อัตราส่วน เฉลี่ยเคลื่อนที่ สูตร

ค่าเฉลี่ยเคลื่อนที่: อะไรคือตัวชี้วัดทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อวัดทิศทางของแนวโน้มในปัจจุบัน ค่าเฉลี่ยเคลื่อนที่ทุกประเภท (เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA) คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมา เมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงในแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมด รูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่โดยทั่วไปหมายถึงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย (SMA) โดยคำนวณค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนด ตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา (110) คือ หารด้วยจำนวนวัน (10) เพื่อให้ได้ค่าเฉลี่ย 10 วัน หากผู้ค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนจะต้องมีการคำนวณประเภทเดียวกัน แต่จะรวมราคาในช่วง 50 วันที่ผ่านมา ค่าเฉลี่ยที่เกิดขึ้นด้านล่าง (11) คำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อให้ผู้ค้าทราบว่าสินทรัพย์มีราคาเทียบกับ 10 วันที่ผ่านมาอย่างไร บางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ว่าเป็นค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ยปกติ คำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งานจุดข้อมูลที่เก่าที่สุดต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ ๆ ต้องมาเพื่อแทนที่ ดังนั้นชุดข้อมูลจึงมีการย้ายข้อมูลบัญชีใหม่ ๆ ไปเรื่อย ๆ วิธีการคำนวณนี้ช่วยให้แน่ใจได้ว่าจะมีการบันทึกข้อมูลปัจจุบันเท่านั้น ในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดง (แทนจุดข้อมูล 10 จุดที่ผ่านมา) จะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณ เนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูงถึง 15 คุณจึงคาดว่าจะเห็นค่าเฉลี่ยของการลดลงของชุดข้อมูลซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เมื่อค่าของ MA ได้รับการคำนวณพวกเขาจะวางแผนลงบนแผนภูมิและเชื่อมต่อแล้วเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่ เส้นโค้งเหล่านี้มีอยู่ทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีการใช้งานเหล่านี้อาจแตกต่างกันอย่างมาก (ในภายหลัง) ดังที่เห็นในรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิโดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณ เส้นโค้งเหล่านี้ดูเหมือนจะเสียสมาธิหรือทำให้เกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับมันเมื่อเวลาผ่านไป เส้นสีแดงเป็นเพียงราคาเฉลี่ยในช่วง 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมา ตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่คืออะไรและแนะนำให้ใช้ค่าเฉลี่ยเคลื่อนที่ที่ต่างกันและดูว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงก่อนหน้านี้เท่าไร ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมอย่างมากของผู้ค้า แต่เป็นตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์ หลายคนอ้างว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้าย ในการตอบสนองต่อคำวิจารณ์นี้ผู้ค้าเริ่มให้น้ำหนักกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์เครื่องคิดเลขใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) (สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลเบื้องต้นเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA กับ EMA) ค่าเฉลี่ยเคลื่อนที่แบบเสวนาค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากกว่าราคาล่าสุดในความพยายามที่จะทำให้การตอบสนองดีขึ้น ข้อมูลใหม่ ๆ การเรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกชุดรูปแบบแผนภูมิทำคำนวณสำหรับคุณ อย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA: เมื่อใช้สูตรในการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนหน้านี้ ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและต่อเนื่องโดยใช้สูตรด้านบนจากที่นั่น เราได้จัดเตรียมสเปรดชีตตัวอย่างไว้ในตัวอย่างชีวิตจริงในการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่แบบเรียบและค่าเฉลี่ยเคลื่อนที่แบบเสวนา ความแตกต่างระหว่าง EMA และ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA คำนวณอย่างไรให้ลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไร เมื่อพิจารณาการคำนวณ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลสำคัญ ๆ อยู่ในจุดข้อมูลล่าสุดทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนัก ในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเหมือนกัน (15) แต่ EMA จะตอบสนองต่อการเปลี่ยนแปลงราคาได้เร็วขึ้น สังเกตว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลง การตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA อะไรที่แตกต่างกันระหว่างวันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่สามารถปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกกรอบเวลาที่ต้องการได้ทุกเมื่อสร้างค่าเฉลี่ย ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วัน ช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนมากขึ้นคือการเปลี่ยนแปลงราคา ยิ่งช่วงเวลาที่ยาวนานขึ้นเท่าไรก็ยิ่งอ่อนไหวหรือเรียบเนียนขึ้นเท่านั้นโดยเฉลี่ยแล้ว ไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณ วิธีที่ดีที่สุดที่จะคิดออกเป็นที่หนึ่งที่ดีที่สุดสำหรับคุณคือการทดสอบกับจำนวนของระยะเวลาเวลาที่ต่างกันจนกว่าคุณจะพบหนึ่งที่เหมาะกับ strategy. OANDA 1080108910871086108311001079109110771090 10921072108110831099 คุกกี้ของคุณ 10951090108610731099 1089107610771083107210901100 1085107210961080 10891072108110901099 10871088108610891090109910841080 1074 1080108910871086108311001079108610741072108510801080 1080 108510721089109010881086108010901100 10801093 10891086107510831072108910851086 108710861090108810771073108510861089109011031084 10851072109610801093 10871086108910771090108010901077108310771081 . 10601072108110831099 คุกกี้ 10851077 10841086107510911090 1073109910901100 108010891087108610831100107910861074107210851099 107610831103 109110891090107210851086107410831077108510801103 10741072109610771081 10831080109510851086108910901080. 1055108610891077109710721103 108510721096 1089107210811090, 10741099 108910861075108310721096107210771090107710891100 1089 1080108910871086108311001 0791086107410721085108010771084 OANDA8217 109210721081108310861074 คุกกี้ 1074 108910861086109010741077109010891090107410801080 1089 10851072109610771081 105510861083108010901080108210861081 108210861085109210801076107710851094108010721083110010851086108910901080. 1048108510891090108810911082109410801080 10871086 107310831086108210801088108610741072108510801102 1080 10911076107210831077108510801102 109210721081108310861074 คุกกี้ 1072 10901072108210781077 1091108710881072107410831077108510801102 108010841080 108710881080107410771076107710851099 10851072 10891072108110901077 aboutcookies. org 1042 108910831091109510721077 10861075108810721085108010951077108510801103 1080108910871086108311001079108610741072108510801103 109210721081108310861074 คุกกี้ 108610871088107710761077108310771085108510991077 1092109110851082109410801080 108510721096107710751086 10891072108110901072 10731091107610911090 1085107710761086108910901091108710851099. 104710721075108810911079108010901100 108410861073108010831100108510991077 1087108810801083108610781077108510801103 1042109310861076 1042109910731088107210901100 1089109510771090 1042107910741077109610771085108510861077 1089108210861083110010791103109710771077 1089108810771076108510771077 (WMA) 10541087108010891072108510801077 WMA 10861079108510721095107210771090 1711074107910741077109610771085108510861077 1089108210861083110010791103109710771077 1089108810771076108510771077187 ( 1072108510751083. 171weighted ย้าย average187) 10551086108410861075107210771090 10891075108310721076108010901100 108210881080107410911102 1094107710851099, 10951090108610731099 10831091109510961077 1080107610771085109010801092108010941080108810861074107210901100 10901088107710851076. WMA 107610771083107210771090 107710971077 1073108610831100109610801081 1091108710861088 10851072 1085107710761072107410851086 1087108610831091109510771085108510991077 107610721085108510991077, 109,510,771,084 EMA 1060108610881084109110831072 1042107910741077109610771085108510861077 1089108210861083110010791103109710771077 1089108810771076108510771077 10741099109510801089108311031077109010891103 10871091109010771084 109110841085108610781077108510801103 1082107210781076108610751086 10791085107210951077108510801103 1074 108710861089108310771076108610741072109010771083110010851086108910901080 10851072 108810721079108510991081 10821086110110921092108010941080107710851090 1080 10891083108610781077108510801103 1087108610831091109510771085108510991093 10881077107910911083110010901072109010861074. 1042 10891074110310791080 10891086 1089108310861078108510861089109011001102 1074109910951080108910831077108510801103 1076107210851085108610751086 10891082108610831100107911031097107710751086 10891088107710761085107710751086 1085108010781077 10871088108010741077107610771085 108710881080108410771088. 10551088107710761087108610831086107810801084, 109510901086 1094107710851099 10791072108210881099109010801103 1079 1072 108710861089108310771076108510801077 5 1076108510771081 108910831077107610911102109710801077: 1044107710851100 1060108610881084109110831072 108210861101109210921080109410801077108510901072, 108710881080108410771085110310771084108610751086 1082 108210721078107610861081 10801079 109410771085, 108910831077107610911102109710721103: LT n 1095108010891083108010901077108310771084 1074 108210721078107610861084 108910831091109510721077 11031074108311031077109010891103 10951080108910831086, 108610731086107910851072109510721102109710771077 10851086108410771088 107610851103 1074 108710861089108310771076108610741072109010771083110010851086108910901080. LT d 107910851072108410771085107210901077108310771084 11031074108311031077109010891103 10891091108410841072 1082108610831080109510771089109010741072 1076108510771081 1074 1074108010761077 109010881077109110751086108311001085108610751086 10951080108910831072. 105810721082 108210721082 10861073109710771077 1082108610831080109510771089109010741086 1076108510771081 10881072107410851086 5, 109010881077109110751086108311001085109910841080 1095108010891083107210841080 11031074108311031102109010891103 5, 4, 3, 2 1080 1, 1072 10801093 10891091108410841072 10881072107410851072 5432115. 1055108611011090108610841091 5-1076108510771074108510861077 WMA 10881072108910891095108010901099107410721077109010891103 108210721082 83 (515) 81 ( 415) 79 (315) 79 (215) 77 (115) 80,7 1044107710851100 1042 107610721085108510861081 10871088107710791077108510901072109410801080 108710881077107610861089109010721074108311031077109010891103 109010861083110010821086 10861073109710721103 108010851092108610881084107210941080110 3. 1055108810801084107710881099 1087108810801074108610761103109010891103 1080108910821083110210951080109010771083110010851086 1074 10801083108311021089109010881072109010801074108510991093 10941077108311031093 1080 10841086107510911090 10851077 10861090108810721078107210901100 1090107710821091109710801077 1094107710851099 OANDA 105410851080 10851077 11031074108311031102109010891103 10801085107410771089109010801094108010861085108510861081 1088107710821086108410771085107610721094108010771081 108010831080 10871086107310911078107610771085108010771084 1082 1089108610741077108810961077108510801102 108910761077108310821080. 1056107710791091108311001090107210901099, 10761086108910901080107510851091109010991077 1074 1087108810861096108310861084, 1085107710861073110310791072109010771083110010851086 109110821072107910991074107211021090 10851072 1088107710791091108311001090107210901099 1074 1073109110761091109710771084. 169 199682112017 OANDA คอร์ปอเรชั่น 104210891077 10871088107210741072 10791072109710801097107710851099. 10581086107410721088108510991077 10791085107210821080 OANDA, fxTrade 1080 108910771084107710811089109010741086 10901086107410721088108510991093 107910851072108210861074 FX 10871088108010851072107610831077107810721090 OANDA คอร์ปอเรชั่น 104210891077 108710881086109510801077 10901086107410721088108510991077 10791085107210821080, 10871088107710761089109010721074108310771085108510991077 10851072 1101109010861084 10891072108110901077, 11031074108311031102109010891103 10891086107310891090107410771085108510861089109011001102 108910861086109010741077109010891090107410911102109710801093 1074108310721076107710831100109410771074. 10581086108810751086107410831103 10821086108510901088107210821090107210841080 10851072 10801085108610891090108810721085108510911102 107410721083110210901091 108010831080 10801085109910841080 107410851077107310801088107810771074109910841080 1087108810861076109110821090107210841080 1089 10801089108710861083110010791086107410721085108010771084 10841072108810781080 1080 1082108810771076108010901085108610751086 10871083107710951072 107410831077109510771090 1074109910891086108210801077 10881080108910821080 1080 10871086107610931086107610801090 10851077 1074108910771084 108010851074107710891090108610881072108 4. 10561077108210861084107710851076109110771084 107410721084 109010971072109010771083110010851086 1086109410771085108010901100, 10871086107610931086107611031090 10831080 107410721084 10901072108210801077 10901086108810751086107410991077 10861087107710881072109410801080 1089 109110951077109010861084 10741072109610801093 108310801095108510991093 1086107310891090108611031090107710831100108910901074. 1042107210961080 109110731099109010821080 10841086107510911090 108710881077107410991089108010901100 10861073109810771084 10741072109610801093 1080108510741077108910901080109410801081. 1048108510921086108810841072109410801103, 10871088108010741077107610771085108510721103 10851072 107610721085108510861084 10891072108110901077, 10851086108910801090 10861073109710801081 10931072108810721082109010771088. 10561077108210861084107710851076109110771084 107410721084 10761086 108510721095107210831072 10901086108810751086107410831080 1086107310881072109010801090110010891103 10791072 1087108610841086109711 001102 1082 10851077107910721074108010891080108410991084 1082108610851089109110831100109010721085109010721084 1080 109110731077107610801090110010891103, 109510901086 10741099 108710861083108510861089109011001102 108710861085108010841072107710901077 107410891077 1089108610871091109010891090107410911102109710801077 10881080108910821080. 10581086108810751086107410831103 10871086108910881077107610891090107410861084 108610851083107210811085-108710831072109010921086108810841099 107410831077109510771090 10761086108710861083108510801090107710831100108510991077 10881080108910821080. 10571084. 108810721079107610771083 17110551088107210741086107410991077 1074108610871088108610891099187 10791076107710891100 1060108010851072108510891086107410991081 10891087108810771076-1073107710901090108010851075 10761086108910901091108710771085 109010861083110010821086 10821083108010771085109010721084 OANDA Europe Ltd, 1103107410831103110210971080108410891103 10881077107910801076107710851090107210841080 105710861077107610801085107710851085108610751086 10501086108810861083107710741089109010741072 108010831080 1056107710891087109110731083108010821080 10481088108310721085107610801103. 105010861085109010881072108210901099 10851072 1088107210791085108010941091, 1092109110851082109410801080 109310771076107810801088108610741072108510801103 105210584 1080 108210881077107610801090108510861077 10871083107710951086 10891074109910961077 50: 1 1085107710761086108910901091108710851099 107610831103 1088107710791080107610771085109010861074 10571086107710761080108510771085108510991093 106410901072109010861074 1040108410771088108010821080. 1048108510921086108810841072109410801103 10851072 1101109010861084 10891072108110901 077 10851077 1087108810771076108510721079108510721095107710851072 107610831103 1078108010901077108310771081 10891090108810721085, 1074 1082108610901086108810991093 10771077 108810721089108710881086108910901088107210851077108510801077 108010831080 1080108910871086108311001079108610741072108510801077 10831102107310991084 10831080109410861084 108710881086109010801074108610881077109510801090 1084107710891090108510991084 1079107210821086108510721084 1080 10871088107210741080108310721084. 10501086108410871072108510801103 1089 108610751088107210851080109510771085108510861081 1086109010741077109010891090107410771085108510861089109011001102 OANDA ยุโรป จำกัด 1079107210881077107510801089109010881080108810861074107210851072 1074 104010851075108310801080, 108810771075108010891090108810721094108010861085108510991081 10851086108410771088 7110087, 11021088108010761080109510771089108210801081 10721076108810771089: ทาวเวอร์ 42 ชั้น 9a 25 เก่า Broad St, London EC2N 1HQ 104410771103109010771083110010851086108910901100 10821086108410871072108510801080 1083108010941077108510791080108810861074107210851072 1080 108810771075109110831080108810911077109010891103 10591087108810721074108310771085108010771084 10921080108510721085108910861074108610751086 1085107210761079108610881072. 10831080109410771085107910801103 8470 542574. OANDA ญี่ปุ่น จำกัด 8212 108710771088107410991081 10761080108810771082109010861088 10871086 108610871077108810721094108011031084 1089 10921080108510721085108910861074109910841080 1080108510891090108810911084107710851090107210841080 1090108010871072 Kanto ท้องถิ่นสำนักการเงิน (Kin-SHO) 108810771075. 8470 2137 1095108310771085 1040108910891086109410801072109410801080 1092108010851072108510891086107410991093 109211001102109510771088108910861074, 108810771075. 8470 ค่าเฉลี่ยของการปรับตัวที่เหมาะสม (KAMA) Kaufman0's Adaptive Moving Average (KAMA) บทนำการพัฒนาโดย Perry Kaufman, Kaufman0's Adaptive Moving Average (KAMA) เป็นค่าเฉลี่ยเคลื่อนที่ที่ออกแบบมาเพื่ออธิบายถึงความผันผวนของตลาดหรือความผันผวน KAMA จะติดตามราคาอย่างใกล้ชิดเมื่อการแกว่งราคาค่อนข้างเล็กและเสียงต่ำ KAMA จะปรับตัวเมื่อการแกว่งตัวของราคาขึ้นและติดตามราคาจากระยะทางที่มากขึ้น ตัวบ่งชี้แนวโน้มนี้สามารถใช้เพื่อระบุแนวโน้มโดยรวมจุดเปลี่ยนเวลาและการเคลื่อนไหวของราคาตัวกรอง การคำนวณมีขั้นตอนหลายขั้นตอนที่จำเป็นในการคำนวณค่าเฉลี่ยการย้ายแบบ Adaptive Movement ของ Kaufman0 Let0 เริ่มต้นครั้งแรกกับการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA (10,2,30) 10 คือจำนวนงวดสำหรับอัตราส่วนประสิทธิภาพ (ER) 2 คือจำนวนงวดสำหรับค่าคงที่ของ EMA ที่เร็วที่สุด 30 คือจำนวนงวดสำหรับค่าคงที่ของ EMA ที่ช้าที่สุด ก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ (ER) และ Smoothing Constant (SC) การแบ่งสูตรลงในตัวนักเก็ตขนาดกัดทำให้ง่ายต่อการเข้าใจวิธีการหลังตัวบ่งชี้ โปรดทราบว่า ABS หมายถึง Absolute Value อัตราการใช้กำลังการผลิต (ER) ER อยู่ที่การเปลี่ยนแปลงของราคาโดยปรับค่าความผันผวนรายวัน ในแง่ทางสถิติอัตราส่วนประสิทธิภาพจะบอกให้เราทราบถึงประสิทธิภาพการเปลี่ยนแปลงราคาของเศษส่วน ER มีความผันผวนระหว่าง 1 ถึง 0 แต่สุดขั้วเหล่านี้เป็นข้อยกเว้นไม่ใช่บรรทัดฐาน ER จะเป็น 1 หากราคาเพิ่มขึ้น 10 งวดต่อเนื่องหรือลดลง 10 งวดติดต่อกัน ER จะเป็นศูนย์ถ้าราคาไม่เปลี่ยนแปลงตลอด 10 งวด Smoothing Constant (SC) ค่าคงที่ที่ราบเรียบใช้ค่า ER และค่าความเรียบ 2 ค่าโดยคำนวณจากค่าเฉลี่ยเคลื่อนที่แบบเสวนา ตามที่คุณสังเกตเห็น Smoothing Constant ใช้ค่าคงที่ที่ราบเรียบสำหรับค่าเฉลี่ยเคลื่อนที่แบบเสวนาในสูตร (2301) เป็นค่าคงที่ที่ราบเรียบสำหรับ EMA 30 เฟส Fastest SC คือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่สั้นลง (2 ช่วงเวลา) SC ที่ช้าที่สุดคือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่ค่อยๆ (30 ช่วง) โปรดทราบว่า 2 ในตอนท้ายมีสมการสมการ ด้วยอัตราส่วนประสิทธิภาพ (ER) และ Smoothing Constant (SC) ขณะนี้เราพร้อมแล้วที่จะคำนวณค่าเฉลี่ยการปรับตัวของ Adaptive Movement Kaufman0 (KAMA) เนื่องจากเราต้องการค่าเริ่มต้นเพื่อเริ่มต้นการคำนวณ KAMA แรกเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย การคำนวณต่อไปนี้ขึ้นอยู่กับสูตรด้านล่าง ตัวอย่างการคำนวณภาพด้านล่างแสดงภาพหน้าจอจากกระดาษคำนวณ Excel ที่ใช้ในการคำนวณ KAMA และแผนภูมิ QQQ ที่สอดคล้องกัน การใช้และสัญญาณ Chartists สามารถใช้ KAMA เช่นเดียวกับเทรนด์อื่น ๆ ตามตัวบ่งชี้เช่นค่าเฉลี่ยเคลื่อนที่ Chartists สามารถมองหา crosses ราคาการเปลี่ยนแปลงทิศทางและกรองสัญญาณ อันดับแรกการข้ามด้านบนหรือด้านล่าง KAMA บ่งชี้ถึงการเปลี่ยนแปลงทิศทางในราคา เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์ที่เรียบง่ายจะสร้างสัญญาณจำนวนมากและจำนวนมาก whipsaws Chartists สามารถลด whipsaws โดยใช้ตัวกรองราคาหรือเวลาไปยัง crossovers หนึ่งอาจต้องการราคาที่จะถือข้ามสำหรับจำนวนชุดของวันหรือต้องข้ามเกิน Kama ตามเปอร์เซ็นต์ที่กำหนด ประการที่สองนักชาตินิยมสามารถใช้ทิศทางของ KAMA เพื่อกำหนดแนวโน้มโดยรวมสำหรับการรักษาความปลอดภัย ซึ่งอาจต้องมีการปรับพารามิเตอร์เพื่อให้ตัวบ่งชี้เป็นไปอย่างต่อเนื่อง Chartists สามารถเปลี่ยนพารามิเตอร์กลางซึ่งเป็นค่าคงที่ EMA ที่เร็วที่สุดเพื่อให้ KAMA ราบรื่นและมองหาการเปลี่ยนแปลงทิศทาง มีแนวโน้มอ่อนตัวลงตราบเท่าที่ KAMA ร่วงลงและทำจุดต่ำสุดให้ต่ำลง แนวโน้มจะเพิ่มขึ้นตราบเท่าที่ KAMA กำลังเพิ่มขึ้นและดันระดับสูงขึ้น ตัวอย่าง Kroger ด้านล่างแสดง KAMA (10,5,30) ที่มีแนวโน้มสูงชันตั้งแต่เดือนธันวาคมถึงมีนาคมและแนวโน้มขาขึ้นที่น้อยลงตั้งแต่เดือนพฤษภาคมถึงสิงหาคม และในที่สุดก็สามารถรวมสัญญาณและเทคนิคเข้าด้วยกัน Chartists สามารถใช้ KAMA ระยะยาวเพื่อกำหนดแนวโน้มที่ใหญ่กว่าและ KAMA ระยะสั้นสำหรับสัญญาณการซื้อขาย ตัวอย่างเช่น KAMA (10,5,30) สามารถใช้เป็นตัวกรองแนวโน้มและถือว่ารั้นเมื่อเพิ่มขึ้น เมื่อรั้นแล้วนักวิเคราะห์ชาตินิยมอาจมองหาเครื่องหมายข้ามผ่านเมื่อราคาเคลื่อนไปเหนือ KAMA (10,2,30) ตัวอย่างด้านล่างแสดงให้เห็นถึง MMM ที่มี KAMA ระยะยาวที่เพิ่มขึ้นและการปรับตัวในช่วงเดือนธันวาคม, มกราคมและกุมภาพันธ์ KAMA ระยะยาวปรับตัวลดลงในเดือนเมษายนและมีการปรับตัวลดลงในเดือนพฤษภาคมมิถุนายนและกรกฎาคม SharpCharts KAMA สามารถพบได้เป็นตัวบ่งชี้การซ้อนทับใน SharpCharts workbench การตั้งค่าเริ่มต้นจะปรากฏขึ้นโดยอัตโนมัติในช่องพารามิเตอร์เมื่อได้รับการคัดเลือกแล้วและแผนภูมิสามารถเปลี่ยนพารามิเตอร์เหล่านี้ให้เหมาะกับความต้องการในการวิเคราะห์ของตน พารามิเตอร์แรกสำหรับอัตราส่วนประสิทธิภาพและแผนภูมิควรงดเว้นจากการเพิ่มจำนวนนี้ แทนที่จะใช้ชาตินิยมเพื่อลดความไว นักชาตินิยมที่มองหา KAMA ที่ราบรื่นสำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่มพารามิเตอร์กลางขึ้นได้ แม้ว่าจะมีความแตกต่างกันเพียง 3 แต่ KAMA (10,5,30) มีความนุ่มนวลกว่า Kama (10,2,30) การศึกษาเพิ่มเติมจากผู้สร้างหนังสือด้านล่างมีข้อมูลโดยละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบรวมถึงรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการซื้อขายและวิธีการ Perry KaufmanA ไม่กี่เดือนที่ผ่านมาฉันได้โพสต์เกี่ยวกับ Momentum Echo (คลิกที่นี่เพื่ออ่านโพสต์) ฉันวิ่งข้ามความแรงของญาติอื่น (หรือโมเมนตัมหากคุณต้องการ) ที่ทดสอบอีกปัจจัยหนึ่ง ในกระดาษสวนสาธารณะของ Seung-Chan อัตราการเคลื่อนที่เฉลี่ยและโมเมนตัมเขามองที่อัตราส่วนระหว่างค่าเฉลี่ยเคลื่อนที่ระยะสั้นและระยะยาวของราคาเพื่อจัดอันดับความแข็งแกร่งของหลักทรัพย์ ซึ่งแตกต่างจากส่วนใหญ่ของวรรณคดีทางวิชาการอื่น ๆ การศึกษาอื่น ๆ ส่วนใหญ่ใช้ผลตอบแทนจากการลงทุนแบบจุดต่อจุดที่ง่ายในการจัดอันดับหลักทรัพย์ ช่างเทคนิคได้ใช้ค่าเฉลี่ยเคลื่อนที่เป็นเวลาหลายปีเพื่อทำให้การเคลื่อนไหวของราคาดีขึ้น ส่วนใหญ่เวลาที่เราเห็นคนที่ใช้การข้ามของค่าเฉลี่ยเคลื่อนที่เป็นสัญญาณสำหรับการซื้อขาย Park ใช้วิธีการที่แตกต่างกันสำหรับสัญญาณของเขา แทนที่จะเปรียบเทียบกับค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่หนึ่งค่า หุ้นที่มีค่าเฉลี่ยเคลื่อนที่ 50 วันซึ่งสูงกว่า (ด้านล่าง) ค่าเฉลี่ยเคลื่อนที่ 200 วันจะมีอันดับสูง (ต่ำ) หลักทรัพย์ที่มีค่าเฉลี่ยเคลื่อนที่ 50 วันใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่ 200 วันจะลดลงในช่วงกลางของชุด ในสวนกระดาษเป็นส่วนหนึ่งของค่าเฉลี่ยเคลื่อนที่ 200 วันเป็นค่าเฉลี่ยเคลื่อนที่ระยะยาวและเขาทดสอบความหลากหลายของค่าเฉลี่ยระยะสั้นตั้งแต่ 1 ถึง 50 วัน ไม่น่าแปลกใจเลยที่พวกเขาทำงานทั้งหมดในความเป็นจริงพวกเขามีแนวโน้มที่จะทำงานได้ดีกว่าปัจจัยพื้นฐานที่อิงกับราคา ไม่ได้เป็นเรื่องน่าแปลกใจอย่างมากสำหรับเรา แต่เพียงเพราะเราติดตามปัจจัยที่คล้ายกันเป็นเวลาหลายปีซึ่งใช้ค่าเฉลี่ยเคลื่อนที่สองค่า สิ่งที่ทำให้ฉันประหลาดใจก็คือวิธีการที่ดีเมื่อเทียบกับวิธีการคำนวณอื่น ๆ เมื่อเวลาผ่านไป ปัจจัยที่เราติดตามคือค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยเคลื่อนที่ 65 วันและค่าเฉลี่ยเคลื่อนที่ 150 วัน ไม่เหมือนกับการทดสอบของ Park แต่มีความคล้ายคลึงกันมากพอ ฉันดึงข้อมูลที่เรามีเกี่ยวกับปัจจัยนี้เพื่อดูว่ามันเปรียบเทียบกับมาตรฐาน 6 และ 12 เดือนปัจจัยอัตราผลตอบแทน สำหรับการทดสอบนี้อันดับบนสุดของแถวจะถูกใช้ พอร์ตการลงทุนเกิดขึ้นทุกเดือนและมีการปรับโครงสร้างใหม่ทุกเดือน ทุกอย่างทำงานบนฐานข้อมูลของเราซึ่งเป็นเอกภพที่คล้ายกับ SP 500 SP 400 (คลิกเพื่อดูภาพขยาย) ข้อมูลของเราแสดงให้เห็นว่าเหมือนกับการทดสอบ Parks การใช้อัตราส่วนของค่าเฉลี่ยเคลื่อนที่จะดีกว่าการใช้ปัจจัยด้านราคาและผลตอบแทนที่ง่าย การทดสอบของเราแสดงอัตราส่วนเฉลี่ยเคลื่อนที่เพิ่มประมาณ 200 bps ต่อปีซึ่งไม่ใช่งานที่มีขนาดเล็กนอกจากนี้เรายังให้ความสำคัญกับข้อสรุปเดียวกันโดยใช้พารามิเตอร์ต่างกันสำหรับค่าเฉลี่ยเคลื่อนที่และชุดข้อมูลที่แตกต่างกันอย่างสิ้นเชิง มันก็จะแสดงให้เห็นว่าแข็งแรงแนวคิดของความแข็งแรงญาติเป็น สำหรับผู้อ่านที่อ่านเอกสารขาวของเรา (ดูได้ที่นี่และที่นี่) คุณอาจสงสัยว่าปัจจัยนี้ดำเนินการอย่างไรโดยใช้กระบวนการทดสอบ Monte Carlo ของเรา ฉันจะไม่เผยแพร่ผลลัพธ์เหล่านี้ในโพสต์นี้ แต่ฉันสามารถบอกคุณได้ว่าปัจจัยด้านค่าเฉลี่ยเคลื่อนที่นี้อยู่ใกล้ด้านบนสุดของปัจจัยที่เราติดตามและมีมูลค่าการซื้อขายที่เหมาะสมมากสำหรับผลตอบแทนที่เกิดขึ้น การใช้อัตราส่วนเฉลี่ยเคลื่อนที่เป็นวิธีที่ดีในการจัดอันดับหลักทรัพย์สำหรับกลยุทธ์ความแรงของสัมพัทธ์ ข้อมูลทางประวัติศาสตร์แสดงให้เห็นว่าการทำงานดีกว่าปัจจัยด้านราคาที่เรียบง่ายในช่วงเวลาหนึ่ง นอกจากนี้ยังเป็นปัจจัยที่มีประสิทธิภาพมากเนื่องจากมีหลายสูตรทำงานและใช้งานได้กับชุดข้อมูลหลายชุด รายการนี้ถูกโพสต์เมื่อพฤหัสบดี 26 สิงหาคม, 2010 ที่ 1:39 และยื่นภายใต้การวิจัยความสัมพันธ์ คุณสามารถปฏิบัติตามคำตอบใด ๆ ในรายการนี้ผ่านฟีด RSS 2.0 คุณสามารถตอบกลับได้ หรือ trackback จากเว็บไซต์ของคุณเอง อีกทางเลือกหนึ่งในการเคลื่อนที่โดยใช้โมเมนตัมแบบจุดต่อจุดคือการเคลื่อนที่โดยเฉลี่ยของโมเมนตัม 8230 ตัวอย่างเช่นถ้าคุณตรวจสอบโมเมนตัมโมเมนตัมทุกวัน it8217s มีเสียงดังมากการแก้ปัญหาหลักได้รับ , 8220don8217t ตรวจสอบรายวัน 8221 คือตรวจสอบรายเดือนหรือรายไตรมาสและรั้งการถือครองและการถ่วงดุล อย่างไรก็ตามคุณสามารถตรวจสอบได้ทุกวันและอาจปรับสมดุลทุกวันด้วยเสียงรบกวนน้อยกว่ามากถ้าใช้โมเมนตัมในระยะเวลา 12 เดือนคุณจะใช้ค่าเฉลี่ยเคลื่อนที่ 21 วันของโมเมนตัม 252 วัน นี่ยังเท่ากับ BTW ต่ออัตราส่วนของค่าเฉลี่ยเคลื่อนที่เฉลี่ย 21 วันในวันนี้ซึ่งอยู่ที่ 21 วันโดยค่าเฉลี่ยอยู่ที่ 21 วัน ประโยชน์ของการใช้ค่าเฉลี่ยโมเมนตัมคือคุณมีการตอบสนองต่อการเปลี่ยนแปลงโมเมนตัมมากกว่าที่คุณทำหากคุณตรวจสอบจักรวาล oncemonth หรือครั้งเดียว แน่นอนว่าคุณสามารถใช้เทคนิค MA ได้มากขึ้นหากคุณมีเอกภพที่เล็กลงเพื่อใช้มันตั้งแต่ฉันใช้กลุ่ม ETFs เป็นจักรวาลของฉันทำงานได้ดีสำหรับฉัน เนื่องจากคุณกำลังทำงานอยู่ในจักรวาล 900 หุ้นและเปิดเผยการถือครองหลักทรัพย์ในรูปแบบกองทุนคุณอาจไม่สามารถใช้กับคุณ แต่ฉันคิดว่าน่าจะเป็นที่น่าสนใจ นี่ยังเท่ากับ BTW ต่ออัตราส่วนของค่าเฉลี่ยเคลื่อนที่ 21 วันของวันนี้ไปเป็นค่าเฉลี่ยเคลื่อนที่ 21 วันจาก 252 DAYS AGO 8211 EDIT John Lewis กล่าวว่าเรายังติดตามปัจจัยที่ใช้ค่าเฉลี่ยเคลื่อนที่ของการคำนวณโมเมนตัมหรือคะแนน เคล็ดลับเทคนิคเก่าของการใช้ MA ในการทำให้เสียงออกมานุ่มนวลทำงานได้ดีขึ้นเช่นเดียวกับราคาวัตถุดิบ ความถี่ของการถ่วงดุลมักกำหนดประเภทของรูปแบบที่คุณสามารถใช้ เราใช้กลยุทธ์ที่สามารถปรับการใช้งานได้เพียงครั้งละหนึ่งครั้งต่อไตรมาสและเราต้องใช้โมเดลที่แตกต่างกันสำหรับผู้ที่เราทำในกลยุทธ์ที่เราดูทุกวันหรือทุกสัปดาห์ ทั้งสองวิธีทำงานได้ถ้าใช้ปัจจัยที่เหมาะสมและเราพบว่าการเพิ่มความถี่ถ่วงดุลจะเพิ่มผลตอบแทนโดยอัตโนมัติ บางครั้งก็ใช้เวลาห่างจากการกลับมา ทั้งหมดขึ้นอยู่กับปัจจัยและวิธีที่คุณใช้งาน (อย่างน้อยในประสบการณ์ของฉัน) กับจักรวาลและพารามิเตอร์ I8217ve ทดสอบบนฉันไม่ได้สังเกตสิ่งที่ฉันจะโทร 8220statistically8221 ปรับปรุงผลตอบแทนเมื่อเปลี่ยนจาก rebals รายเดือนเพื่อย้ายเทคนิคเฉลี่ยที่อนุญาตให้ (อาจอย่างน้อย) rebals รายวัน สิ่งที่ I8217ve กล่าวไว้เป็นส่วนใหญ่ที่ I8217d เรียกใช้การเรียกคืนข้อมูลที่เทียบเท่าในข้อมูลของ backtest ฉันได้ตั้งข้อสังเกตโดยเฉพาะอย่างยิ่งว่าจำนวนเฉลี่ยของการซื้อขาย roundtrips ปีนี้มีเพียงเล็กน้อยเท่านั้นที่มีศักยภาพในการเปลี่ยนแปลงรายวันนั่นคือมี whipsaws แต่มีเพียงไม่กี่รายเท่านั้น สิ่งที่ฉันเองชอบเกี่ยวกับศักยภาพในการเปลี่ยนแปลงรายวันคือถ้าสมมุติฐานว่าปัญหา I8217m ในปัญหาและการเผาไหม้เทคนิค MA จะออกได้เร็วขึ้น (และแทนที่ด้วยการรักษาความปลอดภัยอื่น) เห็นได้ชัดว่า didn8217t เกิดขึ้นเพียงพอในช่วงเวลาของ backtests ที่จะขับรถแตกต่างกันอย่างมีนัยสำคัญในผล แต่จะให้ความสุขที่ดีในจิตใจของฉัน ฉันคิดว่าเมื่อ I8217m เกษียณและใช้งานโปรแกรมของฉันจากชายหาดบางแห่งที่ไหนสักแห่ง I8217ll ต้องการเพียง แต่ต้องตรวจสอบเป็นรายเดือนเท่านั้น That8217s ต่อมา สำหรับตอนนี้ในขณะที่ I8217m ในเครื่องคอมพิวเตอร์ต่อวันอาจใช้สแกนของฉัน Paul Montgomery กล่าวว่า 8220 ฉันจะไม่เผยแพร่ผลลัพธ์เหล่านี้ในบทความนี้ แต่ฉันสามารถบอกคุณได้ว่าปัจจัยด้านค่าเฉลี่ยเคลื่อนที่นี้อยู่ใกล้ด้านบนสุดของปัจจัยที่เราติดตามเสมอ และมีการหมุนเวียนที่เหมาะสมมากสำหรับผลตอบแทนที่มัน generates8221 โพสต์ที่ยิ่งใหญ่ 8211 ชอบที่จะเห็นเพิ่มเติมเกี่ยวกับเรื่องนี้จอห์นที่น่าสนใจโพสต์แน่นอน 8211 ฉันได้รับการอ่านเอกสารจำนวนมากเกี่ยวกับเรื่องนี้และการวิจัยประสิทธิผลของ 8230 สิ่งหนึ่งที่ฉันไม่สามารถเข้าใจคือวิธีการมากองทุน เช่น AQR ที่เสนอรูปแบบของการลงทุนโมเมนตัมอื่นไม่ได้ไม่ดีดังนั้น ผลตอบแทนจากการผ่าตัดทรีทฟอเรสต์อยู่ที่ประมาณ 13 ปี แต่กองทุนจริงยังคงเป็นลบ สงสัยว่าการลงทุนจริงกับแนวคิดนี้จะส่งผลให้ใกล้เคียงกับจำนวนที่ทดสอบแล้วหรือไม่ 8230