Jurik Moyenne Mobile Calcul

FAQ sur JMA Quelle est la théorie derrière JMA. Pourquoi JMA a-t-il un paramètre PHASE? La JMA prévoit-elle une série chronologique? Les valeurs JMA antérieures, déjà tracées, changeront à mesure que de nouvelles données arriveront. Puis-je améliorer d'autres indicateurs en utilisant JMA? JMA a-t-il une garantie particulière Comment JMA se compare-t-elle à d'autres filtres. THÈMES GÉNÉRAUX sur les OUTILS JURIK Les outils peuvent-ils tracer de nombreuses courbes sur chacune des nombreuses cartes. Les outils peuvent-ils traiter tout type de données? Les outils peuvent-ils fonctionner en temps réel? Les algorithmes sont-ils divulgués ou en noir? Les outils Jurik doivent-ils se pencher sur l'avenir d'une série chronologique? Les outils produisent-ils des valeurs similaires sur toutes les plates-formes (TradeStation, Multicharts.). Les outils Juriks sont fournis avec une garantie. Combien de mots de passe d'installation puis-je obtenir. Quelle est la théorie derrière JMA. PARTIE 1. ÉCHECS DE PRIX Les données de séries temporelles de lissage, telles que les cours quotidiens des actions, afin d'éliminer les bruits indésirables, produiront inévitablement un graphique (indicateur) qui se déplace plus lentement que la série chronologique initiale. Cette quotslownessquot amènera le complot à un certain retard derrière la série originale. Par exemple, une moyenne mobile simple de 31 jours retardera la série chronologique des prix de 15 jours. Lag est très indésirable parce qu'un système commercial utilisant cette information aura son commerce retardé. Fin de métier peut souvent être pire que pas de métiers du tout, comme vous pourriez acheter ou vendre du mauvais côté du cycle des marchés. En conséquence, de nombreuses tentatives ont été faites pour minimiser le retard, chacune avec ses propres défaillances. Le décalage de la conquête tout en ne faisant pas d'hypothèses simplificatrices (par exemple que les données consistent en des cycles superposés, des changements de prix quotidiens ayant une distribution gaussienne, tous les prix sont tout aussi importants, etc.) n'est pas une tâche banale. En fin de compte, JMA a dû se baser sur la même technologie que les militaires utilisent pour suivre les objets en mouvement dans l'air en utilisant rien de plus que leur radar bruyant. JMA considère la série chronologique de prix comme une image bruyante d'une cible mobile (le prix souple sous-jacent) et essaie d'estimer l'emplacement de la cible réelle (prix souple). Les mathématiques propriétaires sont modifiées pour tenir compte des propriétés particulières d'une série chronologique financière. Il en résulte une courbe lisse et soyeuse qui ne fait aucune hypothèse sur les données ayant des composantes cycliques quelconques. Par conséquent JMA peut transformer quoton un dimequot si le marché (cible mobile) décide de tourner la direction ou l'écart updown par n'importe quelle quantité. Aucun écart de prix n'est trop important. PARTIE 2. TOUT AUTRE Après plusieurs années de recherches, nous avons déterminé que le filtre de réduction de bruit parfait pour les données financières a les exigences suivantes: Décalage minimum entre le signal et le prix, sinon les déclencheurs commerciaux arrivent en retard. Dépassement minimal, sinon le signal produit de faux niveaux de prix. Minimum minimum, sinon le temps est perdu en attente de convergence après les écarts de prix. Lissage maximal, sauf au moment où les écarts de prix à un nouveau niveau. Lorsqu'ils sont mesurés jusqu'à ces quatre exigences, tous les filtres populaires (sauf JMA) fonctionnent mal. Voici un résumé des filtres les plus populaires. Moyenne mobile pondérée - ne répond pas aux écarts Moyenne mobile exponentielle - dépassement excessif bruyant Moyennes mobiles adaptative - (pas la nôtre) généralement basée sur des hypothèses simplifiées sur l'activité du marché facilement trompé Ligne de régression - ne répond pas aux écarts dépassement excessif FFT filtres - Facilement distordu par le bruit non gaussien dans la fenêtre de données est généralement trop faible pour déterminer avec précision les vrais cycles. Les filtres FIR - ont un retard appelé quotgroup delayquot. Aucun moyen de contourner à moins que vous voulez couper certains coins. Voir quotBand-Passquot filtres. Filtres passe-bande - aucun décalage au centre de la bande de fréquences tend à osciller et à dépasser les prix réels. Les filtres d'entropie maximum - facilement distordus par le bruit non gaussien dans la fenêtre de données sont généralement trop petits pour déterminer avec précision les vrais cycles. Filtres polynomiaux - ne répond pas aux écarts dépassement excessif En revanche, JMA intègre la théorie de l'information et le filtrage non linéaire adaptatif d'une manière unique. En combinant une évaluation du contenu d'information dans une série chronologique avec la puissance de la transformation non linéaire adaptative, le résultat pousse le quotenvelopequot théorique sur le filtrage des séries chronologiques financières presque autant qu'il peut aller. Tout plus et se marient contre Heisenburgs principe d'incertitude (quelque chose que personne n'a surmonté, ou jamais). Pour autant que nous le sachions, JMA est le meilleur. Nous invitons tout le monde à nous montrer le contraire. Pour plus d'analyse comparative des défauts des filtres populaires, téléchargez notre rapport QuotThe Evolution of Moving Averagesquot de notre département des rapports spéciaux. Voir notre comparaison avec d'autres filtres populaires. Pourquoi JMA a-t-il un paramètre PHASE? Il existe deux façons de diminuer le bruit dans une série chronologique utilisant JMA. En augmentant le paramètre LENGTH, le JMA se déplace plus lentement et réduit ainsi le bruit aux dépens du retard ajouté. Vous pouvez également modifier la quantité de quotinertiaquot contenue dans JMA. L'inertie est comme la masse physique, plus vous avez, plus il est difficile de tourner la direction. Ainsi, un filtre avec beaucoup d'inertie nécessitera plus de temps pour inverser la direction et de réduire ainsi le bruit au détriment de dépassement lors des inversions dans la série chronologique. Tous les filtres à fort bruit ont un retard et un dépassement, et JMA ne fait pas exception. Cependant, les paramètres ajustables de la JMA PHASE et LENGTH vous offrent un moyen de sélectionner le compromis optimal entre le retard et le dépassement. Cela vous donne l'occasion d'affiner les différents indicateurs techniques. Par exemple, le graphique (à droite) montre une ligne JMA rapide croisant une ligne JMA plus lente. Pour rendre la ligne JMA rapide tourner quoton un dimequot chaque fois que le marché inverse, il a été mis à ne pas avoir d'inertie. En revanche, la JMA lente a été mis à avoir une grande inertie, ralentissant ainsi sa capacité à tourner pendant les retournements de marché. Cette disposition amène la ligne plus rapide à traverser la ligne plus lente aussi rapidement que possible, produisant ainsi des signaux de croisement à faible décalage. De toute évidence, le contrôle utilisateur d'une inertie de filtres offre une puissance considérable sur des filtres dépourvus de cette capacité. La JMA prévoit-elle une série chronologique? Il ne prévoit pas dans le futur. JMA réduit le bruit à peu près de la même manière qu'une moyenne mobile exponentielle, mais beaucoup mieux. Les valeurs JMA antérieures, déjà tracées, changeront à mesure que de nouvelles données arriveront. Non. Pour tout point sur un tracé JMA, seules les données historiques et actuelles sont utilisées dans la formule. Par conséquent, à mesure que les nouvelles données de prix arrivent sur les tranches de temps ultérieures, les valeurs de JMA déjà tracées ne sont pas affectées et ne changent JAMAIS. Considérez également le cas où la barre la plus récente sur un graphique est mise à jour en temps réel comme chaque nouvelle tique arrive. Étant donné que le cours de clôture de la barre la plus récente est susceptible de changer, JMA est automatiquement réévalué pour refléter le nouveau cours de clôture. Cependant, les valeurs historiques de JMA (sur toutes les barres précédentes) restent inchangées et ne changent pas. On peut créer des indicateurs impressionnants sur les données historiques quand il analyse les valeurs passées et futures entourant chaque point de données en cours de traitement. Toutefois, toute formule qui a besoin de voir les valeurs futures dans une série chronologique ne peut pas être appliquée dans le monde réel de négociation. C'est parce que lors du calcul de la valeur d'aujourd'hui d'un indicateur, les valeurs futures n'existent pas. Tous les indicateurs de Jurik utilisent uniquement les données de séries chronologiques actuelles et antérieures dans ses calculs. Cela permet à tous les indicateurs Jurik de fonctionner dans toutes les conditions en temps réel. Puis-je améliorer d'autres indicateurs en utilisant JMA Oui. Nous remplaçons généralement la plupart des calculs de la moyenne mobile dans les indicateurs techniques classiques par JMA. Cela produit des résultats plus lents et plus opportuns. Par exemple, en insérant simplement JMA dans l'indicateur technique standard DMI, nous avons produit l'indicateur DMX, qui est livré gratuitement avec votre commande de JMA. Est-ce que JMA a une garantie spéciale Si vous nous montrez un algorithme non propriétaire pour une moyenne mobile qui, lorsqu'il est codé pour fonctionner dans TradeStation, Matlab ou Excel VBA, il effectue quotbetterquot que notre moyenne mobile à court, moyen et longs délais de Une randonnée aléatoire, bien rembourser votre licence d'utilisateur acheté pour JMA. Ce que nous entendons par quotbetterquot, c'est qu'il doit être, en moyenne, plus lisse avec pas de décalage moyen plus grand que le nôtre, pas de dépassement moyen plus élevé et pas de dépassement moyen plus élevé que le nôtre. Ce que nous entendons par quadrimestre, moyen et long terme, c'est que les comparaisons doivent inclure trois longueurs JMA distinctes: 7 (court), 35 (moyen), 175 (long). Ce que nous entendons par une marche aléatoire est une série temporelle produite par une somme cumulée de 5000 moyenne nulle, Cauchy distribué des nombres aléatoires. Cette garantie limitée n'est valable que pour le premier mois de votre achat d'une licence d'utilisateur pour JMA auprès de nous ou de l'un de nos distributeurs mondiaux. Comment JMA se compare-t-il à d'autres filtres. Le filtre de Kalman est similaire à JMA en ce que les deux sont des algorithmes puissants utilisés pour estimer le comportement d'un système dynamique bruyant quand tout ce que vous avez à travailler avec des mesures de données bruyantes. Le filtre de Kalman crée des prévisions douces de la série chronologique, et cette méthode n'est pas tout à fait appropriée pour les séries chronologiques financières car les marchés sont enclins à produire des gyrations violentes et des écarts de prix, des comportements qui ne sont pas typiques des systèmes dynamiques fonctionnant en douceur. Par conséquent, le lissage du filtre de Kalman est souvent à la traîne ou dépasse les séries temporelles de prix du marché. En revanche, JMA suit les prix du marché étroitement et en douceur, en s'adaptant aux lacunes tout en évitant les dépassements indésirables. Voir le graphique ci-dessous pour un exemple. Un filtre décrit dans les magazines populaires est la moyenne mobile de Kaufmann. Il s'agit d'une moyenne mobile exponentielle dont la vitesse varie en fonction de l'efficacité des mesures de prix. En d'autres termes, lorsque l'action de prix est dans une tendance claire avec peu de retracement, le filtre de Kaufmann accélère et quand l'action se congestionne, le filtre ralentit. (Voir le tableau ci-dessus) Bien que sa nature adaptative l'aide à surmonter une partie du décalage typique des moyennes mobiles exponentielles, elle reste très en retard par rapport à JMA. Lag est une question fondamentale pour tous les commerçants. Rappelez-vous, chaque barre de retard peut retarder vos métiers et vous nier bénéfice. Une autre moyenne mobile décrite dans les magazines populaires est Chandes VIDYA (Variable Index Dynamic Average). L'indice utilisé le plus souvent à l'intérieur de VIDYA pour régir sa vitesse est la volatilité des prix. À mesure que la volatilité à court terme augmente, la moyenne mobile exponentielle de VIDYA est conçue pour se déplacer plus rapidement et, à mesure que la volatilité diminue, VIDYA ralentit. À la surface cela a un sens. Malheureusement, cette conception a un défaut évident. Bien que la congestion latérale devrait être soigneusement lissée indépendamment de sa volatilité, une période de congestion très volatile serait suivie de près (non lissée) par VIDYA. Par conséquent, VIDYA peut ne pas éliminer les bruits indésirables. Par exemple, le graphique compare JMA avec VIDYA, les deux ensemble pour suivre une tendance à la baisse tout aussi bien. Toutefois, au cours de la congestion qui en résulte, VIDYA ne parvient pas à lisser les pics de prix tandis que JMA glisse avec succès à travers le bavardage. Dans une autre comparaison où les deux VIDYA et Juriks JMA ont été mis à avoir la même douceur, nous voyons dans le graphique que VIDYA est à la traîne. Comme mentionné précédemment, le calendrier tardif peut facilement voler vos profits dans tout commerce. Deux autres indicateurs populaires sont T3 et TEMA. Ils sont lisses et ont peu de retard. T3 est le meilleur des deux. Néanmoins, T3 peut présenter un sérieux problème de dépassement, comme le montre le tableau ci-dessous. Selon votre application, vous ne voudrez peut-être pas un indicateur montrant un niveau de prix que le marché réel n'a jamais atteint, car cela peut provoquer par inadvertance des transactions non désirées. Voici deux commentaires publiés sur les forums Internet pertinents: «L'indicateur T3 est très bon (et Ive a chanté ses éloges avant, sur cette liste). Cependant, Ive a eu l'occasion de dériver quelques mesures de marché alternatives et je les lisse. Theyre assez mal comporté à certains moments. Lorsqu'on les lisse, T3 devient instable et dépasse mal, alors que JMA navigue à travers eux. Allan Kaminsky allank xmission QuotMon propre vue de JMA est compatible avec ce que les autres ont écrit (Ive a passé beaucoup de temps comparant visuellement JMA à TEMA Je ne penserais pas maintenant à utiliser TEMA au lieu de JMA). Steven Buss sbuss pacbell. net Un article dans le numéro de janvier 2000 de TASC décrit une moyenne mobile conçue dans les années 1950 à faible décalage. Son inventeur, Robert Brown, a conçu le quotModified Moving Average (MMA) pour réduire le retard dans l'estimation des stocks. Dans sa formule, la régression linéaire a estimé les courbes momentum courant, qui à son tour est utilisé pour estimer le décalage vertical. La formule soustrait alors le décalage estimé de la moyenne mobile pour obtenir des résultats de décalage faibles. Cette technique fonctionne correctement sur des tableaux de prix bien gérés (en douceur de transition), mais encore une fois, la plupart des autres filtres avancés. Le problème est que le marché réel est tout sauf bien comporté. Une véritable mesure de la forme physique est la façon dont tout filtre fonctionne sur les données financières réelles, une propriété qui peut être mesurée avec notre batterie bien établie de tests de référence. Ces tests révèlent que MMA dépasse les tableaux de prix, comme illustré ci-dessous. En comparaison, l'utilisateur peut définir un paramètre dans JMA pour ajuster la quantité de dépassement, même complètement l'éliminer. Le choix t'appartient. Rappelez-vous, la dernière chose que vous voulez est un indicateur montrant un niveau de prix du marché réel jamais atteint, car cela peut involontairement initier des métiers indésirables. Avec MMA, vous n'avez pas le choix et doit mettre en place avec overshoot si vous l'aimez ou non. (Voir le tableau ci-dessous) Le numéro de Juillet 2000 de TASC contenait un article de John Ehlers décrivant un quotModified Optimal Elliptical Filterquot (abrégé ici sous la forme quotMEFquot). C'est un superbe exemple d'analyse de signal classique. Le graphique ci-dessous compare MEF à JMA dont les paramètres (JMA length7, phase50) ont été définis pour rendre JMA être aussi similaire à MEF que possible. La comparaison révèle ces avantages lors de l'utilisation de JMA: JMA répond aux fluctuations de prix extrêmes plus rapidement. Par conséquent, toutes les valeurs de seuil utilisées pour déclencher des signaux seront exécutées plus tôt par JMA. JMA a presque pas de dépassement, permettant à la ligne de signal de suivre plus précisément l'action prix juste après le mouvement des prix élevés. JMA glisse à travers de petits mouvements de marché. Cela vous permet de vous concentrer sur l'action des prix réels et pas sur l'activité des petits marchés qui n'a aucune conséquence réelle. Une méthode préférée parmi les ingénieurs pour lisser les données de séries chronologiques est d'adapter les points de données avec un polynôme (eq, une spline parabolique ou cubique). Une conception efficace de ce type est une classe connue comme Savitzy-Golay filtres. Le graphique ci-dessous compare JMA à un filtre Savitzy-Golay cubique-spline (3ème ordre) dont les paramètres ont été choisis en haut pour le rendre le plus près possible de JMA. Notez comment sans heurts JMA glisse à travers les régions de congestion commerciale. En revanche, le filtre S-G est assez dentelé. De toute évidence, JMA est, encore une fois, le gagnant. Une autre technique utilisée pour réduire le décalage dans un filtre de moyenne mobile consiste à ajouter une certaine quantité de mouvement (pente) du signal au filtre. Cela réduit le retard, mais avec deux pénalités: plus de bruit et plus de dépassement aux points de pivot de prix. Pour compenser le bruit, on peut utiliser un filtre FIR pondéré symétriquement, qui est plus lisse qu'une simple moyenne mobile, dont les poids peuvent être: 1-2-3-4-3-2-1, puis ajuster ces poids pour ajouter un certain décalage Réduisant l'élan. L'efficacité de cette approche est illustrée dans la figure ci-dessous (ligne rouge). Bien que le filtre FIR traque les prix de près, il reste encore à la traîne de JMA ainsi que d'un dépassement plus important. En outre, le filtre FIR a lissé fixe et doit être redessiné pour chaque lissé différent désiré. En comparaison, l'utilisateur n'a besoin que de changer un paramètre quotsmoothnessquot de JMA pour obtenir l'effet désiré. Non seulement JMA produire de meilleurs graphiques diagrammes de prix, mais il peut améliorer d'autres indicateurs classiques, ainsi. Par exemple, considérons l'indicateur MACD classique, qui est une comparaison de deux moyennes mobiles. Leur convergence (se rapprocher) et divergence (s'écarter) fournissent des signaux qu'une tendance du marché change de direction. Il est essentiel que vous ayez aussi peu de retard que possible avec ces signaux ou vos métiers seront en retard. En comparaison, un MACD créé avec JMA a beaucoup moins de décalage qu'un MACD en utilisant des moyennes mobiles exponentielles. Pour illustrer cette affirmation, la figure ci-dessous est un graphique de prix hypothétique simplifié pour améliorer les questions saillantes. Nous voyons des barres de taille égale dans une tendance à la hausse, interrompue par un écart soudaine à la baisse. Les deux lignes colorées sont des moyennes mobiles exponentielles qui composent un MACD. Notez que le croisement se produit longtemps après l'écart, ce qui entraîne une stratégie de négociation à attendre et le commerce en retard, voire pas du tout. Si vous avez essayé d'accélérer le chronométrage de cet indicateur en rendant les moyennes mobiles plus rapides, les lignes devenaient plus bruyantes et plus dentelées. Cela tend à créer de faux déclencheurs et de mauvais métiers. D'autre part, le graphique ci-dessous montre que la JMA bleue s'adapte rapidement au nouveau niveau de prix, permettant des croisements plus précoces et une désignation antérieure d'une tendance haussière en cours. Maintenant, vous pouvez entrer sur le marché plus tôt et de rouler une plus grande partie de la tendance. Contrairement à la moyenne mobile exponentielle, JMA a un paramètre supplémentaire (PHASE) qui permet à l'utilisateur de régler l'étendue du dépassement. Dans le tableau ci-dessus, la ligne jaune JMA a été autorisé à dépasser plus que le bleu. Cela donne des croisements idéaux. L'une des caractéristiques les plus difficiles à concevoir dans un filtre de lissage est une réponse adaptative aux écarts de prix sans dépasser le nouveau niveau de prix. Cela est particulièrement vrai pour les conceptions de filtres qui utilisent les filtres propre momentum comme un moyen de réduire le retard. Le tableau suivant compare le dépassement par JMA et la moyenne mobile Hull (HMA). Les réglages des paramètres des deux filtres ont été réglés de sorte que leurs performances en régime permanent étaient presque identiques. Un autre problème de conception est de savoir si oui ou non le filtre peut conserver la même souplesse apparente pendant les inversions que pendant les tendances. Le graphique ci-dessous montre comment le JMA conserve une fluidité quasi constante tout au long du cycle, alors que le HMA oscille aux inversions. Cela poserait des problèmes pour les stratégies qui déclenchent les opérations basées sur si le filtre se déplace vers le haut ou vers le bas. Enfin, il ya le cas où les écarts de prix à la hausse et puis recule dans une tendance à la baisse. Ceci est particulièrement difficile à suivre au moment de la retraite. Heureusement, les filtres adaptatifs ont un temps beaucoup plus facile indiquant quand une inversion a eu lieu que les filtres fixes, comme le montre le tableau ci-dessous. Bien sûr, il existe de meilleurs filtres que JMA, principalement utilisés par les militaires. Mais si vous êtes dans l'entreprise de traquer les métiers de bon et non l'avion ennemi, JMA est le meilleur filtre de réduction du bruit disponible disponible pour les données du marché financier. Nous le garantissons. Les moyennes mobiles lissent le bruit des flux de données de prix au détriment du lag (retard) Dans les vieux jours vous pourriez avoir la vitesse, au détriment du lissage réduit Dans les vieux jours vous pourriez seulement avoir votre lissage aux frais De décalage Pensez combien d'heures vous avez perdu en essayant d'obtenir vos moyennes rapides et lisses Rappelez-vous combien il est ennuyeux de voir la vitesse croissante augmente le bruit Rappelez-vous comment vous avez voulu pour un faible décalage et faible bruit Fatigué de travailler comment avoir votre gâteau et le manger Ne pas désespérer, maintenant les choses ont changé, vous pouvez avoir votre gâteau et vous pouvez le manger Précision Lagless moyenne par rapport à d'autres modèles de filtrage avancés De la moyenne de l'industrie de base moyenne (filtres) la moyenne mobile pondérée est plus rapide que l'exponentielle, Bon lissage, en revanche l'exponentielle a un excellent lissage, mais d'énormes quantités de retard (Lag). Moderne quothigh filtres techquot bien que l'amélioration sur les anciens modèles de base, ont des faiblesses inhérentes. Certaines d'entre elles sont observées dans le filtre Jurik JMA et le pire de ces faiblesses est dépassement. La recherche de Jurik admet ouvertement avoir quotminimal overshootquot qui tend à indiquer une certaine forme d'algorithme de prédiction fonctionnant son code. Rappelez-vous que les filtres sont destinés à observer ce qui se passe maintenant et dans le passé. Prédire ce qui se passera ensuite est une fonction illégale dans la trousse d'outils Precision Trading Systems, les données sont lissées et décalées seulement. Ou vous pourriez dire, les tendances sont suivies précisément au lieu de dit que le chemin à suivre, comme c'est le cas avec ces algorithmes de filtre de type illégal. La moyenne de précision de Lagless n'essaye pas de prédire la prochaine valeur de prix. La moyenne de la coque est réclamée par beaucoup pour être aussi rapide et lisse que la JMA par la recherche de Jurik, elle a la bonne vitesse et le faible décalage. Le problème avec la formule utilisée dans la moyenne de Hull est que son très simpliste et conduit à des distorsions de prix qui ont une mauvaise précision causée par la pondération trop lourde (x 2) sur les données les plus récentes (plancher (longueur 2)), puis en soustrayant l'ancien Données, ce qui conduit à des problèmes de dépassement sévère qui dans certains cas sont de nombreux écarts-types à l'écart des valeurs réelles La précision Lagless moyenne a dépassement ZERO. Le diagramme ci-dessous montre l'immense différence de vitesse sur une PLA de 30 périodes et une moyenne de Hull de 30 périodes. Le PLA était de quatre bars en avance sur la moyenne de Hull sur les deux tournants majeurs indiqués sur le graphique de 5 minutes de l'avenir FT-SE100 (qui est une différence de 14). Si vous avez négocié les moyennes à leurs points de retournement pour aller à court sur le prix de clôture dans cet exemple, PLA signalait à 3,977.5 et Hull était un peu plus tard à 3 937, soit environ 40,5 points ou en termes monétaires 405 par contrat. Le signal long sur PLA était à 3936 par rapport à Hulls 3 956,5, ce qui équivaut à une économie de 205 par contrat avec le signal PLA. Est-ce un oiseau. C'est un avion. Aucun de ses filtres moyens de précision comme la moyenne de VIDAYA par Tuscar Chande, qui utilisent la volatilité pour modifier leur longueur ont un autre type de formule qui change leur longueur, mais ce processus n'est pas exécuté avec n'importe quelle logique. Alors qu'ils peuvent très bien fonctionner parfois, cela peut également conduire à un filtre qui peut souffrir à la fois le retard et dépassement. La moyenne de la série chronologique qui est en effet une moyenne très rapide pourrait bien être renommée la moyenne quotovershootingquot cette inexactitude le rend inutilisable pour toute évaluation sérieuse des données à des fins commerciales. Le filtre de Kalman est souvent à la traîne ou dépasse les tableaux de prix en raison de ses algorithmes plus zélés. D'autres facteurs de filtrage facteur dans l'élan des prix pour essayer de prédire ce qui se passera dans le prochain intervalle de prix, et c'est aussi une stratégie erronée, car ils dépassent lorsque les lectures de momentum élevé inverser, laissant le filtre haut et sec et miles loin de l'activité des prix réels . La moyenne de précision de Lagless utilise la logique pure et simple pour décider de sa prochaine valeur de rendement. Beaucoup d'excellents mathématiciens ont essayé et n'ont pas réussi à créer des moyennes libres de lag, et généralement la raison est leur intelligence mathématiques extrêmes n'est pas soutenue par un haut degré de logique de bon sens. La moyenne sans lame de précision (PLA) est construite à partir d'algorithmes de raison purement logique, qui examinent de nombreuses valeurs différentes qui sont stockées dans des tableaux et sélectionne la valeur à envoyer à la sortie. PLAs vitesse supérieure, le lissage et la précision en font un excellent outil de négociation pour les stocks, futures, forex, obligations, etc Et comme avec tous les produits développés par les systèmes de négociation de précision le thème sous-jacent est le même. Écrit pour les commerçants, par un commerçant. PLA Longueur 14 et 50 sur E-Mini Nasdaq futureMoving moyennes Stuff Motivé par e-mail de Robert B. Je reçois cet e-mail à propos de la Moyenne mobile Hull (HMA) et. Et vous n'en avez jamais entendu parler avant. Uh. C'est vrai. En fait, quand j'ai googlé, j'ai découvert beaucoup de moyennes mobiles que je n'ai jamais entendu parler, tels que: Zéro Lag Exponentiel Moyenne mobile Wilder moyenne mobile Moyenne mobile carré Triangulaire Moyenne mobile adaptative Moyenne mobile adaptative Moyenne mobile Jurik. Donc, j'ai pensé que je parlais de moyennes mobiles et. Vous aviez fait ça avant, comme ici et ici et ici et ici et. Oui, oui, mais c'était avant que je sache de toutes ces autres moyennes mobiles. En fait, les seuls avec lesquels j'ai joué étaient ceux-là, où P 1. P 2. P n sont les derniers n cours boursiers (P n étant le plus récent). Moyenne mobile simple (SMA) (P 1 P 2. P n) K où K n. Moyenne mobile pondérée (WMA) (P 1 2 P 2 3 P 3.n P n) K où K (12.n) n (n1) 2. Moyenne mobile exponentielle (EMA) (P n 945 P n-1 945 2 P n-2 945 3 P n-3.) K où K 1 945945 2. 1 (1-945). Whoa Ive jamais vu cette formule EMA avant. J'ai toujours thoguht c'était. Ouais, son écrit normalement différemment, mais je voulais montrer que ces trois ont des prescriptions similaires. (Voir les choses EMA ici et ici.) En effet, ils ressemblent tous: Notez que, si tous les Ps sont égaux à, disons, Po, alors la moyenne mobile est égal à Po aussi bien. Et c'est la façon dont toute moyenne qui se respecte devrait se comporter. Donc, ce qui est le mieux Définir mieux. Voici quelques moyennes mobiles, en essayant de suivre une série de prix des actions qui varient de façon sinusoïdale: les cours des actions qui suivent une courbe sinusoïdale Où avez-vous trouvé un stock comme celui-là Attention attention que les moyennes mobiles couramment utilisés (SMA, WMA Et EMA) atteignent leur maximum après la courbe sinusoïdale. Thats retard et. Mais qu'en est-il de ce type HMA. Il a l'air assez bien Ouais, et c'est de ça que nous voulons parler. Effectivement. Et qu'est-ce que 6 dans HMA (6) et je vois quelque chose appelé MMA (36) et. La patience. Moyenne mobile de la coque Nous commençons par calculer la moyenne mobile pondérée de 16 jours (WMA) comme suit: 1 WMA (16) (P 1 2 P 2 3 P 3. 16 P n) K avec K 12. 16 136. Bien que son agréable Et smoooth, itll ont un retard plus grand que wed comme: Ainsi nous regardons le WMA de 8 jours: Je l'aime Oui, il suit les variations de prix assez bien. Mais theres plus. Alors que WMA (8) examine les prix plus récents, il a encore un retard, donc nous voyons combien la WMA a changé en passant de 8 jours à 16 jours. Cette différence ressemblerait à ceci: Dans un sens, cette différence donne une indication de la façon dont WMA est en train de changer. Nous ajoutons cette modification à notre WMA antérieure (8) pour donner: 2 WMA (16) WMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16). MMA Pourquoi l'appeler MMA Je bégaie. Quoi qu'il en soit, MMA (16) ressemblerait à ceci: Ill prendra Patience. Il y a plus. Maintenant, nous introduisons la transformation magique et obtenir. Ta-DUM C'est la coque Oui. Comme je le comprends Mais quel est le rituel magique Après avoir généré une série de MMA s impliquant les moyennes mobiles pondérées de 8 jours et 16 jours, nous regardons fixement cette séquence de nombres. Ensuite, nous calculons la WMA au cours des 4 derniers jours. Cela donne la moyenne mobile Hull que nous avons appelée HMA (4). Huh 16 jours puis 8 jours puis 4 jours. Vous lancez une pièce de monnaie pour voir combien. Vous choisissez un certain nombre de jours, comme n 16. Puis vous regardez WMA (n) et WMA (n2) et calculer MMA 2 WMA (n2) - WMA (n). (Dans notre exemple, thatd être 2 WMA (8) - WMA (16).Vous calculer ensuite WMA (sqrt (n)) en utilisant seulement les derniers numéros sqrt (n) de la série MMA (dans notre exemple, thatd être calculer Un WMA (4), en utilisant la série MMA.) Et pour ce graphique SINE drôle Howd it do Alors wheres le feuille de calcul Im toujours travailler sur elle: MA-stuff. xls Son intéressant de voir comment les différentes moyennes mobiles réagissent aux pointes: HMA est vraiment une moyenne mobile pondérée Bien, voyons: Nous avons: MMA 2 WMA (8) - WMA (16) 2 (P 1 2 P 2 3 P 3 8 P n) 36 - (P 1 2 P 2 3 P Pour les raisons sanitaires, bien écrire ceci comme ceci: (1) (1) P MMA w 1 P 1 w 2 P 2 w 16 P 16. Noter que tous les poids s'ajoutent à 1. Par ailleurs, wk 2 (136) - (1136) K pour K 1, 2. 8 et wk - (1136) K Pour K 9, 10. 16. Ensuite, en effectuant le rituel magique racine carrée (où sqrt (16) 4), nous avons (rappelant que P 16 est la valeur la plus récente) HMA la WMA de 4 jours des MMA ci-dessus (W 1 P 1 w 2 P 2. W 16 P 16) 2 (w 1 P 0 w 2 P 1 w 16 P 15) 3 (w 1 P -1 w 2 P 0 w 16 P 14) 4 (w 1 P -2 w 2 P -1 W 16 P 13) 10 (notant que 1234 10). Huh P 0. P -1. Quelle. Le MMA (16) utilise les 16 derniers jours, retour au prix étaient callling P 1. Si nous calculons la moyenne pondérée de 4 jours de ces MMAs, bien utiliser le MMA d'hier (et cela remonte un jour avant P 1) et la veille, le MMA remonte à 2 jours avant P 1 et le jour Avant that. Okay, donc vous êtes appeler les prix P 0. P -1 etc. etc. Tu l'as eu. Ainsi, un HMA de 16 jours utilise réellement des informations qui remontent à plus de 16 jours, à droite Vous l'avez obtenu. Mais il ya des poids négatifs pour eux anciens prix Est-ce légal La preuve est dans le. Yeah Yeah. la preuve est dans le pudding. Alors, qu'est-ce que la feuille de calcul faire À ce jour, il ressemble à ceci: (Cliquez sur l'image pour télécharger.) Vous pouvez choisir une série SINE ou une série RANDOM des prix des actions. Pour ce dernier, chaque fois que vous cliquez sur un bouton vous obtenez un autre ensemble de prix. Ensuite, vous pouvez choisir le nombre de jours: c'est notre n. (Par exemple, nous avons utilisé n 16 pour notre exemple ci-dessus.) De plus, si vous choisissez la série SINE, vous pouvez introduire des pointes et les déplacer le long du graphique. comme ça . Notez que weve utilisé n 16 et n 36 (dans l'image de la feuille de calcul) cause n2 et sqrt (n) sont tous deux des nombres entiers. Si vous utilisez quelque chose comme n 15, alors la feuille de calcul utilise la partie INT eger de n2 et sqrt (n), à savoir 7 et 3. Donc, la Moyenne mobile Hull est la meilleure Définir mieux. Je ne sais rien à ce sujet. Il propriétaire et vous devez payer pour l'utiliser. Cependant, permet de jouer avec les moyennes mobiles. Une autre moyenne mobile Supposons que, au lieu de la moyenne mobile pondérée (où les poids sont proportionnels à 1, 2, 3.). Nous utilisons le rituel Hull magique avec la moyenne mobile exponentielle. C'est - à - dire que nous considérons que: MAg 2 EMA (n2) - EMA (n) MAg Oui, thats M oving A verage g immick ou M oving A verage g énérisé ou M oving A verage g rand ou. Ou M oving M og e de l'a veg e Suivre l'attention Nous choisissons notre nombre de jours préféré, comme n 16, et calculons MAg (n, 945, k) 945 EMA (nk) - (1-945) EMA (n). Nous pouvons jouer avec 945 et k et voir ce que nous obtenons: Par exemple, voici quelques MAgs (où ont été collé à 16 jours mais changeant les valeurs de 945 et k): MAg (16) 2 EMA (4) - EMA 16) Notez que lorsque nous choisissons k 3, nous obtenons nk 163 5.333 que nous passons au simple et simple 5.0. Pourquoi ne pas vous coller avec les choix de coques: 945 2 et k 2 Bonne idée. Mer obtenir ceci: MAg (16) 2 EMA (8) - EMA (16) ressemble à la carte avec 945 1,5 et k 3. Il ne, il doesnt goof. Encore une fois. Alors, qu'en est-il du rituel racine carrée, je le laisse comme un exercice. Pour vous Okay, en jouant avec cette chose MAg je trouve que Hulls k 2 fonctionne très bien. Si bien s'en tenir à cela. Cependant, nous obtenons souvent une moyenne assez agréable quand nous ajoutons juste un petit morceau du changement: EMA (n2) - EMA (n). En fait, ajoutez une fraction 946 de ce changement. Cela donne: MAg (n, 946) EMA (n2) 946 EMA (n2) - EMA (n). Par exemple, si nous comparons notre nombre de moyennes mobiles alors qu'elles suivent une fonction STEP, nous obtenons ceci, où nous ajoutons (pour MAg) seulement 946 12 de le changement. Ouais, mais quelle est la meilleure valeur de bêta. Définir mieux: Notez que la bêta 1 est le choix de coque. Sauf qu'ils utilisaient des EMA plutôt que des WMA. Et vous laissez de côté cette racine carrée. Euh, oui. Je l'ai oublié. Remarque . La feuille de calcul change d'heure en heure. Il ressemble à ceci quelque chose à jouer avec Je me suis une feuille de calcul qui ressemble à ceci. Cliquez sur l'image pour télécharger. Vous choisissez un stock et cliquez sur un bouton et obtenir des années de prix quotidiens. Vous choisissez soit HMA ou MAg, en changeant le nombre de jours et, pour MAg, le paramètre, et voir quand vous devriez acheter ro VENDRE. Quand Basé sur les critères Si la moyenne mobile est DOWN x de son maximum au cours des 2 derniers jours, vous ACHETEZ. (Dans l'exemple, x 1.0) Si son UP y de son minimum au cours des 2 derniers jours, vous VENDEZ. (Dans l'exemple, y 1.5) Vous pouvez modifier les valeurs de x et y. Est-il bon. Ces critères, j'ai dit que c'était quelque chose à jouer. Theres cette autre technique de lissage appelé le filtre de Hodrick-Prescott. Avec l'aide de Ron McEwan, son maintenant inclus dans cette feuille de calcul: Est-ce un bon jeu avec elle. Vous remarquerez qu'il ya un paramètre que vous pouvez changer dans la cellule M3. Et ACHETER et VENDRE des signaux.