การย้าย ค่าเฉลี่ย ลิตร

Kaufman Adaptive Moving Trading Strategy การตั้งค่ากลยุทธ์การเทรดดิ้งฟิลเตอร์เทรดดิ้งนักพัฒนา Perry Kaufman Kaufman การปรับค่าเฉลี่ย KAMA Source Kaufman, PJ 1995 การค้าที่ชาญฉลาดปรับปรุงประสิทธิภาพในการเปลี่ยนแปลงตลาดนิวยอร์ก McGraw-Hill, Inc แนวคิดกลยุทธ์การซื้อขายบนพื้นฐานของตัวกรองสัญญาณรบกวนแบบปรับตัว การตรวจสอบสมรรถนะเป้าหมายของการตั้งค่าและตัวกรองข้อมูลจำเพาะตารางที่ 1 ผลภาพ 1-2 การตั้งค่าทางการค้าระยะยาวการปรับค่าเฉลี่ย AMA ขึ้นค่า Short Trades ค่าเฉลี่ยการปรับตัวของค่าปรับลดลงหมายเหตุแนวโน้ม AMA ดูเหมือนจะหยุดลงเมื่อตลาดไม่มีทิศทางเมื่อแนวโน้มของตลาด , AMA เทรนด์เทรนด์เทรดเดอร์เทรด Longtrade A ที่ซื้อเมื่อใกล้จะถูกวางไว้หลังการตั้งค่า Short Trade A ขายในช่วงปิดจะอยู่หลังการตั้งค่าขาประจำการค้า Exit ตารางที่ 1 Portfolio 42 futures markets จากสี่ภาคตลาดหลัก ๆ สินค้าโภคภัณฑ์สกุลเงิน , อัตราดอกเบี้ยและดัชนีส่วนของข้อมูล 32 ปีนับตั้งแต่ปีพ. ศ. 2523 แพลตฟอร์มทดสอบ MATLAB. II การทดสอบความไว l แผนภูมิ 3 มิติตามด้วยแผนภูมิเส้นโค้ง 2 มิติสำหรับ Profit Factor อัตราส่วน Sharpe ดัชนีชี้วัดของ Ulcer CAGR การเบิกใช้สูงสุดเปอร์เซ็นต์การทำกำไรและอัตราการสูญเสียเฉลี่ย Avg Win ภาพสุดท้ายแสดงความไวของ Curve Equity Curve ตัวแปร ERLength FilterIndex Definitions ตารางที่ 1. รูปที่ 1 ผลงานการลงทุน Inputs Table 1 Commission Slippage 0.AMA ERLength เป็นค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนได้ในช่วง ERLength ERLength เป็นระยะเวลามองย้อนกลับของ Effective Ratio ER ER i Abs ทิศทาง i ความผันผวนของ I ที่ abs คือค่าสัมบูรณ์ Direction i Close i ปิด i ERLength, ความผันผวน i abs DeltaClose i, ERLength ซึ่งเป็นผลรวมในช่วงของ ERLength, DeltaClose i Close i Close i 1 FastMALength คือช่วงของค่าเฉลี่ยเคลื่อนที่เร็ว SlowMALength คือ ช่วงของค่าเฉลี่ยเคลื่อนที่ช้า AMA i AMA i 1 ci ปิด i AMA i 1 โดยที่ ci ER i Fast Slow Slow 2, Fast 2 FastMALength 1 ช้า 2 SlowMALength 1 ดัชนี i. ERLength 2, 100, ขั้นที่ 2 FastMALength 2 SlowMALength 30.Lo การค้าหาก AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว MinAMA AMA i 1 ค่าเฉลี่ยการปรับตัวแบบ Adaptive Movement Average ขึ้นกับจุดหมุนที่ Minama การค้าระยะสั้น AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว Maxama AMA i 1 ปรับค่าเฉลี่ยเคลื่อนที่ จะลดลงด้วยการหมุนที่ MaxAMA Index i. Filter i FilterIndex StdDev AMA i AMA i 1, N โดย StdDev คือส่วนเบี่ยงเบนมาตรฐานของชุดข้อมูลในช่วง N N 20 ค่าดีฟอลต์ดัชนี i. FilterIndex 0 0, 1 0, ขั้นตอนที่ 0 02 N 20.Long Trades การซื้อเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 AMA และ MinAMA Filter i Short Trades ขายเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 MaxAMA AMA i ตัวกรอง i ดัชนี i. Stop Loss Exit ATR ATRLength เป็นค่าเฉลี่ยช่วงที่แท้จริงในช่วง ATRLength ATRStop เป็นหลาย ATR ATRLength Long Trades หยุดการขายถูกวางไว้ที่รายการ ATR ATRLength ATRStop การค้าแบบสั้นหยุดการซื้อจะอยู่ที่ตำแหน่ง ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.ERLength 2 , 100, ขั้นตอนที่ 2 FilterIndex 0 0, 1 0, ขั้นตอนที่ 0 02. หากคุณมีคำถามหรือข้อเสนอแนะคุณสามารถเข้าร่วม OU r การสนทนาเกี่ยวกับ Kaufman s Adaptive Moving Average เข้าร่วม Forum. Developed by Perry Kaufman, Kaufman's Adaptive Moving Average ได้รับการออกแบบมาไม่เพียง แต่จะทำหน้าที่เป็นค่าเฉลี่ยเคลื่อนที่เท่านั้น แต่ยังสามารถติดตามระดับความดังของเสียงในแนวโน้มและปรับตามได้โดยอัตโนมัติ การเปลี่ยนแปลงความเร็วขึ้นอยู่กับความผันผวนของตลาด AMA ถูกใช้แทนค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยและเมื่อนำมาแสดงในปีพ. ศ. 2538 จะดีกว่าความพยายามก่อนหน้านี้ในการสร้างค่าเฉลี่ยเคลื่อนที่แบบอัจฉริยะเนื่องจากมีการควบคุมผู้ใช้มากขึ้นโดยปกติเมื่อ ตลาดมีแนวโน้มเป็นอย่างมากและมีเพียงเล็กน้อย counterbacks แนวโน้ม pullbacks มีเสียงน้อยมากและคุณต้องการ MA อย่างใกล้ชิดปฏิบัติตามราคากระทำดังนั้นคุณจะต้องการให้มีขนาดเล็ก trackback span. Ob อื่น ๆ , หากตลาดมีขอบเขต จำกัด และถูกครอบงำโดยแถบที่หักล้างกันและกันสิ่งที่คุณต้องการคือค่าเฉลี่ยเคลื่อนที่โดยมีช่วงเวลามองย้อนกลับที่ยาวขึ้นซึ่งจะทำให้เกิดความเรียบและหลีกเลี่ยงการเท็จ สิ่งที่ Kaufman ทำคือการปรับค่า Exponential Moving Average โดยใช้อัลกอริทึมที่จะปรับความสมดุลของ EMA ที่คงที่เทียบกับอัตราส่วนทิศทางตลาดและความผันผวนดังนั้นจึงเป็นไปตามแนวโน้มและความผันผวนนี่คือสูตรที่ AMA จะได้รับมา AMA C ปิด AMA t-1 AMA t-1 โดยที่ C คือด้านการปรับตัวของค่าคงที่ที่ราบเรียบอย่างไรก็ตามมีการคำนวณจำนวนมากก่อนที่เราจะไปถึง C แต่เราจะไม่แสดงรายการที่นี่ เป็นสิ่งสำคัญมากขึ้นที่จะตระหนักว่าการปรับตัวของ Kaufman Moving Average excels ต้องขอบคุณความสามารถในการตอบสนองต่อสภาวะตลาดแบบไดนามิกกะซึ่งเป็นข้อได้เปรียบที่สำคัญเมื่อเทียบกับกลยุทธ์การซื้อขายโดยอิงตามค่าเฉลี่ยเคลื่อนที่ที่มีระยะเวลาการติดตามที่คงที่นอกจากนี้นอกเหนือจากการใช้ KAMA เป็นตัวบ่งชี้แบบสแตนด์อโลนและยังสามารถใช้เป็นตัวชี้วัดอื่น ๆ ที่คล่องตัวได้เช่นเดียวกับสมาชิกในตระกูลตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่ Kaufman AMA ทำหน้าที่เป็นระดับความต้านทานแรงสนับสนุน hich สร้างสัญญาณเข้าที่มีแนวโน้มเมื่อมีการติดต่อเช่นเดียวกับสัญญาณออกเมื่อมีการกลับรายการของแนวโน้มเห็นได้ชัดตรวจสอบความแตกต่างระหว่าง Simple Moving Average ค่าเฉลี่ยการเคลื่อนที่แบบ Exponential และ Kaufman's Adaptive Moving Average บนหน้าจอด้านล่าง คือ Moving Average เฉลี่ย 14 ช่วงในขณะที่ EMA ระยะเวลา 14 ปีมีสีเหลืองตามที่คุณเห็นเส้นสีม่วงของ Kaufman's Moving Average ปรับตัวค่อนข้างราบในช่วงเวลาที่ตลาดอยู่ในช่วงการซื้อขายที่คับขันภายใน หากคุณมีคำถามหรือข้อเสนอแนะใด ๆ คุณสามารถเข้าร่วมการสนทนาในฟอรัมของเราเกี่ยวกับ Kaufman s Adaptive Moving Average เข้าร่วม Forum. Founded in 2013, Binary ทริบูนมีจุดมุ่งหมายเพื่อให้ผู้อ่านได้รับข้อมูลข่าวทางการเงินที่ถูกต้องและเป็นจริงเว็บไซต์ของเรามุ่งเน้นไปที่ส่วนสำคัญในตลาดหุ้นการเงินสกุลเงินและสินค้าโภคภัณฑ์ คำอธิบายเชิงลึกเกี่ยวกับเหตุการณ์และตัวชี้วัดทางเศรษฐกิจที่สำคัญการเปิดเผยข้อมูลความเสี่ยงทางการเงิน จะไม่รับผิดชอบต่อการสูญหายของเงินหรือความเสียหายใด ๆ ที่เกิดจากการพึ่งพาข้อมูลในเว็บไซต์การเทรดหุ้นและสินค้าโภคภัณฑ์ส่วนต่างมีความเสี่ยงสูงและอาจไม่เหมาะสำหรับนักลงทุนทุกรายก่อนที่จะตัดสินใจซื้อขายเงินตราต่างประเทศ คุณควรพิจารณาวัตถุประสงค์การลงทุนของคุณระดับประสบการณ์และความเสี่ยงที่น่าสนใจนโยบายคุกกี้เว็บไซต์นี้ใช้คุกกี้เพื่อมอบประสบการณ์ที่ดีที่สุดแก่คุณและเพื่อให้คุณรู้จักคุณได้ดียิ่งขึ้นโดยการเยี่ยมชมเว็บไซต์ของเราด้วยเบราว์เซอร์ของคุณเพื่ออนุญาตให้ใช้คุกกี้ การใช้คุกกี้ตามที่อธิบายไว้ในนโยบายความเป็นส่วนตัวของเราลิขสิทธิ์ 2017 Binary Tribune สงวนลิขสิทธิ์ตัวบ่งชี้ KAMA - Kaufman Adaptive Moving Average KAMA เป็นคำย่อของ Kaufman Adaptive Moving Average ตัวบ่งชี้การวิเคราะห์ทางเทคนิคนี้ถูกสร้างขึ้นโดยพ่อค้าชาวอเมริกัน Perry Kaufman เขา นอกจากนี้ยังเป็นผู้เชี่ยวชาญในการสร้างอัลกอริทึมการค้าโปรแกรมตัวบ่งชี้ KAMA อยู่ในกลุ่มของค่าเฉลี่ยเคลื่อนที่ปรับตัวค่าเฉลี่ยเคลื่อนที่ โดยทั่วไปให้ทำตามราคาและการพัฒนาเป็นระยะเวลาหนึ่ง g ถ้าพ่อค้าตัดสินใจคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันค่าเฉลี่ยเคลื่อนที่ที่แท้จริงจะคำนวณจาก 10 วันที่ผ่านมาบางครั้งอาจมีน้ำหนักมากขึ้น วันจริงมากที่สุดเช่นเดียวกับค่าเฉลี่ยถ่วงน้ำหนักที่เคลื่อนที่ได้ แต่สิ่งสำคัญคือวันที่ 11 ไม่มีผลต่อการคำนวณเนื่องจากตกอยู่ในช่วงเวลาที่เลือกไม่มากนักค่าเฉลี่ยเคลื่อนที่ทั่วไปค่าเฉลี่ยเคลื่อนที่ที่ปรับได้สามารถเปลี่ยนแปลงได้ จำนวนวันสำหรับการคำนวณของพวกเขาเป็นเงื่อนไขในการเปลี่ยนแปลงของตลาดที่ปรับค่าเฉลี่ยเคลื่อนที่ตามสถานการณ์ปัจจุบันและปรับตัวเองที่ได้เปรียบที่ใหญ่ที่สุดของพวกเขาเงื่อนไขภายใต้การเปลี่ยนแปลงที่พวกเขาสามารถแตกต่างกัน KAMA เปลี่ยนแปลงวันสำหรับการคำนวณของตนตามตลาดจริง เสียงรบกวนและความผันผวนหากราคาปรับตัวขึ้นอย่างต่อเนื่องไม่ถ้วนหากเพิ่มขึ้นหรือลดลงจากระดับเสียงต่ำราคาตลาดของ KAMA จะเปลี่ยนแปลงไปตามราคาตลาด อย่างใกล้ชิดหากราคาปรับตัวขึ้นและลงเมื่อเพิ่มขึ้นเมื่อราคาตกสูงขึ้นและ KAMA จะทำตามกราฟราคาจากระยะไกลซึ่งจะช่วยให้ผู้ค้าได้รับสัญญาณการซื้อขายที่ผิดพลาดน้อยลงและปรับปรุงระบบการซื้อขายของเขาได้อย่างรวดเร็ว ภาพการแพร่ภาพราคา OHLC และตัวบ่งชี้ KAMA เพื่อให้คุณเห็นได้ว่า KAMA ทำงานเป็นเวลา 6 วันแบบสั้น Alpha 0 6 และ Fast Alpha 0 06 สูตรคำนวณ KAMA มีลักษณะดังนี้ 1 คำนวณทิศทางของตลาดสำหรับช่วงเวลาที่เลือก ของเวลาเช่น KAMA 10 วันทิศทางของตลาดในช่วง 10 วันที่ผ่านมาสามารถคำนวณได้จาก ABS ปิด 0 ปิด -9 ที่ Close 0 หมายถึงราคาปิดของวันที่ใกล้ที่สุดและ Close -9 หมายถึงราคาปิด 9 วันที่ผ่านมาเหตุผล ทำไมเราคำนึงถึงราคาของบัญชี 9 วันที่ผ่านมาและไม่ใช่ 10 วันเนื่องจากวันแรกของการคำนวณเป็น 0 วันในคำอื่น ๆ แม้ว่าเราจะคำนึงถึงความแตกต่างของราคา 10 วันราคาวันที่ 10 มีการทำเครื่องหมายว่า Close -9 ถ้าเราต้องการคำนวณ KAMA 2 วันเราจะนำเข้าบัญชีปิด 0 และปิด -1.2 คำนวณความผันผวนของตลาดในช่วงเวลาที่เลือกซึ่งสามารถทำได้เช่น ABS ปิด t ปิด t-1 โดยที่ Close t เป็นราคาปิดของทุกๆ ของวันในการคำนวณและปิด t-1 คือ Close ของวันก่อนหน้าเช่น Close 0 Close -1 Close -1 Close -2 เป็นต้นขณะที่เรามี 10 วันในการคำนวณเราได้รับ 9 ความแตกต่างในค่าบวกแน่นอน ความแตกต่างอย่างมีนัยสำคัญสะท้อนถึงความผันผวนของตลาดหรือความผันผวนในช่วงเวลาที่เลือกอัตราส่วนประสิทธิภาพจะแปรผันระหว่าง 0 ถึง 1 และบอกเราว่าเสียงของตลาดมีความผันผวนหรือมีความผันผวนของราคาอัตราส่วนประสิทธิภาพจะเท่ากับ 1 ถ้าราคาจะเพิ่มขึ้น 10 ช่วงเวลาติดต่อกันหรือลดลง 10 ระยะเวลาติดต่อกันอัตราส่วนประสิทธิภาพจะเท่ากับ 0 ถ้าราคายังไม่เปลี่ยนแปลงในระยะเวลา 10 งวดติดต่อกันนอกจากนี้ยังเป็นจุดที่ผู้ค้าจำนวนมากทำข้อผิดพลาดขั้นพื้นฐานและเกือบทุกเว็บไซต์มีข้อผิดพลาดเช่นเดียวกับที่พวกเขาคำนึงถึง 10 ข้อต่างกัน ences สำหรับการคำนวณ KAMA 10 วันแทนความแตกต่าง 9 ข้อ Well, บางทีที่ดูเหมือนถูกต้องและตรรกะมากขึ้นได้อย่างรวดเร็วก่อนดังนั้นให้มีการมองใกล้ที่เรื่องนี้คุณจำคลาสสิกค่าเฉลี่ยเคลื่อน Simple ที่ได้รับการดังกล่าวถ้าไม่ได้เพียง ลองหาอีกครั้งในข้อความด้านบนดังนั้นถ้าเราต้องการคำนวณค่าเฉลี่ยเคลื่อนที่ 2 วันเราคำนึงถึงราคาล่าสุดเพียง 2 ราคาและวันที่ 3 ราคาไม่สำคัญสำหรับเราเลยลองสมมติว่าราคาสำหรับ สามวันสุดท้ายจะมีลักษณะเช่นนี้ราคา 0 100 ราคา -190 ราคา -2 100 ใช้สูตรค่าเฉลี่ยเคลื่อนที่แบบง่ายๆเราจะได้รับค่า SMA 2 วันที่ 95 ซึ่งดูเหมือนถูกต้องไม่เป็นไรตอนนี้เป็นวันที่ 2 การคำนวณ KAMA ทิศทางของตลาดในช่วง 2 วันที่ผ่านมามีค่าเท่ากับ 10 จุดความผันผวนของตลาดยังเป็น 10 คะแนน 100 90 10 จากนั้นถ้าคุณคำนวณอัตราส่วนประสิทธิภาพคุณจะได้รับค่าเท่ากับ 1 หรือ 100 ซึ่งในความเป็นจริงหมายความว่า 100 ของการเปลี่ยนแปลงราคาภายในระยะเวลาที่เลือกได้รับการทำใน dir เดียวกัน ในคำอื่น ๆ อัตราส่วนประสิทธิภาพบอกเราว่าราคาได้เพิ่มขึ้นหรือล้มเหลวตลอดเวลาที่ถูกต้องหากคุณคำนึงถึงความแตกต่างเพียง 1 สำหรับการคำนวณ KAMA 2 วัน แต่เว็บไซต์ส่วนใหญ่ผู้ค้าหรือ Analytics มองข้ามความเป็นจริงนี้ และพวกเขาทำงานด้วยความแตกต่างราคา 2 ซึ่งหมายความว่าพวกเขารวมในการคำนวณวันที่ 3 ด้วยดังนั้นแม้จะมีความจริงที่ว่าเรามีความสนใจเพียงแค่ใน 2 วัน KAMA และควรจะทำงานกับทิศทางที่เท่ากับ 10 และความผันผวนที่เท่ากับ เป็น 10 เป็นเรื่องจริงคนส่วนใหญ่ที่ไม่คำนึงถึงความแตกต่างเล็กน้อยนี้จะทำงานร่วมกับทิศทางที่เท่ากับ 10 และความผันผวนที่เท่ากับ 20 แล้วพวกเขาได้รับอัตราส่วนประสิทธิภาพเท่ากับ 0 5 ซึ่งหมายความว่า ราคาได้รับการเพิ่มขึ้น 50 ครั้งและลดลง 50 ของเวลาเช่นกันที่จะเหมาะสำหรับช่วง 3 วัน แต่ไม่ได้สำหรับ 2 วันที่ผ่านมา 3 คำนวณอัตราส่วนประสิทธิภาพ ER อัตราส่วนประสิทธิภาพในความเป็นจริงทิศทางของ div ตลาด โดยค่าความผันแปรของความผันผวนของทิศทางความผันผวนของ ER 4 คำนวณค่าคงที่ของ SC Smoothing ค่าคงที่ของ Smoothing ประกอบด้วยค่า ER และค่า alpha สองค่าจากค่าเฉลี่ยเคลื่อนที่ที่เป็นค่าเฉลี่ยของ ER ที่เราทราบแล้วเราต้องคำนวณ alphas ในขณะนี้หนึ่ง alpha แสดงค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้อย่างรวดเร็วและ หนึ่งในสองค่าเฉลี่ยเคลื่อนที่ช้าๆเราสามารถเรียกได้ว่า Fast Alpha และ Slow Alpha Kaufman ขอแนะนำให้ใช้ค่าเฉลี่ยเคลื่อนที่ 2 วันเป็น Fast Alpha และค่าเฉลี่ยเคลื่อนที่ 30 วันเป็น Slow Alpha ทั้งสองค่าเฉลี่ยเคลื่อนที่จะรับผิดชอบต่อพฤติกรรมของ KAMA เมื่อตลาดค่อนข้างและไม่มีอะไรเกิดขึ้นและเมื่อมีพายุมีการเคลื่อนไหวมากขึ้นและลงค่าเฉลี่ยเคลื่อนที่ที่เร็วที่สุดจะรวมอยู่ในการคำนวณ KAMA เมื่อตลาดค่อนข้างและเราจึงทำตามราคาที่ใกล้มากและค่าเฉลี่ยเคลื่อนที่ที่ช้าที่สุดจะรวมอยู่ใน การคำนวณเมื่อตลาดมีความผันผวนมากเส้นโค้ง KAMA จะย้ายออกไปจากราคาเพื่อให้สามารถให้ราคาหายใจลึกและพ่อค้า doesn t ได้รับสัญญาณต่าง ๆ ในการซื้อและขายทุกวันดังนั้นถ้าเราเลือกที่จะใช้ Alphas จากค่าเฉลี่ยเคลื่อนที่แบบ Exponential 2 วันและ 30 วันการคำนวณจะมีลักษณะคล้าย Fast Alpha 2 2 1 0 6667 Slow Alpha 2 30 1 0 0645 เพื่อให้แน่ใจได้ว่า วันสำหรับการคำนวณ KAMA จะแตกต่างกันไประหว่าง 2 ถึง 30 วันหากใครต้องการใช้ค่าเฉลี่ยเคลื่อนที่นานกว่าค่าเฉลี่ยเคลื่อนที่ 30 วันเขาจะคำนวณ Alpha ใหม่เช่น 100 วัน Alpha เท่ากับ 2 100 1 0 0198 ในกรณีเช่นนี้ การคำนวณ KAMA จะขึ้นอยู่กับจำนวนวันระหว่าง 2 ถึง 100 SC ทำให้ค่าคงที่ของค่าคงที่มีลักษณะดังนี้ ER ER x อัลฟ่าอัลฟาช้าอัลฟ่าช้าอัลฟา 2. ในกรณีนี้ SC จะเท่ากับ ER ER x 0 6667 0 0645 0 0645 และสมการนี้จะยกกำลังสองขึ้นแม้ว่า KAMA จะถูกคำนวณเป็นค่าเฉลี่ย 30 วันก็จะยังคงเคลื่อนไหวเล็กน้อยขึ้นและลงเพื่อให้ Kaufman แนะนำให้ทำอย่างมีเหตุผลน้อยลงนั่นคือเหตุผลที่ SC ใบเสนอราคาเป็นที่สุดเป็น squared.5 คำนวณ KAMA เองจะมีลักษณะดังนี้ KAMA 0 KAMA -1 SC ราคา 0 KAMA -1 ถ้าคุณคุ้นเคยกับการคำนวณค่าเฉลี่ยของค่าเฉลี่ยเลขยกกำลังคุณจะเห็นได้ว่าค่าดังกล่าวใกล้เคียงกันส่วนค่าความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่เชิงเส้นและค่าเฉลี่ยการปรับตัวของ Kaufman อยู่ที่ความจริงที่ว่าในขณะที่ EMA ใช้จำนวนวันที่เท่ากันสำหรับการคำนวณ KAMA สามารถเปลี่ยนตัวเลขได้จำนวนวันที่เปลี่ยนแปลงได้ถูกกำหนดโดยค่าคงที่ของ Smoothing และการเปลี่ยนแปลงค่าคงที่ของ Smoothing นั้นขึ้นอยู่กับอัตราส่วนของประสิทธิภาพการทำงานนี้จะปิดวงกลม e g ถ้าราคา จะไม่เปลี่ยนแปลงและจะคงที่อย่างต่อเนื่องแล้วทิศทางของตลาดจะเท่ากับ 0, อัตราส่วนประสิทธิภาพเท่ากับ 0, Smoothing คงที่เท่ากับ Slow Alpha squared KAMA จะเท่ากับค่าเฉลี่ย EMA 30 วันที่ได้รับการแต่งตั้งอย่างช้าๆ จะแตกต่างกันเล็กน้อยเนื่องจากสมการ SC squared ในทำนองเดียวกันถ้าราคาจะเพิ่มขึ้นทุกฤดูใบไม้ร่วงทุกวันติดต่อกันในการคำนวณแล้วทิศทางตลาดและความผันผวนจะเท่ากัน, อัตราส่วนประสิทธิภาพจะเท่ากับ 1 และค่าคงที่ของ Smoothing คงที่เท่ากับ EMA ของ Fast Exponential เฉลี่ย 2 วันซึ่งเป็นหลักการพื้นฐานที่ KAMA มีความแข็งแกร่งหรือมีเหตุผลมากขึ้นในช่วงสภาวะตลาดต่างๆความผันผวนของตลาดในฐานะที่เราพิจารณา KAMA เป็นหนึ่ง ของตัวบ่งชี้ทางเทคนิคที่ยิ่งใหญ่ที่สุดเท่าที่เคยเนื่องจากความสามารถในการปรับตัวให้มีประสิทธิภาพมากและทำงานได้ดีในหลาย ๆ ตลาดนอกจากนี้คุณยังสามารถทดลองใช้ตัวบ่งชี้และพยายามแทนที่ ER หรือ SC ด้วยค่าจากตัวบ่งชี้ทางเทคนิคอื่น ๆ หรือใช้สิ่งเหล่านี้ ค่าในตัวบ่งชี้อื่น ๆ การใช้ที่เป็นประโยชน์สำหรับตัวบ่งชี้ KAMA การค้าทางเทคนิคเป็นตัวชี้วัดที่มีแนวโน้มตามแนวโน้มเช่นเดียวกับค่าเฉลี่ยเคลื่อนที่เช่นค่าเฉลี่ยเคลื่อนที่ของ HMA Hull, ค่าเฉลี่ยเคลื่อนที่ของ T3, FRAMA ค่าเศษส่วนการปรับค่าเฉลี่ยเศษส่วน, DEMA ราคาเพื่อให้คุณสามารถใช้เพื่อระบุแนวโน้มที่สำคัญในตลาดนี้จะต้องกำหนดวันสำหรับ Fast Alphas ช้าและสูงกว่าชา ers เช่นเพื่อให้ครอบคลุมช่วงเวลาระหว่าง 50 และ 200 วันดังนั้น KAMA จะแข็งแกร่งมากขึ้นและจะแสดงให้เราเห็นเพียงการเคลื่อนไหวของตลาดหลักแล้วถ้า KAMA เพิ่มขึ้นแนวโน้มจะเพิ่มขึ้นเช่นกันและในทางกลับกันซึ่งแตกต่างจากตัวบ่งชี้แนวโน้มเช่น ADX หรือ Aroon ตัวบ่งชี้ที่คุณสามารถคิดว่า Kama จะไม่แสดงให้เราเห็นถึงความแข็งแกร่งของแนวโน้มเพียงแนวโน้มที่โดดเด่น แต่นั่นจะเป็นจริงได้อย่างรวดเร็วเพียงอย่างรวดเร็วหากคุณเข้าใจการคำนวณของ KAMA คุณจะพบว่ามีส่วนที่น่าสนใจมากที่เรียกว่า อัตราส่วนประสิทธิภาพ ER แสดงให้เราเห็นว่าการเปลี่ยนแปลงราคามีขนาดใหญ่เพียงใดภายในระยะเวลาที่เลือกไว้ในคำอื่น ๆ ถ้า ER มีค่าเท่ากับ 1 หมายความว่าทุกราคาในวันคำนวณคำนวณไปในทิศทางเดียวกันซึ่งในความเป็นจริงหมายถึงความแข็งแกร่ง แนวโน้มและถ้า ER เท่ากับ 0 หมายความว่าวันราคาไม่ได้ย้ายที่ทั้งหมดที่ signalizes ไม่มีแนวโน้มใด ๆ ความเป็นไปได้อื่น ๆ วิธีการค้ากับ KAMA จะเป็นไปตามราคาปิดและ KAMA ค่าข้ามควร Clos e ราคาจะสูงกว่าค่าของ KAMA เราจะไปได้นานถ้าราคาปิดต่ำกว่า KAMA เราก็จะสั้นไปเรายังสามารถขาย KAMA crossings ได้ซึ่งจะต้องเตรียม KAMAs 2 แบบที่แตกต่างกันซึ่งจะขึ้นอยู่กับ Alphas และ Alphas ที่เร็วกว่า จะใช้ช้า Alphas สำหรับการคำนวณของพวกเขาแล้วคุณสามารถปฏิบัติตามการข้ามของพวกเขาควร Kama เร็วกว่า Kama ช้าเราซื้อและในทางกลับกันเป็นตัวบ่งชี้ KAMA เป็นอย่างมากที่แข็งแกร่งและสากลเรายังสามารถลองใช้เป็นส่วนหนึ่งของตัวบ่งชี้อื่น ๆ เช่นใช้ใน Bollinger Bands แทน Simple moving average หรือใช้ MACD แทน Exponential moving average อย่างที่คุณเห็น KAMA เป็นตัวบ่งชี้พิเศษในการวิเคราะห์ทางเทคนิคที่ให้ข้อมูลที่น่าสนใจมากมายและเป็นไปได้ว่าจะใช้งานได้อย่างไร ด้วยเกือบทุกตัวบ่งชี้ทางเทคนิคสิ่งที่ดีที่สุดพ่อค้าทุกคนสามารถทำคือการทดสอบข้อมูลของตัวเองการตั้งค่าของตัวเองและกฎของเขาเองการค้าน่าแปลกใจบางครั้งผลลัพธ์ที่ดีที่สุดสามารถ achi eved กับการตั้งค่าที่ไม่ปกติและกฎที่ค่อนข้างแปลกทันทีรวดเร็วสิ่งเพิ่มเติมที่พ่อค้าสามารถเปลี่ยนแปลงและทดลองกับเขาและผลการซื้อขายของเขาดีกว่าลิงก์ต่อไปนี้นำไปสู่ตัวชี้วัดทางเทคนิคในไฟล์ Excel เพื่อดาวน์โหลด