Kaufman Adaptif Moving Average Mt4

Apakah Rata-rata Bergerak Adaptif Memimpin Untuk Hasil yang Lebih Baik Rata-rata bergerak adalah alat favorit pedagang aktif. Namun, ketika pasar berkonsolidasi, indikator ini menyebabkan banyak perdagangan whipsaw, yang menghasilkan serangkaian kemenangan dan kerugian kecil yang membuat frustrasi. Analis telah menghabiskan waktu puluhan tahun untuk memperbaiki rata-rata bergerak sederhana. Pada artikel ini, kita melihat upaya ini dan menemukan bahwa pencarian mereka telah menghasilkan alat perdagangan yang bermanfaat. (Untuk membaca latar belakang pada rata-rata bergerak sederhana, lihat Simple Moving Averages Making Trends Stand Out.) Pro dan Kontra Rata-rata Bergerak Keuntungan dan kerugian dari moving averages diringkas oleh Robert Edwards dan John Magee dalam edisi pertama Analisis Teknis Tren Saham Ketika mereka berkata dan, kembali pada tahun 1941 bahwa kami dengan senang hati membuat penemuan itu (walaupun banyak lainnya berhasil melakukannya sebelumnya) bahwa dengan rata-rata data untuk jumlah hari yang disebutkan dapat menghasilkan semacam garis tren otomatis yang pasti akan menafsirkan perubahan Trend Sepertinya sangat bagus untuk menjadi kenyataan. Sebenarnya, itu terlalu bagus untuk menjadi kenyataan. Dengan kerugian yang melebihi keuntungan, Edwards dan Magee dengan cepat meninggalkan impian mereka untuk berdagang dari bungalo pantai. Tapi 60 tahun setelah mereka menulis kata-kata itu, yang lain tetap berusaha menemukan alat sederhana yang dengan mudah akan mengantarkan kekayaan pasar. Simple Moving Averages Untuk menghitung moving average yang sederhana. Tambahkan harga untuk periode waktu yang diinginkan dan bagi dengan jumlah periode yang dipilih. Menemukan rata-rata pergerakan lima hari akan membutuhkan penjumlahan lima harga penutupan terbaru dan dibagi dengan lima. Jika penutupan terakhir berada di atas rata-rata bergerak, saham akan dianggap berada dalam uptrend. Downtrends didefinisikan oleh harga perdagangan di bawah rata-rata bergerak. (Untuk informasi lebih lanjut, lihat tutorial Moving Averages.) Properti yang mendefinisikan tren ini memungkinkan pergerakan rata-rata menghasilkan sinyal perdagangan. Dalam penerapannya yang paling sederhana, para pedagang membeli saat harga bergerak di atas rata-rata bergerak dan menjual saat harga turun di bawah garis itu. Pendekatan seperti ini dijamin menempatkan pedagang di sisi kanan setiap perdagangan yang signifikan. Sayangnya, saat merapikan data, rata-rata bergerak akan tertinggal dari aksi pasar dan trader hampir akan selalu mengembalikan sebagian besar keuntungan mereka bahkan pada perdagangan terbesar sekalipun. Eksponensial Moving Averages Analis sepertinya menyukai gagasan tentang rata-rata bergerak dan telah menghabiskan waktu bertahun-tahun untuk mencoba mengurangi masalah yang terkait dengan lag ini. Salah satu inovasi ini adalah exponential moving average (EMA). Pendekatan ini memberikan bobot yang relatif lebih tinggi terhadap data terakhir, dan akibatnya ia mendekati tindakan harga daripada rata-rata pergerakan sederhana. Rumus untuk menghitung rata-rata pergerakan eksponensial adalah: EMA (Weight Close) ((1-Bobot) EMAy) Dimana: Bobot adalah konstanta pemulusan yang dipilih oleh analis EMAy adalah rata-rata pergerakan eksponensial dari kemarin Nilai pembobotan umum adalah 0,188, yang Mendekati rata-rata pergerakan sederhana 20 hari. Lain adalah 0,10, yang kira-kira memiliki rata-rata pergerakan 10 hari. Meskipun mengurangi lag, moving average eksponensial gagal mengatasi masalah lain dengan moving averages, yang penggunaannya untuk sinyal perdagangan akan menyebabkan sejumlah besar perdagangan rugi. Dalam Konsep Baru dalam Sistem Perdagangan Teknis. Welles Wilder memperkirakan bahwa pasar hanya tren seperempat dari waktu. Hingga 75 tindakan perdagangan terbatas pada rentang yang sempit, ketika sinyal beli dan beli rata-rata bergerak akan berulang kali dihasilkan karena harga bergerak cepat di atas dan di bawah rata-rata bergerak. Untuk mengatasi masalah ini, beberapa analis menyarankan faktor pembobotan perhitungan EMA yang bervariasi. (Untuk lebih lanjut, lihat Bagaimana cara moving averages yang digunakan dalam trading) Mengadaptasi Moving Averages to Market Action Salah satu metode untuk mengatasi kerugian moving averages adalah dengan mengalikan faktor pembobotan dengan rasio volatilitas. Melakukan hal ini berarti bahwa rata-rata bergerak akan jauh dari harga saat ini di pasar yang bergejolak. Ini akan memungkinkan para pemenang lari. Seiring tren berakhir dan konsolidasi harga. Rata bergerak akan bergerak mendekati aksi pasar saat ini dan, secara teori, membiarkan trader mempertahankan sebagian besar keuntungan yang tertangkap selama tren berlangsung. Dalam prakteknya, rasio volatilitas bisa menjadi indikator seperti Bollinger Bandwidth, yang mengukur jarak antara Bollinger Bands yang terkenal. (Untuk indikator lebih lanjut, lihat Dasar-Dasar Bollinger Bands.) Perry Kaufman menyarankan untuk mengganti variabel bobot dalam formula EMA dengan konstan berdasarkan rasio efisiensi (ER) dalam bukunya, New Trading Systems and Methods. Indikator ini dirancang untuk mengukur kekuatan tren, yang didefinisikan dalam kisaran dari -1,0 sampai 1,0. Hal ini dihitung dengan rumus sederhana: ER (perubahan harga total untuk periode) (jumlah perubahan harga mutlak untuk setiap batang) Perhatikan saham yang memiliki rentang lima poin setiap hari, dan pada akhir lima hari telah memperoleh total Dari 15 poin. Ini akan menghasilkan ER sebesar 0,67 (15 poin ke atas dibagi dengan kisaran 25-titik total). Jika saham ini turun 15 poin, ER akan menjadi -0,67. (Untuk saran perdagangan lebih lanjut dari Perry Kaufman, baca Losing To Win yang menguraikan strategi untuk mengatasi kerugian perdagangan.) Prinsip efisiensi tren didasarkan pada seberapa banyak pergerakan arah (atau tren) yang Anda dapatkan per unit pergerakan harga di atas Periode waktu yang ditentukan ER dari 1.0 mengindikasikan bahwa saham berada dalam uptrend yang sempurna -1,0 merupakan tren turun yang sempurna. Secara praktis, ekstrem jarang tercapai. Untuk menerapkan indikator ini untuk menemukan moving average moving average (AMA), trader harus menghitung bobotnya dengan rumus berikut, agak kompleks: C (ER (SCF SCS)) SCS 2 Dimana: SCF adalah konstanta eksponensial untuk yang tercepat EMA yang diijinkan (biasanya 2) SCS adalah konstanta eksponensial untuk EMA yang paling lambat yang diijinkan (seringkali 30) ER adalah rasio efisiensi yang disebutkan di atas Nilai C kemudian digunakan dalam formula EMA dan bukan variabel bobot yang lebih sederhana. Meski sulit dihitung dengan tangan, rata-rata pergerakan adaptif disertakan sebagai pilihan di hampir semua paket perangkat lunak perdagangan. (Untuk informasi lebih lanjut mengenai EMA, baca Exploring The Exponentially Weighted Moving Average.) Contoh rata-rata pergerakan sederhana (garis merah), moving average eksponensial (garis biru) dan moving average moving average (garis hijau) ditunjukkan pada Gambar 1. Gambar 1: AMA berwarna hijau dan menunjukkan tingkat perataan yang paling tinggi dalam aksi jarak dekat yang terlihat di sisi kanan grafik ini. Dalam kebanyakan kasus, rata-rata pergerakan eksponensial, yang ditunjukkan sebagai garis biru, paling dekat dengan aksi harga. Rata-rata bergerak sederhana ditunjukkan sebagai garis merah. Tiga rata-rata bergerak yang ditunjukkan pada gambar sangat rentan terhadap perdagangan whipsaw di berbagai waktu. Kekurangan pada moving averages sejauh ini tidak mungkin dihilangkan. Kesimpulan Robert Colby menguji ratusan alat analisis teknis dalam The Encyclopedia of Technical Market Indicators. Dia menyimpulkan, Meskipun rata-rata bergerak adaptif adalah ide baru yang menarik dengan daya tarik intelektual yang cukup besar, tes pendahuluan kami gagal menunjukkan keunggulan praktis yang sesungguhnya pada metode perataan tren yang lebih kompleks ini. Ini tidak berarti pedagang harus mengabaikan gagasan itu. AMA dapat dikombinasikan dengan indikator lain untuk mengembangkan sistem perdagangan yang menguntungkan. (Untuk informasi lebih lanjut tentang topik ini, baca Discovering Keltner Channels And The Chaikin Oscillator.) ER dapat digunakan sebagai indikator tren yang berdiri sendiri untuk menemukan peluang perdagangan yang paling menguntungkan. Sebagai contoh, rasio di atas 0,30 mengindikasikan tren kenaikan yang kuat dan merupakan pembelian potensial. Sebagai alternatif, karena volatilitas bergerak dalam siklus, saham dengan rasio efisiensi terendah dapat diawasi sebagai peluang pelarian. Indikator Induk Adaptif Moving Average (AMA) - MetaTrader 5 Adaptive Moving Average (AMA) digunakan untuk membangun rata-rata bergerak Dengan sensitivitas rendah terhadap noise seri harga dan ditandai dengan lag minimal untuk deteksi tren. Indikator ini dikembangkan dan dijelaskan oleh Perry Kaufman dalam bukunya Smarter Trading. Salah satu kelemahan dari algoritma pemulusan yang berbeda untuk seri harga adalah bahwa lonjakan harga yang tidak disengaja dapat mengakibatkan munculnya sinyal tren yang salah. Di sisi lain, smoothing menyebabkan lag yang tidak dapat dihindari dalam memprediksi tren. Indikator ini dikembangkan untuk mengatasi kedua kekurangan tersebut. Indikator Rata-rata Bergerak Adaptif Untuk menentukan keadaan pasar saat Kaufman memperkenalkan konsep Efisiensi Rasio (ER), yang dihitung dengan rumus di bawah ini: ER (i) - nilai sekarang dari Sinyal Efisiensi Rasio (i) ABS (Harga (i) - Harga (i - N)) - nilai sinyal saat ini, nilai absolut selisih antara harga dan harga sekarang N periode yang lalu Noise (i) Sum (ABS (Harga (i) - Harga (i-1)), N) - Nilai noise saat ini, jumlah nilai absolut dari selisih antara harga periode sekarang dan harga periode sebelumnya untuk periode N. Pada tren yang kuat, Rasio Efisiensi (ER) akan cenderung 1 jika tidak ada pergerakan yang diarahkan, nilainya akan sedikit lebih dari 0. Nilai ER yang diperoleh digunakan dalam formula penghalusan eksponensial: EMA (i) Price (i ) SC EMA (i-1) (1 - SC) SC 2 (n1) - EMA smoothing constant, n - periode EMA eksponensial bergerak (i-1) - nilai EMA sebelumnya. Rasio pemulusan untuk tiang pasar cepat adalah untuk EMA dengan periode 2 (fast SC 2 (21) 0,6667), dan untuk periode tidak ada periode EMA tren harus sama dengan 30 (slow SC 2 (301) 0,06452). Dengan demikian, konstanta pemulusan perubahan yang baru diperkenalkan (konstanta smoothing yang tersusun) SSC: SSC (i) (ER (i) SC SC lambat SC SCC (i) ER (i) 0,60215 0,06425 Untuk pengaruh yang lebih efisien dari (I) (SSC (i) 2) AMA (i-1) (1-SSC (i) 2) atau (setelah penataan ulang ) AMA (i) AMA (i-1) (SSC (i) 2) (Harga (i) - AMA (i-1)) AMA (i) - nilai AMA AMA saat ini (i-1) - nilai sebelumnya Dari AMA SSC (i) - nilai arus dari rata-rata smoothing yang berskala. Moving Average oleh Perry Kaufman, Kaufman039s Adaptive Moving Average (KAMA) Kaufman039s Adaptive Moving Average (KAMA) (KAMA) adalah rata-rata bergerak yang dirancang untuk memperhitungkan kebisingan pasar atau volatilitas. KAMA akan mengikuti harga saat harga relatif kecil dan suaranya rendah. KAMA akan menyesuaikan harga N ayunan harga melebar dan mengikuti harga dari jarak yang lebih jauh. Indikator berikut ini dapat digunakan untuk mengidentifikasi tren keseluruhan, titik balik waktu dan pergerakan harga filter. Perhitungan Ada beberapa langkah yang diperlukan untuk menghitung Youfman039 Adaptive Moving Average. Pertama mulailah dengan setting yang direkomendasikan oleh Perry Kaufman, yaitu KAMA (10.2,30). 10 adalah jumlah periode untuk Efisiensi Rasio (ER). 2 adalah jumlah periode untuk konstanta EMA tercepat. 30 adalah jumlah periode untuk konstanta EMA paling lambat. Sebelum menghitung KAMA, kita perlu menghitung Efficiency Ratio (ER) dan Smoothing Constant (SC). Memecah formula menjadi ukuran kecil nugget membuat lebih mudah untuk memahami metodologi di belakang indikator. Perhatikan bahwa ABS adalah singkatan dari Absolute Value. Efficiency Ratio (ER) ER pada dasarnya adalah perubahan harga yang disesuaikan dengan volatilitas harian. Secara statistik, Rasio Efisiensi memberi tahu kita efisiensi fraktal perubahan harga. ER berfluktuasi antara 1 dan 0, tapi ekstrem ini adalah pengecualian, bukan norma. ER akan menjadi 1 jika harga bergerak naik 10 periode berturut-turut atau turun 10 periode berturut-turut. ER akan menjadi nol jika harga tidak berubah selama 10 periode. Smoothing Constant (SC) Konstanta pemulusan menggunakan ER dan dua konstanta pemulusan berdasarkan rata-rata pergerakan eksponensial. Seperti yang mungkin Anda perhatikan, Konstanta Smoothing menggunakan konstanta pemulusan untuk rata-rata bergerak eksponensial dalam formula. (2301) adalah konstanta pemulusan untuk EMA 30 periode. SC Tercepat adalah konstanta pemulusan untuk EMA lebih pendek (2 periode). SC yang paling lambat adalah konstanta pemulusan untuk EMA paling lambat (30 periode). Perhatikan bahwa 2 di akhir adalah untuk mensejajarkan persamaan. Dengan Efficiency Ratio (ER) dan Smoothing Constant (SC), kita sekarang siap untuk menghitung Kaufman039 Adaptive Moving Average (KAMA). Karena kita membutuhkan nilai awal untuk memulai perhitungan, KAMA pertama hanya merupakan moving average sederhana. Perhitungan berikut didasarkan pada rumus di bawah ini. Contoh PerhitunganChart Gambar di bawah ini menunjukkan screen shot dari spreadsheet Excel yang digunakan untuk menghitung KAMA dan grafik QQQ yang sesuai. Penggunaan dan Sinyal Chartis dapat menggunakan KAMA seperti indikator berikut lainnya, seperti moving average. Chartis dapat mencari harga persilangan, perubahan terarah dan sinyal yang disaring. Pertama, sebuah salib di atas atau di bawah KAMA menunjukkan perubahan arah harga. Seperti halnya rata-rata bergerak, sistem crossover sederhana akan menghasilkan banyak sinyal dan banyak whipsaws. Chartis dapat mengurangi whipsaws dengan menerapkan filter harga atau waktu ke crossover. Seseorang mungkin memerlukan harga untuk memegang salib selama beberapa hari atau membutuhkan salib melebihi KAMA dengan persentase yang ditetapkan. Kedua, chartists dapat menggunakan arah KAMA untuk menentukan keseluruhan kecenderungan keamanan. Ini mungkin memerlukan penyesuaian parameter untuk memperlancar indikator lebih lanjut. Chartists dapat mengubah parameter tengah, yang merupakan konstanta EMA tercepat, untuk menghaluskan KAMA dan mencari perubahan arah. Tren turun selama KAMA jatuh dan menempa posisi terendah lebih rendah. Trennya naik selama KAMA naik dan menempa harga tertinggi. Contoh Kroger di bawah ini menunjukkan KAMA (10,5,30) dengan tren naik yang curam dari bulan Desember sampai Maret dan tren kenaikan yang kurang tajam dari bulan Mei sampai Agustus. Dan akhirnya, chartists bisa menggabungkan sinyal dan teknik. Chartists dapat menggunakan KAMA jangka panjang untuk menentukan tren yang lebih besar dan KAMA jangka pendek untuk sinyal perdagangan. Misalnya, KAMA (10,5,30) bisa dijadikan trend filter dan dianggap bullish saat naik. Setelah bullish, chartists kemudian bisa mencari bullish cross ketika harga bergerak diatas KAMA (10.2,30). Contoh di bawah ini menunjukkan MMM dengan kenaikan KAMA jangka panjang dan persilangan bullish pada bulan Desember, Januari dan Februari. KAMA jangka panjang turun pada bulan April dan terjadi persilangan bearish pada bulan Mei, Juni dan Juli. SharpCharts KAMA dapat ditemukan sebagai indikator overlay di meja kerja SharpCharts. Pengaturan default akan secara otomatis muncul di kotak parameter setelah dipilih dan para chartis dapat mengubah parameter ini agar sesuai dengan kebutuhan analitis mereka. Parameter pertama adalah untuk Rasio Efisiensi dan chartists harus menahan diri untuk tidak meningkatkan jumlah ini. Sebagai gantinya, chartists dapat menurunkannya untuk meningkatkan sensitivitas. Chartis yang ingin memperlancar KAMA untuk analisis tren jangka panjang dapat meningkatkan parameter tengah secara bertahap. Meski perbedaannya hanya 3, KAMA (10,5,30) secara signifikan lebih mulus dari KAMA (10.2,30). Studi lebih lanjut Dari pencipta, buku di bawah ini menawarkan informasi terperinci mengenai indikator, program, algoritma, dan sistem, termasuk rincian tentang KAMA dan sistem rata-rata bergerak lainnya. Sistem dan Metode Trading Perry Kaufman