Avlägsna lag, prognos Data. Trading Indexes med Hull Moving Average. Moving medeltal smidiga data och gör det enklare att analysera pris rörelser, men de tenderar att lagra Här är marknaden timing system som tar bort fördröjningen och prognoser framtida data. Även om marknaden går upp, men strategin faller ifrån varandra när marknaden tankar. Vi behöver en tidsmodell för att bevara kapitalet på marknaderna och identifiera möjligheter på marknaderna. Det är möjligt att använda medelvärden. Det är ofta det bästa sättet att eliminera data spikar, och De med relativt långa längderna är också smidiga data. Flyttande medelvärden har en stor fel, eftersom deras långa återgångsperioder introducerar lag. Lösningen är att ändra den glidande medelformeln och ta bort fördröjningen. Så minimerar möjligheten att det glidande medlet överskrider Råa data när man förutsäger nästa intervall s-aktivitet och därigenom införande av fel Här är hur det kan göras. Removing fördämningen En ny typ av rörligt medel utvecklat av näringsidkaren Alan Hull försöker lösa detta problem I denna variation är ett enkelt glidande medelvärde Sma summan av dataprover dividerat med antalet prover N Hull-glidande medelvärdet Hma åstadkommer utjämningen genom att använda det vägda glidande medeltalet Wma och en kvadratroten av N The Beräkning är thus. To gå igenom denna formel Ta Wma av den sista N 2 data och multiplicera den med 2 Därefter subtrahera Wma av de sista N data Ta nu det värdet och använd kvadratroten av N Sedan hitta Wma av de två Värden som är Wma sqrt av N av det minnsvärdet Eftersom kvadratroten truncerar värden, bör beräkningen välja en N som är en perfekt kvadrat som 4, 9, 16, 25, 49 eller 81paring Sma och Hma i Figur 1 använder ett 81-dagars medelvärde, vi finner att Hma är både smidig och lyhörd för de ändrade data, medan Sma lags bak. Figur 1 enkel ma vs skrov ma Här ser du en jämförelse mellan SMA och HMA med data från QQQQ ETF HMA är mer aktuell än SMA En nio dagars av Erage visas med HMA i blue. Continued i december numret av Technical Analysis of Stocks Commodities. Excerpted från en artikel som ursprungligen publicerades i december 2010 utgåva av Technical Analysis of Stocks Commodities magazine Alla rättigheter reserverade Copyright 2010, Technical Analysis, Inc. Idealt sett vill du att en filtrerad signal ska vara både smidig och lagfri Lag orsakar förseningar i dina affärer, och ökad fördröjning i dina indikatorer resulterar vanligen i lägre vinstmedel. Med andra ord får de sena kommenderna vad som finns kvar på bordet efter festet Har redan börjat. Därför frågar investerare, banker och institutioner världen över JJK Research Moving Average JMA. Du kan ansöka det på samma sätt som du skulle göra något annat populärt glidande medel. JMAs förbättrade tid och jämnhet kommer dock att förbluffa dig. I diagrammet simulerar prisåtgärder som börjar i ett lågt handelsutbud, då luckor till ett högre handelsutbud Eftersom ingen gillar att vänta på sidlinjen, ger en perfekt ljudreducering Filtergrön linje kommer att röra sig smidigt längs mitten av det första handelsområdet och sedan hoppa till mitten av det nya handelsområdet nästan omedelbart. Hull Rörande medelhög HMA. Hull Moving Average löser det gamla ålders dilemmaet för att göra ett rörligt medel mer responsivt mot Aktuell prisaktivitet samtidigt som kurvlindheten bibehålls Hade faktiskt eliminerar HMA helt och hållet helt och klarar sig att förbättra utjämningen samtidigt För att förstå hur det uppnår båda dessa motsatta resultat samtidigt måste vi börja med en lättförståelig referensram Följande diagram innehåller Ett 16 veckors enkelt glidande medelvärde som ständigt sänker prisaktiviteten och har dålig jämnhet. Först kan lösningen av kurvutjämningsproblem ske genom att medeltalet i genomsnitt vara 16 år SMA 16-period SMA-pris Den dåliga nyheten är att den Orsakar en stor ökning av fördröjning som ses nedan. Att lösa problemet med lag är lite mer involverat och kräver en förklaring med siffror snarare th En kartläggning Tänk på en serie med 10 nummer från 0 till 9 och föreställ dig att de är successiva prispunkter på ett diagram med 9 som den senaste prispunkten på högra framkanten. Om vi tar det 10 enkla genomsnittet av dessa siffror då Inte förvånansvärt kommer vi att bestämma mittpunkten på 4 5 som ligger väsentligt bakom den senaste prispunkten på 9 Här är den smarta delen först låt s halva perioden av medelvärdet till 5 och tillämpa det på de senaste siffrorna 5, 6,7,8 och 9, resultatet är mittpunkten på 7. För att ta bort lagret tar vi mittpunkten 7 och lägger till skillnaden mellan de två medeltal som motsvarar 2 5 7 4 5 Detta ger ett slutligt svar på 9 5 7 2 5 vilket är en liten överkompensation Men denna överkompensation är väldigt praktisk eftersom den kompenserar den nätade effekten av den kapslade medelvärdet. Därför är resultatet av att kombinera dessa 2 tekniker en nästan perfekt balans mellan lagreducering och kurvutjämning. HMA lyckas Fortsätt med snabb Förändringar i prisaktivitet samtidigt som den har överlägsen utjämning över en SMA under samma period. HMA använder viktiga glidmedel och dämpar utjämningseffekten och resulterande fördröjning genom att använda periodens kvadratrots i stället för själva perioden som sett nedan. Period WMA 2 x Heltid Period 2 WMA Prisperiod WMA Price. Följande formler för Hull Moving Average är för MetaStock och Supercharts men kan enkelt anpassas för användning med andra kartläggningsprogram som kan anpassas för indikatorkonstruktion. Period Inmatningsperiod, 1200 , 20 kvadratperiod Sqrt period Mov 2 Mov C, period 2, W Mov C, period, W, LastValue sqrtperiod, W. Input period Standardvärde 20 vattentryck 2 vridning stäng, period 2-våg stäng, period SquareRoot Period. A enkel applikation För HMA, med tanke på dess överlägsen utjämning, skulle vara att använda vridpunkterna som utgångsignaler. Det borde inte användas för att generera crossover-signaler, eftersom denna teknik är beroende av lag. D Connect. Subscribe till vår nyhetsbrev.
No comments:
Post a Comment