Penulis Asli:
Extrapolator merupakan hasil penelitian panjang di bidang Peramalan Waktu. Indikator ini memprediksi perilaku harga di masa depan dengan menggambar dua garis: garis biru menunjukkan harga model pada bar pelatihan, sedangkan garis merah menunjukkan harga masa depan yang diprediksi.
Indikator ini menggunakan beberapa metode yang bisa dipilih melalui variabel input Method:
- Ekstrapolasi deret Fourier; frekuensi dihitung menggunakan Algoritma Quinn-Fernandes;
- Metode Autokorelasi;
- Metode Burg Terbobot;
- Metode Burg dengan fungsi bobot Helme-Nikias;
- Metode Itakura-Saito (geometris);
- Metode kovarians modifikasi.
Metode 2-6 adalah metode prediksi linier. Prediksi linier didasarkan pada pencarian nilai masa depan sebagai fungsi linier dari nilai sebelumnya. Misalkan kita memiliki rentang harga x[0]..x[n-1] di mana indeks yang lebih tua sesuai dengan harga yang lebih baru.
Peramalan harga masa depan x[n] dihitung sebagai
x[n] = -Sum(a[i]*x[n-i], i=1..p)
dengan:
- a[i=1..p] - rasio model;
- p - struktur model.
Metode 2-6 menemukan rasio a[] dengan mengurangi rata-rata kesalahan kuadrat pada bar pelatihan terakhir n-p. Tentu saja, perkiraan kesalahan nol pada bar pelatihan dapat dicapai dengan menyelesaikan sistem persamaan linier yang disebutkan sebelumnya secara langsung pada n=2*p menggunakan algoritma Levinson-Durbin. Metode peramalan ini disebut Metode Prony. Namun, kelemahannya adalah ketidakstabilan dalam meramalkan nilai masa depan dari rentang tersebut. Oleh karena itu, metode ini tidak termasuk.
Data input lainnya adalah:
- LastBar - indeks bar terakhir pada data sebelumnya;
- PastBars - jumlah bar sebelumnya yang digunakan untuk memprediksi nilai masa depan;
- LPOrder - struktur modul linier sebagai bagian dari jumlah bar sebelumnya (0..1);
- FutBars - jumlah bar masa depan dalam sebuah ramalan;
- HarmNo - jumlah frekuensi maksimum untuk Metode 1 (0 memilih semua frekuensi);
- FreqTOL - ukuran ketidakakuratan dalam perhitungan frekuensi untuk Metode 1 (>0.001 mungkin tidak konvergen);
- BurgWin - indeks fungsi bobot untuk Metode 2 (0=Rectangular, 1=Hamming, 2=Parabolic);
Indikator ini pertama kali diimplementasikan dalam MQL4 dan dipublikasikan di Code Base di mql4.com pada 9 Desember 2008.
Komentar 0