Tanya Jawab di JMA Apa Teori Dibalik JMA. Mengapa JMA memiliki parameter PHASE. Apakah JMA memperkirakan deret waktu. Akankah nilai JMA sebelumnya, sudah diplot, berubah saat data baru masuk. Dapatkah saya memperbaiki indikator lain menggunakan JMA Apakah JMA memiliki jaminan khusus Bagaimana JMA dibandingkan dengan filter lainnya. TOPIK UMUM PADA ALAT JURIK Bisakah alat memplot banyak lekukan pada masing-masing bagan. Bisakah alat memproses semua jenis data. Bisakah alat bekerja secara real-time. Apakah algoritma diungkapkan atau hitam-kotak. Apakah alat Jurik perlu melihat masa depan deret waktu. Apakah alat menghasilkan nilai yang serupa di semua platform (TradeStation, Multicharts.). Apakah alat Juriks hadir dengan jaminan. Berapa banyak password instalasi yang saya dapatkan. Apa Teori Dibalik JMA. BAGIAN 1. HARGA GAPS Data time series Smoothing, seperti harga saham harian, untuk menghilangkan noise yang tidak diinginkan pasti akan menghasilkan grafik (indikator) yang bergerak lebih lambat dari pada deret waktu aslinya. Quotslownessquot ini akan menyebabkan plot tersebut tertinggal jauh dari seri aslinya. Misalnya, rata-rata bergerak sederhana 31 hari akan tertinggal dalam rangkaian waktu harga 15 hari. Lag sangat tidak diinginkan karena sistem perdagangan yang menggunakan informasi tersebut akan mengalami penundaan perdagangan. Akhir perdagangan bisa berkali-kali menjadi lebih buruk daripada tidak ada perdagangan sama sekali, karena Anda mungkin membeli atau menjual di sisi yang salah dari siklus pasar. Akibatnya, banyak usaha dilakukan untuk meminimalkan lag, masing-masing dengan kegagalan mereka sendiri. Penaklukan lag sementara tidak membuat asumsi yang menyederhanakan (misal, data terdiri dari siklus yang dilapiskan, perubahan harga harian yang memiliki distribusi Gaussian, semua harga sama pentingnya, dsb.) Bukanlah tugas sepele. Pada akhirnya, JMA harus menggunakan teknologi yang sama dengan yang digunakan militer untuk melacak benda-benda yang bergerak di udara dengan menggunakan radar yang bising. JMA melihat deret waktu harga sebagai gambar berisik dari target bergerak (underlying price yang halus) dan mencoba untuk memperkirakan lokasi target sebenarnya (smooth price). Matematika berpemilik dimodifikasi untuk mempertimbangkan sifat khusus dari deret waktu keuangan. Hasilnya adalah kurva halus halus yang tidak membuat asumsi tentang data yang memiliki komponen siklik apapun. Akibatnya JMA bisa mengubah kuota dimequot jika pasar (moving target) memutuskan untuk mengubah arah atau gap updown dengan jumlah apapun. Tidak ada gap harga yang terlalu besar. BAGIAN 2. SEGALA SESUATU Setelah beberapa tahun melakukan penelitian, kami Riset Jurik menetapkan bahwa filter pengurangan kebisingan yang sempurna untuk data keuangan memiliki persyaratan sebagai berikut: Keterlambatan minimum antara sinyal dan harga, jika pemicu perdagangan terlambat datang. Minimal overshoot, jika tidak, sinyal menghasilkan tingkat harga palsu. Minimum undershoot, jika tidak, waktu hilang menunggu konvergensi setelah selisih harga. Kelancaran maksimal, kecuali pada saat harga gap ke level yang baru. Bila diukur sampai keempat persyaratan ini, semua filter populer (kecuali JMA) berkinerja buruk. Berikut adalah ringkasan filter yang lebih populer. Weighted Moving Average - tidak responsif terhadap gap Exponential Moving Average - undian berisik yang berlebihan Adaptive Moving Averages - (bukan milik kita) biasanya didasarkan pada asumsi yang terlalu menyederhanakan aktivitas pasar dengan mudah tertipu Garis Regresi - tidak responsif terhadap kesenjangan yang berlebihan overshoot Filter FFT - Mudah terdistorsi oleh non-Gaussian kebisingan di jendela data biasanya terlalu kecil untuk secara akurat menentukan siklus yang benar. Filter FIR - memiliki lag yang dikenal sebagai quotgroup delayquot. Tidak ada jalan lain kecuali Anda ingin memotong beberapa sudut. Lihat filter quotBand-Passquot. Filter Band-Pass - tidak ada lag hanya di tengah band frekuensi yang cenderung terombang-ambing dan melampaui harga sebenarnya. Filter Entropy maksimum - mudah terdistorsi oleh noise non-Gaussian di jendela data biasanya terlalu kecil untuk secara akurat menentukan siklus sebenarnya. Filter Polinomial - tidak responsif terhadap kesenjangan overshoot berlebihan Sebaliknya, JMA mengintegrasikan teori informasi dan penyaringan non-linear adaptif dengan cara yang unik. Dengan menggabungkan penilaian konten informasi dalam rangkaian waktu dengan kekuatan transformasi nonlinier adaptif, hasilnya mendorong kuotasi teoritis kuotomatis pada penyaringan waktu keuangan yang menyaring hampir sejauh mungkin. Lagi dan lagi, hadapi Prinsip Ketidakpastian Heisenburg (sesuatu yang tidak pernah diatasi, atau pernah). Sejauh yang kita tahu, JMA adalah yang terbaik. Kami mengundang seseorang untuk menunjukkan sebaliknya. Untuk analisis komparatif lebih banyak tentang kegagalan filter populer, unduh laporan kami. Evolusi Moving Averagesquot dari departemen Laporan Khusus kami. Lihat perbandingan kami terhadap filter populer lainnya. Mengapa JMA memiliki parameter PHASE. Ada dua cara untuk menurunkan noise dalam deret waktu menggunakan JMA. Menambah parameter LENGTH akan membuat JMA bergerak lebih lambat dan dengan demikian mengurangi kebisingan dengan mengorbankan lag tambahan. Sebagai alternatif, Anda dapat mengubah jumlah quotinertiaquot yang terdapat dalam JMA. Inersia seperti massa fisik, semakin banyak yang Anda miliki, semakin sulit untuk mengubah arah. Jadi filter dengan banyak inersia akan memerlukan lebih banyak waktu untuk membalikkan arah dan dengan demikian mengurangi kebisingan dengan mengorbankan overshooting selama pembalikan dalam deret waktu. Semua filter noise kuat memiliki lag dan overshoot, dan JMA tidak terkecuali. Namun, parameter disesuaikan JMAs PHASE and LENGTH menawarkan cara untuk memilih tradeoff optimal antara lag dan overshoot. Ini memberi Anda kesempatan untuk menyempurnakan berbagai indikator teknis. Misalnya, bagan (di sebelah kanan) menunjukkan garis JMA cepat yang melintasi garis JMA yang lebih lambat. Untuk membuat garis JMA yang cepat mengubah kuota sebuah dimequot setiap kali pasar berbalik, hal itu tidak memiliki inersia. Sebaliknya, JMA yang lambat diatur untuk memiliki inersia besar, sehingga memperlambat kemampuannya untuk berbalik selama pembalikan pasar. Pengaturan ini menyebabkan garis yang lebih cepat melintasi garis yang lebih lambat secepat mungkin, sehingga menghasilkan sinyal crossover lag rendah. Jelas, kontrol pengguna terhadap inersia filter memberikan kekuatan yang cukup besar pada filter yang kekurangan kemampuan ini. Apakah JMA memperkirakan deret waktu. Itu tidak meramalkan ke masa depan. JMA mengurangi kebisingan dengan cara yang sama seperti rata-rata bergerak eksponensial, namun berkali-kali lebih baik. Akankah nilai JMA sebelumnya, sudah diplot, berubah saat data baru masuk. Tidak. Untuk setiap titik pada plot JMA, hanya data historis dan data terkini yang digunakan dalam formula. Akibatnya, karena data harga baru tiba di slot waktu berikutnya, nilai JMA yang sudah diplot tidak terpengaruh dan TIDAK PERNAH berubah. Pertimbangkan juga kasus saat bar terakhir di bagan diperbarui secara real time karena setiap tanda centang baru tiba. Karena harga penutupan bar terakhir cenderung berubah, JMA secara otomatis dievaluasi ulang untuk mencerminkan harga penutupan yang baru. Namun, nilai historis JMA (pada semua bar sebelumnya) tetap tidak terpengaruh dan tidak berubah. Seseorang dapat menciptakan indikator yang mengesankan mengenai data historis saat menganalisis nilai masa lalu dan masa depan yang mengelilingi setiap titik data yang sedang diproses. Namun, formula apa pun yang perlu melihat nilai masa depan dalam rangkaian waktu tidak bisa diterapkan dalam perdagangan dunia nyata. Hal ini karena ketika menghitung nilai todays indikator, nilai masa depan tidak ada. Semua indikator Jurik hanya menggunakan data deret saat ini dan sebelumnya dalam perhitungannya. Hal ini memungkinkan semua indikator Jurik bekerja dalam semua kondisi real time. Dapatkah saya memperbaiki indikator lain menggunakan JMA Ya. Kami biasanya mengganti perhitungan rata-rata yang paling banyak bergerak dalam indikator teknis klasik dengan JMA. Ini menghasilkan hasil yang lebih halus dan lebih tepat waktu. Sebagai contoh, dengan hanya memasukkan JMA ke dalam indikator teknis DMI standar, kami menghasilkan indikator DMX, yang disertakan dengan pesanan JMA Anda. Apakah JMA memiliki jaminan khusus Jika Anda menunjukkan kepada kami algoritma non-proprietary untuk rata-rata bergerak yang, bila dikodekan untuk dijalankan di TradeStation, Matlab atau Excel VBA, ia melakukan quotbetterquot daripada rata-rata pergerakan kami dalam jangka pendek, menengah dan panjang dari Berjalan acak, mengembalikan dengan baik lisensi pengguna yang dibeli untuk JMA. Yang kami maksud dengan quotbetterquot adalah rata-rata, rata-rata, lebih mulus dengan jeda rata-rata yang lebih besar daripada perkiraan kami, tidak ada overshoot rata-rata yang lebih besar dan tidak ada garis bawah rata-rata yang lebih besar daripada nilai kami. Yang kami maksud dengan quotshort, framequot medium dan length adalah bahwa perbandingan harus mencakup tiga panjang JMA yang terpisah: 7 (pendek), 35 (medium), 175 (panjang). Apa yang kita maksud dengan jalan acak adalah deret waktu yang dihasilkan oleh jumlah kumulatif 5000 nol-mean, Cauchy membagikan nomor acak. Jaminan terbatas ini bagus hanya untuk bulan pertama Anda telah membeli lisensi pengguna untuk JMA dari kami atau salah satu distributor kami di seluruh dunia. Bagaimana JMA dibandingkan dengan filter lainnya. Filter Kalman mirip dengan JMA karena keduanya merupakan algoritma ampuh yang digunakan untuk memperkirakan perilaku sistem dinamis yang bising saat semua yang harus Anda kerjakan adalah pengukuran data yang bising. Filter Kalman menciptakan ramalan yang mulus dari deret waktu, dan metode ini tidak sesuai untuk seri waktu keuangan karena pasar cenderung menghasilkan putaran goncangan dan kesenjangan harga, perilaku yang tidak khas dari sistem dinamis operasi yang lancar. Akibatnya, smoothing penyaringan Kalman sering tertinggal atau melampaui harga pasar. Sebaliknya, JMA melacak harga pasar dengan ketat dan lancar, beradaptasi dengan kesenjangan sambil menghindari overshoot yang tidak diinginkan. Lihat bagan di bawah untuk contoh. Filter yang dijelaskan di majalah populer adalah rata-rata Kaufmann. Ini adalah rata-rata bergerak eksponensial yang kecepatannya bervariasi sesuai dengan efisiensi tindakan harga. Dengan kata lain, ketika aksi harga berada dalam tren yang jelas dengan sedikit retracement, filter Kaufmann akan meningkat dan saat aksi tersebut mengalami congesting, filter akan melambat. (Lihat grafik di atas) Meskipun sifat adaptifnya membantu mengatasi beberapa lag khas rata-rata pergerakan eksponensial, namun tetap tertinggal jauh di belakang JMA. Lag adalah masalah mendasar bagi semua pedagang. Ingat, setiap bar lag dapat menunda perdagangan Anda dan menolak keuntungan Anda. Rata-rata pergerakan lain yang dijelaskan di majalah populer adalah Chandes VIDYA (Variable Index Dynamic Average). Indeks yang paling sering digunakan di dalam VIDYA untuk mengatur kecepatannya adalah volatilitas harga. Karena volatilitas jangka pendek meningkat, rata-rata pergerakan eksponensial VIDYA dirancang untuk bergerak lebih cepat, dan karena volatilitas menurun, VIDYA melambat. Di permukaan ini masuk akal. Sayangnya, desain ini memiliki cacat yang jelas. Meskipun kemacetan samping harus benar-benar merapikan terlepas dari volatilitasnya, periode kemacetan yang sangat mudah berubah akan dilacak dengan ketat (tidak merapikan) oleh VIDYA. Akibatnya, VIDYA mungkin gagal menghilangkan suara yang tidak diinginkan. Sebagai contoh, bagan membandingkan JMA dengan VIDYA, keduanya mengatur untuk melacak tren penurunan sama baiknya. Namun, selama kemacetan berikutnya, VIDYA gagal menghaluskan lonjakan harga sementara JMA berhasil meluncur melalui obrolan. Dalam perbandingan lain di mana kedua VIDYA dan Juriks JMA ditetapkan memiliki kehalusan yang sama, kita melihat dalam grafik bahwa VIDYA tertinggal. Seperti disebutkan sebelumnya, waktu yang terlambat dapat dengan mudah mencuri keuntungan Anda dalam perdagangan apapun. Dua indikator populer lainnya adalah T3 dan TEMA. Mereka halus dan memiliki sedikit lag. T3 lebih baik dari keduanya. Meskipun demikian, T3 dapat menunjukkan masalah overshoot yang serius, seperti yang terlihat pada grafik di bawah ini. Bergantung pada aplikasi Anda, Anda mungkin tidak menginginkan indikator yang menunjukkan tingkat harga yang tidak dicapai pasar sebenarnya, karena hal ini mungkin secara tidak sengaja memulai perdagangan yang tidak diinginkan. Berikut adalah dua komentar yang ditemukan diposting di forum internet yang relevan: indikator TheT3 sangat baik (dan saya telah menyanyikan puji-pujiannya sebelumnya, dalam daftar ini). Namun, saya memiliki kesempatan untuk mendapatkan beberapa pengukuran pasar alternatif dan saya memperlancarnya. Mereka sangat berperilaku buruk di kali. Saat merapikannya, T3 menjadi tidak stabil dan terlalu buruk, sedangkan JMA melayar dengan benar melalui mereka. quot - Allan Kaminsky allank xmission quotMy view sendiri JMA konsisten dengan apa yang orang lain telah tulis (Ive menghabiskan banyak waktu untuk membandingkan JMA secara visual dengan TEMA Saya tidak akan berpikir sekarang menggunakan TEMA dan bukan JMA).quot Steven Buss sbuss pacbell Sebuah artikel di edisi Januari 2000 tentang TASC menggambarkan rata-rata bergerak yang dirancang pada tahun 1950an memiliki lag yang rendah. Penemunya, Robert Brown, merancang Moving Averagequot quotModified Moving Averagequot (MMA) untuk mengurangi lag dalam memperkirakan persediaan. Dalam rumusnya, regresi linier memperkirakan momentum arus saat ini, yang pada gilirannya digunakan untuk memperkirakan jeda vertikal. Rumus tersebut kemudian mengurangi lag yang diperkirakan dari moving average untuk mendapatkan hasil lag yang rendah. Teknik ini bekerja dengan baik pada grafik harga berperilaku baik (lancar transisi), tapi sekali lagi, jadi lakukan filter lanjutan lainnya. Masalahnya adalah bahwa pasar sebenarnya tidak berperilaku baik. Ukuran kebugaran yang benar adalah seberapa baik filter bekerja pada data keuangan dunia nyata, properti yang dapat diukur dengan tes benchmark benchmark kami yang mapan. Tes ini menunjukkan bahwa MMA melampaui grafik harga, seperti yang digambarkan di bawah ini. Sebagai perbandingan, pengguna dapat mengatur parameter di JMA untuk menyesuaikan jumlah overshoot, bahkan menghilangkannya sepenuhnya. Pilihan ada padamu. Ingat, hal terakhir yang Anda inginkan adalah indikator yang menunjukkan tingkat harga yang tidak dicapai pasar sesungguhnya, karena hal ini mungkin secara tidak sengaja memulai perdagangan yang tidak diinginkan. Dengan MMA, Anda tidak punya pilihan dan harus tahan dengan overshoot apakah Anda suka atau tidak. (Lihat bagan di bawah) Isu TASC edisi Juli 2000 memuat sebuah artikel oleh John Ehlers yang mendeskripsikan sebuah Optimal Elliptical Filterquot quotModified Optimal Elliptical (disingkat di sini sebagai quotMEFquot). Ini adalah contoh analisis sinyal klasik yang luar biasa. Bagan di bawah ini membandingkan MEF dengan JMA yang parameternya (JMA length7, phase50) ditetapkan agar JMA sama dengan MEF. Perbandingannya mengungkapkan kelebihan ini saat menggunakan JMA: JMA merespons ayunan harga yang ekstrim dengan lebih cepat. Akibatnya, setiap nilai ambang yang digunakan untuk memicu sinyal akan dieksekusi lebih cepat oleh JMA. JMA hampir tidak memiliki overshoot, memungkinkan garis sinyal untuk lebih akurat melacak aksi harga tepat setelah pergerakan harga yang besar. JMA meluncur melalui pergerakan pasar kecil. Hal ini memungkinkan Anda untuk fokus pada tindakan harga riil dan bukan aktivitas pasar kecil yang tidak memiliki konsekuensi nyata. Metode favorit di antara para insinyur untuk data time series smoothing adalah menyesuaikan titik data dengan polinomial (eq, spline parabolik atau kubik). Desain yang efisien dari jenis ini adalah kelas yang dikenal sebagai filter Savitzy-Golay. Bagan di bawah ini membandingkan JMA dengan filter Savitzy-Golay cubic-spline (urutan ke-3), yang pengaturan parameternya dipilih paling atas membuatnya melakukan sedekat mungkin dengan JMA. Perhatikan bagaimana lancar JMA meluncur melalui daerah kemacetan perdagangan. Sebaliknya, filter S-G cukup bergerigi. JMA jelas sekali lagi, pemenangnya. Teknik lain yang digunakan untuk mengurangi lag pada moving average filter adalah dengan menambahkan beberapa momentum (slope) dari sinyal ke filter. Hal ini mengurangi lag, namun dengan dua penalti: lebih banyak noise dan overshoot lebih banyak pada pivot pivot points. Untuk mengimbangi kebisingan, seseorang dapat menggunakan filter FIR yang tertimbang secara simetris, yang lebih halus daripada rata-rata bergerak sederhana, yang bobotnya mungkin: 1-2-3-4-3-2-1 dan kemudian menyesuaikan bobot ini untuk menambahkan beberapa lag Mengurangi momentum Keefektifan pendekatan ini ditunjukkan pada gambar di bawah ini (garis merah). Meskipun FIR filter melacak harga secara ketat, masih tertinggal JMA dan juga menunjukkan overshoot yang lebih besar. Selain itu, filter FIR memiliki kelancaran tetap dan perlu didesain ulang untuk setiap kehalusan yang diinginkan. Sebagai perbandingan, pengguna hanya perlu mengubah satu quotsmoothnessquot parameter JMA untuk mendapatkan efek yang diinginkan. JMA tidak hanya menghasilkan plot grafik harga yang lebih baik, namun juga dapat memperbaiki indikator klasik lainnya. Misalnya, perhatikan indikator MACD klasik, yang merupakan perbandingan dua moving averages. Konvergensi mereka (bergerak mendekat) dan divergensi (bergerak terpisah) memberi sinyal bahwa tren pasar berubah arah. Sangat penting bahwa Anda memiliki sedikit penundaan semaksimal mungkin dengan sinyal ini atau perdagangan Anda akan terlambat. Sebagai perbandingan, MACD yang dibuat dengan JMA memiliki kelambatan yang jauh lebih sedikit daripada MACD yang menggunakan rata-rata bergerak eksponensial. Untuk menggambarkan klaim ini, gambar di bawah ini adalah grafik harga hipotetis yang disederhanakan untuk meningkatkan isu-isu penting. Kami melihat bar berukuran sama dalam tren naik, terputus oleh selisih turun yang tiba-tiba. Dua garis berwarna adalah moving average eksponensial yang membentuk MACD. Perhatikan bahwa crossover terjadi dalam waktu lama setelah celah, menyebabkan strategi trading menunggu dan berdagang terlambat, jika sama sekali. Jika Anda mencoba mempercepat waktu indikator ini dengan membuat rata-rata bergerak lebih cepat, garis akan menjadi ribut dan lebih bergerigi. Hal ini cenderung menciptakan pemicu palsu dan perdagangan yang buruk. Di sisi lain, bagan di bawah ini menunjukkan JMA biru yang disesuaikan dengan cepat ke tingkat harga baru, yang memungkinkan crossover sebelumnya dan penunjukan sebelumnya dari sebuah uptrend yang sedang berjalan. Sekarang Anda bisa masuk pasar lebih awal dan naik sebagian besar tren. Berbeda dengan rata-rata pergerakan eksponensial, JMA memiliki parameter tambahan (FASE) yang memungkinkan pengguna menyesuaikan tingkat overshoot. Pada grafik di atas, garis kuning JMA diijinkan melampaui overselling lebih banyak dari yang biru. Ini memberikan crossover yang ideal. Salah satu fitur yang paling sulit untuk disain menjadi filter pemulusan adalah respons adaptif terhadap kesenjangan harga tanpa melampaui tingkat harga yang baru. Hal ini terutama berlaku untuk desain filter yang menggunakan filter sebagai momentum untuk mengurangi lag. Bagan berikut membandingkan overshoot oleh JMA dan Hull moving average (HMA). Pengaturan parameter untuk kedua filter ditetapkan sehingga kinerja steady state mereka hampir sama. Masalah desain lainnya adalah apakah filter tersebut dapat mempertahankan kehalusan yang sama selama pembalikan saat tren berlangsung. Bagan di bawah ini menunjukkan bagaimana JMA bertahan mendekati kelancaran konstan sepanjang keseluruhan siklus, sementara HMA berosilasi pada saat pembalikan. Ini akan menimbulkan masalah bagi strategi yang memicu perdagangan berdasarkan apakah filter bergerak naik atau turun. Terakhir, ada kasus ketika harga naik dan kemudian mundur dalam tren menurun. Hal ini sangat sulit dilacak pada saat mundur. Untungnya, filter adaptif memiliki waktu yang jauh lebih mudah untuk menunjukkan kapan pembalikan terjadi daripada filter tetap, seperti yang ditunjukkan pada tabel di bawah ini. Tentu ada filter yang lebih baik dari JMA, kebanyakan digunakan oleh militer. Tapi jika Anda berada dalam bisnis melacak perdagangan bagus dan bukan pesawat musuh, JMA adalah filter pengurangan kebisingan terjangkau terbaik yang tersedia untuk data pasar keuangan. Kami jamin itu. Indikator Rata-Rata Sejati Sejalan Sejalan adalah peningkatan indikator rentang rata-rata ATR standar, yang merupakan indikator volatilitas populer yang digunakan oleh banyak pedagang. ATR standar adalah indikator yang menakjubkan, namun memiliki satu kelemahan utama. Bila kita menggunakan indikator volatilitas seperti ATR, kita ingin mengetahui tindakan harga sebenarnya dengan berapa bilah berikutnya naik atau turun. Namun, ketika kesenjangan memiliki pengaruh signifikan, seperti pada standar ATR, kita tidak lagi mendapatkan apa yang kita inginkan. Setelah selisih besar, indikator ATR standar tidak lagi mencerminkan volatilitas aksi harga riil. Lihatlah grafik di bawah ini, yang membandingkan indikator ATR standar (biru muda) dengan indikator DIG ATR (kuning). Bagan AAPL 60 Min: Bagan membandingkan DIG ATR (Kuning) yang disempurnakan dengan indikator standar ATR (biru muda). Perhatikan bahwa bahkan ketika celah berukuran sedang terjadi indikator ATR standar melonjak dan tidak lagi mencerminkan kisaran harga aktual, sedangkan DIG ATR bereaksi terhadap celah dengan cara yang jauh lebih ringan dan terus secara akurat mencerminkan kisaran harga. Perhatikan juga bahwa ketika pasar tidak memiliki kesenjangan, indikatornya hampir sama. Sebagian besar pedagang menggunakan standar ATR untuk menempatkan pesanan StopLoss dan TakeProfit. Jika Anda adalah salah satu pedagang ini, Anda benar-benar perlu mencoba indikator DIG ATR (yang gratis). Indikator ini akan membantu Anda mendapatkan lebih banyak dari perdagangan Anda dengan memberi Anda data yang lebih akurat. Panjang disesuaikan Fitur tambahan baru pilih jenis perhitungan full candle only body. Indikator juga disediakan sebagai fungsi. Download Indikator DIG ATR Untuk Layanan Pemrograman Gratis Search IndicatorsStrategies Indikator Premium Klien Kami Katakanlah: Saya baru saja mendapatkan indikator dan hasilnya brilian. Saya sangat senang saya tidak bisa memberi tahu Anda. Saya merasa sudah menjadi pelanggan seumur hidup dan saya yakin ada lebih banyak pekerjaan yang saya ingin Anda lakukan di masa depan. Saya sangat berharap kalian mendapatkan kesuksesan bisnis yang layak Anda dapatkan. Mike R. UK Saya ingin mengucapkan terima kasih atas hasil kerja Anda pada indikator kebiasaan saya. Itu adalah mimpi buruk yang mencoba melihat-lihat 50ETF untuk melihat mana yang memicu peringatan tersebut. Saya telah mengembalikan 10X barang yang Anda bayarkan pada hari pertama. Sekarang saya bisa bekerja dan menunggu bunyi bip berbunyi dan beberapa tindakan. PEKERJAAN BESAR Saya akan kembali dengan lebih banyak pekerjaan untuk Anda segera. Dennis F. Los Angeles, CA Saya hanya ingin mengucapkan terima kasih atas upaya yang dilakukan indikator Pro-Trading untuk melengkapi indikator dan studi saya sebelum Natal, saya harus mengatakan bahwa saya menilai Anda sebagai hal terbaik yang pernah saya hadapi dalam 18 tahun Dari perdagangan. Mark C. New South Wales, Australia Saya sangat puas dengan indikator Anda dan telah menghasilkan uang saya kembali dalam satu hari perdagangan dan yakinlah bahwa ketika saya mencari indikator baru, Anda akan menjadi yang pertama yang akan saya telepon. Bernard G Concord, NH Hai Guys, saya tidak bisa lebih terdorong oleh email Anda. Terima kasih atas penjelasannya dan saya sangat menghargai semuanya. Looking forward untuk melihat produk. Dave S. Sarasota, FL Pekerjaan yang sangat bagus, saya suka tweak yang Anda masukkan. Itu ide bagus, saya sangat menyukai alat bantu visual tambahan dan memilih warna yang membuatnya menonjol. Craig menghargai saya yang dedikasi Anda dalam pekerjaan Anda (selama jam akhir pekan). Sungguh menyenangkan berbisnis dengan kalian lagi. Saya tahu ke mana saya harus pergi untuk permintaan pemrograman spesifik masa depan saya. Robert S. Oranjestad, ArubaKopi dan tempelkan kode di atas ke lingkungan pengembangan Anda di Tradestation atau MultiCharts as Indicator. Kemudian klik kompilasi, atau verifikasikan. Kode ini mendeteksi jika harga penutupan hari ini lebih besar dari atau kurang harga penutupan kemarin. (Ini bisa diletakkan di chart harian atau grafik menit dan close1 mengacu pada bar sebelumnya atau hari sebelumnya) Jika Anda mengetik close2 maka akan mengacu pada 2 hari atau bar yang lalu. Kemudian kita memiliki penjumlahan bar terakhir (panjang 20). Untuk melihat cara kerjanya, Anda dapat mengubah baris kode ini plot1 (summove, quotup-downcountquot) ke plot1 ini (move, quotup-downcountquot) Kemudian klik compile. Anda kemudian dapat melihat plot indikator Anda sebuah garis yang berupa 1, -1 atau 0 Masukan yang tertulis di atas mewakili nilai yang dapat diubah oleh pengguna saat merencanakan indikator pada grafik. Setelah Anda memplot indikator dalam bentuk aslinya Anda dapat mengubah panjangnya menjadi 50 atau 20 atau 100 untuk melihat bagaimana pengaruhnya terhadap plot. Variabel ditunjukkan di sini sebagai quotvarsquot dan ini adalah nilai yang saya buat untuk menyimpan nilai yang dikeluarkan oleh 3 baris kode yang dimulai jika sudah dekat. Dan variabel summove. Summor summation (move, length) Ini berarti variabel summove dibuat dari penambahan jumlah dari 20 bar terakhir (atau length period) bars dengan semua nilai 1 dan -1 dan 0. Anda bisa bereksperimen dengan bermain-main dengan nilai yang berbeda. Contoh pemula no2 (persentase rata-rata bobot rata-rata yang dapat disesuaikan) rata-rata rata-rata yang lambat (dekat, panjang1) cepat (dekat, panjang2) jika nilai1lt0 kemudian nilai10 jika nilai1gt1 kemudian nilai11 Anda dapat membaca kode di atas terlebih dahulu sebelum membuat indikator ini dan melihat apakah Anda dapat melihat Apa yang sedang dilakukannya Ada dua rata-rata bergerak yang digunakan dengan panjang yang lambat 50 dan panjang yang cepat 20, faktor yang disebut input dapat disesuaikan untuk menetapkan bobot pada masing-masing. Jika faktor diatur ke 0,5 maka akan menambah 50 dari rata-rata yang lambat menjadi 50 dari rata-rata yang cepat dan menciptakan rata-rata campuran dari dua periode tersebut. Untuk melihat nilai maksimum faktor penetapan rata-rata yang lambat ke 1, untuk melihat plot yang dibangun seluruhnya dari rata-rata yang lebih cepat, Anda dapat menetapkan faktor ke 0. Anda dapat bereksperimen dengan nilai seperti 0,1 dan 0,9 untuk melihat pengaruh penyesuaian terhadap pembobotan. Jika Anda menggunakan nama value1 atau value2 atau value 99 sebagai variabel, maka Anda tidak perlu mendeklarasikan nama-nama ini di bagian atas. Value2 1-factor adalah cara yang sangat rapi untuk mendapatkan 2 variabel untuk secara otomatis menetapkan 1 dari satu bagian dan 99 dari bagian lainnya sehingga bila ditambahkan, mereka akan selalu membatasi kesalahan pengguna dengan membatasi input dengan membuat variabel membacanya. (Kode untuk nilai1 melakukan ini setelah membaca masukan faktor) Trik kode untuk dicoba Jika Anda melihat variabel lambat dan cepat, Anda akan melihat keduanya menggunakan rata-rata (rata-rata adalah kode ini berarti rata-rata sederhana). Anda dapat mencoba membuat yang lambat menjadi rata-rata tertimbang atau rata-rata eksponensial dan mencampurnya untuk membuat kombinasi rata-rata campuran Anda sendiri. Pemula contoh no3 (Indikator tren biner sederhana) jika rata-rata (dekat, cepat lonjakan) rata-rata gt (dekat, lamban) kemudian mulai binarytrend1 akhir binarytrend lain -1 Indictor ini menentukan trendline kuota yang berarti mengubahnya menjadi angka. Jadi, uptrend 1 downtrend -1 dan nilai awal ditetapkan sebagai 0. Jika Anda memplot periode 80 moving average dan 12 moving average pada grafik, Anda dapat memeriksa indikator tren yang sedang bekerja. Menggunakan pernyataan akhir lainnya untuk mengurangi panjang kode. EG di atas mengasumsikan bahwa jika trennya tidak 1 maka harus -1. Trik kode untuk dicoba Jika Anda mencoba menggunakan metode lain untuk menetapkan tren naik atau turun dan mengganti kode dengan ide Anda. MISALNYA. Anda menggunakan osilator stokastik dengan garis tren di atas 50 dan di bawah 50 berada di bawah tren. Sama dengan 50 yang bisa ditangkap dengan mengatakan ini. Contohnya adalah no4 (algoritma penyesuaian panjang) jika close tertinggi (close, basiclength) atau close terendah (close, basiclength) kemudian mulai monitor monitor1-1 end monitormonitor10.5 jika monitor Kemudian minlength kemudian monitor minlength jika monitor gt maxlength kemudian monitor maxlength Ini adalah tahap pertama pembuatan algoritma untuk mengendalikan panjang yang diterapkan pada sebuah indikator. Anda dapat melihat bahwa jika Anda memplot indikator ini di subgraf 2, rentang antara 50 dan 10 adalah panjang maks dan min yang diizinkan. (Tapi ini adalah input yang dapat disesuaikan) Jika harga membuat tinggi atau rendah baru untuk periode panjang dasar maka akan melambat dengan kenaikan 1 panjang untuk setiap batang sehingga kondisinya benar. Jika harga tidak membuat tinggi atau rendah baru untuk periode yang sama maka akan mengurangi panjang dengan kenaikan 0,5 panjang untuk setiap batang kondisi benar. Trik kode untuk dicoba Jika Anda mencoba mengubah nilai -1 dan jumlah 0,5 sampai lebih besar atau lebih kecil, Anda dapat menyetelnya sesuai dengan kebutuhan Anda. Di bawah ini saya akan menunjukkan cara membangun kode ini menjadi indikator perubahan panjang. Pemula contoh no5 (Panjang rata-rata yang disesuaikan dengan bobot rata-rata tertimbang) jika mendekati tinggi (dekat, dasar dasar) atau mendekati titik terendah (dekat, dasar dasar) kemudian mulai monitor monitor1-1 akhir monitormonitor10.5 lain jika monitor dinyalakan minlength jika monitor gt maxlength maka Monitor maxlength Anda dapat melihat bahwa variabel lain telah ditambahkan yang merupakan rata-rata bergerak tertimbang dan tipuannya di sini adalah mengganti bidang panjang yang biasa dengan monitor algoritma yang menyesuaikan panjang yang diterapkan. Trik kode untuk dicoba Jika Anda memplot rata-rata tertimbang 20 periode di sampingnya pada subgraf satu. Anda dapat melihat bagaimana kode di atas rata-rata berubah rata-rata lebih lambat pada beberapa periode dan lebih cepat pada periode lainnya. Indikator di atas adalah pada subgraf no1 yang dilapisi dengan harga. Contoh kode no4 ditempatkan di sub 2. Anda dapat mengamati perubahan panjang algoritma dalam tindakan dan melihat bagaimana hal itu mempengaruhi kecepatan rata-rata tertimbang. Pemula contoh no6 (Bagaimana cara mencegah pembagian dengan nol kesalahan) Divisi nol adalah masalah yang sering dialami dalam pemrograman. Jawabannya selalu tak terbatas, jadi kita harus mencegah agar tidak terbagi nol sama sekali. Ada dua metode untuk melakukan hal ini. Jika nilai1 0 maka value1value10.0000000001 Jadi kita cukup menambahkan jumlah kecil ke dalamnya, yang sangat kecil itu tidak akan membuat terlalu banyak perbedaan pada output. Jika nilai1 ltgt 0 maka value2 value3 value1 Ini memaksa komputer untuk menanyakan apakah nilai1 adalah 0 atau tidak sebelum melakukan perhitungannya. Jika 0 maka akan mengembalikan nilai default yang diberikan ke value1 pada variabel saat Anda membuatnya. Pemula contoh no7 (Cara menggunakan Fisher Transform)
No comments:
Post a Comment