ianzeng123
Descripción general
La estrategia de comercio de volúmenes de tendencia de múltiples períodos de tiempo es un sistema de negociación integral que ofrece a los comerciantes una herramienta poderosa para ayudar a capturar las tendencias del mercado y minimizar las señales falsas mediante la integración de análisis de tendencias de múltiples períodos de tiempo, señales de tendencia, confirmación de volúmenes de transacción y conceptos de fondos inteligentes. La estrategia es completamente personalizable y permite a los usuarios ajustar los filtros según su propio estilo de negociación.
Principio de estrategia
La estrategia es un sistema de transacciones coherente creado por la integración de varios componentes:
Análisis de tendencias en múltiples períodos de tiempoLa estrategia utiliza tres períodos de tiempo (la hora, la hora y el día) para evaluar la tendencia, utilizando el promedio móvil del índice (la EMA) y el precio promedio ponderado por la transacción (el VWAP). Cuando el precio está por encima de la EMA y el VWAP, la tendencia se considera bajista; cuando el precio está por debajo, se considera bajista; de lo contrario, es neutral. La señal se genera solo cuando la tendencia de un período de tiempo más alto elegida por el usuario coincide con la dirección de la transacción (por ejemplo, la señal de compra requiere una tendencia de un período de tiempo más alto). Esto reduce el ruido y asegura que la transacción siga el contexto del mercado más amplio.
El filtro de potencia: Mide el cambio de precio porcentual entre columnas consecutivas y lo ajusta a la tasa de fluctuación de los umbrales basados en el rango real medio[ATR) para comparar. Esto asegura que las operaciones se realicen solo durante períodos de movimiento significativo de los precios, filtrando las condiciones de baja volatilidad.
Filtrador de cantidad de entrega (opcional): Comprueba si el volumen de transacciones actuales supera el promedio a largo plazo y muestra un cambio positivo en el volumen de transacciones a corto plazo. Esto confirma la fuerte participación en el mercado y reduce el riesgo de falsas rupturas.
Filtrado de ruptura (opcional)Pide que el precio rompa (compra) o rompa (venta) los máximos/mínimos más recientes, asegurando que la señal esté en consonancia con los cambios en la estructura del mercado.
El concepto de dinero inteligente (CHoCH/BOS)：
- Cambios en las características estructurales ((CHoCH): detección de una reversión potencial cuando el precio pasa por el punto más alto de la curva más cercana (sold) o por el punto más bajo de la curva más cercana (bought), respectivamente, bajando o bajando.
- Una ruptura estructural ((BOS): la confirmación de la continuación de la tendencia cuando el precio rompe el punto más bajo del eje central más reciente ((vendida) o el punto más alto del eje central más reciente ((compra) con un fuerte impulso. Estas señales se trazan como líneas horizontales etiquetadas para que los niveles clave sean fácilmente visibles.
El panel de tendencias de la IA: Combinando la dirección de la tendencia, el impulso y la volatilidad ((ATR) para calcular la puntuación de la tendencia. Una puntuación superior a 0.5 indica una tendencia “al alza”, y una inferior a -0.5 indica una tendencia “al caída”, de lo contrario es “neutral”. Muestra la fuerza de la tendencia (porcentaje), la confianza de la IA (basada en la consistencia de la tendencia) y el balance general del contexto del mercado en la diferencia de tráfico acumulado (CVD).
Línea de tendencia dinámicaSe trazan las líneas de soporte y resistencia de los puntos bajos y altos más recientes de los períodos definidos por el usuario: Short Trend Period, Long Trend Period. Estas líneas se adaptan a las condiciones del mercado y se colorean según la intensidad de la tendencia.
Ventajas estratégicas
Las estrategias de comercio de volúmenes de tendencia dinámica en períodos de tiempo múltiples tienen las siguientes ventajas:
Reducción de las señales falsasLa estrategia minimiza el comercio en mercados con volatilidad o baja confianza, al exigir tendencia, dinámica, volumen de transacciones y consistencia en los filtros de ruptura.
Adaptación al contexto del mercadoEl ATR basado en el Dynamic Threshold se puede ajustar a la dinámica de la volatilidad para asegurar que la señal se mantenga relevante en mercados de tendencia y en mercados intermedios.
Simplificar la toma de decisionesEl panel de control de IA integra datos complejos de múltiples períodos de tiempo en tablas fáciles de usar, eliminando la necesidad de análisis manual.
El uso de la inteligencia financieraLos indicadores CHoCH y BOS capturan el movimiento de las agencias de precios, ofreciendo a los operadores la ventaja de identificar reversiones y continuidades.
Claridad visualLas estrategias que permiten a los comerciantes entender mejor el comportamiento de los precios al marcar los niveles, señales y líneas de tendencia clave.
Gestión de riesgos integradaLos niveles predefinidos de stop y stop loss promueven una gestión disciplinada del riesgo, que es esencial para el éxito de las operaciones a largo plazo.
Prevención de la enfermedadLa señal de “Prepárate” permite al comerciante recibir una alerta antes de que la configuración se desarrolle completamente, lo que permite más tiempo de preparación y planificación.
Riesgo estratégico
A pesar de las ventajas de esta estrategia, también existen algunos riesgos potenciales:
Trampas de optimización de parámetros: Los parámetros de la estrategia de optimización excesiva pueden conducir a la adaptación de la curva, que no funcionará bien en las condiciones futuras del mercado. La solución es hacer una extensa retroalimentación en varios mercados y períodos de tiempo para encontrar un conjunto de parámetros sólido.
Signo de retrasoEl uso de múltiples filtros puede causar que la señal se retrase un poco con respecto a la acción del precio, y a veces se pierda el punto de entrada ideal. La solución es ajustar los parámetros más sensibles a la velocidad del mercado, como la longitud del eje central y el umbral de la dinámica.
Identificación de tendencias equivocadas: En mercados altamente volátiles o sin dirección, la evaluación de tendencias puede ser inexacta. La solución es reducir las operaciones o agregar requisitos de filtro más estrictos en estas condiciones.
Defectos en la administración de fondosLos puntos de parada y pérdida fijos pueden no ser adecuados para todas las condiciones del mercado. La solución es ajustarlos a los valores basados en el ATR para adaptarse a la volatilidad actual.
Intensidad de cómputoLa complejidad de las estrategias puede causar problemas de rendimiento en algunas plataformas, especialmente cuando se analizan grandes cantidades de datos históricos. La solución es limitar el rango de tiempo de retracción o simplificar los cálculos no importantes.
Dependencia de datos: La estrategia depende de datos precisos de varios períodos de tiempo, que pueden no ser útiles en todos los entornos de negociación. La solución es implementar alternativas confiables, como el cálculo de los valores locales que se muestran en el código.
Preferencia por mercados de alta fluidezLa estrategia podría generar más señales erróneas en mercados con poca liquidez. La solución es centrarse en los principales pares de divisas, acciones ampliamente tenidas y las principales criptomonedas.
Dirección de optimización de la estrategia
La estrategia puede ser optimizada aún más en las siguientes direcciones:
Parámetros de adaptación: Implementación de parámetros de ajuste automático, como la optimización de las valoraciones dinámicas basadas en datos de fluctuación histórica. Esto puede mejorar la adaptabilidad de la estrategia en diferentes condiciones de mercado.
Integración del aprendizaje automático: Aplicación de algoritmos de aprendizaje automático para identificar la mejor combinación de parámetros o predecir el rendimiento de la estrategia en condiciones de mercado específicas. Esto se puede lograr mediante el análisis de datos de rendimiento histórico, lo que mejora aún más el aspecto “AI” de la estrategia.
Indicadores de la emoción del mercadoLa adición de datos externos sobre el sentimiento del mercado, como el índice VIX o el análisis del sentimiento de las redes sociales, proporciona un contexto más amplio para la toma de decisiones comerciales. Esto puede ayudar a la estrategia a evitar el comercio en condiciones extremas de mercado.
El filtro del tiempoAumentar los filtros basados en los patrones de tiempo de fluctuación del mercado, evitando el comercio durante períodos de baja volatilidad conocidos (por ejemplo, la sesión media de Asia). Esto puede reducir la cantidad de señales de baja calidad.
Análisis de correlación: agregar una comprobación de correlación entre activos para asegurar que las transacciones se ajusten al movimiento de los mercados relevantes (por ejemplo, el índice del dólar al negociar EUR/USD). Esto puede proporcionar una confirmación de señal adicional.
Optimización de la gestión de fondosImplementar niveles dinámicos de stop/stop loss basados en la volatilidad, y agregar reglas de administración de fondos, como el ajuste del tamaño de la posición a medida que crece la cuenta. Esto mejorará el rendimiento ajustado al riesgo a largo plazo.
Optimización de rendimiento: Simplificar el código, reducir los cálculos innecesarios, especialmente en lo que respecta a las líneas de tendencia y la visualización de tablas, para mejorar la respuesta de la estrategia en el comercio en tiempo real.
Irrelevancia de los datos: Estrategias de mejora para manejar con más elegancia las interrupciones o pérdidas de datos, asegurando la robustez en condiciones no deseadas.
Resumir
La estrategia de comercio de volúmenes de tendencia de ciclo de tiempo múltiple ofrece un sistema de comercio completo, combinado con el análisis técnico tradicional, los conceptos de capital inteligente y el análisis de tendencias impulsado por la inteligencia artificial. Su fortaleza reside en los mecanismos de filtración y confirmación en múltiples niveles que garantizan la generación de señales de comercio solo en casos de alta probabilidad.
Un aspecto especialmente innovador de la estrategia es la integración de información de tendencias de múltiples períodos de tiempo en un tablero visual intuitivo, que permite a los operadores evaluar rápidamente la situación del mercado sin necesidad de un análisis manual complejo. La visibilidad de las líneas de resistencia de soporte dinámico y los niveles de la estructura clave mejoran aún más esta facilidad de uso.
Mediante una combinación inteligente de los conceptos de CHoCH y BOS, la estrategia es capaz de capturar los cambios sutiles en la psicología del mercado, que generalmente indican la continuación o potencial reversión de una tendencia. El uso de la ATR para ajustar los umbrales asegura que la estrategia se adapte a diferentes condiciones de fluctuación, lo que la hace adecuada para una variedad de entornos de mercado.
A pesar de algunos riesgos y limitaciones, este sistema, ya de por sí potente, puede ser mejorado aún más mediante medidas de optimización recomendadas. Aplicando sabiamente los principios de gestión de riesgos y ajustando los parámetros según los objetivos de negociación específicos y la tolerancia al riesgo, la estrategia tiene el potencial de ser una herramienta valiosa en la caja de herramientas de cualquier comerciante.
Al final, como en todas las estrategias de trading, el éxito dependerá de la optimización adecuada de los parámetros, la ejecución disciplinada, la sólida gestión del riesgo y una profunda comprensión de la dinámica del mercado.
/*backtest
start: 2024-05-15 00:00:00
end: 2025-05-13 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"ETH_USDT"}]
*/
//@version=5
strategy("PowerHouse SwiftEdge AI v2.10 Strategy", overlay=true, calc_on_every_tick=true)
// Inputs med fleksible indstillinger
length = input.int(5, "Pivot Length", minval=1, maxval=20, step=1, tooltip="Number of bars to identify pivot highs and lows.")
momentum_threshold_base = input.float(0.01, "Base Momentum Threshold (%)", minval=0.001, maxval=1.0, step=0.001, tooltip="Base percentage change for signals.")
tp_points = input.int(10, "Take Profit (points)", minval=5, maxval=500, step=5)
sl_points = input.int(10, "Stop Loss (points)", minval=5, maxval=500, step=5)
min_signal_distance = input.int(5, "Min Signal Distance (bars)", minval=1, maxval=50, step=1)
tp_box_height = input.float(0.5, "TP Box Height % (Optional)", minval=0.1, maxval=2.0, step=0.1)
pre_momentum_factor_base = input.float(0.5, "Base Pre-Momentum Factor", minval=0.1, maxval=1.0, step=0.1, tooltip="Base factor for Get Ready signals.")
shortTrendPeriod = input.int(30, title="Short Trend Period", minval=10, maxval=100)
longTrendPeriod = input.int(100, title="Long Trend Period", minval=50, maxval=200)
// Brugerdefinerede filtre
use_momentum_filter = input.bool(true, "Use Momentum Filter", group="Signal Filters", tooltip="Require price change to exceed momentum threshold.")
use_trend_filter = input.bool(true, "Use Higher Timeframe Trend Filter", group="Signal Filters", tooltip="Require alignment with the selected higher timeframe trend.")
higher_tf_choice = input.string("60", "Higher Timeframe", options=["60", "240", "D"], group="Signal Filters", tooltip="Choose the timeframe for the higher timeframe filter.")
use_lower_tf_filter = input.bool(true, "Use Lower Timeframe Filter", group="Signal Filters", tooltip="Prevent signals against the selected lower timeframe trend.")
lower_tf_choice = input.string("60", "Lower Timeframe", options=["60", "240", "D"], group="Signal Filters", tooltip="Choose the timeframe for the lower timeframe filter.")
use_volume_filter = input.bool(false, "Use Volume Filter", group="Signal Filters", tooltip="Require volume above average (optional).")
use_breakout_filter = input.bool(false, "Use Breakout Filter", group="Signal Filters", tooltip="Require price to break previous high/low (optional).")
show_get_ready = input.bool(true, "Show Get Ready Signals", group="Signal Filters", tooltip="Enable or disable Get Ready signals.")
restrict_repeated_signals = input.bool(false, "Restrict Repeated Signals", group="Signal Filters", tooltip="Prevent multiple signals in the same trend direction until trend changes.")
restrict_trend_tf_choice = input.string("60", "Restrict Trend Timeframe", options=["60", "240", "D"], group="Signal Filters", tooltip="Choose the timeframe to check trend for restricting repeated signals.")
enable_ai_analysis = input.bool(true, "Enable AI Market Analysis", group="AI Market Analysis", tooltip="Show AI predictions for future trends across timeframes.")
ai_table_position = input.string("Bottom Center", "AI Market Analysis Table Position", options=["Top Left", "Top Center", "Top Right", "Middle Left", "Middle Center", "Middle Right", "Bottom Left", "Bottom Center", "Bottom Right"], group="AI Market Analysis", tooltip="Choose the position of the AI Market Analysis table.")
// Ekstra inputs til valgfrie filtre
volumeLongPeriod = input.int(50, "Long Volume Period", minval=10, maxval=100, group="Volume Filter Settings")
volumeShortPeriod = input.int(5, "Short Volume Period", minval=1, maxval=20, group="Volume Filter Settings")
breakoutPeriod = input.int(5, "Breakout Period", minval=1, maxval=50, group="Breakout Filter Settings")
// Funktion til at konvertere streng til position
f_getTablePosition(position_string) =>
switch position_string
"Top Left" => position.top_left
"Top Center" => position.top_center
"Top Right" => position.top_right
"Middle Left" => position.middle_left
"Middle Center" => position.middle_center
"Middle Right" => position.middle_right
"Bottom Left" => position.bottom_left
"Bottom Center" => position.bottom_center
"Bottom Right" => position.bottom_right
=> position.middle_right // Standard fallback
// AI-drevet adaptiv signaljustering med ATR
atr_raw = ta.atr(14)
atr = na(atr_raw) and bar_index > 0 ? (high - low) : atr_raw
volatility_factor = atr / close
momentum_threshold = momentum_threshold_base * (1 + volatility_factor * 2)
pre_momentum_factor = pre_momentum_factor_base * (1 - volatility_factor * 0.5)
pre_momentum_threshold = momentum_threshold * pre_momentum_factor
// Raw CVD-beregning
var float raw_cvd = 0.0
delta_volume = close > close[1] ? volume : close < close[1] ? -volume : 0
raw_cvd := raw_cvd + delta_volume
// Volatility Context baseret på absolut CVD
cvd_level = math.abs(raw_cvd) < 10000 ? "Low" : math.abs(raw_cvd) < 50000 ? "Medium" : "High"
cvd_color = raw_cvd > 0 ? color.lime : raw_cvd < 0 ? color.red : color.yellow
// Beregn prisændring (momentum)
price_change = ((close - close[1]) / close[1]) * 100
// Find højder og lavpunkter
pivot_high = ta.pivothigh(high, length, length)
pivot_low = ta.pivotlow(low, length, length)
// Variabler til at gemme seneste højder og lavpunkter
var float last_high = na
var float last_low = na
if not na(pivot_high)
last_high := pivot_high
if not na(pivot_low)
last_low := pivot_low
// Variabler til signalstyring
var float choch_sell_level = na
var float choch_buy_level = na
var float bos_sell_level = na
var float bos_buy_level = na
var float tp_sell_level = na
var float tp_buy_level = na
var int last_signal_bar = -min_signal_distance - 1
var string last_signal = "Neutral"
var int last_trend = 0 // Sporer den sidste trendretning for restrict_repeated_signals
// Multi-tidsramme trendanalyse med robust fallback
// Beregn EMA og VWAP for hver tidsramme
ema60_raw = request.security(syminfo.tickerid, "60", ta.ema(close, 20), lookahead=barmerge.lookahead_on)
vwap60_raw = request.security(syminfo.tickerid, "60", ta.vwap(hlc3), lookahead=barmerge.lookahead_on)
ema240_raw = request.security(syminfo.tickerid, "240", ta.ema(close, 20), lookahead=barmerge.lookahead_on)
vwap240_raw = request.security(syminfo.tickerid, "240", ta.vwap(hlc3), lookahead=barmerge.lookahead_on)
emaD_raw = request.security(syminfo.tickerid, "D", ta.ema(close, 20), lookahead=barmerge.lookahead_on)
vwapD_raw = request.security(syminfo.tickerid, "D", ta.vwap(hlc3), lookahead=barmerge.lookahead_on)
// Lokale EMA og VWAP som fallback
local_ema = ta.ema(close, 20)
local_vwap = ta.vwap(hlc3)
// Fallback for manglende data
ema60 = na(ema60_raw) ? local_ema : ema60_raw
vwap60 = na(vwap60_raw) ? local_vwap : vwap60_raw
ema240 = na(ema240_raw) ? local_ema : ema240_raw
vwap240 = na(vwap240_raw) ? local_vwap : vwap240_raw
emaD = na(emaD_raw) ? local_ema : emaD_raw
vwapD = na(vwapD_raw) ? local_vwap : vwapD_raw
// Trendbestemmelse (1 = op, -1 = ned, 0 = neutral)
trend60 = close > ema60 and close > vwap60 ? 1 : close < ema60 and close < vwap60 ? -1 : 0
trend240 = close > ema240 and close > vwap240 ? 1 : close < ema240 and close < vwap240 ? -1 : 0
trendD = close > emaD and close > vwapD ? 1 : close < emaD and close < vwapD ? -1 : 0
// AI-Trend Strength (-100 til +100)
trend_strength_raw = trend60 + trend240 + trendD
trend_strength = (trend_strength_raw / 3) * 100
// AI Confidence (simuleret succesrate)
var float ai_confidence = 50.0
if trend_strength_raw == 3 or trend_strength_raw == -3
ai_confidence := 90.0
else if trend_strength_raw >= 2 or trend_strength_raw <= -2
ai_confidence := 75.0
else
ai_confidence := 60.0
// Filterbetingelser
// Dynamisk valg af higher timeframe trend (til signalfiltrering)
var int higher_tf_trend = 0
switch higher_tf_choice
"60" => higher_tf_trend := trend60
"240" => higher_tf_trend := trend240
"D" => higher_tf_trend := trendD
bullish_trend_ok = higher_tf_trend == 1
bearish_trend_ok = higher_tf_trend == -1
// Dynamisk valg af lower timeframe trend (til signalfiltrering)
var int lower_tf_trend = 0
switch lower_tf_choice
"60" => lower_tf_trend := trend60
"240" => lower_tf_trend := trend240
"D" => lower_tf_trend := trendD
lower_tf_bullish = lower_tf_trend == 1
lower_tf_bearish = lower_tf_trend == -1
lower_tf_not_neutral = lower_tf_trend != 0
// Dynamisk valg af trend-tidsramme til restrict_repeated_signals
var int restrict_tf_trend = 0
switch restrict_trend_tf_choice
"60" => restrict_tf_trend := trend60
"240" => restrict_tf_trend := trend240
"D" => restrict_tf_trend := trendD
volAvg50 = ta.sma(volume, volumeLongPeriod)
volShort = ta.sma(volume, volumeShortPeriod)
volCondition = volume > volAvg50 and ta.change(volShort) > 0
highestBreakout = ta.highest(high, breakoutPeriod)
lowestBreakout = ta.lowest(low, breakoutPeriod)
// CHoCH og BOS definitioner
choch_sell = ta.crossunder(low, last_high) and close < open
choch_buy = ta.crossover(high, last_low) and close > open
bos_sell = ta.crossunder(low, last_low[1]) and low < last_low[1] and close < open
bos_buy = ta.crossover(high, last_high[1]) and high > last_high[1] and close > open
// Signalbetingelser med valgbare filtre
early_sell_signal = use_momentum_filter ? price_change < -momentum_threshold : true
early_buy_signal = use_momentum_filter ? price_change > momentum_threshold : true
sell_trend_ok = use_trend_filter ? bearish_trend_ok : true
buy_trend_ok = use_trend_filter ? bullish_trend_ok : true
sell_lower_tf_ok = use_lower_tf_filter ? (not lower_tf_bullish and lower_tf_not_neutral) : true
buy_lower_tf_ok = use_lower_tf_filter ? (not lower_tf_bearish and lower_tf_not_neutral) : true
sell_volume_ok = use_volume_filter ? volCondition : true
buy_volume_ok = use_volume_filter ? volCondition : true
sell_breakout_ok = use_breakout_filter ? close < lowestBreakout[1] : true
buy_breakout_ok = use_breakout_filter ? close > highestBreakout[1] : true
// Logik for at begrænse gentagne signaler baseret på restrict_tf_trend
sell_allowed = not restrict_repeated_signals or (last_signal != "Sell" or (last_signal == "Sell" and restrict_tf_trend != last_trend and restrict_tf_trend != -1))
buy_allowed = not restrict_repeated_signals or (last_signal != "Buy" or (last_signal == "Buy" and restrict_tf_trend != last_trend and restrict_tf_trend != 1))
sell_condition = early_sell_signal and (bar_index - last_signal_bar >= min_signal_distance) and sell_trend_ok and sell_lower_tf_ok and sell_volume_ok and sell_breakout_ok and sell_allowed
buy_condition = early_buy_signal and (bar_index - last_signal_bar >= min_signal_distance) and buy_trend_ok and buy_lower_tf_ok and buy_volume_ok and buy_breakout_ok and buy_allowed
get_ready_sell = use_momentum_filter ? (price_change < -pre_momentum_threshold and price_change > -momentum_threshold) : true and (bar_index - last_signal_bar >= min_signal_distance) and sell_trend_ok and sell_lower_tf_ok and sell_volume_ok and sell_breakout_ok
get_ready_buy = use_momentum_filter ? (price_change > pre_momentum_threshold and price_change < momentum_threshold) : true and (bar_index - last_signal_bar >= min_signal_distance) and buy_trend_ok and buy_lower_tf_ok and buy_volume_ok and buy_breakout_ok
// Strategy logic
if buy_condition
strategy.entry("Long", strategy.long)
strategy.exit("TP/SL Long", "Long", limit=close + tp_points, stop=close - sl_points)
label.new(bar_index, low, "Buy", color=color.green, style=label.style_label_up, textcolor=color.white)
tp_buy_level := high + tp_points
last_signal := "Buy"
last_signal_bar := bar_index
last_trend := restrict_tf_trend
if sell_condition
strategy.entry("Short", strategy.short)
strategy.exit("TP/SL Short", "Short", limit=close - tp_points, stop=close + sl_points)
label.new(bar_index, high, "Sell", color=color.red, style=label.style_label_down, textcolor=color.white)
tp_sell_level := low - tp_points
last_signal := "Sell"
last_signal_bar := bar_index
last_trend := restrict_tf_trend
// Plot Get Ready signals
if show_get_ready and get_ready_sell
label.new(bar_index, high, "Get Ready SELL", color=color.orange, style=label.style_label_down, textcolor=color.black, size=size.small)
if show_get_ready and get_ready_buy
label.new(bar_index, low, "Get Ready BUY", color=color.yellow, style=label.style_label_up, textcolor=color.black, size=size.small)
// Plot CHoCH og BOS som fulde linjer med AI-agtige farver
var line choch_sell_line = na
var line choch_buy_line = na
var line bos_sell_line = na
var line bos_buy_line = na
// Trendlinjer med bufferkontrol og AI-laser-look
var line sup = na
var line res = na
if barstate.islast
float lowest_y2 = 60000
int lowest_x2 = 0
float highest_y2 = 0
int highest_x2 = 0
// Begræns lookback til max 2000 bars for at undgå bufferfejl
int maxShortBars = math.min(math.min(shortTrendPeriod, bar_index), 2000)
for i = 1 to maxShortBars
if low[i] < lowest_y2
lowest_y2 := low[i]
lowest_x2 := i
if high[i] > highest_y2
highest_y2 := high[i]
highest_x2 := i
float lowest_y1 = 60000
int lowest_x1 = 0
float highest_y1 = 0
int highest_x1 = 0
// Begræns lookback til max 2000 bars for at undgå bufferfejl
int maxLongBars = math.min(math.min(longTrendPeriod, bar_index), 2000)
for j = shortTrendPeriod + 1 to maxLongBars
if low[j] < lowest_y1
lowest_y1 := low[j]
lowest_x1 := j
if high[j] > highest_y1
highest_y1 := high[j]
highest_x1 := j
int trendStrength = trend_strength_raw
// Plot niveauer
plot(choch_sell_level, title="Last High at CHoCH", color=color.aqua, style=plot.style_circles, linewidth=1, trackprice=false)
plot(choch_buy_level, title="Last Low at CHoCH", color=color.lime, style=plot.style_circles, linewidth=1, trackprice=false)
plot(bos_sell_level, title="Last Low at BOS", color=color.fuchsia, style=plot.style_circles, linewidth=1, trackprice=false)
plot(bos_buy_level, title="Last High at BOS", color=color.teal, style=plot.style_circles, linewidth=1, trackprice=false)
plot(tp_sell_level, title="TP Sell", color=color.red, style=plot.style_circles, linewidth=1, trackprice=false)
plot(tp_buy_level, title="TP Buy", color=color.green, style=plot.style_circles, linewidth=1, trackprice=false)
plot(last_high, title="Last High", color=color.red, style=plot.style_histogram, linewidth=1, trackprice=true)
plot(last_low, title="Last Low", color=color.green, style=plot.style_histogram, linewidth=1, trackprice=true)
// AI Markedsanalyse - Beregn data uanset betingelse
momentum_1h = request.security(syminfo.tickerid, "60", close - close[3], lookahead=barmerge.lookahead_on)
momentum_4h = request.security(syminfo.tickerid, "240", close - close[3], lookahead=barmerge.lookahead_on)
momentum_d = request.security(syminfo.tickerid, "D", close - close[3], lookahead=barmerge.lookahead_on)
// Beregn ATR og SMA(ATR) for hver tidsramme
atr_1h = request.security(syminfo.tickerid, "60", ta.atr(14), lookahead=barmerge.lookahead_on)
atr_4h = request.security(syminfo.tickerid, "240", ta.atr(14), lookahead=barmerge.lookahead_on)
atr_d = request.security(syminfo.tickerid, "D", ta.atr(14), lookahead=barmerge.lookahead_on)
sma_atr_1h = request.security(syminfo.tickerid, "60", ta.sma(ta.atr(14), 20), lookahead=barmerge.lookahead_on)
sma_atr_4h = request.security(syminfo.tickerid, "240", ta.sma(ta.atr(14), 20), lookahead=barmerge.lookahead_on)
sma_atr_d = request.security(syminfo.tickerid, "D", ta.sma(ta.atr(14), 20), lookahead=barmerge.lookahead_on)
// Lokale ATR og SMA(ATR) som fallback
local_atr = ta.atr(14)
local_sma_atr = ta.sma(ta.atr(14), 20)
// Fallback for manglende data
volatility_1h = na(atr_1h) ? local_atr : atr_1h
volatility_4h = na(atr_4h) ? local_atr : atr_4h
volatility_d = na(atr_d) ? local_atr : atr_d
volatility_avg_1h = na(sma_atr_1h) ? local_sma_atr : sma_atr_1h
volatility_avg_4h = na(sma_atr_4h) ? local_sma_atr : sma_atr_4h
volatility_avg_d = na(sma_atr_d) ? local_sma_atr : sma_atr_d
momentum_1h := na(momentum_1h) ? 0 : momentum_1h
momentum_4h := na(momentum_4h) ? 0 : momentum_4h
momentum_d := na(momentum_d) ? 0 : momentum_d
// Analyse baseret på trend, momentum og volatilitet
score_1h = trend60 + (momentum_1h > 0 ? 0.5 : momentum_1h < 0 ? -0.5 : 0) + (volatility_1h > volatility_avg_1h ? 0.5 : 0)
score_4h = trend240 + (momentum_4h > 0 ? 0.5 : momentum_4h < 0 ? -0.5 : 0) + (volatility_4h > volatility_avg_4h ? 0.5 : 0)
score_d = trendD + (momentum_d > 0 ? 0.5 : momentum_d < 0 ? -0.5 : 0) + (volatility_d > volatility_avg_d ? 0.5 : 0)
// Forudsigelser
pred_1h = score_1h > 0.5 ? "Up" : score_1h < -0.5 ? "Down" : "Neutral"
pred_4h = score_4h > 0.5 ? "Up" : score_4h < -0.5 ? "Down" : "Neutral"
pred_d = score_d > 0.5 ? "Up" : score_d < -0.5 ? "Down" : "Neutral"
// Futuristisk AI-Trend Dashboard
var table trendTable = table.new(position.top_right, columns=2, rows=6, bgcolor=color.new(color.black, 50), border_width=2, border_color=color.new(color.teal, 20))
table.cell(trendTable, 0, 0, "AI-Trend Matrix v2.10", text_color=color.new(color.aqua, 0), bgcolor=color.new(color.navy, 60))
table.cell(trendTable, 1, 0, "", bgcolor=color.new(color.navy, 60))
table.merge_cells(trendTable, 0, 0, 1, 0)
table.cell(trendTable, 0, 1, "Trend Strength", text_color=color.white)
table.cell(trendTable, 1, 1, str.tostring(math.round(trend_strength)), text_color=trend_strength > 0 ? color.rgb(0, math.min(255, trend_strength * 2.55), 0) : color.rgb(math.min(255, math.abs(trend_strength) * 2.55), 0, 0))
table.cell(trendTable, 0, 2, "AI Confidence", text_color=color.white)
table.cell(trendTable, 1, 2, str.tostring(ai_confidence) + "%", text_color=color.teal)
table.cell(trendTable, 0, 3, "AI Calibration", text_color=color.white)
table.cell(trendTable, 1, 3, "CVD: " + str.tostring(math.round(raw_cvd)) + " (" + cvd_level + ")", text_color=cvd_color)
table.cell(trendTable, 0, 4, "1H", text_color=color.white)
table.cell(trendTable, 1, 4, trend60 == 1 ? "Up" : trend60 == -1 ? "Down" : "Neutral", text_color=trend60 == 1 ? color.lime : trend60 == -1 ? color.fuchsia : color.yellow)
table.cell(trendTable, 0, 5, "4H", text_color=color.white)
table.cell(trendTable, 1, 5, trend240 == 1 ? "Up" : trend240 == -1 ? "Down" : "Neutral", text_color=trend240 == 1 ? color.lime : trend240 == -1 ? color.fuchsia : color.yellow)
// Tabel for AI Markedsanalyse
if enable_ai_analysis
var table ai_table = table.new(f_getTablePosition(ai_table_position), columns=4, rows=2, bgcolor=color.new(color.black, 50), border_width=2, border_color=color.new(color.teal, 20))
table.cell(ai_table, 0, 0, "AI Market Analysis", text_color=color.new(color.aqua, 0), bgcolor=color.new(color.navy, 60))
table.cell(ai_table, 1, 0, "1H", text_color=color.white)
table.cell(ai_table, 2, 0, "4H", text_color=color.white)
table.cell(ai_table, 3, 0, "1D", text_color=color.white)
table.cell(ai_table, 0, 1, "Prediction", text_color=color.white)
table.cell(ai_table, 1, 1, pred_1h, text_color=pred_1h == "Up" ? color.lime : pred_1h == "Down" ? color.fuchsia : color.yellow)
table.cell(ai_table, 2, 1, pred_4h, text_color=pred_4h == "Up" ? color.lime : pred_4h == "Down" ? color.fuchsia : color.yellow)
table.cell(ai_table, 3, 1, pred_d, text_color=pred_d == "Up" ? color.lime : pred_d == "Down" ? color.fuchsia : color.yellow)
// Debug alerts for null data
if na(ema60) or na(vwap60)
alert("Warning: 60-minute timeframe data is null!", alert.freq_once_per_bar)
if na(ema240) or na(vwap240)
alert("Warning: 240-minute timeframe data is null!", alert.freq_once_per_bar)
if na(emaD) or na(vwapD)
alert("Warning: Daily timeframe data is null!", alert.freq_once_per_bar)