Skip to main content
Дорожка Adaptive moving average
22 / 24
Библиотека

2018выпуск C0630-35

Построение адаптивного фильтра для разворотов цикла освоения

Сконструированный фильтр объединяет адаптивную скользящую среднюю, гистограмму освоения цены и состояние спроса и предложения в одном визуальном выводе. Редакторское прочтение: студенты могут использовать это единое показание, чтобы проверить, когда участие всё ещё растёт, даже если новые покупатели начинают убывать.

  • Соберите адаптивную скользящую среднюю, гистограмму освоения рыночной цены и состояние спроса и предложения в один визуальный вывод, а не в три отдельных показания.
  • Нанесите приход покупателей и продавцов на колоколообразную траекторию, чтобы новое участие можно было локализовать как растущее, насыщающееся или уже убывающее.
  • Рассматривайте снижение числа новых участников освоения как опережающее изменение участия и как сетап возврата к среднему, а не как доказательство того, что совокупное участие или цена уже достигли пика.
  • Завершайте состояние тренд-фильтра только когда дистанция фильтра, темп участия и переход контроля со стороны спроса на сторону предложения совпадают.
Записи этого разбора3 записи

Один общий визуальный вывод

Сконструированный фильтр собран так, чтобы адаптивная скользящая средняя, гистограмма освоения цены и состояние спроса и предложения имели один визуальный вывод, а не три отдельных показания.

Адаптивная скользящая средняя — это отзывчивый сглаженный ценовой фильтр, который обновляется по текущим наблюдениям и служит базовой линией, от которой измеряются отклонения и возвраты.

Отображение прихода на траектории освоения

Конструкция освоения рыночной цены наносит приход покупателей и продавцов на колоколообразную траекторию, чтобы трейдер мог определить, где новое участие всё ещё растёт, насыщается или уже убывает. Освоение рыночной цены — рыночный аналог кривой принятия инноваций, в котором новые покупатели или продавцы прибывают, насыщаются, а затем редеют, тогда как совокупное участие всё ещё может расти.

Снижение числа новых участников освоения задано как опережающее изменение участия, а не как непосредственное доказательство того, что совокупное участие или цена уже достигли пика.

Гистограмма раннего предупреждения — это сконструированный ряд, который отображает приход и убывание участия как колоколообразную траекторию вокруг адаптивного фильтра, чтобы переход от спроса к предложению был виден до полного разворота цены.

Измерение отклонения от адаптивного фильтра

То же снижение рассматривается как сетап возврата к среднему: меньшее число участников, готовых покупать по преобладающей цене, согласуется с последующим возвратом к адаптивному фильтру в пределах заданного числа баров. Возврат к среднему — это тенденция цены возвращаться к адаптивному фильтру после умеренного или сильного отклонения; он рассматривается как проверяемый процесс точки разворота, а не как прогноз следующего принта.

Адаптивный фильтр — базовая линия для измерения того, насколько цена отклонилась и как она затем возвращается. Именно эти нерегулярные колебания, а не идеальная парабола, должна отображать гистограмма.

При умеренных и сильных отклонениях от адаптивного фильтра ожидается, что колоколообразная гистограмма станет различимой, даже когда живая траектория хаотична и не совпадает с идеализированной кривой.

Когда состояние тренд-фильтра завершено

Когда новый спрос убывает, а предложения продолжают поступать, конструкция отмечает лаг предложения над спросом, который может предшествовать нисходящему развороту. Противоположное убывание продавцов используется, чтобы отметить восходящее давление.

Состояние тренд-фильтра завершено только когда совпадают три сконструированных показания: сила отклонения и возврата от адаптивного фильтра, темп нового участия на траектории освоения и переход контроля со стороны спроса на сторону предложения по мере снижения этой траектории.

Тренд-фильтр — это визуальное состояние предложения против спроса, которое выдаёт или удерживает направленное прочтение, когда гистограмма освоения, дистанция фильтра и траектория участия совпадают.

Цена AAPL относительно трёхполосного фильтра Лагерра

На опубликованном окне Apple закрытие всё ещё давит в середину 176-х после того, как линия Лагерра уже выровнялась около 174, а затем проскальзывает обратно сквозь эту линию. Именно это запаздывание и есть раннее предупреждение, которому учит статья. Долларовые уровни сняты с размеченной ценовой шкалы на скриншоте 24 Oct–28 Nov 2017 и округлены до ближайших полдоллара.
На опубликованном окне Apple закрытие всё ещё давит в середину 176-х после того, как линия Лагерра уже выровнялась около 174, а затем проскальзывает обратно сквозь эту линию. Именно это запаздывание и есть раннее предупреждение, которому учит статья. Долларовые уровни сняты с размеченной ценовой шкалы на скриншоте 24 Oct–28 Nov 2017 и округлены до ближайших полдоллара.AAPL · 24 Oct 2017 – 28 Nov 2017 · 2017-10-24T00:00:00.000Z по 2017-11-28T00:00:00.000Z

Гистограмма раннего предупреждения не оцифровывалась, потому что её вертикальная шкала перекрыта наложением и не размечена однозначно. Даты сессий соответствуют опубликованному окну, снятому по растру; это не извлечение тик за тиком.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
22 из 24 в дорожке «Adaptive moving average»
20188-11 с.Дальше про «Adaptive moving average»Построение deviation-scaled adaptive moving averageЭкспоненциальная скользящая средняя смешивает текущую цену закрытия с предыдущим значением фильтра через альфу, лежащую между нулём и единицей.
Все разборы дорожки · 24 разбора
  1. 1991Построение скользящих средних переменной длины по разбиению изменений цены
  2. 1991Скользящая средняя переменной длины по дисперсии изменений
  3. 1992Построение адаптивного к волатильности экспоненциального сглаживания
  4. 1995Построение адаптивной скользящей средней с коэффициентом эффективности и фильтром
  5. 1995Подтверждение пробоя по двум воротам с адаптивными средними
  6. 1995Построение адаптивных скользящих средних, масштабируемых импульсом
  7. 1995Адаптивная длина как выбор конструкции внутри экспоненциального сглаживания
  8. 1998Тестирование пробоев ценового канала с адаптивной средней, учитывающей лаг
  9. 1998Построение фильтров вложением смещений и переменных весов
  10. 1998Построение адаптивного среднего по коэффициенту эффективности и фильтра входа
  11. 2001Кодирование структуры свечи как числового фильтра
  12. 2001Адаптивные средние, управляемые скоростью фазы цикла
  13. 2005Построение адаптивной скользящей средней из веса фрактальной размерности
  14. 2005Адаптивный экспоненциальный фильтр на основе размерности диапазона
  15. 2010Построение простой, экспоненциальной и адаптивной средних
  16. 2010Как из обычных средних собирается сглаживатель, который прижимается к ценам
  17. 2013Оценка адаптивной скользящей средней в сравнении со скользящей средней с тем же окном
  18. 2016Трёхслойное подтверждение: адаптивная средняя, стохастический индекс относительной силы и stop-and-reverse
  19. 2017Одно-альфа reverse-path экспоненциальное сглаживание
  20. 2018Поставьте в пару две адаптивные средние, чтобы отфильтровать свинг-развороты
  21. 2018Две адаптивные скользящие средние как подтверждающая пара
  22. 2018Построение адаптивного фильтра для разворотов цикла освоения
  23. 2018Построение deviation-scaled adaptive moving average
  24. 2020Walk-forward и адаптивные средние как два теста одного и того же тренда
Все 28 разборов с записью «Adaptive moving average»
Тоже про «Adaptive moving average»5 разборов