Kaufman adaptação em média móvel

Michael R. Bryant Os indicadores técnicos são um dos elementos fundamentais do comércio sistemático. Os indicadores, como médias móveis ou estocásticas, podem ser vistos como transformações da série de entrada (tipicamente, preço ou volume) projetadas para acentuar um aspecto particular do mercado, como sua tendência ou ciclo. Embora fundamentais para os métodos de negociação mais sistemáticos, muitos comerciantes evitam os indicadores mais comuns, como as médias móveis simples e o indicador de força relativa (RSI), na crença de que o mercado se adaptou ao seu uso, reduzindo sua eficácia. Uma maneira de compensar o efeito da eficiência do mercado na viabilidade dos indicadores técnicos é modificá-los de maneira significativa. Por exemplo, o indicador 1 de Chande e Krolls VIDYA é uma média móvel exponencial em que o fator de suavização depende da volatilidade do mercado, de modo que o comprimento efetivo de retrocesso seja reduzido quando a volatilidade aumenta. Neste artigo, eu desenvolvo uma extensão da abordagem adaptativa look-back e mostra como aplicá-la a uma variedade de indicadores com apenas algumas linhas de código extra. Os indicadores resultantes proporcionam maior versatilidade do que os indicadores anteriores e podem ser mais consistentes com uma visão estatística dos mercados. Adaptando o comprimento do look-back Dado que os mercados estão em constante mudança, faz sentido tentar se adaptar às mudanças tanto quanto possível. A maioria dos indicadores técnicos foram originalmente desenvolvidos com um comprimento fixo, por exemplo, o número de barras em uma média móvel simples. Vários autores propuseram adaptar o comprimento do look-back à volatilidade do mercado. Para o indicador de índice dinâmico do índice variável (VIDYA), por exemplo, Chande e Kroll usaram várias métricas diferentes, incluindo um índice de volatilidade baseado em um desvio padrão normalizado de preço em que valores mais altos do índice resultaram em um menor comprimento de retorno efetivo . A idéia era que, durante períodos de maior volatilidade, a média móvel deveria ser mais sensível ao mercado, enquanto que em períodos de menor volatilidade, uma média móvel de longo prazo era mais consistente com o comportamento do mercado. Kaufman tomou uma abordagem um pouco diferente. 2 A idéia por trás de sua Média de Mudança Adaptativa Kaufman (KAMA) foi que durante períodos de alta volatilidade, você é mais provável que obtenha chicotetes como o balanço do mercado de um lado para o outro, resultando em perdas repetidas. Para evitar isso, ele usou um período mais longo para a média móvel durante períodos de ação de preço agitado, de modo que a média seria menos sensível à volatilidade do mercado, resultando em menos reversões. Durante a tendência de ação no mercado, o período da média móvel diminuiu, de modo que os negócios poderiam reagir mais rapidamente à mudança de direção. Para medir quotchoppinessquot, Kaufman usou o chamado rácio de eficiência (ER), que mede o valor absoluto da mudança de preço ao longo do período de retrocesso dividido pela soma dos valores absolutos das mudanças de preço de barra para barra ao longo de No mesmo período. Se, por exemplo, a variação líquida no preço for zero - o preço é o mesmo no final do período como no início - então o ER será zero. Nesse caso, o mercado é perfeitamente ineficiente na medida em que pode se mover muito de bar para bar, mas não vai a lugar nenhum. Se, por outro lado, o mercado se mover de forma constante em uma direção (para cima ou para baixo), para que cada movimento de barras contribua para a mudança líquida de preço, o ER será 1. Neste caso, o mercado é perfeitamente eficiente em Que todas as jogadas dos preços das barras contribuem para a tendência. Em geral, o ER ficará entre 0 e 1. Uma visão diferente dos comprimentos de aparência adaptativos Embora muitas métricas diferentes possam - e tenham sido - usadas para adaptar os comprimentos de look-back, o índice de eficiência captura um aspecto fundamental do mercado Ação, a saber, a diferença entre tendências e comportamento cíclico. Os altos valores de ER implicam um mercado fortemente tendencial, o que significa muito pouco movimento cíclico, e os baixos valores de ER implicam pouca tendência e, portanto, mais movimento cíclico (exceto no caso de pouco movimento). Isso tende a apoiar a abordagem de Kaufmans. No entanto, sua decisão de usar comprimentos mais longos em mercados agitados baseia-se em (1) o pressuposto de que estavam adaptando o comprimento de retorno de uma média móvel e (2) a idéia de que a média móvel é usada para desencadear uma Entrada comercial ou saída. Um ponto de vista alternativo é o escolhido por John Ehlers através do seu trabalho na aplicação de métodos de processamento de sinais para negociação. 3 Sua visão é mais do que a tentativa de tentar modelar mais de perto a parte do mercado de interesse (por exemplo, o componente de tendência ou o componente do ciclo). A partir desse ponto de vista, uma média móvel em um mercado agitado deve usar um comprimento mais curto para capturar mais precisamente a maior freqüência representada pelo choppiness, enquanto que em um mercado fortemente tendencial, um comprimento de look-back mais longo é mais consistente com O movimento do mercado. Um terceiro ponto de vista é o que eu adotei, a saber, um mais estatístico. Primeiro, não podemos assumir nada mais do que absolutamente necessário sobre o indicador em questão e como ele pode ser usado. Em particular, não podemos assumir que o indicador em questão é uma média móvel, e não podemos assumir o seu preço aplicado. 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, em vez de por si só. Com esta visão mais estatisticamente orientada, o objetivo é criar regras de negociação que tenham validade estatística, o que significa que elas se encaixam bem na ação do preço sem excesso de ajuste. Não assumimos que sabemos como os mercados funcionam bem o suficiente para tomar decisões específicas sobre se o comprimento do olhar deve aumentar ou diminuir com algo como o índice de eficiência. Em vez disso, temos algum motivo para acreditar que o índice de eficiência pode ter relevância e, portanto, queremos incluí-lo como uma variável, mas deixamos ao mercado para nos dizer se e como ele se enquadra. Testes estatísticos são usados ​​para nos contar Se a estratégia de negociação que contém o indicador é estatisticamente válida ou se o excesso de ajuste, por exemplo, é inválido, pois se ajusta ao ruído e não ao sinal do mercado. Uma aparência adaptativa mais versátil Dada a discussão anterior, o comprimento de look adaptativo desenvolvido aqui será baseado na relação de eficiência (ER) e usará um parâmetro para determinar a relação entre ER e o comprimento de look-back. Em particular, considere a seguinte equação: VER square (ER - (2 ER-1) 2. (1 - TrendParam) 0,5) em que VER é a relação de eficiência variável, e TrendParam é o parâmetro de tendência, que pode levar qualquer valor positivo ou Valor negativo e que determina se o comprimento do look-back aumentará ou diminuirá com o aumento de ER. Esta é essencialmente apenas uma maneira de reverter a relação ER dependendo do parâmetro de tendência. Como mostrado abaixo, em vez de dimensionar a constante de suavização por ER, como fazem Chande e Kroll e Kaufman essencialmente, usamos VER. Com valores positivos de TrendParam, VER varia 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 usado para escalar melhor os valores para uso como multiplicador, conforme explicado a seguir. Para calcular o comprimento de aparência adaptativo usando esta equação, multiplicamos o valor original da constante de suavização, Alpha, que corresponde ao comprimento original de look-back, por VER: VAlpha Alpha VER em 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 comprimento de look-back e Alpha é a constante de suavização. Esta equação também pode ser escrita para N em termos de Alfa como O comprimento adaptativo do look-back é, portanto, a média móvel móvel (AMA) como a média móvel adaptável de Kaufman (KAMA). A média móvel adaptativa (AMA), também conhecida como KAAA, foi a média móvel adaptativa de Kaufman (KAMA). Criado por Perry Kaufman e apresentado pela primeira vez em seu livro Smarter Trading (1995). Essa média móvel ofereceu uma vantagem significativa em relação às tentativas anteriores de 8216 médias inteligentes, devido ao fato de permitir maior controle ao usuário. A Média Variável Variável 8211 VMA (1992), por exemplo, não ofereceu limite superior ou inferior ao seu período de suavização. A AMA, por outro lado, permitiu que o usuário definisse o alcance através do qual eles desejavam que o alisamento fosse espalhado. Segue a mesma teoria que o VMA, na medida em que, dependendo do ambiente do mercado, haverá diferentes quantidades de ruído e, portanto, será necessária uma velocidade média móvel diferente para obter os resultados mais lucrativos. Em um mercado fortemente tendencial, por exemplo, os níveis de ruído são baixos e uma média móvel mais rápida deve produzir os melhores resultados. Por outro lado, em um mercado de caranguejo ou de lado, os níveis de ruído são muito altos e uma média mais lenta provavelmente será mais adequada. Como calcular uma média móvel adaptável Começa com o preço Fechar. Depois disso, a AMA é calculada de acordo com a seguinte fórmula: AMA AMA (1) (Fechar AMA (1)) Você notará que isso é o mesmo que a fórmula para uma Média de Movimento Exponencial (EMA): EMA EMA (1) (Fechar EMA (1)) Mas Alpha em um EMA é 2 (N 1) por isso permanece constante enquanto que para uma AMA o Alpha é adaptável: (VI (FC SC)) SC VI Usuários escolha de uma medida de volatilidade ou força de tendência, Kaufman Sugeriu o seu Razão de Eficiência (ER). SN Sua escolha de uma média em baixa velocidade gt FN FN Sua escolha de uma média em baixa velocidade lt SN Aqui está um exemplo de AMA de 3 períodos com uma Razão de Eficiência de 3 períodos (ER) como o VI: Como o Alfa de Largura afeta a amplitude de suavização AMA Kaufman sugere que o seu AMA tenha um FC de 2 e um SC de 30, o que levaria um a assumir que o alisamento adaptativo seria no intervalo 2 8211 30, mas você estaria errado porque o alfa é quadrado. Por exemplo, vamos configurar o VI para zero para que possamos revelar a média mais lenta possível: agora para revelar o período de suavização EMA 8216N8217 de alfa: N (EMA) (2) N (EMA) (2 0,0042) 0,0042 N (EMA) 480 Então, na realidade, um AMA com um SN de 30, onde o alfa é elevado ao poder de 2, pode realmente se mover tão devagar quanto um EMA de 480 dias. Agora, para mim, isso não é muito fácil de usar, introduzindo um parâmetro de 30 que resulta em um período de suavização de 480. Então eu uso a seguinte fórmula para SC e FC em vez disso: P Potência que alfa é aumentada para (geralmente 2) SN Sua escolha de Uma média em baixa velocidade gt FN Now SN será a média móvel mais baixa conseqüente, mesmo se você alterar a potência em que o alfa é aumentado. Eu também uso o mesmo processo para FN e FC. Vamos olhar novamente para o Alpha com o VI definido como zero, o FN em 2 e o SN em 480: Agora, quando revelamos o período de suavização EMA 8216N8217 a partir de alfa, ele deve igualar nosso usuário definido 480: N (EMA) (2) N ( EMA) (2 0.0042) 0.0042 N (EMA) 480 Um olhar mais atento sobre o efeito de Squaring Alpha Compreender o efeito do alfa quadrado é muito importante, como mostra o gráfico abaixo: Como você pode ver acima, um período de suavização de entrada de 300 com alfa O quadrado resulta em um período de alisamento real de mais de 45.300, o que é totalmente inútil. No entanto, esta é uma configuração que se poderia usar facilmente sem uma compreensão adequada de como funciona a AMA. Em nossos testes, estaremos tentando a AMA com alfa aumentada para outros que 2, então alguns outros exemplos também foram plotados no gráfico acima. Abaixo, analisamos o efeito sobre alfa e o alisamento resultante de uma AMA com a Razão de Eficiência levada diretamente para alfa (1) ou sendo quadrado (2): Usamos nossa fórmula AMA modificada para os gráficos acima para que o FN real e SN Foram idênticos ao mesmo tempo apesar das modificações em alfa. Como você pode ver, a ala alfa resulta em não apenas uma AMA mais lenta no geral, mas que é muito mais rápida para diminuir a velocidade quando o alfa diminui. Kaufman, obviamente, queria que a AMA diminua muito rapidamente quando os dados não possuíam uma tendência. Esse efeito é semelhante ao aumento da constante 8216N8217 na Média Variável Variável. É o AMA um bom indicador Como parte do 8216Technical Indicator Fight for Supremacy 8216, estaremos colocando o AMA contra vários tipos diferentes de médias móveis e testaremos vários índices de volatilidade diferentes como componentes, incluindo: Também estaremos testando a suposição de que o aluno quadrado Foi uma boa ideia e tentará levantar isso para vários poderes diferentes. Você pode pensar em qualquer outro teste que vale a pena. Por favor, avise-nos na seção de comentários na parte inferior. Adaptive Moving Average Excel File Eu coloquei uma planilha do Excel contendo a média móvel adaptativa e disponibilizei o download GRATUITO. Ele contém uma versão 8216basic8217 que mostra todo o trabalho e um 8216fancy8217 que se ajustará automaticamente ao comprimento, bem como o Índice de volatilidade que você especifica. Encontre-o no seguinte link perto da parte inferior da página em Downloads Indicadores Técnicos: Média Variável Adaptativa (AMA) Exemplo de Média de Mudança Adaptativa, VI 50 Razão de Eficiência do Dia adil 4 anos atrás Eu acho a idéia em torno da média móvel adaptativa muito interessante e atraente , Testei o kaufman AMA através de dois sistemas (sinais de onda binária para sinais de direção de entradas longas e curtas (ama up long entry e ama down short entry), no entanto, não consegui concluir que o sistema está melhorando do que um sistema TF de longo prazo usando SMA Crossovers (SMA de 50 dias e SMA de 200 dias). Posso saber as regras de negociação em torno do AMA que você implementou na sua negociação Derry Brown 4 anos atrás. Estou feliz que você está achando nossa pesquisa útil. Nós ainda não publicamos os resultados de Testes de crossoversos em média móveis para que eles possam ser mais eficazes. As regras que você solicita são detalhadas na parte inferior de cada página onde publicamos os resultados dos testes. Aqui estão novamente: uma entrada si Gnal para ir longo (ou sinal de saída para cobrir um curto) para cada média testada foi gerada com um fechamento acima dessa média e um sinal de saída (ou sinal de entrada para ficar curto) foi gerado em cada detalhe abaixo da média móvel. Nenhum interesse foi ganho enquanto estava em dinheiro e nenhum subsídio foi feito para custos de transação ou derrapagem. Os negócios foram testados usando os sinais End of Day (EOD) e End of Week (EOW) para dados diários e sinais EOW para dados semanais. Por exemplo. Os dados diários com um sinal EOW exigiriam que a semana termine acima de uma média móvel diária para abrir um longo ou fechar um curto período. Os dados diários com sinais EOD exigiriam que o preço diário feche acima de uma média móvel diária para abrir um longo ou fechar um Curto e vice-versa. Os retornos apresentados são o retorno anualizado médio dos 16 mercados durante o período de teste. Os dados utilizados para esses testes estão incluídos na planilha de resultados e mais detalhes sobre nossa metodologia podem ser encontrados aqui etfhqblog20100525best-technical-indicators Por favor, avise-me se você tiver outras questões. Cheers DerryKaufman8217s Efficiency Ratio (ER) O Razão de Eficiência (ER) foi apresentado pela primeira vez por Perry Kaufman em seu livro de 1995 8216Smarter Trading 8216. Ele é calculado dividindo a mudança de preço ao longo de um período pela soma absoluta dos movimentos de preços que ocorreram para alcançar Essa mudança. A razão resultante varia entre 0 e 1 com valores mais altos, representando um mercado mais eficiente ou tendencial. O ER é realmente muito parecido com o Chande Momentum Oscillator (OCM) apresentado por Tushar S. Chande em 8216The New Trader Técnico 8216 (1994). A diferença é que a OCM leva em conta para a direção do mercado, mas se você tomar a OCM absoluta e dividir por 100, você obtém a Razão de Eficiência. Uma medida de força de tendências pode ser muito útil, pois algumas estratégias funcionam melhor em um mercado de tendências e alguns em um mercado vinculado. Do mesmo modo, diferentes comprimentos médios móveis terão melhor desempenho dependendo do tipo de mercado naquele momento. Kaufman originalmente pretendia a Razão de Eficiência para uso em sua Média de Mudança Adaptativa (KAMA). Mas, além da KAMA, como parte da luta de indicadores técnicos pela supremacia, estaremos testando como componente de uma média móvel variável e de uma média móvel ponderada por indicadores. Como calcular o Razão de Eficiência Direcção ER Direção de Volatilidade ABS (Close Closen) Volatilidade n (ABS (Close Close1)) n O período da relação de eficiência. Aqui está um exemplo de um ER de 3 períodos: Índice de Eficiência do Excel. Eu coloquei uma Planilha de Excel contendo a Razão de Eficiência de Kaufman8217s e disponibilizei para download GRATUITO. Ele contém uma versão básica que exibe o exemplo acima e um elegante que se ajustará automaticamente ao comprimento que você especifica. Encontre-o no seguinte link perto da parte inferior da página em Downloads Indicadores Técnicos: Razão de Eficiência (ER). Resultados do teste Como parte do 8216Technical Indicator Fight for Supremacy 8216 Nós testaremos testar a Razão de Eficiência como um componente em vários indicadores técnicos: Rácio de Eficiência Média Variável Variável (ER-VMA) 8211 Concluído 8211 Resultados Índice de Eficiência Média de Mudança Adaptativa (ER-AMA ) 8211 Concluído 8211 Resultados Razão de Eficiência Log Normal Média de Mudança Adaptativa (ER-LAMA) Razão de Eficiência Média de Movimento Ponderada (ER-WMA) Também testaremos o ER como um filtro, levando apenas negociações quando indicar uma forte tendência. Exemplo de Razão de Eficiência