Noll lag glidande medelvärde formeln

8.20 Zero-Lag Exponential Moving Average Det nolllagade exponentiella glidande medlet (ZLEMA) är en variation av EMA (se Exponentential Moving Average) som lägger till en momentum som syftar till att minska lagret i genomsnittet för att spåra nuvarande priser närmare. För en given N-dagsperiod är formeln Where ldquolagrdquo-perioden är (N-1) 2. En vanlig EMA applicerad på raka linjer slutar alltid vara nära vid (N-1) för 2 dagar sedan. Så tanken att lägga till i denna skillnad ldquoclose - closelagrdquo är att kompensera för den tiden, för att göra ZLEMA spåra en rak linje exakt. Naturligtvis är verkliga data sällan en rak linje, men principen är att trycka ZLEMA mot ungefär den nuvarande stängningen. Beräkningen slutar ändå som olika vikter på varje tidigare pris. Effekten av momentumperioden är att göra de senaste priserna ldquoover weightrdquo och spåras så nära och med negativa vikter på tidigare villkor. Therersquos ett plötsligt hopp i vikterna vid momentumlagpunkten. Till exempel är följande graf vikterna för N15 (lagpunkt 7). EMA-lagret på en rak linje kan beräknas enkelt med hjälp av kraftformeln för EMA (se Exponentential Moving Average), applicerad på en oändlig prisföljd som går nedåt med 1 varje dag och når 0 vid idag. På icke raka linjesekvenser är lagret inte en enkel (N-1) 2. men kommer att variera beroende på form, period av cykliska komponenter etc. Copyright 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009 Kevin Ryde Chart är fri programvara som du kan omfördela den och ändra den enligt villkoren i GNU General Offentlig licens som publicerad av Free Software Foundation antingen version 3 eller (eventuellt) någon senare version. ZLEMA - Zero Lag Exponential Moving Average ZLEMA är en förkortning för Zero Lag Exponential Moving Average. Det utvecklades av John Ehlers och Rick Way. ZLEMA är ett slags exponentiellt glidande medelvärde men dess huvudidé är att eliminera fördröjningen som uppstår på grund av de rörliga genomsnittsvärdena och andra trendföljande indikatorer. Eftersom det följer priset närmare ger det också bättre prisvärde och svarar bättre på prissvingningar. Exempel: Försök bara tänka på en rak linje med data, det kan hända när tillgångspriserna stiger eller faller ständigt. Om en näringsidkare använder en klassisk EMA (exponentiell glidande medelvärde) kan han ta reda på att EMA är lika med assetrsquos Close price (n-1) för 2 dagar sedan. Med andra ord ndash för 5-dagars EMA-beräkning, skulle det aktuella EMA-värdet vara detsamma som Stängt pris (n-1) 2 2 dagar sedan. Du kan se resultatet på bilden nedan. Som du kanske redan har märkt ser ZLEMA-värden annorlunda ut. Det finns ingen skillnad mellan värdena och stänga priserna. Ekvationer (formel) för ZLEMA-beräkning ser ut som följer: Lag: (n dagrsquos period ndash 1) 2 Inmatningsdata för EMA: Stäng (Stäng ndash Stäng för några dagar sedan) ZLEMA EMA of (Entry data for EMA) Beräkningen eliminerar lagret och Slutresultatet är ett exponentiellt glidande medelvärde som följer närmare tillgångspriserna. Om priserna skulle vara en rak linje skulle ZLEMA vara samma raka linje. Se bilden nedan. Den gröna raden visar ASSET-priserna. De blå punkterna representerar ZLEMA-värden. Den rosa linjen och punkterna representerar EMA-värden. Som du kan se, när priserna skapar en rak linje, är ZLEMA-värdena exakt samma som priserna är. Det finns ingen fördröjning, ingen skillnad. ZLEMA reagerar helt enkelt mycket snabbare än EMA. Intressant nog, isnrsquot det Och vad händer om priserna förändras snabbt Se på bilden nedan. Du kan se igen att det tar lite tid för EMA att anpassa sig till förändringsförhållandena på marknaden. På andra sidan kan ZLEMA anpassa sig nästan i samma ögonblick som prisförändringen händer. Det beror på att ZLEMA-beräkningen görs på en fördröjd data istället för en vanlig. De nuvarande priserna är överviktiga och ju mer vi går till det förflutna är data mer underviktiga - ZLEMA tar bort fördröjningen genom att fördubbla prisökningen eller minska mellan n och (n-1) 2 dagar för att minimera kumulativ effekt. Så här använder du denna tekniska analysindikator för handel Du kan använda den som något annat glidande medelvärde (FRAMA. KAMA. HMA. T3. Vidya. DEMA. VAMA etc.). Den visar de rådande trenderna på marknaden, så att du kan komma in i affärer som stämmer överens med den nuvarande trenden. Du kan kombinera ZLEMA med något annat glidande medelvärde och leta efter deras korsningar. Du kan leta efter diagrammönster (stöder, motstånd, dubbeltoppar och bottnar etc.), eftersom ZLEMA producerar mjukare data än Stängda priser gör. Du kan också försöka köpa en tillgång när ZLEMA-värdena stiger och sälja tillgången när värdena faller. Bilden nedan illustrerar denna handelsstrategi. De gula kurvorna ZLEMA och pilarna visar brytpunkterna i medelvärdet. Som med nästan alla tekniska indikatorer är det bästa som varje handlare kan göra är att testa sina egna data, egna inställningar och egna regler hur man handlar. Förvånansvärt kan det bästa resultatet ibland uppnås med inställningar som inte är vanliga och regler som är ganska konstiga vid en första anblick, desto mer kan en näringsidkare förändras och experimentera med det bättre för honom och hans handelsstrategi. Om du är intresserad av en djupare studie av denna tekniska indikator och föredrar redo att betjäna lösningar, kan det här avsnittet vara av intresse för dig. Där hittar du alla tillgängliga indikatorer i Excel-filer för download. Zero Lag Moving Average Filter Trading Strategi (Ingång 038 Exit) I. Trading Strategy Utvecklare: John Ehlers och Ric Way. Källa: Ehlers, J. Way, R. (2010). Zero Lag (bra, nästan). Koncept: Trend efter handelsstrategi baserat på glidande medelfilter. Forskningsmål: För att verifiera prestanda för Zero Lag Moving Average (ZLMA). Specifikation: Tabell 1. Resultat: Figur 1-2. Handelsfilter: Långa transaktioner: Zero lagrörande medelvärde (ZLMA) korsar över exponentiell rörlig genomsnittlig (EMA). Korta transaktioner: Zero Lag Moving Average (ZLMA) korsar under Exponential Moving Average (EMA). Portfölj: 42 terminsmarknader från fyra stora marknadssektorer (råvaror, valutor, räntor och aktieindex). Data: 36 år sedan 1980. Testplattform: MATLAB. II. Känslighetsprov Alla 3-D-diagram följs av 2-D-konturdiagram för vinstfaktor, Sharpe-förhållande, Ulcer Performance Index, CAGR, Maximal Drawdown, Procent lönsam handel och Gem. Vinn genomsnittspris Förlustförhållande. Den slutliga bilden visar känslighet för Equity Curve. Testade variabler: LookBack, Threshold (Definitioner: Tabell 1): Figur 1 Portföljprestanda (Input: Tabell 1 Commission amp Slippage: 0). Exponentiell rörande medelvärde (EMA): Alpha 2 (LookBack 1) EMAi Alpha Closei (1 Alpha) EMAi 1 Index: I Aktuell streck. Zero Lag Moving Average (ZLMA): Alpha 2 (LookBack 1) ZLMAi Alpha (EMAi Gain (Closei ZLMAi 1)) (1 Alpha) ZLMAi 1 Index: I Aktuell streck. Variabel vinst (från ZLMA-formel): Om variabeln Gain är noll blir ZLMA bara en EMA. Om vinsten är tillräckligt stor spårar ZLMA priset för alla praktiska ändamål (d. v.s. minsta fördröjning och minimal utjämning). Därför söker vi ett värde av Gain som är en tillfredsställande kompromiss. För att få minst möjliga fel (Error Closei ZLMAi) söker en slinga efter det bästa värdet av Gain genom att variera Gain-variabeln från den nedre GainLimit till den övre GainLimit. Standardvärdet för variabeln GainLimit är 5 (detta värde undersöks ytterligare i nästa blogginmatning). LookBack 60, 1000, Step 20 GainLimit 5 Långsignal: ZLMAi passerar över EMAi och 100LeastError ATRi gt Tröskelindex: I Aktuell streck. Kort signal: ZLMAi korsar under EMAi och 100LeastError ATRi gt Tröskelindex: I Aktuell streck. Obs: Fel Closei ZLMAi. LeastError är ett fel för det bästa värdet av Gain som hittas via en slinga som kör bar-by-bar från den nedre GainLimit till den övre GainLimit. I det ursprungliga papperet. LeastError normaliseras inte av ATR (Average True Range) utan till slutkurs. Detta är inte tillräckligt för tester på kontinuerliga terminskontrakt och därför anpassades den ursprungliga formeln. Läge: 2-fasers omkastningssystem (longshort). Tröskel 0, 200, Steg 5 Långa affärer: Ett köp vid det öppna placeras efter en långsignal. Korta affärer: En försäljning vid det öppna placeras efter en kortslutningsavslutningsavgång: ATR (ATRLength) är den genomsnittliga True Range under en period av ATRLength. ATRStop är en multipel av ATR (ATRLength). Långa affärer: Ett försäljningsstopp är placerat vid ATR ATR (ATRLength) ATRStop. Korta affärer: Ett köpstopp placeras vid ATR (ATRLength) ATRStop. ATRLängd 20 ATRStop 6 LookBack 60, 1000, Steg 20 Tröskel 0, 200, Steg 5 Tabell 2 Ingångar: Tabell 1 Fast fraktionell storlek: 1 Kommersiell förstärkning Avsättning: 100 Rundvridning. V. Research Ehlers, J. Way, R. (2010). Zero Lag (bra, nästan): Alla utjämningsfilter och glidande medelvärden har fördröjning. Det är en lag. Fördröjningen är nödvändig eftersom utjämningen görs med användning av tidigare data. Därför innehåller medelvärdet effekterna av data flera rader sedan. I den här artikeln visar vi dig hur du tar bort en vald mängd fördröjning från ett exponentiellt rörligt medelvärde (EMA). Att ta bort all fördröjning är inte nödvändigtvis en bra sak, eftersom indikatorn inte med någon fördröjning skulle spåra det pris du filtrerar. Det vill säga mängden fördröjning som avlägsnas är en kompromiss med hur mycket utjämning du är villig att avstå. VI. Betyg: Zero Lag Moving Average Filter Trading Strategi VII. Sammanfattning Handelsstrategin baserad på Zero Lag Moving Average gör inte signifikant bättre än strategin baserad på Hull Moving Average eller några andra alternativ. ALPHA 20 TM Trading System CFTC REGEL 4.41: HYPOTETISKA ELLER SIMULERADE RESULTATRESULTAT HAR SÄRSKILDA BEGRÄNSNINGAR. I likhet med en verklig prestationsrekord, representerar SIMULERADE RESULTAT INTE VERKSAMHET. Också, eftersom handelarna inte har genomförts, kan resultaten komma att kompenseras för konsekvenserna, om några av vissa marknadsfaktorer, som saknar likviditet. SIMULERADE HANDELSPROGRAMMER I ALLMÄNT ÄR ÄVEN FAKTISKT ATT DE DESIGNERAS MED FÖRDELNINGEN AV HINDSIGHT. INGEN REPRESENTATION GÖRAS ATT ANTAL KONKURRERAR ELLER ÄR LIKTIGT FÖR ATT FÖRVÄNDA RESULTAT ELLER TABELL SOM LIKNAR TILL DE VISADE. RISKOPPLYSNING: USA: s REGERING KRÄVS DISCLAIMER CFTC RULLE 4.41Moving Averages Stuff Motiverad via e-post från Robert B. Jag får det här e-postmeddelandet om Hull Moving Average (HMA) och. Och du hörde aldrig om det tidigare. Uh. Det är rätt. Faktum är att när jag googled upptäckte jag massor av glidande medelvärden som Id aldrig hört talas om, till exempel: Zero Lag Exponential Moving Average Wilder Rörlig Genomsnittlig Minsta Square Moving Genomsnittlig Triangulär Rörlig Medel Adaptiv Rörlig Genomsnittlig Rörlig Rörlig Genomsnitt. Så Så jag trodde att vi pratar om glidande medelvärden. Hävdar du gjort det förut, som här och här och här och här och. Ja, ja, men det var innan jag visste om alla dessa andra glidande medelvärden. Faktum är att de enda jag spelade med var dessa, där P 1. P 2. P n är de sista n aktiekurserna (P n är den senaste). Enkelt rörligt medelvärde (SMA) (P 1 P 2. P n) K där K n. Viktat rörande medelvärde (WMA) (P 1 2 P 2 3 P 3. N P n) K där K (12. n) n (n1) 2. Exponentiellt rörligt medelvärde (Ema) (P n 945 P n-1 945 2 P n-2 945 3 P n-3.) K där K 1 945945 2. 1 (1-945). Whoa Ive har aldrig sett den EMA-formuleringen innan. Jag var alltid thoguht det var. Ja, det är normalt skrivet annorlunda, men jag ville visa att dessa tre har liknande recept. (Se EMA-grejer här och här.) Faktum är att de alla ser ut som: Observera att om alla Ps är lika med, Po, då är det rörliga genomsnittsvärdet lika med Po. och det är hur ett självrespektivt medel ska uppträda. Så vilket är bäst Definiera bäst. Här är några glidande medelvärden som försöker spåra en serie av aktiekurser som varierar sinusformat: Aktiekurser som följer en sinuskurva Var hittade du ett lager på så sätt Var uppmärksam på att de vanliga glidande medelvärdena (SMA, WMA och EMA) når maximalt senare än sinuskurvan. Det är lag och. Men hur är det med den HMA killen. Han ser bra ut Ja, och det är vad vi vill prata om. Verkligen. Och vad är det 6 i HMA (6) och jag ser något som heter MMA (36) och. Tålamod. Hull Moving Average Vi börjar med att beräkna 16-dagars Weighted Moving Average (WMA) så här: 1 WMA (16) (P 1 2 P 2 3 P 3. 16 P n) K med K 12. 16 136. Även om det är trevligt och smoooth, det har en fördröjning större än vad som är: Så vi tittar på 8-dagars WMA: Jag gillar det Ja, det följer prisvariationerna ganska snyggt. men det finns mer. Medan WMA (8) tittar på de senaste priserna har det fortfarande en fördröjning, så vi ser hur mycket WMA har ändrats när det går från 8-dagars till 16-dagars. Den skillnaden skulle se ut så här: På så vis ger den skillnaden en viss indikation på hur WMA förändras. så lägger vi till den här ändringen i vårt tidigare WMA (8) för att ge: 2 MMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16). MMA Varför kalla det MMA Jag stotter. Hur som helst, MMA (16) skulle se ut så här: Jag tar det tålamod. det finns mer. Nu introducerar vi den magiska omvandlingen och får. ta-DUM Thats Hull Ja. som jag förstår det Men vad är den magiska ritualen Efter att ha genererat en serie MMA s som involverar de 8-dagars och 16-dagars viktade glidmedelmen, stirrar vi intensivt på denna sekvens av siffror. Sedan beräknar vi WMA de senaste 4 dagarna. Det ger Hull Moving Average som vi kallat HMA (4). Huh 16 dagar sedan 8 dagar sedan 4 dagar. Kasta du ett mynt för att se hur många. Du väljer ett antal dagar, som n 16. Då tittar du på WMA (n) och WMA (n2) och beräknar MMA 2 WMA (n2) - WMA (n). (I vårt exempel, det är 2 WMA (8) - WMA (16). Sedan beräknar du WMA (sqrt (n)) med bara de sista sqrt (n) - numren från MMA-serien. en WMA (4), med MMA-serien.) Och för det roliga SINE-diagramet, så gör du så vart kalkylbladet jag fortfarande arbetar med: MA-stuff. xls Det är intressant att se hur de olika glidande medelvärdena reagerar på spikar: Är HMA verkligen ett vägt glidande medelvärde. Vi kan se: Vi har: 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 P 3. 16 P n) 136 eller MMA 2 (136) - (1136) P 1 2 P 2. 8 P 8 - (1136) 9 P 9 10 P 10. 16 P 16 Skriv av följande skäl för sanitära skäl: MMA w 1 P 1 w 2 P 2. W 16 P 16. Observera att alla vikter lägger till 1. Vidare, wk 2 (136) - (1136) K för K 1, 2. 8 och wk - (1136) K för K 9, 10. 16. Sedan gör vi den magiska kvadratrotsritualen (där sqrt (16) 4). Vi har (som påminner om att P 16 är det senaste värdet). HMA 4-dagars WMA för ovanstående MMA (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 (notera att 1234 10). Huh P 0. P-1. Vad. MMA (16) använder de senaste 16 dagarna, tillbaka till priset var callling P 1. Om vi ​​beräknar det 4-dagars viktiga genomsnittet av dem, så är MMA-enheter, väl använda gårdagens MMA (och det går tillbaka 1 dag före P 1) och dagen före det går MMA tillbaka till 2 dagar före P 1 och dagen innan det. Okej, så du ringer dem priserna P 0. P-1 etcetc. Du har det. Så en 16-dagars HMA använder faktiskt information som går tillbaka mer än 16 dagar, rätt du har det. Men det finns negativa vikter för dem gamla priser Är det lagligt Beviset finns i. Jaja. Beviset är i pudding. Så vad gör kalkylbladet Så här ser det ut så här: (Klicka på bilden för att ladda ner.) Du kan välja en SINE-serie eller en RANDOM-serie av aktiekurser. För den senare, varje gång du klickar på en knapp får du en annan uppsättning priser. Då kan du välja antal dagar: det är vår n. (Till exempel använde vi n 16 för vårt exempel ovan.) Om du väljer SINE-serien kan du även presentera spikar och flytta dem längs diagrammet. så här . Observera att weve använt n 16 och n 36 (i bilden av kalkylbladet) eftersom n2 och sqrt (n) är båda heltal. Om du använder något som n 15 använder kalkylbladet INT eger-delen av n2 och sqrt (n), nämligen 7 och 3. Så är Hull Moving Average det bästa Definiera bäst. Vad med det Jurik Average jag vet ingenting om det. Den är proprietär och du måste betala för att använda den. Låt oss dock spela med glidande medelvärden. Ett annat rörligt medelvärde Anta att istället för det vägda rörliga medelvärdet (där vikterna är proportionella med 1, 2, 3). vi använder den magiska Hull ritualen med exponentiell rörande medelvärde. Det är, vi anser: MAg 2 EMA (n2) - EMA (n) MAg Ja, det är M oving En ver g g immick eller M oving En ver g g eneralized eller M oving En verage g rand eller. Eller M oving A verage g ummy Observera Vi väljer vårt favorit antal dagar, som n 16, och beräknar MAg (n, 945, k) 945 EMA (nk) - (1-945) EMA (n). Vi kan spela med 945 och k och se vad vi får: Till exempel, här är några MAgs (var stannar i 16 dagar men ändrar värdena 945 och k): MAg (16) 2 EMA (4) - EMA 16) MAg (16) 1.5 EMA (5) - 0,5 EMA (16) Observera att när vi väljer k 3 får vi nk 163 5,333 som vi ändrar till ren och enkel 5,0. Varför sticker du inte med Hulls val: 945 2 och k 2 Bra idé. Vi får det här: MAg (16) 2 EMA (8) - EMA (16) Ser ut som diagrammet med 945 1,5 och k 3. Det gör det, gjorde det inte. igen möjligen. Så vad sägs om den kvadratrotsritualen jag lämnar som en övning. för dig Okej, medan du spelar med den MAg-tingen tycker jag att Hulls k 2 fungerar ganska bra. så bra hålla fast vid det. Men vi får ofta ett ganska bra medelvärde när vi lägger till en liten bit av ändringen: EMA (n2) - EMA (n). Faktum är att du bara lägger till en bråk 946 av den förändringen. Det ger: MAg (n, 946) EMA (n2) 946 EMA (n2) - EMA (n). Det vill säga, vi väljer 946 0,5 eller kanske bara 946 0,25 eller vad som helst och använd: Till exempel, om vi jämför vår gaggle av glidande medelvärden när de spårar en STEP-funktion, får vi det här, där vi bara lägger till (för MAg) 946 12 av förändringen. Ja, men vad är det bästa värdet av beta. Definiera bäst: Observera att beta 1 är Hull-valet. förutom att använda EMA i stället för WMA. Och du släpper ut den kvadratroten. Uh, ja. Jag glömde att. Notera . Kalkylbladet ändras från timme till timme. Det ser ut så här något att spela med. Jag fick ett kalkylblad som ser ut så här. klicka på bilden för att ladda ner. Du väljer ett lager och klickar på en knapp och får ett års värde av dagliga priser. Du väljer antingen HMA eller MAg, ändrar antalet dagar och, för MAg, parametern och ser när du ska köpa ro SÄLJ. När Baserat på vilka kriterier Om det rörliga genomsnittet är NER x från sitt maximala under de senaste 2 dagarna köper du. (I exemplet, x 1,0) Om den är UP y från sitt minimum under de senaste 2 dagarna, säljer du. (I exemplet, y 1.5) Du kan ändra värdena för x och y. Är det något bra. Dessa kriterier sa jag att det var något att leka med. Theres denna andra utjämningsteknik kallad Hodrick-Prescott Filter. Med hjälp av Ron McEwan ingår den nu i det här kalkylbladet: Är det något bra med det. Du märker att det finns en parameter som du kan ändra i cell M3. och köp och sälj signaler.