Jma Moving Average Formula

Software de trading avanzado: análisis técnico y redes neuronales Tradecision permite el uso de herramientas de investigación de Jurik Los indicadores de Jurik Research sólo pueden utilizarse en Tradecision si los adquiere de Jurik Research. JMA (Jurik Moving Average, Jurik Research) es un filtro avanzado de eliminación de ruido. La función permite ver la quottruequot actividad subyacente. Al ser increíblemente suave y extremadamente sensible a las lagunas del mercado, tiene un desfase muy bajo. El argumento suave es un número que controla la suavidad de la curva de los JMA. El argumento de fase controla el aspecto de retraso / sobresalto de la curva de los JMA. Jurik Moving Average está diseñado para ser aplicado en sistemas de trading de su propio diseño. VEL (Zero-lag Velocity, Jurik Research) es una versión super suave del indicador técnico quotmomentum. quot Su característica distintiva es que el proceso de suavizado no añade ningún retraso al original Indicador de momento. El segundo argumento (Longitud) es un entero que especifica el tamaño de ventana móvil de VEL. Para obtener más información, visite www. jurikres / catalog / msvel. htm El CFB (Composite Fractal Behavior, Jurik Research) es un índice que revela los mercados en función de los plazos, ideal para crear tamaños de ventanas adaptables de diversos indicadores técnicos. El segundo argumento es un entero que especifica la suavidad de salida. El tercer argumento es un entero que especifica el tamaño fractal más grande que se debe considerar CFB. El nivel de suavidad debe estar entre 1 y 50 inclusive. Los valores más altos producen resultados más suaves. SpanSize debe ser 24, 48, 96 o 192. Valores mayores hacen que CFB considere más datos y se mueva más lentamente. Para más información, visite www. jurikres / catalog / mscfb. htm RSX (Índice de Fuerza de Tendencia, Jurik Research) - es el reemplazo superior para RSI. Indicador ultra-suave, preciso y de bajo retraso de tendencia y pureza. El indicador es excelente para el análisis profundo. El segundo argumento es un número que controla la suavidad de la curva RSXs. Para obtener más información, visite www. jurikres / catalog / msrsx. htmFAQs en JMA Cuál es la teoría detrás de JMA. Por qué JMA tiene un parámetro PHASE? Prevé la JMA una serie cronológica? Los valores de JMA anteriores, ya trazado, cambiarán a medida que lleguen nuevos datos. Puedo mejorar otros indicadores usando JMA? JMA tiene alguna garantía especial Cómo compara JMA con otros filtros. TEMAS GENERALES en HERRAMIENTAS JURIK Pueden las herramientas trazar muchas curvas en cada una de las muchas cartas. Las herramientas pueden procesar cualquier tipo de datos. Las herramientas pueden trabajar en tiempo real. Son los algoritmos revelados o en negro. Las herramientas de Jurik necesitan mirar hacia el futuro de una serie de tiempo. Las herramientas producen valores similares en todas las plataformas (TradeStation, Multicharts.). Las herramientas de Juriks vienen con una garantía. Cuántas contraseñas de instalación obtengo. Cuál es la teoría detrás de JMA. PARTE 1. FALTAS DE PRECIOS Los datos de series temporales de suavizado, como los precios de las acciones diarias, para eliminar el ruido no deseado producirá inevitablemente un gráfico (indicador) que se mueve más lento que la serie temporal original. Este quotslownessquot hará que la parcela a lag algo detrás de la serie original. Por ejemplo, un promedio móvil simple de 31 días retrasará la serie temporal de precios en 15 días. Lag es muy indeseable porque un sistema de comercio que utiliza esa información tendrá su comercio retrasado. Comercios tarde puede muchas veces ser peor que ningún comercio en absoluto, como usted puede comprar o vender en el lado equivocado del ciclo de los mercados. En consecuencia, se hicieron muchos intentos para minimizar el retraso, cada uno con sus propias fallas. La conquista del retraso sin hacer suposiciones simplificadoras (por ejemplo, que los datos consisten en ciclos superpuestos, cambios de precios diarios que tienen una distribución gaussiana, todos los precios son igualmente importantes, etc.) no es una tarea trivial. Al final, JMA tuvo que basarse en la misma tecnología que los militares usan para rastrear objetos en movimiento en el aire usando nada más que su ruidoso radar. JMA ve la serie de precios como una imagen ruidosa de un objetivo en movimiento (el precio subyacente suave) y trata de estimar la ubicación del objetivo real (precio suave). Las matemáticas propietarias se modifican para tener en cuenta las propiedades especiales de una serie temporal financiera. El resultado es una curva suave sedosa que no hace ninguna suposición sobre los datos que tienen ningunos componentes cíclicos cualesquiera. En consecuencia JMA puede convertir quotón un dimequot si el mercado (objetivo móvil) decide girar dirección o gap arriba / abajo por cualquier cantidad. No existe una diferencia de precios demasiado grande. PARTE 2. TODO OTRO Después de varios años de investigación, Jurik Research determinó que el filtro de reducción de ruido perfecto para los datos financieros tiene los siguientes requisitos: Retardo mínimo entre la señal y el precio, de lo contrario los desencadenantes comerciales se retrasan. Mínimo rebasamiento, de lo contrario la señal produce falsos niveles de precios. Mínimo undershoot, si no tiempo se pierde esperando la convergencia después de la brecha de precios. Máxima suavidad, excepto en el momento en que las diferencias de precios a un nuevo nivel. Cuando se mide hasta estos cuatro requisitos, todos los filtros populares (excepto JMA) funcionan mal. Aquí hay un resumen de los filtros más populares. Promedio móvil ponderado - no responde a las lagunas Promedio móvil exponencial - excesivo ruido ruidoso Promedios móviles adaptativos - (no los nuestros) normalmente basado en suposiciones simplificadas sobre la actividad del mercado fácilmente engañado Línea de regresión - no responde a las lagunas excesiva excesiva Filtros FFT - Fácilmente distorsionada por el ruido no gaussiano en la ventana de datos es típicamente demasiado pequeña para determinar con precisión ciclos verdaderos. Filtros FIR - se ha denominado retraso de quotgroup. No hay manera de evitarlo a menos que quiera cortar algunos rincones. Vea los filtros quotBand-Passquot. Filtros de paso de banda - no hay retraso sólo en el centro de la banda de frecuencia tiende a oscilar y sobrepasar los precios reales. Los filtros de entropía máxima, fácilmente distorsionados por el ruido no gaussiano en la ventana de datos, son típicamente demasiado pequeños para determinar con precisión ciclos verdaderos. Filtros Polinomiales - no responde a lagunas superación excesiva En contraste, JMA integra la teoría de la información y el filtrado no lineal adaptativo de una manera única. Mediante la combinación de una evaluación del contenido de información en una serie de tiempo con la potencia de la transformación no lineal adaptativa, el resultado empuja el quotenveloquítico sobre el filtrado de series temporales financieras casi hasta donde puede llegar. Más y casarse con el Principio de Incertidumbre de Heisenburg (algo que nadie ha superado, o nunca lo hará). Por lo que sabemos, JMA es el mejor. Invitamos a cualquiera a mostrarnos lo contrario. Para un análisis más comparativo de los fallos de los filtros populares, descargue nuestro informe sobre la evolución de los promedios móviles de nuestro departamento de informes especiales. Vea nuestra comparación con otros filtros populares. Por qué JMA tiene un parámetro PHASE? Hay dos maneras de disminuir el ruido en una serie de tiempo usando JMA. Aumentar el parámetro LENGTH hará que JMA se mueva más lentamente y, por tanto, reduzca el ruido a expensas del retraso añadido. Alternativamente, puede cambiar la cantidad de quotinertiaquot contenida dentro de JMA. La inercia es como la masa física, cuanto más tienes, más difícil es girar la dirección. Por lo tanto, un filtro con mucha inercia requerirá más tiempo para invertir la dirección y por lo tanto reducir el ruido a expensas de la sobrepasa durante reversiones en la serie de tiempo. Todos los filtros de ruido fuerte tienen rezago y rebasamiento, y JMA no es una excepción. Sin embargo, los parámetros ajustables de los JMA PHASE y LENGTH le ofrecen una manera de seleccionar la compensación óptima entre lag y overshoot. Esto le da la oportunidad de afinar varios indicadores técnicos. Por ejemplo, el gráfico (a la derecha) muestra una línea JMA rápida que cruza una línea JMA más lenta. Para hacer que la línea rápida de JMA se convirtiera en una moneda de diez centavos cada vez que el mercado invierte, se estableció que no tenía inercia. Por el contrario, la JMA lenta fue establecida para tener gran inercia, lo que ralentiza su capacidad de giro durante las inversiones del mercado. Esta disposición hace que la línea más rápida cruce sobre la línea más lenta tan rápidamente como sea posible, produciendo así las señales de crossover de baja lag. Claramente, el control del usuario de una inercia de los filtros ofrece una potencia considerable sobre los filtros que carecen de esta capacidad. Prevé la JMA una serie cronológica? No pronostica en el futuro. JMA reduce el ruido prácticamente de la misma manera que un promedio móvil exponencial, pero muchas veces mejor. Los valores de JMA anteriores, ya trazado, cambiarán a medida que lleguen nuevos datos. No. Para cualquier punto de un gráfico JMA, sólo se usan datos históricos y actuales en la fórmula. En consecuencia, a medida que nuevos datos de precios lleguen a intervalos de tiempo posteriores, los valores de JMA ya trazados no se ven afectados y NUNCA cambian. También considere el caso cuando la barra más reciente en un gráfico se actualiza en tiempo real a medida que llega cada nueva señal. Dado que es probable que el precio de cierre de la barra más reciente cambie, JMA se reevalúa automáticamente para reflejar el nuevo precio de cierre. Sin embargo, los valores históricos de JMA (en todas las barras anteriores) no se ven afectados y no cambian. Uno puede crear impresionantes indicadores de búsqueda de datos históricos cuando se analizan los valores pasados ​​y futuros que rodean cada punto de datos que se están procesando. Sin embargo, cualquier fórmula que necesite ver valores futuros en una serie de tiempo no puede aplicarse en el comercio del mundo real. Esto es porque al calcular el valor de hoy de un indicador, los valores futuros no existen. Todos los indicadores Jurik utilizan sólo datos de series temporales actuales y anteriores en sus cálculos. Esto permite que todos los indicadores Jurik funcionen en todas las condiciones de tiempo real. Puedo mejorar otros indicadores usando JMA Sí. Normalmente reemplazamos la mayoría de los cálculos del promedio móvil en indicadores técnicos clásicos con JMA. Esto produce resultados más suaves y más oportunos. Por ejemplo, simplemente insertando JMA en el indicador técnico estándar de DMI, producimos el indicador DMX, que viene gratis con su pedido de JMA. Tiene JMA alguna garantía especial? Si nos muestra un algoritmo no propietario para una media móvil que, cuando se codifica para funcionar en TradeStation, Matlab o Excel VBA, se desempeña mejor que nuestra media móvil en corto, mediano y largo plazo. Un paseo al azar, bien reembolsar su licencia de usuario comprado para JMA. Lo que queremos decir con "quotbetterquot" es que debe ser, en promedio, más suave, sin mayor rezago promedio que el nuestro, no hay un sobrepaso promedio mayor y un promedio menor que el nuestro. Lo que entendemos por marcos de tiempo medio, medio y largo es que las comparaciones deben incluir tres longitudes JMA separadas: 7 (corta), 35 (media), 175 (larga). Lo que queremos decir con una caminata aleatoria es una serie cronológica producida por una suma acumulada de 5000 números semánimos distribuidos de Cauchy. Esta garantía limitada es válida sólo para el primer mes de haber adquirido una licencia de usuario de JMA de parte de uno de nuestros distribuidores en todo el mundo. Cómo se compara JMA con otros filtros? El filtro de Kalman es similar a JMA en que ambos son poderosos algoritmos utilizados para estimar el comportamiento de un sistema dinámico ruidoso cuando todo lo que tiene que trabajar es mediciones ruidosas de datos. El filtro de Kalman crea predicciones suaves de las series temporales, y este método no es del todo apropiado para series de tiempo financieras ya que los mercados son propensos a producir giros violentos y brechas de precios, comportamientos no típicos de los sistemas dinámicos que operan suavemente. Por consiguiente, el suavizado del filtro de Kalman con frecuencia se retrasa o supera las series temporales de precios de mercado. En contraste, JMA sigue los precios de mercado de cerca y sin problemas, adaptándose a las lagunas mientras evita los rebasamientos no deseados. Vea el siguiente diagrama para un ejemplo. Un filtro que se describe en revistas populares es el promedio móvil Kaufmann. Es una media móvil exponencial cuya velocidad varía según la eficacia de la acción de los precios. En otras palabras, cuando la acción del precio está en una tendencia clara con poco retroceso, el filtro de Kaufmann se acelera y cuando la acción se congela, el filtro se ralentiza. (Véase el gráfico anterior) Aunque su naturaleza adaptativa ayuda a superar algunos de los desfases típicos de los promedios móviles exponenciales, todavía está muy por detrás de JMA. Lag es una cuestión fundamental para todos los comerciantes. Recuerde, cada barra de retraso puede retrasar sus operaciones y negarle beneficios. Otra media móvil descrita en revistas populares es Chandes VIDYA (Variable Index Dynamic Average). El índice utilizado con mayor frecuencia dentro de VIDYA para gobernar su velocidad es la volatilidad de los precios. A medida que aumenta la volatilidad a corto plazo, la media móvil exponencial de VIDYA está diseñada para moverse más rápido y, a medida que disminuye la volatilidad, VIDYA se ralentiza. En la superficie esto tiene sentido. Desafortunadamente, este diseño tiene un defecto obvio. Aunque la congestión lateral debe ser suavizada a fondo independientemente de su volatilidad, un período altamente volátil de la congestión sería seguido de cerca (no alisado) por VIDYA. En consecuencia, VIDYA puede fallar al eliminar el ruido no deseado. Por ejemplo, el gráfico compara JMA con VIDYA, ambos establecidos para seguir una tendencia descendente igualmente bien. Sin embargo, durante la congestión resultante, VIDYA falla en suavizar los picos de precios mientras que JMA se desliza con éxito a través de la charla. En otra comparación donde tanto VIDYA y Juriks JMA se establecieron para tener la misma suavidad, vemos en el gráfico que VIDYA se queda atrás. Como se mencionó anteriormente, el momento tardío puede fácilmente robar sus ganancias en cualquier comercio. Otros dos indicadores populares son T3 y TEMA. Son suaves y tienen poco retraso. T3 es el mejor de los dos. No obstante, T3 puede presentar un serio problema de rebasamiento, como se ve en la tabla siguiente. Dependiendo de su aplicación, es posible que no quiera un indicador que muestre un nivel de precios que el mercado real nunca alcanzó, ya que esto puede iniciar inadvertidamente operaciones no deseadas. Aquí hay dos comentarios encontrados publicados en foros de Internet relevantes: "El indicador T3 es muy bueno (y yo he cantado sus elogios antes, en esta lista). Sin embargo, Ive tenido la oportunidad de derivar algunas mediciones alternativas del mercado y las suavice. Theyre bastante mal comportamiento a veces. Al alisarlos, T3 se vuelve inestable y sobrepasa mal, mientras que JMA navega a través de ellos. Allan Kaminsky alude a la xmisión. Mi propia visión de JMA es consistente con lo que otras personas han escrito (he pasado mucho tiempo comparando visualmente JMA con TEMA Yo no pensaría ahora en usar TEMA en lugar de JMA). Steven Buss sbuss pacbell Un artículo en la edición de enero de 2000 de TASC describe una media móvil diseñada en la década de 1950 para tener un bajo rezago. Su inventor, Robert Brown, diseñó el quotModified Moving Average (MMA) para reducir el rezago en la estimación de inventarios. En su fórmula, la regresión lineal estimó el momento actual de las curvas, que a su vez se utiliza para estimar el retraso vertical. La fórmula luego resta el retraso estimado de la media móvil para obtener resultados de retraso bajos. Esta técnica funciona bien en el buen comportamiento (suavemente la transición) gráficos de precios, pero de nuevo, lo mismo ocurre con la mayoría de los otros filtros avanzados. El problema es que el mercado real es todo menos bien comportado. Una verdadera medida de la aptitud es qué tan bien funciona cualquier filtro en los datos financieros del mundo real, una propiedad que se puede medir con nuestra batería bien establecida de pruebas de referencia. Estas pruebas revelan que MMA supera los gráficos de precios, como se ilustra a continuación. En comparación, el usuario puede establecer un parámetro en JMA para ajustar la cantidad de rebasamiento, incluso eliminándolo completamente. La decisión es tuya. Recuerde, lo último que quiere es un indicador que muestra un nivel de precios que el mercado real nunca alcanzó, ya que esto puede iniciar inadvertidamente oficios no deseados. Con MMA, usted no tiene opción y debe soportar el exceso si te gusta o no. (Véase el cuadro a continuación) La edición de julio de 2000 de TASC contenía un artículo de John Ehlers que describía un filtro de filtro elíptico óptimo modificado (abreviado aquí como quotMEFquot). Este es un excelente ejemplo de análisis de señal clásico. El gráfico de abajo compara MEF con JMA cuyos parámetros (JMA length7, phase50) fueron establecidos para hacer que JMA sea lo más similar posible a MEF. La comparación revela estas ventajas al usar JMA: JMA responde a oscilaciones de precios extremos más rápidamente. En consecuencia, cualquier valor de umbral usado para activar señales será ejecutado antes por JMA. JMA casi no ha superado, permitiendo que la línea de señal para seguir con más precisión la acción de precios justo después del movimiento de precios grandes. JMA se desliza a través de pequeños movimientos del mercado. Esto le permite centrarse en la acción del precio real y no en la actividad del mercado pequeño que no tiene consecuencias reales. Un método favorito entre los ingenieros para suavizar datos de series de tiempo es ajustar los puntos de datos con un polinomio (eq, una spline parabólica o cúbica). Un diseño eficiente de este tipo es una clase conocida como filtros Savitzy-Golay. La gráfica de abajo compara JMA con un filtro Savitzy-Golay cúbico-spline (3er orden), cuyos ajustes de parámetro fueron elegidos en la parte superior para que se desempeñen lo más cerca posible de JMA. Observe cómo suavemente JMA se desliza a través de las regiones de congestión comercial. En contraste, el filtro S-G es bastante dentado. Claramente JMA es, una vez más, el ganador. Otra técnica utilizada para reducir el retardo en un filtro de media móvil es añadir un cierto impulso (pendiente) de la señal al filtro. Esto reduce el retraso, pero con dos penalizaciones: más ruido y más sobrepaso en puntos de pivote de precios. Para compensar el ruido, se puede emplear un filtro FIR ponderado simétricamente, que es más suave que un promedio móvil simple, cuyos pesos pueden ser: 1-2-3-4-3-2-1 y luego ajustar estos pesos para añadir algún retraso Reduciendo el impulso. La eficacia de este enfoque se muestra en la siguiente figura (línea roja). Aunque el filtro FIR rastrea el precio de cerca, todavía se queda atrás de JMA, así como mostrar un mayor sobrepaso. Además, el filtro FIR tiene una suavidad fija y necesita ser rediseñado para cada suavidad diferente deseada. En comparación, el usuario sólo necesita cambiar un parámetro quotsmoothnessquot de JMA para obtener cualquier efecto deseado. No solo JMA produce mejores gráficos de precios, sino que también puede mejorar otros indicadores clásicos. Por ejemplo, considere el clásico MACD indicador, que es una comparación de dos promedios móviles. Su convergencia (moviéndose más cerca) y su divergencia (apartándose) proporcionan señales de que una tendencia del mercado está cambiando de dirección. Es muy importante que tenga el menor retraso posible con estas señales o sus operaciones tarde. En comparación, un MACD creado con JMA tiene significativamente menos retraso que un MACD usando promedios móviles exponenciales. Para ilustrar esta afirmación, la siguiente figura es un hipotético gráfico de precios simplificado para mejorar las cuestiones más destacadas. Vemos barras de igual tamaño en una tendencia ascendente, interrumpida por una brecha súbita a la baja. Las dos líneas de color son promedios móviles exponenciales que forman un MACD. Tenga en cuenta que el cruce se produce mucho tiempo después de la brecha, lo que provoca una estrategia de negociación para esperar y el comercio tarde, en todo caso. Si trató de acelerar el tiempo de este indicador haciendo que las medias móviles fueran más rápidas, las líneas se volverían más ruidosas y más irregulares. Esto tiende a crear desencadenadores falsos y malos oficios. Por otro lado, el gráfico de abajo muestra el JMA azul ajustándose rápidamente al nuevo nivel de precios, permitiendo crossovers anteriores y designación anterior de una tendencia alcista en curso. Ahora usted puede entrar en el mercado más temprano y montar una porción más grande de la tendencia. A diferencia de la media móvil exponencial, JMA tiene un parámetro adicional (PHASE) que permite al usuario ajustar el grado de exceso. En el gráfico anterior, se permitió que la línea amarilla de la JMA superara más que el azul. Esto da crossovers ideal. Una de las características más difíciles de diseñar en un filtro de suavizado es una respuesta adaptativa a las diferencias de precios sin sobrepasar el nuevo nivel de precios. Esto es especialmente cierto para los diseños de filtros que emplean el propio impulso de los filtros como una forma de reducir el retraso. El siguiente gráfico compara el rebasamiento por JMA y el promedio móvil Hull (HMA). Los ajustes de los parámetros para los dos filtros se establecieron de manera que su rendimiento en estado estacionario fuera casi idéntico. Otra cuestión de diseño es si el filtro puede conservar la misma suavidad aparente durante las inversiones como durante las tendencias. La siguiente tabla muestra cómo JMA mantiene una suavidad casi constante durante todo el ciclo, mientras que la HMA oscila en las inversiones. Esto plantearía problemas para las estrategias que activan los intercambios basándose en si el filtro se está moviendo hacia arriba o hacia abajo. Por último, existe el caso de que los precios se acentúan y luego retroceden en una tendencia a la baja. Esto es especialmente difícil de rastrear en el momento del retiro. Afortunadamente, los filtros adaptativos tienen un tiempo mucho más fácil para indicar cuándo ocurrió una inversión que los filtros fijos, como se muestra en la siguiente tabla. Por supuesto, hay mejores filtros que JMA, utilizados principalmente por los militares. Pero si usted está en el negocio de rastrear los buenos oficios y no aviones enemigos, JMA es el mejor filtro de reducción de ruido disponible disponible para los datos del mercado financiero. Garantizamos it. Ideally, usted quisiera que una señal filtrada sea lisa y lag-libre. Retraso provoca retrasos en sus operaciones, y el aumento de retraso en sus indicadores suelen resultar en menores beneficios. En otras palabras, los recién llegados obtienen lo que queda en la mesa después de que la fiesta ya ha comenzado. Es por eso que los inversionistas, bancos e instituciones en todo el mundo piden la Media Moving Research Jurik (JMA). Puede aplicarlo como lo haría con cualquier otra media móvil popular. Sin embargo, JMAs mejora el tiempo y la suavidad te sorprenderá. La línea gris dentada en el gráfico simula la acción de precios que comienza en un rango de negociación bajo, luego las brechas a un rango de negociación más alto. Puesto que a nadie le gusta esperar al margen, un filtro de reducción de ruido perfecto (línea verde) se moverá suavemente a lo largo del centro del primer rango de negociación y luego saltará al centro del nuevo rango comercial casi de inmediato. Mail de Robert B. Recibo este e-mail preguntando sobre el Hull (HMA) y. Y nunca lo habías oído antes. Uh. está bien. De hecho, cuando realicé una búsqueda en Google descubrí un montón de promedios móviles de los que nunca había oído hablar, como: Límite de cero Media móvil exponencial Media móvil más baja Promedio móvil mínimo cuadrado Promedio móvil triangular Promedio móvil adaptable Promedio móvil Jurik. Así que pensé en hablar conmigo sobre los promedios móviles y. Havent que hiciste eso antes, como aquí y aquí y aquí y aquí y. Sí, sí, pero eso fue antes de que yo supiera de todos estos otros promedios móviles. De hecho, los únicos con los que jugué eran éstos, donde P 1. P2. P n son los últimos precios de las acciones n (siendo P n el más reciente). Promedio móvil simple (SMA) (P 1 P 2. P n) / K donde K n. Promedio móvil ponderado (WMA) (P 1 2 P 2 3 P 3.n P n) / K donde K (12.n) n (n1) / 2. Promedio Móvil Exponencial (EMA) (P n 945 P n-1 945 2 P n-2 945 3 P n-3) / K donde K 1 945945 2. 1 / (1-945). Nunca he visto esa fórmula EMA antes. Siempre thoguht que era. Sí, normalmente se escribe de manera diferente, pero quería mostrar que estos tres tienen prescripciones similares. (Vea las cosas de la EMA aquí y aquí.) De hecho, todas parecen: Tenga en cuenta que, si todos los Ps son iguales, digamos, Po, entonces la media móvil es igual a Po. Y esa es la forma en que cualquier medio que se respete debería comportarse. Así que cuál es el mejor Definir mejor. Aquí hay unos pocos promedios móviles, tratando de realizar un seguimiento de una serie de precios de las acciones que varían de una manera sinusoidal: los precios de las acciones que siguen una curva senoidal Dónde encontró una acción como que prestar atención Observe que los promedios móviles comúnmente utilizados (SMA, WMA Y EMA) alcanzan su máximo después de la curva sinusoidal. Eso es retraso y. Pero, qué pasa con ese tipo de HMA? Se ve muy bien Sí, y eso es lo que queremos hablar. En efecto. Y cuál es ese 6 en HMA (6) y veo algo llamado MMA (36) y. Paciencia. Promedio móvil del casco Comenzamos calculando el promedio móvil ponderado (WMA) de 16 días así: 1 WMA (16) (P 1 2 P 2 3 P 3. 16 P n) / K con K 12. 16 136. Aunque su Agradable y smoooth, itll tienen un retraso más grande que wed como: Así que miramos el WMA de 8 días: Me gusta Sí, sigue las variaciones de precios bastante bien. Pero hay más. Mientras que WMA (8) mira precios más recientes, todavía tiene un retraso, así que vemos cuánto ha cambiado la WMA al pasar de 8 días a 16 días. Esa diferencia sería así: en cierto sentido, esa diferencia da alguna indicación de cómo la AMM está cambiando. Por lo que añadimos este cambio a nuestro anterior WMA (8) para dar: 2 WMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16). MMA Por qué llamarla MMA? Tartamudeo. De todos modos, MMA (16) se vería así: Ill take it Patience. hay más. Ahora introducimos la transformación mágica y obtenemos. Ta-DUM Eso es casco Sí. Como lo entiendo Pero cuál es el ritual mágico Después de haber generado una serie de MMA s que implican los promedios móviles ponderados de 8 días y 16 días, miramos atentamente esta secuencia de números. Luego calculamos el WMA en los últimos 4 días. Eso da el promedio móvil Hull que hemos llamado HMA (4). Huh 16 días entonces 8 días entonces 4 días. Lanzar una moneda para ver cuántos. Usted escoge un número de días, como n 16. Luego mira WMA (n) y WMA (n / 2) y calcula MMA 2 WMA (n / 2) - WMA (n). (En nuestro ejemplo, thatd ser 2 WMA (8) - WMA (16).A continuación, se calcula WMA (sqrt (n)) utilizando sólo los últimos números sqrt (n) de la serie MMA (En nuestro ejemplo, thatd estar calculando Una WMA (4), utilizando la serie MMA.) Y para que la gráfica SINE divertido Howd lo hace Así que wheres la hoja de cálculo Im todavía trabajando en ella: MA-stuff. xls Es interesante ver cómo las diferentes medias móviles reaccionan a los picos: HMA realmente un promedio móvil ponderado Bueno, vamos a ver: Tenemos: 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 (1/136) P 1 P 2 8 P 8 - (1/136) 9 P 9 10 P 10 16 P 16 Por razones sanitarias P 3 16 P n) / 136 o MMA 2 (1/36) Razones, escribe bien así: MMA w 1 P 1 w 2 P 2 w 16 P 16. Tenga en cuenta que todos los pesos se suman a 1. Además, wk 2 (1/36) - (1/136) K para K 1, 2. 8 y wk - (1/136) K para K 9, 10. 16. Entonces, haciendo el ritual mágico de raíz cuadrada (donde sqrt (16) 4) tenemos (recordando que P 16 es el más Valor reciente) HMA el WMA de 4 días de los MMAs anteriores (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 (observando que 1234 10). Huh P 0. P -1. Qué. El MMA (16) utiliza los últimos 16 días, de regreso al precio se llamaba P 1. Si calculamos el promedio ponderado de 4 días de estos MMAs, estaremos usando el MMA de ayer (y que se remonta 1 día antes de P 1) y el día anterior, el MMA se remonta a 2 días antes de P 1 y el día Antes that. Okay, por lo que está llamando a precios P ​​0. P -1 etc. etc. Lo tienes. Así que un HMA de 16 días en realidad utiliza información que se remonta a más de 16 días, a la derecha Usted lo consiguió. Pero hay pesos negativos para ellos viejos precios Es eso legal La prueba está en el. Sí, sí. la prueba está en el pudín. Así que lo que hace la hoja de cálculo Hasta ahora se ve como esto: (Haga clic en la imagen para descargar.) Puede elegir una serie SINE o una serie RANDOM de precios de las acciones. Para este último, cada vez que haga clic en un botón obtendrá otro conjunto de precios. Entonces usted puede elegir el número de días: thats nuestro n. (Por ejemplo, usamos n 16 para nuestro ejemplo, arriba). Además, si elige la serie SINE, puede introducir picos y moverlos a lo largo del gráfico. Me gusta esto . Tenga en cuenta que hemos utilizado n 16 y n 36 (en la imagen de la hoja de cálculo) causa n / 2 y sqrt (n) son ambos enteros. Si utiliza algo como n 15 entonces la hoja de cálculo utiliza la parte INT eger de n / 2 y sqrt (n), es decir, 7 y 3. Por lo tanto, es la media móvil Hull el mejor Definir mejor. Qué pasa con ese Jurik promedio? No sé nada sobre él. Es propietario y tienes que pagar para usarlo. Sin embargo, permite jugar con promedios móviles. Otro promedio móvil Suponga que, en lugar de la media móvil ponderada (donde los pesos son proporcionales a 1, 2, 3.). Usamos el ritual mágico del Casco con el Promedio Móvil Exponencial. Es decir, consideramos que: MAg 2 EMA (n / 2) - EMA (n) MAg Sí, es decir, M oving A verage g inmick o M oving A verage g eneralized o M oving A verage g rand o. O M oving M og a de Ver a P o r P o r P o r P u ñ o ç. My............................................... Podemos jugar con 945 yk y ver lo que tenemos: Por ejemplo, aquí están unos pocos MAgs (donde se quedaron a 16 días, pero cambiando los valores de 945 y k): MAg (16) 2 EMA (4) - EMA 16) 1.5 EMA (5) - 0.5 EMA (16) Tenga en cuenta que cuando tomamos k 3 obtenemos n / k 16/3 5.333 que cambiamos a simple y simple 5.0. Por qué no te quedas con las opciones de cascos: 945 2 y k 2 buena idea. Mieras obtener esto: MAg (16) 2 EMA (8) - EMA (16) Parece que el gráfico con 945 1,5 y k 3. Lo hace, no lo hizo Usted goof. De nuevo Posiblemente. Así que qué sobre ese ritual de raíz cuadrada lo dejo como un ejercicio. Para ti Bueno, mientras jugaba con esa cosa MAg encuentro que Hulls k 2 funciona bastante bien. Tan bien se adhieren a eso. Sin embargo, a menudo obtenemos un promedio bastante bueno cuando agregamos sólo una pequeña parte del cambio: EMA (n / 2) - EMA (n). De hecho, agregue sólo una fracción 946 de ese cambio. Se obtiene: MAg (n, 946) EMA (n / 2) 946 EMA (n / 2) - EMA (n). Es decir, se elige 946 0,5 o tal vez sólo 946 0,25 o lo que sea y utilice: Por ejemplo, si comparamos nuestra baraja de promedios móviles como rastrear una función STEP, obtenemos esto, donde agregamos (para MAg) sólo 946 1 / 2 del cambio. Sí, pero cuál es el mejor valor de beta. Definir mejor: Tenga en cuenta que la beta 1 es la elección del casco. Excepto que estaban usando EMAs en lugar de WMAs. Y dejaste esa cosa de raíz cuadrada. Uh, sí. Olvidé eso. Nota . La hoja de cálculo cambia de hora a hora. En la actualidad se ve como este Algo para jugar Con me tengo una hoja de cálculo que se parece a esto. Haga clic en la imagen para descargar. Usted escoge una acción y hace clic en un botón y consigue un valor de años de precios diarios. El usted elige HMA o MAg, cambiando el número de días y, para MAg, el parámetro, y ve cuándo debe COMPRAR ro SELL. Basado en qué criterio Si el promedio móvil es DOWN x de su máximo en los últimos 2 días, COMPRA. (En el ejemplo, x 1.0) Si su UP y de su mínimo durante los últimos 2 días, VENDE. (En el ejemplo, y 1.5) Puede cambiar los valores de x e y. Tiene algo de bueno. Estos criterios, dije que era algo con lo que jugar. Theres esta otra técnica de alisado llamado el Hodrick-Prescott Filtro. Con la ayuda de Ron McEwan, ahora está incluido en esta hoja de cálculo: Es bueno jugar con él. Notará que hay un parámetro que puede cambiar en la celda M3. Y las señales de COMPRAR y VENDER. Los promedios de movimiento suavizar el ruido de los flujos de datos de precios a expensas de retraso (retraso) En los viejos días se podría tener la velocidad, a expensas de suavizado reducido En los viejos días sólo podría tener su suavizado en El gasto de retraso Piense cuántas horas usted desperdició tratando de obtener sus promedios rápidos y suaves Recuerde lo molesto que es ver el aumento de la velocidad causa aumento del ruido Recuerde que usted desea para el bajo retraso y bajo nivel de ruido Cansado de trabajar cómo tener su pastel Y No se desespere, ahora las cosas han cambiado, puede tener su pastel y se puede comer Precisión Lagless promedio en comparación con otros modelos de filtrado avanzado De los promedios básicos de la industria estándar (filtros) el promedio móvil ponderado es más rápido que el exponencial, pero no No ofrecen un buen alisado, en contraste el exponencial tiene excelente suavizado, pero enormes cantidades de retraso (Lag). Modern quothigh techquot filters although improving on the old basic models, have inherent weaknesses. Some of which are observed in the Jurik JMA filter and the worst of these weaknesses is overshoot. Jurik research openly admit to having quotminimal overshootquot which tends to indicates some form of predictive algorithm working its code. Remember that filters are intended to observe what is happening now and in the past. Predicting what will happen next is an illegal function in the Precision Trading Systems tool kit, the data is smoothed and de-lagged only. Or you could say, trends are followed precisely instead of told which way to go next, as is the case with these illegal type filter algorithms. The Precision Lagless average does NOT try to predict the next price value. The Hull average is claimed by many to be as fast and smooth as the JMA by Jurik research, it has good speed and low lag. The problem with the formula used in the Hull average is that its very simplistic and leads to price distortions which have poor accuracy caused by weighting too heavily( x 2) on the most recent data (Floor ( Length / 2 )) and then subtracting the old data, which leads to severe overshooting issues which In some cases are many standard deviations away from actual values The Precision Lagless average has ZERO overshoot. The diagram below shows the immense speed difference on a 30 period PLA and 30 period Hull average. The PLA was four bars ahead of the Hull average on both major turning points indicated on the 5 minute chart of the FT-SE100 Future ( Which is a 14 difference in Lag). If you traded the averages at their turning points to go short on the closing price in this example, PLA was signalling at 3,977.5 and Hull was a trifle later at 3,937, just about 40.5 points or in monetary terms 405 per contract. The long signal on PLA was at 3936 compared to Hulls 3,956.5, which equals a cost saving of 205 per contract with the PLA signal. Is it a bird. Is it a plane. No its the Precision Lagless Average Filters such as the VIDAYA average by Tuscar Chande, which use volatility to alter their lengths have a different kind of formula which change their length, but this process is not executed with any logic. Whilst they can work very well sometimes, this can also lead to a filter which can suffer both lag AND overshooting. The time series average which is indeed a very fast average, could well be renamed the quotovershooting averagequot this inaccuracy makes it un-useable for any serious assessment of data for trading use. The Kalman filter frequently lags behind or overshoots price arrays due to its over zealous algorithms. Other filters factor in price momentum to try to predict what will happen in the next price interval, and this is also a flawed strategy, as they overshoot when high momentum readings reverse, leaving the filter high and dry and miles away from the actual price activity. The Precision Lagless average uses pure and simple logic to decide its next output value. Many excellent mathematicians have tried and failed to create lag free averages, and generally the reason is their extreme maths intellect is not backed up by a high degree of commonsense logic. Precision Lagless average ( PLA ) is constructed of purely logical reason algorithms, which examine many different values which are stored in arrays and selects which value to send to output. PLAs superior speed, smoothing and accuracy make it an excellent trading tool for stocks, futures, forex, bonds etc. And as with all products developed by Precision Trading systems the underlying theme is the same. written for traders, BY A TRADER. PLA Length 14 and 50 on E-Mini Nasdaq future