Tuesday 22 August 2017

เศษส่วน ปรับตัว เคลื่อนไหว เฉลี่ย Forex กลยุทธ์


ค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนได้นำไปสู่ผลที่ดีกว่าค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือที่ผู้ค้าที่ใช้งานได้ชื่นชอบ อย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้นำไปสู่การค้า whipsaw จำนวนมากส่งผลให้ในชุดที่น่าผิดหวังของการชนะและการสูญเสียขนาดเล็ก นักวิเคราะห์ได้ใช้เวลาหลายทศวรรษในการพยายามปรับปรุงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ในบทความนี้เราจะพิจารณาถึงความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขานำไปสู่เครื่องมือการซื้อขายที่เป็นประโยชน์ ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่อยู่ที่ Robert Edwards และ John Magee ในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของข้อดีและข้อเสียของการเคลื่อนที่โดยเฉลี่ย แนวโน้มสต็อค เมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ที่เรา delightedly ค้นพบ (แม้ว่าคนอื่น ๆ ได้ทำไว้ก่อน) ว่าโดยค่าเฉลี่ยของข้อมูลสำหรับจำนวนที่ระบุ daysone อาจเป็นผลมาจากการเรียงลำดับของเส้นแบบอัตโนมัติซึ่งแน่นอนจะตีความการเปลี่ยนแปลงของ แนวโน้มดูเหมือนจะดีเกินจริง เป็นเรื่องจริงที่ดีเกินจริง เอ็ดเวิร์ดและจีได้ทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลริมทะเลโดยสิ้นเชิง แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้นคนอื่น ๆ ยังคงพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดาย Simple Moving Averages คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนรอบระยะเวลาที่เลือก การหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องบวกห้าราคาปิดล่าสุดและหารด้วยห้า หากการปิดตัวครั้งล่าสุดอยู่เหนือค่าเฉลี่ยที่เคลื่อนที่สต็อคจะถือว่าอยู่ในแนวโน้ม แนวโน้มขาลงจะถูกกำหนดโดยราคาที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (สำหรับข้อมูลเพิ่มเติมโปรดดูบทแนะนำ Moving Averages ของเรา) สถานที่ให้บริการที่กำหนดแนวโน้มนี้จะช่วยให้สามารถเคลื่อนย้ายค่าเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ ในการประยุกต์ใช้ที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนตัวสูงกว่าค่าเฉลี่ยเคลื่อนที่และขายได้เมื่อราคาปิดต่ำกว่าเส้นดังกล่าว วิธีการเช่นนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญทุก อย่างไรก็ตามในขณะที่การปรับให้เรียบข้อมูลค่าเฉลี่ยเคลื่อนที่จะล่าช้ากว่าการกระทำของตลาดและผู้ประกอบการค้ามักจะให้ผลตอบแทนส่วนใหญ่ในธุรกิจการค้าที่ยิ่งใหญ่ที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เพิ่มขึ้นนักวิเคราะห์ดูเหมือนว่าจะมีความคิดในเรื่องค่าเฉลี่ยเคลื่อนที่และพยายามใช้เวลาหลายปีในการลดปัญหาที่เกี่ยวข้องกับความล่าช้านี้ หนึ่งในนวัตกรรมเหล่านี้เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) วิธีนี้กำหนดให้น้ำหนักที่สูงกว่าข้อมูลล่าสุดและส่งผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ สูตรคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ได้แก่ EMA (Weight Close) ((1-Weight) EMAy) โดยที่: น้ำหนักคือค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือก EMAy เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาตั้งแต่วันนี้ค่าการถ่วงน้ำหนักทั่วไปคือ 0.181 ซึ่ง ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20 วัน อีกอย่างหนึ่งคือ 0.10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วัน แม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่แบบเสวนาไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งหมายความว่าการใช้สัญญาณซื้อขายจะทำให้ธุรกิจการค้าสูญเสียจำนวนมาก ในแนวคิดใหม่ในระบบการซื้อขายทางเทคนิค Welles Wilder คาดการณ์ว่าตลาดมีแนวโน้มเพียงหนึ่งในสี่ของเวลาเท่านั้น การดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการ จำกัด อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขายเฉลี่ยเคลื่อนไหวจะถูกสร้างขึ้นซ้ำ ๆ เนื่องจากราคาเคลื่อนขึ้นเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่ ในการแก้ไขปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA (สำหรับข้อมูลเพิ่มเติมโปรดดูที่วิธีการเคลื่อนไหวค่าเฉลี่ยที่ใช้ในการซื้อขาย) การปรับค่าเฉลี่ยเคลื่อนที่สำหรับการดำเนินการในตลาดวิธีหนึ่งในการจัดการข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวน การทำเช่นนี้ก็หมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันในตลาดที่ผันผวน นี้จะช่วยให้ผู้ชนะในการทำงาน เป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวม ค่าเฉลี่ยเคลื่อนที่จะขยับขึ้นใกล้กับการดำเนินการของตลาดในปัจจุบันและในทางทฤษฎีให้ผู้ประกอบการรายย่อยสามารถเก็บกำไรได้มากที่สุดในช่วงแนวโน้มนี้ 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) หลักการของประสิทธิภาพของแนวโน้มขึ้นอยู่กับทิศทางการเคลื่อนไหวของราคา (หรือแนวโน้ม) ที่คุณได้รับต่อหน่วยของการเคลื่อนไหวด้านราคามากกว่า กำหนดช่วงเวลา ER เท่ากับ 1.0 แสดงให้เห็นว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1.0 หมายถึงขาลงที่สมบูรณ์แบบ ในทางปฏิบัติสุดขั้วไม่ค่อยจะมาถึง เมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาค่าเฉลี่ยเคลื่อนที่แบบปรับตัวได้ (AMA) ผู้ค้าจะต้องคำนวณน้ำหนักด้วยสูตรต่อไปนี้ค่อนข้างซับซ้อน: 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) แสดงไว้ในรูปที่ 1 ภาพที่ 1: AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่แบบเสี้ยว (exponential moving average) แสดงเป็นเส้นสีน้ำเงินใกล้เคียงกับราคาที่มากที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดง ค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพมีแนวโน้มที่จะเกิดขึ้นในหลาย ๆ ครั้ง ข้อเสียเปรียบต่อค่าเฉลี่ยเคลื่อนที่เหล่านี้จึงเป็นไปไม่ได้ที่จะกำจัด บทสรุปโรเบิร์ตคอลบีได้ทดสอบเครื่องมือวิเคราะห์ทางเทคนิคหลายร้อยเครื่องมือในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดสารานุกรม เขาสรุปได้ว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้เป็นแนวคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติอันแท้จริงของวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้น ไม่ได้หมายความว่าพ่อค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ เพื่อพัฒนาระบบการซื้อขายที่มีกำไร (สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านค้นพบ Keltner Channels และ The Chaikin Oscillator) ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุด ตัวอย่างเช่นอัตราส่วนข้างต้นต่ำกว่า 0.30 แสดงถึงแนวโน้มขาขึ้นที่แข็งแกร่งและแสดงถึงการซื้อที่มีศักยภาพ อีกทางหนึ่งเนื่องจากความผันผวนของการเคลื่อนที่ในวัฏจักรหุ้นที่มีอัตราส่วนประสิทธิภาพต่ำที่สุดอาจถูกมองว่าเป็นโอกาสในการเกิด breakout สัญญาณของตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ค่าเฉลี่ยที่ล้มเหลว ราคาได้เลื่อนตัวบ่งชี้ไปด้านล่าง (ราคาเปิดของแถบวิเคราะห์อยู่เหนือตัวบ่งชี้และราคาปิดอยู่ด้านล่างตัวบ่งชี้) แต่ตัวบ่งชี้จะเพิ่มขึ้น (สัญญาณย้อนกลับบรรทัดอ่อนแอ) การย้าย Crossover เฉลี่ย ราคาได้เลื่อนตัวบ่งชี้ขึ้น (ราคาเปิดของแถบวิเคราะห์อยู่ด้านล่างตัวบ่งชี้และราคาปิดสูงกว่าตัวบ่งชี้) และตัวบ่งชี้จะเพิ่มขึ้น (สัญญาณแรง) การฝ่าฝืนจริง เงาล่างของแถบได้ข้ามตัวบ่งชี้ (ราคาเปิดและปิดของแถบที่วิเคราะห์อยู่เหนือตัวบ่งชี้และราคาต่ำอยู่ใต้ตัวบ่งชี้) และตัวบ่งชี้จะเพิ่มขึ้น (สัญญาณย้อนกลับของบรรทัดตัวบ่งชี้) การฝ่าฝืนล้มเหลว ราคามีการข้ามตัวบ่งชี้ขึ้น (ราคาเปิดของแถบวิเคราะห์อยู่ด้านล่างตัวบ่งชี้และราคาปิดอยู่เหนือตัวบ่งชี้) แต่ตัวบ่งชี้จะลดลง (สัญญาณย้อนกลับบรรทัดอ่อนแอ) การย้าย Crossover เฉลี่ย ราคาได้เลื่อนตัวบ่งชี้ไปด้านล่าง (ราคาเปิดของแถบวิเคราะห์อยู่เหนือตัวบ่งชี้และราคาปิดอยู่ด้านล่างตัวบ่งชี้) และตัวบ่งชี้จะตก (สัญญาณแรง) การฝ่าฝืนจริง เงาด้านบนของแถบได้ข้ามตัวบ่งชี้ (ราคาเปิดและปิดของแถบวิเคราะห์อยู่ด้านล่างตัวบ่งชี้และราคาสูงกว่าตัวบ่งชี้) และตัวบ่งชี้จะตก (สัญญาณย้อนกลับของบรรทัดตัวบ่งชี้) ไม่มีข้อคัดค้านต่อการซื้อปัจจัยการปรับตัวแบบเคลื่อนย้ายค่าเฉลี่ยเศษส่วนตัวบ่งชี้ทางเทคนิค (FRAMA) ที่ปรับเปลี่ยนโดยจอห์นได้รับการพัฒนาโดย Ehlers ตัวบ่งชี้นี้ถูกสร้างขึ้นตามอัลกอริทึมของค่าเฉลี่ยเคลื่อนที่แบบเสวนา (Exponential Moving Average) ซึ่งมีการคำนวณปัจจัยการให้เรียบตามมิติเศษส่วนปัจจุบันของชุดราคา ข้อได้เปรียบของ FRAMA คือความเป็นไปได้ที่จะทำตามแนวโน้มการเคลื่อนไหวที่แข็งแกร่งและชะลอตัวลงอย่างเพียงพอในช่วงเวลาที่การรวมราคา สามารถใช้การวิเคราะห์ทุกประเภทสำหรับ Moving Averages ในตัวบ่งชี้นี้ได้ คุณสามารถทดสอบสัญญาณการค้าของตัวบ่งชี้นี้ได้โดยการสร้าง Expert Advisor ใน MQL5 Wizard การคำนวณ FRAMA (i) A (i) ราคา (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) มูลค่าปัจจุบันของ FRAMA ราคา (i) ราคาปัจจุบัน FRAMA (i-1) FRAMA A (i) ปจจัยปจจุบันของการเรียบลําดับความ (I) EXP (-4.6 (D (i) - 1) D (i) มิติเศษส่วนปัจจุบันของ EXP () ฟังก์ชันทางคณิตศาสตร์ของเลขยกกำลัง (exponentential smoothing factor) เส้นรอบวงของเส้นตรงมีค่าเท่ากัน เห็นได้จากสูตรที่ว่าถ้า D 1 ดังนั้น A EXP (-4.6 (1-1)) EXP (0) 1 ดังนั้นถ้าราคามีการเปลี่ยนแปลงเป็นเส้นตรงจะไม่ใช้การทำให้เรียบเป็นทวีคูณเนื่องจากในกรณีดังกล่าวสูตร มีลักษณะเช่นนี้ FRAMA (i) 1 ราคา (i) (1 1) FRAMA (i1) ราคา (i) I. ตัวบ่งชี้ตรงตามราคา มิติเศษส่วนของระนาบมีค่าเท่ากับสอง จากสูตรที่เราได้รับว่าถ้า D 2 แล้วปัจจัยการทำให้ราบเรียบ EXP (-4.6 (2-1)) EXP (-4.6) 0.01 เมื่อมีราคาทำให้การเคลื่อนที่ของฟันเลื่อยที่แข็งแกร่ง การชะลอตัวลงนี้สอดคล้องกับค่าเฉลี่ยเคลื่อนที่ประมาณ 200 จุด สูตรของมิติเศษส่วน: D (LOG (N1 N2) - LOG (N3)) เข้าสู่ระบบ (2) คำนวณจากสูตรเพิ่มเติม: N (ความยาว i) (HighestPrice (i) - LowestPrice (i)) ความยาว HighestPrice (i) ค่าสูงสุดในปัจจุบันสำหรับระยะเวลาความยาวต่ำสุด (i) ค่าที่น้อยที่สุดในปัจจุบันสำหรับช่วงเวลาความยาวค่า N1, N2 และ N3 มีค่าเท่ากับ N2 (i) N (ความยาว i ยาว) N3 (i) N (2 ความยาว, ผม)

No comments:

Post a Comment