Fraktal Adaptive Gleitende Durchschnittliche Matlab

MetaTrader 5 - Indikatoren Fractal Adaptive Moving Average (FrAMA) - Indikator für MetaTrader 5 Fractal Adaptive Moving Durchschnittliche technische Indikator (FRAMA) wurde von John Ehlers entwickelt. Dieser Indikator basiert auf dem Algorithmus des Exponential Moving Average. In dem der Glättungsfaktor auf der Grundlage der aktuellen fraktalen Dimension der Preisreihe berechnet wird. Der Vorteil von FRAMA ist die Möglichkeit, starken Trendbewegungen zu folgen und in den Momenten der Preiskonsolidierung hinreichend zu verlangsamen. Alle Analysetypen, die für Bewegungsdurchschnitte verwendet werden, können auf dieses Kennzeichen angewendet werden. FRAMA (i) - aktueller Wert von FRAMA Preis (i) - aktueller Preis FRAMA (i - 1) FRAMA (i) - aktueller Preis FRAMA (i) -1) - vorheriger Wert von FRAMA A (i) - aktueller Faktor der exponentiellen Glättung. Der exponentielle Glättungsfaktor wird nach folgender Formel berechnet: A (i) EXP (-4.6 (D (i) - 1)) D (i) - aktuelle fraktale Dimension EXP () - mathematische Funktion des Exponenten. Die Fraktaldimension einer Geraden ist gleich Eins. Es ist aus der Formel ersichtlich, daß, wenn D & sub1 ;, dann EXP (-4,6 (1-1)) EXP (0) 1 ist. So wird bei Preisänderungen in geraden Linien keine exponentielle Glättung verwendet, da in einem solchen Fall die Formel Sieht wie folgt aus: FRAMA (i) 1 Preis (i) (1 - i) FRAMA (i-1) Preis (i) Der Indikator folgt genau dem Preis. Die fraktale Dimension einer Ebene ist gleich zwei. Aus der Formel ergibt sich, dass, wenn D 2, dann der Glättungsfaktor EXP (-4,6 (2-1)) EXP (-4,6) 0,01. Ein solcher kleiner Wert des exponentiellen Glättungsfaktors wird zu Momenten erhalten, wenn der Preis eine starke Sägezahnbewegung ausführt. Ein solches starkes Abbremsen entspricht etwa 200-Perioden einfachen gleitenden Durchschnitt. Formel der fraktalen Dimension: D (LOG (N1 N2) - LOG (N3)) LOG (2) Sie wird auf der Grundlage der zusätzlichen Formel berechnet: N (Länge, i) (HöchstPreis (i) - Niedrigster Preis (i)) Länge HöchstPreis (I) - aktueller Maximalwert für Längenperioden LowestPrice (i) - aktueller Minimalwert für Längenperioden Die Werte N1, N2 und N3 sind jeweils gleich N1 (i) N (Länge, i) N2 (i) N (Länge, I Länge) N3 (i) N (2 Länge, i) Adaptive Bewegungsdurchschnitte führen zu besseren Ergebnissen Gleitende Mittelwerte sind ein Lieblingsinstrument aktiver Händler. Allerdings, wenn die Märkte zu konsolidieren, führt dieser Indikator zu zahlreichen whipsaw Trades, was zu einer frustrierenden Reihe von kleinen Siegen und Verluste. Analytiker haben Jahrzehnte versucht, den einfachen gleitenden Durchschnitt zu verbessern. In diesem Artikel betrachten wir diese Bemühungen und finden, dass ihre Suche zu nützlichen Trading-Tools geführt hat. (Für den Hintergrund, der auf einfachen gleitenden Durchschnitten überprüft, überprüfen Sie einfaches bewegendes Mittel, das Trends hervorhebt.) Vor - und Nachteile der bewegenden Durchschnitte Die Vor - und Nachteile der gleitenden Durchschnitte wurden von Robert Edwards und von John Magee in der ersten Ausgabe der technischen Analyse von zusammengefasst Aktien-Trends. Wenn sie sagten, und es war schon im Jahre 1941, dass wir die Entdeckung (obwohl viele andere es vorher gemacht haben), dass durch die Mittelung der Daten für eine bestimmte Anzahl von Tagen konnte man eine Art von automatisierten Trendlinie, die definitiv interpretieren würde die Änderungen der TrendIt schien fast zu gut um wahr zu sein. Tatsächlich war es zu schön, um wahr zu sein. Mit den Nachteilen überwiegen die Vorteile, Edwards und Magee schnell aufgegeben ihren Traum vom Handel von einem Strand Bungalow. Aber 60 Jahre nachdem sie diese Worte geschrieben haben, bestehen andere darin, ein einfaches Werkzeug zu finden, das mühelos den Reichtum der Märkte liefern würde. Simple Moving Averages Um einen einfachen gleitenden Durchschnitt zu berechnen. Fügen Sie die Preise für den gewünschten Zeitraum und dividieren durch die Anzahl der Perioden ausgewählt. Die Suche nach einem fünftägigen gleitenden Durchschnitt würde Summierung der fünf letzten Schlusskurse und die Teilung von fünf. Wenn das letzte Schließen über dem gleitenden Durchschnitt liegt, würde die Aktie als in einem Aufwärtstrend betrachtet werden. Abwärtstrends werden durch den Handel unter dem gleitenden Durchschnitt definiert. (Für mehr, siehe unsere Moving Averages Tutorial.) Diese Trend-Definition-Eigenschaft ermöglicht es, dass gleitende Durchschnitte, um Trading-Signale zu generieren. In ihrer einfachsten Anwendung kaufen Händler, wenn Preise über dem gleitenden Durchschnitt sich bewegen und verkaufen, wenn Preise unter dieser Linie übersteigen. Ein solcher Ansatz ist garantiert, um den Händler auf die rechte Seite jedes bedeutenden Handels zu setzen. Leider, während Glättung der Daten, bewegte Durchschnitte werden sich hinter der Markt-Aktion und der Händler wird fast immer geben einen großen Teil ihrer Gewinne auf sogar die größten Gewinn-Trades. Exponential Moving Averages Analysten scheinen die Idee des gleitenden Durchschnitts zu mögen und haben jahrelang versucht, die mit dieser Verzögerung verbundenen Probleme zu reduzieren. Eine dieser Innovationen ist der exponentielle gleitende Durchschnitt (EMA). Dieser Ansatz weist den jüngsten Daten eine relativ höhere Gewichtung zu und bleibt dadurch der Preisaktion näher als ein einfacher gleitender Durchschnitt. Die Formel zur Berechnung eines exponentiellen gleitenden Mittelwertes ist: EMA (Gewicht schließen) ((1-Gewicht) EMAy) Dabei: Gewicht ist die vom Analytiker gewählte Glättungskonstante EMAy ist der exponentielle gleitende Durchschnitt von gestern Ein gemeinsamer Gewichtungswert ist 0,181 Ist nah an einem 20-tägigen einfachen gleitenden Durchschnitt. Eine andere ist 0,10, was ungefähr ein 10-Tage-gleitender Durchschnitt ist. Obwohl es die Verzögerung verringert, kann der exponentielle gleitende Durchschnitt nicht ein anderes Problem mit sich bewegenden Durchschnittswerten ansprechen, was bedeutet, dass ihre Verwendung für Handelssignale zu einer großen Anzahl von verlierenden Geschäften führen wird. In neuen Konzepten in technischen Handelssystemen. Welles Wilder schätzt, dass Märkte nur Trend ein Viertel der Zeit. Bis zu 75 Handelsgeschäfte beschränken sich auf enge Bereiche, wenn gleitende durchschnittliche Kauf - und Verkaufssignale wiederholt erzeugt werden, da sich die Preise rasch und deutlich über dem gleitenden Durchschnitt bewegen. Um dieses Problem zu lösen, haben mehrere Analysten vorgeschlagen, den Gewichtungsfaktor der EMA-Berechnung zu variieren. (Weitere Informationen finden Sie unter Wie werden gleitende Durchschnitte im Handel verwendet) Anpassung der gleitenden Durchschnitte an die Marktaktivität Eine Methode, um die Nachteile der gleitenden Durchschnitte zu adressieren, besteht darin, den Gewichtungsfaktor mit einem Volatilitätsverhältnis zu multiplizieren. Dies würde bedeuten, dass der gleitende Durchschnitt weiter von dem aktuellen Preis in volatilen Märkten wäre. Dies würde Gewinner zu laufen. Als Trend geht ein Ende und die Preise konsolidieren. Würde der gleitende Durchschnitt näher an der gegenwärtigen Marktbewegung herangehen und theoretisch dem Trader erlauben, die meisten der erhaltenen Gewinne während des Trends zu halten. In der Praxis kann das Volatilitätsverhältnis ein Indikator wie die Bollinger-Bandbreite sein, die den Abstand zwischen den bekannten Bollinger-Bändern misst. Perry Kaufman schlug vor, die Gewichtsvariable in der EMA-Formel mit einer Konstante zu ersetzen, die auf dem Wirkungsgradverhältnis (ER) basiert, in seinem Buch "New Trading Systems and Methods". Dieser Indikator soll die Stärke eines Trends messen, der in einem Bereich von -1,0 bis 1,0 liegt. Es wird mit einer einfachen Formel berechnet: ER (Gesamtpreisänderung für Periode) (Summe der absoluten Preisänderungen für jeden Balken) Betrachten Sie eine Aktie, die einen Fünfpunktbereich pro Tag hat, und am Ende von fünf Tagen insgesamt gewonnen hat Von 15 Punkten. Dies würde zu einem ER von 0,67 führen (15 Punkte Aufwärtsbewegung geteilt durch den gesamten 25-Punkte-Bereich). Wäre dieser Bestand um 15 Punkte gesunken, wäre der ER -0,67. (Für weitere Trading-Tipps von Perry Kaufman, lesen Sie Losing To Win, die Strategien für die Bewältigung der Handelsverluste skizziert.) Das Prinzip der Trends Effizienz basiert auf, wie viel Richtungsbewegung (oder Trend) Sie pro Einheit der Preisbewegung über ein Definierten Zeitraum. Ein ER von 1,0 zeigt an, dass der Bestand in einem perfekten Aufwärtstrend liegt -1,0 repräsentiert einen perfekten Abwärtstrend. Praktisch werden die Extreme selten erreicht. Um diesen Indikator zu finden, um den adaptiven gleitenden Durchschnitt (AMA) zu finden, müssen Händler das Gewicht mit der folgenden komplexen Formel berechnen: C (ER (SCF SCS)) SCS 2 Wobei: SCF die Exponentialkonstante für die schnellste ist EMA zulässig (meist 2) SCS ist die Exponentialkonstante für die langsamste EMA zulässig (oft 30) ER ist das oben erwähnte Wirkungsgrad-Verhältnis Der Wert für C wird dann in der EMA-Formel anstelle der einfacheren Gewichtsvariablen verwendet. Obwohl es schwierig ist, von Hand zu berechnen, ist der adaptive gleitende Durchschnitt in fast allen Handelssoftwarepaketen als Option enthalten. (Beispiele für einen einfachen gleitenden Durchschnitt (rote Linie), einen exponentiellen gleitenden Durchschnitt (blaue Linie) und den adaptiven gleitenden Durchschnitt (grüne Linie) sind in 1 gezeigt. Abbildung 1: Die AMA ist grün und zeigt den größtmöglichen Abflachungsgrad in der Bereichsgrenze auf der rechten Seite dieser Tabelle. In den meisten Fällen ist der exponentielle gleitende Durchschnitt, der als blaue Linie dargestellt ist, der Preisaktion am nächsten. Der einfache gleitende Durchschnitt wird als rote Linie angezeigt. Die drei gleitenden Durchschnitte, die in der Figur gezeigt werden, sind alle anfällig für whipsaw Trades zu verschiedenen Zeiten. Dieser Nachteil bei den gleitenden Durchschnitten ist bisher nicht auszuschließen. Fazit Robert Colby getestet Hunderte von technischen Analyse-Tools in The Encyclopedia of Technical Market Indicators. Er schloss, Obwohl der adaptive gleitende Durchschnitt eine interessante neuere Idee mit beträchtlichem intellektuellem Anklang ist, zeigen unsere vorläufigen Tests keinen wirklichen praktischen Vorteil zu dieser komplexeren Trendglättungsmethode. Dieses bedeutet nicht, daß Händler die Idee ignorieren sollten. Die AMA könnte mit anderen Indikatoren kombiniert werden, um ein profitables Handelssystem zu entwickeln. (Mehr zu diesem Thema finden Sie unter Entdeckung von Keltner-Kanälen und dem Chaikin-Oszillator.) Der ER kann als eigenständiger Trendindikator genutzt werden, um die profitabelsten Handelsmöglichkeiten zu erkennen. Als Beispiel zeigen Verhältnisse über 0,30 starke Aufwärtstrends und stellen potentielle Käufe dar. Da sich die Volatilität in Zyklen bewegt, können die Aktien mit dem niedrigsten Effizienzverhältnis als Breakout-Chancen betrachtet werden. Kaufman Adaptive Moving Average Trading-Strategie (Setup 038 Filter) I. Trading Strategy Entwickler: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA). Quelle: Kaufman, P. J. (1995). Smarter Handel. Verbesserung der Leistungsfähigkeit in den Märkten. New York: McGraw-Hill, Inc. Konzept: Trading-Strategie basierend auf einem adaptiven Rauschfilter. Forschungsziel: Leistungsüberprüfung der Einrichtung und Filter. Spezifikation: Tabelle 1. Ergebnisse: Abbildung 1-2. Trade Setup: Long Trades: Der Adaptive Moving Average (AMA) erscheint. Short Trades: Der Adaptive Moving Average wird heruntergefahren. Hinweis: Die AMA Trendlinie scheint zu stoppen, wenn Märkte keine Richtung haben. Wenn Markttrends, die AMA-Trendlinie aufholt. Trade Entry: Long Trades: Ein Kauf am Schluss wird nach einem bullish Setup gesetzt. Short Trades: Ein Verkauf am Schluss wird nach einem bearish Setup aufgestellt. Trade Exit: Tabelle 1. Portfolio: 42 Futures-Märkte aus vier großen Marktsegmenten (Rohstoffe, Währungen, Zinsen und Aktienindizes). Daten: 32 Jahre seit 1980. Testplattform: MATLAB. II. Empfindlichkeitstest Nach allen 3-D-Diagrammen folgen 2-D-Konturdiagramme für Profitfaktor, Sharpe Ratio, Ulcer Performance Index, CAGR, Maximum Drawdown, Procent Profitable Trades und Avg. Win Avg. Verlustrate. Das abschließende Bild zeigt die Empfindlichkeit der Eigenkapitalkurve. Geprüfte Variablen: ERLength amp FilterIndex (Definitionen: Tabelle 1): Abbildung 1 Portfolio Performance (Eingänge: Tabelle 1 Provisionen amp Slippage: 0). AMA (ERLength) ist der Adaptive Moving Average über einen Zeitraum von ERLength. ERLength ist eine Rückblickperiode des Efficiency Ratio (ER). ERi abs (Directioni Volatilityi), wobei 8220abs8221 der absolute Wert ist. Direktioni Closei ERLength, Volatilityi (abs (DeltaClosei), ERLength), wobei 82208221 die Summe über einen Zeitraum von ERLength ist, DeltaClosei Closei Closei 1. FastMALength ist eine Periode des schnell bewegten Durchschnitts. SlowMALength ist eine Periode des langsamen gleitenden Durchschnitts. AMAi AMAi 1 ci (Closei AMAi 1), wobei ci (ERi (Fast Slow) Slow) 2, Fast 2 (FastMALength 1), Slow 2 (SlowMALength 1) ist. Wenn AMAi gt AMAi 1 amp AMAi 1 lt AMAi 2 ist, wird MinAMA AMAi 1 (Adaptive Moving Average wird mit einem Pivot bei MinAMA hochgefahren). Short Trades: AMAi lt AMAi 1 amp AMAi 1 gt AMAi 2 dann MaxAMA AMAi 1 (Adaptive Moving Average fällt mit einem Pivot bei MaxAMA ab). Index: i Filteri FilterIndex StdDev (AMAi AMAi 1, N), wobei StdDev die Standardabweichung von Serien über N Perioden ist. N 20 (Voreinstellung). Index: i FilterIndex 0.0, 1.0, Schritt 0.02 N 20 Long Trades: Am AMAi AMT 1 AM (AMAi MinAMA) gt Filteri kaufen. Short Trades: Ein Verkauf am Ende wird gesetzt, wenn AMAi lt AMAi 1 amp (MaxAMA AMAi) gt Filteri. Index: i Stop Loss Exit: ATR (ATRLength) ist der mittlere True Range über einen Zeitraum von ATRLength. ATRStop ist ein Vielfaches von ATR (ATRLength). Long Trades: Ein Verkaufsstopp ist bei Eintritt ATR (ATRLength) ATRStop platziert. Short Trades: Ein Kauf-Stop wird am Eintrag ATR (ATRLength) ATRStop platziert. ATRL Länge 20 ATRStop 6 ERL Länge 2, 100, Schritt 2 FilterIndex 0,0, 1,0, Schritt 0,02