Prosta średnia ruchoma - SMA ZMNIEJSZAJĄCA Prosta średnia ruchoma - SMA Prosta średnia ruchoma jest dostosowywana w taki sposób, że można ją obliczyć dla różnych okresów czasu, po prostu dodając cenę zamknięcia zabezpieczenia przez kilka przedziałów czasowych, a następnie dzieląc tę sumę przez liczbę okresów, która daje średnią cenę papieru wartościowego w danym okresie. Prosta średnia ruchoma wygładza zmienność i ułatwia przeglądanie trendu cenowego zabezpieczenia. Jeśli prosta średnia ruchoma wskazuje, oznacza to, że cena bezpieczeństwa rośnie. Jeśli jest skierowany w dół, oznacza to, że cena zabezpieczenia maleje. Im dłuższy przedział czasowy dla średniej ruchomej, tym łatwiejsza jest prosta średnia krocząca. Krótkoterminowa średnia ruchoma jest bardziej zmienna, ale jej odczyt jest bliższy źródłowym danym. Znaczenie analityczne Średnie kroczące są ważnym narzędziem analitycznym służącym do identyfikacji bieżących trendów cenowych i możliwości zmiany ustalonego trendu. Najprostszą formą zastosowania prostej średniej ruchomej w analizie jest użycie jej do szybkiego zidentyfikowania, czy zabezpieczenie ma tendencję wzrostową czy zniżkową. Innym popularnym, choć nieco bardziej złożonym narzędziem analitycznym, jest porównanie pary prostych średnich kroczących z każdą obejmującą różne ramy czasowe. Jeżeli krótkoterminowa prosta średnia krocząca jest powyżej średniej długoterminowej, spodziewany jest trend wzrostowy. Z drugiej strony, długoterminowa średnia powyżej średniej krótkoterminowej sygnalizuje ruch w dół trendu. Popularne wzorce handlowe Dwa popularne wzorce handlu, które wykorzystują proste średnie ruchome, to krzyż śmierci i złoty krzyż. Krzyż śmierci występuje, gdy 50-dniowa średnia krocząca przekracza średnią ruchomą wynoszącą 200 dni. Uważa się to za niedźwiedzi sygnał, że dalsze straty są w magazynie. Złoty krzyż pojawia się, gdy krótkoterminowa średnia krocząca przekracza długoterminową średnią ruchomą. Wzmocnione przez wysokie wolumeny transakcji, może to sygnalizować dalsze zyski są w sklepie. Opóźnienie grupy Patrz poniższa grafika dla następującej dyskusji: W pomiarze opóźnienia grupowego: liniowy komponent przesunięcia fazowego jest konwertowany na stałą wartość (reprezentującą średnie opóźnienie) . Komponent przesunięcia fazowego wyższego rzędu przekształca się w odchylenia od stałego opóźnienia grupy (lub tętnienia opóźnienia grupy). Odchylenia w opóźnieniu grupowym powodują zniekształcenie sygnału, tak jak odchylenia od fazy liniowej powodują zniekształcenie. Ślad pomiaru pokazuje czas potrzebny na przejście każdej z częstotliwości przez testowane urządzenie. W poniższym równaniu omówiono sposób obliczania opóźnienia grupy przez analizator: Dane fazy są wykorzystywane do znalezienia zmiany fazy (-d f) .160 Określona wartość przysłony częstotliwości jest używana do znalezienia zmiany częstotliwości 160160 (d w). Stosując powyższe dwie wartości, oblicza się przybliżenie szybkości zmiany fazy z częstotliwością. Przybliżenie to 160160 reprezentuje opóźnienie grupowe w sekundach (zakładając liniową zmianę fazy nad określonym otworem częstotliwości). Opóźnienie grupy względem odchylenia od opóźnienia w fazie liniowej jest często dokładniejszym wskaźnikiem zniekształcenia fazy niż odchylenie od fazy liniowej. Odchylenia od wyników fazy liniowej są pokazane w górnym obszarze poniższej grafiki: Urządzenie 1 i urządzenie 2 mają tę samą wartość, pomimo różnych wyglądów. Wyniki opóźnień grupowych są wyświetlane w dolnym obszarze: Urządzenie 1 i urządzenie 2 mają różne wartości opóźnienia grupowego. Dzieje się tak, ponieważ przy określaniu opóźnienia grupowego analizator oblicza nachylenie tętnienia fazy, które jest zależne od liczby zmarszczek, które występują na jednostkę częstotliwości. Co to jest przysłona Podczas pomiaru opóźnienia grupowego analizator mierzy fazę na dwóch blisko położonych częstotliwościach, a następnie oblicza nachylenie fazowe. Przedział częstotliwości (delta częstotliwości) pomiędzy punktami pomiarowymi dwóch faz nazywany jest aperturą. Zmiana przysłony może spowodować różne wartości opóźnienia grupowego. Obliczone nachylenie (faza delta) zmienia się wraz ze wzrostem apertury. Dlatego podczas porównywania danych o opóźnieniu grupowym musisz znać aperturę, która została użyta do wykonania pomiarów. Poniższa grafika przedstawia następującą dyskusję: Często zadawane pytania dotyczące JMA Co to jest teoria za JMA. Dlaczego JMA ma parametr PHASE. Czy JMA prognozuje szereg czasowy. Czy wcześniejsze wartości JMA, już wykreślone, zmieniają się wraz z pojawieniem się nowych danych. Czy mogę poprawić inne wskaźniki za pomocą JMA? Czy JMA ma jakieś specjalne gwarancje? W jaki sposób JMA porównuje się z innymi filtrami? TEMATYKA OGÓLNA na NARZĘDZIACH JURIKOWYCH Czy narzędzia mogą drukować wiele krzywych na każdym z wielu wykresów. Czy narzędzia mogą przetwarzać dane dowolnego typu. Czy narzędzia mogą działać w czasie rzeczywistym? Czy algorytmy są ujawnione, czy są czarne skrzynki. Czy narzędzia Jurik muszą patrzeć w przyszłość szeregu czasowego. Czy narzędzia dają podobne wartości na wszystkich platformach (TradeStation, Multicharts.). Czy narzędzia Juriks są objęte gwarancją. Ile haseł instalacyjnych dostaję. Co to jest teoria za JMA. CZĘŚĆ 1. CENA GAPS Wygładzanie danych szeregów czasowych, takich jak dzienne ceny akcji, w celu usunięcia niechcianych szumów, nieuchronnie wytworzy wykres (wskaźnik), który porusza się wolniej niż pierwotne szeregi czasowe. Ta quotslownessquot spowoduje, że fabuła będzie nieco opóźniona w stosunku do oryginalnej serii. Na przykład prosta średnia krocząca z 31 dni opóźnia się o serię cen o 15 dni. Opóźnienie jest bardzo niepożądane, ponieważ system handlu wykorzystujący te informacje będzie opóźniał handel. Opóźnione transakcje mogą być wielokrotnie gorsze niż brak transakcji, ponieważ możesz kupować lub sprzedawać po niewłaściwej stronie cyklu rynkowego. W związku z tym podjęto wiele prób zminimalizowania opóźnień, z których każde miało własne wady. Podbijanie opóźnienia przy jednoczesnym braku założeń upraszczających (np. Że dane składają się z nakładających się cykli, dzienne zmiany cen z rozkładem Gaussa, wszystkie ceny są równie ważne itd.) Nie jest zadaniem trywialnym. Ostatecznie JMA musiało opierać się na tej samej technologii, której używają wojskowi do śledzenia poruszających się obiektów w powietrzu za pomocą hałaśliwego radaru. JMA postrzega serie cenowe jako hałaśliwy obraz poruszającego się celu (bazowa gładka cena) i próbuje oszacować lokalizację rzeczywistego celu (gładka cena). Zastrzeżona matematyka została zmodyfikowana w celu uwzględnienia specjalnych właściwości finansowych szeregów czasowych. Rezultatem jest jedwabiście gładka krzywa, która nie zakłada żadnych założeń dotyczących danych mających jakiekolwiek elementy cykliczne. W związku z tym JMA może zamienić quoton dimequot, jeśli rynek (ruchomy cel) postanowi zmienić kierunek lub lukę o jakąkolwiek kwotę. Brak luki cenowej jest zbyt duży. CZĘŚĆ 2. WSZYSTKO W SZCZEGÓLNOŚCI Po kilku latach badań, firma Jurik Research stwierdziła, że idealny filtr redukcji szumów dla danych finansowych ma następujące wymagania: Minimalne opóźnienie między sygnałem a ceną, w przeciwnym razie wyzwalacze handlowe się spóźnią. Minimum przeregulowania, w przeciwnym razie sygnał generuje fałszywe poziomy cen. Minimum undershoot, inaczej stracony czas czeka na konwergencję po lukach cenowych. Maksymalna płynność, z wyjątkiem sytuacji, gdy luki cenowe osiągają nowy poziom. Przy pomiarze do tych czterech wymagań wszystkie popularne filtry (z wyjątkiem JMA) działają słabo. Oto podsumowanie popularnych filtrów. Średnia ważona ruchoma - nie reaguje na przerwy Wykładnicza średnia ruchoma - nadmierny nadmierny wzrost hałasu Adaptacyjne średnie ruchome - (nie nasze) zazwyczaj oparte na uproszczonych założeniach dotyczących aktywności na rynku łatwo oszukać Linię regresji - nie reaguje na nadmierne przekroczenia luk Filtry FFT - łatwo zniekształcony przez nie-Gaussa hałas w oknie danych jest zwykle zbyt mały, aby dokładnie określić prawdziwe cykle. Filtry FIR - ma opóźnienie znane jako quotgroup delayquot. Nie obejść tego, chyba że chcesz skrócić trochę zakrętów. Zobacz filtry pasmowe i pasywne. Filtry pasmowe - brak opóźnień tylko w środku pasma częstotliwości ma tendencję do oscylowania i przekraczania rzeczywistych cen. Maksymalne filtry Entropy - łatwo zniekształcone przez nie-Gaussowskie szumy w oknie danych są zwykle zbyt małe, aby dokładnie określić prawdziwe cykle. Filtry wielomianowe - niewrażliwe na nadmierne przekroczenie luk W przeciwieństwie do tego JMA w wyjątkowy sposób łączy teorię informacji i adaptacyjne filtrowanie nieliniowe. Łącząc ocenę treści informacyjnej w szeregu czasowym z mocą adaptacyjnej transformacji nieliniowej, wynik wypycha teoretyczne quotenvelopequot na filtrowanie szeregów finansowych niemal tak daleko, jak to tylko możliwe. Jeszcze więcej i weźcie się w walkę z zasadą nieoznaczoności Heisenburga (coś, czego nikt nie pokonał ani nigdy nie będzie). O ile nam wiadomo, JMA jest najlepszy. Zapraszamy każdego, aby pokazał nam inaczej. Aby uzyskać bardziej porównawczą analizę wad popularnych filtrów, pobierz nasz raport "Evolution of Moving Averages" z naszego działu raportów specjalnych. Zobacz nasze porównanie z innymi popularnymi filtrami. Dlaczego JMA ma parametr PHASE. Istnieją dwa sposoby zmniejszenia szumów w szeregu czasowym przy użyciu JMA. Zwiększenie parametru LENGTH spowoduje, że JMA będzie się poruszał wolniej, a tym samym zmniejszy hałas kosztem dodatkowego opóźnienia. Ewentualnie możesz zmienić liczbę cudzysłowów zawartych w JMA. Bezwładność jest jak masa fizyczna, im więcej masz, tym trudniej obrócić kierunek. Tak więc filtr z dużą ilością bezwładności będzie wymagał więcej czasu, aby odwrócić kierunek, a tym samym zmniejszyć hałas kosztem przestoju podczas odwracania w szeregu czasowym. Wszystkie silne filtry szumów mają opóźnienie i przeregulowanie, a JMA nie jest wyjątkiem. Jednak zmienne parametry JMAs PHASE i LENGTH oferują sposób na wybranie optymalnego kompromisu między opóźnieniem a przekroczeniem. Daje to możliwość dostrojenia różnych wskaźników technicznych. Na przykład wykres (po prawej) pokazuje szybką linię JMA przekraczającą wolniejszą linię JMA. Aby szybka linia JMA skręcała w cudzysłów za każdym razem, gdy rynek się odwraca, ustawiono, że nie ma on bezwładności. W przeciwieństwie do tego, powolny JMA miał dużą bezwładność, co spowalniało jego zdolność do odwracania się podczas zmian rynkowych. Takie rozmieszczenie powoduje, że szybsza linia przeskakuje wolniejszą linię tak szybko, jak to możliwe, wytwarzając w ten sposób sygnały o niskim opóźnieniu. Oczywiście kontrola użytkownika nad bezwładnością filtrów zapewnia znaczną moc nad filtrami, które nie mają tej możliwości. Czy JMA prognozuje szereg czasowy. Nie przewiduje się w przyszłości. JMA redukuje hałas w podobny sposób, jak wykładnicza średnia ruchoma, ale wiele razy lepiej. Czy wcześniejsze wartości JMA, już wykreślone, zmieniają się wraz z pojawieniem się nowych danych. Nie. Dla dowolnego punktu na wykresie JMA w formule używane są tylko dane historyczne i bieżące. W związku z tym, w miarę jak nowe dane cenowe docierają do późniejszych przedziałów czasowych, te wartości JMA, które zostały już wykreślone, nie ulegają zmianie i NIGDY się nie zmieniają. Weź także pod uwagę przypadek, w którym najnowszy pasek na wykresie jest aktualizowany w czasie rzeczywistym, wraz z pojawieniem się każdego nowego tiku. Ponieważ cena zamknięcia ostatniego paska prawdopodobnie się zmieni, JMA zostanie automatycznie ponownie oszacowany, aby odzwierciedlić nową cenę zamknięcia. Jednak wartości historyczne JMA (na wszystkich wcześniejszych słupkach) pozostają nienaruszone i nie zmieniają się. Można tworzyć imponujące wskaźniki danych historycznych, analizując zarówno przeszłe, jak i przyszłe wartości wokół każdego przetwarzanego punktu danych. Jednak każda formuła, która musi widzieć przyszłe wartości w szeregu czasowym, nie może być stosowana w handlu rzeczywistym. Dzieje się tak, ponieważ przy obliczaniu dzisiejszych wartości wskaźnika nie istnieją przyszłe wartości. Wszystkie wskaźniki Jurika wykorzystują tylko bieżące i poprzednie dane szeregów czasowych w swoich obliczeniach. Dzięki temu wszystkie wskaźniki Jurika działają we wszystkich warunkach czasu rzeczywistego. Czy mogę poprawić inne wskaźniki za pomocą JMA Tak. Zwykle zastępujemy większość ruchomych średnich obliczeń klasycznymi wskaźnikami technicznymi za pomocą JMA. Zapewnia to gładsze i bardziej aktualne wyniki. Na przykład, po prostu wstawiając JMA do standardowego wskaźnika technicznego DMI, stworzyliśmy wskaźnik DMX, który jest bezpłatny wraz z zamówieniem JMA. Czy JMA ma jakąś specjalną gwarancję Jeśli pokażesz nam niezastrzeżony algorytm dla średniej ruchomej, która po zakodowaniu będzie działać w TradeStation, Matlab lub Excel VBA, osiągnie wartość większą niż średnia krocząca w krótkich, średnich i długich przedziałach czasu losowy spacer, dobrze zwróć zakupioną licencję użytkownika dla JMA. To, co rozumiemy przez quotbetterter, to fakt, że musi on być średnio gładszy, bez większego średniego opóźnienia niż nasze, bez większego średniego przekroczenia i bez większego średniego niższego od naszego. Rozumiemy przez krótko, średnio i długo, że porównania muszą obejmować trzy oddzielne długości JMA: 7 (krótkie), 35 (średnie), 175 (długie). To, co rozumiemy przez przypadkowy spacer, jest szeregiem czasowym wytworzonym przez łączną sumę 5000 zerowych średnich, dystrybuowanych losowo liczb Cauchy'ego. Ta ograniczona gwarancja jest dobra tylko przez pierwszy miesiąc od momentu zakupu licencji użytkownika JMA od nas lub jednego z naszych dystrybutorów na całym świecie. W jaki sposób JMA porównuje się do innych filtrów. Filtr Kalmana jest podobny do JMA, ponieważ oba są potężnymi algorytmami używanymi do oszacowania zachowania hałaśliwego systemu dynamicznego, gdy wszystko, z czym musisz pracować, jest głośnym pomiarem danych. Filtr Kalmana tworzy gładkie prognozy szeregu czasowego, a ta metoda nie jest całkowicie odpowiednia dla finansowych szeregów czasowych, ponieważ rynki są narażone na gwałtowne ruchy i luki cenowe, zachowania nietypowe dla sprawnie działających systemów dynamicznych. W związku z tym wygładzanie filtra Kalmana często pozostaje w tyle lub wyprzedza serie cen rynkowych. W przeciwieństwie do JMA śledzi ceny rynkowe dokładnie i płynnie, dostosowując się do luk, unikając niepożądanych przekroczeń. Zobacz przykład poniżej na wykresie. Filtr opisany w popularnych czasopismach to średnia krocząca Kaufmanna. Jest to wykładnicza średnia ruchoma, której prędkość zmienia się w zależności od efektywności działania ceny. Innymi słowy, gdy akcja cenowa wykazuje wyraźny trend przy niewielkim wzroście, filtr Kaufmanna przyśpiesza, a gdy działanie jest przeciążone, filtr zwalnia. (Patrz wykres powyżej) Chociaż jego charakter adaptacyjny pomaga przezwyciężyć niektóre opóźnienia typowe dla wykładniczych średnich kroczących, nadal pozostaje znacznie w tyle za JMA. Opóźnienie jest podstawową kwestią dla wszystkich handlowców. Pamiętaj, że każda pula opóźnienia może opóźnić twoje transakcje i odmówić ci zysku. Inną średnią ruchomą opisaną w popularnych czasopismach jest Chandes VIDYA (Dynamic Dynamic Dynamic Average). Indeks używany najczęściej w VIDYA do regulowania jego szybkości jest zmiennością cen. Wraz ze wzrostem krótkoterminowej zmienności, wykładnicza średnia ruchoma VIDYA ma przyspieszyć ruch, a wraz ze zmniejszaniem się zmienności VIDYA zwalnia. Na powierzchni to ma sens. Niestety, ten projekt ma oczywistą wadę. Chociaż przeciążenia boczne powinny zostać dokładnie wygładzone, niezależnie od ich zmienności, wysoce niestabilny okres przeciążenia byłby ściśle śledzony (nie wygładzony) przez VIDYA. W związku z tym VIDYA może nie usunąć niepożądanego hałasu. Na przykład wykres porównuje JMA z VIDYA, obie ustawione tak, aby równie dobrze śledzić trend spadkowy. Jednak w trakcie zatoru, VIDYA nie wygładza skoków cen, podczas gdy JMA skutecznie prześlizguje się przez szczebiot. W innym porównaniu, w którym zarówno VIDYA, jak i Juriks JMA miały taką samą płynność, widzimy na wykresie, że VIDYA pozostaje w tyle. Jak wspomniano wcześniej, opóźnienie w czasie może łatwo wykraść twoje zyski z handlu. Dwa inne popularne wskaźniki to T3 i TEMA. Są gładkie i mają niewielkie opóźnienie. T3 jest lepszy z tych dwóch. Niemniej jednak T3 może wykazywać poważny problem z przekroczeniem, jak widać na poniższym wykresie. W zależności od aplikacji możesz nie chcieć wskaźnika pokazującego poziom cen, którego prawdziwy rynek nigdy nie osiągnął, ponieważ może to niechcący zainicjować niechciane transakcje. Oto dwa komentarze znalezione na odpowiednich forach internetowych: quot Wskaźnik T3 jest bardzo dobry (i ja śpiewałem jego pochwały wcześniej, na tej liście). Jednak miałem okazję wyprowadzić pewne alternatywne pomiary rynku i wygładziłem je. Czasami bardzo źle się zachowują. Podczas wygładzania T3 staje się niestabilny i źle reaguje, podczas gdy JMA płynie przez nie. - Allan Kaminsky allank xmission quotMoje własne zdanie na temat JMA jest spójne z tym, co napisali inni (spędziłem sporo czasu wizualnie porównując JMA do TEMA Nie myślałbym teraz o używaniu TEMA zamiast JMA).Proces stepowania Stevena Bussa Artykuł w wydaniu TASC z stycznia 2000 r. Opisuje średnią ruchomą zaprojektowaną w latach 50. XX w., Aby mieć niskie opóźnienie. Jego wynalazca, Robert Brown, zaprojektował "Zmodyfikowaną Moving Averagequot (MMA)", aby zmniejszyć opóźnienie w szacowaniu zapasów. W swojej formule regresja liniowa oszacowała bieżący pęd krzywych, który z kolei jest wykorzystywany do oszacowania opóźnienia pionowego. Formuła następnie odejmuje szacunkowe opóźnienie od średniej ruchomej, aby uzyskać wyniki o niskim opóźnieniu. Ta technika działa dobrze na dobrze zachowanych (płynnie przechodzących) wykresach cenowych, ale z drugiej strony, podobnie jak większość innych zaawansowanych filtrów. Problem polega na tym, że prawdziwy rynek nie jest właściwie grzeczny. Prawdziwą miarą sprawności jest to, jak dobrze każdy filtr działa na rzeczywistych danych finansowych, właściwość, którą można zmierzyć za pomocą naszej dobrze sprawdzonej baterii testów porównawczych. Testy te pokazują, że MMA przekracza ceny wykresów, jak pokazano poniżej. Dla porównania, użytkownik może ustawić parametr w JMA, aby dostosować wielkość przekroczenia, nawet całkowicie eliminując go. Wybór nalezy do ciebie. Pamiętaj, że ostatnią rzeczą, jakiej potrzebujesz, jest wskaźnik pokazujący poziom cen, którego prawdziwy rynek nigdy nie osiągnął, ponieważ może to niechcący zainicjować niechciane transakcje. Dzięki MMA nie masz wyboru i musisz wytrzymać przekroczenie, czy ci się to podoba, czy nie. (Patrz tabela poniżej) W numerze TASC z lipca 2000 r. Zamieszczono artykuł Johna Ehlersa opisujący "Zmodyfikowany optymalny eliptyczny filtr" (skrócona tutaj jako quotMEFquot). To doskonały przykład klasycznej analizy sygnału. Poniższy wykres porównuje MEF do JMA, którego parametry (JMA length7, phase50) zostały ustawione tak, aby JMA był jak najbardziej zbliżony do MEF. Porównanie ujawnia te zalety podczas korzystania z JMA: JMA reaguje szybciej na ekstremalne wahania cen. W związku z tym wszelkie wartości progowe wykorzystywane do wyzwalania sygnałów będą wcześniej wykonywane przez JMA. JMA prawie nie ma przeregulowania, dzięki czemu linia sygnału może dokładniej śledzić akcję cenową zaraz po dużym ruchu cenowym. JMA prześlizguje się przez małe ruchy rynkowe. Pozwala to skoncentrować się na rzeczywistych działaniach cenowych, a nie na niewielkiej aktywności rynkowej, która nie ma rzeczywistych konsekwencji. Ulubioną metodą wśród inżynierów do wygładzania danych szeregów czasowych jest dopasowanie punktów danych za pomocą wielomianu (równania, splajnu parabolicznego lub sześciennego). Skuteczną konstrukcją tego typu jest klasa znana jako filtry Savitzy'ego-Golaya. Poniższy wykres porównuje JMA z filtrem Savitzy-Golay o sześciennych splajnach (3-go rzędu), którego ustawienia parametrów zostały wybrane na górze, tak aby działał jak najbliżej JMA. Zauważ, jak płynnie JMA prześlizguje się przez regiony przeciążenia. Natomiast filtr S-G jest dość postrzępiony. Najwyraźniej JMA jest po raz kolejny zwycięzcą. Inną techniką stosowaną do zmniejszenia opóźnienia w filtrze o średniej ruchomej jest dodanie pewnego momentu (nachylenia) sygnału do filtra. Zmniejsza to opóźnienie, ale z dwoma karami: większym hałasem i większym przekroczeniem punktów obrotu. Aby skompensować hałas, można zastosować symetrycznie ważony filtr FIR, który jest gładszy niż zwykła średnia ruchoma, którego wagi mogą wynosić: 1-2-3-4-3-2-1, a następnie dostosować te wagi, aby dodać trochę opóźnienia zmniejszenie pędu. Skuteczność tego podejścia przedstawiono na rysunku poniżej (czerwona linia). Chociaż filtr FIR dokładniej śledzi cenę, to wciąż pozostaje w tyle za JMA, a także wykazuje większe przekroczenie. Ponadto filtr FIR ma stałą gładkość i wymaga przeprojektowania dla każdej innej pożądanej gładkości. Dla porównania, użytkownik musi zmienić tylko jeden parametr quotamoothnessquot JMA, aby uzyskać pożądany efekt. JMA nie tylko generuje lepsze wykresy cenowe, ale może również poprawić inne klasyczne wskaźniki. Weźmy na przykład klasyczny wskaźnik MACD, który jest porównaniem dwóch średnich kroczących. Ich zbieżność (przybliżanie się) i rozbieżność (odsuwanie się) dostarczają sygnałów, że trend rynkowy zmienia kierunek. Ważne jest, aby mieć jak najmniejsze opóźnienie z tymi sygnałami, a transakcje będą spóźnione. Dla porównania, MACD utworzone za pomocą JMA ma znacznie mniejsze opóźnienie niż MACD wykorzystujące wykładnicze średnie ruchome. Aby zilustrować to twierdzenie, poniższy rysunek jest uproszczonym schematem cenowym uproszczonym w celu uwydatnienia istotnych problemów. Widzimy równe pręty w rosnącym trendzie, przerywanym nagłą luką w dół. Dwie kolorowe linie są wykładniczymi ruchomymi średnimi, które składają się na MACD. Zwróć uwagę, że crossover występuje długo po luce, powodując, że strategia handlowa czeka i handluje z opóźnieniem, jeśli w ogóle. Jeśli spróbujesz przyspieszyć czas tego wskaźnika, zwiększając średnie ruchy, linie staną się głośniejsze i bardziej postrzępione. To zwykle powoduje fałszywe wyzwalacze i złe transakcje. Z drugiej strony, poniższy wykres pokazuje niebieski JMA szybko dostosowujący się do nowego poziomu cen, umożliwiający wcześniejsze przejścia i wcześniejsze wyznaczenie trendu wzrostowego w toku. Teraz możesz wejść na rynek wcześniej i przejechać większą część trendu. W przeciwieństwie do wykładniczej średniej kroczącej JMA ma dodatkowy parametr (PHASE), który pozwala użytkownikowi dostosować zakres przekroczenia. Na powyższym wykresie żółtej linii JMA pozwolono przekroczyć granicę niebieską. Daje to idealne crossover'y. Jedną z najtrudniejszych funkcji zaprojektowania filtra wygładzającego jest adaptacyjna reakcja na luki cenowe bez przekraczania nowego poziomu cen. Jest to szczególnie ważne w przypadku projektów filtrów, które wykorzystują własny strumień filtrów jako sposób na zmniejszenie opóźnienia. Poniższa tabela porównuje przeregulowanie przez JMA i średnią kroczącą Hull (HMA). Ustawienia parametrów dla dwóch filtrów zostały ustawione w taki sposób, że ich stała wydajność była prawie identyczna. Innym zagadnieniem konstrukcyjnym jest to, czy filtr zachowuje taką samą pozorną gładkość podczas odwracania, jak podczas trendów. Poniższy wykres pokazuje, jak JMA zachowuje prawie stałą płynność przez cały cykl, podczas gdy HMA oscyluje podczas odwracania. Stwarzałoby to problemy dla strategii, które wyzwalają transakcje w zależności od tego, czy filtr przesuwa się w górę czy w dół. Wreszcie, jest sytuacja, w której luki cenowe rosną, a następnie wycofują się w tendencji spadkowej. Jest to szczególnie trudne do śledzenia w momencie odwrotu. Na szczęście filtry adaptacyjne mają o wiele łatwiejszy czas wskazujący, kiedy wystąpiło odwrócenie niż filtry stałe, jak pokazano na poniższym wykresie. Oczywiście są lepsze filtry niż JMA, najczęściej używane przez wojsko. Ale jeśli interesujesz się dobrymi transakcjami, a nie samolotami wroga, JMA jest najlepszym dostępnym filtrem redukującym hałas dostępnym dla danych rynku finansowego. Gwarantujemy to.
No comments:
Post a Comment