Curva média móvel

Kaufman Adaptive Moving Average Trading Strategy (Configuração 038 Filter) I. Estratégia de Negociação Desenvolvedor: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA). Fonte: Kaufman, P. J. (1995). Comércio mais inteligente. Melhorando o desempenho na mudança de mercados. Nova York: McGraw-Hill, Inc. Conceito: estratégia de negociação baseada em um filtro de ruído adaptativo. Objetivo de pesquisa: verificação de desempenho da configuração e do filtro. Especificação: Tabela 1. Resultados: Figura 1-2. Configuração de Comércio: Negociações Longas: A Média de Mudança Adaptativa (AMA) aparece. Negócios curtos: a média móvel adaptativa diminui. Nota: A linha de tendência AMA parece parar quando os mercados não têm direção. Quando a tendência dos mercados, a linha de tendência da AMA alcança. Entrada comercial: Long Trades: uma compra no fechamento é colocada após uma configuração de alta. Operações curtas: uma venda no fechamento é colocada após uma configuração de baixa. Trade Exit: Tabela 1. Carteira: 42 mercados de futuros de quatro grandes setores de mercado (commodities, moedas, taxas de juros e índices de participação). Dados: 32 anos desde 1980. Plataforma de teste: MATLAB. II. Teste de sensibilidade Todas as tabelas 3-D são seguidas por gráficos de contorno bidimensionais para fator de lucro, Ratio de Sharpe, Índice de desempenho de úlcera, CAGR, Drawdown máximo, Negociações lucrativas percentuais e Média. Win Avg. Rácio de perda. A imagem final mostra a sensibilidade da Equity Curve. Variáveis ​​testadas: ERLength amp FilterIndex (Definições: Tabela 1): Figura 1 Desempenho do portfólio (Entradas: Tabela 1 Compatibilidade da amp de comissão: 0). AMA (ERLength) é a média móvel adaptativa durante um período de ERLength. ERLength é um período de aparência da Razão de Eficiência (ER). ERi abs (Directioni Volatilityi), onde 8220abs8221 é o valor absoluto. Directioni Closei Closei ERLength, Volatilityi (abs (DeltaClosei), ERLength), onde 82208221 é a soma em um período de ERLength, DeltaClosei Closei Closei 1. FastMALength é um período da média em movimento rápido. SlowMALength é um período da média lenta. AMAi AMAi 1 ci (Closei AMAi 1), onde ci (ERi (Fast Slow) Slow) 2, Fast 2 (FastMALength 1), Slow 2 (SlowMALength 1). Índice: i ERLength 2, 100, Passo 2 FastMALength 2 SlowMALength 30 Long Trades: Se AMAi gt AMAi 1 amp AMAi 1 lt AMAi 2, então o MinAMA AMAi 1 (Adaptive Moving Average gira com um pivô no MinAMA). Operações curtas: AMAi lt AMAi 1 amp AMAi 1 gt AMAi 2, em seguida, MaxAMA AMAi 1 (Adaptive Moving Average diminui com um pivô no MaxAMA). Índice: i Filteri FilterIndex StdDev (AMAi AMAi 1, N), onde StdDev é o desvio padrão de séries ao longo de N períodos. N 20 (valor padrão). Índice: i FilterIndex 0.0, 1.0, Passo 0.02 N 20 Long Trades: Uma compra no fechamento é colocada quando AMAi gt AMAi 1 amp (AMAi MinAMA) gt Filteri. Negociações curtas: uma venda no fechamento é colocada quando AMAi lt AMAi 1 amp (MaxAMA AMAi) gt Filteri. Índice: i Stop Loss Sair: ATR (ATRLength) é o alcance real médio durante um período de comprimento ATRL. ATRStop é um múltiplo de ATR (ATRLength). Long Trades: uma parada de venda é colocada no Entry ATR (ATRLength) ATRStop. Operações curtas: uma parada de compra é colocada no ATR ATR (ATRLength) ATRStop. ATRLength 20 ATRStop 6 ERLength 2, 100, Step 2 FilterIndex 0.0, 1.0, Step 0.02moving average Mean of time series data (observações igualmente espaçadas no tempo) de vários períodos consecutivos. Chamado de movimento porque é continuamente recalculado à medida que novos dados ficam disponíveis, progride soltando o valor mais antigo e adicionando o valor mais recente. Por exemplo, a média móvel das vendas de seis meses pode ser calculada tomando a média das vendas de janeiro a junho, depois a média das vendas de fevereiro a julho, de março a agosto, e assim por diante. As médias móveis (1) reduzem o efeito das variações temporárias nos dados, (2) melhoram o ajuste dos dados para uma linha (um processo chamado suavização) para mostrar a tendência dos dados mais claramente e (3) realçar qualquer valor acima ou abaixo do tendência. Se você está calculando algo com variância muito alta o melhor que você pode fazer é descobrir a média móvel. Eu queria saber qual era a média móvel dos dados, então eu teria uma melhor compreensão de como estávamos fazendo. Quando você está tentando descobrir alguns números que mudam frequentemente, o melhor que você pode fazer é calcular a média móvel. Média móvel ponderada exponencialmente (EWMA)