Moving Average Rückblick

Hallo, kann jemand erklären, den Unterschied zwischen der mashift und die Verschiebung Parameter Ich nehme an, der letzte Parameter ist der Blick zurück Bars Periode auf der Grundlage der vagen Anweisungen Erklärung. Id gerne wissen, was sie beide sind, im Detail. Fragte vorher, beantwortet, anstatt zu warten, für jemanden, der es für Sie finden es viel schneller, wenn Sie lernen, es selbst zu finden. Die Verschiebung verschiebt das MA, dh wenn auf 0 gesetzt, erscheint das MA normal. Wenn auf 1 gesetzt, wird das gesamte MA 1 nach links verschoben, so dass der letzte (aktuelle) Balken keinen MA-Wert hat. Der Wert für bar0 wird nun auf Bar1 und Bar1s Wert verschoben haben, um Bar2 usw. Ich hoffe, das macht Sinn. Wenn Sie ein MA an Ihr Diagramm anhängen, ist es die Verschiebung im Parameterfenster. Der letzte Parameter ist die Balkenverschiebung, für die der MA-Wert verwendet werden soll, also wird 0 den MA-Wert für den aktuellen Balken geben. Perfekter Sinn. Danke für die Erklärung. Sie sollten die Bedienungsanleitung schreiben. Es gab mehrere Threads auf dem Thema, einige nicht beantwortet und einige nicht klar beantwortet und einige wie die Raptor posted (die ich vermisst) deckt es gut. Viele Male, wenn ich suche in der mql4 Suchfeld Ich bekomme nichts, und es tatsächlich zurück kommt leer, und so jetzt gehe ich in der Regel direkt auf eine Google-Suche mit mql4 in den Suchkriterien. Ich bekomme immer bekommen MQL4 Threads auf diese Weise. Manchmal können die Leute suchen und lesen Sie durch einige Threads und lesen Sie die Anweisungen (die selten klären, Dinge für mich) und immer noch nicht in der Lage, die Antwort in einer angemessenen Zeit zu finden, an welcher Stelle macht es sinnvoll, einen Thread nach Das Forum imo. Obwohl ich zugeben muss, ist die Tatsache, dass eine Person eine Frage stellen muss, auch ein gutes Zeichen dafür, dass sie mehr Zeit in das Lernen investieren müssen. Perfekter Sinn. Danke für die Erklärung. Sie sollten die Bedienungsanleitung aufschreiben. Es gab mehrere Threads auf dem Thema, einige nicht beantwortet und einige nicht klar beantwortet und einige wie die Raptor posted (die ich vermisst) deckt es gut. Viele Male, wenn ich suche in der mql4 Suchfeld Ich bekomme nichts, und es tatsächlich zurück kommt leer, und so jetzt gehe ich in der Regel direkt auf eine Google-Suche mit mql4 in den Suchkriterien. Ich bekomme immer bekommen MQL4 Threads auf diese Weise. Manchmal können die Leute suchen und lesen Sie durch einige Threads und lesen Sie die Anweisungen (die selten klären, Dinge für mich) und immer noch nicht in der Lage, die Antwort in einer angemessenen Zeit zu finden, an welcher Stelle macht es sinnvoll, einen Thread nach Das Forum imo. Obwohl ich zugeben muss, ist die Tatsache, dass eine Person eine Frage stellen muss, auch ein gutes Zeichen dafür, dass sie mehr Zeit in das Lernen investieren müssen. Sie können Google auf der Suche nach mql4, als ihr Recht, dass die Suchmaschine dieser Website ist weit von perfekt. Mit google, fügen Sie einfach quotsite: mql4quot zu Ihrem Keyword (s) (ohne quotiert).Double Exponential Moving Averages Explained Traders haben sich auf gleitende Durchschnitte zu helfen, festzustellen, hohe Wahrscheinlichkeit Handel Einstiegspunkte und profitablen Exits seit vielen Jahren. Ein bekanntes Problem mit sich bewegenden Durchschnitten ist jedoch die schwere Verzögerung, die in den meisten Arten von gleitenden Durchschnitten vorhanden ist. Der doppelte exponentielle gleitende Durchschnitt (DEMA) liefert eine Lösung durch Berechnen einer schnelleren Mittelungsmethode. Geschichte des doppelten Exponential Moving Average In der technischen Analyse. Bezieht sich der Begriff gleitender Durchschnitt auf einen Durchschnittspreis für ein bestimmtes Handelsinstrument über einen bestimmten Zeitraum. Zum Beispiel berechnet ein 10-Tage-Gleitender Durchschnitt den durchschnittlichen Preis eines bestimmten Instruments in den letzten 10 zehn Tagen einen 200-Tage gleitenden Durchschnitt berechnet den durchschnittlichen Preis der letzten 200 Tage. Jeden Tag schreitet die Rückblickperiode auf Basisberechnungen der letzten X-Anzahl von Tagen vor. Ein gleitender Durchschnitt erscheint als glatte, geschwungene Linie, die eine visuelle Darstellung des längerfristigen Trends eines Instruments liefert. Schnellere gleitende Durchschnitte, mit kürzeren Rückblickperioden, sind choppierere langsamere gleitende Durchschnitte, mit längeren Rückblickperioden, sind glatter. Da ein gleitender Durchschnitt ein rückwärts gerichteter Indikator ist, ist er rückläufig. Der in Abbildung 1 gezeigte doppelte exponentielle gleitende Durchschnitt (DEMA) wurde von Patrick Mulloy entwickelt, um die Verzögerungszeit zu reduzieren, die bei herkömmlichen Bewegungsdurchschnitten festgestellt wurde. Es wurde erstmals im Februar 1994, Technical Analysis of Stocks amp Commodities Magazin in Mulloys Artikel Smoothing Daten mit schneller Moving Averages eingeführt. Abbildung 1: Dieses 1-minütige Diagramm des e-mini Russell 2000-Futures-Kontrakts zeigt zwei unterschiedliche doppelte exponentielle gleitende Mittelwerte, wobei eine 55-Periode in blau erscheint, Eine 21-Periode in rosa. Berechnen eines DEMA Wie Mulloy in seinem ursprünglichen Artikel erklärt, ist die DEMA nicht nur eine doppelte EMA mit der doppelten Verzögerungszeit einer einzelnen EMA, sondern ist eine zusammengesetzte Implementierung von Einzel - und Doppel-EMAs, die eine andere EMA mit weniger Verzögerung erzeugen als das Original zwei. Mit anderen Worten, die DEMA ist nicht einfach zwei EMAs kombiniert oder ein gleitender Durchschnitt eines gleitenden Durchschnitts, sondern ist eine Berechnung sowohl einzelner als auch doppelter EMAs. Fast alle Trading-Analyse-Plattformen haben die DEMA als Indikator, der zu den Diagrammen hinzugefügt werden kann. Daher können Händler die DEMA nutzen, ohne die Mathematik hinter den Berechnungen zu kennen und ohne irgendeinen Code schreiben oder eingeben zu müssen. Vergleich der DEMA mit traditionellen Bewegungsdurchschnitten Die gleitenden Durchschnitte sind eine der populärsten Methoden der technischen Analyse. Viele Händler verwenden sie, um Trendumkehrungen zu erkennen. Vor allem in einem gleitenden Durchschnitt Crossover, wo zwei gleitende Durchschnitte von verschiedenen Längen auf ein Diagramm gelegt werden. Punkte, wo die gleitenden Durchschnitte kreuzen, können Kauf - oder Verkaufsgelegenheiten bedeuten. Die DEMA kann Händler helfen, Rückschläge früher zu erkennen, weil es schneller ist, auf Veränderungen in der Marktaktivität zu reagieren. Abbildung 2 zeigt ein Beispiel für den e-mini Russell 2000 Futures-Kontrakt. Diese Minute-Diagramm hat vier gleitende Mittelwerte: 21-Periode DEMA (rosa) 55-Periode DEMA (dunkelblau) 21-Periode MA (hellblau) 55-Periode MA (hellgrün) Abbildung 2: Diese 1-minütige Tabelle von Zeigt der e-mini Russell 2000 Futures-Kontrakt die schnellere Reaktionszeit der DEMA bei Einsatz in einem Crossover. Beachten Sie, dass der DEMA-Crossover in beiden Fällen deutlich früher erscheint als die MA-Crossover. Die erste DEMA Crossover erscheint bei 12:29 und die nächste Bar öffnet zu einem Preis von 663,20. Die MA-Crossover, auf der anderen Seite, Formen um 12:34 und die nächsten Bars Eröffnungspreis bei 660,50. Im nächsten Satz von Frequenzweichen erscheint die DEMA-Überkreuzung bei 1:33, und die nächste Leiste öffnet bei 658. Die MA dagegen bildet bei 1:43, wobei sich die nächste Leiste bei 662,90 öffnet. In jedem Fall bietet die DEMA-Überkreuzung einen Vorteil beim Einsteigen in den Trend früher als der MA-Crossover. (Für mehr Einblick, lesen Sie die Moving Averages Tutorial.) Handel mit einem DEMA Die oben genannten gleitenden Durchschnitt Crossover Beispiele illustrieren die Wirksamkeit der Verwendung der schnelleren doppelten exponentiellen gleitenden Durchschnitt. Zusätzlich zur Verwendung der DEMA als Standalone-Indikator oder in einem Crossover-Setup kann die DEMA in einer Vielzahl von Indikatoren verwendet werden, wobei die Logik auf einem gleitenden Durchschnitt basiert. Technische Analysewerkzeuge wie Bollinger Bands. (MACD) und der dreifach exponentiellen gleitenden Durchschnitt (TRIX) basieren auf gleitenden Durchschnittsarten und können modifiziert werden, um eine DEMA anstelle anderer traditionellerer Arten von gleitenden Durchschnittswerten einzufügen. Das Ersetzen der DEMA kann Händler helfen, unterschiedliche Kauf - und Verkaufsgelegenheiten zu lokalisieren, die vor denen liegen, die von den MAs oder EMAs, die traditionell in diesen Indikatoren verwendet werden, zur Verfügung gestellt werden. Natürlich immer in einen Trend eher früher als später führt in der Regel zu höheren Gewinnen. Abbildung 2 verdeutlicht dieses Prinzip - wenn wir die Crossovers als Kauf - und Verkaufssignale nutzen wollten. Würden wir die Trades deutlich früher bei der Verwendung der DEMA Crossover im Gegensatz zu den MA Crossover geben. Bottom Line Trader und Investoren haben lange bewegte Durchschnitte in ihrer Marktanalyse verwendet. Gleitende Durchschnitte sind ein weit verbreitetes technisches Analyse-Tool, das ein Mittel zur schnellen Betrachtung und Interpretation des längerfristigen Trends eines bestimmten Handelsinstruments bietet. Da bewegte Durchschnitte durch ihre Natur sind nacheilende Indikatoren. Ist es hilfreich, den gleitenden Durchschnitt zu optimieren, um einen schnelleren, reaktionsfähigeren Indikator zu berechnen. Der doppelte exponentielle gleitende Durchschnitt bietet Händlern und Investoren einen Überblick über den längerfristigen Trend mit dem zusätzlichen Vorteil, dass er ein schneller gleitender Durchschnitt mit weniger Verzögerungszeit ist. (Für die zugehörige Lektüre, einen Blick auf Moving Average MACD Combo und Simple Vs Exponential Moving Averages.) Von Michael R. Bryant Technische Indikatoren sind eines der grundlegenden Elemente des systematischen Handels. Indikatoren wie gleitende Durchschnitte oder Stochastik können als Transformationen der Eingangsreihe (typischerweise Preis oder Volumen) betrachtet werden, die einen besonderen Aspekt des Marktes, wie etwa seinen Trend oder seine Zyklizität, betonen. Während die meisten systematischen Trading-Methoden, viele Händler vermeiden die häufigsten Indikatoren, wie einfache gleitende Durchschnitte und die relative Stärke Indikator (RSI), in der Überzeugung, dass der Markt an ihre Verwendung angepasst hat, wodurch ihre Wirksamkeit. Eine Möglichkeit, die Auswirkungen der Markteffizienz auf die Lebensfähigkeit der technischen Indikatoren zu kompensieren, besteht darin, sie in einer bedeutenden Weise zu modifizieren. Beispielsweise 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 verringert wird, wenn die Volatilität zunimmt. In diesem Artikel, Ill entwickeln eine Erweiterung des adaptiven Look-Back-Ansatz und zeigen, wie man es auf eine Vielzahl von Indikatoren mit nur ein paar zusätzliche Zeilen Code. Die daraus resultierenden Indikatoren bieten eine größere Vielseitigkeit als frühere Indikatoren und können mit einer statistischen Sicht der Märkte konsistent sein. Anpassen der Look-Back-Länge Da sich die Märkte ständig verändern, ist es sinnvoll, sich möglichst 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 die Variable Index Dynamic Average (VIDYA) Indikator zum Beispiel verwendet Chande und Kroll mehrere verschiedene Metriken, einschließlich eines Volatilitätsindex auf der Grundlage einer normalisierten Standardabweichung des Preises, bei dem höhere Werte des Index zu einer niedrigeren effektiven Rückblicklänge führte . Die Idee war, dass in Zeiten höherer Volatilität der gleitende Durchschnitt stärker auf den Markt reagieren sollte, während in Zeiten niedrigerer Volatilität ein längerfristiger gleitender Durchschnitt stärker mit dem Marktverhalten übereinstimmt. Kaufman nahm einen etwas anderen Ansatz. 2 Die Idee hinter seinem Kaufman Adaptive Moving Average (KAMA) war, dass in Zeiten hoher Volatilität Sie eher peitschen-gesägt werden, während der Markt schwingt hin und her, was zu wiederholten Verlusten. Um dies zu vermeiden, verwendete er einen längeren Zeitraum für den gleitenden Durchschnitt während der Perioden der choppy Preis-Aktion, so dass der Durchschnitt weniger als Reaktion auf die Marktvolatilität, was zu weniger Umkehrungen. Während der Trending-Markt-Aktion wurde die Periode des gleitenden Durchschnitts verringert, so dass Trades schneller auf den Richtungswechsel reagieren konnten. Zur Messung der Kaufquote hat Kaufman das so genannte Effizienzverhältnis (ER) verwendet, das den absoluten Wert der Preisveränderung über die Rückblickperiode dividiert durch die Summe der absoluten Werte der Bar-to-Bar-Preisänderungen misst Den gleichen Zeitraum. Wenn zum Beispiel die Nettoveränderung des Preises Null ist - der Preis ist derselbe am Ende der Periode wie am Anfang - dann ist der ER gleich Null. In diesem Fall ist der Markt perfekt ineffizient, dass es viel bewegen kann von Bar zu bar, aber es doesnt go anywhere. Wenn sich dagegen der Markt stetig in eine Richtung bewegt (entweder nach oben oder nach unten), so dass jede Barrenbewegung zur Nettoveränderung des Preises beiträgt, wird der ER 1 sein. In diesem Fall ist der Markt vollkommen effizient Dass alle Bars Preisbewegungen dazu beitragen, den Trend. Im Allgemeinen liegt der ER zwischen 0 und 1. Eine andere Ansicht von adaptiven Look-Back-Längen Während viele verschiedene Metriken für die Anpassung von Back-Längen verwendet wurden - und wurden diese verwendet, so erfährt die Effizienzquote einen fundamentalen Aspekt des Marktes Aktion, nämlich die Differenz zwischen Trend-und zyklisches Verhalten. Hohe Werte von ER bedeuten einen stark tendenziellen Markt, was eine sehr geringe zyklische Bewegung bedeutet, und niedrige Werte von ER implizieren einen geringen Trend und daher eine zyklische Bewegung (außer bei kleinen Bewegungen überhaupt). Dies neigt dazu, den Kaufmans-Ansatz zu unterstützen. Allerdings basiert seine Entscheidung, längere Rückblicklängen in choppy-Märkten zu verwenden, auf (1) der Annahme, dass die Rückblicklänge eines gleitenden Durchschnitts angepasst wurde, und (2) der Gedanke, dass der gleitende Durchschnitt verwendet wird, um einen auszulösen Einreise oder Ausreise. Ein alternativer Standpunkt ist derjenige, der von John Ehlers durch seine Arbeit zur Anwendung von Signalverarbeitungsmethoden auf den Handel unterstützt wird. 3 Seine Ansicht ist mehr auf der Linie der Versuch, den Teil des Marktes von Interesse (z. B. die Trendkomponente oder die Zykluskomponente) näher zu modellieren. Von diesem Gesichtspunkt aus 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 stark tendenziellen Markt eine längere Rückblicklänge mehr im Einklang steht Die Marktbewegung. Ein dritter Standpunkt ist der eine Kranke hier anzunehmen, nämlich eine statistischere. Erstens darf nicht mehr als unbedingt nötig an dem fraglichen Indikator und wie es verwendet werden kann. Insbesondere können wir nicht davon ausgehen, dass der betreffende Indikator ein gleitender Durchschnitt ist, und lässt nicht davon ausgehen, dass er auf den Preis angewendet wird. Es könnte zum Beispiel der RSI der Volatilität oder der gleitende Durchschnitt des Stochastikums des Volumens sein. Der Indikator kann in Verbindung mit anderen Indikatoren als Teil einer größeren Regel für Ein-oder Ausfahrt, anstatt von sich selbst verwendet werden. Mit dieser statistisch orientierten Sicht ist es das Ziel, Handelsregeln zu schaffen, die eine statistische Gültigkeit besitzen, dh sie passen sich der Preissituation ohne Überformat an. Wir gehen nicht davon aus, dass wir wissen, wie die Märkte gut genug sind, um spezifische Entscheidungen darüber zu treffen, ob die Rückblicklänge mit so etwas wie dem Effizienzverhältnis steigen oder fallen sollte. Vielmehr haben wir Grund zu der Annahme, dass das Effizienzverhältnis Relevanz haben kann und wir es daher als Variable einschließen wollen, aber wir überlassen es dem Markt, uns mitzuteilen, ob und wie es passt. Statistische Tests werden verwendet, um es uns mitzuteilen Wenn die Handelsstrategie, die den Indikator enthält, statistisch gültig ist oder ob seine Überpaßung also ungültig ist, weil er eher dem Rauschen als dem Signal des Marktes entspricht. Ein vielseitigerer Adaptiver Rückblick Angesichts der vorangegangenen Erörterung wird die hier entwickelte adaptive Rückblicklänge auf dem Wirkungsgradverhältnis (ER) basieren und einen Parameter verwenden, um die Beziehung zwischen ER und Rückblicklänge zu bestimmen. Betrachten Sie insbesondere die folgende Gleichung: VER Quadrat (ER - (2 ER - 1) 2. (1 - TrendParam) 0.5) wobei VER das variable Wirkungsgradverhältnis ist und TrendParam der Trendparameter ist, Negativen Wert und bestimmt, ob die Rückblicklänge mit zunehmendem ER zu - oder abnimmt. Dies ist im Wesentlichen nur eine Möglichkeit, das ER-Verhältnis abhängig vom Trendparameter umzukehren. Wie unten gezeigt, verwenden wir anstatt die Glättungskonstante durch ER zu skalieren, wie es Chande und Kroll und Kaufman im Wesentlichen tun. Bei positiven Werten von TrendParam variiert VER mit ER positiv, während bei negativen Werten von TrendParam VER mit ER negativ schwankt. Wenn TrendParam gleich Null ist, ist VER für alle Werte von ER gleich 1. Das Quadrat wird genommen, um die Werte für die Verwendung als Multiplikator besser zu skalieren, wie nachfolgend erläutert wird. Um die adaptive Rückblicklänge unter Verwendung dieser Gleichung zu berechnen, multiplizieren wir den ursprünglichen Wert der Glättungskonstanten, Alpha, die der ursprünglichen Rückblicklänge entspricht, mit VER: VAlpha Alpha VER, wobei VAlpha die adaptive Glättungskonstante ist, und Alpha ist der ursprüngliche Wert der Glättungskonstante. Die Beziehung zwischen der Glättungskonstanten und der Rückkopplungslänge ist dieselbe wie für den exponentiellen gleitenden Durchschnitt, in dem N die Rückkopplungslänge ist, und Alpha ist die Glättungskonstante. Diese Gleichung kann auch für N in Form von Alpha geschrieben werden, da die adaptive Rückblicklänge daher ist