Indicador técnico

Cómo Utilizar el Volumen con Promedios Móviles Personalizados en Trading
MetaTrader4
Cómo Utilizar el Volumen con Promedios Móviles Personalizados en Trading

¡Hola, trader! Hoy vamos a hablar sobre una herramienta que puede ser muy útil en tu estrategia de trading: el indicador de Volumen con Promedios Móviles Personalizados.Este indicador te permite analizar el volumen de operaciones junto con las tendencias del mercado, facilitando la identificación de puntos de entrada y salida. Si eres de los que busca mejorar su análisis técnico, ¡sigue leyendo!¿Por qué es importante el Volumen?El volumen es un indicador clave en el análisis técnico. Nos ayuda a entender la fuerza detrás de un movimiento de precios. Un aumento en el volumen puede indicar que hay un interés significativo en un activo, mientras que un volumen bajo puede sugerir lo contrario.¿Cómo funciona el Promedio Móvil Personalizado?Los promedios móviles suavizan la acción del precio, permitiéndote identificar tendencias de manera más clara. Al combinarlos con el volumen, puedes obtener una visión más completa del mercado. Aquí te dejo algunos pasos para usarlo:Selecciona el período del promedio móvil: Asegúrate de elegir un período que se ajuste a tu estilo de trading.Analiza el volumen: Observa las barras de volumen en conjunto con el promedio móvil. Busca divergencias que puedan señalar oportunidades.Confirma con otros indicadores: Siempre es recomendable usar múltiples herramientas para validar tus decisiones de trading.Recuerda, no hay una única manera de operar. Experimenta con el indicador y ajusta según tus necesidades. ¡Espero que esta información te sea útil y te ayude a mejorar tus resultados en el trading!

2008.02.12
Centro de Gravedad: El Indicador Sin Retrasos para Traders
MetaTrader4
Centro de Gravedad: El Indicador Sin Retrasos para Traders

El Centro de Gravedad es un indicador que se destaca por su capacidad de identificar puntos de giro con cero retraso. Este indicador es fruto de los estudios de filtros adaptativos realizados por J. F. Ehlers. El indicador Centro de Gravedad permite identificar los principales puntos de pivote de forma casi instantánea. La idea de calcular un centro de gravedad surge de la investigación sobre los retrasos de diferentes filtros con respuesta a impulso finito (FIR), basándose en la amplitud relativa de los coeficientes de los filtros. La SMA (Media Móvil Simple) es un filtro FIR en el que todos los coeficientes tienen el mismo valor, lo que hace que el centro de gravedad de la SMA sea el punto central exacto del filtro. Por otro lado, la WMA (Media Móvil Ponderada) es un filtro FIR que pondera el cambio de precio más reciente a lo largo de la longitud del filtro, y así sucesivamente.Los valores de ponderación son los coeficientes de los filtros. Los coeficientes de los filtros WMA pueden ser representados como los lados de un triángulo, donde el centro de gravedad se sitúa en un tercio de la base del triángulo. De esta manera, el centro de gravedad de la WMA se desplaza hacia la derecha en comparación con el centro de gravedad de la SMA de la misma longitud, lo que nos proporciona un menor retraso. En todos los ejemplos con filtros FIR, la suma de los productos de los coeficientes y el precio debe dividirse por la suma de los coeficientes para preservar los precios originales.El filtro FIR más conocido es el filtro de Ehlers, que se presenta de la siguiente manera: El Centro de Gravedad se calcula utilizando el filtro de Ehlers con la siguiente fórmula: En este indicador, el parámetro Per=10 establece el período para el cálculo, mientras que el parámetro PriceType=0 determina el tipo de precio en base al cual se calcula el indicador, generando así la línea principal (color azul). Para la línea de señal (color rojo), el parámetro SmoothPer=3 establece el período de suavizado de la línea principal del indicador, y el parámetro SmoothType=0 indica el tipo de suavizado. La interpretación de los valores de los parámetros se proporciona en forma de comentarios en el código del indicador.

2008.02.10
Correlación de Rangos de Spearman: Cómo Análisis Estadístico Puede Mejorar tu Trading
MetaTrader4
Correlación de Rangos de Spearman: Cómo Análisis Estadístico Puede Mejorar tu Trading

La Correlación de Rangos de Spearman es un método no paramétrico que se utiliza para realizar estudios estadísticos sobre la relación entre variables. En este caso, se detecta el grado de paralelismo entre dos secuencias numéricas.Para calcular la Correlación de Rangos de Spearman, se deben seguir los siguientes pasos:Asigna un número de rango a cada indicador y ordénalos de mayor a menor o viceversa;Resta los dos conjuntos de rangos de cada par de valores que se comparan;Eleva al cuadrado cada diferencia y suma los valores obtenidos;Calcula la correlación de rangos a partir de la siguiente fórmula:donde es la suma de los cuadrados de las diferencias de rangos, y es el número de observaciones pareadas.Cuando empleas la correlación de rangos, se estima condicionalmente el coeficiente de correlación entre los indicadores. Los valores iguales o inferiores a 0.3 indican una relación de baja correlación, mientras que los valores entre 0.4 y 0.7 indican una correlación moderada, y valores superiores a 0.7 indican una alta correlación.Es importante mencionar que la Correlación de Rangos de Spearman es un poco menos poderosa que la correlación paramétrica.Este método es razonable de utilizar cuando hay pocas observaciones. Puede aplicarse tanto a datos numéricos como en casos donde los valores registrados se detectan a través de atributos de distinta intensidad.Este indicador es uno de los osciladores. Sin embargo, en comparación con el oscilador estocástico, es más suave y no presenta retrasos en los puntos de pivote.El único parámetro externo que influye en los algoritmos de cálculo es rangeN, que establece la cantidad de barras para las que se busca encontrar regularidades. Si rangeN = 14, se toman las secuencias de precios de cierre Close[i], Close[i+1], ... Close[i+rangeN-1], y se construye una secuencia de rangos para ellas, es decir, se encuentra la posición de cada precio de cierre cuando la secuencia está ordenada. En este caso, un gráfico real se compara con otro gráfico de tendencia monótona creciente.El parámetro dirección indica si se ordena de mayor a menor (true) o de menor a mayor (false). El valor true muestra una imagen más habitual, mientras que false genera una imagen invertida. El parámetro CalculatedBars se introduce para limitar la cantidad de barras bajo cálculo y así ahorrar recursos de CPU (aunque no era necesario). Un valor cero de este parámetro significa que se realizarán cálculos para toda la historia disponible. El parámetro Maxrange = 30 establece el período máximo de cálculo. Este parámetro se introdujo también para ahorrar recursos, por lo que puede ser útil para algunos.

2008.02.10
Cómo Usar el Indicador Smoothed ADX en Trading
MetaTrader4
Cómo Usar el Indicador Smoothed ADX en Trading

¡Hola a todos, traders! Hoy les traigo un indicador que muchos han estado esperando: el Smoothed ADX. Este indicador fue creado a petición de un miembro de nuestro foro y, aunque no fue complicado hacerlo, no encontré mucha información sobre su algoritmo. Así que, aquí les comparto el código que he preparado. Entradas: {declarando entradas}     Longitud( 14 ),      ADXTrendy( 25 ), alpha1(0.25), alpha2(0.33);   Variables: {declarando variables}     DMIPlus( 0 ), DMIMinus( 0 ), DMI( 0 ), ADX( 0 ),      DIPlusLider(0), DIMinusLider(0), DIPlusFinal(0), DIMinusFinal(0),     ADXLider(0), ADXFinal(0); {llamando a las funciones integradas de ADX, así no necesitamos calcularlas} Valor1 = DirMovement( H, L, C, Longitud, DMIPlus, DMIMinus, ADX);   {Aquí es donde suavizamos el indicador original ADX, las líneas DI+ y DI- y ADX son suavizadas} DIPlusLider = 2*DMIPlus + (alpha1 - 2) * DMIPlus[1] + (1 - alpha1) * DIPlusLider[1];DIPlusFinal = alpha2*DIPlusLider + (1 - alpha2) * DIPlusFinal[1];   DIMinusLider = 2*DMIMinus + (alpha1 - 2) * DMIMinus[1] + (1 - alpha1) * DIMinusLider[1];DIMinusFinal = alpha2*DIMinusLider + (1 - alpha2) * DIMinusFinal[1];   ADXLider = 2*ADX + (alpha1 - 2) * ADX[1] + (1 - alpha1) * ADXLider[1];ADXFinal = alpha2*ADXLider + (1 - alpha2) * ADXFinal[1];   {Graficando en el gráfico} Plot1( DIPlusFinal, "DMI+" ) ; Plot2( DIMinusFinal, "DMI-" ) ;Plot3( ADXFinal, "ADX" ) ; Si no profundizamos en el sentido del Smoothed ADX, podemos dividir este suavizado en dos etapas. Imaginemos que tenemos una secuencia numérica P y necesitamos suavizarla con un mínimo de retardo. En la primera etapa, construimos la función V(P) de la secuencia P utilizando la siguiente fórmula:     V0 = (8*P0 - 7*P1 + 3*V1) / 4, donde: P0 es el valor actual de la secuencia (un precio o un indicador); P1 es el valor anterior de la secuencia; V1 es el valor anterior de oscilación; V0 es el valor actual de oscilación. O, de otra manera:          V0 = (Vol(P) + 3*V1) / 4, donde:          Vol(P) = 8*P0 - 7P1 - el "estallido de Ehlers" (un término que he inventado).En la segunda etapa, aplicamos un suavizado ponderado simple:      W0 = (1*V0 + 2*W1) / (2 + 1). donde: W0 es el valor suavizado actual de la secuencia P; V0 es el valor actual de oscilación de la secuencia P; W1 es el valor suavizado anterior.En el Smoothed ADX, este algoritmo de suavizado se aplica a los tres buffers del indicador estándar ADX. Por eso, el indicador que obtenemos se llama Smoothed ADX. Si estuvimos suavizando el indicador RSI, lo llamaríamos Smoothed RSI, etc. La figura a continuación muestra que el Smoothed ADX, de hecho, no es tan "agitado" como el ADX estándar (Índice de Movimiento Direccional Promedio).

2008.02.10
Primero Anterior 379 380 381 382 383 384 385 386 387 388 389 Siguiente Último