При анализе потоковых данных временного ряда важно иметь адекватное представление о его регулярной составляющей (тенденции). Известные алгоритмы сглаживания, к сожалению, реагируют с задержкой на изменение тенденции либо слишком чувствительны к шуму, что затрудняет анализ.
Пару недель назад вместо закона сглаживания на входе 2 фильтра (смотрите пост от 7 января 2013) задал формулу индикатора Momentum. Вот что получилось.
В нижней части рисунка представлена не сглаженная линия индикатора Momentum (серая), сглаженная с помощью GDF (красная) и сглаженная с помощью экспоненциальной скользящей средней (синяя). Как видно из картинки, GDF почти без задержки рисует основную тенденцию, справляясь со всеми шумами. В тоже время, сглаженная линия Momentum с помощью экспоненциальной скользящей средней более ломанная и имеет заметную задержку.
Примечание: при сравнении использовался индикатор Momentum из статьи "Индикаторы и торговые системы Уильяма Блау на MQL5".
Пару недель назад вместо закона сглаживания на входе 2 фильтра (смотрите пост от 7 января 2013) задал формулу индикатора Momentum. Вот что получилось.
В нижней части рисунка представлена не сглаженная линия индикатора Momentum (серая), сглаженная с помощью GDF (красная) и сглаженная с помощью экспоненциальной скользящей средней (синяя). Как видно из картинки, GDF почти без задержки рисует основную тенденцию, справляясь со всеми шумами. В тоже время, сглаженная линия Momentum с помощью экспоненциальной скользящей средней более ломанная и имеет заметную задержку.
Примечание: при сравнении использовался индикатор Momentum из статьи "Индикаторы и торговые системы Уильяма Блау на MQL5".
Комментариев нет:
Отправить комментарий