Gauss Bevegelig Gjennomsnitt Indikatoren

Indikatorer Et bibliotek med funksjoner for filtrering og henting av priskurver, fra tradisjonell teknisk analyse til mer avansert transformasjon og statistikkfunksjon: glidende gjennomsnitt, oscillatorer, bånd, momentum, styrkeindekser, lineær regresjon, Hilbert-transformer, Ehlers-indikatorer og spektral analyse. Indikatorene er oppført i alfabetisk rekkefølge. Tradisjonelle indikatorer bruker TA-Lib-indikatorbiblioteket av Mario Fortier (talib. org) som har etablert seg som en standard. Informasjon om bruken, algoritmene og kildekoden til TA-Lib-indikatorene finnes online på tadoc. org. Kilden er også inkludert i ZorroSource-mappen. Kilden til de fleste andre indikatorer og analysefunksjoner finnes i Zorroincludeindicators. c. Spektralfiltre og amplitudefrekvensanalysefunksjoner er oppført i spektralbiblioteket. Klassiske lysemønstre finnes i mønsterbiblioteket. AC (vars data): var Accelerator Oscillator forskjellen på AO indikatoren (se nedenfor) og dens 5-bar enkel glidende gjennomsnitt (SMA). Trodde å indikere akselerasjon og retardasjon av et marked drivkraft (hva det betyr). For Data brukes normalt en MedPrice eller prisserie. Kildekode i indicators. c. ADO (): var Akkumulasjonsfordeling Oscillator: ((Lukk Lav) - (High-Close)) (High-Low). Ranger fra -1 når lukken er lav av linjen, til 1 når den er høy. Formodes å måle tilbud og etterspørsel ved å avgjøre om handelsmenn generelt akkumulerer (kjøper) eller distribuerer (selger). Denne indikatoren ble publisert i mange individuelle varianter til formelen, men ingen av dem virker bedre enn den andre. Bruker nåværende aktivitetsprisserie. Kildekode i indicators. c. ADX (int TimePeriod): var Gjennomsnittlig retningsbestemt bevegelsesindeks. Flytte gjennomsnittet av DX-indikatoren (se nedenfor). Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame. De returnerte verdiene varierer fra 0 til 100. ADXR (int TimePeriod): var Gjennomsnittlig retningsbestemt bevegelsesindeksrangering. Gjennomsnittet for gjeldende ADX og ADX fra TimePeriod bars siden. Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame. Alligator (vars Data): var Alligator Indikator. Består av tre linjer: blå SMA (13) forsinket med 5 barer rød: SMA (8) forsinket med 2 barer grønn: SMA (5). Indikerer en ned trend med linjer i rekkefølgen blå-rød-grønn (topp til bunn), og en opptrinn med grønn-rød-blå. Jo nærmere Alligatorrsquos linjene beveger seg, jo svakere blir trenden og omvendt. Inneholder ikke ytterligere 3-sanglag av den opprinnelige Alligator-algoritmen (bruk Data3 for det). For data brukes normalt høyhastighets gjennomsnittet (MedPrice-serien). Resultat i rRed. rGreen. rBlue. Kildekode i indicators. c. ALMA (vars Data, int TimePeriod, int Sigma, var Offset): var ALMA (vars Data, int TimePeriod): var Arnaud Legoux Moving Average. Basert på en Gauss-distribusjon med forspenning mot begynnelsen av Data-serien (dvs. nyere priser). Parametre: Sigma (distribusjonsbredde, standard 6) Offset (bias faktor, standard 0.85). Kildekode i indicators. c. AO (vars Data): var Awesome Oscillator bare forskjellen på en 5-bar og en 34-bar SMA. For Data brukes normalt en MedPrice eller prisserie. Kildekode i indicators. c. APO (vars Data, int FastPeriod, int SlowPeriod, int MAType): var Absolute Price Oscillator en mer generell versjon av AO. Returnerer forskjellen mellom to bevegelige gjennomsnitt. Parametre: FastPeriod (Antall perioder for rask MA), SlowPeriod (Antall perioder for sakte MA), MAType (Type flytende gjennomsnitt). Aroon (int TimePeriod): var Aroon-indikator. Består av to linjer (opp og ned) som måler hvor lenge det har vært siden det høyeste høyeste lavet har skjedd innen tidsperioden. Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame. Resultat i rAroonDown. rAroonUp. AroonOsc (int TimePeriod): var Aroon Oscillator. Beregnet ved å trekke Aroon Down fra Aroon Up. Avkastningsverdien vil svinge mellom 100 og -100. Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame. ATR (int TimePeriod): var gjennomsnittlig True Range. Et mål på prisvolatilitet som er nyttig for å beregne stopptap eller overskuddsmålavstand. Formel: ATR (ATR1 (TimePeriod-1) max (Høy, Lukk) - min (Lav, Lukk)) TimePeriod. hvor ATR1 er ATR fra den siste linjen. Bruker nåværende eiendomspriser. Funksjonen oppretter internt serie når TimeFrame er gt 1. og må da kalles i fast rekkefølge i skriptet. Se også: Volatilitet. CVolatilty. TrueRange. ATRS. ATR (vars Open, vars høy, vars lav, vars Close, int TimePeriod): var gjennomsnittlig True Range fra vilkårlig prisserier, med vilkårlig offset og tidsramme. ATRS (int TimePeriod): var Simple Average True Range. SMA av TrueRange over TimePeriod. ved bruk av nåværende aktivitetsprisserien. Et mål for prisvolatilitet, enklere å beregne enn ATR. men tilpasser seg langsomt til volatilitetsendringer og dermed mindre egnet for stopptap fortjeneste mål. Brukes av MT4-plattformen i stedet for den virkelige ATR. Støtter ikke TimeFrame. Kildekode i indicators. c. AvgPris (): var Gjennomsnittlig pris. Bare (OpenHighLowClose) 4 med dagens aktivprisserie. BBands (vars Data, int TimePeriod, var NbDevUp, var NbDevDn, int MAType) Bollinger Bands. Består av tre linjer er midtbeltet et enkelt bevegelige gjennomsnitt (vanligvis 20 perioder) av den typiske prisen (TP). Øvre og nedre bånd er n standardavvik (vanligvis 2) over og under midtbåndet. Bandene vokser og smalter når volatiliteten til prisen er henholdsvis høyere eller lavere. Bollinger Bands indikerer når prisen har blitt relativt høy eller lav, som signaliseres gjennom berøring eller mindre gjennomtrenging av den øvre eller nedre linjen. Resultatet i rRealUpperBand. rRealMiddleBand. rRealLowerBand. Parametre: NbDevUp (Avviksmultiplikator for øvre bånd), NbDevDn (Avviksmultiplikator for lavere bånd), MAType (Type flytende gjennomsnitt). Eksempel i Indicatortest. c. BBOsc (vars Data, int TimePeriod, var NbDev, int MAType): var Bollinger Bands Oscillator prosentandelen av nåverdien av serien i Bollinger Bands. Beta (vars Data, vars Data2, int TimePeriod): var Beta verdi. Et mål på en enkelt eiendomspris i forhold til den samlede markedsindeksen. Anskaffelseskursen er oppgitt i Data og markedsprisene er oppgitt i Data2. Algoritmen beregner endringen mellom prisene i begge serier og plotter disse endringene som punkter i det euklidiske flyet. X-verdien til et hvilket som helst punkt er endringen i data2 (marked) og y-verdien er endringen i data (aktiva). Beta-verdien er hellingen til en lineær regresjonslinje gjennom disse punktene. En beta på 1 er enkel linjen yx, så aktiva varierer tett med markedet. En beta på mindre enn en betyr at aktiva varierer mindre enn markedet, og en beta på mer enn én betyr at aktiva varierer mer enn markedet. BOP (): var Maktbalansen rett og slett (Lukk - Åpne) (Høy - Lav). Bruker nåværende aktivitetsprisserie. CCI (int TimePeriod): Var Commodity Channel Index. Variasjon av prisen fra dens statistiske gjennomsnitt, typisk oscillerer mellom -100. Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame. CI (int TimePeriod): var Choppiness Index måler enkeltlinjens volatilitet i forhold til volatiliteten til det tidligere TimePeriod i et 1..100-område. Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame. ChandelierLong (int TimePeriod, var Multiplikator): var ChandelierShort (int TimePeriod, var Multiplikator): var Chandelier avslutter den høyeste prisen på TimePeriod minus ATR multiplisert med Multiplikator. Vanligvis brukt som et etterspørselsstopp. for å holde bransjer i en trend og hindre en tidlig utgang så lenge trenden fortsetter. Kildekode i indicators. c. Støtter ikke TimeFrame. Eksempel i TMF kapittelet. CGOsc (vars Data, int TimePeriod): var Center of Gravity oscillator, av John Ehlers beregner avviket av prisene fra sitt senter innenfor TimePeriod. Kan brukes til å identifisere pris vendepunkter med nesten null lag. Kildekode i indicators. c. Chikou (int Shift): var Chikou linje tilhørende Ichimoku indikatoren bare Lukk skiftet fremover av Shift (valgfritt standard 26). Bruker nåværende aktivitetsprisserie. Kildekode i indicators. c. CMO (vars Data, int TimePeriod): var Chande Momentum Oscillator. Ligner på RSI. men deler den totale databevegelsen av nettbevegelsen (opp - ned) (opp ned)). Coral (vars Data): var Coral Indikator, bare en T3 med TimePeriod 60 og VolumeFactor 0.4. Korrelasjon (vars Data1, vars Data2, int TimePeriod): var Pearsons korrelasjonskoeffisient mellom to dataserier over den angitte TimePeriod. i området mellom -1..1. En koeffisient på 1,0, en quotperfekt positiv korrelasjon, betyr at endringer i Data2 forårsaker identiske endringer i Data1 (for eksempel en endring i indikatoren vil resultere i en identisk endring i aktivprisen). En koeffisient på -1,0, en quotperfekt negativ korrelasjon, betyr at endringer i Data2 forårsaker identiske endringer i Data1. men i motsatt retning. En koeffisient på null betyr at det ikke er noen sammenheng mellom de to seriene, og at en endring i Data2 ikke vil påvirke Data1. Denne funksjonen kan også brukes til å få autokorrelasjonen til en serie ved å beregne korrelasjonskoeffisienten mellom den opprinnelige serien og den samme serien som er lagret av en eller to barer (serie1 eller serie2). Covariance (vars Data1, vars Data2, int TimePeriod): var Covariance mellom to dataserier. Kan brukes til å generere en kovariansmatrise f. i. for markowitz effektiv grenseberegning. DChannel (int TimePeriod) Donchian Channel minimum og maksimum verdi av priceHigh () og priceLow fungerer over tidsperioden. Grunnlag for det berømte Turtle Trading System. Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame. Resultatet i rRealUpperBand. rRealLowerBand. DCOsc (vars Data, int TimePeriod): var Donchian Channel Oscillator prosentandelen av gjeldende Data verdi i Donchian Channel. Bruker nåværende aktiv og nåværende TimeFrame. Decycle (vars Data, int CutOffPeriod): var Ehlers Decycler, en lavforsinkelsesindikator bare Data - HighPass2 (Data, CutOffPeriod). Fjerner alle sykluser under CutOffPeriod fra dataserien og holder trenden. Funksjonen oppretter internt serie og må derfor kalles i fast rekkefølge i skriptet. Kildekode i indicators. c. DEMA (vars Data, int TimePeriod): var Dobbel eksponentiell flytende gjennomsnitt. DPO (vars Data, int TimePeriod): var Detrended Price Oscillator antok å oppdage tidlige endringer i prisretning. DPO Data0 - SMA (Datan21, n). hvor n er TimePeriod. Kildekode i indicators. c. DX (int TimePeriod): Var Directional Movement Index av Welles Wilder (som forresten oppdaget at quott-samspillet mellom sol, måne og jord er grunnlaget for all markedsbevegelseskvot. Hvis den solen, månen og jorden plutselig avstår fra å flytte markedet, oppfant han også noen tradisjonelle indikatorer). DX antas å indikere trendstyrke. Verdiene varierer fra 0 til 100, men sjelden får over 60. DX bruker dagens aktivitetsserie og støtter ikke TimeFrame. Formel: DX 100 abs (PlusDI-MinusDI) (PlusDIMinusDI). For PlusDI og MinusDI se beskrivelsen nedenfor. EMA (vars Data, int TimePeriod): var EMA (vars data, var alfa): var eksponentiell flytende gjennomsnitt. Fremhever nyere dataverdier. Den bruker formelen EMA alpha data (1-alfa) EMA1. hvor alfa er en rekursjonsfaktor mellom 0. 1 som beregnes fra 2,0 (TimePeriod1). og EMA1 er den forrige EMA-verdien. Jo mindre alfa er, jo høyere er utjevningseffekten av EMA-formelen. Begge EMA-funksjonene bruker litt forskjellige algoritmer. Den første (ved hjelp av TimePeriod) lager ikke en serie, er langsommere, og krever en datalengde for TimePeriodUnstablePeriod 1. Den andre (ved hjelp av alfa) skaper en intern serie, trenger bare en datalengde på 2 og er mye raskere. Fisher (vars Data): var Fisher Transform forvandler en normalisert dataserie til et normalt distribuert område. Avkastningsverdien har ingen teoretisk grense, men de fleste verdier er mellom -1. 1 . Alle dataverdier må være i -1. 1 rekkevidde, f. i. ved å normalisere med AGC. Normaliser. eller cdf-funksjonen. Minste datalengde er 1. Kilde tilgjengelig i indicators. c. FisherInv (vars Data): var Inverse Fisher Transform komprimerer dataserien til å være mellom -1 og 1. Minimumslengden på datariene er 1. Kilde tilgjengelig i indicators. c. FisherN (vars Data, int TimePeriod): var Fisher Transform med normalisering normaliserer Data-serien med den angitte TimePeriod og forvandler den deretter til et normalt distribuert område. Ligner på et Normaliser filter (se nedenfor), men mer selektivt på grunn av normal distribusjon av utgangen. Avkastningsverdien har ingen teoretisk grense, men de fleste verdier er i -1,5. 1,5 rekkevidde. Minste lengden på dataserien er lik TimePeriod. Funksjonen oppretter internt serie og må derfor kalles i fast rekkefølge i skriptet. Kilde tilgjengelig i indicators. c. FractalDimension (vars Data, int TimePeriod): var Fractal dimensjon av dataserien, av John Ehlers normalt 1..2. Mindre verdier betyr mer jaggier. Kan brukes til å oppdage dagens markedsregime eller å tilpasse bevegelige gjennomsnitt til fluktuasjonene i en prisserie. Kilde tilgjengelig i indicators. c. Fractal High (vars Data, int TimePeriod): var Fractal High, en indikator av Bill Williams, antatt å signalere når markedet reverserer (har ingenting å gjøre med fraktaler). Returnerer den høyeste Data-verdien når den er i midten av TimePeriod. ellers 0. FractalLow (vars Data, int TimePeriod): var Fractal Low. Returnerer laveste dataværdi når den er i midten av TimePeriod. ellers 0. Gauss (vars Data, int TimePeriod): var Gauss Filter, returnerer et veid gjennomsnitt av dataene i den angitte tidsperioden, med vektkurven lik Gauss Normal Distribution. Nyttig for å fjerne støy ved å utjevne rå data. Minste lengden på dataserien er lik TimePeriod. Laget er halvparten av TimePeriod. HAOpen (): var HAClose (): var HAHigh (): var HALow (): var Haiken Ashi-priser, basert på dagens aktivpriser. Kildekode i indicators. c. Alternativt kan priskurven konverteres til Haiken Ashi-barer ved hjelp av barfunksjonen. HH (int TimePeriode, int Offset): var Høyeste verdi av priceHigh-funksjonen over TimePeriod slutter med Offset (standard 0). F. i. HH (3) returnerer den høyeste prisen på de siste 3 stolpene. Bruker nåværende preice-serien. Støtter ikke TimeFrame for flere tidsrammer, bruk MaxVal (HighOffset, Periode) med en tidssynkronisert High Series i stedet. Se også dayHigh. HMA (vars Data, int TimePeriod): var Hull Moving Gjennomsnittlig av Alan Hull forsøker å adressere lag, så vel som å jevne ut litt choppiness. Formel: HMA (n) WMA (2WMA (n2) ndash WMA (n)), sqrt (n)). Funksjonen skaper internt en serie og må derfor kalles i fast rekkefølge i skriptet. Kildekode i indicators. c. HTDcPeriod (vars Data): var Hilbert Transform - dominerende syklusperiode, utviklet av John Ehlers. Hilbert transformasjonsalgoritmer er forklart i Ehlers bok quotRocket Science for Tradersquot (se bokliste). Denne funksjonen er ekvivalent, men mindre nøyaktig enn DominantPeriod-funksjonen. HTDcPhase (vars Data): var Hilbert Transform - dominerende syklusfase. HTPhasor (vars Data): var Hilbert Transform - Phasor Components. Resultat i rInPhase. rQuadrature. HTSine (vars Data): var Hilbert Transform - SineWave. Resultat i rSine. rLeadSine. HTTrendline (vars Data): var Hilbert Transform - Instantaneous Trendline. HTTrendMode (vars Data): int Hilbert Transform trendindikator - returnerer 1 for trendmodus, 0 for syklusmodus. Hurst (vars Data, int TimePeriod): var Hurst eksponent for dataserien mellom 0..1. Hurst-eksponenten måler minnet til en serie. Det kvantifiserer autokorrelasjonen, dvs. tendensen til å gå tilbake til gjennomsnittet (Hurst lt 0.5) eller å fortsette trending i en retning (Hurst gt 0.5). På den måten kan Hurst-eksponenten oppdage om markedet er i trendingstilstand. TimePeriod-vinduet (minimum 20) må ha tilstrekkelig lengde for å fange den langsiktige trenden. Funksjonen skaper internt en serie og må derfor kalles i fast rekkefølge i skriptet. Kilde tilgjengelig i indicators. c. Ichimoku () Ichimoku (int PeriodTenkan, int PeriodKijun, int PeriodSenkou, int Offset) Ichimoku Kinko Hyo indikator. Oppdaget av journalisten Goichi Hosoda i 1930. En blanding av medieprisene på 3 tidsperioder antas å gi dypt innblikk i markedstrender på grunn av det enorme antall fargerike linjer. Offset (standard 0) bestemmer linjen for beregning av indikatoren. Returnerer 4 variabler: En annen linje som tilhører Ichimoku, Chikou-linjen, er fremtidig kikk og beregnes separat. Bruker nåværende aktivitetsprisserie. Funksjonen oppretter internt serie når TimeFrame er gt 1. og må da kalles i fast rekkefølge i skriptet. Kildekode i indicators. c. IBS (): var Internal Bar Styrke enkelt (Lukk - Lav) (Høy - Lav). Bruker nåværende aktivitetsprisserie. KAMA (vars Data, int TimePeriod): var Kaufman Adaptive Moving Average. Et eksponentielt glidende gjennomsnitt justert av prisvolatilitet, slik at tidsperioden blir kortere når volatiliteten er høy. Keltner (vars Data, int TimePeriod, var Factor): var Keltner Channel, av Charles Keltner. Et enkelt bevegelige gjennomsnitt - SMA (Data, TimePeriod) - med sidebånd i avstand Faktor ATRS (TimePeriod). Resultater i rRealUpperBand. rRealMiddleBand. rRealLowerBand. Kildekode i indicators. c. Laguerre (vars Data, var alfa): var 4-element Laguerre filter. Brukes til utjevning av data som ligner en EMA. men med mindre lag og et bredt avstemningsområde gitt av utjevningsfaktoren alfa (0..1). Lavfrekvenskomponentene forsinkes mye mer enn høyfrekvente komponentene, noe som muliggjør meget glatte filtre med bare en liten mengde data. Minste lengde på dataserien er 1, minimum tilbakekallingsperiode er 4. Funksjonen skaper internt internt og må derfor kalles i fast rekkefølge i skriptet. Kilde tilgjengelig i indicators. c. LinearReg (vars Data, int TimePeriod): var Linjær regresjon, også kjent som quotleast squares methodquot eller quotbest fit. quot Linjær regresjon forsøker å passe en rett trendlinje mellom flere datapunkter på en slik måte at avstanden mellom hvert datapunkt og trendlinje er minimert. For hvert punkt bestemmes den rette linjen over den angitte forrige stangperioden i form av y b mx. LinearReg-funksjonen returnerer bm (TimePeriod-1). For høyere ordreregresjon, bruk polyfitpolynomfunksjonene. For logistisk regresjon med flere variabler, bruk råd (PERCEPTRON.) - funksjonen. LinearRegAngle (vars Data, int TimePeriod): var lineær regresjonsvinkel. Returnerer m konvertert til grader. På grunn av de forskjellige x - og y-enhetene i et prisdiagram, er vinkelen normalt lite brukt, bortsett fra kanskje for Gann-tilhenger. LinearRegIntercept (vars Data, int TimePeriod): var lineær regresjon avskjær. Returnerer b. LinearRegSlope (vars Data, int TimePeriod): var lineær regresjonshelling. Returnerer m som prisforskjell per bar. LL (int TimePeriod, int Offset): var Laveste verdi av priceLow-funksjonen over TimePeriod slutter med Offset (standard 0). F. i. LL (3,10) returnerer laveste pris mellom de siste 10 og de siste 13 barene. Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame for flere tidsrammer, bruk MinVal (LowOffset, Periode) med en tidssynkronisert Lav serie i stedet. Se også dayLow. MACD (vars Data, int FastPeriod, int SlowPeriod, int SignalPeriod) Moving Average ConvergenceDivergence. MACD er en mellomtids trendindikator, opprettet ved å trekke et 26-eksponentielt flytende gjennomsnitt (EMA. Se ovenfor) fra en 12-årig EMA. En 9-måneders EMA blir deretter påført MACD-resultatet for å skape en signallinje. En MACD-histogramlinje blir endelig opprettet fra forskjellen mellom MACD og signallinjen. Det antas at nullkrysset av histogrammet underfra er et kjøpesignal, null kryssing fra over et selgesignal. Formelen er: rMACD EMA (Data, FastPeriod) - EMA (Data, SlowPeriod) rMACDSignal EMA (rMACD, SignalPeriod) rMACDHist rMACD - rMACDSignal Resultater i rMACD. rMACDS-signal. rMACDHist. Returnerer: rMACD. Parametre: FastPeriod (tidsperiode for rask MA), SlowPeriod (tidsperiode for den langsomme MA), SignalPeriod (tidsperiode for utjevning av signallinjen). MACDExt (vars Data, int FastPeriod, int FastMAType, int SlowPeriod, int SlowMAType, int SignalPeriod, int SignalMAType) MACD med kontrollerbar MA-type. Resultat i rMACD. rMACDS-signal. rMACDHist. Parametre: FastPeriod (tidsperiode for den raske MA), FastMAType (Type flytende gjennomsnitt for rask MA), SlowPeriod (tidsperiode for den langsomme MA), SlowMAType (Type flytende gjennomsnitt for langsom MA), SignalPeriod (tidsperiode for utjevning signallinjen), SignalMAType (Type Flytende Gjennomsnitt for signallinjen). MACDFix (vars Data, int SignalPeriod) Moving Average ConvergenceDivergence Fix 1226. Resultat i rMACD. rMACDS-signal. rMACDHist. Parametre: SignalPeriod (tidsperiode for utjevning av signallinjen). MAMA (vars Data, var FastLimit, var SlowLimit) MESA Adaptive Moving Average, utviklet av John Ehlers (se lenker). Resultat i rMAMA. rFAMA. Parametre: FastLimit (Øvre grense bruk i adaptiv algoritmen), SlowLimit (Nedre grense bruk i adaptiv algoritmen). MaxVal (vars Data, int TimePeriod): var Høyeste verdi over en angitt periode. MaxIndex (vars Data, int TimePeriod): int Indeks for høyeste verdi over en angitt periode. 0 høyeste verdi er på nåværende linje, 1 på en linje siden, og så videre. Median (vars Data, int TimePeriod): var Median Filter sorterer elementene i dataserien og returnerer mellomverdien innenfor den angitte tidsperioden. Nyttig for å fjerne støypistene ved å eliminere ekstreme verdier. Minste lengden på dataserien er lik TimePeriod. Laget er halvparten av TimePeriod. Se også Percentile. MedPrice (): var Senterpris bare midtpunktet (HighLow) 2 av dagens lys. For den gjennomsnittlige prisen - gjennomsnittet av alle prissprøver av stearinlys - brukskursen (). MidPoint (vars Data, int TimePeriod): var MidPoint over periode. Bare (høyeste verdi laveste verdi) 2. MidPrice (int TimePeriod): var Midpoint pris over periode. Enkelt (høyest høyest lavest lav) 2 av dagens aktivprisserie. Støtter ikke TimeFrame. MinusDI (int TimePeriod): var MinusDI (vars Open, vars høy, vars lav, vars Close, int TimePeriod): var Minus Directional Indicator, en del av DX-indikatoren. Hvis funksjonen ikke kalles med forskjellige prisserier, brukes nåværende aktivitetsprisserie. MinusDM (int TimePeriod): var MinusDM (vars Open, vars høy, vars lav, vars Close, int TimePeriod): var Minus Directional Movement, to versjoner. Hvis funksjonen ikke kalles med forskjellige prisserier, brukes nåværende aktivitetsprisserie. MinVal (vars Data, int TimePeriod): var Laveste verdi over en spesifisert periode. MinIndex (vars Data, int TimePeriod): int Indeks med laveste verdi over en angitt periode. 0 laveste verdi er på nåværende linje, 1 på en linje siden, og så videre. MinMax (vars Data, int TimePeriod): var Laveste og høyeste verdier og deres indekser over en bestemt periode. Resultat i rMin. rMax. rMinIdx. rMaxIdx. MinMaxIndex (vars Data, int TimePeriod): int Indekser med laveste og høyeste verdier over en angitt periode. Resultat i rMinIdx. rMaxIdx. 0 nåværende bar, 1 for en gang siden, og så videre. MMI (vars Data, int TimePeriod): var Market Meanness Index ved Financial Hacker. Måler markedets tålmodighet, det vil si dens gjennomsnittlige reverseringstendens, i et 0..100-område. Tilfeldige tall har en MMI på 75. Reelle priser er mer eller mindre autokorrelert, så sannsynligheten for at en reell prisserie går tilbake til gjennomsnittet er mindre enn 75, men vanligvis mer enn 50. Jo høyere det er, jo dårligere er markedet . Market Meanness Index kan avgjøre når trendsystemer blir mer lønnsomme (MMI faller) eller mindre lønnsomme (MMI stiger), og dermed forhindre tap i ulønnsomme perioder. Kildekode i indicators. c. Mamma (vars Data, int TimePeriod): var Momentum. Bare Data0 - DataTimePeriod. Se også diff. Moment (vars Data, int TimePeriod, int N): var Det statistiske øyeblikket N (1..4) i Data series-delen gitt av TimePeriod. Det første øyeblikket er det gjennomsnittlige, det andre er variansen, det tredje er skjevhet og fjerde kurtose. Kilde tilgjengelig i indicators. c. MovingAverage (vars Data, int TimePeriod, int MAType): var Flytende gjennomsnitt. Parametre: MAType (Type flytende gjennomsnitt, se kommentarer). MovingAverageVariablePeriod (vars data, vars perioder, int MinPeriod, int MaxPeriod, int MAType): Var Flytende gjennomsnitt med variabel periode gitt av Periodes-serien. Parametre: MinPeriod (Verdi mindre enn minimum vil bli endret til Minimum periode), MaxPeriod (Verdi høyere enn maksimum vil bli endret til Maksimal periode), MAType (Type flytende gjennomsnitt, se kommentarer). NATR (int TimePeriod): var Normalisert gjennomsnittlig True Range, av John Forman. Ligner på ATR, bortsett fra at det blir normalisert som følger: NATR 100 ATR (TimePeriod) Close. Bruker nåværende aktivitetsprisserie. Støtter ikke TimeFrame. Normaliser (vars Data, int TimePeriod): var Omformer data-serien til -1. 1 rekkevidde innen den angitte TimePeriod. Ligner på AGC-funksjonen, men skiller ikke mellom angrep og forfall. Minste lengden på dataserien er lik TimePeriod. Kilde tilgjengelig i indicators. c. Se også skala. NumInRange (vars lav, vars høy, var min, var maks, int lengde): var Antall datahyder gitt av deres lave og høye verdier, som ligger helt innenfor intervallet fra min til maks innenfor den angitte lengden. Kan brukes til å beregne fordelingen av priser eller lys. Lav og Høy kan settes til samme verdi for å telle alle verdier i intervallet, eller byttes for å telle alle lys som berører intervallet. Range 1..TimePeriod. Kilde tilgjengelig i indicators. c. NumRiseFall (vars Data, int TimePeriod): var Lengden på den nåværende sekvensen av stigende eller fallende verdier i Data array, tilbake til den angitte TimePeriod. For en stigende sekvens returneres lengden, for en fallende sekvens den negative lengden. Range 1..TimePeriod resp. -1 ..- TimePeriod. Kilde tilgjengelig i indicators. c. Se RandomWalk-skriptet og kapitlet Strategi for et eksempel. Kilde tilgjengelig i indicators. c. NumWhite Black (var Body, int Offset, int TimePeriod): var Antall hvite minus svarte stearinlys i den angitte TimePeriod. Offset er avstanden til den nåværende linjen (0 nåværende bar). Kroppen er den minste lengden på et stearinlys som skal telles. Kilde tilgjengelig i indicators. c. Percentile (vars Data, int Lengde, var Prosent): var Returnerer den oppgitte prosentilen av dataserien med gitt lengde f. i. Prosent 95 returnerer dataverdien som ligger over 95 av alle andre verdier. Prosent 50 returnerer medianen i dataserien. For å beregne prosentandelen av en gitt prosentil verdi, bruk NumInRange-funksjonen og telle elementene under percentilen. PlusDI (int TimePeriod): var PlusDI (vars Open, vars høy, vars lav, vars Close, int TimePeriod): var Plus Directional Indicator, en del av DX-indikatoren, to versjoner. I den første versjonen brukes nåværende aktivitetsprisserie. PlusDM (int TimePeriod): var PlusDM (vars Open, vars høy, vars lav, vars Close, int TimePeriod): var Plus Directional Movement, to versjoner. I den første versjonen brukes nåværende aktivitetsprisserie. PPO (vars Data, int FastPeriod, int SlowPeriod, int MAType): Var Prosentpris Oscillator. Parametre: FastPeriod (Antall perioder for rask MA), SlowPeriod (Antall perioder for sakte MA), MAType (Type flytende gjennomsnitt). ProfitFactor (vars Data, int Lengde): var Returnerer resultatfaktoren til dataserien. Profitfaktoren er forholdet mellom summen av positiv avkastning (dvs. Datai-1 gt Datai) til summen av negative avkastninger (dvs. Datai-1 lt Datai). Den returnerte verdien er klippet til 0,1. 10 rekkevidde. Dens gjensidige må brukes når data-arrayet ikke er i serie rekkefølge, men i kronologisk rekkefølge, da gevinster og tap blir byttet. Kilde tilgjengelig i indicators. c. ROC (vars Data, int TimePeriod): var Endringshastighet, 100 skala: ((prev. PrevPrice) prevPrice) 100. ROCP (vars Data, int TimePeriod): var Endringshastighet Prosent: (pris-prevPrice) prevPrice. Se også diff. ROCR (vars Data, int TimePeriod): var Endringsgrad: (priceprevPrice). ROCL (vars Data, int TimePeriod): var Logaritmisk retur: logg (priceprevPrice). ROCR100 (vars Data, int TimePeriod): var Endringsgrad, 100 skala: (priceprevPrice) 100. Tak (vars Data, int CutoffLow, int CutoffHigh): var Ehlers takfilter, forbereder Data-serien for videre beregning ved å fjerne trend og støy. Gjelder et 2-polet høypassfilter etterfulgt av glattfilter. Anbefalte verdier for de lave og høye avskjæringsperioder er 10 og 50. Minste lengden på dataserien er 2. Funksjonen oppretter internt serie og må derfor kalles i fast rekkefølge i skriptet. Kilde tilgjengelig i indicators. c. RSI (vars Data, int TimePeriod): Var Relative Strength Index, av Welles Wilder. Forholdet mellom den nylige dataflyten for oppover og det totale datahøydeområdet 0..100. RSI antas å indikere overkjøpssalgsbetingelser når verdien er over 70beløp 30. Formel: RSI 100 Up (UpDn). hvor opp EMA (maks (0, Data0-Data1), TimePeriod) og Dn EMA (maks (0, Data1-Data0), TimePeriod). RVI (int TimePeriod): var Relative Vigor Index, av John Ehlers. Forholdet mellom prisendring og totalprisintervall: (C-O) (H-L). Gjennomsnittlig over tidsperioden og glattet med et FIR filter. Oscillaterer mellom -1 og 1. Funksjonen skaper internt en serie og må derfor kalles i fast rekkefølge i skriptet. Kildekode i indicators. c. SAR (var trinn, var Min, var maks): var Parabolisk SAR, av Welles Wilder. SAR kjører over eller under priskurven, avhengig av den nåværende trenden, antas hver priskurvekryssing å indikere en trendendring. Parametre: Trinn (akselerasjonsfaktor økning, normalt 0,02), Min (akselerasjonsfaktor minimumsverdi, normalt 0,02), Max (akselerasjonsfaktor maksimum verdi, vanligvis 0,2). SAR er en rekursiv funksjon som avhenger av retningen til det opprinnelige prislyset for konsistente verdier, LookBack-perioden bør være lang nok til å inneholde minst én priskurvekryssing. Bruker nåværende eiendomspriser. Funksjonen skaper internt en serie og må derfor kalles i fast rekkefølge i skriptet. Kildekode i indicators. c. Eksempel i Indicatortest. c. ShannonGain (vars Data, int TimePeriod): var Forventet logaritmisk gevinst på data-serien i området rundt -0.0005. Gevinstraten er avledet fra Shannon-sannsynligheten P (1 Mean (Gain) RootMeanSquare (Gain)) 2. som er sannsynligheten for en økning eller høst av en høy entropi-data-serie i neste stangperiode. En positiv gevinstrate indikerer at serien er mer sannsynlig å stige, en negativ gevinstrate indikerer at det er mer sannsynlig å falle. The zero crossover could be used for a trade signal. Algorithm by John Conover . Source available in indicators. c . ShannonEntropy(vars Data, int Length, int PatternSize): var Entropy of patterns in the Data series, in bit can be used to determine the randomness of the data. PatternSize (2..8) determines the partitioning of the data into patterns of up to 8 bit. Each Data value is either higher than the previous value, or it is not this is a binary information and constitutes one bit of the pattern. The more random the patterns are distributed, the higher is the Shannon entropy. Totally random data has a Shannon entropy identical to the pattern size. Algorithm explained on the Financial Hacker blog source available in indicators. c . SIROC(vars Data, int TimePeriod, int EMAPeriod): var Smoothed Rate of Change (S-RoC) by Fred G Schutzman. Differs from the ROC (see above) in that it is based on the exponential moving average ( EMA ) of the Data series. Believed to indicate the strength of a trend by determining if the trend is accelerating or decelerating. Formula: (Current EMA - Previous EMA)(Previous EMA) x 100. Source code in indicators. c . SMA(vars Data, int TimePeriod): var Simple Moving Average the mean of the data, i. e. the sum divided by the time period. Use Moment when long time periods are required. Smooth(vars Data, int CutoffPeriod): var Ehlers super-smoothing filter, a 2-pole Butterworth filter combined with a SMA that suppresses the Nyquist frequency. Can be used as a low-lag universal filter for removing noise from price data. The minimum length of the Data series is 2. The function internally creates series and thus must be called in a fixed order in the script. Source available in indicators. c . SMom(vars Data, int TimePeriod, int CutoffPeriod): var Smoothed Momentum by John Ehlers indicates the long term trend direction. TimePeriod is the momentum period, CutoffPeriod is a Butterworth filter constant for lowpass filtering the momentum. Source code in indicators. c . Spearman(vars Data, int TimePeriod): var Spearmans rank correlation coefficient correlation between the original Data series and the same series sorted in ascending order within TimePeriod ( 1..256 ). Returns the similarity to a steadily rising series and can be used to determine trend intensity and turning points. Range -1..1 . lag TimePeriod2 . For usage and details, see Stocks amp Commodities magazine 22011. Source available in indicators. c . StdDev(vars Data, int TimePeriod): var Standard Deviation of the Data series in the time period, from the ta-lib . Use the square root of the second Moment when high accuracy or long time periods are required. Stoch(int FastKPeriod, int SlowKPeriod, int SlowKMAType, int SlowDPeriod, int SlowDMAType) Stochastic Oscillator (unrelated to stochastics, but its inventor, George Lane, looked for a fancy name). Measures where the Close price is in relation to the recent trading range. Formula: FastK 100 (Close-LL)(HH-LL) SlowK MA(FastK) SlowD MA(SlowK) . Uses the current asset price series and does not support TimeFrame . Result in rSlowK . rSlowD . Some traders believe that the SlowK crossing above SlowD is a buy signal others believe they should buy when SlowD is below 20 and sell when it is above 80. Parameters: FastKPeriod - Time period for the HH and LL to generate the FastK value, usually 14 . SlowKPeriod - Time period for smoothing FastK to generate rSlowK usually 3 . SlowKMAType - Type of Moving Average for Slow-K, usually MATypeEMA . SlowDPeriod - Time period for smoothing rSlowK to generate rSlowD . usually 3 . SlowDMAType - Type of Moving Average for Slow-D, usually MATypeEMA . StochEhlers(vars Data, int TimePeriod, int CutOffLow, int CutOffHigh): var Predictive stochastic oscillator by John Ehlers. Measures where the Data value is in relation to its range within TimePeriod . The data runs through a 2-pole highpass filter with period CutOffHigh and through a Butterworth lowpass filter with period CutOffLow . Indicator algorithm explained in Ehlers quotPredictive Indicatorsquot paper usage example in the Ehlers script. Source code in indicators. c . The function internally creates series and thus must be called in a fixed order in the script. StochF(int FastKPeriod, int FastDPeriod, int FastDMAType): var Stochastic Fast. Measures where the Close price is in relation to the recent trading range Formula: Fast-K 100 (Close-LL)(HH-LL) Fast-D MA(Fast-K) . Uses the current asset price series. Does not support TimeFrame . Result in rFastK . rFastD . Returns: FastK . Parameters: FastKPeriod (Time period for the HH and LL of Fast-K, usually 14 ), FastDPeriod (Moving Average Period for Fast-D usually 3 ), FastDMAType (Type of Moving Average for Fast-D, usually MATypeEMA ). StochRSI(vars Data, int TimePeriod, int FastKPeriod, int FastDPeriod, int FastDMAType): var Stochastic Relative Strength Index (RSI ). Result in rFastK . rFastD . Returns: FastK . Parameters: FastKPeriod (Time period for building the Fast-K line), FastDPeriod (Smoothing for making the Fast-D line. Usually set to 3), FastDMAType (Type of Moving Average for Fast-D). Sum(vars Data, int TimePeriod): var Sum of all Data elements in the time period. T3(vars Data, int TimePeriod, var VFactor): var An extremely smoothed Moving Average by Tim Tillson. Uses a weighted sum of multiple EMAs. Parameters: VFactor (Volume Factor, normally 0.7). TEMA(vars Data, int TimePeriod): var Triple Exponential Moving Average by Patrick Mulloy, calculated from (3xEMA)-(3xEMA of EMA)(EMA of EMA of EMA) . Trima(vars Data, int TimePeriod): var Triangular Moving Average (also known under the name TMA ) a form of Weighted Moving Average where the weights are assigned in a triangular pattern. F. i. the weights for a 7 period Triangular Moving Average would be 1, 2, 3, 4, 3, 2, 1. This gives more weight to the middle of the time series. It causes better smoothing, but greater lag. Trix(vars Data, int TimePeriod): var 1-day Rate-Of-Change (see ROC ) of a Triple EMA (see TEMA ). TrueRange(): var True Range (TR) max(High0,Close1)-min(Low0,Close1) of the current asset price series. See also ATR . ATR S. TSF(vars Data, int TimePeriod): var Time Series Forecast. Returns b m(TimePeriod) . i. e. the Linear Regression forecast for the next bar. TSI(vars Data, int TimePeriod): var Trend Strength Index, an indicator by Frank Hassler who believed that it identifies trend strength. A high TSI value (above 1.65 ) indicates that short-term trend continuation is more likely than short-term trend reversal. The function internally creates series and thus must be called in a fixed order in the script. TypPrice(): var Typical Price. Simply (High Low Close)3 . Uses the current asset price series. UltOsc(int TimePeriod1, int TimePeriod2, int TimePeriod3): var Ultimate Oscillator. Parameters: TimePeriod1 (Number of bars for 1st period.), TimePeriod2 (Number of bars for 2nd period), TimePeriod3 (Number of bars for 3rd period). Uses the current asset price series. Does not support TimeFrame . UO(vars Data, int CutOff): var Universal oscillator by John Ehlers, from SampC Magazine 12015. Removes white noise from the data, smoothes it and runs it through the AGC filter. Detects trend reversals very early. Output in the -1..1 range. Source code in indicators. c . The function internally creates series and thus must be called in a fixed order in the script. Variance(vars Data, int TimePeriod): var Variance of the Data series in the time period, from the ta-lib . Use Moment when high accuracy or long time periods are required. Volatility(vars Data, int TimePeriod): var Annualized volatility of the Data series standard deviation of the log returns, multiplied with the square root of time frames in a year. This is the standard measure of volatility used for financial models, such as the Black-Scholes model. The function internally creates series and thus must be called in a fixed order in the script. Source code in indicators. c . VolatilityC(int TimePeriod, int EMAPeriod): var Chaikin Volatility indicator by Marc Chaikin measures volatility in percent as momentum of the smoothed difference between High and Low. An increase in the Chaikin Volatility indicates that a bottom is approaching, a decrease indicates that a top is approaching. TimePeriod is the period of the momentum (normally 10), EMAPeriod determines the smoothing (also, normally 10). Uses the current asset price series. The function internally creates series and thus must be called in a fixed order in the script. Source code in indicators. c . VolatilityMM(vars Data, int TimePeriod, int EMAPeriod): var MinMax volatility of the Data series the difference of MaxVal and MinVal in the time period, smoothed by an EMA (set EMAPeriod 0 for not smoothing). The function internally creates a series when EMAPeriod gt 0 . and then must be called in a fixed order in the script. Source available in indicators. c . For the volatility of price candles, use ATR or ATRS. VolatilityOV(int Days): var Annualized volatility of the current asset, calculated over the given number of Days (usually 20). Empirical formula used by some options software packages (OptionsVue 8482) for estimating the values of options, alternatively to Volatility() . Source code in options. c . which must be included for using this indicator. WCLPrice(): var Weighted Close Price. Uses the current asset price series. WillR(int TimePeriod): var Williams Percent Range. Formula: -100 (HH-Close)(HH-LL) . Uses the current asset price series. Does not support TimeFrame . WMA(vars Data, int TimePeriod): var Linear Weighted Moving Average the weight of every bar decreases linearly with its age. ZigZag(vars Data, var Depth, int Length, int Color): var ZigZag indicator converts the Data series into alternating straight trend lines with at least the given Depth and Length . Non-predictive can only identify trends in hindsight. Returned: rSlope (the slope of the last identified trend line upwards trends have a positive slope, downwards trends a negative slope) rPeak (the bar offset of the last identified peak) rSign ( 1 if the last peak was a top, -1 if the last peak was a bottom) rLength (the number of bars of the last trend line ending with rPeak ). If a nonzero Color is given, the trend lines are plotted in the chart. Source code in indicators. c . example in Indicatortest. c . The function internally creates series and thus must be called in a fixed order in the script. ZMA(vars Data, int TimePeriod): var Zero-lag Moving Average by John Ehlers smoothes the Data series with an Exponential Moving Average (EMA ) and applies an error correction term for compensating the lag. The function internally creates a series and thus must be called in a fixed order in the script. Source in indicators. c . Standard parameters: The number of bars for the time period of the function, if any or 0 for using a default period. A data series. often directly derived from the price functions price(), priceClose() etc. Alternatively a user created series or any other double float array with the given minimum length can be used. If not mentioned otherwise, the minimum length of the Data series is TimePeriod . Some functions require a second data array Data2 . Price data series can be explicitly given for some indicators, for using price series generated from a different asset or with a different TimeFrame. Otherwise the prices of the current asset with a time frame equivalent to the bar period are used. Price variation or percentage, dependent on the function, for the current bar. Usage example: MACD(Price,12,26,9) calculates the standard MACD for the given Price series. The results are stored in the global variables rMACD . rMACDSignal . and rMACDHistory . The TA-Lib function prototypes are defined in includeta. h . Information about the usage and the indicator algorithms can be found online at tadoc. org. The C source code of all included TA-Lib indicators is contained in Sourcetalib. zip and can be studied for examining the algorithms. Some TA-Lib indicators that originally didnt work properly - such as Correlation or SAR - have been replaced by working versions. The lite-C source code of most additional indicators that are not part the the TA-Lib is contained in includeindicators. c . All TA functions are applied on series and do normally not accept other data arrays. In the INITRUN. all TA functions return 0 . and LookBack is automatically increased to the largest required lookback time by a TA function. Recursive TA functions - f. i. EMA or ATR - need a higher lookback period than their TimePeriod parameter (see UnstablePeriod ). LookBack can be exceeded when TA functions are later called with a series offset or a different TimePeriod this will generate an Error 046 message. Make sure that LookBack is always higher than the maximum TimePeriod plus the UnstablePeriod plus the highest possible offset of all used series. Some functions return more than one value, f. i. MACD . The returned results are stored in global variables beginning with quot r quot they can be accessed after the function is called. Some functions only require a single Data value. Rather than creating a Data series of length 1 . simply a pointer to the Data value can be used. Example: var Raw MyIndicator() var Transformed AGC(ampRaw,0) . TimeFrame affects subsequent data series and thus also affects all indicators that use the data series as input. The TimePeriod is then not in Bar units, but in time frame units. TimeFrame has no effect on indicators that do not use data series. Indicators that rely on the standard deviation (f. i. Bollinger Bands) become inaccurate when the standard deviation is below 0.0001, as it is then assumed to be zero by the TA-Lib. This can happen on very short bar periods when the price does (almost) not move. For writing your own indicators, have a look at the examples inside indicators. c . But please do not modify indicators. c - write the indicators in your own script, or in a dedicated script that you can then include in your strategies. If you need a complex indicator that you can not be easily add, please ask for it on the Zorro user forum.3rd Generation Moving Average Indicator 3rd Generation Moving Average Moving Averages based on the Nyquist-Shannon Signal Theorem. Mathematically suggested to have the least possible lag. Less lag than general and second generation averages like Ehlers zero-lag averages. Download Fig. 1. Comparison of Moving Averages. The 3rd generation average performes best with least lag in comparison to all other averages. All averages were run with the same window size 21. The data represents 3x60 data points with a Gaussian distribution around 100 and 200 and a standard deviation of 5 points. Formulas as in Drschner 2011. EMA implementation based on MetaTrader4 algorithm, 2nd generation uses Ehler (2001) correction, 3rd generation is based on the Nyquist-Shannon theorem as outlined in Drschner (2011) with lambda of 4. Moving Averages of the 3rd Generation Moving averages are supposed to smooth data and to remove noise and useless information. Multiple average variants are used widely, for example Simple Moving Average (SMA) or Exponentially Moving Average (EMA) (Wikipedia, Moving Averages, 2011). One challenge is that moving averages introduce a lag, i. e. the smoothed curve follows the trend usually later (see Fig. 1). Adaptive moving averages like VIYDA (Chande, 1992 Brown) and Kaufmans Adaptive Moving Average (KAMA) (Kaufmann, 1995) tried to address this issue by incorporating dynamic variables. In 2001, J. Ehler introduced a general concept based on signal theory which we refer as second generation averages (Ehler, 2001). Here, the basic assumption is that the time series is composed from a limited number of overlapping signal phases which would make signal theory applicable (Ehler, 2001 Huang, et al. 1998). In 2011, M. G. Drschner stated that under the signal theory model - the Nyquist-Shannon theorem (Wikipedia, Nyquist, 2008) must be applied (Drschner, 2011). In his work, Drschner outlined that averages according to these criteria would have the least theoretically possible lag and termed them 3rd generation Moving Averages. Indicator ParameterZero Lag Indicators A collection of traditional indicators which have been significantly improved to approach zero lag whilst providing superior smoothing. The Bowfort Zero Lag Indicators (BZL) Add-On for Neuroshell provides 15 Near Zero Lag indicators. Two of these indicators are moving average replacements which feature superb smoothing with extremely minimal lag. The remaining nine indicators use these superior smoothers in their calculations to produce indicators which also have minimal lag and superb smoothing. The Hull Moving Average is a very fast moving average replacement. It is more responsive than Juriks JMA of a similar lookback period for most price action. It can also be used as a price or volume proxy in any other Neuroshell indicator that uses open, high, low, close or volume to benefit from its superior smoothing capabilities. For instance, you could build a Relative Momentum Index (RMI) in Neuroshell using the Hull Moving Average of Close, e. g: RMI(BZL Hull Moving Average(Close), 5, 5) The Gaussian Moving Average is an Infinite Impulse Response Filter (IIR) with a configurable number of filter poles which can be used to adjust the amount of lag. This moving average is very responsive and can also be used as a price proxy in the same way as the Hull Moving Average. The Gaussian Moving Average employs a Gaussian Filter Kernel which mimics the gaussian distribution found in many natural systems. The remaining indicators are indicators that weve found to be useful using the Hull and Gaussian moving averages in their calculations. You can choose which moving average is used for these indicators. Or better still, let the Genetic Algorithm in Neuroshell figure it out. They are considerably smoother than their regular indicator counterparts. All our indicators have Built-In Help integrated into the product. Here is an comparative screenshot of our Bowfort Zero Lag Moving Averages and Bowfort Zero Lag RSI . On the top graph, you can see 3 moving averages. The red line is the Hull Moving Average . The magenta line is the Gaussian Moving Average and the Yellow line is Juriks JMA. All the moving averages have the same lookback periods (9 bars). As you can see the Hull Moving Average has less lag and is faster than Juriks JMA. The bottom graphs compare a regular Relative Strength Index of 9 periods, and a Bowfort Zero Lag RSI of 3 periods (the blue line on the middle graph). Note that although we are using only 3 periods in the Bowfort Zero Lag RSI, how much smoother and clearer the signals are that are produced. Which RSI would you rather trade Indicators Included Bowfort Zero Lag contains the following indicators: BZL Acceleration BZL Average Direction Movement (ADX) BZL Commodity Channel Index (CCI) BZL Fast Stochastic K BZL Fast Stochastic D BZL Gaussian Moving Average BZL Hull Moving Average BZL Moving Average Convergence Divergence (MACD) BZL Moving Average Convergence Divergence (MACD Signal) BZL Momentum BZL Polarized Fractal Efficiency BZL Relative Strength Index (RSI) BZL Slow Stochastic K BZL Slow Stochastic D BZL Velocity All our add-ons come with free support. We take pride in our products, and if you encounter any problems we are here to help. If we update a product you have purchased, the updates will be provided to you free of charge for minor releases and at a reduced price for major releases. Note 1: Unless otherwise noted, all sales are final. Note 2: We take software piracy of Neuroshell seriously and only sell to clients who have purchased Neuroshell. If we believe that piracy maybe involved, any information that we have on your purchase will be provided to Ward Systems Group. We also may require your Neuroshell serial number (not password) to validate your purchase with Ward Systems Group.