การปรับตัว เคลื่อนไหว เฉลี่ย mt4 ตัวบ่งชี้

MetaTrader 5 - Indicators. Adaptive Moving Average AMA - ตัวบ่งชี้สำหรับ MetaTrader 5.Adaptive Moving Average AMA ใช้สำหรับสร้างค่าเฉลี่ยเคลื่อนที่โดยมีความไวต่ำต่อเสียงซีรีส์ราคาและมีความล่าช้าน้อยที่สุดสำหรับการตรวจสอบแนวโน้มตัวบ่งชี้นี้ได้รับการพัฒนาและอธิบาย โดย Perry Kaufman ในหนังสือของเขาฉลาด Trading. One ของข้อเสียของอัลกอริทึมที่ราบเรียบที่แตกต่างกันสำหรับชุดราคาคือ leaps ราคาอุบัติเหตุสามารถทำให้ลักษณะของสัญญาณแนวโน้มเท็จบนมืออื่น ๆ ที่ราบรื่นนำไปสู่ความล่าช้าหลีกเลี่ยงไม่ได้ในการคาดการณ์แนวโน้มตัวบ่งชี้นี้ ได้รับการพัฒนาเพื่อเอาชนะข้อเสียเปรียบทั้งสองข้อนี้ตัวบ่งชี้การเปลี่ยนแปลงตัวบ่งชี้การปรับตัวเพื่อกำหนดสภาวะตลาดในปัจจุบัน Kaufman ได้นำแนวคิดเรื่อง ER Ratio ซึ่งคำนวณโดยสูตรด้านล่างนี้ i - ค่าปัจจุบันของอัตราส่วนประสิทธิภาพ Signal i ABS Price i - ราคา i - ค่าสัญญาณ N - current, ค่าสัมบูรณ์ของความแตกต่างระหว่างราคาปัจจุบันและราคา N งวดที่แล้ว i Sum Price i - Price I-1, N-current noise value, ผลรวมของค่าสัมบูรณ์ของความแตกต่างระหว่างราคาของงวดปัจจุบันกับราคาของงวดก่อนหน้าสำหรับระยะเวลา N เนื่องจากแนวโน้มการเติบโตของประสิทธิภาพ ER จะ มีแนวโน้มที่จะเป็น 1 ถ้าไม่มีการเคลื่อนไหวโดยตรงจะมีค่ามากกว่า 0. ค่าที่ได้จาก ER จะถูกใช้ในสูตรการให้ความราบเรียบแบบเอ็กซเรเนนเนลเอไอเอ i i i-1 1 SC. SC 2 n 1 - EMA ทำให้ค่าคงที่ของค่าคงที่ n - ระยะเวลาของการเคลื่อนย้ายที่เป็นไปได้EMEMA i-1 - ค่าก่อนหน้าของ EMA. อัตราส่วนการให้ราบเรียบสำหรับเสาตลาดที่รวดเร็วจะเท่ากับ EMA ที่มีระยะเวลา 2 เร็ว SC 2 2 0 0 6667 และสำหรับระยะเวลา ไม่มีแนวโน้มระยะเวลา EMA ต้องเท่ากับ 30 ช้า SC 2 30 1 0 06452 ดังนั้นค่าคงที่การปรับค่าการเปลี่ยนใหม่จะนำค่าคงที่ที่ราบเรียบขึ้นมาให้ SSC. SSC i ER i fast SC - ช้า SC ช้า SC. SSC i ER i 0 60215 0 06425 สำหรับอิทธิพลที่มีประสิทธิภาพมากขึ้นของค่าคงที่ที่ได้รับในระยะเวลาเฉลี่ย Kaufman ขอแนะนำให้ใช้งานการค่อยเป็นค่อยไปสูตรการคำนวณขั้นต้น AMA i Pri i i-1 i SSC i 2 AMA i-1 1-SSC i 2. หรือหลังจากการจัดเรียงใหม่ i AMA i-1 SSC i 2 i ราคา - AMA i-1.AMA i - มูลค่าปัจจุบันของ AMA. AMA i-1 - ก่อนหน้า ค่าของค่า AMA. SSC i - ค่าปัจจุบันของค่าคงที่การปรับให้เรียบที่ปรับได้ถ้อยคำที่แปลจากรัสเซียโดย MetaQuotes Software Corp รหัสต้นฉบับ CAN ฉันใช้ IT กับ MT4 TRADER. Forum ในการซื้อขายระบบการซื้อขายอัตโนมัติและกลยุทธ์การซื้อขายการทดสอบตัวชี้วัด AMASTLHTF newdigital, 2014 07 13 12 00 Adaptive Moving Average ค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ AMA เป็นชื่อที่แสดงให้เห็นคือการปรับตัวของค่าเฉลี่ยเคลื่อนที่โดยมีการออกแบบมาเพื่อปรับให้เข้ากับตลาดแบบไดนามิกตามต้องการ ---- ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย SMA และลูกพี่ลูกน้องถ่วงน้ำหนักเคลื่อนที่โดยเฉลี่ย WMA และเลขยกกำลัง ค่าเฉลี่ยเคลื่อนที่ EMA ทำงานได้ดีเมื่อตลาดมีแนวโน้มอย่างไรก็ตามเมื่อตลาดอยู่ในขอบเขตที่พวกเขารับมากของตลาดเสียงสร้างสัญญาณก่อนวัยอันควรนอกจากนี้พวกเขาทั้งหมดล้าหลังเจื่องในธรรมชาติในการแสวงหาเพื่อแก้ไขข้อบกพร่องของการย้ายค่าเฉลี่ย , เพอร์รี่เจ Kaufmann, เป็นครั้งแรกที่เปิดตัวค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ในหนังสือของเขาการค้าที่ชาญฉลาดเพิ่มประสิทธิภาพในการเปลี่ยนแปลงตลาด 20 วัน SMA AMA ในการดำเนินการก่อนที่จะมีการแนะนำ AMA ของนาย Kaufmann ผู้ค้าใช้การรวมกันของค่าเฉลี่ยเคลื่อนที่มากกว่าค่าเฉลี่ยเดียวเช่น Double Crossover Method และ วิธี Triple Crossover เหตุผลเบื้องหลังการรวมกันของค่าเฉลี่ยเคลื่อนที่หลายค่าขึ้นอยู่กับข้อเท็จจริงต่อไปนี้ค่าเฉลี่ยเคลื่อนที่เร็วซึ่งมักประกอบด้วยช่วงเวลาที่สั้นลงเช่นระยะเวลา 5 วันทำดีที่สุดเมื่อตลาดมีการเคลื่อนไหวโดยเฉลี่ยโดยเฉลี่ยซึ่งประกอบด้วย ระยะเวลานานเช่นระยะเวลา 50 วันทำได้ดีที่สุดเมื่อตลาดอยู่ในช่วงที่ผูกพันดังนั้นการกรองเสียงส่วนใหญ่ในอัจฉริยะใน Kaufmann s AMA เป็นระบบที่ฉลาดพอที่จะเปลี่ยนแปลงความเร็วตามทิศทางการรวมกันของตลาดและความเร็วใน คำอื่นเมื่อตลาดมีแนวโน้ม AMA ความเร็วขึ้นพร้อมกับแนวโน้มเมื่อตลาดมีขอบเขต จำกัด และไม่มีอะไร AMA ช้าลงดังนั้น มันสมควรได้รับชื่อปรับตัวตามที่ตนเองปรับทิศทางของตลาดและความเร็ว Kaufmann s AMA บรรลุทิศทางของความรู้สึกของตลาดและความเร็วโดย incoporating ประสิทธิภาพอัตราส่วนกฎการซื้อขายปรับ Adaptive ตามกฎการค้าสำหรับปรับซื้อเฉลี่ยซื้อเมื่อ AMA เปลี่ยน เพิ่มขึ้นเมื่อ AMA ผันแปรลง Kaufman Adaptive Moving Trading Strategy เฉลี่ยการตั้งค่าตัวกรองกลยุทธ์การซื้อขายของฉันนักพัฒนาซอฟต์แวร์ Perry Kaufman Kaufman การปรับค่าเฉลี่ย KAMA Source Kaufman, PJ 1995 การค้าที่ชาญฉลาดปรับปรุงประสิทธิภาพในการเปลี่ยนแปลงตลาดนิวยอร์ก McGraw-Hill, Inc แนวคิดกลยุทธ์การซื้อขาย ตามการปรับตัวกรองเสียงรบกวนเป้าหมายการวิจัยการตรวจสอบสมรรถนะของการตั้งค่าและตัวกรองข้อมูลจำเพาะตารางที่ 1 ผลภาพ 1-2 การตั้งค่าทางการค้าระยะยาวการปรับค่าเฉลี่ย AMA จะเปลี่ยนค่า Short Trades ค่าเฉลี่ยการปรับเปลี่ยนค่าเฉลี่ยจะลดลงหมายเหตุเส้นแนวโน้ม AMA จะหยุดลงเมื่อ ตลาดไม่มีทิศทางเมื่อแนวโน้มตลาด AMA เทรนด์จับ Trade En ลอง Longtrade A ซื้อที่ปิดถูกวางไว้หลังจากการตั้งค่าการตั้งค่าสั้น A ขายที่ปิดถูกวางไว้หลังจากการตั้งค่าขาประจำการค้าออกจากตารางที่ 1 พอร์ตโฟลิโอ 42 ตลาดซื้อขายล่วงหน้าจากสี่ภาคตลาดที่สำคัญสินค้าโภคภัณฑ์สกุลเงินอัตราดอกเบี้ยและดัชนีหุ้น ข้อมูล 32 ปีนับตั้งแต่ปีพ. ศ. 2523 ทดสอบความไวของ MATLAB. II ทั้ง 3 มิติตามแผนภูมิ 2 มิติสำหรับปัจจัยด้านกำไรอัตราส่วนของ Sharpe ดัชนีชี้วัดประสิทธิภาพการไหลเวียนโลหิต CAGR การเบิกใช้สูงสุดเปอร์เซ็นต์การทำกำไรและ Avg Avg Avg อัตราส่วนความสูญเสียภาพสุดท้ายแสดงความไวของ Equity Curve ตัวแปรที่วัดได้ ERLength FilterIndex คำจำกัดความตารางที่ 1. รูปที่ 1 Portfolio Performance Inputs ตารางที่ 1 Commission Slippage 0.AMA ERLength คือค่าเฉลี่ยการเคลื่อนที่แบบปรับตัวในช่วง ERLength ERLength เป็นระยะเวลามองย้อนกลับของ อัตราส่วนประสิทธิภาพ ER ER i Abs ทิศทาง i ความผันผวนของ i, โดยที่ abs เป็นค่าสัมบูรณ์ค่าทิศทาง i ปิด i ปิด i ERLength, ความผันผวน i abs DeltaClose i, ERLength ซึ่งเป็นผลรวมของ o ระยะเวลาของ ERLength, DeltaClose i ปิด i ปิด i 1 FastMALength เป็นช่วงของค่าเฉลี่ยเคลื่อนที่เร็ว SlowMALength เป็นช่วงของค่าเฉลี่ยเคลื่อนที่ช้า AMA i AMA i 1 ci ปิด i AMA i 1 โดยที่ ci ER i Fast Slow Slow 2, Fast 2 FastMALength 1, Slow 2 SlowMALength 1 ดัชนี i. ERLength 2, 100, ขั้นตอนที่ 2 FastMALength 2 SlowMALength 30.Long Trades หาก AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว MinAMA AMA i 1 ปรับค่าเฉลี่ยเคลื่อนที่ขึ้น กับเดือยที่ Minama ค้าระยะสั้น AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว MaxAMA AMA i 1 ค่าเฉลี่ยเคลื่อนที่ปรับเปลี่ยนลงกับ pivot ที่ MaxAMA ดัชนี i. Filter i FilterIndex StdDev AMA i AMA i 1, N, ที่ StdDev เป็นค่าเบี่ยงเบนมาตรฐานของชุดข้อมูลมากกว่าช่วง N N 20 ค่าดีฟอลต์ดัชนี i. FilterIndex 0 0, 1 0, ขั้นตอน 0 02 N 20. กลุ่มธุรกิจขนาดใหญ่ซื้อเมื่อปิดถูกวางเมื่อ AMA i AMA i 1 AMA i MinAMA Filter i Short การค้าการขายเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 MaxAMA AMA i ตัวกรอง i ดัชนี i. Stop Loss Exit ATR ATRLength เป็นค่าเฉลี่ย True Range ov ระยะเวลา ATRLength ATRStop เป็นหลาย ATR ATRLength Long Trades หยุดการขายถูกวางไว้ที่ตำแหน่ง ATR ATRLength ATRStop Short Trades หยุดการซื้อจะอยู่ที่รายการ ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.ERLength 2, 100, ขั้นตอนที่ 2 FilterIndex 0 0, 1 0, ขั้นตอนที่ 0 02.Kaufman s ค่าเฉลี่ยการปรับตัวของค่าเฉลี่ย KAMA. Kaufman's Adaptive Moving Average KAMA. พัฒนาโดย Perry Kaufman, Kaufman's Adaptive Movement Average KAMA เป็นค่าเฉลี่ยเคลื่อนที่ที่ได้รับการออกแบบมาเพื่อรองรับความผันผวนของตลาดหรือความผันผวนของ KAMA อย่างใกล้ชิด ตามราคาเมื่อการแกว่งตัวของราคามีขนาดเล็กและเสียงต่ำ KAMA จะปรับเมื่อการแกว่งขึ้นของราคาและติดตามราคาจากระยะทางที่สูงกว่าตัวบ่งชี้แนวโน้มนี้สามารถใช้เพื่อระบุแนวโน้มโดยรวมจุดเปลี่ยนเวลาและการเคลื่อนไหวของราคาตัวกรอง มีหลายขั้นตอนที่จำเป็นในการคำนวณ Kaufman's Adaptive Moving Average ให้เริ่มต้นครั้งแรกกับการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA 10,2,30.10 คือจำนวนงวดสำหรับ อัตราส่วนประสิทธิภาพ ER.2 คือจำนวนรอบระยะเวลาสำหรับค่าคงที่ของ EMA ที่เร็วที่สุด 30 คือจำนวนงวดที่มีค่า EMA ที่ช้าที่สุดก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC โดยแบ่งสูตรออกเป็น ขนาดของตัวนักเก็ตทำให้ง่ายต่อการเข้าใจวิธีการหลังตัวบ่งชี้หมายเหตุที่ ABS หมายถึง Absolute Value. Efficiency Ratio ER ER เป็นพื้นฐานการเปลี่ยนแปลงราคาที่ปรับตามความผันผวนของรายวันในแง่สถิติอัตราส่วนประสิทธิภาพบอกให้เราทราบถึงประสิทธิภาพของ fractal ของการเปลี่ยนแปลงราคา ER มีความผันผวนระหว่าง 1 ถึง 0 แต่สุดขั้วเหล่านี้เป็นข้อยกเว้นไม่ใช่บรรทัดฐาน ER จะเป็น 1 หากราคาเพิ่มขึ้น 10 ช่วงเวลาต่อเนื่องหรือลดลง 10 งวดติดต่อกัน ER จะเป็นศูนย์ถ้าราคาไม่เปลี่ยนแปลงในช่วงระยะเวลา 10 ปี Smoothing Constant SC ค่าคงที่ของการปรับให้ราบเรียบใช้ค่า ER และค่าความเรียบ 2 อันโดยอิงตามค่าเฉลี่ยเคลื่อนที่ที่อธิบายไว้ขณะที่ Smoothing Constant ใช้ค่าความราบเรียบ มดสำหรับค่าเฉลี่ยเคลื่อนที่ที่อธิบายในสูตรของ 2 30 1 คือค่าคงที่ที่ราบเรียบสำหรับ EMA 30 ที่เร็วที่สุดคือค่าความราบเรียบสำหรับช่วง EMA ที่สั้นกว่า 2 ที่ช้าที่สุด Slow ที่สั้นที่สุดคือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่ต่ำที่สุด 30 งวดหมายเหตุ ที่ 2 ในตอนท้ายคือการกำหนดสมการด้วยอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC ขณะนี้เราพร้อมแล้วที่จะคำนวณค่า KAMA KAMA ของ Adaptive Movement Average ของ Kaufman เนื่องจากเราจำเป็นต้องมีค่าเริ่มต้นในการคำนวณ KAMA ตัวแรก ค่าเฉลี่ยการเคลื่อนที่แบบง่ายการคำนวณต่อไปนี้ใช้สูตรด้านล่างแผนภูมิการคำนวณตัวอย่างภาพด้านล่างแสดงภาพหน้าจอจากกระดาษคำนวณ Excel ที่ใช้ในการคำนวณ KAMA และ QQQ chart ที่สอดคล้องกันการใช้และ SignalsChartists สามารถใช้ KAMA ได้เหมือนกับทุกอื่น ๆ ตัวบ่งชี้ต่อไปนี้เช่นค่าเฉลี่ยเคลื่อนที่ Chartists สามารถมองหา crosses ราคาการเปลี่ยนแปลงทิศทางและ filtered สัญญาณขั้นแรกข้ามด้านบนหรือด้านล่าง KAMA บ่งชี้ว่าทิศทางการเปลี่ยนแปลงราคาเช่นเดียวกับ ค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์แบบง่ายๆจะสร้างจำนวนมากของสัญญาณและจำนวนมาก whipsaws Chartists สามารถลด whipsaws โดยใช้ตัวกรองราคาหรือเวลาไป crossovers หนึ่งอาจต้องมีราคาถือข้ามสำหรับจำนวนชุดของวันหรือต้องข้ามเกิน KAMA โดยร้อยละที่ตั้งไว้ประการที่สองแผนภูมิสามารถใช้ทิศทางของ KAMA เพื่อกำหนดแนวโน้มโดยรวมสำหรับการรักษาความปลอดภัยซึ่งอาจต้องมีการปรับพารามิเตอร์ให้เรียบตัวบ่งชี้ต่อ Chartists สามารถเปลี่ยนพารามิเตอร์กลางซึ่งเป็นค่าคงที่ EMA ที่เร็วที่สุดเพื่อให้ราบรื่น KAMA และมองหาทิศทางการเปลี่ยนแปลงแนวโน้มมีลงตราบเท่าที่ KAMA กำลังตกลงและการหลบลงต่ำสุดแนวโน้มจะเพิ่มขึ้นตราบเท่าที่ KAMA กำลังเพิ่มขึ้นและปลอมความได้สูงขึ้นตัวอย่าง Kroger ด้านล่างแสดง KAMA 10,5,30 กับขาขึ้นที่สูงชันจากธันวาคม จนถึงเดือนมีนาคมและแนวโน้มขาขึ้นที่น้อยลงตั้งแต่เดือนพฤษภาคมถึงสิงหาคมและในที่สุดนักเกรเทอร์สามารถรวมสัญญาณและเทคนิค Chartists สามารถใช้ KAMA ระยะยาวเพื่อกำหนดแนวโน้มที่ใหญ่กว่าและ KAM ระยะสั้น A สำหรับสัญญาณการซื้อขายตัวอย่างเช่น KAMA 10,5,30 สามารถใช้เป็นตัวกรองแนวโน้มและถือเป็น bullish เมื่อเพิ่มขึ้นเมื่อ bullish, chartists แล้วสามารถมองหา bullishes รั้นเมื่อราคาเคลื่อนไปเหนือ KAMA 10,2,30 ตัวอย่างด้านล่างแสดง MMM มี KAMA ระยะยาวที่เพิ่มขึ้นและขาขึ้นในเดือนธันวาคม, มกราคมและกุมภาพันธ์ KAMA ระยะยาวลดลงในเดือนเมษายนและมีการปรับตัวลดลงในเดือนพฤษภาคม, มิถุนายนและกรกฏาคม. KAMA สามารถพบได้เป็นตัวบ่งชี้การแสดงข้อมูลใน SharpCharts workbench การตั้งค่าเริ่มต้นจะปรากฏขึ้นโดยอัตโนมัติในช่องพารามิเตอร์เมื่อได้รับการคัดเลือกแล้วและแผนภูมิสามารถเปลี่ยนแปลงพารามิเตอร์เหล่านี้เพื่อให้เหมาะกับความต้องการในการวิเคราะห์ของพวกเขาพารามิเตอร์แรกสำหรับอัตราส่วนประสิทธิภาพและแผนภูมิควรงดเว้นจากตัวเลขที่เพิ่มขึ้นเหล่านี้สามารถช่วยลดความไวได้ มองไปที่ราบรื่น KAMA สำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่มพารามิเตอร์กลางเพิ่มขึ้นแม้ว่าความแตกต่างเพียง 3, KAMA 10,5,30 เป็นอย่างมากนุ่มนวลกว่า หนังสือเล่มนี้มีรายละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบรวมทั้งรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการจัดซื้อและวิธีการเพอร์รี่ลิตร