Gör Adaptive Moving Averages Bly till bättre resultat Rörliga medelvärden är ett favoritverktyg för aktiva näringsidkare. När marknaderna konsolideras leder dock denna indikator till många whipsaw-branscher, 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 Aktiestrenden. när de sa och det var tillbaka år 1941 som vi glatt gjorde upptäckten (även om många andra hade gjort det tidigare) att genom att medelvärda uppgifterna för ett visst antal dagar skulle en sådan kunna utlösa en slags automatiserad trendlinje som definitivt skulle tolka förändringarna av trend Det verkade nästan för bra för att vara sant. Det var faktiskt för bra att vara sant. Med nackdelarna överväga fördelarna, övergav Edwards och Magee snabbt sin dröm om handel från en bungalow på stranden. Men 60 år efter att de skrev dessa ord, fortsätter andra att försöka hitta ett enkelt verktyg som utan tvekan skulle ge marknadernas rikedomar. Enkla rörliga medelvärden För att beräkna ett enkelt glidande medelvärde. lägg till priserna för önskad tidsperiod och dela 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 det rörliga genomsnittet, skulle beståndet anses vara i en uptrend. Nedtrenden definieras av priser som handlar under det rörliga genomsnittet. (För mer, se vår Moving Averages-handledning.) Den här trenddefinierande egenskapen gör det möjligt att flytta medelvärden för att generera handelssignaler. I sin enklaste ansökan köper handlare när priserna flyttar över det glidande genomsnittet och säljer när priserna ligger under den linjen. Ett tillvägagångssätt som det här är garanterat att sätta handlaren på höger sida av varje betydande handel. Tyvärr, under utjämning av data, kommer rörliga medelvärden att ligga bakom marknadsåtgärden och näringsidkaren kommer nästan alltid att ge tillbaka en stor del av sina vinster på även de största vinnande affärer. Exponentiella rörliga medelvärden Analytiker verkar gilla tanken på det glidande genomsnittet och har spenderat år på att försöka minska problemen i samband med denna fördröjning. En av dessa innovationer är det exponentiella glidande medlet (EMA). Detta tillvägagångssätt tilldelar relativt högre viktning till de senaste uppgifterna, 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) Var: Vikt är utjämningskonstanten vald av analytiker EMAy är exponentiell 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 lagringen misslyckas det exponentiella glidande medlet att ta itu med ett annat problem med glidande medelvärden, vilket är att deras användning för handelssignaler leder till ett stort antal förlorande affärer. I nya koncept inom tekniska handelssystem. Welles Wilder uppskattar att marknaderna bara trender kvart över tiden. Upp till 75 av handelsåtgärder är begränsade till snäva intervall, när de genomsnittliga köp-och-säljsignalerna kommer att genereras upprepade gånger då priserna snabbt rör sig över och under det glidande genomsnittet. För att lösa detta problem har flera analytiker föreslagit att man varierar viktningsfaktorn för EMA-beräkningen. (Mer information finns om hur rörliga medelvärden används i handeln) Anpassning av rörliga medelvärden till marknadsaktioner En metod att hantera nackdelarna med glidande medelvärden är att multiplicera viktningsfaktorn med ett volatilitetsförhållande. Att göra detta skulle innebära att det rörliga genomsnittet skulle vara längre från det nuvarande priset på volatila marknader. Detta skulle göra det möjligt för vinnarna att springa. Som en trend kommer till ett slut och priserna konsolideras. det rörliga genomsnittet skulle gå närmare den nuvarande marknadsåtgärden och i teorin tillåta näringsidkaren att behålla de flesta vinster som tagits under trenden. I praktiken kan volatilitetsförhållandet vara en indikator, såsom Bollinger Bandwidth, som mäter avståndet mellan de välkända Bollinger Bands. (För mer om denna indikator, se Grunderna i 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 hos en trend definierad inom ett intervall från -1,0 till 1,0. Det beräknas med en enkel formel: ER (total prisförändring för period) (summa av absoluta prisändringar för varje stapel) Tänk på ett lager som har fem punktersintervaller varje dag och i slutet av fem dagar har fått totalt av 15 poäng. Detta skulle resultera i ett ER på 0,67 (15 poäng uppåtgående rörelse dividerat med det totala 25-punktsintervallet). Hade denna aktie minskat 15 poäng, skulle ER -0.67. (För mer handelsrådgivning från Perry Kaufman, läs Losing To Win. Som beskriver strategier för att hantera handelsförluster.) Principen för en effektivitet i trender 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 upptrend -1,0 representerar en perfekt downtrend. I praktiken nås extremiteterna sällan. För att tillämpa denna indikator för att hitta det adaptiva glidande genomsnittet (AMA) måste handlare beräkna vikten med följande, ganska komplexa formeln: C (ER (SCF SCS)) SCS 2 där: SCF är exponentiell konstant för snabbast EMA tillåten (vanligtvis 2) SCS är exponentiell konstant för den långsammaste EMA tillåten (ofta 30) ER är effektivitetsförhållandet som noterades ovan. Värdet för C används sedan i EMA-formeln istället för den enklare viktvariabeln. Även om det är svårt att beräkna för hand ingår det adaptiva glidande medlet som ett alternativ i nästan alla handelspaketpaket. (För mer på EMA, läs Exploring The Exponential Weighted Moving Average.) Exempel på ett enkelt glidande medelvärde (röd linje), ett exponentiellt glidande medelvärde (blå linje) och det adaptiva glidande medlet (grön linje) visas i Figur 1. Figur 1: AMA är i grön och visar störst grad 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. Slutsats Robert Colby testade hundratals tekniska analysverktyg i Encyclopedia of Technical Market Indicators. Han slutsatsen att även om det adaptiva glidande medlet är en intressant nyare idé med betydande intellektuell överklagande, visar våra preliminära tester inte någon verklig praktisk fördel för denna mer komplexa trendutjämningsmetod. Det betyder inte att handlare bör ignorera idén. AMA kan kombineras med andra indikatorer för att utveckla ett lönsamt handelssystem. (För mer om detta ämne, läs Upptäck Keltner kanaler och Chaikin Oscillatorn.) ER kan användas som en fristående trendindikator för att hitta de mest lönsamma handelsmöjligheterna. Som ett exempel anger förhållanden över 0,30 starka uppåtgående och representerar potentiella köp. Alternativt, eftersom volatiliteten rör sig i cykler, kan bestånden med det lägsta effektivitetsförhållandet ses som brytningsmöjligheter. Beta är ett mått på volatiliteten eller systematisk risk för en säkerhet eller en portfölj i jämförelse med marknaden som helhet. En typ av skatt som tas ut på kapitalvinster som uppkommit av individer och företag. Realisationsvinster är vinsten som en investerare. En order att köpa en säkerhet till eller under ett angivet pris. En köpgränsorder tillåter näringsidkare och investerare att specificera. En IRS-regel (Internal Revenue Service Rule) som tillåter utbetalningar från ett IRA-konto i samband med straff. Regeln kräver det. Den första försäljningen av lager av ett privat företag till allmänheten. IPOs utfärdas ofta av mindre, yngre företag som söker. DebtEquity Ratio är skuldkvot som används för att mäta företagets finansiella hävstångseffekt eller en skuldkvot som används för att mäta en individ. Adaptive Moving Average Adaptive Moving Averages förändrar sin känslighet för prisfluktuationer. Det adaptiva rörliga genomsnittet blir känsligare under perioder då priset rör sig i en viss riktning och blir mindre känslig för prisrörelsen när priset är flyktigt. Diagrammet nedan för E-mini Nasdaq 100 Futures-kontraktet visar skillnaden mellan ett exponentiellt rörligt medelvärde (se: Exponentiell rörligt medelvärde) som väger nuvarande priser högre än tidigare priser och det adaptiva rörliga genomsnittet som ändrar känsligheten baserat på prisvolatilitet: Fördelen med det adaptiva rörande genomsnittet är ovanför i e-mini-diagrammet i mitten där priset blev riktigt och ojämnt. Under den perioden upprätthöll det adaptiva rörliga medelvärdet ett rak utseende medan det exponentiala rörliga genomsnittet flyttade med prissänkning av priserna. Men när prisutvecklingen, som längst till höger om e-mini-diagrammet ovan, fortsatte det adaptiva rörliga genomsnittet med det exponentiala rörliga genomsnittet. Adaptive Moving Average är definitivt en unik teknisk indikator som är värt att undersöka ytterligare. Uppgifterna ovan är endast avsedda för informations - och underhållningsändamål och utgör inte handelsrådgivning eller en uppmaning att köpa eller sälja lager, alternativ, framtida, råvara eller valutaprodukt. Tidigare resultat är inte nödvändigtvis en indikation på framtida resultat. Handel är i sig riskabelt. OnlineTradingConcepts ansvarar inte för några speciella eller följdskador som uppstår till följd av användning eller oförmåga att använda, material och information som tillhandahålls av denna webbplats. Se fullständig ansvarsfriskrivning. Kaufman Adaptive Moving Average Trading Strategy (Setup 038 Filter) I. Trading Strategy Utvecklare: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA). Källa: Kaufman, P. J. (1995). Smartere Trading. Förbättra prestanda vid förändring av marknader. New York: McGraw-Hill, Inc. Koncept: Handelsstrategi baserad på ett adaptivt brusfilter. Forskningsmål: Prestationsverifiering av inställningen och filtret. Specifikation: Tabell 1. Resultat: Figur 1-2. Trade Setup: Long Trades: Det adaptiva flyttande genomsnittet (AMA) dyker upp. Korta affärer: Det adaptiva rörliga genomsnittet slocknar. Obs! AMAs trendlinje verkar sluta när marknaderna inte har någon riktning. När marknadsutvecklingen tränger upp AMA-trendlinjen. Handel: Långa affärer: Ett köp i slutet är placerat efter en hausseinställning. Korta affärer: En försäljning i slutet ligger efter en bearish setup. Trade Exit: Tabell 1. Portfölj: 42 terminsmarknader från fyra stora marknadssektorer (råvaror, valutor, räntor och aktieindex). Data: 32 år sedan 1980. Testplattform: MATLAB. II. Känslighetsprov Alla 3-D-diagram följs av 2-D-konturdiagram för vinstfaktor, Sharpe-förhållande, Ulcer Performance Index, CAGR, Maximal Drawdown, Procent lönsam handel och Gem. Vinn genomsnittspris Förlustförhållande. Den slutliga bilden visar känslighet för Equity Curve. Testade Variabler: ERLength amp FilterIndex (Definitioner: Tabell 1): Figur 1 Portfölj Prestanda (Input: Tabell 1 Kommission Ampel Slippage: 0). AMA (ERLength) är det adaptiva rörliga genomsnittet över en period av ERLength. ERLength är en bländningsperiod för effektivitetsförhållandet (ER). ERi abs (Directioni Volatilityi), där 8220abs8221 är absolutvärdet. Directioni Closei Closei ERLength, Volatilityi (abs (DeltaClosei), ERLength), där 82208221 är summan över en period av ERLength, DeltaClosei Closei Closei 1. FastMALength är en period av snabbrörande medelvärdet. SlowMALength är en period av det långsamma glidande medlet. AMAi AMAi 1 ci (Closei AMAi 1), där ci (ERi (Fast Slow) Slow) 2, Fast 2 (FastMALength 1), Slow 2 (SlowMALength 1). Index: I ERLength 2, 100, Steg 2 FastMALength 2 SlowMALength 30 Långa trader: Om AMAi gt AMAi 1 amp AMAi 1 lt AMAi 2 blir MinAMA AMAi 1 (Adaptive Moving Average med en pivot vid MinAMA). Korta affärer: AMAi lt AMAi 1 amp AMAi 1 gt AMAi 2 och MaxAMA AMAi 1 (Adaptive Moving Average avtar med en pivot vid MaxAMA). Index: I Filteri FilterIndex StdDev (AMAi AMAi 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 placeras när AMAi gt AMAi 1 amp (AMAi MinAMA) gt Filteri. Korta affärer: En sälja vid stängningen placeras när AMAi lt AMAi 1 amp (MaxAMA AMAi) gt Filteri. Index: I Stop Loss Exit: ATR (ATRLength) är den genomsnittliga True Range över en period av ATRLength. ATRStop är en multipel av ATR (ATRLength). Långa affärer: Ett försäljningsstopp är placerat vid ATR (ATRLength) ATRStop. Korta affärer: Ett köpstopp placeras vid ATR (ATRLength) ATRStop. ATRLength 20 ATRStop 6 ERLength 2, 100, Step 2 FilterIndex 0.0, 1.0, Steg 0.02Kaufman039s Adaptive Moving Average (KAMA) Kaufman039s Adaptive Moving Average (KAMA) Introduktion Utvecklad av Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) är ett glidande medelvärde för att ta hänsyn till marknadsbrus eller volatilitet. KAMA följer noga priserna när prissvingningarna är relativt små och bullret är lågt. KAMA kommer att justera när prissvängningarna utökas och följa priser från ett större avstånd. Den här trend-följande indikatorn kan användas för att identifiera den övergripande trenden, tiden för vändpunkter och filterprisrörelser. Beräkning Det krävs flera steg för att beräkna Kaufman039s Adaptive Moving Average. Let039 börjar först 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 antalet perioder för den långsammaste EMA-konstanten. Innan vi beräknar KAMA måste vi beräkna effektivitetsförhållandet (ER) och utjämningskonstanten (SC). Att bryta ner formeln i bettstorleksnuggor gör det lättare att förstå metoden bakom indikatorn. Observera att ABS står för Absolut Värde. Effektivitetsförhållande (ER) ER är i grunden prisändringen justerad för den dagliga volatiliteten. I statistiska termer säger effektivitetsförhållandet oss fraktal effektiviteten av prisförändringar. ER fluktuerar mellan 1 och 0, men dessa ytterligheter är undantaget, inte normen. ER skulle vara 1 om priserna steg 10 på varandra följande perioder eller ner 10 på varandra följande perioder. ER skulle vara noll om priset är oförändrat under de 10 perioderna. Utjämning Constant (SC) Utjämningskonstanten använder ER och två utjämningskonstanter baserat på ett exponentiellt rörligt medelvärde. Som du kanske har märkt använder utjämningskonstanten utjämningskonstanterna för ett exponentiellt glidande medelvärde i formeln. (2301) är utjämningskonstanten för en 30-årig EMA. Den snabbaste SC är utjämningskonstanten för kortare EMA (2-perioder). Den långsammaste SC är utjämningskonstanten för den långsammaste EMA (30-perioderna). Observera att 2 i slutet är att kvadrera ekvationen. Med effektivitetsförhållandet (ER) och utjämningskonstant (SC) är vi nu beredda att beräkna Kaufman039s adaptiva rörande medelvärde (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. BeräkningsexempelChart Bilderna nedan visar ett skärmdump från ett Excel-kalkylblad som används för att beräkna KAMA och motsvarande QQQ-diagram. Användning och signaler Chartister kan använda KAMA som någon annan trend som följer indikatorn, som ett glidande medelvärde. Chartister kan leta efter prisövergångar, riktningsändringar och filtrerade signaler. Först anger ett kors över eller under KAMA riktningsförändringar i priserna. Som med alla rörliga medelvärden kommer ett enkelt crossover-system att generera många signaler och massor av whipsaws. Chartister kan minska whipsaws genom att tillämpa ett pris - eller tidsfilter till övergångarna. Man kan kräva pris för att hålla korset i angivet antal dagar eller kräva korset överstiga KAMA med bestämd procentandel. För det andra kan kartografer 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 lägre nedgångar. Trenden är upp så länge KAMA stiger och smider högre höjder. Kroger-exemplet nedan visar KAMA (10,5,30) med en brant uptrend från december till mars och en mindre brant uppgång från maj till augusti. Och slutligen kan kartister kombinera signaler och tekniker. Chartister kan använda en längre term KAMA för att definiera den större trenden och en kortare KAMA för handelssignaler. Till exempel kan KAMA (10,5,30) användas som ett trendfilter och anses vara hausse när det stiger. En gång hausse kan chartörer sedan leta efter hausseformade kryssningar när priset rör sig över KAMA (10,2,30). Exemplet nedan visar MMM med stigande långsiktiga KAMA och bullish kors i december, januari och februari. Långsiktiga KAMA avböjdes i april och det var baisse kors i maj, juni och juli. SharpCharts KAMA kan hittas som en indikatoröverlagring i SharpCharts arbetsbänk. Standardinställningarna visas automatiskt i parameterrutan när den 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 nummer. Istället kan kartläggare minska den för att öka känsligheten. Chartister som vill släta KAMA för långsiktig trendanalys kan öka mellannivåvärdet stegvis. Även om skillnaden är bara 3, är KAMA (10,5,30) signifikant mjukare än KAMA (10,2,30). Ytterligare studie Från skaparen erbjuder boken nedan detaljerad information om indikatorer, program, algoritmer och system, inklusive detaljer om KAMA och andra glidande medelvärden. Handelssystem och metoder Perry Kaufman
No comments:
Post a Comment