Kaufman039s 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 progressé 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. (2301) 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. Calcul ExampleChart 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 négociation Perry KaufmanLa différence entre la moyenne mobile et la moyenne mobile pondérée Une moyenne mobile de 5 périodes, basée sur les prix ci-dessus, serait calculée à l'aide de la formule suivante: Sur la base de l'équation ci-dessus, Était de 90,66. L'utilisation de moyennes mobiles est une méthode efficace pour éliminer les fortes fluctuations de prix. La principale limite est que les points de données des données plus anciennes ne sont pas pondérés différemment des points de données près du début de l'ensemble de données. C'est là que les moyennes mobiles pondérées entrent en jeu. Les moyennes pondérées attribuent une pondération plus lourde aux points de données plus actuels, car ils sont plus pertinents que les points de données dans le passé lointain. La somme de la pondération doit être égale à 1 (ou 100). Dans le cas de la moyenne mobile simple, les pondérations sont réparties de façon égale, ce qui explique qu'elles ne figurent pas dans le tableau ci-dessus. Cours de clôture de l'AAPL
No comments:
Post a Comment