Mesa ปรับตัว เคลื่อนไหว เฉลี่ย กลยุทธ์

ที่พัฒนาขึ้นโดย John Ehlers ค่า MESA Adaptive Moving Average เป็นตัวบ่งชี้แนวโน้มทางเทคนิคซึ่งตามผู้สร้างปรับให้เข้ากับการเคลื่อนไหวของราคาขึ้นอยู่กับการเปลี่ยนแปลงอัตราของเฟสตามที่ได้มีการคำนวณโดย Hilbert Transform Discriminator วิธีการปรับตัวนี้มีความรวดเร็วและค่าเฉลี่ยเคลื่อนที่ช้าเพื่อให้ค่าเฉลี่ยเคลื่อนที่แบบคอมโพสิตตอบสนองต่อการเปลี่ยนแปลงราคาได้อย่างรวดเร็วและมีค่าเฉลี่ยจนกว่าจะถึงช่วงปิด bar8217 ถัดไป Ehlers ระบุว่าเนื่องจาก fallback เฉลี่ย average8217s ช้าคุณสามารถสร้างระบบการค้าที่มีธุรกิจการค้า whipsaw ฟรีเกือบ ด้านล่างคุณสามารถดูตัวบ่งชี้ที่วางแผนไว้ในแพลตฟอร์มการซื้อขาย แหล่งที่มาของแผนภูมิ: VT Trader โดยทั่วไปตัวบ่งชี้จะมีลักษณะเป็นค่าเฉลี่ยเคลื่อนที่สองค่า แต่แทนที่จะโค้งไปรอบ ๆ การกระทำด้านราคา MESA Adaptive MA จะเคลื่อนไปตามบันไดเช่นเดียวกับ ratchets ราคา ผลิต MAMA และ FAMA ได้ 2 รายการ FAMA (ตามค่าเฉลี่ยเคลื่อนที่แบบปรับ) เป็นผลมาจากการใช้ MAMA กับสาย MAMA ตัวแรก FAMA มีการซิงโครไนซ์กับ MAMA แต่การเคลื่อนไหวตามแนวตั้งมาพร้อมกับความล่าช้า ดังนั้นทั้งสองข้าม don8217t เว้นแต่การเปลี่ยนแปลงที่สำคัญในทิศทางตลาดเกิดขึ้นส่งผลให้ระบบครอสโอเวอร์เฉลี่ยเคลื่อนไหวซึ่งแทบไม่มีการซื้อขาย whipsaw ตาม Ehlers MESA Adaptive Moving Average ใช้แทนค่าเฉลี่ยเคลื่อนที่แบบเดิม เช่นนี้ MAMA และ FAMA สามารถซื้อขายได้เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ทั่วไป อันดับแรกจะทำหน้าที่เป็นจุดรองรับและความต้านทานที่แข็งแกร่งและราคาจะมีแนวโน้มที่จะดีดตัวขึ้นจากการสัมผัส ทำให้ MAMA และ FAMA เหมาะกับพื้นที่ที่มีแนวโน้มเข้ามา ประการที่สองไขว้ระหว่าง MAMA และ FAMA คล้ายคลึงกับสีทองหรือความตายข้ามยังมีการซื้อขายกันอย่างแพร่หลาย เมื่อ MAMA ตัด FAMA ออกจากด้านล่างและขอบสูงขึ้นนั่นหมายความว่าตลาดอาจจะยังคงเดินหน้าต่อไปและสร้างสัญญาณซื้อ ตรงกันข้ามเมื่อ MAMA ตัด FAMA ออกจากด้านบนและด้านล่างก็หมายความว่าตลาดกำลังลดลงและน่าจะยังคงทำเช่นนั้นต่อไปจึงสร้างสัญญาณเข้าสั้น ๆ MESA Adaptive Moving Average เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ทั่วไปสามารถใช้เป็นตัวบ่งชี้แบบสแตนด์อโลน แต่ยังใช้ร่วมกับตัวบ่งชี้อื่น ๆ ซึ่งมักรวมกับ SMA และ EMA เพื่อปรับปรุงการตัดสินใจของคุณ ก่อตั้งขึ้นในปี 2013 Binary Tribune มีจุดมุ่งหมายเพื่อให้ผู้อ่านได้รับข้อมูลข่าวทางการเงินที่ถูกต้องและเป็นจริง เว็บไซต์ของเรามุ่งเน้นไปที่ส่วนสำคัญ ๆ ในตลาดการเงินสกุลเงินสกุลเงินและสินค้าโภคภัณฑ์และคำอธิบายในเชิงลึกในเชิงลึกเกี่ยวกับเหตุการณ์และตัวชี้วัดทางเศรษฐกิจที่สำคัญ การเปิดเผยข้อมูลความเสี่ยงทางการเงิน BinaryTribune จะไม่รับผิดชอบต่อการสูญเสียเงินหรือความเสียหายที่เกิดจากการพึ่งพาข้อมูลในเว็บไซต์นี้ การซื้อขายสัญญาซื้อขายล่วงหน้าหุ้นและสินค้าโภคภัณฑ์ส่วนใหญ่มีความเสี่ยงสูงและอาจไม่เหมาะสำหรับนักลงทุนทุกราย ก่อนที่จะตัดสินใจซื้อขายเงินตราต่างประเทศคุณควรพิจารณาวัตถุประสงค์การลงทุนระดับประสบการณ์และความกระหายที่มีความเสี่ยงอย่างรอบคอบ นโยบายคุกกี้เว็บไซต์นี้ใช้คุกกี้เพื่อให้คุณได้รับประสบการณ์ที่ดีที่สุดและรู้จักคุณดียิ่งขึ้น เมื่อคุณเยี่ยมชมเว็บไซต์ของเราด้วยเบราว์เซอร์ของคุณเพื่ออนุญาตให้ใช้คุกกี้คุณยินยอมให้เราใช้คุกกี้ตามที่อธิบายไว้ในนโยบายส่วนบุคคลของเรา สำเนาลิขสิทธิ์ 2017 mdash Binary Tribune สงวนลิขสิทธิ์จอห์นเอิร์ลส์สตัวชี้: ฉันได้รวบรวมตัวบ่งชี้ที่มากที่สุดในหน้านี้จากหนังสือของ Ehlers มีการปรับปรุงบางอย่างเพื่อความชัดเจนหรือเพื่อให้ทำงานได้อย่างถูกต้อง พวกเขามีการตรวจสอบทั้งหมดใน TradeStation แต่ไม่รับประกันความสมบูรณ์แบบหรือการทำงานที่เหมาะสมโดยนัย สูตร MESA (การวิเคราะห์สเปกตรัมเอนโทรปีสูงสุด) ซึ่งใช้ในตัวบ่งชี้เหล่านี้ได้รับการพัฒนามาเพื่อตีความข้อมูลเกี่ยวกับการสำรวจทางธรณีวิทยา พวกเขาได้รับการดัดแปลงที่นี่เพื่อวัดรอบการตลาด - พวกเขาสร้างผลงานที่มีความละเอียดสูงโดยใช้ข้อมูลที่สั้นเป็นระยะรวมกันเหมาะสำหรับการประเมินตลาด ตัวบ่งชี้ FAMA ของ MAMA - MAMA ย่อมาจาก MESA Adaptive Moving Average (ได้รับการขนานนามว่า Mother of All Moving Averages) นี่คือแมสซาชูเซตส์ที่ปรับตัวให้เข้ากับวงจรการอัพเดตและมีประสิทธิภาพมาก - ฉันวางแผนที่จะรวมไว้ในกลยุทธ์บางอย่างในเร็ว ๆ นี้ ตัวบ่งชี้การเปลี่ยนแปลงของ Fisher นี่เป็นตัวบ่งชี้สัญญาณการค้าข้ามแบบครอสโอเวอร์ที่รวดเร็วมากและหากใช้ควบคู่กับเครื่องมือที่มีแนวโน้มเป็นอย่างดีก็เป็นที่คาดการณ์และสามารถใช้ในกลยุทธ์ได้ (เร็ว ๆ นี้) เมื่อเทียบกับ MACD หรือตัวบ่งชี้แบบไขว้อื่น ๆ Fisher Transform จะเห็นได้ชัดกว่าและทันเวลา ตัวบ่งชี้แนวโน้มแบบทันที (iTrend): ตัวบ่งชี้แนวโน้มที่มีความล้าช้าเกือบเป็นศูนย์และมีความเรียบเหมือน EMA สัญญาณการค้าถูกสร้างขึ้นโดยการข้ามสายทริกเกอร์และสาย iTrend ตัวบ่งชี้ศูนย์แรงโน้มถ่วง อีก oscillator Ehlers - ฉันไม่ได้ทดลองมากกับนี้ - อาจต้องใช้ตัวบ่งชี้แนวโน้มเพิ่มเติมเพื่อช่วยให้ทำงานได้ดีที่สุด - ทำการทดสอบของคุณเอง ตัวบ่งชี้ Cycle Cycle ตัวบ่งชี้ Ehlers ต้นที่พยายามวัดรอบตลาด ตัวบ่งชี้วัดวัฏจักร เหมือนกับตัวบ่งชี้ของรอบวัฏจักร ตัวบ่งชี้การวัดวัฏจักรอีกตัวหนึ่งมีประสิทธิภาพมากกว่าหนึ่งตัวข้างต้น แต่มีเพียงเส้นเดียวเท่านั้น - ไม่มีไขว้ ฟิชเชอร์ไซเคิลไซเคิลตัวบ่งชี้ ตัวบ่งชี้การวัดวัฏจักรที่มีการปรับเปลี่ยน Fisher Transform ดัชนีความแรงของสัมพัทธ์ (Relative Vigor Index) แนวคิดของ RVI คือราคาที่ปิดสูงกว่าที่พวกเขาเปิดขึ้นใน mkts และ v. v. ในลง mkts RVI เป็นเครื่องกำเนิดไฟฟ้าที่เคลื่อนไหวโดยปกติจะอยู่ในช่วงการซื้อขายของแต่ละบาร์ ใช้ฟิลเตอร์ที่ยกเลิกการตอบสนอง FIR FIR 4 ตัวเพื่อสร้างตัวบ่งชี้ที่สามารถอ่านได้ Stochastic CG Oscillator Rev.100108 ตัวบ่งชี้หลายตัวได้รับการแก้ไขด้วยอัลกอริทึมแบบสุ่ม ในบางกรณีจะช่วยเพิ่มประสิทธิภาพ แต่ไม่มากนัก ฟิชเชอร์ Stochastic CG Oscillator ฟิชเชอร์ Stochastic CG indicatoroscillator คล้ายคลึงกับ Stochastic CG Oscillator แต่กลับมีการพลิกกลับที่รุนแรงขึ้นและบางครั้งสัญญาณก่อนหน้านี้ ดัชนี Stochastic RVI Rev.100108 แนวคิดของ RVI คือราคาที่ใกล้กว่าที่พวกเขาเปิดขึ้นใน mkts และ v. v. ในลง mkts RVI เป็นเครื่องกำเนิดไฟฟ้าที่เคลื่อนไหวโดยปกติจะอยู่ในช่วงการซื้อขายของแต่ละบาร์ ใช้ฟิลเตอร์ที่ยกเลิกการตอบสนอง FIR FIR 4 ตัวเพื่อสร้างตัวบ่งชี้ที่สามารถอ่านได้ ตัวบ่งชี้การปรับตัวเหล่านี้ตอบสนองได้ดีกว่าแบบคงที่ (ไม่ใช่แบบปรับตัว) คู่ฉบับ พวกเขามีวัตถุประสงค์เพื่อลดความล่าช้า คลื่นแม่เหล็กไฟฟ้า (เร็ว ๆ นี้) ควรจะเป็นคำทำนาย ตัวบ่งชี้ Sine Wave โพสต์ 82708 - ตัวบ่งชี้นี้พยายามที่จะกำหนดเฟสปัจจุบันของวัฏจักรที่คุณอยู่มีประโยชน์เหนือออสซิลเลเตอร์อื่น ๆ เช่น RSI และ Stochastic เพราะคาดการณ์มากกว่ารอการยืนยัน SW ให้สัญญาณเข้าและออกจากช่วงที่ 116 ของรอบการหมุนเวียนล่วงหน้าของจุดหมุนรอบและไม่ค่อยให้สัญญาณ whipsaw เท็จขณะที่ตลาดอยู่ในโหมดเทรนด์ค่าเฉลี่ยเคลื่อนที่แบบปรับตัวได้นำไปสู่ผลลัพธ์ที่ดีขึ้นการย้ายค่าเฉลี่ยเป็นเครื่องมือที่ชื่นชอบของผู้ค้าที่ใช้งานอยู่ . อย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้จะนำไปสู่การค้า whipsaw จำนวนมากส่งผลให้ชุดที่น่าผิดหวังของการชนะและการสูญเสียขนาดเล็ก นักวิเคราะห์ได้ใช้เวลาหลายทศวรรษในการพยายามปรับปรุงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ในบทความนี้เราจะพิจารณาความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขานำไปสู่เครื่องมือการซื้อขายที่มีประโยชน์ ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่อยู่ที่ Robert Edwards และ John Magee ในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของข้อดีและข้อเสียของการเคลื่อนที่โดยเฉลี่ย แนวโน้มสต็อค เมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ที่เรา delightedly ค้นพบ (แม้ว่าหลายคนอื่น ๆ ได้ทำมาก่อน) ว่าโดยค่าเฉลี่ยของข้อมูลสำหรับจำนวนที่ระบุ daysone อาจได้รับมาจัดเรียงของเส้นแนวโน้มอัตโนมัติซึ่งแน่นอนจะตีความการเปลี่ยนแปลงของ แนวโน้มดูเหมือนจะดีเกินจริง เป็นเรื่องที่ดีเกินกว่าที่จะเป็นจริง เอ็ดเวิร์ดและจีได้ทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลริมชายหาด แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้นคนอื่น ๆ ยังคงพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดาย Simple Moving Averages คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนงวดที่เลือก การหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องบวกห้าราคาปิดล่าสุดและหารด้วยห้า หากการปิดตัวครั้งล่าสุดอยู่เหนือค่าเฉลี่ยที่เคลื่อนที่สต็อคจะถือว่าอยู่ในแนวโน้ม แนวโน้มขาลงจะถูกกำหนดโดยราคาที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (ดูข้อมูลเพิ่มเติมได้จากคู่มือการใช้งาน Moving Averages ของเรา) คุณสมบัติที่กำหนดแนวโน้มนี้ทำให้สามารถเคลื่อนที่โดยเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ ในการประยุกต์ใช้ที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนตัวสูงกว่าค่าเฉลี่ยเคลื่อนที่และขายได้เมื่อราคาปิดต่ำกว่าเส้นดังกล่าว วิธีการเช่นนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญทุก อย่างไรก็ตามในขณะที่การปรับให้เรียบข้อมูลค่าเฉลี่ยเคลื่อนที่จะล่าช้าหลังการดำเนินการในตลาดและผู้ประกอบการค้ามักจะให้ผลตอบแทนส่วนใหญ่ในธุรกิจการค้าที่ยิ่งใหญ่ที่สุด ค่าเฉลี่ยเคลื่อนที่ที่มีการแจกแจงนักวิเคราะห์ดูเหมือนว่าจะมีความคิดเกี่ยวกับค่าเฉลี่ยเคลื่อนที่และพยายามใช้เวลาหลายปีในการลดปัญหาที่เกิดจากความล่าช้านี้ หนึ่งในนวัตกรรมเหล่านี้คือค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) วิธีนี้กำหนดให้น้ำหนักที่ค่อนข้างสูงขึ้นกับข้อมูลล่าสุดและส่งผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ สูตรคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ได้แก่ EMA (Weight Close) ((1-Weight) EMAy) โดยที่: น้ำหนักคือค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือก EMAy เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาตั้งแต่วันนี้โดยค่าที่พบได้ทั่วไปคือ 0.181 ซึ่ง ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20 วัน อีกอย่างหนึ่งคือ 0.10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วัน แม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่แบบเสวนาไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งหมายความว่าการใช้สัญญาณซื้อขายจะทำให้ธุรกิจการค้าสูญเสียจำนวนมาก ในแนวคิดใหม่ในระบบการค้าทางเทคนิค Welles Wilder ประมาณการว่าตลาดมีแนวโน้มเพียงหนึ่งในสี่ของเวลาเท่านั้น การดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการถูก จำกัด ให้อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขายเฉลี่ยเคลื่อนไหวจะถูกสร้างขึ้นซ้ำ ๆ เนื่องจากราคาเคลื่อนขึ้นเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่ ในการแก้ไขปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA (สำหรับข้อมูลเพิ่มเติมโปรดดูที่วิธีการเคลื่อนไหวค่าเฉลี่ยที่ใช้ในการซื้อขาย) การปรับค่าเฉลี่ยเคลื่อนที่สำหรับการดำเนินการในตลาดวิธีหนึ่งในการจัดการข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวน การทำเช่นนี้ก็หมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันในตลาดที่ผันผวน นี้จะช่วยให้ผู้ชนะในการทำงาน เป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวม ค่าเฉลี่ยเคลื่อนที่จะขยับขึ้นใกล้กับการกระทำของตลาดในปัจจุบันและในทางทฤษฎีอนุญาตให้ผู้ประกอบการค้าสามารถเก็บกำไรได้มากที่สุดในช่วงแนวโน้มนี้ ในทางปฏิบัติอัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่น Bollinger Bandwidth ซึ่งวัดระยะห่างระหว่างแถบ Bollinger Bros เป็นที่รู้จักกันดี (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับแถบ Bollinger) Perry Kaufman แนะนำให้เปลี่ยนตัวแปรน้ำหนักในสูตร EMA ด้วยค่าคงที่ตามอัตราส่วนประสิทธิภาพ (ER) ในหนังสือระบบและวิธีการซื้อขายใหม่ ตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของแนวโน้มที่กำหนดไว้ในช่วงตั้งแต่ -1.0 ถึง 1.0 คำนวณโดยใช้สูตรง่ายๆคือ ER (การเปลี่ยนแปลงราคาทั้งหมดสำหรับช่วงเวลา) (รวมการเปลี่ยนแปลงราคาที่แน่นอนสำหรับแต่ละบาร์) พิจารณาสต็อคที่มีช่วง 5 จุดในแต่ละวันและเมื่อครบ 5 วันได้รับผลรวม จาก 15 คะแนน ซึ่งจะส่งผลให้ค่า ER เท่ากับ 0.67 (การเคลื่อนที่ขึ้นไป 15 จุดหารด้วยระยะรวม 25 จุด) หุ้นนี้ลดลง 15 จุดส่วน ER จะเท่ากับ -0.67 (สำหรับคำแนะนำการซื้อขายเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งแสดงกลยุทธ์ในการรับมือกับความเสียหายที่เกิดจากการซื้อขาย) หลักการของประสิทธิภาพของแนวโน้มขึ้นอยู่กับการเคลื่อนไหวของทิศทาง (หรือแนวโน้ม) ที่คุณได้รับต่อหน่วยของการเคลื่อนไหวของราคามากกว่า กำหนดช่วงเวลา ER เท่ากับ 1.0 แสดงให้เห็นว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1.0 หมายถึงขาลงที่สมบูรณ์แบบ ในทางปฏิบัติสุดขั้วไม่ค่อยจะมาถึง เมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาค่าเฉลี่ยเคลื่อนที่แบบปรับตัว (AMA) ผู้ค้าจะต้องคำนวณน้ำหนักโดยใช้สูตรต่อไปนี้ค่อนข้างซับซ้อนสูตร: C (ER (SCF SCS)) SCS 2 ที่ไหน: SCF เป็นค่าคงที่แบบเรโซแนนเชียลที่เร็วที่สุด EMA ที่อนุญาต (ปกติ 2) SCS เป็นค่าคงที่แบบทวนสำหรับ EMA ที่ช้าที่สุดที่อนุญาต (มักจะ 30) ER เป็นอัตราส่วนประสิทธิภาพที่ระบุไว้ข้างต้นค่า C จะใช้ในสูตร EMA แทนตัวแปรน้ำหนักที่ง่ายกว่า แม้ว่าจะยากที่จะคำนวณด้วยมือ แต่ค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ถูกรวมไว้เป็นตัวเลือกในเกือบทุกชุดซอฟต์แวร์เพื่อการค้า ตัวอย่างค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ (เส้นสีแดง), ค่าเฉลี่ยเคลื่อนที่เป็นเส้นตรง (เส้นสีน้ำเงิน) และค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ (เส้นสีเขียว) จะแสดงในรูปที่ 1 ภาพที่ 1: AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่แบบเสี้ยว (exponential moving average) ซึ่งแสดงเป็นเส้นสีน้ำเงินใกล้เคียงกับราคาที่มากที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดง ค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพมีแนวโน้มที่จะเกิดขึ้นในหลาย ๆ ครั้ง ข้อเสียเปรียบต่อค่าเฉลี่ยเคลื่อนที่เหล่านี้จึงเป็นไปไม่ได้ที่จะกำจัด บทสรุปโรเบิร์ตคอลบีได้ทดสอบเครื่องมือวิเคราะห์ทางเทคนิคนับร้อย ๆ รายการในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดสารานุกรม เขาสรุปได้ว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้เป็นแนวคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติอันแท้จริงของวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้น ไม่ได้หมายความว่าพ่อค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ เพื่อพัฒนาระบบการซื้อขายที่มีกำไร (สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านค้นพบ Keltner Channels และ The Chaikin Oscillator) ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุด ตัวอย่างเช่นอัตราส่วนข้างต้นต่ำกว่า 0.30 แสดงถึงแนวโน้มขาขึ้นที่แข็งแกร่งและแสดงถึงการซื้อที่มีศักยภาพ อีกทางเลือกหนึ่งเนื่องจากความผันผวนของการเคลื่อนที่ในรอบการผลิตอาจมีการถือเป็นหุ้นที่มีอัตราส่วนประสิทธิภาพต่ำที่สุดเท่าที่จะเป็นไปได้ การเสนอราคาเริ่มต้นของสินทรัพย์ของ บริษัท ที่ล้มละลายจากผู้ซื้อที่สนใจที่ได้รับเลือกโดย บริษัท ที่ล้มละลาย จากกลุ่มผู้เสนอราคา ข้อ 50 คือข้อตกลงการเจรจาต่อรองและข้อยุติในสนธิสัญญา EU ที่ระบุขั้นตอนที่จะต้องดำเนินการสำหรับประเทศใด ๆ ที่ เบต้าเป็นตัวชี้วัดความผันผวนหรือความเสี่ยงอย่างเป็นระบบของการรักษาความปลอดภัยหรือผลงานเมื่อเทียบกับตลาดโดยรวม ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎที่กำหนดไว้ John Ehlers เอกสารทางเทคนิค John Ehlers ผู้พัฒนา MESA ได้เขียนและเผยแพร่เอกสารจำนวนมากเกี่ยวกับหลักการที่ใช้ในวงจรการตลาด บทสรุปสำหรับเอกสารที่มีอยู่แสดงด้านล่าง ดาวน์โหลดแต่ละรายการโดยเลือก HyperText ที่เกี่ยวข้อง ทำไมผู้ค้าเสียเงิน (และจะทำอย่างไรกับเรื่องนี้) บทความในนิตยสารสินค้าโภคภัณฑ์ของ Stock amp เดือนพฤษภาคมปี 2014 อธิบายถึงวิธีการสร้างเส้นโค้งของส่วนประดิษฐ์โดยรู้ถึงปัจจัยด้านกำไรและเปอร์เซ็นต์ผู้ชนะกลยุทธ์การซื้อขาย สถิติ Bell Curve สำหรับการซื้อขายหุ้นที่เลือกแบบสุ่มและการซื้อขายหลักทรัพย์รวมอยู่ด้วย นี่เป็นสเปรดชีต Excel ที่ช่วยให้คุณได้สัมผัสกับตัวบ่งชี้ทางสถิติเหล่านี้ของประสิทธิภาพของระบบการซื้อขาย ตัวชี้วัดเชิงคาดการณ์สำหรับกลยุทธ์การซื้อขายที่มีประสิทธิภาพผู้ค้าทางเทคนิคเข้าใจว่าตัวชี้วัดต้องเรียบข้อมูลการตลาดให้มีประโยชน์และการปรับให้ราบเรียบแนะนำว่าความล่าช้าเป็นผลข้างเคียงที่ไม่พึงประสงค์ นอกจากนี้เรายังรู้ว่าตลาดมีลักษณะเป็นเศษส่วนเป็นช่วงกราฟรายสัปดาห์มีลักษณะเหมือนกับกราฟรายเดือนรายวันหรือแผนภูมิระหว่างวัน สิ่งที่อาจไม่ชัดเจนเท่าที่เห็นได้ชัดก็คือช่วงเวลาตามแกน x เพิ่มขึ้นการแกว่งราคาสูงไปต่ำตามแกน y จะเพิ่มขึ้นเรื่อย ๆ ตามสัดส่วน ปรากฏการณ์การขยายตัวของสเปคตรัมนี้ทำให้เกิดการบิดเบือนที่ไม่พึงปรารถนาซึ่งเป็นสิ่งที่ไม่ได้รับการยอมรับหรือได้รับการละเลยโดยนักพัฒนาดัชนีและนักเทคนิคด้านการตลาด Inferring กลยุทธ์การซื้อขายจากวัดความน่าจะเป็นความหนาแน่นฟังก์ชันนี่คือผู้ชนะอันดับที่สองของ MTAs 2008 Charles H. Dow Award ในบทความนี้จะแสดงความหมายของรูปแบบต่างๆของการทำให้เสียโรงและการกระจายความน่าจะเป็นผลลัพธ์สามารถใช้เป็นกลยุทธ์ในการสร้างระบบการซื้อขายที่มีประสิทธิภาพได้อย่างไร ผลลัพธ์ของระบบการซื้อขายที่มีประสิทธิภาพเหล่านี้เปรียบเทียบกับแนวทางมาตรฐาน การแสดงกระดาษและวิธีการโต้ตอบเพื่อขจัดความล้าหลังให้มากที่สุดเท่าที่ต้องการจากตัวกรองที่ราบรื่น แน่นอนความล่าช้าที่ลดลงมาในราคาที่ลดลงเรียบกรอง ตัวกรองแสดงให้เห็นถึงการโยกย้ายชั่วคราวที่พบบ่อยในตัวกรองคำสั่งซื้อที่สูงขึ้น การสลายตัวแบบ Empirical Mode วิธีการใหม่สำหรับการตรวจจับวงจรและโหมดแนวโน้ม การแปลงฟูเรียร์สำหรับผู้ค้าปัญหาเกี่ยวกับการแปลงฟูริเยร์สำหรับการวัดรอบการตลาดก็คือพวกเขามีความละเอียดที่ไม่ดีมาก ในบทความนี้จะแสดงวิธีใช้การแปลงแบบไม่เชิงเส้นเพื่อปรับปรุงความละเอียดเพื่อให้ Fourier Transforms สามารถใช้งานได้ สเปกตรัมที่วัดได้จะแสดงเป็นดัชนีชี้วัดความร้อน Swiss Army Knife Indicators Indicators เป็นเพียงคำตอบสำหรับการป้อนข้อมูล ตัวบ่งชี้นี้สามารถเปลี่ยนเป็นค่า EMA, SMA, 2 Pole Gaussian Low Pass Filter, 2 Pole Butterworth Low Pass Filter, FIR ที่นุ่มนวลขึ้น Bandpass filter หรือ Bandstop filter ตัวกรอง Ehlers มีการอธิบายตัวกรอง FIR แบบไม่เชิงเส้นผิดปกติ ตัวกรองนี้เป็นหนึ่งในกลุ่มที่มีการตอบสนองต่อการเปลี่ยนแปลงราคามากที่สุด แต่ก็มีความราบเรียบในตลาดด้านข้าง การประเมินประสิทธิภาพของระบบ (Profit Factor) (กำไรขั้นต้นหารด้วยขาดทุนขั้นต้น) จะคล้ายคลึงกับปัจจัยการจ่ายเงินในเกม ดังนั้นเมื่อ Fact Factor บวกกับเปอร์เซ็นต์ของผู้โชคดีจากเหตุการณ์สุ่มแบบต่างๆตัวอย่างของการจำลองการเติบโตของส่วนแบ่งการซื้อขายหลักทรัพย์ บทความนี้จะอธิบายว่าตัวบอกลักษณะสมรรถนะทั่วไปเกี่ยวข้องกับพารามิเตอร์สองตัวนี้อย่างไร มีการอธิบายสเปรดชีต Excel ซึ่งช่วยให้คุณสามารถวิเคราะห์ระบบมอนติคาร์โลของระบบการซื้อขายของคุณได้หากคุณรู้จักทั้งสองพารามิเตอร์ (จากตัวอย่าง) FRAMA (ค่าเฉลี่ยเคลื่อนที่แบบปรับสภาพ FRACTAL) ค่าเฉลี่ยเคลื่อนที่แบบไม่เชิงเส้นมาจากการใช้เลขชี้กำลัง Hurst มารดาเป็นมารดาของค่าเฉลี่ยเคลื่อนที่ทั้งหมดที่ปรับตัวได้ ตามจริงชื่อนี้เป็นคำย่อสำหรับ MESA Adaptive Moving Average การกระทำเชิงเส้นของตัวกรองนี้จะถูกสร้างขึ้นโดย flyback ของเฟสทุกครึ่งรอบ เมื่อรวมกับ FAMA ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ปรับตัวต่อไปนี้ไขว้จะสร้างสัญญาณเข้าและออกจากยอดเยี่ยมซึ่งไม่มีสัมพัทธ์กับ whipsaws Time Warp โดยไม่ใช้ Space Travel Polynomials Laguerre ใช้ในการสร้างโครงสร้างตัวกรองที่คล้ายกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายโดยมีความแตกต่างว่าระยะห่างของเวลาระหว่าง Taps ของตัวกรองคือ nolinear ผลลัพธ์ช่วยให้สามารถสร้างตัวกรองที่สั้นมากซึ่งมีลักษณะการทำให้เรียบของตัวกรองที่ยาวขึ้น ตัวกรองที่สั้นกว่าหมายถึงความล่าช้าน้อยลง ข้อดีของการใช้พหุนาม Laguerre ในตัวกรองแสดงให้เห็นในตัวบ่งชี้ทั้งสองและระบบการซื้อขายอัตโนมัติ บทความนี้มีโค้ด EasyLanguage CG Oscillator CG Oscillator มีความโดดเด่นเนื่องจากเป็น oscillator ที่นุ่มนวลและมีความล่าช้าเป็นศูนย์ พบศูนย์ถ่วงน้ำหนัก (CG) ของราคาในตัวกรอง FIR CG โดยอัตโนมัติจะมีการปรับให้เรียบของตัวกรอง FIR (คล้ายกับค่าเฉลี่ยเคลื่อนที่อย่างง่าย) โดยตำแหน่งของ CG อยู่ในช่วงที่มีการเคลื่อนไหวของราคา รวมโค้ด EasyLanguage แล้ว การใช้ Fisher Transform ระบบการซื้อขายหลายแห่งได้รับการออกแบบมาโดยใช้สมมติฐานว่าการกระจายราคาที่เป็นไปได้ของราคามีการกระจายแบบปกติหรือแบบเกาส์น่าประมาณค่าเฉลี่ย ในความเป็นจริงไม่มีอะไรจะไกลจากความจริง บทความนี้อธิบายถึงวิธีการแปลงข้อมูล Fisher Transform เพื่อให้มีการแจกแจงความน่าจะเป็นแบบปกติ (Normal Probability Distribution) การแจกแจงความน่าจะเป็นปกติหลังจากใช้ Fisher Transform ข้อมูลจะถูกใช้เพื่อสร้างจุดเข้าด้วยความแม่นยำในการผ่าตัด บทความนี้มีโค้ด EasyLanguage ผกผันฟิชเชอร์ผกผันการแปลงผกผันชาวประมงสามารถใช้ในการสร้างเครื่องกำเนิดไฟฟ้าที่สวิทช์ได้อย่างรวดเร็วระหว่าง oversold และ overbought โดยไม่ต้อง whipsaws Gaussian Filters Lag คือความล่มสลายของตัวกรองที่ราบรื่น บทความนี้แสดงให้เห็นว่าความล่าช้าสามารถลดลงได้อย่างไรและจะทำให้ได้สมรรถนะความจงรักภักดีสูงสุดโดยการลดความล่าช้าของส่วนประกอบความถี่สูงในข้อมูล มีตารางค่าสัมประสิทธิ์การกรองแบบ Gaussian ที่สมบูรณ์ Poles and Zeros คำอธิบายเกี่ยวกับตัวกรองแบบดิจิตอลในรูปของ Z Transforms รายละเอียดของตัวกรองคำสั่งซื้อที่สูงขึ้นจะอธิบายไว้ ใช้ตารางสัมประสิทธิ์ของตัวกรอง 2 ขั้วและ 2 ขั้วบัตเตอร์เวิร์ ธ