میانگین متحرک تطبیقی - استراتژی معاملات Backtest (آیا کار می کند؟)

ما می دانیم که میانگین های متحرک سنتی برای کاهش نویز و نشان دادن روند ، سری قیمت های صاف را صاف می کند. با این حال ، هنگامی که قیمت یک جهش موقتی اما قابل توجه را ایجاد می کند ، هنوز هم می تواند یک روند کاذب ظاهر شود. به همین دلیل پری جی. کافمن میانگین متحرک تطبیقی را اختراع کرد. اما این چی هست؟آیا می توانیم استراتژی های متوسط متحرک سازگار را در بازارها ایجاد کنیم؟

بله ، استراتژی های متوسط حرکت سازگار کار می کنند. Backtests ما نشان می دهد که یک میانگین متحرک تطبیقی می تواند برای هر دو استراتژی معقول و روند پیروی از سهام ، سودآور باشد.

میانگین متحرک تطبیقی (KAMA) یک میانگین در حال حرکت است که به منظور تغییر در نوسانات بازار طراحی شده است. این شاخص از نزدیک قیمت ها را دنبال می کند که نوسانات قیمت نسبتاً کوچک باشد (نوسانات کمتری یا سر و صدا) و تنظیم می شود تا با افزایش قیمت قیمت ، قیمت های کمتری را دنبال کند. در اصل ، میانگین متحرک تطبیقی مانند میانگین آهسته حرکت می کند ، زیرا باعث کاهش تأثیر خارج از کشور می شود ، بدون آنکه حساسیت را قربانی کند.

فهرست مطالب:

تطبیق متوسط استراتژی حرکت و بهترین تنظیمات

قبل از اینکه توضیح دهیم که یک میانگین متحرک سازگار چیست و چگونه می توانید آن را محاسبه کنید ، ما مستقیماً به ذات آنچه در مورد این وب سایت در مورد آن است ، می رویم: پشتی های کمکی.

فرضیه ما ساده است:

آیا یک استراتژی متوسط در حال حرکت سازگار کار می کند؟آیا می توانید با استفاده از استراتژی های میانگین متحرک تطبیقی ، درآمد کسب کنید؟

ما به بیشترین ابزار در جهان نگاه می کنیم: S& P 500. ما در SPDR S& P 500 Trust ETF که دارای جاسوسی کد Ticker است ، آزمایش می کنیم.

در کل ، ما چهار پشتی مختلف انجام می دهیم:

• استراتژی 1: هنگامی که نزدیک جاسوسی از زیر میانگین حرکت N-Day عبور می کند ، جاسوسی را در نزدیکی خریداری می کنیم. ما وقتی جاسوسی بالاتر از همان میانگین بسته می شود ، می فروشیم. ما از CAGR به عنوان متریک عملکرد استفاده می کنیم.
• استراتژی 2: برعکس ، هنگامی که نزدیک به جاسوسی بالاتر از میانگین حرکت N-Day ، ما جاسوسی را در نزدیکی خریداری می کنیم. ما وقتی جاسوسی زیر همان میانگین بسته می شود ، می فروشیم. ما از CAGR به عنوان متریک عملکرد استفاده می کنیم.
• استراتژی 3: هنگامی که نزدیک شدن جاسوسی از زیر میانگین حرکت N-Day عبور می کند ، ما بعد از N-Days می فروشیم. ما برای ارزیابی عملکرد از میانگین سود هر درصد استفاده می کنیم ، نه CAGR.
• استراتژی 4: هنگامی که نزدیک شدن جاسوسی از بالاتر از میانگین متحرک N-Day عبور می کند ، ما بعد از N روز می فروشیم. ما برای ارزیابی عملکرد از میانگین سود هر درصد استفاده می کنیم ، نه CAGR.

نتایج دو پشتی اول به این شکل است:

استراتژی 1

استراتژی 2

نتایج حاصل از پشتی بسیار آشکار است: در کوتاه مدت ، بازار سهام تمایل به معکوس متوسط را نشان می دهد. در دراز مدت ، بهتر است از استراتژی های پیروی از روند استفاده کنید.

چرا به این نتیجه می رسیم؟

از آنجا که اگر از میانگین متحرک کوتاه استفاده کنیم ، بهترین استراتژی این است که وقتی سهام پایین تر از میانگین پایین می آید و وقتی می چرخد ، به فروش برسد و بالاتر از میانگین متحرک بسته شود (با ضعف بخرید و با قدرت بفروشید). این به وضوح در اولین آزمون فوق برای میانگین متحرک 5 روزه در جدول اول مشاهده می شود. میانگین متحرک 5 روزه CAGR 8. 53 ٪ را برمی گرداند ، که تقریباً به اندازه خرید و نگه داشتن است حتی اگر زمان صرف شده در بازار به میزان قابل توجهی پایین باشد.

هنگامی که ما از قدرت خریداری می کنیم و به ضعف می فروشیم ، در آزمون دوم جدول فوق ، بهترین استراتژی استفاده از روزهای زیادی به طور متوسط است. هرچه میانگین بیشتر باشد ، بهتر است. میانگین متحرک 200 روزه 5. 61 ٪ باز می گردد که بسیار مناسب است. به خاطر داشته باشید که پشتوانه ما شامل سود سهام مجدد نیست.

نتیجه Backtests 3 و 4 به نظر می رسد (نتایج CAGR نیستند ، اما میانگین سود در هر تجارت است):

استراتژی 3

استراتژی 4

همانطور که انتظار می رفت ، هرچه در بازار سهام طولانی تر باشید ، بازده بهتری خواهید داشت. این به دلیل پیچش در قالب تورم و سودهای بهره وری است.

با این حال ، توجه داشته باشید که ما فقط چهار استراتژی میانگین متحرک را آزمایش کرده ایم. در اصل روشهای نامحدودی وجود دارد که می توانید از یک میانگین متحرک استفاده کنید و تخیل شما احتمالاً محدودترین عامل است!

میانگین حرکت سازگار Kaufman (KAMA) چیست؟

توسعه یافته توسط نظریه پردازان کمی مالی آمریکایی پری جی. کافمن در سال 1998 ، میانگین متحرک سازگار (KAMA) یک میانگین در حال حرکت است که برای پاسخ به سر و صدای بازار ، نوسانات با نام مستعار طراحی شده است. این نشانگر از نزدیک قیمت ها را دنبال می کند که نوسانات قیمت نسبتاً اندک باشد و سر و صدا کم باشد اما با افزایش نوسان قیمت تنظیم می شود و قیمت ها را از فاصله بیشتری دنبال می کند.

در اصل ، میانگین متحرک تطبیقی مانند میانگین آهسته حرکت می کند ، زیرا باعث کاهش تأثیر خارج از کشور می شود ، بدون آنکه حساسیت را قربانی کند. این یک شاخص دنبال کننده روند است که می تواند برای شناسایی روند کلی ، نقاط عطف زمان و حرکات قیمت فیلتر استفاده شود. اگرچه این تکنیک در سال 1972 آغاز شد ، اما کافمن بود که سالها بعد از طریق کتاب خود به طور رسمی آن را به مردم ارائه داد: "سیستم های تجاری و روش ها".

بر خلاف سایر میانگین های متحرک ، میانگین متحرک تطبیقی نه تنها برای عملکرد قیمت بلکه برای نوسانات بازار نیز حساب می کند. در کتاب دیگری با عنوان "تجارت باهوش" ، کافمن سازگاری های جالبی از رویکردهای پیروی از روند ارائه می دهد. او معتقد است که روند زیر باید یک رویکرد ایمن و محافظه کارانه برای بازارها باشد ، بنابراین معامله گران باید بتوانند روند را از سر و صدای تصادفی بازار در هر زمان معینی جدا کنند.

میانگین متحرک تطبیقی بر اساس این ایده است که یک بازار پر سر و صدا به روند طولانی تر از یک با سر و صدای کمتری نیاز دارد. همانطور که می دانید ، سر و صدا حرکت نامنظم بالا و پایین است که می تواند در یک روند یا در طی یک دوره جانبی مشاهده شود.

به گفته کافمن ، در حالی که روندهای طولانی تر قابل اعتماد ترین هستند ، اما آنها به آرامی به تغییر شرایط بازار پاسخ می دهند. از آنجا که میانگین حرکت کندتر به سختی منعکس کننده حرکات قیمت کوتاه مدت و کوتاه مدت است ، تا زمانی که سیگنال های خود را تولید می کنند ، ممکن است حرکت قیمت به پایان برسد. بنابراین ، راه حل باید یک روش تطبیقی برای روند زیر باشد - روشی که هنگام حرکت بازارها ، ورود را سرعت می بخشد و وقتی بازارها به پهلو می روند ، هیچ کاری نمی کند. به همین دلیل کافمن یک میانگین متحرک تطبیقی ایجاد کرده است که می تواند با نوسانات بازار مطابقت داشته باشد.

نحوه محاسبه میانگین حرکت سازگار Kaufman

چندین مرحله در محاسبه میانگین متحرک سازگار Kaufman وجود دارد. پری کافمن توصیه کرد تنظیمات را در 10 ، 2 و 30 نگه دارید. یعنی هنگام محاسبه میانگین حرکت سازگار Kaufman ، موارد زیر را انجام دهید:

• تعداد دوره ها را برای نسبت بهره وری در 10 نگه دارید
• تعداد دوره ها را برای سریعترین میانگین حرکت نمایی در 2 تنظیم کنید
• تعداد دوره ها را برای کمترین میانگین حرکت نمایی در 30 تنظیم کنید

اولین چیزی که باید هنگام ایجاد KAMA محاسبه شود ، ارزش نسبت بهره وری و ثابت کننده است. بیایید نگاهی به آنها بیندازیم.

مرحله 1: محاسبه نسبت بهره وری (ER)

برای تعریف وضعیت فعلی بازار ، کافمن مفهوم نسبت بهره وری را برای نشان دادن کارایی تغییرات قیمت معرفی کرد. ER بین 1 تا 0 نوسان می کند. وقتی قیمت در طی 10 دوره بدون تغییر باقی می ماند ، ER صفر است ، اما اگر قیمت 10 دوره متوالی به بالا یا پایین حرکت کند ، ER به 1. حرکت می کند. قیمت فعلی و قیمت در ابتدای دوره با مجموع تفاوت مطلق بین هر جفت بسته در طول دوره. فرمول محاسبه ER به این ترتیب داده می شود:

تغییر = مقدار مطلق [نزدیک - نزدیک (10 دوره گذشته)]

مبلغ نوسانات = 10 دوره (نزدیک - بسته قبلی)

مرحله 2: محاسبه ثابت صاف کننده (SC)

مرحله بعدی محاسبه ثابت صاف است. این کار برای هر دوره انجام می شود و از مقدار به دست آمده برای نسبت بهره وری و دو ثابت هموار استفاده می کند. فرمول به شرح زیر آورده شده است:

SC = [ER X (سریعترین SC - کمترین SC) + کمترین SC] 2

که به این ترجمه می شود:

sc = [er x (2/ (2+1) - 2/ (30+1))+2/ (30+1)] 2

از معادله فوق در بالا ، (2/30+1) ثابت صاف کننده برای EMA 30 دوره توصیه شده است. بنابراین ، کمترین ثابت صاف کننده SC برای کمترین سرعت 30 دوره EMA است و سریعترین ثابت صاف کننده SC برای EMA کوتاه تر 2 دوره است.

مرحله 3: محاسبه میانگین حرکت سازگار Kaufman (KAMA)

هنگامی که مقادیر عملکرد کارآیی و صاف کردن ثابت را بدست آورده اید ، نکته بعدی محاسبه مقادیر شاخص متوسط حرکت سازگار Kaufman است. فرمول به شرح زیر است:

kamai = kamai-1 + sc x (قیمت-kama i-1)

kamai = مقدار دوره فعلی

kamai-1 = مقدار کاما برای دوره قبل از دوره محاسبه شده.

قیمت = داده های قیمت برای دوره محاسبه شده.

اگرچه مهم است که بدانید که این شاخص چگونه مشتق شده است ، نیازی به انجام محاسبه خودتان نیست. برخی از سیستم عامل های معاملاتی دارای نشانگر هستند ، بنابراین رایانه محاسبه را انجام می دهد.

میانگین متحرک تطبیقی چگونه کار می کند؟

میانگین متحرک تطبیقی برای نشان دادن روند موجود در ضمن در نظر گرفتن شرایط موجود در بازار طراحی شده است. این هدف این است که با استفاده از کوتاهترین فاصله محاسبه برای شرایط موجود در بازار ، سریعترین روند ممکن را نشان دهد و سرعت آن را با استفاده از یکنواختی نمایی در حالی که در هر دوره تغییر می کند ، تغییر می دهد.

فرض مهم این است که در طی یک دوره بی ثبات ، خط روند باید بیشتر عقب بماند تا از نقض حرکات قیمت نامنظم جلوگیری شود ، که به طور زودرس نشانگر پایان یک روند یا آغاز یک روند جدید است. اما در طی دوره ای از نوسانات کمتر ، می توان خط روند را به جهت قیمت زیرین نزدیک کرد. برای شناسایی موفقیت آمیز آغاز یک روند ، میانگین متحرک باید تا حد امکان کوتاه باشد.

در اصل، میانگین متحرک تطبیقی مانند یک میانگین متحرک آهسته عمل می کند، زیرا تأثیر نقاط پرت را کاهش می دهد، بدون اینکه حساسیت را از بین ببرد. باید تا آنجایی که لازم است برای جلوگیری از ضرر و زیان اره مویی و تا حد امکان کوتاه باشد تا قیمت را از نزدیک در دوره های نوسانات پایین دنبال کنید.

بیایید اینگونه به قضیه نگاه کنیم: موقعیت هایی وجود دارد که می خواهید میانگین متحرک سریع باشد و در زمان های دیگر، می خواهید آن را کند باشد. اما تنظیم مکرر نشانگر خود می تواند طاقت فرسا باشد یا حتی اوضاع را به هم ریخت. داشتن سیستمی که به طور خودکار میانگین متحرک را هنگام تغییر نوسانات تنظیم می کند تا آن را با شرایط جدید بازار تطبیق دهد، ضروری است. این کاری است که میانگین متحرک تطبیقی انجام می دهد.

میانگین متحرک تطبیقی به طور خودکار خود را متناسب با شرایط حاکم بر بازار تنظیم می کند. از یک ثابت هموارسازی میانگین متحرک نمایی متغیر پیوسته استفاده می کند که با نزدیک شدن شیب روند قیمت به زاویه 90 درجه افزایش می یابد و با نزدیک شدن شیب روند قیمت به صفر کاهش می یابد. به عبارت دیگر، مانند باندهای بولینگر عمل می کند که مطابق با شرایط حاکم بر بازار گسترش یا منقبض می شوند. اما در حالی که شاخص باندهای بولینگر از انحراف استاندارد برای ارزیابی نوسانات استفاده می کند، میانگین متحرک تطبیقی از نسبت کارایی و ثابت هموارسازی استفاده می کند.

ثابت هموارسازی به این دلیل استفاده می شود که در مقایسه با میانگین متحرک ساده، که در انتخاب آن محدود است، طیف کاملی از روندها را که به صورت درصد نشان داده می شوند، استفاده می شود. طول دوره میانگین متحرک نمایی زمانی که روند شیب دار و شتابان است کوتاه تر و پاسخگوتر می شود، اما زمانی که روند قیمت صاف می شود، طول دوره طولانی تر و کمتر پاسخگو می شود.

تفسیر میانگین متحرک تطبیقی

اندیکاتور KAMA به معامله گران کمک می کند تا تصویر واضحی از رفتار بازار داشته باشند. به راحتی می توان آن را بر روی نمودار اعمال کرد و معامله گران می توانند آن را با تعیین پارامترهای آن در کادر محاوره ای خواص سفارشی کنند. پارامترهای اصلی قابل تنظیم دوره های محاسبه و ظاهر نشانگر هستند. می توانید تعداد دوره هایی را که باید اعمال شوند در محاسبه نشانگر مشخص کنید. تعداد دوره های پیش فرض 14 است، اما می توانید هر مقداری را بین 2 تا 1000 انتخاب کنید.

اگرچه این شاخص از داده های تاریخی برای به دست آوردن مقادیر نهایی استفاده می کند ، می توانید از آن برای تصمیم گیری در مورد تجارت بر اساس این تئوری استفاده کنید که روند تمایل به ادامه در همان جهت تا زمانی که اتفاق مهمی رخ دهد. معامله گران از شاخص KAMA برای تجزیه و تحلیل رفتار یک بازار و پیش بینی حرکت قیمت آینده استفاده می کنند.

از این شاخص می توان برای شناسایی روندهای موجود ، نشانه هایی از تغییر روند قریب الوقوع و نقاط معکوس بازار استفاده کرد که می تواند برای ورودی های تجاری یا خروجی استفاده شود. بنابراین ، شما می توانید مانند هر نشانگر پیروی از روند دیگر ، مانند نشانگر متوسط حرکت ساده ، از KAMA استفاده کنید. نمودار زیر را مشاهده کنید:

هنگام استفاده از شاخص ، به دنبال صلیب قیمت ، تغییرات جهت دار و سیگنال های فیلتر شده باشید. یک صلیب در بالا یا پایین تر از شاخص KAMA می تواند به معنای تغییرات جهت دار در قیمت ها باشد. مانند هر میانگین در حال حرکت ، این شاخص می تواند سیگنال های کاذب زیادی و تعداد زیادی شلاق را نشان دهد ، اما می توانید با استفاده از یک قیمت یا فیلتر زمان به کراس اوور ، شلاق ها را کاهش دهید. برخی از معامله گران می خواهند قیمت را برای نگه داشتن صلیب برای تعداد مشخصی از روزها ببینند یا منتظر بمانند تا صلیب نشانگر با درصد مشخصی از کاما فراتر رود.

مزیت میانگین حرکت سازگار Kaufman

به طور معمول ، یکی از مضرات شاخص های متوسط در حال حرکت معمول این است که جهش قیمت تصادفی می تواند منجر به ظاهر سیگنال های روند کاذب شود و از طرف دیگر ، هموار سازی بیش از حد قیمت می تواند منجر به تاخیر غیرقابل اجتناب از یک سیگنال در مورد توقف یا تغییر کند. بشرشاخص KAMA برای رسیدگی به این دو معایب تهیه شده است.

هنگامی که نوسانات بازار کم است ، شاخص KAMA در نزدیکی قیمت فعلی بازار باقی می ماند ، اما با افزایش نوسانات ، از نقض نوسانات قیمت اغراق آمیز جلوگیری می شود. یعنی شاخص KAMA سعی می کند ضمن حفظ بازنمایی خود از روند واقعی ، "سر و صدای بازار" را فیلتر کند. بنابراین ، شاخص KAMA به دنبال کاهش فرکانس سیگنال های کاذب با عدم پاسخ به حرکات قیمت کوتاه مدت و ناچیز است که این امر باعث بهتر شدن آن از روشهای متوسط متحرک سنتی می شود.

نحوه استفاده از میانگین متحرک تطبیقی

همانطور که قبلاً بیان کردیم ، یکی از کاربردهای شاخص KAMA شناسایی روند کلی عملکرد فعلی قیمت بازار است - هنگامی که خط نشانگر KAMA به سمت پایین حرکت می کند ، به خصوص با قیمتی که عمدتا زیر آن قرار دارد ، نشانگر وجود یک استپایین آمدناز طرف دیگر ، هنگامی که خط کاما به سمت بالا حرکت می کند ، یک صعود بالقوه را نشان می دهد. در مقایسه با شاخص متوسط متحرک ساده ، شاخص KAMA احتمالاً سیگنال های کاذب تولید می کند که ممکن است باعث ایجاد یک معامله گر شود.

با این گفته ، در اینجا چگونه می توانید از نشانگر KAMA در تجارت خود استفاده کنید:

• آن را با تجزیه و تحلیل عملکرد قیمت ترکیب کنید: از KAMA برای شناسایی جهت بازار استفاده کنید و سپس از الگوهای شمعدان معکوس در سطح پشتیبانی یا مقاومت استفاده کنید تا ورود تجارت را نشان دهید.
• از دو شاخص KAMA استفاده کنید: می توانید از آنها برای مشخص کردن روند جدید و نقاط معکوس روند استفاده کنید: می توانید این کار را با ترسیم دو خط KAMA در یک نمودار انجام دهید-یکی با میانگین حرکت کوتاه مدت (سریعتر) و دیگری بامیانگین متحرک طولانی مدت (کندتر). عبور سریعتر خط کاما در بالای خط آهسته تر کاما به معنای تغییر از پایین آمدن به یک صعود است. وقتی این اتفاق بیفتد ، می توانید موقعیت طولانی را طی کنید و تجارت را ببندید که خط MA سریعتر از زیر خط MA کندتر عبور می کند.
• برای تولید سیگنال از قیمت عبور از شاخص استفاده کنید: وقتی قیمت از پایین به بالای خط کاما عبور می کند ، سیگنال صعودی (خرید) دارید. از طرف دیگر ، هنگامی که قیمت از بالای خط کاما به زیر آن سقوط می کند ، ممکن است سیگنال نزولی (فروش) داشته باشید.

با این حال ، مهم نیست که چه کاری انجام می دهید ، همیشه باید ایده های تجاری خود را پشت سر بگذارید. آنچه با استفاده از شواهد حکایتی خوب به نظر می رسد ممکن است هنگام تست در فریم های زمانی طولانی ، چندان خوب نباشد.

مقالات مربوطه در مورد حرکت به طور متوسط استراتژی ها و آزمون های پشتی

میانگین حرکت برای مدت طولانی در بازارهای معاملاتی بوده است. به احتمال زیاد ، استراتژی های متوسط در حال حرکت شروع استراتژی های تجاری سیستماتیک و خودکار است که در دهه 1970 توسعه یافته است ، به عنوان مثال توسط Ed Seykota. ما معتقدیم که فرض می کنیم میانگین های متحرک قبل از دهه 1990 به دلیل ظهور رایانه شخصی ، یک شاخص تجاری بسیار بهتر باشد. کمترین میوه آویزان "از بین رفته است".

گفته می شود ، پشتی های ما به وضوح نشان می دهد که شما می توانید استراتژی های معاملاتی سودآور را بر اساس میانگین های متحرک توسعه دهید اما عمدتاً مبتنی بر بازده میانگین کوتاه مدت و روند طولانی تر است. علاوه بر این ، میانگین های مختلف در حال حرکت وجود دارد و می توانید از یک میانگین متحرک متفاوت/خلاقانه استفاده کنید ، یا می توانید میانگین های متحرک را با پارامترهای دیگر ترکیب کنید.

برای راحتی شما ، ما تمام میانگین های متحرک را با هر دو توضیحات دقیق و آزمون های پشتی پوشش داده ایم. این لیست ما است:

• حرکت استراتژی های متوسط تجارت
• میانگین حرکت ساده (استراتژی backstest)
• میانگین متحرک نمایی (استراتژی backtest)
• میانگین حرکت هال (استراتژی backtest)
• میانگین متحرک با وزن خطی (استراتژی backtest)
• میانگین متحرک صاف (استراتژی backtest)
• میانگین متحرک متغیر (استراتژی backtest)
• میانگین متحرک وزنی (استراتژی backtest)
• صفر تاخیر در حال حرکت میانگین (استراتژی backtest)
• میانگین متحرک وزنی حجم (استراتژی backtest)
• سه گانه نمایی متوسط TEMA (استراتژی backtest)
• شاخص متغیر میانگین دینامیکی (استراتژی backtest)
• میانگین متحرک مثلثی (استراتژی backtest)
• Guppy Multial Moving Menerge (استراتژی backtest)
• McGinley Dynamic (استراتژی backtest)
• میانگین GMA در حال حرکت هندسی (استراتژی backtest)
• Fractal Adaptive Movey Meneral Frama (استراتژی backtest)
• میانگین های متحرک Fibonacci (استراتژی backtest)
• میانگین متحرک دو نمایی (استراتژی backtest)
• حرکت شیب متوسط (استراتژی backtest)

ما همچنین استراتژی های متوسط در حال حرکت در حال حرکت را منتشر کرده ایم:

• استراتژی متوسط در حال حرکت 200 روزه
• سیستم/استراتژی پیروی از روند در طلا (میانگین حرکت 12 ماهه)
• روند زیر گنجینه های استراتژی
• آیا استراتژی شتاب/روند حرکت Meb Faber در طلا ، سهام و اوراق قرضه هنوز کار می کند؟
• روند زیر استراتژی ها و سیستم های توضیح داده شده (از جمله استراتژی ها)
• آیا روند زیر کار می کند؟چرا کار می کند؟
• یک سیستم/استراتژی پیروی از روند ساده در S& P 500 (توسط Meb Faber و Paul Tudor Jones)
• نتیجه گیری در مورد روند پیگیری S& P 500
• چرا میانگین حسابی و هندسی در تجارت و سرمایه گذاری متفاوت است

میانگین متحرک تطبیقی متداول

ما مقاله را با چند سؤال که اغلب مطرح می شود پایان می دهیم:

میانگین متحرک تطبیقی چیست؟

توسعه یافته توسط نظریه پردازان کمی مالی آمریکایی پری جی. کافمن در سال 1998 ، میانگین متحرک سازگار (KAMA) یک میانگین در حال حرکت است که برای پاسخ به سر و صدای بازار ، نوسانات با نام مستعار طراحی شده است. این نشانگر از نزدیک قیمت ها را دنبال می کند که نوسانات قیمت نسبتاً اندک باشد و سر و صدا کم باشد اما با افزایش نوسان قیمت تنظیم می شود و قیمت ها را از فاصله بیشتری دنبال می کند.

آیا EMA تطبیقی همان EMA است؟

کم و بیش یکسان است به جز اینکه EMA تطبیقی ضریب هموار سازی دارد.

چگونه AMA با میانگین متحرک معمولی متفاوت است؟

یک میانگین متحرک منظم فقط میانگین نقاط داده را در یک دوره زمانی خاص می گیرد و فرمول آن را بر اساس شرایط بازار تنظیم نمی کند. از طرف دیگر ، AMA بسته به شرایط بازار و نقاط داده ای که از آن استفاده می کند (نوسانات) فرمول خود را تنظیم می کند ، احتمالاً پیش بینی دقیق تری از روند قیمت را ارائه می دهد. با این حال ، برای دیدن اینکه آیا میانگین متحرک تطبیقی در واقع نتیجه بهتری می دهد ، باید پشتی را امتحان کنید.

هدف از شاخص AMA چیست؟

هدف از شاخص AMA ارائه نمایندگی دقیق تر از روند قیمت است. با تنظیم فرمول خود بر اساس شرایط بازار ، AMA می تواند به معامله گران کمک کند تا فرصت ها یا تهدیدات بالقوه موجود در بازار را شناسایی کنند.

این گفته ، شما باید خودتان را پشت سر بگذارید.

مزایای استفاده از یک نشانگر AMA چیست؟

مزیت اصلی استفاده از یک شاخص AMA این است که می تواند پیش بینی های دقیق تری از روند قیمت ارائه دهد. علاوه بر این ، AMA ها نسبت به تغییرات بازار پاسخگوتر هستند و بهتر می توانند حرکات قیمت کوتاه مدت را ضبط کنند.

اشکالاتی در استفاده از یک نشانگر AMA چیست؟

یکی از اشکالات استفاده از یک نشانگر AMA این است که نسبت به سر و صدای بازار حساس تر است که می تواند منجر به سیگنال های کاذب شود. علاوه بر این ، به قدرت محاسباتی بیشتری نیاز دارد و تفسیر آن می تواند دشوارتر از میانگین های متحرک منظم باشد.

به طور کلی ، هرچه پیچیده تر تجارت خود را انجام دهید ، پول کمتری خواهید داشت. تجارت نباید دشوار یا پیچیده باشد.

Adaptive (Kaufman) میانگین متحرک - غذای آماده

غذای آماده ما از پشتی این است که اگر شما از ضعف خریداری کنید (نزدیک به میانگین متحرک) و در هنگام استفاده از تعداد کمی از روزهای کوتاه ، استراتژی های متوسط حرکت سازگار خوب کار می کنند. در مقابل ، بهتر است وقتی از میانگین حرکت طولانی تر استفاده می کنید ، قدرت (نزدیک به میانگین متحرک) بخرید.