실제 저자:
Extrapolator는 시계열 예측 분야에서 오랜 연구의 결과물입니다. 이 지표는 미래 가격의 동향을 예측합니다. 두 개의 선을 그리는데, 파란색 선은 학습 바에서의 모델 가격을 나타내고, 빨간색 선은 예측된 미래 가격을 보여줍니다.
이 지표는 입력 변수인 Method에 따라 선택할 수 있는 여러 가지 방법을 기반으로 합니다:
- 푸리에 급수 외삽; 주파수는 Quinn-Fernandes 알고리즘을 사용하여 계산됩니다;
- 자기상관 방법;
- 가중형 버그 방법;
- 헬름-니키아스 가중 함수가 포함된 버그 방법;
- 이타쿠라-사이토 (기하학적) 방법;
- 수정된 공분산 방법.
방법 2-6은 선형 예측 방법으로, 이전 값의 선형 함수로 미래 값을 찾는 방식입니다. x[0]부터 x[n-1]까지의 가격 범위가 있다고 가정할 때, 예를 들어 최신 가격에 대해 더 오래된 인덱스가 대응합니다.
x[n] 미래 가격의 예측은 다음과 같이 계산됩니다:
x[n] = -Sum(a[i]*x[n-i], i=1..p)
여기서:
- a[i=1..p] - 모델 비율;
- p - 모델 구조.
방법 2-6은 마지막 학습 n-p 바에서 평균 제곱근 오차를 줄이면서 a[] 비율을 찾습니다. 물론, n=2*p에서 리바이슨-더빈 알고리즘을 사용하여 선형 방정식 시스템을 직접 해결하면 학습 바에서 0 오차 예측을 달성할 수 있습니다. 이러한 예측 방법을 프로니 방법이라고 합니다. 그러나 이 방법은 미래 값의 불안정한 예측이라는 단점이 있습니다. 따라서 이 방법은 포함되지 않습니다.
기타 입력 데이터는 다음과 같습니다:
- LastBar - 이전 데이터에서의 마지막 바 인덱스;
- PastBars - 미래 값을 예측하는 데 사용되는 이전 바의 수;
- LPOrder - 이전 바 수에 대한 선형 모듈 구조 (0..1);
- FutBars - 예측된 미래 바의 수;
- HarmNo - 방법 1의 최대 주파수 수 (0은 모든 주파수를 선택);
- FreqTOL - 방법 1에서 주파수 계산의 부정확성을 측정하는 값 (>0.001은 수렴하지 않을 수 있음);
- BurgWin - 방법 2의 가중 함수 인덱스 (0=직사각형, 1=해밍, 2=포물선);
이 지표는 처음에 MQL4로 구현되었으며, mql4.com의 코드 베이스에 2008년 12월 9일에 게시되었습니다.
댓글 0