Operacja adaptacyjna ruchoma średnia

autor: Michael R. Bryant Wskaźniki techniczne są jednym z podstawowych elementów systematycznego handlu. Wskaźniki, takie jak średnie ruchome lub stochastyczne, mogą być postrzegane jako przekształcenia szeregu wejściowego (zazwyczaj cena lub objętość) zaprojektowane w celu zaakcentowania określonego aspektu rynku, takiego jak jego tendencja lub cykliczność. Choć większość podstawowych metod handlu jest podstawą, wielu inwestorów unika najbardziej powszechnych wskaźników, takich jak proste średnie ruchome i wskaźnik względnej siły (RSI), wierząc, że rynek dostosował się do ich użycia, zmniejszając ich skuteczność. Jednym ze sposobów zrekompensowania wpływu efektywności rynkowej na rentowność wskaźników technicznych jest ich modyfikacja w pewien znaczący sposób. Na przykład wskaźnik 1 Chande i Krolls VIDYA jest wykładniczą średnią kroczącą, w której współczynnik wygładzania jest zależny od zmienności rynku, dzięki czemu efektywna długość spojrzenia zmniejsza się, gdy zwiększa się zmienność. W tym artykule Ill rozwija rozszerzenie podejścia do adaptacyjnego spojrzenia i pokazuje, jak zastosować go do różnych wskaźników z zaledwie kilkoma dodatkowymi liniami kodu. Otrzymane wskaźniki zapewniają większą wszechstronność niż wcześniejsze wskaźniki i mogą być bardziej spójne ze statystycznym widokiem rynków. Dostosowanie długości spojrzenia Biorąc pod uwagę, że rynki stale się zmieniają, rozsądnie jest starać się dostosowywać do zmian w jak największym stopniu. Większość wskaźników technicznych została pierwotnie opracowana z ustaloną długością spojrzenia, na przykład liczbą słupków w prostej średniej ruchomej. Wielu autorów zaproponowało dostosowanie długości spojrzenia do zmienności rynku. W przypadku wskaźnika zmiennej dynamicznej indeksu zmiennych (VIDYA), na przykład, Chande i Kroll zastosowali kilka różnych wskaźników, w tym indeks zmienności oparty na znormalizowanym odchyleniu standardowym ceny, w którym wyższe wartości indeksu skutkowały mniejszą efektywną długością spojrzenia . Pomysł polegał na tym, że w okresach wyższej zmienności średnia krocząca powinna lepiej reagować na rynek, podczas gdy w okresach niższej zmienności średnia ruchoma w dłuższym okresie była bardziej zgodna z zachowaniem rynków. Kaufman zastosował nieco inne podejście. 2 Pomysł na jego adaptacyjną ruchomą średnią Kaufmana (KAMA) polegał na tym, że w okresach dużej zmienności, bardziej prawdopodobne jest, że zostaniesz wycięty piłką, gdy rynek zacznie się zmieniać, powodując powtarzające się straty. Aby tego uniknąć, wykorzystał dłuższy okres dla średniej ruchomej w okresach wahań cen, aby średnia nie reagowała na zmienność rynku, powodując mniejszą liczbę zwrotów. Podczas trendujących działań rynkowych okres średniej ruchomej został zmniejszony, dzięki czemu transakcje mogły szybciej reagować na zmianę kierunku. Aby zmierzyć quotchoppinessquot, Kaufman użył tak zwanego współczynnika efektywności (ER), który mierzy wartość bezwzględną zmiany ceny w okresie obserwacji, podzieloną przez sumę wartości bezwzględnych zmian cen między prętami w tym samym okresie. Jeżeli, na przykład, netto zmiana ceny wynosi zero - cena jest taka sama na koniec okresu, jak na początku - wtedy ER będzie zero. W tym przypadku rynek jest całkowicie nieefektywny, ponieważ może poruszać się dużo od paska do baru, ale nigdzie nie idzie. Jeśli, z drugiej strony, rynek porusza się stabilnie w jednym kierunku (w górę lub w dół), tak, że każdy ruch słupkowy przyczynia się do zmiany ceny netto, ER będzie 1. W tym przypadku rynek jest doskonale że wszystkie ruchy cenowe barów przyczyniają się do tego trendu. Zasadniczo ER będzie znajdować się w zakresie od 0 do 1. Różny widok adaptacyjnych długości wstecznego spojrzenia Podczas gdy wiele różnych wskaźników mogło i było używanych w celu dostosowania długości wstecznej spojrzenia, wskaźnik efektywności oddaje fundamentalny aspekt rynku działanie, mianowicie różnica między zachowaniem trendującym a cyklicznym. Wysokie wartości ER sugerują, że rynek jest bardzo trendy, co oznacza bardzo mały ruch cykliczny, a niskie wartości ER sugerują niewielki trend, a zatem bardziej cykliczny ruch (z wyjątkiem niewielkiego ruchu w ogóle). To zwykle wspiera podejście Kaufmana. Jednak jego decyzja o wykorzystaniu dłuższych dystansów na niepewnych rynkach opiera się na (1) założeniu, które dostosowywało długość spojrzenia na średnią kroczącą, oraz (2) na idei, że średnia ruchoma jest używana do wyzwolenia wejście lub wyjście z handlu. Alternatywny punkt widzenia to ten, za którym opowiada John Ehlers poprzez jego pracę nad stosowaniem metod przetwarzania sygnałów w handlu. 3 Jego pogląd jest bardziej zbliżony do próbowania dokładniejszego modelowania części interesującego rynku (np. Komponentu trendu lub komponentu cyklu). Z tego punktu widzenia średnia krocząca na wzburzonym rynku powinna wykorzystywać krótszą długość spojrzenia, aby dokładniej uchwycić wyższą częstotliwość reprezentowaną przez chropowatość, podczas gdy na rynku o silnej tendencji, dłuższa długość spojrzenia jest bardziej zgodna z ruch na rynku. Trzeci punkt widzenia to ten, który zaadaptowano tutaj, a mianowicie bardziej statystyczny. Po pierwsze, nie zakładamy niczego więcej niż absolutnie konieczne w odniesieniu do danego wskaźnika i sposobu jego wykorzystania. W szczególności nie zakładajmy, że dany wskaźnik jest średnią kroczącą i nie możemy zakładać, że jest ona stosowana do ceny. Może to być na przykład RSI o zmienności lub średniej ruchomej stochastycznej objętości. Wskaźnik może być używany w połączeniu z innymi wskaźnikami jako częścią większej reguły dla wejścia lub wyjścia, a nie sam. Z tym bardziej statystycznie zorientowanym poglądem, celem jest stworzenie reguł handlowych, które mają statystyczną trafność, co oznacza, że ​​pasują one do akcji cenowej bez nadmiernego dopasowania. Nie zakładaliśmy, że wiemy, jak rynki działają na tyle dobrze, aby podejmować konkretne decyzje dotyczące tego, czy długość spojrzenia powinna wzrosnąć, czy też obniżyć się z czymś podobnym do współczynnika efektywności. Mamy raczej powody, by sądzić, że wskaźnik wydajności może mieć znaczenie i dlatego chcemy uwzględnić go jako zmienną, ale pozostawiamy to rynkowi, aby nam powiedzieć, czy i jak to się mieści. Testy statystyczne są używane, aby nam powiedzieć jeśli strategia handlowa zawierająca wskaźnik jest statystycznie poprawna lub jego nadmierne dopasowanie, tj. nieważne, ponieważ pasuje raczej do hałasu niż do sygnału rynkowego. Bardziej wszechstronny Adaptacyjny Look-Back Biorąc pod uwagę poprzednią dyskusję, opracowana tu adaptacyjna długość spojrzenia będzie oparta na współczynniku efektywności (ER) i użyje parametru do określenia relacji między ER a odległością spojrzenia. W szczególności rozważmy następujące równanie: kwadrat VER (ER - (2 ER - 1) 2. (1 - TrendParam) 0.5), w którym VER jest zmiennym współczynnikiem wydajności, a TrendParam jest parametrem trendu, który może przyjąć dowolną wartość dodatnią lub wartość ujemna, która określa, czy długość wstecznego wzroku wzrośnie lub zmniejszy się wraz ze wzrostem wartości ER. Jest to w zasadzie tylko sposób na odwrócenie współczynnika ER w zależności od parametru trendu. Jak pokazano poniżej, zamiast skalowania stałej wygładzania przez ER, jak to robią Chande, Kroll i Kaufman, używamy VER. Przy dodatnich wartościach TrendParam VER zmienia się dodatnio w ER, natomiast przy ujemnych wartościach TrendParam, VER zmienia się negatywnie w ER. Z TrendParam równym zero, VER jest równe 1 dla wszystkich wartości ER. Kwadrat jest brany do lepszego skalowania wartości do użycia jako mnożnik, jak wyjaśniono poniżej. Aby obliczyć adaptacyjną długość wsteczną przy użyciu tego równania, mnożymy pierwotną wartość stałej wygładzania, Alfa, która odpowiada oryginalnej długości wstecznego spojrzenia, przez VER: VAlpha Alpha VER, w której VAlpha jest stałą adaptacyjną wygładzania, oraz Alpha to oryginalna wartość stałej wygładzania. Relacja między stałą wygładzania a długością spojrzenia jest taka sama jak dla wykładniczej średniej ruchomej, mianowicie, w której N jest odległością spojrzenia, a Alfa jest stałą wygładzania. Równanie to można również zapisać dla N jako Alfa as. Długość wstecznego spojrzenia adaptacyjnego jest zatem Kaufman Adaptive Moving Average Strategia handlowa (Setup 038 Filter) I. Strategia handlowa Developer: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA). Źródło: Kaufman, P. J. (1995). Inteligentniejszy handel. Poprawa wydajności na zmieniających się rynkach. New York: McGraw-Hill, Inc. Concept: Strategia handlowa oparta na adaptacyjnym filtrze szumów. Cel badania: weryfikacja wydajności instalacji i filtra. Specyfikacja: Tabela 1. Wyniki: Rysunek 1-2. Trade Setup: Long Trades: pojawia się Adaptive Moving Average (AMA). Short Trades: The Adaptive Moving Average zmniejsza się. Uwaga: linia trendu AMA wydaje się zatrzymywać, gdy rynki nie mają kierunku. Kiedy trend rynkowy, linia trendu AMA się zbliża. Wpis do obrotu: Długie transakcje: Kup po zamknięciu zostaje umieszczony po zwyżkowej konfiguracji. Krótkie transakcje: wyprzedaż po zamknięciu następuje po bessie. Wyjście z transakcji: Tabela 1. Portfel: 42 rynki kontraktów futures z czterech głównych sektorów rynku (towary, waluty, stopy procentowe i indeksy akcji). Dane: 32 lata od 1980 r. Platforma testowa: MATLAB. II. Test czułości Wszystkie wykresy trójwymiarowe są poprzedzone wykresami warstwowymi 2-D dla współczynnika zysku, współczynnika Sharpe'a, wskaźnika skuteczności wrzodów, CAGR, maksymalnego pobrania, procentu rentownych transakcji i średniej. Wygraj Avg. Współczynnik strat. Ostateczne zdjęcie pokazuje wrażliwość krzywej kapitału. Testowane zmienne: ERLength amp FilterIndex (Definicje: Tabela 1): Rysunek 1 Wydajność portfela (dane wejściowe: Tabela 1: Samppage: 0). AMA (ERLength) to adaptacyjna średnia ruchoma w okresie długości ERL. ERLength to okres obserwacji współczynnika efektywności (ER). ERi abs (Directioni Volatilityi), gdzie 8220abs8221 jest wartością bezwzględną. Directioni Closei Closei ERLength, Volatilityi (abs (DeltaClosei), ERLength), gdzie 82208221 jest sumą w okresie długości ERL, DeltaClosei Closei Closei 1. FastMALength to okres szybkiej średniej ruchomej. SlowMALength to okres powolnej średniej kroczącej. AMAi AMAi 1 ci (Closei AMAi 1), gdzie ci (ERi (Fast Slow) Slow) 2, Fast 2 (FastMALength 1), Slow 2 (SlowMALength 1). Indeks: i ERLength 2, 100, Step 2 FastMALength 2 SlowMALength 30 Long Trades: Jeśli AMAi gt AMAi 1 amp AMAi 1 lt AMAi 2 to MINAMA AMAi 1 (Adaptacyjna średnia ruchoma pojawia się z osią w MinAMA). Krótkie transakcje: AMAi AMAi AMAI 1 AM AMAi 1 gt AMAi 2, następnie MaxAMA AMAi 1 (Adaptacyjna średnia ruchoma maleje z osią w MaxAMA). Indeks: i Filteri FilterIndex StdDev (AMAi AMAi 1, N), gdzie StdDev jest standardowym odchyleniem serii w ciągu N okresów. N 20 (wartość domyślna). Indeks: i FilterIndex 0.0, 1.0, Krok 0.02 N 20 Długie trades: Kup przy zamknięciu jest umieszczany, gdy AMAi gt AMAi 1 amp (AMAi MinAMA) gt Filteri. Krótkie transakcje: sprzedaj na zamknięciu, gdy AMAi AMAi 1 amp (MaxAMA AMAi) gt Filteri. Indeks: i Stop Loss Exit: ATR (ATRLength) to średni rzeczywisty zakres w okresie ATRLength. ATRStop jest wielokrotnością ATR (ATRLength). Długie transakcje: Zatrzymanie sprzedaży jest umieszczane na ATR ATR (ATRLStop) ATR. Krótkie transakcje: kupujący stop zostaje umieszczony na ATR ATR (ATRLStop). ATRLength 20 ATRStop 6 ERLength 2, 100, Step 2 FilterIndex 0.0, 1.0, Step 0.02Ideally, chciałbyś, aby filtrowany sygnał był zarówno płynny, jak i opóźniony. Opóźnienie powoduje opóźnienia w twoich transakcjach, a rosnące opóźnienie w twoich wskaźnikach zazwyczaj skutkuje niższymi zyskami. Innymi słowy, spóźnieni przybysze dostają to, co zostało na stole, już po rozpoczęciu uczty. To dlatego inwestorzy, banki i instytucje na całym świecie pytają o średnią ruchomą w badaniu Jurik (JMA). Możesz go zastosować tak, jak każdą inną popularną średnią ruchomą. Jednak JMA poprawi czas i płynność Cię zadziwi. Poszarpana szara linia na wykresie symuluje akcję cenową rozpoczynającą się w niskim zakresie transakcji, a następnie przechodząc do wyższego zakresu transakcji. Ponieważ nikt nie lubi czekać z boku, idealny filtr przeciwzakłóceniowy (zielona linia) będzie płynnie przesuwał się wzdłuż centrum pierwszego zakresu handlowego, a następnie niemal natychmiast wyskoczy do centrum nowego zakresu handlowego.