av Michael R Bryant. Tekniske indikatorer er et av de grunnleggende elementene i systematisk handel. Indikatorer, som bevegelige gjennomsnitt eller stokastikk, kan betraktes som transformasjoner av inngangsserien, typisk pris eller volum utformet for å fremheve et bestemt aspekt av markedet, slik som Som sin trend eller syklighet. Mens det er grunnleggende for de fleste systematiske handelsmetoder, unngår mange handelsfolk de vanligste indikatorene, for eksempel enkle bevegelige gjennomsnitt og relativ styrkeindikator RSI, i troen på at markedet har tilpasset bruken av dem, og reduserer effektiviteten. Enhver måte å kompensere for effekten av markedseffektivitet på levedyktigheten av tekniske indikatorer er å endre dem på en meningsfull måte. For eksempel er Chande og Kroll s VIDYA indikator 1 et eksponentielt glidende gjennomsnitt hvor utjevningsfaktoren er avhengig av volatiliteten på markedet, så at den effektive tilbaketrukket lengden reduseres når volatiliteten øker. I denne artikkelen vil jeg utvikle en utvidelse av tilpasningen Ive look-back tilnærming og vise hvordan du bruker den til en rekke indikatorer med bare noen få ekstra kodelinjer. De resulterende indikatorene gir større allsidighet enn tidligere indikatorer og kan være mer konsistente med en statistisk oversikt over markedene. Tilpasse Look - Back Length. Given at markedene er i stadig endring, er det fornuftig å prøve å tilpasse seg endringene så mye som mulig. De fleste tekniske indikatorer ble opprinnelig utviklet med en fast tilbakekallingslengde, for eksempel antall barer i et enkelt glidende gjennomsnitt En rekke forfattere har foreslått å tilpasse tilbakekallingslengden til markedsvolatilitet. For Variable Index Dynamic Average VIDYA-indikatoren brukte for eksempel Chande og Kroll flere forskjellige beregninger, inkludert en volatilitetsindeks basert på en normalisert standardavvik av prisen der høyere verdier av indeksen resulterte i en lavere effektiv tilbaketrukket lengde. Tanken var at i perioder med høyere volatilitet skulle det bevegelige gjennomsnittet være mer responsivt e til markedet, mens i perioder med lavere volatilitet var et lengre glidende gjennomsnitt mer konsistent med markedets oppførsel. Kaufman tok en noe annen tilnærming 2 Tanken bak Kaufman Adaptive Moving Average KAMA var at i perioder med høy volatilitet, du er mer sannsynlig å få piskesag som markedet svinger frem og tilbake, noe som resulterer i gjentatte tap For å unngå det, brukte han en lengre periode for det bevegelige gjennomsnittet i perioder med hakkete prishandlinger, slik at gjennomsnittet ville være mindre lydhør overfor markedsvolatilitet, noe som resulterte i færre reverseringer. Under trenden i markedsaktiviteten ble perioden for glidende gjennomsnitt redusert slik at handler kunne reagere raskere i retningsendringen. For å måle choppiness brukte Kaufman det såkalte effektivitetsforholdet ER, som måler absolutt verdi av prisendringen i løpet av tilbakebetalingstiden divideres med summen av de absolutte verdiene for bar-til-bar prisendringer over samme periode Hvis for eksempel Netto endring i pris er null - prisen er den samme ved slutten av perioden som i starten - da ER vil være null I dette tilfellet er markedet helt ineffektivt fordi det kan bevege seg mye fra bar til bar, men det går ikke hvor som helst. Hvis markedet derimot beveger seg jevnt i en retning, enten opp eller ned, slik at hver bar s bevegelse bidrar til netto endring i pris, vil ER være 1 I dette tilfellet er markedet helt effektivt fordi alle prisbeløpene for barer bidrar til trenden Generelt vil ER ligge mellom 0 og 1. En annen visning av adaptive Look-Back Lengths. While mange forskjellige beregninger kunne - og ha har vært brukt til å tilpasse tilbaketrukne lengder, oppnår effektivitetsforholdet et grunnleggende aspekt ved markedsaktivitet, nemlig forskjellen mellom trend og syklisk oppførsel. Høye verdier av ER medfører et sterkt trendende marked, noe som betyr svært liten syklisk bevegelse og lave verdier av ER betyr liten trend og dermed mer syklisk bevegelse nt unntatt i tilfelle liten bevegelse i det hele tatt. Dette har en tendens til å støtte Kaufman s tilnærming. Men hans beslutning om å bruke lengre tilbakekallingslengder i hakkede markeder er basert på 1 antakelsen om at vi tilpasser baklengs lengden på en bevegelse gjennomsnittlig og 2 ideen om at det bevegelige gjennomsnittet blir brukt til å utløse en handelsoppføring eller utgang. Et annet synspunkt er det som John Ehlers foreslo gjennom arbeidet med å søke signalbehandling til handelsvirksomhet 3 Hans syn er mer i tråd med forsøkene å nærmere modellere delen av markedet av interesse, for eksempel trendkomponenten eller sykluskomponenten. Fra dette synspunkt bør et glidende gjennomsnitt i et hakket marked bruke en kortere tilbakekallingslengde for å mer nøyaktig fange høyere frekvens representert av choppiness, mens i et sterkt trending marked er en lengre tilbakekallings lengde mer konsistent med markedsbevegelsen. Et tredje synspunkt er det jeg vil vedta her, nemlig en mer statistisk en. La oss først anta noe ng mer enn absolutt nødvendig om indikatoren i spørsmålet og hvordan den kan brukes. Spesielt, la oss ikke anta at indikatoren i spørsmålet er et glidende gjennomsnitt, og la ikke anta at det er brukt til pris. Det kan for eksempel være RSI av volatilitet eller det bevegelige gjennomsnittet av volumet stokastisk. Indikatoren kan brukes sammen med andre indikatorer som en del av en større regel for oppføring eller utgang, heller enn av seg selv. Med denne mer statistisk orienterte visningen er målet å skape handelsregler som har statistisk gyldighet, noe som betyr at de passer prishandlingen godt uten overmontering. Vi antar ikke at vi vet hvordan markedene fungerer godt nok til å ta bestemte beslutninger om hvorvidt tilbakekallingslengden skal øke eller redusere med noe som Effektivitetsforholdet Vi har snarere en grunn til å tro at effektivitetsforholdet kan ha relevans, og vi vil derfor inkludere det som en variabel, men vi overlater det til markedet for å fortelle om og hvordan det f den i statistisk testing brukes til å fortelle oss om handelsstrategien som inneholder indikatoren er statistisk gyldig, eller hvis den er overpasset, dvs. ugyldig fordi den passer til støy i stedet for signalet til markedet. En mer allsidig, adaptiv look-back. Gitt den foregående diskusjonen, vil den adaptive tilbakegangslengde som er utviklet her, være basert på effektivitetsforholdet ER og vil bruke en parameter for å bestemme forholdet mellom ER og tilbakekallingslengden. Spesielt vurdere følgende ligning. ALLE kvadrat ER - 2 ER - 1 2 1 - TrendParam 0 5. hvor VER er variabel effektivitetsforhold, og TrendParam er trendparameteren, som kan ta en positiv eller negativ verdi, og som bestemmer om tilbakekallingslengden vil øke eller redusere med økende ER. Dette er egentlig bare en måte å reversere ER-forholdet avhengig av trendparameteren Som vist nedenfor, i stedet for å skalere utjevningskonstanten av ER, som Chande og Kroll og Kaufman i hovedsak gjør, bruker vi VER Med p VER-varianter av TrendParam, VER varierer positivt med ER, mens VERD med negative verdier av TrendParam varierer VER negativt med ER Med TrendParam lik null, VER er lik 1 for alle verdier av ER Torget er tatt for å bedre skala verdiene for bruk som en multiplikator, som forklart next. To beregne den adaptive look-back lengden ved hjelp av denne ligningen, multipliserer vi den opprinnelige verdien av utjevningskonstanten, Alpha, som tilsvarer den opprinnelige tilbakekallingslengden, av VER. VAlfa Alpha VER. in hvilken VAlpha er den adaptive utjevningskonstanten, og Alpha er den opprinnelige verdien av utjevningskonstanten. Forholdet mellom utjevningskonstanten og tilbakekallingslengden er det samme som for eksponentielt glidende gjennomsnitt namely. in hvilke N er utseendet lengde og alfa er utjevningskonstanten. Denne ligningen kan også skrives for N i forhold til Alpha as. Den adaptive utseende-lengden er derfor. ADAPTIV MA. Adaptive Moving Average.05 08 00 11 15 15 AM av Jason K Hutson Her s an indikator som tilpasser hastigheten til et bevegelige gjennomsnitt for å fange de rasktflytte markeder, men senker seg i sidemarkedene for å redusere whipsaws. To kombinere fordelene med både langsommere og raskere bevegelige gjennomsnitt, Perry Kaufman, markedstekniker, pengeansvarlig og forfatter, utviklet det adaptive glidende gjennomsnittet AMA Faste bevegelige gjennomsnitt, med færre dager i beregningene, er mer følsomme overfor markedsfluktuasjoner og vil varsle en næringsdrivende om endringer i trenden raskere enn et langsommere bevegelige gjennomsnitt. Men det raskere bevegelige gjennomsnittet blir altfor følsom under et sidelengs marked og ofte har handelsmannen å kjøpe inn og ut av markedssvingninger eller støy når det er lite fortjeneste å gjøre. Det langsommere bevegelige gjennomsnitt filtrerer ut den støyen, men har et lag som ofte holder selgeren ute av en betydelig gevinst når markedet begynner å trend. The AMA justerer lengden på det bevegelige gjennomsnittet, slik at det blir raskere, med færre dager, for å beregne dets bevegelige aver alder når markedet beveger seg raskt, endrer retninger eller bryter ut av et handelsområde, men det senker med flere dager når markedet er flyktig og beveger seg sidelengs. Derfor bør det generere færre og mer lønnsomme kjøpssignaler. Ved beregning av AMA, Kaufmans første brukte prisretning og volatilitet for å komme opp med et effektivitetsforhold ER ER nærmer seg 1 når markedet beveger seg opp eller ned, og nærmer seg null når det er i et sidelengs mønster, beregner Kaufman deretter to av det han ringte, utjevning konstanter, ved hjelp av et raskt og sakte eksponentielt glidende gjennomsnitt. Han kombinerte de to utjevningskonstantene med ER for å komme fram til en AMA som tilpasser seg markedets trend, og genererer deretter kjøp og salg av signaler. Tilpasset fra Adaptive Moving Averages av Bruce Faber, teknisk analyse av STOCKS COMMODITIES, Volume 13, Number 6 De komplette matematiske formlene som brukes, og Excel-regnearkdata, er tilgjengelige på Adaptive Moving Average av Bruce Faber. Personaleforfatter Nyt trendlinjer, støtte og motstand, bevegelige gjennomsnitt, RSI, MACD, ADX, Bollinger-band, parabolske SAR, diagramformasjoner og volumanalyse. Dato Rang 1 Kommentar Det er vanskelig å avgjøre om denne informasjonen kan være avgjørende eller ikke når du må betale for å se det først, og dette er etter at jeg allerede har betalt en avgift for å bare se om det er noen informasjon jeg kan bruke, gjør det ikke så mye, huh Unntatt hvis jeg var på ditt nettsted. Kaufman s Effektivitetsforhold ER. Effektivitetsforholdet ER ble først presentert av Perry Kaufman i 1995-boken Smarter Trading. Det beregnes ved å dividere prisendringen over en periode med den absolutte summen av prisbevegelsene som skjedde for å oppnå denne endringen. mellom 0 og 1 med høyere verdier som representerer et mer effektivt eller trendende marked. ER er faktisk veldig lik Chande Momentum Oscillator CMO presentert av Tushar S Chande i The New Technical Trader 1994 Forskjellen er at CMO tar inn i en ccount for markedsretning, men hvis du tar den absolutte CMO og dividerer med 100 får du Efficiency Ratio. Et mål på en trenderstyrke kan være svært nyttig da noen strategier fungerer best på et trendmarked og noen i et utvalgsbasert marked. Likeledes forskjellige Flytte gjennomsnittlige lengder vil fungere bedre, avhengig av markedstypen på den tiden. Kaufman opprinnelig beregnet Efficiency Ratio for bruk i hans Adaptive Moving Average KAMA. Men i tillegg til KAMA, som en del av Technical Indicator Fight for Supremacy, vil vi teste den som en komponent i et variabelt flytende gjennomsnitt og en indikatorvektet flytende gjennomsnitt. Slik beregner du effektivitetsforholdet. ER Retningsvolatilitet. Direksjon ABS Lukk Lukk n. Volatilitet n ABS Lukk Lukk 1.n Effektivitetsforholdstiden. Her er et eksempel på en 3-periode ER. Efficiency Ratio Excel File. I har satt sammen et Excel-regneark som inneholder Kaufman s Effektivitetsforhold og gjort det tilgjengelig for gratis nedlasting. Den inneholder en grunnleggende versjon d viser eksempelet ovenfor og en fancy som automatisk vil tilpasse seg den lengden du spesifiserer Finn den på følgende kobling nær bunnen av siden under Nedlastinger Tekniske indikatorer Effektivitetsforhold ER. Testresultater. Som en del av den tekniske indikatoren bekjempe overlegenhet Vi har testet vil teste effektivitetsforholdet som en komponent i flere tekniske indikatorer. Effektivitetsforhold Variabel Flytende Gjennomsnittlig ER-VMA Fullført Resultater. Effektivitetsforhold Adaptiv Flytende Gjennomsnittlig ER-AMA Fullført Results. Efficiency Ratio Log Normal Adaptiv Moving Gjennomsnittlig ER-LAMA. Efficiency Ratio Veidet Flytende Gjennomsnittlig ER-WMA. Vi vil også teste ER som et filter, bare ta handler når det indikerer en sterk trend. Effektivitetsforhold Eksempel.
No comments:
Post a Comment