Kaufman Adaptiv Moving Average Mt4

Gjør Adaptive Moving Averages Lead To Better Results Flytte gjennomsnitt er et favorittverktøy for aktive handelsfolk. Men når markeder konsoliderer, fører denne indikatoren til mange whipsaw-bransjer, noe som resulterer i en frustrerende rekke små gevinster og tap. Analytikere har tilbrakt tiår med å prøve å forbedre det enkle glidende gjennomsnittet. I denne artikkelen ser vi på denne innsatsen og finner ut at deres søk har ført til nyttige handelsverktøy. (For bakgrunnsavlesning på enkle bevegelige gjennomsnitt, sjekk ut Enkle bevegelige gjennomsnittsverdier. Gjør trendene stående.) Fordeler og ulemper med bevegelige gjennomsnittsverdier Fordelene og ulempene ved bevegelige gjennomsnitt ble oppsummert av Robert Edwards og John Magee i første utgave av teknisk analyse av Stock Trends. da de sa det, og det var tilbake i 1941 at vi gjerne gjorde oppdagelsen (selv om mange andre hadde gjort det før) at ved å beregne dataene i et gitt antall dager, kunne en utlede en slags automatisert trendlinje som definitivt ville tolke endringene i trend Det virket nesten for godt til å være sant. Faktisk var det for godt til å være sant. Med ulempene oppveier fordelene, forlot Edwards og Magee raskt sin drøm om å handle fra en bungalow på stranden. Men 60 år etter at de skrev disse ordene, fortsetter andre ved å forsøke å finne et enkelt verktøy som uten problemer ville gi rikdomene på markedene. Enkle bevegelige gjennomsnitt For å beregne et enkelt glidende gjennomsnitt. legg til prisene for ønsket tidsperiode og divider med antall valgte perioder. Å finne et fem-dagers glidende gjennomsnitt vil kreve oppsummering av de fem siste sluttkursene og dividere med fem. Hvis den siste lukkingen er over det bevegelige gjennomsnittet, vil aksjene anses å være i en uptrend. Downtrends er definert av priser som handler under det bevegelige gjennomsnittet. (For mer, se vår Moving Averages opplæring.) Denne trenddefinerende egenskapen gjør det mulig å flytte gjennomsnitt for å generere handelssignaler. I sin enkleste søknad kjøper handelsmenn når prisene går over det glidende gjennomsnittet og selger når prisene går over den linjen. En tilnærming som dette er garantert å sette handelsmannen på høyre side av enhver betydelig handel. Dessverre, mens utjevning av dataene, vil glidende gjennomsnitt ligge bak markedsaksjonen, og næringsdrivende vil nesten alltid gi tilbake en stor del av fortjenesten på selv de største vinnende handler. Eksponentielle Flytende Gjennomsnitt Analytikere ser ut til å ha ideen om det bevegelige gjennomsnittet og har tilbrakt flere år med å forsøke å redusere problemene knyttet til dette forsinket. En av disse innovasjonene er eksponentiell glidende gjennomsnitt (EMA). Denne tilnærmingen tilordner en relativt høyere vekting til nyere data, og som et resultat forblir det nærmere prisaktiviteten enn et enkelt bevegelige gjennomsnitt. Formelen for å beregne et eksponentielt glidende gjennomsnitt er: EMA (Vekt Lukk) (1 Vekt) EMAy) Hvor: Vekt er utjevningskonstanten valgt av analytikeren EMAy er det eksponentielle glidende gjennomsnittet fra i går En felles vektningsverdi er 0,181, hvilket er nær et 20-dagers enkelt glidende gjennomsnitt. En annen er 0,10, som er omtrent et 10-dagers glidende gjennomsnitt. Selv om det reduserer lagret, unnlater det eksponentielle glidende gjennomsnittet ikke å adressere et annet problem med bevegelige gjennomsnitt, som er at deres bruk for handelssignaler vil føre til et stort antall tapende handler. I nye konsepter i tekniske handelssystemer. Welles Wilder anslår at markedene bare trender en fjerdedel av tiden. Opptil 75 av handelshandlinger er begrenset til smale områder, når flytende gjennomsnittlig kjøps-og-selgesignaler vil bli gjentatte ganger da prisene raskt beveger seg over og under det bevegelige gjennomsnittet. For å løse dette problemet har flere analytikere foreslått å variere vektningsfaktoren for EMA-beregningen. (For mer, se Hvordan flytter gjennomsnitt som brukes i handel) Tilpasning av bevegelige gjennomsnitt til markedshandling En metode for å håndtere ulempene med bevegelige gjennomsnitt er å multiplisere vektningsfaktoren med et volatilitetsforhold. Å gjøre dette ville bety at det bevegelige gjennomsnittet ville være lengre enn dagens pris i volatile markeder. Dette vil tillate vinnere å kjøre. Som en trend kommer til en slutt og prisene konsoliderer. det bevegelige gjennomsnittet vil bevege seg nærmere den nåværende markedsaksjonen, og i teorien tillate handelsmannen å beholde de fleste gevinster tatt i løpet av trenden. I praksis kan volatilitetsforholdet være en indikator som Bollinger Bandwidth, som måler avstanden mellom de kjente Bollinger Bands. (For mer om denne indikatoren, se Grunnleggende om Bollinger Bands.) Perry Kaufman foreslo å bytte vektvariabel i EMA-formelen med en konstant basert på effektivitetsforholdet (ER) i boken New Trading Systems and Methods. Denne indikatoren er utformet for å måle styrken til en trend definert innenfor et område fra -1,0 til 1,0. Det beregnes med en enkel formel: ER (total prisendring for periode) (sum av absolutte prisendringer for hver linje). Vurder en aksje som har en fempunkts rekkevidde hver dag, og ved utgangen av fem dager har det blitt totalt av 15 poeng. Dette ville resultere i en ER på 0,67 (15 poeng oppover bevegelse dividert med total 25-punkts rekkevidde). Hadde denne aksjen redusert 15 poeng, ville ER-være -0,67. (For mer handelsrådgivning fra Perry Kaufman, les Losing To Win. Som beskriver strategier for å takle handelsstap.) Prinsippet om en trendereffektivitet er basert på hvor mye retningsbestemt (eller trend) du får per prisbevegelsesenhet over en definert tidsperiode. En ER på 1,0 indikerer at aksjen er i perfekt opptrend -1,0 representerer en perfekt nedtrend. I praksis er ekstremene sjelden nådd. For å bruke denne indikatoren for å finne det adaptive glidende gjennomsnittet (AMA), må handelsfolk beregne vekten med følgende, ganske komplekse formelen: C (ER (SCF SCS)) SCS 2 Hvor: SCF er eksponensiell konstant for den raskeste EMA tillatt (vanligvis 2) SCS er eksponensiell konstant for den langsomste EMA-tillatelsen (ofte 30) ER er effektivitetsforholdet som ble notert over. Verdien for C blir da brukt i EMA-formelen i stedet for den enklere vektvariabelen. Selv om det er vanskelig å beregne for hånd, er det adaptive glidende gjennomsnittet inkludert som et alternativ i nesten alle handelsprogramvarepakker. (For mer om EMA, les Exploring The Exponentially Weighted Moving Average.) Eksempler på et enkelt glidende gjennomsnitt (rød linje), et eksponentielt glidende gjennomsnitt (blå linje) og det adaptive glidende gjennomsnittet (grønn linje) er vist i Figur 1. Figur 1: AMA er i grønt og viser størst grad av flattning i rekkeviddebundet handling sett på høyre side av dette diagrammet. I de fleste tilfeller er det eksponentielle glidende gjennomsnittet, vist som den blå linjen, nærmest prishandlingen. Det enkle glidende gjennomsnittet vises som den røde linjen. De tre bevegelige gjennomsnittene som er vist på figuren, er alle tilbøyelige til å piske på ulike tider. Denne ulempen med bevegelige gjennomsnitt har hittil vært umulig å eliminere. Konklusjon Robert Colby testet hundrevis av tekniske analyseverktøy i Encyclopedia of Technical Market Indicators. Han konkluderte med at selv om det adaptive glidende gjennomsnittet er en interessant nyere ide med betydelig intellektuell appell, viser ikke våre foreløpige tester noen reell praktisk fordel for denne mer komplekse trendutjevningsmetoden. Dette betyr ikke at handelsfolk burde ignorere ideen. AMA kan kombineres med andre indikatorer for å utvikle et lønnsomt handelssystem. (For mer om dette emnet, les Discover Discover Keltner Channels og Chaikin Oscillator.) ER kan brukes som en frittstående trendindikator for å se de mest lønnsomme handelsmulighetene. Som et eksempel viser forholdstall over 0,30 sterke opptrender og representerer potensielle kjøp. Alternativt, siden volatiliteten beveger seg i sykluser, kan aksjene med lavest effektivitetsforhold sees som breakout opportunities. MetaTrader 5 - Indikatorer Adaptive Moving Average (AMA) - indikator for MetaTrader 5 Adaptive Moving Average (AMA) brukes til å bygge et glidende gjennomsnitt med lav følsomhet for prisserienes lyder og er preget av minimalforsinkelsen for trenddeteksjon. Denne indikatoren ble utviklet og beskrevet av Perry Kaufman i sin bok Smarter Trading. En av ulempene med forskjellige utjevningsalgoritmer for prisserier er at utilsiktede prisprang kan resultere i utseendet på falske trendsignaler. På den annen side fører utjevning til det uunngåelige forsinket i å forutse trendene. Denne indikatoren ble utviklet for å overvinne disse to ulempene. Adaptiv Flytende Gjennomsnittlig Indikator For å definere dagens markedstilstand introduserte Kaufman begrepet Efficiency Ratio (ER), som beregnes ved hjelp av nedenstående formel: ER (i) - nåverdien av effektivitetsforholdssignalet (i) ABS (pris (i) - Pris (i - N)) - nåværende signalverdi, absolutt verdi av forskjell mellom nåværende pris og pris N periode siden Støy (i) Sum (ABS (Pris (i) - Pris (i-1)), N) gjeldende støyverdi, summen av absoluttverdier av forskjellen mellom prisen for den nåværende perioden og prisen på den foregående perioden for N perioder. Ved en sterk trend vil effektivitetsforholdet (ER) ha en tendens til 1 hvis det ikke er rettet bevegelse, vil det være litt mer enn 0. Den oppnådde verdien av ER brukes i eksponensiell utjevningsformel: EMA (i) Pris (i ) SC EMA (i-1) (1 - SC) SC 2 (n1) - EMA-utjevningskonstant, n - perioden for eksponentiell flytende EMA (i-1) - tidligere verdi av EMA. Utjevningsforholdet for den raske markedsmasten er som for EMA med periode 2 (rask SC 2 (21) 0.6667), og for perioden uten trender må EMA-perioden være lik 30 (langsom SC 2 (301) 0,06452). SSC: SSC (i) (ER (i) (rask SC - sakte SC) sakte SC SSC (i) ER (i) 0,60215 0,06425 For en mer effektiv innflytelse av Endelig beregningsformel: AMA (i) Pris (i) (SSC (i) 2) AMA (i-1) (1-SSC (i) 2) eller (etter omarrangementet) ): AMA (i) AMA (i-1) (SSC (i) 2) (Pris (i) - AMA (i-1)) AMA (i) - nåverdien av AMA AMA av AMA SSC (i) - nåværende verdi av den skalerte utjevningskonstanten. Oversatt fra russisk av MetaQuotes Software Corp. Originalkode: mql5rucode10Kaufman039s Adaptive Moving Average (KAMA) Kaufman039s Adaptive Moving Average (KAMA) Innledning Utviklet av Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) er et glidende gjennomsnitt som er utformet for å ta hensyn til markedsstøy eller volatilitet. KAMA vil følge prisene nøye når prisen svinger er relativt små og støyen er lav. KAMA vil justere hvem n prisen svinger utvide og følge priser fra en større avstand. Denne trend-følgende indikatoren kan brukes til å identifisere den generelle trenden, tidspunktet for vendepunkter og filterprisbevegelser. Beregning Det er flere trinn som kreves for å beregne Kaufman039s Adaptive Moving Average. Let039s første start med innstillingene anbefalt av Perry Kaufman, som er KAMA (10,2,30). 10 er antall perioder for effektivitetsforholdet (ER). 2 er antall perioder for den raskeste EMA-konstanten. 30 er antall perioder for den langsomste EMA-konstanten. Før beregning av KAMA må vi beregne effektivitetsforholdet (ER) og utjevningskonstanten (SC). Å bryte ned formelen i bite size nuggets gjør det lettere å forstå metoden bak indikatoren. Legg merke til at ABS står for absolutt verdi. Effektivitetsforhold (ER) ER er i utgangspunktet prisendringen justert for den daglige volatiliteten. I statistiske termer forteller Efficiency Ratio oss fraktal effektiviteten av prisendringer. ER svinger mellom 1 og 0, men disse ekstremer er unntaket, ikke normen. ER ville være 1 hvis prisene gikk opp i 10 påfølgende perioder eller ned 10 påfølgende perioder. ER ville være null hvis prisen er uendret i løpet av de ti perioder. Utjevning Konstant (SC) Utjevningskonstanten bruker ER og to utjevningskonstanter basert på et eksponentielt glidende gjennomsnitt. Som du kanskje har lagt merke til, bruker utjevningskonstanten utjevningskonstantene for et eksponentielt glidende gjennomsnitt i formelen. (2301) er utjevningskonstanten for en 30-årig EMA. Den raskeste SC er utjevningskonstanten for kortere EMA (2-perioder). Den langsomste SC er utjevningskonstanten for den langsommere EMA (30-perioder). Legg merke til at 2 på slutten er å firkant ligningen. Med effektivitetsforholdet (ER) og utjevningskonstant (SC) er vi nå klare til å beregne Kaufman039s adaptive flytende gjennomsnitt (KAMA). Siden vi trenger en innledende verdi for å starte beregningen, er den første KAMA bare et enkelt glidende gjennomsnitt. Følgende beregninger er basert på formelen nedenfor. BeregningseksempelChart Bildene nedenfor viser et skjermbilde fra et Excel-regneark som brukes til å beregne KAMA og det tilsvarende QQQ-diagrammet. Bruk og signaler Chartists kan bruke KAMA som enhver annen trend som følger indikator, for eksempel et glidende gjennomsnitt. Chartister kan se etter priskryss, retningsendringer og filtrerte signaler. For det første angir et kryss over eller under KAMA retningsendringer i priser. Som med ethvert glidende gjennomsnitt, vil et enkelt crossover-system generere mange signaler og mange whipsaws. Chartister kan redusere whipsaws ved å bruke et pris - eller tidsfilter til overgangene. Man kan kreve pris for å holde krysset i angitt antall dager eller kreve korset, overstige KAMA etter sett prosentandel. For det andre kan kartleggere bruke KAMAs retning for å definere den generelle trenden for sikkerhet. Dette kan kreve en parameterjustering for å glatte indikatoren ytterligere. Chartister kan endre midtparameteren, som er den raskeste EMA-konstanten, for å glatte KAMA og se etter retningsendringer. Trenden er nede så lenge KAMA faller og smi lavere nedgang. Trenden går opp så lenge KAMA stiger og smi høyere høyder. Kroger-eksempelet nedenfor viser KAMA (10,5,30) med en bratt oppgang fra desember til mars og en mindre bratt oppgang fra mai til august. Og til slutt kan kartleggere kombinere signaler og teknikker. Chartister kan bruke en langsiktig KAMA for å definere den større trenden og kortsiktige KAMA for handelssignaler. For eksempel kan KAMA (10,5,30) brukes som et trendfilter og anses å være bullish når det stiger. Når hausse, kan kartleggere da se etter bullish kryss når prisen beveger seg over KAMA (10,2,30). Eksemplet nedenfor viser MMM med en stigende langsiktig KAMA og bullish kryss i desember, januar og februar. Langsiktig KAMA avslått i april, og det var bearish kryss i mai, juni og juli. SharpCharts KAMA kan bli funnet som en indikatoroverlegg i SharpCharts arbeidsbenk. Standardinnstillingene vises automatisk i parameterboksen når den er valgt, og diagrammer kan endre disse parameterne slik de passer til deres analytiske behov. Den første parameteren er for effektivitetsforholdet, og diagrammer bør avstå fra å øke dette nummeret. I stedet kan diagrammer redusere det for å øke følsomheten. Chartister som ønsker å glatte KAMA for langsiktig trendanalyse, kan øke mellomparameteren gradvis. Selv om forskjellen er bare 3, er KAMA (10,5,30) betydelig jevnere enn KAMA (10,2,30). Ytterligere studie Fra skaperen gir boken nedenfor detaljert informasjon om indikatorer, programmer, algoritmer og systemer, inkludert detaljer om KAMA og andre bevegelige gjennomsnittssystemer. Handelssystemer og metoder Perry Kaufman