Idealnya, Anda ingin sinyal tersaring menjadi halus dan tidak bergerak. Lag menyebabkan keterlambatan dalam perdagangan Anda, dan peningkatan lag pada indikator Anda biasanya menghasilkan keuntungan yang lebih rendah. Dengan kata lain, pendatang terlambat mendapatkan apa yang tersisa di atas meja setelah pesta dimulai. Itu sebabnya investor, bank dan institusi di seluruh dunia meminta Jurik Research Moving Average (JMA). Anda mungkin menerapkannya seperti halnya rata-rata pergerakan populer lainnya. Namun, JMA memperbaiki timing dan kelancaran akan mengejutkan Anda. Garis abu-abu bergerigi pada grafik mensimulasikan aksi harga yang dimulai pada kisaran perdagangan rendah, kemudian berlanjut ke kisaran perdagangan yang lebih tinggi. Karena tidak ada yang suka menunggu di sela-sela, filter pengurangan kebisingan yang sempurna (green line) akan bergerak dengan lancar sepanjang pusat rentang perdagangan pertama dan kemudian melompat ke pusat kisaran perdagangan baru hampir segera. Rata-rata bergerak menghalau kebisingan. Arus data harga dengan mengorbankan lag (delay) Di masa lalu Anda bisa memiliki kecepatan, dengan mengorbankan perataan yang dikurangi Di masa lalu Anda hanya bisa melakukan smoothing dengan mengorbankan lag Pikirkan berapa jam Anda terbuang untuk mendapatkan Rata-rata Anda cepat dan lancar Ingat betapa menyebalkannya melihat peningkatan kecepatan menyebabkan kebisingan meningkat Ingat bagaimana Anda berharap untuk lag rendah DAN kebisingan rendah Bosan bekerja dengan bagaimana agar kue Anda DAN memakannya Jangan putus asa, sekarang hal-hal telah berubah, Anda dapat memiliki Kue Anda dan Anda dapat memakannya Precision Lagless average dibandingkan model penyaringan lanjutan lainnya Dari rata-rata standar industri dasar (filter), rata-rata bergerak tertimbang lebih cepat daripada eksponensial, namun tidak menawarkan yang baik. Merapikan, sebaliknya eksponensial memiliki perataan yang sangat baik, namun sejumlah besar penundaan (Lag). Saringan techcot quothigh modern meskipun memperbaiki model dasar lama, memiliki kelemahan yang melekat. Beberapa di antaranya diamati di filter Jurik JMA dan yang terburuk dari kelemahan ini adalah overshoot. Penelitian Jurik secara terbuka mengakui adanya overshootquot quotminimal yang cenderung mengindikasikan beberapa bentuk algoritma prediktif yang mengerjakan kodenya. Ingat bahwa filter dimaksudkan untuk mengamati apa yang terjadi sekarang dan di masa lalu. Memprediksi apa yang akan terjadi selanjutnya adalah fungsi ilegal dalam tool kit Precision Trading Systems, datanya hanya diratakan dan tertinggal. Atau bisa Anda katakan, tren diikuti dengan tepat daripada diberi tahu ke mana harus pergi berikutnya, seperti halnya dengan algoritma filter tipe ilegal ini. Rata-rata Precision Lagless TIDAK mencoba meramalkan nilai harga berikutnya. Rata-rata Hull diklaim oleh banyak orang sebagai secepat dan selengkap JMA oleh penelitian Jurik, ia memiliki kecepatan dan lag yang rendah. Masalah dengan rumus yang digunakan dalam rata-rata Hull adalah distorsi yang sangat sederhana dan mengarah pada distorsi harga yang memiliki akurasi yang buruk karena pembobotan terlalu berat (x 2) pada data terbaru (Lantai (Panjang 2)) dan kemudian mengurangkan yang lama Data, yang menyebabkan masalah overshooting yang parah. Dalam beberapa kasus, banyak penyimpangan standar dari nilai aktual. Rata-rata presisi tanpa batas memiliki tingkat keterlambatan ZERO. Diagram di bawah menunjukkan perbedaan kecepatan yang sangat besar pada periode 30 PLA dan rata-rata 30 periode Hull. PLA adalah empat bar di depan rata-rata Hull pada kedua titik balik utama yang ditunjukkan pada bagan 5 menit Masa Depan FT-SE100 (yang merupakan 14 perbedaan dalam Lag). Jika Anda menukar rata-rata pada titik balik mereka untuk mengurangi harga penutupan dalam contoh ini, PLA memberi sinyal pada 3.977,5 dan Hull berada pada titik terendah pada 3.937, hanya sekitar 40,5 poin atau dalam hal moneter 405 per kontrak. Sinyal panjang pada PLA berada pada 3936 dibandingkan dengan Hull 3.956,5, yang sama dengan penghematan biaya 205 per kontrak dengan sinyal PLA. Apakah itu burung Apakah itu pesawat Tidak ada filter Rata-rata Lagless Time seperti rata-rata VIDAYA oleh Tuscar Chande, yang menggunakan volatilitas untuk mengubah panjangnya memiliki jenis formula yang berbeda yang mengubah panjangnya, namun proses ini tidak dieksekusi dengan logika apapun. Sementara mereka kadang-kadang bisa bekerja dengan baik, ini juga bisa menyebabkan filter yang bisa mengalami lag dan overshooting. Rata-rata deret waktu yang memang rata-rata sangat cepat, bisa jadi diganti namanya menjadi quotovershooting averagequot ketidakakuratan ini membuatnya tidak bisa digunakan untuk penilaian data yang serius untuk penggunaan trading. Filter Kalman sering tertinggal atau melampaui harga karena algoritma yang lebih bersemangat. Faktor filter lain dalam momentum harga untuk mencoba memprediksi apa yang akan terjadi pada interval harga berikutnya, dan ini juga merupakan strategi yang salah, karena overshoot ketika pembacaan momentum tinggi berbalik, meninggalkan filter tinggi dan kering dan mil dari aktivitas harga aktual. . Rata-rata Precision Lagless menggunakan logika murni dan sederhana untuk menentukan nilai keluaran berikutnya. Banyak matematikawan yang hebat telah mencoba dan gagal menciptakan rata-rata bebas lag, dan umumnya alasannya adalah intelek intelektual mereka yang ekstrem tidak didukung oleh logika masuk akal tingkat tinggi. Precision Lagless average (PLA) dibangun dari algoritma alasan logis murni, yang menguji berbagai nilai yang tersimpan dalam array dan memilih nilai yang akan dikirim ke output. Kecepatan, perataan dan akurasi PLAs menjadikannya alat perdagangan yang sangat baik untuk saham, futures, forex, bonds dll. Dan seperti semua produk yang dikembangkan oleh sistem Precision Trading, tema dasarnya adalah sama. Ditulis untuk pedagang, OLEH PEDAGANG. PLA Panjang 14 dan 50 pada E-Mini Nasdaq futureHow untuk mengurangi lag pada moving average Hull Moving Average (HMA): Indikator tersebut menjelaskan rata-rata pergerakan tradisional mengikuti aktivitas harga. Tapi dengan beberapa matematika pintar lag bisa diminimalisir. Heres bagaimana Dengan Alan Hull Kembali pada tahun 2005 ketika saya mengerjakan sebuah indikator baru, saya sementara teralihkan dengan mencoba memecahkan masalah lag dalam moving averages, hasilnya adalah Hull Moving Average. Sejak saat itu, HMA telah menemukan jalannya untuk memetakan program di seluruh dunia dan secara teratur dibahas di papan buletin pedagang dalam berbagai bahasa di seluruh dunia. Itu adalah hasil dari keingintahuan intelektual yang saya tempatkan ke ranah publik dengan menulis artikel berikut. Hull Moving Average memecahkan dilema usia tua membuat rata-rata bergerak lebih responsif terhadap aktivitas harga saat ini sambil menjaga kelancaran kurva. Sebenarnya HMA hampir menghilangkan lag sama sekali dan berhasil memperbaiki perataan pada saat bersamaan. Untuk memahami bagaimana pencapaian kedua hasil yang berlawanan ini secara simultan, kita perlu memulai dengan kerangka referensi yang mudah dipahami. Bagan berikut berisi rata-rata pergerakan sederhana 16 minggu yang senantiasa mengikuti aktivitas harga dan memiliki kelancaran yang buruk. Pertama, memecahkan masalah smoothing kurva bisa dilakukan dengan rata-rata rata-rata. Yaitu 16 periode SMA (16 periode SMA (Harga)) Kabar buruknya adalah hal itu menyebabkan peningkatan lag yang sangat besar seperti yang terlihat di bawah ini. Memecahkan masalah lag sedikit lebih terlibat dan membutuhkan penjelasan dengan angka daripada grafik. Pertimbangkan serangkaian 10 nomor dari 0 sampai 9 inklusif dan bayangkan bahwa mereka adalah titik harga berturut-turut pada grafik dengan 9 adalah titik harga terbaru di sisi kanan leading edge. Jika kita mengambil 10 periode rata-rata sederhana dari angka-angka ini maka, tidak mengherankan, kita akan menentukan titik tengah 4.5 yang secara signifikan tertinggal dari titik harga terbaru dari 9. Heres bit pandai, pertama memungkinkan membagi dua periode rata-rata menjadi 5 Dan menerapkannya ke angka paling baru dari 5, 6, 7, 8 dan 9, hasilnya menjadi titik tengah 7. Akhirnya, untuk menghilangkan lag kita mengambil titik tengah 7 dan menambahkan perbedaan antara dua rata-rata yang sama dengan 2,5 (7 - 4.5). Ini memberikan jawaban akhir 9,5 (7 2,5) yang merupakan kompensasi berlebihan sedikit. Tapi overcompensation ini sangat berguna karena mengimbangi efek lagging dari nested averaging. Oleh karena itu, kombinasi dua teknik ini adalah keseimbangan sempurna antara penurunan lag dan perataan kurva. HMA berhasil mengikuti perubahan aktivitas harga yang cepat sementara memiliki smoothing superior di SMA pada periode yang sama. HMA menggunakan rata-rata bergerak tertimbang dan meredam efek pemulusan (dan hasil lag) dengan menggunakan akar kuadrat periode, bukan periode sebenarnya, seperti yang terlihat di bawah ini. Rumus berikut untuk Hull Moving Average (HMA) adalah untuk MetaStock namun dapat dengan mudah disesuaikan untuk digunakan dengan program charting lain yang mampu membuat konstruksi indikator kustom. (HMA) rumus Integer (SquareRoot (Period)) WMA 2 x Integer (Periode 2) WMA (Harga) - Periode WMA (Harga): Input (periode, 1.200,20) sqrtperiod: Sqrt (periode) MOV (2Mov (C, period2, W) - Mov (C, period, W), LastValue (sqrtperiod), W) Aplikasi sederhana untuk HMA, mengingat perataan superiornya, akan menggunakan titik balik sebagai sinyal entryexit. Namun seharusnya tidak digunakan untuk menghasilkan sinyal crossover karena teknik ini bergantung pada lag. Bagikan artikel ini:
No comments:
Post a Comment