資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會研究
服裝研究
法律研究考夫曼自適應移動平均線 (KAMA) – 公式及工作原理
它由美國數量金融理論家 Perry J. Kaufman 於 1988 年建立，被稱為考夫曼自適應移動平均線 (KAMA)。儘管該方法早在 1972 年就已開發出來，但直到題為“交易系統和方法”的暢銷書出版後，它才被廣泛推廣。與其他傳統的移動平均線系統不同，考夫曼自適應移動平均線考慮了市場波動性，而不是僅僅考慮價格波動。
KAMAi=KAMAi-1+SC☓(價格-KAMAi-1)
考夫曼自適應移動平均線的優勢有哪些？
市場波動性和考夫曼自適應移動平均線 (KAMA) 之間存在相關性。當市場波動性較小時，KAMA 緊隨當前市場價格，但隨著波動性增加，它會滯後。KAMA 的目標是濾除小的、不重要的價格波動，也稱為“市場噪音”。
如何計算考夫曼自適應移動平均線？
考夫曼自適應移動平均線的計算分三個步驟：
效率比率 (ER)
平滑常數
KAMA
為了計算考夫曼自適應移動平均線，採用以下標準引數：
10 – 計算效率比率的週期數。
2 – 計算最快指數移動平均線的週期數。
30 – 指數移動平均線衰減最慢的週期數。
要確定 KAMA 的值，必須先計算效率比率和平滑常數的值。然後就可以計算 KAMA 的值。
第一步是計算效率比率 (ER)
使用效率比率，可以確定價格調整的有效性。它在一個介於 1 和 0 之間的尺度上變化。如果價格在 10 個週期內保持不變，則 ER 等於零 (0)。相反，如果價格連續 10 個週期上漲或下跌，則 ER 降為 1。
ER = 變化/波動性
變化 = 絕對值 [收盤價 − 收盤價（過去 10 個週期）]
波動性總和 = 10 個週期 (收盤價 − 前一收盤價)
透過將當前價格與其起始值之間的絕對差除以一段時間內每對收盤價之間絕對差的總和來確定，它是跟蹤市場波動性的一個有用指標。以下是確定回報率的公式：
ER 是變化/波動性的縮寫。
變化等於任何事物的絕對值。[收盤價 − 收盤價（過去十個交易日）]
波動性總和等於十個週期 (收盤價 − 前一收盤價)。
平滑常數是第二步 (SC)
平滑常數是針對兩點之間的時間間隔中的每一項計算的。它利用效率比率獲得的值以及兩個平滑常數，方法如下：
SC = [ER ☓ (最快 SC − 最慢 SC) + 最慢 SC]2
SC = [ER ☓ (2 ÷(2+1)−2÷(30+1)]2
最快 SC ☓ (最快 SC − 最慢 SC) + 最慢 SC 是兩個最快 SC 的乘積。
SC= [ER ☓ (2/ (2+1) − 2/(30+1)) +2/ (30+1)] + [ER ☓ (2/ (2+1) − 2/(30+1)] + [ER ☓ (2/ (2+1)− 2/(30+1)] + [ER ☓ (2/ (2+1) − 2/(30+1)] + [ER ☓ (2/ (2+1) − 2/(30+1)]
在上面的等式中，建議的 30 週期指數移動平均線 (EMA) 的平滑常數為 (2/30+1)。此外，最慢 30 週期 EMA 的 SC 是最慢平滑常數，而最快的平滑常數是 2 週期 EMA 的 SC 是最快的。
KAMA 是第三步。
考夫曼自適應移動平均線指標的最後一步也是第三步是收集上述兩個步驟中平滑常數 (SC) 和效率函式的值。現在可以使用以下公式進行計算。
KAMAi=KAMAi-1+SC☓(價格-KAMAi-1)
價格計算如下：價格-KAMAi−1 = KAMAi-1 + SC ☓ (價格-KAMAi−1)
其中：
KAMAi 是當前週期的值，表示為百分比。
KAMAi-1 是計算週期之前的週期的值。
術語“價格”表示所考慮時間的源價格。
什麼是自適應移動平均線以及如何實現它？
考夫曼自適應移動平均線指標為交易者提供了清晰的市場行為影像，他們可以根據該影像做出交易決策。指標的最終值是根據歷史資料計算的。基於未來趨勢將繼續與過去趨勢相同方向發展的假設，交易者決定將資金投入何處。
在圖表上，交易者可以使用考夫曼自適應移動平均線指標來研究市場的行為並預測未來的價格走勢。可以使用 KAMA 指標識別現有趨勢、潛在即將到來的趨勢轉變的指標以及市場反轉點，然後將其用於進場或出場交易。
857 次瀏覽
