Kaufman Adaptive Moving Average Amibroker

As médias móveis adaptáveis ​​levam a melhores resultados As médias móveis são uma ferramenta favorita de comerciantes ativos. No entanto, quando os mercados se consolidam, este indicador leva a numerosas negociações whipsaw, resultando em uma frustrante série de pequenas vitórias e perdas. Analistas passaram décadas tentando melhorar a média móvel simples. Neste artigo, olhamos para esses esforços e descobrimos que sua pesquisa levou a ferramentas de negociação úteis. Prós e contras de médias móveis As vantagens e desvantagens de médias móveis foram resumidas por Robert Edwards e John Magee na primeira edição de Análise Técnica de médias móveis. Tendências das ações. Quando eles disseram e, foi em 1941 que nós delightedly fizemos a descoberta (embora muitos outros tinham feito antes) que, pela média dos dados para um determinado número de dias, um poderia derivar uma espécie de linha de tendência automatizada que iria interpretar definitivamente as mudanças de Era quase bom demais para ser verdade. Na verdade, era bom demais para ser verdade. Com as desvantagens que compensam as vantagens, Edwards e Magee abandonaram rapidamente seu sonho de negociar de um bungalow da praia. Mas 60 anos depois que escreveram essas palavras, outros persistem em tentar encontrar uma ferramenta simples que facilmente entregar as riquezas dos mercados. Médias Móveis Simples Para calcular uma média móvel simples. Adicione os preços para o período de tempo desejado e divida pelo número de períodos selecionados. Encontrar uma média móvel de cinco dias exigiria somar os cinco preços de fechamento mais recentes e dividir por cinco. Se o fechamento mais recente estiver acima da média móvel, o estoque seria considerado em uma tendência de alta. As tendências de baixa são definidas por preços negociando abaixo da média móvel. (Para mais, veja nosso tutorial de Médias Móveis.) Esta propriedade que define tendências torna possível que as médias móveis gerem sinais de negociação. Em sua aplicação mais simples, os comerciantes compram quando os preços se movem acima da média móvel e vendem quando os preços cruzam abaixo dessa linha. Uma abordagem como esta é garantida para colocar o comerciante no lado direito de cada comércio significativo. Infelizmente, ao suavizar os dados, as médias móveis ficam para trás a ação do mercado eo comerciante quase sempre vai dar uma grande parte dos seus lucros em até mesmo os maiores negócios vencedores. As médias móveis exponenciais Os analistas parecem gostar da idéia da média movente e gastaram anos que tentam reduzir os problemas associados com este lag. Uma dessas inovações é a média móvel exponencial (EMA). Essa abordagem atribui uma ponderação relativamente maior aos dados recentes e, como resultado, fica mais próxima da ação do preço do que uma média móvel simples. A fórmula para calcular uma média móvel exponencial é: EMA (Weight Close) (EMAy de 1 peso) Onde: Peso é a constante de suavização selecionada pelo analista EMAy é a média móvel exponencial de ontem Um valor de ponderação comum é 0.181, que Está perto de uma média móvel simples de 20 dias. Outra é 0,10, que é aproximadamente uma média móvel de 10 dias. Embora reduza o lag, a média móvel exponencial não aborda outro problema com médias móveis, que é que seu uso para negociar sinais conduzirá a um grande número de comércios perdedores. Em Novos Conceitos em Sistemas Técnicos de Negociação. Welles Wilder estima que os mercados só tendem um quarto do tempo. Até 75 da ação de negociação é confinada a intervalos estreitos, quando os sinais de compra e venda de média móvel serão repetidamente gerados à medida que os preços se movem rapidamente acima e abaixo da média móvel. Para resolver este problema, vários analistas têm sugerido variando o fator de ponderação do cálculo EMA. Adaptação das médias móveis à ação do mercado Um método de resolver as desvantagens das médias móveis é multiplicar o fator de ponderação por uma razão de volatilidade. Fazer isso significaria que a média móvel seria mais longe do preço atual em mercados voláteis. Isso permitiria que os vencedores para executar. Como uma tendência chega ao fim e os preços se consolidam. A média móvel se aproximaria da atual ação de mercado e, em teoria, permitiria ao comerciante manter a maior parte dos ganhos capturados durante a tendência. Na prática, a razão de volatilidade pode ser um indicador como a Bollinger Bandwidth, que mede a distância entre as Bandas de Bollinger conhecidas. Perry Kaufman sugeriu substituir a variável de peso na fórmula EMA com uma constante baseada no índice de eficiência (ER) em seu livro, New Trading Systems and Methods. Este indicador é projetado para medir a força de uma tendência, definida dentro de uma faixa de -1,0 a 1,0. Calcula-se com uma fórmula simples: ER (mudança de preço total para o período) (soma das variações de preços absolutos para cada barra) Considere um estoque que tem um intervalo de cinco pontos cada dia e no final de cinco dias ganhou um total De 15 pontos. Isso resultaria em um ER de 0,67 (movimento ascendente de 15 pontos dividido pelo intervalo total de 25 pontos). Se este estoque tivesse diminuído 15 pontos, o ER seria -0,67. O princípio de uma tendência de eficiência baseia-se na quantidade de movimento direcional (ou tendência) que você obtém por unidade de movimento de preço ao longo de um período de tempo. Definido. Um ER de 1,0 indica que o estoque está em uma tendência de alta perfeita -1,0 representa uma tendência de baixa perfeita. Em termos práticos, os extremos raramente são atingidos. Para aplicar este indicador para encontrar a média móvel adaptativa (AMA), os operadores terão de calcular o peso com a seguinte fórmula, bastante complexa: C (ER SCF SCS) SCS 2 Onde: SCF é a constante exponencial para o mais rápido EMA permitido (geralmente 2) SCS é a constante exponencial para o EMA mais lento permitido (freqüentemente 30) ER é o índice de eficiência que foi anotado acima O valor para C é então usado na fórmula EMA em vez da variável de peso mais simples. Embora difícil de calcular à mão, a média móvel adaptável é incluído como uma opção em quase todos os pacotes de software de negociação. Exemplos de uma média móvel simples (linha vermelha), uma média móvel exponencial (linha azul) e a média móvel adaptativa (linha verde) são mostrados na Figura 1. (Para mais informações sobre a EMA, leia Explorando a Média Móvel Ponderada Exponencialmente. Figura 1: O AMA está em verde e mostra o maior grau de achatamento na ação de intervalo-bound visto no lado direito deste gráfico. Na maioria dos casos, a média móvel exponencial, mostrada como a linha azul, é a mais próxima da ação de preço. A média móvel simples é mostrada como a linha vermelha. As três médias móveis mostradas na figura são todas propensas a negociações whipsaw em vários momentos. Esta desvantagem para as médias móveis tem até agora sido impossível de eliminar. Conclusão Robert Colby testou centenas de ferramentas de análise técnica na Enciclopédia de Indicadores Técnicos de Mercado. Ele concluiu: Embora a média móvel adaptativa seja uma idéia interessante com um interesse intelectual considerável, nossos testes preliminares não mostram qualquer vantagem prática real para este método de alisamento de tendências mais complexo. Isso não significa que os comerciantes devem ignorar a idéia. A AMA poderia ser combinada com outros indicadores para desenvolver um sistema de comércio rentável. (Para obter mais informações sobre este tópico, leia Descobrindo Canais Keltner E O Oscilador Chaikin.) O ER pode ser usado como um indicador de tendência stand-alone para detectar as oportunidades comerciais mais rentáveis. Como um exemplo, razões acima de 0,30 indicam fortes tendências de alta e representam compras potenciais. Alternativamente, uma vez que a volatilidade se move em ciclos, os estoques com o menor índice de eficiência podem ser vistos como oportunidades de breakout. Estratégia de negociação média móvel adaptável de Kaufman (Setup 038 Filter) I. Estratégia de negociação Desenvolvedor: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA). Fonte: Kaufman, P. J. (1995). Negociação mais inteligente. Melhorar o desempenho em mercados em mudança. New York: McGraw-Hill, Inc. Conceito: Estratégia de negociação baseada em um filtro de ruído adaptativo. Objetivo da pesquisa: Verificação de desempenho da configuração e do filtro. Especificação: Tabela 1. Resultados: Figura 1-2. Configuração de comércio: longas operações: a média móvel adaptável (AMA) aparece. Operações curtas: A média móvel adaptável baixa. Nota: A linha de tendência AMA parece parar quando os mercados não têm direção. Quando os mercados tendem, a linha de tendência AMA alcança. Entrada de Comércio: Long Trades: Uma compra no fim é colocado depois de uma configuração de alta. Curta Trades: Uma venda no fechamento é colocado depois de uma configuração de baixa. Trade Exit: Tabela 1. Carteira: 42 mercados de futuros de quatro grandes setores de mercado (commodities, moedas, taxas de juros e índices de ações). Dados: 32 anos desde 1980. Plataforma de Teste: MATLAB. II. Teste de Sensibilidade Todos os gráficos 3-D são seguidos por gráficos de contorno em 2D para o Fator de Lucro, Índice de Sharpe, Índice de Desempenho de Úlcera, CAGR, Drawdown Máximo, Ganhe Média Razão de Perdas. A imagem final mostra a sensibilidade da curva de equidade. Variáveis ​​Testadas: ERLength amp FilterIndex (Definições: Tabela 1): Figura 1 Desempenho da Carteira (Entradas: Tabela 1 Comission amp Slippage: 0). AMA (ERLength) é a média móvel adaptativa durante um período de ERLength. ERLength é um período de reflexão da Eficiência Ratio (ER). ERi abs (Directioni Volatilityi), onde 8220abs8221 é o valor absoluto. , Onde 82208221 é a soma ao longo de um período de ERLength, DeltaClosei Closei Closei 1. FastMALength é um período da média móvel rápido. SlowMALength é um período da média de movimento lento. AMAi AMAi 1 ci (Closei AMAi 1), onde ci (ERi (Fast Slow) Slow) 2, Fast 2 (FastMALength 1), Slow 2 (SlowMALength 1). Índice: i ERLength 2, 100, Step 2 FastMALength 2 SlowMALength 30 Long Negociações: Se AMAi gt AMAi 1 amp AMAi 1 lt AMAi 2 então MinAMA AMAi 1 (Adaptive Moving Average aparece com um pivô no MinAMA). Curtas: AMAi lt AMAi AMAi 1 amp AMAi 1 gt AMAi 2 então MaxAMA AMAi 1 (média móvel adaptável gira para baixo com um pivô em MaxAMA). Índice: Filteri FilterIndex StdDev (AMAi AMAi 1, N), onde StdDev é o desvio padrão de séries sobre N períodos. N 20 (valor padrão). Índice: i FilterIndex 0,0, 1,0, Passo 0,02 N 20 Trades Long: Uma compra no fechamento é colocado quando AMAi gt AMAi 1 amp (AMAi MinAMA) gt Filteri. Curta Trades: Uma venda no fechamento é colocado quando AMAi lt AMAi 1 amp (MaxAMA AMAi) gt Filteri. Índice: i Parar Perda Saída: ATR (ATRLength) é a média True Range durante um período de ATRLength. ATRStop é um múltiplo de ATR (ATRLength). Long Trades: Um stop de venda é colocado na entrada ATR (ATRLength) ATRStop. Curtas: Uma parada de compra é colocada na entrada ATR (ATRLength) ATRStop. ATRLength 20 ATRStop 6 ERLength 2, 100, Passo 2 FilterIndex 0.0, 1.0, Step 0.02A média móvel adaptativa (AMA) também conhecida como Kaufman Adaptive Moving Average (KAMA) A média móvel adaptativa (AMA) também foi criada por Kaufman Adaptive Moving Average (KAMA) Perry Kaufman e apresentado pela primeira vez em seu livro Smarter Trading (1995). Esta média móvel ofereceu uma vantagem significativa sobre as tentativas anteriores em 8216intelligent8217 médias porque permitiu ao usuário maior controle. A variável Moving Average 8211 VMA (1992), por exemplo, não ofereceu limite superior ou inferior ao seu período de suavização. A AMA, por outro lado, permitiu ao usuário definir o intervalo através do qual eles desejavam o alisamento a ser espalhado. Segue-se a mesma teoria que o VMA em que dependendo do ambiente de mercado haverá diferentes quantidades de ruído e, portanto, uma velocidade média móvel diferente será necessária para alcançar os resultados mais rentáveis. Num mercado fortemente tendencial, por exemplo, os níveis de ruído são baixos e uma média móvel mais rápida deve produzir os melhores resultados. Inversamente em um caranguejo ou em um mercado lateral os níveis de ruído são muito elevados e uma média mais lenta é provável ser servida melhor. Como calcular uma média móvel adaptável Começa com o preço Fechar. Depois que AMA é calculado de acordo com a seguinte fórmula: AMA AMA (1) (Fechar AMA (1)) Você vai notar que este é o mesmo que a fórmula para uma média móvel exponencial (EMA): EMA EMA (1) EMA (1)) Mas o Alfa em um EMA é 2 (N 1) assim que permanece constante quando para um AMA o alfa é adaptável: (VI (FC SC)) SC VI Os usuários escolhem uma medida da volatilidade ou da força da tendência, Kaufman Sugeriu sua Eficiência Ratio (ER). SN Sua escolha de uma média lenta de movimento gt FN FN Sua escolha de uma média lenta de movimento lt SN Aqui está um exemplo de uma AMA de 3 períodos com um período de 3 Eficiência Ratio (ER) como o VI: How Squaring Alpha afeta o AMA Alisamento Range Kaufman sugerem que seu AMA tem um FC de 2 e um SC de 30 o que levaria a supor que o alisamento adaptativo seria na faixa de 2 8211 30, mas você estaria errado porque o alfa é quadrado. Por exemplo, vamos definir o VI a zero para que possamos revelar a média mais lenta possível: Agora, para revelar o EMA 8216N8217 alisamento período de alfa: N (EMA) (2) N (EMA) (2 0,0042) 0,0042 N (EMA) 480 Então, na realidade, um AMA com um SN de 30, onde alfa é aumentada para o poder de 2 pode realmente mover tão lentamente como um dia 480 EMA. Agora, para mim que não é muito fácil de usar um parâmetro de 30 que resulta em um período de suavização de 480. Então eu uso a seguinte fórmula para SC e FC vez: P Power que alfa é aumentado para (geralmente 2) SN Sua escolha de Uma média móvel lenta gt FN Agora SN será a média móvel mais lenta resultante mesmo se você alterar o poder que alfa é elevado. Eu também uso o mesmo processo para FN e FC. Vamos olhar novamente para Alpha com o VI definido para zero, o FN em 2 eo SN em 480: Agora, quando revelamos o EMA alisamento período 8216N8217 de alfa deve ser igual ao nosso usuário definido 480: N (EMA) (2) N ( EMA) (2 0,0042) 0,0042 N (EMA) 480 Um olhar mais atento sobre o efeito de Squaring Alpha Compreender o efeito de squaring alfa é muito importante como o gráfico abaixo ilustra: Como você pode ver acima, um período de suavização de entrada de 300 com alfa Quadrado resulta em um período real de suavização de mais de 45.300 que é totalmente inútil. No entanto, este é um cenário que se poderia facilmente usar sem uma compreensão adequada de como funciona o AMA. Em nossos testes estaremos tentando a AMA com alfa aumentada para outros poderes que 2 assim alguns outros exemplos também foram plotados no gráfico acima. Abaixo, analisamos o efeito no alfa ea suavização resultante de um AMA com o Índice de Eficiência tomado diretamente em alfa (1) ou sendo quadrado (2): Usamos nossa fórmula AMA modificada para os gráficos acima para que o FN real e SN Foram idênticas, apesar das alterações ao alfa. Como você pode ver, os resultados alfa quadratura em não apenas um AMA mais lento global, mas um que é muito mais rápido para abrandar quando o alfa diminui. Kaufman obviamente queria que a AMA desacelerasse muito rapidamente quando os dados careciam de uma tendência. Esse efeito é semelhante ao de aumentar a constante 8216N8217 na variável média móvel. É a AMA um bom indicador Como parte da 8216Technical Indicator Fight for Supremacy 8216, vamos colocar a AMA contra vários tipos diferentes de médias móveis e testaremos vários Índices de Volatilidade diferentes como componentes, incluindo: Também estaremos testando a suposição de que o alfa Foi uma boa idéia e vai tentar levantá-lo para vários poderes diferentes. Você pode pensar em quaisquer outros testes valiosos Por favor, deixe-nos saber na seção de comentários na parte inferior. Adaptive Moving Average Arquivo do Excel Eu reuni uma planilha do Excel contendo a média móvel adaptável e disponibilizá-lo para download gratuito. Ele contém uma versão 8216basic8217 que mostra todo o trabalho e um 8216fancy8217 um que irá ajustar automaticamente para o comprimento, bem como o índice de volatilidade que você especificar. Encontre-o na seguinte ligação perto da parte inferior da página em Downloads Indicadores Técnicos: Média Movente Adaptativa (AMA) Adaptive Moving Average Exemplo, VI 50 Day Eficiência Ratio adil 5 anos atrás Eu acho a idéia em torno da média móvel adaptativa muito intersting e atraente , Eu backtested o kaufman AMA através de dois sistemas (sinais de onda binários para sinais de direção de entradas longas e curtas (ama up entrada longa e ama down entrada curta), no entanto eu não poderia concluir que o sistema está executando melhor do que um sistema TF de longo prazo usando SMA Crossovers (50 dias SMA e 200 dias SMA) posso saber as regras de negociação em torno do AMA você que você implementou em sua negociação Derry Brown 5 anos atrás, estou feliz que você está encontrando nossa pesquisa útil. Nós ainda não publicou os resultados de Os testes de cruzamento de média móvel para que eles possam muito bem ser mais eficaz. As regras que você pede são detalhadas na parte inferior de cada página onde publicamos resultados de teste. Eles estão novamente: Uma entrada si Gnal para ir longo (ou sinal de saída para cobrir um curto) para cada média testada foi gerada com um fechar acima dessa média e um sinal de saída (ou sinal de entrada para ir curto) foi gerado em cada fechar abaixo dessa média móvel. Nenhum interesse foi ganho enquanto em dinheiro e nenhum subsídio foi feito para custos de transação ou derrapagem. Os negócios foram testados usando sinais de fim de dia (EOD) e fim de semana (EOW) para dados diários e sinais EOW para dados semanais. Por exemplo. Dados diários com um sinal EOW exigiria que a Semana terminasse acima de uma Média Móvel Diária para abrir um longo ou fechar um curto período. Os dados diários com sinais EOD exigiriam que o preço Diário fechasse acima de uma Média Móvel Diária para abrir um Curto e vice-versa. Os retornos apresentados são o retorno anualizado médio dos 16 mercados durante o período de teste. Os dados utilizados para esses testes estão incluídos na planilha de resultados e mais detalhes sobre nossa metodologia podem ser encontrados aqui. Mais detalhes sobre a metodologia efhqblog20100525best-technical-indicators Por favor, deixe-me saber se você tiver outras dúvidas. Cheers Derry