Gummy สิ่ง เคลื่อนไหว ค่าเฉลี่ย

หัวข้อที่แนะนำโดย Kaihong T. Heres สเปรดชีตที่อาจ (หรือไม่) เป็นประโยชน์ สมมติว่าคุณกำลังมองหาหุ้นบางส่วนและต้องการซื้อเมื่อค่าเฉลี่ยเคลื่อนที่ 10 วันจะเคลื่อนที่ข้ามค่าเฉลี่ยเคลื่อนที่ 100 วันและ แต่สามารถข้ามจากด้านบนหรือด้านล่างและทำไมคุณเลือก 10 และ. รอจนเสร็จเรียบร้อยเราสมัครรับกลยุทธ์ Buy Low และ Sell High แต่ต่ำเมื่อเทียบกับสิ่งที่และสูงเมื่อเทียบกับสิ่งที่บางทีมันควรจะต่ำเมื่อเทียบกับค่าเฉลี่ยเคลื่อนที่บางอย่าง (thats, พูด, 100 วัน) และสูงเมื่อเทียบกับค่าเฉลี่ยเคลื่อนที่อย่างรวดเร็ว ด้วยเหตุนี้เราจึงซื้อเมื่อค่าเฉลี่ย 10 วันจะข้ามค่าเฉลี่ย 100 วันจากข้างบน (หมายถึงราคาจะลดลงเหลือน้อย) และขายได้เมื่อ ใช่ใช่ ขายเมื่อข้ามจากด้านล่าง แต่สิ่งที่เกี่ยวกับตัวเลข 10 และ 100 และ. ที่สเปรดชีตมา: คุณเลือกหุ้นดาวน์โหลดราคาหุ้นในแต่ละวันและเลือกตัวเลขของคุณเองสำหรับค่าเฉลี่ยเคลื่อนที่ สเปรดชีตจะบอกคุณว่าคุณทำดีหรือไม่ ฉันควรชี้แจงว่าสเปรดชีตทำงานอย่างไร: คุณกลับบ้านจากที่ทำงานและคำนวณค่าเฉลี่ยเคลื่อนที่ คุณใช้ราคาปิดในช่วงไม่กี่วันที่ผ่านมารวมถึงวันนี้ หากมีการซื้อหรือขายสัญญาณคุณจะซื้อหรือขายในราคาเปิดวันพรุ่งนี้ จะมีลักษณะคล้ายกับนี้ (IBM เป็นตัวอย่างที่เขียนโดย Chet K :) หากต้องการดาวน์โหลดไฟล์. zip d ให้คลิกขวาที่รูปภาพด้านบนและ Save Target คืออะไรที่ 1 ในมุมบนขวาในกรณีที่คุณต้องการซื้อเมื่อค่าเฉลี่ยที่เร็วขึ้น (thats 2) ข้ามค่าเฉลี่ยที่ช้าลง (thats 1) จากด้านล่างและขาย เหตุผลที่คุณจะทำอย่างน่าแปลกใจบางครั้งกลยุทธ์ที่ดีกว่าอย่างไรก็ตามถ้าคุณเลือก 1 คุณจะได้รับหนึ่งกลยุทธ์และถ้าคุณเลือก -1 คุณได้รับอื่น ๆ อะไรที่ปุ่ม Maximize Uh ดีถ้าคุณยินดีที่จะรอให้คุณสามารถเรียกใช้ผ่านพวงของค่าเฉลี่ยเคลื่อนที่และเลือกที่หนึ่งที่ให้สูงสุดรวมสูงสุด เมื่อสเปรดชีตเสร็จแล้วคำอธิบายจะเป็นคำอธิบาย บางอย่างเช่นนี้ยินดีที่จะรอมันสิ่งที่หมายถึงเพียงแค่ไปสำหรับกาแฟในขณะที่มันไม่ crunching จำนวน และวิธีการที่ดีเหล่านี้ซื้อและขายสัญญาณเป็นอย่างไรฉันจะคาดเดาได้จริงสำหรับหุ้นของ IBM (จาก 98 ธันวาคม - มกราคมที่หุ้นได้ประมาณ 7 ในช่วงเวลานี้) ถ้าเราเริ่มต้นด้วยครึ่งหนึ่งของเงินของเราเป็นเงินสดและครึ่งหนึ่ง (1) และ Short moving average (2) ให้ได้รูปที่ 1 สำหรับการเพิ่มพอร์ตการลงทุนของเรา สำหรับค่าเฉลี่ยที่ยาวนาน 160 วันและระยะสั้น 80 วันการแต่งงานทำให้คุณได้รับผลกำไรเพิ่มขึ้น 200 ครั้งเมื่อมองจากจุดที่มีจุดสีดำ 174 ในช่วงเวลาประมาณ 4 ปี หรือประมาณ 28 ปีผลตอบแทน ดังนั้นนั่นคือสิ่งที่ใช้ id ฉันหมายถึง 160 วันและ 80 วันใช่แล้ว และอธิษฐานในอนาคตก็เหมือนอดีต คุณอาจต้องการยืมนี้ ใช่. ตลกมาก แต่บางคนบอกให้ฉันซื้อเมื่อราคาหุ้นตกลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 100 วันและ และย้ายไปเป็นเงินสดเมื่อราคาสูงกว่าค่าเฉลี่ย 100 วันนั่นคือหนึ่งในบรรดาขายเมื่อราคาสูงซื้อเมื่อต่ำ eh ตรวจสอบรูปที่ 2 ที่เราเริ่มต้นด้วย 100K ลงทุนใน SP 500 และย้ายเข้าและออกจากเงินสดเมื่อดัชนีผ่านค่าเฉลี่ย 100 วัน คุณสามารถดูได้ เราเพิ่มขึ้นมากกว่าสองเท่าของผลตอบแทนประจำปีของเราจาก 2.8 เป็น 6.8 สำหรับทั้งหกปีใช่ แต่คุณเห็นผลงานของเราหลังจากที่ 3 ปีแรก 12 ปีพ. มีประมาณ 190K เราเพิ่งเก็บเงินของเราใน SP แต่เพียง 170K ด้วยกลยุทธ์ buysell นี้ แต่ความเสี่ยงจะน้อยลง eh ฉันหมายความว่าถ้าคุณทำสิ่ง BuySell ความเสี่ยง เอาล่ะสำหรับตัวอย่างนี้ความผันผวนจะลดลงประมาณ 13 แต่นั่นหมายความว่าความเสี่ยงน้อยลงใช่ไหมคุณเท่ากับความเสี่ยงที่มีความผันผวนหรือไม่อัปยศคุณขอแนะนำให้คุณใส่เงินใต้หมอน นั่นทำให้คุณมีความผันผวนเป็นศูนย์ บางทีฉันอาจแค่ยืมลูกแก้วของคุณ ด้วยความยินดี. และคุณรับประกันความถูกต้องของสเปรดชีตแน่นอน ฉันมักจะให้การรับประกันคืนเงิน ยังมีกระดาษคำนวณที่มีลักษณะเช่นนี้ ในกรณีที่คุณต้องการป้อนผลตอบแทนรายวันของคุณเองและมีสเปรดชีตทำงานผ่านพวงของค่าเฉลี่ยเคลื่อนที่โดยเลือกค่าที่ดีที่สุด อีกครั้งเพียงแค่คลิกขวาที่ Save Target พร้อมภาพ อัปเดต ตั้งแต่ฉันเขียนสเปรดชีตแรกที่อธิบายไว้ข้างต้นบางครั้งในศตวรรษที่ผ่านมาข้อมูล Yahoo thats ดาวน์โหลดได้เปลี่ยนไปรวมถึง Adj Close ซึ่งจะดูแลการจ่ายเงินปันผลและหุ้นแยกดังนั้น คุณเปลี่ยนสเปรดชีตใช่แล้วใช่ หลังจากได้รับอีเมลจาก Mike D. Ive ได้มีการแก้ไขข้อผิดพลาดหรือแก้ไขสามครั้ง ตอนนี้ใช้ Adjusted Close และตอนนี้มีตัวเลือกในการใช้ Exponential Moving Averages เมื่อต้องการดาวน์โหลดเวอร์ชันใหม่ให้คลิกขวาที่นี่และ Save Target ป. ล. Theres แผ่นอธิบายซึ่งมีลักษณะเช่นนี้ค่าเฉลี่ยการเคลื่อนไหวสิ่งที่กระตุ้นโดยอีเมลจาก Robert B. ฉันได้รับอีเมลนี้ถามเกี่ยวกับ Hull Moving Average (HMA) และ และคุณไม่เคยได้ยินมาก่อน เอ่อ ถูกตัอง. ในความเป็นจริงเมื่อฉัน googled ฉันพบจำนวนมากเคลื่อนไหวค่าเฉลี่ยที่ Id ไม่เคยได้ยินเช่น Zero Lag Exponential Moving เฉลี่ย Wilder Moving Average เฉลี่ยต่ำสุดเฉลี่ยเคลื่อนที่ย้ายเฉลี่ยเคลื่อนที่สามเหลี่ยม ดังนั้นฉันจึงคิดว่าการแต่งงานเป็นเรื่องเกี่ยวกับการย้ายค่าเฉลี่ยและคุณเคยทำมาก่อนเช่นที่นี่และที่นี่และนี่และที่นี่และ ใช่ใช่ แต่ก่อนหน้านี้ฉันรู้ถึงค่าเฉลี่ยเคลื่อนที่ทั้งหมดนี้ ในความเป็นจริงสิ่งเดียวที่ฉันเล่นกับเหล่านี้คือ P 1 P 2. P n เป็นราคาหุ้นสุดท้าย (P n เป็นรายการล่าสุด) Simple Moving Average (SMA) (P 1 P 2 P n) K โดยที่ K n ค่าเฉลี่ยถ่วงน้ำหนัก (Weighted Moving Average - WMA) (P 1 2 P 2 3 P 3 n P n) K โดยที่ K (12. n) n (n1) 2. ค่าเฉลี่ยถ่วงน้ำหนักตามลำดับ (EMA) (P n 945 P n-1 945 2 P n-2 945 3 P n-3) K ที่ K 1 945945 2. 1 (1-945) Whoa ฉันไม่เคยเห็นว่าสูตร EMA มาก่อน ฉันมักจะ thoguht มันเป็น ใช่ฉันเขียนตามปกติ แต่ต่างกัน แต่ฉันต้องการแสดงให้เห็นว่าทั้งสามคนนี้มีข้อกำหนดที่คล้ายคลึงกัน (ดูเนื้อหา EMA ที่นี่และที่นี่) แท้จริงพวกเขาทั้งหมดมีลักษณะเช่น: โปรดทราบว่าถ้า Ps ทั้งหมดมีค่าเท่ากับ Po กล่าวค่าเฉลี่ยเคลื่อนที่ก็เท่ากับ Po ด้วยเช่นกัน และ thats วิธีค่าเฉลี่ยเคารพตนเองควรประพฤติ ดังนั้นที่ดีที่สุดคือกำหนดดีที่สุด ต่อไปนี้เป็นค่าเฉลี่ยเคลื่อนที่ไม่กี่จุดซึ่งพยายามติดตามชุดของราคาหุ้นที่แตกต่างกันไปในแบบไซน์: ราคาสต็อกที่เป็นไปตามเส้นโค้งไซน์คุณหาสต็อกสินค้าใดบ้างที่ชอบสังเกตว่าค่าเฉลี่ยเคลื่อนที่ที่ใช้บ่อย (SMA, WMA) และ EMA) จะมีค่าสูงสุดหลังจากเส้นโค้งไซน์ ความล่าช้าและ แต่สิ่งที่เกี่ยวกับผู้ชาย HMA ที่ เขาดูดีมากใช่แล้วนี่คือสิ่งที่เราต้องการพูดถึง จริง และมีอะไรบ้างที่ 6 ใน HMA (6) และฉันเห็นบางอย่างที่เรียกว่า MMA (36) และ ความอดทน ค่าเฉลี่ยการเคลื่อนที่ของเรือ (Hull Moving Average) เราเริ่มต้นด้วยการคำนวณค่าเฉลี่ยถ่วงน้ำหนัก 16 วัน (WMA) ดังนี้ 1 WMA (16) (P 1 2 P 2 3 P 3 16 P n) K กับ K 12. 16 136 แม้ว่าจะดี และ smoooth, itll มีความล่าช้าขนาดใหญ่กว่าแต่งงานเช่น: ดังนั้นเราจึงดูที่ WMA 8 วัน: ฉันชอบมันใช่มันเป็นไปตามรูปแบบราคาค่อนข้างดี แต่ theres มากขึ้น แม้ว่า WMA (8) จะพิจารณาราคาล่าสุด แต่ก็ยังมีความล่าช้าอยู่เรื่อย ๆ ดังนั้นเราจึงเห็นว่า WMA มีการเปลี่ยนแปลงอย่างไรเมื่อไปจาก 8 วันถึง 16 วัน ความแตกต่างดังกล่าวจะมีลักษณะดังนี้: ในแง่หนึ่งความแตกต่างดังกล่าวแสดงให้เห็นว่า WMA มีการเปลี่ยนแปลงอย่างไร ดังนั้นเราจึงเพิ่มการเปลี่ยนแปลงนี้เป็น WMA ก่อนหน้านี้ของเรา (8) เพื่อให้: 2 MMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16) MMA เหตุใดจึงเรียก MMA ฉันพูดติดอ่าง อย่างไรก็ตาม MMA (16) จะมีลักษณะดังนี้: ฉันอดทนอดทน ยังมีอีก. ตอนนี้เราแนะนำการเปลี่ยนแปลงวิเศษและรับ ta-DUM Thats ฮัลล์ใช่ ตามที่ฉันเข้าใจ แต่พิธีการวิเศษมีการสร้าง MMA แบบที่เกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก 8 วันและ 16 วันเราจึงจ้องมองอย่างต่อเนื่องที่ลำดับของตัวเลขนี้ จากนั้นเราคำนวณ WMA ในช่วง 4 วันที่ผ่านมา ให้ค่าเฉลี่ยการเคลื่อนที่ของฮัลล์ที่เรียกว่า HMA (4) Huh 16 วันแล้ว 8 วันจากนั้น 4 วัน คุณโยนเหรียญเพื่อดูจำนวน คุณเลือกจำนวนวันเช่น n 16. จากนั้นให้คุณดู WMA (n) และ WMA (n2) และคำนวณ MMA 2 WMA (n2) - WMA (n) (ในตัวอย่างของเราจะเป็น 2 WMA (8) - WMA (16) จากนั้นให้คุณคำนวณ WMA (sqrt (n)) โดยใช้หมายเลข sqrt (n) ล่าสุดจากชุด MMA (ในตัวอย่างของเราจะคำนวณ WMA (4) โดยใช้ชุด MMA) และสำหรับแผนภูมิ SINE ตลกที่ Howd ทำดังนั้น wheres สเปรดชีต Im ยังคงทำงานกับมัน: MA - stuff. xls น่าสนใจเพื่อดูว่าค่าเฉลี่ยเคลื่อนที่ต่างๆตอบสนองต่อ spikes: Is HMA มีค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักดีลองดู: เรามี: 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 หรือ MMA 2 (136) - (1136) P 1 2 P 2 8 P 8 - (1136) 9 P 9 10 P 10 16 16 สำหรับเหตุผลสุขาภิบาลให้เขียนอย่างนี้เช่น: MMA w 1 P 1 w 2 P 2 ใน w 16 P 16 โปรดทราบว่าน้ำหนักทั้งหมดเพิ่มเป็น 1 นอกจากนี้ wk 2 (136) - (1136) K สำหรับ K 1, 2. 8 และ wk - (1136) K (16) 4) เรามี (เรียกคืนว่า P 16 เป็นค่าล่าสุด) HMA 4-day WMA ของ MMA ข้างต้น (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 (สังเกตว่า 1234 10) Huh P 0 P -1 อะไร. MMA (16) ใช้เวลา 16 วันที่ผ่านมากลับไปที่ราคาถูก callling P 1 ถ้าเราคำนวณค่าเฉลี่ยถ่วงน้ำหนัก 4 วันของวีคเอ็มเออาร์ของพวกเขาให้ใช้ MMA เป็นอย่างดีเมื่อวาน (และย้อนกลับไป 1 วันก่อน P 1) และวันก่อนหน้านั้นวีคจะกลับไป 2 วันก่อน P 1 และวัน ก่อนหน้านี้โอเคคุณจึงโทรหาพวกเขาราคา P 0 P -1 etc. etc คุณได้รับมัน ดังนั้นวันที่ 16 ชั่วโมง HMA ใช้ข้อมูลที่ย้อนหลังไปมากกว่า 16 วันคุณได้รับ แต่มีน้ำหนักลบสำหรับพวกเขาราคาเก่าเป็นที่ถูกต้องตามกฎหมายหลักฐานอยู่ใน ใช่ใช่ หลักฐานอยู่ในพุดดิ้ง ดังนั้นสิ่งที่สเปรดชีททำอย่างไรเพื่อให้ห่างไกลเช่นนี้: (คลิกที่ภาพเพื่อดาวน์โหลด.) คุณสามารถเลือกชุด SINE หรือชุด RANDOM ของราคาหุ้น สำหรับหลังทุกครั้งที่คุณคลิกปุ่มที่คุณได้รับชุดราคาอื่น จากนั้นคุณสามารถเลือกจำนวนวัน: thats n ของเรา (ตัวอย่างเช่นเราใช้ n 16 สำหรับตัวอย่างของเราด้านบน) นอกจากนี้หากคุณเลือกชุด SINE คุณสามารถแนะนำ spikes และย้ายไปตามแผนภูมิ อย่างนี้ . โปรดทราบว่าเราใช้ n 16 และ n 36 (ในภาพของกระดาษคำนวณ) ทำให้ n2 และ sqrt (n) เป็นทั้งจำนวนเต็ม ถ้าคุณใช้สิ่งที่ต้องการ n 15 แล้วสเปรดชีตใช้ INT ส่วน eger ของ n2 และ sqrt (n) คือ 7 และ 3 ดังนั้นค่าการเคลื่อนที่เฉลี่ยของลำตัวที่ดีที่สุดคือกำหนด สิ่งที่เกี่ยวกับ Jurik เฉลี่ยที่ฉันไม่รู้อะไรเกี่ยวกับเรื่องนี้ เป็นกรรมสิทธิ์และคุณต้องจ่ายเพื่อใช้ แต่ให้เล่นกับค่าเฉลี่ยเคลื่อนที่ ค่าเฉลี่ยเคลื่อนที่อื่นสมมติว่าแทนที่จะเป็น Average Weighting Moving Average (ซึ่งน้ำหนักจะเป็นสัดส่วนกับ 1, 2, 3) เราใช้พิธีฮัลล์มายากลกับค่าเฉลี่ยเคลื่อนที่แบบเสด็จพระราชดำเนิน นั่นคือเราจะพิจารณา: MAg 2 EMA (n2) - EMA (n) MAg ใช่มีการตรวจสอบระยะเวลาหรือระยะเวลาตรวจสอบ จำนวนวันที่เราชอบเช่น n 16 และคำนวณ MAg (n, 945, k) 945 EMA (nk) - (1-945) EMA (n) เราสามารถเล่นกับ 945 และ k และดูสิ่งที่เราได้รับ: ตัวอย่างเช่นนี่คือ MASTER ไม่กี่ (ที่มีการเกาะติด 16 วัน แต่เปลี่ยนค่า 945 และ k): MAg (16) 2 EMA (4) - EMA ( 16) MAg (16) 1.5 EMA (5) - 0.5 EMA (16) โปรดทราบว่าเมื่อเราเลือก k 3 เราได้ nk 163 5.333 ซึ่งเราเปลี่ยนเป็นธรรมดา 5.0 ทำไมคุณไม่ติดกับตัวเลือกของฮัลล์: 945 2 และ 2 ความคิดที่ดี พอดีได้รับนี้: MAg (16) 2 EMA (8) - EMA (16) ดูเหมือนแผนภูมิกับ 945 1.5 และ k 3 มันไม่ไม่ได้คุณไม่ได้โง่ อีกครั้งอาจเป็นได้ ดังนั้นสิ่งที่เกี่ยวกับพิธีกรรมที่รากสี่เหลี่ยมที่ฉันออกจากที่เป็นออกกำลังกาย สำหรับคุณโอเคในขณะที่เล่นกับสิ่งที่แม่ฉันพบว่าฮัลล์ 2 ทำงานได้ดีมาก ดีติดกับที่ อย่างไรก็ตามเรามักจะได้รับค่าเฉลี่ยที่ค่อนข้างดีเมื่อเราเพิ่มเพียงส่วนเล็ก ๆ ของการเปลี่ยนแปลง: EMA (n2) - EMA (n) ในความเป็นจริงดีเพิ่มเพียงเศษ 946 ของการเปลี่ยนแปลงที่ ให้: MAg (n, 946) EMA (n2) 946 EMA (n2) - EMA (n) นั่นคือเราเลือก 946 0.5 หรืออาจแค่ 946 0.25 หรืออะไรก็ได้และใช้: ตัวอย่างเช่นถ้าเราเปรียบเทียบกลุ่มของค่าเฉลี่ยเคลื่อนที่เมื่อติดตามฟังก์ชัน STEP เราจะได้ข้อมูลนี้ซึ่งเราเพิ่ม (สำหรับ MAg) เพียง 946 12 การเปลี่ยนแปลง. ใช่ แต่คุ้มค่าที่สุดของเบต้า กำหนดดีที่สุด: โปรดทราบว่าเบต้า 1 คือทางเลือกของฮัลล์ ยกเว้นใช้ EMA แทน WMA และคุณปล่อยให้สิ่งที่รากสี่เหลี่ยมผืนผ้า เอ่อใช่ ฉันลืมไปแล้ว บันทึก . สเปรดชีตเปลี่ยนแปลงจากทุกชั่วโมง ขณะนี้มีลักษณะเช่นนี้สิ่งที่ต้องเล่นด้วยฉันมีสเปรดชีตที่มีลักษณะเช่นนี้ คลิกที่รูปเพื่อดาวน์โหลด คุณสามารถเลือกสต็อกและคลิกปุ่มและรับราคาเป็นรายปีได้เป็นปี คุณเลือก HMA หรือ MAg การเปลี่ยนจำนวนวันและสำหรับ MAg พารามิเตอร์และดูว่าคุณควรซื้อ R SELL เมื่อไร เมื่อพิจารณาตามเกณฑ์ใดหากค่าเฉลี่ยเคลื่อนที่อยู่ที่ DOWN x จากค่าสูงสุดในช่วง 2 วันที่ผ่านมาคุณก็จะซื้อ (ในตัวอย่าง x 1.0) ถ้า UP y จากต่ำสุดในช่วง 2 วันที่ผ่านมาคุณ SELL (ในตัวอย่าง y 1.5) คุณสามารถเปลี่ยนค่าของ x และ y ได้ มันดีไหม เกณฑ์เหล่านี้ผมกล่าวว่ามันเป็นสิ่งที่จะเล่นด้วย Theres เทคนิคการปรับความเรียบอื่น ๆ ที่เรียกว่าตัวกรอง Hodrick-Prescott ด้วยความช่วยเหลือของรอนแม็กอีแวนตอนนี้รวมอยู่ในสเปรดชีตนี้: เล่นได้ดีหรือไม่ คุณสังเกตเห็นว่ามีพารามิเตอร์ที่คุณสามารถเปลี่ยนแปลงได้ในเซลล์ M3 (KAMA) ค่าเฉลี่ยการปรับตัวแบบ Adaptive Movement Average (AMA) หรือที่เรียกว่า Kaufman Adaptive Moving Average (KAMA) ถูกสร้างขึ้นโดย Perry Kaufman และเป็นครั้งแรกในหนังสือ ) 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 ซึ่งจะปรับให้เข้ากับความยาวและดัชนีความผันผวนที่คุณระบุโดยอัตโนมัติ 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 (VMA) aka ดัชนีความผันผวนค่าเฉลี่ยแบบไดนามิก (VIDYA) ได้รับการพัฒนาโดย Tushar S. Chande และนำเสนอครั้งแรกในฉบับเดือนมีนาคม 2535 ของการวิเคราะห์ทางเทคนิคของหุ้น (VMA) ความผันผวนของดัชนีความแปรปรวน (VMA) แอ็ตคอม 8211 การปรับค่าเฉลี่ยเคลื่อนที่ตามความผันผวนของตลาดทฤษฎี Chande8217s พบว่าประสิทธิภาพของค่าเฉลี่ยเคลื่อนที่แบบเสวนาได้ดีขึ้นโดยใช้ดัชนีความผันผวน (VI) เพื่อปรับระยะเวลาให้ราบเรียบเนื่องจากสภาวะตลาดเปลี่ยนแปลงไป ความคิดที่ว่าเมื่อราคาถูกแออัดเฉลี่ยควรชะลอตัวเพื่อหลีกเลี่ยง whipsaws แต่เมื่อราคามีแนวโน้มแรงเฉลี่ยควรเร่งขึ้นเพื่อจับภาพการเคลื่อนไหวราคาที่สำคัญ เขาไม่ได้เป็นคนแรกที่คิดตามบรรทัดเหล่านี้ George R. Arrington Ph. D แนะนำตัวแปร Simple Moving Average โดยใช้ค่าความเบี่ยงเบนมาตรฐานในการจัดทำรายงานการวิเคราะห์ทางเทคนิคของหุ้นแอ็ปคอมโพสิต 8211 สร้างความยาวเฉลี่ย VLMA) อย่างไรก็ตาม YIDYA เป็นก้าวย่างก้าวไปข้างหน้าจาก VLMA เพราะได้รับอนุญาตให้มีการแพร่กระจายของช่วงเวลาที่ราบเรียบมากขึ้น วิธีการคำนวณ VMA เคลื่อนที่เฉลี่ย VMA (VI ปิด) ((1 8211 (VI)) V ผู้ใช้เลือกตัววัดความผันผวนหรือความแรงของแนวโน้ม N ผู้ใช้เลือกระยะเวลาการปรับให้เรียบสม่ำเสมอ ต่อไปนี้เป็นตัวอย่างของ VMA ระยะเวลา 3 ที่มีอัตราส่วนประสิทธิภาพ (ER) เป็นระยะเวลา 3 (VI): การเปลี่ยนแปลงของ VIDYA Smoothing มีการเปลี่ยนแปลงตามดัชนีความผันผวนค่าเฉลี่ยของการเคลื่อนที่แบบแปรผันเป็นค่าที่ไม่ซ้ำกันเนื่องจากไม่มีขีด จำกัด บนหรือล่างของการปรับให้เรียบ ระยะเวลา: ระยะเวลาการให้ราบเรียบ VMA สามารถไปถึงจุดสูงสุดอย่างไม่น่าสนใจจนกว่าดัชนีความผันผวนจะเท่ากับศูนย์ซึ่งจะทำให้ค่าเฉลี่ยที่เกิดขึ้นจะหยุดเคลื่อนไหวและเท่ากับ VMA ก่อนหน้า เมื่อดัชนีความผันผวนเท่ากับ 1 ระยะเวลาการราบเรียบจะเท่ากับผู้ใช้ที่เลือกไว้คงที่ 8216N8217 สังเกตว่าเมื่อแกน Y แกน N 1 แต่ถ้าดัชนีความผันผวนที่ใช้สามารถเพิ่มขึ้นเหนือ 1 (เช่นอัตราส่วนการเบี่ยงเบนมาตรฐาน) ระยะเวลาการปรับให้ราบเรียบอาจต่ำกว่าค่าคงที่ที่ผู้ใช้เลือกไว้ เมื่อ VI (N2) 0.5 แล้วระยะเวลาการราบเรียบจะเท่ากับ 1 ซึ่งเท่ากับราคาของตัวเอง ดังนั้น VI ที่ใช้จะต้องไม่เพิ่มขึ้นเหนือ (N2) 0.5 และถ้าเป็นไปตามโอกาสก็ให้เขียนรหัสนี้ลงในสูตร ดูอัลฟาที่เกิดขึ้นจริงเนื่องจาก VMA เป็นชื่อที่แนะนำตัวแปร 8216Actual Alpha8217 ไม่ใช่แบบคงที่ แต่ได้รับอิทธิพลจาก VI โดยการเปลี่ยนค่าคงที่ 8216N8217 อย่างไรก็ตามการแปลความหมายของ VI จะเปลี่ยนแปลงไปอย่างมาก: ด้านบนคุณสามารถดูตัวอย่างของ 8216Actual Alpha8217 และระยะเวลาการทำให้เรียบของ VMA ที่มี 8216N8217 จาก 1 และ 8216N8217 จาก 5 เรารู้ว่าเมื่อ VI 1 (แสดงให้เห็นว่าสต็อกมีแนวโน้มที่ดีเลิศ) ระยะเวลาราบเรียบ 8216N8217 ดังนั้นระยะเวลาการทำให้ราบเรียบที่เร็วที่สุดในตัวอย่างเหล่านี้จะเป็น 1 และ 5 ตามลำดับไม่ใช่ความแตกต่างใหญ่ แต่มันเป็นเรื่องน่าแปลกใจที่จะเห็นว่ามีอะไรเปลี่ยนแปลงใหญ่ 8216N8217 เปลี่ยนเพียงไม่กี่จุดได้โดยรวม ในความเป็นจริงเป็น 8216N8217 เพิ่มขึ้นทำให้ VMA ย้ายช้าลงเลขคณิต ผลกระทบนี้ค่อนข้างคล้ายกับ squaring ที่ Kaufman ใช้ในการปรับค่าเฉลี่ยของ Moving Average อะไรคือดัชนีความผันผวนที่จะใช้ Chande เดิมใช้อัตราส่วนเบี่ยงเบนมาตรฐานเป็น VI ของเขาและนี่คือหนึ่งที่ใช้โดยทั่วไปเมื่อมีคนพูดคุยเกี่ยวกับ VIDYA แต่ต่อมาในบทความตุลาคม 1995 จากการวิเคราะห์ทางเทคนิคของหุ้นสินค้าโภคภัณฑ์ 8211 8216 ระบุว่ามีพลังแห้วต้น 8216 เขาแนะนำให้ใช้ Chande Momentum Oscillator (CMO) ของเขาเอง เนื่องจาก CMO ช่วงระหว่าง 100 ถึง -100 ในการใช้งานในแอพพลิเคชั่นนี้เราต้องใช้ค่าสัมบูรณ์หารด้วย 100 ผลลัพธ์จะเหมือนกับอัตราส่วนประสิทธิภาพ (ER) และ VI ใช้บ่อยที่สุดเมื่อผู้คนอ้างถึง VMA . สามารถวัดค่าความผันผวนหรือความแรงของแนวโน้มได้ตราบเท่าที่ยังอยู่ในช่วงศูนย์ถึง (N2) 0.5 ซึ่งการอ่านค่าที่สูงขึ้นแสดงถึงแนวโน้มที่แข็งแกร่งขึ้น ดัชนีความผันผวนที่ใช้ในการทดสอบเป็นส่วนหนึ่งของ 8216Technical Indicator Fight for Supremacy 8216 เราได้ทดสอบแล้วว่าตัวบ่งชี้ต่อไปนี้เป็นดัชนีความผันผวนของค่า Variable Moving Average: มีคนอื่น ๆ ที่คุณคิดว่ามีค่าควรทดสอบหรือไม่โปรดแจ้งให้เราทราบในส่วนความคิดเห็น ที่ส่วนลึกสุด. ไฟล์ Excel Variable Moving Average ฉันได้รวบรวม Excel Spreadsheet ที่มีค่า Variable Moving Average และทำให้สามารถดาวน์โหลดได้ฟรี มี 8216basic8217 รุ่นที่แสดงการทำงานทั้งหมดและ 8216fancy8217 ซึ่งจะปรับให้เข้ากับความยาวและดัชนีความผันผวนที่คุณระบุโดยอัตโนมัติ ค้นหาได้ที่ลิงค์ต่อไปนี้ใกล้ด้านล่างของหน้าใต้ Download Technical Indicators: Variable Moving Average (VMA) 10 วันตัวแปรเฉลี่ยเคลื่อนที่ตัวอย่าง VI อัตราส่วนประสิทธิภาพ 50 วันขอบคุณ Brother นี้ดีมาก คำอธิบายของคณิตศาสตร์ที่อยู่เบื้องหลังมันเป็นประโยชน์มากตอนนี้ที่ฉันเข้าใจว่าแต่ละส่วนของสมการทำงานฉันสามารถเล่นกับมันหนึ่ง question8230 VMA1 สำหรับจุดข้อมูลกำปั้นที่คุณเพิ่งใช้ Close1 และในกรณีที่ว่าทำไมไม่ใช้เพียง Close1 ก็ควร จะตอบสนองต่อการเปลี่ยนแปลงราคาฉันจะต้องเห็นด้วยกับ steveplace, heteroskedacity ยากที่จะอธิบายได้ที่ 7:00 ในตอนเช้าฮ่า ๆ ดีใจที่คุณพบว่ามีประโยชน์ปีเตอร์ ฉันพบบางสูตรในเว็บสำหรับสิ่งเหล่านี้ยากมากที่จะอ่านเพราะฉัน don8217t มีการศึกษาคณิตศาสตร์อย่างเป็นทางการใด ๆ นั่นคือเหตุผลที่ฉันทำลายมันทั้งหมดลงและแสดงการทำงานเพื่อให้มีความสับสนไม่ เกี่ยวกับคำถามของคุณ VMA ยังคงเป็นค่าเฉลี่ยเคลื่อนที่แบบเอ็กซ์โปเนนตัล (EMA) etfhqblog20101108exposential-moving-average แต่มีอัลฟาแบบไดนามิกแทนค่าคงที่ EMA ทั้งหมดใช้ค่าเฉลี่ยก่อนหน้านี้เมื่อเดินหน้าต่อไป แต่ต้องมีการเพาะที่หมายเลขไว้ตั้งแต่เริ่มต้น (โดยปกติคือการปิดก่อนหน้า) EMA EMA (1) (Close EMA (1)) หากคุณยังคงใช้การปิดก่อนหน้านี้ค่าเฉลี่ยจะติดตามราคาให้ใกล้เคียงกับการจับคู่เกือบทั้งหมด ดาวน์โหลดแผ่นกระจายหากคุณ haven8217t แล้วและได้ลอง ไปที่เซลล์ J5 ที่ส่วนท้ายของสูตรจะพูดว่า IF (J482438221, J4 (2 (I51)) (E5-J4), 82218221)) เปลี่ยนค่านี้ให้อ่าน IF (E482438221, E4 (2 (I51)) (E5 - E4), 82218221)) เติมสูตรนี้ลงด้านล่างของคอลัมน์และจะอ้างอิงถึงตำแหน่งปิดก่อนหน้านี้แทนที่จะเป็น VMA ก่อนหน้า BTW ฉันเพิ่งสังเกตเห็นว่าฉันได้ตั้งค่าสเปรดชีตเป็นการปรับปรุงการคำนวณด้วยตนเองแทนที่จะเป็นแบบอัตโนมัติ คุณอาจต้องการเปลี่ยนหรือดาวน์โหลดอีกครั้งเนื่องจากฉันได้แก้ไขปัญหาแล้ว sayyed 5 ปีที่ผ่านมาฉันใช้ VMA พร้อมกับ MA8217s อื่น ๆ (ง่าย exp, weighted, vol ถ่วงน้ำหนักสามเหลี่ยม) ฉันควรใช้ช่วงเวลาเดียวกันสำหรับ VMA เป็นระยะเวลาสำหรับค่าเฉลี่ยอื่น ๆ หรือไม่ฉันใช้จุดตัดเป็นจุดซื้อของฉันเป็น MA8217 อื่นหรือควรใช้ทิศทางของ VMA เป็นสัญญาณ buysell ของฉันขอบคุณสำหรับการสนับสนุนของคุณ Derry Brown 5 ปีที่ผ่านมาคุณสามารถดูผลการทดสอบหลาย MA ที่คุณกล่าวถึงได้ที่นี่ 8211 etfhqblog20100525best-technical-indicators คำตอบสำหรับคำถามของคุณขึ้นอยู่กับว่าคุณใช้พวกเขาเป็นส่วนหนึ่งของระบบเครื่องกลหรือการตัดสินใจ ฉันไม่ได้ทดสอบผลของการไขว้ระหว่าง MA ชนิดต่างๆ แต่ฉัน wouldn8217t คาดหวังว่านี่จะเป็นแนวทางที่มีประสิทธิภาพ ค่าเฉลี่ยเคลื่อนที่แต่ละประเภทมีค่าไม่ซ้ำกันดังนั้นจึงไม่จำเป็นต้องใช้ระยะเวลาราบเรียบเท่ากันและ VMA แตกต่างไปจากนี้โดยจะต้องเป็นค่าเฉลี่ยแยกต่างหาก หวังว่านี่จะช่วยให้ Derry