Adaptive Moving Average Tradestation

przez Michael R Bryant. Wskaźniki techniczne są jednym z podstawowych elementów systematycznych wskaźników handlowych, takich jak średnie ruchome lub stochastyczne, mogą być postrzegane jako transformacje typów wejściowych zwykle: cena lub objętość przeznaczona na podkreślenie szczególnego aspektu rynku, np. jako że jego tendencja lub cykliczność Chociaż podstawowe znaczenie dla większości systematycznych metod handlu jest unikanie najczęstszych wskaźników, takich jak proste średnie kroczące i wskaźnik względnej wytrzymałości RSI, z przekonaniem, że rynek dostosował się do ich wykorzystania, zmniejszając ich skuteczność. O sposobem na zrekompensowanie efektu efektywności rynkowej na żywotność wskaźników technicznych jest ich modyfikacja w sposób znaczący. Na przykład wskaźnik Chiden i Kroll s VIDYA 1 jest wykładniczą średnią ruchoma, w której współczynnik wygładzania zależy od zmienności rynku, że skuteczna długość wzroku jest zmniejszona, gdy zmienność wzrośnie W tym artykule rozwębuję rozszerzenie adaptacji a także pokazać, jak stosować go do różnych wskaźników z dodatkowymi dodatkowymi kodeksami. Wynikające z tego wskaźniki zapewniają większą wszechstronność niż wcześniejsze wskaźniki i mogą być bardziej spójne z statystycznym widokiem rynków. Dostosowanie modelu Look - Długość oparcia. Pozwalając na to, że rynki stale się zmieniają, warto starać się dostosowywać do zmian w jak największym stopniu. Większość wskaźników technicznych została pierwotnie opracowana z zachowaniem stałej długości wstecznej, np. Liczby prętów w prostej średniej ruchomej Wielu autorów zaproponowało dostosowanie długości wzrokowej do zmienności na rynku. Dla przykładu wskaźnik VIDYA Dynamic Average Average Average, Chande i Kroll używali kilku różnych wskaźników, w tym indeksu zmienności opartego na znormalizowanym odchyleniu standardowym ceny, w którym wyższe wartości wskaźnika skutkują niższą skuteczną długością wsteczną Pomysł polegał na tym, że w okresach wyższej lotności, średnia ruchoma powinna być większa e na rynek, podczas gdy w okresach o niższej lotności dłuŜsza średnia ruchoma była bardziej zgodna z zachowaniem rynku. Kaufman zastosował nieco inne podejście 2 Pomysł jego Kaufman Adaptive Moving Average przeanalizował, Ŝe w okresach wysokiej zmienności, bardziej prawdopodobne jest, że będzie to miało miejsce w przypadku luzu na rynku, co skutkuje wielokrotnymi stratami. Aby tego uniknąć, wykorzystywał dłuższy okres dla średniej ruchomej w okresach niechlujnej akcji cenowej, tak że średnia będzie mniej reagować na niestabilność rynku, skutkująca mniejszym odwrotem Podczas tendencyjnego działania na rynku spadek średniej ruchomości spowodował, że handel mógłby szybciej reagować na zmianę kierunku. Aby mierzyć choppiness, Kaufman stosował tzw. współczynnik efektywności ER, który mierzy wartość bezwzględna zmiany ceny w okresie oczekiwania wstecznego podzielona przez sumę wartości bezwzględnych zmian cen bar-to-bar w tym samym okresie Jeśli na przykład, zmiana netto w cenie wynosi zero - cena jest taka sama pod koniec okresu, jak na początku - wtedy ER będzie wynosić zero W tym przypadku rynek jest całkowicie nieskuteczny, ponieważ może poruszać się dużo od bar to bar, ale nie idzie gdziekolwiek Jeśli z drugiej strony rynek idzie stale w jednym kierunku w górę lub w dół, tak aby każdy ruch paska przyczynił się do zmiany ceny netto, ER będzie wynosiła 1 W tym sprawa, rynek jest w pełni sprawny, ponieważ wszystkie ruchy cen pasków przyczyniają się do tendencji Ogólnie rzecz biorąc, ER będzie leżeć pomiędzy 0 a 1.A Różne spojrzenie na Adaptive Look-Back Lengths. Gdy wiele różnych metrics może i mieć Była - stosowana do adaptacji długości wzroku, współczynnik efektywności wyłania fundamentalny aspekt działania rynku, mianowicie różnica między tendencją a zachowaniem cyklicznym. Wysokie wartości ER oznaczają silnie trujący rynek, co oznacza bardzo mały ruch cykliczny i niskie wartości ER sugeruje niewielki trend, a tym samym bardziej cykliczny ruch nt, z wyjątkiem przypadku małego ruchu w ogóle. To skłania się ku podejściu Kaufmana. Jednak jego decyzja o zastosowaniu dłuższych czasów wzroku na rynkach niestabilnych opiera się na założeniu, że dostosowujemy długość wzroku ruchu średnio i 2, że średnia ruchoma jest wykorzystywana do uruchomienia wejścia do obrotu lub wyjścia. Alternatywnym punktem widzenia jest ten, w jaki Ehlers poświęcił się pracy nad zastosowaniem metod przetwarzania sygnałów do handlu 3 Jego pogląd jest bardziej zgodny z próbami aby ściślej modelować część rynku zainteresowania, np. składnik tendencji lub składnik cyklu Z tego punktu widzenia, średnia ruchoma na niekompletnym rynku powinna mieć krótsze spojrzenie na długość, aby lepiej uchwycić wyższą częstotliwość reprezentowaną przez choppiness, podczas gdy na silnie rozwijającym się rynku długa długość wzroku jest bardziej spójna z ruchem rynkowym. Trzeci punkt widzenia to ten, który przyjmiemy mianowicie, bardziej statystyczny Po pierwsze, nie zakładajmy, że anythi więcej niż absolutnie konieczne w odniesieniu do danego wskaźnika i sposobu jego wykorzystania W szczególności nie zakładajmy, że wskaźnik jest średnią ruchomą, a nie zakładaj, że ma ona zastosowanie do ceny Może to być na przykład RSI zmienności lub średniej ruchomej stochastycznej objętości Wskaźnik może być używany w połączeniu z innymi wskaźnikami w ramach większej reguły dla wjazdu lub wyjazdu, a nie samemu. Z bardziej statystycznie zorientowanym poglądem celem jest stworzyć reguły handlowe, które mają statystyczną ważność, co oznacza, że ​​dopasowują się one do działań cenowych bez nadmiernego dopasowania Nie zakładamy, że wiemy, jak rynki działają wystarczająco dobrze, aby podjąć konkretne decyzje dotyczące tego, czy długość wzroku powinna wzrosnąć lub zmaleć, współczynnik sprawności Raczej mamy pewne powody, aby sądzić, że współczynnik sprawności może mieć znaczenie, dlatego też chcemy je uwzględnić jako zmienną, ale pozostawiamy ją na rynku, aby powiedzieć nam, czy i jak f jego w badaniach statystycznych jest używany do powiedzenia nam, czy strategia handlowa zawierająca wskaźnik jest statystycznie ważna lub czy jest nadmierna, tj. niewłaściwa, ponieważ pasuje raczej do hałasu, a nie do sygnału na rynku. A bardziej wszechstronny Adaptive Look-Back. Biorąc pod uwagę poprzednią dyskusję, adaptowana długość wzroku wstecznego opracowana w oparciu o współczynnik efektywności ER i będzie wykorzystywał parametr do określenia zależności między ER i długością wsteczną W szczególności rozważmy poniższe równanie. VER kwadratowy ER - 2 ER - 1 2 1 - TrendParam 0 5.w przypadku, gdy VER jest współczynnikiem sprawności zmiennej, a TrendParam jest parametrem trendu, który może przyjąć dowolną wartość dodatnią lub ujemną i który określa, czy długość wstecznej wzrośnie lub maleje wraz ze wzrostem ER. Jest to zasadniczo tylko sposób na odwrócenie współczynnika ER w zależności od parametru trendu Jak pokazano poniżej, zamiast skalować stałą wygładzania przez ER, jak to czyni Chande i Kroll i Kaufman, używamy VER With p wartości oscylacyjne TrendParam, VER zmienia się pozytywnie z ER, podczas gdy ujemne wartości TrendParam, VER zmienia się w sposób negatywny na ER Z TrendParam równy zeru, VER równy 1 dla wszystkich wartości ER Wykres jest pobierany w celu lepszego skalowania wartości użytych jako mnożnik, jak wyjaśniono poniżej. Aby obliczyć adaptacyjną długość wsteczną przy użyciu tego równania, pomnożymy oryginalną wartość stałej wygładzania, Alpha, która odpowiada oryginalnej długości wstecznej, VER. Valfa Alpha VER. in które VAlpha jest adaptacyjną stałą wygładzania, a Alpha jest oryginalną wartością stałej wygładzania. Relacja między stałą wygładzania a długością tylnej taśmy jest taka sama, jak dla wykładniczej średniej ruchomej mianowicie N, która N jest wzrokiem wstecznym długość i Alpha to stała wygładzania Równanie to może być również napisane dla N w kategoriach algorytmów al. Jako adaptowalna długość wsteczna jest więc. Kaufman Adaptacyjna ruch średnia strategia obrotu Strategia konfiguracji filtra. I. Eloper Perry Kaufman Kaufman Adaptacyjne Ruch Przeciętny KAMA Źródło Kaufman, PJ 1995 Inteligentniejszy handel Poprawa wyników w zmianach rynków Nowy Jork McGraw-Hill, Inc Koncepcja Strategia handlowa oparta na adaptacyjnym filtrze hałasu Cel badawczy Ocena skuteczności konfiguracji i filtracji Tabela 1 Wyniki 1-2 Ustawienia handlu Długie transakcje Adaptacyjna ruchoma średnia AMA pojawia się Krótkie transakcje Adaptacyjna średnia ruchoma wyłączy się Uwaga Koniunktura AMA przestaje działać, gdy rynki nie mają kierunku Kiedy trend rynkowy trwa w trendzie AMA, złapie transakcję Long Trade na wejściu do transakcji A buy at po zamknięciu po upartej konfiguracji Krótkie transakcje sprzedaŜ krótkoterminowe sprzedaŜ na zamknięciu połoŜony jest po nieuderzonym wzroście handlu zniknął Tabela 1 Portfel 42 rynki terminowe z czterech głównych sektorów rynku towary, waluty, stopy procentowe i indeksy kapitałowe Dane 32 lata od 1980 r. Testowanie Testy czułości platformy MATLAB. II. Wszystkie wykresy 3-D są za nimi wykresy konturów 2-D dla współczynnika zysku, współczynnika Sharpe, Ulc Indeks efektywności, CAGR, maksymalny spadek procentowy, procent zyskownych transakcji oraz średni czas wygaśnięcia współczynnika strat końcowych Końcowy obraz przedstawia wrażliwość na krzywe Equity Curve. Zmienne zbadane ERLength FilterIndex Definicje Tabela 1. Wzorzec 1 Wejścia wydajności portfela Tabela 1 Zwolnienie z programu 0.AMA ERLength średnia szybkość przemieszczania się w okresie ERLength ERLength jest okresem wstecznym stosunku efektywności ER ER i abs Kierunek i Zmienność i, gdzie abs jest wartością bezwzględną Kierunek i Zamknij i Zamknij i ERLength, Volatility i abs DeltaClose i, ERLength , gdzie jest suma w okresie ERLength, DeltaClose i Close i Close i 1 FastMALength to okres szybkiej średniej ruchomej SlowMALength to okres niskiej średniej ruchomej AMA i AMA i 1 ci Zamknij i AMA i 1, gdzie ci ER i Szybki Slow Slow 2, Fast 2 FastMALength 1, Slow 2 SlowMALength 1 Indeks i. ERLength 2, 100, Krok 2 FastMALength 2 SlowMALength 30.Long Trades Jeśli AMA i AMA i 1 AMA i 1 AMA i 2 następnie MinAMA AMA i 1 Adaptacyjny ruch Aver wiek pojawia się w osi obrotu w Minamie Krótkie transakcje AMA i AMA i 1 AMA i 1 AMA i 2, a następnie MaxAMA AMA i 1 Adaptive Moving Average przechodzi w dół z obrotem w indeksie MaxAMA i. Filter i FilterIndex StdDev AMA i AMA i 1, N , gdzie StdDev jest odchyleniem standardowym serii w okresie N N 20 wartość domyślna Indeks i. FilterIndex 0 0, 1 0, krok 0 02 N 20. Długie transakcje Zakup na zamknięciu jest umieszczony, gdy AMA i AMA i 1 AMA i Minama Filtrowanie i Krótkie transakcje Sprzedaż na końcu jest umieszczona, gdy AMA i AMA i 1 MaxAMA AMA i Filtr Indeks i. Stop Strata ATR ATRLength to średni zakres rzeczywista w okresie ATRLength ATRStop jest wielokrotnością długości ATR Długość transakcji A sprzedaj stop jest umieszczony w pozycji ATR ATRLength ATRStop Krótkie transakcje Zakup jest umieszczony w pozycji ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.Regulacja 2, 100, krok 2 FilterIndex 0 0, 1 0, krok 0 02.Kaufman s Adaptive Moving Average KAMA. Kaufman s Adaptive Moving Średnia KAMA. Opracowana przez Perry Kaufman, Kaufman s Adaptacyjna średnia ruchoma KAMA jest Oszacowanie średnie przeznaczone do uwzględnienia hałasu lub zmienności rynkowej KAMA będzie ściśle przestrzegać cen, gdy wahania cen są stosunkowo niewielkie i hałas jest niski KAMA będzie dostosowywał się, gdy wahania cen wzrosną i będą przestrzegać cen z większej odległości Ten wskaźnik tendencji może być użyty w celu zidentyfikowania ogólnej tendencji, punktów zwrotnych i przesunięć cen filtrów. Istnieje kilka kroków niezbędnych do obliczenia średniej dynamiki Adaptive Movient Average firmy Kaufman, aby rozpocząć od ustawień zalecanych przez Perry Kaufman, które są KAMA 10,2,30.10 jest liczbą okresy dla współczynnika sprawności ER.2 jest liczbą okresów dla najszybszych stężeń EMA.30 jest liczbą okresów dla najmniejszej stałej EMA. Przed obliczeniem KAMA musimy obliczyć współczynnik sprawności ER i wygładzoną Constant SC Zerwanie formuła w bryły wielkości ugryzienia ułatwia zrozumienie metodologii za wskaźnikiem Zauważ, że ABS oznacza stosunek bezwzględny. Efficiency Ratio ER. ER jest podstawowy a zmiana cen dostosowana do dziennej niestabilności. W statystykach współczynnik efektywności informuje nas na temat efektywności fraktalnej zmian cen ER zmienia się od 1 do 0, ale te skrajne wartości są wyjątkiem, a nie normą ER byłoby 1, gdyby ceny wzrosły 10 kolejnych okresów lub w dół 10 kolejnych okresów ER będzie zerem, jeśli cena nie zmieni się w ciągu 10 okresów. Konsekwencja stałej SC. Stała wygładzania używa ER i dwóch stałych wygładzania na podstawie wykładniczej średniej ruchomej. Jak zauważyłeś, Smoothing Constant używa stałych wygładzania dla wykładniczej średniej ruchomej w jej formule 2 30 1 jest stałą wygładzania dla 30-krotnej EMA Najszybsza SC to stała wygładzania dla krótszych okresów EMA 2 Najmniejsza SC to stała wygładzania dla najmniejszych EMA 30-kresowe Zauważ, że 2 na końcu to kwadrat równania. Z efektywnością Ratio ER i Smoothing Constant SC jesteśmy teraz gotowi obliczyć Kaufman's Adaptive Moving Average KAMA S ina potrzebujemy wartości początkowej, aby rozpocząć obliczanie, pierwsza KAMA to tylko zwykła średnia ruchoma Poniższe obliczenia opierają się na poniższej formule. Przykładowy schemat obliczeniowy. Poniższe zdjęcia przedstawiają strzałkę z arkusza kalkulacyjnego Excela służącego do obliczania KAMA i odpowiednia tabela QQQ. Usage i Signals. Chartists mogą używać KAMA podobnie jak inne wskaźniki następujące wskaźniki, takie jak średnia ruchoma Chartistów mogą szukać krzyżów cenowych, zmian kierunkowych i filtrowanych sygnałów. Pierwsze krzyże powyżej lub poniżej KAMA wskazuje na kierunkowe zmiany w ceny Podobnie jak w przypadku każdej średniej ruchomej, prosty system crossover generuje wiele sygnałów i wiele pseudonów Chartistów mogą zmniejszyć liczbę pędzli, stosując filtr cen lub czasu do przecięć Można potrzebować ceny, aby utrzymać krzyż na określoną liczbę dni lub wymagać przekroczyć przekroczony KAMA przez procent ustalony. Po drugie, chartiści mogą używać kierunku KAMA w celu określenia ogólnej tendencji do bezpieczeństwa Może to wymagać dostosowania parametru aby wygładzić wskaźnik dalej Chartiści mogą zmieniać średni parametr, który jest najszybszą stałą EMA, aby wygładzić KAMA i szukać zmian kierunkowych Trenduje tak długo, jak spadnie KAMA i kucia niższych niskich trendów trwa tak długo jak KAMA rośnie i wykuwa wyższe poziomy Przykład Krogera poniżej pokazuje KAMA 10,5,30 ze stromą tendencją od grudnia do marca i mniej stromą tendencją od maja do sierpnia. Wreszcie, chartiści mogą połączyć sygnały i techniki Chartiści mogą używać dłuższego - term KAMA w celu określenia większego trendu i krótszego okresu KAMA dla sygnałów handlowych Na przykład, KAMA 10,5,30 może być użyta jako filtr trendu i być uznawany za uparty podczas wzrostu Kiedyś uparty, chartiści mogliby następnie wyszukać krzyże uprzywilejowane, gdy cena przewyższa KAMA 10,2,30 Poniższy przykład ilustruje MMM wraz ze wzrostem długoterminowej KAMA i przejściami uprzywilejowanymi w grudniu, styczniu i lutym Od dłuższego czasu KAMA odrzucił w kwietniu, a w maju, czerwcu i lipcu były krzyżowe krzyże. KAMA może być foun d jako nakładka wskaźnika w stole roboczym programu SharpCharts Ustawienia domyślne są automatycznie wyświetlane w polu parametrów po ich wybraniu, a wykresy mogą zmieniać te parametry tak, aby odpowiadały ich potrzebom analitycznym Pierwszy parametr dotyczy współczynnika sprawności, a chrześcijanie powinni powstrzymywać się od zwiększania tej liczby Zamiast tego chrześcijanie mogą ją zmniejszyć, aby zwiększyć wrażliwość Klasyfikatorzy pragnący wygładzić KAMA w celu przeprowadzenia długoterminowej analizy tendencji mogą zwiększać średnie parametry stopniowo Mimo że różnica wynosi zaledwie 3, KAMA 10,5,30 jest znacznie płynniejsza niż KAMA 10,2,30 Poniższa książka zawiera szczegółowe informacje o wskaźnikach, programach, algorytmach i systemach, w tym o szczegółach dotyczących systemów KAMA i innych średnich ruchów. Systemy i metody przetargowe Perry Kaufman.