Ehlers เฉลี่ยเคลื่อนที่

ถ้าคุณมีคำถามหรือคำแนะนำใด ๆ คุณสามารถเข้าร่วมการสนทนาในฟอรัมของเราเกี่ยวกับ Ehlers MESA Adaptive Moving Average เข้าร่วม Forum. Developed by John Ehlers ค่า MESA Adaptive Moving Average เป็นตัวบ่งชี้แนวโน้มทางเทคนิคซึ่งตามผู้สร้างปรับตัว เพื่อการเคลื่อนไหวของราคาขึ้นอยู่กับอัตราการเปลี่ยนแปลงของเฟสตามที่วัดโดย Hilbert Transform Discriminator วิธีการปรับตัวนี้มีคุณสมบัติที่รวดเร็วและค่าเฉลี่ยเคลื่อนที่ช้าเพื่อให้ค่าเฉลี่ยเคลื่อนที่แบบคอมโพสิตตอบสนองต่อการเปลี่ยนแปลงราคาและถือค่าเฉลี่ยจนกว่าจะมีแถบถัดไป ปิด Ehlers ระบุว่าเนื่องจาก s fallback เฉลี่ยของช้าคุณสามารถสร้างระบบการค้าที่มีธุรกิจการค้า whipsaw ฟรีด้านล่างคุณสามารถดูตัวบ่งชี้ที่วางแผนไว้ในแพลตฟอร์มการซื้อขายแหล่งที่มาของภาพ VT Trader. Basically ตัวบ่งชี้ที่ดูเหมือนว่าสองค่าเฉลี่ยเคลื่อนที่, MESA Adaptive MA เคลื่อนไหวในลักษณะบันไดเนื่องจาก ratchets ราคาจะผลิต 2 รายการคือ MAMA และ FAMA FAMA ตามค่าเฉลี่ยการปรับตัวแบบ Adaptive Movement Average เป็นผลมาจาก MAMA ที่ถูกนำมาใช้กับสาย MAMA ตัวแรก FAMA จะซิงโครไนซ์กับ MAMA แต่การเคลื่อนที่ตามแนวตั้งมาพร้อมกับความล่าช้าดังนั้นทั้งสองเส้นจะไม่ได้รับการเปลี่ยนแปลงไปตามทิศทางตลาด ส่งผลให้ระบบครอสโอเวอร์เฉลี่ยเคลื่อนที่ซึ่งแทบไม่มีการซื้อขายแส้ตาม Ehlers ค่า MESA Adaptive Moving Average ถูกใช้แทนค่าเฉลี่ยเคลื่อนที่แบบเดิมเช่น MAMA และ FAMA สามารถซื้อขายได้เหมือนกับค่าเฉลี่ยเคลื่อนที่โดยทั่วไปเฟิร์สท์ ถือเป็นแนวรับและแรงต้านทานที่แข็งแกร่งและราคาจะปรับตัวสูงขึ้นเมื่อมีการติดต่อทำให้ MAMA และ FAMA เข้าสู่พื้นที่ที่เหมาะสมกับการเข้าสู่ยุคที่สองส่วนไขว้ระหว่าง MAMA และ FAMA คล้ายกับ Golden หรือ Death Cross , นอกจากนี้ยังมีการซื้อขายกันอย่างแพร่หลายเมื่อมาม่าข้าม FAMA จากด้านล่างและขอบสูงขึ้นซึ่งหมายความว่าตลาดมีแนวโน้มที่จะยังคงขยับขึ้นสร้างสัญญาณซื้อตรงกันข้ามเมื่อ MAMA cr osses FAMA จากด้านบนและขอบล่างมันหมายถึงตลาดที่มีขอบลดลงและมักจะทำต่อไปจึงสร้างสัญญาณเข้าสั้น MESA Adaptive Moving เฉลี่ยเช่นเดียวกับค่าเฉลี่ยเคลื่อนที่แบบดั้งเดิมสามารถใช้เป็นขาตั้ง - ตัวบ่งชี้หนึ่งตัว แต่ยังรวมกับตัวบ่งชี้อื่น ๆ ซึ่งรวมกันโดยทั่วไปกับ SMA และ EMA เพื่อปรับปรุงการตัดสินใจของคุณหากคุณมีคำถามหรือคำแนะนำใด ๆ คุณสามารถเข้าร่วมการสนทนาในฟอรัมของเราเกี่ยวกับ Ehlers MESA Adaptive Moving Average Binary Tribune มุ่งมั่นที่จะให้ผู้อ่านได้รับข้อมูลข่าวทางการเงินที่ถูกต้องและเป็นจริงเว็บไซต์ของเรามุ่งเน้นไปที่ส่วนสำคัญในตลาดการเงินหุ้นสกุลเงินและสินค้าโภคภัณฑ์และคำอธิบายในเชิงลึกในเชิงลึกเกี่ยวกับเหตุการณ์และตัวชี้วัดทางเศรษฐกิจที่สำคัญ การเปิดเผยข้อมูลความเสี่ยงทางการเงิน จะไม่รับผิดชอบต่อการสูญหายของเงินหรือความเสียหายใด ๆ ที่เกิดจากการพึ่งพาข้อมูลในเว็บไซต์การเทรดหุ้นและสินค้าโภคภัณฑ์ส่วนต่างมีความเสี่ยงสูงและอาจไม่เหมาะสำหรับนักลงทุนทุกรายก่อนที่จะตัดสินใจซื้อขายเงินตราต่างประเทศ คุณควรพิจารณาวัตถุประสงค์การลงทุนของคุณระดับประสบการณ์และความเสี่ยงที่น่าสนใจนโยบายคุกกี้เว็บไซต์นี้ใช้คุกกี้เพื่อมอบประสบการณ์ที่ดีที่สุดแก่คุณและเพื่อให้คุณรู้จักคุณได้ดียิ่งขึ้นโดยไปที่เว็บไซต์ของเราโดยเบราเซอร์ของคุณอนุญาตให้ใช้คุกกี้ การใช้คุกกี้ตามที่ได้อธิบายไว้ในนโยบายความเป็นส่วนตัวของเราลิขสิทธิ์ฉบับย่อ 2017 Binary Tribune สงวนไว้ทั้งหมด FACTAL Movement Average โดยเฉลี่ย FRAMA. FRAMA ย่อมาจาก Fractal Adaptive Moving Average และเราจัดให้เป็น Log-Normal Adaptive Moving Average LAMA ที่สร้างขึ้นโดย John F Ehlers ดูกระดาษต้นฉบับของเขาหรือบทความจากฉบับปี 2005 จากการวิเคราะห์ทางเทคนิคของหุ้นและสินค้าโภคภัณฑ์เศษส่วนปรับใช้ค่าเฉลี่ยเคลื่อนที่มันใช้ Fra ctal เรขาคณิตในความพยายามที่จะปรับระยะเวลาให้ราบเรียบแบบไดนามิกเพื่อให้เหมาะกับการเปลี่ยนแปลงราคาที่เกิดขึ้นตลอดเวลาทฤษฎี FRAMA เป็นทฤษฎีที่ฉลาด แต่ทฤษฎีที่ฉลาดไม่ได้รับประกันผลลัพธ์ที่ดีเพื่อให้เราสามารถวางแนวความคิดไว้ในวงแหวนสำหรับการต่อสู้ทางเทคนิคสำหรับสุดยอด แต่ก่อนที่เราจะไปเพิ่มเติมใด ๆ เป็นสิ่งสำคัญที่เราเข้าใจสิ่งที่เรากำลังทดสอบดังนั้นฉันจะอธิบายวิธี FRAMA ทำงานแม้ว่าฉันต้องยอมรับมันเป็นบิตเหนือการศึกษาคณิตศาสตร์ที่ฉัน didn t ให้ความสนใจในโรงเรียนนอกจากนี้เรามี ใส่สเปรดชีต Excel ฟรีที่มี Fractional Adaptive Moving Average เพื่อให้คุณสามารถทดสอบได้ด้วยตัวคุณเอง ถ้าคุณต้องการข้ามวิชาคณิตศาสตร์แล้วข้ามไปที่ผลการทดสอบที่สมบูรณ์นี่คือ FRAMA Effective. FRAMA Topics. How FRAMA Works. First ทั้งหมดของ FRAMA ใช้ประโยชน์จากข้อเท็จจริงที่ว่าตลาดการเงินเป็นรูป fractal รูปร่าง fractal กล่าวจะเป็น หยาบหรือแยกส่วนและสามารถแบ่งออกเป็นส่วนซึ่งแต่ละอย่างน้อยคล้ายกับสำเนาขนาดที่เล็กกว่าของตัวอย่างเดิมคุณจะเห็นอะไรแปลก ๆ เกี่ยวกับแผนภูมิด้านล่างหากไม่ได้บอกคุณจะรู้ว่าครึ่งซ้ายของแผนภูมิ ด้านบนเป็น 5 ปีของบาร์รายเดือนและครึ่งทางขวาคือ 15 วันในแถบ 30 นาทีอาจไม่เพราะการเคลื่อนไหวของราคามีลักษณะคล้ายกันไม่ว่ากรอบเวลาที่เรากำลังดูพวกเขาในลักษณะนี้เรียกว่า self-similarity และกำหนด fractal shape. By การหามิติเศษส่วนหรือ D เราได้รับการบ่งชี้ว่าสมบูรณ์เศษดูเหมือนจะเติมช่องว่างเป็นหนึ่งซูมลงไปเกล็ดปลีกย่อยและปลีกย่อยคิดด้วยวิธีนี้แผนภูมิหุ้นมีขนาดใหญ่เกินไปที่จะเป็นหนึ่งมิติ แต่บางเกินไปบาง o เป็นสองมิติดังนั้นมิติข้อมูลเศษส่วนคือการอ่านระหว่างหนึ่งถึงสอง สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ Fractals และ D โปรดอ่านโพสต์นี้มิติข้อมูลเศษส่วน FRAMA ระบุขนาดเศษส่วนของราคาในช่วงเวลาหนึ่ง ๆ จากนั้นจึงใช้ผลลัพธ์เพื่อปรับช่วงเวลาที่ราบเรียบของค่าเฉลี่ยเคลื่อนที่ที่เป็นไปได้ที่เกิดการเสียดสีแบบไดนามิกค้นหา Fractal มิติของรูปร่างหากต้องการหามิติเศษส่วน D ของรูปทรงที่เราวาดด้วยจำนวน F ของวัตถุขนาดเล็กที่มีขนาดต่างๆเข้าสู่ระบบ SD Log F2 F1 ล็อก S1 S2 สำหรับคนที่คุณชอบฉันที่ไม่ค่อยให้ความสนใจในวิชาคณิตศาสตร์ เข้าสู่ระบบสั้นสำหรับ Logarithm และเป็นอำนาจที่จำนวนที่ต้องยกขึ้นเพื่อที่จะให้ผลลัพธ์ที่กำหนดยกเว้นกรณีที่ระบุไว้จำนวนฐานเป็น 10 ดังนั้นบทเรียนคณิตศาสตร์ที่รวดเร็วช่วยให้คำนวณ Fractal มิติสำหรับส่วนของเส้นที่ มีความยาว 10 เมตรเลือกขนาดเล็ก 2 อันเช่น S1 1 เมตรและ S2 0 1 เมตรโดยวางกล่องขนาดเหล่านี้ไว้บนส่วนของเส้นที่เราสามารถใส่ได้ 10 ขนาด 1 เมตรและ 100 ของขนาด 0 1 เมตรดังนั้น F1 10 และ F2 100 Ther efore. D Log F2 F1 เข้าสู่ระบบ S1 S2.D เข้าสู่ระบบ 100 10 เข้าสู่ระบบ 1 0 1.D เข้าสู่ระบบ 10 เข้าสู่ระบบ 10. เนื่องจาก D 1 เราได้เปิดเผยว่า Fractal มีอยู่ครบถ้วนในมิติเดียวซึ่งสมเหตุสมผลเนื่องจากรูปร่างที่วัดได้เพียงแค่แบน line. For ตัวอย่างที่สองแทนแบนเส้นช่วยให้ใช้ตารางที่ 10 x 10 เมตรรักษา S1 และ S2 เดียวกันเราได้รับ F1 100 และ F2 10,000.D. D log F2 F1 ล็อก S1 S2.D เข้าสู่ระบบ 10,000 100 เข้าสู่ระบบ 1 0 1.D เข้าสู่ระบบ 100 เข้าสู่ระบบ 10.Because D 2 เราได้พบว่าเศษส่วนได้เต็มรูปแบบสองมิติซึ่งทำให้รู้สึกเป็นรูปร่างที่วัดได้ตารางและสี่เหลี่ยมต้องสองมิติที่มีอยู่ขออภัย แต่ราคาหุ้นขาดระเบียบนี้ แต่ ยังคงเหมือนกันดังนั้นในการที่จะค้นพบ D ของราคาหุ้นเราต้องเฉลี่ยขนาดเศษส่วนที่วัดได้มากกว่าเกล็ดที่แตกต่างกันการขยับขยายโค้งราคากับชุดของกล่องเล็ก ๆ เป็นเรื่องที่ยุ่งยากเกินไป แต่เนื่องจากตัวอย่างราคามีการเว้นระยะเท่ากันแต่ละแท่ง 1 วัน, 1 สัปดาห์, 10 นาที ฯลฯ Ehlers ตัดสินใจว่าความลาดชันเฉลี่ย o เส้นโค้งอาจใช้เป็นค่าประมาณของจำนวนกล่องนับว่าซับซ้อนน้อยกว่าเสียงที่ลาดได้โดยการใช้ราคาสูงสุดในช่วงเวลาลบด้วยราคาต่ำสุดในช่วงเวลานั้นและหารผลตามจำนวน เราจะเรียกใช้ตัววัดนี้ HL เพราะฉะนั้น HL Max High, N Min Low, N N. เราจะต้องหาค่าความสามารถในการวัดค่า HL ในครึ่งแรกครึ่งปีที่สองและความยาวเต็มของ N เพื่อช่วยให้เราหา D ให้ชัดเจน โคลนคำนวณหาค่า Fractal Average ปรับค่าเฉลี่ยเริ่มต้นด้วยราคาปิดหลังจากนั้น FRAMA คำนวณตามสูตรต่อไปนี้ FRAMA FRAMA 1 ปิด FRAMA 1. คุณจะสังเกตได้ว่านี่เป็นสูตรเดียวกับสูตรสำหรับเลขยกกำลัง Moving Average EMA. EMA EMA 1 ปิด EMA 1. อัลฟ่าใน EMA คือ 2 N 1 ดังนั้นจึงยังคงเป็นค่าคงที่สำหรับ FRAMA EXP WD 1 ทำให้สามารถปรับเปลี่ยนตามขนาดการเปลี่ยนแปลง Fractal Dimension ได้ EXP เรียกว่า Exponential Function ซึ่งเป็น เช่น Log แต่แทนที่จะเป็นฐานสันนิษฐานจาก 10 มันมีฐานของ S ox log 10 x และ x EXP ex โดยที่ e ประมาณ 2 718281828 สับสน แต่ e เป็นจำนวนที่ไม่ซ้ำกันเนื่องจากความลาดเอียงของเส้นโค้งของมันคือ 1 เมื่อ x 0 และจะแก้ปัญหาดอกเบี้ยทบต้น Didn t ทราบว่ามีปัญหากับดอกเบี้ยทบต้น ทั้งคุณไม่ได้เห็นถ้าคุณลงทุน 1 ที่อัตราดอกเบี้ย 100 คำนวณเป็นรายปีในตอนท้ายของปีแรกคุณจะมี 2 ง่าย แต่ถ้าคุณรวมดอกเบี้ยในระหว่างปีจะได้รับบิตซับซ้อนมากขึ้นเมื่อดอกเบี้ยเป็น compounded ทุกๆ 6 เดือนคุณสามารถหาผลลัพธ์สำหรับปีนี้ได้โดยคูณ 1 ถึง 1 5 สองครั้งดังนั้น 1 00 1 5 2 2 25 ถ้าผลรวมของดอกเบี้ยเป็นรายไตรมาสผลลัพธ์คือ 1 00 1 25 4 2 44 และเป็นรายเดือน 1 00 1 0833 12 2 613035.Notice ว่าแต่ละครั้งที่คุณเพิ่มความถี่ของ compounding คุณจะได้ผลลัพธ์ที่ใหญ่กว่านี่คือปัญหาดอกเบี้ยทบต้นอย่างไรก็ตามถ้าคุณลงทุน 1 กับผลตอบแทน 100 ในแต่ละปีและดอกเบี้ยคือสารประกอบอย่างต่อเนื่องแล้วผลที่ได้คือ e. ถ้าจำนวน Y มีตัวแปรสุ่มกับค่าปกติ การจัดจำหน่ายแล้ว EXP Y มีราคาหุ้นกระจายปกติเป็น Log-Normal ดังนั้น EXP จะใช้เพื่อให้ Fractal Dimension เป็น Alpha ให้อ่านต่อไปซึ่งจะทำให้เข้าใจได้มากขึ้นเร็ว ๆ นี้ Log-Normal คืออะไรและทำไมถึงเป็นหุ้น ราคา ในทางทฤษฎีการเปลี่ยนแปลงร้อยละเพื่อให้ได้ราคาหุ้นในอนาคตที่เป็นไปได้ในช่วงท้ายของช่วงเวลานั้นคือการกระจายตามปกตินั่นคือการเปลี่ยนแปลงจะส่งผลให้เกิดผลตอบแทนในเชิงบวกหรือเชิงลบและ 95 ของผลลัพธ์ควรอยู่ในส่วนเบี่ยงเบนมาตรฐาน 2 ค่าของค่าเฉลี่ย การเปลี่ยนแปลงปกติกระจายไมเคิล Stokes อธิบาย Tails ไขมันราคาที่เป็นไปได้ที่จะเป็นผลมาจากการเปลี่ยนแปลงเหล่านั้นสามารถช่วงจากศูนย์และอินฟินิตี้นี่เป็นเพราะสต็อกสามารถ t ลดลงมากกว่า 100 เป็นที่จะส่งผลในราคาที่เป็นลบ แต่ก็สามารถเพิ่มเติม กว่าสองเท่าดังนั้นราคาจึงถูกกล่าวถึงเป็น Log-Normal แนวคิดนี้ทำให้ฉันสับสนจริงๆในตอนแรก แต่ภาพมีค่ามากกว่า 1000 คำดังนั้นเพื่อแสดงให้เห็นว่าราคาหุ้นมีการประมาณ Log-Normal ฉันคำนวณการเปลี่ยนแปลงของราคาในช่วงปีก่อน ๆ 10,000 วันทำการของ Dow ในทฤษฎีผลลัพธ์เหล่านี้ถูกแจกจ่ายโดยปกติดังนั้นการหา EXP ของพวกเขาและการวางแผนความถี่แต่ละผลลัพธ์จะเกิดขึ้นกราฟด้านบนแสดงให้เห็นถึงราคาปิดที่น่าจะเป็นมากที่สุด สำหรับดาวโจนส์ในเวลาหนึ่งปีตอนนี้ถ้าตัวเลข Y เป็น Log-Normal แล้ว Log Y จะถูกแจกแจงตามปกติดังนั้นหากราคาหุ้นเป็นจริง Log-Normal แล้วโดยการ Log ของการเปลี่ยนแปลงราคาในแผนภูมิข้างต้นที่เราควรจะได้รับ สิ่งที่ดูเหมือนโค้งระฆังอยู่ข้างบนคุณสามารถเห็นเส้นโค้งระฆังทั้งหมดไม่ว่าจะเป็นที่น่าเกลียดที่แสดงความน่าจะเป็นของโอกาสเปอร์เซ็นต์ใด ๆ เกี่ยวกับดาวโจนส์ในปีถัดไประหว่าง -20 และ 25 ดังนั้นหวังว่าจะอธิบายว่า Log-Normal คืออะไร และทำไมมันเป็นลักษณะของราคาหุ้นนี่สิ้นสุดบทเรียนคณิตศาสตร์วิธีการคำนวณเศษส่วนปรับค่าเฉลี่ยต่อเนื่อง FRAMA FRAMA 1 ปิด FRAMA 1.D เข้าสู่ระบบ HL1 HL2 เข้าสู่ระบบ HL Log 2.HL1 สูงสุดสูง NN ต่ำสุด NN N. HL2 สูงสุดสูงสุด N ต่ำสุดต่ำสุด N. HL สูงสุดสูงต่ำสุดต่ำสุด NN ระยะเวลา FRAMA ต้องเป็นตัวเลขคู่ W -4 6 ตั้งโดย Ehlers แต่สามารถเปลี่ยนได้ดู FRAMA ที่ดัดแปลงถ้า Alpha 0 01 แล้ว Alpha 0 01. ถ้าอัลฟ่า 1 แล้วอัลฟ่า 1.Finding ขนาดเศษส่วน, Examples. Lets ได้ดูที่ราคาทางทฤษฎีบางอย่างและผล F ractal Dimension. Above มีสามเส้นโค้งราคาตอนนี้จะช่วยให้คำนวณ D สำหรับแต่ละที่ N 100.D Log HL1 HL2 เข้าสู่ระบบ HL เข้าสู่ระบบ 2.For Curve A เต็มรูปแบบจะทำซ้ำในทั้งสองครึ่งของแผนภูมิจึงมีอยู่ได้อย่างเต็มที่ในสองมิติ และ D 2 สำหรับ Curve B เพียงครึ่งหนึ่งของช่วงจะถูกทำซ้ำในแต่ละครึ่งของแผนภูมิดังนั้นจึงมีอยู่ระหว่างระหว่างหนึ่งถึงสองมิติหรือโดยเฉพาะ D 1 58 ช่วงของ Curve C จะไม่เกิดขึ้นซ้ำ ๆ ระหว่างสองส่วนครึ่งของแผนภูมิ ดังนั้นจึงมีอยู่ในมิติเดียวเท่านั้นและ D 1. มิติ Fractal D มีผลต่อระยะเวลา Smoothing N อย่างไร FRAMA ปรับตัวระหว่างการเป็น EMA แบบเร็วหรือช้าใน Fractal Dimension ของราคาหุ้น Ehlers ออกแบบ EMA ที่ช้าที่สุดให้มีค่าประมาณ 200 งวดระยะเวลาและเร็วที่สุดที่จะมีระยะเวลาหนึ่งหรือพูดอีกนัยหนึ่งจะเท่ากับราคาของตัวเองดังนั้นสำหรับสามเส้นโค้งจากตัวอย่างก่อนหน้านี้เราจะเห็นว่าการเปลี่ยนแปลง D และวิธีการที่มีผลต่อ N หรือระยะเวลาที่ราบเรียบของผลลัพธ์ EMA Ehlers ชุด W เป็น -4 6 แต่สามารถเปลี่ยนได้ดู Modified FRAMA เมื่อ D 2 เป็น Curve A ผลที่ได้คือ Slow EMA 198 ครั้งในขณะที่ D 1 เหมือนกับ Curve C ผลที่ได้คือ Fast EMA ของระยะเวลาหนึ่ง ราคาปิดตัวเองโครงสร้างการปรับตัวนี้อย่างรวดเร็วต่อไปนี้การเปลี่ยนแปลงที่สำคัญในราคาและการเปลี่ยนแปลงอย่างช้าๆเมื่อราคาอยู่ในเขตความแออัด John Ehlers ปรับ FRAMA. Ehlers ตั้ง rigidly FRAMA เพื่อเปลี่ยนระหว่าง Fast EMA ของ 1 ระยะเรียกว่า FC และ Slow EMA 198 วันจะเรียกว่า SC แต่เนื่องจากเรากำลังเข้าสู่ FRAMA ใน Technical Indicator Fight for Supremacy ฉันต้องการที่จะกำหนด FC และ SC ของตัวเลือกของฉันโดยเฉพาะขอขอบคุณ Prospectus Real Rocket Scientist ต้องการเป็นผู้ประกอบการค้าสำหรับความช่วยเหลือของเขาในส่วนนี้ให้แน่ใจว่าได้สมัครสมาชิกบล็อกของเขาและปฏิบัติตามเขาใน twitter. So แทนการตั้งค่า W เป็น -4 6 เป็น Ehlers ได้ทำให้ W LN 2 SC 1 ส่งผลให้ FRAMA ที่เปลี่ยนระหว่าง FC ของ 1 และ SC ที่คุณเลือกเช่นที่ SC 200, W - 4 61015 Ehlers เห็นได้ชัดปัดนี้ออกด้วยเหตุนี้การตั้งค่าของเขา -4 6.What LN คืออะไรและทำไมเราใช้เพื่อหา W. LN เป็นคำย่อของ Natural Logarithm และเป็นผกผันของ EXP ดังนั้นถ้า EXP 1 x แล้ว LN x 1 เนื่องจาก EXP ใช้กับ Fractal Dimension เป็น Alpha ดังนั้น LN จึงถูกใช้เพื่อหา W. Now เพื่อตั้ง Fast MA หรือ FC ตามที่คุณต้องการเพียงใช้ EMA ระยะเวลา N และปรับค่าให้เหมาะสมกับช่วงใหม่ตัวอย่างเช่นถ้า SC 100 และผล N 50 แต่แทนที่จะเป็น SC 1 มาตรฐานที่เราต้องการเปลี่ยนเป็น SC 20 สูตรดังต่อไปนี้จะเปิดเผย New N. New N SC FC Origional N 1 SC 1 FC. New N 100-20 50 1 100 1 20.New N 80 49 99 20 จากนั้นจะสามารถเปลี่ยนกลับเป็น Alpha New 2 N N ใหม่ได้ 1. กฎระเบียบ FRAMA ที่ปรับปรุงใหม่ SC เลือกค่าเฉลี่ยเคลื่อนที่ช้าของ FC. FC ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เร็ว ถ้า Alpha 2 SC 1 แล้ว Alpha 2 SC 1.If Alpha 1 แล้ว Alpha 1.FRAMA N-1 SUM CLOSE, H HH EVEN SC เอฟซีเอฟซีเอฟซีถ้า N-1 EVEN SC FC 2 เอฟซีแล้ว H N-1.FRAMA Excel File. We ได้ใส่กันแล้ว สเปรดชีต Excel ที่มี FRAMA และทำให้สามารถดาวน์โหลดได้ฟรีมีรุ่นพื้นฐานของ John Ehlers FRAMA และรุ่นที่ปรับเปลี่ยนของเราพร้อมกับแฟนซีที่จะปรับการตั้งค่าที่คุณระบุโดยอัตโนมัติค้นหาได้ที่ลิงก์ต่อไปนี้ใกล้กับด้านล่าง ของหน้าภายใต้การดาวน์โหลดตัวบ่งชี้ทางเทคนิค Fractal ค่าปรับกลางเฉลี่ย FRAMA โปรดแจ้งให้เราทราบหากคุณพบว่ามีประโยชน์ FRAAMA และ Simple Moving Average. Fractal ผลการทดสอบค่าเฉลี่ย Average moving ทดสอบเราได้ทดสอบ FRAMA ผ่าน 300 ปีของข้อมูลใน 16 ตลาดทั่วโลก, เห็นผลตอนนี้ FRAMA มีผลบังคับใช้ไมเคิล Stokes อธิบายว่าทำไม Fat Tails. Kaufman Adaptive Moving กลยุทธ์การซื้อขายเฉลี่ยการตั้งค่าตัวกรอง Strategy. I การค้านักพัฒนา Perry Kaufman Kaufman ย้ายปรับค่าเฉลี่ย KAMA Source Kaufman, PJ 1995 การค้าที่ชาญฉลาดปรับปรุงประสิทธิภาพในการเปลี่ยนแปลงตลาดใหม่ York McGraw-Hill, Inc แนวคิดกลยุทธ์การซื้อขายบนพื้นฐานของตัวกรองเสียงแบบปรับตัวกรองการวิจัยเป้าหมายการตรวจสอบสมรรถนะของ การตั้งค่าและการกรองข้อมูลตารางที่ 1 ผลภาพ 1-2 การตั้งค่าการค้าระยะยาวการปรับค่าเฉลี่ย AMA จะเปลี่ยนค่า Short Trades ค่า Average Moving Average จะลดลงหมายเหตุแนวโน้ม AMA ดูเหมือนจะหยุดลงเมื่อตลาดไม่มีทิศทางเมื่อแนวโน้มของตลาด AMA trendline จับตาดูการเข้าสู่ระบบการค้าการค้าระยะยาว A ซื้อที่ปิดถูกวางไว้หลังจากการตั้งค่าการตั้งค่าเป็นระยะสั้นขาย A ที่อยู่ใกล้จะอยู่หลังการตั้งค่าขาประจำการค้าออกจากตลาดตารางที่ 1 พอร์ตโฟลิโอ 42 ตลาดฟิวเจอร์จากสี่ภาคการตลาดที่สำคัญสินค้าโภคภัณฑ์สกุลเงินอัตราดอกเบี้ย, และดัชนีส่วนข้อมูล 32 ปีนับตั้งแต่ปีพ. ศ. 2523 แพลตฟอร์มทดสอบ MATLAB. II การทดสอบความไวทุกแผนภูมิ 3 มิติมีแผนภูมิเส้นแสดงผล 2 มิติสำหรับปัจจัยด้านกำไรอัตราส่วนของชาร์ปดัชนีชี้วัดประสิทธิภาพการไหลเวียนโลหิต CAGR การเบิกจ่ายสูงสุดเปอร์เซ็นต์การทำกำไรและ อัตราการสูญเสียเฉลี่ยที่ชนะเฉลี่ยภาพสุดท้ายแสดงถึงความไวของ Equity Curve ตัวแปรที่วัดได้ ERLength FilterIndex คำจำกัดความตารางที่ 1. รูปที่ 1 Portfolio Performance Inputs ตารางที่ 1 Commission ความคลาดเคลื่อน 0.AMA ERLength คือค่าเฉลี่ยการเคลื่อนที่แบบปรับตัวในช่วง ERLength ERLength เป็นระยะเวลามองย้อนกลับของอัตราส่วนประสิทธิภาพ ER ER i abs ทิศทาง i ความผันผวนของ i, โดยที่ abs เป็นค่าสัมบูรณ์ i ทิศทาง i i i i i i ERLength, ความผันผวน I abs DeltaClose i, ERLength ซึ่งเป็นผลรวมในช่วงของ ERLength, DeltaClose i Close i Close i 1 FastMALength เป็นช่วงของค่าเฉลี่ยเคลื่อนที่เร็ว SlowMALength เป็นช่วงของค่าเฉลี่ยเคลื่อนที่ช้า AMA i 1 ci Close i AMA i 1, โดยที่ CI ER ช้าเร็ว 2, เร็ว 2 FastMALength 1, Slow 2 SlowMALength 1 ดัชนี i. ERLength 2, 100, ขั้นตอนที่ 2 FastMALength 2 SlowMALength 30.Long Trades ถ้า AMA i AMA i AMA i AMA 1 i 2 MinamA AMA i 1 ค่าเฉลี่ยการปรับตัวแบบ Adaptive Movement Average ขึ้นกับจุดหมุนที่ Minama Short Trades AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว MaxAMA AMA i 1 ค่าเฉลี่ยการปรับตัวแบบ Adaptive Movement Average จะลดลงด้วย Pivot ที่ MaxAMA Index i. Filter i FilterIndex StdDev AMA i AMA i 1, N โดย StdDev คือส่วนเบี่ยงเบนมาตรฐานของชุดข้อมูล N ช่วง N 20 ค่าเริ่มต้นดัชนี i. FilterIndex 0 0, 1 0, ขั้นตอน 0 02 N 20.Long Trades การซื้อเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 AMA และ MinAMA Filter i Short Trades A ขายตอนท้ายคือ วางเมื่อ AMA i AMA i 1 MaxAMA AMA i ตัวกรอง i ดัชนี i. Stop ขาดทุนออก ATR ATRLength เป็นช่วงค่าเฉลี่ยที่แท้จริงในช่วงระยะเวลา ATRLength ATRStop เป็นหลายค่า ATR ความยาวช่วงยาวการหยุดการขายถูกวางไว้ที่ตำแหน่ง ATR ATRLength ATRStop Short ซื้อขายหยุดการซื้อจะอยู่ที่รายการ ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.ERLength 2, 100, ขั้นตอนที่ 2 FilterIndex 0 0, 1 0, ขั้นตอนที่ 0 02