Teknisk analys: Flyttande medelvärde De flesta kartmönster visar mycket variation i prisrörelsen. Detta kan göra det svårt för handlare att få en uppfattning om en övergripande trend för säkerheten. En enkel metod som handlare använder för att bekämpa detta är att tillämpa glidande medelvärden. Ett glidande medelvärde är genomsnittspriset för en säkerhet över en viss tid. Genom att planera ett genomsnittligt pris för säkerhet sänks prisrörelsen. När de dagliga fluktuationerna tas bort kan handlare bättre identifiera den sanna trenden och öka sannolikheten att det kommer att fungera till deras fördel. (För att lära dig mer, läs Moving Averages-handledningen.) Typer av rörliga medelvärden Det finns ett antal olika typer av rörliga medelvärden som varierar i det sätt de beräknas, men hur varje genomsnitt tolkas är detsamma. Beräkningarna varierar endast med avseende på den viktning de lägger på prisuppgifterna, och ändras från lika viktning av varje prispunkt till mer vikt läggs på de senaste uppgifterna. De tre vanligaste typerna av glidande medelvärden är enkla. linjär och exponentiell. Enkelt rörligt medelvärde (SMA) Detta är den vanligaste metoden som används för att beräkna det glidande genomsnittet av priser. Det tar helt enkelt summan av alla tidigare slutkurser över tidsperioden och delar resultatet med antalet priser som används i beräkningen. Till exempel i ett 10-dagars glidande medel läggs de sista 10 slutkurserna samman och delas sedan med 10. Som du kan se i Figur 1 kan en näringsidkare göra genomsnittet mindre mottagligt för att ändra priser genom att öka antalet av perioder som används vid beräkningen. Att öka antalet tidsperioder i beräkningen är ett av de bästa sätten att mäta styrkan i den långsiktiga trenden och sannolikheten för att den kommer att vända. Många individer hävdar att användbarheten av denna typ av medel är begränsad eftersom varje punkt i dataserien har samma inverkan på resultatet oavsett var det inträffar i sekvensen. Kritikerna hävdar att de senaste uppgifterna är viktigare och därför bör den också ha högre viktning. Denna typ av kritik har varit en av de viktigaste faktorerna som leder till uppfinningen av andra former av rörliga medelvärden. Linjärt viktat medelvärde Denna glidande medelindikator är minst vanlig från de tre och används för att lösa problemet med lika viktning. Det linjärt vägda glidande medlet beräknas genom att summan av alla slutkurser över en viss tidsperiod multipliceras med datapunktens position och dividerar sedan med summan av antalet perioder. Till exempel, i ett fem dagars linjärt vägt genomsnitt multipliceras dagens slutkurs med fem, gårdagar med fyra och så vidare tills den första dagen i periodintervallet uppnås. Dessa tal läggs sedan samman och divideras med summan av multiplikatorerna. Exponentiellt rörligt medelvärde (EMA) Denna glidande genomsnittliga beräkning använder en utjämningsfaktor för att placera en högre vikt på de senaste datapunkterna och anses vara mycket effektivare än det linjärt vägda genomsnittet. Att ha en förståelse för beräkningen är vanligtvis inte nödvändig för de flesta handlare eftersom de flesta kartläggningspaket gör beräkningen för dig. Det viktigaste att komma ihåg om det exponentiella glidande medlet är att det är mer mottagligt för ny information i förhållande till det enkla glidande medlet. Denna responsivitet är en av de viktigaste faktorerna för varför detta är det glidande genomsnittet av val bland många tekniska handlare. Som du kan se i Figur 2 stiger en 15-årig EMA och faller snabbare än en 15-årig SMA. Denna lilla skillnad verkar inte som mycket, men det är en viktig faktor att vara medveten om eftersom det kan påverka avkastningen. Viktiga användningsområden för rörliga medelvärden Flytta medelvärden används för att identifiera aktuella trender och trendomvandlingar samt att ställa upp stöd och motståndsnivåer. Flyttande medelvärden kan användas för att snabbt identifiera om en säkerhet rör sig i en uppåtgående eller en nedåtgående trend beroende på riktningen för glidande medelvärde. Som du kan se i Figur 3, när ett glidande medel går uppåt och priset är över det, är säkerheten i en uptrend. Omvänt kan ett nedåtgående sluttande rörligt medelvärde med priset nedan användas för att signalera en nedåtgående trend. En annan metod för bestämning av momentum är att titta på ordningen av ett par glidande medelvärden. När ett kortsiktigt genomsnitt är över ett längre sikt, är trenden uppåt. Å andra sidan signalerar ett långsiktigt medelvärde över ett kortare medelvärde en nedåtgående rörelse i trenden. Flyttande genomsnittliga trendomvandlingar bildas på två huvudvägar: när priset rör sig genom ett glidande medelvärde och när det rör sig genom glidande medelvärdeövergångar. Den första gemensamma signalen är när priset rör sig genom ett viktigt glidande medelvärde. Till exempel, när priset på en säkerhet som var i en uptrend faller under ett 50-årigt glidande medelvärde, som i Figur 4, är det ett tecken på att upptrenden kan vända sig. Den andra signalen om en trendomvandling är när ett glidande medel passerar genom en annan. Som du kan se i Figur 5, om 15-dagars glidande medelvärde passerar över 50-dagars glidande medelvärde, är det ett positivt tecken på att priset börjar öka. Om de perioder som används i beräkningen är relativt korta, till exempel 15 och 35, kan detta signalera en kortsiktig trendomvandling. Å andra sidan, när två medelvärden med relativt långa tidsramar passerar över (t. ex. 50 och 200) används detta för att föreslå en långsiktig förändring i trenden. Ett annat viktigt sätt att flytta medelvärden används är att identifiera stöd och motståndsnivåer. Det är inte ovanligt att se ett lager som har fallit, stoppa sin nedgång och omvänd riktning när den träffar stödet från ett stort rörligt medelvärde. En rörelse genom ett stort rörligt medelvärde används ofta som en signal av tekniska handlare att trenden är omvänd. Till exempel, om priset bryts genom 200-dagars glidande medelvärde i en nedåtriktad riktning, är det en signal att upptrenden är omvänd. Flytta medelvärden är ett kraftfullt verktyg för att analysera trenden i en säkerhet. De ger användbara stöd - och motståndspunkter och är mycket lätta att använda. De vanligaste tidsramarna som används när man skapar glidande medelvärden är 200-dagars, 100-dagars, 50-dagars, 20-dagars och 10-dagars. 200-dagars genomsnittet anses vara ett bra mått på ett handelsår, ett 100-dagars genomsnitt på ett halvt år, ett 50-dagarsmedelvärde på kvart i ett år, ett 20-dagars genomsnitt på en månad och 10 - dagsmedel av två veckor. Flytta medelvärden hjälper de tekniska handlarna att släpa ut något av det brus som finns i dagliga prisförändringar, vilket ger handlare en tydligare bild av prisutvecklingen. Hittills har vi fokuserat på prisrörelse, genom diagram och medelvärden. I nästa avsnitt, kolla noga på några andra tekniker som används för att bekräfta prisrörelser och patterns. Moving Average Crossovers Flyttande genomsnittliga övergångar är ett vanligt sätt när handlare kan använda Moving Averages. En crossover uppträder när ett snabbare rörligt medelvärde (dvs. en kortare rörelsehastighet) korsar antingen över ett långsammare rörelseregelvärde (dvs en längre period flyttande medelvärde) som anses vara en hausseformad crossover eller under vilken anses en baisseövergång. Diagrammet nedan för SampP Depository Receipts Exchange Traded Fund (SPY) visar 50-dagars Simple Moving Average och 200-dagars Simple Moving Average. Detta Moving Average pair ses ofta av stora finansiella institut som en långsiktig indikator för marknadsriktning : Observera hur långsiktigt 200-dagars Enkelt rörande medelvärde ligger i en uptrend detta tolkas ofta som en signal att marknaden är ganska stark. En näringsidkare kan överväga att köpa när den kortare 50-dagars SMA passerar över 200-dagars SMA och kontrastvis kan en näringsidkare överväga att sälja när 50-dagars SMA passerar under 200-dagars SMA. I diagrammet ovanför SampP 500 hade båda potentiella köpsignaler varit mycket lönsamma, men den ena potentiella försäljningssignalen skulle ha orsakat en liten förlust. Tänk på att 50-dagars, 200-dagars Simple Moving Average Crossover är en mycket långsiktig strategi. För de näringsidkare som vill ha mer bekräftelse när de använder Moving Average crossovers, kan 3 Simple Moving Average crossover-tekniken användas. Ett exempel på detta visas i tabellen nedan i Wal-Mart (WMT) - materialet: Den 3 enkla rörliga genomsnittsmetoden kan tolkas enligt följande: Den första korsningen av den snabbaste SMA-enheten (i ovanstående exempel, den 10-dagars SMA) Över nästa snabbaste SMA (20-dagars SMA) fungerar som en varning om att priserna kan vara omvänd trend, dock brukar en näringsidkare inte placera en faktisk köp - eller säljorder då. Därefter kan den andra överkanten av den snabbaste SMA (10-dagars) och den långsammaste SMA (50-dagars) utlösa en näringsidkare att köpa eller sälja. Det finns många varianter och metoder för att använda 3 Simple Moving Average crossover-metoden, vissa finns nedan: Ett mer konservativt tillvägagångssätt kan vara att vänta tills den mellanliggande SMA (20-dagars) korsar långsammare SMA (50-dagars) men det här är i grunden en två SMA crossover teknik, inte en tre SMA teknik. En näringsidkare kan överväga en penninghanteringsteknik att köpa en halv storlek när den snabba SMA passerar över nästa snabbaste SMA och sedan gå in i den andra hälften när snabb SMA passerar över långsammare SMA. Istället för halvor köper eller säljer du en tredjedel av en position när den snabba SMA passerar över nästa snabbaste SMA, en tredjedel när snabb SMA passerar över den långsamma SMA och den sista tredjedelen när den näst snabbaste SMA passerar över den långsamma SMA . En Moving Average Crossover-teknik som använder 8 Moving Averages (exponentiell) är den rörliga genomsnittliga exponentiella bandindikatorn (se: Exponential Ribbon). Flyttande genomsnittliga övergångar ses ofta av handlare. Faktum är att korsningar ofta ingår i de mest populära tekniska indikatorerna, inklusive indikator för rörlig medelkonvergensdivergens (MACD) (se: MACD). Andra glidande medelvärden förtjänar noggrant överväganden i en handelsplan: Uppgifterna ovan är endast avsedda för informations - och underhållningsändamål och utgör inte handelsrådgivning eller en uppmaning att köpa eller sälja någon aktie, alternativ, framtida, råvara eller valutaprodukt. Tidigare resultat är inte nödvändigtvis en indikation på framtida resultat. Handel är i sig riskabelt. OnlineTradingConcepts ansvarar inte för några speciella eller följdskador som uppstår till följd av användning eller oförmåga att använda, material och information som tillhandahålls av denna webbplats. Se fullständig ansvarsfriskrivning. Enkelt flyttande medelvärde - SMA BREAKING DOWN Enkelt rörligt medelvärde - SMA Ett enkelt glidande medelvärde är anpassningsbart genom att det kan beräknas för ett annat antal tidsperioder, helt enkelt genom att lägga till slutkursen för säkerheten under en tid perioder och sedan dela denna summa med antalet tidsperioder, vilket ger det genomsnittliga priset på säkerheten över tidsperioden. Ett enkelt glidande medel ökar volatiliteten och gör det enklare att se prisutvecklingen för en säkerhet. Om det enkla rörliga genomsnittet pekar upp betyder det att säkerhetspriset ökar. Om det pekar ner betyder det att säkerhetspriset minskar. Ju längre tidsramen för det rörliga genomsnittet är, desto smidigare är det enkla glidande medlet. Ett kortare rörligt medelvärde är mer volatilt, men läsningen är närmare källdata. Analytisk betydelse Flyttande medelvärden är ett viktigt analysverktyg som används för att identifiera aktuella prisutvecklingar och potentialen för en förändring av en etablerad trend. Den enklaste formen av att använda ett enkelt glidande medel i analys använder det för att snabbt identifiera om en säkerhet är i en uptrend eller downtrend. Ett annat populärt, om än något mer komplext analysverktyg, är att jämföra ett par enkla glidande medelvärden med varje täckande olika tidsramar. Om ett kortfristigt enkelt glidande medelvärde överstiger ett långsiktigt genomsnitt, förväntas en uptrend. Å andra sidan signalerar ett långsiktigt medelvärde över ett kortare medelvärde en nedåtgående rörelse i trenden. Populära handelsmönster Två populära handelsmönster som använder enkla glidande medelvärden inkluderar dödskorset och ett gyllene kors. Ett dödskors inträffar när det 50-dagars enkla glidande medelvärdet passerar under 200-dagars glidande medelvärde. Detta betraktas som en baisse signal, att ytterligare förluster finns i butik. Det gyllene korset uppstår när ett kortsiktig glidande medel bryter över ett långsiktigt glidande medelvärde. Förstärkt av höga handelsvolymer kan detta signalera ytterligare vinster finns i lagret. SP Rubrikmönsterpredictor Använda OHLC och enkla rörliga medelvärden Rubrikmönsterprediktorn definierar mönster genom att jämföra nivåerna av inmatningsfunktioner, utvärderar kandidatmönster över en efterföljande modelleringsperiod och använder Mönster som historiskt framgångsrikt har gått framåt. Mönsterbyggnadsfasen upprepas varje n-stapel. Inspirationen till Rubric Pattern Pattern Predictor kom från Adaptrade Price Pattern Strategies och Price Action Lab. Den ursprungliga versionen gör en slumpmässig sökning efter historiskt lönsamma mönster. Anledningen till slumpmässig sökning är att jag ville få alla komponenter på plats och se om det såg ut lovande innan man genomförde andra sökalgoritmer. Modellen som I8217m kommer att visa dig är helt ooptimerad i den meningen att I8217ve gjorde inget försök att hitta inmatningar som ger överlägsna resultat. Under huven gör Rubrik Pattern Predictor en stor mängd optimering framåt. Precis som med alla de prediktorer som I8217ve har byggt, ser du aldrig de hypotetiska resultaten under modelleringsperioden. Rubrikmönstret Predictor är ett tillägg för Dakota 3 skrivet i C. Grunt-arbetet körs parallellt på tillgängliga datorsystemkärnor. För närvarande kan den bara använda CPU8217s på en dator. Något sådant skulle dra nytta av distribuerad bearbetning. SP-justerade dagliga terminsdata laddas från 121983. Figur 1. SP-icke-justerade framtidsdata Systemet är konfigurerat att handla på stängning av marknaden på handelsdagen efter den dag systemet uppdaterades. Inga handelskostnader har tillämpats. Figur 2. Aktieinställningar Ingångarna är day8217s öppna, höga, låga, stängda och 5, 10 och 20-åriga enkla glidande medelvärden av stängningen. Målet är den slutliga variabeln som är upptagen på fliken Dakota 3 Indikatorer och är Returindex i slutet. Observera att ingångarna börjar efter att de handlade värdepapperen är öppen, hög, låg och nära. That8217s varför den öppna, höga, låga och närmaste visas två gånger i listan över variabler. Figur 3. Input och målvariabel definitioner. I nästa skärmbild ser du att Max Input Depth är inställd på 5. Vi använder de senaste 5 raderna av ingångar för att bygga vår funktionalitet. Totalt kommer det att finnas 5 x 7 35 funktioner tillgängliga för algoritmen för byggnadsmönster. Ett mönsterförhållande jämför 2 funktioner med gt-operatören. I8217ve installerar Rubric Pattern Pattern Predictor så att den kan använda andra operatörer, men I8217m använder endast den större än operatören för den här versionen. Ett exempel mönster villkor är: Close0 gt SMA (Close, 5) 2 Exemplet villkoret kräver att den senaste stängningskursen är större än det enkla glidande medlet av de närmaste 2 raderna bakåt. Rubrikmönster består av 1 eller flera villkor. Mönstret uppstår när alla förutsättningar har uppfyllts. Rubrikmönsterpredictorn kommer att finnas tillgänglig som en del av ATS Pattern Predictor Signal Generators för Dakota 3. Tidigare namngav KNN Predictors och CPredictor i Dakota 2. I bilden nedan kan vi se att vi bara har 1 bot i svärmen och vi8217 är inte Utnyttjar swarm-anpassning. Detta system tog cirka 4 timmar att gå framåt. Att köra 15 bots skulle vara meningsfullt eftersom det skulle öka mångfalden. Det skulle emellertid kräva 15 gånger bearbetningstiden. När jag bygger en produktionsmodell baserad på Rubric Pattern Pattern Predictor använder jag 15 bots. Det skulle ta mellan 2 och 3 dagar att gå ett system med 15 bots framåt på en dual core processor som körs på 3Ghz. Figur 4. Svärminställningar I nästa skärmbild kan vi se de flesta inställningarna för Rubrikmönsterpredictorn. Figur 5. Inställningar för inställningar för matrispredictor En förklaring av varje inställning följer. Modelleringsperiod. Modelleringsperioden definierar antalet funktionsuppsättningar som används av Rubrikmönsterprediktorn för mönstermatchning. Modelleringsperioden spårar den bar som för närvarande bearbetas. Det spårar inte omedelbart den aktuella fältet eftersom data behövs för Max Trade Period, Trading Delay och eventuellt för avvärjningen av målvariabeln. Max Input Djup. Antalet inmatningsrader som används för att bilda uppsättningen funktioner för mönsteruppbyggnad. Min Villkor. Minsta antal villkor som används för att bilda ett mönster. Max villkor. Det maximala antalet villkor som används för att bilda ett mönster. Min instanser. Det minsta antalet gånger som ett kandidatmönster måste ha skett under modellperioden som ska beaktas för användning. Max instanser. Det maximala antalet gånger ett kandidatmönster har uppstått under modellperioden. Om det fanns mer mönstret än Max Instances, anses inte mönstret för användning. Min Gain, Max Loss, Min Win Rate, Min Profit Factor och Max Trade Period används vid utvärdering av prestanda för ett givet mönster under modelleringsperioden. Hypotetiska vinster och förluster beräknas med hjälp av den avgränsade målserien om avstängningsperioden är större än 1, annars beräknas de med hjälp av målserien. Observera att den avgränsade målserien kommer att ha en mindre varians än målserien. Dakota 3-handelsfördröjningen (Projektsignal av) och utvalda handlade serier (Öppna eller Stäng) gäller för att hålla den så realistisk som möjligt. Min Gain. Hypotetiska handlar, för en given förekomst av ett mönster, stängs om vinsten i eget kapital når eller överstiger Min Gain. Max förlust. Hypotetiska handlar, för en given förekomst av ett mönster, stängs om kapitalförlusten överstiger maxförlusten. Min Win Rate. Vid utvärdering av ett mönster under modellperioden måste det hypotetiska antalet vinnare dividerat med antalet branscher vara större än eller lika med Min Win-hastigheten för mönstret som ska beaktas för användning. Min vinstfaktor. Vid utvärdering av ett mönster under modelleringsperioden måste den hypotetiska summan av de lönsamma handelarna dividerat med det absoluta värdet av summan av förlorande affärer vara större än eller lika med Min Profit Factor för det mönster som ska beaktas för användning. Max handelsperiod. Den maximala period som en hypotetisk handel kan vara öppen för. Max Handel Period gäller även när framåtriktning genererar faktiska handelssignaler. Avvikande period. Perioden för det centrerade enkla glidande medlet som används för att förse målserien. Framtida versioner kommer antagligen att använda ett bättre digitalt filter eller åtminstone erbjuda ett bättre digitalt filter som ett alternativ. Utvärdering Algo. Två metoder för att utvärdera kandidatmönstren under modellperioden finns tillgängliga. Den första beaktar hypotetisk prestanda för varje mönsterinstans endast och den andra undersöker också genomsnittet av aktiekurvorna efter varje förekomst av ett givet mönster. De återstående parametrarna för Rubric Pattern Pattern Predictor visas i bilden nedan. Figur 6. Inställningar för inställningar för inställningar för rubrikmönster (fortsättning) Exit Rule. Systemhandeln kan stängas baserat på ett vinstmål, prognostiserad vinst eller beräknad varaktighet. Exitregeln gäller inte när man utvärderar mönsterinstanser, det gäller bara de faktiska systemhandelssignalerna som går framåt. Om handeln avslutas med ett vinstmål kommer vinsten att beräknas med hjälp av målserien. Vinstmål. Det vinstmålet som ska användas om systemhandeln stängs med hjälp av vinstmålet. Vinsten kommer att vara i enheter i målserien som är den sista serien som definieras på fliken Dakota 3 Indikatorer. Handelsförseningen gäller. Stoppa förlusten . Om ansökan är slutförlust inställd på True kommer systemhandeln att stängas om handelsförlusten överskrider den användardefinierade Stop-Loss-beloppet. Vinsten beräknas med hjälp av målserien. Handelsförseningen gäller. Utöka handlarna. Om Extend Trades är satt till True kan nya mönster eventuellt förlänga varaktigheten för den nuvarande handelspositionen. Iterationer. Antalet mönster som ska skapas och utvärderas under mönsterbyggnadsfasen. Retrain Period. Antalet barer att gå framåt innan du bygger en ny uppsättning mönster. Randomize Retrain. Om Randomize Retrain är satt till True, kommer Retrain Perioden att variera mellan 0,75 och 1,25 gånger Retrinsperioden. Aktiekurvan visas i bilden nedan. Figur 7. Equity Curve Det tar drygt 8 års data innan den första handelssignalen genereras. Hela aktiekurvan är out-of-sample. It8217 är inte lysande, men det är mycket lovande och it8217s tidiga dagar. Jag gjorde en annan körning av detta system och en mycket likadan formad kapitalkurva producerades. Ikväll planerar jag att köra 10.000.000 iterationer för att se om resultaten förbättras eller inte. Handelsstatistiken följer. Figur 8. Handelsstatistik Observera att tiden i position är större än 73,55 på grund av 8 års perioden när inga signaler matas ut. Nästa steg kommer att vara att försöka använda genetisk programmering för att förhoppningsvis producera bättre resultat snabbare. Postnavigering
No comments:
Post a Comment