منو +

تلگرام - بله - ایتا : 09364549266 موبایل : 09119542983

دانلود اندیکاتور KNN Adaptive Cycles تشخیص چرخه‌های قیمتی و الگوریتم KNN درتریدینگ ویو برای ارزدیجیتال

اندیکاتور KNN Adaptive Cycles

جهت خرید اکانت TradingView با امکانات حرفه‌ای و دسترسی به قابلیت‌های پیشرفته پلتفرم می‌توانید از خدمات هوش فعال استفاده کنید. برای اطلاع از پلن‌های موجود، قیمت و نحوه فعال‌سازی اکانت تریدینگ ویو به این لینک مراجعه نمایید و یا از طریق شماره 09364549266 با پشتیبانی هوش فعال در ارتباط باشید.

این اندیکاتور یک StochRSI تطبیقی پیشرفته است که با استفاده از تشخیص چرخه‌های قیمتی و الگوریتم KNN (K-نزدیک‌ترین همسایه)، پارامترهای خود را به صورت داینامیک با شرایط بازار تنظیم می‌کند. برخلاف StochRSI سنتی که از دوره‌های ثابت استفاده می‌کند، این اندیکاتور دوره‌های RSI و Stochastic را بر اساس چرخه غالب بازار (بین ۸ تا ۵۰ کندل) به طور خودکار محاسبه می‌کند و در نتیجه به نوسانات بازار واکنش هوشمندانه‌تری نشان می‌دهد.

هسته اصلی این اندیکاتور از دو روش مکمل تشخیص چرخه تشکیل شده است: روش Autocorrelation (خودهمبستگی) که با جستجوی الگوهای تکراری در داده‌های فیلترشده، دوره تکرار چرخه را می‌یابد، و روش DFT (تبدیل فوریه گسسته با الگوریتم گورتزل) که قوی‌ترین فرکانس موجود در داده‌ها را شناسایی می‌کند. این دو روش می‌توانند به صورت ترکیبی با تأیید متقابل (با آستانه تحمل قابل تنظیم) یا به صورت مستقل اجرا شوند و خروجی آن‌ها با یکدیگر مقایسه شده و سطح اطمینان چرخه (Cycle Confidence) محاسبه می‌شود.

قابلیت منحصر‌به‌فرد این اندیکاتور، موتور KNN دوگانه آن است که از حافظه تاریخی بازار برای پیش‌بینی استفاده می‌کند. موتور اول (Period KNN) با جستجوی کندل‌های تاریخی که وضعیت چرخه مشابهی با شرایط فعلی داشته‌اند (از نظر دوره چرخه، نرخ تغییر، پایداری، اطمینان و رژیم نوسان)، جهت تغییرات آینده دوره چرخه را پیش‌بینی می‌کند. موتور دوم (Signal KNN) نیز با تحلیل شباهت وضعیت StochRSI فعلی (سطح K، هیستوگرام، شیب، نوسان، وضعیت اشباع خرید/فروش و خط D) با الگوهای تاریخی، بایاس قیمتی آینده را تخمین زده و سیگنال K را تنظیم می‌کند.

جهت سفارش طراحی و برنامه‌نویسی اختصاصی اندیکاتور و استراتژی معاملاتی برای TradingView می‌توانید استراتژی، ایده یا نیاز معاملاتی خود را با تیم هوش فعال در میان بگذارید. برای دریافت مشاوره، بررسی امکان پیاده‌سازی و ثبت سفارش، از طریق شماره 09364549266 با پشتیبانی هوش فعال در ارتباط باشید.

بخش پردازش سیگنال این اندیکاتور شامل فیلترهای پیشرفته DSP است: فیلتر Spectral Dilation (اتساع طیفی) با استفاده از یک فیلتر باندگذر، نویز را قبل از تشخیص چرخه حذف می‌کند، فیلتر Highpass روندهای بلندمدت را حذف می‌کند و Super Smoother اهلرز هموارسازی نهایی را انجام می‌دهد. این زنجیره پردازش سیگنال باعث می‌شود تشخیص چرخه در محیط‌های پرنوسان و نویزی نیز دقیق و پایدار باقی بماند.

خروجی نهایی شامل خط K تطبیقی (که می‌تواند با بایاس KNN تنظیم شود)، خط D سیگنال، هیستوگرام نرمال‌شده (که در باند ۲۰-۸۰ نمایش داده می‌شود و شدت رنگ آن نشان‌دهنده قدرت مومنتوم است)، هایلایت نواحی اشباع خرید/فروش، جدول اطلاعات چرخه (نمایش دوره‌های AC و DFT و سطح اطمینان) و جدول KNN (نمایش بایاس‌ها و جابجایی‌های پیش‌بینی‌شده) است. این اندیکاتور با گزینه‌های متعدد شخصی‌سازی از جمله ۷ تم رنگی، تنظیمات پیشرفته KNN (وزن ویژگی‌ها، تعداد همسایه‌ها، افق پیش‌بینی)، حالت‌های عملکردی (دقت بالا یا سرعت بالا با Throttle) و سیستم هشداردهی جامع، ابزاری قدرتمند برای معامله‌گرانی است که به دنبال انطباق خودکار با چرخه‌های متغیر بازار هستند.

 دانلود اندیکاتور KNN Adaptive Cycles تشخیص چرخه‌های قیمتی و الگوریتم KNN درتریدینگ ویو برای ارزدیجیتال
تنظیمات اندیکاتور KNN Adaptive Cycles

Source منبع قیمتی است که تمام محاسبات اندیکاتور بر اساس آن انجام می‌شود و به طور پیش‌فرض روی قیمت بسته شدن (Close) قرار دارد، اما می‌توانید آن را به Open، High، Low یا هر منبع دیگری تغییر دهید.

Min Period حداقل طول چرخه قابل تشخیص (به تعداد کندل) را مشخص می‌کند و تعیین می‌کند که اندیکاتور چرخه‌های کوتاه‌تر از این مقدار را نادیده بگیرد؛ مقدار پیش‌فرض ۸ کندل برای شناسایی نوسانات کوتاه‌مدت مناسب است.

Max Period حداکثر طول چرخه قابل تشخیص را تعیین می‌کند و به عنوان سقف جستجو در الگوریتم‌های Autocorrelation و DFT عمل می‌کند؛ مقدار پیش‌فرض ۵۰ کندل چرخه‌های میان‌مدت تا بلندمدت را پوشش می‌دهد.

Use Spectral Dilation یک فیلتر باندگذر (Bandpass Filter) را قبل از تشخیص چرخه فعال می‌کند که با حذف نویز و فرکانس‌های نامرتبط، دقت تشخیص چرخه را به طور قابل توجهی افزایش می‌دهد و فقط سیگنال‌های نزدیک به دوره مرکزی را عبور می‌دهد.

Bandpass Bandwidth پهنای باند فیلتر Spectral Dilation را کنترل می‌کند؛ مقادیر پایین‌تر (مثل 0.1) فیلتر را انتخابی‌تر کرده و فقط فرکانس‌های بسیار نزدیک به دوره مرکزی را عبور می‌دهند، در حالی که مقادیر بالاتر (مثل 0.5) انعطاف‌پذیری بیشتری به فیلتر می‌دهند.

Confirmation Tolerance درصد اختلاف مجاز بین نتایج دو روش Autocorrelation و DFT برای تأیید متقابل را تعیین می‌کند؛ اگر اختلاف دو روش کمتر از این مقدار باشد، نتایج تأیید شده و وزن بیشتری در محاسبه دوره نهایی می‌گیرند.

تنظیمات اندیکاتور KNN Adaptive Cycles
Cycle Detection Mode
 روش تشخیص چرخه را انتخاب می‌کند؛ حالت AC + DFT (Confirmed) هر دو روش را اجرا کرده و با وزن‌دهی بر اساس اطمینان، دقیق‌ترین خروجی را تولید می‌کند، در حالی که حالت‌های تک‌روشی سرعت بالاتر و مصرف CPU کمتری دارند.

Performance Throttle با فعال شدن، اسکن‌های AC و DFT را به جای هر کندل، هر N کندل یکبار اجرا می‌کند که به طور قابل توجهی بار محاسباتی را کاهش می‌دهد؛ این گزینه فقط در حالت AC + DFT (Confirmed) اعمال می‌شود و به دلیل هموارسازی شدید دوره، تأثیر منفی اندکی بر کیفیت خروجی دارد.

Throttle Cadence (bars) فاصله بین اسکن‌های کامل چرخه را هنگام فعال بودن Performance Throttle مشخص می‌کند؛ مقادیر ۳ تا ۵ کندل تعادل خوبی بین سرعت و دقت ایجاد می‌کنند، در حالی که مقادیر بالاتر سرعت را افزایش اما واکنش‌پذیری را کاهش می‌دهند.

DFT Sample Window (x Max Period) طول پنجره نمونه‌برداری DFT را به عنوان مضربی از Max Period تعیین می‌کند؛ مقدار 2.0 بهترین تفکیک فرکانسی را ارائه می‌دهد اما کندتر است، در حالی که 1.0 سریع‌ترین حالت با تفکیک کمتر است.

Enable Period KNN موتور KNN دوره چرخه را فعال می‌کند که با جستجوی تاریخچه، کندل‌هایی با وضعیت چرخه مشابه وضعیت فعلی پیدا کرده و دوره آینده آن‌ها را با دوره فعلی ترکیب می‌کند تا انتقال‌های دوره را پیش‌بینی کند.

Enable Signal KNN موتور KNN سیگنال را فعال می‌کند که با جستجوی تاریخچه برای یافتن کندل‌هایی با زمینه StochRSI مشابه، نتیجه قیمتی آینده را در خط K ادغام می‌کند و بایاس پیش‌بینی‌کننده به سیگنال می‌افزاید.

K Neighbors تعداد نزدیک‌ترین همسایه‌های تاریخی که هر موتور KNN برای محاسبه پیش‌بینی استفاده می‌کند را مشخص می‌کند؛ مقادیر بالاتر خروجی هموارتر و پایدارتر اما حساسیت کمتر به تغییرات ظریف بازار ایجاد می‌کنند.

Search Lookback (bars) تعداد کندل‌های تاریخی که موتورهای KNN برای یافتن الگوهای مشابه جستجو می‌کنند را تعیین می‌کند؛ حافظه بزرگ‌تر (مثل 500) تنوع بیشتری از شرایط بازار را پوشش می‌دهد اما هزینه محاسباتی بیشتری دارد.

تنظیمات اندیکاتور KNN Adaptive Cycles
Forward Bars (outcome)
 افق زمانی پیش‌بینی KNN را مشخص می‌کند که چند کندل جلوتر نتیجه هر همسایه تاریخی اندازه‌گیری می‌شود؛ این مقدار باید با افق زمانی معاملاتی معمول شما در این تایم‌فریم هماهنگ باشد.

Bias Smoothing طول میانگین متحرک EMA است که روی بایاس خام KNN قبل از اعمال ترکیب نهایی اعمال می‌شود؛ مقادیر بالاتر نویز بار به بار را کاهش می‌دهند و خروجی هموارتری تولید می‌کنند، در حالی که مقدار ۱ هیچ هموارسازی اعمال نمی‌کند.

Period Blend Weight شدت تأثیر پیش‌بینی دوره KNN بر دوره تأییدشده نهایی را کنترل می‌کند؛ مقدار 0.25 یعنی ۲۵٪ وزن به KNN و ۷۵٪ به موتور چرخه بومی داده می‌شود، که تعادل مناسبی بین واکنش‌پذیری و پایداری ایجاد می‌کند.

Signal Blend Weight میزان جابجایی خط K توسط بایاس KNN سیگنال را تعیین می‌کند؛ مقدار 0.25 یعنی خط K نهایی شامل ۲۵٪ تأثیر KNN و ۷۵٪ مقدار بومی StochRSI است.

Period FW: Current Period وزن اهمیت مقدار فعلی دوره چرخه در محاسبه شباهت برای جستجوی KNN دوره را تعیین می‌کند؛ مقدار بالاتر یعنی کندل‌های تاریخی با دوره چرخه مشابه‌تر، امتیاز شباهت بالاتری می‌گیرند.

Period FW: Period Rate of Change وزن اهمیت سرعت تغییر دوره (دلتای یک کندله) در جستجوی شباهت KNN دوره را کنترل می‌کند و کمک می‌کند روندهای تغییر دوره (انبساط یا انقباض چرخه) بهتر شناسایی شوند.

Period FW: Period Stability وزن اهمیت پایداری دوره را مشخص می‌کند که تعداد کندل‌های متوالی که دوره در باند ۱۰٪ ثابت مانده را اندازه‌گیری می‌کند؛ دوره‌های پایدارتر نشانه اعتماد بیشتر به چرخه فعلی هستند.

Period FW: Cycle Confidence وزن اهمیت امتیاز اطمینان چرخه (توافق بین روش‌های AC و DFT) در جستجوی شباهت KNN را تعیین می‌کند و به موتور اجازه می‌دهد شرایط با اطمینان بالا را از شرایط نامطمئن تشخیص دهد.

Period FW: Volatility Regime وزن اهمیت رژیم نوسان (نسبت ATR فعلی به میانگین ATR) در جستجوی KNN دوره را کنترل می‌کند و کمک می‌کند دوره‌های پرنوسان از کم‌نوسان متمایز شوند.

Signal FW: K Level وزن اهمیت سطح K فعلی در جستجوی شباهت KNN سیگنال را مشخص می‌کند و باعث می‌شود کندل‌های تاریخی با سطح استوکاستیک مشابه، نزدیک‌تر در نظر گرفته شوند.

Signal FW: Histogram (K-D) وزن اهمیت هیستوگرام (اختلاف K و D) در جستجوی شباهت سیگنال را تعیین می‌کند که نشان‌دهنده مومنتوم و جهت حرکت استوکاستیک است.

Signal FW: K Slope وزن اهمیت شیب K (تغییر یک کندله) را کنترل می‌کند و به موتور KNN کمک می‌کند شتاب حرکت استوکاستیک را در الگوهای تاریخی تشخیص دهد.

Signal FW: Volatility Regime وزن اهمیت رژیم نوسان در جستجوی شباهت سیگنال را مشخص می‌کند؛ وزن بالاتر به تمایز جلسات رونددار از جلسات نوسانی (رنج) کمک می‌کند.

Signal FW: OB/OS Extremity وزن اهمیت نزدیکی به سطوح اشباع خرید/فروش (۸۰/۲۰) را تعیین می‌کند و به موتور اجازه می‌دهد شرایط حدی بازار را در الگوهای تاریخی بهتر شناسایی کند.

Signal FW: D Line Context وزن اهمیت مقدار خط D (خط سیگنال) در جستجوی شباهت سیگنال را کنترل می‌کند و زمینه کامل‌تری از وضعیت استوکاستیک فراهم می‌آورد.

RSI Period Multiplier ضریب مقیاس‌دهی دوره RSI نسبت به چرخه تشخیص‌داده‌شده را تعیین می‌کند؛ مقدار 0.5 نیم‌چرخه (واکنش سریع‌تر) و مقدار 1.0 چرخه کامل (هموارتر) به RSI می‌دهد.

Stoch Period Multiplier ضریب مقیاس‌دهی دوره استوکاستیک نسبت به چرخه تشخیص‌داده‌شده را کنترل می‌کند؛ 0.5 سیگنال‌های سریع‌تر با احتمال سیگنال کاذب بیشتر، و 1.0 سیگنال‌های کندتر با اطمینان بالاتر تولید می‌کند.

تنظیمات اندیکاتور KNN Adaptive Cycles
K Smoothing Length
 طول هموارسازی خط K را مشخص می‌کند و نویز سیگنال خام استوکاستیک را کاهش می‌دهد؛ مقادیر بالاتر خط K هموارتر اما با تأخیر بیشتر ایجاد می‌کنند.

K Smoothing Type نوع میانگین متحرک برای هموارسازی خط K را انتخاب می‌کند (EMA، SMA، WMA، RMA، HMA، DEMA، TEMA یا ALMA) که هر کدام رفتار متفاوتی از نظر تأخیر و همواری دارند.

D Smoothing Length طول هموارسازی خط D (خط سیگنال) را تعیین می‌کند؛ این خط معمولاً هموارتر از K است و تقاطع‌های K و D سیگنال‌های خرید و فروش را تولید می‌کنند.

D Smoothing Type نوع میانگین متحرک برای هموارسازی خط D را انتخاب می‌کند و می‌تواند مستقل از نوع هموارسازی K تنظیم شود.

ALMA Offset پارامتر افست میانگین متحرک آرنود (ALMA) را تنظیم می‌کند و فقط زمانی استفاده می‌شود که نوع MA روی ALMA قرار گرفته باشد؛ مقادیر بالاتر واکنش‌پذیری بیشتر و تأخیر کمتر ایجاد می‌کنند.

ALMA Sigma پارامتر سیگما برای ALMA را مشخص می‌کند که کنترل همواری فیلتر را بر عهده دارد؛ مقادیر بالاتر خروجی هموارتر با حذف نویز بیشتر تولید می‌کنند.

Color Theme تم رنگی اندیکاتور را انتخاب می‌کند و شامل هفت گزینه از جمله Modern (قرمز/فیروزه‌ای)، Classic (آبی/نارنجی)، Neon (سبز/سرخابی)، Ocean (فیروزه‌ای/نیلی)، Sunset (طلایی/صورتی)، Mono (سفید/خاکستری) و Custom است.

Custom Up Color رنگ خط برای حرکت صعودی K را وقتی تم رنگی روی Custom تنظیم شده باشد، مشخص می‌کند و می‌تواند هر رنگی از پالت انتخاب شود.

Custom Down Color رنگ خط برای حرکت نزولی K را وقتی تم رنگی Custom فعال باشد، تعیین می‌کند.

Line Width ضخامت خط K را بر حسب پیکسل مشخص می‌کند و مقادیر بالاتر دید بهتری در نمودارهای شلوغ ایجاد می‌کنند.

Show Signal (D) Line نمایش یا پنهان کردن خط D (خط سیگنال) را کنترل می‌کند که برای تشخیص تقاطع‌ها با خط K ضروری است.

Show Histogram (K – D) نمایش هیستوگرام اختلاف K و D را روشن یا خاموش می‌کند؛ هیستوگرام مثبت نشان‌دهنده مومنتوم صعودی و منفی نشان‌دهنده مومنتوم نزولی است.

Histogram Normalization Length طول پنجره نرمال‌سازی هیستوگرام را تعیین می‌کند که بر اساس آن حداکثر مقدار مطلق هیستوگرام محاسبه و برای نمایش در باند ۲۰-۸۰ مقیاس‌دهی می‌شود.

Histogram Transparency شفافیت ستون‌های هیستوگرام را از ۰ (کاملاً مات) تا ۱۰۰ (نامرئی) تنظیم می‌کند؛ ستون‌هایی که مومنتوم آن‌ها در حال کاهش است یک سطح اضافی محو می‌شوند.

Highlight OB/OS Zones هایلایت نواحی اشباع خرید (بالای ۸۰) و اشباع فروش (زیر ۲۰) را با رنگ‌های نیمه‌شفاف فعال یا غیرفعال می‌کند.

Show Cycle Detection Info نمایش جدول اطلاعات تشخیص چرخه را در گوشه بالا-راست نمودار کنترل می‌کند که شامل دوره‌های AC، DFT، دوره تأییدشده و درصد اطمینان است.

Show KNN Table نمایش جدول KNN را در گوشه پایین-راست فعال می‌کند که بایاس‌های دوره و سیگنال، جابجایی‌های اعمال‌شده و تعداد/فاصله همسایه‌ها را نشان می‌دهد.

Cycle Correlation Confidence رنگ پس‌زمینه نمودار را بر اساس سطح اطمینان چرخه تغییر می‌دهد؛ سبز برای اطمینان بالا (هر دو روش توافق دارند)، زرد برای اطمینان متوسط و قرمز برای اطمینان پایین.

اندیکاتور KNN Adaptive Cycles

ارزدیجیتال رایگان

ℹ️ پس از تایید شماره موبایل، لینک دانلود فایل به شما نمایش داده خواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Blue Captcha Image Refresh

*

ارتباط با پشتیبانی هوش فعال

از طریق روش‌های زیر با ما در ارتباط باشید: