การปรับตัว เคลื่อนไหว เฉลี่ย ดาวน์โหลด

การปรับค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือที่ผู้ค้าที่ชื่นชอบมักใช้เป็นเครื่องมือที่ชื่นชอบอย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้จะนำไปสู่ธุรกิจการค้า whipsaw จำนวนมากซึ่งส่งผลให้เกิดการชนะและขาดทุนจำนวนเล็กน้อยที่น่าผิดหวังนักวิเคราะห์ได้ใช้เวลาหลายทศวรรษในการพยายามปรับปรุง ค่าเฉลี่ยเคลื่อนที่ง่ายในบทความนี้เรามองไปที่ความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขาได้นำไปสู่เครื่องมือการค้าที่มีประโยชน์สำหรับการอ่านข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยเคลื่อนที่แบบธรรมดาให้ดูที่ค่าเฉลี่ยเคลื่อนที่แบบง่ายทำให้แนวโน้มโดดเด่นข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่ข้อดีและข้อเสีย ของค่าเฉลี่ยเคลื่อนที่ถูกสรุปโดยโรเบิร์ตเอ็ดเวิร์ดและจอห์นจีในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของสต็อกเทรนด์เมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ว่าเราดีใจที่ได้ค้นพบแม้ว่าหลายคนอื่น ๆ ได้ทำมันก่อนที่โดยค่าเฉลี่ยข้อมูล สำหรับจำนวนวันที่ระบุไว้หนึ่งอาจได้รับมาเรียงลำดับของเส้นแนวโน้มอัตโนมัติซึ่งแน่นอนจะตีความการเปลี่ยนแปลงของแนวโน้มมันดูเหมือน เกือบดีเกินกว่าที่จะเป็นจริงแท้ที่จริงก็ดีเกินกว่าที่จะเป็นจริงได้ด้วยข้อเสียข้อเสียกว่าข้อดีเอ็ดเวิร์ดและจีได้ละทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลชายหาด แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้น ยังคงมีอยู่ในการพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดายค่าเฉลี่ยเคลื่อนที่อย่างง่ายในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆให้เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนงวดที่เลือกค้นหาค่าเฉลี่ยเคลื่อนที่ห้าวัน จะต้องรวมห้าราคาปิดล่าสุดและหารด้วยห้าถ้าปิดล่าสุดอยู่เหนือค่าเฉลี่ยเคลื่อนที่หุ้นจะได้รับการพิจารณาให้อยู่ใน uptrend. Downtrends ถูกกำหนดโดยราคาซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่สำหรับข้อมูลเพิ่มเติมดู คำแนะนำการเคลื่อนไหวโดยเฉลี่ยของเราคุณสมบัติการกำหนดแนวโน้มนี้ช่วยให้สามารถเคลื่อนย้ายค่าเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ในแอพพลิเคชันที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนไปเหนือการเคลื่อนย้าย ค่าเฉลี่ยและการขายเมื่อราคาข้ามด้านล่างบรรทัดวิธีการเช่นนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญใด ๆ แต่ในขณะที่ราบรื่นข้อมูลย้ายค่าเฉลี่ยจะล่าช้าหลังการดำเนินการในตลาดและผู้ประกอบการค้ามักจะให้ กลับส่วนใหญ่ของผลกำไรของพวกเขาในแม้ธุรกิจการค้าที่ชนะที่ยิ่งใหญ่ที่สุดค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวบ่งชี้นักวิเคราะห์ดูเหมือนจะชอบแนวคิดเรื่องค่าเฉลี่ยเคลื่อนที่และต้องใช้เวลาหลายปีในการลดปัญหาที่เกี่ยวข้องกับความล่าช้านี้หนึ่งในนวัตกรรมเหล่านี้คือค่าเฉลี่ย EMA ที่เป็นตัวชี้วัด วิธีนี้จะให้น้ำหนักที่สูงขึ้นเมื่อเทียบกับข้อมูลล่าสุดและเป็นผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆสูตรในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือ EMA น้ำหนักปิด EMA 1 น้ำหนักที่ไหนน้ำหนักจะราบเรียบ เลือกค่าคงที่โดยนักวิเคราะห์EMAyคือค่าเฉลี่ยเคลื่อนที่แบบเลขยกมาจากค่าเฉลี่ยเมื่อวานนี้ค่าการถ่วงน้ำหนักทั่วไปคือ 0 181 ซึ่งใกล้เคียงกับ 20 วันแบบง่ายๆ mov ing เฉลี่ยอีกคือ 0 10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วันแม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่ที่ระบุไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งเป็นไปได้ว่าการใช้สัญญาณซื้อขายจะนำไปสู่จำนวนมาก ของการสูญเสียการค้าในแนวคิดใหม่ในระบบการซื้อขายทางเทคนิค Welles Wilder คาดการณ์ว่าตลาดมีแนวโน้มเพียงช่วงหนึ่งในสี่ของเวลาการดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการถูก จำกัด ให้อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขาย - ขายเฉลี่ยจะถูกสร้างขึ้นซ้ำ ๆ ตามราคา เพื่อแก้ปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA สำหรับข้อมูลเพิ่มเติมโปรดดูที่การย้ายค่าเฉลี่ยที่ใช้ในการซื้อขายการปรับค่าเฉลี่ยเคลื่อนที่เพื่อการดำเนินการในตลาดวิธีหนึ่งในการจัดการกับข้อเสียของ ค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวนการทำเช่นนี้จะหมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันใน volati le ตลาดนี้จะช่วยให้ผู้ชนะในการทำงานเป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวมค่าเฉลี่ยเคลื่อนที่จะย้ายใกล้ชิดกับการดำเนินการตลาดปัจจุบันและในทางทฤษฎีอนุญาตให้ผู้ประกอบการค้าเพื่อให้มากที่สุดของกำไรจับในระหว่างแนวโน้มในทางปฏิบัติ, อัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่นความกว้างของแถบ Bollinger ซึ่งวัดระยะห่างระหว่างแถบ Bollinger Bussing ที่รู้จักกันดีสำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้โปรดดูที่ข้อมูลพื้นฐานเกี่ยวกับแถบ Bollinger Border. Perry Kaufman แนะนำให้เปลี่ยนตัวแปรน้ำหนักในสูตร EMA ด้วย ค่าคงที่ขึ้นอยู่กับอัตราส่วนประสิทธิภาพ ER ในหนังสือระบบการซื้อขายใหม่และวิธีการตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของแนวโน้มที่กำหนดไว้ในช่วงตั้งแต่ -1 0 ถึง 1 0 จะคำนวณด้วยสูตรง่ายๆรวมทั้งหมด การเปลี่ยนแปลงราคาสำหรับช่วงรวมของการเปลี่ยนแปลงราคาสัมบูรณ์สำหรับแต่ละบาร์พิจารณาหุ้นที่มีช่วงห้าจุดในแต่ละวันและเมื่อสิ้นสุดระยะเวลาห้าวันได้รับคะแนนรวมทั้งหมด 15 คะแนนซึ่งจะส่งผลให้ค่า ER เท่ากับ 0 67 15 พี oints ขึ้นไปหารด้วยจุดรวม 25 จุดถ้าหุ้นนี้ลดลง 15 จุด ER จะเป็น -0 67 สำหรับคำแนะนำการซื้อขายเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งจะกล่าวถึงกลยุทธ์ในการรับมือกับความเสียหายที่เกิดจากการซื้อขายหลักทรัพย์หลักการของ a แนวโน้มของประสิทธิภาพขึ้นอยู่กับการเคลื่อนไหวทิศทางหรือแนวโน้มที่คุณได้รับต่อหน่วยของการเคลื่อนไหวของราคาในช่วงเวลาที่กำหนด ER ของ 1 0 บ่งชี้ว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1 0 หมายถึงขาลงที่สมบูรณ์แบบในแง่การปฏิบัติ เมื่อใช้ตัวบ่งชี้นี้เพื่อหา AMA ที่ปรับค่าเฉลี่ยโดยเฉลี่ยผู้ค้าจะต้องคำนวณน้ำหนักด้วยสูตรที่ซับซ้อนและค่อนข้างซับซ้อน ER SCF SCS SCS 2 โดยที่ SCF คือค่าคงที่ทางเรขาคณิตสำหรับ EMA ที่เร็วที่สุด อนุญาตให้ใช้ 2.SCS เป็นค่าคงที่แบบเอกซ์โพเนนเชียลสำหรับ EMA ที่ช้าที่สุดที่อนุญาตได้บ่อยกว่า 30.ER เป็นอัตราส่วนประสิทธิภาพที่ระบุไว้ด้านบนค่า C จะถูกใช้ในสูตร EMA แทนที่จะเป็นตัวแปรน้ำหนักที่เรียบง่ายแม้ว่า ยากที่จะคำนวณด้วยมือค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ถูกรวมเป็นตัวเลือกในเกือบทุกแพคเกจซอฟต์แวร์เพื่อการค้าสำหรับข้อมูลเพิ่มเติมเกี่ยวกับ EMA อ่าน Exploring Average Weighted Moving Average ตัวอย่างของเส้นสีแดงเฉลี่ยเคลื่อนที่โดยนัย และเส้นสีเขียวเฉลี่ยเคลื่อนที่ที่ปรับได้แสดงไว้ในรูปที่ 1. รูปที่ 1 AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่แบบเสวนา (exponential moving average, แสดงเป็นเส้นสีฟ้าใกล้เคียงกับการดำเนินการราคาค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดงค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพทั้งหมดมีแนวโน้มที่จะมีการซื้อขายแส้ในหลาย ๆ ครั้งข้อเสียเปรียบของค่าเฉลี่ยเคลื่อนที่เหล่านี้จึงเป็นไปไม่ได้ เพื่อขจัดข้อสรุป Robert Colby ได้ทดสอบเครื่องมือวิเคราะห์ทางเทคนิคหลายร้อยเครื่องมือในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดเขาสรุปว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้มีความน่าสนใจ g ความคิดใหม่ที่มีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติที่แท้จริงของวิธีการทำให้เรียบแบบนี้มีความซับซ้อนมากขึ้นซึ่งหมายความว่าผู้ค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่นเพื่อพัฒนาระบบการซื้อขายที่ทำกำไรได้ ในหัวข้อนี้อ่านการค้นพบช่อง Keltner และ Oscillator ของ Chaikin ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุดตัวอย่างเช่นอัตราส่วนด้านบน 0 30 บ่งชี้แนวโน้มขาขึ้นที่แข็งแกร่งและเป็นตัวแทนการซื้อที่มีศักยภาพ ความผันผวนของการเคลื่อนไหวในรอบ, หุ้นที่มีอัตราส่วนประสิทธิภาพต่ำสุดอาจถูกมองว่าเป็นโอกาสที่ breakout การสำรวจทำโดยสำนักสถิติแรงงานแห่งสหรัฐอเมริกาเพื่อช่วยในการวัดตำแหน่งงานว่างเก็บข้อมูลจากนายจ้างจำนวนเงินสูงสุดที่สหรัฐอเมริกาสามารถ ยืมเพดานหนี้ถูกสร้างขึ้นภายใต้พระราชบัญญัติตราสารหนี้เสรีภาพครั้งที่สองอัตราดอกเบี้ยที่สถาบันรับฝากเงิน ไอออนยืมเงินไว้ที่ Federal Reserve ไปยังสถาบันรับฝากเงินแห่งอื่น 1 มาตรการทางสถิติในการกระจายผลตอบแทนสำหรับดัชนีความมั่นคงหรือดัชนีตลาดความผันผวนสามารถวัดได้การกระทำของสภาคองเกรสของสหรัฐฯในปีพ. ศ. 2476 เป็นพระราชบัญญัติการธนาคารซึ่งเป็นสิ่งต้องห้าม ธนาคารพาณิชย์จากการมีส่วนร่วมในการลงทุนการจ่ายเงินเดือนของ Nonfarm หมายถึงงานนอกฟาร์มครัวเรือนของเอกชนและภาคที่ไม่แสวงหาผลกำไรสหรัฐอเมริกาค่าแรงแรงงาน Kaufman's ค่าปรับเฉลี่ย KAMA. Kaufman's Adaptive Movement Average KAMA พัฒนาโดย Perry Kaufman, Kaufman s KAMA เป็นค่าเฉลี่ยเคลื่อนที่ที่ได้รับการออกแบบมาเพื่อรองรับความผันผวนของตลาดหรือความผันผวน KAMA จะติดตามราคาอย่างใกล้ชิดเมื่อการแกว่งตัวของราคามีขนาดเล็กและเสียงต่ำ KAMA จะปรับตัวเมื่อการแกว่งตัวของราคาปรับตัวสูงขึ้นและติดตามราคาจากระยะทางที่มากขึ้น ตัวบ่งชี้แนวโน้มต่อไปนี้สามารถใช้เพื่อระบุแนวโน้มโดยรวมจุดเปลี่ยนเวลาและการเคลื่อนไหวของราคาตัวกรองมีหลายขั้นตอน s ที่จำเป็นในการคำนวณ Kaufman s ย้ายปรับค่าเฉลี่ย Let s เริ่มต้นครั้งแรกกับการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA 10,2,30.10 คือจำนวนระยะเวลาสำหรับอัตราส่วนประสิทธิภาพ ER.2 คือจำนวนของระยะเวลาสำหรับ EMA ที่เร็วที่สุด ค่าคงที่ 30 คือจำนวนรอบระยะเวลาสำหรับค่าคงที่ EMA ที่ช้าที่สุดก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC การแบ่งสูตรออกเป็นตัวขนาดขนาดเล็กทำให้ง่ายต่อการเข้าใจวิธีการหลังตัวบ่งชี้หมายเหตุ ABS หมายถึง Absolute Value. Efficiency Ratio ER ER เป็นพื้นฐานการเปลี่ยนแปลงราคาที่ปรับตามความผันผวนของรายวันในแง่สถิติอัตราส่วนประสิทธิภาพบอกเราว่าประสิทธิภาพของเศษส่วนของการเปลี่ยนแปลงของราคา ER มีความผันผวนระหว่าง 1 ถึง 0 แต่ความรุนแรงเหล่านี้เป็น ยกเว้น ER ไม่เป็นบรรทัดฐานจะเป็น 1 ถ้าราคาเพิ่มขึ้น 10 ช่วงเวลาติดต่อกันหรือลดลง 10 ช่วงเวลาติดต่อกัน ER จะเป็นศูนย์ถ้าราคาไม่เปลี่ยนแปลงในช่วงระยะเวลา 10 ปี Smoothing Constan t SC คงที่เรียบใช้ ER และสองราบเรียบค่าคงที่ขึ้นอยู่กับค่าเฉลี่ยเคลื่อนที่ที่ชี้แจงขณะที่คุณอาจสังเกตเห็น Smoothing Constant ใช้ค่าคงที่ที่ราบเรียบสำหรับค่าเฉลี่ยเคลื่อนที่แบบเสวนาในสูตร 2 30 1 เป็นค่าคงที่ที่ราบเรียบสำหรับ EMA 30 ระยะเวลาที่เร็วที่สุดคือค่าคงที่ที่ราบเรียบสำหรับช่วง EMA ที่สั้นกว่า 2 เท่าระยะเวลาที่ช้าที่สุดของ SC คือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่ต่ำที่สุด 30 งวดโปรดทราบว่า 2 ที่ท้ายที่สุดคือการกำหนดรูปสมการด้วยอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC ตอนนี้เราพร้อมแล้วที่จะคำนวณค่า KAMA KAMA ของ Adaptive Movement Average ของ Kaufman เนื่องจากเราจำเป็นต้องมีค่าเริ่มต้นเพื่อเริ่มต้นการคำนวณ KAMA ตัวแรกนั้นเป็นค่าเฉลี่ยเคลื่อนที่โดยทั่วไปการคำนวณดังต่อไปนี้ใช้สูตรด้านล่างแผนภูมิการคำนวณตัวอย่าง ภาพด้านล่างแสดงภาพหน้าจอจากกระดาษคำนวณ Excel ที่ใช้ในการคำนวณ KAMA และแผนภูมิ QQQ ที่สอดคล้องกันการใช้และสัญญาณ Chartists สามารถใช้ KAMA เช่นเทรนด์อื่น ๆ ตามตัวบ่งชี้เช่น เป็นค่าเฉลี่ยเคลื่อนที่ Chartists สามารถมองหา crosses ราคาการเปลี่ยนแปลงทิศทางและสัญญาณที่กรอง First, ข้ามด้านบนหรือด้านล่าง KAMA บ่งชี้ทิศทางการเปลี่ยนแปลงของราคาเช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์แบบง่ายๆจะสร้างจำนวนมากของสัญญาณและจำนวนมาก whipsaws Chartists สามารถลด whipsaws โดยการใช้ตัวกรองราคาหรือเวลาไปที่ crossovers หนึ่งอาจต้องมีราคาถือข้ามสำหรับจำนวนชุดของวันหรือต้องข้ามเกิน KAMA โดยร้อยละที่กำหนดประการที่สองแผนภูมิสามารถใช้ทิศทางของ KAMA เพื่อกำหนดโดยรวม แนวโน้มสำหรับการรักษาความปลอดภัยนี้อาจต้องมีการปรับพารามิเตอร์ให้เรียบตัวบ่งชี้ต่อ Chartists สามารถเปลี่ยนพารามิเตอร์กลางซึ่งเป็นค่าคงที่ EMA เร็วที่สุดเพื่อราบรื่น KAMA และมองหาทิศทางการเปลี่ยนแปลงแนวโน้มลดลงตราบเท่าที่ KAMA จะล้มและปลอมต่ำกว่า ต่ำมีแนวโน้มเพิ่มขึ้นตราบเท่าที่ KAMA กำลังเพิ่มขึ้นและเพิ่มความสูงขึ้นตัวอย่าง Kroger ด้านล่างแสดง KAMA 10,5,30 ซึ่งมีแนวโน้มขาขึ้นที่สูงชันตั้งแต่เดือนธันวาคมถึงเดือนมีนาคมและ แนวโน้มการเติบโตที่น้อยลงในช่วงเดือนพฤษภาคมถึงเดือนสิงหาคมและในที่สุดนักกราฟฟิกสามารถรวมสัญญาณและเทคนิค Chartists สามารถใช้ KAMA ระยะยาวเพื่อกำหนดแนวโน้มที่ใหญ่ขึ้นและ KAMA ระยะสั้นสำหรับสัญญาณการซื้อขายตัวอย่างเช่น KAMA 10,5,30 สามารถ จะใช้เป็นตัวกรองแนวโน้มและถือว่ารั้นเมื่อเพิ่มขึ้นเมื่อรั้น chartists แล้วสามารถมองหาข้ามรั้นเมื่อราคาเคลื่อนไปเหนือ KAMA 10,2,30 ตัวอย่างด้านล่างแสดงให้เห็น MMM กับระยะยาวที่เพิ่มขึ้น KAMA และข้ามเครื่องหมายในเดือนธันวาคม, เดือนมกราคมและกุมภาพันธ์ KAMA ในระยะยาวปรับตัวลดลงในเดือนเมษายนและมีการปรับตัวลดลงในเดือนพฤษภาคมมิถุนายนและกรกฏาคมที่ผ่านมา KAMA สามารถระบุได้ว่าเป็นค่าที่ซ้อนทับใน SharpCharts Workbench การตั้งค่าเริ่มต้นจะปรากฏในกล่องพารามิเตอร์โดยอัตโนมัติเมื่อเลือก ค่าพารามิเตอร์แรกคือสำหรับอัตราส่วนประสิทธิภาพ (Efficiency Ratio) และพวกชาตินิยม (Chartists) ควรละเว้นจากการเพิ่มจำนวนนี้แทนนักเกรสเตอร์สามารถลดค่าลงเพื่อเพิ่มความไวได้ Chartists l ooking เพื่อราบรื่น KAMA สำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่มพารามิเตอร์กลางที่เพิ่มขึ้นแม้ว่าความแตกต่างเพียง 3, KAMA 10,5,30 เป็นอย่างมากนุ่มนวลกว่า Kama 10,2,30.Further ศึกษาจากผู้สร้างหนังสือ ด้านล่างมีข้อมูลรายละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบรวมถึงรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการซื้อขายและวิธีการ Perry Kaufman. MetaTrader 5 - Indicators. Adaptive Moving Average AMA - ตัวบ่งชี้สำหรับ MetaTrader 5.Adaptive Moving Average AMA ใช้สำหรับสร้างค่าเฉลี่ยเคลื่อนที่โดยมีความไวต่ำต่อเสียงชุดราคาและมีลักษณะความล่าช้าน้อยที่สุดสำหรับการตรวจสอบแนวโน้มตัวบ่งชี้นี้ได้รับการพัฒนาและอธิบายโดย Perry Kaufman ในหนังสือของเขาที่ฉลาดกว่า Trading. One ของข้อเสียของอัลกอริทึมการทำให้เรียบที่แตกต่างกันสำหรับชุดราคา คือการที่ราคาโดยไม่ได้ตั้งใจอาจส่งผลให้เกิดสัญญาณแนวโน้มผิดพลาดในทางกลับกันการทำให้เรียบทำให้เกิดความล้าหลังที่หลีกเลี่ยงไม่ได้ในการทำนายค่า tr สิ้นสุดตัวบ่งชี้นี้ได้รับการพัฒนาเพื่อเอาชนะข้อเสียเปรียบเหล่านี้ทั้งสองข้อบ่งชี้ตัวบ่งชี้การเปลี่ยนแปลงตัวชี้วัดเชิงปรับเพื่อกำหนดสภาวะตลาดในปัจจุบัน Kaufman ได้นำเสนอแนวคิดเกี่ยวกับประสิทธิภาพของอัตราส่วน ER ซึ่งคำนวณได้จากสูตรด้านล่าง i ค่าปัจจุบันของอัตราส่วนประสิทธิภาพ Signal i ราคา ABS - ราคา i - N - ค่าสัญญาณปัจจุบันค่าสัมบูรณ์ของความแตกต่างระหว่างราคาปัจจุบันและราคางวด N งวดที่ผ่านมา N iis i ABS รวมราคา i - ราคา I-1, ค่าเสียง N - ปัจจุบันรวมของค่าสัมบูรณ์ ของความแตกต่างระหว่างราคาของงวดปัจจุบันกับราคาของงวดก่อนหน้าสำหรับระยะเวลา N เนื่องจากแนวโน้มการเติบโตอย่างมีนัยสำคัญอัตราส่วนประสิทธิภาพของ ER จะมีค่าประมาณ 1 หากไม่มีการเคลื่อนไหวโดยตรงจะมีค่ามากกว่า 0.The ได้ ค่าของ ER ใช้ในสูตรการทำให้ราบเรียบแบบเอ็มเอ็มเอไอ i i i 1 - SC. SC 2 n 1 - อีโมราบเรียบค่า EMA, n - ระยะเวลาของการเคลื่อนย้ายเลขที่EMA i-1 - ค่าก่อนหน้าของ EMA อัตราส่วนความราบเรียบสำหรับเสาตลาดที่รวดเร็วเช่นเดียวกับ EMA ด้วย ระยะเวลา 2 เร็ว SC 2 2 0 0 6667 และสำหรับระยะเวลาไม่มีแนวโน้มระยะเวลา EMA จะต้องเท่ากับ 30 ช้า SC 2 30 1 0 06452 ดังนั้นค่าคงที่การปรับเปลี่ยนแบบใหม่จะถูกนำมาปรับค่าคงที่การปรับให้เรียบสม่ำเสมอ SSC. SSC i ER i fast SC - ช้า SC slow SC. SSC i ER i 0 60215 0 06425. สำหรับอิทธิพลที่มีประสิทธิภาพมากขึ้นของค่าคงที่ที่ได้รับการปรับให้เรียบขึ้นในระยะเวลาเฉลี่ย Kaufman แนะนำให้จำาลองสูตรการคำนวณหาค่าเฉลี่ย AMA i ราคา i SSC i 2 AMA i-1 1 - SSC i 2. หรือหลังจากการจัดเรียงใหม่AMA i AMA i-1 SSC i 2 ราคา i - AMA i-1.AMA i - มูลค่าปัจจุบันของ AMA. AMA i-1 - ค่าก่อนหน้าของ AMA. SSC i - มูลค่าปัจจุบันของ การปรับค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ (AMA) ค่าเฉลี่ยของค่าเฉลี่ยการปรับค่าเฉลี่ย (Adaptive Moving Average AMA) เป็นชื่อแนะนำคือการปรับตัวของค่าเฉลี่ยเคลื่อนที่ถูกออกแบบมาเพื่อปรับให้เข้ากับ t เขาเป็นตลาดแบบไดนามิกตามความจำเป็น ---- เฉลี่ยเคลื่อนที่เฉลี่ย SMA และลูกพี่ลูกน้องถ่วงน้ำหนักเคลื่อนที่โดยเฉลี่ย WMA และค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัด EMA ทำงานได้ดีเมื่อตลาดมีแนวโน้มอย่างไรก็ตามเมื่อตลาดอยู่ในขอบเขตที่พวกเขารับมากเสียงตลาดสร้าง มากของสัญญาณก่อนวัยอันควรนอกจากนี้พวกเขาทั้งหมดมีอยู่โดยธรรมชาติล้าหลังในธรรมชาติในการแสวงหาการแก้ไขข้อบกพร่องของค่าเฉลี่ยเคลื่อนที่ Perry J Kaufmann แนะนำครั้งแรกค่าเฉลี่ยเคลื่อนที่ในหนังสือของเขาการค้าที่ชาญฉลาดปรับปรุงประสิทธิภาพในการเปลี่ยนตลาด 20-SMA AMA วันใน การดำเนินการก่อนที่จะมีการแนะนำ AMA ของนาย Kaufmann ผู้ค้าใช้ค่าเฉลี่ยรวมกันมากกว่าค่าเฉลี่ยเคลื่อนที่เช่นเดียวกับวิธี Double Crossover และ Triple Crossover เหตุผลที่อยู่เบื้องหลังการใช้ค่าเฉลี่ยเคลื่อนที่หลายค่าขึ้นอยู่กับข้อเท็จจริงดังต่อไปนี้ Fast moving averages, ซึ่งมักประกอบด้วยระยะเวลาที่สั้นลงเช่นระยะเวลา 5 วันที่มีประสิทธิภาพดีที่สุดเมื่อตลาดมีการเคลื่อนไหวโดยเฉลี่ยอย่างรวดเร็วซึ่งโดยปกติแล้ว ประกอบด้วยช่วงเวลาที่ยาวนานขึ้นเช่นระยะเวลา 50 วันที่ดีที่สุดเมื่อตลาดอยู่ในขอบเขตที่ จำกัด ดังนั้นการกรองเสียงส่วนใหญ่ในอัจฉริยะใน Kaufmann s AMA เป็นระบบที่ฉลาดพอที่จะเปลี่ยนแปลงความเร็วตามทิศทางการรวมกันของตลาดและ ความเร็วในคำอื่นเมื่อตลาดมีแนวโน้ม AMA เร็วขึ้นพร้อมกับแนวโน้มเมื่อตลาดมีขอบเขต จำกัด และไม่มีอะไร AMA ช้าลงดังนั้นจึงสมควรได้รับชื่อปรับตัวตามที่ตนเองปรับทิศทางตลาดและความเร็ว Kaufmann s AMA ประสบความสำเร็จ ความรู้สึกของทิศทางตลาดและความเร็วโดย incoporating ประสิทธิภาพอัตราการปรับกฎการซื้อขายเฉลี่ยต่อไปนี้เป็นกฎการซื้อขายสำหรับการปรับค่าเฉลี่ยเคลื่อนที่ซื้อเมื่อ AMA เปิดขึ้นขายเมื่อ AMA ลดลง