Gör anpassningsbara rörliga medelvärden Bly till bättre resultat Rörliga medelvärden är ett favoritverktyg för aktiva näringsidkare. Men när marknaderna konsolideras leder denna indikator till många whipsaw-affärer, 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 leda till 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. Nedgångar definieras av priser som handlar under det glidande genomsnittet. (För mer, se vår Moving Averages handledning.) Denna trenddefinierande egenskap gör det möjligt att flytta genomsnittsvärden 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 sin vinst 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 fördröjningen, 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 träder 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 flyttar 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 för 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-band. (För mer om denna indikator, se Grunderna i Bollinger Bands.) 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. Den beräknas med en enkel formel: ER (total prisförändring för period) (summan av absoluta prisförändringar för varje stapel) Tänk på ett lager som har en fempunktsintervall varje dag och i slutet av fem dagar har fått totalt av 15 poäng. Detta skulle resultera i en 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 klara av handelsförluster.) Principen om 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 Exponentially 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 den största grad av planering i den avståndsbegränsade 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 test inte någon verklig praktisk fördel för denna mer komplexa trendutjämningsmetod. Detta 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. Ett mått på förhållandet mellan en förändring i den mängd som krävdes av ett visst gott och en förändring i dess pris. Pris. Det totala dollarns marknadsvärde för alla bolagets utestående aktier. Marknadsvärdet beräknas genom att multiplicera. Frexit kort för quotFrench exitquot är en fransk spinoff av termen Brexit, som uppstod när Storbritannien röstade till. En order placerad med en mäklare som kombinerar funktionerna i stopporder med de i en gränsvärde. En stopporderorder kommer att. En finansieringsrunda där investerare köper aktier från ett företag till en lägre värdering än värderingen placerad på. En ekonomisk teori om totala utgifter i ekonomin och dess effekter på produktion och inflation. Keynesian ekonomi utvecklades. MetaTrader 5 - Indikatorer Fractal Adaptive Moving Average (FrAMA) - indikator för MetaTrader 5 Fractal Adaptive Moving Medel teknisk indikator (FRAMA) utvecklades av John Ehlers. Denna indikator är konstruerad baserat på algoritmen för det exponentiala rörliga genomsnittet. i vilken utjämningsfaktorn beräknas utifrån den nuvarande fraktala dimensionen av prisserien. Fördelen med FRAMA är möjligheten att följa starka trendrörelser och att sakta sakta ner vid priskonsolideringstiden. Alla typer av analyser som används för Moving Averages kan tillämpas på denna indikator. Fractal Adaptive Moving Average Indicator FRAMA (i) A (i) Pris (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) - nuvarande värde av FRAMA Pris (i) - nuvarande pris FRAMA -1) - föregående värde av FRAMA A (i) - aktuell faktor för exponentiell utjämning. Exponentiell utjämningsfaktor beräknas enligt följande formel: A (i) EXP (-4.6 (D (i) - 1)) D (i) - strömfaktorens dimension EXP () - Exponentens matematiska funktion. Fractal dimension av en rak linje är lika med en. Det framgår av formeln att, om D 1, då A EXP (-4.6 (1-1)) EXP (0) 1. Således om prisändringar i raka linjer används inte exponentiell utjämning, eftersom i ett sådant fall formeln ser ut så här: FRAMA (i) 1 Pris (i) (1 - i) FRAMA (i-1) Pris (i) Ie indikatorn följer exakt priset. Den fraktala dimensionen av ett plan är lika med två. Från formeln får vi det om D 2, då utjämningsfaktorn A EXP (-4,6 (2-1)) EXP (-4,6) 0,01. Ett sådant litet värde av exponentiell utjämningsfaktor uppnås vid tillfällen då priset ger en stark sågtandad rörelse. En sådan kraftig nedgång motsvarar ungefär 200-årigt enkelt glidande medelvärde. Formel för fraktal dimension: D (LOG (N1 N2) - LOG (N3)) LOG (2) Det beräknas utifrån den extra formeln: N (Längd, i) (Högsta pris (i) - Lägsta pris (i)) Längd Högsta pris (i) - nuvarande maximalvärde för längdperioder LowestPrice (i) - nuvarande minimivärde för längdperioder Värdena N1, N2 och N3 är respektive lika med: N1 (i) N (Längd, i) N2 (i) N (Längd, I längd) N3 (i) N (2 längd, i) FRAMA - Fractal Adaptive MA Fractal adaptivt glidande medelvärde (förkortning FRAMA aka FAMA) skapades av John Ehlers. Syftet med FRAMA är att identifiera prisfraktalerna. Fractals är geometriska former som kan delas in i mindre delar. Dessa delar är bara en mindre kopia av hela geometrisk form. FRAMA delar prisdiagrammet i mindre delar och jämför sedan dessa delar med varandra. Prisdiagrammet är ett kluster av många rutor - större och mindre. T. ex. Om vi vill beräkna ett 8-dagars Fractal Adaptive glidande medel analyserar Frama denna 8-dagarsperiod, men det analyserar också hur priset fungerar under de första 4 dagarna och de närmaste 4 dagarna. Syftet med Frama är att ta hänsyn till bara de viktiga prisförändringarna. Om priset flyttar en sida tillräckligt, kommer Frama att följa priset mycket hårt. Om priset ligger inom ett område utan betydande prisrörelse, kommer Frama att verka väldigt platt. Med andra ord förändras detta glidande medelvärde antalet dagar för beräkningen, beroende på fraktalsbeteendet. Det är anledningen till att det är adaptivt (liknande KAMA). Om du är intresserad av en djupare studie av denna indikator och föredrar redo att betjäna lösningar, kan den följande webbplatsen vara av intresse för dig. Där kan du hitta och ladda ner tekniska analysindikatorer i Excel-filer. Uppmärksamhet Browser Extension AdBlock upptäckt. Vänligen stäng av den för att fortsätta Tack
No comments:
Post a Comment