Kaufman's Adaptive Moving Average KAMA. Kaufman's Adaptive Moving Average KAMA. Developed by Perry Kaufman, Kaufman's Adaptive Moving Average KAMA adalah moving average yang dirancang untuk memperhitungkan kebisingan pasar atau volatilitas KAMA akan mengikuti harga saat ayunan harga relatif kecil dan Kebisingan rendah KAMA akan menyesuaikan bila harga ayunan melebar dan mengikuti harga dari jarak yang lebih jauh Indikator trend berikut ini dapat digunakan untuk mengidentifikasi keseluruhan tren, titik balik waktu dan pergerakan harga filter. Ada beberapa langkah yang diperlukan untuk menghitung Kaufman s. Adaptive Moving Average Mari mula-mula mulailah dengan setting yang direkomendasikan oleh Perry Kaufman, yaitu KAMA 10.2,30.10 adalah jumlah periode untuk Efisiensi Rasio ER.2 adalah jumlah periode untuk konstanta EMA tercepat.30 adalah jumlah Dari periode untuk konstanta EMA paling lambat. Sebelum menghitung KAMA, kita perlu menghitung Rasio Efisiensi ER dan Smoothing Constant SC Memecah formula menjadi ukuran gigitan n Uggets memudahkan untuk memahami metodologi di belakang indikator Perhatikan bahwa ABS adalah singkatan dari Absolute Value. Efficiency Ratio ER. ER pada dasarnya adalah perubahan harga yang disesuaikan dengan volatilitas harian. Dalam istilah statistik, Rasio Efisiensi memberi tahu kita efisiensi fraktal harga Perubahan ER berfluktuasi antara 1 dan 0, namun ekstrem ini adalah pengecualian, bukan norma ER akan menjadi 1 jika harga bergerak naik 10 periode berturut-turut atau turun 10 periode berturut-turut ER akan menjadi nol jika harga tidak berubah selama periode 10.Smoothing Constant SC . Konstanta pemulusan menggunakan ER dan dua konstanta pemulusan berdasarkan rata-rata bergerak eksponensial. Seperti yang mungkin Anda sadari, Konstanta Smoothing menggunakan konstanta pemulusan untuk rata-rata bergerak eksponensial dalam rumus 2 30 1 adalah konstanta pemulusan selama 30 - period EMA SC Tercepat adalah konstanta pemulusan untuk periode EMA 2 yang lebih pendek SC yang paling lambat adalah konstanta pemulusan untuk periode EMA 30 paling lambat Perhatikan bahwa 2 di akhir adalah Untuk mengimbangi persamaan tersebut. Dengan Rasio Efisiensi ER dan Smoothing Constant SC, kita sekarang siap untuk menghitung Kme Bergerak Adaptif Optimal Userfman Karena kita memerlukan nilai awal untuk memulai perhitungan, KAMA pertama hanyalah rata-rata bergerak sederhana. Perhitungan berikut Didasarkan pada rumus di bawah ini. Calculation Example Chart. Gambar di bawah menunjukkan tangkapan layar dari spreadsheet Excel yang digunakan untuk menghitung KAMA dan grafik QQQ yang sesuai. Usage and Signals. Chartists dapat menggunakan KAMA seperti indikator berikut lainnya, seperti indikator Moving average Chartists dapat mencari harga persilangan, perubahan terarah dan sinyal yang disaring. Pertama, sebuah salib di atas atau di bawah KAMA menunjukkan perubahan arah harga. Seperti halnya rata-rata bergerak, sistem crossover sederhana akan menghasilkan banyak sinyal dan banyak whipsaws yang dapat dikurangi oleh Chartists. Whipsaws dengan menerapkan filter harga atau waktu ke crossover Orang mungkin memerlukan harga untuk memegang salib selama beberapa hari atau memerlukan salib yang excee D KAMA dengan persentase yang ditetapkan. Kedua, chartis dapat menggunakan arah KAMA untuk menentukan keseluruhan kecenderungan keamanan. Hal ini mungkin memerlukan penyesuaian parameter untuk memperlancar indikator lebih jauh. Chartists dapat mengubah parameter tengah, yang merupakan konstanta EMA tercepat, untuk melancarkan KAMA dan mencari perubahan arah Tren turun selama KAMA terjatuh dan menambat posisi terendah. Kecenderungannya naik selama KAMA naik dan menempa harga tertinggi Contoh Kroger di bawah ini menunjukkan KAMA 10,5,30 dengan tren naik yang curam dari Desember sampai Maret dan tren kenaikan yang kurang tajam dari bulan Mei sampai Agustus. Dan akhirnya, para chartis dapat menggabungkan sinyal dan teknik Chartists dapat menggunakan KAMA jangka panjang untuk menentukan tren yang lebih besar dan KAMA yang lebih pendek untuk sinyal perdagangan Misalnya, KAMA 10 , 5,30 dapat digunakan sebagai filter tren dan dianggap bullish saat naik. Setelah bullish, chartists kemudian bisa mencari bullish cross ketika harga bergerak di atas KAMA 10,2,30 Contoh di bawah ini menunjukkan MMM dengan KAMA jangka panjang yang meningkat dan banteng Ish cross pada bulan Desember, Januari dan Februari KAMA jangka panjang turun pada bulan April dan ada persilangan bearish di bulan Mei, Juni dan Juli. KAMA dapat ditemukan sebagai indikator overlay di meja kerja SharpCharts Pengaturan default akan otomatis muncul di kotak parameter Setelah dipilih dan para chartis dapat mengubah parameter ini agar sesuai dengan kebutuhan analitisnya Parameter pertama adalah untuk Rasio Efisiensi dan para chartis harus menahan diri untuk tidak meningkatkan jumlah ini. Sebaliknya, para chartis dapat menurunkannya untuk meningkatkan sensitivitas Chartists yang ingin memperlancar KAMA untuk tren jangka panjang. Analisis dapat meningkatkan parameter tengah secara bertahap Meskipun perbedaannya hanya 3, KAMA 10,5,30 secara signifikan lebih halus daripada KAMA 10.2,30. Studi lebih lanjut. Dari pencipta, buku di bawah ini menawarkan informasi terperinci mengenai indikator, program, Algoritma, dan sistem, termasuk rincian tentang KAMA dan sistem rata-rata bergerak lainnya. Sistem dan Metode Perunggasan Perry Kaufman. Kaufman Adaptive Moving Average Trad Strategi Penentuan Strategi Filter. I Trading Strategy. Developer Perry Kaufman Kaufman Adaptive Moving Average KAMA Sumber Kaufman, PJ 1995 Perdagangan Cerdas Meningkatkan Kinerja dalam Mengubah Pasar New York McGraw-Hill, Inc Konsep Strategi perdagangan berdasarkan filter kebisingan adaptif Tujuan Penelitian Verifikasi kinerja Setup dan filter Spesifikasi Tabel 1 Hasil Gambar 1-2 Perdagangan Setup Perdagangan Panjang Moving Average Moving Average AMA menghasilkan Short Trades Moving Average Adaptasi turun Catatan Trendline AMA nampaknya berhenti ketika pasar tidak memiliki arah Bila trend pasar, trendline AMA Menangkap Perdagangan Masuk Long Trades Sebuah pembelian pada penutupan ditempatkan setelah pengaturan bullish Short Trades A sell pada penutupan ditempatkan setelah pengaturan bearish Trade Exit Tabel 1 Portfolio 42 pasar berjangka dari empat sektor utama komoditas, mata uang, suku bunga, Dan indeks ekuitas Data 32 tahun sejak 1980 Platform Pengujian MATLAB. II Uji Sensitivitas. Semua grafik 3-D diikuti oleh 2-D con Chart tur untuk Profit Factor, Sharpe Ratio, Ulcer Performance Index, CAGR, Drawdown Maksimum, Persen Menguntungkan, dan Rata-rata Rugi Rasio Rugi Rata-Rata Gambar terakhir menunjukkan sensitivitas Kurva Ekuitas. Variabel yang Dipuji Definisi ERLength FilterIndex Tabel 1.Gambar 1 Masukan Kinerja Portofolio Tabel 1 Slippage Komisi 0.AMA ERLength adalah Moving Average Adaptive selama periode ERLength ERLength adalah periode lihat kembali Rasio Efisiensi ER ER i abs Arah I Volatilitas i, dimana abs adalah nilai absolut Arah I Close I Close i ERLength, Volatilitas i abs DeltaClose i, ERLength, di mana jumlah dari periode ERLength, DeltaClose i Close I Close i 1 FastMuneength adalah periode fast moving average SlowMALength adalah periode rata-rata pergerakan lambat AMA i AMA i 1 Ci Close i AMA i 1, dimana ci ER i Fast Slow Slow 2, Fast 2 FastMALength 1, Slow 2 SlowMALength 1 Indeks i. ERLength 2, 100, Step 2 FastMuneength 2 SlowMALength 30.Long Trades Jika AMA i AMA i 1 AMA i 1 A MA i 2 kemudian Minama AMA i 1 Adaptive Moving Average muncul dengan pivot di MinAMA Short Trades AMA i AMA i 1 AMA i 1 AMA i 2 maka Maxanding AMA i 1 Adaptive Moving Average turun dengan pivot di Maxama Index i. Filter I FilterIndex StdDev AMA i AMA i 1, N, di mana StdDev adalah deviasi standar dari seri di atas N periode N 20 nilai default Indeks i. FilterIndex 0 0, 1 0, Step 0 02 N 20.Long Trades A beli pada penutupan adalah Ditempatkan saat AMA i AMA i 1 AMA i MinAMA Filter i Short Trades A sell pada penutupan ditempatkan saat AMA i AMA i 1 Maxama AMA i Filter i Index i. Stop Loss Exit ATR ATRLength adalah Range Rata-rata Rata-rata selama periode ATRLength ATRStop adalah kelipatan dari ATR ATRLength Long Trades Perhentian penjualan ditempatkan pada Entry ATR ATRLength ATRStop Short Trades Sebuah stop beli ditempatkan pada Entry ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.ERLength 2, 100, Step 2 FilterIndex 0 0, 1 0 , Langkah 0 02.Do Adaptive Moving Averages Memimpin Untuk Hasil yang Lebih Baik. Rata-rata pergerakan adalah alat favorit trader aktif. Namun, ketika pasar berkonsolidasi, indikator ini menyebabkan banyak perdagangan whipsaw, yang mengakibatkan serangkaian kemenangan dan kerugian kecil yang membuat frustrasi. Analis telah menghabiskan waktu puluhan tahun untuk memperbaiki rata-rata pergerakan sederhana. Pada artikel ini, kita melihat usaha ini dan menemukan bahwa pencarian mereka Telah menghasilkan alat perdagangan yang berguna Untuk membaca latar belakang pada rata-rata bergerak sederhana, lihat Simple Moving Averages Membuat Trends Stand Out Pro dan Kontra Rata-rata Bergerak Keuntungan dan kerugian dari rata-rata bergerak disimpulkan oleh Robert Edwards dan John Magee dalam edisi pertama Analisis Teknis Tren Saham ketika mereka mengatakan dan, pada tahun 1941 kembali kita dengan senang hati membuat penemuan meskipun banyak orang lain telah berhasil melakukannya sebelumnya dengan merata-ratakan data untuk sejumlah hari tertentu, seseorang dapat memperoleh semacam garis tren otomatis yang pasti akan Menafsirkan perubahan tren Sepertinya hampir terlalu bagus untuk menjadi kenyataan. Sebenarnya, itu terlalu bagus untuk menjadi kenyataan. Dengan kelemahannya, outw Dengan keuntungan yang tinggi, Edwards dan Magee dengan cepat meninggalkan impian mereka untuk berdagang dari bungalo pantai. Tetapi 60 tahun setelah mereka menulis kata-kata itu, yang lain tetap berusaha menemukan alat sederhana yang dengan mudah akan mengantarkan kekayaan pasar. Rata-rata Bergerak Sederhana Untuk menghitung Rata bergerak sederhana menambahkan harga untuk periode waktu yang diinginkan dan membagi dengan jumlah periode yang dipilih Menemukan rata-rata pergerakan lima hari akan memerlukan penjumlahan lima harga penutupan terbaru dan dibagi dengan lima. Jika penutupan terakhir berada di atas pergerakan Rata-rata, saham akan dianggap berada dalam tren naik. Dependensi didefinisikan oleh harga perdagangan di bawah rata-rata bergerak. Untuk informasi lebih lanjut, lihat tutorial Moving Averages kami. Properti yang menunjukkan tren ini memungkinkan pergerakan rata-rata untuk menghasilkan sinyal perdagangan. Dalam keadaan yang paling sederhana Aplikasi, pedagang membeli ketika harga bergerak di atas rata-rata bergerak dan menjual saat harga turun di bawah garis itu Pendekatan seperti ini dijamin akan menempatkan tr Ader di sisi kanan setiap perdagangan yang signifikan Sayangnya, saat merapikan data, rata-rata bergerak akan tertinggal dari aksi pasar dan trader hampir akan selalu mengembalikan sebagian besar keuntungan mereka bahkan pada perdagangan terbesar sekalipun. Analis Bergerak Pindah Rata-rata terlihat Untuk menyukai gagasan tentang rata-rata bergerak dan telah menghabiskan bertahun-tahun mencoba untuk mengurangi masalah yang terkait dengan lag ini Salah satu inovasi ini adalah rata-rata bergerak eksponensial EMA Pendekatan ini memberikan bobot yang relatif lebih tinggi terhadap data terakhir, dan akibatnya tetap mendekati Tindakan harga dari rata-rata bergerak sederhana Rumus untuk menghitung rata-rata bergerak eksponensial adalah. EMA Berat Dekat 1-Berat EMAy Where. Weight adalah konstanta pemulusan yang dipilih oleh analis. EMAy adalah rata-rata pergerakan eksponensial dari kemarin. Nilai pembobotan umum Adalah 0 181, yang mendekati rata-rata bergerak sederhana 20 hari Lain adalah 0 10, yang kira-kira merupakan rata-rata pergerakan 10 hari. Meskipun mengurangi lag , Rata-rata bergerak eksponensial gagal mengatasi masalah lain dengan rata-rata bergerak, yang penggunaannya untuk sinyal perdagangan akan menyebabkan sejumlah besar perdagangan rugi. Dalam Konsep Baru dalam Sistem Perdagangan Teknis Welles Wilder memperkirakan bahwa pasar hanya mencapai seperempat dari waktu Hingga 75 tindakan perdagangan terbatas pada rentang yang sempit, ketika sinyal buy-and-sell bergerak rata-rata akan berulang kali dihasilkan karena harga bergerak cepat di atas dan di bawah rata-rata bergerak Untuk mengatasi masalah ini, beberapa analis menyarankan faktor pembobotan yang berbeda-beda. Perhitungan EMA Untuk lebih jelasnya, lihat Bagaimana rata-rata bergerak yang digunakan dalam perdagangan. Mengukur Rata-rata Bergerak ke Tindakan Pasar Salah satu metode untuk mengatasi kerugian rata-rata bergerak adalah dengan mengalikan faktor pembobotan dengan rasio volatilitas. Hal ini berarti rata-rata bergerak akan menjadi Lebih jauh dari harga saat ini di pasar volatile Ini akan memungkinkan para pemenang untuk berjalan Sebagai tren datang ke akhir dan harga mengkonsolidasikan bergerak Rata-rata akan bergerak mendekati aksi pasar saat ini dan, secara teori, membiarkan trader mempertahankan sebagian besar keuntungan yang tertangkap selama tren. Dalam praktiknya, rasio volatilitas dapat menjadi indikator seperti lebar Bollinger Band, yang mengukur jarak antara Bollinger Bands yang terkenal Untuk indikator lebih lanjut, lihat Dasar-Dasar Bollinger Bands. Perry Kaufman menyarankan untuk mengganti variabel bobot dalam formula EMA dengan konstan berdasarkan rasio efisiensi ER dalam bukunya, New Trading Systems and Methods Indikator ini adalah Dirancang untuk mengukur kekuatan sebuah tren, yang didefinisikan dalam kisaran dari 0 sampai 1 0 Hal ini dihitung dengan formula. ER sederhana perubahan harga total untuk jumlah periode perubahan harga mutlak untuk setiap batang. Pertimbangkan saham yang memiliki lima - kisaran titik setiap hari, dan pada akhir lima hari telah mendapatkan total 15 poin ini akan menghasilkan ER dari 0 67 15 poin pergerakan ke atas dibagi dengan kisaran 25 poin total. Jika saham ini turun 15 poin, ER Wou Ld be -0 67 Untuk saran perdagangan lebih lanjut dari Perry Kaufman, baca Losing To Win yang menguraikan strategi untuk mengatasi kerugian perdagangan. Prinsip efisiensi trend didasarkan pada seberapa banyak pergerakan arah atau tren yang Anda dapatkan per unit pergerakan harga di atas. Periode waktu yang ditentukan ER dari 1 0 menunjukkan bahwa saham dalam uptrend yang sempurna -1 0 mewakili tren turun yang sempurna Secara praktis, tingkat ekstrem jarang tercapai. Untuk menerapkan indikator ini untuk menemukan rata-rata pergerakan adaptif AMA, para pedagang akan memerlukan Untuk menghitung berat dengan rumus berikut yang agak rumit. ER SCF SCS SCS 2 Where. SCF adalah konstanta eksponensial untuk EMA yang diijinkan tercepat biasanya 2.SCS adalah konstanta eksponensial untuk EMA paling lambat yang diijinkan. 30.ER adalah Rasio efisiensi yang disebutkan di atas. Nilai untuk C kemudian digunakan dalam formula EMA dan bukan variabel bobot yang lebih sederhana. Meski sulit dihitung dengan tangan, rata-rata pergerakan adaptif dimasukkan sebagai opsi di hampir semua trad Paket perangkat lunak Untuk lebih banyak tentang EMA, baca Exploring The Exponentially Weighted Moving Average. Contoh garis merah rata-rata bergerak sederhana, garis biru rata-rata bergerak eksponensial dan garis hijau rata-rata bergerak adaptif ditunjukkan pada Gambar 1. Gambar 1 AMA adalah Dalam warna hijau dan menunjukkan tingkat perataan yang paling tinggi dalam aksi jarak dekat yang terlihat di sisi kanan bagan ini. Dalam kebanyakan kasus, rata-rata pergerakan eksponensial, yang ditunjukkan sebagai garis biru, paling dekat dengan tindakan harga Rata-rata pergerakan sederhana ditunjukkan Sebagai garis merah. Tiga rata-rata bergerak yang ditunjukkan pada gambar hampir rawan pada perdagangan whipsaw pada berbagai waktu Kekurangan dari rata-rata bergerak sejauh ini tidak mungkin dihilangkan. Kesimpulan Robert Colby menguji ratusan alat analisis teknis di The Encyclopedia of Technical Indikator Pasar Dia menyimpulkan, Meskipun rata-rata pergerakan adaptif adalah ide baru yang menarik dengan daya tarik intelektual yang cukup besar, tes pendahuluan kami gagal menunjukkan praktik nyata apa pun. Keuntungan dari metode perataan tren yang lebih rumit Ini tidak berarti pedagang harus mengabaikan gagasan AMA dapat digabungkan dengan indikator lain untuk mengembangkan sistem perdagangan yang menguntungkan. Untuk informasi lebih lanjut tentang topik ini, baca Menemukan Keltner Channels Dan The Chaikin Oscillator. ER dapat Digunakan sebagai indikator tren yang berdiri sendiri untuk melihat peluang perdagangan yang paling menguntungkan. Sebagai salah satu contoh, rasio di atas 0 30 mengindikasikan tren kenaikan yang kuat dan merupakan pembelian potensial. Sebagai alternatif, karena volatilitas bergerak dalam siklus, saham dengan rasio efisiensi terendah dapat diawasi Peluang pelarian
Comments
Post a Comment