ผู้เขียนจริง:
Extrapolator เป็นผลจากการวิจัยระยะยาวในด้านการคาดการณ์ช่วงเวลา (Timeseries Forecasting) โดยเครื่องมือนี้จะช่วยคาดการณ์พฤติกรรมราคาที่จะเกิดขึ้นในอนาคต โดยจะมีเส้นสองเส้นที่แสดงให้เห็น: เส้นสีน้ำเงินจะแสดงราคาแบบจำลองในช่วงที่ทำการฝึกสอน และเส้นสีแดงจะแสดงราคาที่คาดการณ์ในอนาคต
เครื่องมือนี้อิงตามหลายวิธีที่สามารถเลือกได้จากตัวแปร Method:
- การคาดการณ์โดยการใช้อนุกรมฟูเรียร์ โดยคำนวณความถี่ด้วยอัลกอริธึมควินน์-เฟอร์นันเดส;
- วิธีการออโต้คอเรลเลชัน;
- วิธีการเบิร์กแบบมีน้ำหนัก;
- วิธีการเบิร์กที่ใช้ฟังก์ชันน้ำหนักเฮลเม-นิกกิอัส;
- วิธีอิตาคุระ-ไซโต (Itakura-Saito);
- วิธีการโควาเรียนซ์ที่แก้ไขแล้ว.
วิธีที่ 2-6 เป็นวิธีการคาดการณ์เชิงเส้น โดยการคาดการณ์เชิงเส้นจะอิงจากการหาค่าที่คาดการณ์ในอนาคตเป็นฟังก์ชันเชิงเส้นของค่าที่ผ่านมา สมมติว่าเรามีช่วงราคาที่เรียกว่า x[0]..x[n-1] โดยที่ดัชนีเก่ากว่าจะสอดคล้องกับราคาที่ใหม่กว่า
การคาดการณ์ราคาของ x[n] ในอนาคตจะคำนวณได้ดังนี้
x[n] = -Sum(a[i]*x[n-i], i=1..p)
โดยที่:
- a[i=1..p] - อัตราส่วนของโมเดล;
- p - โครงสร้างของโมเดล.
วิธีที่กล่าวถึงใน 2-6 จะหาค่า a[] โดยการลดความผิดพลาดเฉลี่ยแบบรากที่สองจากแท่งการฝึกที่แล้ว n-p ซึ่งแน่นอนว่า การคาดการณ์ที่ไม่มีความผิดพลาดในแท่งการฝึกนั้นสามารถทำได้โดยการแก้ระบบสมการเชิงเส้นที่กล่าวถึงก่อนหน้านี้โดยตรงที่ n=2*p โดยใช้วิธีเลวินสัน-เดอร์บิ้น วิธีการคาดการณ์นี้เรียกว่า วิธีพรอนี (Prony Method) ซึ่งมีข้อเสียคือการคาดการณ์ค่าของอนาคตไม่แน่นอน ดังนั้นวิธีนี้จึงไม่ถูกรวมเข้ากับวิธีการที่ใช้งาน.
ข้อมูลนำเข้าที่สำคัญอื่นๆ ได้แก่:
- LastBar - ดัชนีแท่งสุดท้ายจากข้อมูลก่อนหน้า;
- PastBars - จำนวนแท่งก่อนหน้าที่ใช้ในการคาดการณ์ค่าที่จะเกิดขึ้น;
- LPOrder - โครงสร้างโมดูลเชิงเส้นเป็นสัดส่วนจากจำนวนแท่งก่อนหน้า (0..1);
- FutBars - จำนวนแท่งในอนาคตที่คาดการณ์;
- HarmNo - จำนวนความถี่สูงสุดสำหรับวิธีที่ 1 (0 จะเลือกทุกความถี่);
- FreqTOL - ขนาดของความไม่แม่นยำในการคำนวณความถี่สำหรับวิธีที่ 1 (>0.001 อาจไม่คงที่);
- BurgWin - ดัชนีฟังก์ชันน้ำหนักสำหรับวิธีที่ 2 (0=Rectangular, 1=Hamming, 2=Parabolic);
เครื่องมือนี้ถูกนำไปใช้ครั้งแรกใน MQL4 และเผยแพร่ใน Code Base ที่ mql4.com เมื่อวันที่ 9 ธันวาคม 2008.
ความคิดเห็น 0