猫头鹰散热器哪一款好:关于Perry J.Kaufman的自适应移动平均系统
来源:百度文库 编辑:偶看新闻 时间:2024/07/06 19:03:30
[转载]关于Perry J.Kaufman的自适应移动平均系统(AMA)ZT
![](http://image49.360doc.cn/DownloadImg/2012/02/1721/21596246_1.gif)
![](http://image49.360doc.cn/DownloadImg/2012/02/1721/21596246_1.gif)
转载
分类: 编程相关 原文地址:J.Kaufman的自适应移动平均系统(AMA)ZT" href="http://blog.sina.com.cn/s/blog_55fe8db60100h2j8.html" target="_blank">关于Perry长期来说,价格会显示一种回归其本来价值的特性,在二维图形上显示一种收敛或者说回归均值的图形。
一个超出市场平均波动周期的趋势则可能是一个好的趋势,一个波动周期如有特别变化的关键变量,则趋势有可能发生改变,在股市上通常表现为量能和价格区间的变化。
以下为Perry J.Kaufman的自适应移动平均系统,资料来源于其著作《Smarter Trading》。
关于移动平均
由一个时间周期的价格平均值构成,并以单位时间的价格周期不断计算,加入新的一个单位时间的价格时去掉第一个单位时间的价格,并计算平均值。一个过去几天的平均值,减少了人为的由消息引起的过激反应的影响。平均较长的数据周期,给出了较平滑的趋势,其结果经常是长期市场方向的一个很好的代表,也反映了市场运行状况和人们对于利率和政策的预期。
趋势系统
趋势计算把价格移动归纳为一个净方向,并假设价格将会继续沿着这个方向运动。趋势跟踪系统则是对趋势作出反应,而不是对它们进行预期。
噪音
一个持续横盘的期的波动水平,可以很方便的用来测量内在噪音。如果一个趋势是由一个不大于市场内在噪音水平移动所引起的,那么这个趋势就是不可靠的。
自适应
当市场沿着一个方向快速移动时,快得移动平均值是最好的。
当市场在横盘的市场中立拉锯时,慢的移动平均值是最好的。
三种价格波动性测量
a. 简单地计算价格的净变化,从开始点到结束点。这倾向于最保守的测量,因为它平滑了从开始到结尾之间发生的任何价格移动。
b. 高-低范围更好地描述了在周期内可能产生的任意极端值。
c. 所有变化总和,它是最概括的测量,因为能识别一个价格移动从高到低的次数。
自适应移动平均值
步骤1:价格方向
价格方向被表示为整个时间段中的净价格变化。比如,使用n天的间隔(或n小时):
步骤2:波动性
波动性是市场噪音的总数量,计算了时间段内价格变化的总和
volatility=
步骤3:效率系数(ER)
方向移动对噪音之比,成为效率系数ER
Efficiency_Ratio = direction/volatility
步骤4:变换上述系数为趋势速度
为了应用于一个指数式移动平均值,比率将被变换为一个平滑系数c,依靠使用下面的公式,每天的均线速度可以简单地用改变平滑系数来改变,成为自适应性的。公式:
@exp_ma=@exp_ma[1]+c*(price-
公式表明,EMA以一个百分比c来接近于今日的收盘价。系数c与一个标准移动平均值中天数密切相关,这关系是2/(n-1),其中n是天数。
在横盘的市场中这个过程选择了非常慢的趋势,而在高度趋势化的周期中加速至非常快的趋势(但不是100%)。这个平滑系数是:
fastest =2/(N+1) =2/(2+1) =0.6667
slowest =2/(N+1) =2/(30+1)
smooth =ER*(fastest-slowest)+slowest
c=smooth*smooth
平方平滑迫使c的数值趋向于0,这意味着较慢的移动平均值将比快速的移动平均值用得更多。这和在出现不确定状况时你就更加保守是一样的道理。
AMA = AMA[1] + c * (price - AMA[1])
根据卡夫曼自适应移动平均写的交易系统
根据卡夫曼自适应移动平均思想写的简单的交易系统,但是测试下来,比普通两根均线交叉的交易系统的效果还差了一点。请TB老师帮忙看看,非常感谢!
//------------------------------------------------------------------------
// 简称: AdaptiveMovAvg
// 名称: 自适应移动平均
// 类别: 交易指令
// 类型: 其他
// 输出:
//------------------------------------------------------------------------
Params
Vars
Begin