Indicador de extrapolador de fourier forex

MetaTrader 5 - Indicadores Extrapolação de Fourier do indicador de preço para MetaTrader 5 Um modelo trigonométrico multi-harmônico (ou multitono) de uma série de preços xi, i1..n, é dado por: xi m Sum (ahCos (whi) bhSin ( Whi), h1..H) xi - preço passado na i-th bar, total n preços passados ​​m - bias ah e bh - coeficientes de escala de harmônicos wh - freqüência de um harmônico h - número harmônico H - número total de harmônicos ajustados . Ajustar este modelo significa encontrar m, ah, bh e wh que tornam os valores modelados próximos dos valores reais. Encontrando as freqüências harmônicas, é a parte mais difícil de ajustar um modelo trigonométrico. No caso de uma série de Fourier, essas freqüências são fixadas em 2pihn. Mas, a extrapolação da série de Fourier significa simplesmente repetir os últimos preços no futuro. Este indicador usa o algoritmo Quinn-Fernandes para encontrar as freqüências harmônicas. Ele se adapta aos harmônicos da série trigonométrica uma a uma até chegar ao número total especificado de harmônicos H. Depois de ajustar uma nova harmônica, o algoritmo codificado calcula o resíduo entre o modelo atualizado e os valores reais e se adapta a um novo harmônico ao resíduo. O indicador possui os seguintes parâmetros de entrada: Npast - número de barras passadas, às quais a série trigonométrica está ajustada Nfut - número de barras futuras previstas Nharm - número total de harmônicos no modelo FreqTOL - tolerância de cálculos de freqüência. O indicador apresenta duas curvas: a curva azul indica valores passados ​​modelados e a curva vermelha indica os valores futuros modelados. MetaTrader 4 - Indicadores Extrapolador - indicador para MetaTrader 4 O indicador é baseado em vários métodos que podem ser escolhidos pela variável de entrada Método: Método 1: Extrapolação de Fourier, as frequências são calculadas usando o Algoritmo de Quinn-Fernandes Método 2: Método de Autocorrelação Método 3: método de maré ponderado Método 4: método de Burg com função de ponderação de Helme-Nikias Método 5: método de Itakura-Saito (geométrico) Método 6: Método de covariância modificada Os métodos 2-6 são os métodos de previsão linear. A previsão linear é baseada em encontrar os valores futuros como as funções lineares dos valores passados. Suponha que temos um número de preços x0..xn-1 onde o maior índice é compatível com o preço recente. A previsão do preço futuro xn é calculada como xn - Sum (aixn-i, i1..p) onde ai1..p - coeficientes do modelo, ordem p do modelo. Os métodos listados 2-6 encontram os coeficientes a, diminuindo o erro médio-raiz-quadrado nas últimas barras n-p de treinamento. Claro, podemos alcançar o erro zero de predição se resolvermos diretamente o conjunto de equações mencionadas acima com n2p pelo método de Levinson-Durbin. Esse método de predição é chamado Prony Method. Sua desvantagem é a instabilidade durante a previsão dos valores futuros da série. É por isso que este método não foi incluído. Os outros parâmetros de entrada são: LastBar - o número da última barra nos dados passados ​​PastBars - o número de barras passadas usadas para a previsão dos valores futuros LPOrder - a ordem do modelo linear como uma fração do número do passado Barras (0..1) FutBars - o número de barras futuras na previsão HarmNo - o número máximo de freqüências para o Método 1 (0 significa todas as freqüências) FreqTOL - a imprecisão do cálculo de frequências para o Método 1 (se for Gt0.001 não pode convergir) BurgWin - o número da função de ponderação para o Método 2 (0Rectangular 1Hamming 2Parabolic) O indicador desenha duas linhas: a linha azul mostra os preços do modelo nas barras de treino, a linha vermelha mostra a previsão Preços futuros. Método 1 (extrapolação da série de Fourier) Método 3 (método de Burgs) Método 6 (Método de Covariância Modificado) Se alguém tiver sucesso no desenvolvimento de uma EA rentável com base nesse indicador, peço compartilhar suas idéias através do e-mail especificado dentro da código.