Adaptive Bevegelse Gjennomsnittet Easylanguage

Oktober 2005 HANDELERE TIPS. Here er denne måneden s utvalg av Traders Tips, bidratt av ulike utviklere av teknisk analyse programvare for å hjelpe leserne lettere å implementere noen av strategiene presentert i denne og andre problemer. Du kan kopiere disse formlene og programmer for enkel bruk i regnearket eller analyseprogrammet Velg bare ønsket tekst ved å markere som du ville i et tekstbehandlingsprogram, bruk deretter standard nøkkelkommandoen for kopiering eller velg kopi fra nettlesermenyen. Den kopierte teksten kan deretter limes inn i et åpent regneark eller et annet programvare ved å velge et innsettingspunkt og utføre en lim-kommando Ved å bytte frem og tilbake mellom et applikasjonsvindu og den åpne nettsiden, kan data overføres enkelt. TRADESTASJON Fractal Adaptive Moving Average. John Ehlers-artikkel i dette nummeret, Fractal Adaptive Moving Averages , presenterer allerede noen EasyLanguage-koden for et adaptivt glidende gjennomsnitt. Dette adaptive glidende gjennomsnittet er basert på fraktal prop eritter av en prisserie. Vi har konvertert Ehlers-kode for dette glidende gjennomsnittet til en EasyLanguage-funksjon, slik at det kan bli kalt fra hvilken som helst indikator eller strategi. Funksjonens navn er AdaptMovAvgFractal. We har også tilpasset en eksisterende strategi basert på Bollinger Bands så at den kaller denne nye funksjonen Den reviderte Bollinger Band-strategien kalles FractalAMA Bands. Den kaller AdaptMovAvgFractal for både varians - og båndberegningene. Denne koden og funksjonen vil være tilgjengelig for nedlasting fra brukerstøtten på Søk etter filen. Ehlers originalkode finnes i filen - Mark Mills EasyLanguage Spørsmål Forum TradeStation Securities, Inc Et datterselskap av TradeStation Group, Inc. GÅ TILBAKE. METASTOCK Fractal Adaptive Moving Average. John Ehlers artikkel i dette nummeret, Fractal Adaptive Moving Averages, introduserer en indikator med samme navn i hans indikatorformel, begrenser han antall perioder til et jevnt tall Formelen i MetaStock unngår denne begrensningen ved askin g for den mindre tidsrammen Dette tallet brukes da til de to halvintervallberegningene og blir deretter doblet for hele intervallberegningen Formelen for denne indikatoren og trinnene for å inkludere den i MetaStock presenteres her. For å legge inn denne indikatoren i MetaStock --William Golson, Equis International GO BACK. AIQ EXPERT DESIGN STUDIO Fractal Adaptive Moving Average. AIQ-koden for John Ehlers fraktal adaptive glidende gjennomsnitt FRAMA er vist her sammen med to sample trading systemer som vi brukte i en backtest for å avgjøre om FRAMA er en forbedring over et eksponentielt flytende gjennomsnitt i fast periode. En verdi på N 40 ble brukt til å kjøre FRAMA-testen. Eksponentiell gjennomsnittsprøve ble kjørt med en fast periode på 40 dager. Systemene kjøper når prisen krysser over glidende gjennomsnitt og selger når prisen krysser under det bevegelige gjennomsnittet Kun den lange siden ble testet. Figur 1 viser en sammenligning av en FRAMA med N 40 til et eksponentielt glidende gjennomsnitt i 40 dager. FRAMA er mer r spesielt mot prisendringer enn eksponentielt glidende gjennomsnitt. Backtest-resultatene vist i figur 2, som ble kjørt på NASDAQ 100-listen over aksjer, viser at FRAMA er en forbedring over det eksponentielle glidende gjennomsnittet for prøvehandelssystemet testet. FIGURE 1 TRADESTATION , QQQQ Her er en prøve TradeStation Daily Bar Chart viser det fraktale adaptive glidende gjennomsnittet For klarhetens skyld er FRAMA indikatorlinjen ikke vist. FIGUR 2 AIQ EXPERT DESIGN STUDIO, FRAMA Her er en sammenligning av FRAMA med N 40 til et eksponentielt glidende gjennomsnitt for 40 dager FRAMA ser ut til å være mer lydhør over prisendringer enn eksponentiell glidende gjennomsnitt. FIGUR 3 AIQ EXPERT DESIGN STUDIO, BACKTEST RESULTATER FOR FRAMA Baktestresultatene basert på NASDAQ 100-listen over aksjer viser at FRAMA er en forbedring over eksponentiell bevegelse gjennomsnitt for dette utvalgshandelssystemet. AIQ-koden er vist her, men kan også lastes ned fra. WEALTH-LAB Fractal Adaptive Moving Average. In dette måneds s Traders Tips presenterer vi et trend-følgende system basert på fraktal-adaptiv glidende gjennomsnittlig FRAMA-indikator introdusert av John Ehlers i sin artikkel dette problemet Wealth-Labs implementering av FRAMA-tilpasset indikator nå en del av Wealth-Lab kodebiblioteket tillater innganger for perioden samt konstanten for eksponentielt glidende gjennomsnitt Her bruker vi konstanten 4 6, som Ehlers antyder. Systemet bruker 20-dagers FRAMA av sluttkursen og beregner også forandringshastigheten for fortiden ROC fra fortiden fem dager FRAMA Det venter deretter på en økning på mer enn 0 5 ROC 0 5 for å komme inn på neste dag på markedet. Det forblir i denne handel til ROC faller under null. I figur 4, som viser en prøvehandel for ExxonMobil, Vi kan se at FRAMA-indikatoren er for det meste flat i sidelengs faser, mens den er i stand til å oppdage en trend veldig tidlig, og dermed få en stor del av det. FIGURE 4 WEALTH-LAB, FRACTAL ADAPTIVE MOVING AVERAGES T eksxonMobil-prisseriene sammen med sin 20-dagers FRAMA er plottet i nedre rude Den øvre ruten viser endringshastigheten ROC på fem dager med FRAMA-indikatoren. Under sidevinkler viser FRAMA-indikatoren bare liten bevegelse. ROC viser derfor små verdier og bare få handler opptrer i slutten av januar 2005 , en sterk oppstartstart, som oppdages av FRAMA Systemet er i stand til å komme inn tidlig og fanger det meste av denne upmoveen - Jos Cruset, Wealth-Lab, Inc. GÅ BACK. eSIGNAL Fractal Adaptive Moving Average. For dette problemet s artikkel av John Ehlers, Fractal Adaptive Moving Averages, vi har gitt eSignal formelfilen kalt Koden vises også her. Studien har en parameter for lengden eller perioder for studien som kan justeres gjennom alternativet Rediger studier av Advanced Tabell Nummeret som er inntastet, vil bli tvunget til å være det neste høyeste jævntallet dersom et merkelig tall er angitt. Et eSignal-diagram er vist i Figur 5.FIGUR 5 eSIGNAL, FRAKT ADAPTIVT MOVING AVERAGE Dette eSignal-diagrammet viser f ractal adaptive moving average. For å diskutere denne studien eller laste ned en komplett kopi av formelen, vennligst besøk Efs Library Discussion Board forum under Bulletin Boards linken på Denne eSignal formelskoden er også tilgjengelig for kopiering og liming fra STOCKS COMMODITIES nettsiden på - - Jason Keck eSignal, en deling av Interactive Data Corp 800 815-8256, GO BACK. NEUROSHELL TRADER Fractal Adaptive Moving Average. Det fraktal adaptive glidende gjennomsnittet som ble introdusert av John Ehlers i dette nummeret kan enkelt implementeres i NeuroShell Trader ved å kombinere noen få av NeuroShell Trader s 800 indikatorer og en tilpasset indikator, som i seg selv er et veldig nyttig generisk adaptivt glidende gjennomsnitt. For å implementere det fraktale adaptive glidende gjennomsnittet, velg Ny indikator fra Sett inn-menyen, og bruk indikatorveiviseren til å opprette følgende indikatorer. Brukere av NeuroShell Trader kan gå til STOCKS COMMODITIES delen av NeuroShell Trader gratis teknisk support nettsted for å laste ned egendefinerte indikatorer og et eksempeldiagram Figur 6.FIGURE 6 NEUROSHELL TRADER, FRAMA Her ser du NeuroShell Trader-diagrammet som viser det fraktale adaptive glidende gjennomsnittet. For mer informasjon om NeuroShell Trader, besøk --Marge Sherald, Ward Systems Group, Inc 301 662-7950, GO BACK. AMIBROKER Fractal Adaptive Moving Average. I Fractal Adaptive Moving Averages presenterer John Ehlers en ny metode for adaptiv utjevning basert på antagelsen om at markedsprisene er fraktale. Koding av fraktal adaptive glidende gjennomsnitt FRAMA er relativt grei i AmiBroker Formula Language AFL. Takket være dens kraftige array-prosesseringsfunksjoner, kan FRAMA implementeres i AmiBroker uten løkker, noe som gjør den ekstremt rask. Klar til brukskode er presentert i Oppføring 1 Til sammenligning tar koden også et standardeksponentielt glidende gjennomsnitt av samme lengde Figur 7.FIGURE 7 AMIBROKER, FRACTAL ADAPTIVE MOVING AVERAGE Dette AmiBroker skjermbildet viser et prisdiagram av AAPL med en 14-dagers FRAMA rød linje og eksponering FRAMA følger betydelige prisendringer raskere, samtidig som det opprettholder glatthet i trange soner. LISTE 1 FRAMA - Fractal Adaptive Flytende gjennomsnittspris HL 2 N Param N, 16, 2, 40, 2 må være jevn. N3 HHV Høy, N - LLV Lav, N N HH HHV Høy, N 2 LL LLV Lav, N 2.HH HHV Ref Høy, - N 2, N 2 LL LLV Ref Lav, - N 2, N 2.Dimen IIf N1 0 OG N2 0 OG N3 0, logg N1 N2 - logg N3 log 2, Null. alpha exp -4 6 Dimen -1 alfa Min Max alfa, 0 01, 1 bundet til 0 01 1 range. Frama AMA Pris, alfa. Plot Frama, FRAMA N, colorRed, styleThick Plot EMA C, N EMA N, colorBlue Plot C, Lukk, colorBlack, styleCandle. A nedlastbar versjon av formelen er tilgjengelig fra nettstedet - Tomasz Janeczko, GO BACK. NEOTICKER Fractal Adaptive Moving Gjennomsnittlig. Den fraktale adaptive glidende gjennomsnittlige FRAMA-beregningen presentert i artikkelen Fractal Adaptive Moving Averages av John Ehlers kan implementeres som en NeoTicker-indikator. Oppføring 1 viser koden for fraktal adaptiv glidende gjennomsnittlig indikator, med to parametere Den første parameteren er pris, som er en formelparameter som bruker gjennomsnittlig prisberegning som standard. Den andre parameteren er N, som er et heltallsparameter med 16 som standard. NeoTicker fraktal adaptiv Flytende gjennomsnittlig indikator plotter en linje som forbinder beregningsresultatet fra et fraktal gjennomsnitt for hver linje. Denne indikatoren, som alle andre indikatorer, kan brukes i et handelssystem, som vist i eksempeldiagrammet i figur 8, der et crossover-system er konstruert ved hjelp av FRAMA. FIGURE 8 NEOTICKER, FRACTAL ADAPTIVE Moving AVERAGE Her ser du NeoTicker-diagrammet som viser et crossover-system konstruert ved hjelp av FRAMA-indikatoren. En nedlastbar versjon av denne indikatoren og eksempeldiagrammet vil være tilgjengelig på NeoTicker Yahoo User Group. TRADINGSOLUTIONS Fractal Adaptive Moving Average . I hans artikkel Fractal Adaptive Moving Averages beskriver John Ehlers et eksponentielt glidende gjennomsnitt basert på nylige volatili ty, bruk fraktal dimensjoner av de siste prisene for å etablere en alfa. Denne funksjonen er også tilgjengelig som en nedlastbar fil fra TradingSolutions nettsiden i løsningsbiblioteket. Som med mange indikatorer, kan denne funksjonen gi et godt innspill til nevrale nettverksspådommer --Gary Geniesse, NeuroDimension, Inc 800 634-3327, 352 377-5144 GO BACK. FINANCIAL DATA CALCULATOR Fractal Adaptive Moving Average. Artikkelen Fractal Adaptive Moving Averages av John Ehlers viser hvordan man bruker en fraktal dimensjon tilnærming til å lage en eksponentiell glidende gjennomsnittlig adaptiv In Financial Data Calculator FDC, er dette lettest gjort ved hjelp av tre makroer. - Bill Rafter Mathematical Investment Decisions Inc 856 857-9088, GÅ TILBAKE. Alle rettigheter reservert Copyright 2005, Technical Analysis, Inc. Free TradeStation Code. Get gratis, forenklet versjon av verktøyene som TradeStation-eksperter bruker i deres daglige forskning og systembygging. Disse verktøyene hjelper deg med å lære EasyLanguage da de er helt åpne sou rce og la deg bygge komplekse systemer uten at du trenger å vite hvordan du skal kode. Alt du trenger å oppgi, er et navn og en e-postadresse. Ingen kredittkort eller adresse nødvendig. Velkommen til å bruke EasyLanguage. From forfatterne av boken, ved hjelp av EasyLanguage 9 x dette nettstedet gir både nykommere og erfarne TradeStation-brukere likt innblikk i hvordan verdens ledende eksperter bruker plattformen daglig for å gjøre deres forskning og utvikle systemer. På dette nettstedet finner du alt fra gratis TradeStation-kode til TradeStation-indikatorer til den endelige ressursen for å lære EasyLanguage, bruk av EasyLanguage 9 x book. Rangerte ressurser. Det adaptive indikatorbiblioteket justerer automatisk sine indikatorer til halvparten av den nåværende dominerende syklusen basert på bruk av Hilbert-transformasjonen. Hvis vi ser på matematikken for de fleste tekniske indikatorer matte antar at vi bruker halvparten av den dominerende syklusen Vi bruker alltid dem til å stille inn på dette, de vil tilby de samme fysiske egenskapene med dataene i vilkår for høy og lavt nivå Lær mer. I TradeStation-fellesskapet kalles handelssystemer som TradeStation Strategies TradeStation-strategier har en spesiell struktur som du trenger å forstå når du designer dem. På denne siden er Murray Ruggiero Jr en av forfatterne av boken, går gjennom hvordan du utformer disse strategiene og også noen tips og triks som alle TradeStation-brukere burde vite. Les mer. En utmerket ressurs for alle som er interessert i å lære EasyLanguage. Begynn med grunnleggende begreper, leder denne boken raskt leseren til avanserte emner som tekst Funksjoner for å plassere tekst på diagrammer, tegneobjekter, aktivitetsfelt og sannsynlighetskort. Uansett om du er interessert i å kode dine egne ideer eller endre andre koden, vil denne boken definitivt hjelpe deg på veien. Lær mer. Recent Activity. By Murray Ruggiero Jr 27. januar 2015 I dette innlegget forklarer Murray hvordan flere utskriftsfunksjoner fungerer innen TradeStation Begynnelsen og avansert EasyLanguag e elever vil finne dette innlegget nyttig som multiple-output-funksjoner er et kraftig verktøy for handel når du utvikler handelssystemer Les mer. Med Murray Ruggiero Jr 7. november 2014 Se snakkene som Murray ga under TradeStation Labs Etter å ha skrevet mer enn 180 artikler og å være medvirkende redaktør til Futures magazine, viser Murray i denne samtalen hvordan ikke programmører kan programmere sine ideer ved hjelp av EasyLanguage. Dette er et flott utgangspunkt før du leser. Bruk EasyLanguage for 9 X Les mer. av Michael R Bryant. Tekniske indikatorer er en av de grunnleggende elementene av systematisk handel Indikatorer, som bevegelige gjennomsnitt eller stokastikk, kan betraktes som transformasjoner av inngangsserien, typisk pris eller volum utformet for å fremheve et bestemt aspekt av markedet, for eksempel dets utvikling eller konjunktur. Mens det er grunnleggende for de fleste systematiske handelsmetoder, mange handelsfolk unngår de vanligste indikatorene, for eksempel enkle bevegelige gjennomsnitt og relativ styrkeindikator RSI, i tro på at markedet har tilpasset bruken av dem, noe som reduserer effektiviteten. En måte å kompensere for effekten av markedseffektivitet på levedyktigheten av tekniske indikatorer er å endre dem på en meningsfull måte. For eksempel er Chande og Kroll s VIDYA indikator 1 en eksponentielt glidende gjennomsnitt der utjevningsfaktoren er avhengig av volatiliteten på markedet, slik at den effektive tilbakeslagslengden reduseres når volatiliteten øker. I denne artikkelen vil jeg utvikle en utvidelse av den adaptive tilbakekallingsmetoden og vise hvordan man bruker den til en rekke indikatorer med bare noen få ekstra kodelinjer. De resulterende indikatorene gir større allsidighet enn tidligere indikatorer, og kan være mer konsistente med en statistisk oversikt over markedene. Tilpasning av Look-Back Length. Given at markedene stadig forandrer seg, det Det er fornuftig å prøve å tilpasse seg endringene så mye som mulig. De fleste tekniske indikatorene ble opprinnelig utviklet med en fast tilbakekallingslengde, for eksempel tallet av barer i et enkelt glidende gjennomsnitt En rekke forfattere har foreslått å tilpasse tilbakekallingslengden til markedsvolatilitet. For Variable Index Dynamic Average VIDYA-indikatoren brukte for eksempel Chande og Kroll flere forskjellige beregninger, inkludert en volatilitetsindeks basert på en normalisert standardavvik av pris hvor høyere verdier av indeksen resulterte i lavere effektiv tilbaketrukkethet. Tanken var at i perioder med høyere volatilitet skulle det bevegelige gjennomsnittet være mer responsivt mot markedet, mens i perioder med lavere volatilitet var en lengre Periodens glidende gjennomsnitt var mer konsistent med markedets oppførsel. Kaufman tok en noe annen tilnærming. 2 Ideen bak Kaufman Adaptive Moving Average KAMA var at i perioder med høy volatilitet, er du mer sannsynlig å få piskesag som markedet svinger frem og tilbake, noe som resulterer i gjentatte tap For å unngå det, brukte han en lengre periode for det bevegelige gjennomsnittet i perioder med hakkete prishandlinger, slik at ave raseri ville være mindre lydhør overfor volatiliteten i markedet, noe som resulterte i færre reverseringer. Under trending markedsaktivitet ble perioden for glidende gjennomsnitt redusert slik at handler kunne reagere raskere i retningsendringen. For å måle choppiness brukte Kaufman den såkalte effektivitetsgrad ER, som måler absoluttverdien av prisendringen i løpet av tilbakekallingsperioden dividert med summen av de absolutte verdiene for bar-til-bar-prisendringer i samme periode. Hvis for eksempel netto endringen i prisen er null - prisen er den samme på slutten av perioden som i starten - da ER vil være null I dette tilfellet er markedet helt ineffektivt fordi det kan bevege seg mye fra bar til bar, men det går ikke hvor som helst. Hvis markedet derimot beveger seg jevnt i en retning, enten opp eller ned, slik at hver sokkel beveger seg til nettoprisendringen, vil ER være 1 I dette tilfellet er markedet er helt effektiv ved at alle stolpens pris beveger seg s bidrar til trenden Generelt vil ER ligge mellom 0 og 1. En annerledes visning av adaptive Look Back-lengder. Mens mange forskjellige beregninger kunne - og har vært - brukes til å tilpasse tilbakekallingslengder, effektivitetsforholdet Fanger et fundamentalt aspekt av markedsaksjonen, nemlig forskjellen mellom trending og syklisk oppførsel. Høye verdier av ER medfører et sterkt trendende marked, noe som betyr svært liten syklisk bevegelse, og lave verdier av ER medfører lite trend og dermed mer syklisk bevegelse, bortsett fra i tilfelle av liten bevegelse i det hele tatt. Dette har en tendens til å støtte Kaufman s tilnærming. Men hans beslutning om å bruke lengre tilbakekallingslengder i hakkede markeder er basert på 1 antakelsen om at vi tilpasser tilbakegangslengden til et glidende gjennomsnitt, og 2 Ideen om at det bevegelige gjennomsnittet brukes til å utløse en handelsoppføring eller utgang. Et annet synspunkt er det som John Ehlers foreslo gjennom arbeidet med å søke signalbehandling til handel 3 Hans syn er mer i tråd med forsøkene å nærmere modellere delen av markedet av interesse, for eksempel trendkomponenten eller sykluskomponenten. Fra dette synspunkt bør et glidende gjennomsnitt i et hakket marked bruke en kortere tilbakekallingslengde for å mer nøyaktig fange høyere frekvens representert av choppiness, mens i et sterkt trending marked er en lengre tilbakekallings lengde mer i samsvar med markedsbevegelsen. Et tredje synspunkt er det jeg vil vedta her, nemlig en mer statistisk. Først, la oss ikke anta noe mer enn absolutt nødvendig om indikatoren i spørsmålet og hvordan den kan brukes Spesielt, la oss ikke anta at indikatoren i spørsmålet er et glidende gjennomsnitt, og la ikke anta at det er brukt til pris. Det kan for eksempel være volatilitetens RSI eller Flytende gjennomsnitt av stokastisk volum Indikatoren kan brukes sammen med andre indikatorer som en del av en større regel for inngang eller utgang, heller enn av seg selv. Med denne mer statistisk orienterte visningen er målet å c reate trading regler som har statistisk gyldighet, noe som betyr at de passer prishandlingen godt uten overmontering Vi antar ikke at vi vet hvordan markedene fungerer godt nok til å ta bestemte beslutninger om hvorvidt tilbakekallingslengden skal øke eller redusere med noe som effektivitetsforholdet Vi har heller en grunn til å tro at effektivitetsforholdet kan ha relevans, og vi vil derfor inkludere det som en variabel, men vi overlater det til markedet for å fortelle oss om og hvordan det passer. Statistisk testing er vant til fortell oss om handelsstrategien som inneholder indikatoren er statistisk gyldig eller hvis den er overpasset, dvs. ugyldig fordi den passer til støyen i stedet for signalet til markedet. En mer allsidig, adaptiv look-back. Given den foregående diskusjonen, den adaptive utseende lengde utviklet her vil være basert på effektivitetsforholdet ER og vil bruke en parameter for å bestemme forholdet mellom ER og tilbakekallingslengden. Spesielt vurdere følgende equ Ation. VER square ER - 2 ER - 1 2 1 - TrendParam 0 5. hvor VER er variabel effektivitetsforhold, og TrendParam er trendparameteren, som kan ta noen positiv eller negativ verdi, og som bestemmer hvorvidt kollisjonslengden vil øke eller redusere med økende ER. Dette er egentlig bare en måte å reversere ER-forholdet avhengig av trendparameteret Som vist nedenfor, i stedet for å skalere utjevningskonstanten av ER, som Chande og Kroll og Kaufman i hovedsak gjør, bruker vi VER With positive verdier av TrendParam, VER varierer positivt med ER, mens VERD med negative verdier av TrendParam varierer VER negativt med ER Med TrendParam lik null, VER er lik 1 for alle verdier av ER Feltet er tatt for å bedre skala verdiene for bruk som en multiplikator, som forklart next. To beregne den adaptive look-back lengden ved hjelp av denne ligningen, multipliserer vi den opprinnelige verdien av utjevningskonstanten, Alpha, som tilsvarer den opprinnelige tilbakekallingslengden, av VER. VAlfa Alpha VER. in hvilken VAlpha er den adaptive utjevningskonstanten, og Alpha er den opprinnelige verdien av utjevningskonstanten. Forholdet mellom utjevningskonstanten og tilbakekallingslengden er det samme som for eksponentielt glidende gjennomsnitt namely. in hvilke N er utseendet lengde og alfa er utjevningskonstanten. Denne ligningen kan også skrives for N i forhold til Alpha as. Den adaptive lookback lengden er derfor.