MetaTrader 4 - Expert Muding Average - perito para o MetaTrader 4 O especialista em Motivo em Mudança para formar sinais comerciais usa uma média móvel. A abertura e o fechamento de posições são realizados quando a média móvel atende ao preço na barra recentemente formada (o índice de barras é igual a 1). O tamanho do lote será otimizado de acordo com um algoritmo especial. O consultor especialista analisa a concordância da média móvel e da tabela de preços de mercado. A verificação é realizada pela função CheckForOpen (). Se a média móvel atender a barra de forma que o primeiro seja maior que o preço aberto, mas inferior ao preço fechado, a posição BUY será aberta. Se a média móvel atende a barra de forma que o primeiro seja inferior ao preço aberto, mas maior do que o preço Fechar, a posição VENDA será aberta. Gerenciamento de dinheiro usado no perito é muito simples, mas efetivo: o controle sobre cada volume de posição é realizado de acordo com os resultados das transações anteriores. Esse algoritmo é implementado pela função LotsOptimized (). O tamanho básico do lote é calculado com base no risco máximo permitido: o parâmetro MaximumRisk exibe a porcentagem de risco básica para cada transação. Geralmente possui um valor entre 0,01 (1) e 1 (100). Por exemplo, se a margem livre (AccountFreeMargin) for igual a 20.500 e as regras de gerenciamento de capital prescrevem para usar o risco de 2, o tamanho do lote básico fará 20500 0.02 1000 0.41. É muito importante controlar a precisão do tamanho do lote e normalizar o resultado com os valores permitidos. Normalmente, são permitidos lotes fraccionados com passo de 0,1. Não será realizada uma transação com volume de 0,41. Para normalizar, a função NormalizeDouble () é usada com precisão até 1 caractere após o ponto. Isso resulta no lote básico de 0,4. O cálculo do lote básico com base na margem livre permite aumentar nos volumes de operação dependendo do sucesso da negociação, ou seja, negociar com o reinvestimento. Este é o mecanismo básico com a gestão obrigatória do capital para aumentar a eficiência comercial. DecreaseFactor é a medida em que o tamanho do lote será reduzido após o comércio não lucrativo. Os valores normais são 2,3,4,5. Se as transações anteriores não fossem rentáveis, os volumes subseqüentes diminuirão por um fator de Diminuição do Fator, a fim de aguardar o período não lucrativo. Este é o principal fator no algoritmo de gerenciamento de capital. A idéia é muito simples: se a negociação estiver aumentando com sucesso, o especialista trabalha com o lote básico ganhando lucro máximo. Após a primeira transação não lucrativa, o especialista reduzirá a velocidade até que uma nova transação positiva seja feita. O algoritmo permite desativar a redução de velocidade, para fazê-lo, é preciso especificar Diminuição do Fator 0. A quantidade das últimas transações sucessivas não lucrativas é calculada no histórico comercial. O lote básico será recalculado nesta base: Assim, o algoritmo permite reduzir eficazmente o risco que ocorre como resultado de uma série de transações não lucrativas. O tamanho do lote é obrigatoriamente verificado quanto ao tamanho mínimo permitido do lote no final da função porque Os cálculos feitos anteriormente podem resultar em lote 0: o especialista é principalmente destinado a trabalhar com o período diário, e no modo de teste - por fazer a preços fechados. Ele só se trocará na abertura de um novo bar, e é por isso que os modos de modelagem de todos os tiques não são necessários. Os resultados dos testes estão representados no relatório. Sei que isso é viável com o aumento de acordo com: Mas eu realmente gostaria de evitar o uso de impulso. Eu mencionei e não encontrei nenhum exemplo adequado ou legível. Basicamente eu quero acompanhar a média móvel de um fluxo contínuo de um fluxo de números de ponto flutuante usando os números 1000 mais recentes como uma amostra de dados. Qual é a maneira mais fácil de conseguir isso, experimentei usar uma matriz circular, uma média móvel exponencial e uma média móvel mais simples e descobriu que os resultados da matriz circular correspondiam melhor às minhas necessidades. 12 de junho 12 às 4:38 Se suas necessidades são simples, você pode tentar usar uma média móvel exponencial. Simplificando, você faz uma variável de acumulador e, conforme seu código examina cada amostra, o código atualiza o acumulador com o novo valor. Você escolhe um alfa constante que está entre 0 e 1, e calcula isso: Você só precisa encontrar um valor de alfa onde o efeito de uma determinada amostra dura apenas cerca de 1000 amostras. Hmmm, na verdade, não tenho certeza de que isso é adequado para você, agora que eu coloquei aqui. O problema é que 1000 é uma janela bastante longa para uma média móvel exponencial. Não tenho certeza se houver um alfa que espalhe a média nos últimos 1000 números, sem fluxo inferior no cálculo do ponto flutuante. Mas se você quisesse uma média menor, como 30 números ou mais, esta é uma maneira muito fácil e rápida de fazê-lo. Respondeu 12 de junho 12 às 4:44 1 na sua postagem. A média móvel exponencial pode permitir que o alfa seja variável. Então isso permite que ele seja usado para calcular médias base de tempo (por exemplo, bytes por segundo). Se o tempo decorrido desde a última atualização do acumulador for superior a 1 segundo, você deixa alfa ser 1.0. Caso contrário, você pode deixar o alfa ser (usecs desde a última atualização1000000). Ndash jxh 12 de junho 12 às 6:21 Basicamente eu quero acompanhar a média móvel de um fluxo contínuo de um fluxo de números de ponto flutuante usando os 1000 números mais recentes como amostra de dados. Observe que as atualizações abaixo atualizam o total como elementos como adicionados substituídos, evitando a passagem O (N) dispendiosa para calcular a soma - necessária para a demanda média. Total é feito um parâmetro diferente de T para suportar, e. Usando um longo tempo quando totalizando 1000 long s, um int para char s, ou um duplo para float total s. Isso é um pouco falho em que numsamples poderia ultrapassar o INTMAX - se você se importar, você poderia usar um sinal não assinado por muito tempo. Ou use um membro adicional de dados do bool para gravar quando o recipiente é preenchido pela primeira vez ao andar de bicicleta numsamples em torno da matriz (o melhor que renomeou algo inócuo como pos). Respondeu 12 de junho 12 às 5:19 um assume que quotvoid operator (T sample) quot é realmente quotvoid operatorltlt (T sample) quot. Ndash oPless Jun 8 14 às 11:52 oPless ahhh. Bem visto. Na verdade, eu quis dizer que ele seria um operador vazio () (amostra T), mas é claro que você poderia usar qualquer notação que você gostasse. Vou consertar, obrigado. Ndash Tony D 8 de junho 14 às 14: 27 Eu quero desenvolver o cálculo da média móvel do preço das ações. Mas cálculos muito complexos foram planejados mais tarde. Meu primeiro passo para saber como calcular a média móvel de forma eficiente. Preciso saber como levar a entrada e retornar a saída de forma eficiente. Considerado data e preço de entrada. Saída de acordo com data, preço e média móvel. Se eu tiver 500 registros e eu quero calcular a média móvel por 5 dias, qual é a maneira eficiente em vez de ir e voltar na matriz de Data e Preço, por favor, sugere qual é a melhor maneira de receber entrada (ArrayList, Table, array Etc) e retornar a saída. Nota: O mês de hoje de 5 dias será a média dos últimos 5 dias, incluindo o preço atual. Ontem MA será a média dos últimos 5 dias de ontem. Eu quero manter os dias flexíveis em vez de 5 pode ser 9, 14, 20 etc. Quinta-feira, 10 de abril de 2008 3:21 PM Se você precisa de um cálculo simples sem o seu esforço do que você pode usar o TA-Lib. Mas se você deseja que seu cálculo seja mais eficiente do que o TA-Lib, então você pode criar seu próprio indicador técnico. TA-Lib é ótimo, mas o problema é que esta biblioteca possui apenas métodos estáticos. Isso significa que quando você precisa calcular os valores da matriz SMA com base em 500 barras de preços, você enviará toda a série de barras e retornará uma série de valores SMA. Mas se você receber um novo valor de 501-st, então você deve enviar novamente toda a matriz e TA-Lib novamente calculará e retornará o conjunto de valores do SMA. Agora imagine que você precisa desse indicador sobre alimentação de preço real e, para cada mudança de preço, você precisa de um novo valor de indicador. Se você tem um indicador não é um grande problema, mas se você tiver centenas de indicadores funcionando, pode ser um problema de desempenho. Eu estava em tal situação e começar a desenvolver indicadores em tempo real que são eficientes e fazer cálculos adicionais para a nova barra de preços ou para barras de preço alteradas apenas. Infelizmente eu nunca precisei do indicador SMA para os meus sistemas de negociação, mas eu tenho isso para EMA, WMA, AD e outros. Um desses indicadores AD é publicado no meu blog e você pode ver de lá qual é a estrutura básica da minha classe de indicadores em tempo real. Espero que você precise de pequenas mudanças para implementar o indicador SMA, porque é um dos mais simples. A lógica é simples. Para calcular o SMA, tudo que você precisa é n últimos valores de preço. Então, a instância da classe terá coleta de preços, que irá armazenar, mantenha apenas o último número de preços, conforme o SMA é definido (no seu caso 5). Então, quando você tiver uma nova barra, você removerá o mais antigo e adicionará um novo e criará o cálculo. Quinta-feira, 10 de abril de 2008 4:04 PM Todas as respostas Há uma biblioteca chamada TA-Lib que faz tudo isso para você e é de código aberto. Tem cerca de 50 indicadores, penso. Nós usamos isso em ambiente de produção e é muito eficiente e realista. Você pode usá-lo em C, Java, C, etc. Se você precisa de um cálculo simples sem o seu esforço do que você pode usar o TA-Lib. Mas se você deseja que seu cálculo seja mais eficiente do que o TA-Lib, então você pode criar seu próprio indicador técnico. TA-Lib é ótimo, mas o problema é que esta biblioteca possui apenas métodos estáticos. Isso significa que quando você precisa calcular os valores da matriz SMA com base em 500 barras de preços, você enviará toda a série de barras e retornará uma série de valores SMA. Mas se você receber um novo valor de 501-st, então você deve enviar novamente toda a matriz e TA-Lib novamente calculará e retornará o conjunto de valores do SMA. Agora imagine que você precisa desse indicador sobre alimentação de preço real e, para cada mudança de preço, você precisa de um novo valor de indicador. Se você tem um indicador não é um grande problema, mas se você tiver centenas de indicadores funcionando, pode ser um problema de desempenho. Eu estava em tal situação e começar a desenvolver indicadores em tempo real que são eficientes e fazer cálculos adicionais para a nova barra de preços ou para barras de preço alteradas apenas. Infelizmente eu nunca precisei do indicador SMA para os meus sistemas de negociação, mas eu tenho isso para EMA, WMA, AD e outros. Um desses indicadores AD é publicado no meu blog e você pode ver de lá qual é a estrutura básica da minha classe de indicadores em tempo real. Espero que você precise de pequenas mudanças para implementar o indicador SMA, porque é um dos mais simples. A lógica é simples. Para calcular o SMA, tudo que você precisa é n últimos valores de preço. Então, a instância da classe terá coleta de preços, que irá armazenar, mantenha apenas o último número de preços, conforme o SMA é definido (no seu caso 5). Então, quando você tiver uma nova barra, você removerá o mais antigo e adicionará um novo e criará o cálculo. Quinta-feira, 10 de abril de 2008 4:04 PM Eu calcularia a média móvel no banco de dados através de um procedimento armazenado ou em um cubo. Você analisou o Analysis Services, tem a capacidade de calcular as médias móveis. Quinta-feira, 10 de abril de 2008 16:05 Sim. TA-LIB é bom, mas pode não ser adequado para mim. Quando eu adicionar novo valor ou valor atualizado para o histórico de registros, farei o cálculo em uma função separada somente para essa nova cotação e armazená-la no banco de dados. Estou planejando atualizar a cotação a cada hora. Preciso fazer cerca de 25 a 30 indicadores técnicos para 2200 ações. Quinta-feira, 10 de abril de 2008 5:51 PM O tempo de execução de uma chamada TA-Lib em uma série de 10000 elementos leva cerca de 15 milissegundos (em um Intel Core Duo 2.13 Ghz). Esta é a média de todas as funções. Entre os mais rápidos, a SMA leva menos de 2,5 milissegundos. O mais lento, HTTRENDMODE, leva 450 milissegundos. Com menos elementos é mais rápido. O SMA leva aproximadamente 0,22 milissegundos para 1000 elementos de entrada. O ganho de velocidade é quase linear (a sobrecarga da execução da função é insignificante). No contexto da sua aplicação, o TA-Lib é muito pouco provável que seja seu gargalo para o desempenho da velocidade. Além disso, geralmente não recomendo essa solução quimica. Leia abaixo para detalhes. Primeiro, uma correção para a afirmação de Boban. s Todas as funções no TA-Lib também podem calcular um único último valor usando um mínimo de quotlast nquot elements. Você pode ter uma matriz de tamanho 10000, ter dados inicializados somente para os primeiros 500 elementos, adicionar um elemento e chamar TA-Lib para calcular o SMA apenas para o novo elemento. TA-Lib olhará para trás não mais do que o necessário (se SMA de 5, então TA-Lib calculará um único SMA usando os últimos 5 valores). Isso é possível com o parâmetro startIdx e endIdx. Você pode especificar um intervalo a ser calculado, ou um único valor. Nesse cenário, você faria startIdx endIdx 500 para calcular o elemento 501st. Por que essa solução quase não é potencialmente perigosa para alguns. Independentemente de selecionar a solução Boban. s ou TA-Lib, considere que usar um pequeno número finito de dados passados não funcionará bem com a maioria das funções TA. Com o SMA, é óbvio que você só precisa do elemento n para calcular um elemento médio sobre n. Não é tão simples com EMA (e muitas outras funções TA). O algoritmo geralmente depende do valor anterior para calcular o novo valor. A função é recursiva. Isso significa que todos os valores passados influenciam os valores futuros. Se você decidir quotlimitquot seu algo para usar apenas uma pequena quantidade de valor passado n, você não obterá o mesmo resultado que alguém que calcula em um grande número de valores passados. A solução é um compromisso entre velocidade e precisão. Muitas vezes, eu discuto isso no contexto da TA-Lib (eu chamo isso de quitação parcial na documentação e no fórum). Para simplificar, a minha recomendação geral é se você não pode fazer a diferença entre um algo com uma resposta de impulso finito (FIR) de um algo com uma resposta de impulso infinito (IIR), você será mais seguro para calcular sobre todos os dados que você possui acessível. TA-Lib especifica no código qual das suas funções possui um período instável (IIR). Editado por mforcer sexta-feira, 15 de agosto de 2008 4:25 da frase de inglês correto sexta-feira, 15 de agosto de 2008 4:20
Comments
Post a Comment