Gaussian Moving Average Indicator

Arnaud Legoux Moving Average - ALMA Imagem anexa (clique para ampliar) Quero dizer - está na barra aberta, direita Assim, ele pode ser usado apenas para informação. A MTF continua pintando. Pode ser bom ter uma versão com este indicador (ALMAv1 SW) com barra 1 (barra fechada). Histo em bar fechado. Neste caso - podemos usá-lo para negociação - qualquer período de tempo com barra 1 (barra 1 por padrão nas configurações). Além disso, pode ser bom ter alguma informação sobre o gráfico sobre o período de tempo. Neste caso - se muitos indicadores estão ligados à mesma sub-janela para que possamos saber qual período de tempo para o qual histo, por exemplo. O modelo para este gráfico está anexado. O que é a teoria por trás do JMA? Por que JMA tem um parâmetro PHASE. A JMA prevê uma série de tempo. Os valores de JMA anteriores, já traçados, mudarão à medida que os novos dados chegarem. Posso melhorar outros indicadores usando JMA A JMA tem alguma garantia especial Como a JMA se compara a outros filtros. TÓPICOS GERAIS em JURIK TOOLS Pode as ferramentas plotar muitas curvas em cada um dos muitos gráficos. As ferramentas podem processar qualquer tipo de dados. As ferramentas podem trabalhar em tempo real. São os algoritmos revelados ou caixa preta. As ferramentas Jurik precisam olhar para o futuro de uma série de tempo. As ferramentas produzem valores semelhantes em todas as plataformas (TradeStation, Multicharts.). As ferramentas Juriks vêm com uma garantia. Quantas senhas de instalação eu recebo. Qual é a Teoria Atrás da JMA. PARTE 1. GAPS DE PREÇOS Os dados de séries temporais de suavização, como os preços de ações diários, para remover ruídos indesejáveis ​​produzirão, inevitavelmente, um gráfico (indicador) que se move mais lentamente que a série de tempo original. Este quotslownessquot fará com que o enredo para atrasar um pouco atrás da série original. Por exemplo, uma média móvel simples de 31 dias atrasará a série de tempo de preço em 15 dias. Atraso é muito indesejável porque um sistema de comércio que usa essa informação terá sua negociação adiada. Os comércios atrasados ​​podem muitas vezes ser mais maus do que nenhuns comércios de todo, porque você pôde comprar ou vender no lado errado do ciclo dos mercados. Consequentemente, muitas tentativas foram feitas para minimizar o atraso, cada um com suas próprias falhas. Conquistar o atraso sem fazer suposições simplificadoras (por exemplo, que os dados consistam em ciclos sobrepostos, mudanças de preços diárias com uma distribuição gaussiana, todos os preços são igualmente importantes, etc.) não é uma tarefa trivial. No final, a JMA teve que se basear na mesma tecnologia que os militares usam para rastrear objetos em movimento no ar usando nada mais do que seu radar barulhento. A JMA vê a série de preços como uma imagem ruidosa de um alvo em movimento (o preço subjacente suave) e tenta estimar a localização do alvo real (preço suave). A matemática proprietária é modificada para levar em consideração as propriedades especiais de uma série temporal financeira. O resultado é uma curva lisa e sedosa que não faz suposições sobre os dados que tenham quaisquer componentes cíclicos. Consequentemente JMA pode transformar quoton um dimequot se o mercado (alvo em movimento) decide girar direção ou gap up / down por qualquer quantidade. Nenhuma diferença de preço é muito grande. Depois de vários anos de pesquisa, a Jurik Research determinou que o filtro de redução de ruído ideal para os dados financeiros tem os seguintes requisitos: Deslocamento mínimo entre sinal e preço, caso contrário, os gatilhos comerciais virão tarde. Sobrecarga mínima, caso contrário, o sinal produz falsos níveis de preços. Mínimo undershoot, caso contrário, o tempo é perdido à espera de convergência após lacunas de preços. Máxima suavidade, exceto no momento em que as diferenças de preços para um novo nível. Quando medido até estes quatro requisitos, todos os filtros populares (exceto JMA) funcionam mal. Aqui está um resumo dos filtros mais populares. Média Móvel Ponderada - não responde às lacunas Média Móvel Exponencial - excesso de ruído ruidoso Médias Móveis Adaptáveis ​​- (não as nossas) tipicamente baseadas em suposições simplificadas sobre atividade de mercado facilmente enganadas Linha de Regressão - não responde a lacunas excesso excesso Filtros FFT - Facilmente distorcida pelo ruído não gaussiano na janela de dados é tipicamente muito pequena para determinar com precisão ciclos verdadeiros. Filtros FIR - tem atraso conhecido como quotgroup delayquot. Nenhuma maneira em torno dele a menos que você quiser cortar alguns cantos. Ver filtros quotBand-Passquot. Filtros Band-Pass - nenhum atraso apenas no centro da banda de frequência tende a oscilar e superar os preços reais. Filtros de Entropia Máxima - facilmente distorcida por ruído não gaussiano na janela de dados é tipicamente demasiado pequeno para determinar com precisão ciclos verdadeiros. Filtros polinomiais - não responde às lacunas superação excessiva Em contraste, JMA integra a teoria da informação ea filtragem não-linear adaptativa de uma maneira única. Combinando uma avaliação do conteúdo de informação em uma série de tempo com o poder da transformação não-linear adaptativa, o resultado empurra o quotenvelopequotóquio na filtragem de séries temporais financeiras quase o máximo possível. Qualquer mais e casar-se contra o princípio de incerteza Heisenburgs (algo que ninguém tem superado, ou nunca vai). Até onde sabemos, JMA é o melhor. Convidamos qualquer pessoa a nos mostrar o contrário. Para uma análise mais comparativa das falhas dos filtros populares, faça o download do nosso relatório quotThe Evolution of Moving Averagesquot do nosso departamento de Relatórios Especiais. Veja nossa comparação com outros filtros populares. Por que JMA tem um parâmetro PHASE. Há duas maneiras de diminuir o ruído em uma série de tempo usando JMA. Aumentar o parâmetro LENGTH fará JMA mover mais lento e, assim, reduzir o ruído à custa de atraso adicionado. Alternativamente, você pode alterar a quantidade de quotinertiaquot contida no JMA. Inércia é como massa física, quanto mais você tem, mais difícil é virar direção. Assim, um filtro com muita inércia exigirá mais tempo para inverter a direção e, assim, reduzir o ruído à custa de overshooting durante reversões na série de tempo. Todos os filtros de ruído forte têm atraso e overshoot, e JMA não é excepção. No entanto, os parâmetros ajustáveis ​​JMAs PHASE e LENGTH oferecer-lhe uma maneira de selecionar o tradeoff ideal entre atraso e overshoot. Isso lhe dá a oportunidade de ajustar vários indicadores técnicos. Por exemplo, o gráfico (à direita) mostra uma linha JMA rápida que cruza uma linha JMA mais lenta. Para fazer a linha JMA rápida virar quoton um dimequot sempre que o mercado inverte, foi definido para não ter inércia. Em contraste, o JMA lento foi definido para ter grande inércia, retardando assim a sua capacidade de virar durante reversões de mercado. Este arranjo faz com que a linha mais rápida atravesse a linha mais lenta o mais rapidamente possível, produzindo assim sinais de crossover de baixa defasagem. Claramente, o controle do usuário de uma inércia de filtros oferece uma potência considerável sobre os filtros que não possuem essa capacidade. A JMA prevê uma série de tempo. Não prevê no futuro. JMA reduz o ruído praticamente da mesma forma como uma média móvel exponencial, mas muitas vezes melhor. Os valores de JMA anteriores, já traçados, mudarão à medida que os novos dados chegarem. Não. Para qualquer ponto de um gráfico JMA, apenas os dados históricos e atuais são usados ​​na fórmula. Conseqüentemente, à medida que novos dados de preço chegam em intervalos de tempo posteriores, esses valores de JMA já traçados não são afetados e NUNCA mudam. Considere também o caso quando a barra mais recente em um gráfico é atualizada em tempo real à medida que chega cada novo tick. Uma vez que o preço de fechamento da barra mais recente é susceptível de mudar, JMA é reavaliado automaticamente para refletir o novo preço de fechamento. No entanto, os valores históricos de JMA (em todas as barras anteriores) permanecem inalterados e não mudam. Pode-se criar indicadores impressionantes olhando sobre dados históricos quando se analisa os valores passados ​​e futuros em torno de cada ponto de dados a ser processado. No entanto, qualquer fórmula que precise ver valores futuros em uma série de tempo não pode ser aplicada no mundo real negociação. Isso ocorre porque ao calcular o valor de hoje de um indicador, os valores futuros não existem. Todos os indicadores Jurik utilizam apenas dados de séries temporais atuais e anteriores em seus cálculos. Isso permite que todos os indicadores Jurik funcionem em todas as condições em tempo real. Posso melhorar outros indicadores usando JMA Sim. Normalmente substituímos a maioria dos cálculos de média móvel em indicadores técnicos clássicos com JMA. Isso produz resultados mais suaves e mais oportunos. Por exemplo, simplesmente inserindo JMA no indicador técnico padrão DMI, nós produzimos o indicador DMX, que vem livre com sua ordem de JMA. A JMA tem alguma garantia especial Se você nos mostrar um algoritmo não-proprietário para uma média móvel que, quando codificado para ser executado em TradeStation, Matlab ou Excel VBA, executa quotbetterquot do que a nossa média móvel em quadros de curto, médio e longo prazo Uma caminhada aleatória, bem reembolso sua licença de usuário adquirido para JMA. O que queremos dizer com quotbetterquot é que ele deve ser, em média, mais suave, sem maior atraso médio do que o nosso, não maior overshoot média e não maior média abaixo do que o nosso. O que entendemos por quadros de médio, médio e longo prazo é que as comparações devem incluir três comprimentos JMA separados: 7 (curto), 35 (médio), 175 (longo). O que queremos dizer com uma caminhada aleatória é uma série de tempo produzida por uma soma cumulativa de 5000 zero-média, Cauchy distribuídos números aleatórios. Esta garantia limitada é válida apenas durante o primeiro mês após ter adquirido uma licença de utilizador da JMA para nós ou para um dos nossos distribuidores mundiais. Como a JMA se compara a outros filtros. O filtro de Kalman é semelhante ao JMA, pois ambos são algoritmos poderosos usados ​​para estimar o comportamento de um sistema dinâmico ruidoso quando tudo o que você tem que trabalhar é medições de dados ruidosos. O filtro de Kalman cria previsões suaves das séries temporais, e este método não é totalmente apropriado para séries de tempo financeiras, pois os mercados são propensos a produzir giros violentos e lacunas de preços, comportamentos não típicos de sistemas dinâmicos operando sem problemas. Conseqüentemente, a suavização do filtro de Kalman freqüentemente fica atrás ou ultrapassa as séries temporais de preços de mercado. Em contraste, a JMA acompanha os preços de mercado de perto e sem problemas, adaptando-se às lacunas, evitando overshoots indesejados. Veja o gráfico abaixo para um exemplo. Um filtro descrito em revistas populares é a média móvel Kaufmann. É uma média móvel exponencial cuja velocidade varia de acordo com a eficiência de ação de preço. Em outras palavras, quando a ação de preço está em uma tendência clara com pouco retracement, o filtro de Kaufmann acelera e quando a ação é congesting, o filtro retarda. (Veja a tabela acima) Embora sua natureza adaptativa o ajude a superar algum do lag típico de médias móveis exponenciais, ainda retarda significativamente atrás de JMA. Lag é uma questão fundamental para todos os comerciantes. Lembre-se, cada barra de atraso pode atrasar seus negócios e negar-lhe lucro. Outra média móvel descrita em revistas populares é Chandes VIDYA (Variable Index Dynamic Average). O índice mais utilizado dentro da VIDYA para governar a sua velocidade é a volatilidade dos preços. À medida que aumenta a volatilidade de curto prazo, a média móvel exponencial do VIDYA é projetada para se mover mais rapidamente, e à medida que a volatilidade diminui, o VIDYA desacelera. Na superfície isso faz sentido. Infelizmente, este projeto tem uma falha óbvia. Embora o congestionamento lateral deve ser cuidadosamente suavizado independentemente da sua volatilidade, um período de congestionamento altamente volátil seria acompanhado de perto (não suavizado) pela VIDYA. Conseqüentemente, o VIDYA pode falhar ao remover o ruído indesejado. Por exemplo, o gráfico compara JMA com VIDYA, ambos definidos para rastrear uma tendência descendente igualmente bem. No entanto, durante o congestionamento resultante, VIDYA não suavizar os picos de preços, enquanto JMA glides através da conversa. Em outra comparação onde tanto VIDYA e Juriks JMA foram definidos para ter a mesma suavidade, vemos no gráfico que VIDYA fica para trás. Como mencionado anteriormente, o tempo tardio pode facilmente roubar seus lucros em qualquer comércio. Dois outros indicadores populares são T3 e TEMA. Eles são suaves e têm pouco atraso. T3 é o melhor dos dois. No entanto, T3 pode apresentar um sério problema de overshoot, como visto no gráfico abaixo. Dependendo da sua aplicação, você pode não querer um indicador mostrando um nível de preço que o mercado real nunca atingiu, pois isso pode inadvertidamente iniciar negócios não desejados. Aqui estão dois comentários encontrados postados em fóruns relevantes da Internet: o indicador T3 é muito bom (e eu já cantei seus elogios antes, nesta lista). No entanto, Ive teve a oportunidade de derivar algumas medidas de mercado alternativas e eu suavizá-los. Eles são muito mal comportados às vezes. Ao alisá-los, T3 torna-se instável e overshoots mal, enquanto JMA vails direito através deles. quot - Allan Kaminsky allank xmission quotMy próprio ponto de vista de JMA é consistente com o que outras pessoas têm escrito (eu passei uma boa parte do tempo visualmente comparando JMA para TEMA Eu não pensaria agora de usar TEMA em vez de JMA). Steven Buss sbuss pacbell Um artigo na edição de janeiro de 2000 da TASC descreve uma média móvel projetada na década de 1950 para ter baixa defasagem. Seu inventor, Robert Brown, projetou o quotModified Moving Average (MMA) para reduzir o atraso na estimativa de estoques. Na sua fórmula, a regressão linear estimou o momento atual das curvas, que por sua vez é usado para estimar o atraso vertical. A fórmula, em seguida, subtrai lag estimado da média móvel para obter baixos resultados lag. Esta técnica funciona bem em bem comportado (suavemente transição) gráficos de preços, mas, novamente, assim como a maioria dos outros filtros avançados. O problema é que o mercado real é qualquer coisa mas bem comportado. Uma verdadeira medida de aptidão é o quão bem qualquer filtro funciona em dados financeiros do mundo real, uma propriedade que pode ser medida com a nossa bem estabelecida bateria de testes de referência. Esses testes revelam que MMA overshoots gráficos de preços, como ilustrado abaixo. Em comparação, o usuário pode definir um parâmetro em JMA para ajustar a quantidade de overshoot, mesmo eliminando completamente ele. A escolha é sua. Lembre-se, a última coisa que você quer é um indicador mostrando um nível de preço que o mercado real nunca atingiu, pois isso pode inadvertidamente iniciar negociações indesejadas. Com MMA, você não tem escolha e deve colocar-se com overshoot se você gosta ou não. (Veja a tabela abaixo) A edição de julho de 2000 da TASC continha um artigo de John Ehlers descrevendo um quotModified Optimal Elliptical Filterquot (abreviado aqui como quotMEFquot). Este é um excelente exemplo de análise de sinal clássico. O gráfico abaixo compara MEF a JMA cujos parâmetros (JMA length7, phase50) foram ajustados para fazer JMA ser tão semelhante ao MEF quanto possível. A comparação revela essas vantagens ao usar JMA: JMA responde a oscilações de preços extremos mais rapidamente. Conseqüentemente, quaisquer valores de limiar usados ​​para disparar sinais serão executados mais cedo pela JMA. JMA tem quase nenhum overshoot, permitindo que a linha de sinal para rastrear com mais precisão ação de preço após grande movimento de preços. A JMA desliza através de pequenos movimentos de mercado. Isso permite que você se concentre na ação de preço real e não atividade de mercado pequeno que não tem nenhuma conseqüência real. Um método favorito entre engenheiros para alisar dados de séries temporais é ajustar os pontos de dados com um polinômio (eq, uma spline parabólica ou cúbica). Um projeto eficiente desse tipo é uma classe conhecida como filtros Savitzy-Golay. O gráfico abaixo compara o JMA a um filtro Savitzy-Golay de 3 divisões cúbicas, cujas configurações de parâmetro foram escolhidas para torná-lo o mais próximo possível do JMA. Observe como suavemente JMA desliza através de regiões de congestionamento comercial. Em contraste, o filtro S-G é bastante irregular. Claramente JMA é, mais uma vez, o vencedor. Outra técnica utilizada para reduzir o atraso em um filtro de média móvel é adicionar algum momento (inclinação) do sinal ao filtro. Isto reduz o lag, mas com duas penalidades: mais ruído e mais overshoot nos pontos do pivô do preço. Para compensar o ruído, pode-se empregar um filtro FIR simetricamente ponderado, que é mais suave do que uma média móvel simples, cujos pesos podem ser: 1-2-3-4-3-2-1 e, em seguida, ajustar esses pesos para adicionar algum atraso Reduzindo momentum. A eficácia desta abordagem é mostrada na figura abaixo (linha vermelha). Embora o filtro FIR rastreie os preços de perto, ele ainda fica atrás de JMA, bem como exibir maior superação. Além disso, o filtro FIR tem suavidade fixa e precisa ser redesenhado para cada suavidade diferente desejada. Em comparação, o usuário só precisa alterar um parâmetro quotsmoothnessquot de JMA para obter qualquer efeito desejado. Não só a JMA produz melhores gráficos de preços, mas também pode melhorar outros indicadores clássicos. Por exemplo, considere o clássico MACD indicador, que é uma comparação de duas médias móveis. Sua convergência (aproximação) e divergência (afastamento) fornecem sinais de que uma tendência de mercado está mudando de direção. É fundamental que você tenha o menor atraso possível com esses sinais ou seus negócios serão atrasados. Em comparação, um MACD criado com JMA tem significativamente menos atraso do que um MACD usando médias exponenciais móveis. Para ilustrar esta afirmação, a figura abaixo é um gráfico de preços hipotético simplificado para melhorar as questões salientes. Vemos barras de tamanho igual em uma tendência de subida, interrompida por uma súbita diferença descendente. As duas linhas coloridas são médias móveis exponenciais que compõem um MACD. Observe que crossover ocorre muito tempo após a lacuna, fazendo com que uma estratégia de negociação para esperar e comércio tarde, se em tudo. Se você tentou acelerar o tempo deste indicador fazendo as médias móveis mais rápidas, as linhas se tornariam mais barulhentas e irregulares. Isso tende a criar gatilhos falsos e maus negócios. Por outro lado, o gráfico abaixo mostra o JMA azul ajustando-se rapidamente ao novo nível de preços, permitindo crossovers anteriores e designação anterior de uma tendência de alta em andamento. Agora você pode entrar no mercado mais cedo e montar uma parte maior da tendência. Ao contrário da média móvel exponencial, o JMA tem um parâmetro adicional (PHASE) que permite ao usuário ajustar a extensão do overshoot. No gráfico acima, a linha amarela da JMA foi autorizada a superar mais do que o azul. Isso dá crossovers ideal. Uma das características mais difíceis de projetar em um filtro de suavização é uma resposta adaptativa às falhas de preços sem ultrapassar o novo nível de preço. Isto é especialmente verdadeiro para projetos de filtro que empregam o próprio impulso de filtros como uma forma de reduzir o atraso. O gráfico a seguir compara overshoot por JMA ea média móvel Hull (HMA). Os ajustes dos parâmetros para os dois filtros foram ajustados para que seu desempenho no estado estacionário fosse quase idêntico. Outro problema de projeto é se o filtro pode manter a mesma lisura aparente durante reversões como durante tendências. O gráfico abaixo mostra como JMA retém quase constante suavidade ao longo de todo o ciclo, enquanto HMA oscila em reversões. Isso iria colocar problemas para as estratégias que desencadeiam comércios com base em se o filtro está se movendo para cima ou para baixo. Por último, há o caso quando as disparidades de preços para cima e, em seguida, recua em uma tendência de queda. Isto é especialmente difícil de rastrear no momento do recuo. Felizmente, filtros adaptativos têm um tempo muito mais fácil indicar quando ocorreu uma inversão do que os filtros fixos, como mostrado na tabela abaixo. Claro que existem melhores filtros do que JMA, usado principalmente pelos militares. Mas se você está no negócio de rastrear bons negócios e não aeronaves inimigas, JMA é o melhor filtro de redução de ruído disponível disponível para os dados do mercado financeiro. Nós garantimos isto. Documentação tsmovavg saída tsmovavg (tsobj, s, lag) retorna a média móvel simples para por tempo financeiro série objeto, tsobj. Lag indica o número de pontos de dados anteriores usados ​​com o ponto de dados atual ao calcular a média móvel. A saída tsmovavg (vetor, s, lag, dim) retorna a média móvel simples para um vetor. Lag indica o número de pontos de dados anteriores usados ​​com o ponto de dados atual ao calcular a média móvel. A saída tsmovavg (tsobj, e, timeperiod) retorna a média móvel ponderada exponencial para a série de tempo financeiro objeto, tsobj. A média móvel exponencial é uma média móvel ponderada, em que timeperiod especifica o período de tempo. As médias móveis exponenciais reduzem o desfasamento aplicando mais peso aos preços recentes. Por exemplo, uma média móvel exponencial de 10 períodos pondera o preço mais recente em 18,18. Percentual Exponencial 2 / (TIMEPER 1) ou 2 / (WINDOWSIZE 1). Saída tsmovavg (vetor, e, timeperiod, dim) retorna a média móvel ponderada exponencial para um vetor. A média móvel exponencial é uma média móvel ponderada, em que timeperiod especifica o período de tempo. As médias móveis exponenciais reduzem o desfasamento aplicando mais peso aos preços recentes. Por exemplo, uma média móvel exponencial de 10 períodos pondera o preço mais recente em 18,18. (2 / (intervalo de tempo 1)). A saída tsmovavg (tsobj, t, numperiod) retorna a média móvel triangular para a série de tempo financeiro objeto, tsobj. A média móvel triangular alisa os dados. Tsmovavg calcula a primeira média móvel simples com a largura da janela de ceil (numperíodo 1) / 2. Em seguida, calcula uma segunda média móvel simples na primeira média móvel com o mesmo tamanho de janela. Saída tsmovavg (vetor, t, numperiod, dim) retorna a média móvel triangular para um vetor. A média móvel triangular alisa os dados. Tsmovavg calcula a primeira média móvel simples com a largura da janela de ceil (numperíodo 1) / 2. Em seguida, calcula uma segunda média móvel simples na primeira média móvel com o mesmo tamanho de janela. A saída tsmovavg (tsobj, w, weights) retorna a média móvel ponderada para o objeto da série temporal financeira, tsobj. Fornecendo pesos para cada elemento na janela em movimento. O comprimento do vetor de peso determina o tamanho da janela. Se fatores de peso maiores forem usados ​​para preços mais recentes e fatores menores para preços anteriores, a tendência é mais responsiva a mudanças recentes. A saída tsmovavg (vetor, w, pesos, dim) retorna a média móvel ponderada para o vetor fornecendo pesos para cada elemento na janela em movimento. O comprimento do vetor de peso determina o tamanho da janela. Se fatores de peso maiores forem usados ​​para preços mais recentes e fatores menores para preços anteriores, a tendência é mais responsiva a mudanças recentes. A saída tsmovavg (tsobj, m, numperiod) retorna a média móvel modificada para o objeto da série de tempo financeiro, tsobj. A média móvel modificada é semelhante à média móvel simples. Considere o argumento numperiod como o atraso da média móvel simples. A primeira média móvel modificada é calculada como uma média móvel simples. Os valores subseqüentes são calculados adicionando o novo preço e subtraindo a última média da soma resultante. A saída tsmovavg (vetor, m, numperiod, dim) retorna a média móvel modificada para o vetor. A média móvel modificada é semelhante à média móvel simples. Considere o argumento numperiod como o atraso da média móvel simples. A primeira média móvel modificada é calculada como uma média móvel simples. Os valores subseqüentes são calculados adicionando o novo preço e subtraindo a última média da soma resultante. Dim 8212 dimensão para operar ao longo de inteiro positivo com valor 1 ou 2 Dimensão para operar ao longo, especificado como um inteiro positivo com um valor de 1 ou 2. dim é um argumento de entrada opcional e se não for incluído como uma entrada, o padrão Valor 2 é assumido. O padrão de dim 2 indica uma matriz orientada a linha, em que cada linha é uma variável e cada coluna é uma observação. Se dim 1. a entrada é assumida como sendo um vetor de coluna ou uma matriz orientada a coluna, onde cada coluna é uma variável e cada linha uma observação. E 8212 Indicador para vetor de caracteres de média móvel exponencial A média móvel exponencial é uma média móvel ponderada, em que timeperiod é o período de tempo da média móvel exponencial. As médias móveis exponenciais reduzem o desfasamento aplicando mais peso aos preços recentes. Por exemplo, uma média móvel exponencial de 10 períodos pondera o preço mais recente em 18,18. Porcentagem Exponencial 2 / (TIMEPER 1) ou 2 / (WINDOWSIZE 1) período de tempo 8212 Comprimento do período de tempo não-negativo inteiro Selecione seu PaísA Pacote de Indicadores Totalmente Customizável para Negociação Média em Movimento Avançado O Pacote de Indicadores MACC simplifica o uso de Médias Móveis (MAs) Traders com uma nova e criativa abordagem de como os dados do Moving Average são interpretados e exibidos. Plotting várias médias móveis em seus gráficos não só desordena-los, mas também torna difícil de discernir o estado subjacente ou condição de cada MA. Os indicadores de MACC resolvem este problema retransmitindo a informação sobre até 5 únicos MAs que de outra maneira teriam que ser seguidos manualmente, permitindo que os comerciantes fossem mais eficientes e observant sem desperdiçar toda a hora ou recursos que tentam figurar que MAs estão acima ou abaixo do preço, Ou quais MAs estão inclinadas para cima ou para baixo. Não só isso, mas os indicadores MACC também destacar quando todas as MAs estão de acordo ou um estado de confluência bullish ou bearish. Sabemos que os comerciantes têm diferentes preferências quando se trata de que tipo de média móvel funciona melhor. Por essa razão, incorporamos todas as metodologias de média móvel nos indicadores MACC: Simples (SMA), Exponencial (EMA), Exponencial Duplo (DEMA), Triplo Exponencial (TEMA), Ponderado (WMA), Triangular (TMA), Hull ), Gaussiano (GMA) e Adaptativo (AMA). As configurações de entrada totalmente customizáveis ​​do MACCs permitem aos comerciantes misturar e combinar diferentes comprimentos de MA com diferentes metodologias de MA, permitindo infinitas combinações e possibilidades. E se 5 MAs não forem suficientes, os Indicadores MACC podem ser aplicados ao seu gráfico mais de uma vez para permitir que 10 ou mesmo 15 MAs sejam rastreados simultaneamente (Clique na Imagem Abaixo para ver o Guia do Usuário) O Pacote de Indicadores MACC inclui o seguinte : MACC Painel MACC PaintBar MACC Linhas MACC Market Analyser MACC RadarScreen (TradeStation) MACC Market Scanner (MultiCharts) Moving Médio Command Center - Screenshot Galeria MACC Indicadores em um fundo preto (EMA) MACC Indicadores em um fundo branco (EMA) MACC Indicadores em um BackGround preto (AMA) Indicadores de MACC em um BackGround branco (AMA) O indicador do painel de MACC atualiza continuamente 5 Médias Móveis personalizáveis ​​em tempo real que traçam um ponto verde ou vermelho baseado em se o preço é acima ou abaixo do MA - Codificação), ou se o MA está inclinado para cima ou para baixo (Slope Color-Coding). Green Dot Price fecha acima do correspondente MA Red Dot Price fecha abaixo do correspondente MA Uma vez que cada uma das opções de entrada são idênticos aos do MACC Lines e MACC PaintBar, é extremamente fácil ligar as mesmas configurações de entrada em todos os indicadores e Para personalizar cada uma das 9 metodologias de média móvel que incluímos. Moving Average Confluence Dots Se todos os pontos são Green. Um ponto ciano adicional é traçado para alertar o usuário para confluência bullish MA. Se todos os pontos são vermelhos. Um ponto Magenta adicional é plotado para alertar o usuário para confluência MA de baixa. O MACC PaintBar altera a cor de cada barra com base em quantas MAs estão acima ou abaixo do preço (ou a quantidade total de pontos verdes ou vermelhos no painel MACC). Portanto, existem 6 cores diferentes que são possíveis com base nas condições de ter 0-5 pontos verdes ou vermelhos. Isso permite que o usuário identificar rapidamente a tendência de MA por ser capaz de atribuir suas próprias cores personalizadas para cada condição de pontos. Como cada uma das opções de entrada é idêntica à das Linhas MACC e do Painel MACC, é extremamente fácil vincular as mesmas configurações de entrada em todos os Indicadores e personalizar cada uma das 9 metodologias de Média Móvel exclusivas que incluímos. As Linhas MACC traçam as Linhas de Movimentação Média reais e seus valores diretamente no gráfico. Isso permite ao usuário visualizar as MAs enquanto o Painel MACC diagnostica condições de alta ou baixa para cada um. Também é útil quando usado para identificar áreas de resistência ou suporte baseado no local onde uma ou mais MAs estão alinhadas. A espessura de cada linha aumenta gradualmente do MA o mais rápido ao MA o mais lento, mas todas as configurações para estilos e cores do lote são inteiramente customizáveis. Como cada uma das opções de entrada é idêntica à do MACC Panel e MACC PaintBar, é extremamente fácil vincular as mesmas configurações de entrada em todos os Indicadores e personalizar cada uma das 9 metodologias de Moving Average que incluímos. Capacidades de Digitalização de Mercado Automatizadas MA Crossovers e MA Confluence O MACC Indicator Package também inclui um Indicador de Scanner especial projetado especificamente para procurar sinais e condições de tendência usando o Analisador de Mercado NinjaTrader, o TradeStation RadarScreen ou o MultiCharts Market Scanner. Todas as colunas, cores e texto são completamente customizáveis ​​de modo que você possa o personalizar a suas próprias preferências. Como você pode ver a partir das imagens abaixo, usando MACC com o Analisador de Mercado NinjaTrader, TradeStation RadarScreen ou MultiCharts Market Scanner permite que você rapidamente digitalizar qualquer lista de símbolos para as informações mais importantes em apenas alguns segundos NinjaTrader Market Analyzer - MACC Color-Coded Market Analyzer Modelo MA Valores Modelo de Analisador de Mercado TradeStation RadarScreen - MACC MultiCharts Market Scanner - MACC Suporte ao Cliente Superior Tem uma pergunta sobre o MACC Indicator Package Entre em contato conosco em e-mail protegido Estamos muito orgulhosos de nosso apoio ao cliente e estamos felizes em ajudar nossos colegas comerciantes 1 License is Válido para 2 computadores (50 fora de cada licença adicional) Moving Average Command Center (MACC) - Testemunhos de Clientes Seu sobre o tempo que alguém embalado indicadores de média móvel de uma forma que não é apenas uma linha traçada em cima do preço. Eu tentei criar algo assim por conta própria há alguns anos atrás, mas o seu tem muito mais recursos. Ser capaz de usar todas as diferentes técnicas de média móvel é extremamente conveniente. Ive pôr cartas idênticas lado a lado e experimentando com as várias configurações silvestres quantas fórmulas diferentes podem alterar como o indicador e as linhas se comportam. As opções de personalização e configurações são muito bem pensado e muito profissional. Procurando uma maneira mais fácil de monitorar e rastrear todas as médias móveis que eu uso em meus gráficos eo Painel MACC é perfeito para isso. Estou usando dois deles no topo de cada um para monitorar 10 diferentes médias móveis de uma vez sem ter que sobrecarregar a minha tela com muitas linhas. Eu troco sinais que são baseados em MAs estão em alinhamento, de modo que os sinais de confluência e alertas são um sonho tornado realidade para mim. Ive também foi usando a configuração do scanner que você me ajudou a configurar e agora estou executando exames diários em todos os estoques para localizar quais têm confluência. Só isso tornou minha rotina muito mais fácil. Eu me concentro apenas em saber se o preço está acima ou abaixo de um grupo de MAs eo MACC Paintbar é ideal para isso. Eu já não estrabismo na minha tela para descobrir qual linha de MA é que e se o preço está acima ou abaixo. O MACC não só melhorou o meu comércio, mas a minha visão também É sobre o tempo que alguém embalado indicadores de média móvel de uma forma que não é apenas uma linha traçada no topo do preço. I tried to create something like this on my own a few years back but yours has a lot more features. Being able to use all the different moving average techniques is extremely convenient. Ive been putting identical charts side by side and experimenting with the various settingsits wild how much different formulas can alter how the indicator and the lines behave. The customization options and settings are all very well thought out and very professional. Been looking for an easier way to monitor and track all the moving averages I use on my charts and the MACC Panel is perfect for that. Been using two of them on top of each to monitor 10 different moving averages at once without having to overload my screen with too many lines. I trade off signals that are based on MAs being in alignment, so the confluence signals and alerts are a dream come true for me. Ive also been using the scanner setup that you helped me configure and am now running daily scans on all stocks to locate which ones have confluence. This alone has made my routine so much easier. I focus only on whether price is above or below a group of MAs and the MACC Paintbar is ideal for this. I no longer squint at my screen to figure out which MA line is which and if price is above or below. The MACC not only improved my trading but my vision tooFollowing a trend with an exponential moving average: Analytical results for a Gaussian model How stock prices are transformed into profit-and-loss of a trend following strategy We derive the probability distribution of PampL for a Gaussian model. We compute the net annualized risk adjusted PampL and the strategy turnover. We deduce the trend following optimal timescale and study its behavior. TF strategies admit large losses at short time but ensure small losses at longer time. Abstract We investigate how price variations of a stock are transformed into profits and losses (PampLs) of a trend following strategy. In the frame of a Gaussian model, we derive the probability distribution of PampLs and analyze its moments (mean, variance, skewness and kurtosis) and asymptotic behavior (quantiles). We show that the asymmetry of the distribution (with often small losses and less frequent but significant profits) is reminiscent to trend following strategies and less dependent on peculiarities of price variations. At short times, trend following strategies admit larger losses than one may anticipate from standard Gaussian estimates, while smaller losses are ensured at longer times. Simple explicit formulas characterizing the distribution of PampLs illustrate the basic mechanisms of momentum trading, while general matrix representations can be applied to arbitrary Gaussian models. We also compute explicitly annualized risk adjusted PampL and strategy turnover to account for transaction costs. We deduce the trend following optimal timescale and its dependence on both auto-correlation level and transaction costs. Theoretical results are illustrated on the Dow Jones index. Keywords Trend following Systematic trading Distribution of profits and losses Correlated returns Gaussian market model Quadratic forms Corresponding author. Tel. 33 619774327 fax: 33 169334799.