Kaufman Adaptive Moving Average Excel

La moyenne mobile adaptative (KAMA) a été créée par Perry Kaufman et a d'abord été présentée dans son livre Smarter Trading (1995). Cette moyenne mobile offrait un avantage significatif par rapport aux précédentes tentatives de 8216intelligent8217 moyennes, car elle permettait à l'utilisateur un plus grand contrôle. La moyenne mobile variable 8211 VMA (1992), par exemple, n'offrait aucune limite supérieure ou inférieure à sa période de lissage. L'AMA, d'autre part, a permis à l'utilisateur de définir la gamme à travers laquelle ils souhaitaient le lissage à se propager. Il suit la même théorie que le VMA en ce que selon l'environnement de marché il y aura différentes quantités de bruit et donc une vitesse de déplacement variable différente sera exigée pour obtenir les résultats les plus rentables. Dans un marché fortement orienté par exemple, les niveaux de bruit sont faibles et une moyenne mobile plus rapide devrait produire les meilleurs résultats. À l'inverse, sur le marché du crabe ou sur les marchés latéraux, les niveaux de bruit sont très élevés et une moyenne plus lente est susceptible d'être mieux adaptée. Comment calculer une moyenne mobile adaptative Il commence par le prix de fermeture. Après cela AMA est calculé selon la formule suivante: AMA AMA (1) (Fermer AMA (1)) Vous remarquerez que c'est la même chose que la formule pour une moyenne mobile exponentielle (EMA): EMA EMA (1) EMA (1)) Mais l'alpha dans un EMA est 2 (N 1) donc il reste constant tandis que pour un AMA l'Alpha est adaptatif: (VI (FC SC)) SC VI Les utilisateurs choisissent une mesure de la volatilité ou de la force de tendance, Kaufman Suggéré son ratio d'efficacité (ER). SN Votre choix d'une moyenne mobile lente FN FN Votre choix d'une moyenne lente lt SN Voici un exemple d'un AMA de 3 périodes avec un Ratio d'efficience (ER) de 3 périodes comme le VI: Comment l'alpha de quadrature affecte la gamme de lissage AMA Kaufman suggère que son AMA ont un FC de 2 et un SC de 30 qui conduirait à supposer que le lissage adaptatif serait dans la gamme 2 8211 30 mais vous seriez mal parce que l'alpha est au carré. Maintenant, pour révéler la période de lissage EMA 8216N8217 à partir de l'alpha: N (EMA) (2) N (EMA) (2 0,0042) 0,0042 N (EMA) 480 Donc, en réalité, un AMA avec un SN de 30 où alpha est élevé à la puissance de 2 peut effectivement se déplacer aussi lentement que 480 jours EMA. Maintenant, pour moi ce n'est pas très convivial entrer un paramètre de 30 qui se traduit par une période de lissage de 480. Donc, je utiliser la formule suivante pour SC et FC à la place: P Puissance que l'alpha est élevé à (généralement 2) SN Votre choix A Moyenne mobile lente gt FN Maintenant, SN sera la moyenne mobile la plus lente résultante même si vous changez la puissance que l'alpha est augmentée. J'utilise également le même processus pour FN et FC. Nous allons regarder à nouveau Alpha avec le VI mis à zéro, le FN à 2 et le SN à 480: Maintenant, lorsque nous révélons la période de lissage EMA 8216N8217 de l'alpha, il devrait égaler nos 480: N (EMA) (2) EMA) (2 0,0042) 0,0042 N (EMA) 480 Un examen plus approfondi de l'effet de la quadrature Alpha Comprendre l'effet de l'alpha squaring est très important comme le graphique ci-dessous illustre: Comme vous pouvez le voir ci-dessus, Carré donne une période de lissage réelle de plus de 45.300 qui est totalement inutile. Cependant, c'est un paramètre que l'on pourrait facilement utiliser sans une bonne compréhension de la façon dont l'AMA fonctionne. Dans notre test, nous allons essayer l'AMA avec alpha augmenté à des pouvoirs autres que 2 afin que quelques autres exemples ont également été tracée sur le graphique ci-dessus. Ci-dessous nous examinons l'effet sur l'alpha et le lissage résultant d'un AMA avec le ratio d'efficacité pris directement dans alpha (1) ou étant carré (2): Nous avons utilisé notre formule AMA modifiée pour les graphiques ci-dessus afin que les FN et SN Ont été identiquement appariés malgré les modifications apportées à l'alpha. Comme vous pouvez le voir, la mise en carré des résultats alpha n'est pas seulement une AMA plus lente mais une qui est beaucoup plus rapide à ralentir lorsque l'alpha diminue. Kaufman voulait évidemment que l'AMA ralentissait très rapidement quand les données manquaient d'une tendance. Cet effet est similaire à celui de l'augmentation de la constante 8216N8217 dans la moyenne mobile variable. Est-ce que l'AMA est un bon indicateur Dans le cadre de la 8216Technical Indicator Fight for Supremacy 8216, nous mettrons l'AMA contre plusieurs types de moyennes mobiles et testerons différents indices de volatilité en tant que composantes, notamment: Nous testerons également l'hypothèse que l'alpha A été une bonne idée et essaiera d'élever à plusieurs puissances différentes. Pouvez-vous penser à d'autres tests valables Veuillez nous le faire savoir dans la section des commentaires en bas. Adaptive Moving Average Excel File J'ai mis en place un Excel Spreadsheet contenant la Moyenne mobile Adaptive et l'a mis à la disposition du téléchargement GRATUIT. Il contient une version 8216basic8217 qui montre tout le fonctionnement et un 8216fancy8217 qui s'ajustera automatiquement à la longueur ainsi que l'Indice de Volatilité que vous spécifiez. Trouvez-le au lien suivant au bas de la page sous Téléchargements Indicateurs techniques: Moyenne mobile adaptative (AMA) Moyenne mobile adaptative Exemple, VI Ratio d'efficacité de 50 jours adil Il ya 4 ans Je trouve l'idée autour de la moyenne mobile adaptative très intéressante et attrayante , Je backtested le kaufman AMA à travers deux systèmes (signaux d'onde binaires pour les signaux de direction longs et courts entrées (ama up entrée longue et ama down entrée courte), mais je ne pouvais pas conclure que le système fonctionne mieux qu'un système TF à long terme utilisant SMA Crossovers (50 jours SMA et 200 jours SMA) je peux connaître les règles de négociation autour de l'AMA vous que vous avez mis en œuvre dans votre négociation Derry Brown Il ya 4 ans Je suis heureux que vous trouverez nos recherches utiles. Les tests de crossovers moyens mobiles afin qu'ils puissent être plus efficaces. Les règles que vous demandez sont détaillées au bas de chaque page où nous avons publié des résultats de test. Ici, ils sont de nouveau: un signal d'entrée pour aller long (ou le signal de sortie pour couvrir Un court) pour chaque moyenne testée a été généré avec une fin au-dessus de cette moyenne et un signal de sortie (ou un signal d'entrée à court) a été généré à chaque fermeture au-dessous de cette moyenne mobile. Aucun intérêt n'a été gagné en espèces et aucune indemnité n'a été prise pour les coûts de transaction ou le glissement. Les métiers ont été testés à l'aide de signaux EOD (fin de journée) et fin de semaine (EOW) pour les données quotidiennes et les signaux EOW pour les données hebdomadaires. Par exemple. Les données quotidiennes avec un signal EOW nécessiteraient que la semaine se termine au-dessus d'une moyenne mobile quotidienne pour ouvrir une longue ou fermer une courte période. Les données quotidiennes avec des signaux EOD nécessiteraient le prix quotidien pour se fermer au-dessus d'une moyenne mobile quotidienne Court et vice versa. Les rendements présentés sont le rendement annualisé moyen des 16 marchés durant la période d'essai. Les données utilisées pour ces tests sont incluses dans la feuille de calcul des résultats et plus de détails sur notre méthodologie peuvent être trouvés ici etfhq blog 2010 05 25 meilleurs indicateurs techniques Veuillez me contacter si vous avez d'autres questions. Cheers DerryKaufman039s Moyenne mobile adaptative (KAMA) Kaufman039s Moyenne mobile adaptative (KAMA) Introduction Développée par Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) est une moyenne mobile conçue pour tenir compte du bruit du marché ou de la volatilité. KAMA suivra de près les prix lorsque les fluctuations des prix sont relativement faibles et le bruit est faible. KAMA s'adaptera lorsque les fluctuations de prix s'élargiront et suivront les prix à partir d'une plus grande distance. Cet indicateur de tendance peut être utilisé pour identifier la tendance générale, les retards et les mouvements des prix du filtre. Calcul Il faut plusieurs étapes pour calculer la moyenne mobile adaptative de Kaufman039. Commençons par les réglages recommandés par Perry Kaufman, qui sont KAMA (10,2,30). 10 est le nombre de périodes pour le Ratio d'efficacité (ER). 2 est le nombre de périodes pour la constante EMA la plus rapide. 30 est le nombre de périodes pour la constante EMA la plus lente. Avant de calculer KAMA, nous devons calculer le coefficient d'efficacité (ER) et la constante de lissage (SC). Décomposer la formule en petits morceaux de taille permet de mieux comprendre la méthodologie derrière l'indicateur. Notez que ABS signifie Absolute Value. Efficiency Ratio (ER) L'ER est essentiellement le changement de prix ajusté pour la volatilité quotidienne. En termes statistiques, le ratio d'efficacité nous indique l'efficacité fractale des variations de prix. ER fluctue entre 1 et 0, mais ces extrêmes sont l'exception, pas la norme. ER serait de 1 si les prix ont augmenté de 10 périodes consécutives ou en baisse de 10 périodes consécutives. ER serait nul si le prix est inchangé sur les 10 périodes. Constante de lissage (SC) La constante de lissage utilise l'ER et deux constantes de lissage basées sur une moyenne mobile exponentielle. Comme vous l'avez peut-être remarqué, la constante de lissage utilise les constantes de lissage pour une moyenne mobile exponentielle dans sa formule. (2 301) est la constante de lissage pour une EMA à 30 périodes. Le SC le plus rapide est la constante de lissage pour EMA plus courte (2 périodes). Le SC le plus lent est la constante de lissage pour l'EMA la plus lente (30 périodes). Notez que le 2 à la fin est de carré l'équation. Avec le ratio d'efficacité (ER) et la constante de lissage (SC), nous sommes maintenant prêts à calculer la moyenne mobile adaptative de Kaufman039 (KAMA). Puisque nous avons besoin d'une valeur initiale pour commencer le calcul, le premier KAMA est juste une moyenne mobile simple. Les calculs suivants sont basés sur la formule ci-dessous. Graphique d'exemple de calcul Les images ci-dessous montrent une capture d'écran à partir d'une feuille de calcul Excel utilisée pour calculer KAMA et le graphique QQQ correspondant. Utilisation et signaux Les chartistes peuvent utiliser KAMA comme tout autre indicateur de tendance, comme une moyenne mobile. Les chartistes peuvent rechercher des croix de prix, des changements directionnels et des signaux filtrés. Tout d'abord, une croix au-dessus ou au-dessous de KAMA indique des changements directionnels dans les prix. Comme avec n'importe quelle moyenne mobile, un simple système de croisement va générer beaucoup de signaux et beaucoup de whipsaws. Les chartistes peuvent réduire les whipsaws en appliquant un filtre de prix ou de temps aux crossovers. On pourrait avoir besoin de prix pour tenir la croix pour le nombre de jours fixés ou exiger la croix le KAMA dépassent par le pourcentage fixé. Deuxièmement, les chartistes peuvent utiliser la direction de KAMA pour définir la tendance générale pour une sécurité. Cela peut nécessiter un ajustement de paramètre pour adoucir l'indicateur. Les chartistes peuvent changer le paramètre du milieu, qui est la constante EMA la plus rapide, pour lisser KAMA et chercher des changements directionnels. La tendance est à la baisse tant que KAMA est en baisse et la forge bas. La tendance est à la hausse tant que KAMA est en hausse et forger des hauts plus élevés. L'exemple Kroger ci-dessous montre KAMA (10,5,30) avec une forte tendance haussière de décembre à mars et une tendance à la hausse moins forte de mai à août. Et enfin, les chartistes peuvent combiner des signaux et des techniques. Les chartistes peuvent utiliser un KAMA à plus long terme pour définir la tendance plus grande et une KAMA à plus court terme pour les signaux commerciaux. Par exemple, KAMA (10,5,30) pourrait être utilisé comme un filtre de tendance et être considéré comme haussier lors de la hausse. Une fois haussier, les chartistes pourraient alors chercher des croix haussières quand le prix se déplace au-dessus de KAMA (10,2,30). L'exemple ci-dessous montre MMM avec un KAMA croissant à long terme et des croisements haussiers en Décembre, Janvier et Février. Long terme KAMA a refusé en avril et il y avait croix baissières en mai, juin et juillet. SharpCharts KAMA peut être trouvé comme une superposition de l'indicateur dans le Workbench SharpCharts. Les paramètres par défaut apparaissent automatiquement dans la boîte de paramètres une fois qu'il est sélectionné et les chartistes peuvent modifier ces paramètres en fonction de leurs besoins analytiques. Le premier paramètre est pour le ratio d'efficacité et les chartistes devraient s'abstenir d'augmenter ce nombre. Au lieu de cela, les chartistes peuvent le diminuer pour augmenter la sensibilité. Les chartistes qui cherchent à lisser KAMA pour l'analyse des tendances à plus long terme peuvent augmenter progressivement le paramètre moyen. Même si la différence n'est que de 3, KAMA (10,5,30) est nettement plus lisse que KAMA (10,2,30). Étude complémentaire Du créateur, le livre ci-dessous offre des informations détaillées sur les indicateurs, les programmes, les algorithmes et les systèmes, y compris les détails sur KAMA et autres systèmes de moyenne mobile. Systèmes et méthodes de trading Perry Kaufman