Mouvement Moyenne Igor

MetaTrader 4 - Indicateurs Moyennes mobiles, indicateur MA pour MetaTrader 4 L'indicateur technique de moyenne mobile indique la valeur moyenne du prix de l'instrument pour une certaine période de temps. Quand on calcule la moyenne mobile, on fait la moyenne du prix de l'instrument pour cette période. À mesure que le prix change, sa moyenne mobile augmente ou diminue. Il existe quatre types différents de moyennes mobiles: Simple (également appelé arithmétique), exponentiel, lissé et linéaire pondéré. Les moyennes mobiles peuvent être calculées pour tout ensemble de données séquentiel, y compris les prix d'ouverture et de clôture, les prix les plus élevés et les plus bas, le volume des transactions ou tout autre indicateur. C'est souvent le cas lorsque l'on utilise des moyennes mobiles doubles. La seule chose où les moyennes mobiles de différents types divergent considérablement l'une de l'autre, est quand les coefficients de poids, qui sont affectés aux dernières données, sont différents. Dans le cas où nous parlons de moyenne mobile simple, tous les prix de la période en question, sont de valeur égale. Les moyennes mobiles exponentielles et linéaires pondérées attachent plus de valeur aux derniers prix. La façon la plus courante d'interpréter la moyenne mobile des prix est de comparer sa dynamique à celle du prix. Lorsque le prix de l'instrument s'élève au-dessus de sa moyenne mobile, un signal d'achat apparaît, si le prix tombe en dessous de sa moyenne mobile, ce que nous avons est un signal de vente. Ce système de négociation, basé sur la moyenne mobile, n'est pas conçu pour fournir une entrée sur le marché juste à son point le plus bas, et sa sortie à droite sur le pic. Il permet d'agir selon la tendance suivante: acheter peu après que les prix atteignent le fond, et vendre peu de temps après que les prix aient atteint leur sommet. Moyenne mobile simple (SMA) Simple, en d'autres termes, la moyenne mobile arithmétique est calculée en additionnant les prix de la fermeture de l'instrument sur un certain nombre de périodes simples (par exemple, 12 heures). Cette valeur est ensuite divisée par le nombre de ces périodes. SMA SUM (FERMER, N) N Où: N est le nombre de périodes de calcul. Moyenne mobile exponentielle (EMA) La moyenne mobile exponentiellement lissée est calculée en ajoutant la moyenne mobile d'une certaine part du cours de clôture actuel à la valeur précédente. Avec des moyennes mobiles exponentiellement lissées, les derniers prix sont plus intéressants. La moyenne mobile exponentielle de P-pourcentage ressemblera à: Où: CLOSE (i) le prix de la période courante fermeture EMA (i-1) Moyenne mobile exponentielle de la période précédente fermeture P le pourcentage d'utilisation de la valeur du prix. Moyenne mobile lissée (SMMA) La première valeur de cette moyenne mobile lissée est calculée comme étant la moyenne mobile simple (SMA): SUM1 SUM (FERMER, N) La deuxième et les moyennes mobiles suivantes sont calculées selon cette formule: Où: SUM1 est le Somme des prix de clôture pour N périodes SMMA1 est la moyenne mobile lissée de la première barre SMMA (i) est la moyenne mobile lissée de la barre courante (sauf pour la première) CLOSE (i) est le prix de clôture actuel N est le Période de lissage. Moyenne mobile pondérée linéaire (LWMA) Dans le cas de la moyenne mobile pondérée, les données les plus récentes sont plus utiles que les données plus anciennes. La moyenne mobile pondérée est calculée en multipliant chacun des cours de clôture dans la série considérée, par un certain coefficient de pondération. SOMME (i, N) SOMME (i, N) Où: SOMME (i, N) est la somme totale des coefficients de pondération. Les moyennes mobiles peuvent également être appliquées aux indicateurs. C'est là que l'interprétation des moyennes mobiles des indicateurs est semblable à celle des moyennes mobiles de prix: si l'indicateur dépasse la moyenne mobile, cela signifie que le mouvement ascendant des indicateurs devrait se poursuivre: si l'indicateur tombe en dessous de sa moyenne mobile, Signifie qu'il est susceptible de continuer à aller vers le bas. Voici les types de moyennes mobiles sur le graphique: Moyenne mobile simple (SMA) Moyenne mobile exponentielle (EMA) Moyenne mobile lissée (SMMA) Moyenne mobile pondérée linéaire (LWMA) Le lissage supprime les variations à court terme ou quotnoisequot pour révéler les sous - Forme non modifiée des données. Igoracutes Smooth opération exécute boîte, quotbinomialquot, et Savitzky-Golay lissage. Les différents algorithmes de lissage convoluent les données d'entrée avec des coefficients différents. Le lissage est une sorte de filtre passe-bas. Le type de lissage et la quantité de lissage modifient la réponse de fréquence de filtrage: Moyenne mobile (alias lissage de boîte) La forme la plus simple de lissage est la moyenne quotmoving qui remplace simplement chaque valeur de données par la moyenne des valeurs voisines. Pour éviter de déplacer les données, il est préférable de faire la moyenne du même nombre de valeurs avant et après l'endroit où la moyenne est calculée. Dans la forme d'équation, la moyenne mobile est calculée par: Un autre terme pour ce genre de lissage est quotsliding moyenquot, quotbox smoothingquot, ou quotboxcar smoothingquot. Il peut être mis en œuvre en convolvant les données d'entrée avec une impulsion en forme de boîte de valeurs 2M1 toutes égales à 1 (2M1). Nous appelons ces valeurs les quotcoefficientsquot du noyau quotsmoothing: Binomial Smoothing Le lissage binomial est un filtre gaussien. Il convertit vos données avec des coefficients normalisés dérivés du triangle Pascalacutes à un niveau égal au paramètre Smoothing. L'algorithme est dérivé d'un article de Marchand et Marmet (1983). Savitzky-Golay Smoothing Le lissage Savitzky-Golay utilise un ensemble différent de coefficients précomprimés populaires dans le domaine de la chimie. C'est un type de lissage polynomial des moindres carrés. La quantité de lissage est contrôlée par deux paramètres: l'ordre polynomial et le nombre de points utilisés pour calculer chaque valeur de sortie lissée. Références Marchand, P. et L. Marmet, Filtre de lissage binomial: un moyen d'éviter certains pièges de lissage polynomial à moindres carrés, Rev. Sci. Instrum. . 54. 1034-41, 1983. Savitzky, A. et M. J.E. Golay, Lissage et différenciation des données par des procédures simplifiées par moindres carrés, Analytical Chemistry. 36. 1627-1639, 1964.