TTR имеет несколько отличных индикаторов TA. Есть ли пакет или функция, которая вычисляет и отображает различные типы уровней поддержки и сопротивления? Предпочтительно распределение вероятности для вероятных уровней поддержки и сопротивленияR уровни сопротивления поддержки по распределению вероятности
ответ
Вот пример для подражания на мой комментарий.
Рассчитать сводные данные с использованием ежемесячных данных. Каждый месяц используйте Поддержка и Сопротивление, рассчитанные по данным за предыдущий месяц. (Конечно, это не должно быть месячных Повороты с ежедневными данными Вы можете использовать ежедневные опорные точки, и ценовой ряд внутридневной.)
library(quantmod)
getSymbols("SPY", from="2010-05-01", to="2012-06-15")
mSPY <- to.monthly(SPY, drop.time=TRUE)
piv <- lag(TTR:::pivots(mSPY, lagts=FALSE))
#merge, and fill forward pivot values so that there is a value for each day
dat <- cbind(SPY, piv)
dat[, 7:11] <- na.locf(dat[, 7:11])
chartSeries(OHLC(SPY), theme='white')
addTA(dat$S1, on=1, col='lightblue')
addTA(dat$S2, on=1, col='blue')
addTA(dat$R1, on=1, col='pink')
addTA(dat$R2, on=1, col='red')
Это будет производить:
Дончиан каналы также можно рассматривать в качестве поддержки и сопротивления
chartSeries(OHLC(SPY), theme='white')
dc <- lag(DonchianChannel(cbind(Hi(SPY), Lo(SPY))))
addTA(dc$low, on=1, col='blue')
addTA(dc$high, on=1, col='red')
Спасибо за помощь. –
28 июня 2014 года. Я пробовал код выше с недокументированным TTR ::: pivots, но он не удался. ' > PIV <- лаг (TTR ::: цапф (MSPY, lagts = FALSE)) Ошибка в ГЭТ (имя, Envir = asNamespace (упак), наследует = FALSE): объект 'вращает' не найден ' –
@DougEdmunds Это [все еще существует] (https://r-forge.r-project.org/scm/viewvc.php/pkg/R/pivots.R?view=markup&root=ttr). Попробуйте установить TTR из R-Forge. Сначала вам нужно будет установить xts из R-Forge. – GSee
Большинство индикаторов технического анализа в quantmod взяты из пакета TTR, который я написал. Я не включил субъективные показатели, такие как линии поддержки/сопротивления. Тем не менее, quantmod имеет функцию addLines
, которую вы можете использовать.
library(quantmod)
getSymbols("SPY", from="2012-01-01", to="2012-06-15")
chartSeries(SPY, TA="addLines(h=c(134,141))", theme="white")
Который производит:
Большое спасибо за вашу помощь и отличную работу. –
- 1. Как найти уровни поддержки/сопротивления, используя R
- 2. Выделение лиц по распределению вероятности
- 3. Алгоритм сопротивления поддержки - Технический анализ
- 4. Использование таблицы для вычисления энтропии по расчетному распределению вероятности
- 5. алгоритм для определения стоимости поддержки/сопротивления
- 6. R: Генерировать данные из распределения плотности вероятности
- 7. Ошибка сегментации по распределению памяти
- 8. указать уровни по ключу в коэффициентах R
- 9. R: аппроксимация вероятности
- 10. Вопросы по распределению вопросов XNA
- 11. Отклонение по гауссовскому распределению Python
- 12. MLE самозагрузки по распределению Пуассона
- 13. Учет распределения по распределению VB.Net
- 14. Калькулятор сопротивления
- 15. Уровни в программировании R
- 16. Уровни в R Dataframe
- 17. Что такое уровни R?
- 18. Типовая классификация по вероятности
- 19. Вычислить вероятности в программировании R
- 20. условный график вероятности в R
- 21. Как наложить уровни в R?
- 22. Сравнивать уровни факторов в R
- 23. Вход в уровни Функция - R
- 24. Расчет безусловной вероятности в R
- 25. Совместное распределение вероятности в R
- 26. R: Предсказание вероятности наивысшего результата
- 27. логарифмический график вероятности в R?
- 28. Прогнозируемые вероятности с использованием пакета bartMachine R являются вероятности отказа
- 29. Уровни удельного фактора в R
- 30. R: уровни Изменение внутри функции
Есть недокументированные 'TTR ::: pivots' – GSee
Re: ваше редактирование, вы видели этот тип вещи (распределение вероятности поддержки/сопротивления) в литературе? Не могли бы вы предоставить ссылки/ссылки? – GSee
Я хотел бы иметь возможность прогнозировать следующий локальный минимум и максимум из предыдущих исторических локальных минимумов и максимальных значений с включенной степенью уверенности. –