Linear Regression Moving Average Indikator

Ich versuche, einen Indikator zu entwickeln, der auf dem Code (TheilSen. mq4) basiert, den Sie mir geben. Aber ich weiß nicht, wie die Slope aus der Funktion TheilSen2D () zu bekommen. Ich dachte, in so etwas wie die lineare Regression Indikator. Aber ich verstehe wirklich nicht, diese Eingabeparameter. Sie haben einige Link, wo ich mehr über diese Indikatorfunktion lesen können strutch: Aber ich wirklich nicht verstehen, dass die Eingabe-Parameter. TheilSen2D (doubleamp, doubleamp b, double v, int n1, int e2, int iBeg0) Ich dachte das Lesen der Funktion wäre selbsterklärend. V ist das Marktarray von ArrayCopyRates e2 ist die Aufzählung, deren Wert ein Array von Pisten erstellt. Sie könnten leicht ändern vie2 zu Closei für eine Standard-1D-Version. Linear Regression Indicator (LRI) Die Basis der linearen Regression Indicator ist eine Preisentwicklung in einem bestimmten Zeitraum angedockt. Die Methode der linearen Regressberechnung ist die kleinste Quadrate. Die kleinste Quadrate erlaubt es, eine Trendlinie so zu zeichnen, dass die Wurzel-Mittel-Quadrat-Divergenz (Achse Y) der Trendpunkte von den n Preisdiagrammpunkten in der gewissen Periode minimal ist. Eine mit dem linearen Regress gezeichnete Trendlinie endet immer mit dem LRI-Indikatorpunkt. Obwohl LRI-Indikator gleitenden Durchschnitt ähnelt, hat es einige Pluspunkte. Im Gegensatz zum gleitenden Durchschnitt hat LRI eine niedrigere X-Latenzachse und ist daher reaktiver gegenüber Preisbewegungen. Im Allgemeinen prognostiziert LRI den Preis für zukünftige Perioden gemäß dem aktuellen Preis und unter Berücksichtigung vergangener Preisentwicklungen. Die Berechnung des LRI-Indikators erfolgt auf folgende Weise: Ziehen Sie eine lineare Regressionslinie über die definierten Periodenwerte, um die aktuellen Zahlen anzuzeigen. Eine lineare Regressionslinie kommt immer so nah wie möglich an die definierten Werte und entspricht einer Geraden. Es ist unmöglich, den Anfang einer Datenreihe LRI zu setzen, während der definierte Zeitraum nicht mit den Daten gefüllt ist. Es ist vergleichbar mit dem Time Series Moving Average und einem Null-Offset Time Series Forecast.