MetaTrader 4 - Indicateurs Moyenne mobile Convergence Divergence, MACD - indicateur pour MetaTrader 4 Moyenne mobile ConvergenceDivergence est le prochain indicateur dynamique suivant la tendance. Il indique la corrélation entre deux moyennes mobiles de prix. Moyenne mobile ConvergenceDivergence, MACD L'indicateur technique de la moyenne mobile ConvergenceDivergence est la différence entre une moyenne mobile exponentielle (EMA) de 26 et de 12 périodes. Afin de montrer clairement les opportunités d'achat, une ligne de signal (moyenne mobile des indicateurs de 9 périodes) est tracée sur la carte MACD. Le MACD se révèle le plus efficace dans les marchés commerciaux à grande oscillation. Il existe trois manières populaires d'utiliser la ConvergenceDivigence de la Moyenne Mouvante: les croisements, la survie des conditions de vie et les divergences. La règle MACD de négociation de base est de vendre lorsque le MACD tombe en dessous de sa ligne de signal. De même, un signal d'achat se produit lorsque la Divergence de Convergence Moyenne Mouvante s'élève au-dessus de sa ligne de signal. Il est également populaire pour buysell quand le MACD va au-dessous de zéro. Le MACD est également utile en tant qu'indicateur overboughtoversold. Lorsque la moyenne mobile plus courte s'écarte de façon spectaculaire de la moyenne mobile plus longue (c'est-à-dire que le MACD augmente), il est probable que le prix de la sécurité est trop étendu et reviendra bientôt à des niveaux plus réalistes. Une indication que la fin de la tendance actuelle peut être proche se produit lorsque le MACD diverge de la sécurité. Une divergence haussière se produit lorsque l'indicateur ConvergenceDivergence moyenne mobile fait de nouveaux sommets alors que les prix ne parviennent pas à atteindre de nouveaux sommets. Une divergence baissière se produit quand le MACD fait de nouveaux bas tandis que les prix n'atteignent pas de nouveaux bas. Ces deux divergences sont les plus significatives lorsqu'elles se produisent à des niveaux relativement plus élevés. Calcul de MACD Le MACD est calculé en soustrayant la valeur d'une moyenne mobile exponentielle de 26 périodes à partir d'une moyenne mobile exponentielle de 12 périodes. Une moyenne mobile en pointillés de 9 périodes du MACD (la ligne de signal) est ensuite tracée sur le dessus du MACD. MACD EMA (CLOSE, 12) - EMA (CLOSE, 26) SIGNAL SMA (MACD, 9) Où: EMA la moyenne mobile exponentielle SMA la moyenne mobile simple SIGNAL la ligne de signal de l'indicateur. Indicateur technique DescriptionMetaTrader 5 - Indicateurs Moyenne mobile exponentielle triple (TEMA) - indicateur pour MetaTrader 5 Le principe de son calcul est similaire à la moyenne mobile exponentielle double (DEMA). Le nom Triple Exponential Moving Average ne reflète pas très correctement son algorithme. Il s'agit d'un mélange unique de la moyenne de lissage exponentiel simple, double et triple fournissant le plus petit lag que chacun d'eux séparément. TEMA peut être utilisé à la place des moyennes mobiles traditionnelles. Il peut être utilisé pour lisser les données de prix, ainsi que pour lisser d'autres indicateurs. (I) Prix (i) - DEMA (Prix, N, ii) er (i) - erreur actuelle de la DEMA Prix (i) - prix courant DEMA (Price, N, i) - valeur actuelle de DEMA de la série Price avec période N. Ensuite, ajoutez la valeur de la moyenne exponentielle de l'erreur et obtenez TEMA: TEMA (i) DEMA (Prix, N, i) EMA (prix, N, i) N, i) DEMA (Prix, N, i) EMA (Prix, N, i) 3 EMA (Prix, N, i) EMA3 (Prix, N, i) - valeur courante de la moyenne exponentielle de l'erreur er EMA3 (Prix, N, i) , N, i) - valeur courante du lissage de prix séquentiel triple. I a essentiellement un tableau de valeurs comme ceci: Le tableau ci-dessus est simplifié, Im collecte 1 valeur par milliseconde dans mon code réel et je dois traiter la sortie sur un Algorithme que j'ai écrit pour trouver le pic le plus proche avant un point dans le temps. Ma logique échoue parce que dans mon exemple ci-dessus, 0.36 est le vrai pic, mais mon algorithme regarderait en arrière et verrait le tout dernier nombre 0.25 comme le pic, car il y a une diminution à 0.24 avant lui. L'objectif est de prendre ces valeurs et de leur appliquer un algorithme qui les lisse un peu pour que je possède des valeurs plus linéaires. (C.-à-d.: Id comme mes résultats à curvy, pas jaggedy) On m'a dit d'appliquer un filtre exponentiel de moyenne mobile à mes valeurs. Comment puis-je le faire C'est vraiment difficile pour moi de lire les équations mathématiques, je traite beaucoup mieux avec le code. Comment puis-je traiter les valeurs dans mon tableau, en appliquant un calcul de moyenne exponentielle de la mobilité pour les égaliser demandée Feb 8 12 at 20h27 Pour calculer une moyenne mobile exponentielle. Vous devez garder un certain état autour et vous avez besoin d'un paramètre de réglage. Cela nécessite une petite classe (en supposant que vous utilisiez Java 5 ou plus tard): Instantiate avec le paramètre de décroissance que vous voulez (peut prendre l'accord doit être entre 0 et 1), puis utilisez la moyenne () pour filtrer. Lors de la lecture d'une page sur une récurrence mathématique, tout ce que vous avez vraiment besoin de savoir lorsque vous le transformer en code est que les mathématiciens aiment écrire des index dans des tableaux et des séquences avec des indices. (Theyve quelques autres notations ainsi, ce qui ne l'aide pas.) Cependant, l'EMA est assez simple car vous devez seulement se souvenir d'une vieille valeur aucune arrays compliqués d'état requis. Répondre févr. 8 12 at 20h42 TKKocheran: Pretty much. Notez que les premiers termes de la séquence moyenne sauteront un peu en raison des effets de frontière, mais vous obtenez ceux avec d'autres moyennes mobiles aussi. Cependant, un bon avantage est que vous pouvez envelopper la logique de la moyenne mobile dans le moyager et expérimenter sans déranger le reste de votre programme trop. Ndash Donal Fellows Feb 9 12 at 0:06 J'ai de la difficulté à comprendre vos questions, mais je vais essayer de répondre de toute façon. 1) Si votre algorithme a trouvé 0,25 au lieu de 0,36, alors il est faux. C'est faux parce qu'il suppose une augmentation ou une diminution monotone (qui monte ou monte toujours). Sauf si vous moyenne toutes vos données, vos points de données --- comme vous les présenter --- sont non linéaires. Si vous voulez vraiment trouver la valeur maximale entre deux points dans le temps, découpez votre tableau de tmin à tmax et trouvez le maximum de ce sous-tableau. 2) Maintenant, le concept de moyennes mobiles est très simple: imaginez que j'ai la liste suivante: 1.4, 1.5, 1.4, 1.5, 1.5. Je peux le lisser en prenant la moyenne de deux nombres: 1.45, 1.45, 1.45, 1.5. Notez que le premier nombre est la moyenne de 1,5 et 1,4 (deuxième et premier nombres) la deuxième (nouvelle liste) est la moyenne de 1,4 et 1,5 (troisième et deuxième liste ancienne) la troisième (nouvelle liste) la moyenne de 1,5 et 1,4 (Quatrième et troisième), et ainsi de suite. J'aurais pu faire la période trois ou quatre, ou n. Remarquez comment les données sont beaucoup plus lisses. Une bonne façon de voir les moyennes mobiles au travail est d'aller à Google Finance, sélectionnez un stock (essayez Tesla Motors assez volatile (TSLA)) et cliquez sur technicals au bas du graphique. Sélectionnez Moyenne mobile avec une période donnée, et Moyenne mobile exponentielle pour comparer leurs différences. Moyenne mobile exponentielle est juste une autre élaboration de cela, mais pondère les données plus anciennes moins que les nouvelles données, c'est une façon de biais le lissage vers l'arrière. Veuillez lire l'entrée de Wikipedia. Donc, c'est plus un commentaire qu'une réponse, mais la petite boîte de commentaire était juste à minuscule. Bonne chance. Si vous avez des problèmes avec les mathématiques, vous pourriez aller avec une moyenne mobile simple au lieu d'exponentielle. Donc, la sortie que vous obtenez serait les derniers termes x divisé par x. Pseudocode non testé: Notez que vous devrez manipuler les parties de début et de fin des données car clairement vous ne pouvez pas moyenne les 5 derniers termes lorsque vous êtes sur votre 2e point de données. En outre, il existe des moyens plus efficaces de calculer cette moyenne mobile (somme somme - la plus récente la plus récente), mais c'est pour obtenir le concept de ce qui se passe à travers. Réponse 2017 Stack Exchange, Inc
No comments:
Post a Comment