xel_arjona

Standard Error Bands by @XeL_arjona

Standard Error Bands - Code by @XeL_arjona
Original implementation by:
Traders issue: Stocks & Commodities V. 14:9 (375-379):
Standard Error Bands by Jon Andersen
Version 1



For a quick and publicly open explanation of this Statistical indicator, you can refer at Here!

Extract from the former URL:
Standard Error bands are quite different than Bollinger's. First, they are bands constructed around a linear regression curve. Second, the bands are based on two standard errors above and below this regression line. The error bands measure the standard error of the estimate around the linear regression line. Therefore, as a price series follows the course of the regression line the bands will narrow, showing little error in the estimate. As the market gets noisy and random, the error will be greater resulting in wider bands.


Skript med en öppen källkod

I sann TradingView-anda har författaren publicerat detta skript med öppen källkod så att andra handlare kan förstå och verifiera det. Hatten av för författaren! Du kan använda det gratis men återanvändning av den här koden i en publikation regleras av våra ordningsregler. Du kan ange den som favorit för att använda den i ett diagram.

Frånsägelse av ansvar

Informationen och publikationerna är inte avsedda att vara, och utgör inte heller finansiella, investerings-, handels- eller andra typer av råd eller rekommendationer som tillhandahålls eller stöds av TradingView. Läs mer i Användarvillkoren.

Vill du använda det här skriptet i ett diagram?
// Standard Error Bands - Code by @XeL_arjona
// Original implementation by:
//     Traders issue: Stocks & Commodities V. 14:9 (375-379): 
//                    Standard Error Bands by Jon Andersen
// Ver 1
study(title="Standard Error Bands by @XeL_arjona", shorttitle="StDeBands", overlay=true)
len = input(defval=21, minval=1, title="Linear Regression Window:")
sm = input(true, title="Use Jon Andersen's Smooth of Median:")
src = close
// Standard Error Band Function
stdeB(array,p,mult,dir) =>
    lr = sm ? sma(linreg(array,p,0),1) : linreg(array,p,0)
    stde = stdev(lr,p)/sqrt(p)
    d = dir ? 1 : -1
    eband = lr + d * mult * stde
lrc = sma(linreg(src, len, 0),1)
m = plot(lrc, color = blue, title = "OLS Regression Curve", style = line, linewidth = 2)
ub = plot(stdeB(close,len,2,true), color = green, title = 'StdEu', style = line, linewidth = 1)
bb = plot(stdeB(close,len,2,false), color = red, title = 'StdEb', style = line, linewidth = 1)
fill(m,ub, color=olive, title="StdE_U", transp=81)
fill(m,bb, color=orange, title="StdE_B", transp=81)