Adaptive Bevegelig Gjennomsnitt Parametere

Er smartere bedre En sammenligning av adaptive og enkle bevegelige gjennomsnittlige handelsstrategier Craig A. Ellis. , Simon A. Parbery School of Economics and Finance, University of Western Sydney, Locked Bag 1797, Penrith South DC, NSW 1797, Australia Mottatt 5. september 2004, revidert 7. desember 2004, akseptert 20. desember 2004 Tilgjengelig online 24. juni 2005Dette studiet undersøker Den komparative ytelsen til et Adaptive Moving Average (AMA) på Australian All Ordinaries, Dow Jones Industrial Average, og Standard and Poors 500 børsindekser. Den teoretiske fordelen ved det adaptive flytende gjennomsnittet over SMA-handelssystemer med fast lengde (SMA), er evnen til automatisk å reagere på endrede markedsforhold, avhengig av volatilitetsnivået i markedet. Selv om strategien er bekreftet å ha noen markedstidsevne, viser de samlede resultatene retur til det adaptive Flytende Gjennomsnittet ikke kompensere for kostnaden for handel, og gir derfor støtte til bruk av en langsiktig, passiv strategi. JEL-klassifisering Teknisk analyse Adaptiv Flytende Gjennomsnittlig Tilsvarende forfatter. Tlf. 61 2 4620 3250 faks: 61 2 4626 6683. Opphavsrett kopi 2005 Elsevier B. V. Alle rettigheter reservert. Cookies brukes av dette nettstedet. For mer informasjon, besøk siden Cookies. Opphavsrett 2017 Elsevier B. V. eller dets lisensgivere eller bidragsytere. ScienceDirect er et registrert varemerke for Elsevier B. V.Moving Average Parameters Tre Moving Average Parameters Så du vil legge til et glidende gjennomsnitt på diagrammer. Hva er parametrene du må angi eller velge? Det er bare noen få (tre): Prisene som skal brukes til å beregne gjennomsnittet: Lukk, gjennomsnitt av høy og lav, gjennomsnittlig høy, lav og lukk osv. lengden på perioden for glidende gjennomsnitt hvor mange barer vil bli brukt til å beregne det bevegelige gjennomsnittet, eller med andre ord hvor mange barer vi vil se på hvert øyeblikk. Type bevegelige gjennomsnittet formelen som brukes: enkel vs. eksponentiell vs. andre typer. Let8217s nå utforske hver av parameterne. Parameter 1: Pris Brukt for Flytende Gjennomsnittlig Beregning De fleste bruker vanligvis hver bar8217s sluttkurs for å beregne glidende gjennomsnitt. I mange tilfeller er dette berettiget av den spesielle rollen som sluttkursen har. For eksempel representerer hver dag8217s sluttkurs på en børsindeks aksjemarkedet8217s konsensus på slutten av denne handelsdagen, når forhandlere lukker sine intradagstillinger og forbereder sine porteføljer for natten når de ikke ser på markedet. På den annen side er sluttkursene på barer mindre viktig på intradagskjemaer informasjonen om hvilken pris markedet handlet nøyaktig på slutten av en bestemt 5 eller 10 minutters periode i løpet av dagen, har liten betydning for de fleste markedsdeltakere. Derfor kan du se på alternative metoder for å beregne glidende gjennomsnitt når du arbeider med intradagdata: Flytte gjennomsnitt kan beregnes ut fra gjennomsnittet av høy og lav av hver bar, eller fra den såkalte typiske prisen (gjennomsnittet av høyt, lavt , og lukk), eller fra gjennomsnittet av alle fire priser (åpent, høyt, lavt og nært). Parameter 2: Flytende gjennomsnittlig lengdeperiode Lengden på det bevegelige gjennomsnittet eller mer nøyaktig antall barer som er inkludert i den bevegelige gjennomsnittsberegningen, er trolig den mest diskuterte av de tre parametrene. Du kan beregne glidende gjennomsnitt fra bare noen få (for eksempel 8) siste prisbarer, og du vil se at den reagerer veldig raskt på hver liten forandring i markedet8217s retning. Alternativt kan du inkludere tiere eller hundrevis av prisbarer i beregningen (for eksempel 200 barer er et populært oppsett). På denne måten vil du filtrere ut alle bar-til-bar-støyen, den lange perioden som beveger gjennomsnittet, vil bare gjenspeile den meningsfulle, langsiktige prisutviklingen. Foruten å se på antall barer. du må selvsagt også ta hensyn til hvor lenge hver bar er. Mens 10 barer representerer 2 uker på et daglig kart, er de mindre enn en time på et 5-minutters diagram. Det er ingen ideell bevegelig gjennomsnittlig lengdeperiode. som ulike handelsstiler og strategier krever å se på ulike opplysninger. Problemet med å finne en god bevegelig gjennomsnittsperiode ble diskutert her: Flytende gjennomsnittsperiode. Parameter 3: Flytende gjennomsnittstype Den vanligste bevegelige gjennomsnittstypen er enkel glidende gjennomsnitt. Som navnet antyder, er det også den enkleste å beregne og forstå (that8217s er sannsynligvis den viktigste grunnen til at it8217 er den mest populære). Enkel glidende gjennomsnitt er (ganske enkelt) det aritmetiske gjennomsnittet for de siste N-strekene (N er den bevegelige gjennomsnittlige perioden som er omtalt ovenfor). Du oppsummerer N siste priser og deler resultatet med N. I tillegg til enkel glidende gjennomsnitt, finnes det andre typer. Det er bare små variasjoner i formlene, og noen ganger er det vanskelig å fortelle hvilken type glidende gjennomsnitt det bare er å se på et diagram. Eksempelvis eksponensielt glidende gjennomsnitt legger mer vekt til de siste prisene, og derfor ser det ut til å reagere litt raskere på prisendringer i forhold til det enkle glidende gjennomsnittet. Andre ofte brukte bevegelige gjennomsnittstyper inkluderer minst kvadratisk glidende gjennomsnitt. adaptivt glidende gjennomsnitt. eller vektet glidende gjennomsnitt. Hvis du er kreativ og god med tall, kan du selv designe dine egne proprietære metoder (likevel er nytten av slik innsats tvilsom, gitt de små forskjellene og litt ekstra informasjon du får). Hvilke flytende gjennomsnittlige parametre som skal brukes Hvis du ikke har gjort mye kvantitativ testing og ikke har noen anelse om hvilken flytende gjennomsnittlig beregningsmetode som kan være effektiv for din handelsmetode, foreslår jeg at du begynner med det helt grunnleggende. Ta det enkle glidende gjennomsnittet beregnet ut fra sluttkursene (dette er oppsettet som kartleggingsprogramvaren din sannsynligvis har som standard) og fokusere energien din på å finne en god bevegelig gjennomsnittlig lengdeperiode. Vær også oppmerksom på at glidende gjennomsnitt er bare ett verktøy, bare ett stykke av analysen, og du vil sannsynligvis måtte inkludere andre ting (som grunnleggende, volum eller prishandling) i beslutningsprosessen for å bygge en solid handelsstrategi. Ved å forbli på denne nettsiden andor ved hjelp av makrokopiinnhold, bekrefter du at du har lest og godta vilkårene for bruk av avtalen, akkurat som om du har signert det. Avtalen inkluderer også retningslinjer for personvern og informasjonskapsler. Hvis du ikke er enig med noen del av denne avtalen, vennligst forlat nettstedet nå. All informasjon er kun for utdanningsformål og kan være unøyaktig, ufullstendig, utdatert eller vanlig feil. Makrokopiering er ikke ansvarlig for eventuelle skader som følge av bruk av innholdet. Ingen finansiell, investering eller handelsrådgivning gis til enhver tid. kopi 2017 MacroptionKaufman039s Adaptive Moving Average (KAMA) Kaufman039s Adaptive Moving Average (KAMA) Innledning Utviklet av Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) er et bevegelige gjennomsnitt beregnet for å ta hensyn til markedsstøy eller volatilitet. KAMA vil følge prisene nøye når prisendringer er relativt små og støyen er lav. KAMA vil tilpasse seg når prisendringer øker og følger 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 KaufmanAdaptive Moving Average Et adaptivt Moving Average (AMA) er en annen indikator som SMA, MMA og EMA, men har flere parametere. Det endrer følsomheten på grunn av prisfluktuasjonene. Det adaptive bevegelige gjennomsnittet blir mer følsomt i perioder når prisen beveger seg i en bestemt retning og blir mindre følsom for prisbevegelser når den blir ustabil. AnyChart-lager lar deg legge til AMA med ønsket periode til noen av diagrammer. Finn den matematiske beskrivelsen av indikatoren på Adaptive moving average (AMA) Mathematical Description-siden. Legge til indikator AMA-indikator er lagt til via metoden ama (). Det krever en kartlegging med et verdi (data) felt i det: Her er et levende eksempel: Indikatorparametere AMA-indikator trenger fem parametere: Kartlegging med verdifelt i det (påkrevd), tre perioder: periode, rask periode og langsom periode og en type serier som skal vises som. Det er mulig å endre serien type når som helst ved hjelp av serienType () - metoden. Visualisering Visualisering av en indikator avhenger av serietype. Her er et eksempel hvor AMA med forskjellige parametere og innstillinger er lagt til i forskjellige tegninger: