Kaufman adaptif moving average easylanguage

Oleh Michael R. Bryant Indikator teknis adalah salah satu elemen fundamental dari perdagangan sistematis. Indikator, seperti moving averages atau stochastics, dapat dipandang sebagai transformasi dari seri input (biasanya, harga atau volume) yang dirancang untuk menonjolkan aspek tertentu dari pasar, seperti tren atau siklisitasnya. Sementara metode perdagangan fundamental yang paling sistematis, banyak pedagang menghindari indikator yang paling umum, seperti rata-rata pergerakan sederhana dan indikator kekuatan relatif (RSI), dengan keyakinan bahwa pasar telah menyesuaikan penggunaannya, mengurangi keefektifannya. Salah satu cara untuk mengimbangi efek efisiensi pasar terhadap viabilitas indikator teknis adalah dengan memodifikasinya dengan cara yang berarti. Sebagai contoh, indikator Chande dan Krolls VIDYA 1 adalah rata-rata pergerakan eksponensial dimana faktor pemulusan bergantung pada volatilitas pasar, sehingga panjang rambu efektif berkurang saat volatilitas meningkat. Pada artikel ini, Ill mengembangkan perpanjangan pendekatan look-back adaptif dan menunjukkan bagaimana cara menerapkannya ke berbagai indikator dengan hanya beberapa baris kode tambahan. Indikator yang dihasilkan memberikan fleksibilitas yang lebih besar daripada indikator sebelumnya dan mungkin lebih konsisten dengan pandangan statistik pasar. Mengadaptasi Panjang Lihat Kembali Mengingat bahwa pasar terus berubah, masuk akal untuk mencoba menyesuaikan diri dengan perubahan sebanyak mungkin. Sebagian besar indikator teknis pada awalnya dikembangkan dengan panjang tampilan belakang tetap misalnya, jumlah batang pada rata-rata bergerak sederhana. Sejumlah penulis telah mengusulkan untuk menyesuaikan panjang tampilan belakang dengan volatilitas pasar. Untuk indikator Variable Index Dynamic Average (VIDYA), misalnya, Chande dan Kroll menggunakan beberapa metrik yang berbeda, termasuk indeks volatilitas berdasarkan standar deviasi harga normal dimana nilai indeks yang lebih tinggi menghasilkan panjang lihat belakang yang lebih rendah efektif. . Idenya adalah bahwa selama periode volatilitas yang lebih tinggi, rata-rata pergerakan harus lebih responsif terhadap pasar sedangkan pada periode volatilitas yang lebih rendah, rata-rata pergerakan periode lebih lama lebih konsisten dengan perilaku pasar. Kaufman mengambil pendekatan yang agak berbeda. 2 Gagasan di balik Your Kaufman Adaptive Moving Average (KAMA) adalah bahwa selama periode volatilitas yang tinggi, Anda lebih mungkin mendapatkan cambuk karena pasar berayun bolak-balik, mengakibatkan kerugian berulang. Untuk menghindarinya, ia menggunakan periode yang lebih lama untuk rata-rata pergerakan selama periode aksi harga berombak sehingga rata-rata akan kurang responsif terhadap volatilitas pasar, sehingga menghasilkan lebih sedikit pembalikan. Selama pergerakan pasar, periode pergerakan rata-rata mengalami penurunan sehingga perdagangan bisa bereaksi lebih cepat terhadap perubahan arah. Untuk mengukur quotchoppinessquot, Kaufman menggunakan rasio efisiensi (ER) yang mana, yang mengukur nilai absolut dari perubahan harga selama periode lihat-balik dibagi dengan jumlah nilai absolut dari perubahan harga bar-to-bar selama Periode yang sama Jika, misalnya, perubahan harga bersih adalah nol - harga sama pada akhir periode sejak awal - maka UGD akan menjadi nol. Dalam kasus ini, pasar sangat tidak efisien karena dapat bergerak banyak dari bar ke bar, tapi tidak ke mana-mana. Jika, di sisi lain, pasar bergerak dengan mantap dalam satu arah (baik naik atau turun), sehingga setiap batang bergerak berkontribusi pada perubahan harga bersih, ER akan menjadi 1. Dalam kasus ini, pasar sangat efisien dalam Bahwa semua harga bar bergerak berkontribusi terhadap tren. Secara umum, ER akan berada di antara 0 dan 1. Pandangan Berbeda tentang Panjang Lihat Adaptif Sementara banyak metrik yang berbeda dapat - dan telah - digunakan untuk menyesuaikan jarak pandang, rasio efisiensi menangkap aspek fundamental pasar. Tindakan yaitu, perbedaan antara tren dan perilaku siklis. Nilai ER yang tinggi menyiratkan pasar yang sangat tren, yang berarti pergerakan siklis yang sangat sedikit, dan nilai ER yang rendah menyiratkan sedikit kecenderungan dan oleh karena itu gerakan siklik lebih banyak (kecuali dalam kasus pergerakan kecil sama sekali). Hal ini cenderung mendukung pendekatan Kaufmans. Namun, keputusannya untuk menggunakan panjang tampilan belakang yang lebih lama di pasar berombak didasarkan pada (1) asumsi yang mengadaptasi panjang tampilan belakang rata-rata bergerak, dan (2) gagasan bahwa rata-rata bergerak digunakan untuk memicu Masuk perdagangan atau keluar Sudut pandang alternatif adalah yang dianut oleh John Ehlers melalui karyanya mengenai penerapan metode pemrosesan sinyal untuk diperdagangkan. 3 Pandangannya lebih sesuai untuk mencoba lebih mendekati model pasar bunga (misalnya komponen tren atau komponen siklus). Dari sudut pandang itu, rata-rata bergerak di pasar yang berombak harus menggunakan jarak pandang kembali yang lebih pendek untuk menangkap frekuensi yang lebih tinggi dengan lebih akurat yang ditunjukkan oleh choppiness, sedangkan di pasar yang sangat tren, panjang tampilan belakang yang lebih lama lebih konsisten dengan Pergerakan pasar. Sudut pandang ketiga adalah yang diadopsi di sini yaitu, yang lebih bersifat statistik. Pertama, mari kita tidak mengandaikan sesuatu yang lebih penting dari indikator yang bersangkutan dan bagaimana penggunaannya. Secara khusus, mari kita asumsikan indikator yang dimaksud adalah moving average, dan jangan asumsikan aplikasinya terhadap harga. Mungkin, misalnya, menjadi RSI volatilitas atau rata-rata pergerakan stochastic volume. Indikatornya bisa digunakan bersamaan dengan indikator lain sebagai bagian dari peraturan yang lebih besar untuk masuk atau keluar, bukan dengan sendirinya. Dengan pandangan yang lebih berorientasi statistik ini, tujuannya adalah untuk menciptakan aturan perdagangan yang memiliki validitas statistik, yang berarti mereka sesuai dengan tindakan harga dengan baik tanpa terlalu pas. Jika tidak, kita tahu bagaimana pasar bekerja dengan cukup baik untuk membuat keputusan spesifik mengenai apakah panjang tampilan kembali harus meningkat atau menurun dengan rasio efisiensi. Sebaliknya, kami memiliki beberapa alasan untuk percaya bahwa rasio efisiensi mungkin memiliki relevansi dan oleh karena itu kami ingin memasukkannya sebagai variabel, namun kami menyerahkannya ke pasar untuk memberi tahu kami apakah dan bagaimana penerapannya. Pengujian statistik digunakan untuk memberi tahu kami Jika strategi trading yang berisi indikator secara statistik valid atau jika over-fitnya tidak valid karena sesuai dengan noise daripada sinyal pasar. Tampak Adaptif yang Lebih Serbaguna Mengingat diskusi sebelumnya, panjang tampilan adaptif yang dikembangkan di sini akan didasarkan pada rasio efisiensi (ER) dan akan menggunakan parameter untuk menentukan hubungan antara ER dan panjang tampilan belakang. Secara khusus, pertimbangkan persamaan berikut: VER square (ER - (2 ER - 1) 2. (1 - TrendParam) 0.5) dimana VER adalah rasio efisiensi variabel, dan TrendParam adalah parameter tren, yang dapat mengambil nilai positif atau Nilai negatif dan yang menentukan apakah panjang tampilan belakang akan meningkat atau menurun dengan bertambahnya ER. Ini pada dasarnya hanyalah cara untuk membalikkan rasio ER tergantung pada parameter trennya. Seperti ditunjukkan di bawah ini, daripada menskalakan konstanta penghalusan oleh ER, seperti yang dilakukan Chande dan Kroll dan Kaufman, kita menggunakan VER. Dengan nilai positif TrendParam, VER bervariasi secara positif dengan ER, sedangkan dengan nilai negatif TrendParam, VER bervariasi secara negatif dengan ER. Dengan TrendParam sama dengan nol, VER sama dengan 1 untuk semua nilai ER. Alun-alun diambil untuk skala yang lebih baik nilai untuk digunakan sebagai pengganda, seperti yang dijelaskan selanjutnya. Untuk menghitung panjang look-back adaptif dengan menggunakan persamaan ini, kita mengalikan nilai asli dari konstanta pemulusan, Alpha, yang sesuai dengan panjang tampilan awal, oleh VER: VAlpha Alpha VER dimana VAlpha adalah konstanta perataan adaptif, dan Alpha adalah nilai asli dari smoothing constant. Hubungan antara konstanta pemulusan dan panjang tampilan belakang sama dengan rata-rata pergerakan eksponensial yaitu, di mana N adalah panjang tampilan belakang, dan Alpha adalah konstanta pemulusan. Persamaan ini juga dapat ditulis untuk N dalam hal Alpha sebagai Panjang tampilan adaptif karenaADAPTIVE MA Adaptive Moving Average 050800 11:15:15 oleh Jason K. Hutson Heres sebuah indikator yang menyesuaikan kecepatan moving average untuk menangkap Pasar yang bergerak cepat, namun melambat di pasar dengan tren miring sehingga mengurangi whipsaws. Untuk menggabungkan kelebihan rata-rata bergerak yang lebih lambat dan lebih cepat, Perry Kaufman, teknisi pasar, manajer keuangan dan penulis, mengembangkan moving average adaptif (AMA). Rata-rata bergerak yang lebih cepat, dengan menggunakan lebih sedikit hari dalam perhitungan mereka, lebih sensitif terhadap fluktuasi pasar dan akan mengingatkan trader akan perubahan tren lebih cepat daripada moving average yang lebih lambat. Namun, rata-rata pergerakan yang lebih cepat menjadi terlalu sensitif selama pasar bergerak menyamping dan sering kali trader membeli dan keluar dari fluktuasi pasar atau kebisingan saat ada sedikit keuntungan yang harus dibuat. Rata-rata bergerak yang lambat menyaring kebisingan itu, namun memiliki lag yang sering membuat pedagang keluar dari jumlah keuntungan yang signifikan saat pasar mulai tren. AMA menyesuaikan panjang rata-rata pergerakannya sehingga lebih cepat, menggunakan lebih sedikit hari, untuk menghitung rata-rata pergerakannya saat pasar bergerak dengan cepat, mengubah arah, atau keluar dari kisaran perdagangan. Namun melambat, menggunakan lebih banyak hari, saat pasar bergejolak dan bergerak menyamping. Oleh karena itu, seharusnya menghasilkan sinyal buasell yang lebih sedikit dan lebih menguntungkan. Dalam menghitung AMA, Kaufman pertama kali menggunakan arah harga dan volatilitas untuk menghasilkan rasio efisiensi (ER). ER mendekati 1 saat pasar bergerak naik atau turun, dan mendekati nol saat berada dalam pola sideways. Kaufman kemudian menghitung dua dari apa yang dia sebut, merapikan konstanta, menggunakan moving average eksponensial yang cepat dan lambat. Dia menggabungkan dua konstanta pemulusan dengan ER untuk sampai pada AMA yang menyesuaikan dengan tren pasar, lalu menghasilkan sinyal beli dan jual. Diadaptasi dari Adaptive Moving Averages oleh Bruce Faber, Technical Analysis of STOCKS COMMODITIES, Volume 13, Number 6. Formula matematika lengkap yang digunakan, dan data spreadsheet excel, tersedia di Adaptive Moving Average oleh Bruce Faber Traders Staff Writer. Menikmati trendlines, support dan resistance, moving averages, RSI, MACD, ADX, Bollinger bands, parabolic SAR, formasi bagan, dan analisis volume. Indikator SilinderPlotter RibbonsPlotter adalah superindikator yang memplot berbagai fungsi pita atau pita pada grafik dari dalam Satu indikator, mirip dengan grafik di bawah ini: Bollinger Band (Ribbon) ini. Misalnya, adalah salah satu jenis indikator yang terkenal dimana garis tengah didefinisikan sebagai rata-rata bergerak sederhana dan perpindahan vertikal yang digunakan untuk menghitung pita di atas dan di bawah rata-rata pergerakan ini adalah kelipatan dari standar deviasi. Fleksibilitas RibbonPlotters muncul dari kenyataan bahwa pengguna dapat menentukan fungsi garis tengah secara terpisah dari fungsi perpindahan yang digunakan dalam membuat pita. Hal ini juga memungkinkan banyak band daripada satu band yang akan diplot di atas dan di bawah aksi harga, oleh karena itu plotter quotribbonquot nama. Garis tengah, atau referensi, ditentukan oleh pengguna dengan parameter masukan RefID. Dan mungkin salah satu dari fungsi berikut: Gunakan UpperBandRef dan LowerBandRef sebagai garis tengah untuk pita penyimpangan (memungkinkan formula kustom untuk ditentukan). Rata-rata Harga Rata-rata Tertimbang Rata-rata Arusmetika Arus Berputar (AMA) Eksponensial Moving Average (EMA) Optimal Moving Average (KAMA) Tillson T3 Rata-rata Harga Rata-rata Tertagih Rata-rata Triliun (JMA) Nilai Tetap (Nol, misalnya, akan merencanakan pita penyimpangan tentang sumbu nol, tanpa tindakan harga vertikal) Fungsi Jurik Moving Average mengharuskan pengguna membeli add-on Tradestation ini dari Jurik Research. Panggilan ke fungsi ini dikomentari karena kebanyakan pengguna tidak akan diberi lisensi untuk menggunakan fungsi ini. Mereka yang berlisensi dapat memberi tanda komentar pada bagian kode yang sesuai dalam metode lokal RibbonsCalc untuk menerapkan fitur ini. Garis tengah nilai tetap memungkinkan pengguna untuk melihat komponen penyimpangan dari pita tanpa gerakan vertikal yang diinduksi oleh aksi harga. Dengan nilai nol tetap, RibbonPlotter akan merencanakan pita penyimpangan di sekitar sumbu nol, dan dapat ditempatkan pada sub-grafik di bawah simbol grafik utama. Pengguna dapat menentukan fungsi penyimpangan yang digunakan untuk menghasilkan pita secara terpisah dari fungsi garis tengah (referensi) dengan menentukan parameter masukan, DevID. Fungsi penyimpangan dapat berupa salah satu dari berikut ini: Standard Deviation (Bollinger Bands) Standard Error (Jon Andersen Bands) Rata-rata True Range - ATR (Keltner Bands) Jurik Rentang Benar Rata-rata JATR (ATR menggunakan Pergerakan Jurik Moving Average) Persentase Poin Mengapa Menggunakan RibbonPlotter Indikator Indikator RibbonPlotter mengkonsolidasikan kemampuan untuk merencanakan berbagai macam pita menjadi satu indikator tunggal. Indikator ini kemudian bisa menggantikan beberapa indikator lainnya dan menyediakan user interface yang konsisten untuk kumpulan fungsi ini. Ini menggunakan fitur OOEL seperti metode lokal untuk meningkatkan efisiensi. RibbonsPlotter2 adalah versi lama dari RibbonsPlotter yang menggunakan fungsi RibbonsCalc2 untuk menghitung semua nilai pita, bukan metode lokal RibbonsCalc. Hal ini membuat RibbonsPlotter2 kompatibel dengan versi Tradestation sebelum 9.0. Fungsi RibbonsCalc2 juga bisa dipanggil dari strategi. Karena fungsi yang sama menghasilkan nilai untuk strategi dan indikator RibbonPlotter2, pengguna dapat yakin bahwa nilainya akan sama, asalkan parameter masukan cocok. Fungsi pita multi fungsi tunggal RibbonsCalc2 memiliki banyak manfaat bagi pengembang strategi perdagangan otomatis: Pengoptimal dapat menguji berbagai jenis strategi perdagangan tanpa mengubah strategi dasar karena proses pengoptimalan bisa, misalnya beralih antara Bollinger Band, Keltner Uji Band dan Persentase Band tanpa memerlukan manipulasi manual atau duplikasi kode strategi. Revisi dan pembaruan kode dapat dilakukan di satu lokasi, tanpa keharusan menduplikasi perubahan di beberapa indikator atau strategi yang berbeda. Antarmuka pengguna yang konsisten di banyak fungsi terpisah membuat kode lebih mudah digunakan dan oleh karena itu kurang rentan terhadap kesalahan yang tidak disengaja. RibbonPlotter Contoh RibbonPlotter mampu menghasilkan berbagai macam plot pita. Beberapa contoh yang ditunjukkan di bawah ini mewakili fungsi pita atau band yang paling umum dan terkenal. Satu atau dua variasi yang kurang umum juga ditunjukkan. Bollinger Ribbons terbentuk dari garis tengah rata-rata aritmetika bergerak dan fungsi perpindahan StdDev. Bagan ini menunjukkan band pada penggusuran penyimpangan standar 1, 2 dan 3. Band-band ini biasanya melebar saat harga sedang tren dan sempit saat konsolidasi. Anderson Ribbons menggunakan garis regresi linier dan fungsi penyimpangan StdErr. Setiap band mewakili satu peningkatan error standard dari centerline. Garis tengah regresi linier memeluk harga lebih dekat daripada rata-rata bergerak, dan pita kesalahan standar tidak berkembang secara signifikan saat aksi harga sedang tren, tidak seperti pada Bollinger Bands. Sebagai gantinya, pita sempit menunjukkan harga tren secara konsisten mendekati garis regresi. Band lebar menunjukkan peningkatan volatilitas harga dari garis regresi dan biasanya terlihat saat jeda dalam tren. Pita ini mewakili garis tengah Jurik Moving Average (JMA) dan persentase penyimpangan dari garis tengah. Keindahan Jurik Moving Average sangat populer karena kelancaran dan lagunya yang rendah. Ini harus dibeli sebagai add-on untuk Tradestation. Tillson T3 Moving Average serupa dan memiliki kelancaran dan jeda yang rendah dari Jurik, dan tersedia untuk pengguna Tradestation sebagai fungsi built-in. Garis tengah Optimal Moving Average Kaufman ini menunjukkan garis tengah tability relatif horizontal selama konsolidasi. Dalam kombinasi dengan band penyimpangan StdErr membuat dasar yang menarik untuk sistem jenis Reversion to the Mean. Pita Keltner dibentuk oleh garis tengah eksponensial moving average (EMA) dan fungsi perpindahan rata-rata true (ATR). Tunggal T23 Tier dan Jurik Average True Range (JATR) fungsi penyimpangan merupakan variasi yang menarik. Dibandingkan dengan band Keltner. Baik centerline maupun pita memiliki sedikit noise. Ini adalah garis tengah Jurik Moving Average dengan pita penyimpangan persentase. Pita ini menjaga bandwidth yang relatif stabil. Menentukan garis tengah Zero dan bukan fungsi harga memungkinkan fungsi perpindahan StdDev ini terlihat tanpa mempengaruhi aksi harga. Hal ini membuat lebih mudah untuk melihat bagaimana fungsi perpindahan bereaksi terhadap volatilitas dan trendiness harga. Fungsi StdErr ini juga ditampilkan dengan garis tengah nol. Tampilan jenis ini memungkinkan perbandingan yang lebih bermanfaat dengan fungsi perpindahan StdDev di atas. Lebih mudah untuk melihat karakteristik unik dan perbedaan antara fungsi penyimpangan ketika mereka ditampilkan tentang referensi tetap daripada mengikuti aksi harga. Parameter Input RibbonPlotter UpperBandsRef dan LowerBandsRef adalah harga input yang digunakan untuk menghitung garis tengah atas dan bawah. Biasanya ini sama dan karena itu menghasilkan satu garis tengah tunggal. Namun, pengguna dapat menentukan garis tengah terpisah untuk pita atas dan pita bawah, sehingga kedua parameter masukan tersebut. Tolak fungsi yang akan digunakan untuk menghitung garis tengah (s). Nilai 0 menunjukkan fungsi penyimpangan akan diplot berpusat pada sumbu nol, daripada mengikuti harga. Fungsi lain yang digunakan untuk menghitung garis tengah (AMA, EMA, LR, dll.) Adalah angka sesuai parameter panjangnya setelah RefID. Untuk memilih garis tengah rata-rata bergerak eksponensial, misalnya, pengguna akan masuk 2 karena EMALength muncul di posisi kedua setelah RefID. Pengguna akan menentukan RefID dari 3, 4 atau 5 untuk memilih garis tengah yang terdiri dari garis regresi linier, rata-rata bergerak Kaufman atau rata-rata bergerak Tillson T3, karena ini adalah urutan parameter panjang yang sesuai muncul pada input Daftar parameter NBands adalah jumlah band (pita) di atas dan di bawah yang akan diplot. StartMult adalah multiplier yang akan digunakan untuk band pertama. Pita berikutnya sampai total NBands ditarik dengan menambahkan Kenaikan ke pengganda awal untuk band pertama. ShowCenterLine alllows pengguna untuk menampilkan atau tidak menampilkan garis tengah pita. DisplayParameters menentukan apakah nilai parameter untuk fungsi garis tengah dan penyimpangan akan ditampilkan pada grafik dalam teks, seperti yang dilakukan pada contoh yang ditunjukkan. Label teks ini digambar oleh indikator dan bukannya ditambahkan secara manual setelah grafik diproduksi. CLVertPct, DevVertPct, CLHorizPct dan DevHorizPct adalah perpindahan vertikal dan horizontal (dalam persentase kisaran grafik vertikal atau horizontal) yang digunakan untuk memposisikan lokasi label teks pada tabel. Selanjutnya, indikator tersebut mencakup quotesmart positioningquot dari label. Jika aksi harga berada di dekat tepi bawah grafik dan pengguna telah menentukan bahwa labelnya akan ditarik di dekat bagian bawah grafik, program akan secara otomatis membalik label ke atas grafik untuk menghindari Timpa tindakan harga. . Perpindahan vertikal dari tepi bawah bagan yang ditentukan oleh pengguna akan dipertahankan, namun ini akan menjadi perpindahan vertikal dari tepi atas grafik.