ämne som föreslagits av Kaihong T. Här är ett kalkylblad som kan (eller kanske inte) vara användbart. Antag att du tittar på något lager och vill köpa när 10-dagars glidande medelvärde passerar 100-dagars glidande medelvärde och. Men det kan gå över eller under och varför väljer du 10 och. Vänta tills jag är klar Okej, vi prenumererar för strategin Köp låg och sälj hög. Men Lågt jämfört med vad och högt jämfört med vad Kanske det borde vara Lågt i förhållande till något långsamt glidande medelvärde (dvs 100 dagars) och högt jämfört med något snabbrörande medelvärde. För detta ändamål köper vi när 10-dagarsgenomsnittet överstiger 100-dagars genomsnittet ovanifrån (vilket innebär att priset bara har sjunkit till en låg) och säljs när. Jaja. Sälj när den passerar underifrån. men hur är siffrorna 10 och 100 och. Det är där kalkylbladet kommer in: Du väljer ett lager, laddar ner de dagliga aktiekurserna och väljer dina egna siffror för de glidande medelvärdena. Kalkylbladet berättar om du har gjort det bra. Jag ska påpeka hur kalkylbladet fungerar: Du kommer hem från jobbet och beräknar de glidande medelvärdena. Du använder slutkurserna för de senaste dagarna, inklusive idag. Om det är en köp - eller säljsignal, köper eller säljs du till morgondagens öppningspris. Det kommer att se ut så här (med IBM som ett exempel som dikteras av Chet K :) För att ladda ner en. ZIP d-fil, HÖGER-klicka på bilden ovan och Spara mål. Vad är det 1 i övre högra hörnet Bara om du vill köpa när snabbare medelvärdet (dvs 2) passerar det långsammare genomsnittet (dvs 1) underifrån och säljer. Varför skulle du göra det Överraskande, det är ibland en bättre strategi Hur som helst, om du väljer 1 får du en strategi och om du väljer-1 får du den andra. Vad är det som maximerar knappen Uh. Tja, om du är villig att vänta på det, kan du springa igenom en massa glidande medelvärden och välja den som ger maximal Total Gain. När kalkylbladet är klart är therell en förklaring. Något som det här Villigt att vänta på det Vad betyder det? Bara gå och ta en kaffe medan det gör att antalet knackar. Och hur bra är dessa Köp och sälj signaler Hur många gissningar får jag egentligen för IBM-lager (från dec98 till jan03, där aktien steg ca 7 under denna tidsperiod), om vi börjar med hälften av våra pengar i kontanter och halvt i lager och välj olika långa glidande medelvärden (1) och korta glidande medelvärden (2), se figur 1 för vår portföljvinst. För ett 160-dagars medelvärde och en 80-dagars kort har vi gjort 200 vinst. Du tittar på punkten med den svarta punkten Thats 174 i ca 4 år. eller cirka 28 årlig avkastning. Så det är vad jag använder, rätt menar jag 160-dagars och 80-dagars, säkert. och be framtiden är som det förflutna. Du kanske vill låna detta. Ja. Väldigt roligt. Men somebuddy berättade för mig att köpa när aktiekursen sjunker under 100-dagars glidande medelvärde och. och flytta till kontanter när priset går över 100 dagars genomsnittet Det är en av dem Sälj när priset är högt, Köp när det är lågt. Eh Kolla in Figur 2 där vi börjar med 100K investerat i SP 500 och flytta in och ut ur kontanter när indexet korsar 100 dagars genomsnittet. Det kan du se. Vi mer än dubbelt vår årliga avkastning, från 2,8 till 6,8 Under hela sex år, ja. Men ser du vår portfölj efter de första 3 12 åren vi har ca 190k hade vi bara hållit våra pengar i SP men bara 170k med denna buysellstrategi. Men risken är mindre, jag menar, om du gör BuySell sak, risken. Okej, för det här exemplet är volatiliteten reducerad med ca 13. Men det betyder att risken är mindre, rätt. Stämmer du med risk med volatilitet Skämmer på dig Jag föreslår att du lägger dina pengar under din kudde. Det ger dig ingen volatilitet. Kanske låter jag bara din kristallkula. Varsågod. Och du garanterar noggrannheten i kalkylbladet. Jag erbjuder alltid en pengarna tillbaka garanti. Det finns också ett kalkylblad som ser ut så här. Bara om du vill skriva in din egen dagliga avkastning och få kalkylbladet att springa genom en massa glidande medelvärden, plocka ut det bästa. Återigen, gör bara RIGHT - click Save Target-tingen. med bilden. Uppdatering . Sedan jag skrev det första kalkylbladet som beskrivits ovan någon gång under förra seklet har Yahoo-data som hämtats ändrats till att omfatta en Adj Close som tar hand om utdelningar och lageravdelningar så. Så du ändrade kalkylbladet, okej ja, ja. Efter att ha fått e-post från Mike D. ändrade jag det korrigerande ett fel eller tre. och använd nu den justerade stängningen och nu inkludera alternativet att använda exponentiella rörliga genomsnittsvärden för att hämta den nya versionen, bara höger-klicka här och spara mål. P. S. Det är ett förklaringsblad som ser ut så här. Moving Averages Stuff Motiverat via e-post från Robert B. Jag får det här e-postmeddelandet om Hull Moving Average (HMA) och. Och du hörde aldrig om det tidigare. Uh. Det är rätt. Faktum är att när jag googled upptäckte jag massor av glidande medelvärden som Id aldrig hört talas om, till exempel: Zero Lag Exponential Moving Average Wilder Rörlig Genomsnittlig Minsta Square Moving Genomsnittlig Triangulär Rörlig Medel Adaptiv Rörlig Genomsnittlig Rörlig Rörlig Genomsnitt. Så Så jag trodde att vi pratar om glidande medelvärden. Hävdar du gjort det förut, som här och här och här och här och. Ja, ja, men det var innan jag visste om alla dessa andra glidande medelvärden. Faktum är att de enda jag spelade med var dessa, där P 1. P 2. P n är de sista n aktiekurserna (P n är den senaste). Enkelt rörligt medelvärde (SMA) (P 1 P 2. P n) K där K n. Viktat rörande medelvärde (WMA) (P 1 2 P 2 3 P 3. N P n) K där K (12. n) n (n1) 2. Exponentiellt rörligt medelvärde (Ema) (P n 945 P n-1 945 2 P n-2 945 3 P n-3.) K där K 1 945945 2. 1 (1-945). Whoa Ive har aldrig sett den EMA-formeln innan. Jag var alltid thoguht det var. Ja, det är normalt skrivet annorlunda, men jag ville visa att dessa tre har liknande recept. (Se EMA-grejer här och här.) Faktum är att de alla ser ut: Notera att om alla Ps är lika med, Po, då är det rörliga genomsnittsvärdet lika med Po. Och det är hur ett självrespektivt medel ska uppträda. Så vilket är bäst Definiera bäst. Här är några få glidande medelvärden som försöker spåra en serie av aktiekurser som varierar sinusformat: Aktiekurser som följer en sinuskurva Var hittade du ett lager på så sätt Var uppmärksam på att de vanliga glidande medelvärdena (SMA, WMA Och EMA) når maximalt senare än sinuskurvan. Det är lag och. Men hur är det med den HMA killen. Han ser ganska bra Ja, och det är vad vi vill prata om. Verkligen. Och vad är det 6 i HMA (6) och jag ser något som heter MMA (36) och. Tålamod. Hull Moving Average Vi börjar med att beräkna 16-dagars Weighted Moving Average (WMA) så här: 1 WMA (16) (P 1 2 P 2 3 P 3. 16 P n) K med K 12. 16 136. Även om det är trevligt Och smoooth, det har en fördröjning större än vad som är: Så vi tittar på 8-dagars WMA: Jag gillar det Ja, det följer prisvariationerna ganska snyggt. men det finns mer. Medan WMA (8) tittar på de senaste priserna har det fortfarande en fördröjning, så vi ser hur mycket WMA har ändrats när den går från 8-dagars till 16-dagars. Den skillnaden skulle se ut så här: På så vis ger den skillnaden en viss indikation på hur WMA förändras. så lägger vi till den här ändringen i vårt tidigare WMA (8) för att ge: 2 MMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16). MMA Varför kalla det MMA jag stotter. Hur som helst, MMA (16) skulle se ut så här: Jag tar det tålamod. det finns mer. Nu introducerar vi den magiska omvandlingen och får. Ta-DUM Thats Hull Ja. som jag förstår det Men vad är den magiska ritualen Efter att ha genererat en serie MMA s som involverar 8-dagars och 16-dagars viktiga glidmedel, stirrar vi intensivt på denna sekvens av siffror. Sedan beräknar vi WMA de senaste 4 dagarna. Det ger Hull Moving Average som vi kallat HMA (4). Huh 16 dagar sedan 8 dagar sedan 4 dagar. Kasta du ett mynt för att se hur många. Du väljer ett antal dagar, som n 16. Då tittar du på WMA (n) och WMA (n2) och beräknar MMA 2 WMA (n2) - WMA (n). (I vårt exempel är det 2 WMA (8) - WMA (16). Sedan beräknar du WMA (sqrt (n)) med bara de sista sqrt (n) - numren från MMA-serien. (I vårt exempel beräknar vi en WMA (4) med hjälp av MMA-serien.) Och för det roliga SINE-diagrammet, så gör du så vart kalkylbladet Im arbetar fortfarande med det: MA-stuff. xls Det är intressant att se hur de olika glidande medelvärdena reagerar på spikar: Är HMA verkligen ett vägat glidande medelvärde Tja, vi får se: Vi har: MMA 2 WMA (8) - WMA (16) 2 (P 1 2 P 2 3 P 3. 8 P n) 36 - (P 1 2 P 2 3 P 3. 16 P n) 136 eller MMA 2 (136) - (1136) P 1 2 P 2. 8 P 8 - (1136) 9 P 9 10 P 10. 16 P 16 Skriv av följande skäl för sanitära skäl: MMA w 1 P 1 w 2 P 2. W 16 P 16. Observera att alla vikter lägger till 1. Vidare, wk 2 (136) - (1136) K för K 1, 2. 8 och wk - (1136) K för K 9, 10. 16. Sedan gör vi den magiska kvadratrotsritualen (där sqrt (16) 4). Vi har (som påminner om att P 16 är det senaste värdet). HMA 4-dagars WMA för ovanstående MMA (w 1 P 1 w 2 P 2. w 16 P 16) 2 (w 1 P 0 w 2 P 1, w 16 P 15) 3 (w 1 P -1 w 2 P 0, w 16 P 14) 4 (w 1 P -2 w 2 P -1 W 16 P 13) 10 (notera att 1234 10). Huh P 0. P-1. Vad. MMA (16) använder de senaste 16 dagarna, tillbaka till priset var callling P 1. Om vi beräknar det 4-dagars viktiga genomsnittet av dem, är de MMA-enheter, går det bra med igår s MMA (och det går tillbaka 1 dag före P 1) och dagen före det går MMA tillbaka till 2 dagar före P 1 och dagen Innan det. Okej, så du ringer dem priserna P 0. P-1 etcetc. Du har det. Så en 16-dagars HMA använder faktiskt information som går tillbaka mer än 16 dagar, rätt du har det. Men det finns negativa vikter för dem gamla priser Är det lagligt Beviset finns i. Jaja. Beviset är i pudding. Så vad gör kalkylbladet Så här ser det ut så här: (Klicka på bilden för att ladda ner.) Du kan välja en SINE-serie eller en RANDOM-serie av aktiekurser. För den senare, varje gång du klickar på en knapp får du en annan uppsättning priser. Då kan du välja antal dagar: det är vår n. (Till exempel använde vi n 16 för vårt exempel ovan.) Om du väljer SINE-serien kan du också presentera spikar och flytta dem längs diagrammet. så här . Observera att weve använde n 16 och n 36 (i bilden av kalkylbladet) eftersom n2 och sqrt (n) är båda heltal. Om du använder något som n 15 använder kalkylbladet INT eger-delen av n2 och sqrt (n), nämligen 7 och 3. Så är Hull Moving Average det bästa Definiera bäst. Vad med det Jurik Average jag vet ingenting om det. Den är proprietär och du måste betala för att använda den. Låt oss dock spela med glidande medelvärden. Ett annat rörligt medelvärde Anta att istället för det vägda rörliga genomsnittet (där vikterna är proportionella med 1, 2, 3). vi använder den magiska Hull ritualen med exponentiell rörande medelvärde. Det är, vi anser: MAg 2 EMA (n2) - EMA (n) MAg Ja, det är M oving En ver g g immick eller M oving En ver g g eneralized eller M oving En verage g rand eller. Eller M oving A verage g ummy Observera Vi väljer vårt favorit antal dagar, som n 16, och beräknar MAg (n, 945, k) 945 EMA (nk) - (1-945) EMA (n). Vi kan spela med 945 och k och se vad vi får: Till exempel, här är några MAgs (var varade vid 16 dagar men ändrade värdena 945 och k): MAg (16) 2 EMA (4) - EMA 16) MAg (16) 1.5 EMA (5) - 0,5 EMA (16) Observera att när vi väljer k 3 får vi nk 163 5,333 som vi ändrar till ren och enkel 5.0. Varför sticker du inte med Hulls val: 945 2 och k 2 Bra idé. Vi får det här: MAg (16) 2 EMA (8) - EMA (16) Ser ut som diagrammet med 945 1,5 och k 3. Det gör det, gjorde det inte. igen möjligen. Så vad sägs om den kvadratrotsritualen jag lämnar som en övning. för dig Okej, medan du spelar med den MAg-tingen tycker jag att Hulls k 2 fungerar ganska bra. så bra hålla fast vid det. Vi får emellertid ofta ett ganska bra medelvärde när vi lägger till en liten bit av ändringen: EMA (n2) - EMA (n). Faktum är att du bara lägger till en bråk 946 av den förändringen. Det ger: MAg (n, 946) EMA (n2) 946 EMA (n2) - EMA (n). Det vill säga, vi väljer 946 0,5 eller kanske bara 946 0,25 eller vad som helst och använd: Till exempel, om vi jämför vår gaggle med glidande medelvärden när de spårar en STEP-funktion, får vi det här, där vi bara adderar (för MAg) 946 12 av förändringen. Ja, men vad är det bästa värdet av beta. Definiera bäst: Observera att beta 1 är Hull-valet. förutom att använda EMA i stället för WMA. Och du släpper ut den kvadratroten. Uh, ja. Jag glömde att. Notera . Kalkylbladet ändras från timme till timme. Det ser ut så här något att spela med. Jag fick ett kalkylblad som ser ut så här. Klicka på bilden för att ladda ner. Du väljer ett lager och klickar på en knapp och får ett års värde av dagliga priser. Du väljer antingen HMA eller MAg, ändrar antalet dagar och, för MAg, parametern och ser när du ska köpa ro SÄLJ. När Baserat på vilka kriterier Om det rörliga genomsnittet är NER x från sitt maximala under de senaste 2 dagarna, köper du. (I exemplet, x 1.0) Om det är UP y från sitt minimum under de senaste 2 dagarna, säljer du. (I exemplet, y 1.5) Du kan ändra värdena på x och y. Är det bra. Dessa kriterier sa jag att det var något att leka med. Theres denna andra utjämningsteknik kallad Hodrick-Prescott Filter. Med hjälp av Ron McEwan ingår den nu i det här kalkylbladet: Är det något bra med det. Du märker att det finns en parameter som du kan ändra i cell M3. (KAMA) Adaptive Moving Average (AMA) aka Kaufman Adaptive Moving Average (KAMA) skapades av Perry Kaufman och presenterades först i sin bok Smarter Trading (1995). ). Detta glidande medelvärde gav en signifikant fördel jämfört med tidigare försök vid 8216intelligent8217-medelvärden eftersom det gav användaren större kontroll. Det Variable Moving Average 8211 VMA (1992) erbjöd exempelvis ingen övre eller nedre gräns för dess utjämningsperiod. AMA å andra sidan gav användaren möjlighet att definiera det intervall över vilket de önskade att utjämningen skulle spridas. Det följer samma teori som VMA, beroende på marknadsmiljö kommer det att finnas olika mängder brus och därför krävs en annan rörlig genomsnittshastighet för att uppnå det mest lönsamma resultatet. På en starkt trenderande marknad är bullernivåerna låga och ett snabbare rörligt medelvärde bör ge de bästa resultaten. Omvänt på en krabba - eller sidovägsmarknad är bullernivån mycket hög och ett långsammare medel är troligen bättre lämpat. Så här beräknar du ett adaptivt rörligt medelvärde Det börjar med nära pris. Därefter beräknas AMA enligt följande formel: AMA AMA (1) (Stäng AMA (1)) Du kommer märka att detta är detsamma som formeln för ett exponentiellt rörligt medelvärde (EMA): EMA EMA (1) (Stäng EMA (1)) Men Alpha i en EMA är 2 (N 1) så det är konstant medan för en AMA Alpha är adaptiv: (VI (FC SC)) SC VI Användare väljer ett mått på volatilitet eller trendstyrka, Kaufman Föreslog sitt effektivitetsförhållande (ER). SN Ditt val av ett Slow moving average gt FN FN Ditt val av ett långsamt glidande medel lt SN Här är ett exempel på en 3-period AMA med en 3-års effektivitetsförhållande (ER) som VI: Hur Squaring Alpha påverkar AMA-utjämningsområdet Kaufman föreslår att hans AMA har en FC av 2 och en SC på 30, vilket skulle leda till att man antar att den adaptiva utjämningen skulle ligga inom området 2 8211 30 men du skulle ha fel eftersom alfanumeriet är kvadrerat. Till exempel, sätt VI till noll så att vi kan avslöja det långsamaste möjliga genomsnittet: Nu för att avslöja EMA-utjämningsperioden 8216N8217 från alfa: N (EMA) (2) N (EMA) (2 0.0042) 0.0042 N (EMA) 480 Så i verkligheten kan en AMA med en SN på 30 där alfa höjas till kraften 2, faktiskt röra sig så långsamt som en 480 dagars EMA. Nu är det inte mycket användarvänligt att ange en parameter på 30 som resulterar i en utjämningsperiod på 480. Således använder jag följande formel för SC och FC istället: P Kraft som alfa höjs till (vanligtvis 2) SN Ditt val av En Slow moving average gt FN Nu SN kommer att vara det faktiska resulterande långsammaste glidande medlet även om du ändrar kraften som alfa upphöjs till. Jag använder också samma process för FN och FC. Låt oss se igen på Alpha med VI inställt på noll, FN vid 2 och SN vid 480: Nu när vi avslöjar EMA-utjämningsperioden 8216N8217 från alf ska den motsvara vår användardefinierade 480: N (EMA) (2) N ( EMA) (2 0.0042) 0.0042 N (EMA) 480 En närmare titt på påverkan av Squaring Alpha Förstå påverkan av kvadrering alfa är väldigt viktig som diagrammet nedan illustrerar: Som du kan se ovan är en inmatningsutjämningsperiod på 300 med alfa Kvadrat resulterar i en verklig utjämningsperiod på över 45 300 vilket är helt värdelöst. Men det här är en inställning som man lätt kan använda utan en ordentlig förståelse för hur AMA fungerar. I vår testning kommer vi att försöka AMA med alfa höjda för att driva andra som 2 så några andra exempel har också ritats på diagrammet ovan. Nedan ser vi på påverkan på alfa och utjämningen som följer av en AMA med effektivitetsförhållandet direkt i alfanumerisk (1) eller kvadrerat (2): Vi använde vår modifierade AMA-formel för ovanstående diagram så att den faktiska FN och SN matchades identiskt trots modifieringar av alfa. Som du kan se, resulterar kvadrering av alfa inte bara av en långsammare AMA totalt men en som är mycket snabbare att sakta ner när alfabetet minskar. Kaufman ville självklart att AMA skulle mycket snabbt sakta när data saknade en trend. Denna påverkan liknar den för att öka den konstanta 8216N8217 i det rörliga rörliga genomsnittsvärdet. Är AMA en bra indikator Som en del av 8216Technical Indicator Fight for Supremacy 8216 kommer vi att sätta AMA mot flera olika typer av glidande medelvärden och testa flera olika volatilitetsindex som komponenter, inklusive: Vi kommer också att testa antagandet att kvadrera alfa Var en bra idé och kommer att försöka höja den till flera olika befogenheter. Kan du tänka på några andra givna tester Vänligen meddela oss i kommentarfältet längst ner. Adaptive Moving Average Excel-fil Jag har sammanställt ett Excel-kalkylblad som innehåller det adaptiva rörliga genomsnittet och gjort det tillgängligt för gratis nedladdning. Den innehåller en 8216basic8217-version som visar alla arbeten och en 8216fancy8217 som automatiskt anpassas till längden och det volatilitetsindex du anger. Hitta det på följande länk nära undersidan av sidan under Nedladdningar Tekniska indikatorer: Adaptiv rörlig medelvärde (AMA) Adaptiv rörlig genomsnittsexempel VI 50 dagars effektivitetsförhållande Adil 5 år sedan hittar jag idén kring det adaptiva rörliga genomsnittet mycket intersting och tilltalande , Jag backtested kaufman AMA genom två system (binära våg signaler för långa och korta signaler riktning signaler (ama upp långa inmatning och ama ned kort post), men jag kunde inte dra slutsatsen att systemet fungerar bättre än ett långsiktigt TF-system med SMA crossovers (50 dagars SMA och 200 dagars SMA) kan jag veta handelsreglerna kring AMA du som du har implementerat i din handel Derry Brown 5 år sedan är jag glad att du hittar vår forskning användbar. Vi har ännu inte publicerat resultaten från Flyttning av genomsnittliga övergångstest, så att de kan vara mer effektiva. De regler du begär är detaljerad längst ner på varje sida där vi har publicerat testresultat. Här är de igen: En post si gnal att gå lång (eller utgångssignal för att täcka en kort) för varje genomsnittstest som genererades med ett nära över genomsnittet och en utgångssignal (eller ingångssignal för att gå kort) genererades på varje stäng under det glidande medlet. Inget ränta har intjänats i kontanter och ingen ersättning har gjorts för transaktionskostnader eller glidning. Handlarna testades med hjälp av EOD (End of Day) och EOW-signaler (EOW) för dagliga data och EOW-signaler för Weekly data. T. ex. Dagliga data med en EOW-signal skulle kräva att veckan slutfördes över ett dagligt rörligt medelvärde för att öppna en lång eller kort stund. Dagliga data med EOD-signaler skulle kräva att dagspriset stängs över ett dagligt rörligt medelvärde för att öppna en lång eller nära en Kort och vice versa. Den presenterade avkastningen är den genomsnittliga årliga avkastningen på de 16 marknaderna under testperioden. De data som används för dessa test ingår i resultatkalkylbladet och mer information om vår metodik finns här etfhqblog20100525best-technical-indicators Vänligen meddela mig om du har några andra frågor. Variable Index Dynamic Ave (VIDYA) Variable Index Average Dynamic Average (VMA) aka Volatility Index Dynamic Average (VIDYA) utvecklades av Tushar S. Chande och presenterades först i mars 1992-utgåvan av Technical Analysis of Stocks amp Commodities 8211 Anpassa rörliga medelvärden till marknadsvolatilitet Chande8217s teori var att prestanda för ett exponentiellt rörligt medelvärde kunde förbättras genom att använda ett volatilitetsindex (VI) för att justera utjämningsperioden när marknadsförhållandena förändras. Tanken är att när priserna är överbelastade bör ett genomsnitt sakta ner för att undvika whipsaws, men när priserna trender starkt, bör ett genomsnitt öka för att fånga de stora prisrörelserna. Han var inte den första personen som tänkte på dessa linjer George R. Arrington, Ph. D introducerade ett rörligt enkelt rörligt medelvärde baserat på standardavvikelsen i juni 1991-utgåvan av teknisk analys av lagerförstärkare 8211 bygga ett rörligt medeltal för rörlig längd ( VLMA). YIDYA representerade dock ett massivt steg framåt från VLMA eftersom det möjliggjorde en mycket större spridning av utjämningsperioder. Hur man beräknar ett rörligt genomsnittligt VMA (VI Stäng) ((1 8211 (VI)) VMA1) VI Användare väljer ett mått på volatilitet eller trendstyrka. N Användardefinierad konstant utjämningsperiod. Här är ett exempel på en 3-årig VMA med en 3-års effektivitetsförhållande (ER) som VI: Hur VIDYA-utjämning ändras av volatilitetsindexet Det rörliga rörliga genomsnittet är unikt eftersom det inte har någon övre eller nedre gräns för dess utjämning period: VMA-utjämningsperioden kan gå oändligt hög tills volatilitetsindexet är lika med noll vid vilken tidpunkt det resulterande genomsnittet kommer sluta röra sig och vara lika med föregående VMA. När volatilitetsindexet är lika med 1 kommer utjämningsperioden att vara lika med den användardefinierade konstanten 8216N8217 märker hur när Y-axeln N, X-axeln 1. Om volatilitetsindexet som används kan stiga över 1 (som standardavvikelseförhållandet) Då kan utjämningsperioden falla under den användardefinierade konstanten. När VI (N2) 0,5 blir utjämningsperioden 1, vilket är lika med själva priset. Därför måste det VI som används inte stiga ovanför (N2) 0,5 och om det gör vid tillfälle måste detta lock skrivas in i formeln. En titt på den faktiska alfa Eftersom VMA är som namnet antyder, variabel är 8216Actual Alpha8217 inte statisk men påverkas av VI. Genom att ändra konstant 8216N8217 ändras dock tolkningen av VI väldigt: Ovan kan du se ett exempel på 8216Actual Alpha8217 och den resulterande utjämningsperioden för en VMA med en 8216N8217 av 1 och en 8216N8217 av 5. Vi vet att när VI 1 (Vilket indikerar att beståndet trender perfekt) utjämningsperioden 8216N8217. Så de snabbaste möjliga utjämningsperioderna i dessa exempel skulle vara 1 respektive 5 inte en stor skillnad. Men det är förvånande att se vad en stor påverkan förändrar 8216N8217 bara några punkter har övergripande. I själva verket som 8216N8217 ökar de resulterande VMA-rörelserna exponentiellt långsammare. Denna påverkan är snarare som den kvadrering som används av Kaufman i sitt adaptiva rörande medelvärde. Vilket volatilitetsindex att använda Chande använde ursprungligen standardavvikelseförhållandet som hans VI och det här är det som vanligtvis används när folk pratar om en VIDYA. Men senare, i oktober 1995 artikeln från Technical Analysis of Stocks amp Commodities 8211 8216Identifying Powerful Breakouts Early 8216 föreslog han användningen av sin egen Chande Momentum Oscillator (CMO). Eftersom CMO varierar mellan 100 och 100, för att använda den i den här applikationen måste vi ta det absoluta värdet dividerat med 100. Resultatet är identiskt med effektivitetsförhållandet (ER) och används VI oftast när människor hänvisar till en VMA . Eventuella mått på volatilitet eller trendstyrka kan dock användas så länge det passar mellan ett noll till (N2) 0,5-intervall där högre mätningar indikerar en starkare trend. Volatilitetsindex används för provning Som en del av 8216Technical Indicator Fight for Supremacy 8216 testade vi följande indikatorer som volatilitetsindex i ett rörligt rörligt medelvärde: Finns det några andra som du tycker är värda att testa? Vänligen meddela oss i kommentarfältet på botten. Variabel rörlig genomsnittlig Excel-fil Jag har sammanställt ett Excel-kalkylblad som innehåller det rörliga rörliga genomsnittet och gjort det tillgängligt för gratis nedladdning. Den innehåller en 8216basic8217-version som visar alla arbeten och en 8216fancy8217 som automatiskt anpassas till längden och det volatilitetsindex du anger. Hitta den på följande länk nära undersidan av sidan under Nedladdningar Tekniska indikatorer: Variabel rörlig genomsnittlig (VMA) 10-dagars rörlig genomsnittlig exempel, VI 50-dagars effektivitetsförhållande Tack, bror, det här är bra. förklaringen av matematiken bakom den är väldigt hjälpsam nu när jag förstår hur varje del av ekvationen fungerar kan jag spela med den en fråga8230 VMA1 för nävedatapunkten du bara använder Close1 och i så fall varför inte bara använda Close1 det borde vara mer lyhörd för prisförändring Jag måste hålla med steveplace, heteroskedacity är svår att förklara klockan 7:00 på morgonen lol Glad att du fann det användbart Peter. Jag hittar några av formlerna på webben för att dessa saker är svåra att läsa eftersom jag inte har någon formell matematikutbildning. Det är därför jag bryter ner det hela och visar arbetet så det finns ingen förvirring. När det gäller din fråga är VMA fortfarande ett exponentiellt glidande medelvärde (EMA) etfhqblog20101108exponential-moving-average, men med en dynamisk alfa istället för en konstant. Alla EMA använder sina tidigare medel när de flyttar framåt, men måste fröas med ett nummer i början (vanligtvis föregående stäng) EMA EMA (1) (Stäng EMA (1)). Om du fortsatte att använda föregående stängning så skulle genomsnittet spåra priset så nära att det matchar det nästan exakt. Ladda ner spreadsheeten om du redan har 8217 och försök. Gå till cell J5 i slutet av formeln kommer det att säga IF (J482438221, J4 (2 (I51)) (E5-J4), 82218221)) ändra detta för att läsa IF (E482438221, E4 (2 (I51)) - E4), 82218221)) fyll i den här formeln längst ner i kolumnen och den refererar sedan till föregående stäng i stället för tidigare VMA. BTW Jag märkte just att jag hade kalkylbladet inställt på manuell beräkning uppdatering snarare än automatisk. Du kanske vill ändra det eller ladda ner det igen som jag har fixat det nu. sayyed 5 år sedan använder jag VMA tillsammans med andra MA8217s (enkel, exp, viktad, volviktig, triangulär). ska jag använda samma period för VMA som perioden för andra medelvärden använder jag skärningspunkten som mina buysellpoäng som andra MA8217s eller ska jag använda riktningen för VMA som min buysell-signal tack för ditt stöd. Derry Brown 5 år sedan Du kan se testresultat för flera av de MAs du nämnde här 8211 etfhqblog20100525best-technical-indicators Svaret på din fråga beror på om du använder dem som en del av ett mekaniskt system eller en diskretionär. Jag har inte testat resultaten av MA crossovers mellan olika typer av MAs men jag skulle inte tro att detta skulle vara ett effektivt tillvägagångssätt. Varje typ av rörligt medelvärde är unikt, så det är inte nödvändigt att använda samma utjämningsperiod och VMA är så annorlunda att den måste behandlas som ett helt separat medelvärde. Hoppas det hjälper Derry
No comments:
Post a Comment