Skip to main content
Дорожка Linear regression
21 / 43
Поиск по архивуБиблиотека
Библиотека

1995выпуск C071-2

Проекционные полосы по наклонам регрессии максимумов и минимумов

Максимумы и минимумы аппроксимируются как два наклона линейной регрессии на общем окне lookback из 14 баров, затем продлеваются в проекционные полосы. Из этих полос формируются масштабированное показание ширины, осциллятор положения и экспоненциально сглаженный осциллятор.

  • Наклон максимумов и наклон минимумов оцениваются отдельно на одном и том же окне lookback из 14 баров путём регрессии максимумов и минимумов по порядковым номерам баров.
  • Нижняя проекционная полоса — наименьшее значение среди текущего минимума и предыдущих 13 минимумов, продлённых на одно–13 кратных наклона минимумов.
  • Верхняя проекционная полоса — наибольшее значение среди текущего максимума и предыдущих 13 максимумов, продлённых на одно–13 кратных наклона максимумов.
  • Ширина проекционных полос, проекционный осциллятор и медленный проекционный осциллятор формируются из этих полос как масштабированное показание ширины, масштабированное положение закрытия и экспоненциальное сглаживание.
Записи этого разбора2 записи
Текущая дорожкаLinear regression112 разборовExponential smoothing117 разборов

От двух наклонов к полосам и показаниям

Наклон максимумов и наклон минимумов аппроксимируются отдельно на одном окне lookback. Каждый наклон — это наклон линейной регрессии максимумов или минимумов по порядковым номерам баров. Эти наклоны затем продлевают более ранние максимумы и минимумы до текущего бара, формируя верхнюю проекционную полосу и нижнюю проекционную полосу. Ширина проекционных полос, проекционный осциллятор и медленный проекционный осциллятор формируются из этих двух полос.

Отдельные наклоны для максимумов и минимумов

На окне lookback из 14 баров наклон минимумов — это наклон линейной регрессии минимумов по порядковым номерам баров в этом окне. На том же окне lookback из 14 баров наклон максимумов — это наклон линейной регрессии максимумов по тем же порядковым номерам баров.

Окно lookback — это фиксированное число последовательных баров, используемое для оценки каждого наклона и для проекции более ранних максимумов и минимумов вперёд.

Как собираются проекционные полосы

Нижняя проекционная полоса — минимум текущего минимума и каждого из предыдущих 13 минимумов, продлённых на одно–13 кратных наклона минимумов. Это наименьшее значение среди текущего минимума и каждого более раннего минимума, продлённого на наклон минимумов, умноженный на число баров до текущего бара.

Верхняя проекционная полоса — максимум текущего максимума и каждого из предыдущих 13 максимумов, продлённых на одно–13 кратных наклона максимумов. Это наибольшее значение среди текущего максимума и каждого более раннего максимума, продлённого на наклон максимумов, умноженный на число баров до текущего бара.

Ширина, положение и сглаженный осциллятор

Ширина проекционных полос равна 200, умноженному на разность верхней и нижней полос, делённую на сумму этих двух полос. Это масштабированное показание ширины, которое сравнивает разрыв между двумя полосами с их суммой.

Проекционный осциллятор равен 100, умноженному на расстояние закрытия над нижней полосой, делённое на расстояние между верхней и нижней полосами. Это масштабированное показание положения, которое помещает закрытие между нижней и верхней полосами.

Медленный проекционный осциллятор — экспоненциальная скользящая средняя проекционного осциллятора с коэффициентом сглаживания, равным 2, делённому на единицу плюс выбранная длина сглаживания. Это экспоненциально сглаженная версия проекционного осциллятора.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
21 из 43 в дорожке «Linear regression»
19951-8 с.Дальше про «Linear regression»Оценка скользящей средней по конечной точке метода наименьших квадратов на известном тестовом рядеСкользящая средняя по конечной точке метода наименьших квадратов — это текущая конечная точка прямой, подогнанной к окну lookback, и архив помещает эту конструкцию среди других сглаживателей по окну lookback, а не как самостоятельное рыночное правило.
Все разборы дорожки · 43 разбора
  1. 1990Построение базовых линий доллара по ставкам, инфляции и остаткам
  2. 1990Построение номинального значения индекса по форвардным прибылям и подогнанной доходности
  3. 1990Построение номинальной цены индекса из прибыли и подобранной доходности
  4. 1990Ценовые траектории с фиксацией конечных точек — это не прогнозы
  5. 1990Построение полиномиальных сглаживателей методом наименьших квадратов
  6. 1991Темпы роста по конечным точкам против согласованности линейной регрессии
  7. 1991Вневыборочные проверки линейных аппроксимаций роста
  8. 1991Тренд как устойчивость, а не прямая линия
  9. 1991Квадратичный тренд, осциллятор остатков и вторичный календарь циклов
  10. 1991Смещение начала отсчёта времени и дивергенция остатков и цены на квадратичной аппроксимации методом наименьших квадратов
  11. 1991Линия тренда наименьших квадратов по упорядоченным ценам
  12. 1992Построение скринингов лог-линейного роста и надёжности
  13. 1992Построение лог-линейных базовых линий темпа роста
  14. 1992Максимум, минимум и закрытие следующей сессии по скользящей линейной регрессии
  15. 1993Проверка индексного мультипликатора цена/прибыль регрессией на краткосрочную ставку
  16. 1994Вложенный экспоненциальный ценовой фильтр с регрессионными начальными значениями
  17. 1994Построение двойного экспоненциального среднего из компенсации лага
  18. 1994Оценка денежной массы как линейной базовой модели опережающего индекса
  19. 1995Построение трендовых каналов методом наименьших квадратов
  20. 1995Holdout-проверки линейного базового прогноза годовых ставок по векселям
  21. 1995Проекционные полосы по наклонам регрессии максимумов и минимумов
  22. 1995Оценка скользящей средней по конечной точке метода наименьших квадратов на известном тестовом ряде
  23. 1996Построение концевой скользящей средней по прямой наименьших квадратов
  24. 1996Оценка согласованности траектории эквити с оверлеем k-ratio
  25. 1996Оценка month-end разрывов доходности для режимов рынка акций
  26. 1996Построение полос стандартной ошибки с сессионным индексом
  27. 1998Оценка линейных регрессионных базовых моделей для стоимостной оценки индекса
  28. 1998R-squared как двухсостоятельный трендовый фильтр на основе подгонки цена-время
  29. 2000Коррекция лага скользящего среднего второго порядка
  30. 2002Линия регрессии цены против беты при отслеживании индекса
  31. 2003Наклон регрессии с гейтом уверенности тренда по r-squared
  32. 2003Построение дивергенции finite-volume-element через сравнение наклонов
  33. 2004Построение дневного балла из регрессии, коррекции и объёма
  34. 2004Построение линий тренда методом наименьших квадратов по упорядоченным ценам
  35. 2007Цели пробоя прямоугольника выше высоты
  36. 2007Подтверждение ценового тренда наклоном регрессии и r-squared
  37. 2008Угол линейной регрессии, собранный как один тренд-фильтр
  38. 2010Свинг-машина с двумя состояниями из четырёх скользящих экстремумов
  39. 2016Оцените тесноту нефтяного комплекса перед дивергенцией или регрессией
  40. 2017Межрыночная дивергенция Nikkei–иена как кейс рыночного режима
  41. 2017Построение коэффициента Калмара и базовых линий линейной регрессии
  42. 2019Послойное построение pair-trade против управления по средней цене спреда
  43. 2020Наклон convolution, построенный из вложенной линейной регрессии
По областиИндикаторы и фильтры682 разбораПо году199575 разборов
Все 112 разборов с записью «Linear regression»
Тоже про «Linear regression»5 разборов
1990Построение полиномиальных сглаживателей методом наименьших квадратов1994Построение двойного экспоненциального среднего из компенсации лага1994Вложенный экспоненциальный ценовой фильтр с регрессионными начальными значениями1994Засев фильтров DEMA2 для построения сигнала MACD1994Инициализация TEMA и DEMA регрессией временного тренда