Kaufman Adaptiv Moving Average Filteret

Kaufman s Adaptive Moving Average KAMA. Kaufman s Adaptive Moving Average KAMA. Utviklet av Perry Kaufman, er Kaufman s Adaptive Moving Average KAMA et glidende gjennomsnitt beregnet for å ta hensyn til markedsstøy eller volatilitet. KAMA følger tett prisene når prisvingene er relativt små og støyen er lav KAMA vil justere når prisendringer vokser og følge priser fra en større avstand. Denne trend-indikatoren kan brukes til å identifisere den generelle trenden, vendepunktene og filterprisbevegelsene. Det er flere trinn som kreves for å beregne Kaufman s Adaptive Moving Average La oss først starte 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 nummeret av perioder for den langsommere EMA-konstanten. Før vi beregner KAMA, må vi beregne Efficiency Ratio ER og Smoothing Constant SC. Bryte ned formelen i bite size n uggets gjør det lettere å forstå metodologien bak indikatoren Merk at ABS står for Absolutt Verdi. Effektivitetsforhold ER. ER er i utgangspunktet prisendringen justert for den daglige volatiliteten. I statistiske termer forteller effektivitetsforholdet fraktal effektiviteten av prisen endringer ER svinger mellom 1 og 0, men disse ekstremer er unntaket, ikke normen ER ville være 1 hvis prisene flyttet opp 10 påfølgende perioder eller ned 10 påfølgende perioder ER ville være null hvis prisen er uendret i løpet av de ti perioder. . 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 2 30 1 er utjevningskonstanten for en 30 - period EMA Den raskeste SC er utjevningskonstanten for kortere EMA 2-perioder Den langsommere SC er utjevningskonstanten for de langsomste EMA 30-periodene Merk at 2 på slutten er å kvadre ligningen. Med effektivitetsforholdet ER og utjevning konstant SC, er vi nå klare til å beregne Kaufman s Adaptive Moving Average 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. Kalkulasjonseksempeldiagram. Bildene nedenfor viser et skjermbilde fra et Excel-regneark som brukes til å beregne KAMA og tilhørende QQQ-diagram. Bruk og signaler. Kartister kan bruke KAMA som enhver annen trend som følger indikator, for eksempel en Flytende gjennomsnitt Chartists kan se etter priskryss, retningsendringer og filtrerte signaler. Først angir et kryss over eller under KAMA retningsendringer i prisene. Som med ethvert glidende gjennomsnitt, vil et enkelt crossover-system generere mange signaler og mange whipsaws Chartists kan redusere whipsaws ved å bruke et pris - eller tidsfilter til kryssene. En kan kreve pris for å holde krysset i angitt antall dager eller kreve krysset over d KAMA med angitt prosentandel. Andre diagrammer kan bruke retningen til KAMA for å definere den overordnede trenden for sikkerhet. Dette kan kreve en parameterjustering for å glatte indikatoren ytterligere. Diagrammer kan endre mellomparameteren, som er den raskeste EMA-konstanten, for å glatte KAMA og se etter retningsendringer Trenden er nede så lenge KAMA faller og smi nedover. 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 opptrinn fra mai til august. Til slutt kan kartleggere kombinere signaler og teknikker Chartists kan bruke en langsiktig KAMA for å definere den større trenden og kortsiktige KAMA for handelssignaler. For eksempel KAMA 10 , 5,30 kan brukes som et trendfilter og anses som bullish når det stiger. Nå bullish, 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 okse iskors i desember, januar og februar Langsiktig KAMA avslått i april og det var bearish kryss i mai, juni og juli. KAMA kan bli funnet som en indikatoroverlegg i SharpCharts arbeidsbenk. Standardinnstillingene vises automatisk i parameterboksen når det er valgt, og diagrammer kan endre disse parametrene for å dekke deres analytiske behov. Den første parameteren er for effektivitetsforholdet, og kartleggerne bør avstå fra å øke dette nummeret. I stedet kan kartleggere redusere det for å øke følsomheten. Chartister ser ut til å glatte KAMA for langsiktig trend analyse kan øke mellomparameteren gradvis Selv om forskjellen bare er 3, er KAMA 10,5,30 betydelig jevnere enn KAMA 10,2,30. Ytterligere Study. From skaperen gir boken nedenfor detaljert informasjon om indikatorer, programmer, algoritmer og systemer, inkludert detaljer om KAMA og andre bevegelige gjennomsnittssystemer. Trinnsystemer og metoder Perry Kaufman. Kaufman Adaptive Moving Average Trad Strategi Oppsett Filter. I Trading Strategy. Developer Perry Kaufman Kaufman Adaptive Moving Average KAMA Source Kaufman, PJ 1995 Smartere handel Bedre ytelse i endring av markeder New York McGraw-Hill, Inc Konsept Handelsstrategi basert på et adaptivt støyfilter. oppsettet og filteret Spesifikasjon Tabell 1 Resultat Figur 1-2 Handel Oppsett Lange handler Den adaptive Flytte Gjennomsnittlig AMA viser seg Kort handel Det adaptive Flytte gjennomsnittet slår seg ned Merknad AMA-trendlinjen ser ut til å stoppe når markeder ikke har noen retning. Når markeder trenden, AMA-trendlinjen Fanger opp Handelen Langt handler Et kjøp på teltet er plassert etter et bullish oppsett Kort handel En selg på slutten plasseres etter et bearish opsjon. Trade Exit Table 1 Portefølje 42 futuresmarkeder fra fire store markedssektorer varer, valutaer, renter, og aksjeindekser Data 32 år siden 1980 Testplattform MATLAB. II Sensitivity Test. All 3-D diagrammer følges av 2-D con turneringsdiagrammer for fortjenestefaktor, Sharpe-forhold, Ulcer Performance Index, CAGR, Maksimal Drawdown, Prosent Lønnsom Trades og Avg Win Avg Loss Ratio Det endelige bildet viser sensitiviteten til Equity Curve. Tested Variables ERLength FilterIndex Definisjoner Tabell 1.Figur 1 Portefølje Performance Inputs Tabell 1 Kommisjonen Slippage 0.AMA ERLength er det adaptive Flytende Gjennomsnitt over en periode med ERLength ERLength er en tilbakekopningsperiode for effektivitetsforholdet ER ER jeg abs Retning i Volatilitet Jeg, hvor abs er absoluttverdien Retning jeg Lukker jeg Lukk jeg ERLength, volatilitet i abs DeltaClose jeg, ERLength, hvor er summen over en periode med ERLength, DeltaClose i Lukk i Lukk i 1 FastMALength er en periode med det raskgjørende gjennomsnittet SlowMALength er en periode med det langsomme glidende gjennomsnittet AMA i AMA i 1 ci Lukk jeg AMA i 1, hvor ci ER jeg Fast Slow Slow 2, Fast 2 FastMALength 1, Slow 2 SlowMALength 1 Indeks i. ERLength 2, 100, trinn 2 FastMALength 2 SlowMALength 30.Long Trades Hvis AMA jeg AMA jeg 1 AMA jeg 1 A MA i 2 så MinAMA AMA i 1 Adaptive Moving Average blir en sving på MinAMA Short Trades AMA i AMA i 1 AMA i 1 AMA i 2 og MaxAMA AMA i 1 Adaptive Moving Average blir ned med en pivot ved MaxAMA Index i. Filter jeg FilterIndex StdDev AMA I AMA I 1, N, hvor StdDev er standardavviket i serier over N perioder N 20 standardverdi Indeks i. FilterIndex 0 0, 1 0, Trinn 0 02 N 20.Lange handler Et kjøp på nært hold er plassert når AMA jeg AMA jeg 1 AMA i MinAMA Filter i korte handler En selg på slutten plasseres når AMA jeg AMA i 1 MaxAMA AMA i Filter i indeksen i. Stop Loss-utgang ATR ATRLength er gjennomsnittlig True Range over en periode med ATRLength ATRStop er et flertall av ATR ATRLength Long Trades Et salgsstopp er plassert ved ATR ATR ATRLength ATRStop Short Trades Et kjøpsstopp er plassert ved ATR ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.Lengde 2, 100, trinn 2 FilterIndex 0 0, 1 0 , Trinn 0 02.Do Adaptive Moving Gjennomsnitt Lead To Better Results. Moving gjennomsnitt er et favorittverktøy for aktiv handelsmann s Men når markeder konsolideres, fører denne indikatoren til mange whipsaw-bransjer, noe som resulterer i en frustrerende rekke små gevinster og tap Analytikere har brukt tiår på å prøve å forbedre det enkle glidende gjennomsnittet. I denne artikkelen ser vi på disse anstrengelsene og finner at deres søk har ført til nyttige handelsverktøy. For bakgrunnsavlesning på enkle bevegelige gjennomsnitt, sjekk ut Enkle bevegelige gjennomsnitt. Gjør trendene ut. Fordeler og ulemper med bevegelige gjennomsnitt. Fordelene og ulempene ved bevegelige gjennomsnitt ble oppsummert av Robert Edwards og John Magee i første utgave av Teknisk analyse av Stock Trends når de sa, og det var tilbake i 1941 at vi gledelig gjorde oppdagelsen, selv om mange andre hadde gjort det før det ved å beregne dataene i et uttalt antall dager, en kunne utlede en slags automatisert trendlinje som definitivt ville tolke endringene i trenden Det virket nesten for godt til å være sant Faktisk var det for godt til å være sant. Med ulempene outw Edwards og Magee forlot raskt sin drøm om å handle fra en bungalow på stranden. Men 60 år etter at de skrev disse ordene, fortsetter andre å forsøke å finne et enkelt verktøy som enkelt ville levere rikdomene på markedene. Enkelte bevegelige gjennomsnitt for å beregne et enkelt glidende gjennomsnitt legger prisene for ønsket tidsperiode og divideres 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 nyeste lukkingen er over bevegelsen Gjennomsnittlig, aksjene anses å være i en uptrend. Downtrends er definert av priser handel under det bevegelige gjennomsnittet For mer, se vår Moving Averages opplæring. Denne trenddefinerende eiendommen gjør det mulig å flytte gjennomsnitt for å generere handelssignaler I sin enkleste søknad, kjøpmenn kjøper når prisene går over det bevegelige gjennomsnittet og selger når prisene går over den linjen. En tilnærming som dette er garantert å sette tr Ader på høyre side av enhver betydelig handel Dessverre, mens utjevning av dataene vil flytteverdier ligge bak markedsaksjonen, og næringsdrivende vil nesten alltid gi tilbake en stor del av fortjenesten på selv de største vinnende handler. Eksponentielle Moving Averages Analytikere synes å like ideen om det bevegelige gjennomsnittet og har brukt år på å forsøke å redusere problemene knyttet til denne forsinkelsen. En av disse innovasjonene er eksponentiell glidende gjennomsnittlig EMA. Denne tilnærmingen tilordner en relativt høyere vekting til nyere data, og som et resultat forblir det nærmere prisvirkningen enn et enkelt glidende gjennomsnitt Formelen for å beregne et eksponentielt glidende gjennomsnitt er. EMA Vekt Lukk 1-Vekt EMAy Hvor. Vikt er utjevningskonstanten valgt av analytikeren. Det er eksponentielt glidende gjennomsnitt fra igår. En felles vektningsverdi er 0 181, som er nær et 20-dagers enkeltflytende gjennomsnitt. En annen er 0 10, som er omtrent et 10-dagers glidende gjennomsnitt. Selv om det reduserer forsinkelsen , det eksponentielle glidende gjennomsnittet unnlater 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 vurderer Welles at markedene bare trender en fjerdedel av tiden Opptil 75 av handelshandlinger er begrenset til smale områder. Når gjennomsnittlig kjøps-og-selgesignaler blir flyttet, blir prisene gjentatte ganger høyere enn under gjennomsnittet. For å løse dette problemet har flere analytikere foreslått å variere vektningsfaktoren for EMA-beregningen For mer, se Hvordan flytter gjennomsnitt i trading. Adapting Moving Average til Market Action 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 lenger fra dagens pris i volatile markeder Dette vil tillate vinnere å løpe Som en trend kommer til en slutt og prisene konsoliderer flyttingen gjennomsnittet vil bevege seg nærmere den nåværende markedsaksjonen og i teorien tillate handelsmannen å beholde de fleste gevinster tatt under trenden. I praksis kan volatilitetsforholdet være en indikator som Bollinger Band-bredden som måler avstanden mellom kjente Bollinger Bands For mer om denne indikatoren, se Grunnleggende om Bollinger Bands. Perry Kaufman foreslo å erstatte vektvariabelen i EMA-formelen med en konstant basert på effektivitetsforholdet ER i sin bok, New Trading Systems and Methods Denne indikatoren er utformet for å måle styrken av en trend definert innenfor et område fra -1 0 til 1 0 Det beregnes med en enkel formel. ER total prisendring for perioden summen av absolutt prisendringer for hver bar. Consider et lager som har en fem - punkts rekkevidde hver dag og i slutten av fem dager har fått totalt 15 poeng. Dette ville resultere i et ER med 0 67 15 poeng oppover bevegelse delt med totalt 25-punkts rekkevidde. Hadde denne aksjen redusert 15 poeng, var ER wou ld være -0 67 For mer handelsrådgivning fra Perry Kaufman, les Losing To Win som skisserer strategier for å takle trading losses. Prinsippet om en trend s effektivitet er basert på hvor mye retningsbestemmelse eller trend du får per enhet for prisbevegelse over en definert tidsperiode Et ER på 1 0 indikerer at aksjen er i en perfekt opptrinn -1 0 representerer en perfekt nedtrending I praksis er ekstremt sjelden nådd. For å bruke denne indikatoren for å finne det adaptive glidende gjennomsnittlige AMA, vil handelsfolk trenge å beregne vekten med følgende, ganske komplekse formel. C ER SCF SCS SCS 2 Hvor. SCF er eksponensiell konstant for den raskeste EMA-tillatelsen som regel 2.SCS er eksponensiell konstant for den langsommere EMA-tillatelsen ofte 30.ER er den effektivitetsforhold 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 trad Programvarepakker For mer på EMA, les Exploring The Exponentially Weighted Moving Average. Eksempler på en enkel glidende gjennomsnittlig rød linje, en eksponentiell glidende gjennomsnittlig blå linje og den adaptive glidende, gjennomsnittlige grønne linjen er vist i Figur 1.Figur 1 AMA er i grønt og viser størst grad av flatering 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 prisaktiviteten. Det enkle glidende gjennomsnittet vises som den røde linjen. De tre bevegelige gjennomsnittene som er vist på figuren, er alle tilbøyelige til whipsaw-handler på forskjellige tidspunkter. Denne ulempen med bevegelige gjennomsnitt har hittil vært umulig å eliminere. Konklusjon Robert Colby testet hundrevis av tekniske analysverktøy i The Encyclopedia of Technical Markedsindikatorer Han konkluderte med, selv om det adaptive glidende gjennomsnittet er en interessant nyere ide med betydelig intellektuell appell, viser ikke våre foreløpige tester å vise noen ekte praksis All fordel til denne mer komplekse trendutjevningsmetoden Dette betyr ikke at handelsfolk bør ignorere ideen. AMA kan kombineres med andre indikatorer for å utvikle et lønnsomt handelssystem. Les mer om dette ved å lese Discovering 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 muligheter.