گوسین چینل انکولی چلتی اوسط حکمت عملی ایک مقداری تجارتی حکمت عملی ہے جو گوسین فلٹرنگ تکنیک اور انکولی پیرامیٹر کی ترتیبات کا استعمال کرتی ہے۔ جان ایہلرز کے ذریعہ تجویز کردہ گوسین فلٹر تھیوری کی بنیاد پر ، یہ حکمت عملی قیمت کے اعداد و شمار پر متعدد تیزی سے چلتی اوسط حساب کتاب کا اطلاق کرکے ہموار اور انکولی تجارتی سگنل تیار کرتی ہے۔ حکمت عملی کا بنیادی مقصد متحرک طور پر ایڈجسٹ شدہ قیمت چینل کی تعمیر کرنا ہے ، جس میں اوپری اور نچلی بینڈ گوسین فلٹرڈ قیمت سے فلٹر شدہ حقیقی حد کو شامل اور گھٹاتے ہوئے حاصل کیے جاتے ہیں۔ جب قیمت اوپری بینڈ سے اوپر کی حد کو توڑتی ہے تو ، ایک لمبی پوزیشن درج کی جاتی ہے ، اور جب یہ نچلی بینڈ سے نیچے کی حد کو توڑتی ہے تو ، ایک مختصر پوزیشن درج کی جاتی ہے۔ اس کے علاوہ ، حکمت عملی میں وقت کی مدت کی ترتیبات متعارف کروائی جاتی ہیں ، جس سے حکمت عملی کے عمل درآمد کے آغاز اور اختتام کے اوقات کے لئے لچکدار ترتیبات کی اجازت ملتی ہے ، اس کی
گوسین چینل کے انکولی چلتی اوسط کی حکمت عملی کے اصول مندرجہ ذیل ہیں:
گوسین چینل انکولی چلتی اوسط حکمت عملی مندرجہ ذیل فوائد ہیں:
اس کے بہت سے فوائد کے باوجود ، گوسین چینل انکولی چلتی اوسط حکمت عملی میں ابھی بھی کچھ خطرات شامل ہیں:
گوسین چینل کے انکولی چلتی اوسط کی حکمت عملی کے لئے اصلاح کی سمتوں میں شامل ہیں:
گوسین چینل انکولی چلتی اوسط حکمت عملی گوسین فلٹرنگ اور انکولی پیرامیٹرز پر مبنی ایک مقداری تجارتی حکمت عملی ہے ، جو متحرک طور پر قیمت چینلز کی تعمیر کے ذریعے ہموار اور قابل اعتماد تجارتی سگنل تیار کرتی ہے۔ اس حکمت عملی کے فوائد جیسے مضبوط موافقت ، اچھی رجحان کی پیروی کرنے کی صلاحیت ، اعلی ہموار ، بہت لچکدار ، اور مضبوط عملی ہیں۔ تاہم ، اس میں پیرامیٹر سیٹنگ ، اچانک واقعات ، اوور فٹنگ ، اور ثالثی جیسے خطرات کا بھی سامنا کرنا پڑتا ہے۔ مستقبل میں ، حکمت عملی کو متحرک پیرامیٹر کی اصلاح ، کثیر عنصر فیوژن ، پوزیشن مینجمنٹ کی اصلاح ، اور کثیر آلہ کوآرڈینیشن کے ذریعے مزید بہتر اور بہتر بنایا جاسکتا ہے۔
/*backtest start: 2023-03-22 00:00:00 end: 2024-03-27 00:00:00 period: 1d basePeriod: 1h exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=4 strategy(title="Gaussian Channel Strategy v1.0", overlay=true, calc_on_every_tick=false, initial_capital=10000, default_qty_type=strategy.percent_of_equity, default_qty_value=100, commission_type=strategy.commission.percent, commission_value=0.1) // Date condition inputs startDate = input(title="Date Start", type=input.time, defval=timestamp("1 Jan 2018 00:00 +0000"), group="Dates") endDate = input(title="Date End", type=input.time, defval=timestamp("31 Dec 2060 23:59 +0000"), group="Dates") timeCondition = true // This study is an experiment utilizing the Ehlers Gaussian Filter technique combined with lag reduction techniques and true range to analyze trend activity. // Gaussian filters, as Ehlers explains it, are simply exponential moving averages applied multiple times. // First, beta and alpha are calculated based on the sampling period and number of poles specified. The maximum number of poles available in this script is 9. // Next, the data being analyzed is given a truncation option for reduced lag, which can be enabled with "Reduced Lag Mode". // Then the alpha and source values are used to calculate the filter and filtered true range of the dataset. // Filtered true range with a specified multiplier is then added to and subtracted from the filter, generating a channel. // Lastly, a one pole filter with a N pole alpha is averaged with the filter to generate a faster filter, which can be enabled with "Fast Response Mode". //Custom bar colors are included. //Note: Both the sampling period and number of poles directly affect how much lag the indicator has, and how smooth the output is. // Larger inputs will result in smoother outputs with increased lag, and smaller inputs will have noisier outputs with reduced lag. // For the best results, I recommend not setting the sampling period any lower than the number of poles + 1. Going lower truncates the equation. //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Updates: // Huge shoutout to @e2e4mfck for taking the time to improve the calculation method! // -> migrated to v4 // -> pi is now calculated using trig identities rather than being explicitly defined. // -> The filter calculations are now organized into functions rather than being individually defined. // -> Revamped color scheme. //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Functions - courtesy of @e2e4mfck //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Filter function f_filt9x (_a, _s, _i) => int _m2 = 0, int _m3 = 0, int _m4 = 0, int _m5 = 0, int _m6 = 0, int _m7 = 0, int _m8 = 0, int _m9 = 0, float _f = .0, _x = (1 - _a) // Weights. // Initial weight _m1 is a pole number and equal to _i _m2 := _i == 9 ? 36 : _i == 8 ? 28 : _i == 7 ? 21 : _i == 6 ? 15 : _i == 5 ? 10 : _i == 4 ? 6 : _i == 3 ? 3 : _i == 2 ? 1 : 0 _m3 := _i == 9 ? 84 : _i == 8 ? 56 : _i == 7 ? 35 : _i == 6 ? 20 : _i == 5 ? 10 : _i == 4 ? 4 : _i == 3 ? 1 : 0 _m4 := _i == 9 ? 126 : _i == 8 ? 70 : _i == 7 ? 35 : _i == 6 ? 15 : _i == 5 ? 5 : _i == 4 ? 1 : 0 _m5 := _i == 9 ? 126 : _i == 8 ? 56 : _i == 7 ? 21 : _i == 6 ? 6 : _i == 5 ? 1 : 0 _m6 := _i == 9 ? 84 : _i == 8 ? 28 : _i == 7 ? 7 : _i == 6 ? 1 : 0 _m7 := _i == 9 ? 36 : _i == 8 ? 8 : _i == 7 ? 1 : 0 _m8 := _i == 9 ? 9 : _i == 8 ? 1 : 0 _m9 := _i == 9 ? 1 : 0 // filter _f := pow(_a, _i) * nz(_s) + _i * _x * nz(_f[1]) - (_i >= 2 ? _m2 * pow(_x, 2) * nz(_f[2]) : 0) + (_i >= 3 ? _m3 * pow(_x, 3) * nz(_f[3]) : 0) - (_i >= 4 ? _m4 * pow(_x, 4) * nz(_f[4]) : 0) + (_i >= 5 ? _m5 * pow(_x, 5) * nz(_f[5]) : 0) - (_i >= 6 ? _m6 * pow(_x, 6) * nz(_f[6]) : 0) + (_i >= 7 ? _m7 * pow(_x, 7) * nz(_f[7]) : 0) - (_i >= 8 ? _m8 * pow(_x, 8) * nz(_f[8]) : 0) + (_i == 9 ? _m9 * pow(_x, 9) * nz(_f[9]) : 0) //9 var declaration fun f_pole (_a, _s, _i) => _f1 = f_filt9x(_a, _s, 1), _f2 = (_i >= 2 ? f_filt9x(_a, _s, 2) : 0), _f3 = (_i >= 3 ? f_filt9x(_a, _s, 3) : 0) _f4 = (_i >= 4 ? f_filt9x(_a, _s, 4) : 0), _f5 = (_i >= 5 ? f_filt9x(_a, _s, 5) : 0), _f6 = (_i >= 6 ? f_filt9x(_a, _s, 6) : 0) _f7 = (_i >= 2 ? f_filt9x(_a, _s, 7) : 0), _f8 = (_i >= 8 ? f_filt9x(_a, _s, 8) : 0), _f9 = (_i == 9 ? f_filt9x(_a, _s, 9) : 0) _fn = _i == 1 ? _f1 : _i == 2 ? _f2 : _i == 3 ? _f3 : _i == 4 ? _f4 : _i == 5 ? _f5 : _i == 6 ? _f6 : _i == 7 ? _f7 : _i == 8 ? _f8 : _i == 9 ? _f9 : na [_fn, _f1] //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Inputs //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Source src = input(defval=hlc3, title="Source") //Poles int N = input(defval=4, title="Poles", minval=1, maxval=9) //Period int per = input(defval=144, title="Sampling Period", minval=2) //True Range Multiplier float mult = input(defval=1.414, title="Filtered True Range Multiplier", minval=0) //Lag Reduction bool modeLag = input(defval=false, title="Reduced Lag Mode") bool modeFast = input(defval=false, title="Fast Response Mode") //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Definitions //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Beta and Alpha Components beta = (1 - cos(4*asin(1)/per)) / (pow(1.414, 2/N) - 1) alpha = - beta + sqrt(pow(beta, 2) + 2*beta) //Lag lag = (per - 1)/(2*N) //Data srcdata = modeLag ? src + (src - src[lag]) : src trdata = modeLag ? tr(true) + (tr(true) - tr(true)[lag]) : tr(true) //Filtered Values [filtn, filt1] = f_pole(alpha, srcdata, N) [filtntr, filt1tr] = f_pole(alpha, trdata, N) //Lag Reduction filt = modeFast ? (filtn + filt1)/2 : filtn filttr = modeFast ? (filtntr + filt1tr)/2 : filtntr //Bands hband = filt + filttr*mult lband = filt - filttr*mult // Colors color1 = #0aff68 color2 = #00752d color3 = #ff0a5a color4 = #990032 fcolor = filt > filt[1] ? #0aff68 : filt < filt[1] ? #ff0a5a : #cccccc barcolor = (src > src[1]) and (src > filt) and (src < hband) ? #0aff68 : (src > src[1]) and (src >= hband) ? #0aff1b : (src <= src[1]) and (src > filt) ? #00752d : (src < src[1]) and (src < filt) and (src > lband) ? #ff0a5a : (src < src[1]) and (src <= lband) ? #ff0a11 : (src >= src[1]) and (src < filt) ? #990032 : #cccccc //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Outputs //----------------------------------------------------------------------------------------------------------------------------------------------------------------- //Filter Plot filtplot = plot(filt, title="Filter", color=fcolor, linewidth=3) //Band Plots hbandplot = plot(hband, title="Filtered True Range High Band", color=fcolor) lbandplot = plot(lband, title="Filtered True Range Low Band", color=fcolor) //Channel Fill fill(hbandplot, lbandplot, title="Channel Fill", color=fcolor, transp=80) //Bar Color barcolor(barcolor) longCondition = crossover(close, hband) and timeCondition closeAllCondition = crossunder(close, hband) and timeCondition if longCondition strategy.entry("long", strategy.long) if closeAllCondition strategy.close("long")