Adaptive moving average tradestation

Por Michael R Bryant. Os indicadores técnicos são um dos elementos fundamentais da negociação sistemática Indicadores, tais como médias móveis ou estocásticos, podem ser vistos como transformações da série de entrada normalmente, preço ou volume destinado a acentuar um aspecto particular do mercado, tais como Como sua tendência ou ciclicidade Embora fundamental para a maioria dos métodos de negociação sistemática, muitos comerciantes evitam os indicadores mais comuns, como as médias móveis simples eo indicador de força relativa RSI, na crença de que o mercado se adaptou ao seu uso, reduzindo a sua eficácia. Forma de compensar o efeito da eficiência do mercado sobre a viabilidade dos indicadores técnicos é modificá-los de alguma forma significativa Por exemplo, Chande e Kroll s indicador VIDYA 1 é uma média móvel exponencial em que o factor de suavização depende da volatilidade do mercado, por isso Que o comprimento efetivo do look-back é reduzido quando a volatilidade aumenta. Neste artigo, eu vou desenvolver uma extensão da adaptação Ive look-back abordagem e mostrar como aplicá-lo a uma variedade de indicadores com apenas algumas linhas de código extra Os indicadores resultantes fornecer maior versatilidade do que os indicadores anteriores e pode ser mais consistente com uma visão estatística dos mercados. Back Length. Given que os mercados estão em constante mudança, faz sentido para tentar adaptar-se às mudanças, tanto quanto possível A maioria dos indicadores técnicos foram originalmente desenvolvidos com um comprimento fixo look-back, por exemplo, o número de barras em uma média móvel simples Por exemplo, Chande e Kroll usaram várias métricas diferentes, incluindo um índice de volatilidade baseado em um desvio padrão normalizado do preço em que Valores mais altos do índice resultaram em um menor comprimento efetivo do look-back. A idéia era que durante períodos de maior volatilidade, a média móvel deveria ser mais responsiva A idéia por trás de sua Kaufman Adaptive Moving Average KAMA foi que durante os períodos de alta volatilidade, Você é mais provável começar o whip-sawed enquanto os swings do mercado para a frente e para trás, tendo por resultado perdas repetidas Para evitar que, usou um período mais longo para a média movente durante períodos da ação choppy do preço de modo que a média seria menos responsiva ao A volatilidade do mercado, resultando em menos reversões. Durante a tendência de ação do mercado, o período da média móvel foi reduzido para que os comércios pudessem reagir mais rapidamente à mudança de direção. Para medir o choppiness, Kaufman usou o chamado rácio de eficiência ER, Valor absoluto da variação de preço durante o período de retrocesso dividido pela soma dos valores absolutos das variações de preço de bar a barra durante o mesmo período Se, por exemplo, A mudança líquida de preço é zero - o preço é o mesmo no final do período como no início - então o ER será zero Neste caso, o mercado é perfeitamente ineficiente na medida em que ele pode se mover muito de Bar para bar, mas não vai a qualquer lugar Se, por outro lado, o mercado se move constantemente em uma direção para cima ou para baixo, de modo que cada movimento da barra contribui para a mudança líquida de preço, o ER será Em geral, o ER ficará entre 0 e 1. Uma Visão Diferente dos Comprimentos Adaptáveis ​​de Retorno. Enquanto muitas métricas diferentes poderiam - e ter A relação de eficiência captura um aspecto fundamental da ação de mercado, ou seja, a diferença entre comportamento de tendência e cíclico. Os altos valores de ER implicam um mercado fortemente tendencial, o que significa muito pouco movimento cíclico, e valores baixos De ER implicam pouca tendência e, portanto, mais movimento cíclico Nt, exceto no caso de pouco movimento. Isso tende a apoiar a abordagem de Kaufman. No entanto, sua decisão de usar comprimentos de look-back mais longos em mercados agitados baseia-se na suposição de que estamos adaptando o comprimento de look-back de um movimento Média e 2 a idéia de que a média móvel é usada para desencadear uma entrada ou saída comercial. Um ponto de vista alternativo é aquele defendido por John Ehlers através de seu trabalho sobre a aplicação de métodos de processamento de sinal à negociação 3 Sua visão é mais ao longo das linhas de tentar Para modelar mais de perto a parte do mercado de interesse, por exemplo, a componente da tendência ou a componente do ciclo. Deste ponto de vista, uma média móvel num mercado intermitente deve utilizar um comprimento mais curto para capturar com maior precisão a frequência mais elevada representada pela Choppiness, quando em um mercado fortemente tendendo, um comprimento mais longo do look-back é mais consistente com o movimento do mercado. Terceiro ponto de vista é o que eu adotarei aqui a saber, um mais estatístico Primeiro, não supor anythi Ng mais do que absolutamente necessário sobre o indicador em questão e como ele pode ser usado Em particular, não vamos supor que o indicador em questão é uma média móvel, e não vamos supor que s aplicado ao preço Poderia, por exemplo, ser o RSI de volatilidade ou a média móvel do estocástico de volume O indicador pode ser usado em conjunto com outros indicadores como parte de uma regra maior para entrada ou saída, e não por si só. Com esta visão mais estostática, o objetivo é Criar regras de negociação que têm validade estatística, o que significa que eles se encaixam bem a ação de preço sem excesso de ajuste Nós não estamos assumindo que sabemos como os mercados funcionam bem o suficiente para tomar decisões específicas sobre se o comprimento de look-back deve aumentar ou diminuir com algo como O rácio de eficiência Em vez disso, temos algumas razões para acreditar que o rácio de eficiência pode ter relevância e, portanto, queremos incluí-lo como uma variável, mas deixamos ao mercado para nos dizer se e como f Seu teste estatístico é usado para nos dizer se a estratégia de negociação que contém o indicador é estatisticamente válido ou se é excesso de ajuste, ou seja, inválido, porque se encaixa o ruído em vez do sinal do market. A mais versátil Adaptive Look-Back. Dada a discussão anterior, o comprimento adaptativo de look-back desenvolvido aqui será baseado no índice de eficiência ER e usará um parâmetro para determinar a relação entre ER e o comprimento do look-back. Em particular, considere a seguinte equação. VER quadrado ER - 2 em que VER é a relação de eficiência variável, e TrendParam é o parâmetro de tendência, que pode tomar qualquer valor positivo ou negativo e que determina se o comprimento de look-back irá aumentar ou diminuir com o aumento ER. Isso é essencialmente apenas uma maneira de reverter a relação ER dependendo do parâmetro de tendência Como mostrado abaixo, em vez de escalar a constante de suavização por ER, como Chande e Kroll e Kaufman essencialmente fazer, usamos VER com p Os valores ositivos de TrendParam, VER variam positivamente com ER, enquanto que com valores negativos de TrendParam, VER varia negativamente com ER Com TrendParam igual a zero, VER é igual a 1 para todos os valores de ER O quadrado é tomado para melhor dimensionar os valores de uso Como multiplicador, conforme explicado a seguir. Para calcular o comprimento adaptativo do look-back usando esta equação, multiplicamos o valor original da constante de alisamento, Alpha, que corresponde ao comprimento original do look-back, por VER. VAlpha Alpha VER. in Que VAlpha é a constante de suavização adaptativa e Alpha é o valor original da constante de suavização. A relação entre a constante de suavização e o comprimento de look-back é a mesma que para a média móvel exponencial em que N é o look-back Comprimento e Alpha é a constante de suavização Esta equação também pode ser escrita para N em termos de Alfa. O comprimento de look-back adaptativo é, portanto ,.Kaufman Adaptive Moving Average Estratégia Trading Setup Filter. I Trading Strategy. Dev Eloper Perry Kaufman Kaufman Média Móvel Adaptativa KAMA Fonte Kaufman, PJ 1995 Negociação Mais Inteligente Melhorando Desempenho em Mercados em Mudança Nova Iorque McGraw-Hill, Inc Conceito Estratégia de negociação baseada em um filtro de ruído adaptativo Objetivo de pesquisa Verificação de desempenho da configuração e filtro Tabela 1 Resultados Figura 1-2 Trade Setup Long Trades A AMA Adaptive Moving Average transforma-se Short Trades A Adaptive Moving Average baixa Nota A linha de tendência AMA parece parar quando os mercados não têm direção Quando os mercados tendem, a linha de tendência da AMA alcança Trade Entry Long Trades A buy at O fechamento é colocado depois de uma configuração alta negociações curtas Uma venda no fechamento é colocada após uma configuração de baixa Operação de saída 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 Testes Plataforma MATLAB. II Teste de Sensibilidade. Todos os gráficos 3-D são seguidos por gráficos de contorno 2-D para o Fator de Lucro, a Relação de Sharpe, o Ulc Índice de Desempenho Máximo, CAGR, Desempenho Máximo, Porcentagem de Negociações Lucrativas e Média Média de Razão de Perdas A imagem final mostra a sensibilidade da Curva de Patrimônio. Variáveis ​​Tested Definições de ERLength FilterIndex Tabela 1. Desempenho de Carteira Tabela 1 Deslizamento da Comissão 0.AMA ERLength is A média móvel adaptativa durante um período de ERLength ERLength é um período de look-back do índice de eficiência ER ER i abs Direção i volatilidade i, onde abs é o valor absoluto Direção i Fechar i Fechar i ERLength, volatilidade i abs DeltaClose i, ERLength , Onde é a soma ao longo de um período de ERLength, DeltaClose i Fechar i Fechar i 1 FastMALength é um período da média rápida SlowMALength é um período da média lenta MOA i AMA i 1 ci Fechar i AMA i 1, onde ci ER i Rápido Lento Lento 2, Rápido 2 FastMALength 1, Lento 2 SlowMALength 1 Índice i. ERLength 2, 100, Passo 2 FastMALength 2 SlowMALength 30.Long Trades Se AMA i AMA i 1 AMA i 1 AMA i 2 então MinAMA AMA i 1 Adaptive Moving Aver Idade transforma-se acima com um pivô em MinAMA Curtas Trades AMA i AMA i 1 AMA i 1 AMA i 2 então MaxAMA AMA i 1 A média movente adaptativa gira para baixo com um pivô em MaxAMA índice i. Filter i FilterIndex StdDev AMA i AMA i 1, N , Onde StdDev é o desvio padrão da série sobre N períodos N 20 valor padrão Índice i. FilterIndex 0 0, 1 0, Passo 0 02 N 20.Long Trades Uma compra no fechamento é colocada quando AMA i AMA i 1 AMA i MinAMA Filter i Short Trades Uma venda no fechamento é colocada quando AMA i AMA i 1 MaxAMA AMA i Filtro i Índice i. Stop Perda Saída ATR ATRLength é a Média True Range durante um período de ATRLength ATRStop é um múltiplo de ATR ATRLength Long Trades A Stop de venda é colocado na entrada ATR ATRLength ATRStop Short Trades Um stop de compra é colocado na entrada ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.ERLength 2, 100, Passo 2 FilterIndex 0 0, 1 0, Step 0 02.Kaufman s Adaptive Moving Average KAMA. Kaufman s Adaptive Moving Average KAMA. Desenvolvido por Perry Kaufman, Kaufman's Adaptive Moving Average KAMA é am A KAMA irá acompanhar de perto os preços quando as oscilações de preços forem relativamente pequenas eo ruído é baixo. A KAMA irá ajustar-se quando os balanços de preços se alargarem e seguir os preços de uma distância maior. Este indicador de tendência pode ser utilizado Para identificar a tendência geral, os pontos de mudança de tempo e os movimentos do preço do filtro. Existem várias etapas necessárias para calcular a média móvel adaptável de Kaufman. Vamos começar pela primeira vez com as configurações recomendadas por Perry Kaufman, que são KAMA 10,2,30.10 é o número de Períodos para a Relação de Eficiência ER.2 é o número de períodos para a constante EMA mais rápida.30 é o número de períodos para a constante EMA mais lenta. Antes de calcular KAMA, precisamos calcular a Relação de Eficiência ER ea Constante de Suavização SC Dividindo A fórmula em pepitas de tamanho de mordida torna mais fácil entender a metodologia por trás do indicador Note que ABS significa Absolute Value. Efficiency Ratio ER. O ER é basico Em termos estatísticos, o Índice de Eficiência indica que a eficiência fractal das variações de preços ER flutua entre 1 e 0, mas estes extremos são a exceção, e não a norma ER seria 1 se os preços subissem 10 períodos consecutivos ou para baixo 10 períodos consecutivos ER seria zero se o preço é inalterado durante os 10 períodos. Constante de suavização SC. A constante de suavização usa o ER e duas constantes de alisamento com base em uma média móvel exponencial. Como você pode ter notado, o Smoothing Constante está usando as constantes de suavização para uma média móvel exponencial em sua fórmula 2 30 1 é a constante de suavização para um EMA de 30 períodos O SC mais rápido é a constante de suavização para períodos EMA 2 mais curtos O SC mais lento é a constante de suavização para o mais lento EMA 30-períodos Observe que o 2 no final é quadrado a equação. Com a Relação de Eficiência ER e Smoothing Constant SC, estamos agora prontos para calcular Kaufman s Adaptive Moving Average KAMA S Uma vez que precisamos de um valor inicial para iniciar o cálculo, o primeiro KAMA é apenas uma média móvel simples. Os cálculos a seguir são baseados na fórmula abaixo. Tabela de Exemplo de Calculo As imagens abaixo mostram uma captura de tela de uma planilha Excel utilizada para calcular KAMA e O correspondente QQQ chart. Usage e Signals. Chartists pode usar KAMA como qualquer outra tendência seguinte indicador, como uma média móvel Chartists pode olhar para cruzamentos de preços, mudanças direcionais e sinais filtrados. Primeiro, uma cruz acima ou abaixo KAMA indica direcional mudanças em Como com qualquer média móvel, um simples sistema de crossover irá gerar muitos sinais e lotes de whipsaws Chartists pode reduzir whipsaws, aplicando um filtro de preço ou tempo para os crossovers Um pode exigir preço para segurar a cruz para definir o número de dias ou exigir a Cruzar o exceder KAMA por percentagem set. Second, chartists pode usar a direção de KAMA para definir a tendência geral para uma segurança Isso pode exigir um ajuste de parâmetro Para alisar o indicador mais Os cartistas podem mudar o parâmetro do meio, que é a constante EMA mais rápida, para suavizar KAMA e olhar para mudanças direcionais A tendência é para baixo, enquanto KAMA está caindo e forjando menores baixos A tendência é até KAMA Está subindo e forjando aumentos mais altos O exemplo de Kroger abaixo mostra KAMA 10,5,30 com uma tendência de alta íngreme de dezembro a março e uma tendência de subida menos-íngreme de maio a agosto. E finalmente, os chartists podem combinar sinais e técnicas Chartists pode usar um mais longo Por exemplo, KAMA 10,5,30 poderia ser usado como um filtro de tendência e ser considerado otimista quando subir Uma vez alcista, os cartistas poderiam então olhar para os cruzamentos de alta quando O preço se move acima de KAMA 10,2,30 O exemplo abaixo mostra MMM com um aumento de longo prazo KAMA e cruzes de alta em dezembro, janeiro e fevereiro KAMA de longo prazo recusado em abril e houve cruzes de baixa em maio, junho e julho. KAMA pode ser foun D como uma sobreposição de indicadores no Workbench do SharpCharts As configurações padrão aparecerão automaticamente na caixa de parâmetros uma vez selecionada e os chartists podem alterar esses parâmetros de acordo com suas necessidades analíticas. O primeiro parâmetro é para o Efficiency Ratio e os chartists devem abster-se de aumentar esse número Em vez disso, os cartistas podem diminuí-la para aumentar a sensibilidade. Os cartistas que procuram alisar a KAMA para análise de tendência a longo prazo podem aumentar o parâmetro médio incrementalmente. Mesmo que a diferença seja apenas 3, KAMA 10,5,30 é significativamente mais suave que KAMA 10,2,30 Estudo adicional. Do criador, o livro abaixo oferece informações detalhadas sobre indicadores, programas, algoritmos e sistemas, incluindo detalhes sobre KAMA e outros sistemas de média móvel. Sistemas e Métodos de Perry Perry Kaufman.