Monday, 10 July 2017

Kaufmans พารามิเตอร์ สำหรับ การปรับตัว เคลื่อนไหว เฉลี่ย กลยุทธ์


Kaufman Adaptive Moving Trading Strategy การตั้งค่ากลยุทธ์การเทรดดิ้งฟิลเตอร์เทรดดิ้งนักพัฒนา Perry Kaufman Kaufman การปรับค่าเฉลี่ย KAMA Source Kaufman, PJ 1995 การค้าที่ชาญฉลาดปรับปรุงประสิทธิภาพในการเปลี่ยนแปลงตลาดนิวยอร์ก McGraw-Hill, Inc แนวคิดกลยุทธ์การซื้อขายบนพื้นฐานของตัวกรองสัญญาณรบกวนแบบปรับตัว การตรวจสอบสมรรถนะเป้าหมายของการตั้งค่าและตัวกรองข้อมูลจำเพาะตารางที่ 1 ผลภาพ 1-2 การตั้งค่าทางการค้าระยะยาวการปรับค่าเฉลี่ย AMA ขึ้นค่า Short Trades ค่าเฉลี่ยการปรับตัวของค่าปรับลดลงหมายเหตุแนวโน้ม AMA ดูเหมือนจะหยุดลงเมื่อตลาดไม่มีทิศทางเมื่อแนวโน้มของตลาด , AMA เทรนด์เทรนด์เทรดเดอร์เทรด Longtrade A ที่ซื้อเมื่อใกล้จะถูกวางไว้หลังการตั้งค่า Short Trade A ขายในช่วงปิดจะอยู่หลังการตั้งค่าขาประจำการค้า Exit ตารางที่ 1 Portfolio 42 futures markets จากสี่ภาคตลาดหลัก ๆ สินค้าโภคภัณฑ์สกุลเงิน , อัตราดอกเบี้ยและดัชนีส่วนของข้อมูล 32 ปีนับตั้งแต่ปีพ. ศ. 2523 แพลตฟอร์มทดสอบ MATLAB. II การทดสอบความไว l แผนภูมิ 3 มิติตามด้วยแผนภูมิเส้นโค้ง 2 มิติสำหรับ Profit Factor อัตราส่วน Sharpe ดัชนีชี้วัดของ Ulcer CAGR การเบิกใช้สูงสุดเปอร์เซ็นต์การทำกำไรและอัตราการสูญเสียเฉลี่ย Avg Win ภาพสุดท้ายแสดงความไวของ Curve Equity Curve ตัวแปร ERLength FilterIndex Definitions ตารางที่ 1. รูปที่ 1 ผลงานการลงทุน Inputs Table 1 Commission Slippage 0.AMA ERLength คือค่าเฉลี่ยการเคลื่อนที่แบบปรับตัวในช่วง ERLength ERLength เป็นระยะเวลามองย้อนกลับของ Effective Ratio ER ER i abs ทิศทาง i ความผันผวนของ I ที่ abs คือค่าสัมบูรณ์ Direction i Close i ปิด i ERLength, ความผันผวน i abs DeltaClose i, ERLength ซึ่งเป็นผลรวมในช่วงของ ERLength, DeltaClose i Close i Close i 1 FastMALength คือช่วงของค่าเฉลี่ยเคลื่อนที่เร็ว SlowMALength คือ ช่วงเวลาของค่าเฉลี่ยเคลื่อนที่ช้า AMA i AMA i 1 ci ปิด i AMA i 1 โดยที่ CI ER i ช้าเร็ว 2 เร็ว 2 FastMALength 1 ช้า 2 SlowMALength 1 ดัชนี i. ERLength 2, 100, ขั้นที่ 2 FastMALength 2 SlowMALength 30.Lo การค้าหาก AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว MinAMA AMA i 1 ค่าเฉลี่ยการปรับตัวแบบ Adaptive Movement Average ขึ้นกับจุดหมุนที่ Minama การค้าระยะสั้น AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว Maxama AMA i 1 ปรับค่าเฉลี่ยเคลื่อนที่ จะลดลงด้วยการหมุนที่ MaxAMA Index i. Filter i FilterIndex StdDev AMA i AMA i 1, N โดย StdDev คือส่วนเบี่ยงเบนมาตรฐานของชุดข้อมูลในช่วง N N 20 ค่าดีฟอลต์ดัชนี i. FilterIndex 0 0, 1 0, ขั้นตอนที่ 0 02 N 20.Long Trades การซื้อเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 AMA และ MinAMA Filter i Short Trades ขายเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 MaxAMA AMA i ตัวกรอง i ดัชนี i. Stop Loss Exit ATR ATRLength เป็นค่าเฉลี่ยช่วงที่แท้จริงในช่วง ATRLength ATRStop เป็นหลาย ATR ATRLength Long Trades หยุดการขายถูกวางไว้ที่รายการ ATR ATRLength ATRStop การค้าแบบสั้นหยุดการซื้อจะอยู่ที่ตำแหน่ง ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.ERLength 2 , 100, ขั้นตอนที่ 2 FilterIndex 0 0, 1 0, ขั้นตอนที่ 0 02.Do ค่าเฉลี่ยเคลื่อนที่ที่ปรับให้เหมาะสมเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นค่าเฉลี่ยโดยเฉลี่ย เป็นเครื่องมือที่ชื่นชอบของผู้ค้าที่ใช้งานอยู่อย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้นำไปสู่ธุรกิจการค้า whipsaw จำนวนมากส่งผลให้ชุดทำลายของการชนะและการสูญเสียขนาดเล็กนักวิเคราะห์ได้ใช้เวลาหลายทศวรรษพยายามที่จะปรับปรุงค่าเฉลี่ยเคลื่อนที่ง่ายในบทความนี้เรามองไปที่เหล่านี้ ความพยายามและพบว่าการค้นหาของพวกเขาได้นำไปสู่เครื่องมือการค้าที่มีประโยชน์สำหรับการอ่านข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยเคลื่อนที่แบบธรรมดาให้ดูที่ค่าเฉลี่ยเคลื่อนที่แบบธรรมดาทำให้แนวโน้มโดดเด่นและจุดด้อยของค่าเฉลี่ยเคลื่อนที่ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่อยู่ที่ Robert Edwards และ John Magee ในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของแนวโน้มสต็อคเมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ว่าเราดีใจที่ได้ค้นพบแม้ว่าหลายคนอื่น ๆ ได้ทำมันก่อนโดยเฉลี่ยข้อมูลสำหรับจำนวนวันที่ระบุว่าหนึ่งจะได้รับมาจัดเรียง ของเทรนด์แบบอัตโนมัติที่แน่นอนจะตีความการเปลี่ยนแปลงของเทรนด์มันดูเกือบดีเกินกว่าที่จะเป็นความจริงแท้ที่จริงก็ดีเกินกว่าที่จะ เป็นจริงด้วยข้อเสียที่มีค่าเกินกว่าข้อดีเอ็ดเวิร์ดและจีได้ละทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลชายหาด แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้นคนอื่น ๆ ยังคงพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดาย คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายเพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนงวดที่เลือกการหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องรวม 5 ราคาปิดล่าสุดและหารด้วยห้าหากเป็นค่าที่มากที่สุด ราคาปิดที่ซื้อขายอยู่ในช่วงสูงกว่าค่าเฉลี่ยเคลื่อนที่เฉลี่ยสต็อกจะได้รับการพิจารณาให้อยู่ในช่วงขาขึ้นเส้นแนวโน้มภายในถูกกำหนดโดยราคาที่ซื้อขายต่ำกว่าค่าเฉลี่ยที่เคลื่อนที่ได้สำหรับข้อมูลเพิ่มเติมโปรดดูบทแนะนำ "Moving Averages" ของเราคุณสมบัติการกำหนดแนวโน้มนี้ทำให้สามารถย้ายค่าเฉลี่ยไป สร้างสัญญาณการซื้อขายในการประยุกต์ใช้ที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนตัวสูงกว่าค่าเฉลี่ยเคลื่อนที่และขายได้เมื่อราคาข้ามเส้นดังกล่าววิธีการดังกล่าว ขณะนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญทุกอย่าง แต่ในขณะที่ราบรื่นข้อมูลย้ายค่าเฉลี่ยจะล่าช้าหลังการดำเนินการในตลาดและผู้ประกอบการค้ามักจะให้กลับเป็นส่วนใหญ่ของผลกำไรของพวกเขาในแม้แต่ที่ใหญ่ที่สุดที่ชนะ ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ค่าเฉลี่ยนักวิเคราะห์ดูเหมือนว่าจะมีความคิดในเรื่องค่าเฉลี่ยเคลื่อนที่และต้องใช้เวลาหลายปีในการลดปัญหาที่เกี่ยวข้องกับความล่าช้านี้หนึ่งในนวัตกรรมเหล่านี้เป็นค่าเฉลี่ยที่เป็นไปตามค่าเฉลี่ยของค่าเฉลี่ย EMA วิธีนี้ใช้การถ่วงน้ำหนักข้อมูลล่าสุดให้สูงขึ้นและ เป็นผลให้มันอยู่ใกล้กับการกระทำของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆสูตรในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือ EMA Weight Close EMAy น้ำหนัก 1 ส่วนซึ่งเป็นค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือกไว้ EMAy เป็นค่าเฉลี่ยเคลื่อนที่ที่เกิดขึ้น จากค่าเฉลี่ยเมื่อวานนี้ค่าถัวเฉลี่ยถ่วงน้ำหนักคือ 0 181 ซึ่งใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20 วันอีกค่าเป็น 0 10 ซึ่งเป็นระยะเวลาประมาณ 10 วัน แม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่ที่ชี้บ่งชี้ไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งก็คือการใช้สัญญาณซื้อขายจะทำให้เกิดการสูญเสียการซื้อขายในแนวคิดใหม่ในระบบการซื้อขายทางเทคนิค Welles Wilder คาดการณ์ว่าตลาด มีแนวโน้มเพียงหนึ่งในสี่ของเวลาการดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการถูก จำกัด ให้อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขาย - ขายเฉลี่ยจะถูกสร้างขึ้นซ้ำ ๆ เนื่องจากราคาเคลื่อนตัวสูงขึ้นและต่ำกว่าค่าเฉลี่ยเคลื่อนที่เพื่อแก้ปัญหานี้นักวิเคราะห์หลายคน ได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA สำหรับข้อมูลเพิ่มเติมโปรดดูที่วิธีการเคลื่อนไหวค่าเฉลี่ยที่ใช้ในการซื้อขายการปรับค่าเฉลี่ยเคลื่อนที่เพื่อการดำเนินการในตลาดวิธีหนึ่งในการจัดการข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวน หมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันในตลาดที่ผันผวนซึ่งจะทำให้ผู้ชนะสามารถวิ่งได้ nd และราคารวมค่าเฉลี่ยเคลื่อนที่จะขยับขึ้นใกล้กับการกระทำของตลาดในปัจจุบันและในทางทฤษฎีให้ผู้ประกอบการรายย่อยสามารถเก็บกำไรได้มากที่สุดในช่วงแนวโน้มในทางปฏิบัติอัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่น Bollinger Band width, ซึ่งวัดระยะห่างระหว่างวง Bollinger Bands ที่รู้จักกันดีสำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับ Bollinger Bands. Perry Kaufman แนะนำให้เปลี่ยนตัวแปรน้ำหนักในสูตร EMA ด้วยค่าคงที่ตามอัตราการถดถอย ER ในหนังสือ Trading New ระบบและวิธีการตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของเทรนด์ที่กำหนดไว้ในช่วงตั้งแต่ -1 0 ถึง 1 0 โดยคำนวณจากการเปลี่ยนแปลงราคาโดยรวมสูตรอย่างง่ายการเปลี่ยนแปลงราคารวมสำหรับช่วงเวลาของการเปลี่ยนแปลงราคาสัมบูรณ์สำหรับแต่ละบาร์ หุ้นที่มีช่วงห้าจุดในแต่ละวันและเมื่อสิ้นสุดวันที่ห้าได้รับทั้งหมด 15 จุดซึ่งจะส่งผลให้ค่า ER ของ 0 67 15 คะแนนขึ้นไปหารด้วยช่วง 25 จุดรวมทั้งหมด หุ้นลดลง 15 จุด ER จะเป็น -0 67 สำหรับคำแนะนำการค้าเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งเค้าร่างกลยุทธ์ในการรับมือกับการสูญเสียการซื้อขายหลักการของประสิทธิภาพของแนวโน้มขึ้นอยู่กับทิศทางการเคลื่อนไหวมากหรือแนวโน้มคุณ ได้รับต่อหน่วยของการเคลื่อนไหวของราคาในช่วงเวลาที่กำหนด ER ของ 1 0 บ่งชี้ว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1 0 หมายถึงขาลงที่สมบูรณ์แบบในทางปฏิบัติสุดขั้วจะไม่ค่อยถึงเมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาการปรับตัว ค่าเฉลี่ยเคลื่อนที่เฉลี่ย AMA ผู้ค้าจะต้องคำนวณน้ำหนักด้วยสูตรต่อไปนี้ที่ค่อนข้างซับซ้อน ER SCF SCS SCS 2 ที่ไหน SCF คือค่าคงที่แบบเอกซ์โพเนนเชียลสำหรับ EMA ที่เร็วที่สุดที่อนุญาตโดยปกติ 2.SCS เป็นค่าคงที่เป็นค่าคงที่สำหรับ EMA ที่ช้าที่สุด 30.ER เป็นอัตราส่วนประสิทธิภาพที่ได้ระบุไว้ข้างต้นค่า C จะถูกใช้ในสูตร EMA แทนที่จะเป็นตัวแปรน้ำหนักที่เรียบง่ายแม้ว่าจะยากที่จะคำนวณด้วยมือค่าเฉลี่ยเคลื่อนที่ที่ปรับได้จะรวมอยู่ด้วย uded เป็นตัวเลือกในเกือบทุกแพคเกจซอฟต์แวร์ซื้อขายสำหรับข้อมูลเพิ่มเติมเกี่ยวกับ EMA อ่าน Exploring Average Weighted Moving Average ตัวอย่างของเส้นสีแดงเฉลี่ยเคลื่อนที่เส้นสีน้ำเงินเส้นสีเฉลี่ยเคลื่อนที่และเส้นสีเขียวเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนได้แสดงไว้ในรูป 1. รูปที่ 1 AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่ที่ระบุเป็นเส้นสีน้ำเงินใกล้เคียงกับราคามากที่สุด การดำเนินการค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดงค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพทั้งหมดมีแนวโน้มที่จะเทรด whipsaw ในเวลาต่างๆข้อเสียเปรียบนี้เพื่อย้ายค่าเฉลี่ยได้จึงป่านนี้เป็นไปไม่ได้ที่จะกำจัดข้อสรุป Robert Colby ทดสอบหลายร้อยทางเทคนิค - เครื่องมือวิเคราะห์ในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดเขาสรุปว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่แบบปรับตัวเป็นแนวคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญาเป็นอย่างมากเบื้องต้นของเรา การทดสอบไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติที่แท้จริงสำหรับวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้นซึ่งหมายความว่าผู้ค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ ในการพัฒนาระบบการซื้อขายที่ทำกำไรได้สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านการค้นพบ Keltner Channels And The Oscillator Chaikin ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อะโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุดตัวอย่างเช่นอัตราส่วนด้านบน 0 30 บ่งชี้ถึงแนวโน้มขาขึ้นที่แข็งแกร่งและเป็นตัวแทนการซื้อที่อาจเกิดขึ้นหรือเนื่องจากความผันผวนของการเคลื่อนไหวในวัฏจักรหุ้นที่มีค่าต่ำสุด ประสิทธิผลอาจถูกมองว่าเป็นโอกาสที่ breakout จำนวนเงินสูงสุดที่สหรัฐอเมริกาสามารถยืมเพดานหนี้ถูกสร้างขึ้นภายใต้พระราชบัญญัติตราสารหนี้เสรีภาพที่สองอัตราดอกเบี้ยที่สถาบันรับฝากเงินยืมเงินไว้ใน Federal Reserve ไปยังสถาบันรับฝากอื่น .1 การวัดผลทางสถิติของการกระจายตัวของผลตอบแทนสำหรับดัชนีความมั่นคงหรือดัชนีตลาดที่กำหนดความผันผวนสามารถ ei มีการกระทำรัฐสภาคองเกรสผ่านในปี 1933 เป็นพระราชบัญญัติการธนาคารซึ่งห้ามธนาคารพาณิชย์จากการมีส่วนร่วมในการลงทุนการจ่ายเงินเดือน Nafsfarm หมายถึงงานใด ๆ นอกฟาร์มครัวเรือนส่วนบุคคลและภาคไม่แสวงหากำไร US Bureau of Labor. The ตัวย่อสกุลเงินหรือสัญลักษณ์สกุลเงินของรูปีอินเดีย INR สกุลเงินของประเทศอินเดียค่าเงินรูปีขึ้นอยู่กับ 1.Kaufman s ค่าเฉลี่ยที่ปรับตัวโดยเฉลี่ย KAMA. Kaufman's KAMA ที่ปรับเปลี่ยนได้ KAMA พัฒนาโดย Perry Kaufman Kaufman's Adaptive Movement Average KAMA คือ ค่าเฉลี่ยเคลื่อนที่ที่ออกแบบมาเพื่อรองรับความผันผวนของตลาดหรือความผันผวน KAMA จะติดตามราคาอย่างใกล้ชิดเมื่อการแกว่งตัวของราคามีขนาดเล็กและเสียงต่ำ KAMA จะปรับเมื่อการแกว่งขึ้นของราคาและติดตามราคาจากระยะทางที่มากขึ้น เพื่อระบุแนวโน้มโดยรวมจุดเปลี่ยนเวลาและการเคลื่อนไหวของราคาตัวกรองมีหลายขั้นตอนที่จำเป็นในการคำนวณค่าเฉลี่ยของ Kaufman's Adaptive Moving Let s first s tart กับการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA 10,2,30.10 คือจำนวนงวดสำหรับอัตราส่วนประสิทธิภาพ ER.2 คือจำนวนรอบระยะเวลาสำหรับค่าคงที่ EMA ที่เร็วที่สุด 30 คือจำนวนรอบระยะเวลาสำหรับ EMA ที่ช้าที่สุด ค่าคงที่ก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC การแบ่งสูตรลงในตัวขนาดขนาดเล็กทำให้ง่ายต่อการเข้าใจวิธีการหลังตัวบ่งชี้หมายเหตุว่า ABS หมายถึง Absolute Value. Efficiency Ratio ER. The ER เป็นพื้นฐานการเปลี่ยนแปลงราคาที่ปรับตามความผันผวนของรายวันในแง่เชิงสถิติอัตราส่วนประสิทธิภาพบอกให้เราทราบถึงประสิทธิภาพของเศษส่วนของการเปลี่ยนแปลงราคา ER มีความผันผวนระหว่าง 1 ถึง 0 แต่สุดขั้วเหล่านี้เป็นข้อยกเว้นไม่ใช่บรรทัดฐาน ER จะเป็น 1 หากราคา เพิ่มขึ้น 10 ช่วงเวลาติดต่อกันหรือลดลง 10 ช่วงเวลาติดต่อกัน ER จะเท่ากับศูนย์หากไม่มีการเปลี่ยนแปลงราคาในรอบ 10 งวด Smoothing Constant SC ค่าคงที่ที่ราบเรียบใช้ค่า ER และค่าคงที่สองค่า ed บนค่าเฉลี่ยเคลื่อนที่ที่ชี้แจงขณะที่ Smoothing Constant ใช้ค่าคงที่ที่ราบเรียบสำหรับค่าเฉลี่ยเคลื่อนที่ที่ระบุไว้ในสูตร 2 30 1 เป็นค่าคงที่ที่ราบเรียบสำหรับ EMA 30 ที่เร็วที่สุด SC Fastest คือค่าคงที่ที่ราบเรียบสำหรับ ระยะสั้น EMA 2 รอบระยะเวลาที่ช้าที่สุดคือค่าความราบเรียบของ EMA ที่ต่ำที่สุด 30 งวดโปรดทราบว่า 2 ในตอนท้ายคือการกำหนดสมการให้เป็นสมการด้วยอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC ขณะนี้เราพร้อมที่จะคำนวณ Kaufman s ค่าเฉลี่ยของการปรับค่าเฉลี่ย KAMA เนื่องจากเราจำเป็นต้องมีค่าเริ่มต้นเพื่อเริ่มการคำนวณ KAMA แรกเป็นค่าเฉลี่ยเคลื่อนที่โดยทั่วไปการคำนวณดังต่อไปนี้ใช้สูตรด้านล่างแผนภูมิการคำนวณตัวอย่างภาพด้านล่างแสดงภาพหน้าจอจากกระดาษคำนวณ Excel ที่ใช้ ในการคำนวณ KAMA และแผนภูมิ QQQ ที่สอดคล้องกันสัญญาณและสัญลักษณ์ Chartists สามารถใช้ KAMA เช่นเดียวกับเทรนด์อื่น ๆ ตามตัวบ่งชี้เช่น Chartistics ค่าเฉลี่ยเคลื่อนที่สามารถหา crosses ราคา directional การเปลี่ยนแปลงและการกรองสัญญาณประการแรกค่าข้างต้นหรือด้านล่าง KAMA บ่งบอกถึงการเปลี่ยนแปลงทิศทางในราคาเช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์แบบง่ายๆจะสร้างสัญญาณจำนวนมากและจำนวน whipsaws Chartists สามารถลด whipsaws โดยใช้ตัวกรองราคาหรือเวลาไปที่ crossovers หนึ่งอาจต้องการราคาถือข้ามสำหรับจำนวนชุดของวันหรือต้องข้าม KAMA เกินร้อยละกำหนดที่สองประการที่สอง Chartists สามารถใช้ทิศทางของ KAMA เพื่อกำหนดแนวโน้มโดยรวมสำหรับการรักษาความปลอดภัยนี้อาจต้องมีการปรับพารามิเตอร์ให้ราบรื่น ตัวบ่งชี้ต่อ Chartists สามารถเปลี่ยนพารามิเตอร์กลางซึ่งเป็นค่าคงที่ EMA ที่เร็วที่สุดเพื่อราบรื่น KAMA และมองหาทิศทางการเปลี่ยนแปลงแนวโน้มจะลดลงตราบเท่าที่ KAMA จะล้มและการหลบต่ำกว่าต่ำแนวโน้มจะขึ้นตราบเท่าที่ Kama จะเพิ่มขึ้นและ เพิ่มความสูงขึ้นตัวอย่าง Kroger ด้านล่างแสดง KAMA 10,5,30 ซึ่งมีแนวโน้มขาขึ้นที่สูงชันตั้งแต่เดือนธันวาคมถึงมีนาคมและแนวโน้มขาขึ้นที่น้อยลงตั้งแต่เดือนพฤษภาคมถึงสิงหาคมและในที่สุดนักเขียนชาตินิยมสามารถรวมตัวกันได้ ne และเทคนิค Chartists สามารถใช้ KAMA ระยะยาวเพื่อกำหนดแนวโน้มที่ใหญ่กว่าและ KAMA ระยะสั้นสำหรับสัญญาณการซื้อขายตัวอย่างเช่น KAMA 10,5,30 สามารถใช้เป็นตัวกรองแนวโน้มและถือว่ารั้นเมื่อเพิ่มขึ้นเมื่อรั้น หลังจากนั้นนักวิเคราะห์ชาตินิยมก็อาจมองหาเครื่องหมายกากบาทเมื่อราคาเคลื่อนตัวเหนือ KAMA 10,2,30 ตัวอย่างด้านล่างแสดงให้เห็นถึง MMM ที่มี KAMA ระยะยาวที่เพิ่มขึ้นและขาขึ้นในเดือนธันวาคม, มกราคมและกุมภาพันธ์ KAMA ระยะยาวลดลงในเดือนเมษายนและมี ในช่วงเดือนพฤษภาคมมิถุนายนและกรกฎาคม KAMA สามารถพบได้ในรูปแบบการแสดงข้อมูลตัวบ่งชี้ใน SharpCharts Workbench การตั้งค่าเริ่มต้นจะปรากฏในกล่องพารามิเตอร์โดยอัตโนมัติเมื่อมีการเลือกไว้และ Chartists สามารถเปลี่ยนพารามิเตอร์เหล่านี้ให้เหมาะกับความต้องการในการวิเคราะห์ของพวกเขา สำหรับอัตราส่วนประสิทธิภาพและแผนภูมิควรละเว้นจากการเพิ่มจำนวนนี้แทน chartists สามารถลดลงเพื่อเพิ่มความไวแผนภูมิที่ต้องการราบรื่น KAMA สำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่ม m iddle parameter incrementally แม้ว่าจะมีความแตกต่างกันเพียง 3 แต่ KAMA 10,5,30 มีความนุ่มนวลกว่า KAMA 10,2,30 ส่วนการศึกษาเพิ่มเติมจากผู้สร้างหนังสือด้านล่างนี้มีข้อมูลโดยละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบ รวมถึงรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการจัดซื้อและวิธีการ Perry Kaufman

No comments:

Post a Comment