Hull moving average accuracy

Moving Averages Moving Average Crossover Studi ini menampilkan dua moving averages, yang jenisnya dipilih oleh pengguna dengan Input Moving Average Type 1 dan Moving Average Type 2. Secara default, moving average adalah Simple Moving Averages. Input Input Data 1 dan Input Data 2 dilambangkan sebagai (X1) dan (X2) masing-masing, dan Panjang Input 1 dan Panjang 2 dari dua rata-rata bergerak dinotasikan sebagai (n1) dan (n2). Studi ini juga menampilkan sinyal untuk membeli (ditunjukkan dengan panah ke atas) atau sell (ditunjukkan dengan tanda panah ke bawah) pada chart bar (t). Kondisi yang menentukan sinyal mana, jika ada, ditampilkan dinyatakan di bawah ini. Panah atas ditampilkan di bar grafik (t) jika salah satu dari berikut terjadi. (N1 n2) dan Subgraf dari (MAtleft (X1, n1right)) melintasi Subgraph of (MAtleft (X2, n2right)) dari bawah pada chart bar (t). (N2 n1) dan Subgraf dari (MAtleft (X2, n2right)) melintasi Subgraph dari (MAtleft (X1, n1right)) dari bawah pada chart bar (t). Pada masing-masing dari dua kasus di atas, ujung panah bertepatan dengan bagian atas bar grafik (t). Moving Average Difference Untuk membiasakan diri dengan terminologi dan notasi yang digunakan dalam penelitian ini, rujuklah dokumentasi untuk studi Moving Average - Simple. Studi ini menampilkan perbedaan antara dua moving averages, yang jenisnya dipilih oleh user dengan Input Moving Average Type. Secara default, moving average adalah Simple Moving Averages. Input Input Data dilambangkan sebagai (X), dan Panjang Input 1 dan Panjang 2 dari kedua moving averages dinotasikan sebagai (n1) dan (n2). Kami menunjukkan Moving Average Difference pada chart bar (t) untuk Input yang diberikan sebagai (MADifftleft (X, n1, n2right)), dan kami menghitungnya sebagai berikut. Subversif indikator ini ditampilkan dalam dua warna yang dipilih pengguna: satu untuk saat Subgraph sedang naik, dan yang lainnya untuk saat itu. (MADifftleft (X, n1, n2right) MAtleft (X, n1right) - MAtleft (X, n2right) Itu jatuh Moving Average Envelope The Moving Average Envelope study menarik pita atas dan bawah atau amplop di atas dan di bawah rata-rata bergerak. Masing-masing band adalah Nilai Tetap yang ditentukan dari rata-rata bergerak atau Persentase yang ditentukan dari rata-rata bergerak. Input Data Persentase atau Nilai Tetap. Pilih Persentase atau Nilai Tetap. Dalam kasus Persentase. Tetapkan persentase dengan Masukan Persentase. Dalam hal Nilai Tetap. Atur nilai tetap dengan Input Nilai Tetap. Persentase. Jika Persentase atau Nilai Tetap ditetapkan ke Persentase. Masukkan persentase dengan Masukan ini untuk mengalikan rata-rata bergerak dengan. Hasil ini ditambahkan dan dikurangkan dari moving average. 0,01 1. Nilai Tetap. Jika Nilai Persentase atau Nilai Tetap ditetapkan ke Nilai Tetap. Masukkan nilai tetap dengan Masukan ini untuk menambahkan dan mengurangi nilai tetap ini dari moving average. Moving Average Type Moving Average Length Moving Average - Adaptive Studi ini menghitung rata-rata bergerak adaptif dari data yang ditentukan oleh Input Data Input. Rata-rata pergerakan ini dikembangkan oleh Perry Kaufman. Referensi: Komoditas Saham V13: 6: (267): Sidebar: Moving Average Bergerak. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xi) menjadi nilai Input Data pada chart bar (i). Biarkan Konstanta Pemutaran Cepat Cepat dan Konstanta Smoothing Lambat dinotasikan sebagai (cF) dan (cS). Biarkan Panjang Input dinotasikan sebagai (n). Kami menggunakan ini untuk menghitung Direction (Dt), Volatility (Volt), dan Smoothing Constant (ct) pada chart bar (t) sebagai berikut. (Dt leftXt - X right) Kami menunjukkan Moving Average - Adaptive pada chart bar (t) untuk Input yang diberikan sebagai (AMAtleft (X, n, cF, cSright)), dan kami menghitungnya dengan relasi rekursi berikut. 0 AMA kiri (X, n, cF, cSright) ct (Xt - AMA kiri (X, n, c, c, cSright) CF, cSright)) AMA kiri (X, n, cF, cSright) neq 0 akhir kanan.) Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Input Data Length Fast Smoothing Constant. Ini adalah Durasi Movover Average yang bergerak cepat. Ini harus diatur ke nilai yang kurang dari Input Slow Smoothing Constant untuk mendapatkan hasil yang masuk akal. Konstanta Smoothing Lambat. Ini adalah Durasi Movover Average yang bergerak lambat. Moving Average - Adaptive Binary Wave Studi ini menghitung gelombang biner untuk Userfmans Adaptive Moving Average. Rujuklah penelitian itu untuk membiasakan diri Anda dengan notasi yang digunakan di sini. Sama seperti Adaptive Moving Average, studi ini bergantung pada Input Input Data (X), Panjang (n), Fast Smoothing Constant (cF), dan Slow Smoothing Constant (cS). Studi ini juga memiliki Masukan tambahan, yaitu Filter Persentase (f). Untuk Input yang diberikan, Variance (Vart (X, n)) dan Standard Deviation (sigmat (X, n)) dihitung dalam Simple Moving Averages pada chart bar (t) sebagai berikut. Maart (X, n) MAtleft (X2, nright) - kiri (MAt (X, n) kanan) 2) Selanjutnya kita mendefinisikan dua fungsi (AMALowt (X, n)) dan (AMAHight (X, n)) pada grafik Bar (t) sebagai berikut. (AMALow0 (X, n) AMAHigh0 (X, n) AMA0 (X, n)) Fungsi (AMALow) hanya mengubah nilai jika Moving Average Bergerak menurun dari chart bar (t-1) ke chart bar (t). Fungsi (AMAHigh) hanya mengubah nilai jika Adaptive Moving Averaage meningkat dari chart bar (t-1) ke chart bar (t). Akhirnya, Binary Wave dihitung. Kami menunjukkan nilai Gelombang Biner pada bagan bagan (t) untuk Input yang diberikan sebagai (BWt (X, n, f)), dan kami menghitungnya sebagai berikut. (X, n) -1 AMAHight (X, n) - AMAt (X, n) frac sigmat (X, n) 0 jika tidak berakhir dengan benar. ) Input Data Length Fast Smoothing Constant. Ini adalah Durasi Movover Average yang bergerak cepat. Ini harus diatur ke nilai yang kurang dari Input Slow Smoothing Constant untuk mendapatkan hasil yang masuk akal. Konstanta Smoothing Lambat. Ini adalah Durasi Movover Average yang bergerak lambat. Persentase Filter. Input ini, bersama dengan Standar Deviasi, menentukan batas bawah pada keduanya (AMAt (X, n) - AMALowt (X, n)) dan (AMAHight (X, n) - AMAt (X, n)), yang pada gilirannya Tentukan nilai (BWt (X, n, f)). Moving Average - Double Exponential Studi ini menghitung rata-rata pergerakan eksponensial ganda dari data yang ditentukan oleh Input Data Input. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xt) menjadi nilai Input Data pada chart bar (t). Biarkan Panjang Input dinotasikan sebagai (n). Kemudian kita menunjukkan Moving Average - Double Exponential pada chart bar (t) untuk Input yang diberikan sebagai (DEMAt (X, n)), dan kita menghitungnya dalam hal Exponential Moving Averages (EMAt (X, n)) dan ( EMAt (EMA (X, n), n)), di mana (EMA (X, n)) adalah variabel acak yang menunjukkan Exponential Moving Average of Length (n) untuk Data Masukan (X). Dua rata-rata bergerak eksponensial diinisialisasi sebagai berikut. (EMA0 (X, n) EMA0 (EMA (X, n), n) X0) Moving Average - Double Exponential dihitung dari rata-rata bergerak eksponensial ini sebagai berikut. Moving Average - Exponential Studi ini menghitung rata-rata pergerakan eksponensial data yang ditentukan oleh Masukan Data Masukan. (DEMAt (X, n) 2EMAt (X, n) - EMAt (EMA (X, n), n) Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xt) menjadi nilai Input Data pada chart bar (t). Biarkan Panjang Input dinotasikan sebagai (n). Kemudian kita menunjukkan Moving Average Exponential pada chart bar (t) untuk Input yang diberikan sebagai (EMAt (X, n)), dan kita menghitungnya dengan menggunakan relasi rekursi berikut. EMA (X, n) cXt (1-c) EMA (X, n)) Konstanta (c) adalah pengganda antara (0) dan (1), dan terkait dengan Panjang Input via (c frac). Semakin tinggi setting untuk Input Panjang, peningkatan sensitivitas dengan perhitungan rata-rata bergerak eksponensial ke nilai masa lalu, karena jumlah data historis dalam grafik berubah. Bahkan nilai bar yang berada di luar kisaran batang yang digunakan dalam perhitungan berpengaruh terhadap nilai rata-rata pergerakan eksponensial. Perhitungan rata-rata bergerak eksponensial menggunakan nilai eksponensial sebelumnya dalam perhitungannya, sehingga nilai sebelumnya memiliki efek terus menerus yang akan kembali ke bar pertama di grafik. Oleh karena itu, hanya dengan mengubah Chart gtgt Chart Settings gtgt Gunakan Jumlah Hari untuk Muatkan Hari gtgt ke Muat. Untuk panjang rata-rata bergerak eksponensial Panjang akan mengubah hasilnya pada kolom grafik tertentu meskipun hari-hari yang dihapus atau dimuat dalam grafik sebelum nilai rata-rata bergerak eksponensial pada kolom grafik tertentu yang akan kembali dengan jumlah bar yang ditentukan oleh Panjang Memasukkan. Ini adalah sesuatu yang penting untuk dipahami tentang sifat perhitungan eksponensial dan Anda harus mempertanyakan apakah itu metode perhitungan yang tepat untuk metode analisis Anda. Rata-rata bergerak eksponensial tidak boleh digunakan dengan Panjang Panjang. Alih-alih menggunakan Moving Average - Simple. Moving Average - Hull Studi ini menghitung rata-rata pergerakan Hull dari data yang ditentukan oleh Input Data Input. Rata-rata bergerak ini dikembangkan oleh Alan Hull. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xi) menjadi nilai Input Data pada chart bar (i). Misalkan Input Hull Moving Average Length dilambangkan sebagai (n). Misalkan (WMAtleft (X, leftlfloor frac rightrfloorright)) dan (WMA (X, n)) adalah variabel acak yang menunjukkan Rata-rata Bergerak Rata-rata untuk (X) dengan Panjang (leftlfloor frac rightrfloor) dan (n). Kemudian kita menunjukkan Moving Average - Hull pada chart bar (t) untuk Input yang diberikan sebagai (HMAt (X, n)), dan kita menghitungnya sebagai berikut. (HMAt (X, n) WMAtleft (2WMAleft (X, leftlfloor frac rightrfloorright) - WMA (X, n), leftlfloor frac rightrfloorright)) Untuk penjelasan tentang fungsi lantai (leftfloor rightrfloor)), lihat artikel Wikipedia Floor Dan fungsi langit-langit. Rata-rata Bergerak - Mengangkat Akurasi Tinggi Rata-rata Bergerak - Beralih Tinggi Akurasi menghitung di setiap bilah grafik, rata-rata dari semua harga yang membentuk bagan batang selama periode waktu yang ditentukan. Studi ini bergantung pada data Volume at Price yang mendasari dalam grafik untuk mencapai akurasi yang tinggi. Hal ini diperlukan agar Sierra Chart dikonfigurasi untuk dicentang oleh konfigurasi data tick untuk penelitian agar mencapai akurasi yang tinggi. Untuk melakukan periode Mingguan dan Bulanan dengan studi ini tidak masuk akal dengan perhitungan rolling karena studi ini tidak mereferensikan segmen waktu tertentu seperti awal minggu atau awal bulan. Sebagai gantinya kembali data referensi pada setiap bilah grafik menurut jangka waktu yang ditentukan. Oleh karena itu, cukup tetapkan Panjang Waktu Periode dan Jenis Periode Waktu Masukan dengan penelitian menjadi 7 Hari atau 30 Hari masing-masing untuk menyelesaikannya secara efektif. Jika Anda telah menetapkan Jenis Periode Waktu dan Input Panjang Waktu Periode sehingga perhitungan Moving Average berada di sejumlah besar bar pada tabel dan ada sejumlah besar bar yang dimasukkan ke dalam tabel berdasarkan pada Chart Settings saat ini, maka Studi dapat memakan waktu lama untuk melakukan perhitungan awal dan antarmuka pengguna program akan dibekukan selama ini. Oleh karena itu, perlu berhati-hati dengan pengaturan Masukan ini agar tidak terlalu banyak memikul beban pada program. Jenis Periode Waktu. Input ini menentukan tipe periode waktu. Bisa jadi Hari. Menit . Atau Bar. Saat disetel ke bar. Maka ini berarti jumlah bar yang ditetapkan oleh Panjang Waktu Periode akan digunakan dalam perhitungan. Bila Masukan ini disetel ke Hari. Periode Waktu Periode menentukan jumlah hari Trading perhitungan dilakukan di atas. Hari perdagangan ditentukan dengan menggunakan Sesi Times. Misalnya, jika Panjang Periode Waktu diatur ke 2, maka hari perdagangan sebelumnya seperti yang ditentukan oleh Sesi Times, dan semua hari perdagangan saat ini termasuk dalam perhitungan. Oleh karena itu, tidak dalam hal ini perhitungan trailing 2 hari akan kembali 48 jam dari Date-Time saat ini. Panjang Periode Waktu. Masukan ini menentukan jumlah Hari, Menit, atau Bar tergantung pada apakah Jenis Periode Waktu disetel ke Hari. Menit atau Bar. Kecualikan Akhir Pekan di Hari Count. Bila Masukan ini disetel ke Ya. Sabtu dan Minggu dilewati saat menentukan berapa hari kembali memasukkan dalam perhitungan sesuai dengan Input Panjang Waktu Periode. Gunakan Offset Tetap Alih-alih Std. Penyimpangan Band 1 Std. Penyimpangan MultiplierFixed Offset. Band 2 Std. Penyimpangan MultiplierFixed Offset. Band 3 Std. Penyimpangan MultiplierFixed Offset. Band 4 Std. Penyimpangan MultiplierFixed Offset. Moving Average - Simple Studi ini menghitung rata-rata pergerakan sederhana dari data yang ditentukan oleh Input Data Input. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xi) menjadi nilai Input Data pada chart bar (i). Biarkan Panjang Input dinotasikan sebagai (n). Kemudian kita menunjukkan Moving Average - Simple pada chart bar (t) untuk Input yang diberikan sebagai (MAt (X, n)), dan kita hitung sebagai berikut. Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Moving Average - Simple Skip Zeros Studi ini menghitung rata-rata pergerakan sederhana dari data yang ditentukan oleh Input Data Input. Tidak termasuk nilai yang sama dengan nol. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xi) menjadi nilai Input Data pada chart bar (i). Biarkan Panjang Masukan dinotasikan sebagai (n), dan biarkan jumlah nilai nol dari (X) dari (X) sampai (Xt) dilambangkan sebagai (n). Kemudian kita menunjukkan Moving Average - Simple Skip Zeros pada chart bar (t) untuk Input yang diberikan sebagai (SZMAt (X, n)), dan kita menghitungnya sebagai berikut. Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Moving Average - Sine-Wave Weighted Penelitian ini menghitung rata-rata pergerakan tertimbang gelombang sinus dari data yang ditentukan oleh Input Input Data. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xi) menjadi nilai Input Data pada chart bar (i). Kemudian kita menunjukkan Moving Average - Sine-Wave Weighted pada chart bar (t) untuk input yang diberikan sebagai (SWWMAt (X)), dan kita menghitungnya sebagai berikut. Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Moving Average - Smoothed Penelitian ini menghitung rata-rata pergerakan rata-rata dari data yang ditentukan oleh Input Data Input. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xi) menjadi nilai Input Data pada chart bar (i). Biarkan Panjang Input dinotasikan sebagai (n). Kemudian kita menunjukkan Moving Average - merapikan pada chart bar (t) untuk Input yang diberikan sebagai (SMMAt (X, n)), dan kita menghitungnya dengan relasi rekursi berikut. Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Input Data Length Offset. Input ini menentukan jumlah batang grafik dimana indeks penjumlahan digeser ke kiri. Moving Average - Segitiga Rata-rata Bergerak Segitiga dihitung dari Simple Moving Average. Rujuklah penelitian itu untuk membiasakan diri Anda dengan notasi yang digunakan di sini. Sama seperti Simple Moving Average, penelitian ini bergantung pada Input Data Input (X) dan Length (n). Kami menghitung dua Panjang tambahan. (N1) dan (n2), sebagai berikut. (Displaystyle leftlceil rightrceil n ruang aneh n1 1 n spasi bahkan ujung kanan.) Untuk penjelasan tentang fungsi langit-langit ((leftlceil rightrceil)), lihat artikel Wikipedia Fungsi lantai dan langit-langit. Kami menunjukkan Moving Average - Segitiga pada bagan batang (t) untuk Data Masukan yang diberikan dan Panjang yang dihitung sebagai (TMAtleft (X, n1, n2right)), dan kami menghitungnya sebagai berikut. MAtleft (MA, n1right), n2right)) Dalam rumus di atas, (MAleft (X, n1right)) adalah variabel acak yang menunjukkan Simple Moving Average of Length (n1) untuk Input Data (X). Moving Average - Triple Exponential Studi ini menghitung rata-rata pergerakan tiga eksponensial dari data yang ditentukan oleh Input Data Input. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xt) menjadi nilai Input Data pada chart bar (t). Biarkan Panjang Input dinotasikan sebagai (n). Kemudian kita menunjukkan Moving Average - Triple Exponential pada chart bar (t) untuk Input yang diberikan sebagai (TEMAt (X, n)), dan kita menghitungnya dalam hal Exponential Moving Averages (EMAt (X, n)), ( EMA (EMA (X, n), n)), dan (EMA (EMA (EMA (X, n), n), n), n)) dimana (EMA (X, n)) adalah variabel acak yang menunjukkan Exponential Moving Average of Length (n) untuk Data Masukan (X). Tiga rata-rata bergerak eksponensial diinisialisasi sebagai berikut. (EMA0 (X, n) EMA0 (EMA (X, n), n) EMA0 (EMA (X, n), n), n) X0) Moving Average - Triple Exponential dihitung dari rata-rata bergerak eksponensial ini sebagai Berikut (TEMAt (X, n) 3EMAt (X, n) - 3EMAt (EMA (X, n), n) EMAt (EMA (E, X, n), n), n)) Rata-rata Bergerak - Volume Tertimbang Studi ini menghitung Volume rata-rata bergerak tertimbang data yang ditentukan oleh Input Data Input. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Misalkan (Xi) adalah nilai Input Data pada chart bar (i), dan misalkan (Vi) menjadi Volume pada chart bar (i). Biarkan Panjang Input dinotasikan sebagai (n). Moving Average - Volume Weighted pada bagan bagan (t) untuk Input yang diberikan (VWMAt (X, n)), dan kami menghitungnya sebagai berikut. Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Moving Average - Weighted Penelitian ini menghitung rata-rata pergerakan tertimbang data yang ditentukan oleh Input Data Input. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xi) menjadi nilai Input Data pada chart bar (i). Biarkan Panjang Input dinotasikan sebagai (n). Kemudian kita menunjukkan Moving Average - Weighted pada bagan batang (t) untuk Input yang diberikan sebagai (WMAt (X, n)), dan kami menghitungnya sebagai berikut. Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Moving Average - Welles Wilders Penelitian ini menghitung rata-rata moving average Welles Wilders dari data yang ditentukan oleh Input Data Input. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xi) menjadi nilai Input Data pada chart bar (i). Biarkan Panjang Input dinotasikan sebagai (n). Kemudian kita menunjukkan Moving Average - Welles Wilders pada chart bar (t) untuk Input yang diberikan sebagai (WWMAt (X, n)), dan kita menghitung menggunakan relasi rekursi berikut. (WWMA0 0) (WWMAt (X, n) meninggalkan SZMAt (X, n) WMMA (X, n) 0 WWMA (X, n) frac kiri (Xt - WWMA (X, n) kanan) WWMA (X, n) Neq 0 akhir kanan.) Dalam fungsi di atas, (SZMAt (X, n)) mengacu pada Moving Average - Simple Skip Zeros. Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Moving Average - Zero Lag Exponential Studi ini menghitung moving average zero lag eksponensial data yang ditentukan oleh Input Data Input. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xt) menjadi nilai Input Data pada chart bar (t). Biarkan Panjang Node Input Zero Lag dinotasikan sebagai (n). Kemudian kita menunjukkan Moving Average - Zero Lag Exponential pada chart bar (t) untuk Input yang diberikan sebagai (ZLEMAt (X, n)), dan kita menghitungnya dengan menggunakan relasi rekursi berikut. (ZLEMAt (X, n) sumbing (2Xt - X kanan) (1 - c) ZLEMA (X, n)) Konstanta (L) disebut Lag, dan dihitung sebagai berikut. Untuk penjelasan tentang fungsi langit-langit ((leftlceil rightrceil)), lihat artikel Wikipedia Fungsi lantai dan langit-langit. Konstanta (c) adalah pengganda yang sama yang ditemukan pada Moving Average Eksponensial. Jika (L 0), maka (ZLEMAt (X, n)) menjadi identik dengan (EMAt (X, n)). Moving Averages Studi ini menghitung dan menarik 3 moving averages dari jenis apapun. Regresi Linier Bergerak Bergerak Rata - Rata - Regresi Linier Regresi Linier Bergerak dan Rata-rata Bergerak - Regresi Linier menghitung dan menampilkan nilai fungsi regresi linier dari Data Masukan yang dipilih (Terbuka, Tinggi, Rendah, Tutup) selama Panjang yang ditentukan. Oleh karena itu, setiap titik sepanjang garis belajar Regresi Linier sama dengan nilai akhir dari garis Regresi Linier. Misalnya, nilai akhir dari garis Regresi Linier yang mencakup 10 harga penutupan akan memiliki nilai yang sama dengan garis Regresi Linier Bergerak dengan Panjang 10 pada bar yang sama. Untuk metode perhitungan, lihat fungsi LinearRegressionIndicatorS di file ACSSourceSCStudyFunctions. cpp di folder Sierra Chart yang terpasang. Jika Anda menggambar Regresi Regresi Linier Menggambar sepanjang Panjang yang sama yang telah Anda tetapkan dalam studi Masukan untuk penelitian ini, maka di mana gambar itu akan berakhir, nilainya akan sama dengan studi Regresi Linier - Rata-Rata. Selanjutnya kita gambarkan perhitungan Regresi Linear Regression. Misalkan (T) adalah variabel yang diukur sepanjang sumbu horiztonal, misalkan (X) adalah variabel acak yang menunjukkan Input Data. Yang diukur sepanjang sumbu vertikal. Kami menunjukkan nilai variabel-variabel ini pada bagan batang (i) sebagai (Ti i) dan (Xi), masing-masing. Dimana (i) adalah indeks yang sedang berjalan Kami menunjukkan nilai indeks yang sesuai dengan bar saat ini sebagai (i t). Biarkan (n) menjadi Panjang Masukan. Fungsi Regresi Regresi Linier menghitung masing-masing jumlah berikut pada bagan batang (t). Jumlah ini digunakan untuk menghitung statistik regresi. Untuk penjelasan tentang notasi Sigma ((Sigma)) untuk penjumlahan, lihat artikel Wikipedia Summation. Catatan: Jumlah di atas nilai (T-) tidak bergerak, karena jumlah di atas nilai (X-) lakukan. Ini dikompensasikan dengan menggunakan Panjang (n) di tempat-tempat tertentu, bukan nilai arus (t) Indeks. Ini selalu memberikan nilai LRI yang benar dan kemiringan garis regresi, namun tidak memberikan nilai intercept yang benar. Jumlah ini digunakan untuk menghitung statistik regresi, seperti yang ditunjukkan di bawah ini. Model regresi berbentuk (X pada btT), dimana (at) dan (bt) adalah seperti yang didefinisikan di atas. Regresi Linier Regresi: Regresi Regresi Linear adalah koordinat (X-) dari titik akhir kanan dari garis tren regresi linier Panjang (n). Nilai (LRIt) pada chart bar (t) dihitung sebagai (LRIt at btn). Moving Average - Regresi Linier pada bagan bagan (t) untuk Input yang diberikan dilambangkan sebagai (LSMAt (X, n) at btn) Study Moving Average Studi ini untuk kompatibilitas kembali. Anda harus menggunakan setting Based On yang baru untuk sebuah studi untuk mendasarkan sebuah penelitian pada studi lain. Untuk informasi lebih lanjut, lihat Pengaturan Studi Teknis. Studi ini menghitung rata-rata pergerakan T3 dari data yang ditentukan oleh Input Data Input. Studi ini dikembangkan oleh Tim Tillson. Misalkan (X) adalah variabel acak yang menunjukkan Input Data. Dan biarkan (Xt) menjadi nilai Input Data pada chart bar (t). Biarkan Panjang Masukan dilambangkan sebagai (n), dan misalkan Input Multiplier dinotasikan sebagai (v). Kemudian kita menunjukkan nilai T3 pada bagan bagan (t) untuk Input yang diberikan sebagai (T3 (X, n, v)), dan kami menghitungnya dengan menggunakan deret Eksponensial Moving Averages berikut untuk Input yang diberikan. (EMAt (X, n) EMAt (X, n)) (EMAt (X, n) EMAt (EMA (X, n), n)) (EMAt (X, n) EMAt (EMA (EMA (X, n) , N), n)) (EMAt (X, n) EMAt (EMA (EMA (EMA (X, n), n), n), n)) (EMAt (X, n) EMAt (EMA (EMA (EMA (EMA (X, n), n), n), n), n)) (EMAt (X, n) EMAt (EMA (EMA (EMA (EMA (E, X, n), n), n) N), n), n)) Dalam hubungan di atas, (EMAt) menunjukkan komposisi lipatan (j-) lipatan fungsi (EMA) dengan dirinya sendiri, dan (EMA (X, n)) adalah variabel acak yang menunjukkan Exponential Moving Average of Length (n) untuk Input Data (X). Kami menghitung (T3t) (X, n, v)) sebagai berikut. Terakhir dimodifikasi Jumat, 24 Februari 2017. Moving Average yang Hancur Moving Average membuat rata-rata bergerak lebih responsif sekaligus menjaga kelancaran kurva. Rumus untuk menghitung rata-rata ini adalah sebagai berikut: HMAi MA ((2MA (input, period2) 8211 MA (input, period)), SQRT (periode)) dimana MA adalah moving average dan SQRT adalah akar kuadrat. Pengguna dapat mengubah input (close), panjang periode dan nomor shift. Definisi indicator8217 ini selanjutnya dinyatakan dalam kode kental yang diberikan dalam perhitungan di bawah ini. Cara Berkomunikasi Menggunakan Pindah Bergerak Rata-rata Penggerak Hull Average adalah indikator tren yang tertinggal dan dapat digunakan bersamaan dengan penelitian lainnya. Tidak ada sinyal perdagangan yang dihitung. Cara Akses di MotiveWave Masuklah ke menu paling atas, pilih Study gtMoving AveragegtHull Moving Average atau masuk ke menu paling atas, pilih Add Study. Mulai mengetikkan nama studi ini sampai Anda melihatnya muncul dalam daftar, klik pada nama studi, klik OK. Penafian Penting: Informasi yang diberikan di halaman ini benar-benar untuk tujuan informasi dan tidak dapat dianggap sebagai saran atau ajakan untuk membeli atau menjual keamanan apapun. Silakan lihat Pernyataan Pengungkapan Resiko dan Keterbukaan Informasi. Perhitungan harga input, user defined, default adalah metode close moving average (ma), user defined, defaultnya adalah WMA period user defined, defaultnya adalah 20 shift user defined, defaultnya adalah 0 wma weighted moving average, sqrt square root index current bar number, LOE less or equalHull Moving Average Indicator: Jujur Moving Average Details Diterbitkan: 16 Oktober 2014 Ditulis oleh Admin Kategori: Indikator Forex Hits: 11906 Sebagian besar dari kita dalam satu bentuk atau lainnya menggunakan perwakilan dari keluarga rata-rata bergerak dalam perdagangan kita. Tapi masalah utama semua indikator yang dibangun di atas matematika rata-rata tertinggal. Solusi efektif untuk masalah ini ditemukan oleh banyak eksperimen dan diberi nama Hull Moving Average atau Hull moving average. Pedagang menggunakan indikator berdasarkan rata-rata untuk membangun garis supportabilitas yang dinamis dan menilai kekuatan momentum harga. Kerugian utama mereka terletak pada metode perhitungan: karena rata-rata bergerak dihitung berdasarkan harga masa lalu (untuk jangka waktu atau jumlah bar tertentu), garis yang dihitung akan mengurangi fluktuasi harga, namun akan selalu tertinggal dari harga sebenarnya. Alan Hull, seorang matematikawan Australia, analis keuangan dan pedagang turun-temurun, anggota Asosiasi Teknik untuk Analisis Teknis Australia (ternyata ada di sana), penulis buku teks populer Active Investment and The Book of Charts, mengusulkan versi perbaikan dari rata-rata bergerak , Memberikan indikator halus dalam konstruksi dan hampir sepenuhnya menghilangkan efek negatif dari lagging. Apa yang bergerak rata-rata Ini adalah salah satu alat analisis teknis tertua, yang membantu mengidentifikasi kekuatan dan arah tren harga saat ini untuk memastikan kondisi optimal bagi trader untuk membuka posisi perdagangan sepanjang tren. Bahkan ayah dari kekacauan perdagangan, Bill Williams, percaya bahwa kemampuan untuk menggunakan indikator moving averages akan memungkinkan spekulator menutup tidak kurang dari 60 posisi di plus. Traditional Moving Average (atau MA) dihitung sangat mudah: di setiap titik garis, harganya adalah harga rata-rata untuk jangka waktu tertentu. Dengan rata-rata, lonjakan harga acak terputus, dan semakin lama periode, semakin akurat garisnya. Periode rata-rata bergerak yang optimal harus diambil secara terpisah untuk setiap instrumen perdagangan. Rata-rata klasik selalu cukup akurat mengikuti pasar, karena perhitungannya berdasarkan data historis. Namun, rata-rata umum adalah metode prediksi Moving Average yang sangat lemah tidak memungkinkan untuk menghitung momen perubahan tren. Inilah indikator rata-rata Hull Moving Average yang dimodifikasi. Indikator Matematika Moving Average Rata-rata Perataan yang lebih harmonis dalam menghitung rata-rata pergerakan ini diberikan oleh rata-rata rata-rata tambahan. Versi yang diusulkan dari indikator memecahkan masalah dengan memasukkan nilai bukan periode, melainkan dari akar kuadrat dari data sebenarnya dari periode perhitungan ke dalam mekanisme untuk menghitung. Tapi dalam kasus ini, pergerakan harus lebih jauh tertinggal dari harga sebenarnya. Namun, Alan Hull berhasil menemukan bahan yang hilang yang secara efektif mengkompensasi penundaan tersebut. Hull menerapkan metode koefisien pembobotan pada perhitungan harga pasar, dimana secara mentah dari 0 sampai 9, angka 9 sangat penting. Perhitungan diawali dengan penentuan nilai MA bergerak sederhana (10): Hasilnya, kita mendapatkan nilai rata-rata awal 4.5, dan ini memberikan tingkat lag yang serius di balik harga sebenarnya. Langkah selanjutnya adalah mengurangi separuh rata-rata (102 5) dan menerapkannya pada nilai terakhir pada baris yang terdaftar: 5, 6, 7, 8 dan 9, setelah itu kita mendapatkan rata-rata baru 7. Nilai ini kemudian ditambahkan ke Perbedaan antara dua rata-rata ini, yaitu sampai 2,5 (7 4.5), dan kita mendapatkan jumlah akhir 7 2.5 9,5. Jika kita berasumsi bahwa harga pasar saat ini sama dengan 9, kompensasi yang dihasilkan nampaknya berlebihan. Namun, penulis menganggap overcorrection ini sangat nyaman untuk mengurangi pengaruh lonjakan harga secara acak. Perubahan harga dengan bantuan Hull bisa diprediksi dengan akurasi tinggi selama 1-2 periode yang dipilih. Secara visual, garis bergerak biasanya lebih cepat dari nilai rata-rata sebenarnya. Secara umum, rumus untuk menghitung nilai dari indikator Hull Moving Average adalah sebagai berikut: Indikator Hull Moving Average: parameter dan pengaturan Ada beberapa pilihan untuk menggunakan rata-rata yang dimodifikasi, namun biasanya disarankan untuk menggunakannya bersamaan dengan indikator panah. HMA Arrow, dengan jelas menunjukkan titik masuk yang disarankan. Indikator Hull Moving Average dipasang di terminal MetaTreder4 dengan cara biasa, pada pasangan mata uang dan jangka waktu apapun. Pengaturan yang disarankan dan warna yang optimal ditunjukkan pada gambar di bawah ini: Rata-rata modifikasi Hull bekerja dengan baik pada periode pendek dan menengah, hasil yang paling stabil diberikan pada periode lebih besar dari 20. Nilai optimal dianggap sebagai parameter kunci berikut: HMPeriod - 20 HMAMethod (Shift) - 3. Terkadang pengaturan berikut dapat direkomendasikan untuk perdagangan jangka menengah yang lebih tenang dengan risiko kecil: HMAperiod - 55 HMAshift 3. Namun, titik masuk yang disarankan akan terlihat lebih jarang. Pengaturan indikator HMA Arrow tambahan sangat sederhana: Pro dan kontra penerapan indikator Moving Average di perdagangan Untuk kejelasan analisis, rata-rata SMA bergerak sederhana (14) pada harga penutupan (garis hitam) ditambahkan pada grafik Dengan Hull Moving Average dan indikator HMA Arrow. Pandangan umum tentang seperangkat indikator di terminal: Seperti dapat dilihat, sinyal masuk tampak cukup akurat, terutama dibandingkan dengan rata-rata umum. Tapi jangan lupa tentang kelemahan utama dari Hull bergerak: tren saat ini untuk melebih-lebihkan nilai harga rata-rata mengarah pada fakta bahwa garis tidak sesuai dengan harga rata-rata saat ini. Ini bekerja dengan baik sebagai filter pembalikan, dan karena itu, sinyal keluarnya lebih dapat diandalkan daripada entri. Jadi, indikator Hull Moving Average diharuskan digabungkan dengan pilihan osilator atau MACD. Tetapi bahkan tanpa penggunaan indikator panah tambahan, ada kemungkinan sinyal yang tinggi untuk membeli saat harga melewati garis indikator ke atas dan untuk menjual jika harganya bergerak ke bawah. Strategi yang paling efektif adalah HullMovingAverage oleh Alan Hull, yang dibangun di atas pengawasan pasar standar. Sinyal perdagangan dianggap sebagai pembalikan jalur Hull: jika ada yang mengecilkan, posisi pendek disarankan, jika posisi naik lama. At that, however, this breakthrough by the price of the line of the Hull Moving Average indicator itself is not perceived as the market signal. The methodology of calculation of the Hull Moving Average indicator is based on the modern mathematical mechanism that greatly improves the smoothness of the line and accuracy of market signals. Line of the HMA average excellently tracks the trend and gives accurate reversal signals. Inherent superiority of the average value in the calculation leads to an overestimation of the current average price, but with the optimal settings and additional indicators, you can get a trading strategy with a win rate over 60.