Котировки можно рассматривать как временные ряды, используя аддитивную модель, с выделением тренда, колебания, ошибки. Так же можно использовать гиперболическую или логистическую функции, для включения в них уровней подд\сопр. Конечно рассчитывая качество полученных параметров с приемлемым уровнем значимости. Плюс управление капиталом.  

При использовании в WL4 серии Peak и Trough возникает необходимость доступа к структуре этих данных (количество элементов их значения и т.д.). Стандартных методов я не нашел. Написал пару простых функций – получилось неприемлемо много вложенных циклов.

Может, у кого есть наработки или решения?

Если рассматривать множество цен какого-либо финансового инструмента как величину случайную. По какому закону распределения вероятностей распределяются дискретные величины цены? Известно, что существуют различные виды распределения, но наиболее часто рассматривают Гауссово. Такое распределение верно в периоды консолидации. Зная свойства и методы расчета математического ожидания можно без труда разработать каркас ТС, работающий в период флэта. В WL есть функции, такие как Peak/Trough/LinearRegLine и т.д.

А какие наработки и идеи используете Вы?