Moving Average Igor

MetaTrader 4 - Indicadores Médias móveis, indicador MA para o MetaTrader 4 O Indicador Técnico da Média Mover mostra o valor médio do preço do instrumento por um determinado período de tempo. Quando se calcula a média móvel, uma média do preço do instrumento para este período de tempo. À medida que o preço muda, sua média móvel aumenta ou diminui. Existem quatro tipos diferentes de médias móveis: simples (também conhecido como aritmética), exponencial, suavizado e linear ponderado. As médias móveis podem ser calculadas para qualquer conjunto de dados seqüenciais, incluindo preços de abertura e fechamento, preços mais altos e mais baixos, volume de negócios ou outros indicadores. Muitas vezes, é o caso quando se usam médias móveis duplas. A única coisa em que as médias móveis de diferentes tipos divergem consideravelmente umas das outras, é quando os coeficientes de peso, que são atribuídos aos dados mais recentes, são diferentes. Caso falamos de uma média móvel simples, todos os preços do período de tempo em questão são de valor igual. As médias móveis ponderadas exponenciais e lineares atribuem mais valor aos preços mais recentes. A maneira mais comum de interpretar a média móvel de preços é comparar sua dinâmica com a ação de preço. Quando o preço do instrumento sobe acima de sua média móvel, aparece um sinal de compra, se o preço cai abaixo da média móvel, o que temos é um sinal de venda. Este sistema de negociação, baseado na média móvel, não é projetado para fornecer entrada no mercado bem no seu ponto mais baixo, e sua saída diretamente no pico. Permite atuar de acordo com a seguinte tendência: comprar logo depois que os preços chegam ao fundo e vender logo depois que os preços atingiram seu pico. Média móvel simples (SMA) Simples, em outras palavras, a média móvel aritmetica é calculada ao resumir os preços do encerramento do instrumento durante um certo número de períodos únicos (por exemplo, 12 horas). Esse valor é então dividido pelo número desses períodos. SMA SUM (CLOSE, N) / N Onde: N é o número de períodos de cálculo. Média de Movimento Exponencial (EMA) A média móvel suavizada exponencialmente é calculada adicionando a média móvel de uma determinada parcela do preço de fechamento atual ao valor anterior. Com médias movidas exponencialmente suavizadas, os preços mais recentes são de maior valor. A média móvel exponencial em percentagem de P será semelhante a: Onde: CLOSE (i) o preço do encerramento do período atual EMA (i-1) A média móvel do encerramento do período anterior P é a porcentagem de usar o valor do preço. Média de Mudança Suavizada (SMMA) O primeiro valor dessa média móvel suavizada é calculado como a média móvel simples (SMA): SUM1 SUM (FECHAR, N) As segundas e as médias móveis sucessivas são calculadas de acordo com esta fórmula: Onde: SUM1 é o Soma total de preços de fechamento para N períodos SMMA1 é a média móvel suavizada da primeira barra SMMA (i) é a média móvel suavizada da barra atual (exceto para a primeira) CLOSE (i) é o preço de fechamento atual N é o Período de suavização. Média de movimento ponderada linear (LWMA) No caso da média móvel ponderada, os dados mais recentes são mais valiosos do que dados mais precoce. A média móvel ponderada é calculada multiplicando cada um dos preços de fechamento dentro da série considerada, por um certo coeficiente de peso. LWMA SUM (Fechar (i) i, N) / SUM (i, N) Onde: SUM (i, N) é a soma total dos coeficientes de peso. As médias móveis também podem ser aplicadas aos indicadores. É aí que a interpretação das médias móveis de indicadores é semelhante à interpretação das médias móveis de preços: se o indicador sobe acima de sua média móvel, isso significa que o movimento do indicador ascendente provavelmente continuará: se o indicador cai abaixo da média móvel, isso Significa que é provável que continue indo para baixo. Aqui estão os tipos de médias móveis no gráfico: Média móvel simples (SMA) Média móvel exponencial (EMA) Média móvel suavizada (SMMA) A média linear móvel ponderada linear (LWMA) suaviza as variações de curto prazo ou quotnoisequot para revelar o importante subjacente Forma não adulterada dos dados. A operação suave Igoracutes realiza caixa, quotbinomialquot e suavização Savitzky-Golay. Os diferentes algoritmos de suavização convolvem os dados de entrada com diferentes coeficientes. Suavizar é um tipo de filtro passa-baixa. O tipo de suavização e a quantidade de suavização alteram a resposta de freqüência do filtro: média móvel (aka, Suavização de caixa) A forma mais simples de suavização é a média de quotmoving que simplesmente substitui cada valor de dados pela média de valores vizinhos. Para evitar a mudança dos dados, é melhor calcular o mesmo número de valores antes e depois, onde a média está sendo calculada. Na forma de equação, a média móvel é calculada por: Outro termo para esse tipo de alisamento é quotsliding averagequot, quotbox smoothingquot ou quotboxcar smoothingquot. Pode ser implementado convolvendo os dados de entrada com um pulso em forma de caixa de valores 2M1 todos iguais a 1 / (2M1). Nós chamamos esses valores do quotcoeficientesquot do quotmoothing kernelquot: Binomial Smoothing Binomial suavização é um filtro gaussiano. Ele convolve seus dados com coeficientes normalizados derivados do triângulo Pascalacutes em um nível igual ao parâmetro Smoothing. O algoritmo é derivado de um artigo de Marchand e Marmet (1983). Savitzky-Golay Smoothing Savitzky-Golay suavização usa um conjunto diferente de coeficientes précomputados populares no campo da química. É um tipo de alisamento polinomial de Menos Quadrados. A quantidade de suavização é controlada por dois parâmetros: a ordem polinomial e o número de pontos utilizados para calcular cada valor de saída suavizado. Referências Marchand, P. e L. Marmet, filtro de suavização binomial: uma maneira de evitar algumas armadilhas de alisamento polinomial de mínimos quadrados, Rev. Sci. Instrum. . 54. 1034-41, 1983. Savitzky, A. e M. J.E. Golay, Suavização e diferenciação de dados por procedimentos de mínimos quadrados simplificados, Química Analítica. 36. 1627-1639, 1964.