Sistema de negociação média móvel adaptável

As médias móveis adaptativas conduzem a melhores resultados?
As médias móveis são uma ferramenta favorita de comerciantes ativos. No entanto, quando os mercados se consolidam, este indicador leva a inúmeros negócios de whipsaw, resultando em uma frustrante série de pequenas vitórias e perdas. Os analistas passaram décadas tentando melhorar a média móvel simples. Neste artigo, analisamos esses esforços e descobrimos que sua busca levou a ferramentas comerciais úteis. (Para leitura de fundo em médias móveis simples, veja Médias móveis simples, faça as tendências se destacarem.)
Prós e contras de médias móveis.
Com as desvantagens que superam as vantagens, Edwards e Magee rapidamente abandonaram seu sonho de negociar a partir de um bangalô na praia. Mas, 60 anos depois, eles escreveram essas palavras, outros persistem em tentar encontrar uma ferramenta simples que ofereça sem esforço a riqueza dos mercados.
Médias móveis simples.
Se o fechamento mais recente estiver acima da média móvel, o estoque seria considerado como uma tendência de alta. As taxas de queda são definidas por preços abaixo da média móvel. (Para mais informações, consulte o nosso tutorial sobre médias móveis.)
Essa propriedade que define a tendência torna possível que as médias móveis gerem sinais de negociação. Na sua aplicação mais simples, os comerciantes compram quando os preços se movem acima da média móvel e vendem quando os preços cruzam abaixo dessa linha. Uma abordagem como esta é garantida para colocar o comerciante no lado direito de cada comércio significativo. Infelizmente, ao suavizar os dados, as médias móveis ficarão atrasadas da ação do mercado e o comerciante quase sempre devolverá uma grande parte de seus lucros mesmo nos maiores negócios vencedores.
Médias móveis exponenciais.
Um valor de ponderação comum é 0.181, que é próximo de uma média móvel simples de 20 dias. Outro é 0,10, que é aproximadamente uma média móvel de 10 dias.
Embora reduza o atraso, a média móvel exponencial não consegue resolver outro problema com médias móveis, o que é que seu uso para sinais comerciais levará a uma grande quantidade de negociações perdidas. Em Novos Conceitos em Sistemas de Negociação Técnica, Welles Wilder estima que os mercados apenas se movem um quarto do tempo. Até 75% das ações de negociação são limitadas a intervalos estreitos, quando os sinais de compra e venda média em movimento serão repetidamente gerados à medida que os preços se movem rapidamente acima e abaixo da média móvel. Para resolver este problema, vários analistas sugeriram variar o fator de ponderação do cálculo EMA. (Para mais informações, consulte Como as médias móveis são usadas na negociação?)
Adaptando as médias móveis à ação do mercado.
Perry Kaufman sugeriu a substituição da variável "peso" na fórmula EMA com uma constante baseada na razão de eficiência (ER) em seu livro, New Trading Systems and Methods. Este indicador foi projetado para medir a força de uma tendência, definida em um intervalo de -1,0 a +1,0. É calculado com uma fórmula simples:
Considere um estoque que tenha um intervalo de cinco pontos por dia, e no final de cinco dias ganhou um total de 15 pontos. Isso resultaria em um ER de 0,67 (15 pontos de movimento ascendente dividido pela faixa total de 25 pontos). Se esse estoque tivesse diminuído 15 pontos, o ER seria de -0,67. (Para mais conselhos comerciais de Perry Kaufman, leia Perder para ganhar, que descreve estratégias para lidar com perdas comerciais.)
O princípio da eficiência de uma tendência é baseado em quanto movimento direcional (ou tendência) você obtém por unidade de movimento de preços ao longo de um período de tempo definido. Um ER de +1.0 indica que o estoque está em uma tendência de alta perfeita; -1,0 representa uma tendência de queda perfeita. Em termos práticos, os extremos raramente são alcançados.
Para aplicar este indicador para encontrar a média móvel adaptativa (AMA), os comerciantes precisarão calcular o peso com o seguinte, bastante complexo, fórmula:
O valor para C é então usado na fórmula EMA em vez da variável de peso mais simples. Embora difícil de calcular à mão, a média móvel adaptativa é incluída como uma opção em quase todos os pacotes de software comercial. (Para mais informações sobre o EMA, leia Explorando a média móvel ponderada exponencialmente.)
Exemplos de uma média móvel simples (linha vermelha), uma média móvel exponencial (linha azul) e a média móvel adaptativa (linha verde) são mostradas na Figura 1.
As três médias móveis mostradas na figura são todas propensas a negociações de whipsaw em vários momentos. Esta desvantagem para as médias móveis foi até agora impossível de eliminar.
O ER pode ser usado como um indicador de tendência autônomo para identificar as oportunidades comerciais mais lucrativas. Como um exemplo, as proporções acima de 0,30 indicam fortes tendências ascendentes e representam compras potenciais. Alternativamente, uma vez que a volatilidade se move em ciclos, os estoques com a menor relação de eficiência podem ser vistos como oportunidades de fuga.

Sistema de negociação média móvel adaptável
por Michael R. Bryant.
Os indicadores técnicos são um dos elementos fundamentais do comércio sistemático. Os indicadores, como médias móveis ou estocásticas, podem ser vistos como transformações das séries de entrada (tipicamente, preço ou volume), projetadas para acentuar um aspecto particular do mercado, como sua tendência ou ciclo. Embora fundamentais para os métodos de negociação mais sistemáticos, muitos comerciantes evitam os indicadores mais comuns, como as médias móveis simples e o indicador de força relativa (RSI), na crença de que o mercado se adaptou ao seu uso, reduzindo sua eficácia.
Uma maneira de compensar o efeito da eficiência do mercado na viabilidade dos indicadores técnicos é modificá-los de maneira significativa. Por exemplo, o indicador VIDYA 1 da Chande e Kroll é uma média móvel exponencial em que o fator de suavização depende da volatilidade do mercado, de modo que o comprimento efetivo da retrocessão seja reduzido quando a volatilidade aumenta. Neste artigo, vou desenvolver uma extensão da abordagem adaptativa e mostrar como aplicá-la a uma variedade de indicadores com apenas algumas linhas de código extra. Os indicadores resultantes proporcionam maior versatilidade do que os indicadores anteriores e podem ser mais consistentes com uma visão estatística dos mercados.
Adaptando o comprimento do look-back.
Dado que os mercados estão em constante mudança, faz sentido tentar se adaptar às mudanças tanto quanto possível. A maioria dos indicadores técnicos foi desenvolvida originalmente com um comprimento fixo de retrocesso; por exemplo, o número de barras em uma média móvel simples. Vários autores propuseram adaptar o tempo de retorno à volatilidade do mercado.
Para o indicador de índice dinâmico do índice variável (VIDYA), por exemplo, Chande e Kroll usaram várias métricas diferentes, incluindo um índice de volatilidade baseado em um desvio padrão normalizado de preço em que valores mais elevados do índice resultaram em um menor comprimento de retorno efetivo . A idéia era que, em períodos de maior volatilidade, a média móvel deveria ser mais sensível ao mercado, enquanto que em períodos de menor volatilidade, uma média móvel de longo prazo era mais consistente com o comportamento do mercado.
Kaufman tomou uma abordagem um pouco diferente. 2 A idéia por trás de sua Média de Mudança Adaptativa Kaufman (KAMA) foi que, durante períodos de alta volatilidade, é mais provável que você obtenha chicotetes, pois o mercado flange para trás e para trás, resultando em perdas repetidas. Para evitar isso, ele usou um período mais longo para a média móvel durante os períodos de ação de preço agitado, de modo que a média seria menos sensível à volatilidade do mercado, resultando em menos reversões. Durante a tendência de ação no mercado, o período da média móvel diminuiu, de modo que os negócios poderiam reagir mais rapidamente à mudança de direção.
Para medir "choppiness", Kaufman usou a chamada razão de eficiência (ER), que mede o valor absoluto da mudança de preço ao longo do período de look-back dividido pela soma dos valores absolutos da barra-a-barra mudanças de preço ao longo do mesmo período. Se, por exemplo, a variação líquida no preço for zero - o preço é o mesmo no final do período como no início - então o ER será zero. Neste caso, o mercado é perfeitamente ineficiente na medida em que pode se mover muito de bar para bar, mas não vai a lugar nenhum. Se, por outro lado, o mercado se move de forma constante em uma direção (para cima ou para baixo), de modo que o movimento de cada barra contribua para a mudança líquida no preço, o ER será 1. Neste caso, o mercado é perfeitamente eficiente em que todos os movimentos de preços das barras contribuem para a tendência. Em geral, o ER estará entre 0 e 1.
Uma Visão Diferente dos Comprimentos de Vista Adaptativa.
Embora muitas métricas diferentes possam - e tenham sido - usadas para adaptar comprimentos de look-back, o índice de eficiência captura um aspecto fundamental da ação do mercado; a saber, a diferença entre tendências e comportamento cíclico. Os altos valores de ER implicam um mercado fortemente tendencial, o que significa muito pouco movimento cíclico, e os baixos valores de ER implicam pouca tendência e, portanto, mais movimento cíclico (exceto no caso de pouco movimento).
Isso tende a apoiar a abordagem de Kaufman. No entanto, sua decisão de usar comprimentos longos em mercados agitados baseia-se em (1) a suposição de que estamos adaptando o comprimento de retorno de uma média móvel e (2) a idéia de que a média móvel é usada para desencadear uma entrada comercial ou sair.
Um ponto de vista alternativo é o escolhido por John Ehlers através do seu trabalho na aplicação de métodos de processamento de sinais para negociação. 3 Sua visão é mais conforme as linhas de tentar modelar mais de perto a parte do mercado de interesse (por exemplo, o componente de tendência ou o componente do ciclo). A partir desse ponto de vista, uma média móvel em um mercado agitado deve usar um comprimento mais curto para capturar mais precisamente a freqüência mais alta representada pelo choppiness, enquanto que em um mercado fortemente tendencial, um comprimento de look-back mais longo é mais consistente com o movimento do mercado.
Um terceiro ponto de vista é aquele que vou adotar aqui; ou seja, mais estatístico. Primeiro, não vamos assumir nada mais do que absolutamente necessário sobre o indicador em questão e como ele pode ser usado. Em particular, não vamos assumir que o indicador em questão é uma média móvel, e não vamos assumir que seja aplicado ao preço. Poderia, por exemplo, ser o RSI de volatilidade ou a média móvel do estocástico de volume. O indicador pode ser usado em conjunto com outros indicadores como parte de uma regra maior para entrada ou saída, em vez de por si só.
Com esta visão mais estatisticamente orientada, o objetivo é criar regras de negociação que tenham validade estatística, o que significa que elas se encaixam bem na ação do preço sem excesso de ajuste. Nós não estamos assumindo que nós sabemos como os mercados funcionam bem o suficiente para tomar decisões específicas sobre se o comprimento do look-back deve aumentar ou diminuir com algo como o índice de eficiência. Em vez disso, temos algumas razões para acreditar que o índice de eficiência pode ter relevância e, portanto, queremos incluí-lo como uma variável, mas deixamos ao mercado para nos dizer se e como ele se enquadra. Testes estatísticos são usados ​​para nos contar se a estratégia de negociação que contém o indicador é estatisticamente válida ou se for excesso de ajuste; isto é, inválido porque se ajusta ao ruído e não ao sinal do mercado.
Um aspecto adaptativo mais versátil.
Dada a discussão anterior, o comprimento de aparência adaptativo desenvolvido aqui será baseado na relação de eficiência (ER) e usará um parâmetro para determinar a relação entre ER e o comprimento de look-back. Em particular, considere a seguinte equação:
VER = quadrado (ER - (2 * ER - 1) / 2. * (1 - TrendParam) + 0,5)
em que VER é a relação de eficiência variável, e TrendParam é o parâmetro de tendência, que pode ter qualquer valor positivo ou negativo e que determina se o comprimento de look-back aumentará ou diminuirá com o aumento de ER.
Esta é essencialmente apenas uma maneira de reverter a relação ER dependendo do parâmetro de tendência. Como mostrado abaixo, em vez de dimensionar a constante de suavização por ER, como fazem Chande e Kroll e Kaufman essencialmente, usamos o VER. Com valores positivos de TrendParam, VER varia positivamente com ER, enquanto com valores negativos de TrendParam, VER varia negativamente com ER. Com TrendParam igual a zero, VER é igual a 1 para todos os valores de ER. O quadrado é usado para escalar melhor os valores para uso como multiplicador, conforme explicado a seguir.
Para calcular o comprimento de aparência adaptativo usando esta equação, multiplicamos o valor original da constante de suavização, Alpha, que corresponde ao comprimento original de look-back, por VER:
VAlpha = Alpha * VER.
em que VAlpha é a constante de suavização adaptativa, e Alpha é o valor original da constante de suavização.
A relação entre a constante de suavização e o comprimento de look-back é a mesma que para a média móvel exponencial; nomeadamente,
em que N é o comprimento de look-back, e Alpha é a constante de suavização. Esta equação também pode ser escrita para N em termos de Alpha como.
Por conseguinte, o comprimento adaptativo da aparência é posterior.
VN = (N - VER + 1) / VER.
em que N é o comprimento original do look-back.
Para ver como isso funciona, considere as duas figuras abaixo.
Figura 1. A relação entre a relação de eficiência variável e a relação de eficiência para diferentes valores do parâmetro de tendência.
A Figura 1 mostra como a relação de eficiência variável varia em função da relação de eficiência para diferentes valores do parâmetro de tendência ("Param"). Observe como a inclinação é geralmente positiva para valores positivos de Param e geralmente negativa para valores negativos de Param. Com Param igual a zero, VER é igual a 1 para todos os valores da relação de eficiência. Nesse caso, o valor do Alpha não muda com a relação de eficiência. Por exemplo, para uma média móvel exponencial, Param igual a zero corresponde a uma média móvel exponencial regular.
A Figura 2 mostra como o comprimento do look-back varia com a relação de eficiência para diferentes valores do parâmetro de tendência ("Param"), assumindo que o comprimento do look-back original é 25. Observe que, para um valor de parâmetro de tendência de zero, o aspecto O comprimento de retorno é 25, independente de ER. Para valores positivos de Param entre 0 e 1, o comprimento de look-back diminui com o aumento da razão de eficiência. Para valores negativos de Param entre -1 e 0, o comprimento de look-back aumenta com o aumento da relação de eficiência.
Figura 2. A relação entre o comprimento de look-back e a relação de eficiência para diferentes valores do parâmetro de tendência, assumindo que o valor original do comprimento de look-back é 25. Um valor máximo de 100 foi imposto no comprimento de look-back.
O comprimento do look-back foi limitado a um valor máximo de 100 na Fig. 2. Observe que para valores mais extremos de Param (por exemplo, maior que 3 ou menos de -3), a curva inverte-se nos extremos da relação de eficiência. Isso pode ter alguns efeitos interessantes. Por exemplo, com Param igual a 4, o comprimento de look-back é igual a 25 com ER igual a zero (por exemplo, um mercado plano), eleva-se ao valor máximo de 100 para ER igual a cerca de 0,125, então cai para um valor de 1 em ER igual a 1 (por exemplo, tendência perfeita). O comportamento inverso exato é alcançado com um valor Param de -4: o look-back sobe de 1 para 100 e volta para 25 como o ER varia de 0 a 1.
Aplicando-o aos Indicadores.
Em princípio, o comprimento de look adaptativo desenvolvido acima pode ser aplicado a qualquer indicador que use um comprimento de look-back. Isso inclui médias móveis, dinamismo, MACD, taxa de troca, RSI, estocásticos e outros. O exemplo mais simples é provavelmente a média móvel exponencial. Considere o seguinte código EasyLanguage / TradeStation para uma média móvel exponencial adaptativa chamada AdaptiveVMA:
Entradas: Preço (numericseries),
AdaptLB = AdaptiveLen (Preço, Comprimento, MaxLength, TrendParam);
O comprimento adaptativo da aparência ("VN" na equação desenvolvida anteriormente) é fornecido pela função AdaptiveLen. Isso é usado para configurar a constante de alisamento, Alpha, para a equação da média móvel exponencial.
Como outro exemplo, considere uma função inversa adaptável Fisher RSI. Esta é a inversa Fisher transformada do indicador RSI em que o comprimento de look-back para o RSI foi substituído pelo comprimento adaptativo look-back:
Entradas: Preço (numericseries),
AveChg = (SmPrice - SmPrice [Length]) / Length;
AveAbsChg = Média (AbsValue (SmPrice - SmPrice [1]), Length);
Alterar = SmPrice - SmPrice [1];
AveChg = AveChg [1] + Alpha * (Alterar - AveChg [1]);
AveAbsChg = AveAbsChg [1] + Alpha * (AbsValue (Alterar) - AveAbsChg [1]);
Como o comprimento do look-back muda de barra para barra, o RSI deve ser calculado manualmente, em vez de usar a função RSI incorporada fornecida pela TradeStation. A única diferença no cálculo RSI é que o valor Alpha para o alívio exponencial das variáveis ​​AveChg e AveAbsChg é baseado no comprimento adaptativo do look-back. A transformada inversa de Fisher é tomada para afiar os pontos de rotação fornecidos pelo RSI.
Ambas as funções fornecidas acima usam "TrendParam" como uma entrada para que a relação entre a relação de eficiência e o comprimento do look-back pode ser adaptada às necessidades do mercado e à aplicação do indicador.
Ao adicionar um parâmetro adicional - o parâmetro de tendência - para o cálculo do comprimento da aparência adaptativa, não é necessário assumir como o comprimento da aparência deve variar com a relação de eficiência. Em vez disso, otimizar o parâmetro de tendência no contexto do mercado específico e como o indicador adaptativo é usado em combinação com outros indicadores permitirá que o mercado nos diga o que a relação deve ser. Isso faz com que o comprimento do look-back seja realmente adaptável.
Claro, adicionar parâmetros adicionais a uma estratégia de negociação aumenta a complexidade e, portanto, o risco de sobreposição. Métodos estatísticos modernos podem e devem ser utilizados para determinar se uma estratégia de negociação foi superada. Por fim, os testes em tempo real e em avanço sempre fornecem a última validação de qualquer estratégia comercial.
Chande, Tushar S. e Kroll, Stanley. The New Technical Trader, John Wiley & amp; Sons, Inc., Nova York, 1994.
Kaufman, Perry J. Smarter Trading: Melhorando o desempenho em mercados em mudança, McGraw-Hill, Nova York, 1995.
Ehlers, John F. Análise cibernética para estoques e futuros, John Wiley & amp; Sons, Inc, Nova Jersey, 2004.
Este artigo apareceu na edição de abril de 2017 do boletim informativo Adaptrade Software.
Se você quiser ser informado de novos desenvolvimentos, novidades e ofertas especiais do Adaptrade Software, por favor, junte-se à nossa lista de e-mail. Obrigado.
Copyright © 2004-2018 Adaptrade Software. Todos os direitos reservados.

Média de mudança adaptativa de Kaufman & # 039; KAMA
Índice.
Média de mudança adaptativa de Kaufman & # 039; KAMA
Introdução.
Desenvolvido por Perry Kaufman, a média móvel de Kaufman & # 039; KAMA é uma média móvel projetada para explicar o ruído ou a volatilidade do mercado. A KAMA acompanhará os preços quando os balanços dos preços forem relativamente pequenos e o ruído seja baixo. O KAMA irá ajustar quando os balanços de preços se expandirem e seguem os preços a uma distância maior. Este indicador de tendência-seguimento pode ser usado para identificar a tendência geral, os pontos de inflexão do tempo e os movimentos dos preços dos filtros.
Cálculo.
Há várias etapas necessárias para calcular a Média de Mudança Adaptativa de Kaufman & # 039; Deixe o primeiro começo com as configurações recomendadas por Perry Kaufman: KAMA (10,2,30).
Antes de calcular o KAMA, precisamos calcular a Razão de Eficiência (ER) e a Constante de Suavização (SC). Separar a fórmula em nuggets de tamanho de mordida facilita a compreensão da metodologia por trás do indicador. Observe que o ABS significa Absolute Value.
Razão de Eficiência (ER)
O ER é basicamente a mudança de preço ajustada pela volatilidade diária.
Em termos estatísticos, a Razão de eficiência nos diz a eficiência fractal das mudanças de preços. ER flui entre 1 e 0, mas esses extremos são a exceção, não a norma. ER seria 1 se os preços subissem 10 períodos consecutivos ou 10 períodos consecutivos. ER seria zero se o preço for inalterado ao longo dos 10 períodos.
Smoothing Constant (SC)
A constante de suavização usa o ER e duas constantes de suavização com base em uma média móvel exponencial.
Como você pode ter notado, a constante de suavização está usando as constantes de suavização para uma média móvel exponencial na sua fórmula. (2/30 + 1) é a constante de suavização para uma EMA de 30 períodos. O SC mais rápido é a constante de suavização para EMA mais curto (2 períodos). O SC mais lento é a constante de suavização para o EMA mais lento (30 períodos). Observe que o "2" no final é quadrado da equação.
Com a Razão de Eficiência (ER) e a Constante de Suavização (SC), agora estamos prontos para calcular a Média de Mudança Adaptativa (KAMA) de Kaufman & # 039; Uma vez que precisamos de um valor inicial para iniciar o cálculo, o primeiro KAMA é apenas uma média móvel simples. Os seguintes cálculos são baseados na fórmula abaixo.
Exemplo de cálculo / gráfico.
As imagens abaixo mostram uma captura de tela de uma planilha do Excel usada para calcular KAMA e o gráfico QQQ correspondente.
Uso e Sinais.
Os cartistas podem usar o KAMA como qualquer outra tendência a seguir ao indicador, como uma média móvel. Os cartistas podem procurar cruzes de preços, mudanças direcionais e sinais filtrados.
Primeiro, uma cruz acima ou abaixo da KAMA indica mudanças direcionais nos preços. Tal como acontece com qualquer média móvel, um sistema de cruzamento simples gerará muitos sinais e muitos whipsaws. Chartists podem reduzir whipsaws aplicando um filtro de preço ou tempo para os cruzamentos. Pode-se exigir que o preço mantenha a cruz por um número determinado de dias ou exigir que a cruz exceda KAMA por uma porcentagem definida.
Em segundo lugar, os cartistas podem usar a direção da KAMA para definir a tendência geral de uma segurança. Isso pode exigir um ajuste de parâmetros para facilitar o avanço do indicador. Os cartistas podem mudar o parâmetro do meio, que é a constante EMA mais rápida, para alisar o KAMA e procurar mudanças direcionais. A tendência está baixa enquanto a KAMA estiver caindo e forjando baixas mais baixas. A tendência está aumentada enquanto a KAMA estiver aumentando e forjando altos altos. O exemplo de Kroger abaixo mostra KAMA (10,5,30) com uma tendência ascendente acentuada de dezembro a março e uma tendência ascendente menos escarpada de maio a agosto.
E, finalmente, os chartists podem combinar sinais e técnicas. Os cartistas podem usar um KAMA de longo prazo para definir a maior tendência e um KAMA de prazo mais curto para sinais comerciais. Por exemplo, o KAMA (10,5,30) pode ser usado como um filtro de tendência e ser considerado otimista ao subir. Uma vez otimista, os cartistas poderiam então procurar cruzes de alta quando o preço se movesse acima de KAMA (10,2,30). O exemplo abaixo mostra MMM com um KAMA de longo prazo crescente e cruzamentos de alta em dezembro, janeiro e fevereiro. KAMA de longo prazo recusou em abril e houve cruzamentos de baixa em maio, junho e julho.
Usando o SharpCharts.
O KAMA pode ser encontrado como uma sobreposição de indicadores no banco de trabalho SharpCharts. As configurações padrão aparecerão automaticamente na caixa de parâmetros uma vez que ela for selecionada e os autores podem alterar esses parâmetros de acordo com suas necessidades analíticas. O primeiro parâmetro é para a Razão de Eficiência e os autores devem abster-se de aumentar esse número. Em vez disso, os cartistas podem diminuí-lo para aumentar a sensibilidade. Chartists que procuram suavizar KAMA para análise de tendência a longo prazo podem aumentar o parâmetro do meio de forma incremental. Embora a diferença seja apenas de 3, o KAMA (10,5,30) é significativamente mais suave do que o KAMA (10,2,30).
Análises sugeridas.
Crescimento global com cruzamento de preços acima da KAMA.
Esta varredura começa com ações que compartilham um volume diário de 100.000 ações e têm um preço médio de fechamento acima de 10. Uma tendência de alta está presente ao negociar acima do KAMA de longo prazo (10,5,30). Um sinal de compra se materializa quando o preço se move acima do KAMA de prazo mais curto (10,2,30).
Baixa tendência de baixa com cruzamento de preços abaixo da KAMA.
Esta varredura começa com ações que medem 100.000 ações no volume diário e têm um preço de fechamento médio acima de 10. Uma tendência de baixa está presente ao negociar abaixo do KAMA de longo prazo (10,5,30). Um sinal de venda se materializa quando o preço se move abaixo do KAMA de curto prazo (10,2,30).
Para obter mais detalhes sobre a sintaxe a ser usada para varreduras KAMA, consulte nossa Referência do Indicador de Varredura no Centro de Suporte.
Um estudo mais aprofundado.
Do criador, o livro abaixo oferece informações detalhadas sobre indicadores, programas, algoritmos e sistemas, incluindo detalhes sobre o KAMA e outros sistemas de média móvel.

Indicador KAMA - Kaufman Adaptive Moving Average.
KAMA é uma abreviatura de Kaufman Adaptive Moving Average. Este indicador de análise técnica foi criado por um comerciante americano Perry Kaufman (ele também é um especialista na criação de programas de negociação algorítmica).
O indicador KAMA pertence ao grupo de médias móveis adaptativas. As médias móveis, em geral, seguem o preço e o seu desenvolvimento por um certo período de tempo. Por exemplo. se um comerciante decidir calcular a média móvel simples de 10 dias, o valor real da média móvel é calculado sempre nos últimos 10 dias. Às vezes, um peso maior pode ser colocado nos dias mais atuais, como a média móvel ponderada, mas o importante é que o 11º dia não tenha nenhum efeito sobre o cálculo, pois cai além do intervalo de tempo selecionado.
Improváveis ​​as médias móveis comuns, as médias móveis adaptativas podem alterar o número de dias para o cálculo. À medida que as condições no mercado mudam, as médias móveis adaptativas seguem a situação atual e se adaptam. Essa é a sua maior vantagem. As condições em que mudam podem ser diferentes. KAMA muda os dias para o seu cálculo de acordo com o ruído e a volatilidade do mercado. Se os preços se movem de forma constante (não importa se eles se elevarem ou caem), o ruído dos preços do mercado é baixo, o KAMA segue a curva de preços muito de perto. Se os preços puxarem para cima e para baixo (uma vez que eles se elevam, uma vez que caem), a volatilidade é muito alta e a KAMA seguirá o gráfico de preços a uma distância maior. Isso permite que o comerciante obtenha menos sinais comerciais falsos e melhore seu sistema comercial rapidamente.
Esta imagem dispersa os preços de OHLC e o indicador KAMA para que você possa ver como ele se comporta (KAMA ajustado para 6 dias, Short Alpha 0.6 e Fast Alpha 0.06).
1. Calcule a Direção do mercado por um período de tempo escolhido (por exemplo, KAMA de 10 dias). A direção do mercado nos últimos 10 dias pode ser calculada como:
Fechar 0 significa o preço de fechamento do dia mais atual e.
Fechar -9 significa fechar o preço há 9 dias.
A razão pela qual levamos em consideração o preço há 9 dias (e não 10 dias) é porque o primeiro dia no cálculo é o dia 0 (por outras palavras, apesar de ter em conta a diferença de preços de 10 dias, a 10ª O preço do dia é marcado como Fechar -9). Se gostaríamos de calcular KAMA de 2 dias, teríamos em mente Close 0 e Close -1.
Fechar t é o preço Fechar de cada dia no cálculo e.
Fechar t-1 é o fechamento do dia anterior (por exemplo, Close 0 & ndash; Close -1; Close -1 & ndash; Close -2 etc.). Como temos 10 dias no cálculo, obtemos 9 diferenças em valores absolutos (positivos). Essas diferenças absolutas refletem o ruído ou a volatilidade do mercado durante o período escolhido. O índice de eficiência flutua entre 0 e 1 e nos diz qual o ruído do mercado (ou volatilidade dos preços). O índice de Eficiência seria igual a 1 se os preços aumentarem 10 períodos consecutivos ou caíssem 10 períodos consecutivos. O índice de Eficiência seria igual a 0 se os preços não tiverem mudado durante os 10 períodos consecutivos.
Este é também o ponto em que muitos comerciantes cometem o erro básico (e quase todos os sites cometem o mesmo erro), pois tomam em consideração 10 diferenças para cálculos KAMA de 10 dias em vez de 9 diferenças. Bem, talvez isso pareça certo e mais lógico a primeira vista, então deixe-nos dar uma olhada neste assunto. Você se lembra da média móvel simples clássica que foi mencionada (se não, apenas tente encontrá-la novamente no texto acima). Então, se quisermos calcular a média móvel simples de 2 dias, levamos em conta apenas os últimos 2 preços e o preço no 3º dia não é importante para nós. Deixe-se supor que os preços dos últimos três dias pareceriam assim:
Usando a fórmula de média móvel simples, obteríamos o valor SMA de 2 dias de 95. Isso parece certo, não é? OK, agora o cálculo de KAMA de 2 dias.
A direção do mercado nos últimos 2 dias é igual a 10 pontos.
A volatilidade do mercado também é de 10 pontos (100 & ndash; 90 = 10).
Então, se você calcular o índice de Eficiência, você obterá um valor igual a 1 (ou 100%) o que de fato significa que 100% da mudança de preço dentro do período escolhido foi feito na mesma direção. Em outras palavras, o índice de Eficiência nos diz que o preço foi aumentando ou falhando o tempo todo.
Isso é válido se você levar em conta apenas 1 diferença para um cálculo de KAMA de 2 dias, mas a maioria dos sites, comerciantes ou analíticas ignoram esse fato e eles trabalham com 2 diferenças de preço (o que significa que eles incluem no cálculo também o 3º dia ). Então, apesar do fato de que estamos interessados ​​apenas na KAMA de 2 dias e devemos trabalhar com a Direção igual a 10 e a volatilidade igual a 10, de fato, a maioria das pessoas que não tem em consideração Essa ligeira diferença funcionaria com o Diretor que é igual a 10 e Volatilidade que é igual a 20. Então eles obtêm uma relação Eficiência igual a 0,5, o que significa que o preço vem aumentando 50% do tempo e caindo 50% do tempo também. Isso seria correto nos últimos 3 dias, mas não nos últimos 2 dias.
ER = Direção / Volatilidade.
4. Calcule o SC (constante de suavização). A constante de suavização consiste em ER e dois & ldquo; alphas & rdquo; das médias móveis exponentes. ER já é conhecido por nós. Temos que calcular o & ldquo; alphas & rdquo; agora. Um alfa representa uma média móvel exponencial rápida e a segunda média móvel exponencial lenta. Podemos chamá-los Fast Alpha e Slow Alpha. Kaufman recomendou usar a média móvel de 2 dias como o Fast Alpha e a média móvel de 30 dias como o Slow Alpha. Essas duas médias móveis são então responsáveis ​​por como o KAMA se comporta quando o mercado é bastante e nada acontece e quando é tormentoso com muitos movimentos para cima e para baixo. A média móvel mais rápida está incluída no cálculo da KAMA quando o mercado é bastante (e então seguimos o preço muito próximo) e a média móvel mais lenta está incluída no cálculo quando o mercado é muito volátil (a curva KAMA está se afastando do preço para que ele pudesse deixar o preço & ldquo; tomar uma respiração mais profunda; e o comerciante não possui sinais diferentes para comprar e vender todos os dias).
Então, se optarmos por usar a média móvel de Alphas a partir de 2 dias e 30 dias, o cálculo parece assim:
Alfa rápido = 2 / (2 + 1) = 0,6667.
Alfa lento = 2 / (30 + 1) = 0,0645.
Isso garante que os dias para o cálculo da KAMA sempre variam entre 2 e 30 dias. Se alguém quiser usar uma média móvel mais longa do que a média móvel de 30 dias, ele poderia calcular o novo Alpha, por exemplo, Alfa 100 dias é igual a 2 / (100 + 1) = 0,0198. Nesse caso, o cálculo da KAMA sempre se baseará em vários dias entre 2 e 100.
O SC (constante de suavização) se parece assim:
SC = [ER x (Alfa Rápido & Ndash; Alfa Lento) + Alfa Lento] 2.
Então, neste caso, o SC seria igual a:
SC = [ER x (0.6667 & ndash; 0.0645) + 0.0645] e esta equação seria quadrada.
Se você está familiarizado com o cálculo da média móvel Exponencial, você pode ver que é quase o mesmo. The main difference between Exponential moving average and Kaufman adaptive moving average lies in the fact that while EMA uses always the same number of days for its calculation, KAMA can change this number. The number of days change is ensured by the Smoothing constant and the Smoothing constant change is in fact based on the Efficiency ratio. This closes the circle. Por exemplo. if the price would not change at all and would remain steadily then:
Direction of market would equal to 0,
Efficiency ratio would equal to 0,
Smoothing constant would equal to Slow Alpha (squared)
KAMA would equal to the chosen Slow Exponential moving average (30-days EMA, but there would be slight difference because of the squared SC equation).
Similarly, if the price would rise all fall all the consecutive days in the calculation, then the market Direction and Volatility would equal, the Efficiency ratio would be 1 and Smoothing constant would equal to Fast Exponential moving average (2-days EMA).
KAMA indicator belongs to trend-following indicators. Similar to any of the moving averages like HMA (Hull's moving average), T3 moving average, FRAMA (Fractal adaptive moving average), DEMA (double exponential moving average) etc. it follows the price so you can use it to identify the dominant trend on the market. This would require to set the days for Fast and Slow Alphas to higher numbers – por exemplo. to cover the time range between 50 and 200 days. So KAMA would become more robust and would show us just the main market moves. Then if the KAMA rises, the trend is rising as well and vice versa. Unlike the trend indicators like ADX or Aroon indicator, you can think that KAMA would not show us the strength of the trend, just the dominant trend itself. But that would be true just at a first glance. If you have understood the KAMA calculation you could find out there it contains a very interesting part called Efficiency ratio. The ER shows us, how big the price change was within the selected number of days. In other words, if the ER equals to 1 it means that all the day prices in the calculation moved in the same direction (what in fact means a strong trend) and if the ER equals to 0 it means that the day prices were not moving at all (that signalizes an absence of any trend).
Other possibility how to trade with KAMA would be to follow the Close price and KAMA values crossings. Should the Close prices be higher than KAMA values, we go long. Should the Close prices be lower than KAMA, we go short.
We can also trade KAMA crossings. This would need to prepare two different KAMAs. One that would be based just on faster Alphas and other one that would use slower Alphas for their calculation. Then you can follow their crossings. Should the faster KAMA get above the slower KAMA, we buy and vice versa.
As KAMA indicator is very robust and universal we could also try to use it as a part of any other indicator, e. g. to use it in the Bollinger Bands instead of Simple moving average or use it in MACD instead of Exponential moving average.
As you can see, KAMA is really an extraordinary indicator of technical analysis that gives us many interesting information and possibilities how to use it.
Browser Extension AdBlock detected. Please turn it off to continue! Obrigado.

Vertical Solutions.
Trading Systems & Strategies.
An Adaptive Moving Average Using VIX, 01/02/09.
HÁ UM RISCO DE PERDA NA NEGOCIAÇÃO DE FUTUROS. ADDITIONALLY, HYPOTHETICAL S&P PERFORMANCE RESULTS HAVE MANY INHERENT LIMITATIONS, SOME OF WHICH ARE DESCRIBED BELOW. NO REPRESENTATION IS BEING MADE THAT ANY TRADING ACCOUNT WILL OR IS LIKELY TO ACHIEVE PROFITS OR LOSSES SIMILAR TO THOSE SHOWN; IN FACT, THERE ARE FREQUENTLY SHARP DIFFERENCES BETWEEN HYPOTHETICAL PERFORMANCE RESULTS AND THE ACTUAL RESULTS SUBSEQUENTLY ACHIEVED BY ANY PARTICULAR EQUITY TRADING PROGRAM. UMA DAS LIMITAÇÕES DOS RESULTADOS DE DESEMPENHO HIPOTÉTICOS É QUE ESTÃO GERALMENTE PREPARADAS COM O BENEFÍCIO DE HINDSIGHT. ADICIONALMENTE, A NEGOCIAÇÃO HIPOTÉTICA NÃO IMPORTA RISCOS FINANCEIROS, E NENHUM GRUPO DE NEGOCIAÇÃO HIPOTÉTICA PODE COMPLETAMENTE CONTA PARA O IMPACTO DO RISCO FINANCEIRO DE NEGOCIAÇÃO REAL. FOR EXAMPLE, THE ABILITY TO FORECAST AND WITHSTAND FINANCIAL LOSSES OR TO ADHERE TO A PARTICULAR TRADING PROGRAM IN SPITE OF TRADING LOSSES ARE MATERIAL POINTS WHICH CAN ALSO ADVERSELY AFFECT ACTUAL TRADING RESULTS. THERE ARE NUMEROUS OTHER FACTORS RELATED TO THE MARKETS IN GENERAL OR TO THE IMPLEMENTATION OF ANY SPECIFIC AUTOMATED TRADING PROGRAM WHICH CANNOT BE FULLY ACCOUNTED QUANTITATIVELY FOR IN THE PREPARATION OF HYPOTHETICAL PERFORMANCE RESULTS AND ALL WHICH CAN ADVERSELY AFFECT TRADING RESULTS.
S&P Equity Trend Day Trading Website Last Updated: Thursday, October 20, 2018 Site Index Seattle SEO.