Parámetros De La Media Móvil Adaptativa

Introducción Desarrollado por Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) es una media móvil diseñada para contabilizar el ruido del mercado o la volatilidad. KAMA seguirá de cerca los precios cuando las oscilaciones de precios son relativamente pequeñas y el ruido es bajo. KAMA se ajustará cuando las oscilaciones de los precios se amplíen y sigan los precios desde una mayor distancia. Este indicador de tendencia puede ser usado para identificar la tendencia general, los puntos de cambio de tiempo y los movimientos de los precios de los filtros. Cálculo Hay varios pasos requeridos para calcular la media móvil adaptable de Kaufman039s. Primero debemos comenzar con los ajustes recomendados por Perry Kaufman, que son KAMA (10,2,30). 10 es el número de períodos para la Eficiencia (ER). 2 es el número de períodos para la constante EMA más rápida. 30 es el número de períodos para la constante EMA más lenta. Antes de calcular KAMA, necesitamos calcular la Relación de Eficiencia (ER) y la Constante Suavizante (SC). Desglosar la fórmula en nuggets de tamaño de mordida hace que sea más fácil entender la metodología detrás del indicador. Tenga en cuenta que ABS significa Absolute Value. Ratio de eficiencia (ER) El ER es básicamente el cambio de precio ajustado para la volatilidad diaria. En términos estadísticos, la Eficiencia Ratio nos dice la eficiencia fractal de los cambios de precios. ER fluctúa entre 1 y 0, pero estos extremos son la excepción, no la norma. ER sería 1 si los precios subieron 10 períodos consecutivos o por 10 períodos consecutivos. ER sería cero si el precio no cambia durante los 10 períodos. Constante de suavizado (SC) La constante de suavizado utiliza la ER y dos constantes de suavizado basadas en una media móvil exponencial. Como habrás notado, la Constante Suavizante utiliza las constantes de suavizado para una media móvil exponencial en su fórmula. (2/301) es la constante de suavizado para un EMA de 30 periodos. El SC más rápido es la constante de suavizado para EMA más corto (2 períodos). El SC más lento es la constante de suavizado para el EMA más lento (30 períodos). Tenga en cuenta que el 2 al final es cuadrar la ecuación. KAMA Con la Eficiencia Ratio (ER) y Smoothing Constant (SC), ahora estamos listos para calcular Kaufman039s Adaptive Moving Average (KAMA). Puesto que necesitamos un valor inicial para comenzar el cálculo, el primer KAMA es simplemente una media móvil simple. Los cálculos siguientes se basan en la siguiente fórmula. Ejemplo de cálculo / gráfico Las imágenes de abajo muestran una captura de pantalla de una hoja de cálculo de Excel utilizada para calcular KAMA y el gráfico QQQ correspondiente. Uso y Señales Los cartistas pueden usar KAMA como cualquier otro indicador de tendencia siguiente, como un promedio móvil. Los cartistas pueden buscar cruces de precios, cambios direccionales y señales filtradas. En primer lugar, una cruz por encima o por debajo de KAMA indica cambios direccionales en los precios. Al igual que con cualquier media móvil, un sistema de crossover simple generará muchas señales y muchos whipsaws. Los cartistas pueden reducir los whipsaws aplicando un filtro de precio o tiempo a los crossovers. Uno podría requerir que el precio mantenga la cruz durante un número determinado de días o requiera que la cruz exceda a KAMA por porcentaje establecido. En segundo lugar, los cartistas pueden utilizar la dirección de KAMA para definir la tendencia general de una seguridad. Esto puede requerir un ajuste de parámetro para suavizar el indicador. Los cartistas pueden cambiar el parámetro medio, que es la constante EMA más rápida, para suavizar KAMA y buscar cambios direccionales. La tendencia es hacia abajo mientras KAMA está cayendo y forjando mínimos más bajos. La tendencia es hasta mientras KAMA está subiendo y forjando máximos más altos. El ejemplo de Kroger a continuación muestra KAMA (10,5,30) con una fuerte tendencia alcista de diciembre a marzo y una tendencia al alza menos pronunciada de mayo a agosto. Y finalmente, los cartistas pueden combinar señales y técnicas. Los cartistas pueden usar un KAMA a más largo plazo para definir la tendencia más grande y un KAMA a más corto plazo para las señales comerciales. Por ejemplo, KAMA (10, 5, 30) podría utilizarse como un filtro de tendencia y ser considerado alcista al subir. Una vez alcista, los cartistas podrían buscar cruces alcistas cuando el precio se mueve por encima de KAMA (10,2,30). El ejemplo siguiente muestra MMM con un aumento de KAMA a largo plazo y cruces alcistas en diciembre, enero y febrero. A largo plazo KAMA rechazó en abril y hubo cruces bajistas en mayo, junio y julio. SharpCharts KAMA se puede encontrar como una superposición de indicadores en el Workbench SharpCharts. La configuración predeterminada aparecerá automáticamente en el cuadro de parámetros una vez que se seleccione y los chartists pueden cambiar estos parámetros para adaptarlos a sus necesidades analíticas. El primer parámetro es para la Eficiencia Ratio y los chartistas deben abstenerse de aumentar este número. En su lugar, los artistas pueden reducirlo para aumentar la sensibilidad. Los cartistas que buscan suavizar KAMA para un análisis de tendencias a largo plazo pueden incrementar el parámetro medio de forma incremental. Aunque la diferencia es sólo 3, KAMA (10,5,30) es significativamente más suave que KAMA (10,2,30). Estudio adicional Del creador, el libro a continuación ofrece información detallada sobre indicadores, programas, algoritmos y sistemas, incluyendo detalles sobre KAMA y otros sistemas de media móvil. Sistemas y métodos comerciales Perry Kaufmanby Michael R. Bryant Los indicadores técnicos son uno de los elementos fundamentales del comercio sistemático. Los indicadores, tales como promedios móviles o estocásticos, pueden ser vistos como transformaciones de las series de entrada (típicamente, precio o volumen) diseñadas para acentuar un aspecto particular del mercado, como su tendencia o ciclicidad. Aunque fundamentales para la mayoría de los métodos de negociación sistemática, muchos comerciantes evitan los indicadores más comunes, como los promedios móviles simples y el indicador de fuerza relativa (RSI), en la creencia de que el mercado se ha adaptado a su uso, reduciendo su eficacia. Una forma de compensar el efecto de la eficiencia del mercado sobre la viabilidad de los indicadores técnicos es modificarlos de alguna manera significativa. Por ejemplo, el indicador 1 de Chande y Krolls VIDYA es un promedio móvil exponencial en el que el factor de suavizado depende de la volatilidad del mercado, de modo que la longitud efectiva de retroceso se reduce cuando aumenta la volatilidad. En este artículo, Ill desarrollará una extensión del enfoque adaptativo de look-back y mostrará cómo aplicarlo a una variedad de indicadores con sólo unas pocas líneas de código adicionales. Los indicadores resultantes proporcionan una mayor versatilidad que los indicadores anteriores y pueden ser más consistentes con una visión estadística de los mercados. Adaptación de la longitud de look-back Dado que los mercados están cambiando constantemente, tiene sentido tratar de adaptarse a los cambios en la medida de lo posible. La mayoría de los indicadores técnicos se desarrollaron originalmente con una longitud fija de retroceso, por ejemplo, el número de barras en un promedio móvil simple. Varios autores han propuesto adaptar la longitud de la mirada a la volatilidad del mercado. Por ejemplo, Chande y Kroll emplearon para el indicador del Índice Dinámico del Índice Variable (VIDYA) varias métricas diferentes, incluyendo un índice de volatilidad basado en una desviación estándar normalizada del precio en la cual los valores más altos del índice dieron como resultado una menor longitud efectiva de retroceso . La idea era que durante períodos de mayor volatilidad, la media móvil debía ser más sensible al mercado, mientras que en períodos de menor volatilidad, una media móvil de largo plazo era más consistente con el comportamiento de los mercados. Kaufman adoptó un enfoque algo diferente. 2 La idea detrás de su Kaufman Adaptive Moving Average (KAMA) fue que durante los períodos de alta volatilidad, es más probable que se sierran como el mercado oscila y hacia atrás, lo que resulta en pérdidas repetidas. Para evitar esto, utilizó un período más largo para la media móvil durante los períodos de acción de precios bruscos, de manera que el promedio sería menos sensible a la volatilidad del mercado, dando como resultado menos inversiones. Durante las tendencias de la acción del mercado, el período de la media móvil se redujo para que las operaciones pudieran reaccionar más rápidamente al cambio de dirección. Para medir la quotchoppiness, Kaufman utilizó el denominado coeficiente de eficiencia (ER), que mide el valor absoluto de la variación de precio durante el período de retrocesión dividido por la suma de los valores absolutos de las variaciones del precio bar a barra El mismo período. Si, por ejemplo, el cambio neto de precio es cero - el precio es el mismo al final del período que al principio-, entonces el ER será cero. En este caso, el mercado es perfectamente ineficiente en el sentido de que puede moverse mucho de una barra a otra, pero no va a ninguna parte. Si, por otra parte, el mercado se mueve constantemente en una dirección (hacia arriba o hacia abajo), de manera que cada movimiento de barras contribuye al cambio neto de precio, el ER será 1. En este caso, el mercado es perfectamente eficiente en Que todos los movimientos de los precios de las barras contribuyen a la tendencia. En general, el ER estará entre 0 y 1. Una Visión Diferente de Longitudes Adecuadas de Retorno Mientras que muchas métricas diferentes podrían - y han sido - utilizadas para adaptar longitudes de look-back, la relación de eficiencia captura un aspecto fundamental del mercado A saber, la diferencia entre la tendencia y el comportamiento cíclico. Los valores altos de ER implican un mercado fuertemente tendencial, lo que significa muy poco movimiento cíclico, y valores bajos de ER implican poca tendencia y por lo tanto movimiento más cíclico (excepto en el caso de poco movimiento en absoluto). Esto tiende a apoyar el enfoque de Kaufmans. Sin embargo, su decisión de usar longitudes más largas en los mercados intermitentes se basa en (1) la suposición de que estaban adaptando la longitud de retroceso de una media móvil, y (2) la idea de que la media móvil se utiliza para desencadenar una Entrada o salida del comercio. Un punto de vista alternativo es el propugnado por John Ehlers a través de su trabajo sobre la aplicación de métodos de procesamiento de señal a la negociación. 3 Su punto de vista es más el intento de modelar más de cerca la parte del mercado de interés (por ejemplo, el componente de tendencia o el componente de ciclo). Desde ese punto de vista, una media móvil en un mercado agitado debe usar una longitud de retroceso más corta para captar con mayor precisión la frecuencia más alta representada por el choppiness, mientras que en un mercado fuertemente tendencial, una longitud más larga del look-back es más consistente con El movimiento del mercado. Un tercer punto de vista es el que adoptaré aquí, más estadístico. En primer lugar, no vamos a asumir nada más que absolutamente necesario sobre el indicador en cuestión y cómo se podría utilizar. En particular, no podemos asumir que el indicador en cuestión es una media móvil, y no permite suponer que se aplica al precio. Podría, por ejemplo, ser el RSI de la volatilidad o el promedio móvil del volumen estocástico. El indicador puede utilizarse junto con otros indicadores como parte de una norma más amplia para la entrada o la salida, en lugar de hacerlo por sí mismo. Con esta visión más estadísticamente orientada, el objetivo es crear reglas comerciales que tengan validez estadística, lo que significa que encajan bien en la acción de precios sin sobrevalorar. No estábamos suponiendo que sabemos cómo funcionan los mercados lo suficientemente bien como para tomar decisiones específicas sobre si la longitud de búsqueda debe aumentar o disminuir con algo así como la relación de eficiencia. Más bien, tenemos alguna razón para creer que la relación de eficiencia puede tener relevancia y por lo tanto queremos incluirla como una variable, pero dejamos al mercado que nos diga si y cómo encaja. Las pruebas estadísticas se usan para decirnos Si la estrategia de negociación que contiene el indicador es estadísticamente válida o si su exceso de ajuste, es decir, no válido porque se ajusta al ruido en lugar de la señal del mercado. Una mirada adaptativa más versátil A partir de la discusión anterior, la longitud de retroceso adaptativa desarrollada aquí se basará en el coeficiente de eficiencia (ER) y utilizará un parámetro para determinar la relación entre la ER y la longitud del look-back. En particular, considere la siguiente ecuación: VER cuadrado (ER - (2 ER - 1) / 2. (1 - TrendParam) 0.5) en el que VER es el coeficiente de eficiencia variable y TrendParam es el parámetro de tendencia, que puede tomar cualquier positivo O un valor negativo y que determina si la longitud de búsqueda se incrementará o disminuirá con el aumento de ER. Esto es esencialmente una forma de invertir la relación ER dependiendo del parámetro de tendencia. Como se muestra a continuación, en lugar de escalar la constante de suavizado por ER, como hacen Chande y Kroll y Kaufman esencialmente, utilizamos VER. Con valores positivos de TrendParam, VER varía positivamente con ER, mientras que con valores negativos de TrendParam, VER varía negativamente con ER. Con TrendParam igual a cero, VER es igual a 1 para todos los valores de ER. El cuadrado se toma para escalar mejor los valores para su uso como multiplicador, como se explica a continuación. Para calcular la longitud adaptativa de regreso usando esta ecuación, multiplicamos el valor original de la constante de suavizado, Alpha, que corresponde a la longitud original de retrospección, por VER: VAlpha Alpha VER en la que VAlpha es la constante de suavización adaptativa y Alpha es el valor original de la constante de suavizado. La relación entre la constante de suavizado y la longitud de look-back es la misma que para la media móvil exponencial, es decir, en la que N es la longitud del look-back, y Alpha es la constante de suavizado. Esta ecuación también se puede escribir para N en términos de Alfa como La longitud de retroceso adaptable es por lo tantoMoving Parámetros Promedio Tres Parámetros de Media Móvil Así que desea agregar un promedio móvil en sus cartas. ¿Cuáles son los parámetros que hay que establecer o elegir Hay sólo unos pocos (tres): Los precios que se utilizarán para calcular el promedio: cierre, promedio de alto y bajo, promedio de alto, bajo y cierre, etc. La duración del período de la media móvil cuántas barras se utilizarán para calcular la media móvil, o en otras palabras, cuántas barras de atrás queremos ver en cada momento. Tipo de media móvil de la fórmula utilizada: simple versus exponencial frente a otros tipos. Let8217s ahora explorar cada uno de los parámetros. Parámetro 1: Precio utilizado para calcular el promedio móvil La mayoría de las personas usan cada bar8217s precio de cierre para calcular promedios móviles. En muchos casos esto se justifica por el papel especial que tiene el precio de cierre. Por ejemplo, cada día el precio de cierre de un índice bursátil representa el consenso de la bolsa de valores al final de ese día de negociación, cuando los operadores están cerrando sus posiciones intradía y preparando sus carteras para la noche cuando no estarán mirando al mercado. Por otro lado, los precios de cierre de las barras son mucho menos significativos en las cartas intradía la información con respecto a qué precio el mercado estaba negociando exactamente al final de un período de 5 o 10 minutos durante el día tiene poco significado para la mayoría de los participantes del mercado. Por lo tanto, puede buscar métodos alternativos para calcular promedios móviles cuando está trabajando con datos intradía: los promedios móviles se pueden calcular a partir de los promedios de alto y bajo de cada barra, o del llamado precio típico (el promedio de alto, bajo , Y cerrar), o de la media de los cuatro precios (abierto, alto, bajo y cerrado). Parámetro 2: Promedio móvil La longitud del promedio móvil o más precisamente el número de barras incluidas en el cálculo del promedio móvil es probablemente el más discutido de los tres parámetros. Puede calcular el promedio móvil de sólo unos pocos (por ejemplo, 8) barras de precios más recientes y verá que reacciona muy rápidamente a cada pequeño cambio en la dirección de market8217s. Alternativamente, puede incluir decenas o cientos de barras de precios en el cálculo (por ejemplo, 200 barras es una configuración popular). De esta manera filtrará todo el ruido de barra a barra, el promedio móvil de largo período reflejará sólo las tendencias de precios significativas a largo plazo. Además de mirar el número de barras. Naturalmente, también tiene que tener en cuenta la duración de cada barra. Mientras 10 barras representan 2 semanas en un gráfico diario, son menos de una hora en un gráfico de 5 minutos. No hay longitud ideal de período móvil promedio. Ya que los diferentes estilos y estrategias comerciales requieren buscar información diferente. El problema de encontrar un buen período de media móvil fue discutido aquí: Moving Average Period. Parámetro 3: Tipo de media móvil El tipo de media móvil más común es el promedio móvil simple. Como su nombre lo sugiere, es también el más simple de calcular y entender (que es probablemente la razón principal por la que es el más popular). El promedio móvil simple es (simplemente) el promedio aritmético de las últimas barras N (N es el período de media móvil discutido anteriormente). Usted suma N precios más recientes y dividir el resultado por N. Además de la media móvil simple, hay otros tipos. Hay sólo pequeñas variaciones en las fórmulas ya veces es difícil decir qué tipo de media móvil es simplemente mirando un gráfico. Por ejemplo, la media móvil exponencial pone más peso a los precios más recientes y por lo tanto parece estar reaccionando un poco más rápido a los cambios de precios en comparación con la media móvil simple. Otros tipos de media móvil de uso frecuente incluyen la media móvil de mínimos cuadrados. Promedio móvil adaptable. O media móvil ponderada. Si usted es creativo y bueno con los números, incluso puede diseñar sus propios métodos propietarios (sin embargo, la utilidad de ese esfuerzo es cuestionable, dadas las pequeñas diferencias y poca información adicional que obtenga). Qué parámetros de media móvil para usar Si no ha hecho muchas pruebas cuantitativas y no tiene idea de qué método de cálculo de promedio móvil puede ser eficaz para su enfoque comercial, le sugiero que comience con el muy básico. Tome el promedio móvil simple calculado a partir de los precios de cierre (esta es la configuración que su software de gráficos probablemente tiene como predeterminado) y enfocar su energía en encontrar una buena longitud de período móvil promedio. También tenga en cuenta que el promedio móvil es sólo una herramienta, sólo una parte del análisis, y es probable que tenga que incluir otras cosas (como los fundamentales, el volumen o la acción del precio) en su toma de decisiones para construir una estrategia de comercio de sonido.