การปรับตัว เคลื่อนไหว เฉลี่ย ดี

ค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนได้นำไปสู่ผลลัพธ์ที่ดีขึ้นการย้ายค่าเฉลี่ยเป็นเครื่องมือโปรดของผู้ค้าที่ใช้งานอยู่ อย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้จะนำไปสู่การค้า whipsaw จำนวนมากส่งผลให้ชุดที่น่าผิดหวังของการชนะและการสูญเสียขนาดเล็ก นักวิเคราะห์ได้ใช้เวลาหลายทศวรรษในการพยายามปรับปรุงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ในบทความนี้เราจะพิจารณาความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขานำไปสู่เครื่องมือการซื้อขายที่มีประโยชน์ ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่อยู่ที่ Robert Edwards และ John Magee ในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของข้อดีและข้อเสียของการเคลื่อนที่โดยเฉลี่ย แนวโน้มสต็อค เมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ที่เรา delightedly ค้นพบ (แม้ว่าหลายคนอื่น ๆ ได้ทำมาก่อน) ว่าโดยค่าเฉลี่ยของข้อมูลสำหรับจำนวนที่ระบุ daysone อาจได้รับมาจัดเรียงของเส้นแนวโน้มอัตโนมัติซึ่งแน่นอนจะตีความการเปลี่ยนแปลงของ แนวโน้มดูเหมือนจะดีเกินจริง เป็นเรื่องที่ดีเกินกว่าที่จะเป็นจริง เอ็ดเวิร์ดและจีได้ทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลริมชายหาด แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้นคนอื่น ๆ ยังคงพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดาย Simple Moving Averages คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนงวดที่เลือก การหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องบวกห้าราคาปิดล่าสุดและหารด้วยห้า หากการปิดตัวครั้งล่าสุดอยู่เหนือค่าเฉลี่ยที่เคลื่อนที่สต็อคจะถือว่าอยู่ในแนวโน้ม แนวโน้มขาลงจะถูกกำหนดโดยราคาที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (ดูข้อมูลเพิ่มเติมได้จากคู่มือการใช้งาน Moving Averages ของเรา) คุณสมบัติที่กำหนดแนวโน้มนี้ทำให้สามารถเคลื่อนที่โดยเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ ในการประยุกต์ใช้ที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนตัวสูงกว่าค่าเฉลี่ยเคลื่อนที่และขายได้เมื่อราคาปิดต่ำกว่าเส้นดังกล่าว วิธีการเช่นนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญทุก อย่างไรก็ตามในขณะที่การปรับให้เรียบข้อมูลค่าเฉลี่ยเคลื่อนที่จะล่าช้าหลังการดำเนินการในตลาดและผู้ประกอบการค้ามักจะให้ผลตอบแทนส่วนใหญ่ในธุรกิจการค้าที่ยิ่งใหญ่ที่สุด ค่าเฉลี่ยเคลื่อนที่ที่มีการแจกแจงนักวิเคราะห์ดูเหมือนว่าจะมีความคิดเกี่ยวกับค่าเฉลี่ยเคลื่อนที่และพยายามใช้เวลาหลายปีในการลดปัญหาที่เกิดจากความล่าช้านี้ หนึ่งในนวัตกรรมเหล่านี้คือค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) วิธีนี้กำหนดให้น้ำหนักที่ค่อนข้างสูงขึ้นกับข้อมูลล่าสุดและส่งผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ สูตรคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ได้แก่ EMA (Weight Close) ((1-Weight) EMAy) โดยที่: น้ำหนักคือค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือก EMAy เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาตั้งแต่วันนี้โดยค่าที่พบได้ทั่วไปคือ 0.181 ซึ่ง ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20 วัน อีกอย่างหนึ่งคือ 0.10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วัน แม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่แบบเสวนาไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งหมายความว่าการใช้สัญญาณซื้อขายจะทำให้ธุรกิจการค้าสูญเสียจำนวนมาก ในแนวคิดใหม่ในระบบการค้าทางเทคนิค Welles Wilder คาดการณ์ว่าตลาดมีแนวโน้มเพียงหนึ่งในสี่ของเวลาเท่านั้น การดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการ จำกัด อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขายเฉลี่ยเคลื่อนไหวจะถูกสร้างขึ้นซ้ำ ๆ เนื่องจากราคาเคลื่อนขึ้นเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่ ในการแก้ไขปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA (สำหรับข้อมูลเพิ่มเติมโปรดดูที่วิธีการเคลื่อนไหวค่าเฉลี่ยที่ใช้ในการซื้อขาย) การปรับค่าเฉลี่ยเคลื่อนที่สำหรับการดำเนินการในตลาดวิธีหนึ่งในการจัดการข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวน การทำเช่นนี้ก็หมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันในตลาดที่ผันผวน นี้จะช่วยให้ผู้ชนะในการทำงาน เป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวม ค่าเฉลี่ยเคลื่อนที่จะขยับขึ้นใกล้กับการกระทำของตลาดในปัจจุบันและในทางทฤษฎีอนุญาตให้ผู้ประกอบการค้าสามารถเก็บกำไรได้มากที่สุดในช่วงแนวโน้มนี้ ในทางปฏิบัติอัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่น Bollinger Bandwidth ซึ่งวัดระยะห่างระหว่างแถบ Bollinger Bros เป็นที่รู้จักกันดี (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับแถบ Bollinger) Perry Kaufman แนะนำให้เปลี่ยนตัวแปรน้ำหนักในสูตร EMA ด้วยค่าคงที่ตามอัตราส่วนประสิทธิภาพ (ER) ในหนังสือระบบและวิธีการซื้อขายใหม่ ตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของแนวโน้มที่กำหนดไว้ในช่วงตั้งแต่ -1.0 ถึง 1.0 คำนวณโดยใช้สูตรง่ายๆคือ ER (การเปลี่ยนแปลงราคาทั้งหมดสำหรับช่วงเวลา) (รวมการเปลี่ยนแปลงราคาที่แน่นอนสำหรับแต่ละบาร์) พิจารณาสต็อคที่มีช่วง 5 จุดในแต่ละวันและเมื่อครบ 5 วันได้รับผลรวม จาก 15 คะแนน ซึ่งจะส่งผลให้ค่า ER เท่ากับ 0.67 (การเคลื่อนที่ขึ้นไป 15 จุดหารด้วยระยะรวม 25 จุด) หุ้นนี้ลดลง 15 จุดส่วน ER จะเท่ากับ -0.67 (สำหรับคำแนะนำการซื้อขายเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งแสดงกลยุทธ์ในการรับมือกับความเสียหายที่เกิดจากการซื้อขาย) หลักการของประสิทธิภาพของแนวโน้มขึ้นอยู่กับทิศทางการเคลื่อนไหวของราคา (หรือแนวโน้ม) ที่คุณได้รับต่อหน่วยของการเคลื่อนไหวด้านราคามากกว่า กำหนดช่วงเวลา ER เท่ากับ 1.0 แสดงให้เห็นว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1.0 หมายถึงขาลงที่สมบูรณ์แบบ ในทางปฏิบัติสุดขั้วไม่ค่อยจะมาถึง เมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาค่าเฉลี่ยเคลื่อนที่แบบปรับตัว (AMA) ผู้ค้าจะต้องคำนวณน้ำหนักด้วยสูตรต่อไปนี้ที่ค่อนข้างซับซ้อน: C (ER (SCF SCS)) SCS 2 ที่ไหน: SCF เป็นค่าคงที่แบบเรโซแนนเชียลที่เร็วที่สุด EMA ที่อนุญาต (ปกติ 2) SCS เป็นค่าคงที่แบบทวนสำหรับ EMA ที่ช้าที่สุดที่อนุญาต (มักจะ 30) ER เป็นอัตราส่วนประสิทธิภาพที่ระบุไว้ข้างต้นค่า C จะใช้ในสูตร EMA แทนตัวแปรน้ำหนักที่ง่ายกว่า แม้ว่าจะยากที่จะคำนวณด้วยมือ แต่ค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ถูกรวมไว้เป็นตัวเลือกในเกือบทุกชุดซอฟต์แวร์เพื่อการค้า ตัวอย่างค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ (เส้นสีแดง), ค่าเฉลี่ยเคลื่อนที่เป็นเส้นตรง (เส้นสีน้ำเงิน) และค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ (เส้นสีเขียว) แสดงไว้ในรูปที่ 1 ภาพที่ 1: AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่แบบเสี้ยว (exponential moving average) ซึ่งแสดงเป็นเส้นสีน้ำเงินใกล้เคียงกับราคาที่มากที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดง ค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพมีแนวโน้มที่จะเกิดขึ้นในหลาย ๆ ครั้ง ข้อเสียเปรียบต่อค่าเฉลี่ยเคลื่อนที่เหล่านี้จึงเป็นไปไม่ได้ที่จะกำจัด บทสรุปโรเบิร์ตคอลบีได้ทดสอบเครื่องมือวิเคราะห์ทางเทคนิคหลายร้อยเครื่องมือในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดสารานุกรม เขาสรุปได้ว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้เป็นแนวคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติอันแท้จริงของวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้น ไม่ได้หมายความว่าพ่อค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ เพื่อพัฒนาระบบการซื้อขายที่มีกำไร (สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านค้นพบ Keltner Channels และ The Chaikin Oscillator) ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุด ตัวอย่างเช่นอัตราส่วนข้างต้นต่ำกว่า 0.30 แสดงถึงแนวโน้มขาขึ้นที่แข็งแกร่งและแสดงถึงการซื้อที่มีศักยภาพ อีกทางเลือกหนึ่งเนื่องจากความผันผวนของการเคลื่อนที่ในรอบการผลิตอาจมีการถือเป็นหุ้นที่มีอัตราส่วนประสิทธิภาพต่ำที่สุดเท่าที่จะเป็นไปได้ เบต้าเป็นตัวชี้วัดความผันผวนหรือความเสี่ยงอย่างเป็นระบบของการรักษาความปลอดภัยหรือผลงานเมื่อเทียบกับตลาดโดยรวม ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎกำหนดให้ การขายหุ้นครั้งแรกโดย บริษัท เอกชนต่อสาธารณชน การเสนอขายหุ้นหรือไอพีโอมักจะออกโดย บริษัท ขนาดเล็กที่มีอายุน้อยกว่าที่แสวงหา อัตราส่วนหนี้สินที่ใช้ในการวัดแรงจูงใจทางการเงินของ บริษัท หรืออัตราส่วนหนี้สินที่ใช้วัดแต่ละบุคคล Kaufman0's Adaptive Moving Average (KAMA) Kaufman0s Adaptive Moving Average (KAMA) บทนำการพัฒนาโดย Perry Kaufman ค่าเฉลี่ยการปรับตัวที่เหมาะสมของ Kaufman0 (KAMA) คือ ค่าเฉลี่ยเคลื่อนที่ที่ออกแบบมาเพื่อรองรับความผันผวนของตลาด KAMA จะติดตามราคาอย่างใกล้ชิดเมื่อการแกว่งราคาค่อนข้างเล็กและเสียงต่ำ KAMA จะปรับตัวเมื่อการแกว่งตัวของราคาขึ้นและติดตามราคาจากระยะทางที่มากขึ้น ตัวบ่งชี้แนวโน้มนี้สามารถใช้เพื่อระบุแนวโน้มโดยรวมจุดเปลี่ยนเวลาและการเคลื่อนไหวของราคาตัวกรอง การคำนวณมีขั้นตอนหลายขั้นตอนที่จำเป็นในการคำนวณค่าเฉลี่ยการย้ายแบบ Adaptive Movement ของ Kaufman0 Let0 เริ่มต้นครั้งแรกกับการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA (10,2,30) 10 คือจำนวนงวดสำหรับอัตราส่วนประสิทธิภาพ (ER) 2 คือจำนวนงวดสำหรับค่าคงที่ของ EMA ที่เร็วที่สุด 30 คือจำนวนงวดสำหรับค่าคงที่ของ EMA ที่ช้าที่สุด ก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ (ER) และ Smoothing Constant (SC) การแบ่งสูตรลงในตัวนักเก็ตขนาดกัดทำให้ง่ายต่อการเข้าใจวิธีการหลังตัวบ่งชี้ โปรดทราบว่า ABS หมายถึง Absolute Value อัตราการใช้กำลังการผลิต (ER) ER อยู่ที่การเปลี่ยนแปลงของราคาโดยปรับค่าความผันผวนรายวัน ในแง่ทางสถิติอัตราส่วนประสิทธิภาพจะบอกให้เราทราบถึงประสิทธิภาพการเปลี่ยนแปลงราคาของเศษส่วน ER มีความผันผวนระหว่าง 1 ถึง 0 แต่สุดขั้วเหล่านี้เป็นข้อยกเว้นไม่ใช่บรรทัดฐาน ER จะเป็น 1 หากราคาเพิ่มขึ้น 10 งวดต่อเนื่องหรือลดลง 10 งวดติดต่อกัน ER จะเป็นศูนย์ถ้าราคาไม่เปลี่ยนแปลงตลอด 10 งวด Smoothing Constant (SC) ค่าคงที่ที่ราบเรียบใช้ค่า ER และค่าความเรียบ 2 ค่าโดยคำนวณจากค่าเฉลี่ยเคลื่อนที่แบบเสวนา ตามที่คุณสังเกตเห็น Smoothing Constant ใช้ค่าคงที่ที่ราบเรียบสำหรับค่าเฉลี่ยเคลื่อนที่แบบเสวนาในสูตร (2301) เป็นค่าคงที่ที่ราบเรียบสำหรับ EMA 30 เฟส Fastest SC คือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่สั้นลง (2 ช่วงเวลา) SC ที่ช้าที่สุดคือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่ค่อยๆ (30 ช่วง) โปรดทราบว่า 2 ในตอนท้ายมีสมการสมการ ด้วยอัตราส่วนประสิทธิภาพ (ER) และ Smoothing Constant (SC) ขณะนี้เราพร้อมแล้วที่จะคำนวณค่าเฉลี่ยการปรับตัวแบบ Adaptive Movement Average ของ Kaufman0 (KAMA) เนื่องจากเราต้องการค่าเริ่มต้นเพื่อเริ่มต้นการคำนวณ KAMA แรกเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย การคำนวณต่อไปนี้ขึ้นอยู่กับสูตรด้านล่าง ตัวอย่างการคำนวณภาพด้านล่างแสดงภาพหน้าจอจากกระดาษคำนวณ Excel ที่ใช้ในการคำนวณ KAMA และแผนภูมิ QQQ ที่สอดคล้องกัน การใช้และสัญญาณ Chartists สามารถใช้ KAMA เช่นเดียวกับเทรนด์อื่น ๆ ตามตัวบ่งชี้เช่นค่าเฉลี่ยเคลื่อนที่ Chartists สามารถมองหา crosses ราคาการเปลี่ยนแปลงทิศทางและกรองสัญญาณ อันดับแรกการข้ามด้านบนหรือด้านล่าง KAMA บ่งชี้ถึงการเปลี่ยนแปลงทิศทางในราคา เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์ที่เรียบง่ายจะสร้างสัญญาณจำนวนมากและจำนวนมาก whipsaws Chartists สามารถลด whipsaws โดยใช้ตัวกรองราคาหรือเวลาไปยัง crossovers หนึ่งอาจต้องการราคาที่จะถือข้ามสำหรับจำนวนชุดของวันหรือต้องข้ามเกิน Kama ตามเปอร์เซ็นต์ที่กำหนด ประการที่สองนักชาตินิยมสามารถใช้ทิศทางของ KAMA เพื่อกำหนดแนวโน้มโดยรวมสำหรับการรักษาความปลอดภัย ซึ่งอาจต้องมีการปรับพารามิเตอร์เพื่อให้ตัวบ่งชี้เป็นไปอย่างต่อเนื่อง Chartists สามารถเปลี่ยนพารามิเตอร์กลางซึ่งเป็นค่าคงที่ EMA ที่เร็วที่สุดเพื่อให้ KAMA ราบรื่นและมองหาการเปลี่ยนแปลงทิศทาง มีแนวโน้มอ่อนตัวลงตราบเท่าที่ KAMA ร่วงลงและทำจุดต่ำสุดให้ต่ำลง แนวโน้มจะเพิ่มขึ้นตราบเท่าที่ KAMA กำลังเพิ่มขึ้นและดันระดับสูงขึ้น ตัวอย่าง Kroger ด้านล่างแสดง KAMA (10,5,30) ที่มีแนวโน้มสูงชันตั้งแต่เดือนธันวาคมถึงมีนาคมและแนวโน้มขาขึ้นที่น้อยลงตั้งแต่เดือนพฤษภาคมถึงสิงหาคม และในที่สุดก็สามารถรวมสัญญาณและเทคนิคไว้ได้ Chartists สามารถใช้ KAMA ระยะยาวเพื่อกำหนดแนวโน้มที่ใหญ่กว่าและ KAMA ระยะสั้นสำหรับสัญญาณการซื้อขาย ตัวอย่างเช่น KAMA (10,5,30) สามารถใช้เป็นตัวกรองแนวโน้มและถือว่ารั้นเมื่อเพิ่มขึ้น เมื่อรั้นแล้วนักวิเคราะห์ชาตินิยมอาจมองหาเครื่องหมายข้ามผ่านเมื่อราคาเคลื่อนไปเหนือ KAMA (10,2,30) ตัวอย่างด้านล่างแสดงให้เห็นถึง MMM ที่มี KAMA ระยะยาวที่เพิ่มขึ้นและการปรับตัวในช่วงเดือนธันวาคม, มกราคมและกุมภาพันธ์ KAMA ระยะยาวปรับตัวลดลงในเดือนเมษายนและมีการปรับตัวลดลงในเดือนพฤษภาคมมิถุนายนและกรกฎาคม SharpCharts KAMA สามารถพบได้เป็นตัวบ่งชี้การซ้อนทับใน SharpCharts workbench การตั้งค่าเริ่มต้นจะปรากฏขึ้นโดยอัตโนมัติในช่องพารามิเตอร์เมื่อได้รับการคัดเลือกแล้วและแผนภูมิสามารถเปลี่ยนพารามิเตอร์เหล่านี้ให้เหมาะกับความต้องการในการวิเคราะห์ของตน พารามิเตอร์แรกสำหรับอัตราส่วนประสิทธิภาพและแผนภูมิควรงดเว้นจากการเพิ่มจำนวนนี้ แทนที่จะใช้ชาตินิยมเพื่อลดความไว นักชาตินิยมที่มองหา KAMA ที่ราบรื่นสำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่มพารามิเตอร์กลางขึ้นได้ แม้ว่าจะมีความแตกต่างกันเพียง 3 แต่ KAMA (10,5,30) มีความนุ่มนวลกว่า KAMA อย่างมาก (10,2,30) การศึกษาเพิ่มเติมจากผู้สร้างหนังสือด้านล่างมีข้อมูลโดยละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบรวมถึงรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการซื้อขายและวิธีการ Perry KaufmanAdaptive Moving Average (AMA) aka Kaufman Adaptive Moving Average (KAMA) Adaptive Moving Average (AMA) aka Kaufman Adaptive Moving Average (KAMA) ถูกสร้างขึ้นโดย Perry Kaufman และเป็นครั้งแรกในหนังสือของเขาที่ชาญฉลาดซื้อขาย (1995) . ค่าเฉลี่ยเคลื่อนที่นี้ให้ข้อดีที่สำคัญกว่าความพยายามก่อนหน้านี้ที่ค่าเฉลี่ย 8216intelligent8217 เนื่องจากอนุญาตให้ผู้ใช้ควบคุมได้มากขึ้น ค่าเฉลี่ยการเคลื่อนที่แบบ Variable 8211 VMA (1992) ไม่มีข้อ จำกัด ด้านบนหรือด้านล่างสำหรับระยะเวลาการทำให้ราบเรียบ AMA ในมืออื่น ๆ ที่อนุญาตให้ผู้ใช้กำหนดช่วงที่พวกเขาต้องการการเรียบที่จะแพร่กระจาย ตามทฤษฎีเดียวกับ VMA ในการที่ขึ้นอยู่กับสภาพแวดล้อมของตลาดจะมีจำนวนเสียงที่แตกต่างกันดังนั้นจึงต้องใช้ความเร็วเฉลี่ยที่แตกต่างกันเพื่อให้ได้ผลลัพธ์ที่มีกำไรมากที่สุด ในตลาดที่มีแนวโน้มสูงเช่นระดับเสียงต่ำและค่าเฉลี่ยเคลื่อนที่เร็วขึ้นควรให้ผลลัพธ์ที่ดีที่สุด ในทางตรงกันข้ามในปูหรือตลาดด้านข้างระดับเสียงจะสูงมากและค่าเฉลี่ยที่ช้าลงน่าจะเหมาะสมกว่า วิธีการคำนวณค่าเฉลี่ยของการปรับตัวโดย Adaptive Moving Average เริ่มต้นด้วยราคาปิด หลังจาก AMA ถูกคำนวณตามสูตรต่อไปนี้: AMA AMA (1) (Close AMA (1)) คุณจะสังเกตเห็นว่าสูตรนี้เหมือนกับสูตรสำหรับ Exponential Moving Average (EMA): EMA EMA (1) (Close SCMA VI ผู้ใช้เลือกตัววัดความผันผวนหรือความแรงของแนวโน้ม Kaufman (1) แต่อัลฟ่าใน EMA คือ 2 (N 1) ดังนั้นค่าคงที่ดังกล่าวจะคงที่ในขณะที่ Alpha AMA ปรับตัวได้: (VI (FC SC) แนะนำอัตราส่วนประสิทธิภาพ (ER) ของเขา SN เลือกค่าเฉลี่ยเคลื่อนที่ช้าๆของคุณทีเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอส Kaufman แนะนำว่า AMA ของเขามี FC 2 และ SC 30 ซึ่งจะนำไปสู่สมมติว่าการปรับตัวแบบปรับตัวจะอยู่ในช่วง 2 8211 30 แต่คุณจะผิดเพราะ alpha ถูกยกกำลังสอง ตัวอย่างเช่นให้ตั้งค่าเป็น VI เป็นศูนย์เพื่อให้เราสามารถเปิดเผยค่าเฉลี่ยที่เป็นไปได้ช้าที่สุด: ตอนนี้ให้แสดงช่วงการทำให้เรียบของ EMA 8216N8217 จาก alpha: N (EMA) (2) N (EMA) (2 0.0042) 0.0042 N (EMA) 480 ดังนั้นในความเป็นจริง AMA ที่มี SN ที่ 30 ซึ่งอัลฟ่าถูกยกให้เป็นพลังของ 2 จึงสามารถเคลื่อนที่ได้ช้ากว่า EMA 480 วัน ตอนนี้ฉันที่ไม่ได้เป็นมิตรกับผู้ใช้ป้อนพารามิเตอร์ของ 30 ที่ส่งผลให้ระยะเวลาราบเรียบ 480. ดังนั้นผมจึงใช้สูตรต่อไปนี้สำหรับ SC และ FC แทน: P อำนาจที่อัลฟาจะยก (ปกติ 2) SN เลือกของคุณ ค่าเฉลี่ยเคลื่อนที่ช้า GT FN ตอนนี้ SN จะเป็นค่าเฉลี่ยเคลื่อนที่ที่เกิดขึ้นจริงแม้ว่าคุณจะเปลี่ยนกำลังที่อัลฟ่าขึ้น ฉันยังใช้กระบวนการเดียวกันสำหรับ FN และ FC ให้ดูที่ Alpha อีกครั้งด้วยค่า VI ที่ศูนย์ FN ที่ 2 และ SN ที่ 480: ตอนนี้เมื่อเราเปิดเผยระยะเวลาการทำให้เรียบของ EMA 8216N8217 จาก alpha ควรเท่ากับผู้ใช้ของเราที่กำหนดไว้ 480: N (EMA) (2) N ( EMA) (2 0.0042) 0.0042 N (EMA) 480 การมองดูผลกระทบของ Squaring Alpha การทำความเข้าใจเกี่ยวกับผลกระทบของอัลฟาอัลฟ่ามีความสำคัญเป็นอย่างมากตามตารางข้างล่างนี้แสดงว่า: squared ส่งผลให้ระยะเวลาราบเรียบที่เกิดขึ้นจริงกว่า 45,300 ซึ่งเป็นสิ่งที่ไร้ประโยชน์โดยสิ้นเชิง อย่างไรก็ตามนี่คือการตั้งค่าที่สามารถใช้งานได้โดยง่ายโดยไม่ต้องเข้าใจว่า AMA ทำงานได้ดีเพียงใด ในการทดสอบของเราเราจะพยายาม AMA กับ alpha ยกให้อำนาจอื่น ๆ ที่ 2 ดังนั้นบางตัวอย่างอื่น ๆ ยังได้รับการวางแผนในแผนภูมิข้างต้น ด้านล่างเราจะดูที่ผลกระทบต่ออัลฟ่าและการปรับให้เรียบซึ่งเป็นผลมาจาก AMA ที่มีอัตราส่วนประสิทธิภาพที่นำมาใช้โดยตรงใน alpha (1) หรือกำลังสอง (squared) (2): เราใช้สูตร AMA ที่ปรับเปลี่ยนสำหรับแผนภูมิด้านบนเพื่อให้ FN และ SN ที่เกิดขึ้นจริง ได้รับการจับคู่กันแม้จะมีการปรับเปลี่ยนอัลฟา ในขณะที่คุณสามารถเห็นได้ผลกำลังสองอัลฟาไม่เพียง แต่ส่งผลกระทบต่อ AMA ที่ช้ากว่า แต่อย่างใดอย่างหนึ่งซึ่งเร็วกว่าที่จะชะลอตัวลงเมื่ออัลฟาลดลง Kaufman เห็นได้ชัดว่า AMA ต้องการที่จะชะลอตัวลงอย่างรวดเร็วเมื่อข้อมูลขาดแนวโน้ม ผลกระทบนี้มีความคล้ายคลึงกับการเพิ่มค่าคงที่ 8216N8217 ในตัวแปร Variable Moving Average AMA เป็นตัวบ่งชี้ที่ดีในฐานะส่วนหนึ่งของ 8216 เทคนิคการต่อสู้เพื่อ Supremacy 8216 เราจะนำ AMA มาใช้กับค่าเฉลี่ยเคลื่อนที่หลาย ๆ แบบและจะทดสอบดัชนีความผันผวนที่แตกต่างกันเป็นส่วนประกอบต่างๆ ได้แก่ : เราจะทดสอบสมมติฐานที่ว่า alpha squaring เป็นความคิดที่ดีและจะพยายามเพิ่มพลังให้กับอำนาจต่างๆ คุณสามารถคิดถึงการทดสอบที่คุ้มค่าอื่น ๆ ได้หรือไม่โปรดแจ้งให้เราทราบในส่วนความคิดเห็นที่ด้านล่าง ปรับค่าเฉลี่ยไฟล์ Excel เฉลี่ยฉันได้รวบรวม Excel Spreadsheet ที่มีค่าเฉลี่ยการปรับค่าย้ายและทำให้สามารถดาวน์โหลดได้ฟรี มี 8216basic8217 รุ่นที่แสดงการทำงานทั้งหมดและ 8216fancy8217 หนึ่งซึ่งจะปรับให้เข้ากับความยาวและดัชนีความผันผวนที่คุณระบุโดยอัตโนมัติ ค้นหาที่ลิงก์ต่อไปนี้ที่ด้านล่างของหน้าภายใต้ตัวบ่งชี้ทางเทคนิคสำหรับการดาวน์โหลด: ค่าเฉลี่ยเคลื่อนที่แบบปรับตัว (AMA) ค่าเฉลี่ยเคลื่อนที่ปรับตัวอย่างเช่น VI ระยะเวลาการใช้งาน 50 วัน adil 5 ปีที่ผ่านมาฉันพบแนวคิดเกี่ยวกับค่าเฉลี่ยเคลื่อนที่แบบปรับตัวที่น่าสนใจและน่าสนใจ , ฉัน backtested AMA กิโลกรัมผ่านสองระบบ (สัญญาณคลื่นไบนารีสำหรับระยะยาวและสั้นสัญญาณทิศทางรายการ (ama ขึ้นรายการยาวและ ama ลงรายการสั้น) แต่ฉัน couldnt สรุปว่าระบบมีประสิทธิภาพดีกว่าระบบ TF ระยะยาวโดยใช้ SMA (50 วัน SMA และ SMA 200 วัน) ฉันรู้กฎการซื้อขายหลักทรัพย์รอบ AMA ที่คุณใช้ในการซื้อขาย Derry Brown 5 ปีที่แล้วฉันดีใจที่คุณกำลังหางานวิจัยของเราที่เป็นประโยชน์เรายังไม่ได้เผยแพร่ผลของ moving crossovers เฉลี่ยดังนั้นพวกเขาอาจจะมีประสิทธิภาพมากขึ้นกฎที่คุณขอมีรายละเอียดที่ด้านล่างของทุกหน้าที่เราได้เผยแพร่ผลการทดสอบที่นี่พวกเขาเป็นอีกครั้ง: รายการ si (หรือสัญญาณออกเพื่อให้ครอบคลุมสั้น ๆ ) สำหรับแต่ละค่าเฉลี่ยที่ทำการทดสอบถูกสร้างขึ้นโดยให้ค่าเฉลี่ยใกล้เคียงกับค่าเฉลี่ยและสัญญาณขาออก (หรือสัญญาณเข้าจะสั้น) จะถูกสร้างขึ้นในแต่ละระยะใกล้ด้านล่างค่าเฉลี่ยเคลื่อนที่ ไม่ได้รับดอกเบี้ยในขณะที่เงินสดและไม่มีค่าใช้จ่ายสำหรับค่าใช้จ่ายในการทำธุรกรรมหรือการเลื่อนออกไป ข้อมูลการซื้อขายถูกทดสอบโดยใช้ข้อมูล End Of Day (EOD) และ End Of Week (EOW) สำหรับข้อมูลรายวันและสัญญาณ EOW สำหรับข้อมูลรายสัปดาห์ เช่น. ข้อมูลรายวันที่มีสัญญาณ EOW ต้องการให้สัปดาห์สิ้นสุดเหนือ Average Moving Average เพื่อเปิดเป็นระยะเวลานานหรือสั้นในขณะที่ข้อมูลรายวันที่มีสัญญาณ EOD จะต้องมีราคารายวันปิดเหนือ Average Moving Average เพื่อเปิดหรือปิด สั้นและในทางกลับกัน ผลตอบแทนที่เสนอคือผลตอบแทนเฉลี่ยต่อปีของตลาด 16 แห่งในช่วงระยะเวลาทดสอบ ข้อมูลที่ใช้สำหรับการทดสอบเหล่านี้รวมอยู่ในสเปรดชีตผลลัพธ์และรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการของเราสามารถดูได้ที่นี่ etfhqblog20100525best-technical-indicators กรุณาแจ้งให้เราทราบหากคุณมีคำถามอื่น ๆ Cheers DerryNifty Live Exponenial Movement การคำนวณค่าเฉลี่ยเกี่ยวกับ Rajandran Rajandran เป็นผู้ประกอบการค้าแบบเต็มเวลาและเป็นผู้ก่อตั้ง Marketcalls ซึ่งเป็นที่สนใจอย่างมากในการสร้างโมเดลการจับเวลา, algos แนวคิดการซื้อขายการตัดสินใจและการวิเคราะห์ Sentimental Trading ตอนนี้เขาแนะนำผู้ใช้ทั่วโลกจากผู้ค้าที่มีประสบการณ์ผู้ค้ามืออาชีพไปยังผู้ค้ารายย่อย Rajandran เข้าเรียนที่วิทยาลัยใน Chennai ซึ่งเขาได้รับ BE in Electronics and Communications Rajandran มีความรู้ความเข้าใจอย่างกว้างขวางเกี่ยวกับซอฟต์แวร์การซื้อขายเช่น Amibroker, Ninjatrader, Esignal, Metastock, Motivewave, Market Analyst (Optuma), Metatrader, Tradingivew, Python และเข้าใจความต้องการส่วนบุคคลของผู้ค้าและนักลงทุนโดยใช้วิธีการต่างๆ อย่าลืมดาวน์โหลดไฟล์ 8220Live Exponential Moving Average Tool 8221 pls อัปเดตโพสต์หรือส่งไปที่อีเมลของฉัน thank you8230 ข้อบังคับทางกฎหมายของรัฐบาลสหรัฐฯที่บังคับใช้ CTFC กฎ 4.41 การซื้อขายล่วงหน้ามีความเสี่ยงอย่างมากและไม่เหมาะสำหรับนักลงทุนทุกราย นักลงทุนอาจสูญเสียทั้งหมดหรือมากกว่าเงินลงทุนเริ่มแรก เงินทุนความเสี่ยงคือเงินที่สามารถสูญหายได้โดยไม่ส่งผลกระทบต่อความมั่นคงทางการเงินหรือวิถีชีวิต พิจารณาเฉพาะความเสี่ยงที่ควรใช้เพื่อการค้าและเฉพาะผู้ที่มีความเสี่ยงเพียงพอเท่านั้นจึงควรพิจารณาการซื้อขาย ผลการดำเนินงานที่ผ่านมาไม่จำเป็นต้องบ่งบอกถึงผลการดำเนินงานในอนาคต CTFC RULE 4.41 ผลการดำเนินงานตามหลักเหตุผลหรือสมมุติฐานที่มีข้อ จำกัด บางอย่าง ไม่ว่าจะเป็นบันทึกผลการดำเนินงานที่แท้จริงผลลัพธ์ที่จำลองไม่ได้แสดงถึงการซื้อขายตามปกติ นอกจากนี้เนื่องจากการค้าที่ไม่ได้รับการดำเนินการผลลัพธ์อาจมีน้อยกว่าหรือมากกว่าที่จะได้รับผลกระทบจากผลกระทบหากมีปัจจัยบางอย่างในตลาดเช่นความผันผวน โปรแกรมเทรดดิ้งที่จำลองในเรื่องทั่วไปจะต้องเป็นไปตามข้อเท็จจริงที่ว่าพวกเขาได้รับการออกแบบมาพร้อมกับประโยชน์ของยุคเีดียว ไม่มีผู้ถือหุ้นรายใดแสดงว่าบัญชีใดจะเป็นประโยชน์หรือเป็นไปได้ที่จะทำกำไรหรือขาดทุนให้คล้ายคลึงกัน การค้า, รูปแบบ, แผนภูมิ, ระบบ ฯลฯ ที่กล่าวถึงในเว็บไซต์หรือโฆษณานี้มีวัตถุประสงค์เพื่อเป็นข้อมูลประกอบเท่านั้นและไม่ถือว่าเป็นคำแนะนำที่เฉพาะเจาะจง ความคิดและเนื้อหาทั้งหมดที่นำเสนอนี้มีวัตถุประสงค์เพื่อการศึกษาเท่านั้น ไม่มีระบบหรือวิธีการซื้อขายใดที่ได้รับการพัฒนาขึ้นเพื่อรับประกันผลกำไรหรือป้องกันการสูญเสีย คำรับรองและตัวอย่างที่ใช้ในเอกสารนี้เป็นผลพิเศษที่ไม่ใช้กับคนทั่วไปและไม่ได้มีวัตถุประสงค์เพื่อเป็นตัวแทนหรือรับประกันว่าทุกคนจะได้ผลเหมือนกันหรือคล้ายกัน การค้าที่วางไว้บนความเชื่อมั่นของระบบวิธีการของแนวโน้มจะอยู่ภายใต้ความเสี่ยงของคุณเองสำหรับบัญชีของคุณเอง นี่ไม่ใช่ข้อเสนอในการซื้อหรือขายผลประโยชน์ของฟิวเจอร์ส ลิขสิทธิ์ 2015 Marketcalls บริการทางการเงิน Pvt Ltd middot สงวนลิขสิทธิ์ middot และแผนผังเว็บไซต์ของเรา middot เครื่องหมายการค้าทั้งหมด amp เครื่องหมายการค้าเป็นของตน Ownersmiddot เจ้าของข้อมูลและข้อมูลที่มีให้เพื่อเป็นข้อมูลเท่านั้นและไม่ได้มีวัตถุประสงค์เพื่อการค้า ทั้งเว็บไซต์ marketcalls. in และผู้ก่อการใด ๆ จะไม่รับผิดชอบต่อข้อผิดพลาดหรือความล่าช้าในเนื้อหาหรือการดำเนินการใด ๆ ที่ได้รับความเชื่อถือ