Adaptiv glidande medelvärde mt4 indikator


MetaTrader 5 - Indikatorer Adaptive Moving Average (AMA) - indikator för MetaTrader 5 Adaptive Moving Average (AMA) används för att konstruera ett glidande medelvärde med låg känslighet för prisserien ljud och kännetecknas av den minsta fördröjningen för trenddetektering. Denna indikator utvecklades och beskrivs av Perry Kaufman i sin bok Smarter Trading. En av nackdelarna med olika utjämningsalgoritmer för prisserier är att oavsiktliga prissteg kan resultera i utseendet på falska trendsignaler. Å andra sidan leder utjämning till den oundvikliga tiden för att förutsäga trenderna. Denna indikator utvecklades för att övervinna dessa två nackdelar. Adaptiv rörlig medelindikator För att definiera den nuvarande marknadsläget introducerade Kaufman begreppet effektivitetsförhållande (ER), som beräknas med följande formel: ER (i) - nuvärdet av effektivitetsgradssignalen (i) ABS (pris (i) - Pris (i - N)) - Nuvarande signalvärde, absolutvärde av skillnad mellan nuvarande pris och pris N period sedan Buller (i) Summa (ABS (Pris (i) - Pris (I-1)), N) nuvarande ljudvärde summa av absoluta värden av skillnaden mellan priset för den aktuella perioden och priset för föregående period för N perioder. Vid en stark trend har effektivitetsförhållandet (ER) en tendens att 1 om det inte finns någon riktad rörelse kommer den att vara lite mer än 0. Det erhållna värdet av ER används i exponentiell utjämningsformel: EMA (i) Pris ) SC EMA (i-1) (1 - SC) SC 2 (n1) - EMA-utjämningskonstant, n - perioden för exponentiell rörlig EMA (i-1) - tidigare värde för EMA. Utjämningsförhållandet för snabbmarknadsmasten är som för EMA med period 2 (snabb SC 2 (21) 0,6667) och för perioden utan trend måste EMA-perioden vara 30 (långsam SC 2 (301) 0,06452). SSC: SSC (i) (ER (i) (snabb SC - långsam SC) långsam SC SSC (i) ER (i) 0.60215 0.06425 För att effektivisera påverkan av Slutlig beräkningsformel: AMA (i) Pris (i) (SSC (i) 2) AMA (i-1) (1-SSC (i) 2) eller (efter omarrangemang) ): AMA (i) AMA (i-1) (SSC (i) 2) (Pris (i) - AMA (i-1)) AMA (i) - nuvarande värde för AMA AMA av AMA SSC (i) - nuvärdet av den skalade utjämningskonstanten. Översatt från ryska av MetaQuotes Software Corp. Originalkod: mql5rucode10Moving Average Den rörliga genomsnittliga tekniska indikatorn visar medelvärdet av instrumentpriset under en viss tidsperiod. När man beräknar glidande medelvärde, en genomsnittlig instrumentpriset för denna tidsperiod. När priset ändras, ökar eller förminskar det rörliga genomsnittet. Det finns fyra olika typer av glidande medelvärden: Enkel (även benämnd aritmetisk), exponentiell. Smoothed och Weighted. Flyttande medelvärde kan beräknas för varje sekventiell dataset, inklusive öppnings - och slutkurser, högsta och lägsta priser, handelsvolym eller andra indikatorer. Det är ofta fallet när dubbla rörliga medelvärden används. Det enda där glidande medelvärden av olika typer skiljer sig avsevärt från varandra är när viktkoefficienter, som tilldelas de senaste uppgifterna, skiljer sig åt. Om vi ​​pratar om Simple Moving Average. Samtliga priser för den aktuella tidsperioden är lika med värdet. Exponentiell rörlig medelvärde och linjärt vägt rörande medelvärde bifogar mer värde till de senaste priserna. Det vanligaste sättet att tolka prisglidande genomsnittet är att jämföra sin dynamik med prisåtgärden. När instrumentpriset stiger över sitt glidande medelvärde visas en köpsignal, om priset sjunker under sitt glidande medelvärde, har vi en säljsignal. Detta handelssystem, som är baserat på det rörliga genomsnittet, är inte utformat för att ge inträde till marknaden rätt i sin lägsta punkt och dess utgång höger på toppen. Det tillåter att handla enligt följande trend: att köpa snart efter att priserna når botten och att sälja snart efter att priserna har nått sin topp. Flyttande medelvärden kan också tillämpas på indikatorer. Det är här tolkningen av indikatorens glidande medelvärden liknar tolkningen av prisförskjutande medelvärden: om indikatorn stiger över dess glidande medelvärde betyder det att den stigande indikatorrörelsen sannolikt kommer att fortsätta: om indikatorn faller under dess glidande medelvärde innebär att det sannolikt fortsätter att gå nedåt. Här är typerna av glidande medelvärden på diagrammet: SMA (Medium Moving Average (SMA) Exponential Moving Average (EMA) Smoothed Moving Average (SMMA) Linjärt vägt rörligt medelvärde (LWMA) Du kan testa handelssignalerna för denna indikator genom att skapa en expertrådgivare i MQL5 Wizard. Beräkning Enkelt rörligt medelvärde (SMA) Enkelt, med andra ord beräknas aritmetiskt rörligt medelvärde genom att summera priserna på instrumentlåsning under ett visst antal enskilda perioder (t ex 12 timmar). Detta värde divideras därefter med antalet sådana perioder. SMA SUM (CLOSE (i), N) N SUM summa CLOSE (i) aktuell period nära pris N antal beräkningsperioder. Exponentiellt rörligt medelvärde (EMA) Exponentiellt glatt rörligt medelvärde beräknas genom att tillägga en viss andel av nuvarande slutkurs till föregående värde för glidande medelvärde. Med exponentiellt slätade glidande medelvärden är de senaste snabba priserna mer värdefulla. P-procent exponentiell glidande medelvärde kommer att se ut: EMA (CLOSE (i) P) (EMA (i - 1) (1 - P)) CLOSE (i) nuvarande period nära pris EMA (i - 1) av en föregående period P procentsatsen av att använda prisvärdet. Smoothed Moving Average (SMMA) Det första värdet av detta slätade glidande medelvärde beräknas som det enkla glidande medelvärdet (SMA): SUM1 SUM (CLOSE (i), N) Det andra glidande medlet beräknas enligt följande formel: SMMA (i) (SMMA1 (N-1) CLOSE (i)) N Lyckande glidande medelvärden beräknas enligt följande formel: PREVSUM SMMA (i - 1) N SMMA (i) (PREVSUM - SMMA (i - 1) CLOSE (i)) N SUM summan SUM1 Summa summan av slutkurserna för N perioder räknas den från föregående stapel PREVSUM glatt summa av föregående stapel SMMA (i-1) glatt glidande medelvärde för föregående stapel SMMA (i) glatt glidande medelvärde för nuvarande stapel (förutom den första) CLOSE (i) nuvarande slutpris N utjämningsperiod. Efter aritmetiska omvandlingar kan formeln förenklas: SMMA (i) (SMMA (i - 1) (N - 1) CLOSE (i)) N Linjärt Vägt Flytande Medelvärde (LWMA) Vid viktat glidande medelvärde är de senaste data av mer värde än mer tidiga data. Viktat glidande medelvärde beräknas genom att multiplicera var och en av slutkurserna inom den angivna serien med en viss viktkoefficient: LWMA SUM (CLOSE (i) I, N) SUM (I, N) SUM Summa CLOSE (i) Nuvarande nära pris KUMA (KAMA) Introduktion Utvecklad av Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) är ett glidande medel som är utformat för att redogöra för marknadsbrus eller volatilitet. KAMA följer noga priserna när prissvingningarna är relativt små och bullret är lågt. KAMA kommer att justera när prissvängningarna utökas och följa priser från ett större avstånd. Den här trend-följande indikatorn kan användas för att identifiera den övergripande trenden, tiden för vändpunkter och filterprisrörelser. Beräkning Det krävs flera steg för att beräkna Kaufman039s Adaptive Moving Average. Let039 börjar först med de inställningar som rekommenderas av Perry Kaufman, som är KAMA (10,2,30). 10 är antalet perioder för effektivitetsförhållandet (ER). 2 är antalet perioder för den snabbaste EMA-konstanten. 30 är antalet perioder för den långsammaste EMA-konstanten. Innan vi beräknar KAMA måste vi beräkna effektivitetsförhållandet (ER) och utjämningskonstanten (SC). Att bryta ner formeln till bettstorleksnuggor gör det lättare att förstå metoden bakom indikatorn. Observera att ABS står för Absolut Värde. Effektivitetsförhållande (ER) ER är i princip prisförändringen justerad för den dagliga volatiliteten. I statistiska termer säger effektivitetsförhållandet oss fraktal effektiviteten av prisförändringar. ER fluktuerar mellan 1 och 0, men dessa ytterligheter är undantaget, inte normen. ER skulle vara 1 om priserna steg 10 på varandra följande perioder eller ner 10 på varandra följande perioder. ER skulle vara noll om priset är oförändrat under de 10 perioderna. Utjämning Constant (SC) Utjämningskonstanten använder ER och två utjämningskonstanter baserat på ett exponentiellt rörligt medelvärde. Som du kanske har märkt använder utjämningskonstanten utjämningskonstanterna för ett exponentiellt glidande medelvärde i dess formel. (2301) är utjämningskonstanten för en 30-årig EMA. Den snabbaste SC är utjämningskonstanten för kortare EMA (2-perioder). Den långsammaste SC är utjämningskonstanten för den långsammaste EMA (30-perioderna). Observera att 2 i slutet är att kvadrera ekvationen. Med effektivitetsförhållandet (ER) och utjämningskonstanten (SC) är vi nu beredda att beräkna Kaufman039s adaptiva rörande medelvärde (KAMA). Eftersom vi behöver ett initialvärde för att starta beräkningen är den första KAMA bara ett enkelt glidande medelvärde. Följande beräkningar baseras på formeln nedan. BeräkningsexempelChart Nedanstående bilder visar ett skärmdump från ett Excel-kalkylblad som används för att beräkna KAMA och motsvarande QQQ-diagram. Användning och signaler Chartister kan använda KAMA som någon annan trend som följer indikatorn, som ett glidande medelvärde. Chartister kan leta efter prisövergångar, riktningsändringar och filtrerade signaler. Först anger ett kors över eller under KAMA riktningsförändringar i priserna. Som med alla rörliga medelvärden kommer ett enkelt crossover-system att generera många signaler och massor av whipsaws. Chartister kan minska whipsaws genom att tillämpa ett pris - eller tidsfilter till övergångarna. Man kan kräva pris för att hålla korset för bestämt antal dagar eller kräva korset överstiga KAMA med bestämd procentandel. För det andra kan kartläggare använda KAMAs riktning för att definiera den övergripande trenden för en säkerhet. Det kan kräva en parameterjustering för att släpa indikatorn ytterligare. Chartister kan ändra medelparametern, som är den snabbaste EMA-konstanten, för att släta KAMA och leta efter riktningsändringar. Trenden är nere så länge som KAMA faller och smälter lägre nedgångar. Trenden är upp så länge KAMA stiger och smider högre höjder. Kroger-exemplet nedan visar KAMA (10,5,30) med en brant stigning från december till mars och en mindre brant uppgång från maj till augusti. Och slutligen kan kartörer kombinera signaler och tekniker. Chartister kan använda en längre term KAMA för att definiera den större trenden och en kortare KAMA för handelssignaler. Till exempel kan KAMA (10,5,30) användas som ett trendfilter och anses vara hausse när det stiger. En gång hausse kan chartörer sedan leta efter hausseformade kryssningar när priset går över KAMA (10,2,30). Exemplet nedan visar MMM med stigande långsiktiga KAMA och hausse kors i december, januari och februari. Långsiktiga KAMA avböjdes i april och det var baisse kors i maj, juni och juli. SharpCharts KAMA kan hittas som en indikatoröverlagring i SharpCharts arbetsbänk. Standardinställningarna visas automatiskt i parameterrutan när den väljs och kartläggare kan ändra dessa parametrar så att de passar deras analytiska behov. Den första parametern är för effektivitetsförhållandet och diagrammen bör avstå från att öka detta nummer. Istället kan kartläggare minska den för att öka känsligheten. Chartister som vill släta KAMA för långsiktig trendanalys kan öka mellannivåvärdet stegvis. Även om skillnaden är bara 3, är KAMA (10,5,30) signifikant mjukare än KAMA (10,2,30). Ytterligare studie Från skaparen erbjuder boken nedan detaljerad information om indikatorer, program, algoritmer och system, inklusive detaljer om KAMA och andra glidande medelvärden. Handelssystem och metoder Perry Kaufman

Comments