随机漫步指数？
我正在寻找MT4的随机漫步指数。
由Mike Poulos开发的原始公式使用了4个指标--一个短期的1到8条的高点和低点，以及一个长期的8到64条的高点和低点指标。感谢任何帮助，我没有MT4编码方面的知识。包括一个指标的基本描述的链接，但请注意页面底部的长期计算公式是不正确的。
链接；http://trader.online.pl/MSZ/e-w-Random_Walk_Index_II.html
谢谢你，威廉你能写出所有原始（正确）的公式吗？
或者你有一个链接？如果是这样，我想我可以在这个指标上帮助你。
谢谢
凯乐
嗨，凯乐。
谢谢你的回复。
正如我在第一篇文章中指出的，这里有一个公式的链接。
http://trader.online.pl/MSZ/e-w-Random_Walk_Index_II.html
但该指标第二部分的代码是不正确的。
RWI是一个2部分的指标，每一部分都有一个高RWI和一个低RWI。
短RWI包括高点和低点，使用1至8个周期。
长RWI包括高点和低点，使用8到64个周期。
你会在链接的下部看到，代码没有反映这一点。
这不是一个很难编码的指标，但它非常长。
我曾经有Metastock的代码，但它早已消失了。
我在网上到处寻找MetaStock或Tradestation的公式，但一直没有找到。
希望得到任何帮助，再次感谢。
威廉
随机漫步指数
这条线已经很老了，我也不是一个程序员，但我想知道是否有人碰巧有这个指标藏在哪里。 有另一个由raff1410发起的线程，但不幸的是，该指标并不完全是标准指标。 拉夫采用了一般的概念，并将其做成了一个通道型系统。
它基本上是一个动态的ADX，通过使用平均真实范围作为随机与连续（可预测）事件的动态提示，在一个固定的回溯期登记低效率。
关于可视化的解释和技术，请参考这里的第286页。
这是以下网站的公式。
随机漫步指数 - MetaStock / Metastock、Tradestation、Amibroker、Wealth-Lab和Metatrader的振荡器、指标、系统 - 外汇、期货、股票、商品。
随机漫步指数
Max((Ref(HIGH,-1) - LOW) / ((Ref(Sum(ATR(1),2),-1) / 2) * Sqrt(2))。
Max((Ref(HIGH,-2) - LOW) / ((Ref(Sum(ATR(1),3),-1) / 3) * Sqrt(3) )。
Max((Ref(HIGH,-3) - LOW) / ((Ref(Sum(ATR(1),4),-1) / 4) * Sqrt(4) )。
Max((Ref(HIGH,-4) - LOW) / ((Ref(Sum(ATR(1),5),-1) / 5)* Sqrt(5))。
Max((Ref(HIGH,-5) - LOW) / ((Ref(Sum(ATR(1),6),-1) / 6) * Sqrt(6)) 。
Max((Ref(HIGH,-6) - LOW) / ((Ref(Sum(ATR(1),7),-1) / 7) * Sqrt(7)) 。
Max((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)) )))))))
这里还有一个直观的例子，但这里的解释和设置并不是最好的。
它看起来比较简单；如果任何编码人员有几分钟的时间，用途是无穷无尽的，它将是任何系统的一个很好的附加功能。 如果有人感兴趣，我可以帮助解释一下。
请注意。
史蒂夫
我有这个，代码里面有以下文字。
谢谢你的分享，Linuxser... 
刚刚发现与这个主题有关的有趣的东西。
JRC Fractal Dim（指标）。
文章/作者。Mark Jurik, Jurik ResearchJurik Research
下载。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*COUNT资源。知识库
我们的论坛主题/帖子。
https://www.mql5.com/en/forum/178285(有解释的指标)
刚刚发现了一些与这个主题有关的有趣的东西。
JRC Fractal Dim（指标）。
文章/作者。Mark Jurik, Jurik ResearchJurik Research
下载。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*COUNT资源。知识库
我们的论坛主题/帖子。
https://www.mql5.com/en/forum/178285(有解释的指标)
https://www.mql5.com/en/forum/176309
https://www.mql5.com/en/forum/173009/page2谢谢新数码/Linuxser! 我同意这句话的大部分内容。 从前面的角度看，只是看指标的原貌（如我帖子中的最后一个链接），它并不比ADX好。 通过延长高/低期和削弱高/低期（反之），你对持久趋势的开始或价格的短期抽搐有更好的解释。
我已经看到它以几种不同的方式使用。 就像任何指标一样，解释权在美元。常识会让你远离价格的峰值，你会清楚地知道这些峰值会使某些指标失效。
我刚刚查看了你在这里贴出的一些链接。 使用的想法对我来说有点新，但数学是完全有意义的。
这些指标本身看起来很棒。 对于紧张的交易员来说，这是一种吗啡。
我觉得这个概念经常被忽视，特别是在开发适合趋势性市场和范围性市场的交易系统时。 特别是在开发自动策略时，很多时候交易的失败是由于信号适合范围条件或反过来适合趋势条件。
我将进一步挖掘。 如果我看到了什么，我会发布。
再次感谢。
史蒂夫
关于分形维度指数的更多信息
这是FXStreet关于分形维度指数的一个很好的链接，由该主题的专家解释。
FXstreet现场会议实录。分形维度指数（FDI）。它是什么，它是如何工作的，以及如何利用它进行交易
底部有一个powerpoint演示，基本上描述了混沌理论以及如何使用FDI在市场上应用。
他基本上是这样描述的。
1.6≥FDI≥2.0将确认随机指标、RSI、布林带和反转形态信号
1.0≤FDI≤1.4将确认移动平均线交叉和延续形态信号。
因此，如果FDI注册一个较高的值，随机的、不可预测的模式即将发生。 较低的数值，价格则更具有周期性。
在我自己对设置进行实验后，我发现较高的值（>1.4）表示价格的短期运动，到趋势的开始（指标运动总是先于价格，所以在这个意义上它是领先的）。 它们也可能意味着当前趋势的灭亡。
较低的值（<1.4）代表一个更可预测的（循环或趋势跟踪）市场，价格的变化是恒定的，一般来说比较平稳。
它是非方向性的，所以它让你来决定下一步的行动是什么。 但是用基本的工具很容易做到这一点。
但我仍在尝试使用时间段。 我正在使用21,34,55等，但我注意到在Powerpoint演示中，似乎有一个更高的设置被使用。 如果有人在这里有更多的使用经验，将非常感激。
分维度和斩波指数
劈裂指数是计算分维的另一种方法。
萧条度
Choppiness是一个基于混沌理论和分形几何思想的现代指标。Benoit Mandelbrot是对分形几何主题的巨大兴趣负有最大责任的一个人。他展示了分形如何在数学和自然界的其他地方出现。他们可以在云层、波浪、树叶、指纹和向日葵中找到，他的想法在数学和自然之间提供了一些令人兴奋的粘合剂。在IBM的帮助下，曼德尔布罗特利用计算机图形，展示了如何利用计算机图形来表达分形几何。
图6 经典的曼德尔布罗特图像
虽然我们大多数人认为只有整数维度，如一维、二维和三维，但在分形几何中，在整数维度之间存在着分数维度。因此，在一维线和二维平面之间有许多分形维度。分形基本上是对一个系统的维度的测量；它们能够根据维度的分数性质来表达不同的图像。
E.W. Dreiss，一位位于澳大利亚的交易员，想出了一个创造性的想法，即用分形几何学作为衡量证券价格变动的方法。他巧妙地将一个 "维度 "分配给价格运动图。一个趋势性和线性的图表可以被赋予整个维度为1，而一个完全不稳定且没有趋势的图表可以说是有一个维度为2。 在下图中，我们添加了一个Choppiness指标，参数设置在首选项中。在图表的底部插入了一个窗格，用一条蓝线来表示沿图表的波折指数。如果你选择了一只不同的股票，这个研究将继续存在于图表的底部，并将为新的证券重新调整。
图7A 萧条度指标
萧条指数或CI在0到100之间变化，指数越高，价格行为越萧条，指数越低，价格行为越有趋势。因为它是一个趋势性指标，所以它有一个长度，用来设置回溯期，在本例中它被设置为14。在Choppiness指标中，有两个带子。内带颜色和外带颜色。显示屏只显示这两种颜色中的一种，如果在上带或下带内，则为红色，如果在带内，则为黄色。波段可以设置，但默认为Fibanocci数字38.20和61.80。当震荡指标在38.20以下时，它将显示红色的外带。如果它高于61.80，它将显示黄色的内侧波段。
Dreiss在1991年11月的《技术交易员公报》的一篇文章中解释了他使用CI的工作方式。"CI的低读数与强烈的冲动运动的结束密切相关，无论是上升还是下降，而高读数则发生在价格的重大盘整之后。"1993年10月，《期货》杂志刊登了吉本斯-伯克关于 "斩波 "主题的一篇好文章。你可以在网上找到一份副本：http://www.quote.com/quotecom/qcharts/help.asp?option=choppiness
传统的交易智慧
Choppiness指标与价格走势呈反向关系，当CI低于下线并反转时，趋势就被认为被打破了。同样，这并不能告诉你市场的方向，它只是对一般趋势的变化提供了一个基本的不同视角。你可以在上图的右侧看到这一点，AOL的14天斩获已经降到了红色外带的颜色之下，表明趋势最大，因此斩获最小。如果你看一下价格图，你可以看到8月14日左右开始的看涨上升趋势，现在似乎已经被打破。如果其他信号确认这是一个转折点，那么很可能我们正朝着一个新的趋势方向下跌，这可能是一个卖出或做空的好时机。
图7B Choppiness指标偏好
我在寻找MT4的随机漫步指数。
由Mike Poulos开发的原始公式使用了4个指标--1至8条高点和低点的短期指标，以及8至64条高点和低点的长期指标。感谢任何帮助，我没有MT4编码的知识。包括一个指标的基本描述的链接，但请注意页面底部的长期计算公式是不正确的。
链接；http://trader.online.pl/MSZ/e-w-Random_Walk_Index_II.html
预先感谢，威廉