Gauß Gleitender Durchschnittsindikator

John Ehlers TECHNISCHE PAPIERE John Ehlers, der Entwickler von MESA, hat viele Papiere verfasst und veröffentlicht, die sich auf die Prinzipien der Marktzyklen beziehen. Die Synopse für die verfügbaren Papiere werden unten angezeigt. Laden Sie jedes durch Auswahl ihrer zugehörigen HyperText. Warum Händler Geld verlieren (und was zu tun ist) Ein Artikel in der Mai 2014 Ausgabe von Stock amp Commodities Magazine beschrieb, wie man künstliche Equity-Kurven durch nur die Gewinn-Faktor und Prozent-Gewinner einer Trading-Strategie zu schaffen. Bell Curve Statistiken für den Handel von zufällig ausgewählten Aktien und Portfolio-Trading sind ebenfalls enthalten. Dies ist eine Excel-Kalkulationstabelle, die es Ihnen ermöglicht, diese statistischen Deskriptoren der Trading-Systemleistung zu erleben. Predictive Indicators für effektive Trading-Strategien Technischen Händler verstehen, dass Indikatoren zu glätten Marktdaten nützlich sein müssen, und dass Glättung führt Lag als unerwünschte Nebenwirkung. Wir wissen auch, dass der Markt Fraktal ist eine wöchentliche Intervall-Diagramm sieht aus wie eine monatliche, tägliche oder Intraday-Chart. Was nicht ganz so offensichtlich sein mag, ist, dass mit zunehmendem Zeitintervall entlang der x-Achse auch die hoch-zu-niedrigen Preisschwankungen entlang der y-Achse in etwa proportional zunehmen. Diese spektralen Dilatationserscheinungen bewirken eine unerwünschte Verzerrung, die entweder nicht erkannt wurde oder von Indikatorentwicklern und Markttechnikern weitgehend ignoriert wurde. Ableiten von Handelsstrategien aus gemessenen Wahrscheinlichkeitsdichtefunktionen Dies war der Zweitplatzierte des MTAs 2008 Charles H. Dow Award. In dieser Arbeit zeige ich die Implikationen der verschiedenen Formen der Detrending und wie die resultierenden Wahrscheinlichkeitsverteilungen als Strategien zur Erzeugung wirksamer Handelssysteme verwendet werden können. Die Ergebnisse dieser robusten Handelssysteme werden mit Standardansätzen verglichen. Dieses Papier zeigen und interaktive Art und Weise zu eliminieren so viel Verzögerung wie gewünscht von Glättung Filter. Natürlich kommt reduzierte Verzögerung zu dem Preis der verringerten Filterglätte. Der Filter weist kein transientes Überschwingen auf, das üblicherweise in Filtern höherer Ordnung gefunden wird. Empirischer Modus Zersetzung Ein neuer Ansatz für die Zyklus - und Trendmoduserkennung. Fourier Transform for Traders Das Problem mit Fourier Transform für die Messung von Marktzyklen ist, dass sie eine sehr schlechte Auflösung haben. In dieser Arbeit zeige ich, wie eine andere nichtlineare Transformation verwendet wird, um die Auflösung zu verbessern, so dass die Fourier-Transformationen verwendbar sind. Das gemessene Spektrum wird als Heatmap angezeigt. Swiss Army Knife Indicators Indikatoren sind nur Übertragungsantworten von Eingangsdaten. Durch eine einfache Änderung der Konstanten kann dieser Indikator ein EMA, ein SMA, ein 2-Pole-Gaussian-Tiefpassfilter, ein 2-Pole-Butterworth-Tiefpassfilter, ein FIR-Glättungsmittel, ein Bandpassfilter oder ein Bandstopfilter werden. Ehlers-Filter Ein ungewöhnliches nichtlineares FIR-Filter wird beschrieben. Dieser Filter gehört zu den am meisten ansprechenden Preisänderungen, ist aber in den Seitenmärkten glatter. Systemleistungsbewertung Profitfaktor (Bruttogewinn dividiert durch Bruttoverluste) entspricht dem Auszahlungsfaktor beim Spiel. Wenn also der Profitfaktor mit den Prozentgewinnern in einer Reihe von Zufallsereignissen kombiniert wird, können Beispiele dafür gefunden werden, wie ein Aktienstrategie-Aktienwachstum simuliert werden kann. Dieses Papier beschreibt, wie gemeinsame Leistungsbeschreibung auf diese beiden Parameter bezogen sind. Eine Excel-Kalkulationstabelle ist beschrieben, mit der Sie eine Monte Carlo Analyse Ihrer Handelssysteme durchführen können, wenn Sie diese beiden Parameter kennen (out of sample). FRAMA (FRACTAL Adaptive Moving Average). Ein nichtlinear gleitender Durchschnitt wird mit dem Hurst-Exponenten abgeleitet. MAMA ist die Mutter aller adaptiven gleitenden Durchschnitte. Tatsächlich ist der Name ein Akronym für MESA Adaptive Moving Average. Die nichtlineare Wirkung dieses Filters wird durch den Rücklauf der Phase jedes Halbzyklus erzeugt. In Kombination mit FAMA, einem folgenden Adaptive Moving Average, bilden die Crossovers ausgezeichnete Eingangs - und Ausgangssignale, die relativ frei von Whipsaws sind. Verzögerung ohne Raumfahrt Laguerre Polynome werden verwendet, um eine Filterstruktur ähnlich einem einfachen gleitenden Durchschnitt mit dem Unterschied zu erzeugen, dass der Zeitabstand zwischen den Filterabgriffen null ist. Das Ergebnis ermöglicht die Erzeugung sehr kurzer Filter mit den Glättungscharakteristiken viel längerer Filter. Kürzere Filter bedeuten weniger Verzögerung. Die Vorteile der Verwendung der Laguerre-Polynome in Filtern werden sowohl in Indikatoren als auch in automatischen Handelssystemen demonstriert. Der Artikel enthält EasyLanguage-Code. Der CG-Oszillator Der CG-Oszillator ist einzigartig, weil er ein Oszillator ist, der sowohl geglättet als auch verzögert ist. Er findet den Schwerpunkt (CG) der Preiswerte in einem FIR-Filter. Das CG hat automatisch die Glättung des FIR-Filters (ähnlich einem einfachen gleitenden Durchschnitt), wobei die Position des CG genau in Phase mit der Kursbewegung ist. EasyLanguage-Code ist enthalten. Verwenden der Fisher-Transformation Viele Handelssysteme werden unter der Annahme entworfen, dass die Wahrscheinlichkeitsverteilung der Preise eine Normal - oder Gaußsche Wahrscheinlichkeitsverteilung über den Mittelwert aufweist. Tatsächlich könnte nichts weiter von der Wahrheit entfernt sein. Dieses Papier beschreibt, wie die Fisher Transform Daten konvertiert, um fast eine normale Wahrscheinlichkeitsverteilung haben. Wenn die Wahrscheinlichkeitsverteilung nach Anwendung der Fisher-Transformation normal ist, werden die Daten verwendet, um Einstiegspunkte mit chirurgischer Präzision zu erzeugen. Der Artikel enthält EasyLanguage-Code. Die Inverse Fisher-Transformation Die Inverse Fisher-Transformation kann verwendet werden, um einen Oszillator zu erzeugen, der schnell zwischen Überverkauf und Überkauf ohne Peitsche umschaltet. Gaußsche Filter Lag ist der Untergang von Glättungsfiltern. Dieser Artikel zeigt, wie Verzögerung reduziert werden kann und die höchste Glättung der Glätte durch Verringerung der Verzögerung von Hochfrequenzkomponenten in den Daten erhalten wird. Eine vollständige Tabelle von Gaußschen Filterkoeffizienten ist vorgesehen. Pole und Nullen Eine Beschreibung der digitalen Filter in Form von Z Transformationen. Die Verzweigungen von Filtern höherer Ordnung werden beschrieben. Tabellen von Koeffizienten für 2-Pole - und 2-Pole-Butterworth-Filter werden ausgegeben. Indikatoren Eine Bibliothek von Funktionen zum Filtern und Abrufen von Informationen über Preiskurven, von der traditionellen technischen Analyse bis hin zur erweiterten Transformations - und Statistikfunktion: Gleitende Mittelwerte, Oszillatoren, Hilbert-Transformationen, Ehlers-Indikatoren und Spektralanalyse. Die Indikatoren sind in alphabetischer Reihenfolge aufgelistet. Traditionelle Indikatoren verwenden die TA-Lib-Indikator-Bibliothek von Mario Fortier (ta - lib. org), die sich als Standard etabliert hat. Informationen über die Verwendung, die Algorithmen und den Quellcode der TA-Lib-Indikatoren finden Sie online unter tadoc. org, die Quelle ist auch im ZorroSource-Ordner enthalten. Der Quellcode der meisten anderen Indikatoren und Analysefunktionen finden Sie in Zorroincludeindicators. c. Spektralfilter und Amplitudenfrequenzanalyse sind in der Spektralbibliothek aufgelistet. Klassische Kerzenmuster finden Sie in der Musterbibliothek. AC (vars Data): var Accelerator Oszillator die Differenz der AO-Anzeige (siehe unten) und der 5-bar einfache gleitende Mittelwert (SMA). Geglaubt, um die Beschleunigung und Verzögerung eines Marktes treibende Kraft (was auch immer das bedeutet). Für Daten wird normalerweise ein MedPrice oder eine Preisserie verwendet. Quellcode in Indikatoren. c. ADO (): var Akkumulationsverteilungs-Oszillator: ((Close-Low) - (High-Close)) (High-Low). Range von -1, wenn die enge ist die niedrige der Bar, auf 1, wenn seine hohe. Soll das Angebot und die Nachfrage messen, indem sie feststellen, ob die Händler in der Regel akkumulieren (Kauf) oder Vertrieb (Verkauf). Dieser Indikator wurde in vielen einzelnen Varianten der Formel veröffentlicht, aber keiner von ihnen scheint besser als der andere. Verwendet die aktuelle Preisklasse. Quellcode in Indikatoren. c. ADX (int TimePeriod): var Durchschnittlicher Richtungsindex. Gleitender Durchschnitt der DX-Anzeige (siehe unten). Verwendet die aktuelle Preisklasse. Unterstützt TimeFrame nicht. Die zurückgegebenen Werte reichen von 0 bis 100. ADXR (int TimePeriod): var Average Directional Movement Index. Der Durchschnitt der aktuellen ADX und der ADX von TimePeriod Bars vor. Verwendet die aktuelle Preisklasse. Unterstützt TimeFrame nicht. Alligator (vars Daten): var Alligator-Anzeige. Bestehend aus drei Leitungen: blau SMA (13) verzögert um 5 bar rot: SMA (8) verzögert um 2 bar grün: SMA (5). Zeigt einen Abwärtstrend mit Zeilen in der Reihenfolge blau-rot-grün (von oben nach unten) und einen Aufwärtstrend mit grün-rot-blau an. Je näher sich die Alligatorrsquos-Linien bewegen, desto schwächer wird der Trend und umgekehrt. Enthält nicht die zusätzlichen 3 Balken Verzögerung des ursprünglichen Alligator-Algorithmus (verwenden Sie Data3 dafür). Für Daten wird normalerweise der Highlow-Mittelwert (MedPrice-Serie) verwendet. Ergebnis in rRed. RGreen RBlue. Quellcode in Indikatoren. c. ALMA (vars Daten, int TimePeriod, int Sigma, var Offset): var ALMA (vars Daten, int Zeitperiodendauer): var Arnaud Legoux Moving Average. Basierend auf einer Gaußschen Verteilung mit einer Vorspannung zum Beginn der Datenreihe (d. h. jüngere Preise). Parameter: Sigma (Verteilbreite, Vorgabe 6) Offset (Vorgabewert, Voreinstellung 0.85). Quellcode in Indikatoren. c. AO (vars Data): var Ehrfürchtiger Oszillator einfach die Differenz von einem 5-bar und einem 34-bar SMA. Für Daten wird normalerweise ein MedPrice oder eine Preisserie verwendet. Quellcode in Indikatoren. c. APO (vars Daten, int FastPeriod, int SlowPeriod, int MAType): var Absoluter Preis Oszillator eine allgemeinere Version der AO. Gibt die Differenz zwischen zwei gleitenden Mittelwerten zurück. Parameter: FastPeriod (Anzahl der Perioden für das schnelle MA), SlowPeriod (Anzahl der Perioden für das langsame MA), MAType (Typ des Moving Average). Aroon (int TimePeriod): var Aroon-Anzeige. Besteht aus zwei Zeilen (Up und Down), die messen, wie lange es seit dem höchsten höchsten Tief in der Zeitperiode aufgetreten ist. Verwendet die aktuelle Preisklasse. Unterstützt TimeFrame nicht. Ergebnis in rAroonDown. RAroonUp. AroonOsc (int TimePeriod): var Aroon-Oszillator. Berechnet durch Subtrahieren des Aroon Down vom Aroon Up. Der Rückgabewert schwankt zwischen 100 und -100. Verwendet die aktuelle Preisklasse. Unterstützt TimeFrame nicht. ATR (int TimePeriod): var Durchschnittlicher True Range. Ein Maß für die Preisvolatilität, die für die Berechnung von Stop-Loss - oder Gewinnzielabständen nützlich ist. Formel: ATR (ATR1 (TimePeriod-1) max (Hoch, Schließen) - min (Niedrig, Schließen)) TimePeriod. Wobei ATR1 die ATR vom letzten Takt ist. Verwendet die aktuellen Anlagenpreise. Die Funktion intern erzeugt eine Serie, wenn TimeFrame gt 1 ist. Und muss dann in einer festen Reihenfolge in dem Skript aufgerufen werden. Siehe auch: Volatility. CVolatilty. TrueRange. ATRS. ATR (Vars Open, Vars High, Vars Low, Vars Close, int TimePeriod): var Durchschnittlicher True Range aus beliebigen Preisreihen mit beliebigem Offset und Zeitrahmen. ATRS (int TimePeriod): var Einfacher mittlerer True Range. SMA des TrueRange über die TimePeriod. Unter Verwendung der aktuellen Anlagenpreisreihen. Ein Maß für die Preisvolatilität, einfacher zu berechnen als die ATR. Sondern die Anpassung langsam an Volatilität Änderungen und damit weniger geeignet für Stop-Loss-Gewinnziele. Wird von der MT4-Plattform anstelle der realen ATR verwendet. Unterstützt TimeFrame nicht. Quellcode in Indikatoren. c. AvgPrice (): var Durchschnittlicher Preis. Einfach (OpenHighLowClose) 4 mit der aktuellen Asset-Preis-Serie. BBands (vars Daten, int TimePeriod, var NbDevUp, var NbDevDn, int MAType) Bollinger-Bänder. Bestehend aus drei Linien ist das Mittelband ein einfacher gleitender Durchschnitt (in der Regel 20 Perioden) des typischen Preises (TP). Die oberen und unteren Bänder sind n Standardabweichungen (in der Regel 2) über und unter dem mittleren Band. Die Bänder breiter und schmaler, wenn die Volatilität des Preises höher oder niedriger ist. Bollinger-Bänder zeigen an, wenn der Preis relativ hoch oder niedrig geworden ist, was durch die Berührung oder geringfügige Durchdringung der oberen oder unteren Linie signalisiert wird. Ergebnis in rRealUpperBand. RRealMiddleBand. RRealLowerBand. Parameter: NbDevUp (Abweichungsmultiplikator für oberes Band), NbDevDn (Abweichungsmultiplikator für unteres Band), MAType (Typ des gleitenden Mittelwertes). Beispiel in Indicatortest. c. BBOsc (vars Daten, int TimePeriod, var NbDev, int MAType): var Bollinger Bands Oszillator der Prozentsatz des aktuellen Wertes der Serie innerhalb der Bollinger-Bänder. Beta (vars Daten, vars Data2, int TimePeriod): var Beta-Wert. Ein Maß für die Preise der einzelnen Vermögenswerte gegenüber dem Gesamtmarktindex. Der Anlagepreis ist in den Daten angegeben und die Marktpreise sind in Data2 angegeben. Der Algorithmus berechnet den Wechsel zwischen den Preisen in beiden Serien und stellt dann diese Änderungen als Punkte in der euklidischen Ebene dar. Der x-Wert eines beliebigen Punktes ist die Änderung von Data2 (Markt) und der y-Wert ist die Änderung von Data (Asset). Der Beta-Wert ist die Steigung einer linearen Regressionsgeraden durch diese Punkte. Eine Beta von 1 ist einfach die Zeile yx, so dass der Vermögenswert variiert mit dem Markt. Ein Beta von weniger als eins bedeutet, dass der Vermögenswert weniger als der Markt variiert und ein Beta von mehr als einem Mittel der Vermögenswert variiert mehr als der Markt. BOP (): var Balance of Power einfach (Schließen - Öffnen) (Hoch - Niedrig). Verwendet die aktuelle Preisklasse. CCI (int TimePeriod): var Commodity Channel-Index. Variation des Preises von seinem statistischen Mittel, typischerweise oszilliert zwischen -100. Verwendet die aktuelle Preisklasse. Unterstützt TimeFrame nicht. CI (int TimePeriod): var Choppiness Index mißt die Volatilität einzelner Barwerte in Bezug auf die Volatilität der vergangenen TimePeriod in einem Bereich von 1..100. Verwendet die aktuelle Preisklasse. Unterstützt TimeFrame nicht. ChandelierLong (int TimePeriod, var Multiplikator): var ChandelierShort (int TimePeriod, var Multiplikator): var Kronleuchter beendet den höchsten Preis von TimePeriod abzüglich der ATR multipliziert mit Multiplikator. Normalerweise als eine schleppende Stop Loss verwendet. Um den Handel im Trend zu halten und einen vorzeitigen Ausstieg zu verhindern, solange der Trend anhält. Quellcode in Indikatoren. c. Unterstützt TimeFrame nicht. Beispiel im TMF-Kapitel. CGOsc (vars Daten, int TimePeriod): var Schwerpunkt-Oszillator, von John Ehlers berechnet die Abweichung der Preise von ihrer Mitte innerhalb der TimePeriod. Kann verwendet werden, um Preis-Wendepunkte mit fast Null Verzögerung zu identifizieren. Quellcode in Indikatoren. c. Chikou (int Shift): var Chikou Linie der Ichimoku-Indikator einfach die Close shifted nach vorne verschieben (optional Standard 26). Verwendet die aktuelle Preisklasse. Quellcode in Indikatoren. c. CMO (vars Daten, int TimePeriod): var Chande Momentum Oszillator. Ähnlich wie beim RSI. Sondern die gesamte Datenbewegung durch die Netzbewegung ((up-down) (up down)) dividiert. Coral (vars Data): var Coral Indicator, einfach ein T3 mit TimePeriod 60 und VolumeFactor 0.4. Korrelation (vars Data1, vars Data2, int TimePeriod): var Pearsons Korrelationskoeffizient zwischen zwei Datenreihen über dem angegebenen TimePeriod. Im Bereich zwischen -1..1. Ein Koeffizient von 1,0 bedeutet, dass Änderungen in Data2 identische Änderungen in Data1 bewirken (z. B. eine Änderung des Indikators führt zu einer identischen Änderung des Assetpreises). Ein Koeffizient von -1,0, eine negative Korrelation, bedeutet, dass Änderungen in Data2 identische Änderungen in Data1 verursachen. Sondern in die entgegengesetzte Richtung. Ein Koeffizient von Null bedeutet, dass es keine Beziehung zwischen den beiden Serien gibt und dass eine Änderung von Data2 keine Auswirkung auf Data1 hat. Diese Funktion kann auch verwendet werden, um die Autokorrelation einer Serie zu erhalten, indem man den Korrelationskoeffizienten zwischen der Originalreihe und der gleichen Serie um einen oder zwei Takte (Serie 1 oder Serie 2) verlängert. Kovarianz (vars Data1, vars Data2, int TimePeriod): var Kovarianz zwischen zwei Datenreihen. Kann zur Erzeugung einer Kovarianzmatrix verwendet werden. Für die markowitz effiziente Grenzberechnung. DChannel (int TimePeriod) Donchian Kanal den minimalen und maximalen Wert der PriceHigh () - und PriceLow-Funktionen über den Zeitraum. Basis des berühmten Turtle Trading Systems. Verwendet die aktuelle Preisklasse. Unterstützt TimeFrame nicht. Ergebnis in rRealUpperBand. RRealLowerBand. DCOsc (vars Daten, int TimePeriod): var Donchian Kanal Oszillator der Prozentsatz des aktuellen Datenwertes innerhalb des Donchian Kanals. Verwendet das aktuelle Asset und den aktuellen TimeFrame. Decycle (vars Daten, int CutOffPeriod): var Ehlers Decycler, eine Low-lag-Trendanzeige einfach Data-HighPass2 (Data, CutOffPeriod). Entfernt alle Zyklen unter CutOffPeriod aus der Data-Serie und behält den Trend. Die Funktion erzeugt intern Serien und muss daher im Skript in einer festen Reihenfolge aufgerufen werden. Quellcode in Indikatoren. c. DEMA (vars Daten, int TimePeriod): var Doppelter exponentieller verschiebender Durchschnitt. DPO (vars Data, int TimePeriod): var Detrended Price Oscillator glaubte frühzeitig Veränderungen der Preisentwicklung zu erkennen. DPO Data0 - SMA (Datan21, n). Wobei n die Zeitperiode ist. Quellcode in Indikatoren. c. DX (int TimePeriod): var Directional Movement Index von Welles Wilder (der übrigens entdeckte, dass die Wechselwirkung von Sonne, Mond und Erde die Grundlage aller Marktbewegungen ist, wenn Sonne, Mond und Erde plötzlich verzichten Aus dem Markt, er auch einige traditionelle Indikatoren erfunden). Es wird angenommen, dass der DX Trendstärke anzeigt. Die Werte reichen von 0 bis 100, aber selten über 60. Der DX verwendet die aktuelle Asset-Preisreihe und unterstützt TimeFrame nicht. Formel: DX 100 abs (PlusDI-MinusDI) (PlusDIMinusDI). Für PlusDI und MinusDI siehe Beschreibung unten. EMA (var Daten, int TimePeriod): var EMA (vars Daten, var alpha): var Exponentieller gleitender Durchschnitt. Betont neuere Datenwerte. Es verwendet die Formel EMA alpha data (1-alpha) EMA1. Wobei alpha ein Rekursionsfaktor zwischen 0 ist. 1, die aus 2.0 (TimePeriod1) berechnet wird. Und EMA1 ist der vorhergehende EMA-Wert. Je kleiner alpha ist, desto höher ist die Glättungseffekt der EMA-Formel. Beide EMA-Funktionen verwenden etwas andere Algorithmen. Der erste (mit einem TimePeriod) erzeugt keine Serie, ist langsamer und benötigt eine Datenlänge von TimePeriodUnstablePeriod 1. Die zweite (unter Verwendung von alpha) erzeugt eine interne Reihe, benötigt nur eine Datenlänge von 2 und ist viel schneller. Fisher (vars Data): var Fisher Transform transformiert eine normalisierte Datenreihe in einen normalen verteilten Bereich. Der Rückgabewert hat keine theoretische Grenze, aber die meisten Werte liegen zwischen -1. 1 ist. Alle Datenwerte müssen im -1 liegen. 1 Bereich, f. i. Durch Normalisierung mit dem AGC. Normalisieren Oder cdf-Funktion. Die minimale Datenlänge ist 1. Quelle verfügbar in indicators. c. FisherInv (vars Data): var Inverse Fisher Transform komprimiert die Datenreihe zwischen -1 und 1. Die Mindestlänge der Datenreihe beträgt 1. Quelle verfügbar in indicators. c. FisherN (vars Daten, int TimePeriod): var Fisher Transformieren mit Normalisierung normalisiert die Datenreihe mit dem gegebenen TimePeriod und wandelt sie dann in einen normalen verteilten Bereich um. Ähnlich einem Normalize-Filter (siehe unten), aber selektiver aufgrund der Normalverteilung des Ausgangs. Der Rückgabewert hat keine theoretische Grenze, aber die meisten Werte liegen bei -1,5. 1,5 Bereich. Die minimale Länge der Datenreihe ist gleich TimePeriod. Die Funktion erzeugt intern Serien und muss daher im Skript in einer festen Reihenfolge aufgerufen werden. Quelle verfügbar in indicators. c. FractalDimension (vars Daten, int TimePeriod): var Fraktaldimension der Datenreihe, von John Ehlers normalerweise 1..2. Kleinere Werte bedeuten mehr Jaggien. Kann verwendet werden, um das aktuelle Marktregime zu erkennen oder um gleitende Durchschnitte den Schwankungen einer Preisreihe anzupassen. Quelle verfügbar in indicators. c. FractalHigh (vars Daten, int TimePeriod): var Fractal High, ein Indikator von Bill Williams, glaubte zu signalisieren, wenn der Markt kehrt (hat nichts mit Fraktalen zu tun). Gibt den höchsten Datenwert zurück, wenn er sich in der Mitte des TimePeriod befindet. Sonst 0. FractalLow (vars Daten, int TimePeriod): var Fraktal niedrig. Gibt den niedrigsten Datenwert zurück, wenn er sich in der Mitte des TimePeriod befindet. Sonst 0. Gauss Filter, liefert einen gewichteten Durchschnitt der Daten innerhalb des angegebenen Zeitraums, wobei die Gewichtungskurve gleich der Gauß Normalverteilung ist. Nützlich für das Entfernen von Rauschen durch Glättung von Rohdaten. Die minimale Länge der Datenreihe ist gleich TimePeriod. Die Verzögerung ist die Hälfte der TimePeriod. HAOpen (): var HAClose (): var HAHigh (): var HALow (): var Haiken Ashi Preise, basierend auf den aktuellen Anlagepreisen. Quellcode in Indikatoren. c. Alternativ kann die Preiskurve mit Hilfe der Balkenfunktion in Haiken Ashi Bars umgewandelt werden. HH (int TimePeriod, int Offset): var Höchster Wert der priceHigh-Funktion über dem TimePeriod mit Offset (default 0). F. i. HH (3) liefert den höchsten Preis der letzten 3 Balken. Verwendet die aktuelle Asset Preice-Serie. Unterstützt TimeFrame nicht für mehrere Zeitrahmen, verwenden Sie MaxVal (HighOffset, Period) mit einer zeitlich synchronisierten High-Reihe stattdessen. Siehe auch dayHigh. HMA (vars Daten, int TimePeriod): var Hull Moving Average von Alan Hull versucht, die Verzögerung zu adressieren sowie einige Choppiness zu glätten. Formel: HMA (n) WMA (2WMA (n2) ndash WMA (n)), sqrt (n)). Die Funktion erzeugt intern eine Reihe und muss daher in einer festen Reihenfolge im Skript aufgerufen werden. Quellcode in Indikatoren. c. HTDcPeriod (vars Daten): var Hilbert Transform - dominante Zyklusperiode, entwickelt von John Ehlers. Hilbert-Transformationsalgorithmen werden im Ehlers-Buch "Rocket Science for Tradersquot" (siehe Buchliste) erläutert. Diese Funktion ist äquivalent, aber weniger genau als die DominantPeriod-Funktion. HTDcPhase (vars Daten): var Hilbert Transform - dominante Zyklusphase. HTPhasor (vars Daten): var Hilbert Transform - Phasor Komponenten. Ergebnis in rInPhase. RQuadratur. HTSine (vars Daten): var Hilbert Transform - SineWave. Ergebnis in rSine. RLeadSine. HTTrendline (vars Daten): var Hilbert Transform - Sofortige Trendlinie. HTTrendMode (vars Data): int Hilbert Transformations-Trendanzeige - gibt 1 für den Trendmodus zurück, 0 für den Cycle-Modus. Hurst (vars Daten, int TimePeriod): var Hurst Exponent der Datenreihe zwischen 0..1. Der Hurst-Exponent mißt das Gedächtnis einer Reihe. Sie quantifiziert die Autokorrelation, d. h. die Tendenz, entweder zu dem Mittelwert (Hurst lt 0,5) zurückzukehren oder in einer Richtung (Hurst gt 0,5) zu tendieren. Auf diese Weise kann der Hurst-Exponent erkennen, ob der Markt in einem Trendzustand ist. Das TimePeriod-Fenster (mindestens 20) muss ausreichend lang sein, um den langfristigen Trend zu erfassen. Die Funktion erzeugt intern eine Reihe und muss daher in einer festen Reihenfolge im Skript aufgerufen werden. Quelle verfügbar in indicators. c. Ichimoku () Ichimoku (int PeriodeTenkan, int PeriodKijun, int PeriodSenkou, int Offset) Ichimoku Kinko Hyo-Indikator. Erfunden vom Journalisten Goichi Hosoda im Jahr 1930. Eine Mischung aus den mittleren Preisen von 3 Zeitabschnitten, die aufgrund ihrer enormen Anzahl bunter Linien einen tiefen Einblick in die Marktentwicklung geben. Offset (Standard 0) bestimmt den Balken für die Berechnung des Indikators. Gibt 4 Variablen zurück: Eine weitere Zeile, die zum Ichimoku gehört, die Chikou-Linie, wird zukünftig peeking und separat berechnet. Verwendet die aktuelle Preisklasse. Die Funktion intern erzeugt eine Serie, wenn TimeFrame gt 1 ist. Und muss dann in einer festen Reihenfolge im Skript aufgerufen werden. Quellcode in Indikatoren. c. IBS (): var Internal Bar Strength einfach (Close - Low) (High - Low). Verwendet die aktuelle Preisklasse. KAMA (vars Daten, int TimePeriod): var Kaufman Adaptiver Gleitender Durchschnitt. Ein exponentieller gleitender Durchschnitt, der durch die Preisvolatilität angepasst wird, so dass seine Zeitdauer kürzer wird, wenn die Volatilität hoch ist. Keltner (vars Daten, int TimePeriod, var Factor): var Keltner Channel, von Charles Keltner. Ein einfacher Moving Average - SMA (Data, TimePeriod) - mit Seitenbändern im Abstand Faktor ATRS (TimePeriod). Ergebnisse in rRealUpperBand. RRealMiddleBand. RRealLowerBand. Quellcode in Indikatoren. c. Laguerre (vars Daten, var alpha): var 4-Element Laguerre Filter. Dient zum Glätten von Daten ähnlich einer EMA. Jedoch mit weniger Verzögerung und einem breiten Abstimmbereich, der durch den Glättungsfaktor alpha (0..1) gegeben ist. Die niederfrequenten Komponenten verzögern sich weit mehr als die hochfrequenten Komponenten, was sehr glatte Filter mit nur einer kurzen Datenmenge ermöglicht. Die minimale Länge der Datenreihe ist 1, die minimale Rückverfolgungszeit ist 4. Die Funktion erstellt intern Serien und muss daher in einer festen Reihenfolge im Skript aufgerufen werden. Quelle verfügbar in indicators. c. Lineare Regression versucht, eine gerade Trendlinie zwischen mehreren Datenpunkten so zu platzieren, dass die Distanz zwischen jedem Datenpunkt und der Trendline minimiert wird. Für jeden Punkt wird die Gerade über die vorgegebene Barperiode als y b mx bestimmt. Die LinearReg-Funktion gibt bm (TimePeriod-1) zurück. Verwenden Sie für Regression höherer Ordnung die Polyfit-Polynomfunktionen. Verwenden Sie für die logistische Regression mit mehreren Variablen die Funktion advise (PERCEPTRON.). LinearRegAngle (vars Daten, int TimePeriod): var Linearer Regression-Winkel. Gibt m in Grad um. Aufgrund der unterschiedlichen x - und y-Einheiten eines Preisschemas ist der Winkel normalerweise nur wenig sinnvoll, außer vielleicht für Gann-Anhänger. LinearRegIntercept (vars Daten, int TimePeriod): var Lineare Regression Intercept. Rückgabe b. LinearRegSlope (vars Daten, int TimePeriod): var Lineare Regression Slope. Liefert m als Preisunterschied pro Bar. LL (int TimePeriod, int Offset): var Niedrigster Wert der PriceLow-Funktion über dem TimePeriod mit Offset (Standardwert 0). F. i. LL (3,10) liefert den niedrigsten Preis zwischen den letzten 10 und den letzten 13 Balken. Verwendet die aktuelle Preisklasse. Unterstützt TimeFrame nicht für mehrere Zeitrahmen, verwenden Sie stattdessen MinVal (LowOffset, Period) mit einer zeitlich synchronisierten Low-Serie. Siehe auch dayLow. MACD (vars Daten, int FastPeriod, int SlowPeriod, int SignalPeriod) Moving Average ConvergenceDivergence. Der MACD ist ein Zwischenzeit-Trendindikator, der durch Subtraktion eines 26-Perioden-Exponential Moving Average (EMA, siehe oben) von einem 12-Perioden-EMA erzeugt wird. Eine Neunperioden-EMA wird dann auf das MACD-Ergebnis angewendet, um eine Signalleitung zu erzeugen. Eine MACD-Histogrammlinie wird schließlich aus der Differenz der MACD zu ihrer Signalleitung erzeugt. Es wird angenommen, dass der Nulldurchgang des Histogramms von unten ein Kaufsignal ist, Nulldurchgang von oberhalb eines Verkaufssignals. Die Formel ist: rMACD EMA (Daten, FastPeriod) - EMA (Daten, SlowPeriod) rMACDSignal EMA (rMACD, SignalPeriod) rMACDHist rMACD - rMACDSignal Ergebnisse in rMACD. RMACDSignal. RMacdhist Rückgabe: rMACD. Parameter: FastPeriod (Zeitdauer für das schnelle MA), SlowPeriod (Zeitdauer für das langsame MA), SignalPeriod (Zeitspanne für die Glättung der Signalleitung). MACDExt (Vars Daten, int FastPeriod, int FastMAType, int SlowPeriod, int SlowMAType, int SignalPeriod, int SignalMAType) MACD mit steuerbarem MA-Typ. Ergebnis in rMACD. RMACDSignal. RMacdhist Parameter: FastPeriod (Zeitspanne für den schnellen MA), FastMAType (Typ des Moving Average für schnelles MA), SlowPeriod (Zeitdauer für langsames MA), SlowMAType (Typ des Moving Average für langsames MA), SignalPeriod (Zeitspanne für Glättung) Die Signalleitung), SignalMAType (Type of Moving Average für Signalleitung). MACDFix (vars Daten, int SignalPeriod) Moving Average ConvergenceDivergenz Fix 1226. Ergebnis in rMACD. RMACDSignal. RMacdhist Parameter: SignalPeriod (Zeitspanne für die Glättung der Signalleitung). MAMA (vars Daten, var FastLimit, var SlowLimit) MESA Adaptive Moving Average, von John Ehlers entwickelt (siehe Links). Ergebnis in rMAMA. RFAMA. Parameter: FastLimit (Obergrenze im adaptiven Algorithmus), SlowLimit (Untergrenze im adaptiven Algorithmus). MaxVal (vars Data, int TimePeriod): var Höchster Wert über einen bestimmten Zeitraum. MaxIndex (vars Daten, int TimePeriod): int Index des höchsten Wertes über einen bestimmten Zeitraum. 0 der höchste Wert ist an der aktuellen Leiste, 1 an einer Leiste vor und so weiter. Median (vars Data, int TimePeriod): var Median Filter sortiert die Elemente der Datenreihe und gibt ihren Mittelwert innerhalb des angegebenen Zeitraums zurück. Nützlich für das Entfernen von Rauschspitzen durch die Beseitigung von extremen Werten. Die minimale Länge der Datenreihe ist gleich TimePeriod. Die Verzögerung ist die Hälfte der TimePeriod. Siehe auch Perzentile. MedPrice (): var Mittelpreis einfach den Mittelpunkt (HighLow) 2 der aktuellen Kerze. Für den mittleren Preis - der Durchschnitt aller Preisstiche des Kerzennutzungspreises (). MidPoint (vars Daten, int TimePeriod): var MidPoint über Zeitraum. Einfach (höchster Wert niedrigster Wert) 2. MidPrice (int TimePeriod): var Mittelwert Preis über Zeitraum. Einfach (höchste hoch niedrig niedrigstes) 2 der aktuellen Anlagenpreisreihe. Unterstützt TimeFrame nicht. MinusDI (int TimePeriod): var MinusDI (vars Open, vars High, vars Low, vars Schließen, int TimePeriod): var Minus Directional Indicator, ein Teil der DX-Anzeige. Wenn die Funktion nicht mit unterschiedlichen Preisreihen aufgerufen wird, wird die aktuelle Anlagenpreisreihe verwendet. MinusDM (int TimePeriod): var MinusDM (vars Open, vars High, vars Low, vars Schließen, int TimePeriod): var Minus Directional Movement, zwei Versionen. Wenn die Funktion nicht mit unterschiedlichen Preisreihen aufgerufen wird, wird die aktuelle Anlagenpreisreihe verwendet. MinVal (vars Data, int TimePeriod): var Niedrigster Wert über einen bestimmten Zeitraum. MinIndex (vars Daten, int TimePeriod): int Index des niedrigsten Wertes über einen bestimmten Zeitraum. 0 niedrigste Wert ist auf aktuelle bar, 1 auf eine Bar vor, und so weiter. MinMax (vars Data, int TimePeriod): var Niedrigste und höchste Werte und ihre Indizes über einen bestimmten Zeitraum. Ergebnis in rMin. RMax. RMinIdx. RMaxIdx. MinMaxIndex (vars Daten, int TimePeriod): int Indexe der niedrigsten und höchsten Werte über einen bestimmten Zeitraum. Ergebnis in rMinIdx. RMaxIdx. 0 aktuelle Bar, 1 ein Bar vor, und so weiter. MMI (vars Daten, int TimePeriod): var Market Meanness Index, von jcl. Measures die Gemeinheit des Marktes, d. h. seine mittlere Umkehrungstendenz, in einem Bereich von 0..100. Die Zufallszahlen haben einen MMI von 75. Die realen Preise sind mehr oder weniger autokorreliert, so dass die Wahrscheinlichkeit einer realen Preisreihe, zum Mittelwert zurückzukehren, weniger als 75, aber normalerweise mehr als 50 beträgt. Je höher sie ist, desto größer ist der Markt . Der Market Meanness Index kann bestimmen, wann der Trend nach Systemen rentabler wird (MMI fällt) oder weniger rentabel (MMI steigt) und verhindert so Verluste in unrentablen Zeiten. Quellcode in Indikatoren. c. Mom (vars Daten, int TimePeriod): var Momentum. Einfach Data0 - DataTimePeriod. Siehe auch diff. Moment (vars Daten, int TimePeriod, int N): var Das statistische Moment N (1..4) des von TimePeriod angegebenen Datenreihenabschnitts. Der erste Moment ist der Mittelwert, der zweite die Varianz, der dritte die Schiefe und die vierte die Kurtosis. Quelle verfügbar in indicators. c Verschieben (vars Daten, int Länge, int MovePeriod, var Percent): var Gibt das Perzentil einer Preisbewegung mit der Dauer MovePeriod zurück. D. h. die minimale Bewegungsgrße, die gleich oder größer als der gegebene Prozentsatz aller Preisbewegungen in der Datenreihe mit vorgegebener Länge ist. Zum Beispiel, wenn die Funktion 10 an MovePeriod 20 und Prozent 95 zurückgibt. Dann wird in 5 Fällen der Datenwert innerhalb von 20 bar um 10 oder mehr erhöht. Verwendet die Perzentil-Funktion. Quellcode in Indikatoren. c. MovingAverage (vars Daten, int TimePeriod, int MAType): var Beweglicher Durchschnitt. Parameters: MAType (Type of Moving Average, see remarks). MovingAverageVariablePeriod(vars Data, vars Periods, int MinPeriod, int MaxPeriod, int MAType): var Moving average with variable period given by the Periods series. Parameters: MinPeriod (Value less than minimum will be changed to Minimum period), MaxPeriod (Value higher than maximum will be changed to Maximum period), MAType (Type of Moving Average, see remarks). NATR(int TimePeriod): var Normalized Average True Range, by John Forman. Similar to the ATR, except it is being normalized as follows: NATR 100 ATR(TimePeriod) Close . Uses the current asset price series. Does not support TimeFrame . Normalize(vars Data, int TimePeriod): var Transforms the Data series to the -1. 1 range within the given TimePeriod . Similar to the AGC function, but does not differentiate between attack and decay. The minimum length of the Data series is equal to TimePeriod . Source available in indicators. c . See also scale. NumInRange(vars Low, vars High, var Min, var Max, int Length): var Number of data ranges, given by their Low and High values, that lie completely inside the interval from Min to Max within the given Length . Can be used to calculate the distribution of prices or candles. Low and High can be set to the same value for counting all values in the interval, or swapped for counting all candles that touch the interval. Range 1..TimePeriod . Source available in indicators. c . NumRiseFall(vars Data, int TimePeriod): var Length of the current sequence of rising or falling values in the Data array, back to the given TimePeriod . For a rising sequence its length is returned, for a falling sequence the negative length. Range 1..TimePeriod resp. -1..-TimePeriod . Source available in indicators. c . See the RandomWalk script and the Strategy chapter for an example. Source available in indicators. c . NumWhiteBlack(var Body, int Offset, int TimePeriod): var Number of white minus black candles in the given TimePeriod . Offset is the distance to the current bar ( 0 current bar), Body is the minimum length of a candle to be counted. Source available in indicators. c . Percentile(vars Data, int Length, var Percent): var Returns the given percentile of the Data series with given Length f. i. Percent 95 returns the Data value that is above 95 of all other values. Percent 50 returns the Median of the Data series. For calculating the percentage of a given percentile value, use the NumInRange function and count the elements below the percentile. PlusDI(int TimePeriod): var PlusDI(vars Open, vars High, vars Low, vars Close, int TimePeriod): var Plus Directional Indicator, a part of the DX indicato, two versions. In the first version the current asset price series is used. PlusDM(int TimePeriod): var PlusDM(vars Open, vars High, vars Low, vars Close, int TimePeriod): var Plus Directional Movement, two versions. In the first version the current asset price series is used. PPO(vars Data, int FastPeriod, int SlowPeriod, int MAType): var Percentage Price Oscillator. Parameters: FastPeriod (Number of period for the fast MA), SlowPeriod (Number of period for the slow MA), MAType (Type of Moving Average). ProfitFactor(vars Data, int Length): var Returns the profit factor of the Data series. The profit factor is the ratio of the sum of positive returns (i. e. Datai-1 gt Datai ) to the sum of negative returns (i. e. Datai-1 lt Datai ). The returned value is clipped to the 0.1. 10 range. Its reciprocal must be used when the Data array is in not in series order, but in chronological order, as wins and losses are then swapped. Source available in indicators. c . ROC(vars Data, int TimePeriod): var Rate of change, 100 scale: ((price-prevPrice)prevPrice)100 . ROCP(vars Data, int TimePeriod): var Rate of change Percentage: (price-prevPrice)prevPrice . See also diff. ROCR(vars Data, int TimePeriod): var Rate of change ratio: (priceprevPrice) . ROCL(vars Data, int TimePeriod): var Logarithmic return: log(priceprevPrice) . ROCR100(vars Data, int TimePeriod): var Rate of change ratio, 100 scale: (priceprevPrice)100 . Roof(vars Data, int CutoffLow, int CutoffHigh): var Ehlers roofing filter, prepares the Data series for further computation by removing trend and noise. Applies a 2-pole highpass filter followed by the Smooth filter. Recommended values for the low and high cutoff periods are 10 and 50 . The minimum length of the Data series is 2. The function internally creates series and thus must be called in a fixed order in the script. Source available in indicators. c . RSI(vars Data, int TimePeriod): var Relative Strength Index, by Welles Wilder. Ratio of the recent upwards data movement to the total data movement range 0..100. The RSI is believed to indicate overboughtoversold conditions when the value is over 70below 30. Formula: RSI 100 Up(UpDn) . where Up EMA(max(0,Data0-Data1),TimePeriod) and Dn EMA(max(0,Data1-Data0),TimePeriod) . RVI(int TimePeriod): var Relative Vigor Index, by John Ehlers. Ratio of price change to the total price range: (C-O)(H-L) . averaged over the time period and smoothed with a FIR filter. Oscillates between -1 and 1 . The function internally creates a series and thus must be called in a fixed order in the script. Source code in indicators. c . SAR(var Step, var Min, var Max): var Parabolic SAR, by Welles Wilder. The SAR runs above or below the price curve, depending on the current trend each price curve crossing is believed to indicate a trend change. Parameters: Step (acceleration factor increment, normally 0.02 ), Min (acceleration factor minimum value, normally 0.02 ), Max (acceleration factor maximum value, normally 0.2 ). SAR is a recursive function that depends on the direction of the initial price candle for consistent values the LookBack period should be long enough to contain at least one price curve crossing. Uses the current asset prices. The function internally creates a series and thus must be called in a fixed order in the script. Source code in indicators. c . example in Indicatortest. c . ShannonGain(vars Data, int TimePeriod): var Expected logarithmic gain rate of the Data series in the range of about -0.0005 . The gain rate is derived from the Shannon probability P (1 Mean(Gain) RootMeanSquare(Gain)) 2 . which is the likeliness of a rise or fall of a high entropy data series in the next bar period. A positive gain rate indicates that the series is more likely to rise, a negative gain rate indicates that it is more likely to fall. The zero crossover could be used for a trade signal. Algorithm by John Conover . Source available in indicators. c . ShannonEntropy(vars Data, int Length, int PatternSize): var Entropy of patterns in the Data series, in bit can be used to determine the randomness of the data. PatternSize (2..8) determines the partitioning of the data into patterns of up to 8 bit. Each Data value is either higher than the previous value, or it is not this is a binary information and constitutes one bit of the pattern. The more random the patterns are distributed, the higher is the Shannon entropy. Totally random data has a Shannon entropy identical to the pattern size. Algorithm explained on the Financial Hacker blog source available in indicators. c . SIROC(vars Data, int TimePeriod, int EMAPeriod): var Smoothed Rate of Change (S-RoC) by Fred G Schutzman. Differs from the ROC (see above) in that it is based on the exponential moving average ( EMA ) of the Data series. Believed to indicate the strength of a trend by determining if the trend is accelerating or decelerating. Formula: (Current EMA - Previous EMA)(Previous EMA) x 100. Source code in indicators. c . SMA(vars Data, int TimePeriod): var Simple Moving Average the mean of the data, i. e. the sum divided by the time period. Use Moment when long time periods are required. Smooth(vars Data, int CutoffPeriod): var Ehlers super-smoothing filter, a 2-pole Butterworth filter combined with a SMA that suppresses the Nyquist frequency. Can be used as a low-lag universal filter for removing noise from price data. The minimum length of the Data series is 2. The function internally creates series and thus must be called in a fixed order in the script. Source available in indicators. c . SMom(vars Data, int TimePeriod, int CutoffPeriod): var Smoothed Momentum by John Ehlers indicates the long term trend direction. TimePeriod is the momentum period, CutoffPeriod is a Butterworth filter constant for lowpass filtering the momentum. Source code in indicators. c . Spearman(vars Data, int TimePeriod): var Spearmans rank correlation coefficient correlation between the original Data series and the same series sorted in ascending order within TimePeriod ( 1..256 ). Returns the similarity to a steadily rising series and can be used to determine trend intensity and turning points. Range -1..1 . lag TimePeriod2 . For usage and details, see Stocks amp Commodities magazine 22011. Source available in indicators. c . StdDev(vars Data, int TimePeriod): var Standard Deviation of the Data series in the time period, from the ta-lib . Use the square root of the second Moment when high accuracy or long time periods are required. Stoch(int FastKPeriod, int SlowKPeriod, int SlowKMAType, int SlowDPeriod, int SlowDMAType) Stochastic Oscillator (unrelated to stochastics, but its inventor, George Lane, looked for a fancy name). Measures where the Close price is in relation to the recent trading range. Formula: FastK 100 (Close-LL)(HH-LL) SlowK MA(FastK) SlowD MA(SlowK) . Uses the current asset price series and does not support TimeFrame . Result in rSlowK . rSlowD . Some traders believe that the SlowK crossing above SlowD is a buy signal others believe they should buy when SlowD is below 20 and sell when it is above 80. Parameters: FastKPeriod - Time period for the HH and LL to generate the FastK value, usually 14 . SlowKPeriod - Time period for smoothing FastK to generate rSlowK usually 3 . SlowKMAType - Type of Moving Average for Slow-K, usually MATypeEMA . SlowDPeriod - Time period for smoothing rSlowK to generate rSlowD . usually 3 . SlowDMAType - Type of Moving Average for Slow-D, usually MATypeEMA . StochEhlers(vars Data, int TimePeriod, int CutOffLow, int CutOffHigh): var Predictive stochastic oscillator by John Ehlers. Measures where the Data value is in relation to its range within TimePeriod . The data runs through a 2-pole highpass filter with period CutOffHigh and through a Butterworth lowpass filter with period CutOffLow . Indicator algorithm explained in Ehlers quotPredictive Indicatorsquot paper usage example in the Ehlers script. Source code in indicators. c . The function internally creates series and thus must be called in a fixed order in the script. StochF(int FastKPeriod, int FastDPeriod, int FastDMAType): var Stochastic Fast. Measures where the Close price is in relation to the recent trading range Formula: Fast-K 100 (Close-LL)(HH-LL) Fast-D MA(Fast-K) . Uses the current asset price series. Does not support TimeFrame . Result in rFastK . rFastD . Returns: FastK . Parameters: FastKPeriod (Time period for the HH and LL of Fast-K, usually 14 ), FastDPeriod (Moving Average Period for Fast-D usually 3 ), FastDMAType (Type of Moving Average for Fast-D, usually MATypeEMA ). StochRSI(vars Data, int TimePeriod, int FastKPeriod, int FastDPeriod, int FastDMAType): var Stochastic Relative Strength Index (RSI ). Result in rFastK . rFastD . Returns: FastK . Parameters: FastKPeriod (Time period for building the Fast-K line), FastDPeriod (Smoothing for making the Fast-D line. Usually set to 3), FastDMAType (Type of Moving Average for Fast-D). Sum(vars Data, int TimePeriod): var Sum of all Data elements in the time period. T3(vars Data, int TimePeriod, var VFactor): var An extremely smoothed Moving Average by Tim Tillson. Uses a weighted sum of multiple EMAs. Parameters: VFactor (Volume Factor, normally 0.7). TEMA(vars Data, int TimePeriod): var Triple Exponential Moving Average by Patrick Mulloy, calculated from (3xEMA)-(3xEMA of EMA)(EMA of EMA of EMA) . Trima(vars Data, int TimePeriod): var Triangular Moving Average (also known under the name TMA ) a form of Weighted Moving Average where the weights are assigned in a triangular pattern. F. i. the weights for a 7 period Triangular Moving Average would be 1, 2, 3, 4, 3, 2, 1. This gives more weight to the middle of the time series. It causes better smoothing, but greater lag. Trix(vars Data, int TimePeriod): var 1-day Rate-Of-Change (see ROC ) of a Triple EMA (see TEMA ). TrueRange(): var True Range (TR) max(High0,Close1)-min(Low0,Close1) of the current asset price series. See also ATR . ATR S. TSF(vars Data, int TimePeriod): var Time Series Forecast. Returns b m(TimePeriod) . i. e. the Linear Regression forecast for the next bar. TSI(vars Data, int TimePeriod): var Trend Strength Index, an indicator by Frank Hassler who believed that it identifies trend strength. A high TSI value (above 1.65 ) indicates that short-term trend continuation is more likely than short-term trend reversal. The function internally creates series and thus must be called in a fixed order in the script. TypPrice(): var Typical Price. Simply (High Low Close)3 . Uses the current asset price series. UltOsc(int TimePeriod1, int TimePeriod2, int TimePeriod3): var Ultimate Oscillator. Parameters: TimePeriod1 (Number of bars for 1st period.), TimePeriod2 (Number of bars for 2nd period), TimePeriod3 (Number of bars for 3rd period). Uses the current asset price series. Does not support TimeFrame . UO(vars Data, int CutOff): var Universal oscillator by John Ehlers, from SampC Magazine 12015. Removes white noise from the data, smoothes it and runs it through the AGC filter. Detects trend reversals very early. Output in the -1..1 range. Source code in indicators. c . The function internally creates series and thus must be called in a fixed order in the script. Variance(vars Data, int TimePeriod): var Variance of the Data series in the time period, from the ta-lib . Use Moment when high accuracy or long time periods are required. Volatility(vars Data, int TimePeriod): var Annualized volatility of the Data series standard deviation of the log returns, multiplied with the square root of time frames in a year. This is the standard measure of volatility used for financial models, such as the Black-Scholes model. The function internally creates series and thus must be called in a fixed order in the script. Source code in indicators. c . VolatilityC(int TimePeriod, int EMAPeriod): var Chaikin Volatility indicator by Marc Chaikin measures volatility in percent as momentum of the smoothed difference between High and Low. An increase in the Chaikin Volatility indicates that a bottom is approaching, a decrease indicates that a top is approaching. TimePeriod is the period of the momentum (normally 10), EMAPeriod determines the smoothing (also, normally 10). Uses the current asset price series. The function internally creates series and thus must be called in a fixed order in the script. Source code in indicators. c . VolatilityMM(vars Data, int TimePeriod, int EMAPeriod): var MinMax volatility of the Data series the difference of MaxVal and MinVal in the time period, smoothed by an EMA (set EMAPeriod 0 for not smoothing). The function internally creates a series when EMAPeriod gt 0 . and then must be called in a fixed order in the script. Source available in indicators. c . For the volatility of price candles, use ATR or ATRS. VolatilityOV(int Days): var Annualized volatility of the current asset, calculated over the given number of Days (usually 20). Empirical formula used by some options software packages (OptionsVue 8482) for estimating the values of options, alternatively to Volatility() . Source code in options. c . which must be included for using this indicator. WCLPrice(): var Weighted Close Price. Uses the current asset price series. WillR(int TimePeriod): var Williams Percent Range. Formula: -100 (HH-Close)(HH-LL) . Uses the current asset price series. Does not support TimeFrame . WMA(vars Data, int TimePeriod): var Linear Weighted Moving Average the weight of every bar decreases linearly with its age. ZigZag(vars Data, var Depth, int Length, int Color): var ZigZag indicator converts the Data series into alternating straight trend lines with at least the given Depth and Length . Non-predictive can only identify trends in hindsight. Returned: rSlope (the slope of the last identified trend line upwards trends have a positive slope, downwards trends a negative slope) rPeak (the bar offset of the last identified peak) rSign ( 1 if the last peak was a top, -1 if the last peak was a bottom) rLength (the number of bars of the last trend line ending with rPeak ). If a nonzero Color is given, the trend lines are plotted in the chart. Source code in indicators. c . example in Indicatortest. c . The function internally creates series and thus must be called in a fixed order in the script. ZMA(vars Data, int TimePeriod): var Zero-lag Moving Average by John Ehlers smoothes the Data series with an Exponential Moving Average (EMA ) and applies an error correction term for compensating the lag. The function internally creates a series and thus must be called in a fixed order in the script. Source in indicators. c . Standard parameters: The number of bars for the time period of the function, if any or 0 for using a default period. A data series. often directly derived from the price functions price(), priceClose() etc. Alternatively a user created series or any other double float array with the given minimum length can be used. If not mentioned otherwise, the minimum length of the Data series is TimePeriod . Some functions require a second data array Data2 . Price data series can be explicitly given for some indicators, for using price series generated from a different asset or with a different TimeFrame. Otherwise the prices of the current asset with a time frame equivalent to the bar period are used. Price variation or percentage, dependent on the function, for the current bar. Usage example: MACD(Price,12,26,9) calculates the standard MACD for the given Price series. The results are stored in the global variables rMACD . rMACDSignal . and rMACDHistory . The TA-Lib function prototypes are defined in includeta. h . Information about the usage and the indicator algorithms can be found online at tadoc. org. The C source code of all included TA-Lib indicators is contained in Sourcetalib. zip and can be studied for examining the algorithms. Some TA-Lib indicators that originally didnt work properly - such as Correlation or SAR - have been replaced by working versions. The lite-C source code of most additional indicators that are not part the the TA-Lib is contained in includeindicators. c . All TA functions are applied on series and do normally not accept other data arrays. In the INITRUN. all TA functions return 0 . and LookBack is automatically increased to the largest required lookback time by a TA function. Recursive TA functions - f. i. EMA or ATR - need a higher lookback period than their TimePeriod parameter (see UnstablePeriod ). LookBack can be exceeded when TA functions are later called with a series offset or a different TimePeriod this will generate an Error 046 message. Make sure that LookBack is always higher than the maximum TimePeriod plus the UnstablePeriod plus the highest possible offset of all used series. Some functions return more than one value, f. i. MACD . The returned results are stored in global variables beginning with quot r quot they can be accessed after the function is called. Some functions only require a single Data value. Rather than creating a Data series of length 1 . simply a pointer to the Data value can be used. Example: var Raw MyIndicator() var Transformed AGC(ampRaw,0) . TimeFrame affects subsequent data series and thus also affects all indicators that use the data series as input. The TimePeriod is then not in Bar units, but in time frame units. TimeFrame has no effect on indicators that do not use data series. Indicators that rely on the standard deviation (f. i. Bollinger Bands) become inaccurate when the standard deviation is below 0.0001, as it is then assumed to be zero by the TA-Lib. This can happen on very short bar periods when the price does (almost) not move. For writing your own indicators, have a look at the examples inside indicators. c . But please do not modify indicators. c - write the indicators in your own script, or in a dedicated script that you can then include in your strategies. If you need a complex indicator that you can not be easily add, please ask for it on the Zorro user forum.