ตัวแปร เคลื่อนไหว เฉลี่ย ตัวบ่งชี้

ค่าเฉลี่ยเคลื่อนที่แบบแปรผัน (VMA) VMA เป็น EMA ที่สามารถควบคุมเปอร์เซ็นต์การปรับให้เรียบตามความไม่แน่นอนของตลาดโดยอัตโนมัติ ความไวของมันเติบโตขึ้นโดยให้น้ำหนักมากขึ้นกับข้อมูลที่กำลังดำเนินการเนื่องจากเป็นตัวบ่งชี้สัญญาณที่ดีขึ้นสำหรับตลาดระยะสั้นและระยะยาว วิธีการส่วนใหญ่ในการวัดค่าเฉลี่ยเคลื่อนที่ไม่สามารถชดเชยกับราคาที่มีการเคลื่อนไหวด้านข้างเมื่อเทียบกับตลาดที่มีแนวโน้มและมักสร้างสัญญาณผิดพลาดจำนวนมาก ค่าเฉลี่ยการเคลื่อนที่ในระยะยาวชะลอตัวลงเมื่อมีการกลับรายการในทิศทางที่ราคาขึ้นและลงในช่วงระยะเวลาอันยาวนาน A Variable Moving Average ควบคุมความไวและช่วยให้สามารถทำงานได้ดีขึ้นในสภาวะตลาดโดยใช้การควบคุมอัตโนมัติของค่าคงที่ที่ราบเรียบ Variable Moving Average เรียกอีกอย่างว่า VIDYA Indicator แต่รุ่นนี้เป็นแนวคิดที่ได้รับการแก้ไขของ VIDYA ค่าเฉลี่ยเคลื่อนที่แบบเปลี่ยนแปลงได้รับการพัฒนาโดย Tushar S. Chande และนำเสนอครั้งแรกในเดือนมีนาคมปี 1992 บทความในการวิเคราะห์ทางเทคนิคของหุ้นนิตยสารสินค้าโภคภัณฑ์ซึ่งเป็นค่าความเบี่ยงเบนมาตรฐานถูกใช้เป็นดัชนีความผันผวน ในเดือนตุลาคมปี 1995 บทความในนิตยสารฉบับเดียวกัน Chande แก้ไข VIDYA เพื่อใช้ Chande Momentum Oscillator (CMO) เป็นดัชนีความผันผวนรหัส VMA ด้านล่างเป็นผลมาจากการปรับเปลี่ยนนี้ ไม่มีข้อมูลในเว็บไซต์นี้เป็นคำแนะนำในการลงทุนหรือการชักชวนให้ซื้อหรือขายตราสารทางการเงินใด ๆ ผลการดำเนินงานที่ผ่านมาไม่ได้บ่งบอกถึงผลการดำเนินงานในอนาคต การซื้อขายอาจทำให้คุณเสี่ยงต่อการสูญเสียมากกว่าเงินฝากของคุณและเหมาะสำหรับนักลงทุนที่มีประสบการณ์ซึ่งมีทางการเงินเพียงพอที่จะรับความเสี่ยงดังกล่าว ไฟล์ ProRealTime ITF และเอกสารแนบอื่น ๆ : ตอนนี้ PRC ใหม่บน YouTube สมัครรับข้อมูลช่องของเราเกี่ยวกับเนื้อหาและบทแนะนำพิเศษคำเตือน: การซื้อขายอาจทำให้คุณเสี่ยงต่อการสูญเสียมากกว่าเงินฝากของคุณและเหมาะสำหรับลูกค้าที่มีประสบการณ์เท่านั้นที่มีทางการเงินเพียงพอ ที่จะเสี่ยงดังกล่าว บทความรหัสและเนื้อหาในเว็บไซต์นี้มีเฉพาะข้อมูลทั่วไปเท่านั้น ไม่ใช่คำแนะนำส่วนตัวหรือการลงทุนหรือการชักชวนให้ซื้อหรือขายตราสารทางการเงินใด ๆ นักลงทุนแต่ละรายต้องใช้วิจารณญาณของตนเองเกี่ยวกับความเหมาะสมในการซื้อขายตราสารทางการเงินกับสถานการณ์ทางการเงินการคลังและกฎหมายของตัวเอง เพื่อช่วยให้เราสามารถให้บริการ ProRealCode ได้อย่างต่อเนื่องเราจะใช้คุกกี้ การคลิกที่ดำเนินการต่อแสดงว่าคุณยอมรับการใช้งานของเรา นอกจากนี้คุณยังสามารถตรวจสอบได้ที่หน้านโยบายความเป็นส่วนตัวของเราสำหรับข้อมูลเพิ่มเติม ดัชนีความผันผวนของตัวแปร (VMAY) aka ดัชนีความผันผวนค่าเฉลี่ยแบบไดนามิก (VIDYA) ได้รับการพัฒนาโดย Tushar S. Chande และนำเสนอครั้งแรกในฉบับเดือนมีนาคม 2535 ของการวิเคราะห์ทางเทคนิคของหุ้นแอมป์ สินค้าโภคภัณฑ์ 8211 การปรับค่าเฉลี่ยเคลื่อนที่ตามความผันผวนของตลาดทฤษฎี Chande8217s ได้รับการปรับปรุงประสิทธิภาพโดยใช้ดัชนีความผันผวน (VI) เพื่อปรับระยะเวลาให้ราบเรียบเนื่องจากสภาวะตลาดเปลี่ยนแปลงไป ความคิดที่ว่าเมื่อราคาถูกแออัดเฉลี่ยควรชะลอตัวเพื่อหลีกเลี่ยง whipsaws แต่เมื่อราคามีแนวโน้มสูงค่าเฉลี่ยควรเพิ่มความเร็วในการจับภาพการเคลื่อนไหวของราคาที่สำคัญ เขาไม่ได้เป็นคนแรกที่คิดตามบรรทัดเหล่านี้ George R. Arrington Ph. D แนะนำตัวแปร Simple Moving Average โดยใช้ค่าความเบี่ยงเบนมาตรฐานในการวิเคราะห์ทางเทคนิคของหุ้นในเดือนมิถุนายนปีพ. ศ. 2534 8211 สร้างความยาวเฉลี่ย VLMA) อย่างไรก็ตาม YIDYA เป็นก้าวย่างก้าวไปข้างหน้าจาก VLMA เพราะได้รับอนุญาตให้มีการแพร่กระจายของช่วงเวลาที่ราบเรียบมากขึ้น วิธีการคำนวณ VMA เคลื่อนที่เฉลี่ย VMA (VI ปิด) ((1 8211 (VI)) V ผู้ใช้เลือกตัววัดความผันผวนหรือความแรงของแนวโน้ม N ผู้ใช้เลือกระยะเวลาการปรับให้เรียบสม่ำเสมอ ต่อไปนี้เป็นตัวอย่างของ VMA ระยะเวลา 3 ที่มีอัตราส่วนประสิทธิภาพ (ER) เป็นระยะเวลา 3 (VI): การเปลี่ยนแปลงของ VIDYA Smoothing มีการเปลี่ยนแปลงตามดัชนีความผันผวนค่าเฉลี่ยของการเคลื่อนที่แบบแปรผันคือค่าที่ไม่ซ้ำกันเนื่องจากไม่มีขีด จำกัด บนหรือล่างของการปรับให้เรียบ ระยะเวลา: ระยะเวลาการให้ราบเรียบ VMA สามารถไปถึงจุดสูงสุดอย่างไม่น่าสนใจจนกว่าดัชนีความผันผวนจะเท่ากับศูนย์ซึ่งจะทำให้ค่าเฉลี่ยที่เกิดขึ้นจะหยุดเคลื่อนไหวและเท่ากับ VMA ก่อนหน้า เมื่อดัชนีความผันผวนเท่ากับ 1 ระยะเวลาการราบเรียบจะเท่ากับผู้ใช้ที่เลือกไว้คงที่ 8216N8217 สังเกตว่าเมื่อแกน Y แกน N 1 แต่ถ้าดัชนีความผันผวนที่ใช้สามารถเพิ่มขึ้นเหนือ 1 (เช่นอัตราส่วนการเบี่ยงเบนมาตรฐาน) ระยะเวลาการปรับให้ราบเรียบอาจต่ำกว่าค่าคงที่ที่ผู้ใช้เลือกไว้ เมื่อ VI (N2) 0.5 แล้วระยะเวลาการราบเรียบจะเท่ากับ 1 ซึ่งเท่ากับราคาของตัวเอง ดังนั้น VI ที่ใช้จะต้องไม่เพิ่มขึ้นเหนือ (N2) 0.5 และถ้าเป็นไปตามโอกาสก็ให้เขียนรหัสนี้ลงในสูตร ดูอัลฟาที่เกิดขึ้นจริงเนื่องจาก VMA เป็นชื่อที่แนะนำตัวแปร 8216Actual Alpha8217 ไม่ใช่แบบคงที่ แต่ได้รับอิทธิพลจาก VI โดยการเปลี่ยนค่าคงที่ 8216N8217 อย่างไรก็ตามการแปลความหมายของ VI จะแปรเปลี่ยนไปอย่างมาก: ข้างบนคุณสามารถดูตัวอย่างของ 8216Actual Alpha8217 และระยะเวลาการทำให้เรียบสำหรับ VMA ที่มี 8216N8217 จาก 1 และ 8216N8217 จาก 5 เรารู้ว่าเมื่อ VI 1 (แสดงให้เห็นว่าสต็อกมีแนวโน้มที่ดีเลิศ) ระยะเวลาราบเรียบ 8216N8217 ดังนั้นระยะเวลาการทำให้ราบเรียบที่เร็วที่สุดในตัวอย่างเหล่านี้จะเป็น 1 และ 5 ตามลำดับไม่ใช่ความแตกต่างใหญ่ แต่มันเป็นเรื่องน่าแปลกใจที่จะเห็นสิ่งที่มีผลกระทบมาก 8216N8217 เปลี่ยนเพียงไม่กี่จุดได้โดยรวม ในความเป็นจริงเป็น 8216N8217 เพิ่มขึ้นทำให้ VMA ย้ายช้าลงเลขคณิต ผลกระทบนี้ค่อนข้างคล้ายกับ squaring ที่ Kaufman ใช้ในการปรับค่าเฉลี่ยของ Moving Average อะไรคือดัชนีความผันผวนที่จะใช้ Chande เดิมใช้อัตราส่วนเบี่ยงเบนมาตรฐานเป็น VI ของเขาและนี่คือหนึ่งที่ใช้โดยทั่วไปเมื่อมีคนพูดคุยเกี่ยวกับ VIDYA แต่ต่อมาในบทความตุลาคม 1995 จากการวิเคราะห์ทางเทคนิคของหุ้นสินค้าโภคภัณฑ์ 8211 8216 ระบุว่ามีพลังแห้วต้น 8216 เขาแนะนำให้ใช้ Chande Momentum Oscillator (CMO) ของเขาเอง เนื่องจาก CMO ช่วงระหว่าง 100 ถึง -100 ในการใช้งานในแอพพลิเคชั่นนี้เราต้องใช้ค่าสัมบูรณ์หารด้วย 100 ผลลัพธ์จะเหมือนกับอัตราส่วนประสิทธิภาพ (ER) และ VI ใช้บ่อยที่สุดเมื่อผู้คนอ้างถึง VMA . สามารถวัดค่าความผันผวนหรือความแรงของแนวโน้มได้ตราบเท่าที่ยังอยู่ในช่วงศูนย์ถึง (N2) 0.5 ซึ่งการอ่านค่าที่สูงขึ้นแสดงถึงแนวโน้มที่แข็งแกร่งขึ้น ดัชนีความผันผวนที่ใช้ในการทดสอบเป็นส่วนหนึ่งของ 8216Technical Indicator Fight for Supremacy 8216 เราได้ทดสอบแล้วว่าตัวบ่งชี้ต่อไปนี้เป็นดัชนีความผันผวนของค่า Variable Moving Average: มีผู้อื่นที่คุณคิดว่ามีค่าทดสอบหรือไม่โปรดแจ้งให้เราทราบในส่วนความคิดเห็น ที่ส่วนลึกสุด. ไฟล์ Excel Variable Moving Average ฉันได้รวบรวม Excel Spreadsheet ที่มีค่า Variable Moving Average และทำให้สามารถดาวน์โหลดได้ฟรี มี 8216basic8217 รุ่นที่แสดงการทำงานทั้งหมดและ 8216fancy8217 หนึ่งซึ่งจะปรับให้เข้ากับความยาวและดัชนีความผันผวนที่คุณระบุโดยอัตโนมัติ ค้นหาได้ที่ลิงค์ต่อไปนี้ใกล้ด้านล่างของหน้าภายใต้ตัวบ่งชี้ทางเทคนิคสำหรับการดาวน์โหลด: Variable Moving Average (VMA) 10 วันตัวแปรเฉลี่ยเคลื่อนที่ตัวอย่าง VI อัตราส่วนประสิทธิภาพ 50 วันขอบคุณ Brother นี้ดีมาก คำอธิบายของคณิตศาสตร์ที่อยู่เบื้องหลังมันเป็นประโยชน์มากตอนนี้ที่ฉันเข้าใจว่าแต่ละส่วนของสมการทำงานฉันสามารถเล่นกับมันหนึ่ง question8230 VMA1 สำหรับจุดข้อมูลกำปั้นที่คุณเพิ่งใช้ Close1 และในกรณีที่ว่าทำไมไม่ใช้เพียง Close1 ก็ควร จะตอบสนองต่อการเปลี่ยนแปลงราคาฉันจะต้องเห็นด้วยกับ steveplace, heteroskedacity ยากที่จะอธิบายได้ที่ 7:00 ในตอนเช้าฮ่า ๆ ดีใจที่คุณพบว่ามีประโยชน์ปีเตอร์ ฉันพบบางสูตรในเว็บสำหรับสิ่งเหล่านี้ยากมากที่จะอ่านเพราะฉัน don8217t มีการศึกษาคณิตศาสตร์อย่างเป็นทางการใด ๆ นั่นคือเหตุผลที่ฉันทำลายมันทั้งหมดลงและแสดงการทำงานเพื่อให้มีความสับสนไม่ เกี่ยวกับคำถามของคุณ VMA ยังคงเป็นค่าเฉลี่ยเคลื่อนที่ที่เป็นไปในทางบวก (EMA) etfhqblog20101108exposential-moving-average แต่มีอัลฟาแบบไดนามิกแทนที่จะเป็นค่าคงที่ EMA ทั้งหมดใช้ค่าเฉลี่ยก่อนหน้านี้เมื่อเดินหน้าต่อไป แต่ต้องมีการเพาะที่หมายเลขไว้ตั้งแต่เริ่มต้น (โดยปกติคือการปิดก่อนหน้า) EMA EMA (1) (Close EMA (1)) หากคุณยังคงใช้การปิดก่อนหน้านี้ค่าเฉลี่ยจะติดตามราคาให้ใกล้เคียงกับการจับคู่เกือบทั้งหมด ดาวน์โหลดแผ่นกระจายหากคุณ haven8217t แล้วและได้ลอง ไปที่เซลล์ J5 ที่ส่วนท้ายของสูตรจะพูดว่า IF (J482438221, J4 (2 (I51)) (E5-J4), 82218221)) เปลี่ยนค่านี้ให้อ่าน IF (E482438221, E4 (2 (I51)) (E5 - E4), 82218221)) เติมสูตรนี้ลงด้านล่างของคอลัมน์และจะอ้างอิงถึงตำแหน่งปิดก่อนหน้านี้แทนที่จะเป็น VMA ก่อนหน้า BTW ฉันเพิ่งสังเกตเห็นว่าฉันได้ตั้งค่าสเปรดชีตเป็นการปรับปรุงการคำนวณด้วยตนเองแทนที่จะเป็นแบบอัตโนมัติ คุณอาจต้องการเปลี่ยนหรือดาวน์โหลดอีกครั้งเนื่องจากฉันได้แก้ไขปัญหาแล้ว sayyed 5 ปีที่ผ่านมาฉันใช้ VMA พร้อมกับ MA8217s อื่น ๆ (ง่าย exp, weighted, vol ถ่วงน้ำหนักสามเหลี่ยม) ฉันควรใช้ช่วงเวลาเดียวกันสำหรับ VMA เป็นระยะเวลาสำหรับค่าเฉลี่ยอื่น ๆ หรือไม่ฉันใช้จุดตัดเป็นจุดซื้อของฉันเป็น MA8217 อื่นหรือควรใช้ทิศทางของ VMA เป็นสัญญาณ buysell ของฉันขอบคุณสำหรับการสนับสนุนของคุณ Derry Brown 5 ปีที่ผ่านมาคุณสามารถดูผลการทดสอบหลาย MA ที่คุณกล่าวถึงได้ที่นี่ 8211 etfhqblog20100525best-technical-indicators คำตอบสำหรับคำถามของคุณขึ้นอยู่กับว่าคุณใช้พวกเขาเป็นส่วนหนึ่งของระบบเครื่องกลหรือการตัดสินใจ ฉันยังไม่ได้ทดสอบผลของ crossovers MA ระหว่างชนิดของ MAs แต่ฉัน wouldn8217t คาดว่าจะเป็นวิธีที่มีประสิทธิภาพ ค่าเฉลี่ยเคลื่อนที่แต่ละประเภทมีค่าไม่ซ้ำกันดังนั้นจึงไม่จำเป็นต้องใช้ระยะเวลาราบเรียบเท่ากันและ VMA แตกต่างไปจากนี้โดยจะต้องเป็นค่าเฉลี่ยแยกต่างหาก หวังว่านี่จะช่วยให้ DerryMetaTrader 5 - ตัวบ่งชี้ดัชนีค่าตัวแปรแบบไดนามิก (VIDYA) - ตัวบ่งชี้ทางเทคนิคสำหรับดัชนีวัดค่าเฉลี่ยแบบไดนามิก (VIDYA) ของ MetaTrader ได้รับการพัฒนาโดย Tushar Chande เป็นวิธีการเดิมในการคำนวณค่าเฉลี่ยเคลื่อนที่ที่เป็นไปได้ (Exponential Moving Average - EMA) ที่มีการเปลี่ยนแปลงค่าเฉลี่ยของช่วงเวลาเฉลี่ย ระยะเวลาเฉลี่ยขึ้นอยู่กับความผันผวนของตลาดเป็นตัววัดความผันผวนของโมเมนตัม Chande Momentum Oscillator (CMO) ออสซิลเลเตอร์นี้จะวัดอัตราส่วนระหว่างผลรวมของจำนวนบวกที่เพิ่มขึ้นและผลรวมของส่วนเพิ่มค่าลบสำหรับช่วงเวลาหนึ่ง (ระยะเวลา CMO) ค่า CMO ใช้เป็นอัตราส่วนกับค่าความเรียบ EMA ดังนั้น VIDYA ต้องตั้งค่าพารามิเตอร์: ช่วงของ CMO และระยะเวลาของ EMA มักไม่ใช้ VIDYA ในระบบการซื้อขาย แต่จะมีเส้นขอบด้านบนและด้านล่าง (Upper band amp วงล่าง) ซึ่งอยู่ด้านบนและด้านล่างของ VIDYA การตีความตัวบ่งชี้การรับสัญญาณทางการค้าในรูปแบบนี้จะกระทำคล้ายกับแถบ Bollinger Bands ดัชนีค่าดัชนีพลวัตของดัชนีค่าตัวแปรมาตรฐานการเคลื่อนที่แบบเสวนามาตรฐานคำนวณตามสูตรด้านล่าง: EMA (i) ราคา (i) F EMA (i-1) (1-F) F 2 (PeriodEMA1) - ปัจจัยการปรับความราบรื่นระยะเวลา - EMA เฉลี่ย period Price (i) - ราคาปจจุบัน EMA (i-1) - คาเดิมของ EMA ค่า Variable Index Dynamic Average คำนวณโดยใช้ CMO: VIDYA (i) ราคา (i) F ABS (CMO (i)) VIDYA (i-1) (1 - F ABS (CMO (i))) ABS (CMO (i)) - ค่าสัมบูรณ์ปัจจุบัน Chande Momentum Oscillator VIDYA (i-1) - ค่าก่อนหน้าของ VIDYA ค่าของ CMO คำนวณตามสูตรด้านล่าง: CMO (i) (UpSum (i) - DnSum (i)) (UpSum (i) DnSum (i)) UpSum (i) - ผลรวมปัจจุบันของการเพิ่มขึ้นของราคาในเชิงบวกสำหรับ ระยะเวลา DnSum (i) - ผลรวมปัจจุบันของการเพิ่มขึ้นของราคาที่เป็นค่าลบสำหรับรอบระยะเวลาค่าเฉลี่ยการเคลื่อนที่แบบถ่วงน้ำหนัก Triple Exponential Moving Average ตัวบ่งชี้ทางเทคนิค (TEMA) ได้รับการพัฒนาโดย Patrick Mulloy และตีพิมพ์ในการวิเคราะห์ทางเทคนิคของหุ้นของแอ็กเซ็ท Commoditiesquot หลักการคำนวณจะเหมือนกับ DEMA (Double Exponential Moving Average) ชื่อ quotTrength Exponential Moving Averagequot ไม่ถูกต้องมากสะท้อนให้เห็นถึงขั้นตอนวิธีของมัน นี่คือการผสมผสานเอกลักษณ์ของค่าเฉลี่ยเลขยกกำลังเดี่ยวเลขคู่และสามอันให้ความล่าช้าน้อยกว่าแต่ละส่วนที่แยกกัน สามารถใช้ TEMA แทนค่าเฉลี่ยเคลื่อนที่แบบเดิมได้ สามารถใช้สำหรับการปรับข้อมูลราคารวมถึงการปรับตัวชี้วัดอื่น ๆ ให้เรียบ คุณสามารถทดสอบสัญญาณการค้าของตัวบ่งชี้นี้ได้โดยการสร้าง Expert Advisor ใน MQL5 Wizard คำนวณ DEMA แรกแล้วคำนวณข้อผิดพลาดของการเบี่ยงเบนราคาจาก DEMA: err (i) ราคา (i) DEMA (Price, N, ii) err (i) ข้อผิดพลาด DEMA ปัจจุบัน (i) ราคาปัจจุบัน DEMA (Price, N, i) ค่า DEMA ในปัจจุบันจากชุดราคาที่มีช่วงเวลา N จากนั้นเพิ่มมูลค่าของค่าเฉลี่ยเลขคณิตของข้อผิดพลาดและรับ TEMA: TEMA (i) DEMA (ราคา, N, i) EMA (err, N, i) DEMA (ราคา, N, i) EMA (Price - EMA (Price, N, i), N, i) DEMA (ราคา, N, i) EMA (ราคา - DEMA (ราคา, N, i), N, i) 3 EMA (ราคา, N, i) - 3 EMA2 (ราคา, N , EMA3 (Price, N, i) EMA (err, N, i) ค่าปัจจุบันของค่าเฉลี่ยเลขแจงของค่าผิดพลาด err EMA2 (Price, N, i) ค่าปัจจุบันของการปรับให้เรียบตามลำดับราคา EMA3 (ราคา, N , i) มูลค่าปัจจุบันของการปรับราคาตามลำดับที่สาม