change #

現在の値と前の値の差、x - x [y]。

change(source, length) → series[float]
change(source) → series[float]

戻り値 #

減算の結果。

引数 #

関連 #

mom, cross

correlation #

相関係数。 2つの系列がsma値から逸脱する傾向がある度合いを記述します。

correlation(source_a, source_b, length) → series[float]

戻り値 #

相関係数。

引数 #

関連 #

security

cross #

2つの系列が互いに交差する場合は true、そうでない場合は false です。

cross(x, y) → series[bool]

戻り値 #

2つの系列が互いに交差する場合は true、そうでない場合は false です。

関連 #

change

crossover #

xの値が yの値よりも大きく、 xの値が現在のバーの直前のバーの yの値よりも小さかった場合、‘x’系列は’y’系列を超えていると定義されています。

crossover(x, y) → series[bool]

戻り値 #

xが yを越えた場合はtrue、そうでない場合はfalse

引数 #

crossunder #

xの値が yの値よりも小さくxの値が現在のバーの直前のバーの yの値より大きかった場合、‘x’系列は’y’系列の下で交差していると定義されています。

crossunder(x, y) → series[bool]

戻り値 #

xが yの下を横切った場合はtrue、そうでない場合はfalse

引数 #

dev #

シリーズとsmaとの違いの尺度

dev(source, length) → series[float]

戻り値 #

過去yバーに対するxの偏差。

引数 #

例 #

plot(dev(close, 10))

// the same on pine
pine_dev(source, length) =>
    mean = sma(source, length)
    sum = 0.0
    for i = 0 to length - 1
        val = source[i]
        sum := sum + abs(val - mean)
    dev = sum/length
plot(pine_dev(close, 10))

関連 #

variance, stdev

falling #

x系列がyバーの期間で下降しているかをテストします。

falling(source, length) → series[bool]

戻り値 #

現在のxが過去yバーに対する前のxよりも小さい場合はtrue、そうでない場合はfalse。

引数 #

関連 #

rising

linreg #

線形回帰曲線。ユーザー定義の期間に指定された価格に最も適した線。それは最小2乗法を使用して計算されます。 この関数の結果は、linreg = intercept + slope *(length - 1 - offset)を使用して計算されます。lengthはy引数、offsetはz引数、interceptおよびslopeは根本の形式(x因数)に基づいた最新の最小二乗法で計算された値です。

linreg(source, length, offset) → series[float]

戻り値 #

線形回帰曲線

引数 #

mom #

yバー前のx価格とx価格の勢い。これは単にx - x [y]の違いです。

mom(source, length) → series[float]

戻り値 #

yバー前のx価格とx価格の勢い。

引数 #

関連 #

change

percentile_linear_interpolation #

最も近い2つのランク間の線型補間の方法を利用してパーセンタイルを計算する。

percentile_linear_interpolation(source, length, percentage) → series[float]

戻り値 #

過去yバーに対するx系列のzパーセンタイル

引数 #

備考 #

この方法を使用して計算された%計算は、常に入力されたデータセットのメンバーではないことに注意してください。

関連 #

percentile_nearest_rank

percentile_nearest_rank #

最も近い順位の方法を利用して、小さい数字から大きい数字に並び替えて%表示する。

percentile_nearest_rank(source, length, percentage) → series[float]

戻り値 #

過去yバーに対するx系列のzパーセンタイル

引数 #

備考 #

バックバーが100バー未満の場合、直近のランキング方法を使用すると、1つ以上のパーセンタイルに同じ値が使用される可能性があります。
最も近いランクメソッドを使って計算されたパーセンタイルは必ず入力されたデータセットのメンバーとなります。
100のパーセンタイルは、入力データセットの中で最大値となるように定義されています。

関連 #

percentile_linear_interpolation

percentrank #

パーセントランクは、以前の値の数が指定された系列の現在の値以下の割合をパーセントで表したものです。

percentrank(source, length) → series[float]

戻り値 #

過去のyバーに対するxのパーセントランク。

引数 #

pivothigh #

この関数はピボットハイポイントの価格を返します。 ピボットハイポイントがない場合は’NaN’を返します。

pivothigh(source, leftbars, rightbars) → series[float]
pivothigh(leftbars, rightbars) → series[float]

戻り値 #

ポイントまたは ‘NaN’の価格。

引数 #

例 #

study("PivotHigh", overlay=true)
leftBars = input(2)
rightBars=input(2)
ph = pivothigh(leftBars, rightBars)
plot(ph, style=plot.style_cross, linewidth=3, color= color.red, offset=-rightBars)

備考 #

パラメーター ‘leftbars’ や ‘rightbars’ が系列の場合には、‘source’ 変数にmax_bars_back関数を利用する必要があります。

pivotlow #

この関数はピボットローポイントの価格を返します。 ピボットローポイントがない場合は ‘NaN’を返します。

pivotlow(source, leftbars, rightbars) → series[float]
pivotlow(leftbars, rightbars) → series[float]

戻り値 #

ポイントまたは ‘NaN’の価格。

引数 #

例 #

study("PivotLow", overlay=true)
leftBars = input(2)
rightBars=input(2)
pl = pivotlow(close, leftBars, rightBars)
plot(pl, style=plot.style_cross, linewidth=3, color= color.blue, offset=-rightBars)

備考 #

パラメーター ‘leftbars’ や ‘rightbars’ が系列の場合には、‘source’ 変数にmax_bars_back関数を利用する必要があります。

rising #

x系列がyバーの期間で上昇しているかをテストします。

rising(source, length) → series[bool]

戻り値 #

現在のxが過去yバーに対する前のxよりも大きい場合はtrue、そうでない場合はfalse。

引数 #

関連 #

falling