M งวด เฉลี่ยเคลื่อนที่

การคาดการณ์การเคลื่อนที่โดยเฉลี่ยขณะที่คุณอาจคาดเดาเรากำลังมองหาวิธีการดั้งเดิมบางอย่างในการคาดการณ์ แต่หวังว่าอย่างน้อยการแนะนำอย่างคุ้มค่าสำหรับประเด็นด้านคอมพิวเตอร์บางอย่างที่เกี่ยวข้องกับการคาดการณ์ในสเปรดชีตในหลอดเลือดดำนี้เราจะดำเนินต่อไป เริ่มต้นที่จุดเริ่มต้นและเริ่มทำงานกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่การคาดการณ์เฉลี่ยโดยเฉลี่ยทุกคนคุ้นเคยกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยไม่คำนึงถึงว่าพวกเขาเชื่อหรือไม่ว่าพวกเขาเป็นนักศึกษาวิทยาลัยทุกคนทำตลอดเวลาคิดถึงคะแนนการทดสอบของคุณในหลักสูตรที่คุณกำลังจะไป มีการทดสอบสี่ครั้งในระหว่างภาคการศึกษา Let s สมมติว่าคุณมี 85 คนในการทดสอบครั้งแรกคุณจะทำนายคะแนนทดสอบที่สองคุณคิดอย่างไรว่าครูของคุณจะคาดการณ์คะแนนทดสอบต่อไปคุณคิดว่าเพื่อนของคุณอาจคาดเดาได้อย่างไร สำหรับคะแนนการทดสอบถัดไปคุณคิดว่าพ่อแม่ของคุณอาจคาดเดาคะแนนการทดสอบต่อไปของคุณได้โดยไม่ต้องพึ่งการทำร้ายทั้งหมดที่คุณอาจทำกับคุณ iends และพ่อแม่พวกเขาและครูของคุณมีแนวโน้มที่จะคาดหวังว่าคุณจะได้รับบางสิ่งบางอย่างในพื้นที่ของ 85 ที่คุณเพิ่งได้ดีตอนนี้ให้สมมติว่าแม้จะมีการโปรโมตตัวเองให้กับเพื่อน ๆ ของคุณ และตัวเลขที่คุณสามารถศึกษาได้น้อยกว่าสำหรับการทดสอบที่สองและเพื่อให้คุณได้รับ 73. ตอนนี้สิ่งที่ทุกคนกังวลและไม่แยแสคาดว่าคุณจะได้รับในการทดสอบที่สามของคุณมีสองวิธีมีโอกาสมากสำหรับพวกเขาในการพัฒนาประมาณการโดยไม่คำนึงถึง ไม่ว่าพวกเขาจะแบ่งปันกับคุณพวกเขาอาจพูดกับตัวเองว่าผู้ชายคนนี้มักจะเป่าควันเกี่ยวกับสมาร์ทของเขาเขาจะได้รับอีก 73 ถ้าเขาโชคดีอาจเป็นพ่อแม่จะพยายามที่จะสนับสนุนมากขึ้นและพูดว่าดีดังนั้น ไกลคุณได้รับ 85 และ 73 ดังนั้นบางทีคุณควรจะคิดเกี่ยวกับการเกี่ยวกับ 85 73 2 79 ฉัน don t รู้บางทีถ้าคุณได้ปาร์ตี้น้อยและ weren t wagging วีเซิลทั่วสถานที่และถ้าคุณเริ่มต้นทำ มากขึ้นการศึกษาที่คุณจะได้รับคะแนนสูงกว่าทั้งสองประมาณการเหล่านี้เป็นจริง การคาดการณ์โดยเฉลี่ยของการเคลื่อนที่เป็นอันดับแรกอันดับแรกใช้เฉพาะคะแนนล่าสุดของคุณที่จะคาดการณ์ประสิทธิภาพในอนาคตของคุณซึ่งเรียกว่าการคาดการณ์ค่าเฉลี่ยโดยเฉลี่ยโดยใช้ข้อมูลระยะเวลาหนึ่งวินาทีนอกจากนี้ยังเป็นค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลสองช่วงข้อมูล ว่าคนเหล่านี้ทั้งหมด busting ในใจที่ดีของคุณมีการจัดประเภทของ pissed คุณออกและคุณตัดสินใจที่จะทำดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและใส่คะแนนที่สูงขึ้นในด้านหน้าของพันธมิตรของคุณคุณจะทดสอบและคะแนนของคุณเป็นจริง 89 ตอนนี้คุณมีการทดสอบครั้งสุดท้ายของภาคเรียนที่กำลังจะมาถึงและตามปกติแล้วคุณรู้สึกว่าจำเป็นที่จะต้องกระตุ้นให้ทุกคนคาดการณ์ว่าคุณจะทำอะไรในการทดสอบครั้งล่าสุดดีหวังว่าคุณจะได้เห็น รูปแบบขณะนี้เราหวังว่าคุณจะได้เห็นรูปแบบที่คุณเชื่อว่าเป็นสิ่งที่ถูกต้องที่สุดในขณะที่เราทำงานตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดแห่งใหม่ซึ่งเริ่มต้นโดยน้องสาวที่ถูกแยกออกจากกันของคุณชื่อ Whistle ขณะที่เราทำงานคุณมีข้อมูลการขายที่ผ่านมา เราแสดงข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 3 ช่วงโดยรายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11.Notice ค่าเฉลี่ยของการเคลื่อนย้าย มากกว่าข้อมูลทางประวัติศาสตร์ล่าสุด แต่ใช้เวลาสามช่วงล่าสุดสำหรับการคาดการณ์แต่ละครั้งนอกจากนี้คุณควรสังเกตด้วยว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อพัฒนาการคาดการณ์ล่าสุดของเราซึ่งแน่นอนว่าแตกต่างจาก exponential smoothing model I ve รวมการคาดการณ์ที่ผ่านมาเพราะเราจะใช้พวกเขาในหน้าเว็บถัดไปเพื่อวัดความถูกต้องของการทำนายตอนนี้ฉันต้องการนำเสนอผลลัพธ์ที่คล้ายคลึงกันสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 2 ช่วงเวลารายการ C5 สำหรับเซลล์ควรเป็นตอนนี้ สามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C6 ถึง C11.Notice ตอนนี้มีเพียงสองชิ้นล่าสุดของข้อมูลที่ผ่านมาที่ใช้สำหรับการคาดการณ์แต่ละครั้งที่ฉันได้รวมไว้ d การคาดการณ์ที่ผ่านมาเพื่อวัตถุประสงค์ในการอธิบายและเพื่อใช้ในภายหลังในการตรวจสอบการคาดการณ์สิ่งอื่น ๆ บางอย่างที่มีความสำคัญต่อการสังเกตสำหรับระยะเวลาการเคลื่อนที่เฉลี่ยของ m-m เท่านั้นค่าข้อมูล m ล่าสุดมีการใช้เพื่อทำให้การคาดการณ์ไม่มีอะไรที่จำเป็น สำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-metric เมื่อทำการคาดการณ์ที่ผ่านมาสังเกตว่าการทำนายครั้งแรกเกิดขึ้นในช่วง m 1. ปัญหาเหล่านี้จะมีความสำคัญมากเมื่อเราพัฒนาโค้ดของเราการพัฒนาฟังก์ชัน Average Moving Average ตอนนี้เราจำเป็นต้องพัฒนาขึ้น รหัสสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้ความยืดหยุ่นได้มากขึ้นโค้ดต่อไปนี้สังเกตว่าอินพุตเป็นจำนวนรอบระยะเวลาที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของค่าทางประวัติศาสตร์คุณสามารถจัดเก็บไว้ในสมุดงานที่คุณต้องการฟังก์ชั่น MovingAverage Historical, NumberOfPeriods เป็น Single Declaring และ initializing variables Dim Items เป็นตัวนับ Dim Variant เป็นจำนวนเต็ม Integer Dim เป็น Single Dim HistoricalSize As Integer Initializing variables Counter 1 Accumulation 0 การกำหนดขนาดของ Historical HistoricalSize. For Counter จำนวน 1 ต่อ NumberOfPeriods สะสมจำนวนที่เหมาะสมของค่าที่สังเกตก่อนหน้านี้สะสมสะสมข้อมูลประวัติ HistoricalSize - NumberOfPeriods Counter. MovingAverage การสะสม NumberOfPeriods รหัสจะอธิบายในชั้นเรียนคุณต้องการวางตำแหน่งฟังก์ชันในสเปรดชีตเพื่อให้ผลลัพธ์ของการคำนวณปรากฏขึ้นที่ควร ระบบซื้อขายที่ปรับเปลี่ยนและการใช้งานของพวกเขาในเครื่องเทอร์มินัล Terminal 5 ของ MetaTrader ลูกค้านับพัน ๆ รายทั่วโลกใช้แพลตฟอร์มการซื้อขายที่พัฒนาโดย MetaQuotes Software Corp ปัจจัยสำคัญที่นำไปสู่ความสำเร็จคือเทคโนโลยี ความเชี่ยวชาญที่เหนือกว่าขึ้นอยู่กับประสบการณ์ของหลายปีและซอฟแวร์ที่ดีที่สุดหลายคนได้คาดการณ์โอกาสใหม่ ๆ ที่ได้กลายเป็นใช้ได้กับภาษา MQL5 ใหม่คุณสมบัติที่สำคัญของมันมีประสิทธิภาพสูงและความเป็นไปได้ของการใช้โปรแกรมเชิงวัตถุนอกจากนั้น, กับการปรากฏตัวของ teste กลยุทธ์หลายสกุลเงิน r ในเทอร์มินัลไคลเอ็นต์ของ MetaTrader 5 ผู้ค้าจำนวนมากได้ซื้อเครื่องมือพิเศษสำหรับการพัฒนาการเรียนรู้และการใช้ระบบการซื้อขายที่ซับซ้อน Trading Automation Championship 2010 เริ่มต้นฤดูใบไม้ร่วงนี้นับพันของหุ่นยนต์การค้าที่เขียนขึ้นใน MQL5 จะมีส่วนร่วมในการเป็นผู้เชี่ยวชาญที่ปรึกษาที่ได้รับรางวัล กำไรสูงสุดในระหว่างการแข่งขันจะชนะ แต่สิ่งที่จะปรากฏกลยุทธ์ที่มีประสิทธิภาพมากที่สุดหนึ่ง. ผู้ทดสอบกลยุทธ์ของ MetaTrader 5 terminal ช่วยให้การหาชุดที่ดีที่สุดของพารามิเตอร์โดยใช้ระบบที่มีรายได้สูงสุดของกำไรในช่วงเวลาที่กำหนด แต่สามารถ มันจะทำในเวลาจริงความคิดของการซื้อขายเสมือนจริงโดยใช้กลยุทธ์หลายอย่างในที่ปรึกษาผู้เชี่ยวชาญได้รับการพิจารณาในการประกวดของผู้เชี่ยวชาญที่ปรึกษาภายในบทความที่ปรึกษาผู้เชี่ยวชาญซึ่งมีการดำเนินงานใน MQL4 ในบทความนี้เราจะแสดง การสร้างและการวิเคราะห์กลยุทธ์การปรับตัวได้กลายเป็นเรื่องง่ายใน MQL5 อันเนื่องมาจากการใช้โปรแกรมเชิงวัตถุ ชั้นเรียนสำหรับการทำงานกับข้อมูลและชั้นเรียนการค้าของไลบรารีมาตรฐาน 1 กลยุทธ์การซื้อขายแบบปรับตัวการเปลี่ยนแปลงทางการตลาดอย่างต่อเนื่องกลยุทธ์ทางการค้าจำเป็นต้องปรับตัวให้เข้ากับสภาวะตลาดปัจจุบันค่าของพารามิเตอร์ที่ให้ผลกำไรสูงสุดของกลยุทธ์สามารถพบได้โดยไม่ต้องใช้ การเพิ่มประสิทธิภาพผ่านการเปลี่ยนแปลงลำดับของพารามิเตอร์และการวิเคราะห์ผลการทดสอบรูปที่ 1 แสดงให้เห็นถึงเส้นโค้งส่วนแบ่งสำหรับสิบที่ปรึกษาผู้เชี่ยวชาญ MA3 MA93 แต่ละของพวกเขาซื้อขายโดยใช้กลยุทธ์ของการย้ายค่าเฉลี่ย แต่มีช่วงเวลาที่แตกต่างกัน 3,13 93 การทดสอบได้รับการดำเนินการที่ EURUSD H1 ระยะเวลาการทดสอบคือ 4 01 2010-20 08 2010. รูปที่ 1 แผนผังของเส้นโค้งส่วนของสิบที่ปรึกษาผู้เชี่ยวชาญที่บัญชีที่คุณสามารถดูที่รูปที่ 1 ผู้เชี่ยวชาญที่ปรึกษาได้เกือบผลเดียวกันในช่วงสองสัปดาห์แรกของ การทำงาน แต่ผลกำไรของพวกเขาเริ่มแตกต่างกันอย่างมีนัยสำคัญเมื่อสิ้นสุดระยะเวลาการทดสอบผลการเทรดที่ดีที่สุดได้แสดงโดย Expert Advisors ที่มีช่วงเวลา 63, 53 และ 43. ตลาดได้เลือกสิ่งที่ดีที่สุดทำไมเราไม่ควรทำตามทางเลือกถ้าหากรวมกลยุทธ์ทั้งสิบไว้ใน Expert Advisor เดียวให้ความเป็นไปได้ในการซื้อขายเสมือนจริงสำหรับแต่ละกลยุทธ์และเป็นระยะ ๆ ตัวอย่างเช่นในตอนต้นของ แต่ละแถบใหม่กำหนดกลยุทธ์ที่ดีที่สุดสำหรับการค้าและการค้าตามสัญญาณของตนผลการปรับกลยุทธ์ที่ได้รับจะแสดงในรูปที่ 2 เส้นส่วนของบัญชีที่มีการซื้อขายแบบปรับตัวจะแสดงด้วยสีแดงหมายเหตุว่าในระหว่าง มากกว่าครึ่งหนึ่งของระยะเวลารูปแบบของเส้นโค้งส่วนของกลยุทธ์การปรับตัวเหมือนกับกลยุทธ์ MA63 ซึ่งดูเหมือนจะเป็นผู้ชนะในที่สุดรูปที่ 2 Equity curves ที่บัญชีด้วยยุทธศาสตร์การปรับตัวที่ใช้สัญญาณของ 10 ระบบการค้าเส้นโค้งสมดุลมีพลวัตรที่คล้ายกันรูปที่ 3 รูปที่ 3 เส้นโค้งสมดุลของกลยุทธ์การปรับตัวที่ใช้สัญญาณของระบบการค้า 10 หากไม่มีกลยุทธ์ใดเป็นประโยชน์ในขณะนี้โฆษณา ตัวอย่างของกรณีดังกล่าวจะปรากฏในช่วงต้นปี 4 จากวันที่ 4 ถึง 22 มกราคมของเดือนมกราคม พ. ศ. 2553 รูปที่ 4 ช่วงเวลาที่กลยุทธ์การปรับตัวหยุดการเปิดตำแหน่งใหม่เนื่องจากไม่มีผลกำไร กลยุทธ์เริ่มต้นตั้งแต่เดือนมกราคม 2010 ประสิทธิภาพที่ดีที่สุดจะแสดงโดยกลยุทธ์ MA3 เนื่องจาก MA3 สีน้ำเงินมีจำนวนเงินสูงสุดที่ได้รับในขณะนั้นกลยุทธ์การปรับสีแดงตามสัญญาณในช่วงวันที่ 8 ถึง 20 มกราคมทั้งหมด กลยุทธ์การพิจารณามีผลเชิงลบที่ว่าทำไมกลยุทธ์การปรับตัวไม่ได้เปิดตำแหน่งการค้าใหม่หากกลยุทธ์ทั้งหมดมีผลเชิงลบจะดีกว่าที่จะอยู่ห่างจากการซื้อขายนี้เป็นสิ่งสำคัญที่ช่วยให้หยุดการค้าไม่ได้ประโยชน์และการรักษา เงินของคุณ save.2 การดำเนินการของกลยุทธ์การซื้อขายปรับตัวในส่วนนี้เราจะพิจารณาโครงสร้างของกลยุทธ์การปรับตัวที่ดำเนินการซื้อขายเสมือนโดยใช้การค้าหลาย trategies พร้อมกันและเลือกหนึ่งที่มีกำไรมากที่สุดสำหรับการซื้อขายจริงตามสัญญาณหมายเหตุว่าการใช้วิธีการเชิงวัตถุทำให้การแก้ปัญหานี้ง่ายขึ้นอย่างมากประการแรกเราจะตรวจสอบโค้ดของ Advisor แบบปรับตัว จากนั้นเราจะดูรายละเอียดใน CAdaptiveStrategy ซึ่งมีการใช้งานระบบปรับตัวและเราจะแสดงโครงสร้างของคลาส CSampleStrategy ซึ่งเป็นคลาสพื้นฐานของกลยุทธ์การค้าที่ใช้งานการซื้อขายเสมือนจริง นอกจากนี้เราจะพิจารณารหัสของสองลูก - CStrategyMA และ CStrategyStoch ชั้นเรียนที่เป็นตัวแทนของกลยุทธ์การซื้อขายโดยการย้ายค่าเฉลี่ยและ oscillator แบบสุ่มหลังจากวิเคราะห์โครงสร้างของคุณจะสามารถเขียนและเพิ่มชั้นเรียนของคุณเองได้อย่างง่ายดาย ที่เข้าใจกลยุทธ์ของคุณ 2 รหัสที่ปรึกษาผู้เชี่ยวชาญ (Expert Advisor) รหัสของที่ปรึกษาผู้เชี่ยวชาญ (Expert Advisor) ดูง่ายมาก ines กำหนดคุณสมบัติของโปรแกรมแล้วมารวมคำสั่งที่บอก preprocessor ที่จะรวมไฟล์ Angles วงเล็บระบุว่าแฟ้มควรจะมาจากไดเรกทอรีมาตรฐานมักจะเป็น terminalfolder MQL5 Include. The บรรทัดถัดไปมีการประกาศ AdaptiveExpert อ็อบเจ็กต์อินสแตนซ์ของคลาส CAdaptiveStrategy และรหัสของ OnInit OnDeinit และ OnTick ฟังก์ชันของ Expert Advisor ประกอบด้วยการเรียกใช้ฟังก์ชันที่เกี่ยวข้อง ExpertOnInit, ExpertOnDeInit และ ExpertOnTick และ AdaptiveExpert object.2 2 คลาส CAdaptiveStrategy ชั้นเรียนของผู้เชี่ยวชาญที่ปรึกษาผู้เชี่ยวชาญด้านการปรับตัว คลาส CAdaptiveStrategy จะอยู่ในไฟล์ Let s start with include files เหตุผลที่เราใส่ไฟล์นี้เป็นความสะดวกในการทำงานกับชั้นเรียนของกลยุทธ์ที่แตกต่างกันโดยใช้วัตถุของคลาส CArrayObj ซึ่งหมายถึงอาร์เรย์แบบไดนามิกของคำแนะนำในชั้นเรียน อินสแตนซ์ที่กำเนิดขึ้นโดยคลาสพื้นฐาน CObject และลูกของวัตถุนี้จะ ma อาร์เรย์ llstrategies จะใช้ภาชนะของกลยุทธ์ทางการค้าแต่ละกลยุทธ์จะแสดงเป็นคลาสในกรณีนี้เราได้รวมไฟล์ที่มีคลาส CStrategyMA และ CStrategyStoch ซึ่งเป็นตัวแทนของกลยุทธ์การซื้อขายโดยการย้ายค่าเฉลี่ยและการซื้อขายโดย oscillator แบบสุ่ม (stochastic oscillator) สำหรับการร้องขอคุณสมบัติของตำแหน่งปัจจุบันและสำหรับการดำเนินการทางการค้าเราจะใช้คลาส CPositionInfo และ CTrade ของไลบรารีมาตรฐานนั่นคือสาเหตุที่เรารวมไฟล์และไฟล์ไว้ดูโครงสร้างของคลาส CAdaptiveStrategy เมื่อต้องการใช้วิธีการแบบ united กับอ็อบเจ็กต์ของคลาสที่ต่างกันกลยุทธ์ทางการค้าหรือกรณีของชั้นเรียนจะถูกเก็บไว้ใน mallstrategies แบบอาร์เรย์แบบไดนามิกของชนิด CArrayObj ซึ่งใช้เป็นคอนเทนเนอร์ของชั้นเรียนของกลยุทธ์นี่คือเหตุผลว่าทำไม คลาสของกลยุทธ์ทางการค้า SampleStrategy ถูกเรียกกลับมาจากคลา CObject ฟังก์ชัน ProceedSignalReal ดำเนินการซิงโครไนซ์ของ ทิศทางและปริมาณของตำแหน่งจริงกับทิศทางที่กำหนดและปริมาณหมายเหตุว่าง่ายขึ้นในการทำงานกับตำแหน่งการค้าโดยใช้ชั้นเรียนการค้าเราใช้วัตถุของคลาส CPositionInfo และ CTrade เพื่อขอคุณสมบัติของตลาดและเพื่อการค้า การดำเนินการตามลำดับฟังก์ชัน RealPositionDirection ขอพารามิเตอร์ของตำแหน่งที่แท้จริงและเปิดทิศทางของมันขณะนี้เรากำลังจะดูในหน้าที่หลักของคลาส AdaptiveStrategy ให้เริ่มต้นด้วยฟังก์ชัน ExpertOnInit ชุดกลยุทธ์การซื้อขายคือ เตรียมไว้ในฟังก์ชั่น ExpertOnInit ก่อนอื่นวัตถุของอาร์เรย์แบบไดนามิก mallstrategies ถูกสร้างขึ้นในกรณีนี้เราสร้างสิบอินสแตนซ์ของคลาส CStrategyMA แต่ละอันถูกเตรียมใช้งานในกรณีนี้เราตั้งช่วงเวลาต่างๆและอนุญาตให้มีการซื้อขายเสมือนจริงโดยใช้ Initialization function จากนั้นใช้ฟังก์ชัน SetStrategyInfo ที่เราตั้งเครื่องมือทางการเงินชื่อกลยุทธ์และ comment. If จำเป็น โดยใช้ SetStops TP ฟังก์ชัน SL ที่เราสามารถระบุค่าในจุด Take Profit และ Stop Loss ที่จะดำเนินการในระหว่างการซื้อขายแบบเสมือนเรามีบรรทัดนี้แสดงความคิดเห็นเมื่อมีการสร้างและปรับแต่งชั้นกลยุทธ์เราเพิ่มลงใน กลยุทธ์การค้าควรมีฟังก์ชัน CheckTradeConditions ที่ดำเนินการตรวจสอบเงื่อนไขการค้าในคลาสของยุทธศาสตร์การปรับตัวฟังก์ชันนี้เรียกว่าจุดเริ่มต้นของแต่ละแถบใหม่ดังนั้นเราจึงให้กลยุทธ์ในการตรวจสอบค่า ของตัวชี้วัดและเพื่อให้การดำเนินงานทางการค้าเสมือนแทนสิบค่าเฉลี่ยเคลื่อนที่ที่ระบุ 3, 13, 23 93 เราสามารถเพิ่มหลายร้อยกรณีค่าเฉลี่ยเคลื่อนที่หากชั้น CStrategyMA หรือเราสามารถเพิ่มชั้นเรียนของกลยุทธ์ที่ทำงานโดยสัญญาณของ อินสแตนซ์ออสซิลเลเตอร์แบบสุ่มของคลาส CStrategyStoch ในกรณีนี้คอนเทนเนอร์มี 10 กลยุทธ์ในการเคลื่อนที่โดยเฉลี่ยและ 5 กลยุทธ์ของออสซิเลเตอร์แบบสุ่ม (stochastic oscillator) ตัวอย่างของ clas ses ของกลยุทธ์การซื้อขายควรเป็นเด็กของคลาส CObject และควรมีฟังก์ชัน CheckTradeConditions ดีกว่าที่จะสืบทอดพวกเขาจากคลาส CSampleStrategy ชั้นเรียนที่ใช้กลยุทธ์ทางการค้าสามารถแตกต่างกันและจำนวนของพวกเขาไม่ จำกัด ฟังก์ชัน ExpertOnInit ลงท้ายด้วยรายการ ของกลยุทธ์ที่มีอยู่ในคอนเทนเนอร์ mallstrategies โปรดสังเกตว่ากลยุทธ์ทั้งหมดในคอนเทนเนอร์ถูกพิจารณาว่าเป็นลูกของคลาส CSampleStrategy คลาสของยุทธศาสตร์การค้า CStrategyMA และ CStrategyStoch ยังเป็นลูกหลานของตนเองเคล็ดลับเดียวกันจะใช้ในฟังก์ชัน ExpertOnDeInit ใน คอนเทนเนอร์เราเรียกใช้ฟังก์ชัน SaveVirtualDeals สำหรับแต่ละยุทธวิธีที่จัดเก็บประวัติการทำข้อเสนอเสมือนจริงเราใช้ชื่อของกลยุทธ์สำหรับชื่อไฟล์ที่ส่งผ่านเป็นพารามิเตอร์จากนั้นเราจะยกเลิกการกำหนดกลยุทธ์โดยเรียกฟังก์ชัน Deinitialization และลบคอนเทนเนอร์ mallstrategies หากคุณไม่จำเป็นต้องรู้เกี่ยวกับข้อเสนอพิเศษเสมือนดำเนินการ ed โดยกลยุทธ์ลบบรรทัดที่เรียกว่าโปรดทราบว่าเมื่อใช้ตัวทดสอบกลยุทธ์ไฟล์จะถูกบันทึกไปยังไดเร็กทอรี testerdirectory Files ลองพิจารณาฟังก์ชัน ExpertOnTick ของคลาส CAdaptiveStrategy ที่เรียกว่าแต่ละครั้งที่มีการทำรหัสใหม่มา ง่ายมากกลยุทธ์แต่ละที่อยู่ในคอนเทนเนอร์ต้องสามารถคำนวณผลการดำเนินงานทางการเงินในปัจจุบันของตำแหน่งเสมือนจริงโดยใช้ราคาปัจจุบันได้โดยการเรียกใช้ฟังก์ชัน UpdatePositionData ที่นี่เราเรียกกลยุทธ์ว่าเป็นทายาทของคลาส CSampleStrategy อีกครั้ง การดำเนินงานทางการค้าทั้งหมดจะดำเนินการที่จุดเริ่มต้นของแถบใหม่ฟังก์ชัน IsNewBar ช่วยในการระบุช่วงเวลานี้รวมทั้งวิธีการอื่น ๆ ในการตรวจสอบแถบใหม่ในกรณีนี้การจัดรูปแบบของแถบหมายถึงข้อมูลทั้งหมดของแถบก่อนหน้า ราคาและค่าตัวบ่งชี้ที่ได้รับจะไม่เปลี่ยนแปลงอีกต่อไปดังนั้นจึงสามารถวิเคราะห์ความสอดคล้องกับเงื่อนไขการค้ากับกลยุทธ์ทั้งหมดที่เราให้โอกาส perf or ตรวจสอบนี้และดำเนินการการค้าเสมือนจริงของพวกเขาโดยเรียกฟังก์ชัน CheckTradeConditions ของพวกเขาตอนนี้เราควรหากลยุทธ์ที่ประสบความสำเร็จมากที่สุดในบรรดากลยุทธ์ทั้งหมดใน mallstrategies array เพื่อให้ได้ผลเราใช้อาร์เรย์ Performance ค่าที่ส่งกลับโดยฟังก์ชัน StrategyPerformance ของแต่ละกลยุทธ์จะอยู่ในนั้น CSAMpleStrategy ชั้นฐานมีฟังก์ชันนี้เป็นความแตกต่างระหว่างค่าปัจจุบันของ Equity เสมือนและ Balance ค้นหาดัชนีของกลยุทธ์ที่ประสบความสำเร็จมากที่สุดจะดำเนินการโดยใช้ฟังก์ชัน ArrayMaximum ถ้ากลยุทธ์ที่ดีที่สุดมีกำไรเชิงลบ ในขณะนี้และ doesn t มีตำแหน่งที่เปิดจริงแล้วมันจะดีกว่าที่จะไม่ค้าที่เป็นเหตุผลที่เราออกจากฟังก์ชันดูที่ส่วน 1.Further เราขอทิศทางของตำแหน่งเสมือนจริงของกลยุทธ์นี้ bestdirection ถ้ามัน แตกต่างจากทิศทางปัจจุบันของตำแหน่งที่แท้จริงจากนั้นทิศทางปัจจุบันของตำแหน่งจริงจะได้รับการแก้ไขโดยใช้ Procee dSignalReal function ตามทิศทางที่ดีที่สุด 2 3 Class CSampleStrategy กลยุทธ์ที่วางไว้ในคอนเทนเนอร์ mallstrategies ถือเป็นทายาทของคลาส CSampleStrategy ชั้นนี้เป็นฐานสำหรับยุทธศาสตร์การค้าที่มีการใช้งานการซื้อขายเสมือนจริงในบทความนี้เรา จะพิจารณากรณีที่ง่ายของการดำเนินการซื้อขายเสมือนจริงแลกเปลี่ยน swap t aren t พิจารณาถึงชั้นเรียนของกลยุทธ์การค้าควรจะสืบทอดจากชั้น CSampleStrategy แสดง s โครงสร้างของชั้นนี้เราได้รับรางวัล t วิเคราะห์รายละเอียดของคำอธิบายข้อมูลเพิ่มเติมสามารถ พบได้ในไฟล์คุณยังสามารถหาฟังก์ชั่นการตรวจสอบแถบใหม่ได้อีกด้วย - IsNewBar.3 ชั้นเรียนของยุทธศาสตร์การค้าหัวข้อนี้มีไว้สำหรับโครงสร้างชั้นเรียนของยุทธศาสตร์การค้าที่ใช้ใน Adaptive Expert Advisor.3 1 Class CStrategyMA - กลยุทธ์การซื้อขายโดยการย้ายค่าเฉลี่ยคลาส CStrategyMA เป็นลูกของคลาส CSampleStrategy ที่ใช้ฟังก์ชันทั้งหมด ความเป็นไปได้ของการซื้อขายเสมือนจริงถูกนำมาใช้ส่วนที่ได้รับการป้องกันมีตัวแปรภายในที่จะใช้ในชั้นเรียนของยุทธวิธีเหล่านี้คือตัวจับเวลาของตัวบ่งชี้ iMA, mperiod - ระยะเวลาของค่าเฉลี่ยเคลื่อนที่ mvalues ​​- อาร์เรย์ที่จะใช้ใน ฟังก์ชัน CheckTradeConditions สำหรับการรับค่าปัจจุบันของตัวบ่งชี้ส่วนสาธารณะประกอบด้วยสามฟังก์ชันที่ให้การดำเนินการตามกลยุทธ์ทางการค้าการเริ่มต้นใช้งานกลยุทธ์จะเริ่มต้นที่นี่หากคุณต้องการสร้างตัวชี้วัดให้สร้างได้ที่นี่ฟังก์ชัน Deinitialization ยุทธศาสตร์นี้เริ่มต้นที่นี่ ที่นี่กลยุทธ์การตรวจสอบเงื่อนไขการค้าและสร้างสัญญาณการค้าที่ใช้สำหรับการซื้อขายเสมือนจริงเพื่อดำเนินการซื้อขายเสมือนฟังก์ชัน SetSignalState ของคลาสแม่ CStrategy เรียกว่าหนึ่งในสี่ของตัวบ่งชี้ หลังจากสัญญาณการค้าถูกส่งผ่านไปแล้วสัญญาณสำหรับเปิดโพสต์ยาว สัญญาณ SIGNALOPENSHONG สัญญาณสำหรับการเปิดตำแหน่งสั้น SIGNALOPENSHORT สัญญาณสำหรับการปิดตำแหน่งยาวสัญญาณ SIGNALCLOSELONG สัญญาณสำหรับการปิดตำแหน่งสั้น SIGNALCLOSESHORT แนวคิดง่าย ๆ - บนพื้นฐานของสถานะบ่งชี้และราคาชนิดสัญญาณชนิดใหม่จะถูกกำหนด , สถานะปัจจุบันของการซื้อขายเสมือนมีการร้องขอโดยใช้ฟังก์ชัน GetSignalState และหากพวกเขาไม่เหมือนกันฟังก์ชัน SetSignalState ถูกเรียกสำหรับการแก้ไขตำแหน่งเสมือนจริง 3 2 Class CStrategyStoch - กลยุทธ์การซื้อขายโดย Stochastic รหัสของ คลาสที่ดำเนินการซื้อขายบนพื้นฐานของการตัดกันของเส้นหลักและสัญญาณของ oscillator iStochastic จะได้รับด้านล่างคุณเห็นความแตกต่างระหว่างโครงสร้างของ CStrategyStoch ชั้นและ CStrategyMA เป็นพารามิเตอร์เริ่มต้นพารามิเตอร์ที่แตกต่างกัน ประเภทของตัวบ่งชี้ที่ใช้และสัญญาณการค้าดังนั้นการใช้กลยุทธ์ของคุณใน Advisor ผู้เชี่ยวชาญปรับตัวคุณควรเขียนใหม่ พวกเขาในรูปแบบของชั้นเรียนประเภทดังกล่าวและโหลดพวกเขาไปยังคอนเทนเนอร์ mallstrategies.4 ผลการวิเคราะห์กลยุทธ์การค้าปรับในส่วนนี้เราจะไปหารือเกี่ยวกับหลายแง่มุมของการใช้ประโยชน์ในเชิงปฏิบัติของกลยุทธ์การปรับตัวและวิธีการในการปรับปรุง 4 การปรับปรุงระบบด้วยกลยุทธ์ที่ใช้ Inversed Signals. Moving ค่าเฉลี่ยไม่ดีเมื่อไม่มีแนวโน้มเราได้พบกับสถานการณ์แบบนี้แล้วในภาพที่ 3 คุณจะเห็นได้ว่าไม่มีแนวโน้มภายในระยะเวลาดังกล่าว 8 ถึง 20 มกราคมดังนั้นกลยุทธ์ทั้ง 10 ที่ใช้ค่าเฉลี่ยเคลื่อนที่ในการซื้อขายมีการสูญเสียเสมือนระบบการปรับตัวหยุดการซื้อขายอันเป็นผลมาจากการที่ไม่มีกลยุทธ์ด้วยจำนวนเงินที่ได้รับเป็นบวกมีวิธีใดที่จะหลีกเลี่ยงผลลบดังกล่าว effect. Let s เพิ่มไป 10 กลยุทธ์ของเรา MA3, MA13 MA93 อีก 10 ชั้น CStrategyMAinv ซึ่งสัญญาณการค้าจะกลับรายการมีเงื่อนไขเหมือนกัน แต่ SIGNALOPENLONG SIGNALOPENSHORT และ SIGNALCLOSELONG SIGNALCLOSESHORT สถานที่ eir ดังนั้นนอกเหนือจากสิบกลยุทธ์แนวโน้มกรณีของชั้น CStrategyMA เรามีอีกสิบ counter-trend กรณีกลยุทธ์ของชั้น CStrategyMAinv ผลของการใช้ระบบการปรับตัวที่ประกอบด้วยยี่สิบกลยุทธ์จะแสดงในรูปที่ 5 รูป 5 แผนผังของส่วนของผู้ถือหุ้นที่บัญชีของกลยุทธ์การปรับตัวที่ใช้สัญญาณการค้า 20 แห่ง 10 ค่าเฉลี่ยเคลื่อนที่ CAdaptiveMA และ 10 คนที่ทำมิเรอร์ CAdaptiveMAinv คุณสามารถดูได้จากรูปที่ 5 ในระหว่างช่วงเวลาที่กลยุทธ์ CAdaptiveMA ทั้งหมดมีผลเชิงลบ กลยุทธ์ CAdaptiveMAinv อนุญาตให้ Expert Advisor เพื่อหลีกเลี่ยงการเบิกไม่พึงประสงค์ที่จุดเริ่มต้นของการซื้อขายมากรูปที่ 6 ระยะเวลาเมื่อกลยุทธ์การปรับตัวใช้สัญญาณของกลยุทธ์ CAdaptiveMAinv แนวโน้มแบบย้อนกลับรูปแบบนี้อาจดูเหมือนไม่เป็นที่ยอมรับเนื่องจากการสูญเสียเงินฝากเป็นเพียง คำถามเกี่ยวกับเวลาเมื่อใช้กลยุทธ์ counter-trend แต่ในกรณีของเราเราไม่ได้ จำกัด ด้วยกลยุทธ์เดียวตลาดรู้ดี w กลยุทธ์ hich มีผลในขณะนี้ด้านที่แข็งแกร่งของระบบการปรับตัวเป็นตลาดแนะนำตัวเองซึ่งควรใช้กลยุทธ์และเมื่อควรใช้มันทำให้เป็นไปได้ที่จะสรุปจากตรรกะของกลยุทธ์หากกลยุทธ์มีประสิทธิภาพ, วิธีการปรับตัวใช้เกณฑ์เพียงอย่างเดียวของความสำเร็จของกลยุทธ์ - ประสิทธิผลของมัน 4 2 เป็นมูลค่าในการผกผันสัญญาณของกลยุทธ์ที่เลวร้ายที่สุดเคล็ดลับกับการผกผันที่แสดงด้านบนนำไปสู่ความคิดเกี่ยวกับ ความเป็นไปได้ที่อาจเป็นไปได้ในการใช้สัญญาณของกลยุทธ์ที่แย่ที่สุดถ้ายุทธศาสตร์ไม่ได้ผลและแย่ที่สุดตอนนั้นเราสามารถทำกำไรได้โดยทำหน้าที่ในทิศทางตรงกันข้ามเราสามารถเปลี่ยนกลยุทธ์การสูญเสียให้เป็นผลกำไรได้โดยการเปลี่ยนแปลงอย่างง่าย เมื่อต้องการตอบคำถามนี้เราต้องเปลี่ยน ArrayMaximum ด้วย ArrayMinimum ในฟังก์ชัน ExpertOnTick ของคลาส CAdaptiveStrategy รวมทั้งเพื่อใช้การเปลี่ยนแปลงทิศทางโดยการคูณค่าของ BestDire ction ตัวแปรโดย -1 นอกจากนี้เราจำเป็นต้องแสดงความคิดเห็นข้อ จำกัด ของการซื้อขายเสมือนในกรณีที่มีประสิทธิผลเชิงลบเนื่องจากเราจะวิเคราะห์ผลของกลยุทธ์ที่เลวร้ายที่สุดรูปแบบของความยุติธรรมของที่ปรึกษาผู้เชี่ยวชาญปรับตัวที่ใช้สัญญาณย้อนกลับของ กลยุทธ์ที่เลวร้ายที่สุดจะปรากฏในรูปที่ 7 รูปที่ 7 แผนผังของส่วนได้เสียในบัญชีของสิบกลยุทธ์และระบบการปรับตัวที่ใช้สัญญาณย้อนกลับของระบบที่แย่ที่สุดในกรณีนี้กลยุทธ์ที่ประสบความสำเร็จน้อยที่สุดสำหรับส่วนมากของเวลาคือ หนึ่งที่ขึ้นอยู่กับการตัดกันของค่าเฉลี่ยเคลื่อนที่ที่มีระยะเวลา 3 MA3 ดังที่คุณเห็นในรูปที่ 7 ความสัมพันธ์แบบย้อนกลับระหว่างสีน้ำเงิน MA3 กับกลยุทธ์การปรับสีแดงมีอยู่แล้ว แต่ผลการดำเนินงานทางการเงินของระบบการปรับตัวไม่ได้สร้างความประทับใจการคัดลอกและการย้อนกลับ สัญญาณของกลยุทธ์ที่เลวร้ายที่สุดไม่ได้นำไปสู่การปรับปรุงประสิทธิผลของการค้าขาย 2. ทำไมพวงของค่าเฉลี่ยเคลื่อนที่ไม่ได้มีประสิทธิภาพเท่าที่ควร. แทน 10 ค่าเฉลี่ยเคลื่อนที่ที่คุณสามารถใช้จำนวนมาก ของพวกเขาโดยการเพิ่มอีกร้อยกลยุทธ์ CStrategyMA กับช่วงเวลาที่แตกต่างกันไปเก็บ mallstrategies เพื่อทำเล็กน้อยเปลี่ยนรหัสในชั้น CAdaptiveStrategy แต่คุณควรเข้าใจว่าค่าเฉลี่ยเคลื่อนที่ใกล้จะหลีกเลี่ยงการตัดกันผู้นำอย่างต่อเนื่องจะเปลี่ยนและปรับตัว ระบบจะเปลี่ยนสถานะและเปิดตำแหน่งที่ปิดบ่อยกว่าที่จำเป็นดังนั้นลักษณะของระบบการปรับตัวจะแย่ลงคุณสามารถตรวจสอบได้ด้วยตัวเองโดยการเปรียบเทียบลักษณะทางสถิติของระบบแท็บผลลัพธ์ของ tester. It กลยุทธ์ที่ดีกว่าที่จะไม่ทำให้ระบบการปรับตัวขึ้นอยู่กับกลยุทธ์จำนวนมากที่มีพารามิเตอร์ที่ใกล้ชิด 5 สิ่งที่ควรพิจารณาบรรจุ mallstrategies สามารถมีหลายพันกรณีของกลยุทธ์ที่แนะนำรวมคุณสามารถเพิ่มกลยุทธ์ทั้งหมดที่มีพารามิเตอร์ที่แตกต่างกัน แต่, ที่จะชนะ Automated Trading Championship 2010 คุณต้องพัฒนา syst เงินขั้นสูงการจัดการ em ทราบว่าเราได้ใช้ปริมาณการซื้อขายเท่ากับ 0 1 ล็อตสำหรับการทดสอบข้อมูลประวัติและในโค้ดของคลาส 5 1 วิธีการเพิ่มผลกำไรของผู้เชี่ยวชาญ Adaptable Expert Class CSampleStrategy มีฟังก์ชันเสมือน MoneyManagementCalculateLots. To จัดการ ปริมาณการซื้อขายคุณสามารถใช้ข้อมูลทางสถิติเกี่ยวกับผลการค้นหาและลักษณะของข้อเสนอเสมือนจริงที่บันทึกไว้ในอาร์เรย์ของ mdealshistory ถ้าคุณต้องการเพิ่มระดับเสียงเช่นเพิ่มเป็นสองเท่าหากข้อเสนอเสมือนจริงล่าสุดใน mdealshistory มีผลกำไรหรือ ลดลงคุณควรเปลี่ยนค่าที่ส่งคืนในลักษณะที่สอดคล้องกัน 5 2 การใช้สถิติข้อเสนอสำหรับการคำนวณสมรรถนะของกลยุทธ์ StrategyPerformance function ที่ดำเนินการในคลาส CSampleStrategy มีวัตถุประสงค์เพื่อคำนวณประสิทธิภาพของกลยุทธ์สูตรของประสิทธิภาพของ กลยุทธ์อาจมีความซับซ้อนมากขึ้นและยกตัวอย่างเช่นประสิทธิภาพของการเข้าออกการมีประสิทธิผลของข้อเสนอ, กำไร, drawdowns ฯลฯ การคำนวณประสิทธิภาพของการเข้าออกและประสิทธิผลของข้อตกลง entryeff, exiteff และ tradeeff เขตข้อมูลของโครงสร้างของอาร์เรย์ mdealshistory จะดำเนินการโดยอัตโนมัติในระหว่างการซื้อขายเสมือนดูชั้น CSampeStrategy ข้อมูลสถิตินี้สามารถนำมาใช้ สำหรับการทำของคุณเองอัตราที่ซับซ้อนมากขึ้นของประสิทธิภาพของกลยุทธ์ตัวอย่างเช่นเป็นลักษณะของประสิทธิภาพที่คุณสามารถใช้กำไรของสามข้อเสนอใช้ฟิลด์ posProfit จากที่เก็บของข้อเสนอ mdealshistory. If คุณต้องการเปลี่ยนฟังก์ชั่นนี้, เปลี่ยนเฉพาะในคลาส CSampleStrategy เท่านั้นต้องเหมือนกันสำหรับกลยุทธ์การค้าทั้งหมดของระบบปรับตัวอย่างไรก็ตามคุณควรจำไว้ว่าความแตกต่างระหว่าง Equity และ Balance เป็นปัจจัยที่ดีในการประสิทธิผล 5 3 ใช้ Take Profit และ Stop Loss คุณสามารถเปลี่ยนประสิทธิภาพของระบบการซื้อขายโดยการกำหนดระดับการหยุดแบบคงที่ซึ่งสามารถทำได้โดยการเรียกใช้ฟังก์ชัน SetStops ซึ่งจะช่วยให้สามารถตั้งค่าได้ ระดับการหยุดในจุดสำหรับการซื้อขายเสมือนจริงหากมีการระบุระดับไว้การปิดตำแหน่งเสมือนจะถูกดำเนินการโดยอัตโนมัติโดยใช้ฟังก์ชันนี้ในคลาส CSampleStrategy ในตัวอย่างของเราดู 2 2 หน้าที่ของคลาสการย้ายค่าเฉลี่ยฟังก์ชันการกำหนด stop leveling มีการแสดงความเห็นใจ 5 4 การคำนวณหากำไรเสมือนจริงแบบสะสมเป็นรายงวดวิธีการปรับตัวมีข้อเสียเช่นเดียวกับกลยุทธ์ทั่วไปที่มีถ้ากลยุทธ์ชั้นนำเริ่มสูญเสียระบบการปรับตัวจะเริ่มสูญเสียด้วยเช่นกันนั่นคือเหตุผลที่บางครั้งคุณจำเป็นต้องลดระดับความเป็นศูนย์ ผลของการทำงานของกลยุทธ์ทั้งหมดและเพื่อปิดตำแหน่งเสมือนทั้งหมดของพวกเขาเพื่อทำหน้าที่ต่อไปนี้จะดำเนินการในชั้น CSampleStrategy. CheckPoint ของชนิดนี้สามารถใช้เป็นครั้งคราวเช่นหลังจากที่แต่ละบาร์ N คุณควรจำ ว่าระบบการปรับตัวไม่ใช่ grail USDJPY H1, 4 01 2010-20 08 2010. รูปที่ 8 เส้นโค้งสมดุลและส่วนของระบบปรับตัวที่ใช้สัญญาณของ th e ที่ดีที่สุดของ 10 กลยุทธ์ USDJPY H1 เส้นโค้งความอิ่มตัวของกลยุทธ์ทั้งหมดจะแสดงในรูปที่ 9 รูปที่ 9 เส้นโค้งส่วนได้เสียที่บัญชีกับระบบการปรับตัวตาม 10 กลยุทธ์ USDJPY H1 หากไม่มีกลยุทธ์ที่ทำกำไรได้ในระบบปรับตัว, โดยใช้พวกเขาไม่ได้เป็นผลใช้กลยุทธ์ที่ทำกำไรได้เราควรพิจารณาสิ่งที่สำคัญและน่าสนใจอื่นให้ความสนใจกับพฤติกรรมของกลยุทธ์การปรับตัวที่จุดเริ่มต้นของการซื้อขายมากรูปที่ 10 เส้นโค้งส่วนที่บัญชีกับ 10 กลยุทธ์ของกลยุทธ์การปรับตัวครั้งแรก กลยุทธ์ทั้งหมดมีผลเชิงลบและกลยุทธ์การปรับตัวหยุดการซื้อขายแล้วมันก็เริ่มสลับไปมาระหว่างกลยุทธ์ที่มีผลบวกแล้วกลยุทธ์ทั้งหมดกลายเป็นประโยชน์อีกครั้งทุกกลยุทธ์มีความสมดุลเดียวกันในการเริ่มต้นและหลังจากนั้นสักครู่หนึ่ง หรือกลยุทธ์อื่นจะกลายเป็นผู้นำดังนั้นจึงขอแนะนำให้กำหนดข้อ จำกัด ในกลยุทธ์การปรับตัวเพื่อหลีกเลี่ยงการซื้อขายที่บาร์แรกที่จะทำเสริม th e ExpertOnTick ฟังก์ชั่นของคลาส CAdaptiveStrategy ที่มีตัวแปรซึ่งค่าจะเพิ่มขึ้นทุกครั้งที่มีแถบใหม่มาถึงในตอนเริ่มต้นจนกว่าตลาดจะเลือกกลยุทธ์ที่ดีที่สุดคุณควรหลีกเลี่ยงการซื้อขายจริงในบทความนี้เราได้พิจารณา ตัวอย่างของระบบการปรับตัวที่ประกอบด้วยหลายยุทธวิธีซึ่งแต่ละอันจะทำให้การค้าเสมือนเป็นของตัวเองการซื้อขายแบบเรียลไทม์จะดำเนินการตามสัญญาณของกลยุทธ์ที่ทำกำไรได้มากที่สุดในขณะนี้ขอบคุณที่ใช้วิธีการเชิงวัตถุ ด้วยข้อมูลและคลาสทางการค้าของไลบรารีมาตรฐานสถาปัตยกรรมของระบบดูเหมือนจะง่ายและสามารถปรับขนาดได้ในตอนนี้คุณสามารถสร้างและวิเคราะห์ระบบปรับตัวได้ซึ่งรวมถึงกลยุทธ์ทางการค้านับร้อย ๆ ตัวสำหรับการวิเคราะห์พฤติกรรมของระบบปรับตัวที่สะดวก debug ของคลาส CSampleStrategy จะถูกแนบมากับ archive ความแตกต่างของเวอร์ชั่นนี้คือการสร้างไฟล์ข้อความในระหว่างการทำงาน mmary รายงานเกี่ยวกับพลวัตของการเปลี่ยนแปลงความสมดุลเสมือนของกลยุทธ์ที่รวมอยู่ในระบบการศึกษาเรื่องทั่วไปการศึกษาเรื่องแผนภูมิใช้การเคลื่อนไหวของราคาหุ้นปริมาณและข้อมูลทางประวัติศาสตร์อื่น ๆ เพื่อพยายามหารูปแบบที่อาจบ่งบอกถึงแนวโน้มราคาที่ขยับได้ด้วย เรียนรู้สิ่งที่การศึกษาเฉพาะอาจมีการระบุและใช้การศึกษานั้นกับแผนภูมิของคุณคุณอาจสามารถระบุโอกาสการค้าจุดสนับสนุนหรือความต้านทานในเกณฑ์ราคาบางอย่างแนวโน้มราคาและอื่น ๆ สัญลักษณ์สต๊อกและข้อมูลราคาและปริมาณที่แสดง ที่นี่และในซอฟต์แวร์นี้มีวัตถุประสงค์เพื่อเป็นข้อมูลประกอบเท่านั้น Charles Schwab Co Inc ซึ่งเป็นผู้ปกครองหรือ บริษัท ในเครือและหรือพนักงานและหรือกรรมการของ บริษัท อาจมีตำแหน่งในหลักทรัพย์ที่อ้างถึงในที่นี้และอาจเป็นหลักหรือตัวแทนซื้อหรือขายให้กับลูกค้าเพิ่ม การศึกษาไปยังแผนภูมิจากแผงการตั้งค่าแผนภูมิทางด้านขวาของเครื่องมือแผนภูมินอกจากนี้คุณยังสามารถคลิกขวาที่แผนภูมิและเลือกเพิ่มการศึกษาหรือศึกษาเพิ่มเติมเกี่ยวกับการใช้การศึกษาในแผนภูมิ s โปรดดูการศึกษาการตั้งค่าแผนภูมิดูการสาธิตและข้อมูลเพิ่มเติมเกี่ยวกับการศึกษาแผนภูมิเมื่อเลือกด้วยแผนภูมิในวันหนึ่งบรรทัดจะแสดงการบอกราคาปิดของวันก่อนหน้าโดยใช้ราคาที่สูงต่ำและปิดในวันก่อนหน้าเพื่อสร้าง pivot line สองระดับการสนับสนุน S1 S2 และสองระดับความต้านทาน R1 R2 การศึกษานี้จะปรากฏเฉพาะในแผนภูมิ intraday ในการตั้งค่าการศึกษาคลิกขวาที่การศึกษาและเลือกแก้ไขคุณอาจตรวจสอบบรรทัดที่คุณต้องการดู R2, R1, Pivot, S1, S2.Pivot Point บรรทัดอาจไม่สามารถมองเห็นได้ขึ้นอยู่กับระดับราคาที่คุณได้ตั้งไว้ในการตั้งค่าแผนภูมิและความแตกต่างระหว่างราคาระหว่างวันทำการก่อนหน้าและวันทำการปัจจุบันจุดหมุนเวียนคำนวณจากวันพุธที่ YesterdaysHigh Yesterdays ต่ำสุด Yesterdays ปิด 3 0. S1 2 0 Pivot - YesterdaysHigh. R1 2 0 Pivot - YesterdaysLow. S2 Pivot - R1 - S1.R2 Pivot R1 - S1.ReI Relative Relative Strength Index ปรับค่า RSI มาตรฐานให้เป็นค่าคงที่ที่ราบเรียบค่าเริ่มต้นที่กำหนดเองได้จาก 14 งวดสำหรับวัตถุประสงค์ในการคำนวณ , Ada ptive RSI ค่อนข้างคล้ายกับค่าเฉลี่ยเคลื่อนที่แทน แต่แทนที่จะใช้ค่าเฉลี่ยก่อนค่าคงที่โดยใช้เปอร์เซ็นต์ตัวแปรตาม RSI. where และ n คือช่วง RSI คือ n-period RSI. Money Flow ช่วยให้ การไหลของเงินไหลเข้าและออกจากการรักษาความปลอดภัยทิศทางของเส้นการไหลของเงินเป็นองค์ประกอบที่สำคัญในการชมไม่ใช่จำนวนเงินที่แท้จริงตัวบ่งชี้นี้สามารถใช้เพื่อยืนยันความแข็งแกร่งหรือจุดอ่อนของแนวโน้มราคาสูตรสำหรับ การไหลของเงินในช่วง n มีเปอร์เซ็นต์การไหลของเงินไหลเข้าเงินไหลปกติจะคำนวณการกระจายเงินโดยการหารด้วยยอดสะสมสำหรับงวดคุณสามารถเปลี่ยนระยะเวลาที่ใช้ในการคำนวณได้จากค่าเริ่มต้นของสูตร 14. สำหรับสูตร n อัตราการหมุนเวียนเงินเป็นช่วงเวลา - อัตราดอกเบี้ยเงินฝากประจำอัตราร้อยละคืออัตราส่วนของการโทร - ดอกเบี้ยแบบเปิดแสดงจำนวนของจำนวนหารหารด้วยจำนวนการเรียกขึ้นอยู่กับความสนใจแบบเปิดสำหรับแต่ละหุ้นหรือดัชนีอัตราส่วนนี้มักใช้เป็นตัวบ่งชี้ตลาดที่ขัดกันซึ่ง หมายความว่าอัตราส่วนสูงอาจเป็นตัวบ่งชี้ที่รั้นในขณะที่อัตราส่วนต่ำมักถูกตีความว่าเป็นตัวบ่งชี้ที่หยาบคายการศึกษาอัตราส่วนการโทรออกสามารถแสดงค่า PC Actual โดยที่แต่ละจุดข้อมูลแสดงถึงข้อมูลการโทรแบบวางสายหรือ PC SMA เฉลี่ยเคลื่อนที่โดยเฉลี่ยของข้อมูลดิบในช่วงเวลาที่เลือกของการศึกษาใช้ได้สำหรับแผนภูมิรายวันรายสัปดาห์และรายเดือนสำหรับหลักทรัพย์ optionable ดัชนีชี้วัดความสัมพันธ์ระบุระดับของการเคลื่อนไหวในเชิงบวกและเชิงลบโดยหุ้นในระดับ 0 อ่อนที่สุดถึง 100 แข็งแกร่งกำหนดโดยการหาอัตราส่วนของค่าเฉลี่ยที่ขึ้นปิดในช่วง 14 วันโดยใช้ราคาปัจจุบันในปัจจุบันสำหรับวันที่ 15 หารด้วยผลรวมของค่าเฉลี่ยที่ปิดขึ้นและค่าเฉลี่ยปิดลงในช่วงเวลาเดียวกันอัตราส่วนนี้จะคูณ โดย 100 คุณสามารถเปลี่ยนจำนวนงวดที่ใช้ในการคำนวณจากค่าเริ่มต้นเป็น 14 และคุณสามารถเลือกราคาเฉลี่ยที่จะเป็นฐานการศึกษาใน Close, Open, etc จากการตั้งค่าการศึกษา v เริ่มต้น alue ของ n-period RSI ขึ้นอยู่กับการกระทำของราคาสำหรับช่วง n ครั้งแรกค่าที่เกิดขึ้นจะถูกกำหนดโดยใช้สูตรอุปนัยคล้ายคลึงกับสูตร EMA ที่ได้อธิบายไว้ก่อนหน้านี้สูตรสำหรับค่าเริ่มต้นของ RSI คือที่ใด ๆ สำหรับในภายหลัง ค่าของ RSI จะถูกกำหนดโดยใช้สูตรค่าเฉลี่ยช่วงจริง (True Range) วัดค่าความผันผวนของความปลอดภัยโดยการคำนวณค่า True Range ในช่วงเวลาที่คุณกำหนดเมื่อตั้งค่า True Range เป็นค่าที่สูงที่สุดในปัจจุบัน ต่ำค่าสัมบูรณ์ของปัจจุบันสูงน้อยปิดก่อนหน้านี้ค่าสัมบูรณ์ของปัจจุบันต่ำต่ำปิดก่อนหน้านี้ค่าเริ่มต้นที่กำหนดเองของ 14 งวดสูตร ATR เป็นค่าเฉลี่ยเลขคณิตของช่วงที่แท้จริง True ช่วงคำนึงถึงช่องว่างใด ๆ up or down from the previous day as well as the high and low for the current day The formula is. where TR is the largest of the absolute values of High-Low , High-Yesterdays Close , and Yesterdays Close-Low. The Upper an d Lower lines are placed n-standard deviations above and below the Mid line simple moving average Since standard deviations are a measure of volatility, the bands widen during volatile price action and contract when volatility drops You can change the variables used in the calculation from the defaults of period 20 and n 2 standard deviations above and below. Rather than two bands that are always an equal percentage away from the central average, Bollinger Bands expand and contract based on the standard deviation of the historical volatility of the price action. The formulas for the upper and lower bands are. where m is the number of standard deviations and the formula for is. Implied Volatility Avg Calls Puts. The theoretical value in designed to represent the forecasted volatility of the security or index as determined by the prices of multiple call and put options using the Black-Scholes pricing model. Choose to view the Average of Puts Calls Avg , Average of Puts Puts , or Average of Cal ls Calls Also, choose whether to view actual implied volatility IV Actual or a simple moving average of implied volatility IV SMA Customizable default period for the IV SMA is 20.Implied Volatility studies are only available on daily, weekly, and monthly charts for optionable securities Implied Volatility values are computed using the Black-Scholes model and may not be available on all underlying securities The Schwab Avg Implied Volatility, Call - Implied Volatility, and Put - Implied Volatility, while based on the Robert E Whaley calculation, are derived using methods that may differ from those used by other data providers. The formula used in calculating this value is.2 in-the-money calls nearest to the current underlying price.2 in-the-money puts nearest to the current underlying price for the two nearest expiration months.2 out-of-the-money calls nearest to the current underlying price.2 out-of-the-money puts nearest to the current underlying price for the 2 nearest expiration mont hs 16.The formula used in calculating this value is.2 in-the-money calls puts nearest to the current underlying price for the two nearest expiration months.2 out of the money calls puts nearest to the current underlying price for the two nearest expiration months 8.Keltner Channels consist of two bands that are not equidistant from the EMA. Rather than two bands that are always an equal percentage away from the EMA, Keltner Channels expand and contract based on a moving average of the True Range TR. Customizable default of 20 periods, 10 ATR Average True Range Periods, and an ATR factor of 2.The formulas for the upper and lower bands are. where F is a factor. Use SSPro4 calculation StreetSmart Edge uses the modern calculation for Keltner Channels, which uses EMA rather than SMA as the signal line However, if you want Keltner Channels to continue using SMA as the signal line, check this box. True Range is the greatest of the following. The current high minus the current low. The absolute value of the current high less the previous close. The absolute value of the current low less the previous close. On Balance Volume OBV. This indicator relates volume to price changes by adding volume to a running total when the price closes up for a period, then subtracts the volume if the stock closes down for a period You can overlay the study on or underneath the price chart.