Ten wskaźnik został zaprojektowany do przeprowadzania wielokrotnej regresji nieliniowej z użyciem czterech zmiennych niezależnych: cen zamknięcia, otwarcia, najwyższej i najniższej.

Oto składniki i funkcjonalności:

Wejścia:

• Długość danych do normalizacji: Długość danych używanych do normalizacji.
• Współczynnik uczenia: Tempo, w jakim algorytm uczy się na podstawie błędów.
• Pokaż punkty danych: Wyświetlanie wykresu znormalizowanych danych wejściowych (zamknięcie, otwarcie, najwyższa, najniższa)
• Wygładzać?: Opcja wygładzania wyniku.
• Długość wygładzania: Długość wygładzania, jeśli jest włączona.
• Zdefiniuj współczynniki początkowe: Początkowe współczynniki dla równania regresji.

Normalizacja danych:

Skrypt normalizuje dane wejściowe do zakresu od 0 do 1, używając najwyższych i najniższych wartości w określonej długości.

Regresja nieliniowa:

Oblicza równanie regresji używając współczynników wejściowych i znormalizowanych danych. Używane równanie to ważona suma zmiennych niezależnych, z współczynnikami dostosowywanymi iteracyjnie za pomocą spadku gradientu w celu minimalizacji błędów.

Obliczanie błędu:

Skrypt oblicza błąd między rzeczywistymi a przewidywanymi wartościami.

Spadek gradientu:

Współczynniki są aktualizowane iteracyjnie za pomocą spadku gradientu, aby zminimalizować błąd.

Wizualizacja:

• Wykres znormalizowanych danych wejściowych (zamknięcie, otwarcie, najwyższa, najniższa).
• Wskaźnik zapewnia wizualizację wartości znormalizowanych danych (zamknięcie, otwarcie, najwyższa, najniższa) w formie okrągłych znaczników na wykresie, umożliwiając użytkownikom łatwe obserwowanie względnych pozycji tych wartości względem siebie i linii regresji.
• Wykres linii regresji.
• Gradient kolorów na linii regresji w oparciu o jej wartość i kolory słupków.
• Wyświetlanie znormalizowanych danych wejściowych i przewidywanej wartości w tabeli.
• Sygnały dla przecięć z linią środkową (0,5).

Interpretacja:

Użytkownicy mogą interpretować linię regresji i jej przecięcia z linią środkową (0,5) jako sygnały potencjalnych okazji do kupna lub sprzedaży.

Ten wskaźnik pomaga użytkownikom analizować zależności między wieloma zmiennymi i podejmować decyzje handlowe na podstawie analizy regresji. Dostosowanie współczynników i parametrów pozwala precyzyjnie dopasować wydajność modelu do specyficznych warunków rynkowych.