نظریه و اجرای شاخص های سازگار پیشرفته در MQL5

این مقاله بر اساس دو کتاب عالی توسط جان اف. ایلرز است: "علوم موشک برای معامله گران" و "تجزیه و تحلیل сybeetic برای سهام و آینده". رویکرد غیرمعمول برای تجزیه و تحلیل بازار با استفاده از روشهای پردازش سیگنال دیجیتال و اتخاذ اعداد پیچیده برای تشخیص چرخه بازار باعث شد که من عمیق تر به این موضوع بروم و متعاقباً در MQL5 سه شاخص سازگار ارائه شده توسط J. F. Ehlers اجرا کنم.

در این مقاله نظریه اساسی در پشت شاخص های سازگار و اجرای MQL5 آنها شرح داده شده است. شاخص های تطبیقی با همتایان غیر سازگار خود مقایسه می شوند.

تعداد پیچیده و فاز برای اندازه گیری چرخه بازار

مفهوم تئوری اعداد پیچیده ممکن است برای خوانندگانی که دارای پیشینه غیر مهندسی هستند ، بسیار گیج کننده باشد ، بنابراین توصیه می کنم قبل از خواندن این مقاله ، به تئوری در مورد ویکی بپردازید و یک آموزش در مورد شماره های پیچیده را تماشا کنید.

وکتور فازور یا فاز یک بردار است که دامنه و فاز یک چرخه را نشان می دهد. طبق فرمول اویلر A موج سینوسی را می توان به عنوان مجموع دو مؤلفه شماره پیچیده نشان داد. لطفاً فازور چرخان را که یک چرخه موج در زیر را نشان می دهد ، مشاهده کنید.

دیدن این انیمیشن برای اولین بار ممکن است شما را به طور صحیح بخوانید که به طور صحیح رابطه Phasor با یک چرخه را بخوانید. برای درک اینکه شما باید ذهن خود را تغییر دهید تا چرخه ای را که نه به عنوان یک شکل موج معمول قابل مشاهده در قسمت سمت چپ انیمیشن است ، بلکه به عنوان فازور چرخان در سمت راست تشخیص دهید.

در ابتدا این ممکن است تصور دشوار باشد ، اما من راهی برای فکر کردن در مورد آن پیدا کردم: چرخش کامل یک فازور 360 درجه یا رادین است ، همین برای یک چرخه کامل است. زاویه فعلی یک فازور نشان می دهد که در آن قسمت از چرخه (فاز) ما در آن قرار داریم. محور Y نشان دهنده دامنه یک چرخه در یک مرحله معین است.

phasor را می توان به دو مؤلفه تقسیم کرد: مؤلفه inphase (Cosine) و مؤلفه چهارگوش (SINE). توضیحات دقیق در مورد استخراج این مؤلفه ها در فصل 6 "هیلبرت تبدیل" کتاب "علوم موشک برای معامله گران" موجود است. اگر کسی علاقه مند است ، لطفاً این فصل را با دقت دنبال کنید.

در حال حاضر شما فقط باید روی این واقعیت تمرکز کنید که برای محاسبه شاخص های سازگار باید سیگنال تحلیلی (شکل موج) را به یک سیگنال پیچیده متشکل از دو مؤلفه تبدیل کنیم. چگونه می توانیم به این هدف برسیم؟آیا من به هیلبرت تبدیل اشاره کردم؟بله ، واقعاًتبدیل هیلبرت فقط قادر به همین است.

دوره چرخه اندازه گیری

به منظور تبدیل هیلبرت در کتاب خود ، سریال Transform Hilbert را به چهار عنصر تبدیل کرد.

معادله برای مؤلفه چهارگوش:

و معادله برای مؤلفه INPHASE با سه نوار به تأخیر می افتد:

با محاسبه مؤلفه های INPHASE و QUADRATURE ، می توان محاسبه فاز دیفرانسیل را از زاویه فاز اندازه گیری شده برای نوار فعلی و زاویه فاز اندازه گیری شده یک نوار قبل انجام داد. فاز برای نوار فعلی و فاز برای نوار قبلی است. با استفاده از هویت مثلثاتی:

ما معادله ای را برای فاز دیفرانسیل به عنوان دلتافاز بدست می آوریم.

آقای Ehlers محدودیت های اضافی را بر روی متغیر Deltaphase قرار می دهد: نتیجه نمی تواند منفی باشد و دلتاافاز به رادیان محدود می شود (به معنای چرخه بین 6 تا 63 میله). به نظر می رسد که Deltaphase که بر روی داده های واقعی اندازه گیری می شود بسیار پر سر و صدا است ، بنابراین نیاز به صاف کردن دارد.

بهترین روش هموار سازی در داده های سنبله ، فیلتر میانه است ، بنابراین یک میانه از پنج نمونه از دلتاافاز متغیر mediandelta است. Mediandelta تقسیم شده برای محاسبه چرخه غالب ، چرخه بازار مورد نظر ما استفاده می شود.

در طی آزمایشات توسعه ، معلوم شد که تعصب در حدود 0. 5 در اندازه گیری وجود دارد که باید برداشته شود و مدت جبران خسارت برای حذف آن تعصب اضافه شود. سرانجام ، چرخه غالب دو بار توسط EMA با مقادیر آلفا برابر با 0. 33 و 0. 15 به ترتیب صاف می شود. من واقعاً توصیه می کنم کتاب را بخوانید تا استحکام الگوریتم اعمال شده در یک موج سینوسی را ببینید که دوره چرخه آن به تدریج از 6 به 40 افزایش یافته است.

از آنجا که شما به دانش نظری مجهز هستید ، ما آماده اجرای شاخص CyclePeriod در MQL5 هستیم.

شاخص دوره چرخه

این شاخص از دو خط تشکیل شده است: خط چرخه که دوره چرخه و یک خط ماشه را نشان می دهد ، که اساساً یک خط چرخه است که توسط یک نوار به تأخیر می افتد. اگر توضیحات را در بخش "دوره چرخه اندازه گیری" و کد منبع در عملکرد Oncalculate () دنبال کنید ، به راحتی قادر خواهید بود با کدام خطوط مسئول اندازه گیری دوره چرخه باشند.

ما می توانیم آن را با پیوستن به هر نمودار آزمایش کنیم - این برای هر امنیتی و برای هر بازه زمانی کار خواهد کرد.

لطفاً تصویر زیر را ببینید.

با استفاده از این نشانگر در فضای کاری ما ، ما قادر به اجرای یک نژاد جدید از شاخص های تطبیقی هستیم - شاخص هایی که با یک دوره چرخه فعلی بازار سازگار هستند.

نشانگر چرخه سایبر

نشانگر چرخه سایبر یک فیلتر پر عبور است که از "تجزیه و تحلیل сybeetic برای سهام و آینده" گرفته شده است. این فیلتر فقط مؤلفه حالت چرخه را از Timeseries می گذارد.

اجزای چرخه دو نوار و سه نوار اضافی با هموار سازی آن با یک فیلتر پاس پاسپولیس محدود ، از نتیجه استخراج می شوند.

کد شاخص MQL5 برای این و سایر شاخص های مقاله اقتباس از زبان EFL (Tradestation) که در کتاب شرح داده شده است.

یک تصویر از نشانگر در زیر چسبانده شده است.

همانطور که ممکن است متوجه شوید که تمام شاخص های این مقاله ظاهری مشابه دارند ، اما آنها الگوریتم های بسیار متفاوتی را پیاده سازی می کنند.

روش اصلی تجارت برای این شاخص ساده است: وقتی خط چرخه از بالای خط ماشه عبور می کند ، بخرید. وقتی خط چرخه از زیر خط ماشه عبور می کند ، بفروشید. ممکن است بخواهید و با استفاده از این نشانگر ، استراتژی خود و یک ماژول از سیگنال های معاملاتی را تشویق می کنید.

نشانگر چرخه سایبر تطبیقی

ماهیت این مقاله ارائه این است که چگونه می توانیم شاخص ها را سازگار کنیم ، یعنی نحوه محاسبه آنها با ورودی های دوره پویا به جای یک تنظیم استاتیک. برای دستیابی به این هدف ، ما باید به نشانگر CyclePeriod متصل شویم تا دوره فعلی را بخوانیم و بعداً از این خواندن در عملکرد Oncalculate () استفاده کنیم.

در ابتدا باید دسته نشانگر را بدست آوریم:

و سپس آن را درون عملکرد Oncalculate () بخوانید:

آلفای متحرک اکتشافی مربوط به طول یک میانگین متحرک ساده توسط معادله است ، در شاخص چرخه سایبر تطبیقی آقای Ehlers از دوره چرخه غالب به عنوان طول محاسبه ضریب Alpha1 استفاده کرد.

کد منبع کامل در زیر موجود است:

لطفاً نشانگر را در تصویر پیوست مشاهده کنید.

اولین شاخص سازگار ما آماده است. طبق این کتاب باید نسبت به نسخه غیر سازگار پاسخگوتر باشد.

خرید و فروش سیگنال ها اغلب باید یک نوار زودتر از نسخه غیر سازگار رخ دهد.

ما می توانیم با دو نمونه شاخص دیگر پیش برویم ، برای شما کافی است که طرح ایجاد شاخص های سازگار را بفهمید.

مرکز ثقل

منظور ما از مرکز ثقل برای هر شیء فیزیکی است که منظور ما از نقطه تعادل آن است. ایده معرفی این مفهوم در معاملات ناشی از مشاهده چگونگی تاخیر در فیلترهای مختلف با ضرایب فیلتر است.

برای SMA - میانگین متحرک ساده ، همه مواد مخدر برابر هستند ، مرکز ثقل در وسط قرار دارد.

برای میانگین متحرک WMA ، آخرین قیمت ها از قیمت های قدیمی تر مهمتر هستند. به طور خاص ، ضرایب WMA طرح کلی مثلث را توصیف می کند. مرکز ثقل مثلث در یک سوم طول پایه مثلث است. معادله عمومی تر برای مرکز محاسبات گرانش در یک پنجره مشاهده معین به شرح زیر است:

موقعیت نقطه تعادل ، جمع بندی محصول موقعیت در داخل پنجره است که قیمت آن در این موقعیت (1+ در معادله معرفی شده است زیرا ما از 0 تا n و نه از 1 تا n) تقسیم می شویمقیمت در پنجره.

ویژگی اصلی CG این است که همراه با نوسانات قیمت کاهش می یابد و افزایش می یابد و در اصل یک نوسان ساز صفر است.

لطفاً کد منبع را در زیر پیدا کنید:

تصویر زیر. لطفاً تاخیر کوچک را توجه کنید.

مرکز تطبیقی شاخص گرانش

اسیلاتور CG مرکز ثقل را در یک پنجره طول ثابت پیدا می کند. نوسان ساز CG تطبیقی از نیمی از دوره چرخه غالب اندازه گیری شده به عنوان طول پنجره پویا استفاده می کند. به منظور استخراج نیمی از دوره چرخه غالب اندازه گیری شده از کد زیر استفاده شد.

لطفاً کد منبع کامل نشانگر را در زیر پیدا کنید و آن را با نسخه غیر سازگار آن و همچنین با شاخص چرخه سایبری تطبیقی برای شباهت ها مقایسه کنید.

لطفاً تصویر نشانگر AdaptiveCg را در زیر مشاهده کنید.

نشانگر RVI

RVI مخفف شاخص قدرت نسبی است. نظریه اساسی این شاخص این است که قیمت ها تمایل به قیمت نزدیک بالاتر از قیمت باز در بازارهای گاو نر و قیمت نزدیک پایین تر از قیمت باز در بازارهای خرس دارند.

قدرت این حرکت با اختلاف قیمت نزدیک به قیمت باز نسبت به محدوده معاملات روزانه اندازه گیری می شود.

این یک شاخص کاملاً شناخته شده برای بسیاری از کاربران Metatrader است زیرا اکنون در نصب Metatrader 5 تعبیه شده است.

من هنوز کد منبع را برای مرجع چسبانده ام:

تصویری از نشانگر استاندارد RVI با دوره تنظیم شده روی پیش فرض 10 در زیر چسبانده شده است.

نشانگر RVI تطبیقی

مانند دو شاخص تطبیقی قبلی ، ما باید اندازه گیری چرخه غالب را از شاخص CyclePeriod استخراج کنیم و آن را در دوره RVI اعمال کنیم. متغیر "طول" به عنوان میانگین متحرک وزن چهار بار از دوره محاسبه می شود:

لطفاً کد منبع کامل نشانگر RVI تطبیقی را در زیر پیدا کنید.

تصویری از نشانگر RVI تطبیقی با طول پنجره پویا:

نتیجه

در این مقاله سه شاخص فنی تطبیقی رفتار و اجرای MQL5 ارائه شده است.

مکانیسم اجرای شاخص های تطبیقی باید پس از خواندن مقاله به وضوح قابل درک باشد. تمام شاخص های توصیف شده در پیوست ها موجود است.

نویسنده تشویق به آزمایش و ساخت سایر شاخص های تطبیقی از مواردی که از قبل موجود است.

مقالات دیگر این نویسنده

• امنیت کد MQL5: محافظت از رمز عبور ، ژنراتورهای کلیدی ، محدودیت های زمانی ، مجوزهای از راه دور و تکنیک های رمزگذاری کلید پیشرفته EA
• MQL5-RPC. روشهای روش از راه دور از MQL5: دسترسی به سرویس وب و آنالایزر ATC XML-RPC برای سرگرمی و سود
• استفاده از تبدیل فیشر و تبدیل فیشر معکوس به تجزیه و تحلیل بازارها در متاترادر 5
• با استفاده از شاخص های Metatrader 5 با چارچوب یادگیری ماشین Encog برای پیش بینی دوران
• با استفاده از صادرات بدون کنترل ، کد C# را در MQL5 قرار دهید
• Moving Mini-Max: یک شاخص جدید برای تجزیه و تحلیل فنی و اجرای آن در MQL5

من روش تغییر دوره متغیر را برای تغییر متفاوت دیگر در حال تغییر هزینه 6. 28318 و شاید شماره محاسبه 0. 5 در این معادله "DC = (6. 28318/mediandelta) +0. 5 ؛" پیدا می کنم. "در قانون دوره چرخه ، اگر کسی همان شک را داشته باشد. من فهمیدم که شاید در مقاله اشتباهی رخ داده باشد یا کاملاً واضح نیست که چرا توصیف دلتافاز بین 0. 1 ، 1. 1 و در کد بین 0. 1 ، 0. 9 محدود شده است. می خواهم بگویم که این فقط شک و تردیدهای من است اما این یک مقاله عالی است. خیلی ممنون.