Kaufman Adaptive Moving Average Easylanguage

Von Michael R Bryant. Technische Indikatoren sind eines der grundlegenden Elemente des systematischen Handels Indikatoren, wie z. B. gleitende Durchschnitte oder Stochastik, können als Transformationen der Input-Serie in der Regel, Preis oder Volumen, um einen bestimmten Aspekt des Marktes zu akzentuieren angesehen werden Als Trend oder Zyklizität Während der grundlegenden für die meisten systematischen Handelsmethoden, viele Händler vermeiden die häufigsten Indikatoren, wie einfache gleitende Durchschnitte und die relative Stärke Indikator RSI, in der Überzeugung, dass der Markt hat sich an ihre Nutzung, die Verringerung ihrer Wirksamkeit Weg, um die Auswirkungen der Marktwirksamkeit auf die Lebensfähigkeit der technischen Indikatoren zu kompensieren, ist, sie in einer sinnvollen Weise zu modifizieren. Zum Beispiel ist Chande und Kroll s VIDYA Indikator 1 ein exponentieller gleitender Durchschnitt, in dem der Glättungsfaktor von der Marktvolatilität abhängig ist Dass die effektive Rückblicklänge reduziert wird, wenn die Volatilität zunimmt In diesem Artikel werde ich eine Erweiterung der Anpassung entwickeln Ive Look-Back-Ansatz und zeigen, wie man es auf eine Vielzahl von Indikatoren mit nur ein paar zusätzliche Codezeilen anwenden Die daraus resultierenden Indikatoren bieten größere Vielseitigkeit als vorherige Indikatoren und können mit einer statistischen Sicht der Märkte in Einklang stehen. Adapting the Look - Back Length. Gezigt, dass sich die Märkte ständig verändern, ist es sinnvoll, sich so schnell wie möglich an die Veränderungen anzupassen. Die meisten technischen Indikatoren wurden ursprünglich mit einer festen Rückblicklänge entwickelt, zum Beispiel die Anzahl der Takte in einem einfachen gleitenden Durchschnitt Eine Reihe von Autoren haben vorgeschlagen, die Rückblicklänge an die Marktvolatilität anzupassen. Für den Variablenindex Dynamic Average VIDYA Indikator haben Chande und Kroll beispielsweise mehrere verschiedene Metriken verwendet, darunter einen Volatilitätsindex, der auf einer normalisierten Standardabweichung des Preises basiert Höhere Werte des Index führten zu einer niedrigeren effektiven Rückblicklänge Die Idee war, dass in Zeiten höherer Volatilität der gleitende Durchschnitt mehr ansprechbar sein sollte E auf den Markt, während in Zeiten niedrigerer Volatilität ein längerfristiger gleitender Durchschnitt mit dem Marktverhalten im Einklang stand. Kaufman nahm einen etwas anderen Ansatz 2 Die Idee hinter seinem Kaufman Adaptive Moving Average KAMA war, dass in Zeiten hoher Volatilität, Sie sind eher zu peitschen-sägen, wie der Markt schwingt hin und her, was zu wiederholten Verlusten Um zu vermeiden, dass er eine längere Zeit für den gleitenden Durchschnitt in Zeiten der choppy Preis Aktion, so dass der Durchschnitt wäre weniger reagiert auf die Marktvolatilität, was zu weniger Umkehrungen führte Während der Trendmärkte wurde die Periode des gleitenden Durchschnitts verringert, so dass die Trades schneller auf den Richtungswechsel reagieren konnten. Um die Choppiness zu messen, nutzte Kaufman das so genannte Effizienzverhältnis ER Absolutwert der Preisänderung über die Rückblickperiode geteilt durch die Summe der Absolutwerte der Bar-to-Bar-Preisänderungen über den gleichen Zeitraum Wenn zum Beispiel, Die Nettoänderung im Preis ist Null - der Preis ist der gleiche am Ende des Zeitraums wie am Anfang - dann wird der ER null sein. In diesem Fall ist der Markt vollkommen ineffizient, dass er sich viel bewegen kann Bar zu Bar, aber es geht nicht überall Wenn auf der anderen Seite, der Markt bewegt sich stetig in eine Richtung entweder nach oben oder unten, so dass jeder Bar s bewegen trägt zur Netto-Änderung im Preis, wird die ER werden 1 In diesem Fall, der Markt ist vollkommen effizient, dass alle Stäbe Preisbewegungen zum Trend beitragen Im Allgemeinen wird die ER zwischen 0 und 1 liegen. Eine andere Ansicht von Adaptive Look-Back Längen. Während viele verschiedene Metriken konnten - und haben Wurde verwendet, um die Rückblicklängen anzupassen, die Effizienzquote erfasst einen fundamentalen Aspekt der Marktwirkung, nämlich den Unterschied zwischen Trends und zyklischem Verhalten. Hohe Werte von ER implizieren einen starken Markt, was eine sehr geringe zyklische Bewegung und niedrige Werte bedeutet Von ER implizieren wenig Trend und damit mehr zyklische moveme Nt außer im Falle einer kleinen Bewegung überhaupt. Dies tendiert dazu, Kaufman's Ansatz zu unterstützen. Allerdings basiert seine Entscheidung, längere Rückblicklängen in abgehackten Märkten zu verwenden, auf der Annahme, dass wir die Rückblicklänge eines Umzugs anpassen Durchschnittlich und 2 die Vorstellung, dass der gleitende Durchschnitt verwendet wird, um einen Handelseintrag oder - ausgang auszulösen. Ein alternativer Standpunkt ist derjenige, der von John Ehlers durch seine Arbeit über die Anwendung von Signalverarbeitungsmethoden zum Handel 3 seine Sicht ist mehr entlang der Linien des Versuchs Um den Teil des Marktes von Interesse z. B. die Trendkomponente oder die Zykluskomponente näher zu modellieren. Aus diesem Blickwinkel sollte ein gleitender Durchschnitt in einem abgehackten Markt eine kürzere Rückblicklänge verwenden, um die höhere Frequenz, die durch die Choppiness, während in einem starken Trends-Markt eine längere Rückblick-Länge mit der Marktbewegung in Einklang steht. Ein dritter Standpunkt ist der, den ich hier annehmen werde, nämlich ein statistischerer Einmal, darf man nicht annehmen Ng mehr als unbedingt notwendig über den betreffenden Indikator und wie es verwendet werden könnte Insbesondere darf man nicht annehmen, dass der betreffende Indikator ein gleitender Durchschnitt ist und nicht davon ausgehen kann, dass er auf den Preis angewendet wird. Es könnte zum Beispiel sein RSI der Volatilität oder der gleitende Durchschnitt der Stochastik des Volumens Der Indikator könnte in Verbindung mit anderen Indikatoren als Teil einer größeren Regel für den Ein - oder Ausstieg verwendet werden, anstatt von sich selbst. Mit dieser statistisch orientierteren Sicht ist das Ziel Erstellen Sie Handelsregeln, die eine statistische Gültigkeit haben, was bedeutet, dass sie die Preiswirkung gut ohne übertrieben passen. Wir gehen nicht davon aus, dass wir wissen, wie die Märkte gut genug sind, um bestimmte Entscheidungen darüber zu treffen, ob die Rückblicklänge mit so etwas wie möglich zunehmen oder abnehmen soll Der Wirkungsgrad-Verhältnis Vielmehr haben wir Grund zu der Annahme, dass das Wirkungsgrad-Verhältnis relevant sein kann und wir deshalb als Variable einschließen wollen, aber wir lassen es auf den Markt, um uns zu sagen, ob und wie es f Es ist in statistischen Tests verwendet, um uns zu sagen, wenn die Handelsstrategie, die den Indikator enthält, statistisch gültig ist oder wenn es übergeht, dh ungültig, weil es eher dem Lärm als dem Signal des Marktes entspricht. Ein vielseitigerer Adaptiver Look-Back. Angesichts der vorangehenden Diskussion wird die hier entwickelte adaptive Rückblicklänge auf dem Wirkungsgrad ER basieren und einen Parameter verwenden, um die Beziehung zwischen ER und der Rückblicklänge zu bestimmen. Insbesondere betrachten wir die folgende Gleichung. VER Quadrat ER - 2 ER - 1 2 1 - TrendParam 0 5.in, wobei VER das variable Wirkungsgrad ist und TrendParam der Trendparameter ist, der einen positiven oder negativen Wert einnehmen kann und der bestimmt, ob die Rückblicklänge mit zunehmender Erhöhung zunimmt oder abnimmt ER. This ist im Grunde nur eine Möglichkeit, das ER-Verhältnis in Abhängigkeit von dem Trendparameter umzukehren, wie unten gezeigt, anstatt die Glättungskonstante von ER zu skalieren, wie Chande und Kroll und Kaufman im Wesentlichen tun, verwenden wir VER Mit p Ositive Werte von TrendParam, VER variiert positiv mit ER, während bei negativen Werten von TrendParam VER negativ mit ER mit TrendParam gleich Null, VER gleich 1 für alle Werte von ER ist. Das Quadrat wird genommen, um die Werte für die Verwendung besser zu skalieren Als Multiplikator, wie es weiter erläutert wird. Um die adaptive Rückblicklänge mit dieser Gleichung zu berechnen, multiplizieren wir den ursprünglichen Wert der Glättungskonstante Alpha, der der ursprünglichen Rückblicklänge entspricht, durch VER. VAlpha Alpha VER. in Welche VAlpha die adaptive Glättungskonstante ist und Alpha der ursprüngliche Wert der Glättungskonstante ist. Die Beziehung zwischen der Glättungskonstante und der Rückblicklänge ist die gleiche wie für den exponentiellen gleitenden Durchschnitt, bei dem N der Rückblick ist Länge und Alpha ist die Glättungskonstante Diese Gleichung kann auch für N in Form von Alpha geschrieben werden. Die adaptive Rückblicklänge ist daher. ADAPTIVE MA. Adaptive Moving Average.05 08 00 11 15 15 AM von Jason K Hutson Hier S an Indikator, der die Geschwindigkeit eines gleitenden Durchschnittes anpasst, um die schnelllebigen Märkte zu fangen, doch verlangsamt sich in den seitwärts verlaufenden Märkten, um die Peitsche zu reduzieren. Um die Vorteile sowohl der langsameren als auch der schnelleren Durchlaufwerte zu kombinieren, hat Perry Kaufman, Markttechniker, Geld-Manager und Autor, entwickelte die adaptive gleitenden Durchschnitt AMA Schneller gleitende Durchschnitte, mit weniger Tagen in ihren Berechnungen, sind empfindlicher auf Marktschwankungen und wird ein Händler auf Veränderungen in Trend eher als ein langsamer gleitender Durchschnitt Alarm aber der schnellere gleitenden Durchschnitt wird übermäßig Empfindlich während eines seitwärts bewegenden Marktes und hat oft den Händler, der in und aus Marktschwankungen oder Lärm kauft, wenn es wenig Gewinn zu machen gibt. Der langsamere gleitende Durchschnitt filtert das Lärm, aber hat eine Verzögerung, die oft den Händler aus einem hält Erhebliche Gewinnspanne, wenn der Markt beginnt zu Trend. Die AMA passt die Länge des gleitenden Durchschnitt, so dass es schneller, mit weniger Tagen, um seine bewegten aver zu berechnen Alter, wenn der Markt schnell bewegt, ändert Richtungen, oder bricht aus einer Handelsspanne Doch es verlangsamt sich, mit mehr Tagen, wenn der Markt ist flüchtig und bewegte sich seitwärts Daher sollte es weniger und mehr rentabel kaufen verkaufen Signale AMA, Kaufman zuerst verwendet Preisrichtung und Volatilität zu kommen mit einem Effizienz-Verhältnis ER Die ER nähert sich 1, wenn der Markt bewegt sich nach oben oder unten, und nähert sich null, wenn es in einer seitlichen Muster Kaufman dann berechnet zwei von dem, was er angerufen, Glättung Konstanten, mit einem schnellen und langsamen exponentiellen gleitenden Durchschnitt kombiniert er die beiden Glättungskonstanten mit dem ER, um zu einem AMA zu gelangen, der sich an den Markt s Trend anpasst, dann erzeugt Kauf und Verkauf Signale. Adapted von Adaptive Moving Averages von Bruce Faber, Technische Analyse Von STOCKS COMMODITIES, Band 13, Nummer 6 Die vollständigen mathematischen Formeln, die verwendet werden, und Excel-Tabellenkalkulationsdaten, sind bei Adaptive Moving Average von Bruce Faber verfügbar. Staff Writer Genießt Trendlinien, Unterstützung und Widerstand, bewegte Durchschnitte, RSI, MACD, ADX, Bollinger Bands, parabolische SAR, Chartformationen und Volumenanalyse. Amateur 1 Kommentar Es ist schwer zu bestimmen, ob diese Informationen von benifit sein können oder nicht wann Sie müssen zahlen, um es zuerst zu sehen, und dies ist, nachdem ich habe bereits eine Gebühr bezahlt, nur um zu sehen, ob es irgendwelche Informationen, die ich verwenden kann Doesn t machen viel Sinn, huh außer, wenn ich auf Ihrer Website war. Kaufman S Effizienz-Verhältnis ER. Die Effizienz-Verhältnis ER wurde zuerst von Perry Kaufman in seinem 1995 Buch Smarter Trading präsentiert Es wird berechnet durch die Aufteilung der Preisänderung über einen Zeitraum durch die absolute Summe der Preisbewegungen, die aufgetreten, um diese Änderung zu erzielen Die resultierende Verhältnis reicht Zwischen 0 und 1 mit höheren Werten, die einen effizienteren oder tendenzielleren Markt darstellen. Das ER ist eigentlich sehr ähnlich dem Chande Momentum Oszillator CMO, präsentiert von Tushar S Chande in The New Technical Trader 1994 Der Unterschied besteht darin, dass die GMO in eine Ccount für Markt Richtung, aber wenn Sie die absolute CMO nehmen und teilen sich durch 100 Sie erhalten die Effizienz Ratio. Mess einer Trends Stärke kann sehr nützlich sein, da einige Strategien am besten auf einem Trending-Markt und einige in einem Bereich gebundenen Markt Ebenso anders Durchgehende durchschnittliche Längen werden in Abhängigkeit von der Marktart zu diesem Zeitpunkt besser funktionieren. Kaufman beabsichtigte ursprünglich das Effizienzverhältnis für den Einsatz in seinem Adaptive Moving Average KAMA. Aber zusätzlich zu der KAMA, als Teil des Technical Indicator Fight for Supremacy werden wir es testen Als Komponente in einem variablen Moving Average und einem Indikator gewichteten Moving Average. How zur Berechnung der Effizienz Ratio. ER Richtung Volatility. Direction ABS Schließen Schließen n. Volatility n ABS Schließen Schließen 1.n Die Effizienz Verhältnis Zeitraum. Hier ist ein Beispiel für A 3 Periode ER. Efficiency Ratio Excel File. I haben eine Excel Spreadsheet mit dem Kaufman s Efficiency Ratio zusammengestellt und es zur kostenlosen Download zur Verfügung gestellt. Es enthält eine Basisversion d Das Beispiel oben und ein Phantasie, das sich automatisch an die Länge anpasst, die Sie spezifizieren. Finden Sie es am folgenden Link am unteren Rand der Seite unter Downloads Technische Indikatoren Effizienzverhältnis ER. Test Ergebnisse. As Teil des technischen Indikators Kampf für die Supremacy Wir Getestet haben, testen Sie die Effizienz-Verhältnis als Komponente in mehreren technischen Indikatoren. Effizienz-Verhältnis Variable Moving Average ER-VMA Abgeschlossene Ergebnisse. Effizienz-Verhältnis Adaptive Moving Durchschnittliche ER-AMA Abgeschlossene Ergebnisse. Effizienz-Verhältnis Log Normal Adaptive Moving Durchschnittliche ER-LAMA. Efficiency Ratio Weighted Moving Average ER-WMA. Wir werden auch die ER als Filter testen, nur Trades, wenn es einen starken Trend anzeigt. Effizienzverhältnis Beispiel.