ZLEMA - Zero Lag Exponential Moving Average ZLEMA är en förkortning för Zero Lag Exponential Moving Average. Det utvecklades av John Ehlers och Rick Way. ZLEMA är ett slags exponentiellt glidande medelvärde men dess huvudidé är att eliminera fördröjningen som uppstår på grund av de rörliga genomsnittsvärdena och andra trendföljande indikatorer. Eftersom det följer priset närmare ger det också bättre prisvärde och svarar bättre på prissvingningar. Exempel: Försök bara tänka på en rak linje med data, det kan hända när tillgångspriserna stiger eller faller ständigt. Om en näringsidkare använder en klassisk EMA (exponentiell glidande medelvärde) kan han ta reda på att EMA är lika med assetrsquos Close price (n-1) för 2 dagar sedan. Med andra ord ndash för 5-dagars EMA-beräkning, skulle det aktuella EMA-värdet vara detsamma som Stängt pris (n-1) 2 2 dagar sedan. Du kan se resultatet på bilden nedan. Som du kanske redan har märkt ser ZLEMA-värden annorlunda ut. Det finns ingen skillnad mellan värdena och stänga priserna. Ekvationer (formel) för ZLEMA-beräkning ser ut som följer: Lag: (n dagrsquos period ndash 1) 2 Inmatningsdata för EMA: Stäng (Stäng ndash Stäng för några dagar sedan) ZLEMA EMA of (Entry data for EMA) Beräkningen eliminerar lagret och Slutresultatet är ett exponentiellt glidande medelvärde som följer närmare tillgångspriserna. Om priserna skulle vara en rak linje skulle ZLEMA vara samma raka linje. Se bilden nedan. Den gröna raden visar ASSET-priserna. De blå punkterna representerar ZLEMA-värden. Den rosa linjen och punkterna representerar EMA-värden. Som du kan se, när priserna skapar en rak linje, är ZLEMA-värdena exakt samma som priserna är. Det finns ingen fördröjning, ingen skillnad. ZLEMA reagerar helt enkelt mycket snabbare än EMA. Intressant nog, isnrsquot det Och vad händer om priserna förändras snabbt Se på bilden nedan. Du kan se igen att det tar lite tid för EMA att anpassa sig till förändringsförhållandena på marknaden. På andra sidan kan ZLEMA anpassa sig nästan i samma ögonblick som prisförändringen händer. Det beror på att ZLEMA-beräkningen görs på en fördröjd data istället för en vanlig. De nuvarande priserna är överviktiga och ju mer vi går till det förflutna är data mer underviktiga - ZLEMA tar bort fördröjningen genom att fördubbla prisökningen eller minska mellan n och (n-1) 2 dagar för att minimera kumulativ effekt. Så här använder du denna tekniska analysindikator för handel Du kan använda den som något annat glidande medelvärde (FRAMA. KAMA. HMA. T3. Vidya. DEMA. VAMA etc.). Den visar de rådande trenderna på marknaden, så att du kan komma in i affärer som stämmer överens med den nuvarande trenden. Du kan kombinera ZLEMA med något annat glidande medelvärde och leta efter deras korsningar. Du kan leta efter diagrammönster (stöder, motstånd, dubbeltoppar och bottnar etc.), eftersom ZLEMA producerar mjukare data än Stängda priser gör. Du kan också försöka köpa en tillgång när ZLEMA-värdena stiger och sälja tillgången när värdena faller. Bilden nedan illustrerar denna handelsstrategi. De gula kurvorna ZLEMA och pilarna visar brytpunkterna i medelvärdet. Som med nästan alla tekniska indikatorer är det bästa som varje handlare kan göra är att testa sina egna data, egna inställningar och egna regler hur man handlar. Förvånansvärt kan det bästa resultatet ibland uppnås med inställningar som inte är vanliga och regler som är ganska konstiga vid en första anblick, desto mer kan en näringsidkare förändras och experimentera med det bättre för honom och hans handelsstrategi. Om du är intresserad av en djupare studie av denna tekniska indikator och föredrar redo att betjäna lösningar, kan det här avsnittet vara av intresse för dig. Där kan du hitta alla tillgängliga indikatorer i Excel-filer för download.8.20 Zero-Lag Exponential Moving Average Det nolllagda exponentiella glidande medlet (ZLEMA) är en variation av EMA (se Exponentential Moving Average) som lägger till en momentum som syftar till att minska fördröjning i genomsnittet för att spåra nuvarande priser närmare. För en given N-dagsperiod är formeln Where ldquolagrdquo-perioden är (N-1) 2. En vanlig EMA applicerad på raka linjer slutar alltid vara nära vid (N-1) för 2 dagar sedan. Så tanken att lägga till i denna skillnad ldquoclose - closelagrdquo är att kompensera för den tiden, för att göra ZLEMA spåra en rak linje exakt. Naturligtvis är verkliga data sällan en rak linje, men principen är att trycka ZLEMA mot ungefär den nuvarande stängningen. Beräkningen slutar ändå som olika vikter på varje tidigare pris. Effekten av momentumperioden är att göra de senaste priserna ldquoover weightrdquo och spåras så nära och med negativa vikter på tidigare villkor. Therersquos ett plötsligt hopp i vikterna vid momentumlagpunkten. Till exempel är följande graf vikterna för N15 (lagpunkt 7). EMA-lagret på en rak linje kan beräknas enkelt med hjälp av kraftformeln för EMA (se Exponentential Moving Average), applicerad på en oändlig prisföljd som går nedåt med 1 varje dag och når 0 vid idag. På icke raka linjesekvenser är lagret inte en enkel (N-1) 2. men kommer att variera beroende på form, period av cykliska komponenter etc. Copyright 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009 Kevin Ryde Chart är fri programvara som du kan omfördela den och ändra den enligt villkoren i GNU General Public License som publicerad av Free Software Foundation antingen version 3 eller (eventuellt) senare version. John Ehlers TEKNISKA PAPPER John Ehlers, utvecklaren av MESA, har skrivit och publicerat många papper relaterade till de principer som används i marknadscykler. Synopses för tillgängliga papper visas nedan. Hämta varje genom att välja deras associerade hypertext. Varför handlare förlorar pengar (och vad man ska göra om det) En artikel i maj 2014-utgåvan av Stock amp Commodities Magazine beskrev hur man skapar konstgjorda kapitalkurvor genom att bara veta vinstfaktorn och procentuella vinnare av en handelsstrategi. Bell Curve-statistiken för handel med slumpmässigt utvalda aktier och portföljhandel ingår också. Detta är ett Excel-kalkylblad som gör att du kan uppleva dessa statistiska beskrivare av handelssystemets prestanda. Prediktiva indikatorer för effektiva handelsstrategier Tekniska handlare förstår att indikatorer behöver släpa marknadsdata till nytta, och att utjämning introducerar lag som oönskad bieffekt. Vi vet också att marknaden är fraktal en veckovis intervalldiagram ser ut som ett månatligt, dagligt eller intradagskarta. Det som kanske inte är så uppenbart är att när tidsintervallet längs x-axeln ökar ökar också de höga till låga prissvängningarna längs y-axeln, ungefär i proportion. Detta spektral dilatationsfenomen orsakar en oönnskad distorsion, en som antingen inte har erkänts eller i stor utsträckning har ignorerats av indikatorutvecklare och marknadstekniker. Inferring Trading Strategies från Mätta Sannolikhetstäthet Funktioner Detta var Runner-up-vinnaren av MTAs 2008 Charles H. Dow Award. I det här dokumentet visar jag konsekvenserna av de olika formerna av avbrott och hur de resulterande sannolikhetsfördelningarna kan användas som strategier för att skapa effektiva handelssystem. Resultaten av dessa robusta handelssystem jämförs med standardmetoder. Denna pappersvisning och interaktiva sätt att eliminera så mycket lagring som önskat från utjämningsfilter. Självklart kommer reducerad fördröjning till priset av minskad filter jämnhet. Filtret uppvisar ingen övergående överskott som vanligen finns i filter med högre ordning. Empirisk läge Nedbrytning Ett nytt tillvägagångssätt för cykel - och trendlägesdetektering. Fourier Transform for Traders Problemet med Fourier Transform för mätning av marknadscykler är att de har en mycket dålig upplösning. I det här dokumentet visar jag hur man använder en annan olinjär transformation för att förbättra upplösningen så att Fourier Transforms kan användas. Det uppmätta spektrumet visas som en värmekarta Swiss Army Knife Indicator Indikatorer är bara överföringssvar av ingångsdata. Genom en enkel ändring av konstanter kan denna indikator bli ett EMA, SMA, 2 Pole Gaussian Low Pass Filter, 2 Pole Butterworth Low Pass Filter, ett FIR-mjukare, ett Bandpass-filter eller ett Bandstop-filter. Ehlers Filter Ett ovanligt, icke-linjärt FIR-filter beskrivs. Detta filter är bland de mest responsiva mot prisändringar men jämnast i sidledsmarknader. Systemprestation Vinstfaktor (brutto vinst dividerat med bruttoförluster) är analog med utbetalningsfaktorn i spel. Således, när vinstfaktorn kombineras med procentuella vinnare i en serie av slumpmässiga händelser, är exempel på hur en handelsstrategisk tillväxt kan simuleras. I det här dokumentet beskrivs hur vanliga prestationsbeskrivningar är relaterade till dessa två parametrar. Ett Excel-kalkylblad beskrivs, så att du kan utföra en Monte Carlo-analys av ditt handelssystem om du känner till dessa två parametrar (ur urvalet). FRAMA (Fractal Adaptive Moving Average). Ett olinjärt glidande medel erhålles med hjälp av Hurst-exponenten. MAMA är moderen till alla adaptiva glidande medelvärden. Actualy namnet är en akronym för MESA Adaptive Moving Average. Den icke-linjära verkan av detta filter produceras genom reflektion av fas varje halvcykel. När det kombineras med FAMA, ett efterföljande adaptivt rörande medelvärde, bildar övergångarna utmärkta in - och utgående signaler som är relativt fria från pipsågar. Time Warp Without Space Travel Laguerre Polynomier används för att generera en filterstruktur som liknar ett enkelt glidande medelvärde med skillnaden att tidsavståndet mellan filterkranarna är nolinärt. Resultatet möjliggör skapandet av mycket korta filter som har utjämningsegenskaperna hos mycket längre filter. Kortare filter betyder mindre fördröjning. Fördelarna med att använda Laguerre-polynomerna i filter visas i både indikatorer och automatiska handelssystem. Artikeln innehåller EasyLanguage-kod. CG Oscillatorn CG Oscillatorn är unik eftersom det är en oscillator som är både jämn och har nolllagring. Det finner Gravity Centre (CG) av prisvärdena i ett FIR-filter. CG har automatiskt utjämningen av FIR-filtret (liknar ett enkelt glidande medelvärde) där CG-positionen är exakt i fas med prisrörelsen. EasyLanguage kod ingår. Använda Fisher Transformen Många handelssystem är utformade med antagandet att sannolikhetsfördelningen av priser har en normal eller gaussisk sannolikhetsfördelning om medelvärdet. Faktum är att ingenting kan vara längre från sanningen. I det här dokumentet beskrivs hur Fisher Transform omvandlar data till nästan en normal sannolikhetsfördelning. Med tanke på sannolikhetsfördelningen är Normal efter tillämpning av Fisher Transform används data för att skapa inmatningspunkter med kirurgisk precision. Artikeln innehåller EasyLanguage-kod. Inverse Fisher Transform Den Inverse Fisher Transform kan användas för att generera en oscillator som växlar snabbt mellan överlåtna och överköpta utan pipsågar. Gaussian Filter Lag är nedfallet av utjämningsfilter. Den här artikeln visar hur lagring kan minskas och den högsta fidelity-utjämningen erhålls genom att reducera lagringen av högfrekventa komponenter i data. En komplett tabell med gaussiska filterkoefficienter tillhandahålls. Poles and Zeros En beskrivning av digitala filter i form av Z Transforms. Förgreningarna av högre ordningens filter beskrivs. Tabeller med koefficienter för 2 pol och 2 pol Butterworth-filter ges. Moving Averages Stuff Motiverad via e-post från Robert B. Jag får det här e-postmeddelandet om Hull Moving Average (HMA) och. Och du hörde aldrig om det tidigare. Uh. Det är rätt. Faktum är att när jag googled upptäckte jag massor av glidande medelvärden som Id aldrig hört talas om, till exempel: Zero Lag Exponential Moving Average Wilder Rörlig Genomsnittlig Minsta Square Moving Genomsnittlig Triangulär Rörlig Medel Adaptiv Rörlig Genomsnittlig Rörlig Rörlig Genomsnitt. Så Så jag trodde att vi pratar om glidande medelvärden. Hävdar du gjort det förut, som här och här och här och här och. Ja, ja, men det var innan jag visste om alla dessa andra glidande medelvärden. Faktum är att de enda jag spelade med var dessa, där P 1. P 2. P n är de sista n aktiekurserna (P n är den senaste). Enkelt rörligt medelvärde (SMA) (P 1 P 2. P n) K där K n. Viktat rörande medelvärde (WMA) (P 1 2 P 2 3 P 3. N P n) K där K (12. n) n (n1) 2. Exponentiellt rörligt medelvärde (Ema) (P n 945 P n-1 945 2 P n-2 945 3 P n-3.) K där K 1 945945 2. 1 (1-945). Whoa Ive har aldrig sett den EMA-formuleringen innan. Jag var alltid thoguht det var. Ja, det är normalt skrivet annorlunda, men jag ville visa att dessa tre har liknande recept. (Se EMA-grejer här och här.) Faktum är att de alla ser ut som: Observera att om alla Ps är lika med, Po, då är det rörliga genomsnittsvärdet lika med Po. och det är hur ett självrespektivt medel ska uppträda. Så vilket är bäst Definiera bäst. Här är några glidande medelvärden som försöker spåra en serie av aktiekurser som varierar sinusformat: Aktiekurser som följer en sinuskurva Var hittade du ett lager på så sätt Var uppmärksam på att de vanliga glidande medelvärdena (SMA, WMA och EMA) når maximalt senare än sinuskurvan. Det är lag och. Men hur är det med den HMA killen. Han ser bra ut Ja, och det är vad vi vill prata om. Verkligen. Och vad är det 6 i HMA (6) och jag ser något som heter MMA (36) och. Tålamod. Hull Moving Average Vi börjar med att beräkna 16-dagars Weighted Moving Average (WMA) så här: 1 WMA (16) (P 1 2 P 2 3 P 3. 16 P n) K med K 12. 16 136. Även om det är trevligt och smoooth, det har en fördröjning större än vad som är: Så vi tittar på 8-dagars WMA: Jag gillar det Ja, det följer prisvariationerna ganska snyggt. men det finns mer. Medan WMA (8) tittar på de senaste priserna har det fortfarande en fördröjning, så vi ser hur mycket WMA har ändrats när det går från 8-dagars till 16-dagars. Den skillnaden skulle se ut så här: På så vis ger den skillnaden en viss indikation på hur WMA förändras. så lägger vi till den här ändringen i vårt tidigare WMA (8) för att ge: 2 MMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16). MMA Varför kalla det MMA Jag stotter. Hur som helst, MMA (16) skulle se ut så här: Jag tar det tålamod. det finns mer. Nu introducerar vi den magiska omvandlingen och får. ta-DUM Thats Hull Ja. som jag förstår det Men vad är den magiska ritualen Efter att ha genererat en serie MMA s som involverar de 8-dagars och 16-dagars viktade glidmedelmen, stirrar vi intensivt på denna sekvens av siffror. Sedan beräknar vi WMA de senaste 4 dagarna. Det ger Hull Moving Average som vi kallat HMA (4). Huh 16 dagar sedan 8 dagar sedan 4 dagar. Kasta du ett mynt för att se hur många. Du väljer ett antal dagar, som n 16. Då tittar du på WMA (n) och WMA (n2) och beräknar MMA 2 WMA (n2) - WMA (n). (I vårt exempel, det är 2 WMA (8) - WMA (16). Sedan beräknar du WMA (sqrt (n)) med bara de sista sqrt (n) - numren från MMA-serien. en WMA (4), med MMA-serien.) Och för det roliga SINE-diagramet, så gör du så vart kalkylbladet jag fortfarande arbetar med: MA-stuff. xls Det är intressant att se hur de olika glidande medelvärdena reagerar på spikar: Är HMA verkligen ett vägt glidande medelvärde. Vi kan se: Vi har: 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 3. 16 P n) 136 eller MMA 2 (136) - (1136) P 1 2 P 2. 8 P 8 - (1136) 9 P 9 10 P 10. 16 P 16 Skriv av följande skäl för sanitära skäl: MMA w 1 P 1 w 2 P 2. W 16 P 16. Observera att alla vikter lägger till 1. Vidare, wk 2 (136) - (1136) K för K 1, 2. 8 och wk - (1136) K för K 9, 10. 16. Sedan gör vi den magiska kvadratrotsritualen (där sqrt (16) 4). Vi har (som påminner om att P 16 är det senaste värdet). HMA 4-dagars WMA för ovanstående MMA (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 (notera att 1234 10). Huh P 0. P-1. Vad. MMA (16) använder de senaste 16 dagarna, tillbaka till priset var callling P 1. Om vi beräknar det 4-dagars viktiga genomsnittet av dem, så är MMA-enheter, väl använda gårdagens MMA (och det går tillbaka 1 dag före P 1) och dagen före det går MMA tillbaka till 2 dagar före P 1 och dagen innan det. Okej, så du ringer dem priserna P 0. P-1 etcetc. Du har det. Så en 16-dagars HMA använder faktiskt information som går tillbaka mer än 16 dagar, rätt du har det. Men det finns negativa vikter för dem gamla priser Är det lagligt Beviset finns i. Jaja. Beviset är i pudding. Så vad gör kalkylbladet Så här ser det ut så här: (Klicka på bilden för att ladda ner.) Du kan välja en SINE-serie eller en RANDOM-serie av aktiekurser. För den senare, varje gång du klickar på en knapp får du en annan uppsättning priser. Då kan du välja antal dagar: det är vår n. (Till exempel använde vi n 16 för vårt exempel ovan.) Om du väljer SINE-serien kan du även presentera spikar och flytta dem längs diagrammet. så här . Observera att weve använt n 16 och n 36 (i bilden av kalkylbladet) eftersom n2 och sqrt (n) är båda heltal. Om du använder något som n 15 använder kalkylbladet INT eger-delen av n2 och sqrt (n), nämligen 7 och 3. Så är Hull Moving Average det bästa Definiera bäst. Vad med det Jurik Average jag vet ingenting om det. Den är proprietär och du måste betala för att använda den. Låt oss dock spela med glidande medelvärden. Ett annat rörligt medelvärde Anta att istället för det vägda rörliga medelvärdet (där vikterna är proportionella med 1, 2, 3). vi använder den magiska Hull ritualen med exponentiell rörande medelvärde. Det är, vi anser: MAg 2 EMA (n2) - EMA (n) MAg Ja, det är M oving En ver g g immick eller M oving En ver g g eneralized eller M oving En verage g rand eller. Eller M oving A verage g ummy Observera Vi väljer vårt favorit antal dagar, som n 16, och beräknar MAg (n, 945, k) 945 EMA (nk) - (1-945) EMA (n). Vi kan spela med 945 och k och se vad vi får: Till exempel, här är några MAgs (var stannar i 16 dagar men ändrar värdena 945 och k): MAg (16) 2 EMA (4) - EMA 16) MAg (16) 1.5 EMA (5) - 0,5 EMA (16) Observera att när vi väljer k 3 får vi nk 163 5,333 som vi ändrar till ren och enkel 5,0. Varför sticker du inte med Hulls val: 945 2 och k 2 Bra idé. Vi får det här: MAg (16) 2 EMA (8) - EMA (16) Ser ut som diagrammet med 945 1,5 och k 3. Det gör det, gjorde det inte. igen möjligen. Så vad sägs om den kvadratrotsritualen jag lämnar som en övning. för dig Okej, medan du spelar med den MAg-tingen tycker jag att Hulls k 2 fungerar ganska bra. så bra hålla fast vid det. Men vi får ofta ett ganska bra medelvärde när vi lägger till en liten bit av ändringen: EMA (n2) - EMA (n). Faktum är att du bara lägger till en bråk 946 av den förändringen. Det ger: MAg (n, 946) EMA (n2) 946 EMA (n2) - EMA (n). Det vill säga, vi väljer 946 0,5 eller kanske bara 946 0,25 eller vad som helst och använd: Till exempel, om vi jämför vår gaggle av glidande medelvärden när de spårar en STEP-funktion, får vi det här, där vi bara lägger till (för MAg) 946 12 av förändringen. Ja, men vad är det bästa värdet av beta. Definiera bäst: Observera att beta 1 är Hull-valet. förutom att använda EMA i stället för WMA. Och du släpper ut den kvadratroten. Uh, ja. Jag glömde att. Notera . Kalkylbladet ändras från timme till timme. Det ser ut så här något att spela med. Jag fick ett kalkylblad som ser ut så här. klicka på bilden för att ladda ner. Du väljer ett lager och klickar på en knapp och får ett års värde av dagliga priser. Du väljer antingen HMA eller MAg, ändrar antalet dagar och, för MAg, parametern och ser när du ska köpa ro SÄLJ. När Baserat på vilka kriterier Om det rörliga genomsnittet är NER x från sitt maximala under de senaste 2 dagarna köper du. (I exemplet, x 1,0) Om den är UP y från sitt minimum under de senaste 2 dagarna, säljer du. (I exemplet, y 1.5) Du kan ändra värdena för x och y. Är det något bra. Dessa kriterier sa jag att det var något att leka med. Theres denna andra utjämningsteknik kallad Hodrick-Prescott Filter. Med hjälp av Ron McEwan ingår den nu i det här kalkylbladet: Är det något bra med det. Du märker att det finns en parameter som du kan ändra i cell M3. och köp och sälj signaler.
Comments
Post a Comment