自适应均线初步学习

自适应均线初步学习

• 均线

  常见的计算均线的指标是ma(simple moving average) 和ema(exponential moving average),公式如下： SMA = SUM(CLOSE, N)/N EMA = (CLOSE(i)P)+(EMA(i-1)(1-P)) or (M*CLOSE(i)+(N-M)*EMA(i-1))/N MA有滞后的特点， 因此在ema中对最近的价格给予较大的权重提高对趋势的跟踪效果。具体的ma指标有各种版本，ma ,ema,sm，wma等，不过原理都类似。 传统均线不考虑随时变化着的市场条件， 采用固定的计算过程， 在市场反复震荡时短期均线频繁地转向，而在市场快速上升或者下跌时长期均线反应迟钝。而趋势跟踪的策略需要指标能够适应不同的市场特性，根据市场的方向和速度“聪明”地应对，在单边市场中应用快速的均线，震荡行情中应用较慢的均线。 针对上述情况，Perry Kaufman 在 《Smarter Trading》中，提出了自适应均线(Adaptive Moving Average,AMA)的概念，试图在复杂的市场环境下， 使指标能够自动调整， 尽量过滤掉噪音和不可预知的价格变动， 更好地跟踪市场趋势的变动。

• 下面介绍一下自适应均线的计算过程：

  • 一、价格有效性比率 1、 问题提出 从下图看出， 从a到c，市场模式从理想化地平滑到充满噪音， 趋势的速度必须降下来，避免遭受双重损失。当价格在单方向上变化越快， 噪音越不明显，因此趋势速度的选择需要同时考虑方向和噪声：价格变动越清晰，越快，就需要使用越快的趋势均线，所以需要一种机制来敏感地捕捉市场模式的速度和连续性， 并且把该信息反馈到移动均线，调整移动均线的平滑速度

    

    2、 有效性比率公式(Efficiency Ratio ER) 有效性比率用全部的价格移动距离（价格轨迹）除价格的净变动，也可认为是价格位移对波动的比率。公式如下： 假定在过去n 个收盘价格分别为p1,p2, …pn ， 那么这个价格序列的效率

    

    从公式可以看到， er值的范围是0(市场不明确，充满噪声)~~~1（高度趋势）

  • 二、 定义趋势速度范围 按照指数平滑的思路对er简单扩展一下， 提高其稳定性 Scaled smoothing constand : sc = ER*(fast sc – slow sc) + slow sc 其中 sc = 2/(N+1) Eg 假如从快到慢的范围是2到30天， 则平滑常量为2/3, 2/31, 则 Sc = er * （2/3- 2/31） + 2/31 最后，即使在横向盘整的市场里， 长期（30）均线仍然缓慢地上下波动， 当市场趋向不明显时，自适应均线最好能够水平移动，为了实现这个目的， 再对sc平方一下。 Constant : C= sc * sc

  • 三、 AMA 最终计算的AMA如下： AMA[i] = AMA[i-1] + c * (p[i] – AMA[i-1] ) 从公式看到， ama和ema计算思路是一样的， 只是在权重的确定不一样。

    AMA趋势均线有如下特点： 1） 使用一定数目的天数，指定趋势范围的快慢 2） 市场没有方向时， ama趋势线停止波动 3） 当价格有明显变动时，ama能够快速跟踪， 较小的延迟 4） 改变一个参数，应用到不同市场 5） Ama基于预测分析，而不是简单验证

    以上内容主要是描述或者翻译作者的原文，觉得这种对传统指标巧妙扩展的思路很值得借鉴，后续需要对自适应均线AMA的策略进行测试，看看在A股市场上实战的效果如何。

• 参考

  《smarter trading》 联合证券《自适应均线的择时应用》

• luckystarsjz 回复 首先，我要说一件事，程序化交易不是强化自己的判断，也不是数据挖掘，更不是数据处理。择时只是一个减少错误损失我放大正确盈利的选择题，你中间这么多数据平滑，挖掘，用于未来毫无适应性，根本不了解市场的逻辑。

转载自 心一他爹的博客