Lineêre regressie kleinstekwadrate bewegende gemiddelde

8.5 eindpunt bewegende gemiddelde Die eindpunt bewegende gemiddelde (EPMA) stel 'n gemiddelde prys van pas 'n kleinste kwadrate reguitlyn (sien lineêre regressie) deur die afgelope N dae sluiting pryse en die neem van die eindpunt van die lyn (dws. Die lyn soos op die laaste dag) as die gemiddelde. Hierdie berekening gaan deur 'n aantal ander name, insluitende kleinstekwadrate bewegende gemiddelde (LSQMA), beweeg lineêre regressie, en tydreeks vooruitskatting (TSF). Joe Sharprsquos ldquomodified beweeg averagerdquo is dieselfde ding ook. Die formule beland om 'n eenvoudige geweegde gemiddelde van die verlede N pryse, met gewigte gaan van 2N-1 tot - N2. Dit is maklik afgelei van die kleinste kwadrate formules nie, maar net te kyk na die gewigte die verbinding met kleinste kwadrate is glad nie voor die hand liggend. As P1 is todayrsquos naby, p2 gisters, ens, dan is die gewigte te verminder deur 3 vir elke ouer dag en gaan negatief vir die oudste derde van die N dae. Die volgende grafiek toon dat vir N15. Die negatiewe beteken die gemiddelde is ldquooverweightrdquo op onlangse pryse en kan die prys aksie oorskiet ná 'n skielike sprong. In die algemeen egter, want die ingeboude lyn doelbewus gaan deur die middel van die afgelope pryse die EPMA is geneig om te wees in die middel van die afgelope pryse, of 'n projeksie van waar hulle gelyk te word trending. Itrsquos interessant om die EPMA met 'n plain SMA (sien Eenvoudige bewegende gemiddelde) vergelyk. 'N SBG effektief trek 'n horisontale streep deur die verlede N dae pryse (hulle gemiddelde), terwyl die EPMA trek 'n skuins lyn. Die traagheid aanwyser (sien Traagheid) gebruik die EPMA. Kopiereg 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009 Kevin Ryde kaart is gratis sagteware wat jy kan dit herversprei en / of dit te verander onder die voorwaardes van die GNU General Public License, soos gepubliseer deur die Free Software Foundation óf weergawe 3 , of (as jy wil) enige latere version. When Ek vergelyk die MT4 Least Squares bewegende gemiddelde om Tradestations lineêre regressie kurwe, hulle is beslis dieselfde formule. Maar die MT4 aanwyser het 'n paar mooi rooi / groen / geel kleurkodering wat ek graag 'n baie. My TradeStation aanwyser is net een kleur. As jy kyk na die MT4 Least Squares MA, die kleur kodering logika is nie eenvoudig op / af logika (dit wil sê, as MA GT Ma1 dan groen, as MA Dit Ma1 dan rooi), dit is iets anders. Ek hou van hierdie spesifieke aanwyser kleur en wil dit van toepassing is op die TradeStation lineêre regressie kurwe sodat ek dit kan gebruik op 'n paar nie-forex markte ek ook handel. Ek is redelik vlot in TradeStation aanwyser programmering, maar ek kan nie lees MQL4 kode glad. Im seker ek kan die kleur in die TS LRC aanwyser program as ek die kleur logika in die MQL4 kode kan verstaan. So, my vraag is, wat is die aanwyser kleur kodering logika (in gewone logika state of sinne) in die volgende kode Baie dankie, Scott Enige takers Id lief vir 'n bietjie hulp hier. Net 'n eenvoudige verduideliking van die kleurkodering logika sou my baie gelukkig maak. ne kleur per aanwyser indeks lyn wanneer dit gaan op, dit trek met indeks 2 Toe plat, indeks 1 Toe afgaan, indeks 3 Dit plaas leë waarde in die indekse wat nie gebruik word op enige gegewe bar. Al wat ek weet is, in MT4 GI, die reël is. een lyn een kleur, so as Theres 3 of 5 of 7 kleur, moet Theres 3 of 5 of 7 lyn (en sy GI buffers) wees. Sê jy 'n reël met 2 kleur, rooi en blou wil. Daar, 2 lyn wat jy nodig het, sê die lyn hang, dan die blou lyn en leë waarde die rooi, en vice gebruik jy versa. Linear kleinste kwadrate regressie is by verre die mees gebruikte modelle metode. Dit is wat die meeste mense bedoel wanneer hulle sê dat hulle regressie, lineêre regressie of kleinste kwadrate gebruik om 'n model om hul data te pas. Nie net is lineêre kleinste kwadrate regressie die mees gebruikte modelle metode, maar dit is aangepas om 'n wye verskeidenheid van situasies wat buite sy direkte omvang. Dit speel 'n sterk onderliggende rol in baie ander modellering metodes, insluitende die ander metodes in hierdie afdeling bespreek: lineêre kleinste kwadrate regressie. geweegde kleinste kwadrate regressie en loess. Definisie van 'n lineêre Least Squares Model direk gebruik word, met 'n toepaslike datastel. lineêre kleinste kwadrate regressie gebruik kan word om die data te pas met 'n funksie van die vorm f (PAC PAC) beta0 beta1x1 beta2x2 ldots waarin elke verklarende veranderlike in die funksie vermenigvuldig met 'n onbekende parameter is daar hoogstens een onbekende parameter met geen ooreenstemmende verklarende veranderlike, en al die individuele terme opgesom om die finale funksiewaarde produseer. In statistiese terme, sou 'n funksie wat aan hierdie kriteria 'n lineêre funksie genoem. Die term lineêre gebruik word, selfs al is die funksie nie 'n reguit lyn kan wees, want as die onbekende parameters word beskou as veranderlikes en die verklarende veranderlikes word beskou as bekend koëffisiënte wat ooreenstem met dié veranderlikes wees, dan is die probleem word 'n stelsel (gewoonlik oorbepaalde) lineêre vergelykings wat opgelos kan word vir die waardes van die onbekende parameters. Om die verskillende betekenisse van die woord lineêre onderskei, die lineêre modelle wat hier bespreek word dikwels gesê dat dit lineêr in die parameters of statisties linear. Why Least Squares Lineêre kleinste kwadrate regressie kry ook sy naam aan die manier waarop die raming van die onbekende parameters is bereken. Die metode van kleinste kwadrate wat gebruik word om parameterberaming verkry is onafhanklik in die laat 1700's en die vroeë 1800's ontwikkel is deur die wiskundiges Karl Friedrich Gauss, Adrien Marie Legendre en (moontlik) Robert Adrain Stigler (1978) Harter (1983) Stigler (1986 ) werk in Duitsland, Frankryk en Amerika, onderskeidelik. In die kleinste kwadrate metode die onbekende parameters beraam deur die vermindering van die bedrag van die kwadraat afwykings tussen die data en die model. Die vermindering proses verminder die oorbepaalde stelsel van vergelykings wat gevorm word deur die data om 'n sinvolle stelsel van (p), (waar (p) is die aantal parameters in die funksionele deel van die model) vergelykings in (p) onbekendes. Hierdie nuwe stelsel van vergelykings word dan opgelos die parameter ramings te verkry. Vir meer inligting oor hoe die metode van kleinste kwadrate gebruik word om die parameters te beraam, sien Afdeling 4.4.3.1 leer. Voorbeelde van lineêre funksies Soos net bogenoemde, lineêre modelle is nie beperk tot reguit lyne of vliegtuie, maar sluit 'n redelik wye verskeidenheid van vorms. Byvoorbeeld, 'n eenvoudige kwadratiese kurwe, f (xvec) beta0 beta1x beta x2. lineêr in die statistiese sin. 'N reguitlyngrondslag model in (log (x)), f (xvec) beta0 beta1ln (x). of 'n polinoom in (sin (x)), f (xvec) beta0 beta1sin (x) beta2sin (2x) beta3sin (3x). is ook lineêr in die statistiese sin, want hulle is lineêr in die parameters, maar nie ten opsigte van die waargeneem verklarende veranderlike, (x). Nie-lineêre model Voorbeeld Net soos modelle wat lineêr in die statistiese sin hoef nie te wees lineêr met betrekking tot die verklarende veranderlikes, kan nie-lineêre modelle word lineêr met betrekking tot die verklarende veranderlikes, maar nie ten opsigte van die parameters. Byvoorbeeld, f (xvec) beta0 beta0beta1x lineêr in (x), maar dit kan nie geskryf word in die algemene vorm van 'n lineêre model hierbo aangebied. Dit is omdat die helling van hierdie lyn word uitgedruk as die produk van twee parameters. As gevolg hiervan, kan lineêre kleinste kwadrate regressie gebruik word om hierdie model te pas, maar lineêre kleinste kwadrate kan nie gebruik word nie. sien die volgende afdeling, afdeling 4.1.4.2 vir verdere voorbeelde en bespreking van nie-lineêre modelle. Voordele van Lineêre Least Squares Lineêre kleinste kwadrate regressie het sy plek verdien as die primêre instrument vir prosesmodellering as gevolg van sy doeltreffendheid en volledigheid. Hoewel daar tipes data wat beter beskryf deur funksies wat nie-lineêre in die parameters is baie prosesse in wetenskap en ingenieurswese is goed beskryf deur lineêre modelle. Dit is omdat óf die prosesse inherent lineêre of omdat, oor kort reekse, 'n proses kan goed benader word deur 'n lineêre model. Die raming van die onbekende parameters verkry vanaf lineêre kleinste kwadrate regressie is die optimale skattings van 'n breë klas van moontlike parameterberaming onder die gewone aannames wat vir prosesmodellering. Prakties gesproke, lineêre kleinste kwadrate regressie maak baie doeltreffende gebruik van die data. Goeie resultate kan verkry word met 'n relatief klein datastelle. Ten slotte, die teorie wat verband hou met lineêre regressie is goed verstaan ​​en maak voorsiening vir die konstruksie van verskillende tipes maklik-interpreteerbare statistiese intervalle vir voorspellings, kalibrasies en optimalisaties. Hierdie statistiese intervalle kan dan gebruik word om duidelike antwoorde op wetenskaplike en ingenieurswese vrae gee. Nadele van Lineêre Least Squares Die belangrikste nadele van lineêre kleinste kwadrate is beperkinge in die vorms wat lineêre modelle kan oor lang rye, moontlik swak ekstrapolasie eienskappe, en sensitiwiteit vir uitskieters aanvaar. Lineêre modelle met lineêre terme in die kurwe voorspeller veranderlikes relatief stadig, so vir inherent lineêre prosesse word dit toenemend moeilik om 'n lineêre model wat die data sowel as die omvang van die data verhoog pas te vind. Soos die verklarende veranderlikes geword uiterste, die uitset van die lineêre model sal ook altyd meer ekstreme. Dit beteken dat lineêre modelle nie effektief vir ekstrapolering die resultate van 'n proses waarvoor data nie kan afgehaal word in die omgewing van belang kan wees. Natuurlik ekstrapolasie is potensieel gevaarlik ongeag die model tipe. Ten slotte, terwyl die metode van kleinste kwadrate gee dikwels optimale skattings van die onbekende parameters, dit is baie sensitief vir die teenwoordigheid van ongewone datapunte in die gebruik om 'n model te pas data. Een of twee uitskieters kan soms ernstig skeef die resultate van 'n kleinste kwadrate ontleding. Dit maak model bekragtiging. veral ten opsigte van uitskieters. van kritieke belang om die verkryging van klank antwoorde op die vrae te motiveer die konstruksie van die model. Moving lineêre regressie Die bewegende lineêre regressie indicator is 'n groot bietjie hulpmiddel wat kan jou help om in en uit die mark vinniger. Daar is twee hoof tipes van lineêre regressie: die lineêre regressie tendens lyn en die verskuiwing van lineêre regressie. Beide gebruik die quotleast squaresquot metode om sekere punte te plot. Dit beteken eenvoudig, die vermindering van die afstand tussen twee punte vir jou die minste waarde gee. Hoewel dit lyk net soos 'n bewegende gemiddelde op 'n grafiek, dit reageer baie vinniger. Het jy 'n kyk onder die grafiek. Grootste Jaarlikse Persent n daling in die Dow Jones Die grootste jaarlikse daling in die Dow Jones Industrial Average het plaasgevind toe die gemiddelde op 77,90 punte gesluit op 31 Desember, 1931. Dit was 52,6 laer as aan die begin van die jaar. Bron: Guinness World Records Daar is baie moontlikhede vir die gebruik van 'n bewegende lineêre regressie, maar die mees algemene is wanneer dit gaan oor 'n paar ander gemiddelde. As 'n voorbeeld, die opstel van jou kaarte met 'n 12 tydperk eenvoudige bewegende gemiddelde van die hoogtepunte en 'n 12 tydperk eenvoudige bewegende gemiddelde van die laagtepunte. Toe het die verskuiwing van lineêre regressie te 21. Wanneer die tydperk 21 beweeg lineêre regressie bo die 12 tydperk bewegende gemiddelde van die hoogtepunte, wat 'n koopsein skep kruis. Wanneer die 21 tydperk lineêre regressie kruisies onder die 12 tydperk eenvoudige bewegende gemiddelde van die hoogtepunte, dit is die uitgang. Die teenoorgestelde is waar vir 'n kort ambagte. Het jy 'n blik op die volgende grafiek. Die nadeel van die gebruik van die bewegende lineêre regressie is dat, tensy jy 'n soort van filter gebruik, is dit geneig is om 'n baie geheel verslaan. Die klein 12 tydperk kanaal help neem 'n paar van daardie weg, maar jy kan ook eksperimenteer met die gebruik van RSI, MACD of stogastiese as 'n filter. Ekonomiese Kalender Termyn se PPI Relevansie: Dit is belangrik. (4) n skaal van 1-5 Bron: Amerikaanse Departement van Arbeid, Buro vir Statistiek Arbeid. Geskeduleer Release Tyd: Inligting oor die vorige maand vrygestel om 8:30 ET rondom die 11de van elke maand Producer prysindeks maatreëls pryse van goedere by die groothandel vlak. Die drie hoof kategorieë wat die PPI is: ru, intermediêre, en klaar is, die belangrikste daarvan is die klaarprodukte indeks. Dit is die prys van goedere wat gereed is vir verkoop aan die gebruiker is. Koop By nadere Te koop aan die einde van 'n handel sessie Kabinet Handel Laat opsies handelaars diep out-of-the-geld-opsies sluit deur teen 'n prys gelykstaande aan die helfte blok handel die opsie. Ook bekend as (CAB). CFTC Die Commodities Futures Trading Commission. Reguleer die kommoditeite termynmark bedryf in die VSA Stop orde r 'n Bevel bo of onder die huidige markprys geplaas om verdere beskerming verloor. Die Close die laaste sluitingsprys of reeks aan die einde van 'n handel sessie in 'n bepaalde mark. Vir markte wat 24 uur is, beteken dit gewoonlik die einde van die tydperk van 24 uur. Beste wense Mark McRae inligting, kaarte of voorbeelde wat in hierdie les is slegs vir illustrasie en opvoedkundige doeleindes. Dit moet nie beskou word as advies of 'n aanbeveling aan enige sekuriteit of finansiële instrument te koop of te verkoop. Ons doen nie en kan beleggingsadvies nie bied. Vir verdere inligting kan u lees ons disclaimer. Te druk of 'n afskrif van hierdie les te red in PDF-formaat kliek die gedrukte skakel. Dit sal die les in 'n PDF-formaat wat jy dan kan druk oopmaak. As jy nie vertroud met PDF is of dit nie 'n gratis kopie van Arobat Leser sien instructions. Linear Regressie aanwyser Die lineêre regressie aanwyser gebruik vir tendens identifikasie en tendens volgende in 'n soortgelyke wyse aan bewegende gemiddeldes. Die aanwyser moet nie verwar word met lineêre regressie Lines wat reguit lyne toegerus om 'n reeks van data punte is. Die lineêre regressie aanwyser plotte die eindpunte van 'n hele reeks van lineêre getrek op agtereenvolgende dae regressielyne. Die voordeel van die lineêre regressie aanwyser oor 'n normale bewegende gemiddelde is dat dit minder lag as die bewegende gemiddelde, reageer vinniger op veranderinge in die rigting. Die nadeel is dat dit meer geneig is tot whipsaws. Die lineêre regressie aanwyser is slegs geskik vir die handel sterk tendense. Seine geneem in 'n soortgelyke wyse aan bewegende gemiddeldes. Gebruik die rigting van die lineêre regressie aanwyser om te betree en die uitgang ambagte met 'n aanwyser langer termyn as 'n filter. Gaan lank as die lineêre regressie aanwyser opdaag of verlaat 'n kort handel. Gaan kort (of verlaat 'n lang handel) as die lineêre regressie aanwyser draai af. 'N Variasie op die bogenoemde is om ambagte te voer wanneer die prys gaan oor die lineêre regressie aanwyser, maar nog steeds verlaat wanneer die lineêre regressie aanwyser draai af. Voorbeeld Muis oor grafiek onderskrifte te handel seine te vertoon. Gaan lank L wanneer die prys kruise bo die 100-dag lineêre regressie aanwyser terwyl die 300-dag styg afrit X wanneer die 100-dag lineêre regressie aanwyser draai afgaan lank weer by L wanneer die prys kruise bo die 100-dag lineêre regressie aanwyser afrit X wanneer die 100-dag lineêre regressie aanwyser draai afgaan lang L wanneer die prys kruise bo 100-dag lineêre regressie afrit X wanneer die 100-dag aanwyser draai afgaan lang L wanneer die 300-dag lineêre regressie aanwyser opdaag nadat die prys bo gekruis die 100-dag aanwyser afrit X wanneer die 300-dag lineêre regressie aanwyser draai af. Lomp divergensie op die aanwyser waarsku van 'n groot tendens omkeer. Sluit aan by ons Mailing List Lees Colin Twiggs Trading Dagboek nuusbrief, met opvoedkundige artikels oor handel, tegniese ontleding, aanwysers en nuwe sagteware-bywerkings.