数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会研究
服装研究
法律研究考夫曼自适应移动平均线 (KAMA) – 公式及工作原理
它由美国数量金融理论家 Perry J. Kaufman 于 1988 年创建，被称为考夫曼自适应移动平均线 (KAMA)。尽管该方法早在 1972 年就已开发出来，但直到题为“交易系统和方法”的畅销书出版后，它才被广泛推广。与其他传统的移动平均线系统不同，考夫曼自适应移动平均线考虑了市场波动性，而不是仅仅考虑价格波动。
KAMAi=KAMAi-1+SC☓(价格-KAMAi-1)
考夫曼自适应移动平均线的优势有哪些？
市场波动性和考夫曼自适应移动平均线 (KAMA) 之间存在相关性。当市场波动性较小时，KAMA 紧随当前市场价格，但随着波动性增加，它会滞后。KAMA 的目标是滤除小的、不重要的价格波动，也称为“市场噪音”。
如何计算考夫曼自适应移动平均线？
考夫曼自适应移动平均线的计算分三个步骤：
效率比率 (ER)
平滑常数
KAMA
为了计算考夫曼自适应移动平均线，采用以下标准参数：
10 – 计算效率比率的周期数。
2 – 计算最快指数移动平均线的周期数。
30 – 指数移动平均线衰减最慢的周期数。
要确定 KAMA 的值，必须先计算效率比率和平滑常数的值。然后就可以计算 KAMA 的值。
第一步是计算效率比率 (ER)
使用效率比率，可以确定价格调整的有效性。它在一个介于 1 和 0 之间的尺度上变化。如果价格在 10 个周期内保持不变，则 ER 等于零 (0)。相反，如果价格连续 10 个周期上涨或下跌，则 ER 降为 1。
ER = 变化/波动性
变化 = 绝对值 [收盘价 − 收盘价（过去 10 个周期）]
波动性总和 = 10 个周期 (收盘价 − 前一收盘价)
通过将当前价格与其起始值之间的绝对差除以一段时间内每对收盘价之间绝对差的总和来确定，它是跟踪市场波动性的一个有用指标。以下是确定回报率的公式：
ER 是变化/波动性的缩写。
变化等于任何事物的绝对值。[收盘价 − 收盘价（过去十个交易日）]
波动性总和等于十个周期 (收盘价 − 前一收盘价)。
平滑常数是第二步 (SC)
平滑常数是针对两点之间的时间间隔中的每一项计算的。它利用效率比率获得的值以及两个平滑常数，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 是两个最快 SC 的乘积。
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，建议的 30 周期指数移动平均线 (EMA) 的平滑常数为 (2/30+1)。此外，最慢 30 周期 EMA 的 SC 是最慢平滑常数，而最快的平滑常数是 2 周期 EMA 的 SC 是最快的。
KAMA 是第三步。
考夫曼自适应移动平均线指标的最后一步也是第三步是收集上述两个步骤中平滑常数 (SC) 和效率函数的值。现在可以使用以下公式进行计算。
KAMAi=KAMAi-1+SC☓(价格-KAMAi-1)
价格计算如下：价格-KAMAi−1 = KAMAi-1 + SC ☓ (价格-KAMAi−1)
其中：
KAMAi 是当前周期的值，表示为百分比。
KAMAi-1 是计算周期之前的周期的值。
术语“价格”表示所考虑时间的源价格。
什么是自适应移动平均线以及如何实现它？
考夫曼自适应移动平均线指标为交易者提供了清晰的市场行为图像，他们可以根据该图像做出交易决策。指标的最终值是根据历史数据计算的。基于未来趋势将继续与过去趋势相同方向发展的假设，交易者决定将资金投入何处。
在图表上，交易者可以使用考夫曼自适应移动平均线指标来研究市场的行为并预测未来的价格走势。可以使用 KAMA 指标识别现有趋势、潜在即将到来的趋势转变的指标以及市场反转点，然后将其用于进场或出场交易。
857 次浏览
