Indikator Teknis

Memahami Indikator Center of Gravity untuk Trading yang Lebih Akurat
MetaTrader4
Memahami Indikator Center of Gravity untuk Trading yang Lebih Akurat

Indikator Center of Gravity: Mengidentifikasi Titik Balik dengan Presisi Indikator Center of Gravity (COG) merupakan alat yang luar biasa dalam dunia trading, karena memungkinkan kita untuk menentukan titik balik pasar dengan akurasi tinggi dan tanpa lag. Indikator ini dihasilkan dari penelitian J. F. Ehlers tentang filter adaptif. Dengan menggunakan COG, kita bisa mengidentifikasi titik pivot utama hampir tanpa keterlambatan. Konsep perhitungan center of gravity ini muncul dari studi tentang lag dari berbagai filter dengan respons impuls terbatas (FIR) berdasarkan amplitudo relatif dari koefisien filter. Sebagai contoh, Simple Moving Average (SMA) adalah filter FIR yang memiliki semua koefisien dengan nilai yang sama, sehingga center of gravity dari SMA adalah pusat yang tepat dari filter tersebut. Di sisi lain, Weighted Moving Average (WMA) adalah filter FIR yang memberikan bobot pada perubahan harga terbaru melalui panjang filter. Nilai bobot yang digunakan adalah koefisien dari filter. Koefisien WMA dapat digambarkan sebagai kontur segitiga, di mana center of gravity terletak pada 1/3 panjang alas segitiga. Hal ini membuat pusat gravitasi WMA bergeser ke kanan dibandingkan dengan pusat gravitasi SMA dengan panjang yang sama, yang pada akhirnya memberikan lag yang lebih kecil. Untuk semua contoh dengan filter FIR, jumlah hasil dari koefisien dan harga harus dibagi dengan jumlah koefisien untuk menjaga harga asli. Salah satu filter FIR yang paling terkenal adalah filter Ehlers yang dapat dinyatakan dalam formula berikut: Parameter Penting dalam Indikator COG Pada indikator ini, parameter Per=10 mengatur periode untuk perhitungan indikator, sedangkan parameter PriceType=0 menentukan jenis harga yang digunakan dalam perhitungan indikator – yang menghasilkan garis utama (warna biru). Untuk garis sinyal (warna merah), parameter SmoothPer=3 mengatur periode pemulusan garis indikator utama, dan SmoothType=0 menunjukkan jenis pemulusan. Penjelasan mengenai nilai parameter ini dapat ditemukan dalam bentuk komentar di kode indikator.

2008.02.10
Memahami Korelasi Peringkat Spearman untuk Trader
MetaTrader4
Memahami Korelasi Peringkat Spearman untuk Trader

Apa Itu Korelasi Peringkat Spearman? Korelasi Peringkat Spearman adalah metode non-parametrik yang digunakan untuk menganalisis hubungan antara dua variabel. Dengan metode ini, kita dapat mendeteksi sejauh mana dua urutan angka saling berkaitan. Langkah-langkah Menghitung Korelasi Peringkat Spearman 1) Pasangkan setiap indikasi dengan nomor (peringkat) dan urutkan dari yang tertinggi ke terendah atau sebaliknya; 2) Kurangkan kedua set peringkat dari setiap pasangan nilai yang ingin dibandingkan; 3) Kuadratkan setiap selisih dan jumlahkan nilai yang diperoleh; 4) Hitung korelasi peringkat dengan rumus berikut: adalah jumlah kuadrat selisih peringkat, adalah jumlah observasi yang dipasangkan. Menafsirkan Hasil Korelasi Peringkat Ketika menggunakan korelasi peringkat, kita dapat mengestimasi rasio korelasi antara indikasi sebagai berikut: Nilai 0.7: Korelasi tinggi. Korelasi Peringkat Spearman cenderung sedikit kurang kuat dibandingkan dengan Korelasi Parametrik. Kapan Menggunakan Korelasi Peringkat Spearman? Metode ini sangat berguna ketika hanya ada sedikit observasi. Korelasi peringkat ini dapat diaplikasikan pada data numerik maupun pada kasus di mana nilai yang terdaftar terdeteksi berdasarkan atribut dengan intensitas yang berbeda. Indikator ini termasuk dalam kategori osilator. Namun, dibandingkan dengan osilator stochastic, indikator ini lebih halus dan tidak mengalami penundaan pada titik pivot. Parameter yang Mempengaruhi Perhitungan Satu-satunya parameter eksternal yang mempengaruhi algoritma perhitungan adalah rangeN. Parameter ini menentukan jumlah bar yang akan dianalisis untuk mencari pola. Misalnya, jika rangeN = 14, maka kita mengambil urutan harga penutupan Close[i], Close[i+1], ... Close[i+rangeN-1] dan membangun urutan peringkat untuknya, yaitu menemukan posisi setiap harga penutupan ketika urutan tersebut diurutkan. Parameter direction menunjukkan pengurutan dari nilai tertinggi ke terendah (benar) atau dari nilai terendah ke tertinggi (salah). Nilai benar menunjukkan gambar yang lebih umum, sementara salah menghasilkan gambar yang terbalik. Parameter CalculatedBars diperkenalkan untuk membatasi jumlah bar yang dihitung guna menghemat sumber daya CPU. Jika nilai parameter ini nol, perhitungan akan dilakukan untuk seluruh riwayat yang tersedia. Parameter Maxrange = 30 menetapkan periode perhitungan maksimum, juga untuk menghemat sumber daya.

2008.02.10
Mengenal Indikator Smoothed ADX untuk Analisis Trading
MetaTrader4
Mengenal Indikator Smoothed ADX untuk Analisis Trading

Hai trader! Di artikel kali ini, kita akan membahas mengenai indikator Smoothed ADX yang mungkin belum banyak diketahui. Indikator ini ditulis berdasarkan permintaan dari salah satu pengunjung forum. Meskipun tidak sulit, saya menemukan bahwa penjelasan tentang algoritma Smoothed ADX cukup langka. Oleh karena itu, saya akan memberikan penjelasan dan kode yang bisa kamu gunakan.Input dan VariabelBerikut adalah input yang perlu kamu siapkan:Inputs: {deklarasi input}     Length( 14 ),      ADXTrend( 25 ), alpha1(0.25), alpha2(0.33); Dan berikut adalah variabel yang perlu dideklarasikan:variables: {deklarasi variabel}     DMIPlus( 0 ), DMIMinus( 0 ), DMI( 0 ), ADX( 0 ),      DIPlusLead(0), DIMinusLead(0), DIPlusFinal(0), DIMinusFinal(0),     ADXLead(0), ADXFinal(0);Memanggil Fungsi ADX BawaanPada bagian ini, kita akan memanggil fungsi ADX bawaan sehingga kita tidak perlu menghitungnya sendiri:Value1 = DirMovement( H, L, C, Length, DMIPlus, DMIMinus, ADX);Penyaringan Indikator ADXDi sini, kita akan melakukan penyaringan pada indikator ADX asli. Garis DI+, DI-, dan ADX akan disaring:DIPlusLead = 2*DMIPlus + (alpha1 - 2) * DMIPlus[1] + (1 - alpha1) * DIPlusLead[1];DIPlusFinal = alpha2*DIPlusLead + (1 - alpha2) * DIPlusFinal[1]; DIMinusLead = 2*DMIMinus + (alpha1 - 2) * DMIMinus[1] + (1 - alpha1) * DIMinusLead[1];DIMinusFinal = alpha2*DIMinusLead + (1 - alpha2) * DIMinusFinal[1]; ADXLead = 2*ADX + (alpha1 - 2) * ADX[1] + (1 - alpha1) * ADXLead[1];ADXFinal = alpha2*ADXLead + (1 - alpha2) * ADXFinal[1];Menampilkan Indikator di ChartSetelah semua perhitungan selesai, kita bisa menampilkan indikator di chart:Plot1( DIPlusFinal, "DMI+" ) ;Plot2( DIMinusFinal, "DMI-" ) ;Plot3( ADXFinal, "ADX" ) ;Pemahaman Mengenai Smoothed ADXJika kita tidak menggali lebih dalam, penyaringan ini bisa dibagi menjadi dua tahap. Misalkan kita memiliki urutan angka P dan ingin menyaringnya dengan lag minimum. Pada tahap pertama, kita membangun fungsi V(P) dari osilasi urutan P dengan rumus berikut: P0 adalah nilai saat ini dari urutan (harga atau indikator); P1 adalah nilai sebelumnya dari urutan; V1 adalah nilai osilasi sebelumnya; V0 adalah nilai osilasi saat ini.Atau dengan cara lain:     V0 = (Vol(P) + 3*V1) / 4,dimana:     Vol(P) = 8*P0 - 7*P1 - ledakan Ehlers (istilah ini saya ciptakan sendiri).Pada tahap kedua, kita menerapkan penyaringan sederhana berbobot:     W0 = (1*V0 + 2*W1) / (2 + 1).Di mana: W0 adalah nilai saat ini yang sudah disaring dari urutan P; V0 adalah nilai osilasi saat ini dari urutan P; W1 adalah nilai yang sudah disaring sebelumnya.Dalam Smoothed ADX, algoritma penyaringan ini diterapkan pada ketiga buffer dari indikator ADX standar. Itulah sebabnya indikator ini disebut Smoothed ADX. Jika kita menyaring indikator RSI, kita akan menyebutnya Smoothed RSI, dan seterusnya. Seperti yang bisa kamu lihat pada gambar di bawah, Smoothed ADX memang tidak se-'twitchy' seperti ADX standar (Average Directional Movement Index).

2008.02.10
Mengenal Indikator DEMA RLH: Panduan Lengkap untuk Trader
MetaTrader4
Mengenal Indikator DEMA RLH: Panduan Lengkap untuk Trader

Halo, para trader! Hari ini kita akan membahas tentang indikator DEMA RLH, yang bisa jadi alat bantu yang sangat berguna dalam trading kamu. Indikator ini membantu kita untuk mendapatkan sinyal yang lebih baik dalam pengambilan keputusan trading. Yuk, kita simak lebih dalam mengenai fungsi dan cara kerja DEMA RLH ini! Apa Itu DEMA RLH? DEMA RLH adalah singkatan dari Double Exponential Moving Average dengan penyesuaian tertentu. Indikator ini dirancang untuk memberikan sinyal yang lebih responsif terhadap pergerakan harga, sehingga trader bisa lebih cepat mengambil tindakan. Kenapa Harus Menggunakan DEMA RLH? Pengambilan Keputusan yang Lebih Cepat: Dengan DEMA RLH, sinyal yang dihasilkan lebih cepat muncul dibandingkan dengan indikator moving average biasa. Minimalkan Sinyal Palsu: DEMA RLH dapat membantu mengurangi sinyal palsu yang sering terjadi di pasar yang volatile. Fleksibilitas Penggunaan: Indikator ini bisa digunakan untuk berbagai timeframe, baik itu harian, mingguan, atau bahkan per jam. Cara Menggunakan DEMA RLH dalam Trading Untuk menggunakan DEMA RLH, kamu perlu memasangnya pada platform trading yang kamu gunakan. Biasanya, kamu bisa menambahkannya melalui menu indikator yang tersedia. Setelah itu, perhatikan sinyal yang dihasilkan: Jika garis DEMA RLH bergerak ke atas, itu bisa menjadi sinyal bullish. Jika garis DEMA RLH bergerak ke bawah, itu bisa menjadi sinyal bearish. Itulah sedikit ulasan mengenai indikator DEMA RLH. Semoga informasi ini bermanfaat untuk kamu dalam meningkatkan strategi trading. Jangan lupa untuk selalu melakukan analisis dan manajemen risiko yang baik, ya!

2008.02.09
Awal Sebelumnya 379 380 381 382 383 384 385 386 387 388 389 Berikutnya Akhir