การปรับตัว เคลื่อนไหว เฉลี่ย วิกิพีเดีย

Adaptive Moving Average ค่าเฉลี่ยเคลื่อนที่ปรับเปลี่ยนความไวต่อความผันผวนของราคา ค่าเฉลี่ยการย้ายแบบปรับตัวปรับตัวสูงขึ้นในช่วงเวลาที่ราคาเคลื่อนไหวไปในทิศทางใดทิศทางหนึ่งและจะมีความไวต่อการเคลื่อนไหวของราคาน้อยลงเมื่อราคามีความผันผวน กราฟด้านล่างของสัญญาซื้อขายล่วงหน้า E-mini Nasdaq 100 แสดงให้เห็นถึงความแตกต่างระหว่าง Exponential Moving Average (ดูที่ Exponential Moving Average) ซึ่งให้น้ำหนักราคาปัจจุบันที่สูงกว่าราคาในอดีตและค่าเฉลี่ยการปรับตัวที่ปรับเปลี่ยนตามความผันผวนของราคา: ข้อดีของ Adaptive Moving Average ได้แสดงไว้ข้างต้นในแผนภูมิ e-mini ที่อยู่ตรงกลางซึ่งราคากลายเป็นทิศทางและไม่เป็นระเบียบ ในช่วงเวลานั้นค่าเฉลี่ยการเคลื่อนที่แบบปรับตัวปรับตัวได้เป็นเส้นตรงในขณะที่ค่าเฉลี่ยการเคลื่อนที่แบบเสี้ยว (Exponential Moving Average) เคลื่อนไหวไปพร้อมกับความคมชัดของราคา อย่างไรก็ตามเมื่อราคามีแนวโน้มเช่นเดียวกับที่ด้านขวาสุดของแผนภูมิ e-mini ข้างต้นค่าเฉลี่ยการปรับตัวแบบเคลื่อนย้ายได้ก็ขึ้นกับค่าเฉลี่ยเคลื่อนที่แบบเสี้ยว (Exponential Moving Average) ค่าเฉลี่ยเคลื่อนที่แบบปรับตัวเป็นตัวบ่งชี้ทางเทคนิคเฉพาะที่มีค่าควรตรวจสอบเพิ่มเติม ข้อมูลข้างต้นมีวัตถุประสงค์เพื่อให้ข้อมูลและเพื่อความบันเทิงเท่านั้นและไม่ถือเป็นคำแนะนำด้านการค้าหรือการชักชวนให้ซื้อหรือขายหุ้นตัวเลือกอนาคตสินค้าโภคภัณฑ์หรือผลิตภัณฑ์ forex ใด ๆ ประสิทธิภาพที่ผ่านมาไม่จำเป็นต้องเป็นตัวบ่งชี้ถึงผลการดำเนินงานในอนาคต การซื้อขายมีความเสี่ยงโดยเนื้อแท้ OnlineTradingConcepts จะไม่รับผิดชอบต่อความเสียหายพิเศษหรือเป็นผลสืบเนื่องใด ๆ อันเป็นผลมาจากการใช้หรือไม่สามารถใช้งานเนื้อหาและข้อมูลที่มาจากเว็บไซต์นี้ได้ ดูข้อจำกัดความรับผิดชอบเต็มรูปแบบ. ค่าเฉลี่ยเคลื่อนที่ที่ปรับให้เหมาะสมกับผลลัพธ์ที่ดีขึ้นการย้ายค่าเฉลี่ยเป็นเครื่องมือโปรดของผู้ค้าที่ใช้งานอยู่ อย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้จะนำไปสู่การค้า whipsaw จำนวนมากส่งผลให้ชุดที่น่าผิดหวังของการชนะและการสูญเสียขนาดเล็ก นักวิเคราะห์ได้ใช้เวลาหลายทศวรรษในการพยายามปรับปรุงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ในบทความนี้เราจะพิจารณาความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขานำไปสู่เครื่องมือการซื้อขายที่มีประโยชน์ ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่อยู่ที่ Robert Edwards และ John Magee ในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของข้อดีและข้อเสียของการเคลื่อนที่โดยเฉลี่ย แนวโน้มสต็อค เมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ที่เรา delightedly ค้นพบ (แม้ว่าหลายคนอื่น ๆ ได้ทำมาก่อน) ว่าโดยค่าเฉลี่ยของข้อมูลสำหรับจำนวนที่ระบุ daysone อาจได้รับมาจัดเรียงของเส้นแนวโน้มอัตโนมัติซึ่งแน่นอนจะตีความการเปลี่ยนแปลงของ แนวโน้มดูเหมือนจะดีเกินจริง เป็นเรื่องที่ดีเกินกว่าที่จะเป็นจริง เอ็ดเวิร์ดและจีได้ทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลริมชายหาด แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้นคนอื่น ๆ ยังคงพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดาย Simple Moving Averages คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนงวดที่เลือก การหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องบวกห้าราคาปิดล่าสุดและหารด้วยห้า หากการปิดตัวครั้งล่าสุดอยู่เหนือค่าเฉลี่ยที่เคลื่อนที่สต็อคจะถือว่าอยู่ในแนวโน้ม แนวโน้มขาลงจะถูกกำหนดโดยราคาที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (ดูข้อมูลเพิ่มเติมได้จากคู่มือการใช้งาน Moving Averages ของเรา) คุณสมบัติที่กำหนดแนวโน้มนี้ทำให้สามารถเคลื่อนที่โดยเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ ในการประยุกต์ใช้ที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนตัวสูงกว่าค่าเฉลี่ยเคลื่อนที่และขายได้เมื่อราคาปิดต่ำกว่าเส้นดังกล่าว วิธีการเช่นนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญทุก อย่างไรก็ตามในขณะที่การปรับให้เรียบข้อมูลค่าเฉลี่ยเคลื่อนที่จะล่าช้าหลังการดำเนินการในตลาดและผู้ประกอบการค้ามักจะให้ผลตอบแทนส่วนใหญ่ในธุรกิจการค้าที่ยิ่งใหญ่ที่สุด ค่าเฉลี่ยเคลื่อนที่ที่มีการแจกแจงนักวิเคราะห์ดูเหมือนว่าจะมีความคิดเกี่ยวกับค่าเฉลี่ยเคลื่อนที่และพยายามใช้เวลาหลายปีในการลดปัญหาที่เกิดจากความล่าช้านี้ หนึ่งในนวัตกรรมเหล่านี้คือค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) วิธีนี้กำหนดให้น้ำหนักที่ค่อนข้างสูงขึ้นกับข้อมูลล่าสุดและส่งผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ สูตรคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ได้แก่ EMA (Weight Close) ((1-Weight) EMAy) โดยที่: น้ำหนักคือค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือก EMAy เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาตั้งแต่วันนี้โดยค่าที่พบได้ทั่วไปคือ 0.181 ซึ่ง ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20 วัน อีกอย่างหนึ่งคือ 0.10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วัน แม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่แบบเสวนาไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งหมายความว่าการใช้สัญญาณซื้อขายจะทำให้ธุรกิจการค้าสูญเสียจำนวนมาก ในแนวคิดใหม่ในระบบการค้าทางเทคนิค Welles Wilder คาดการณ์ว่าตลาดมีแนวโน้มเพียงหนึ่งในสี่ของเวลาเท่านั้น การดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการ จำกัด อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขายเฉลี่ยเคลื่อนไหวจะถูกสร้างขึ้นซ้ำ ๆ เนื่องจากราคาเคลื่อนขึ้นเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่ ในการแก้ไขปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA (สำหรับข้อมูลเพิ่มเติมโปรดดูที่วิธีการเคลื่อนไหวค่าเฉลี่ยที่ใช้ในการซื้อขาย) การปรับค่าเฉลี่ยเคลื่อนที่สำหรับการดำเนินการในตลาดวิธีหนึ่งในการจัดการข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวน การทำเช่นนี้ก็หมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันในตลาดที่ผันผวน นี้จะช่วยให้ผู้ชนะในการทำงาน เป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวม ค่าเฉลี่ยเคลื่อนที่จะขยับขึ้นใกล้กับการกระทำของตลาดในปัจจุบันและในทางทฤษฎีอนุญาตให้ผู้ประกอบการค้าสามารถเก็บกำไรได้มากที่สุดในช่วงแนวโน้มนี้ ในทางปฏิบัติอัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่น Bollinger Bandwidth ซึ่งวัดระยะห่างระหว่างแถบ Bollinger Bros เป็นที่รู้จักกันดี (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับแถบ Bollinger) Perry Kaufman แนะนำให้เปลี่ยนตัวแปรน้ำหนักในสูตร EMA ด้วยค่าคงที่ตามอัตราส่วนประสิทธิภาพ (ER) ในหนังสือระบบและวิธีการซื้อขายใหม่ ตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของแนวโน้มที่กำหนดไว้ในช่วงตั้งแต่ -1.0 ถึง 1.0 คำนวณโดยใช้สูตรง่ายๆคือ ER (การเปลี่ยนแปลงราคาทั้งหมดสำหรับช่วงเวลา) (รวมการเปลี่ยนแปลงราคาที่แน่นอนสำหรับแต่ละบาร์) พิจารณาสต็อคที่มีช่วง 5 จุดในแต่ละวันและเมื่อครบ 5 วันได้รับผลรวม จาก 15 คะแนน ซึ่งจะส่งผลให้ค่า ER เท่ากับ 0.67 (การเคลื่อนที่ขึ้นไป 15 จุดหารด้วยระยะรวม 25 จุด) หุ้นนี้ลดลง 15 จุดส่วน ER จะเท่ากับ -0.67 (สำหรับคำแนะนำการซื้อขายเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งแสดงกลยุทธ์ในการรับมือกับความเสียหายที่เกิดจากการซื้อขาย) หลักการของประสิทธิภาพของแนวโน้มขึ้นอยู่กับทิศทางการเคลื่อนไหวของราคา (หรือแนวโน้ม) ที่คุณได้รับต่อหน่วยของการเคลื่อนไหวด้านราคามากกว่า กำหนดช่วงเวลา ER เท่ากับ 1.0 แสดงให้เห็นว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1.0 หมายถึงขาลงที่สมบูรณ์แบบ ในทางปฏิบัติสุดขั้วไม่ค่อยจะมาถึง เมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาค่าเฉลี่ยเคลื่อนที่แบบปรับตัว (AMA) ผู้ค้าจะต้องคำนวณน้ำหนักด้วยสูตรต่อไปนี้ที่ค่อนข้างซับซ้อน: C (ER (SCF SCS)) SCS 2 ที่ไหน: SCF เป็นค่าคงที่แบบเรโซแนนเชียลที่เร็วที่สุด EMA ที่อนุญาต (ปกติ 2) SCS เป็นค่าคงที่แบบทวนสำหรับ EMA ที่ช้าที่สุดที่อนุญาต (มักจะ 30) ER เป็นอัตราส่วนประสิทธิภาพที่ระบุไว้ข้างต้นค่า C จะใช้ในสูตร EMA แทนตัวแปรน้ำหนักที่ง่ายกว่า แม้ว่าจะยากที่จะคำนวณด้วยมือ แต่ค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ถูกรวมไว้เป็นตัวเลือกในเกือบทุกชุดซอฟต์แวร์เพื่อการค้า ตัวอย่างค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ (เส้นสีแดง), ค่าเฉลี่ยเคลื่อนที่เป็นเส้นตรง (เส้นสีน้ำเงิน) และค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ (เส้นสีเขียว) แสดงไว้ในรูปที่ 1 ภาพที่ 1: AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่แบบเสี้ยว (exponential moving average) ซึ่งแสดงเป็นเส้นสีน้ำเงินใกล้เคียงกับราคาที่มากที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดง ค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพมีแนวโน้มที่จะเกิดขึ้นในหลาย ๆ ครั้ง ข้อเสียเปรียบต่อค่าเฉลี่ยเคลื่อนที่เหล่านี้จึงเป็นไปไม่ได้ที่จะกำจัด บทสรุปโรเบิร์ตคอลบีได้ทดสอบเครื่องมือวิเคราะห์ทางเทคนิคหลายร้อยเครื่องมือในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดสารานุกรม เขาสรุปได้ว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้เป็นแนวคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติอันแท้จริงของวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้น ไม่ได้หมายความว่าพ่อค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ เพื่อพัฒนาระบบการซื้อขายที่มีกำไร (สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านค้นพบ Keltner Channels และ The Chaikin Oscillator) ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุด ตัวอย่างเช่นอัตราส่วนข้างต้นต่ำกว่า 0.30 แสดงถึงแนวโน้มขาขึ้นที่แข็งแกร่งและแสดงถึงการซื้อที่มีศักยภาพ อีกทางเลือกหนึ่งเนื่องจากความผันผวนของการเคลื่อนที่ในรอบการผลิตอาจมีการถือเป็นหุ้นที่มีอัตราส่วนประสิทธิภาพต่ำที่สุดเท่าที่จะเป็นไปได้ ข้อ 50 คือข้อตกลงการเจรจาต่อรองและข้อยุติในสนธิสัญญา EU ที่ระบุขั้นตอนที่จะต้องดำเนินการสำหรับประเทศใด ๆ ที่ การเสนอราคาเริ่มต้นของสินทรัพย์ของ บริษัท ที่ล้มละลายจากผู้ซื้อที่สนใจที่ได้รับเลือกโดย บริษัท ที่ล้มละลาย จากกลุ่มผู้เสนอราคา เบต้าเป็นตัวชี้วัดความผันผวนหรือความเสี่ยงอย่างเป็นระบบของการรักษาความปลอดภัยหรือผลงานเมื่อเทียบกับตลาดโดยรวม ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎการบังคับใช้ต้องมีการเปรียบเทียบอย่างชาญฉลาดดีกว่าการเปรียบเทียบกลยุทธ์การซื้อขายแบบถ่วงน้ำหนักแบบปรับตัวและแบบง่ายๆของเครกเอเอลลิส , Simon A. Parbery คณะเศรษฐศาสตร์และการคลัง University of Western Sydney, กระเป๋าที่ถูกล็อก 1797, Penrith South DC, NSW 1797, ออสเตรเลีย 5 กันยายน 2547, แก้ไข 7 ธันวาคม 2547, ยอมรับ 20 ธันวาคม 2547, ออนไลน์ 24 มิถุนายน 2548 การศึกษานี้จะตรวจสอบ (AMA) ของ Australian All Ordinaries, ค่าเฉลี่ยอุตสาหกรรมดาวโจนส์และ Standard and Poors 500 ดัชนีตลาดหุ้น ข้อได้เปรียบเชิงทฤษฎีของค่าเฉลี่ยการปรับตัวแบบเคลื่อนย้ายได้ (Adaptive Moving Average) คือความสามารถในการตอบสนองต่อการเปลี่ยนแปลงสภาวะตลาดโดยอัตโนมัติตามระดับความผันผวนของตลาด ในขณะที่กลยุทธ์ได้รับการยืนยันว่ามีความสามารถในการกำหนดจังหวะการตลาดได้ผลโดยรวมแสดงให้เห็นถึงผลตอบแทนที่ได้จากค่าเฉลี่ยการปรับตัวแบบ Adaptive Moving Average ไม่สามารถชดเชยค่าใช้จ่ายทางการค้าได้ดังนั้นจึงสนับสนุนการใช้กลยุทธ์ passive ระยะยาว การจำแนกประเภท JEL การวิเคราะห์ทางเทคนิค Adaptive Moving Average ผู้เขียนที่สอดคล้องกัน โทร 61 2 4620 3250 fax: 61 2 4626 6683 สำเนาลิขสิทธิ์ 2005 Elsevier B. V. สงวนลิขสิทธิ์ คุกกี้ใช้โดยไซต์นี้ สำหรับข้อมูลเพิ่มเติมโปรดไปที่หน้าคุกกี้ Copyright 2017 Elsevier B. V. หรือผู้อนุญาตหรือผู้ให้สิทธิ์ ScienceDirect เป็นเครื่องหมายการค้าจดทะเบียนของ Elsevier BVAdaptive Moving Average (AMA) หรือที่เรียกว่า Kaufman Adaptive Moving Average (KAMA) ค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ (Adaptive Moving Average - AMA) หรือที่เรียกว่า Kaufman Adaptive Moving Average (KAMA) ถูกสร้างขึ้นโดย Perry Kaufman และเป็นครั้งแรกในหนังสือ (1995) ค่าเฉลี่ยเคลื่อนที่นี้ให้ข้อดีที่สำคัญกว่าความพยายามก่อนหน้านี้ที่ค่าเฉลี่ย 8216intelligent8217 เนื่องจากอนุญาตให้ผู้ใช้ควบคุมได้มากขึ้น ค่าเฉลี่ยการเคลื่อนที่แบบ Variable 8211 VMA (1992) ไม่มีข้อ จำกัด ด้านบนหรือด้านล่างสำหรับระยะเวลาการทำให้ราบเรียบ AMA ในมืออื่น ๆ ที่อนุญาตให้ผู้ใช้กำหนดช่วงที่พวกเขาต้องการการเรียบที่จะแพร่กระจาย ตามทฤษฎีเดียวกับ VMA ในการที่ขึ้นอยู่กับสภาพแวดล้อมของตลาดจะมีจำนวนเสียงที่แตกต่างกันดังนั้นจึงต้องใช้ความเร็วเฉลี่ยที่แตกต่างกันเพื่อให้ได้ผลลัพธ์ที่มีกำไรมากที่สุด ในตลาดที่มีแนวโน้มสูงเช่นระดับเสียงต่ำและค่าเฉลี่ยเคลื่อนที่เร็วขึ้นควรให้ผลลัพธ์ที่ดีที่สุด ในทางตรงกันข้ามในปูหรือตลาดด้านข้างระดับเสียงจะสูงมากและค่าเฉลี่ยที่ช้าลงน่าจะเหมาะสมกว่า วิธีการคำนวณค่าเฉลี่ยของการปรับตัวโดย Adaptive Moving Average เริ่มต้นด้วยราคาปิด หลังจาก AMA ถูกคำนวณตามสูตรต่อไปนี้: AMA AMA (1) (Close AMA (1)) คุณจะสังเกตเห็นว่าสูตรนี้เหมือนกับสูตรสำหรับ Exponential Moving Average (EMA): EMA EMA (1) (Close SCMA VI ผู้ใช้เลือกตัววัดความผันผวนหรือความแรงของแนวโน้ม Kaufman (1) แต่อัลฟ่าใน EMA คือ 2 (N 1) ดังนั้นค่าคงที่ดังกล่าวจะคงที่ในขณะที่ Alpha AMA ปรับตัวได้: (VI (FC SC) แนะนำอัตราส่วนประสิทธิภาพ (ER) ของเขา SN เลือกค่าเฉลี่ยเคลื่อนที่ช้าๆของคุณทีเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอส Kaufman แนะนำว่า AMA ของเขามี FC 2 และ SC 30 ซึ่งจะนำไปสู่สมมติว่าการปรับตัวแบบปรับตัวจะอยู่ในช่วง 2 8211 30 แต่คุณจะผิดเพราะ alpha ถูกยกกำลังสอง ตัวอย่างเช่นให้ตั้งค่าเป็น VI เป็นศูนย์เพื่อให้เราสามารถเปิดเผยค่าเฉลี่ยที่เป็นไปได้ช้าที่สุด: ตอนนี้ให้แสดงช่วงการทำให้เรียบของ EMA 8216N8217 จาก alpha: N (EMA) (2) N (EMA) (2 0.0042) 0.0042 N (EMA) 480 ดังนั้นในความเป็นจริง AMA ที่มี SN ที่ 30 ซึ่งอัลฟ่าถูกยกให้เป็นพลังของ 2 จึงสามารถเคลื่อนที่ได้ช้ากว่า EMA 480 วัน ตอนนี้ฉันที่ไม่ได้เป็นมิตรกับผู้ใช้ป้อนพารามิเตอร์ของ 30 ที่ส่งผลให้ระยะเวลาราบเรียบ 480. ดังนั้นผมจึงใช้สูตรต่อไปนี้สำหรับ SC และ FC แทน: P อำนาจที่อัลฟาจะยก (ปกติ 2) SN เลือกของคุณ ค่าเฉลี่ยเคลื่อนที่ช้า GT FN ตอนนี้ SN จะเป็นค่าเฉลี่ยเคลื่อนที่ที่เกิดขึ้นจริงแม้ว่าคุณจะเปลี่ยนกำลังที่อัลฟ่าขึ้น ฉันยังใช้กระบวนการเดียวกันสำหรับ FN และ FC ให้ดูที่ Alpha อีกครั้งด้วยค่า VI ที่ศูนย์ FN ที่ 2 และ SN ที่ 480: ตอนนี้เมื่อเราเปิดเผยระยะเวลาการทำให้เรียบของ EMA 8216N8217 จาก alpha ควรเท่ากับผู้ใช้ของเราที่กำหนดไว้ 480: N (EMA) (2) N ( EMA) (2 0.0042) 0.0042 N (EMA) 480 การมองดูผลกระทบของ Squaring Alpha การทำความเข้าใจเกี่ยวกับผลกระทบของอัลฟาอัลฟ่ามีความสำคัญเป็นอย่างมากตามตารางข้างล่างนี้แสดงว่า: squared ส่งผลให้ระยะเวลาราบเรียบที่เกิดขึ้นจริงกว่า 45,300 ซึ่งเป็นสิ่งที่ไร้ประโยชน์โดยสิ้นเชิง อย่างไรก็ตามนี่คือการตั้งค่าที่สามารถใช้งานได้โดยง่ายโดยไม่ต้องเข้าใจว่า AMA ทำงานได้ดีเพียงใด ในการทดสอบของเราเราจะพยายาม AMA กับ alpha ยกให้อำนาจอื่น ๆ ที่ 2 ดังนั้นบางตัวอย่างอื่น ๆ ยังได้รับการวางแผนในแผนภูมิข้างต้น ด้านล่างเราจะดูที่ผลกระทบต่ออัลฟ่าและการปรับให้เรียบซึ่งเป็นผลมาจาก AMA ที่มีอัตราส่วนประสิทธิภาพที่นำมาใช้โดยตรงใน alpha (1) หรือกำลังสอง (squared) (2): เราใช้สูตร AMA ที่ปรับเปลี่ยนสำหรับแผนภูมิด้านบนเพื่อให้ FN และ SN ที่เกิดขึ้นจริง ได้รับการจับคู่กันแม้จะมีการปรับเปลี่ยนอัลฟา ในขณะที่คุณสามารถเห็นได้ผลกำลังสองอัลฟาไม่เพียง แต่ส่งผลกระทบต่อ AMA ที่ช้ากว่า แต่อย่างใดอย่างหนึ่งซึ่งเร็วกว่าที่จะชะลอตัวลงเมื่ออัลฟาลดลง Kaufman เห็นได้ชัดว่า AMA ต้องการที่จะชะลอตัวลงอย่างรวดเร็วเมื่อข้อมูลขาดแนวโน้ม ผลกระทบนี้มีความคล้ายคลึงกับการเพิ่มค่าคงที่ 8216N8217 ในตัวแปร Variable Moving Average AMA เป็นตัวบ่งชี้ที่ดีในฐานะส่วนหนึ่งของ 8216 เทคนิคการต่อสู้เพื่อ Supremacy 8216 เราจะนำ AMA มาใช้กับค่าเฉลี่ยเคลื่อนที่หลาย ๆ แบบและจะทดสอบดัชนีความผันผวนที่แตกต่างกันเป็นส่วนประกอบต่างๆ ได้แก่ : เราจะทดสอบสมมติฐานที่ว่า alpha squaring เป็นความคิดที่ดีและจะพยายามเพิ่มพลังให้กับอำนาจต่างๆ คุณสามารถคิดถึงการทดสอบที่คุ้มค่าอื่น ๆ ได้หรือไม่โปรดแจ้งให้เราทราบในส่วนความคิดเห็นที่ด้านล่าง ปรับค่าเฉลี่ยไฟล์ Excel เฉลี่ยฉันได้รวบรวม Excel Spreadsheet ที่มีค่าเฉลี่ยการปรับค่าย้ายและทำให้สามารถดาวน์โหลดได้ฟรี มี 8216basic8217 รุ่นที่แสดงการทำงานทั้งหมดและ 8216fancy8217 หนึ่งซึ่งจะปรับให้เข้ากับความยาวและดัชนีความผันผวนที่คุณระบุโดยอัตโนมัติ ค้นหาที่ลิงก์ต่อไปนี้ที่ด้านล่างของหน้าภายใต้ตัวบ่งชี้ทางเทคนิคสำหรับการดาวน์โหลด: ค่าเฉลี่ยเคลื่อนที่แบบปรับตัว (AMA) ค่าเฉลี่ยเคลื่อนที่ปรับตัวอย่างเช่น VI ระยะเวลาการใช้งาน 50 วัน adil 5 ปีที่ผ่านมาฉันพบแนวคิดเกี่ยวกับค่าเฉลี่ยเคลื่อนที่แบบปรับตัวที่น่าสนใจและน่าสนใจ , ฉัน backtested AMA กิโลกรัมผ่านสองระบบ (สัญญาณคลื่นไบนารีสำหรับระยะยาวและสั้นสัญญาณทิศทางรายการ (ama ขึ้นรายการยาวและ ama ลงรายการสั้น) แต่ฉัน couldnt สรุปว่าระบบมีประสิทธิภาพดีกว่าระบบ TF ระยะยาวโดยใช้ SMA (50 วัน SMA และ SMA 200 วัน) ฉันรู้กฎการซื้อขายหลักทรัพย์รอบ AMA ที่คุณใช้ในการซื้อขาย Derry Brown 5 ปีที่แล้วฉันดีใจที่คุณกำลังหางานวิจัยของเราที่เป็นประโยชน์เรายังไม่ได้เผยแพร่ผลของ moving crossovers เฉลี่ยดังนั้นพวกเขาอาจจะมีประสิทธิภาพมากขึ้นกฎที่คุณขอมีรายละเอียดที่ด้านล่างของทุกหน้าที่เราได้เผยแพร่ผลการทดสอบที่นี่พวกเขาเป็นอีกครั้ง: รายการ si (หรือสัญญาณออกเพื่อให้ครอบคลุมสั้น ๆ ) สำหรับแต่ละค่าเฉลี่ยที่ทำการทดสอบถูกสร้างขึ้นโดยให้ค่าเฉลี่ยใกล้เคียงกับค่าเฉลี่ยและสัญญาณขาออก (หรือสัญญาณเข้าจะสั้น) จะถูกสร้างขึ้นในแต่ละระยะใกล้ด้านล่างค่าเฉลี่ยเคลื่อนที่ ไม่ได้รับดอกเบี้ยในขณะที่เงินสดและไม่มีค่าใช้จ่ายสำหรับค่าใช้จ่ายในการทำธุรกรรมหรือการเลื่อนออกไป ข้อมูลการซื้อขายถูกทดสอบโดยใช้ข้อมูล End Of Day (EOD) และ End Of Week (EOW) สำหรับข้อมูลรายวันและสัญญาณ EOW สำหรับข้อมูลรายสัปดาห์ เช่น. ข้อมูลรายวันที่มีสัญญาณ EOW ต้องการให้สัปดาห์สิ้นสุดเหนือ Average Moving Average เพื่อเปิดเป็นระยะเวลานานหรือสั้นในขณะที่ข้อมูลรายวันที่มีสัญญาณ EOD จะต้องมีราคารายวันปิดเหนือ Average Moving Average เพื่อเปิดหรือปิด สั้นและในทางกลับกัน ผลตอบแทนที่เสนอคือผลตอบแทนเฉลี่ยต่อปีของตลาด 16 แห่งในช่วงระยะเวลาทดสอบ ข้อมูลที่ใช้สำหรับการทดสอบเหล่านี้รวมอยู่ในสเปรดชีตผลลัพธ์และรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการของเราสามารถดูได้ที่นี่ etfhqblog20100525best-technical-indicators กรุณาแจ้งให้เราทราบหากคุณมีคำถามอื่น ๆ ไชโยเดอรี่