Linearer Regression Gleitender Mittelwert

Auch die Last Squares Lineare Regression, im folgenden einfach LRI genannt. Das LRI passt eine lineare Regressionsgerade über die Werte für den betreffenden Zeitraum, um den aktuellen Wert für diese Zeile zu bestimmen. Bitte beachten Sie, dass die Linie nicht unbedingt linear ist. (). Eine lineare Regressionsgerade wäre eine gerade Linie, die so nahe wie möglich an allen gegebenen Werten passt. LRI ist ein Prognoseindikator mit dem Ziel, den heute geplanten Preis von morgen zu prognostizieren. Das Kennzeichen Lineare Regression zeigt, wo die Preise statistisch gehandelt werden sollen. Man könnte daher erwarten, dass eine große Abweichung von der Regressionsgeraden kurzlebig ist. Um dies zu tun, verwendet LRI die Methode der kleinsten Quadrate. LRI ist in vielerlei Hinsicht ähnlich einem gleitenden Durchschnitt, zeigt aber nicht soviel Verzögerung. Der Vorteil von LRI liegt darin, dass er eine Linie an die Datenpunkte anpasst und nicht mittelt, wodurch ein für Preisänderungen sehr empfindlicher Indikator erzeugt wird. Im Ergebnis bedeutet dies, dass jeder Punkt entlang des LRI gleich dem Endwert von a ist Lineare Regression Trendlinie (linear). Eine lineare Regression Trendlinie mit ex. 14 Tage haben den gleichen Wert wie ein 14-Tage-Linear Regression-Indikator. Die lineare Regressionsformel ist relativ komplex: x die aktuelle Zeitperiode n die Anzahl der gewählten Zeitperioden y der LRI-Wert, den wir berechnen wollen Lets sehen, wie dies mit Werten von i funktioniert, wobei i n-1, n, n1, n2. Anzahl der Anführungszeichen - 1 In diesem Fall der LRI-Wert Wenn zB n 4, entspricht der erste berechnete Wert i 3: LRI3 a3 b3 4 Die Berechnung könnte wie folgt aussehen: Linear Regression Indicator (LRI) Die Basis des Linear Regression Indicator ist ein Kurstrend, der in einem bestimmten Zeitraum angedockt ist. Die Methode der linearen Regressberechnung ist die kleinste Quadrate. Die kleinste Quadrate erlaubt es, eine Trendlinie so zu zeichnen, dass die Wurzel-Mittel-Quadrat-Divergenz (Achse Y) der Trendpunkte von den n Preisdiagrammpunkten in der gewissen Periode minimal ist. Eine mit dem linearen Regress gezeichnete Trendlinie endet immer mit dem LRI-Indikatorpunkt. Obwohl LRI-Indikator gleitenden Durchschnitt ähnelt, hat es einige Pluspunkte. Im Gegensatz zum gleitenden Durchschnitt hat LRI eine niedrigere X-Latenzzeit und ist daher reaktiver gegenüber der Preisentwicklung. Im Allgemeinen prognostiziert LRI den Preis für zukünftige Perioden gemäß dem aktuellen Preis und unter Berücksichtigung vergangener Preisentwicklungen. Die Berechnung des LRI-Indikators erfolgt auf folgende Weise: Ziehen Sie eine lineare Regressionslinie über die definierten Periodenwerte, um die aktuellen Zahlen anzuzeigen. Eine lineare Regressionslinie kommt immer so nah wie möglich an die definierten Werte und entspricht einer Geraden. Es ist unmöglich, den Anfang einer Datenreihe LRI zu setzen, während der definierte Zeitraum nicht mit den Daten gefüllt ist. Es ist ähnlich wie die Time Series Moving Average und eine Null-Offset Zeitreihe Forecast. Linear Regression Indicator Die lineare Regression Indicator wird für Trend-Erkennung und Trend nach, ähnlich einem gleitenden Durchschnitt verwendet. Das Kennzeichen darf nicht mit linearen Regressionslinien verwechselt werden, bei denen es sich um gerade Linien handelt, die an eine Reihe von Datenpunkten angepasst sind. Der lineare Regressionsindikator zeigt die Endpunkte einer ganzen Reihe linearer Regressionslinien, die an aufeinanderfolgenden Tagen gezeichnet wurden. Der Vorteil der linearen Regression Indicator über einen normalen gleitenden Durchschnitt ist, dass es weniger Verzögerung als der gleitende Durchschnitt hat und reagiert schneller auf Richtungsänderungen. Der Nachteil ist, dass es anfälliger für Peitschen, wo ein Preis in die eine Richtung und dann schnell bewegt sich in die entgegengesetzte Richtung. So wenden Sie einen Linear Regression Indicator an Wählen Sie innerhalb eines Diagramms aus dem Edit 160 Menü die Option Studien. Wählen Sie "Lineare Regression" (Least Square) und klicken Sie auf "Hinzufügen", um die Studie zur Gruppe "Angewandte Studien" hinzuzufügen. Komplette Parameter nach Bedarf. Sobald die Studie definiert ist, können Sie wählen, um uncheckcheck zu entfernen und fügen Sie die Studie zu Ihrem Diagramm.