Moving Media Ritardo

Sfatare l'indicatore Moving Average Convergence Divergence (MACD) Quando qualcosa ha un nome che ha più sillabe che posso contare, di solito mi chiavi in ​​all'idea che potrebbe essere un po 'di peluria. Le medie mobili sono grandi se sono utilizzati in modo corretto commercio tecnico. Questo è vero per un motivo che introducono ritardi. La quantità di ritardo medie mobili introducono è una funzione della loro lunghezza. Una media mobile a 20 periodo, per esempio, introdurrà 10 periodi di ritardo dai dati sui quali si basa. Se si desidera tenere traccia dei dati da vicino, si è compensata da 10 periodi (12 la lunghezza media). Poi, quando si guarda il grafico, esso seguirà molto da vicino i dati. Il compromesso per ottenere questa capacità di monitoraggio vicino è che i dati saranno poi corrente di soli 10 bar fa. Vediamo un grafico in modo che possiamo vedere che questo mezzo (complimenti di TradeStation): Il grafico sopra mostra un grafico a 10 minuti, con una media mobile a 30 periodo su di esso (linea azzurra). Come si può vedere, il punto di svolta sulla media mobile che si trova sul bordo dell'ellisse sulla sinistra arriva a 15 bar dopo l'alto prezzo effettivo. Su l'ellisse a destra, il basso sulla media mobile arriva anche a 15 bar dopo il basso reale nel prezzo. In media, una media mobile di 30 periodo, introdurrà 15 periodi di ritardo. Se abbiamo compensato la media mobile da questo importo, sarà perfettamente coincidere (in media con i giri del mercato). Ora, con il periodo di 15 offset (12 il periodo di 30 in movimento lunghezza media), la media mobile traccia le curve con estrema precisione. Questo ritardo onda metà medie mobili introducono è la questione più importante è necessario capire quando si utilizzano le medie mobili nel tuo trading. Sarà la media semionda movimento rintracciare sempre i dati come perfettamente come sopra No, non lo farà. Ciò è dovuto al fatto che la lunghezza del movimento lunghezza media non corrisponde alla lunghezza del ciclo che è presente nei dati originali. Questo significa base diversa in movimento lunghezza media terrà traccia dei dati sottostanti in modo più accurato in tempi diversi. In genere, la lunghezza media mobile che terrà traccia dei dati più accurato è in continua evoluzione. Tenetelo a mente mentre procediamo nella nostra discussione di Moving Average Convergence Divergence. La base Moving Average Convergence Divergence nella maggior parte dei pacchetti grafici si compone di due medie mobili che sono un periodo di 12 e 26 periodi di lunghezza (fisso). Poi il calcolo è di prendere la differenza tra queste due medie per generare ciò che è chiamato una linea di segnale. La linea di segnale viene quindi ritardata di nuovo da un altro (esponenziale) media di 9 periodi. In parole povere, una linea di segnale è la differenza ritardo tra due medie mobili (ritardi). In sostanza quindi, quando la media mobile più veloce (12 periodo) è superiore alla media è più in movimento, la differenza sarà positiva e indicherà il mercato sta andando in su. Quando la media mobile più veloce è inferiore al più lungo, allora la differenza diventerà negativo, indicando il mercato è in diminuzione. Per me, è impossibile essere un utente MACD perché semplicemente guardando un grafico mi avrebbe detto se il mercato è in aumento o in diminuzione. Guardando il grafico me questo dice anche senza alcun ritardo. Ciò è particolarmente importante quando si aggiunge la complessità di avere un calcolo fatto di due (ritardo introduzione) medie che non sono in sintonia con la lunghezza del ciclo del mercato a tutto in movimento. Queste complessità possono comportare la MACD fare alcune cose molto strane, in particolare nei mercati bruscamente in movimento in cui la lunghezza del ciclo sta cambiando o di diventare più lunga della base 12 e 26 medie di periodo. Diamo un'occhiata a un esempio: Nel grafico sopra, possiamo vedere il MACD sul fondo. Ha entrambe le 12 e 26 medie di periodo del grafico e la linea di segnale, che è mostrato come un istogramma. Come si può vedere, a partire da poco prima di mezzogiorno, il MACD ha iniziato trend verso il basso (quando il periodo di 12 linea gialla più breve attraversata al di sotto della linea 26 periodo più lungo). La linea di segnale diventa negativa in questo momento, mentre il mercato continua a salire. A causa dei cambiamenti di lunghezza d'onda e ritardi introdotti dai componenti media mobile, il MACD ha effettivamente invertito da quello che il mercato è stato effettivamente facendo. Sarebbe prendere circa 26 bar, o periodi (più o meno) per correggere questo. La domanda è questa, c'è il fattore di inversione noi digitando ad una imprecisione che va nella MACD è un indicatore migliore di tendenza che non ha avuto questi problemi consente di guardare una griglia di ottimizzazione del sistema semplice di trading sulla base di negoziazione del MACD e vedere come stabile, è da sola. Per semplicità, io solo ottimizzare le lunghezze 12 e 26 d'epoca e non il ritardo MACD che viene introdotto dalla media mobile esponenziale 9 periodo. Io consentire al sistema di fermare e invertire semplicemente, essere sempre sul mercato. In un periodo di prova di due anni, utilizzando la strategia MACD per la generazione di segnali di acquisto e vendita sui contratti SampP Emini su un grafico a 10 minuti, i risultati sono chiari. Non un singolo set di parametri è stata redditizia (un test molto più grande di quanto è stato condotto è mostrato). Ahi Che cosa questo ci dice è che facendo l'esatto opposto del MACD è un punto di partenza per lo sviluppo del sistema di quello che la saggezza convenzionale vorrebbe farci credere. Naturalmente questo può variare in base al periodo di tempo (vale a dire 5 minuti, 10 minuti dati giornalieri, ecc). Per divertimento, consente di capovolgere i segnali di acquisto in segnali di vendita ed eseguire di nuovo il nostro test. Ecco i risultati: Wow Questo è piuttosto sorprendente Ordinamento all'inizio set, vediamo un paio di cose interessanti. Uno è il profitto è notevole. Due, molti dei migliori insiemi ottimizzare per un periodo di 2 sulla media mobile di breve termine. Questo ci dice il periodo più breve porzione media del MACD (così come altri ritardi nel Line Signal) potrebbe probabilmente essere eliminato, screditando ulteriormente il disegno operato del MACD. Questo è molto oltre le mie aspettative personali su cosa avremmo trovato in questi test Prima di arrivare troppo eccitato, questo è negoziabile No, purtroppo non è. Il commercio media è di solo circa il 15, meno delle spese di negoziazione. In definitiva che cosa questo ci dice è che siamo alla fine o verso la soglia di casualità con il nostro studio MACD. E 'questo per dire MACD non ha un valore che dipende da voi. Quanto a me, la prossima volta voglio sapere se il mercato sta andando verso l'alto o verso il basso, guarderò un grafico. È molto più facile da capire che cosa sta succedendo senza introdurre strati di ritardi e incapacità di tenere traccia in bicicletta in modo corretto. Formazione quelli occhio per vedere le cose direttamente dal grafico è il modo migliore per me. Potrebbe il MACD essere utilizzato in altri modi Certo si potrebbe, ma forse una media mobile da solo potrebbe fare molto la stessa cosa, senza tutti i problemi introdotti da questa fantasia e l'indicatore verbosely nome. Usi MACD Sei stato successo a questo Hai cambiato idea sul MACD dopo aver letto questo articolo Quali indicatori si usa Vuoi che per sfatare eventuali altri indicatori i8217d sentire da te, lascia un commento qui sotto. 6 Commenti Io uso il MACD come il mio indicatore commerciale principale per scalping, ma lo uso in un modo diverso da quello che hai descritto. Quello che hai descritto il lavoro won8217t. Mi ha portato molto tempo per capire il sistema in modo I8217m non dare via, ma funziona abbastanza bene e devo dire. Cosa succede ad usare linee di tendenza e Macd togeather - Prendere il commercio quando c'è una linea di tendenza break-insieme ad un Macd divergenza o Macd Croce 1. Dalla selezione 8220about8221, l'idea afferma il mio tipo è sicuramente un po '. i pagamenti minimi alcuni (8E200) nel caso in cui, al fine di. applausi, prima ho ottenuto perdendo circa il coaching di 2, dopo che è estremamente facile, piuttosto, una volta si naviga in 3 direzioni, molto grazie Commissione presenta successivamente a soli 2 del profitto rispetto ai 4 di entrate, mentre il commercio di e-mini Dow. ciao, mi piace la tua scrittura così una percentuale molto ci teniamo in contatto più circa il tuo articolo su AOL Ho bisogno di uno specialista di questo settore per svelare il mio problema. Può essere che è si Dando uno sguardo in avanti per guardare te. Lascia un commentDocumentation Questo esempio mostra come utilizzare in movimento filtri medi e ricampionamento per isolare l'effetto di componenti periodiche del momento della giornata su letture di temperatura orarie, così come rimuovere il rumore indesiderato linea da una misura di tensione ad anello aperto. L'esempio mostra inoltre come lisciare i livelli di un segnale di clock preservando i bordi utilizzando un filtro mediano. L'esempio mostra anche come utilizzare un filtro Hampel per rimuovere grandi valori anomali. La motivazione Smoothing è il modo in cui scopriamo importanti modelli attualmente in vendita, lasciando fuori le cose che sono poco importante (rumore cioè). Usiamo il filtro per eseguire questa levigante. L'obiettivo di smoothing è quello di produrre lenti cambiamenti di valore in modo che la sua più facile vedere le tendenze attualmente in vendita. A volte, quando si esaminano i dati di input si potrebbe desiderare di smussare i dati al fine di vedere una tendenza nel segnale. Nel nostro esempio abbiamo una serie di letture di temperatura in gradi Celsius prese ogni ora all'aeroporto Logan per tutto il mese di gennaio 2011. Si noti che possiamo vedere visivamente l'effetto che l'ora del giorno ha sulle letture di temperatura. Se si è interessati solo alla variazione di temperatura giornaliera nel corso del mese, le fluttuazioni orarie contribuiscono solo rumore, che può rendere le variazioni giornaliere difficile da discernere. Per rimuovere l'effetto del momento della giornata, vogliamo ora per lisciare i nostri dati utilizzando un filtro media mobile. Un Moving Filter Media Nella sua forma più semplice, un filtro a media mobile di lunghezza N prende la media di ogni N campioni consecutivi di forma d'onda. Per applicare un filtro media mobile a ciascun punto di dati, costruiamo i nostri coefficienti del nostro filtro in modo che ogni punto è equamente ponderato e contribuisce 124 alla media totale. Questo ci dà la temperatura media su un periodo di 24 ore. Filter Delay noti che l'uscita filtrato viene ritardata di circa dodici ore. Ciò è dovuto al fatto che il nostro filtro a media mobile ha un ritardo. Qualsiasi filtro simmetrica di lunghezza N avrà un ritardo di (N-1) 2 campioni. Siamo in grado di tenere conto di questo ritardo manualmente. Estrazione differenze medie In alternativa, si può anche utilizzare il filtro media mobile per ottenere una stima migliore di come l'ora del giorno influenza la temperatura generale. Per fare questo, prima, sottrarre i dati levigate dalle misure di temperatura orarie. Poi, segmentare i dati differenziata in giorni e prendono la media su tutti i 31 giorni del mese. Estrazione Peak Busta A volte ci vorrebbe anche avere una stima senza intoppi o meno di come gli alti e bassi del nostro segnale di temperatura cambiano ogni giorno. Per fare questo possiamo usare la funzione di inviluppo per collegare alti e bassi estremi rilevati nel corso di un sottoinsieme del periodo di 24 ore. In questo esempio, ci assicuriamo che ci sono almeno 16 ore tra ogni estremamente bassa alta ed estrema. Possiamo anche ottenere un senso di come gli alti e bassi sono trend prendendo la media tra i due estremi. Weighted Moving Filtri media Altri tipi di movimento filtri medi non appesantire ogni campione ugualmente. Un altro filtro comune segue l'espansione binomiale (12,12) n Questo tipo di filtro approssima una curva normale per grandi valori di n. È utile per filtrare il rumore ad alta frequenza per n piccolo. Per trovare i coefficienti per il filtro binomiale, Convolve 12 12 con se stesso e quindi in modo iterativo convolve l'uscita con 12 12 un determinato numero di volte. In questo esempio, utilizzare cinque iterazioni totale. Un altro filtro in qualche modo simile al filtro gaussiano espansione è il filtro a media mobile esponenziale. Questo tipo di filtro a media mobile ponderata è facile da costruire e non richiede una grande dimensione della finestra. Di regolare un filtro media mobile esponenziale ponderata da un parametro alfa tra zero e uno. Un valore più elevato di alfa avrà meno lisciatura. Ingrandire la letture per un giorno. Seleziona il tuo CountryMoving filtro media (filtro MA) Caricamento in corso. Il filtro media mobile è un semplice filtro passa-basso FIR (Finite Impulse Response) comunemente usato per lisciare una serie di campionati datasignal. Prende M campioni di ingresso alla volta e prendere la media di questi M-campioni e produce un singolo punto di uscita. Si tratta di una struttura molto semplice LPF (Filtro passa basso), che viene portata di mano per gli scienziati e gli ingegneri di filtrare componente rumoroso indesiderati dai dati previsti. Come la lunghezza del filtro aumenta (il parametro M) la scorrevolezza degli aumenti di uscita, mentre le transizioni taglienti nei dati sono fatte sempre più smussato. Questo implica che il filtro ha un'eccellente risposta nel dominio del tempo, ma una risposta in frequenza scarsa. Il filtro MA svolgere tre funzioni importanti: 1) Ci vogliono punti di ingresso M, calcola la media di questi M-points e produce un unico punto di uscita 2) A causa delle computationcalculations coinvolti. il filtro introduce una quantità definita di ritardo 3) Il filtro agisce come un filtro passa basso (con scarsa risposta nel dominio di frequenza e una buona risposta nel dominio del tempo). Codice Matlab: A seguito di codice MATLAB simula la risposta nel dominio del tempo di un M-punto mobile filtro media e traccia anche la risposta in frequenza per varie lunghezze di filtro. Time Domain Risposta: Al primo trama, abbiamo l'ingresso che sta succedendo nel filtro media mobile. L'ingresso è rumoroso e l'obiettivo è di ridurre il rumore. La figura seguente è la risposta di uscita di un punto 3 Moving Average filtro. Si può dedurre dalla figura che il 3 punti Moving filtro media non ha fatto molto a filtrare il rumore. Aumentiamo i rubinetti filtro a 51 punti e possiamo vedere che il rumore in uscita è ridotta molto, che è rappresentato nella figura seguente. Aumentiamo i rubinetti ulteriormente a 101 e 501 e si può osservare che, anche-se il rumore è quasi zero, le transizioni siano smussati su drasticamente (osservare il pendio sulla lati del segnale e confrontarle con la transizione muro ideale il nostro ingresso). Risposta in frequenza: Dalla risposta in frequenza si può affermare che il roll-off è molto lento e l'attenuazione banda di arresto non è buona. Tenuto conto di questa banda di attenuazione di arresto, in modo chiaro, il filtro media mobile non può separare una banda di frequenze da un'altra. Come sappiamo che una buona prestazione nei risultati dominio del tempo in scarso rendimento nel dominio della frequenza, e viceversa. In breve, la media mobile è un eccezionale buon filtro smoothing (l'azione nel dominio del tempo), ma un filtro passa-basso eccezionalmente avverse (l'azione nel dominio della frequenza) Link esterni: Libri consigliati: primaria SidebarMoving media Questo esempio insegna come calcolare la media mobile di una serie storica in Excel. Una media mobile viene utilizzata per appianare le irregolarità (picchi e valli) di riconoscere facilmente le tendenze. 1. In primo luogo, consente di dare un'occhiata alla nostra serie temporali. 2. Nella scheda dati fare clic su Analisi dati. Nota: non riesci a trovare il pulsante Data Analysis Clicca qui per caricare il componente aggiuntivo Strumenti di analisi. 3. Selezionare media mobile e fare clic su OK. 4. Fare clic nella casella intervallo di input e selezionare l'intervallo B2: M2. 5. Fare clic nella casella Intervallo e digitare 6. 6. Fare clic nella casella Intervallo di output e selezionare cella B3. 8. Tracciare la curva di questi valori. Spiegazione: perché abbiamo impostato l'intervallo di 6, la media mobile è la media degli ultimi 5 punti di dati e il punto di dati corrente. Come risultato, i picchi e le valli si distendono. Il grafico mostra una tendenza all'aumento. Excel non può calcolare la media mobile per i primi 5 punti di dati, perché non ci sono abbastanza punti dati precedenti. 9. Ripetere i passaggi 2-8 per l'intervallo 2 e l'intervallo 4. Conclusione: Il più grande l'intervallo, più i picchi e le valli si distendono. Minore è l'intervallo, più le medie mobili sono i punti dati effettivi.