Mesa ปรับตัว เคลื่อนไหว เฉลี่ย สูตร

ค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนได้นำไปสู่ผลลัพธ์ที่ดีขึ้นการย้ายค่าเฉลี่ยเป็นเครื่องมือโปรดของผู้ค้าที่ใช้งานอยู่ อย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้จะนำไปสู่การค้า whipsaw จำนวนมากส่งผลให้ชุดที่น่าผิดหวังของการชนะและการสูญเสียขนาดเล็ก นักวิเคราะห์ได้ใช้เวลาหลายทศวรรษในการพยายามปรับปรุงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ในบทความนี้เราจะพิจารณาความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขานำไปสู่เครื่องมือการซื้อขายที่มีประโยชน์ ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่อยู่ที่ Robert Edwards และ John Magee ในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของข้อดีและข้อเสียของการเคลื่อนที่โดยเฉลี่ย แนวโน้มสต็อค เมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ที่เรา delightedly ค้นพบ (แม้ว่าหลายคนอื่น ๆ ได้ทำมาก่อน) ว่าโดยค่าเฉลี่ยของข้อมูลสำหรับจำนวนที่ระบุ daysone อาจได้รับมาจัดเรียงของเส้นแนวโน้มอัตโนมัติซึ่งแน่นอนจะตีความการเปลี่ยนแปลงของ แนวโน้มดูเหมือนจะดีเกินจริง เป็นเรื่องที่ดีเกินกว่าที่จะเป็นจริง เอ็ดเวิร์ดและจีได้ทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลริมชายหาด แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้นคนอื่น ๆ ยังคงพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดาย Simple Moving Averages คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนงวดที่เลือก การหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องบวกห้าราคาปิดล่าสุดและหารด้วยห้า หากการปิดตัวครั้งล่าสุดอยู่เหนือค่าเฉลี่ยที่เคลื่อนที่สต็อคจะถือว่าอยู่ในแนวโน้ม แนวโน้มขาลงจะถูกกำหนดโดยราคาที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (ดูข้อมูลเพิ่มเติมได้จากคู่มือการใช้งาน Moving Averages ของเรา) คุณสมบัติที่กำหนดแนวโน้มนี้ทำให้สามารถเคลื่อนที่โดยเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ ในการประยุกต์ใช้ที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนตัวสูงกว่าค่าเฉลี่ยเคลื่อนที่และขายได้เมื่อราคาปิดต่ำกว่าเส้นดังกล่าว วิธีการเช่นนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญทุก อย่างไรก็ตามในขณะที่การปรับให้เรียบข้อมูลค่าเฉลี่ยเคลื่อนที่จะล่าช้าหลังการดำเนินการในตลาดและผู้ประกอบการค้ามักจะให้ผลตอบแทนส่วนใหญ่ในธุรกิจการค้าที่ยิ่งใหญ่ที่สุด ค่าเฉลี่ยเคลื่อนที่ที่มีการแจกแจงนักวิเคราะห์ดูเหมือนว่าจะมีความคิดเกี่ยวกับค่าเฉลี่ยเคลื่อนที่และพยายามใช้เวลาหลายปีในการลดปัญหาที่เกิดจากความล่าช้านี้ หนึ่งในนวัตกรรมเหล่านี้คือค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) วิธีนี้กำหนดให้น้ำหนักที่ค่อนข้างสูงขึ้นกับข้อมูลล่าสุดและส่งผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ สูตรคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ได้แก่ EMA (Weight Close) ((1-Weight) EMAy) โดยที่: น้ำหนักคือค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือก EMAy เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาตั้งแต่วันนี้โดยค่าที่พบได้ทั่วไปคือ 0.181 ซึ่ง ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20 วัน อีกอย่างหนึ่งคือ 0.10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วัน แม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่แบบเสวนาไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งหมายความว่าการใช้สัญญาณซื้อขายจะทำให้ธุรกิจการค้าสูญเสียจำนวนมาก ในแนวคิดใหม่ในระบบการค้าทางเทคนิค Welles Wilder ประมาณการว่าตลาดมีแนวโน้มเพียงหนึ่งในสี่ของเวลาเท่านั้น การดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการถูก จำกัด ให้อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขายเฉลี่ยเคลื่อนไหวจะถูกสร้างขึ้นซ้ำ ๆ เนื่องจากราคาเคลื่อนขึ้นเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่ ในการแก้ไขปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA (สำหรับข้อมูลเพิ่มเติมโปรดดูที่วิธีการเคลื่อนไหวค่าเฉลี่ยที่ใช้ในการซื้อขาย) การปรับค่าเฉลี่ยเคลื่อนที่สำหรับการดำเนินการในตลาดวิธีหนึ่งในการจัดการข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวน การทำเช่นนี้ก็หมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันในตลาดที่ผันผวน นี้จะช่วยให้ผู้ชนะในการทำงาน เป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวม ค่าเฉลี่ยเคลื่อนที่จะขยับขึ้นใกล้กับการกระทำของตลาดในปัจจุบันและในทางทฤษฎีอนุญาตให้ผู้ประกอบการค้าสามารถเก็บกำไรได้มากที่สุดในช่วงแนวโน้มนี้ ในทางปฏิบัติอัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่น Bollinger Bandwidth ซึ่งวัดระยะห่างระหว่างแถบ Bollinger Bros เป็นที่รู้จักกันดี (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับแถบ Bollinger) Perry Kaufman แนะนำให้เปลี่ยนตัวแปรน้ำหนักในสูตร EMA ด้วยค่าคงที่ตามอัตราส่วนประสิทธิภาพ (ER) ในหนังสือระบบและวิธีการซื้อขายใหม่ ตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของแนวโน้มที่กำหนดไว้ในช่วงตั้งแต่ -1.0 ถึง 1.0 คำนวณโดยใช้สูตรง่ายๆคือ ER (การเปลี่ยนแปลงราคาทั้งหมดสำหรับช่วงเวลา) (รวมการเปลี่ยนแปลงราคาที่แน่นอนสำหรับแต่ละบาร์) พิจารณาสต็อคที่มีช่วง 5 จุดในแต่ละวันและเมื่อครบ 5 วันได้รับผลรวม จาก 15 คะแนน ซึ่งจะส่งผลให้ค่า ER เท่ากับ 0.67 (การเคลื่อนที่ขึ้นไป 15 จุดหารด้วยระยะรวม 25 จุด) หุ้นนี้ลดลง 15 จุดส่วน ER จะเท่ากับ -0.67 (สำหรับคำแนะนำการซื้อขายเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งแสดงกลยุทธ์ในการรับมือกับความเสียหายที่เกิดจากการซื้อขาย) หลักการของประสิทธิภาพของแนวโน้มขึ้นอยู่กับการเคลื่อนไหวของทิศทาง (หรือแนวโน้ม) ที่คุณได้รับต่อหน่วยของการเคลื่อนไหวของราคามากกว่า กำหนดช่วงเวลา ER เท่ากับ 1.0 แสดงให้เห็นว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1.0 หมายถึงขาลงที่สมบูรณ์แบบ ในทางปฏิบัติสุดขั้วไม่ค่อยจะมาถึง เมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาค่าเฉลี่ยเคลื่อนที่แบบปรับตัว (AMA) ผู้ค้าจะต้องคำนวณน้ำหนักโดยใช้สูตรต่อไปนี้ค่อนข้างซับซ้อนสูตร: C (ER (SCF SCS)) SCS 2 ที่ไหน: SCF เป็นค่าคงที่แบบเรโซแนนเชียลที่เร็วที่สุด EMA ที่อนุญาต (ปกติ 2) SCS เป็นค่าคงที่แบบทวนสำหรับ EMA ที่ช้าที่สุดที่อนุญาต (มักจะ 30) ER เป็นอัตราส่วนประสิทธิภาพที่ระบุไว้ข้างต้นค่า C จะใช้ในสูตร EMA แทนตัวแปรน้ำหนักที่ง่ายกว่า แม้ว่าจะยากที่จะคำนวณด้วยมือ แต่ค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ถูกรวมไว้เป็นตัวเลือกในเกือบทุกชุดซอฟต์แวร์เพื่อการค้า ตัวอย่างค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ (เส้นสีแดง), ค่าเฉลี่ยเคลื่อนที่เป็นเส้นตรง (เส้นสีน้ำเงิน) และค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ (เส้นสีเขียว) จะแสดงในรูปที่ 1 ภาพที่ 1: AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่แบบเสี้ยว (exponential moving average) ซึ่งแสดงเป็นเส้นสีน้ำเงินใกล้เคียงกับราคาที่มากที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดง ค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพมีแนวโน้มที่จะเกิดขึ้นในหลาย ๆ ครั้ง ข้อเสียเปรียบต่อค่าเฉลี่ยเคลื่อนที่เหล่านี้จึงเป็นไปไม่ได้ที่จะกำจัด บทสรุปโรเบิร์ตคอลบีได้ทดสอบเครื่องมือวิเคราะห์ทางเทคนิคนับร้อย ๆ รายการในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดสารานุกรม เขาสรุปได้ว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้เป็นแนวคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติอันแท้จริงของวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้น ไม่ได้หมายความว่าพ่อค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ เพื่อพัฒนาระบบการซื้อขายที่มีกำไร (สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านค้นพบ Keltner Channels และ The Chaikin Oscillator) ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุด ตัวอย่างเช่นอัตราส่วนข้างต้นต่ำกว่า 0.30 แสดงถึงแนวโน้มขาขึ้นที่แข็งแกร่งและแสดงถึงการซื้อที่มีศักยภาพ อีกทางเลือกหนึ่งเนื่องจากความผันผวนของการเคลื่อนที่ในรอบการผลิตอาจมีการถือเป็นหุ้นที่มีอัตราส่วนประสิทธิภาพต่ำที่สุดเท่าที่จะเป็นไปได้ ข้อ 50 คือข้อตกลงการเจรจาต่อรองและข้อยุติในสนธิสัญญา EU ที่ระบุขั้นตอนที่จะต้องดำเนินการสำหรับประเทศใด ๆ ที่ เบต้าเป็นตัวชี้วัดความผันผวนหรือความเสี่ยงอย่างเป็นระบบของการรักษาความปลอดภัยหรือผลงานเมื่อเทียบกับตลาดโดยรวม ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎกำหนดให้ การขายหุ้นครั้งแรกโดย บริษัท เอกชนต่อสาธารณชน การออกหุ้นไอพีโอมักออกโดย บริษัท ที่อายุน้อยกว่าและอายุน้อยกว่าที่กำลังมองหาตัวบ่งชี้ของ John EHLERS: ฉันได้รวบรวมดัชนีส่วนใหญ่ในหน้านี้จากหนังสือของ Ehlers มีการปรับปรุงบางอย่างเพื่อความชัดเจนหรือเพื่อให้ทำงานได้อย่างถูกต้อง พวกเขามีการตรวจสอบทั้งหมดใน TradeStation แต่ไม่รับประกันความสมบูรณ์แบบหรือการทำงานที่เหมาะสมโดยนัย สูตร MESA (การวิเคราะห์สเปกตรัมเอนโทรปีสูงสุด) ซึ่งใช้ในตัวบ่งชี้เหล่านี้ได้รับการพัฒนามาเพื่อตีความข้อมูลเกี่ยวกับการสำรวจทางธรณีวิทยา พวกเขาได้รับการดัดแปลงที่นี่เพื่อวัดรอบการตลาด - พวกเขาสร้างผลงานที่มีความละเอียดสูงโดยใช้ข้อมูลที่สั้นเป็นระยะรวมกันเหมาะสำหรับการประเมินตลาด ตัวบ่งชี้ FAMA ของ MAMA - MAMA ย่อมาจาก MESA Adaptive Moving Average (ได้รับการขนานนามว่า Mother of All Moving Averages) นี่คือแมสซาชูเซตส์ที่ปรับตัวให้เข้ากับวงจรการอัพเดตและมีประสิทธิภาพมาก - ฉันวางแผนที่จะรวมไว้ในกลยุทธ์บางอย่างในเร็ว ๆ นี้ ตัวบ่งชี้การเปลี่ยนแปลงของ Fisher นี่เป็นตัวบ่งชี้สัญญาณการค้าข้ามแบบครอสโอเวอร์ที่รวดเร็วมากและหากใช้ควบคู่กับเครื่องมือที่มีแนวโน้มเป็นอย่างดีก็เป็นที่คาดการณ์และสามารถใช้ในกลยุทธ์ได้ (เร็ว ๆ นี้) เมื่อเทียบกับ MACD หรือตัวบ่งชี้แบบไขว้อื่น ๆ Fisher Transform จะเห็นได้ชัดกว่าและทันเวลา ตัวบ่งชี้แนวโน้มแบบทันที (iTrend): ตัวบ่งชี้แนวโน้มที่มีความล้าช้าเกือบเป็นศูนย์และมีความเรียบเหมือน EMA สัญญาณการค้าถูกสร้างขึ้นโดยการข้ามสายทริกเกอร์และสาย iTrend ตัวบ่งชี้ศูนย์แรงโน้มถ่วง อีก oscillator Ehlers - ฉันไม่ได้ทดลองมากกับนี้ - อาจต้องใช้ตัวบ่งชี้แนวโน้มเพิ่มเติมเพื่อช่วยให้ทำงานได้ดีที่สุด - ทำการทดสอบของคุณเอง ตัวบ่งชี้ Cycle Cycle ตัวบ่งชี้ Ehlers ต้นที่พยายามวัดรอบตลาด ตัวบ่งชี้วัดวัฏจักร เหมือนกับตัวบ่งชี้ของรอบวัฏจักร ตัวบ่งชี้การวัดวัฏจักรอีกตัวหนึ่งมีประสิทธิภาพมากกว่าหนึ่งตัวข้างต้น แต่มีเพียงเส้นเดียวเท่านั้น - ไม่มีไขว้ ฟิชเชอร์ไซเคิลไซเคิลตัวบ่งชี้ ตัวบ่งชี้การวัดวัฏจักรที่มีการปรับเปลี่ยน Fisher Transform ดัชนีความแรงของสัมพัทธ์ (Relative Vigor Index) แนวคิดของ RVI คือราคาที่ปิดสูงกว่าที่พวกเขาเปิดขึ้นใน mkts และ v. v. ในลง mkts RVI เป็นเครื่องกำเนิดไฟฟ้าที่เคลื่อนไหวโดยปกติจะอยู่ในช่วงการซื้อขายของแต่ละบาร์ ใช้ฟิลเตอร์ที่ยกเลิกการตอบสนอง FIR FIR 4 ตัวเพื่อสร้างตัวบ่งชี้ที่สามารถอ่านได้ Stochastic CG Oscillator Rev.100108 ตัวบ่งชี้หลายตัวได้รับการแก้ไขด้วยอัลกอริทึมแบบสุ่ม ในบางกรณีจะช่วยเพิ่มประสิทธิภาพ แต่ไม่มากนัก ฟิชเชอร์ Stochastic CG Oscillator ฟิชเชอร์ Stochastic CG indicatoroscillator คล้ายคลึงกับ Stochastic CG Oscillator แต่กลับมีการพลิกกลับที่รุนแรงขึ้นและบางครั้งสัญญาณก่อนหน้านี้ ดัชนี Stochastic RVI Rev.100108 แนวคิดของ RVI คือราคาที่ใกล้กว่าที่พวกเขาเปิดขึ้นใน mkts และ v. v. ในลง mkts RVI เป็นเครื่องกำเนิดไฟฟ้าที่เคลื่อนไหวโดยปกติจะอยู่ในช่วงการซื้อขายของแต่ละบาร์ ใช้ฟิลเตอร์ที่ยกเลิกการตอบสนอง FIR FIR 4 ตัวเพื่อสร้างตัวบ่งชี้ที่สามารถอ่านได้ ตัวบ่งชี้การปรับตัวเหล่านี้ตอบสนองได้ดีกว่าแบบคงที่ (ไม่ใช่แบบปรับตัว) คู่ฉบับ พวกเขามีวัตถุประสงค์เพื่อลดความล่าช้า คลื่นแม่เหล็กไฟฟ้า (เร็ว ๆ นี้) ควรจะเป็นคำทำนาย ตัวบ่งชี้ Sine Wave โพสต์ 82708 - ตัวบ่งชี้นี้พยายามที่จะกำหนดเฟสปัจจุบันของวัฏจักรที่คุณอยู่มีประโยชน์เหนือออสซิลเลเตอร์อื่น ๆ เช่น RSI และ Stochastic เพราะคาดการณ์มากกว่ารอการยืนยัน SW ให้สัญญาณเข้าและออกจากช่วงที่ 116 ของรอบการหมุนเวียนล่วงหน้าของจุดเปลี่ยนรอบและไม่ค่อยให้สัญญาณแส้ปลอมเมื่อตลาดอยู่ในโหมดเทรนด์โดย John Ehlers MESA Adaptive Moving Average เป็นตัวบ่งชี้แนวโน้มทางเทคนิค ซึ่งตามที่ผู้สร้างปรับให้เข้ากับการเคลื่อนไหวของราคาขึ้นอยู่กับการเปลี่ยนแปลงอัตราของเฟสตามที่ได้มีการวัดโดยตัวบ่งชี้การวิเคราะห์ Hilbert Transform Discriminator วิธีการปรับตัวนี้มีความรวดเร็วและค่าเฉลี่ยเคลื่อนที่ช้าเพื่อให้ค่าเฉลี่ยเคลื่อนที่แบบคอมโพสิตตอบสนองต่อการเปลี่ยนแปลงราคาได้อย่างรวดเร็วและมีค่าเฉลี่ยจนกว่าจะถึงช่วงปิด bar8217 ถัดไป Ehlers ระบุว่าเนื่องจาก fallback เฉลี่ย average8217s ช้าคุณสามารถสร้างระบบการค้าที่มีธุรกิจการค้า whipsaw ฟรีเกือบ ด้านล่างคุณสามารถดูตัวบ่งชี้ที่วางแผนไว้ในแพลตฟอร์มการซื้อขาย แหล่งที่มาของแผนภูมิ: VT Trader โดยทั่วไปตัวบ่งชี้จะมีลักษณะเป็นค่าเฉลี่ยเคลื่อนที่สองค่า แต่แทนที่จะโค้งไปรอบ ๆ การกระทำด้านราคา MESA Adaptive MA จะเคลื่อนไปตามบันไดเช่นเดียวกับ ratchets ราคา ผลิต MAMA และ FAMA ได้ 2 รายการ FAMA (ตามค่าเฉลี่ยเคลื่อนที่แบบปรับ) เป็นผลมาจากการใช้ MAMA กับสาย MAMA ตัวแรก FAMA มีการซิงโครไนซ์กับ MAMA แต่การเคลื่อนไหวตามแนวตั้งมาพร้อมกับความล่าช้า ดังนั้นทั้งสองข้าม don8217t เว้นแต่การเปลี่ยนแปลงที่สำคัญในทิศทางตลาดเกิดขึ้นส่งผลให้ระบบครอสโอเวอร์เฉลี่ยเคลื่อนไหวซึ่งแทบไม่มีการซื้อขาย whipsaw ตาม Ehlers MESA Adaptive Moving Average ใช้แทนค่าเฉลี่ยเคลื่อนที่แบบเดิม เช่นนี้ MAMA และ FAMA สามารถซื้อขายได้เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ทั่วไป อันดับแรกจะทำหน้าที่เป็นจุดรองรับและความต้านทานที่แข็งแกร่งและราคาจะมีแนวโน้มที่จะดีดตัวขึ้นจากการสัมผัส ทำให้ MAMA และ FAMA เหมาะกับพื้นที่ที่มีแนวโน้มเข้ามา ประการที่สองไขว้ระหว่าง MAMA และ FAMA คล้ายคลึงกับสีทองหรือความตายข้ามยังมีการซื้อขายกันอย่างแพร่หลาย เมื่อ MAMA ตัด FAMA ออกจากด้านล่างและขอบสูงขึ้นนั่นหมายความว่าตลาดอาจจะยังคงเดินหน้าต่อไปและสร้างสัญญาณซื้อ ตรงกันข้ามเมื่อ MAMA ตัด FAMA ออกจากด้านบนและด้านล่างก็หมายความว่าตลาดกำลังลดลงและน่าจะยังคงทำเช่นนั้นต่อไปจึงสร้างสัญญาณเข้าสั้น ๆ MESA Adaptive Moving Average เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ทั่วไปสามารถใช้เป็นตัวบ่งชี้แบบสแตนด์อโลน แต่ยังใช้ร่วมกับตัวบ่งชี้อื่น ๆ ซึ่งมักรวมกับ SMA และ EMA เพื่อปรับปรุงการตัดสินใจของคุณ ก่อตั้งขึ้นในปี 2013 Binary Tribune มีจุดมุ่งหมายเพื่อให้ผู้อ่านได้รับข้อมูลข่าวทางการเงินที่ถูกต้องและเป็นจริง เว็บไซต์ของเรามุ่งเน้นไปที่ส่วนสำคัญ ๆ ในตลาดการเงินสกุลเงินสกุลเงินและสินค้าโภคภัณฑ์และคำอธิบายในเชิงลึกในเชิงลึกเกี่ยวกับเหตุการณ์และตัวชี้วัดทางเศรษฐกิจที่สำคัญ การเปิดเผยข้อมูลความเสี่ยงทางการเงิน BinaryTribune จะไม่รับผิดชอบต่อการสูญเสียเงินหรือความเสียหายที่เกิดจากการพึ่งพาข้อมูลในเว็บไซต์นี้ การซื้อขายสัญญาซื้อขายล่วงหน้าหุ้นและสินค้าโภคภัณฑ์ส่วนใหญ่มีความเสี่ยงสูงและอาจไม่เหมาะสำหรับนักลงทุนทุกราย ก่อนที่จะตัดสินใจซื้อขายเงินตราต่างประเทศคุณควรพิจารณาวัตถุประสงค์การลงทุนระดับประสบการณ์และความกระหายที่มีความเสี่ยงอย่างรอบคอบ นโยบายคุกกี้เว็บไซต์นี้ใช้คุกกี้เพื่อให้คุณได้รับประสบการณ์ที่ดีที่สุดและรู้จักคุณดียิ่งขึ้น เมื่อคุณเยี่ยมชมเว็บไซต์ของเราด้วยเบราว์เซอร์ของคุณเพื่ออนุญาตให้ใช้คุกกี้คุณยินยอมให้เราใช้คุกกี้ตามที่อธิบายไว้ในนโยบายส่วนบุคคลของเรา สำเนาลิขสิทธิ์ 2017 mdash Binary Tribune All rights reservedMetaTrader 5 - ตัวบ่งชี้ Fractal Moving Average ค่าปรับ (FrAMA) - ตัวบ่งชี้สำหรับ MetaTrader 5 Fractal Moving ค่าเฉลี่ยตัวบ่งชี้ทางเทคนิคโดยเฉลี่ย (FRAMA) ได้รับการพัฒนาโดย John Ehlers ตัวบ่งชี้นี้ถูกสร้างขึ้นตามอัลกอริทึมของค่าเฉลี่ยเคลื่อนที่แบบเสวนา (Exponential Moving Average) ซึ่งมีการคำนวณปัจจัยการให้เรียบตามมิติเศษส่วนปัจจุบันของชุดราคา ข้อได้เปรียบของ FRAMA คือความเป็นไปได้ที่จะทำตามแนวโน้มการเคลื่อนไหวที่แข็งแกร่งและชะลอตัวลงอย่างเพียงพอในช่วงเวลาของการรวมราคา สามารถใช้การวิเคราะห์ทุกประเภทสำหรับ Moving Averages ในตัวบ่งชี้นี้ได้ ตัวบ่งชี้การเปลี่ยนแปลงค่าเฉลี่ยเศษส่วน FRAMA (i) A (i) ราคา (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) - มูลค่าปัจจุบันของ FRAMA ราคา (i) - ราคาปัจจุบัน FRAMA -1) - ค่าก่อนหน้าของ FRAMA A (i) - ปัจจัยปัจจุบันของการเรียบแบบเสวนา () () () () () () () D (i) - มิติเศษส่วนปัจจุบัน exp () - ฟังก์ชันทางคณิตศาสตร์ของเลขชี้กำลัง เส้นรอบวงของเส้นตรงมีค่าเท่ากัน เห็นได้จากสูตรที่ว่าถ้า D 1 ดังนั้น A EXP (-4.6 (1-1)) EXP (0) 1 ดังนั้นถ้าราคามีการเปลี่ยนแปลงเป็นเส้นตรงจะไม่ใช้การทำให้เรียบเป็นทวีคูณเนื่องจากในกรณีดังกล่าวสูตร มีลักษณะดังนี้: FRAMA (i) 1 ราคา (i) (1 - i) FRAMA (i-1) ราคา (i) Ie ตัวบ่งชี้ตรงตามราคา มิติเศษส่วนของระนาบมีค่าเท่ากับสอง จากสูตรที่เราได้รับว่าถ้า D 2 แล้วปัจจัยการทำให้ราบเรียบ EXP (-4.6 (2-1)) EXP (-4.6) 0.01 เมื่อมีราคาทำให้การเคลื่อนที่ของฟันเลื่อยที่แข็งแกร่ง การชะลอตัวลงนี้สอดคล้องกับค่าเฉลี่ยเคลื่อนที่ประมาณ 200 จุด สูตรของมิติเศษส่วน: D (LOG (N1 N2) - LOG (N3)) เข้าสู่ระบบ (2) คำนวณโดยใช้สูตรเพิ่มเติม: N (ความยาว i) (HighestPrice (i) - LowestPrice (i)) Length HighestPrice (i) - ค่าสูงสุดปัจจุบันสำหรับระยะเวลาความยาวต่ำสุด (i) - ค่าที่น้อยที่สุดในปัจจุบันสำหรับระยะเวลาความยาวค่า N1, N2 และ N3 มีค่าเท่ากับ N1 (i) N (Length, i) N2 (i) N (Length, i ยาว) N3 (i) N (2 ความยาว, i)