Kaufman Adaptive Moving Average Trading Strategie (Einrichtung 038 Filter) I. Trading Strategy Entwickler: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA). Quelle: Kaufman, P. J. (1995). Smarter Handel. Verbesserung der Leistungsfähigkeit in den Märkten. New York: McGraw-Hill, Inc. Konzept: Trading-Strategie basierend auf einem adaptiven Rauschfilter. Forschungsziel: Leistungsüberprüfung der Einrichtung und Filter. Spezifikation: Tabelle 1. Ergebnisse: Abbildung 1-2. Trade Setup: Long Trades: Der Adaptive Moving Average (AMA) erscheint. Short Trades: Der Adaptive Moving Average wird heruntergefahren. Hinweis: Die AMA Trendlinie scheint zu stoppen, wenn Märkte keine Richtung haben. Wenn Markttrends, die AMA-Trendlinie aufholt. Trade Entry: Long Trades: Ein Kauf am Schluss wird nach einem bullish Setup gesetzt. Short Trades: Ein Verkauf am Schluss wird nach einem bearish Setup aufgestellt. Trade Exit: Tabelle 1. Portfolio: 42 Futures-Märkte aus vier großen Marktsegmenten (Rohstoffe, Währungen, Zinsen und Aktienindizes). Daten: 32 Jahre seit 1980. Testplattform: MATLAB. II. Empfindlichkeitstest Nach allen 3-D-Diagrammen folgen 2-D-Konturdiagramme für Profitfaktor, Sharpe Ratio, Ulcer Performance Index, CAGR, Maximum Drawdown, Procent Profitable Trades und Avg. Win / Durchschn. Verlustrate. Das abschließende Bild zeigt die Empfindlichkeit der Eigenkapitalkurve. Geprüfte Variablen: ERLength amp FilterIndex (Definitionen: Tabelle 1): Abbildung 1 Portfolio Performance (Eingänge: Tabelle 1 Provisionen amp Slippage: 0). AMA (ERLength) ist der Adaptive Moving Average über einen Zeitraum von ERLength. ERLength ist eine Rückblickperiode des Efficiency Ratio (ER). ERi abs (Directioni / Volatilityi), wobei 8220abs8221 der Absolutwert ist. Direktioni Closei ERLength, Volatilityi (abs (DeltaClosei), ERLength), wobei 82208221 die Summe über einen Zeitraum von ERLength ist, DeltaClosei Closei Closei 1. FastMALength ist eine Periode des schnell bewegten Durchschnitts. SlowMALength ist eine Periode des langsamen gleitenden Durchschnitts. AMAi AMAi 1 ci (Closei AMAi 1), wobei ci (ERi (Fast Slow) Langsam) 2, Fast 2 / (FastMALength 1), Slow 2 / (SlowMAL 1) ist. Wenn AMAi gt AMAi 1 amp AMAi 1 lt AMAi 2 ist, wird MinAMA AMAi 1 (Adaptive Moving Average wird mit einem Pivot bei MinAMA hochgefahren). Short Trades: AMAi lt AMAi 1 amp AMAi 1 gt AMAi 2 dann MaxAMA AMAi 1 (Adaptive Moving Average fällt mit einem Pivot bei MaxAMA ab). Index: i Filteri FilterIndex StdDev (AMAi AMAi 1, N), wobei StdDev die Standardabweichung von Serien über N Perioden ist. N 20 (Voreinstellung). Index: i FilterIndex 0.0, 1.0, Schritt 0.02 N 20 Long Trades: Am AMAi AMT 1 AM (AMAi MinAMA) gt Filteri kaufen. Short Trades: Ein Verkauf am Ende wird gesetzt, wenn AMAi lt AMAi 1 amp (MaxAMA AMAi) gt Filteri. Index: i Stop Loss Exit: ATR (ATRLength) ist der mittlere True Range über einen Zeitraum von ATRLength. ATRStop ist ein Vielfaches von ATR (ATRLength). Long Trades: Ein Verkaufsstopp ist bei Eintritt ATR (ATRLength) ATRStop platziert. Short Trades: Ein Kauf-Stop wird am Eintrag ATR (ATRLength) ATRStop platziert. ATRLength 20 ATRStop 6 ERLength 2, 100, Schritt 2 FilterIndex 0.0, 1.0, Schritt 0.02Do Adaptive Moving Averages Lead to Bessere Ergebnisse Gleitende Durchschnitte sind ein Lieblings-Tool von aktiven Händlern. Allerdings, wenn die Märkte zu konsolidieren, führt dieser Indikator zu zahlreichen whipsaw Trades, was zu einer frustrierenden Reihe von kleinen Siegen und Verluste. Analytiker haben Jahrzehnte versucht, den einfachen gleitenden Durchschnitt zu verbessern. In diesem Artikel betrachten wir diese Bemühungen und finden, dass ihre Suche zu nützlichen Trading-Tools geführt hat. (Für den Hintergrund, der auf einfachen gleitenden Durchschnitten überprüft, überprüfen Sie einfaches bewegendes Mittel, das Trends hervorhebt.) Vor - und Nachteile der bewegenden Durchschnitte Die Vor - und Nachteile der gleitenden Durchschnitte wurden von Robert Edwards und von John Magee in der ersten Ausgabe der technischen Analyse von zusammengefasst Aktien-Trends. Wenn sie sagten, und es war schon im Jahre 1941, dass wir die Entdeckung (obwohl viele andere es vorher gemacht haben), dass durch die Mittelung der Daten für eine bestimmte Anzahl von Tagen konnte man eine Art von automatisierten Trendlinie, die definitiv interpretieren würde die Änderungen der TrendIt schien fast zu gut um wahr zu sein. Tatsächlich war es zu schön, um wahr zu sein. Mit den Nachteilen überwiegen die Vorteile, Edwards und Magee schnell aufgegeben ihren Traum vom Handel von einem Strand Bungalow. Aber 60 Jahre nachdem sie diese Worte geschrieben haben, bestehen andere darin, ein einfaches Werkzeug zu finden, das den Reichtum der Märkte mühelos liefern würde. Simple Moving Averages Um einen einfachen gleitenden Durchschnitt zu berechnen. Fügen Sie die Preise für den gewünschten Zeitraum und dividieren durch die Anzahl der Perioden ausgewählt. Die Suche nach einem fünftägigen gleitenden Durchschnitt würde Summierung der fünf letzten Schlusskurse und die Teilung von fünf. Wenn das letzte Schließen über dem gleitenden Durchschnitt liegt, würde die Aktie als in einem Aufwärtstrend betrachtet werden. Abwärtstrends werden durch den Handel unter dem gleitenden Durchschnitt definiert. (Für mehr, siehe unsere Moving Averages Tutorial.) Diese Trend-Definition-Eigenschaft ermöglicht es, dass gleitende Durchschnitte, um Trading-Signale zu generieren. In ihrer einfachsten Anwendung kaufen Händler, wenn Preise über dem gleitenden Durchschnitt sich bewegen und verkaufen, wenn Preise unter dieser Linie übersteigen. Ein solcher Ansatz ist garantiert, um den Händler auf die rechte Seite jedes bedeutenden Handels zu setzen. Leider, während Glättung der Daten, bewegte Durchschnitte werden sich hinter der Markt-Aktion und der Händler wird fast immer geben einen großen Teil ihrer Gewinne auf sogar die größten Gewinn-Trades. Exponential Moving Averages Analysten scheinen die Idee des gleitenden Durchschnitts zu mögen und haben jahrelang versucht, die mit dieser Verzögerung verbundenen Probleme zu reduzieren. Eine dieser Innovationen ist der exponentielle gleitende Durchschnitt (EMA). Dieser Ansatz weist den jüngsten Daten eine relativ höhere Gewichtung zu und bleibt dadurch der Preisaktion näher als ein einfacher gleitender Durchschnitt. Die Formel zur Berechnung eines exponentiellen gleitenden Mittelwertes ist: EMA (Gewicht schließen) ((1-Gewicht) EMAy) Dabei: Gewicht ist die vom Analytiker gewählte Glättungskonstante EMAy ist der exponentielle gleitende Durchschnitt von gestern Ein gemeinsamer Gewichtungswert ist 0,181, Ist nah an einem 20-tägigen einfachen gleitenden Durchschnitt. Eine andere ist 0,10, was ungefähr ein 10-Tage-gleitender Durchschnitt ist. Obwohl es die Verzögerung verringert, kann der exponentielle gleitende Durchschnitt nicht ein anderes Problem mit sich bewegenden Durchschnittswerten ansprechen, was bedeutet, dass ihre Verwendung für Handelssignale zu einer großen Anzahl von verlierenden Geschäften führen wird. In neuen Konzepten in technischen Handelssystemen. Welles Wilder schätzt, dass Märkte nur Trend ein Viertel der Zeit. Bis zu 75 Handelsgeschäfte beschränken sich auf enge Bereiche, wenn gleitende durchschnittliche Kauf - und Verkaufssignale wiederholt erzeugt werden, da sich die Preise rasch und deutlich über dem gleitenden Durchschnitt bewegen. Um dieses Problem zu lösen, haben mehrere Analysten vorgeschlagen, den Gewichtungsfaktor der EMA-Berechnung zu variieren. (Weitere Informationen finden Sie unter Wie werden gleitende Durchschnitte im Handel verwendet) Anpassung der gleitenden Durchschnitte an die Marktaktivität Eine Methode, um die Nachteile der gleitenden Durchschnitte zu adressieren, besteht darin, den Gewichtungsfaktor mit einem Volatilitätsverhältnis zu multiplizieren. Dies würde bedeuten, dass der gleitende Durchschnitt weiter von dem aktuellen Preis in volatilen Märkten wäre. Dies würde Gewinner zu laufen. Als Trend geht ein Ende und die Preise konsolidieren. Würde der gleitende Durchschnitt näher an der gegenwärtigen Marktbewegung herangehen und theoretisch dem Händler erlauben, die meisten Gewinne, die während des Trends erfasst werden, zu halten. In der Praxis kann das Volatilitätsverhältnis ein Indikator wie die Bollinger-Bandbreite sein, die den Abstand zwischen den bekannten Bollinger-Bändern misst. Perry Kaufman schlug vor, die Gewichtsvariable in der EMA-Formel mit einer Konstante zu ersetzen, die auf dem Wirkungsgradverhältnis (ER) basiert, in seinem Buch "New Trading Systems and Methods". Dieser Indikator soll die Stärke eines Trends messen, der in einem Bereich von -1,0 bis 1,0 liegt. Es wird mit einer einfachen Formel berechnet: ER (Gesamtpreisänderung für Periode) / (Summe der absoluten Preisänderungen für jeden Balken) Betrachten Sie eine Aktie, die jeden Tag einen Fünfpunktbereich hat und am Ende von fünf Tagen einen Kurs erzielt hat Insgesamt 15 Punkte. Dies würde zu einem ER von 0,67 führen (15 Punkte Aufwärtsbewegung geteilt durch den gesamten 25-Punkte-Bereich). Wäre dieser Bestand um 15 Punkte gesunken, wäre der ER -0,67. (Für weitere Trading-Tipps von Perry Kaufman, lesen Sie Losing To Win, die Strategien für die Bewältigung der Handelsverluste skizziert.) Das Prinzip der Trends Effizienz basiert auf, wie viel Richtungsbewegung (oder Trend) Sie pro Einheit der Preisbewegung über ein Definierten Zeitraum. Ein ER von 1,0 zeigt an, dass der Bestand in einem perfekten Aufwärtstrend liegt -1,0 repräsentiert einen perfekten Abwärtstrend. Praktisch werden die Extreme selten erreicht. Um diesen Indikator zu finden, um den adaptiven gleitenden Durchschnitt (AMA) zu finden, müssen Händler das Gewicht mit der folgenden komplexen Formel berechnen: C (ER (SCF SCS)) SCS 2 Wobei: SCF die Exponentialkonstante für die schnellste ist EMA zulässig (meist 2) SCS ist die Exponentialkonstante für die langsamste EMA zulässig (oft 30) ER ist das oben erwähnte Wirkungsgrad-Verhältnis Der Wert für C wird dann in der EMA-Formel anstelle der einfacheren Gewichtsvariablen verwendet. Obwohl es schwierig ist, von Hand zu berechnen, ist der adaptive gleitende Durchschnitt in fast allen Handelssoftwarepaketen als Option enthalten. (Beispiele für einen einfachen gleitenden Durchschnitt (rote Linie), einen exponentiellen gleitenden Durchschnitt (blaue Linie) und den adaptiven gleitenden Durchschnitt (grüne Linie) sind in 1 gezeigt. Abbildung 1: Die AMA ist grün und zeigt den größtmöglichen Abflachungsgrad in der Bereichsgrenze auf der rechten Seite dieser Tabelle. In den meisten Fällen ist der exponentielle gleitende Durchschnitt, der als blaue Linie dargestellt ist, der Preisaktion am nächsten. Der einfache gleitende Durchschnitt wird als rote Linie angezeigt. Die drei gleitenden Durchschnitte, die in der Figur gezeigt werden, sind alle anfällig für whipsaw Trades zu verschiedenen Zeiten. Dieser Nachteil bei den gleitenden Durchschnitten ist bisher nicht auszuschließen. Fazit Robert Colby getestet Hunderte von technischen Analyse-Tools in The Encyclopedia of Technical Market Indicators. Er schloss, Obwohl der adaptive gleitende Durchschnitt eine interessante neuere Idee mit beträchtlichem intellektuellem Anklang ist, zeigen unsere vorläufigen Tests keinen wirklichen praktischen Vorteil zu dieser komplexeren Trendglättungsmethode. Dieses bedeutet nicht, daß Händler die Idee ignorieren sollten. Die AMA könnte mit anderen Indikatoren kombiniert werden, um ein profitables Handelssystem zu entwickeln. (Mehr zu diesem Thema finden Sie unter Entdeckung von Keltner-Kanälen und dem Chaikin-Oszillator.) Der ER kann als eigenständiger Trendindikator genutzt werden, um die profitabelsten Handelsmöglichkeiten zu erkennen. Als Beispiel zeigen Verhältnisse über 0,30 starke Aufwärtstrends und stellen potentielle Käufe dar. Alternativ kann, da die Volatilität bewegt sich in Zyklen, die Aktien mit dem niedrigsten Wirkungsgrad könnte als Breakout opportunities. Kaufman039s Adaptive Moving Average (KAMA) Kaufman039s Adaptive Moving Average (KAMA) Einführung Entwickelt von Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) beobachtet werden, ist Ein gleitender Durchschnitt, der auf Marktlärm oder Volatilität ausgelegt ist. KAMA eng Preise folgen, wenn die Preisschwankungen relativ klein sind und der Lärm ist gering. KAMA wird sich anpassen, wenn die Preisschwankungen sich verbreitern und die Preise aus größerer Entfernung folgen. Dieser Trendfolgeindikator kann verwendet werden, um den allgemeinen Trend, Zeit Wendepunkte und Filterpreisbewegungen zu identifizieren. Berechnung Es gibt mehrere Schritte erforderlich Kaufman039s Adaptive Moving Average zu berechnen. Let039s zuerst mit den empfohlenen Einstellungen von Perry Kaufman, beginnen die KAMA sind (10,2,30). 10 ist die Anzahl der Perioden für das Efficiency Ratio (ER). 2 ist die Anzahl der Perioden für die schnellste EMA-Konstante. 30 ist die Anzahl der Perioden für die langsamste EMA-Konstante. Vor der Berechnung KAMA, müssen wir die Efficiency Ratio (ER) und die Glättungskonstante (SC) zu berechnen. Das Aufbrechen der Formel in mundgerechte Nuggets erleichtert es, die Methodik hinter der Anzeige zu verstehen. Beachten Sie, dass ABS für Absolutwert steht. Efficiency Ratio (ER) Das ER ist im Grunde die Preisänderung für die tägliche Volatilität angepasst. In statistischer Hinsicht zeigt das Efficiency Ratio die fraktale Effizienz von Preisänderungen an. ER schwankt zwischen 1 und 0, aber diese Extreme sind die Ausnahme, nicht die Norm. ER wäre 1, wenn die Preise verschoben 10 aufeinander folgenden Perioden oder nach 10 aufeinander folgenden Perioden. ER wäre null, wenn der Kurs über die 10 Perioden unverändert bleibt. Glättungskonstante (SC) Die Glättungskonstante verwendet den ER und zwei Glättungskonstanten, die auf einem exponentiellen gleitenden Durchschnitt basieren. Wie Sie vielleicht bemerkt haben, verwendet die Glättungskonstante die Glättungskonstanten für einen exponentiellen gleitenden Durchschnitt in ihrer Formel. (2/301) die Glättungskonstante für ein 30-Perioden-EMA ist. Der schnellste SC ist die Glättungskonstante für kürzere EMA (2-Perioden). Der langsamste SC ist die Glättungskonstante für die langsamste EMA (30 Perioden). Beachten Sie, dass die 2 am Ende die Gleichung quadrieren soll. KAMA Mit dem Efficiency Ratio (ER) und Smoothing Constant (SC) können wir nun den Kaufman039s Adaptive Moving Average (KAMA) berechnen. Da wir einen Anfangswert benötigen, um die Berechnung zu starten, ist die erste KAMA nur ein einfacher gleitender Durchschnitt. Die folgenden Berechnungen basieren auf der nachstehenden Formel. Berechnungsbeispiel / Diagramm Die folgenden Bilder zeigen einen Screenshot aus einer Excel-Tabelle zur Berechnung von KAMA und dem entsprechenden QQQ-Diagramm. Verwendung und Signale Chartisten können KAMA wie alle anderen Trend folgenden Indikator, wie einen gleitenden Durchschnitt verwenden. Chartisten können nach Preiskreuzen, Richtungsänderungen und gefilterten Signalen suchen. Zuerst zeigt ein Kreuz über oder unter KAMA Richtungsänderungen der Preise an. Wie bei jedem gleitenden Durchschnitt, wird ein einfaches Crossover-System erzeugen viele Signale und viele whipsaws. Chartisten können Whipsaws reduzieren, indem sie einen Preis - oder Zeitfilter auf die Crossover anwenden. Man könnte Preis verlangen, das Kreuz für eine festgelegte Anzahl von Tagen zu halten, oder erfordern das Kreuz, das die KAMA um einen festgelegten Prozentsatz übersteigt. Zweitens können Chartisten die Richtung von KAMA verwenden, um den Gesamttrend für eine Sicherheit zu definieren. Dies kann eine Parameteranpassung erfordern, um die Anzeige weiter zu glätten. Chartisten können den mittleren Parameter ändern, der die schnellste EMA-Konstante ist, um KAMA zu glätten und nach Richtungsänderungen zu suchen. Der Trend ist nach unten, solange KAMA fällt und schmieden unteren Tiefs. Die Tendenz steigt, solange KAMA steigt und höhere Höhen schmiedet. Das Kroger-Beispiel unten zeigt KAMA (10,5,30) mit einem steilen Aufwärtstrend von Dezember bis März und einem weniger steilen Aufwärtstrend von Mai bis August. Und schließlich können Chartisten Signale und Techniken kombinieren. Chartisten können eine längerfristige KAMA verwenden, um den größeren Trend und eine kurzfristige KAMA für Handelssignale zu definieren. Beispielsweise könnte KAMA (10, 5, 30) als Trendfilter verwendet werden und im Anstieg als bullisch angesehen werden. Sobald bullish, könnte Chartisten dann bullish Kreuze suchen, wenn der Preis bewegt sich über KAMA (10,2,30). Das folgende Beispiel zeigt MMM mit einem steigenden langfristigen KAMA und bullischen Kreuzen im Dezember, Januar und Februar. Langfristige KAMA sank im April und es gab bearish Kreuze im Mai, Juni und Juli. SharpCharts KAMA kann als Indikator-Overlay in der SharpCharts-Workbench gefunden werden. Die Standardeinstellungen werden automatisch in der Parameterbox angezeigt, sobald sie ausgewählt sind, und die Chartisten können diese Parameter entsprechend ihren analytischen Bedürfnissen ändern. Der erste Parameter ist für das Effizienzverhältnis und die Chartisten sollten davon absehen, diese Zahl zu erhöhen. Stattdessen können Chartisten es verringern, um die Empfindlichkeit zu erhöhen. Chartisten, die KAMA für eine längerfristige Trendanalyse glätten möchten, können den mittleren Parameter schrittweise erhöhen. Obwohl der Unterschied nur 3 ist, ist KAMA (10,5,30) deutlich glatter als KAMA (10,2,30). Weitere Studie Der Autor bietet detaillierte Informationen zu Indikatoren, Programmen, Algorithmen und Systemen, einschließlich Einzelheiten über KAMA und andere gleitende Durchschnittssysteme. Handelssysteme und Methoden Perry KaufmanDeveloped von Perry Kaufman, Kaufman8217s Adaptive Moving Average ist so konzipiert, nicht nur als gleitenden Durchschnitt zu handeln, sondern auch entsprechend im Trend und stellen Sie den Grad der Lärm zu verfolgen. Es ändert automatisch seine Geschwindigkeit auf der Grundlage der Marktvolatilität. Die AMA ist als Ersatz gewöhnlicher Moving Averages verwendet wird und wenn es im Jahr 1995 vorgestellt wurde, war es besser als frühere Versuche, eine intelligente gleitenden Durchschnitt zu schaffen, weil es größere Benutzerkontrolle angeboten. Grundsätzlich, wenn der Markt stark ist und es gibt nur geringe Gegen-Trend-Bewegungen (Pullbacks), es ist sehr wenig Lärm und Sie würden es vorziehen, dass die MA eng an die Preis-Aktion folgen, so würden Sie wollen, dass es eine kleinere Trackback-Span haben . Auf der anderen Seite, wenn der Markt ist Bereich-gebunden und wird dominiert von Bars, die einander gegenüberstehen, was Sie wollen, ist ein gleitender Durchschnitt mit einer längeren Look-back-Zeit, die es glätten und damit falsche Signale vermeiden. Upgrade Was Kaufman tat, ist, den Exponential Moving Average mit einem Algorithmus zu optimieren, der die EMA8217s Glättungskonstante relativ zu dem Verhältnis von Marktrichtung und Volatilität anpasst, also reagiert sie nun auf Trend und Volatilität. Hier ist die Formel, aus der die AMA abgeleitet ist: AMA C close (t) 8211 AMA (t-1) AMA (t-1), wobei C der adaptive Aspekt der Glättungskonstante ist. Allerdings gibt es eine Reihe von Berechnungen, bevor wir zu erreichen C, aber wir werden nicht auflisten sie hier auch die Dinge einfacher. Es ist wichtiger zu erkennen, dass Kaufman8217s Adaptive Moving Average aufgrund seiner Fähigkeit, auf die Marktbedingungen zu reagieren.8217 dynamische Verschiebungen, was ein großer Vorteil im Vergleich zu Handelsstrategien basiert auf bewegten Durchschnitten mit festen Trackback-Perioden ist ausgezeichnet. Darüber hinaus kann es neben der Verwendung der KAMA als Stand-alone-Indikator auch zur Glättung anderer Indikatoren dienen. Genau wie die anderen Mitglieder der gleitenden Durchschnittsindikatorenfamilie fungiert Kaufman8217s AMA als starkes Unterstützungs - / Widerstandsniveau, das bei Kontakt Tendenz-Eingangssignale erzeugt, sowie Ausgangssignale, wenn eine Trendumkehr offensichtlich ist. Überprüfen Sie den Unterschied zwischen einem Simple Moving Average, einem Exponential Moving Average und Kaufman8217s Adaptive Moving Average auf dem Screenshot unten. Gezeichnet in hellblau ist ein 14-Periode einfaches Moving Average, während die 14-Periode EMA in Gelb gefärbt ist. Wie Sie sehen können, ist Kaufman8217s Adaptive Moving Average (lila Linie) relativ flach während der meiste Zeit, da der Markt hält in einem engen Handelsbereich innerhalb der größeren Zeit Frame8217s bearish Trend, so wird es weniger falsche Eingangssignale im Bereich der Konsolidierung produzieren . Gegründet im Jahr 2013, Binary Tribune zielt auf die Bereitstellung ihrer Leser genaue und tatsächliche Finanznachrichten Berichterstattung. Unsere Website konzentriert sich auf wichtige Segmente in Finanzmärkten Aktien, Währungen und Rohstoffe und interaktive eingehende Erläuterung der wichtigsten wirtschaftlichen Ereignisse und Indikatoren. Finanzielle Offenlegung BinaryTribune haftet nicht für den Verlust von Geld oder für Schäden, die durch die Nutzung der Informationen auf dieser Website entstehen. Trading Forex, Aktien und Rohstoffe auf Margin trägt ein hohes Risiko und kann nicht für alle Anleger geeignet sein. Bevor Sie sich für den Devisenhandel entscheiden, sollten Sie sorgfältig Ihre Anlageziele, Erfahrung und Risikobereitschaft berücksichtigen. Cookie Policy Diese Website verwendet Cookies, um Ihnen die besten Erfahrungen zu geben und Sie besser kennenzulernen. Wenn Sie unsere Website mit Ihrem Browser verlassen, um Cookies zu erlauben, stimmen Sie unserer Nutzung von Cookies zu, wie in unseren Datenschutzbestimmungen beschrieben. Kopieren Copyright 2016 mdash Binäre Tribüne. Alle Rechte vorbehalten. Kaufman Adaptive Moving Average Der Kaufman adaptive Moving Average (KAMA) von Perry J. Kaufman (www. perrykaufman) ist ein exponentieller Stil Durchschnitt (siehe Exponential Moving Average), aber mit einer Glättung, die nach neuesten Daten variiert. In einer stetig fortschreitenden Bewegung die neuesten Preise sind eng verfolgt, aber wenn sie zurück und vorwärts mit wenig Richtung die neuesten Preise sind nur kleine Gewichte gegeben. Der Glättungsfaktor wird aus einer gegebenen Vergangenheit der N Tage bestimmt (Standard 10). Die Nettoveränderung (aufwärts oder abwärts) über diese Zeit wird als ein Bruchteil der gesamten täglichen Änderungen (oben und unten) ausgedrückt. Dies wird als ldquoeefficientity ratiordquo. Wenn jeder Tag in die gleiche Richtung geht, dann sind die beiden Beträge die gleichen und das Verhältnis ist 1. Aber in dem üblichen Fall, wo die Preise bis zu einem gewissen Grad zurückgehen, dann wird das Netz kleiner sein als die Summe. Das Verhältnis ist 0, wenn überhaupt keine Nettoänderung vorliegt. Der ER wird auf zwischen 0,0645 und 0,666 kalibriert und dann quadriert, um einen Alphafaktor für die EMA zwischen 0,444 und 0,00416 zu ergeben. Dies entspricht EMA-Perioden von einer schnellen 3,5 Tage zu einer sehr langsamen 479,5 Tage. Dann wird ein exponentieller gleitender Durchschnitt der Preise genommen, wobei jeder Alpha-Wert berechnet wird. Diese Alpha-Werte können direkt mit ldquoKAMA alphardquo im unteren Indikatorfenster betrachtet werden (eine Option mit niedriger Priorität, am Ende der Listen). Hohe Werte zeigen, wo KAMA Tracking aktuelle Preise eng, niedrige Werte zeigen, wo itrsquos nur langsam reagiert. Kevin Ryde Chart ist freie Software, die Sie verteilen und / oder ändern können unter den Bedingungen der GNU General Public License, wie sie von der Free veröffentlicht werden Software Foundation entweder Version 3 oder (nach Ihrer Wahl) jede spätere Version.
No comments:
Post a Comment