Сегодня рассмотрим историю появления индикатора Kalman Filter.
Также к данной статье будут прикреплены готовые скрипты роботов на этом индикаторе с возможностью торговать на нашей платформе OsEngine.
1. История появления индикатора Kalman Filter.
2. Как проводятся расчеты индикатора Kalman Filter.
3. Какие сигналы может подавать индикатор Kalman?
4. Роботы для OsEngine на индикаторе Kalman Filter.
4.1. Стратегия на пересечение индикатора Kalman и Vwma.
4.2. Стратегия на пересечении двух индикаторов Kalman.
4.3. Стратегия на пересечение индикатора Kalman и канала из двух индикаторов Ema.
5. Таблица общих результатов.
Индикатор Kalman Filter является продуктом развития и адаптации математической модели Калмана для технического анализа финансовых рынков. Модель Калмана была впервые предложена в 1960-х годах Рудольфом Калманом, американским инженером и ученым. Его модель была разработана для оценки состояния системы и фильтрации шума в режиме реального времени, которая использовалась для навигационных систем. Однако, со временем, она стала применяться и в других областях, включая финансовые рынки. В финансовом анализе индикатор Kalman Filter был разработан, чтобы сглаживать ценовые данные и предсказывать тренды на рынке.
Вместо использования статистических методов или простых скользящих средних индикатор Kalman Filter применяет математический алгоритм Калмана для преобразования и фильтрации ценовых данных.
Исторически, индикатор Kalman Filter стал активно применяться в техническом анализе с начала 2000-х годов. Трейдеры и инвесторы начали понимать преимущества этого индикатора в прогнозировании ценовых трендов и определении точек входа и выхода на рынке. Сегодня индикатор Kalman Filter является одним из популярных инструментов технического анализа. Он широко используется для торговли и принятия решений на рынке, основанных на анализе ценовых движений и трендов. Благодаря применению математической модели Калмана индикатор Kalman Filter может давать более точные и надежные прогнозы, а также снижать влияние шумов на данные.
Расчеты индикатора Kalman Filter могут быть представлены следующим образом:
1. Рассчитаем произведение фактора для расчета минимизации ошибок на фактор Калмана, деленного на 100. Из произведения извлечем квадратный корень.
ShK = sqrt(Sharpness * K / 100),
где
2. Находим расстояние. Рассчитывается как разность текущей цены и предыдущего значения фильтра Калмана.
Distance = Price.Close[i] — Kalman[i — 1],
где
3. Расчет скорости. Сумма предыдущего значения скорости и расстояния, умноженного на фактор Калмана, деленного на 100.
Velocity[i] = Velocity[i-1] + Distance * K / 100,
где
4. Далее рассчитаем ошибку.
Error = Kalman[i-1] + Distance * ShK,
где
5. Формула для расчета фильтра Калмана. Рассчитывается как сумма ошибки и скорости.
Kalman[i] = Error + Velocity[i],
где
1. Сглаживание данных: индикатор Kalman Filter может использоваться для устранения шума и сглаживания ценовых или других временных рядов. При этом можно применять различные фильтры для сглаживания данных. После фильтрации шума можно определить точки входа или выхода на рынок на основе сигналов, которые лежат вне области шума.
2. Определение тренда: индикатор Kalman Filter может быть использован для оценки тренда на основе имеющихся данных. Это позволяет определить направление движения рынка и использовать эту информацию для генерации сигналов на основе пересечения цены с индикатором.
3. Комбинирование с другими индикаторами: Kalman Filter может применяться в торговле как самостоятельно, так и совместно с другими трендовыми индикаторами или осцилляторами. Может подавать сигнал при пересечении со скользящими средними или линиями у канальных индикаторов.
4. Прогнозирование: индикатор Kalman Filter может использоваться для прогнозирования будущих значений на основе имеющихся данных. При этом можно определить сигналы на основе прогноза и использовать их для принятия решений о входе в сделку или выходе из нее.
Рис. 1. Пример логики на пересечение индикаторов.
Рис. 2. Si, TF15 min, 2021-23, P/L 1 contract: 0,67%
Рис. 3. BR, TF15 min, 2021-23, P/L 1 contract: 0,65%
Рис. 4. BTCUSDT, TF15 min, 2021-23, P/L 1 contract: 1,09%
Рис. 5. ETHUSDT, TF15 min, 2021-23, P/L 1 contract: 1,20%
Канал состоит из двух Ema одной длины. Одна рассчитывается по максимальным ценам – это верхняя граница канала, вторая – нижняя граница рассчитывается по минимальным ценам.
Рис. 11. Пример срабатывания логики стратегии.
Рис. 12. Si, TF15 min, 2021-23, P/L 1 contract: 0,33%
Рис. 13. Br, TF15 min, 2021-23, P/L 1 contract: 0,23%
Рис. 14. BTCUSDT, TF15 min, 2021-23, P/L 1 contract: 0,17%
Рис. 15. ETHUSDT, TF15 min, 2021-23, P/L 1 contract: 0,24%
Лучшие результаты у нас показала стратегия, основанная на пересечении индикатора Kalman и Vwma.
OsEngine: https://github.com/AlexWan/OsEngine
Поддержка OsEngine: https://t.me/osengine_official_support
Регистрируйся в АЛОР и получай бонусы: https://www.alorbroker.ru/open
Сайт АЛОР БРОКЕР: https://www.alorbroker.ru
Раздел «Для клиентов»: https://www.alorbroker.ru/openinfo/for-clients
Программа лояльности от АЛОР БРОКЕР и OsEngine: https://smart-lab.ru/company/os_engine/blog/972745.php