2005выпуск C101
Адаптивный экспоненциальный фильтр на основе размерности диапазона
Эта архивная статья воспроизводит историческую адаптивную скользящую среднюю, построенную по вложенным диапазонам максимум–минимум. Размерность на основе диапазона отображается в усечённый коэффициент сглаживания, затем к середине каждого бара применяется экспоненциальное сглаживание после прогрева по чётному lookback.
- По умолчанию на вход подаётся середина максимума и минимума каждого бара, а конструкция использует чётный lookback с заданным значением по умолчанию 16 баров.
- Масштабированные диапазоны максимум–минимум на первом полуокне, втором полуокне и полном lookback образуют размерность на основе диапазона только тогда, когда все три меры положительны.
- Коэффициент сглаживания получают, экспоненцируя -4.6, умноженное на оценку размерности минус единица, затем усекают до замкнутого интервала от 0.01 до 1.
- Пока недоступны N плюс один бар, выход равен текущему наблюдению; после этого это экспоненциальная смесь этого наблюдения и предыдущего выхода.
Что делает конструкция
Эта архивная статья воспроизводит исторический рабочий процесс для адаптивной скользящей средней. Это название означает сглаживатель, вес смешивания которого меняется вместе с измеренной диагностикой состояния рынка, а не остаётся фиксированной константой. Обновление — это экспоненциальное сглаживание, одношаговая рекуррентная формула, которая смешивает новейшее наблюдение с предыдущим выходом с помощью коэффициента между нулём и единицей.
Наблюдение по умолчанию и чётный lookback
Наблюдение по умолчанию, подаваемое на фильтр, — это середина максимума и минимума каждого бара. Конструкция использует чётный lookback, то есть чётное число баров, которое задаёт и парные полуокна для мер диапазона, и прогрев до применения рекуррентной формулы. Заданное значение по умолчанию для этой длины — 16 баров.
Меры диапазона и размерность на основе диапазона
Диапазоны максимум–минимум измеряются на первом полуокне, втором полуокне и полном lookback, затем масштабируются соответствующей длиной окна. Размерность на основе диапазона — это log-отношение диапазонов максимум–минимум полуокон и полного окна, которое растёт, когда траектория выглядит более пространствозаполняющей на протяжении lookback. Оценка формируется как log суммы двух мер диапазона полуокон минус log меры диапазона полного окна, делённое на log числа 2, и только когда все три меры диапазона положительны.
Коэффициент сглаживания и рекурсивный выход
Коэффициент сглаживания — это вес, применяемый к текущему наблюдению в экспоненциальном обновлении. Его получают из оценки размерности, экспоненцируя -4.6, умноженное на оценку размерности минус единица, затем принудительно удерживают внутри замкнутого интервала от 0.01 до 1. После прогрева выход представляет собой экспоненциальную смесь текущего наблюдения и предыдущего выхода, где двумя весами служат коэффициент и единица минус коэффициент. Пока недоступны N плюс один бар, выход полагается равным текущему наблюдению, а не рекурсивному обновлению.
Все разборы дорожки · 24 разбора
- 1991Построение скользящих средних переменной длины по разбиению изменений цены
- 1991Скользящая средняя переменной длины по дисперсии изменений
- 1992Построение адаптивного к волатильности экспоненциального сглаживания
- 1995Построение адаптивной скользящей средней с коэффициентом эффективности и фильтром
- 1995Подтверждение пробоя по двум воротам с адаптивными средними
- 1995Построение адаптивных скользящих средних, масштабируемых импульсом
- 1995Адаптивная длина как выбор конструкции внутри экспоненциального сглаживания
- 1998Тестирование пробоев ценового канала с адаптивной средней, учитывающей лаг
- 1998Построение фильтров вложением смещений и переменных весов
- 1998Построение адаптивного среднего по коэффициенту эффективности и фильтра входа
- 2001Кодирование структуры свечи как числового фильтра
- 2001Адаптивные средние, управляемые скоростью фазы цикла
- 2005Построение адаптивной скользящей средней из веса фрактальной размерности
- 2005Адаптивный экспоненциальный фильтр на основе размерности диапазона
- 2010Построение простой, экспоненциальной и адаптивной средних
- 2010Как из обычных средних собирается сглаживатель, который прижимается к ценам
- 2013Оценка адаптивной скользящей средней в сравнении со скользящей средней с тем же окном
- 2016Трёхслойное подтверждение: адаптивная средняя, стохастический индекс относительной силы и stop-and-reverse
- 2017Одно-альфа reverse-path экспоненциальное сглаживание
- 2018Поставьте в пару две адаптивные средние, чтобы отфильтровать свинг-развороты
- 2018Две адаптивные скользящие средние как подтверждающая пара
- 2018Построение адаптивного фильтра для разворотов цикла освоения
- 2018Построение deviation-scaled adaptive moving average
- 2020Walk-forward и адаптивные средние как два теста одного и того же тренда