Ratio Moving Average Formula

Kaufman039s Adaptiver Moving Average (KAMA) Kaufman039s Adaptiver Moving Average (KAMA) Einleitung Entwickelt von Perry Kaufman, Kaufman039s Der adaptive Moving Average (KAMA) ist ein gleitender Durchschnitt, der für Marktlärm oder Volatilität verantwortlich ist. KAMA wird die Preise genau verfolgen, wenn die Preisschwankungen relativ klein sind und der Lärm gering ist. KAMA wird sich anpassen, wenn die Preisschwankungen sich verbreitern und die Preise aus größerer Entfernung folgen. Mit diesem Trendfolger können Sie den Gesamttrend, Zeitumkehrpunkte und Filterpreisbewegungen identifizieren. Berechnung Es sind mehrere Schritte erforderlich, um Kaufman039s Adaptive Moving Average zu berechnen. Let039s ersten Start mit den Einstellungen von Perry Kaufman empfohlen, die KAMA (10,2,30) sind. 10 ist die Anzahl der Perioden für das Efficiency Ratio (ER). 2 ist die Anzahl der Perioden für die schnellste EMA-Konstante. 30 ist die Anzahl der Perioden für die langsamste EMA-Konstante. Vor der Berechnung von KAMA müssen wir das Efficiency Ratio (ER) und die Smoothing Constant (SC) berechnen. Das Brechen der Formel in Bissgrßen-Nuggets macht es leichter, die Methodik hinter dem Indikator zu verstehen. Beachten Sie, dass ABS für Absolutwert steht. Efficiency Ratio (ER) Die ER ist grundsätzlich die an die tägliche Volatilität angepasste Preisänderung. In statistischer Hinsicht zeigt das Efficiency Ratio die fraktale Effizienz von Preisänderungen an. ER schwankt zwischen 1 und 0, aber diese Extreme sind die Ausnahme, nicht die Norm. ER wäre 1, wenn die Preise verschoben 10 aufeinander folgenden Perioden oder nach 10 aufeinander folgenden Perioden. ER wäre null, wenn der Kurs über die 10 Perioden unverändert bleibt. Glättungskonstante (SC) Die Glättungskonstante verwendet den ER und zwei Glättungskonstanten, die auf einem exponentiellen gleitenden Durchschnitt basieren. Wie Sie vielleicht bemerkt haben, verwendet die Glättungskonstante die Glättungskonstanten für einen exponentiellen gleitenden Durchschnitt in ihrer Formel. (2301) die Glättungskonstante für eine EMA mit 30 Perioden ist. Der schnellste SC ist die Glättungskonstante für kürzere EMA (2-Perioden). Der langsamste SC ist die Glättungskonstante für die langsamste EMA (30 Perioden). Beachten Sie, dass die 2 am Ende ist, um die Gleichung zu quadrieren. Mit dem Efficiency Ratio (ER) und Smoothing Constant (SC) können wir nun den Kaufman039s Adaptive Moving Average (KAMA) berechnen. Da wir einen Anfangswert benötigen, um die Berechnung zu starten, ist die erste KAMA nur ein einfacher gleitender Durchschnitt. Die folgenden Berechnungen basieren auf der nachstehenden Formel. BerechnungsbeispielChart Die folgenden Bilder zeigen einen Screenshot aus einer Excel-Kalkulationstabelle, die zur Berechnung von KAMA und dem entsprechenden QQQ-Diagramm verwendet wird. Verwendung und Signale Chartisten können KAMA wie alle anderen Trend folgenden Indikator, wie einen gleitenden Durchschnitt verwenden. Chartisten können nach Preiskreuzen, Richtungsänderungen und gefilterten Signalen suchen. Zuerst zeigt ein Kreuz über oder unter KAMA Richtungsänderungen der Preise an. Wie bei jedem gleitenden Durchschnitt, wird ein einfaches Crossover-System erzeugen viele Signale und viele whipsaws. Chartisten können Whipsaws reduzieren, indem sie einen Preis - oder Zeitfilter auf die Crossover anwenden. Man könnte Preis verlangen, um das Kreuz für eine festgelegte Anzahl von Tagen zu halten, oder erfordern das Kreuz, das die KAMA um einen festgelegten Prozentsatz übersteigt. Zweitens können Chartisten die Richtung von KAMA verwenden, um den Gesamttrend für eine Sicherheit zu definieren. Dies kann eine Parameteranpassung erfordern, um die Anzeige weiter zu glätten. Chartisten können den mittleren Parameter ändern, der die schnellste EMA-Konstante ist, um KAMA zu glätten und nach Richtungsänderungen zu suchen. Der Trend ist nach unten, solange KAMA fällt und schmieden unteren Tiefs. Die Tendenz steigt, solange KAMA steigt und höhere Höhen schmiedet. Das Kroger-Beispiel unten zeigt KAMA (10,5,30) mit einem steilen Aufwärtstrend von Dezember bis März und einem weniger steilen Aufwärtstrend von Mai bis August. Und schließlich können Chartisten Signale und Techniken kombinieren. Chartisten können eine längerfristige KAMA verwenden, um den größeren Trend und eine kurzfristige KAMA für Handelssignale zu definieren. Beispielsweise könnte KAMA (10, 5, 30) als Trendfilter verwendet werden und im Anstieg als bullisch angesehen werden. Sobald bullish, könnte Chartisten dann bullish Kreuze suchen, wenn der Preis bewegt sich über KAMA (10,2,30). Das folgende Beispiel zeigt MMM mit einem steigenden langfristigen KAMA und bullischen Kreuzen im Dezember, Januar und Februar. Langfristige KAMA sank im April und es gab bearish Kreuze im Mai, Juni und Juli. SharpCharts KAMA kann als Indikator-Overlay in der SharpCharts-Workbench gefunden werden. Die Standardeinstellungen werden automatisch in der Parameterbox angezeigt, sobald sie ausgewählt sind, und die Chartisten können diese Parameter entsprechend ihren analytischen Bedürfnissen ändern. Der erste Parameter ist für das Effizienzverhältnis und die Chartisten sollten davon absehen, diese Zahl zu erhöhen. Stattdessen können Chartisten es verringern, um die Empfindlichkeit zu erhöhen. Chartisten, die KAMA für eine längerfristige Trendanalyse glätten möchten, können den mittleren Parameter schrittweise erhöhen. Obwohl der Unterschied nur 3 ist, ist KAMA (10,5,30) deutlich glatter als KAMA (10,2,30). Weitere Studie Der Autor bietet detaillierte Informationen zu Indikatoren, Programmen, Algorithmen und Systemen, einschließlich Einzelheiten über KAMA und andere gleitende Durchschnittssysteme. Handelssysteme und Methoden Perry KaufmanA vor ein paar Monaten hatte ich einen Beitrag über die Momentum Echo (klicken Sie hier, um den Beitrag zu lesen). Ich lief über eine andere relative Stärke (oder Impuls, wenn Sie es vorziehen) Papier, das noch einen anderen Faktor testet. In Seung-Chan Parks Papier, dem Moving Average Ratio und Momentum, betrachtet er das Verhältnis zwischen einem kurzfristigen und einem langfristigen gleitenden Durchschnitt des Preises, um Wertpapiere durch Stärke zu rangieren. Dies unterscheidet sich von den meisten anderen akademischen Literatur. Die meisten anderen Studien verwenden einfache Punkt-zu-Punkt-Preisrenditen, um die Wertpapiere zu ordnen. Techniker haben gleitende Durchschnitte seit Jahren verwendet, um die Preisbewegung zu glätten. Die meiste Zeit sehen wir Menschen mit der Überquerung eines gleitenden Durchschnitts als Signal für den Handel. Park verwendet eine andere Methode für seine Signale. Anstatt einfache Kreuze zu betrachten, vergleicht er das Verhältnis eines gleitenden Durchschnitts mit dem anderen. Eine Aktie mit dem gleitenden 50-Tage-Durchschnitt deutlich über (unter) dem gleitenden Durchschnitt von 200 Tagen wird ein hohes (niedriges) Ranking aufweisen. Wertpapiere mit dem gleitenden 50-Tage-Durchschnitt sehr nah an den 200-Tage gleitenden Durchschnitt werden in der Mitte der Packung aufwickeln. In der Papier-Park ist teilweise bis zu den 200-Tage gleitenden Durchschnitt als längerfristig gleitenden Durchschnitt, und er testet eine Vielzahl von kurzfristigen Durchschnitten von 1 bis 50 Tage. Es sollte nicht überraschen, dass sie alle arbeiten In der Tat, sie neigen dazu, besser zu funktionieren als einfache Preis-Rendite-Faktoren. Das kam nicht als eine große Überraschung für uns, aber nur, weil wir einen ähnlichen Faktor für mehrere Jahre verfolgt haben, die zwei gleitende Durchschnitte verwendet. Was mich immer überrascht hat, ist, wie gut dieser Faktor im Vergleich zu anderen Berechnungsmethoden im Laufe der Zeit ist. Der Faktor, den wir verfolgt haben, ist das gleitende Durchschnittsverhältnis eines 65 Tage gleitenden Durchschnitts zum gleitenden Durchschnitt von 150 Tagen. Nicht genau das gleiche, was Park getestet, aber ähnlich genug. Ich zog die Daten, die wir über diesen Faktor zu sehen, wie es im Vergleich zu den Standard-6-und 12-Monats-Preisrückgabe Faktoren. Für diesen Test wird das obere Dezil der Reihen verwendet. Portfolios werden monatlich gebildet und rebalancedreconstituted jeden Monat. Alles läuft auf unserer Datenbank, die ein Universum ist, das dem SP 500 SP 400 sehr ähnlich ist. (Zum Vergrößern klicken) Unsere Daten zeigen dasselbe wie Parks-Tests. Die Verwendung eines Verhältnisses von gleitenden Durchschnitten ist wesentlich besser als die Verwendung einfacher Preis-Rendite-Faktoren. Unsere Tests zeigen das gleitende durchschnittliche Verhältnis, das ungefähr 200 bps pro Jahr addiert, das keine kleine Leistung ist. Es ist auch interessant, zu merken, dass wir zur exakten gleichen Zusammenfassung mit verschiedenen Parametern für den gleitenden Durchschnitt und zu einem völlig anderen Datensatz gekommen sind. Es geht nur darum zu zeigen, wie robust das Konzept der relativen Stärke ist. Für diejenigen Leser, die unsere White Papers (hier und hier) gelesen haben, können Sie sich fragen, wie dieser Faktor mit unserem Monte Carlo Testverfahren durchführt. Im nicht gehend, diese Resultate in diesem Pfosten zu veröffentlichen, aber ich kann Ihnen sagen, dass dieser gleitende Durchschnitt Faktor ist konsequent nahe der Oberseite der Faktoren, die wir verfolgen und hat sehr angemessenen Umsatz für die Rückkehr, die es erzeugt. Mit einem gleitenden Durchschnitt ist ein sehr guter Weg, um Wertpapiere für eine relative Stärke-Strategie Rang. Historische Daten zeigen, dass es besser funktioniert als einfache Preisrückkehrfaktoren über Zeit. Es ist auch ein sehr robuster Faktor, weil mehrere Formulierungen funktionieren, und es funktioniert auf mehreren Datensätzen. Dieser Eintrag wurde am Donnerstag, 26. August 2010 um 13:39 veröffentlicht und ist unter Relative Strength Research abgelegt. Sie können alle Antworten auf diesen Eintrag durch den RSS 2.0 Feed verfolgen. Sie können eine Antwort hinterlassen. Oder trackback von Ihrer eigenen Seite. 9 Responses to Moving Durchschnittliche Verhältnis und Momentum Eine andere gleitende Durchschnitt-basierte Alternative zur Verwendung von Punkt-zu-Punkt-Momentum nimmt den gleitenden Durchschnitt des Impulses 8230 Zum Beispiel, wenn Sie einfache Impulszahlen täglich überprüfen, ist es sehr primitiv , 8220don8217t überprüfen täglich, 8221 dh monatlich oder vierteljährlich überprüfen und Rerank und neu ausbalancieren Betriebe. Allerdings können Sie täglich testen und potenziell wieder ausbalancieren täglich, mit viel weniger Lärm, wenn, anstatt mit 12 Monate Momentum verwenden Sie den 21-Tage gleitenden Durchschnitt von 252-Tage-Dynamik. Dies ist auch gleichbedeutend, BTW, auf das Verhältnis von heute8217s 21-Tage gleitenden Durchschnitt auf den 21-Tage gleitenden Durchschnitt. Der Vorteil der Verwendung der Impuls Durchschnitt ist, dass Sie mehr Reaktionsfähigkeit auf Änderungen im Momentum, als Sie tun, wenn Sie das Universum oncemonth oder einmal Quartal überprüfen. Sicherlich ist es viel mehr handhabbar, die MA Technik zu benutzen, wenn Sie ein kleineres Universum haben, um es anzuwenden, da ich eine Gruppe von ETFs als mein Universum verwende, es funktioniert gut für mich. Angesichts der Tatsache, dass Sie in einem Universum von 900 Aktien und Offenlegung Betriebe in einem Fonds-Format arbeiten, kann es nicht auf Sie anwendbar sein, aber ich dachte, Sie könnten es interessant finden. Dies entspricht auch dem BTW, dem Verhältnis des heutigen 21-Tage-Gleitenden Durchschnitts zum 21-Tage gleitenden Durchschnitt von 252 DAYS AGO 8211 EDIT. John Lewis sagt: Wir verfolgen auch Faktoren, die einen gleitenden Durchschnitt einer Impulsberechnung oder einer Punktzahl einnehmen. Der alte technicians8217 Trick des Verwendens eines MA, zum des Geräusches zu glätten arbeitet auf relativer Stärke, gerade wie es auf rohem Preis tut. Die Häufigkeit der Rebalance bestimmt oft, welche Art von Modell Sie verwenden können. Wir führen Strategien, die nur einmal pro Quartal neu ausgeglichen werden können, und wir müssen unterschiedliche Modelle für diejenigen verwenden, als wir für Strategien tun, die wir täglich oder wöchentlich betrachten. Beide Methoden funktionieren, wenn Sie den richtigen Faktor, und wir haven8217t gefunden, dass die Erhöhung der Ausgleichsfrequenz automatisch erhöht die Rückkehr. Manchmal nimmt es weg von der Rückkehr. Es hängt ganz von dem Faktor und wie Sie es implementieren (zumindest in meiner Erfahrung). Mit den Universen und Parametern I8217ve getestet, auf, habe ich nicht bemerkt, was ich würde 8220statistisch signifikant8221 Verbesserungen im Gegenzug beim Umschalten von monatlichen Rebellen auf gleitende durchschnittliche Techniken, die für (möglicherweise) tägliche Rebellen ermöglichen nennen. Was ich festgestellt habe, ist zum größten Teil das, was I8217d äquivalente Rückgaben in den Backtest-Daten nennen. Ich habe besonders darauf hingewiesen, dass die durchschnittliche Zahl der Handelsrundfahrten nur sehr geringfügig höher ist mit dem täglichen Veränderungspotential, d. h. es gibt einige Peitschen, aber nur wenige. Was ich persönlich über das Potenzial für tägliche Veränderungen mag, ist, wenn hypothetisch einer der Probleme I8217m in Abstürze und Verbrennungen, würde die MA-Technik schneller beenden (und ersetzen Sie durch eine andere Sicherheit). Offensichtlich, dass didn8217t passieren genug über den Verlauf der Backtests, um einen signifikanten Unterschied im Ergebnis zu fahren, aber es bietet eine schöne Salbe zu meiner Psyche. Ich nehme an, wenn I8217m im Ruhestand und laufen mein Programm von irgendeinem Strand irgendwo, I8217ll bevorzugen, nur das Einchecken monatlich, though. That8217s später. Für jetzt, während I8217m auf dem Computer jeden Tag, könnte auch meine scans laufen Paul Montgomery sagt: 8220Im nicht gehen, diese Ergebnisse in diesem Beitrag zu veröffentlichen, aber ich kann Ihnen sagen, diese gleitende durchschnittliche Faktor ist konsequent in der Nähe der Spitze der Faktoren, die wir verfolgen Und hat einen sehr vernünftigen Umsatz für die Renditen, die es erzeugt8221 Großer Post 8211 würde lieben, mehr auf diesem John zu sehen Interessanter Posten tatsächlich 8211 Ich habe eine Menge Papiere auf diesem gelesen und erforsche seine Wirksamkeit8230 Das einzige, was ich nicht verstehen kann, ist, wie ein Fonds kommen Wie AQR, die eine andere Form des Impulses vorschlägt, investiert so schlecht. Ihre theorektischen Renditen sind etwa 13 pro Jahr, aber der eigentliche Fonds ist immer noch in Minus. Wunder, ob Live-Investitionen mit dieser Idee von Ihnen Ergebnisse in der Nähe der getesteten Beträge8230I39ve erstellt eine Langzeit-Version Ihrer obigen Logik (wenn ich verstehe Sie richtig), als ein Ort zu starten. Es scheint auf den ersten Blick, um die altersbedingte Problem von Keynes angegeben. Der Markt kann irrational bleiben länger als Sie können solventquot bleiben. Entweder das oder es ist meine Kodierung (I39m müde und aus der Praxis: P). Gut zu hören. Der Algo sieht jetzt sehr beeindruckend aus. Denken Sie, Sie geben ein kurzes Beispiel, auf welche Quoteposition residualsquot Sie sich beziehen, für jetzt, I39d wie zu empfehlen, ein Zielgewicht für jede Sicherheit zu verwenden (z. B. jedes Mal, wenn die SPY triggert die Bedingungen, hält es 30 des Portfolios), aber bin Immer das Gefühl, dass you39d bekommen das gleiche Problem wie zuvor. Das Material auf dieser Website dient nur zu Informationszwecken und stellt weder ein Angebot zum Verkauf noch eine Aufforderung zum Kauf oder eine Empfehlung oder Anerkennung für Sicherheit oder Strategie dar, noch stellt es ein Angebot zur Anlageberatung durch Quantopian dar. Darüber hinaus bietet das Material keine Stellungnahme in Bezug auf die Eignung von Sicherheiten oder spezifischen Investitionen. Quantopian übernimmt keine Gewähr für die Richtigkeit und Vollständigkeit der auf der Website dargestellten Ansichten. Die Ansichten sind freibleibend und können aus verschiedenen Gründen unzuverlässig geworden sein, unter anderem Änderungen der Marktbedingungen oder der wirtschaftlichen Verhältnisse. Bei allen Anlagen handelt es sich um Risiken einschließlich des Verlustes des Kapitalbetrags. Bevor Sie Investitionsentscheidungen treffen, sollten Sie sich mit einem Anlageberater beraten.