ianzeng123
Visão geral
A estratégia de negociação dinâmica de tendências de múltiplos períodos de tempo é um sistema de negociação integrado que, através da integração da análise de tendências de múltiplos períodos de tempo, sinais dinâmicos, confirmação de volume de transação e conceitos de fundos inteligentes (Changes de características estruturais CHoCH e BOS de ruptura estrutural), fornece aos comerciantes uma ferramenta poderosa para ajudar a capturar tendências de mercado e minimizar sinais falsos. O componente “AI” exclusivo da estratégia analisa tendências de múltiplos períodos de tempo, fornecendo um painel de instrumentos claros e operacionais, facilitando o uso de novatos e experientes comerciantes.
Princípio da estratégia
A estratégia é um sistema de negociação coerente criado pela integração de vários componentes:
Análise de tendências de múltiplos períodosA estratégia usa três períodos de tempo: a hora, a hora e o dia para avaliar a tendência, usando a média móvel do índice (EMA) e o preço médio ponderado por volume de transação (VWAP). A tendência é considerada pessimista quando o preço está acima da EMA e do VWAP; quando o preço está abaixo, é considerada pessimista; caso contrário, é neutra. O sinal é gerado somente quando a tendência do período de tempo mais alto escolhida pelo usuário coincide com a direção da negociação (por exemplo, um sinal de compra requer uma tendência de otimismo de um período de tempo mais alto). Isso reduz o ruído e garante que a negociação siga o contexto do mercado mais amplo.
Filtro de potência: Medir a variação percentual de preços entre colunas consecutivas e ajustá-la à taxa de flutuação para o limiar baseado no intervalo real médio[Isso garante que as negociações sejam feitas apenas durante períodos de movimento significativo de preços, filtrando condições de baixa volatilidade.
Filtros de quantidade de entrega (opcional): Verifica se o volume de negócios atual excede a média de longo prazo e mostra mudanças positivas no volume de negócios de curto prazo. Isso confirma a forte participação no mercado e reduz o risco de falsas rupturas.
Passar por filtros (opcional)Requer que o preço ultrapasse o ponto mais alto/mais baixo (comprar) ou o ponto mais baixo (vender), garantindo que os sinais estejam em consonância com as mudanças na estrutura do mercado.
Conceito de dinheiro inteligente (CHoCH/BOS)：
- Mudanças nas características estruturais ((CHoCH): detecção de reversão potencial quando o preço atravessa o máximo do eixo mais próximo (sold) ou o mínimo do eixo mais próximo (buy), em sentido contrário ou positivo.
- Breakout (BOS): A confirmação de que a tendência continua quando o preço, com um forte impulso, quebra o mais recente ponto baixo do eixo central (SOLD) ou quebra o mais recente ponto alto do eixo central (BUY). Estes sinais são traçados como linhas horizontais com etiquetas para facilitar a visualização dos níveis-chave.
A dashboard de tendências da IAA pontuação acima de 0,5 indica uma tendência “para cima”, e abaixo de -0,5 indica uma tendência “para baixo”, ou seja, é “neutro”. A pontuação acima de 0,5 mostra a intensidade da tendência (porcentagem), a confiança da IA (baseada na consistência da tendência) e o resumo do cenário do mercado para a diferença acumulada de tráfego (CVD). A segunda tabela (opcional) mostra a previsão de tendências em 1 hora, 4 horas e horários diários, ajudando os comerciantes a prever a direção futura do mercado.
Linha de tendência dinâmicaDesenhe as linhas de suporte e resistência de acordo com os níveis mais baixos e mais altos de oscilação mais recentes no período definido pelo usuário. Estas linhas se adaptam às condições do mercado e são coloridas de acordo com a intensidade da tendência.
Vantagens estratégicas
A estratégia de negociação de volume de tendência de ciclo de tempo múltipla tem as seguintes vantagens significativas:
Redução de sinais falsosA estratégia minimiza a negociação em mercados de volatilidade ou baixa confiança, exigindo tendência, dinâmica, volume de transação e consistência de filtros de ruptura.
Adaptação ao contexto do mercadoO ATR baseia-se em uma redução dinâmica que pode ser ajustada de acordo com a dinâmica de flutuação, garantindo que os sinais permaneçam relevantes em mercados de tendência e de intervalos.
Simplificar a tomada de decisõesO painel de instrumentos de IA integra dados complexos de múltiplos períodos de tempo em tabelas amigáveis ao usuário, eliminando a necessidade de análise manual.
Utilização de fundos inteligentesOs mecanismos de captura de sinais de CHoCH e BOS captam a ação de preços e dão aos traders a vantagem de reconhecer reversões e prolongamentos.
Claridade visualA estratégia permite a visualização da estrutura do mercado através da marcação de níveis, sinais e linhas de tendência, ajudando os comerciantes a entender melhor o comportamento dos preços.
Gestão de risco embutidaOs níveis predefinidos de stop-loss facilitam a gestão disciplinada do risco, o que é fundamental para o sucesso das negociações a longo prazo.
Alerta antecipadaO “preparar-se” é um sinal que permite que os traders recebam um aviso antes que a configuração esteja totalmente desenvolvida, permitindo mais tempo para preparação e planejamento.
Risco estratégico
Embora a estratégia tenha muitos benefícios, há também alguns riscos potenciais:
Parâmetros de optimização de armadilhasA solução é fazer um amplo retorno em vários mercados e períodos de tempo para encontrar um conjunto de parâmetros robusto.
Sinais de atrasoO uso de múltiplos filtros pode causar um atraso no sinal em relação à ação do preço, às vezes perdendo o ponto de entrada ideal. A solução é ajustar os parâmetros mais sensíveis à velocidade do mercado, como o comprimento do eixo central e o limiar de momentum.
Identificação de tendências erradasEm mercados altamente voláteis ou sem direção, a avaliação de tendências pode ser imprecisa. A solução é reduzir as transações nessas condições ou adicionar requisitos de filtro mais rigorosos.
Deficiência de gestão de fundosA solução é ajustá-los aos valores baseados no ATR para se adequar à volatilidade atual.
Computação intensivaA complexidade das estratégias pode causar problemas de desempenho em algumas plataformas, especialmente ao analisar grandes quantidades de dados históricos. A solução é limitar o intervalo de tempo de recuperação ou simplificar o cálculo sem importância.
Dependência de dadosA estratégia depende de dados precisos de múltiplos períodos de tempo, o que pode não ser útil em todos os ambientes de negociação. A solução é implementar alternativas confiáveis, como o cálculo do valor local mostrado no código.
Preferência por mercados de alta liquidezA solução é focar-se nos principais pares de moedas, em ações amplamente detidas e nas principais criptomoedas.
Direção de otimização da estratégia
A estratégia pode ser aperfeiçoada através das seguintes direções:
Parâmetros de adaptação: Implementar parâmetros de ajuste automático, como a otimização do valor de queda dinâmica baseado em dados históricos de taxa de flutuação. Isso pode melhorar a adaptabilidade da estratégia em diferentes condições de mercado.
Integração de aprendizagem de máquinaAplicar algoritmos de aprendizagem de máquina para identificar o melhor conjunto de parâmetros ou prever o desempenho de uma estratégia em determinadas condições de mercado. Isso pode ser feito analisando dados de desempenho histórico, aumentando ainda mais o aspecto “AI” da estratégia.
Índice de Sentimento de MercadoA adição de dados externos de sentimentos de mercado, como o índice VIX ou a análise de sentimentos de mídia social, fornece um contexto mais amplo para a decisão de negociação. Isso pode ajudar a estratégia a evitar a negociação em condições de mercado extremas.
Filtro de tempoAumento de filtros baseados em padrões de tempo de flutuação do mercado, evitando a negociação durante períodos de baixa flutuação conhecida (como a sessão média da Ásia). Isso reduz a quantidade de sinais de baixa qualidade.
Análise de correlaçãoAdição de verificações de correlação entre ativos para garantir que as transações estejam de acordo com o movimento dos mercados relevantes (por exemplo, considerando o índice do dólar ao negociar o EUR/USD). Isso pode fornecer confirmação de sinal adicional.
Otimização da gestão de fundosImplementação de níveis de stop/stop loss dinâmicos baseados na volatilidade e incorporação de regras de gestão de fundos, como o ajuste do tamanho da posição com o crescimento da conta. Isso aumentará o retorno ajustado ao risco a longo prazo.
Optimização de desempenhoA simplificação do código, a redução de cálculos desnecessários, especialmente no que diz respeito a linhas de tendência e exibição de tabelas, para melhorar a capacidade de resposta da estratégia em negociações em tempo real.
Irrelevancia dos dadosA estratégia de reforço para lidar com interrupções de dados ou valores perdidos de forma mais elegante, garantindo robustez em condições não desejáveis.
Resumir
A estratégia de negociação de volume de tendências de períodos de tempo múltiplos oferece um sistema de negociação abrangente, combinando análise técnica tradicional, conceitos de fundos inteligentes e análise de tendências exclusivamente movidas por IA. O seu poder reside nos mecanismos de filtragem e confirmação em vários níveis, garantindo a geração de sinais de negociação apenas em casos de alta probabilidade.
Um aspecto particularmente inovador da estratégia é a integração de informações de tendências de períodos de tempo múltiplos em um painel de instrumentos visuais intuitivo, permitindo aos comerciantes avaliar rapidamente o estado do mercado sem a necessidade de uma análise manual complexa. A visualização de linhas de resistência de suporte dinâmico e níveis de estrutura chave aumenta ainda mais essa facilidade de uso.
Através de uma combinação inteligente de conceitos de Choch e Boss, a estratégia é capaz de capturar mudanças subtis na psicologia do mercado, o que geralmente indica a continuação ou potencial reversão de uma tendência. O uso do ATR para ajustar os limites garante que a estratégia possa se adaptar a diferentes condições de flutuação, tornando-a adequada para vários ambientes de mercado.
Apesar de alguns riscos e limitações, este sistema já forte pode ser ainda mais reforçado através de medidas de otimização recomendadas. Aplicando sabiamente os princípios de gerenciamento de risco e ajustando os parâmetros de acordo com os objetivos de negociação específicos e a capacidade de tolerância ao risco, a estratégia tem o potencial de se tornar uma ferramenta valiosa na caixa de ferramentas de qualquer comerciante.
Finalmente, como todas as estratégias de negociação, o sucesso dependerá da otimização apropriada dos parâmetros, da execução disciplinada, da gestão sólida do risco e da compreensão profunda da dinâmica do 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)