Corrente média ponderada exponencialmente

MetaTrader 4 - Indicadores Médias Móveis, MA - indicador para MetaTrader 4 O Indicador Técnico de Média Móvel mostra o valor médio do preço do instrumento para um determinado período de tempo. Quando se calcula a média móvel, uma média do preço do instrumento para este período de tempo. À medida que o preço muda, sua média móvel aumenta ou diminui. Existem quatro tipos diferentes de médias móveis: Simples (também conhecido como Aritmética), Exponencial, Suavizado e Linear Ponderado. As médias móveis podem ser calculadas para qualquer conjunto de dados seqüenciais, incluindo preços de abertura e fechamento, preços mais altos e mais baixos, volume de negociação ou quaisquer outros indicadores. É freqüentemente o caso quando se utilizam médias móveis duplas. A única coisa em que médias móveis de diferentes tipos divergem consideravelmente umas das outras, é quando os coeficientes de peso, que são atribuídos aos dados mais recentes, são diferentes. No caso de estamos falando de simples média móvel, todos os preços do período em questão, são iguais em valor. As Médias Mínimas exponenciais e Lineares ponderadas atribuem mais valor aos preços mais recentes. A maneira mais comum de interpretar a média móvel de preços é comparar sua dinâmica com a ação de preço. Quando o preço do instrumento sobe acima de sua média móvel, um sinal de compra aparece, se o preço cai abaixo de sua média móvel, o que temos é um sinal de venda. Este sistema de negociação, que se baseia na média móvel, não é projetado para fornecer entrada no mercado direito em seu ponto mais baixo, e sua saída direita no pico. Ele permite agir de acordo com a seguinte tendência: comprar logo após os preços atingem o fundo, e vender logo após os preços atingiram seu pico. Simples, ou seja, a média móvel aritmética é calculada pela soma dos preços de encerramento do instrumento ao longo de um certo número de períodos únicos (por exemplo, 12 horas). Este valor é então dividido pelo número de tais períodos. SMA SUM (CLOSE, N) N Onde: N é o número de períodos de cálculo. Média Móvel Exponencial (EMA) A média móvel suavizada exponencialmente é calculada adicionando a média móvel de uma determinada parcela do preço de fechamento atual ao valor anterior. Com médias móveis exponencialmente suavizadas, os preços mais recentes são de maior valor. P-porcentagem de média móvel exponencial será semelhante a: Onde: FECHAR (i) o preço do encerramento do período atual EMA (i-1) Exponencialmente Movendo Média do período anterior encerramento P a percentagem de utilização do valor do preço. Média Móvel Smoothed (SMMA) O primeiro valor desta média móvel suavizada é calculado como a média móvel simples (SMA): SUM1 SUM (CLOSE, N) A segunda e as médias móveis subsequentes são calculadas de acordo com esta fórmula: Onde: SUM1 é o Soma total dos preços de fechamento para N períodos SMMA1 é a média móvel suavizada da primeira barra SMMA (i) é a média móvel suavizada da barra atual (exceto a primeira) CLOSE (i) é o preço de fechamento atual N é o Período de suavização. Média Móvel Ponderada Linear (LWMA) No caso da média móvel ponderada, os dados mais recentes têm mais valor do que os dados mais antigos. A média móvel ponderada é calculada multiplicando cada um dos preços de fechamento dentro da série considerada, por um determinado coeficiente de ponderação. LWMA SUM (Close (i) i, N) SOMA (i, N) Onde: SUM (i, N) é a soma total dos coeficientes de peso. As médias móveis também podem ser aplicadas aos indicadores. É aí que a interpretação das médias móveis dos indicadores é semelhante à interpretação das médias móveis de preços: se o indicador se eleva acima da média móvel, isso significa que o movimento do indicador ascendente deve continuar: se o indicador cair abaixo da sua média móvel, Significa que é provável que continue indo para baixo. Aqui estão os tipos de médias móveis no gráfico: média móvel simples (SMA) média móvel exponencial (EMA) média móvel suavizada (SMMA) média móvel ponderada linear (LWMA) explorando a média móvel ponderada exponencial é a medida mais comum de risco , Mas vem em vários sabores. Em um artigo anterior, mostramos como calcular a volatilidade histórica simples. (Para ler este artigo, consulte Usando a volatilidade para medir o risco futuro.) Usamos os dados reais do estoque do Google para computar a volatilidade diária com base em 30 dias de dados de estoque. Neste artigo, melhoraremos a volatilidade simples e discutiremos a média móvel exponencialmente ponderada (EWMA). Histórico vs. Volatilidade implícita Primeiro, vamos colocar esta métrica em um pouco de perspectiva. Há duas abordagens gerais: volatilidade histórica e implícita (ou implícita). A abordagem histórica pressupõe que o passado é um prólogo que medimos a história na esperança de que ela seja preditiva. A volatilidade implícita, por outro lado, ignora a história que resolve pela volatilidade implícita nos preços de mercado. Espera que o mercado conheça melhor e que o preço de mercado contenha, mesmo que implicitamente, uma estimativa consensual da volatilidade. Se focarmos apenas as três abordagens históricas (à esquerda acima), elas têm duas etapas em comum: Calcular a série de retornos periódicos Aplicar um esquema de ponderação Primeiro, nós Calcular o retorno periódico. Isso é tipicamente uma série de retornos diários onde cada retorno é expresso em termos continuamente compostos. Para cada dia, tomamos o log natural da razão dos preços das ações (ou seja, preço hoje dividido pelo preço de ontem, e assim por diante). Isso produz uma série de retornos diários, de u i para u i-m. Dependendo de quantos dias (m dias) estamos medindo. Isso nos leva ao segundo passo: é aqui que as três abordagens diferem. No artigo anterior (Usando a Volatilidade para Avaliar o Risco Futuro), mostramos que, sob algumas simplificações aceitáveis, a variância simples é a média dos retornos quadrados: Note que isto soma cada um dos retornos periódicos e depois divide esse total pela Número de dias ou observações (m). Então, é realmente apenas uma média dos retornos periódicos quadrados. Dito de outra forma, cada retorno ao quadrado é dado um peso igual. Portanto, se alfa (a) é um fator de ponderação (especificamente, um 1m), então uma variância simples é algo como isto: O EWMA Melhora na Variância Simples A fraqueza desta abordagem é que todos os retornos ganham o mesmo peso. O retorno de ontem (muito recente) não tem mais influência na variância do que nos últimos meses. Esse problema é corrigido usando-se a média móvel exponencialmente ponderada (EWMA), na qual retornos mais recentes têm maior peso na variância. A média móvel exponencialmente ponderada (EWMA) introduz lambda. Que é chamado de parâmetro de suavização. Lambda deve ser inferior a um. Sob essa condição, em vez de pesos iguais, cada retorno ao quadrado é ponderado por um multiplicador da seguinte forma: Por exemplo, RiskMetrics TM, uma empresa de gestão de risco financeiro, tende a usar um lambda de 0,94 ou 94. Neste caso, o primeiro Mais recente) é ponderado por (1-0.94) (. 94) 0 6. O próximo retomo ao quadrado é simplesmente um lambda-múltiplo do peso anterior neste caso 6 multiplicado por 94 5.64. E o terceiro dia anterior peso é igual a (1-0,94) (0,94) 2 5,30. Esse é o significado de exponencial em EWMA: cada peso é um multiplicador constante (isto é, lambda, que deve ser menor que um) do peso dos dias anteriores. Isso garante uma variância que é ponderada ou tendenciosa em direção a dados mais recentes. (Para saber mais, consulte a Planilha do Excel para a Volatilidade do Google.) A diferença entre simplesmente volatilidade e EWMA para o Google é mostrada abaixo. A volatilidade simples pesa efetivamente cada retorno periódico em 0.196, como mostrado na coluna O (tivemos dois anos de dados diários sobre os preços das ações, ou seja, 509 retornos diários e 1509 0.196). Mas observe que a Coluna P atribui um peso de 6, então 5.64, então 5.3 e assim por diante. Essa é a única diferença entre a variância simples e EWMA. Lembre-se: Depois de somarmos toda a série (na coluna Q) temos a variância, que é o quadrado do desvio padrão. Se queremos a volatilidade, precisamos nos lembrar de tomar a raiz quadrada dessa variância. Sua significativa: A variância simples nos deu uma volatilidade diária de 2,4, mas a EWMA deu uma volatilidade diária de apenas 1,4 (veja a planilha para mais detalhes). Aparentemente, volatilidade Googles estabeleceu-se mais recentemente, portanto, uma variância simples pode ser artificialmente elevado. A variação de hoje é uma função da variação dos dias de Pior Você observará que nós necessitamos computar uma série longa de pesos exponencial declinando. Nós não faremos a matemática aqui, mas uma das melhores características do EWMA é que a série inteira convenientemente reduz a uma fórmula recursiva: Recursivo significa que as referências de variância de hoje (ou seja, é uma função da variação de dias anteriores). Você pode encontrar esta fórmula na planilha também, e produz o mesmo resultado exato que o cálculo de longhand Diz: A variância de hoje (sob EWMA) iguala a variância de ontem (ponderada por lambda) mais o retorno ao quadrado de ontem (pesado por um lambda negativo). Observe como estamos apenas adicionando dois termos juntos: ontem variância ponderada e ontem ponderado, retorno ao quadrado. Mesmo assim, lambda é o nosso parâmetro de suavização. Um lambda mais alto (por exemplo, como o RiskMetrics 94) indica um declínio mais lento na série - em termos relativos, vamos ter mais pontos de dados na série e eles vão cair mais lentamente. Por outro lado, se reduzimos o lambda, indicamos maior decaimento: os pesos caem mais rapidamente e, como resultado direto da rápida decomposição, são usados ​​menos pontos de dados. (Na planilha, lambda é uma entrada, para que você possa experimentar com sua sensibilidade). Resumo A volatilidade é o desvio padrão instantâneo de um estoque ea métrica de risco mais comum. É também a raiz quadrada da variância. Podemos medir a variância historicamente ou implicitamente (volatilidade implícita). Ao medir historicamente, o método mais fácil é a variância simples. Mas a fraqueza com variância simples é todos os retornos obter o mesmo peso. Então, enfrentamos um trade-off clássico: sempre queremos mais dados, mas quanto mais dados temos, mais nosso cálculo é diluído por dados distantes (menos relevantes). A média móvel exponencialmente ponderada (EWMA) melhora a variância simples atribuindo pesos aos retornos periódicos. Ao fazer isso, podemos usar um grande tamanho de amostra, mas também dar maior peso a retornos mais recentes. (Para ver um tutorial de filme sobre este tópico, visite o Bionic Turtle.) Artigo 50 é uma cláusula de negociação e liquidação no tratado da UE que delineia as medidas a serem tomadas para qualquer país que. Uma oferta inicial sobre os ativos de uma empresa falida de um comprador interessado escolhido pela empresa falida. De um pool de licitantes. Beta é uma medida da volatilidade, ou risco sistemático, de um título ou de uma carteira em comparação com o mercado como um todo. Um tipo de imposto incidente sobre ganhos de capital incorridos por pessoas físicas e jurídicas. Os ganhos de capital são os lucros que um investidor. Uma ordem para comprar um título igual ou inferior a um preço especificado. Uma ordem de limite de compra permite que traders e investidores especifiquem. Uma regra do Internal Revenue Service (IRS) que permite retiradas sem penalidade de uma conta IRA. A regra exige que. Como calcular EMA no Excel Aprenda a calcular a média móvel exponencial no Excel e VBA, e obter uma planilha on-line conectada livre. A planilha recupera dados de estoque do Yahoo Finance, calcula EMA (sobre a janela de tempo escolhida) e traça os resultados. O link de download está na parte inferior. O VBA pode ser visto e editado it8217s completamente gratuito. Mas primeiro desconsiderar por que EMA é importante para os comerciantes técnicos e analistas de mercado. As cartas históricas do preço da ação são poluídas frequentemente com muito ruído de alta freqüência. Isso muitas vezes obscurece grandes tendências. As médias móveis ajudam a suavizar estas flutuações menores, dando-lhe uma visão mais ampla da direção geral do mercado. A média móvel exponencial coloca maior importância em dados mais recentes. Quanto maior o período de tempo, menor a importância dos dados mais recentes. A EMA é definida por esta equação. O preço de today8217s (multiplicado por um peso) e o EMA de yesterday8217s (multiplicado por 1-weight) Você necessita kickstart o cálculo de EMA com um EMA inicial (EMA 0). Esta é geralmente uma média móvel simples de comprimento T. O gráfico acima, por exemplo, dá a EMA da Microsoft entre 01 de janeiro de 2017 e 14 de janeiro de 2017. Técnico comerciantes muitas vezes usam o cruzamento de duas médias móveis 8211 um com um curto prazo E outro com um longo período de tempo 8211 para gerar sinais de buysell. Frequentemente são utilizadas médias móveis de 12 e 26 dias. Quando a média móvel mais curta sobe acima da média móvel mais longa, o mercado está tendendo para cima este é um sinal de compra. No entanto, quando as médias móveis mais curtas cai abaixo da média móvel longa, o mercado está caindo este é um sinal de venda. Let8217s primeiro aprender a calcular EMA usando funções de planilha. Depois que we8217ll descobrir como usar VBA para calcular EMA (e automaticamente traçar gráficos) Calcular EMA em Excel com Funções de Folha Etapa 1. Let8217s dizer que queremos calcular o EMA de 12 dias do preço das ações Exxon Mobil8217s. Primeiro precisamos obter preços de ações históricos 8211 você pode fazer isso com este downloader cotação estoque em massa. Passo 2 . Calcule a média simples dos primeiros 12 preços com a função Average () do Excel8217s. No screengrab abaixo, na célula C16 temos a fórmula AVERAGE (B5: B16) onde B5: B16 contém os primeiros 12 preços de fechamento Passo 3. Logo abaixo da célula usada na Etapa 2, digite a fórmula EMA acima Lá você tem You8217ve calculou com sucesso um importante indicador técnico, EMA, em uma planilha. Calcule EMA com VBA Agora let8217s mecanizar os cálculos com VBA, incluindo a criação automática de parcelas. Eu não mostrarei o VBA completo aqui (it8217s disponível na planilha abaixo), mas discutiremos o código mais crítico. Etapa 1. Faça o download de cotações históricas de ações para o seu ticker do Yahoo Finance (usando arquivos CSV) e carregue-as no Excel ou use o VBA nesta planilha para obter as cotações históricas diretamente no Excel. Seus dados podem ser algo como isto: Etapa 2. É aqui que precisamos exercitar alguns braincells 8211 precisamos implementar a equação EMA na VBA. Podemos usar o estilo R1C1 para inserir programaticamente fórmulas em células individuais. Examine o fragmento de código abaixo. Sheets (quotDataquot).Range (quothquot amp EMAWindow 1) quotabase (R-quot amp EMAWindow - 1 amp quotC-3: RC-3) quotDetalhes (quotDataquot).Range (quothquot amp EMAWindow 2 amp: hquot amp numRows). (EMAWindow1))) EMOWindow é uma variável que é igual à janela de tempo desejada numRows é o número total de pontos de dados 1 (o 8220 18221 é porque Assumindo que os dados de estoque reais começa na linha 2) o EMA é calculado na coluna h Supondo que EMAWindow 5 e numrows 100 (ou seja, há 99 pontos de dados) a primeira linha coloca uma fórmula na célula h6 que calcula a média aritmética Dos primeiros 5 pontos de dados históricos A segunda linha coloca fórmulas nas células h7: h100 que calcula o EMA dos restantes 95 pontos de dados Etapa 3 Esta função VBA cria um gráfico do preço de fechamento e EMA. Definir EMAChart ActiveSheet. ChartObjects. Add (Esquerda: Range (quota12quot).Left, Width: 500, Top: Range (quota12quot).Top, Height: 300) Com EMAChart. Chart. Parent. Name quotEMA ChartQuando com. SeriesCollection. NewSeries. ChartType xlLine. Values ​​Sheets (quotdataquot).Range (quote2: equot amp numRows).XValues ​​Sheets (quotdataquot).Range (quota2: aquot amp numRows).Format. Line. Weight 1.Nome quotPricequot End With Com. SeriesCollection. NewSeries. ChartType xlLine. AxisGroup xlPrimary. Values ​​Sheets (quotdataquot).Range (quoth2: hquot amp numRows).Name quotEMAquot. Border. ColorIndex 1.Format. Line. Weight 1 End With. Axes (xlValue, xlPrimary).HasTitle True. Axes XlValue, xlPrimary).AxisTitle. Characters. Text quotPricequot. Axes (xlValue, xlPrimary).MaximumScale WorksheetFunction. Max (Sheets (quotDataquot).Range (quote2: equot amp numRows)).Axes (xlValue, xlPrimary).MinimumScale Int (WorksheetFunction. Min (Sheets (quotDataquot).Range (quote2: equot amp numRows))).Legend. Position xlLegendPositionRight. SetElement (msoElementChartTitleAboveChart).ChartTitle. Text quotFechar Price amp quot amp EMAWindow amp quot-Day EMAquot End With Obtenha esta planilha para a implementação completa da calculadora EMA com download automático de dados históricos. A última vez que eu baixei um de seus speadsheets Excel causou meu programa antivírus para sinalizá-lo como um PUP (programa potencial não desejado) em que aparentemente havia código embutido no download que era adware, Spyware ou pelo menos potencial malware. Foram necessários literalmente dias para limpar meu pc. Como posso garantir que só baixe o Excel? Infelizmente, há incríveis quantidades de malware. Adware e spywar, e você pode ser muito cuidadoso. Se for uma questão de custo eu não estaria disposto a pagar uma soma razoável, mas o código deve ser PUP livre. Obrigado, Não há vírus, malware ou adware nas minhas planilhas. Eu os programei pessoalmente e sei exatamente o que está dentro deles. Há um link de download direto para um arquivo zip na parte inferior de cada ponto (em azul escuro, negrito e sublinhado). That8217s o que você deve baixar. Passe o mouse sobre o link e você verá um link direto para o arquivo zip. Eu quero usar o meu acesso a preços ao vivo para criar indicadores de tecnologia ao vivo (ou seja, RSI, MACD etc). Eu acabei de perceber, a fim de precisão completa eu preciso 250 dias de valor de dados para cada ação em oposição aos 40 que tenho agora. Há qualquer lugar para acessar dados históricos de coisas como EMA, Avg Gain, perda média que maneira que eu poderia usar apenas que os dados mais precisos no meu modelo Em vez de usar 252 dias de dados para obter o direito RSI 14 dias eu poderia apenas obter um externo Sourced valor para o ganho médio e perdas médias e ir de lá eu quero o meu modelo para mostrar os resultados de 200 ações em oposição a alguns. Eu quero traçar vários EMAs BB RSI no mesmo gráfico e com base em condições gostaria de disparar o comércio. Isso funcionaria para mim como uma amostra excel backtester. Você pode me ajudar a plotar várias timeseries em um mesmo gráfico usando o mesmo conjunto de dados. Eu sei como aplicar os dados brutos para uma planilha do Excel, mas como você aplica os resultados ema. O ema em gráficos do excel pode ser ajustado para períodos específicos. Obrigado kliff mendes diz: Oi, Samir, Em primeiro lugar, graças um milhão para todo o seu trabalho árduo trabalho. Outstanding DEUS ABENÇOAR. Eu só queria saber se eu tenho dois ema traçados no gráfico permite dizer 20ema e 50ema quando atravessam tanto para cima ou para baixo pode a palavra comprar ou vender aparecem na cruz sobre o ponto vai me ajudar muito. Kliff mendes texas I8217m trabalhando em uma simples planilha de backtesting that8217ll gerar sinais de compra e venda. Dê-me algum time8230 Grande trabalho em gráficos e explicações. Eu tenho uma pergunta embora. Se eu alterar a data de início para um ano mais tarde e olhar para dados EMA recentes, é visivelmente diferente do que quando eu uso o mesmo período de EMA com uma data de início anterior para a mesma referência de data recente. É isso que você espera. Isso torna difícil olhar para gráficos publicados com EMAs mostrado e não ver o mesmo gráfico. Shivashish Sarkar diz: Oi, eu estou usando sua calculadora EMA e eu realmente aprecio. No entanto, tenho notado que a calculadora não é capaz de traçar os gráficos para todas as empresas (mostra erro de tempo de execução 1004). Você pode por favor criar uma edição atualizada de sua calculadora em que as novas empresas serão incluídas Deixe uma resposta Cancelar resposta Como o Free Spreadsheets Master Knowledge Base Mensagens recentesEste repo fornece algoritmos de média móvel ponderada exponencialmente, ou EWMAs para breve, com base em nosso comportamento quantitativo anormal conversa . Média móvel exponencialmente ponderada Uma média móvel exponencialmente ponderada é uma forma de calcular continuamente um tipo de média para uma série de números, à medida que os números chegam. Depois que um valor na série é adicionado à média, seu peso na média diminui exponencialmente ao longo do tempo. Isso distorce a média em relação aos dados mais recentes. EWMAs são úteis por várias razões, principalmente os custos computacionais e de memória baratos, bem como o fato de que eles representam a recente tendência central da série de valores. O algoritmo EWMA requer um fator de decaimento, alfa. Quanto maior o alfa, mais a média é tendenciosa para a história recente. O alfa deve estar entre 0 e 1, e é tipicamente um número bastante pequeno, como 0.04. Vamos discutir a escolha do alfa mais tarde. O algoritmo funciona assim, em pseudocódigo: Multiplique o próximo número da série por alfa. Multiplique o valor atual da média por 1 menos alfa. Adicione o resultado das etapas 1 e 2 e armazene-o como o novo valor atual da média. Repita para cada número da série. Existem comportamentos de casos especiais para como inicializar o valor atual, e estes variam entre implementações. Uma abordagem é começar com o primeiro valor na série outro é a média dos primeiros 10 ou mais valores na série usando uma média aritmética, e então começar a atualização incremental da média. Cada método tem prós e contras. Pode ajudar a olhar para ele pictorially. Suponha que a série tem cinco números, e nós escolhemos alpha para ser 0.50 por simplicidade. Heres a série, com números na vizinhança de 300. Agora vamos pegar a média móvel desses números. Primeiro, definimos a média para o valor do primeiro número. Em seguida, multiplicamos o próximo número por alfa, multiplicamos o valor atual por 1-alfa e os adicionamos para gerar um novo valor. Isso continua até que tenhamos terminado. Observe como cada um dos valores da série decai pela metade cada vez que um novo valor é adicionado, ea parte superior das barras na parte inferior da imagem representa o tamanho da média móvel. É uma média suavizada, ou low-pass, da série original. Considere uma média móvel da janela deslizante de tamanho fixo (não uma média móvel ponderada exponencialmente) que médias sobre as N amostras anteriores. Qual é a idade média de cada amostra É N2. Agora, suponha que você deseja construir um EWMA cujas amostras têm a mesma idade média. A fórmula para calcular o alfa requerido para isso é: alfa 2 (N1). Prova está no livro Produção e Análise de Operações de Steven Nahmias. Assim, por exemplo, se você tiver uma série de tempo com amostras uma vez por segundo e quiser obter a média móvel no minuto anterior, use um alfa de .032786885. Isto, aliás, é o alfa constante usado para este repositorios SimpleEWMA. Este repositório contém duas implementações do algoritmo EWMA, com diferentes propriedades. Todas as implementações estão de acordo com a interface MovingAverage eo construtor retorna esse tipo. As implementações atuais assumem um intervalo de tempo implícito de 1,0 entre cada amostra adicionada. Ou seja, a passagem do tempo é tratada como se fosse a mesma que a chegada de amostras. Se você precisar de decadência baseada no tempo quando as amostras não estão chegando precisamente em intervalos definidos, então este pacote não vai apoiar as suas necessidades no momento. Um SimpleEWMA foi projetado para baixo consumo de CPU e memória. Ele terá comportamento diferente do que o VariableEWMA por várias razões. Não tem período de aquecimento e usa uma decaimento constante. Essas propriedades permitem usar menos memória. Ele também se comportará de forma diferente quando for igual a zero, o que é assumido como não inicializado, portanto, se um valor é provável que realmente se torne zero ao longo do tempo, então qualquer valor diferente de zero causará um salto brusco em vez de uma pequena alteração. Ao contrário do SimpleEWMA, isso suporta uma idade personalizada que deve ser armazenada e, portanto, usa mais memória. Ele também tem um tempo de aquecimento quando você começa a adicionar valores a ele. Ele relatará um valor de 0,0 até que você tenha adicionado o número necessário de amostras para ele. Ele usa alguma memória para armazenar o número de amostras adicionadas a ele. Como resultado, ele usa um pouco mais do que o dobro da memória do SimpleEWMA. Veja aqui a documentação gerada pelo GoDoc. Só aceitamos solicitações de pull para correções menores ou melhorias. Isso inclui: Pequenas correções de erros Typos Documentação ou comentários Abra problemas para discutir novos recursos. Os pedidos de extração de novos recursos serão rejeitados, por isso recomendamos que o repositório seja bifurcado e faça alterações no seu fork para seu caso de uso. Este repositório é Copyright (c) 2017 VividCortex, Inc. Todos os direitos reservados. É licenciado sob a licença do MIT. Consulte o arquivo LICENSE para obter os termos de licença aplicáveis.