Fractal Adaptiv Moving Average Utmerker Seg

Gjør Adaptive Moving Averages Lead To Better Results Flytte gjennomsnitt er et favorittverktøy for aktive handelsfolk. Men når markeder konsoliderer, fører denne indikatoren til mange whipsaw-bransjer, noe som resulterer i en frustrerende rekke små gevinster og tap. Analytikere har tilbrakt tiår med å prøve å forbedre det enkle glidende gjennomsnittet. I denne artikkelen ser vi på denne innsatsen og finner ut at deres søk har ført til nyttige handelsverktøy. (For bakgrunnsavlesning på enkle bevegelige gjennomsnitt, sjekk ut Enkle bevegelige gjennomsnittsverdier. Gjør trendene stående.) Fordeler og ulemper med bevegelige gjennomsnittsverdier Fordelene og ulempene ved bevegelige gjennomsnitt ble oppsummert av Robert Edwards og John Magee i første utgave av teknisk analyse av Stock Trends. da de sa det, og det var tilbake i 1941 at vi gjerne gjorde oppdagelsen (selv om mange andre hadde gjort det før) at ved å beregne dataene i et gitt antall dager, kunne en utlede en slags automatisert trendlinje som definitivt ville tolke endringene i trend Det virket nesten for godt til å være sant. Faktisk var det for godt til å være sant. Med ulempene oppveier fordelene, forlot Edwards og Magee raskt sin drøm om å handle fra en bungalow på stranden. Men 60 år etter at de skrev disse ordene, fortsetter andre ved å forsøke å finne et enkelt verktøy som uten problemer ville gi rikdomene på markedene. Enkle bevegelige gjennomsnitt For å beregne et enkelt glidende gjennomsnitt. legg til prisene for ønsket tidsperiode og divider 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 siste lukkingen er over det bevegelige gjennomsnittet, vil aksjene anses å være i en uptrend. Downtrends er definert av priser som handler under det bevegelige gjennomsnittet. (For mer, se vår Moving Averages opplæring.) Denne trenddefinerende egenskapen gjør det mulig å flytte gjennomsnitt for å generere handelssignaler. I sin enkleste søknad kjøper handelsmenn når prisene går over det glidende gjennomsnittet og selger når prisene går over den linjen. En tilnærming som dette er garantert å sette handelsmannen på høyre side av enhver betydelig handel. Dessverre, mens utjevning av dataene, vil glidende gjennomsnitt ligge bak markedsaksjonen, og næringsdrivende vil nesten alltid gi tilbake en stor del av fortjenesten på selv de største vinnende handler. Eksponentielle Flytende Gjennomsnitt Analytikere ser ut til å ha ideen om det bevegelige gjennomsnittet og har tilbrakt flere år med å forsøke å redusere problemene knyttet til dette forsinket. En av disse innovasjonene er eksponentiell glidende gjennomsnitt (EMA). Denne tilnærmingen tilordner en relativt høyere vekting til nyere data, og som et resultat forblir det nærmere prisaktiviteten enn et enkelt bevegelige gjennomsnitt. Formelen for å beregne et eksponentielt glidende gjennomsnitt er: EMA (Vekt Lukk) (1 Vekt) EMAy) Hvor: Vekt er utjevningskonstanten valgt av analytikeren EMAy er det eksponentielle glidende gjennomsnittet fra i går En felles vektningsverdi er 0,181, hvilket er nær et 20-dagers enkelt glidende gjennomsnitt. En annen er 0,10, som er omtrent et 10-dagers glidende gjennomsnitt. Selv om det reduserer lagret, unnlater det eksponentielle glidende gjennomsnittet ikke 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. Welles Wilder anslår at markedene bare trender en fjerdedel av tiden. Opptil 75 av handelshandlinger er begrenset til smale områder, når flytende gjennomsnittlig kjøps-og-selgesignaler vil bli gjentatte ganger da prisene raskt beveger seg over og under det bevegelige gjennomsnittet. For å løse dette problemet har flere analytikere foreslått å variere vektningsfaktoren for EMA-beregningen. (For mer, se Hvordan flytter gjennomsnitt som brukes i handel) Tilpasning av bevegelige gjennomsnitt til markedshandling 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 lengre enn dagens pris i volatile markeder. Dette vil tillate vinnere å kjøre. Som en trend kommer til en slutt og prisene konsoliderer. det bevegelige gjennomsnittet vil bevege seg nærmere den nåværende markedsaksjonen, og i teorien tillate handelsmannen å beholde de fleste gevinster tatt i løpet av trenden. I praksis kan volatilitetsforholdet være en indikator som Bollinger Bandwidth, som måler avstanden mellom de kjente Bollinger Bands. (For mer om denne indikatoren, se Grunnleggende om Bollinger Bands.) Perry Kaufman foreslo å bytte vektvariabel i EMA-formelen med en konstant basert på effektivitetsforholdet (ER) i boken New Trading Systems and Methods. Denne indikatoren er utformet for å måle styrken til en trend definert innenfor et område fra -1,0 til 1,0. Det beregnes med en enkel formel: ER (total prisendring for periode) (sum av absolutte prisendringer for hver linje). Vurder en aksje som har en fempunkts rekkevidde hver dag, og ved utgangen av fem dager har det blitt totalt av 15 poeng. Dette ville resultere i en ER på 0,67 (15 poeng oppover bevegelse dividert med total 25-punkts rekkevidde). Hadde denne aksjen redusert 15 poeng, ville ER-være -0,67. (For mer handelsrådgivning fra Perry Kaufman, les Losing To Win. Som beskriver strategier for å takle handelsstap.) Prinsippet om en trendereffektivitet er basert på hvor mye retningsbestemt (eller trend) du får per prisbevegelsesenhet over en definert tidsperiode. En ER på 1,0 indikerer at aksjen er i perfekt opptrend -1,0 representerer en perfekt nedtrend. I praksis er ekstremene sjelden nådd. For å bruke denne indikatoren for å finne det adaptive glidende gjennomsnittet (AMA), må handelsfolk beregne vekten med følgende, ganske komplekse formelen: C (ER (SCF SCS)) SCS 2 Hvor: SCF er eksponensiell konstant for den raskeste EMA tillatt (vanligvis 2) SCS er eksponensiell konstant for den langsomste EMA-tillatelsen (ofte 30) ER er effektivitetsforholdet 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 handelsprogramvarepakker. (For mer om EMA, les Exploring The Exponentially Weighted Moving Average.) Eksempler på et enkelt glidende gjennomsnitt (rød linje), et eksponentielt glidende gjennomsnitt (blå linje) og det adaptive glidende gjennomsnittet (grønn linje) er vist i Figur 1. Figur 1: AMA er i grønt og viser størst grad av flattning 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 prishandlingen. Det enkle glidende gjennomsnittet vises som den røde linjen. De tre bevegelige gjennomsnittene som er vist på figuren, er alle tilbøyelige til å piske på ulike tider. Denne ulempen med bevegelige gjennomsnitt har hittil vært umulig å eliminere. Konklusjon Robert Colby testet hundrevis av tekniske analyseverktøy i Encyclopedia of Technical Market Indicators. Han konkluderte med at selv om det adaptive glidende gjennomsnittet er en interessant nyere ide med betydelig intellektuell appell, viser ikke våre foreløpige tester noen reell praktisk fordel for denne mer komplekse trendutjevningsmetoden. Dette betyr ikke at handelsfolk burde ignorere ideen. AMA kan kombineres med andre indikatorer for å utvikle et lønnsomt handelssystem. (For mer om dette emnet, les Discover Discover 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. Et mål på forholdet mellom en endring i mengden som kreves av et bestemt godt og en endring i prisen. Pris. Den totale dollarverdien av alle selskapets utestående aksjer. Markedsverdien beregnes ved å multiplisere. Frexit kort for quotFrench exitquot er en fransk spinoff av begrepet Brexit, som dukket opp da Storbritannia stemte til. En ordre som er plassert hos en megler som kombinerer funksjonene til stoppordre med grensene. En stoppordre vil. En finansieringsrunde hvor investorer kjøper aksjer fra et selskap til lavere verdsettelse enn verdsettelsen plassert på. En økonomisk teori om total utgifter i økonomien og dens effekter på produksjon og inflasjon. Keynesian økonomi ble utviklet. MetaTrader 5 - Indikatorer Fractal Adaptive Moving Average (FrAMA) - indikator for MetaTrader 5 Fractal Adaptive Moving Gjennomsnittlig teknisk indikator (FRAMA) ble utviklet av John Ehlers. Denne indikatoren er konstruert basert på algoritmen til eksponentielt flytende gjennomsnitt. der utjevningsfaktoren beregnes ut fra den nåværende fraktal-dimensjonen til prisserien. Fordelen med FRAMA er muligheten til å følge sterke trendbevegelser og tilstrekkelig avta på øyeblikkene av priskonsolidering. Alle typer analyser som brukes for Moving Averages, kan brukes på denne indikatoren. Fractal Adaptive Moving Gjennomsnittlig indikator FRAMA (i) A (i) Pris (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) - nåverdien av FRAMA Pris (i) - nåværende pris FRAMA -1) - forrige verdi av FRAMA A (i) - nåværende faktor for eksponensiell utjevning. Eksponensiell utjevningsfaktor beregnes i henhold til formelen nedenfor: A (i) EXP (-4.6 (D (i) - 1)) D (i) - nåværende fraktal dimensjon EXP () - eksponentens matematiske funksjon. Fractal dimensjon av en rett linje er lik en. Det ses fra formelen at hvis D 1, deretter A EXP (-4.6 (1-1)) EXP (0) 1. Dermed hvis prisen endres i rette linjer, blir eksponensiell utjevning ikke brukt, fordi i et slikt tilfelle formelen ser slik ut: FRAMA (i) 1 Pris (i) (1 - i) FRAMA (i-1) Pris (i) Nei indikatoren følger nøyaktig prisen. Den fraktale dimensjonen til et fly er lik to. Fra formelen får vi det hvis D 2, deretter utjevningsfaktoren A EXP (-4,6 (2-1)) EXP (-4,6) 0,01. En slik liten verdi av den eksponensielle utjevningsfaktoren er oppnådd i øyeblikk når prisen gir en sterk sånget bevegelse. En slik kraftig nedbremsing tilsvarer omtrent 200-års enkel glidende gjennomsnitt. Formulering av fraktal dimensjon: D (LOG (N1 N2) - LOG (N3)) LOG (2) Det beregnes ut fra tilleggsformelen: N (Lengde, i) (Høyeste pris (i) - Laveste pris (i)) Lengde Høyestepris (i) - nåværende maksimal verdi for lengdeperioder LowestPrice (i) - nåværende minimal verdi for lengdeperioder Verdiene N1, N2 og N3 er henholdsvis lik: N1 (i) N (Lengde, i) N2 (i) N (Lengde, I Lengde) N3 (i) N (2 Lengde, i) FRAMA - Fractal Adaptive MA Fractal adaptive glidende gjennomsnitt (forkortelse FRAMA aka FAMA) ble skapt av John Ehlers. Formålet med FRAMA er å identifisere prisfaktorene. Fractals er geometriske former som kan deles inn i mindre deler. Disse delene er bare en mindre kopi av hele geometrisk form. FRAMA deler prisdiagrammet i mindre deler og sammenligner deretter disse delene med hverandre. Prisdiagrammet er en klynge av mange firkanter - større og mindre. F. eks Hvis vi vil beregne et 8-dagers Fractal Adaptive glidende gjennomsnitt, analyserer Frama denne 8-dagers tidsperioden, men analyserer også hvordan prisen virker i løpet av de første 4 dagene og de neste 4 dagene. Formålet med Frama er å ta hensyn til bare de viktige prisendringene. Hvis prisen flytter den ene siden betydelig nok, vil Frama følge prisen veldig stramt. Hvis prisen er i en rekkevidde uten viktig prisbevegelse, vil Frama handle veldig flatt. Med andre ord - dette glidende gjennomsnittet endrer antall dager for beregningen, avhengig av fraktalens oppførsel. Det er grunnen til at det er adaptivt (ligner KAMA). Hvis du er interessert i en dypere undersøkelse av denne indikatoren og foretrekker klar til å betjene løsninger, kan den neste nettsiden være interessant for deg. Der kan du finne og laste ned tekniske analyseindikatorer i Excel-filer. Attention Browser Extension AdBlock oppdaget. Vennligst skru den av for å fortsette. Takk