Adaptive Gleit Durchschnitt Tradestation

Von Michael R. Bryant Technische Indikatoren sind eines der grundlegenden Elemente des systematischen Handels. Indikatoren, wie z. B. bewegte Durchschnitte oder Stochastik, können als Transformationen der Eingangsreihen (typischerweise Preis oder Volumen) betrachtet werden, die dazu bestimmt sind, einen bestimmten Aspekt des Marktes zu akzentuieren, wie z. B. Trend oder Zyklizität. Während es für die meisten systematischen Handelsmethoden von grundlegender Bedeutung ist, vermeiden viele Händler die häufigsten Indikatoren wie einfache gleitende Durchschnitte und den relativen Stärkeindikator (RSI), in dem Glauben, dass sich der Markt an ihre Nutzung angepasst hat und ihre Effektivität reduziert. Eine Möglichkeit, die Auswirkung der Marktwirksamkeit auf die Lebensfähigkeit der technischen Indikatoren zu kompensieren, ist, sie in einer sinnvollen Weise zu modifizieren. Zum Beispiel ist der Chande - und Krolls-VIDYA-Indikator 1 ein exponentieller gleitender Durchschnitt, bei dem der Glättungsfaktor von der Marktvolatilität abhängt, so dass die effektive Rückblicklänge reduziert wird, wenn die Volatilität zunimmt. In diesem Artikel entwickeln Ill eine Erweiterung des adaptiven Look-Back-Ansatzes und zeigen, wie man es auf eine Vielzahl von Indikatoren mit nur ein paar zusätzlichen Codezeilen anwenden kann. Die daraus resultierenden Indikatoren bieten größere Vielseitigkeit als bisherige Indikatoren und können mit einer statistischen Sicht auf die Märkte vereinbar sein. Anpassung der Look-Back-Länge Da die Märkte sich ständig verändern, ist es sinnvoll, sich so schnell wie möglich an die Veränderungen anzupassen. Die meisten technischen Indikatoren wurden ursprünglich mit einer festen Rückblicklänge entwickelt, zum Beispiel die Anzahl der Stäbe in einem einfachen gleitenden Durchschnitt. Eine Reihe von Autoren haben vorgeschlagen, die Rückblicklänge an die Marktvolatilität anzupassen. Für das Variable Index Dynamic Average (VIDYA) - Anzeige verwendet beispielsweise Chande und Kroll mehrere verschiedene Metriken, einschließlich eines Volatilitätsindexes, der auf einer normalisierten Standardabweichung des Preises basiert, in der höhere Werte des Index zu einer niedrigeren effektiven Rückblicklänge führten . Die Idee war, dass in Zeiten höherer Volatilität der gleitende Durchschnitt stärker auf den Markt reagieren sollte, während in Zeiten geringerer Volatilität ein längerfristiger gleitender Durchschnitt mit dem Marktverhalten im Einklang stand. Kaufman nahm einen etwas anderen Ansatz. 2 Die Idee hinter seinem Kaufman Adaptive Moving Average (KAMA) war, dass in Zeiten hoher Volatilität Sie eher Peitsche gesägt werden, während der Markt hin und her schwingt, was zu wiederholten Verlusten führt. Um dies zu vermeiden, benutzte er einen längeren Zeitraum für den gleitenden Durchschnitt während der Perioden der abgehackten Preisaktion, so dass der Durchschnitt weniger auf die Marktvolatilität ansprechen würde, was zu weniger Umkehrungen führte. Während des Trendmarktes wurde die Periode des gleitenden Durchschnitts verringert, so dass die Trades schneller auf den Richtungswechsel reagieren konnten. Zur Ermittlung des Quotenverhältnisses nutzte Kaufman das so genannte Wirkungsgrad (ER), das den absoluten Wert der Preisänderung über den Rückblickzeitraum dividiert durch die Summe der absoluten Werte der Bar-to-Bar-Preisänderungen misst Der gleiche Zeitraum Wenn zum Beispiel die Netto-Preisänderung Null ist - der Preis ist am Ende des Zeitraums am Anfang gleich - dann ist der ER null. In diesem Fall ist der Markt vollkommen ineffizient, dass es sich um eine Menge von Bar zu Bar bewegen kann, aber es geht nicht überall. Wenn sich dagegen der Markt stetig in eine Richtung bewegt (entweder nach oben oder unten), so dass jeder Riegel einen Beitrag zur Nettoveränderung des Preises leistet, wird der ER 1 sein. In diesem Fall ist der Markt vollkommen effizient Dass alle Stäbe Preisbewegungen zum Trend beitragen. Im Allgemeinen wird das ER zwischen 0 und 1 liegen. Eine unterschiedliche Sicht auf adaptive Look-Back-Längen Während viele verschiedene Metriken - und wurden - verwendet, um Rückblick-Längen anzupassen, erfasst die Effizienz-Verhältnis einen grundlegenden Aspekt des Marktes Aktion, nämlich der Unterschied zwischen Trending und zyklischem Verhalten. Hohe Werte von ER implizieren einen stark veränderten Markt, das bedeutet sehr wenig zyklische Bewegung, und niedrige Werte von ER implizieren wenig Trend und damit mehr zyklische Bewegung (außer bei geringen Bewegungen überhaupt). Das tendiert dazu, den Kaufmans-Ansatz zu unterstützen. Allerdings beruht seine Entscheidung, längere Rückblicklängen in abgehackten Märkten zu verwenden, auf (1) der Annahme, dass die Rückblicklänge eines gleitenden Durchschnitts angepasst wurde, und (2) die Idee, dass der gleitende Durchschnitt verwendet wird, um einen auszulösen Einreise oder Ausreise. Ein alternativer Standpunkt ist derjenige, der von John Ehlers durch seine Arbeit bei der Anwendung von Signalverarbeitungsmethoden zum Handel vertreten wird. 3 Seine Ansicht ist mehr im Hinblick auf den Versuch, den Teil des Marktes von Interesse (z. B. die Trendkomponente oder die Zykluskomponente) genauer zu modellieren. Unter diesem Gesichtspunkt sollte ein gleitender Durchschnitt in einem abgehackten Markt eine kürzere Rückblicklänge verwenden, um die höhere Häufigkeit, die durch die Choppiness repräsentiert wird, genauer zu erfassen, während in einem starken Trend eine längere Rückblicklänge im Einklang steht Die Marktbewegung. Ein dritter Standpunkt ist derjenige, den man hier namentlich nennt, ein statistischerer. Erstens darf man nichts mehr als unbedingt über den betreffenden Indikator annehmen und wie es benutzt werden könnte. Insbesondere geht es nicht davon aus, dass der betreffende Indikator ein gleitender Durchschnitt ist und nicht davon ausgehen kann, dass er sich auf den Preis bezieht. Es könnte zum Beispiel der RSI der Volatilität oder der gleitende Durchschnitt des stochastischen Volumens sein. Der Indikator kann in Verbindung mit anderen Indikatoren als Teil einer größeren Regel für Ein - oder Ausstieg verwendet werden, anstatt von selbst. Mit dieser mehr statistisch orientierten Sicht ist es das Ziel, Handelsregeln zu erstellen, die eine statistische Gültigkeit haben, was bedeutet, dass sie die Preiswirkung gut ohne Überlagerung passen. Wurden nicht davon ausgegangen, dass wir wissen, wie die Märkte gut genug funktionieren, um konkrete Entscheidungen darüber zu treffen, ob die Rückblicklänge mit etwas wie dem Wirkungsgrad-Verhältnis zunehmen oder abnehmen soll. Vielmehr haben wir Grund zu der Annahme, dass die Effizienzquote relevant sein kann und wir deshalb als Variable einschließen wollen, aber wir lassen es auf den Markt, um uns zu sagen, ob und wie es passt. Statistische Tests werden verwendet, um uns zu sagen Wenn die Handelsstrategie, die den Indikator enthält, statistisch gültig ist oder wenn ihre Überlagerung dh ungültig ist, weil sie eher dem Lärm als dem Signal des Marktes entspricht. Ein vielseitigerer adaptiver Look-Back Angesichts der vorangegangenen Diskussion basiert die hier entwickelte adaptive Rückblicklänge auf dem Wirkungsgrad (ER) und wird einen Parameter verwenden, um die Beziehung zwischen ER und der Rückblicklänge zu bestimmen. Beachten Sie insbesondere die folgende Gleichung: VER Quadrat (ER - (2 ER - 1) 2. (1 - TrendParam) 0,5), in der VER das Verhältnis der variablen Effizienz ist und TrendParam ist der Trendparameter, der positiv sein kann Negativer Wert und bestimmt, ob die Rückblicklänge mit steigendem ER zunehmen oder abnehmen wird. Dies ist im Grunde nur eine Möglichkeit, das ER-Verhältnis je nach Trendparameter umzukehren. Wie unten gezeigt, anstatt die Glättungskonstante von ER zu skalieren, wie Chande und Kroll und Kaufman im Wesentlichen tun, verwenden wir VER. Bei positiven Werten von TrendParam variiert VER positiv mit ER, während bei negativen Werten von TrendParam VER negativ mit ER variiert. Bei TrendParam gleich Null ist VER gleich 1 für alle Werte von ER. Das Quadrat wird genommen, um die Werte für die Verwendung als Multiplikator besser zu skalieren, wie es weiter erläutert wird. Um die adaptive Rückblicklänge mit dieser Gleichung zu berechnen, multiplizieren wir den ursprünglichen Wert der Glättungskonstante Alpha, die der ursprünglichen Rückblicklänge entspricht, durch VER: VAlpha Alpha VER, wobei VAlpha die adaptive Glättungskonstante ist und Alpha ist der ursprüngliche Wert der Glättungskonstante. Die Beziehung zwischen der Glättungskonstante und der Rückblicklänge ist die gleiche wie für den exponentiellen gleitenden Durchschnitt, wobei N die Rückblicklänge ist und Alpha die Glättungskonstante ist. Diese Gleichung kann auch für N in Form von Alpha geschrieben werden. Die adaptive Rückblicklänge ist daherKaufman Adaptive Moving Average Trading Strategy (Setup 038 Filter) I. Trading Strategy Entwickler: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA). Quelle: Kaufman, P. J. (1995). Smarter Trading. Verbesserung der Leistung bei der Veränderung der Märkte. New York: McGraw-Hill, Inc. Konzept: Handelsstrategie basierend auf einem adaptiven Rauschfilter. Forschungsziel: Leistungsüberprüfung des Setups und Filters. Spezifikation: Tabelle 1. Ergebnisse: Abbildung 1-2. Trade Setup: Long Trades: Der Adaptive Moving Average (AMA) erhebt sich. Kurze Trades: Der Adaptive Moving Average geht ab. Hinweis: Die AMA-Trendlinie scheint zu stoppen, wenn die Märkte keine Richtung haben. Wenn die Märkte treiben, fällt die AMA-Trendlinie auf. Trade Entry: Long Trades: Ein Kauf am Ende steht nach einem bullish Setup. Kurze Trades: Ein Verkauf am Ende wird nach einem bärischen Setup platziert. Trade Exit: Tabelle 1. Portfolio: 42 Futures-Märkte aus vier großen Marktsegmenten (Rohstoffe, Währungen, Zinssätze und Aktienindizes). Daten: 32 Jahre seit 1980. Prüfplattform: MATLAB. II. Sensitivitäts-Test Alle 3-D-Diagramme folgen 2-D-Konturdiagrammen für Profit Factor, Sharpe Ratio, Ulcer Performance Index, CAGR, Maximum Drawdown, Percent Profitable Trades und Avg. Win Avg. Verlustrate. Das endgültige Bild zeigt die Empfindlichkeit der Eigenkapitalkurve. Geprüfte Variablen: ERLength Amp FilterIndex (Definitionen: Tabelle 1): Abbildung 1 Portfolio Performance (Eingänge: Tabelle 1 Kommissionsverstärker Slippage: 0). AMA (ERLength) ist der Adaptive Moving Average über einen Zeitraum von ERLength. ERLength ist eine Rückblickperiode des Efficiency Ratio (ER). ERi abs (Directioni Volatilityi), wobei 8220abs8221 der absolute Wert ist. Directioni Closei Closei ERLength, Volatilityi (abs (DeltaClosei), ERLength), wobei 82208221 die Summe über einen Zeitraum von ERLength ist, DeltaClosei Closei Closei 1. FastMALength ist eine Periode des schnell gleitenden Durchschnitts. SlowMALength ist eine Periode des langsamen gleitenden Durchschnitts. AMAi AMAi 1 ci (Closei AMAi 1), wobei ci (ERi (Fast Slow) Slow) 2, Fast 2 (FastMALength 1), Slow 2 (SlowMALength 1). Index: i ERLength 2, 100, Schritt 2 FastMALength 2 SlowMALength 30 Lange Trades: Wenn AMAi gt AMAi 1 Amp AMAi 1 lt AMAi 2 dann MinAMA AMAi 1 (Adaptive Moving Average mit einem Pivot bei MinAMA). Kurze Trades: AMAi lt AMAi 1 amp AMAi 1 gt AMAi 2 dann MaxAMA AMAi 1 (Adaptive Moving Average dreht sich mit einem Pivot bei MaxAMA ab). Index: i Filteri FilterIndex StdDev (AMAi AMAi 1, N), wobei StdDev die Standardabweichung von Serien über N Perioden ist. N 20 (Standardwert). Index: i FilterIndex 0.0, 1.0, Schritt 0.02 N 20 Langer Handel: Ein Kauf am Ende wird platziert, wenn AMAi gt AMAi 1 Amp (AMAi MinAMA) gt Filteri. Kurze Trades: Ein Verkauf am Ende wird platziert, wenn AMAi AM AMAi 1 Amp (MaxAMA AMAi) gt Filteri. Index: i Stop Loss Exit: ATR (ATRLength) ist der durchschnittliche True Range über einen Zeitraum von ATRLength. ATRStop ist ein Vielfaches von ATR (ATRLength). Long Trades: Ein Verkauf Stop ist bei Eintrag ATR (ATRLength) ATRStop platziert. Short Trades: Ein Kauf-Stop wird bei Entry ATR (ATRLength) ATRStop platziert. ATRLength 20 ATRStop 6 ERLength 2, 100, Schritt 2 FilterIndex 0.0, 1.0, Schritt 0.02Istlich möchten Sie, dass ein gefiltertes Signal sowohl glatt als auch verzögerungsfrei ist. Lag verursacht Verzögerungen in Ihrem Trades, und steigende Verzögerung in Ihren Indikatoren in der Regel führen zu niedrigeren Gewinnen. Mit anderen Worten, Später kommen auf dem Tisch, nachdem das Fest bereits begonnen hat. Thats, warum Investoren, Banken und Institutionen weltweit nach dem Jurik Research Moving Average (JMA) fragen. Sie können es so anwenden, wie Sie irgendwelche anderen beliebten gleitenden Durchschnitt. Allerdings, JMAs verbessert Timing und Glätte wird Sie verblüffen. Die gezackte graue Linie im Diagramm simuliert Preisvorgänge, die in einem niedrigen Handelsbereich beginnen, dann Lücken zu einem höheren Handelsbereich. Da niemand auf die Seitenlinie wartet, wird ein perfekter Rauschunterdrückungsfilter (grüne Linie) in der Mitte des ersten Handelsbereichs reibungslos verlaufen und dann fast sofort in die Mitte des neuen Handelsbereichs springen.