Price Prediction By Nearest Neighbor Indicator For MT5
Table Of Contents:
- Price Prediction By Nearest Neighbor Indicator For MT5
- Price Prediction By Nearest Neighbor Indicator For MT5 स्थापित करना
- Price Prediction By Nearest Neighbor Indicator For MT5 पैरामीटर
- Price Prediction By Nearest Neighbor Indicator For MT5 के Price Prediction By Nearest Neighbor Indicator For MT5
- संहिता के मुख्य भाग
Price Prediction By Nearest Neighbor Indicator For MT5 भविष्य के मूल्य चालों का अनुमान Price Prediction By Nearest Neighbor Indicator For MT5 है जिनकी गणना हाल के मूल्य पैटर्न से की जाती है। हाल के मूल्य पैटर्न तथाकथित निकटतम पड़ोसी हैं जिन्होंने इस संकेतक के लिए नाम दिया था। मूल्य पैटर्न का उपयोग एक भारित मतदान की गणना करने के लिए किया जाता है। उस परिणाम से चार्ट पर भविष्य के मूल्य चालें तैयार होती हैं।
Partially Automated Trading Besides Your Day Job
Alerts In Real-Time When Divergences Occur
Price Prediction By Nearest Neighbor Indicator For MT5 स्थापित करना
आपके द्वारा उपर्युक्त फ़ॉर्म के माध्यम से संकेतक डाउनलोड करने के बाद आपको ज़िप-फ़ाइल को अनज़िप करना होगा। तो फिर तुम फाइल कॉपी करने की जरूरत है nearest_neighbor.mq5 फ़ोल्डर में MQL5Indicators अपने की MT5 स्थापना। उसके बाद कृपया MT5 को पुनः आरंभ करें और फिर आप संकेतक की सूची में संकेतक देख पाएंगे।
Price Prediction By Nearest Neighbor Indicator For MT5 पैरामीटर
Price Prediction By Nearest Neighbor Indicator For MT5 पास कॉन्फ़िगर करने के लिए 2 पैरामीटर हैं।
input int Npast =300; // Past bars in a pattern input int Nfut =50; // Future bars in a pattern (must be < Npast) Price Prediction By Nearest Neighbor Indicator For MT5 के Price Prediction By Nearest Neighbor Indicator For MT5
Price Prediction By Nearest Neighbor Indicator For MT5 2 बफ़र्स प्रदान करता है।
SetIndexBuffer(0,ynn,INDICATOR_DATA); SetIndexBuffer(1,xnn,INDICATOR_DATA); संहिता के मुख्य भाग
int OnCalculate(const int rates_total, const int prev_calculated, const datetime &Time[], const double &Open[], const double &High[], const double &Low[], const double &Close[], const long &tick_volume[], const long &volume[], const int &spread[]) { //--- check for insufficient data and new bar int bars=rates_total; if(bars lt Npast+Nfut) { Print("Error: not enough bars in history!"); return(0); } if(PrevBars==bars) return(rates_total); PrevBars=bars; //--- initialize indicator buffers to EMPTY_VALUE ArrayInitialize(xnn,EMPTY_VALUE); ArrayInitialize(ynn,EMPTY_VALUE); //--- main cycle //--- compute correlation sums for current pattern //--- current pattern starts at i=bars-Npast and ends at i=bars-1 double my=0.0; double syy=0.0; for(int i=0;i lt Npast;i++) { double y=Open[bars-Npast+i]; my +=y; syy+=y*y; } double deny=syy*Npast-my*my; if(deny lt =0) { Print("Zero or negative syy*Npast-my*my = ",deny); return(0); } deny=MathSqrt(deny); //--- compute correlation sums for past patterns //--- past patterns start at k=0 and end at k=bars-Npast-Nfut ArrayResize(mx,bars-Npast-Nfut+1); ArrayResize(sxx,bars-Npast-Nfut+1); ArrayResize(denx,bars-Npast-Nfut+1); int kstart; if(FirstTime) kstart=0; else kstart=bars-Npast-Nfut; FirstTime=false; for(int k=kstart;k lt =bars-Npast-Nfut;k++) { if(k==0) { mx[0] =0.0; sxx[0]=0.0; for(int i=0;i lt Npast;i++) { double x=Open[i]; mx[0] +=x; sxx[0]+=x*x; } } else { double xnew=Open[k+Npast-1]; double xold=Open[k-1]; mx[k] =mx[k-1]+xnew-xold; sxx[k]=sxx[k-1]+xnew*xnew-xold*xold; } denx[k]=sxx[k]*Npast-mx[k]*mx[k]; } //--- compute cross-correlation sums and correlation coefficients and find NN double sxy[]; ArrayResize(sxy,bars-Npast-Nfut+1); double b,corrMax=0; int knn=0; for(int k=0;k lt =bars-Npast-Nfut;k++) { //--- Compute sxy sxy[k]=0.0; for(int i=0;i lt Npast;i++) sxy[k]+=Open[k+i]*Open[bars-Npast+i]; //--- Compute corr coefficient if(denx[k] lt =0) { Print("Zero or negative sxx[k]*Npast-mx[k]*mx[k]. Skipping pattern # ",k); continue; } double num=sxy[k]*Npast-mx[k]*my; double corr=num/MathSqrt(denx[k])/deny; if(corr gt corrMax) { corrMax=corr; knn=k; b=num/denx[k]; } } Print("Nearest neighbor is dated ",Time[knn]," and has correlation with current pattern of ",corrMax); //--- Compute xm[] and ym[] by scaling the nearest neighbor double delta=Open[bars-1]-b*Open[knn+Npast-1]; for(int i=0;i lt Npast+Nfut;i++) { if(i lt =Npast-1) xnn[bars-Npast+i]=b*Open[knn+i]+delta; if(i gt =Npast-1) ynn[bars-Npast-Nfut+i]=b*Open[knn+i]+delta; } return(rates_total); } //+------------------------------------------------------------------+
