Adaptive Moving Average Formula In Excel

MetaTrader 5 - Indicadores Fractal Adaptive Moving Average (FrAMA) - indicador para MetaTrader 5 Descripción: Fractal Adaptive Moving Indicador técnico promedio (FRAMA) fue desarrollado por John Ehlers. Este indicador se construye sobre la base del algoritmo de la media móvil exponencial. En el que el factor de suavizado se calcula sobre la base de la dimensión fractal actual de la serie de precios. La ventaja de FRAMA es la posibilidad de seguir fuertes movimientos de tendencia y de frenar suficientemente en los momentos de consolidación de precios. Todos los tipos de análisis utilizados para las medias móviles pueden aplicarse a este indicador. FRAMA (i) - valor actual de FRAMA Precio (i) - precio actual FRAMA (i) - precio actual FRAMA (i) (I-1) - valor previo de FRAMA A (i) - factor de corriente de suavizado exponencial. El factor de suavizado exponencial se calcula de acuerdo con la siguiente fórmula: A (i) EXP (-4.6 (D (i) - 1)) D (i) - dimensión fractal actual EXP () - función matemática del exponente. La dimensión fractal de una recta es igual a uno. Se ve por la fórmula que si D1, entonces A EXP (-4.6 (1-1)) EXP (0) 1. Así, si el precio cambia en líneas rectas, no se utiliza el suavizado exponencial, porque en tal caso la fórmula Se ve así: FRAMA (i) 1 Precio (i) (1 - i) FRAMA (i-1) Precio (i) El indicador sigue exactamente el precio. La dimensión fractal de un plano es igual a dos. De la fórmula obtenemos que si D2, entonces el factor de suavizado A EXP (-4.6 (2-1)) EXP (-4.6) 0.01. Un valor tan pequeño del factor de suavizado exponencial se obtiene en momentos en que el precio hace un fuerte movimiento de dientes de sierra. Una desaceleración tan fuerte corresponde a una media móvil simple de aproximadamente 200 periodos. Fórmula de la dimensión fractal: D (LOG (N1 N2) - LOG (N3)) / LOG (2) Se calcula sobre la base de la fórmula adicional: N (Length, i) (HighestPrice (i) (I) - valor mínimo actual para los períodos de longitud Los valores N1, N2 y N3 son respectivamente iguales a: N1 (i) N (Longitud, i) N2 (i) N ( Longitud, i Longitud) N3 (i) N (2 Longitud, i) Estrategia de negociación de Kaufman Adaptive Moving Average (Setup 038 Filter) I. Desarrollador de Estrategia de Negocio: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA). Fuente: Kaufman, P. J. (1995). Comercio Más Inteligente. Mejorar el rendimiento en mercados cambiantes. Nueva York: McGraw-Hill, Inc. Concepto: Estrategia de negociación basada en un filtro de ruido adaptativo. Objetivo de la investigación: Verificación del rendimiento de la configuración y el filtro. Especificación: Tabla 1. Resultados: Figura 1-2. Establecimiento comercial: Largas operaciones: El promedio móvil adaptable (AMA) aparece. Operaciones Cortas: La Media Movible Adaptativa baja. Nota: La línea de tendencia AMA parece detenerse cuando los mercados no tienen dirección. Cuando la tendencia de los mercados, la línea de tendencia AMA captura. Entrada de Comercio: Largas Operaciones: Una compra al cierre se coloca después de una configuración alcista. Operaciones cortas: Una venta al cierre se coloca después de una configuración bajista. Salidas comerciales: Cuadro 1. Cartera: 42 mercados de futuros de cuatro grandes sectores del mercado (materias primas, divisas, tasas de interés e índices de renta variable). Datos: 32 años desde 1980. Plataforma de Pruebas: MATLAB. II. Prueba de sensibilidad Todas las gráficas tridimensionales son seguidas por las gráficas de contorno en 2D para el factor de beneficio, la relación de Sharpe, el índice de desempeño de úlcera, el CAGR, la reducción máxima, el porcentaje de operaciones rentables y el promedio. Ganar / Promedio Índice de siniestralidad. La imagen final muestra la sensibilidad de la curva de equidad. Variables probadas: Amplitud de ERL FilterIndex (Definiciones: Tabla 1): Figura 1 Desempeño de la cartera (Entradas: Tabla 1 Compensación amp Slippage: 0). AMA (ERLength) es el promedio móvil adaptativo durante un período de ERLength. ERLength es un período de retroceso de la Efficiency Ratio (ER). ERi abs (Directioni / Volatilityi), donde 8220abs8221 es el valor absoluto. , Donde 82208221 es la suma a lo largo de un periodo de ERLength, DeltaClosei Closei Closei 1. FastMALength es un período de la media de movimiento rápido. SlowMALength es un período de la media móvil lenta. AMAi AMAi 1 ci (Closei AMAi 1), donde ci (ERi (Fast Slow) Slow) 2, Fast 2 / (FastMALength 1), Slow 2 / (SlowMALength 1). Long: Si AMAi gt AMAi AMAi AMAi 1 AMAi 1 AMAi 2 AMAMAi 1 (Media Movible Adaptativa se convierte con un pivote en MinAMA). Operaciones Cortas: AMAi lt AMAi AMAi 1 AMAi 1 gt AMAi 2 entonces MaxAMA AMAi 1 (Media Movible Adaptativa baja con un pivote en MaxAMA). Índice: i Filteri FilterIndex StdDev (AMAi AMAi 1, N), donde StdDev es la desviación estándar de series sobre N periodos. N 20 (valor predeterminado). Índice: i FilterIndex 0.0, 1.0, Paso 0.02 N 20 Trades Largos: Una compra al cierre se coloca cuando AMAi gt AMAi 1 amperio (AMAi MinAMA) gt Filteri. Operaciones cortas: Una venta al cierre se coloca cuando AMAi lt AMAi 1 amperio (MaxAMA AMAi) gt Filteri. Índice: i Detener salida de pérdida: ATR (ATRLength) es el intervalo real promedio durante un período de ATRLength. ATRStop es un múltiplo de ATR (ATRLength). Operaciones largas: Una parada de venta se coloca en la entrada ATR (ATRLength) ATRStop. Operaciones cortas: Se coloca una parada de compra en la entrada ATR (ATRLength) ATRStop. ATRLength 20 ATRStop 6 ERLength 2, 100, Paso 2 FilterIndex 0.0, 1.0, Step 0.02Moving Promedios Cosas Motivado por correo electrónico de Robert B. Recibo este correo electrónico preguntando sobre el Promedio móvil Hull (HMA) y. Y nunca lo habías oído antes. Uh. está bien. De hecho, cuando realicé una búsqueda en Google descubrí un montón de promedios móviles de los que nunca había oído hablar, como: Límite de cero Media móvil exponencial Media móvil más baja Promedio móvil mínimo cuadrado Promedio móvil triangular Promedio móvil adaptable Promedio móvil Jurik. Así que pensé en hablar conmigo sobre los promedios móviles y. Havent que hiciste eso antes, como aquí y aquí y aquí y aquí y. Sí, sí, pero eso fue antes de que yo supiera de todos estos otros promedios móviles. De hecho, los únicos con los que jugué eran éstos, donde P 1. P2. P n son los últimos precios de las acciones n (siendo P n el más reciente). Promedio móvil simple (SMA) (P 1 P 2. P n) / K donde K n. Promedio móvil ponderado (WMA) (P 1 2 P 2 3 P 3.n P n) / K donde K (12.n) n (n1) / 2. Promedio Móvil Exponencial (EMA) (P n 945 P n-1 945 2 P n-2 945 3 P n-3) / K donde K 1 945945 2. 1 / (1-945). Nunca he visto esa fórmula EMA antes. Siempre thoguht que era. Sí, normalmente se escribe de manera diferente, pero quería mostrar que estos tres tienen prescripciones similares. (Vea las cosas de la EMA aquí y aquí.) De hecho, todas parecen: Tenga en cuenta que, si todos los Ps son iguales, digamos, Po, entonces la media móvil es igual a Po. Y esa es la forma en que cualquier medio que se respete debería comportarse. Así que cuál es el mejor Definir mejor. Aquí hay unos pocos promedios móviles, tratando de realizar un seguimiento de una serie de precios de las acciones que varían de una manera sinusoidal: los precios de las acciones que siguen una curva senoidal ¿Dónde encontró una acción como que Preste atención Observe que los promedios móviles comúnmente utilizados (SMA, WMA Y EMA) alcanzan su máximo después de la curva sinusoidal. Eso es retraso y. Pero, ¿qué pasa con ese tipo de HMA? Se ve muy bien Sí, y eso es lo que queremos hablar. En efecto. Y cuál es ese 6 en HMA (6) y veo algo llamado MMA (36) y. Paciencia. Promedio móvil del casco Comenzamos calculando el promedio móvil ponderado (WMA) de 16 días así: 1 WMA (16) (P 1 2 P 2 3 P 3. 16 P n) / K con K 12. 16 136. Aunque su Agradable y smoooth, itll tienen un retraso más grande que wed como: Así que miramos el WMA de 8 días: Me gusta Sí, sigue las variaciones de precios bastante bien. Pero hay más. Mientras que WMA (8) mira precios más recientes, todavía tiene un retraso, así que vemos cuánto ha cambiado la WMA al pasar de 8 días a 16 días. La diferencia sería así: en cierto sentido, esa diferencia da alguna indicación de cómo la AMM está cambiando. Por lo que añadimos este cambio a nuestro anterior WMA (8) para dar: 2 WMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16). MMA ¿Por qué llamarla MMA? Tartamudeo. De todos modos, MMA (16) se vería así: Ill take it Patience. hay más. Ahora introducimos la transformación mágica y obtenemos. Ta-DUM Eso es casco Sí. Como lo entiendo Pero ¿cuál es el ritual mágico Después de haber generado una serie de MMA s que implican los promedios móviles ponderados de 8 días y 16 días, miramos atentamente esta secuencia de números. Luego calculamos el WMA en los últimos 4 días. Eso da el promedio móvil Hull que hemos llamado HMA (4). Huh 16 días entonces 8 días entonces 4 días. ¿Lanzar una moneda para ver cuántos. Usted escoge un número de días, como n 16. Luego mira WMA (n) y WMA (n / 2) y calcula MMA 2 WMA (n / 2) - WMA (n). (En nuestro ejemplo, thatd ser 2 WMA (8) - WMA (16).A continuación, se calcula WMA (sqrt (n)) utilizando sólo los últimos números sqrt (n) de la serie MMA (En nuestro ejemplo, thatd estar calculando Una WMA (4), utilizando la serie MMA.) Y para que la gráfica SINE divertido Howd lo hace Así que wheres la hoja de cálculo Im todavía trabajando en ella: MA-stuff. xls Es interesante ver cómo las diferentes medias móviles reaccionan a los picos: HMA realmente un promedio móvil ponderado Bueno, vamos a ver: Tenemos: MMA 2 WMA (8) - WMA (16) 2 (P 1 2 P 2 3 P 3. 8 P n) / 36 - (P 1 2 P 2 3 (1/136) P 1 P 2 8 P 8 - (1/136) 9 P 9 10 P 10 16 P 16 Por razones sanitarias P 3 16 P n) / 136 o MMA 2 (1/36) Razones, escribe bien así: MMA w 1 P 1 w 2 P 2 w 16 P 16. Note que todos los pesos se suman a 1. Además, wk 2 (1/36) - (1/136) K para K 1, 2. 8 y wk - (1/136) K para K 9, 10. 16. Entonces, haciendo el ritual mágico de raíz cuadrada (donde sqrt (16) 4) tenemos (recordando que P 16 es el más Valor reciente) HMA el WMA de 4 días de los MMAs anteriores (w 1 P 1 w 2 P 2. W 16 P 16) 2 (w 1 P 0 w 2 P 1 w 16 P 15) 3 (w 1 P -1 w 2 P 0 w 16 P 14) 4 (w 1 P -2 w 2 P -1 W 16 P 13) / 10 (observando que 1234 10). Huh P 0. P $ ^ { - 1} $. Qué. El MMA (16) utiliza los últimos 16 días, de regreso al precio se llamaba P 1. Si calculamos el promedio ponderado de 4 días de estos MMAs, bien usando el MMA de ayer (y eso se remonta 1 día antes de P 1) y el día anterior, el MMA se remonta a 2 días antes de P 1 y el día Antes that. Okay, por lo que está llamando a precios P ​​0. P -1 etc. etc. Lo tienes. Así que un HMA de 16 días en realidad utiliza información que se remonta a más de 16 días, a la derecha Usted lo consiguió. Pero hay pesos negativos para ellos viejos precios Es eso legal La prueba está en el. Sí, sí. la prueba está en el pudín. Así que lo que hace la hoja de cálculo Hasta ahora se ve como esto: (Haga clic en la imagen para descargar.) Puede elegir una serie SINE o una serie RANDOM de precios de las acciones. Para este último, cada vez que haga clic en un botón obtendrá otro conjunto de precios. Entonces usted puede elegir el número de días: thats nuestro n. (Por ejemplo, utilizamos n 16 para nuestro ejemplo, arriba). Además, si elige la serie SINE, puede introducir picos y moverlos a lo largo del gráfico. Me gusta esto . Tenga en cuenta que hemos utilizado n 16 y n 36 (en la imagen de la hoja de cálculo) causa n / 2 y sqrt (n) son ambos enteros. Si utiliza algo como n 15 entonces la hoja de cálculo utiliza la parte INT eger de n / 2 y sqrt (n), es decir, 7 y 3. Por lo tanto, es la media móvil Hull el mejor Definir mejor. ¿Qué pasa con ese Jurik promedio? No sé nada sobre él. Es propietario y tienes que pagar para usarlo. Sin embargo, permite jugar con promedios móviles. Otro promedio móvil Suponga que, en lugar de la media móvil ponderada (donde los pesos son proporcionales a 1, 2, 3.). Usamos el ritual mágico del Casco con el Promedio Móvil Exponencial. Es decir, consideramos que: MAg 2 EMA (n / 2) - EMA (n) MAg Sí, es decir, M oving A verage g inmick o M oving A verage g eneralized o M oving A verage g rand o. O M oving M og a de Ver a P o r P o r P o r P u ñ o ç. My............................................... Podemos jugar con 945 yk y ver lo que tenemos: Por ejemplo, aquí están unos pocos MAgs (donde se quedaron a 16 días, pero cambiando los valores de 945 y k): MAg (16) 2 EMA (4) - EMA 16) 1.5 EMA (5) - 0.5 EMA (16) Tenga en cuenta que cuando tomamos k 3 obtenemos n / k 16/3 5.333 que cambiamos a simple y simple 5.0. ¿Por qué no te quedas con las opciones de cascos: 945 2 y k 2 buena idea. Mieras obtener esto: MAg (16) 2 EMA (8) - EMA (16) Parece que el gráfico con 945 1,5 y k 3. Lo hace, no lo hizo ¿Usted goof. De nuevo Posiblemente. Así que qué sobre ese ritual de raíz cuadrada lo dejo como un ejercicio. Para ti Bueno, mientras jugaba con esa cosa MAg encuentro que Hulls k 2 funciona bastante bien. Tan bien se adhieren a eso. Sin embargo, a menudo obtenemos un promedio bastante bueno cuando agregamos sólo una pequeña parte del cambio: EMA (n / 2) - EMA (n). De hecho, agregue sólo una fracción 946 de ese cambio. Se obtiene: MAg (n, 946) EMA (n / 2) 946 EMA (n / 2) - EMA (n). Es decir, se elige 946 0,5 o tal vez sólo 946 0,25 o lo que sea y utilice: Por ejemplo, si comparamos nuestra manada de promedios móviles como rastrear una función STEP, obtenemos esto, donde agregamos (para MAg) sólo 946 1 / 2 del cambio. Sí, pero cuál es el mejor valor de beta. Definir mejor: Tenga en cuenta que la beta 1 es la elección del casco. Excepto que estaban usando EMAs en lugar de WMAs. Y dejaste esa cosa de raíz cuadrada. Uh, sí. Olvidé eso. Nota . La hoja de cálculo cambia de una hora a otra. En la actualidad se ve como este Algo para jugar Con me tengo una hoja de cálculo que se parece a esto. Haga clic en la imagen para descargar. Usted escoge una acción y hace clic en un botón y consigue un valor de años de precios diarios. El usted elige HMA o MAg, cambiando el número de días y, para MAg, el parámetro, y ve cuándo debe COMPRAR ro SELL. Basado en qué criterio Si el promedio móvil es DOWN x de su máximo en los últimos 2 días, COMPRA. (En el ejemplo, x 1.0) Si su UP y de su mínimo durante los últimos 2 días, VENDE. (En el ejemplo, y 1.5) Puede cambiar los valores de x e y. Tiene algo de bueno. Estos criterios, dije que era algo con lo que jugar. Theres esta otra técnica de alisado llamado el Hodrick-Prescott Filtro. Con la ayuda de Ron McEwan, ahora está incluido en esta hoja de cálculo: ¿Es bueno jugar con él. Notará que hay un parámetro que puede cambiar en la celda M3. Y COMPRAR y VENDER las señales. Por supuesto, usted quisiera que una señal filtrada fuera lisa y lag-libre. Retraso provoca retrasos en sus operaciones, y el aumento de retraso en sus indicadores suelen resultar en menores beneficios. En otras palabras, los recién llegados obtienen lo que queda en la mesa después de que la fiesta ya ha comenzado. Es por eso que los inversionistas, bancos e instituciones en todo el mundo piden la Media Moving Research Jurik (JMA). Puede aplicarlo como lo haría con cualquier otra media móvil popular. Sin embargo, JMAs mejora el tiempo y la suavidad te sorprenderá. La línea gris dentada en el gráfico simula la acción de precios que comienza en un rango de negociación bajo, luego las brechas a un rango de negociación más alto. Puesto que a nadie le gusta esperar al margen, un filtro de reducción de ruido perfecto (línea verde) se moverá suavemente a lo largo del centro del primer rango de negociación y luego saltará al centro de la nueva gama comercial casi de inmediato. Kaufman039s Adaptive Moving Average (KAMA) Kaufman039s Adaptive Moving Average (KAMA) Introducción Desarrollado por Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) es una media móvil diseñada para dar cuenta del ruido del mercado o la volatilidad. KAMA seguirá de cerca los precios cuando las oscilaciones de precios son relativamente pequeñas y el ruido es bajo. KAMA se ajustará cuando las oscilaciones de los precios se amplíen y sigan los precios desde una mayor distancia. Este indicador de tendencia puede ser usado para identificar la tendencia general, los puntos de cambio de tiempo y los movimientos de los precios de los filtros. Cálculo Hay varios pasos requeridos para calcular la media móvil adaptable de Kaufman039s. Primero debemos comenzar con los ajustes recomendados por Perry Kaufman, que son KAMA (10,2,30). 10 es el número de períodos para la Eficiencia (ER). 2 es el número de períodos para la constante EMA más rápida. 30 es el número de períodos para la constante EMA más lenta. Antes de calcular KAMA, necesitamos calcular la Relación de Eficiencia (ER) y la Constante Suavizante (SC). Desglosar la fórmula en nuggets de tamaño de mordida hace que sea más fácil entender la metodología detrás del indicador. Tenga en cuenta que ABS significa Absolute Value. Ratio de eficiencia (ER) El ER es básicamente el cambio de precio ajustado para la volatilidad diaria. En términos estadísticos, la Eficiencia Ratio nos dice la eficiencia fractal de los cambios de precios. ER fluctúa entre 1 y 0, pero estos extremos son la excepción, no la norma. ER sería 1 si los precios subieron 10 períodos consecutivos o por 10 períodos consecutivos. ER sería cero si el precio no cambia durante los 10 períodos. Constante de suavizado (SC) La constante de suavizado utiliza la ER y dos constantes de suavizado basadas en una media móvil exponencial. Como habrás notado, la Constante Suavizante utiliza las constantes de suavizado para una media móvil exponencial en su fórmula. (2/301) es la constante de suavizado para un EMA de 30 periodos. El SC más rápido es la constante de suavizado para EMA más corto (2 períodos). El SC más lento es la constante de suavizado para el EMA más lento (30 períodos). Tenga en cuenta que el 2 al final es cuadrar la ecuación. KAMA Con la Eficiencia Ratio (ER) y Smoothing Constant (SC), ahora estamos listos para calcular Kaufman039s Adaptive Moving Average (KAMA). Puesto que necesitamos un valor inicial para comenzar el cálculo, el primer KAMA es simplemente una media móvil simple. Los cálculos siguientes se basan en la siguiente fórmula. Ejemplo de cálculo / gráfico Las imágenes de abajo muestran una captura de pantalla de una hoja de cálculo de Excel utilizada para calcular KAMA y el gráfico QQQ correspondiente. Uso y Señales Los cartistas pueden usar KAMA como cualquier otro indicador de tendencia siguiente, como un promedio móvil. Los cartistas pueden buscar cruces de precios, cambios direccionales y señales filtradas. En primer lugar, una cruz por encima o por debajo de KAMA indica cambios direccionales en los precios. Al igual que con cualquier media móvil, un sistema de crossover simple generará muchas señales y muchos whipsaws. Los cartistas pueden reducir los whipsaws aplicando un filtro de precio o tiempo a los crossovers. Uno podría requerir que el precio mantenga la cruz durante un número determinado de días o requiera que la cruz exceda a KAMA por porcentaje establecido. En segundo lugar, los cartistas pueden utilizar la dirección de KAMA para definir la tendencia general de una seguridad. Esto puede requerir un ajuste de parámetro para suavizar el indicador. Los cartistas pueden cambiar el parámetro medio, que es la constante EMA más rápida, para suavizar KAMA y buscar cambios direccionales. La tendencia es hacia abajo mientras KAMA está cayendo y forjando mínimos más bajos. La tendencia es hasta mientras KAMA está subiendo y forjando máximos más altos. El ejemplo de Kroger a continuación muestra KAMA (10,5,30) con una fuerte tendencia alcista de diciembre a marzo y una tendencia al alza menos pronunciada de mayo a agosto. Y finalmente, los cartistas pueden combinar señales y técnicas. Los cartistas pueden usar un KAMA a más largo plazo para definir la tendencia más grande y un KAMA a más corto plazo para las señales comerciales. Por ejemplo, KAMA (10, 5, 30) podría utilizarse como un filtro de tendencia y ser considerado alcista al subir. Una vez alcista, los cartistas podrían buscar cruces alcistas cuando el precio se mueve por encima de KAMA (10,2,30). El ejemplo siguiente muestra MMM con un aumento de KAMA a largo plazo y cruces alcistas en diciembre, enero y febrero. A largo plazo KAMA rechazó en abril y hubo cruces bajistas en mayo, junio y julio. SharpCharts KAMA se puede encontrar como una superposición de indicadores en el Workbench SharpCharts. La configuración predeterminada aparecerá automáticamente en el cuadro de parámetros una vez que se seleccione y los chartists pueden cambiar estos parámetros para adaptarlos a sus necesidades analíticas. El primer parámetro es para la Eficiencia Ratio y los chartistas deben abstenerse de aumentar este número. En su lugar, los artistas pueden reducirlo para aumentar la sensibilidad. Los cartistas que buscan suavizar KAMA para un análisis de tendencias a largo plazo pueden incrementar el parámetro medio de forma incremental. Aunque la diferencia es sólo 3, KAMA (10,5,30) es significativamente más suave que KAMA (10,2,30). Estudio adicional Del creador, el libro a continuación ofrece información detallada sobre indicadores, programas, algoritmos y sistemas, incluyendo detalles sobre KAMA y otros sistemas de media móvil. Sistemas y métodos comerciales Perry Kaufman