
코사인파트[48](0),
사인파트[48](0),
제곱합[48](0),
R[48, 2](0),
Pwr[48](0);
//주기가 48바보다 짧은 고역 통과 필터 순환 구성 요소
알파1 = (코사인(.707*360 / 48) + 사인(.707*360 / 48) - 1) / 코사인(.707*360 / 48);
HP = (1 - 알파1 / 2)*(1 - 알파1 / 2)*(종가 - 2*종가[1] + 종가[2]) + 2*(1 - 알파1)*HP[1] - (1 - 알파1)*(1 - 알파1)*HP[2];
//방정식 3-3의 Super Smoother Filter로 부드럽게
a1 = 경험치(-1.414*3.14159 / 10);
b1 = 2*a1*코사인(1.414*180 / 10);
c2 = b1;
c3 = -a1*a1;
c1 = 1 - c2 - c3;
Filt = c1*(HP + HP[1]) / 2 + c2*Filt[1] + c3*Filt[2];
// 각 지연 값에 대한 피어슨 상관 관계
지연 = 0 ~ 48의 경우 시작
//평균 길이를 M으로 설정
M = 평균 길이;
AvgLength = 0이면 M = 지연;
Sx = 0;
사이 = 0;
Sxx = 0;
syy = 0;
Sxy = 0;
개수 = 0 ~ M - 1의 경우 시작
X = 필터[개수];
Y = Filt[지연 + 개수];
Sx = Sx + X;
Sy = Sy + Y;
Sxx = Sxx + X*X;
Sxy = Sxy + X*Y;
Syy = Syy + Y*Y;
끝;
(M*Sxx - Sx*Sx)*(M*Syy - Sy*Sy) > 0이면 Corr[지연] = (M*Sxy - Sx*Sy)/SquareRoot((M*Sxx - Sx*Sx)* (M*Syy - Sy*Sy));
끝;
기간 = 10 ~ 48 시작
CosinePart[기간] = 0;
사인파트[기간] = 0;
N = 3 ~ 48의 경우 시작
CosinePart[Period] = CosinePart[Period] + Corr[N]*Cosine(360*N / 마침표);
SinePart[Period] = SinePart[Period] + Corr[N]*Sine(360*N / 마침표);
끝;
SqSum[기간] = CosinePart[기간]*CosinePart[기간] + SinePart[기간]*SinePart[기간];
끝;
기간 = 10 ~ 48 시작
R[기간, 2] = R[기간, 1];
R[기간, 1] = .2*SqSum[기간]*SqSum[기간] + .8*R[기간, 2];
끝;
//정규화를 위한 최대 전력 레벨 찾기
MaxPwr = .995*MaxPwr;
기간 = 10 ~ 48 시작
R[Period, 1] > MaxPwr이면 MaxPwr = R[Period, 1];
끝;
기간 = 3 ~ 48 시작
Pwr[기간] = R[기간, 1] / MaxPwr;
끝;
// 스펙트럼의 CG를 사용하여 지배적 사이클을 계산합니다.
SPX = 0;
Sp = 0;
기간 = 10 ~ 48 시작
Pwr[Period] >= .5이면 시작
Spx = Spx + 기간*Pwr[기간];
Sp = Sp + Pwr[기간];
끝;
끝;
Sp 0이면 DominantCycle = Spx / Sp;
DominantCycle < 10이면 DominantCycle = 10입니다.
DominantCycle > 48이면 DominantCycle = 48입니다.
//확률 계산은 여기에서 시작됩니다.
바르:
최고 C(0),
최저C(0),
주식(0),
SmoothNum(0),
스무스데놈(0),
적응 확률적(0);
HighestC = 필트;
LowestC = 필트;
개수 = 0에서 DominantCycle - 1 시작
Filt[count] > HighestC이면 HighestC = Filt[count];
Filt[count] < LowestC이면 LowestC = Filt[count];
끝;
Stoc = (Filt - LowestC) / (HighestC - LowestC);
어댑티브 스토캐스틱 = c1*(Stoc + Stoc[1]) / 2 + c2*AdaptiveStochastic[1] + c3*AdaptiveStochastic[2];
플롯1(AdaptiveStochastic);
플롯2(.7);
플롯6(.3);
적응 확률 지표에 역 피셔 변환을 구현하는 2단계:
바르:
IFish(0) ;
값1 = 2*(AdaptiveStochastic - .5) ;
IFish = (ExpValue(2*3*Value1) - 1) / (ExpValue(2*3*Value1) + 1) ;
플롯1(IFish) ;
플롯4(.9*IFish[1]) ;
3단계 매수 매도 신호 추가:
한 막대만큼 지연되고 90%로 감쇠되는 Fisher 변환인 트리거 라인이 추가됩니다.
4단계 내가 추가한 개발:
가능한 경우 더 높은 기간 버전도 표시할 수 있도록 MTF인 위의 변형(Inverse Fisher 적응 확률적 표시기)을 개발해야 합니다.
이 2개의 지표 Inverse Fisher 적응 확률 지표와 MTF Inverse Fisher 적응 확률 지표는 누군가가 MT4에서 생산할 수 있는지 테스트할 잠재적으로 매우 흥미로운 지표가 될 것이라고 생각합니다.
친애하는
나이젤
MT4로 변환할 필요가 없습니다. tradestation 또는 Multicharts를 사용하고 워크 포워드 분석을 수행하여 작동 하는지 확인 하고 준비된 코드를 작성하십시오. 당신은 Multicharts를 시험해 볼 수 있습니다, 그것은 Walk Forward 분석기가 내장되어 있습니다. 또한 최근에 루핑 필터를 확인했는데 부적격인 추세의 방향을 바꾼 후 큰 오버슈트가 있습니다.
그 책 작가들은 모두 자신의 책을 거래가 아니라 팔고 싶어하는데, 이것이 그들이 자신의 아이디어에 대해 적절한 평가를 하지 않는 이유이며, 종이는 모든 것을 받아들입니다...
크지슈토프
믈라덴,
답장을 보내 주셔서 감사합니다.
내가 실수하지 않는 한, (이전에 첨부된 비디오의) 약 27분 지점에서 Mr Ehler는 "..나는 지붕 필터를 스토캐스틱 앞에 놓았다..."라고 말하면서 "루핑 필터가 선행된 스토캐스틱"을 소개합니다. 내 이해는 이것이 0 평균을 달성하고 스펙트럼 팽창도 제거한다는 것입니다. 참조해주셔서 감사합니다.
따라서 역 피셔 변환 앞에 루핑 필터를 놓고 히스토 형식으로 표시하면 MESA 운동량 적절성 지표에 근접하는 것으로 보입니다.
다음 중 하나에 대한 아이디어가 있을 가능성이 있습니까?
1. 스토캐스틱 앞의 루핑 필터, 또는
2. 역 피셔(inverse fisher) 앞에 있는 루핑 필터가 히스토 형태로 변환되면 유도될 수 있습니까?
나는 그것들이 가치가 있을 수 있다고 생각한다
친애하는
나이젤안녕 나이젤,
mladen은 "SuperSmoother"를 함수 로 코딩했습니다. 시계열을 미리 매끄럽게 하는 데 사용할 수 있으며 제 생각에는 이를 위해 잘 작동합니다. 나는 예를 들어 presmoothing을 추가한 mladen이 작성한 표시기를 첨부했습니다. 이것은 당신이 찾고 있는 것에 가까워질 수 있습니다. 그렇지 않은 경우 대부분의 지표를 이런 방식으로 수정할 수 있습니다.
표시기는 원래 MH Pee의 "Phase Change Index"입니다. 다음은 5개 기간의 사전 평활화가 포함된 16개 기간으로 설정된 GPBUSD 일일입니다.
지표는 기간 길이에 민감합니다. 기간 길이가 어떻게 되어야 하는지 알고 있는 경우 가장 잘 사용됩니다.
편집: 원래 엘리트 섹션에서 온 것인지 기억이 안 나기 때문에 지표를 삭제했습니다. 것이 가능하다. mladen으로 괜찮으면 다시 포스팅하겠습니다.
안부 인사,
알렉스
이것은 표시기가 최신 mt4 빌드와도 호환되는 t3 신호 점선 이 있는 mama 오실레이터입니다.
닫기 스무딩의 경우에도 차이가 없습니다. 일부 시계열의 경우 SMA보다 더 잘 작동할 것이라고 주장할 수 있지만 먼저 입증되어야 한다고 생각합니다.
그래서 새로운 책, 새로운 이론, 새로운 사이트 그리고 적어도 나에게는 약간 사기처럼 보입니다.
크지슈토프
크지슈토프
왜 짧은 계산 기간 을 비교합니까?
계산 기간이 짧을수록 결과가 비슷해집니다(모든 평균/평활화/필터가 정확히 같을 때 계산 기간 1에서 끝남). 더 긴 기간과 동일한 기간을 비교하지 않는 이유는 무엇입니까?
적응 평균/평활기/필터도 매우 짧은 기간 동안 적절하게 적응할 수 없으며 계산 기간이 충분히 짧으면 단순 이동 평균과 매우 유사한 결과를 제공합니다.
John E.에 따르면 SS의 목적은 고주파 노이즈를 제거하는 것입니다. 즉, 주기 =< 10바입니다. SMA(5) 가 SS(10) 와 같은 지연을 갖고 통과 대역이 2*n 이기 때문에 SMA(5) 와 비교합니다. 어느 것이 더 매끄럽고 더 매끄럽게 하는지 확인할 수 있습니다. 둘 다 플로팅하기에 충분하며 플롯이 동일하다는 것을 알 수 있습니다.
이는 최소한 USDJPY 1분 동안 고주파 노이즈(존재하는 경우)가 SMA(l/2) 및 SS(l)에 의해 동일한 수준에서 평활화됨을 의미합니다. 다른 길이의 경우
그는 HP 필터를 사용하고 있습니다. 그의 '예측 지표' 논문의 '시장 데이터 구조 ' 장과 앨리어싱 노이즈 및 스펙트럼 팽창 노이즈가 있는 그림도 참조하십시오. 나는 그가 그것을 어떻게 얻었고 그것이 예를 들어 FOREX 데이터에 대해 어떻게 보이는지 매우 궁금합니다.
크지슈토프
John E.에 따르면 SS의 목적은 고주파 노이즈를 제거하는 것입니다. 즉, 주기 =< 10바입니다. SMA(5) 가 SS(10) 와 같은 지연을 갖고 통과 대역이 2*n 이기 때문에 SMA(5) 와 비교합니다. 어느 것이 더 매끄럽고 더 매끄럽게 하는지 확인할 수 있습니다. 둘 다 플로팅하기에 충분하며 플롯이 동일하다는 것을 알 수 있습니다.
이는 최소한 USDJPY 1분 동안 고주파 노이즈(존재하는 경우)가 SMA(l/2) 및 SS(l)에 의해 동일한 수준에서 평활화됨을 의미합니다. 다른 길이의 경우
그는 HP 필터를 사용하고 있습니다. 그의 '예측 지표' 논문의 '시장 데이터 구조' 장과 앨리어싱 노이즈 및 스펙트럼 팽창 노이즈가 있는 그림도 참조하십시오. 나는 그가 그것을 어떻게 얻었고 그것이 예를 들어 FOREX 데이터에 대해 어떻게 보이는지 매우 궁금합니다.
크지슈토프크지슈토프
다른 길이의 스무더/필터/평균을 비교하는 것은 (적어도 제 생각에는) 공정한 비교가 아닙니다. 그러나 그것은 내 생각입니다. 우리는 단순히 하나의 필터를 사용하기로 결정하고 우리가 만드는 모든 것에 계속해서 사용할 수 있지만, 그 목적을 위해 무엇을 사용할지 어떻게 결정해야 하며, 우리가 실험하고 조사하고 실험하지 않는다면 어떤 것이 최선인지 결정해야 합니다. 다른 접근을 시도?
나 자신도 John Ehlers가 먼저 말하고 나서 우리가 육안으로 볼 수 있는 것이 아니라 그가 말한 것에 대한 증거를 제시하려고 한다고 여러 번 말했습니다. 그러나 적어도 그는 실험하고 있습니다. 그것이 좋은지 아닌지는 그다지 중요하지 않습니다. 그는 단순히 진술하고 무언가를 하고 그것에 대해 비난을 받을 용기가 있습니다(그가 비난받을 자격이 있는 경우).
나는 경향(우리가 "추세"라고 생각하는 것)을 찾기 위해 2-3개의 막대 필터를 사용하려는 시도를 결코 이해하지 못했습니다. 다시 말하지만 그건 내 생각일 뿐이야
안녕 나이젤,
mladen은 "SuperSmoother"를 함수로 코딩했습니다. 시계열을 미리 매끄럽게 하는 데 사용할 수 있으며 제 생각에는 이를 위해 잘 작동합니다. 나는 예를 들어 presmoothing을 추가한 mladen이 작성한 표시기를 첨부했습니다. 이것은 당신이 찾고있는 것에 가까워 질 수 있습니다. 그렇지 않은 경우 대부분의 지표를 이런 방식으로 수정할 수 있습니다.
표시기는 원래 MH Pee의 "Phase Change Index"입니다. 다음은 5개 기간의 사전 평활화가 포함된 16개 기간으로 설정된 GPBUSD 일일입니다.
지표는 기간 길이에 민감합니다. 기간 길이가 얼마인지 알고 있는 경우에 가장 잘 사용됩니다.
편집: 원래 엘리트 섹션에서 온 것인지 기억이 안 나기 때문에 지표를 삭제했습니다. 것이 가능하다. mladen으로 괜찮으시다면 다시 포스팅 하겠습니다.
안부 인사,
알렉스알렉스,
많은 도움을 주셔서 감사합니다.
문안 인사
나이젤