Kaufman s Adaptive Moving Average KAMA. Kaufman s Adaptive Moving Average KAMA. Utvecklat av Perry Kaufman är Kaufman s Adaptive Moving Average KAMA ett rörligt medelvärde som är utformat för att ta hänsyn till marknadsbrus eller volatilitet. KAMA följer noga priserna när prissvingningarna är relativt små och Ljudet är lågt KAMA kommer att justeras när prissvängningarna utökas och följer priserna från ett större avstånd Denna trend-indikator kan användas för att identifiera den övergripande trenden, vändpunkterna och filterprisrörelserna. Det finns flera steg som krävs för att beräkna Kaufman s Adaptive Moving Average Låt s först börja med de inställningar som rekommenderas av Perry Kaufman, som är KAMA 10,2,30,10 är antalet perioder för effektivitetsförhållandet ER.2 är antalet perioder för den snabbaste EMA-konstanten.30 är numret Av perioder för den långsammaste EMA-konstanten. Innan vi beräknar KAMA måste vi beräkna effektivitetsförhållandet ER och utjämningskonstanten SC. Bryt ner formeln till bit storlek n Uggets gör det lättare att förstå metoden bakom indikatorn Observera att ABS står för Absolute Value. Efficiency Ratio ER. ER är i grunden prisändringen justerad för den dagliga volatiliteten. I statistiska termer säger effektivitetsförhållandet oss fraktal effektiviteten av priset Förändringar ER varierar mellan 1 och 0 men dessa ytterligheter är undantaget, inte norm ER skulle vara 1 om priserna rörde sig 10 på varandra följande perioder eller ner 10 på varandra följande perioder ER skulle vara noll om priset är oförändrat under de 10 perioderna. . Utjämningskonstanten använder ER och två utjämningskonstanter baserat på ett exponentiellt rörligt medelvärde. Som du kanske har noterat använder utjämningskonstanten utjämningskonstanterna för ett exponentiellt rörligt medelvärde i formeln 2 30 1 är utjämningskonstanten för en 30 - period EMA Den snabbaste SC är utjämningskonstanten för kortare EMA 2-perioder Den långsamaste SC är utjämningskonstanten för de långsammaste EMA 30-perioderna Observera att 2 i slutet är Att kvadrera ekvationen. Med effektivitetsförhållandet ER och utjämning konstant SC är vi nu redo att beräkna Kaufman s Adaptive Moving Average KAMA Eftersom vi behöver ett initialvärde för att starta beräkningen är den första KAMA bara ett enkelt glidande medelvärde. Följande beräkningar Baseras på formeln nedan. Beräkningsexempeldiagram. Nedanstående bilder visar ett skärmdump från ett Excel-kalkylblad som används för att beräkna KAMA och motsvarande QQQ-diagram. Användning och signaler. Kartister kan använda KAMA som vilken som helst annan trend som följer indikatorn, såsom en Flyttande genomsnitt Chartists kan leta efter prisövergångar, riktningsändringar och filtrerade signaler. Först anger ett kors över eller under KAMA riktningsförändringar i priserna Som med alla glidande medel kommer ett enkelt crossover-system att generera många signaler och massor av whipsaws Chartists kan minska Whipsaws genom att tillämpa ett pris - eller tidsfilter till övergångarna Man kan kräva ett pris för att hålla korset för angivet antal dagar eller kräva att korset överstiger D KAMA med bestämd procentandel. För andra sidan kan kartörer använda KAMAs riktning för att definiera den övergripande trenden för en säkerhet. Det kan kräva en parameterjustering för att släpa indikatorn ytterligare. Chartister kan ändra medelparametern, som är den snabbaste EMA-konstanten, för att släta KAMA och leta efter riktningsändringar Trenden är nere så länge som KAMA faller och smälter nedre nedgångar Trenden är upp så länge KAMA stiger och smider högre höjder Kroger exempel nedan visar KAMA 10,5,30 med en brant uppkomst från December till mars och en mindre brant uppkomst från maj till augusti. Slutligen kan kartörer kombinera signaler och tekniker Chartists kan använda en längre term KAMA för att definiera den större trenden och en kortare KAMA för handelssignaler. Exempelvis KAMA 10 , 5,30 kan användas som ett trendfilter och anses ha en hausse när den stiger. En gång hausse kan chartörer leta efter hausseformade kryssningar när priset rör sig över KAMA 10,2,30. Exemplet nedan visar MMM med en stigande långsiktig KAMA och tjur Ish korsar i december, januari och februari Långsiktiga KAMA avböjdes i april och det var baisse kors i maj, juni och juli. KAMA kan hittas som en indikatoröverlagring i SharpCharts arbetsbänk. Standardinställningarna kommer automatiskt att visas i parameterrutan När det väljs och kartläggare kan ändra dessa parametrar så att de passar deras analytiska behov. Den första parametern är för effektivitetsförhållandet, och kartläggare bör avstå från att öka detta antal. Istället kan kartörer minska den för att öka känsligheten. Chartists ser ut att släta KAMA för en långsiktig trend Analysen kan öka mittenparametern stegvis Även om skillnaden är bara 3, är KAMA 10,5,30 väsentligt mjukare än KAMA 10,2,30. Ytterligare studie. Från skaparen ger boken nedan detaljerad information om indikatorer, program, Algoritmer och system, inklusive detaljer om KAMA och andra glidande medelvärden. Trafiksystem och metoder Perry Kaufman. Kaufman Adaptive Moving Average Trad Strategisk inställning Filter. I handelsstrategi. Utvecklare Perry Kaufman Kaufman Adaptive Moving Average KAMA Källa Kaufman, PJ 1995 Smartere handel Förbättrad prestanda i förändring av marknader New York McGraw-Hill, Inc Concept Handelsstrategi baserat på ett adaptivt brusfilter Forskning Mål Prestationsverifiering av Inställningen och filtret Specifikation Tabell 1 Resultat Figur 1-2 Handel Konfigurera Långa Trader Den Adaptive Moving Average AMA visar korta transaktioner Det adaptiva rörliga genomsnittet slår ner Obs! AMA-trendlinjen verkar stoppa när marknaderna inte har någon riktning. När marknadens trend är AMA-trendlinjen Fångar upp handelsvolymen långa affärer Ett köp i slutet är placerat efter ett hausseffektivt läge Korta affärer En försäljning i slutet är placerad efter en baisseinställning. Utgångstabell 1 Portfölj 42 terminsmarknader från fyra stora marknadssektorer varor, valutor, räntor, Och aktieindexer Data 32 år sedan 1980 Testplattform MATLAB. II Känslighetsprov. Alla 3-D-diagram följs av 2-D-kon Turneringsdiagram för vinstfaktor, Sharpe-förhållande, Ulcer Performance Index, CAGR, Maximal Drawdown, Procent Lönsam Trades och Avg Win Avg Förlust Ratio Den slutliga bilden visar känsligheten för Equity Curve. Tested Variables ERLength FilterIndex Definitioner Tabell 1.Figur 1 Portfölj Prestanda Ingångar Tabell 1 Slippning av kommissionen 0.AMA ERLength är det adaptiva rörliga genomsnittet under en period av ERLength. ERLength är en tittarperiod för effektivitetsförhållandet ER ER i abs Riktning i Volatilitet jag, där abs är absolutvärdet Riktning i Stäng jag Stäng jag ERLength, Volatilitet i abs DeltaClose jag, ERLength, var är summan över en period av ERLength, DeltaClose i Stäng jag Stäng i 1 FastMALength är en period av det snabbrörande medletet SlowMALength är en period av det långsamma glidande medeltalet AMA i AMA i 1 Ci Stäng jag AMA i 1, där ci ER I Snabb Långsam Slow 2, Fast 2 FastMALength 1, Slow 2 SlowMALength 1 Index i. ERLength 2, 100, Steg 2 FastMALength 2 SlowMALength 30.Long Trades Om AMA I AMA I 1 AMA I 1 A MA i 2 då MinAMA AMA I 1 Adaptive Moving Average visar upp med en svängning vid MinAMA Short Trades AMA i AMA i 1 AMA i 1 AMA i 2 då växer MaxAMA AMA i 1 Adaptive Moving Average med en pivot vid MaxAMA Index i. Filter I FilterIndex StdDev AMA I AMA I 1, N, där StdDev är standardavvikelsen för serier över N perioder N 20 standardvärde Index i. FilterIndex 0 0, 1 0, Steg 0 02 N 20.Långa affärer Ett köp på slutet är Placerad när AMA I AMA I 1 AMA I MinAMA Filter I Korta Affärer En sälja vid slutet placeras när AMA I AMA I 1 MaxAMA AMA I Filter I Index I. Stop Förlust Avslut ATR ATRLength är den genomsnittliga True Range över en period av ATRLength ATRStop är en multipel av ATR ATRLength Långa transaktioner Ett försäljningsstopp är placerat vid Inträde ATR ATRLängd ATRStop Short Trades Ett köpstopp är placerat vid Inträde ATR ATRLängd ATRStop. ATRLength 20 ATRStop 6.ERLength 2, 100, Step 2 FilterIndex 0 0, 1 0 , Steg 0 02.Do Adaptive Moving Average Lead To Better Results. Moving medelvärden är ett favoritverktyg för aktiv näringsidkare S När marknaderna konsolideras leder denna indikator till många whipsaw-affärer, vilket resulterar i en frustrerande serie små vinster och förluster. Analytiker har tillbringat årtionden som försöker förbättra det enkla rörliga genomsnittet. I den här artikeln tittar vi på dessa ansträngningar och finner att deras sökning Har lett till användbara handelsverktyg För bakgrundsavläsning på enkla glidande medelvärden, kolla in Enkla rörliga genomsnittsvärden. Utveckla tendenser. Fördelar och nackdelar med rörliga medelvärden Fördelarna och nackdelarna med glidande medelvärden sammanfattades av Robert Edwards och John Magee i första utgåvan av Teknisk analys av aktieutvecklingen när de sa och det var tillbaka år 1941 att vi glädjande gjorde upptäckten men många andra hade gjort det innan det genom att medelvärda uppgifterna för ett angivet antal dagar kan man härleda en slags automatiserad trendlinje som definitivt skulle Tolka förändringar i trenden Det verkade nästan för bra att vara sant. Det var faktiskt för bra att vara sant. Med nackdelarna Edwards och Magee övergav snabbt sin dröm om att handla från en bungalow i stranden. Men 60 år efter att de skrev dessa ord fortsätter andra att försöka hitta ett enkelt verktyg som utan problem skulle ge marknadens rikedom. Ett enkelt glidande medelvärde lägger till priserna för önskad tidsperiod och delas med antalet utvalda perioder. Att hitta ett fem dagars glidande medelvärde skulle kräva summering av de fem senaste stängningskurserna och dela med fem. Om den senaste stängningen ligger över rörelsen Genomsnittet skulle beståndet anses vara i en uptrend. Downtrends definieras av priser handel under det glidande genomsnittet För mer, se vår Moving Averages handledning. Denna trenddefinierande egendom gör det möjligt att flytta medelvärden för att generera handelssignaler I sin enklaste Ansökan köper näringsidkare när priserna flyttar över det glidande genomsnittet och säljer när priserna går under den linjen. Ett tillvägagångssätt som det här är garanterat att sätta tr Veckan på höger sida av varje betydande handel Tyvärr, under utjämning av uppgifterna kommer rörliga medelvärden att ligga bakom marknadsåtgärden och näringsidkaren kommer nästan alltid att ge tillbaka en stor del av sin vinst på även de största vinnande affärer. Exponential Moving Averages Analytiker verkar Att tycka om tanken på glidande medelvärde och har spenderat år på att försöka minska problemen i samband med denna fördröjning. En av dessa innovationer är det exponentiella glidande genomsnittet EMA. Detta tillvägagångssätt tilldelar relativt högre viktning till de senaste data, och som ett resultat blir den närmare Prisåtgärden än ett enkelt glidande medelvärde Formeln för att beräkna ett exponentiellt glidande medelvärde är. EMA Vikt Stäng 1-Vikt EMAy Where. Weight är utjämningskonstanten vald av analytikern. Det är exponentiellt glidande medelvärde från igår. Ett gemensamt viktvärde Är 0 181, vilket ligger nära ett 20-dagars enkelt glidande medelvärde. En annan är 0 10, vilket är ungefär ett 10-dagars glidande medelvärde. Även om det minskar lagret , Det exponentiella glidande genomsnittet misslyckas med att ta itu med ett annat problem med glidande medelvärden, vilket är att deras användning för handelssignaler kommer att leda till ett stort antal förlorande affärer. I nya koncept inom tekniska handelssystem uppskattar Wilder att marknaderna bara träder i fjärdedel av tiden Upp till 75 av handelsåtgärder är begränsade till snäva intervall. När köpande och säljsignaler flyttas generellt kommer priserna att snabbt flytta över och under det glidande genomsnittet. För att lösa detta problem har flera analytiker föreslagit att man varierar viktningsfaktorn för EMA-beräkningen För mer, se Hur rör sig medeltal som används i handel. Anpassa rörliga medelvärden till marknadsaktion En metod att hantera nackdelarna med glidande medelvärden är att multiplicera viktningsfaktorn med ett volatilitetsförhållande. Om detta skulle medföra skulle det rörliga genomsnittet vara Längre från det nuvarande priset på volatila marknader Detta skulle göra det möjligt för vinnarna att springa Som en trend slutar och priserna konsoliderar rörelsen Genomsnittet skulle gå närmare den nuvarande marknadsåtgärden och i teorin tillåta näringsidkaren att behålla de flesta vinsterna som tagits under trenden. I praktiken kan volatilitetsförhållandet vara en indikator som Bollinger Band-bredden som mäter avståndet mellan Välkända Bollinger-band För mer om denna indikator, se Grundläggande om Bollinger-band. Perry Kaufman föreslog att man ersätter viktvariabeln i EMA-formeln med en konstant baserad på effektivitetsförhållandet ER i sin bok, New Trading Systems and Methods. Denna indikator är Utformad för att mäta styrkan i en trend definierad inom ett intervall från -1 0 till 1 0 Det beräknas med en enkel formel. ER total prisförändring för period summan av absoluta prisförändringar för varje stapel. Tänk på ett lager som har en fem - punktsintervall varje dag och i slutet av fem dagar har totalt 15 poäng uppnåtts. Detta skulle resultera i en ER med 0 67 15 poäng uppåtgående rörelser dividerat med det totala 25-punktsintervallet. Hade denna aktie minskat 15 poäng, ER wou Ld vara -0 67 För mer handelsrådgivning från Perry Kaufman, läs Losing To Win som skisserar strategier för att hantera handelsförluster. Principen för en trend s effektivitet är baserad på hur mycket riktningsrörelse eller trend du får per enhet av prisrörelsen över En definierad tidsperiod En ER med 1 0 indikerar att beståndet är i perfekt uppåtriktning -1 0 representerar en perfekt downtrend I praktiken är extremiteterna sällan nått. För att tillämpa denna indikator för att hitta det adaptiva glidande genomsnittliga AMA, kommer handlare att behöva För att beräkna vikten med följande, ganska komplexa formeln. C ER SCF SCS SCS 2 Where. SCF är exponentiell konstant för den snabbaste EMA tillåten vanligtvis 2.SCS är exponentiell konstant för den långsammaste EMA tillåten ofta 30.ER är den Effektivitetsförhållande som noterades ovan. Värdet för C används sedan i EMA-formeln istället för den enklare viktvariabelen. Även om det är svårt att beräkna för hand, ingår det adaptiva glidande medlet som ett alternativ i nästan alla trad Programvarupaket Mer information om EMA läses Exploring The Exponentially Weighted Moving Average. Exempel på en enkel glidande genomsnittlig röd linje, en exponentiell glidande genomsnittlig blå linje och den adaptiva glidande medelgröna linjen visas i Figur 1.Figur 1 AMA är I grön och visar den största graden av utplåning i den intervallbundna åtgärden som ses på höger sida av detta diagram. I de flesta fall ligger det exponentiella glidande medlet, som visas som den blå linjen, närmast prisåtgärden. Det enkla glidande medlet visas Som den röda linjen. De tre glidande medelvärdena som visas i figuren är alla benägna att piska på olika tider. Denna nackdel med glidande medelvärden har hittills varit omöjligt att eliminera. Sammanfattning Robert Colby testade hundratals tekniska analysverktyg i Technical Encyclopedia Marknadsindikatorer Han slog fast, Även om det adaptiva glidande medlet är en intressant nyare idé med stor intellektuell överklagande, visar våra preliminära tester inte någon verklig praktik All fördel för denna mer komplicerade trendutjämningsmetod Det betyder inte att näringsidkare bör ignorera tanken. AMA kan kombineras med andra indikatorer för att utveckla ett lönsamt handelssystem. Läs mer om att upptäcka Keltner kanaler och Chaikin Oscillatorn. Användas som en fristående trendindikator för att se de mest lönsamma handelsmöjligheterna. Som ett exempel indikerar förhållanden över 0 30 starka uppgångar och representerar potentiella köp. Alternativt, eftersom volatiliteten rör sig i cykler, kan bestånden med lägsta effektivitetsförhållande ses som Breakout möjligheter.
No comments:
Post a Comment