Hull Glidande Medelvärde Vs Jurik

Flytta medelvärden Stuff. Motivated via e-post från Robert B. I få det här e-postmeddelandet om Hull Moving Average HMA och. Och du har aldrig hört talas om det innan du har rätt. Faktum är att när jag googled upptäckte jag massor av glidande medelvärden som jag aldrig hört talas om, till exempel. Zero Lag Exponential Moving Average. Wilder Flyttande Average. Least Square Moving Average. Triangular Moving Average. Adaptive Moving Average. Jurik Moving Average. Så Så jag trodde vi skulle prata om glidande medelvärden och. Haven har du gjort det förut som här och här och här och här och Ja, ja, men det var innan jag visste om alla dessa andra glidande medelvärden Faktum är att de enda jag spelade med var dessa där P 1 P 2 P N är de sista n aktiekurserna P n är den senaste. Simple Moving Average SMA P 1 P 2 P n K var K n. Viktat Flytande Medelvärde WMA P 1 2 P 2 3 P 3 n P n K där K 1 2 nnn 1 2.Exponentiell rörlig medelvärde EMA P n P n-1 2 P n-2 3 P n-3 K där K 1 2 1 1. Vem har jag aldrig sett den EMA-formeln innan jag alltid tänkte på det var Ja det är normalt Skrivet annorlunda, men jag ville visa att dessa tre har liknande recept. Se EMA-grejer här och här. De ser faktiskt ut. Notera att om all Ps är lika med, Po, då är det rörliga genomsnittsvärdet lika med Po som Ja, det är det sätt som ett självrespektivt medel skulle uppträda. Så vilket är bäst Definiera bäst. Här är några glidande medelvärden, som försöker spåra en serie av aktiekurser som varierar i sinusform. Aktiekurser som följer en sinuskurva Var hittade du ett lager på så sätt Var uppmärksam på att de vanliga rörliga genomsnittsvärdena SMA, WMA och EMA når maximalt senare än sinuskurvan. Men hur är det med den HMA killen Han ser ganska bra Ja, och det är vad vi vill prata om Indeed. Och vad är det 6 i HMA 6 och jag ser något som heter MMA 36 och Patience. Hull Moving Average. We börjar med att beräkna 16-dagars viktad rörlig genomsnittlig WMA som så 1 WMA 16 P 1 2 P 2 3 P 3 16 P n K med K 1 2 16 136 Även om det är trevligt och smoooth, det kommer att ha en förlust större än vad vi så. Så vi tittar på 8-dagars WMA. Jag gillar det Ja, det följer prissättningarna ganska bra men det är mer Medan WMA 8 tittar på de senaste priserna har det fortfarande en fördröjning, så vi ser hur mycket WMA har förändrats när det går 8 dagars till 16 dagars Den skillnaden skulle se ut så här. På så vis ger den skillnaden en viss indikation på hur WMA förändras, så vi lägger till den här ändringen i vår tidigare WMA 8 för att ge 2 MMA 16 WMA 8 WMA 8 - WMA 16 2 WMA 8 - WMA 16. MMA Varför kalla det MMA jag stutter. Hur som helst, MMA 16 skulle se ut så här. Jag tar det Patience där s mer Nu introducerar vi den magiska omvandlingen och får ta-DUM. Det är Hull Ja som jag förstår det. Men vad är den magiska ritualen Efter att ha skapat en serie MMA s som involverar 8-dagars och 16-dagars viktiga glidmedel, stirrar vi intensivt på denna sekvens av tal. Sedan beräknar vi WMA de senaste 4 dagarna som ger Hull Moving Average Att vi heter HMA 4. Huh 16 dagar sedan 8 dagar sedan 4 dagar Kasta du ett mynt för att se hur många du väljer ett antal dagar, som n 16 Då tittar du på WMA n och WMA n 2 och beräknar MMA 2 WMA N 2 - WMA n I vårt exempel är det 2 WMA 8 - WMA 16 Då beräknar du WMA sqrt n med bara de sista sqrt n-numren från MMA-serierna I vårt exempel beräknar vi att en WMA 4 använder MMA serier. Och för det roliga SINE-diagrammet hur mår det? Så var s kalkylbladet jag fortfarande arbetar med Det är intressant att se hur de olika glidande medelvärdena reagerar på spikar. Är HMA verkligen ett viktat glidande medelvärde. Låt oss se. Vi har MMA 2 WMA 8 - WMA 16 2 P 1 2 P 2 3 P 3 8 P n 36 - P 1 2 P 2 3 P 3 16 P n 136 eller MMA 2 1 36 - 1 136 P 1 2 P 2 8 P 8 - 1 136 9 P 9 10 P 10 16 P 16.For sanitära skäl skriver vi det här som MMA w 1 P 1 w 2 P 2 w 16 P 16 Observera att alla vikter lägger till 1 Vidare, wk 2 1 36 - 1 136 K för K 1, 2 8 och wk - 1 136 K för K 9, 10 16. Gör sedan den magiska kvadratrotsritualen där sqrt 16 4 Vi hämtar att P 16 är det senaste värdet HMA 4-dagars WMA för ovanstående MMAs w 1 P 1 w 2 P 2 w 16 P 16 2 w 1 P 0 w 2 P 1 w 16 P 15 3 w 1 P -1 w 2 P 0 w 16 P 14 4 w 1 P -2 w 2 P -1 w 16 P 13 10 noterar det 1 2 3 4 10. Huh P 0 P -1 Vad MMA 16 använder de senaste 16 dagarna, Tillbaka till det pris som vi kallar P 1 Om vi ​​beräknar det 4-dagars viktiga genomsnittet av de där MMA, kommer vi att använda igår s MMA och det går tillbaka 1 dag före P 1 och dagen före det går MMA tillbaka till 2 dagar före P 1 och dagen före det. Okej, så du ringer dem priserna P 0 P -1 Du har det. Så en 16-dagars HMA använder faktiskt information som går tillbaka mer än 16 dagar, rätt du har det. Men det finns negativa vikter för dem gamla priser Är det lagligt Beviset finns i. Ja, beviset är i pudding Så vad gör kalkylbladet Så långt ser det ut så här Klicka på bilden för att ladda ner Du kan välja en SINE-serie eller en RANDOM-serie av aktiekurser För den senare, varje gång du klickar på en knapp Du får en annan uppsättning priser Därefter kan du välja antal dagar som är vår n Exempelvis använde vi n 16 för vårt exempel, ovanför Om du väljer SINE-serien kan du presentera spikar och flytta dem längs diagrammet som Detta. Notera att vi har använt n 16 och n 36 i bilden av kalkylbladet orsak n 2 och sqrt n är båda heltal Om du använder något som n 15 använder kalkylbladet INT eger-delen av n 2 och sqrt n, nämligen 7 och 3. Så är Hull Moving Average det bästa Definiera bäst. Vad med det Jurik Average jag vet ingenting om Det är proprietär och du måste betala för att använda den, men låt spela med glidande medelvärden. Ett annat rörligt medelvärde. Antag det, istället för det vägda rörliga genomsnittsvärdet där vikterna är proportionella med 1, 2 , 3 vi använder den magiska Hull ritualen med exponentiella rörliga medelvärdet. Det är vi anser. MAg 2 EMA n 2 - EMA n. MAg Ja, det är M oving En förening g immick eller M oving En förening g eneraliserad eller M oving En verage g rand eller. Eller M oving A verage g ummy Observera Vi väljer vårt favorit antal dagar, som n 16, och beräknar MAg n, k EMA nk - 1- EMA n Vi kan leka med och k och se vad vi får Till exempel här Är några MAgs där vi klarar 16 dagar men ändrar värdena på och k. MAg 16 2 EMA 4 - EMA 16.MAg 16 1 5 EMA 5 - 0 5 EMA 16. Notera att när vi väljer k 3 får vi nk 16 3 5 333 som vi ändrar till enkelt och enkelt 5 0. Varför håller du dig med Hull s val 2 och k 2 Bra idé Vi får det här. MAg 16 2 EMA 8 - EMA 16. Ser ut som diagrammet med 1 5 och k 3 Det gör det gjorde du det igen. Möjligen Så vad med den kvadratrotsritualen lämnar jag det som en övning för dig. Okej, medan du spelar med den MAg-tingen tycker jag att Hull sk 2 fungerar ganska bra Så vi kommer att hålla fast vid det Men vi får ofta ett ganska bra medelvärde när vi lägger till en liten bit av ändringen EMA n 2 - EMA n Faktum är att vi faktiskt lägger till en bråkdel av den förändringen som ger MAg n, EMA N 2 EMA n 2 - EMA n Det vill säga, vi väljer 0 5 eller kanske bara 0 25 eller vad som helst och använd. Till exempel, om vi jämför vår gaggle med glidande medelvärden när de spårar en STEP-funktion får vi det här, där vi lägger till för MAg endast 1 2 av ändringen Ja, men vad är det Bästa värdet av beta Definiera bäst Observera att beta 1 är valet Hull, förutom att vi använder EMAs istället för WMAs. Och du släpper ut den fyrkantiga grejen. Uh, ja jag glömde det. Notera Kalkylbladet ändras från timme till timme. Det ser för närvarande ut som Detta. Något att spela med. Jag fick mig ett kalkylblad som ser ut som det här klickar på bilden för att ladda ner. Du väljer ett lager och klickar på en knapp och får ett års värde av dagliga priser. Du väljer antingen HMA eller MAg, ändrar Antal dagar och, för MAg, parametern och se när du ska köpa RO SÄLJ. När Baserat på vilka kriterier Om det glidande medelvärdet är NER x från sitt maximala under de senaste 2 dagarna, köper du I exemplet, x 1 0 Om det är UP-y från sitt minimum under de senaste 2 dagarna, säljer du I exemplet, Y 1 5 Du kan ändra värdena för x och y. Är det något bra dessa kriterier sa jag att det var något att leka med. Det här är den här andra utjämningstekniken som kallas Hodrick-Prescott-filteret. Med hjälp av Ron McEwan ingår den nu i detta kalkylblad. Är det något bra Spela med det Du märker att det är en parameter du kan ändra i cell M3 och KÖP och SÄLJ signaler. FAQs på JMA Vad är teorin bakom JMA Varför har JMA en PHASE-parameter Beräknar JMA en tidsserie Will Tidigare JMA-värden redan planerade, ändra när nya data kommer fram Kan jag förbättra andra indikatorer med JMA Har JMA någon speciell garanti Hur jämför JMA med andra filter. ALLMÄNNA ÄMNEN PÅ JURIK VERKTYG Kan verktygena plotta många kurvor på vart och ett av många kartor Kan Verktygen behandlar alla typer av data Kan verktygen fungera i realtid Är algoritmerna avslöjda eller svartlåda Do Jurik-verktyg måste titta på framtiden för en tidsserie Gör verktygen producera liknande värden på alla plattformar TradeStation, Multicharts Do Jurik S verktyg kommer med en garanti Hur många installationslösenord får jag. Vad är teorin bakom JMA. PART 1 PRICE GAPS. Smoothing tidsseriedata, till exempel dagliga aktiekurser, för att ta bort oönskade buller kommer oundvikligen att producera en gräs Ph-indikatorn som rör sig långsammare än den ursprungliga tidsserien Denna långsamhet kommer att orsaka att tomten ligger något bakom originalserien. Till exempel kommer ett 31 dagars enkelt glidande medel att sänka pristidsserien med 15 dagar. Lag är väldigt oönskat eftersom ett handelssystem Att använda den informationen kommer att ha sin handel försenad. Sena affärer kan många gånger vara sämre än inga affärer alls, eftersom du kanske köper eller säljer på fel sida av marknadscykeln. Därför försökte många försök att minimera fördröjningen, var och en med egen Failings. Conquering laggning utan att förenkla antaganden, t. ex. att data består av överlagda cykler, dagliga prisförändringar som har en Gauss-fördelning, alla priser är lika viktiga, etc är inte en triviell uppgift. Till slut måste JMA grunda sig på samma teknik som Militära användningsområden för att spåra rörliga föremål i luften med ingenting mer än deras bullrig radar JMA ser pris tidsserien som en högljudd bild av ett rörligt mål det underliggande glatta priset och försöker Att beräkna platsen för det verkliga målet jämn pris Den proprietära matematiken är modifierad för att ta hänsyn till de speciella egenskaperna hos en finansiell tidsserie. Resultatet är en silkeslen kurva som inte ger några antaganden om data som har några cykliska komponenter. Därför kan JMA Slå på en dime om marknadens rörliga mål bestämmer sig för att vända riktning eller gap uppåt med något belopp. Ingen prisgap är för stor. PART 2 ALLT ELLER. Efter flera år av forskning bestämde vi Jurik Research att det perfekta brusreduceringsfiltret för finansiellt Data har följande krav. Minsta fördröjning mellan signal och pris, annars kommer handelsutlösare komma sent. Minimum överskridning, annars ger signal felaktiga prisnivåer. Minsta underskott, annars går tiden förlorad och väntar på konvergens efter prisspel. Maximal jämnhet, förutom just nu När prisspridningar till en ny nivå. När uppmätt till dessa fyra krav, utförs alla populära filter utom JMA dåligt här En sammanfattning av de mer populära filtren. Vågat rörande medelvärde - inte lyhörd för luckor. Exponentialt rörande medelvärde - alltför stort underskott bullrigt. Adaptive Moving Averages - inte vårt som vanligen baseras på överskattade antaganden om marknadsaktivitet lätt lurad. Regression Line - inte Responterande för luckor överdriven överskott. FFT-filter - lätt förvrängda av icke-gaussiskt brus i datafönstret är vanligtvis för liten för att exakt bestämma sanna cykler. FIR-filter - har lag som är känt som gruppfördröjning. Det går inte att skära om du inte vill skära några Hörn Se Band-Pass-filter. Band-Pass-filter - ingen lag endast vid frekvensbandets frekvens tenderar att oscillera och överträffa de verkliga priserna. Maximal Entropy-filter - lätt förvrängd av icke-Gaussiskt brus i datafönster är vanligtvis för liten till exakt Bestämma sanna cykler. Polynomiala filter - inte reagera på luckor överdrivet överskridande. I motsats integrerar JMA informationsteori och adaptiv icke-linjär filtrering på ett unikt sätt Genom att kombinera en Bedömning av informationsinnehållet i en tidsserie med kraften i adaptiv olinjär omvandling, trycker resultatet på det teoretiska kuvertet på finansiell tidsseriefiltrering nästan så långt det går. Någon mer och vi är upp mot Heisenburg s osäkerhetsprincip något ingen Har övervunnit eller någonsin vill. Såvitt vi vet är JMA det bästa Vi bjudar någon att visa oss annars. För mer jämförande analys av bristerna hos populära filter, ladda ner vår rapport Evolution of Moving Averages från vår Special Reports-avdelning. Se vår jämförelse med andra populära filter. Varför har JMA en PHASE-parameter. Det finns två sätt att minska bruset i en tidsserie med JMA. Genom att öka LENGTH-parametern kommer JMA att gå långsammare och därigenom minska bruset på bekostnad av tillagd lag. , Du kan ändra mängden tröghet som finns i JMA Inerti är som fysisk massa, ju mer du har desto svårare är det att vända riktning Så ett filter med mycket Av tröghet kommer att kräva mer tid att vända riktning och därigenom minska bruset på bekostnad av överskridning under omkastningar i tidsserierna. Alla starka brusfilter har fördröjning och överskridande och JMA är inget undantag. JMAs justerbara parametrar PHASE and LENGTH erbjuder Ett sätt att välja den optimala avvägningen mellan fördröjning och överskridande Detta ger dig möjlighet att finjustera olika tekniska indikatorer. Exempelvis visar diagrammet till höger en snabb JMA-linjeöverföring över en långsammare JMA-linje. För att göra den snabba JMA-linjevändningen På en dime när marknaden vänder sig, skulle den inte ha någon tröghet. I motsats var den långsamma JMA inställd att ha stor tröghet och saktar därigenom sin förmåga att vända under marknadssvängningar. Detta arrangemang medför att den snabbare linjen passerar över den långsammare linjen Så snabbt som möjligt, och därigenom producera lågslagsövergångssignaler. Tydligt ger användarkontroll av filterets tröghet betydande effekt över filter som saknar denna förmåga. Ima - series. It prognoser inte för framtiden. JMA reducerar bruset ganska mycket på samma sätt som ett exponentiellt rörligt medelvärde, men många gånger bättre. Om tidigare JMA-värden, redan planerade, ändras när nya data kommer fram. Nej För någon punkt på en JMA-diagrammet, används endast historiska och aktuella data i formeln Följaktligen, eftersom nya prisdata kommer fram på senare tidsluckor, påverkas de värden som JMA redan har plottat och ändå inte förändras. Också överväga fallet när den senaste stapeln på ett diagram Uppdateras i realtid när varje nytt kryss anländer. Eftersom slutkursen för den senaste streckkursen sannolikt kommer att ändras, utvärderas JMA automatiskt för att återspegla den nya slutkursen. De historiska värdena för JMA på alla tidigare staplar förblir oförändrade och gör Inte förändras. En kan skapa imponerande blickindikatorer på historiska data när det analyserar både tidigare och framtida värden som omger varje datapunkt som behandlas. En formel som behöver se framtida värden i en tidsserie kan inte vara app Ljög i realtidshandel Detta beror på att när man beräknar dagens värde av en indikator, finns inga framtida värden. Alla Jurikindikatorer använder endast aktuella och tidigare tidsseriedata i sina beräkningar. Detta gör att alla Jurik-indikatorer kan fungera under alla realtidsförhållanden. Kan jag förbättra andra indikatorer med JMA. Yes Vi ersätter vanligtvis de mest glidande medelberäkningarna i klassiska tekniska indikatorer med JMA. Det ger smidigare och mer aktuella resultat. Genom att helt enkelt sätta in JMA i standard DMI-tekniska indikatorn, producerade vi DMX-indikatorn, vilken Kommer fri med din order av JMA. JMA har någon speciell garanti. Om du visar oss en icke-proprietär algoritm för ett glidande medelvärde som, när det kodas för att köras i antingen TradeStation, Matlab eller Excel VBA, fungerar det bättre än vårt glidande medelvärde Kort sagt, medellånga och långa tidsramar för en slumpmässig promenad, vi återbetalar din köpta användarlicens för JMA. Vad vi menar med bättre är att det i genomsnitt måste vara jämnare med Ingen större genomsnittlig fördröjning än vår, ingen större genomsnittlig överskridning och inget större genomsnittligt underskott än vad vi menar med korta, medelstora och långa tidsramar är att jämförelserna måste innehålla tre separata JMA-längder 7 korta, 35 medellånga, 175 långa Vad menar vi Av en slumpmässig promenad är en tidsserie som produceras av en kumulativ summa av 5000 noll-medel, Cauchy-distribuerade slumptal. Denna begränsade garanti är bra för endast den första månaden då du har köpt en användarlicens för JMA från oss eller en av våra över hela världen Distributörer. Hur jämför JMA med andra filter. Kalman-filtret liknar JMA, eftersom båda är kraftfulla algoritmer som används för att bedöma beteendet hos ett bullrigt dynamiskt system när allt du behöver arbeta med är bullriga datamätningar Kalman-filtret skapar smidiga prognoser Av tidsserien, och denna metod är inte helt lämplig för finansiella tidsserier, eftersom marknaderna är benägna att producera våldsamma gyrationer och prisspel, beteenden som inte är typiska för smidigt upp Dynamiska system Följaktligen ligger Kalman filterutjämning ofta bakom eller överskridit marknadsprisets tidsserier JMA spårar marknadspriserna noggrant och smidigt, anpassar sig till luckor och undviker oönskade överskott. Se diagram nedan för ett exempel. Ett filter som beskrivs i populära tidskrifter är Kaufmann glidande medelvärde Det är ett exponentiellt rörligt medelvärde vars hastighet varierar beroende på prisaktivitetseffektivitet Med andra ord, när prisåtgärden är i en klar trend med lite retracement, sätter Kaufmann-filtret på sig och när åtgärden tränger sönder filtret Se Diagram ovan Även om dess adaptiva natur hjälper till med att övervinna en del av den fördjupning som är typisk för exponentiella rörliga medelvärden, ligger det fortfarande betydligt bakom JMA Lag är en grundläggande fråga för alla handlare. Kom ihåg, varje lag av lag kan fördröja dina affärer och förneka din vinst. En annan rörelse Medelvärdet som beskrivs i populära tidskrifter är Chande s VIDYA Variable Index Dynamic Average Indexet används oftast insi De VIDYA för att styra sin hastighet är prisvolatilitet Eftersom kortvarig volatilitet ökar är VIDYAs exponentiella glidande medel utformat för att röra sig snabbare, och när volatiliteten minskar, sänker VIDYA. På ytan är det meningslöst. Tyvärr har denna design en uppenbar brist Även om sidostörningar bör jämnas ut ordentligt, oavsett volatilitet, skulle en starkt flyktig period av trängsel vara noggrant spåras, inte slätas av VIDYA. VIDYA kan följaktligen misslyckas med att ta bort oönskat brus. Till exempel jämför diagrammet JMA med VIDYA, som båda är inställda på Spåra en nedåtriktad trend lika bra Men under den påföljande trängseln misslyckas VIDYA med att jämna ut prisspetsen medan JMA lyckas glida genom chatteren. I en annan jämförelse där både VIDYA och Jurik s JMA hade samma jämnhet ser vi i Diagrammet som VIDYA lags bakom Som tidigare sagt kan sen timing enkelt stjäla dina vinster i någon handel. Två andra populära indikatorer är T3 och TEMA Th Öga är slät och har liten lag T3 är bättre av de två, trots att T3 kan uppvisa ett allvarligt överskridande problem, vilket framgår av tabellen nedan Beroende på din ansökan kanske du inte vill ha en indikator som visar en prisnivå som den verkliga marknaden aldrig uppnått , Eftersom det här oavsiktligt kan inleda oönskade affärer. Det finns två kommentarer som finns på relevanta Internetforum. T3-indikatorn är mycket bra och jag har sjungit sin beröm innan, men i den här listan har jag haft möjlighet att ta fram några alternativa marknadsmätningar Och jag släpper dem De är ganska dåligt uppförda vid tider När T3 blir utjämnande blir T3 instabilt och överskottar sämre, medan JMA seglar alldeles genom dem - Allan Kaminsky allank xmission. Min egen syn på JMA överensstämmer med vad andra har skrivit jag Spenderade mycket tid visuellt att jämföra JMA till TEMA Jag skulle inte tänka på att använda TEMA istället för JMA Steven Buss sbuss pacbell. En artikel i Jan 2000-utgåvan av TASC beskriver ett glidande medelvärde desi Gned på 1950-talet för att ha låg lag. Dess uppfinnare, Robert Brown, konstruerade den modifierade rörliga genomsnittliga MMA för att minska fördröjningen i uppskattade lager. I sin formel uppskattade linjär regression kurvan s nuvarande momentum, som i sin tur används för att uppskatta vertikal lag Formeln subtraherar sedan uppskattad lagring från det glidande medlet för att få låga sönderdelningsresultat. Denna teknik fungerar ok på välskötta smidigt övergångsprisdiagram, men då gör det också de flesta andra avancerade filter. Problemet är att den reala marknaden är allt annat än välskött. Sant mått på träning är hur bra ett filter fungerar på realtids finansiella data, en egenskap som kan mätas med vårt väl etablerade batteri av benchmarktester. Dessa tester visar att MMA överskridit prisdiagram, som illustreras nedan. I jämförelse kan användaren sätta En parameter i JMA för att justera mängden överskridande, till och med helt eliminera det. Valet är ditt Kom ihåg att den sista du vill ha är en indikator som visar en prisnivå th En riktig marknad uppnås aldrig, eftersom detta oavsiktligt kan inleda oönskade affärer. Med MMA har du inget val och måste överbrygga om du gillar det eller inte. Se diagram nedan. I juli 2000 utgåva av TASC innehöll en artikel av John Ehlers som beskriver en Modifierat Optimal Elliptical Filter Förkortat här som MEF Detta är ett utmärkt exempel på klassisk signalanalys Tabellen nedan jämför MEF till JMA vars parametrar JMA längd 7, fas 50 var inställda för att göra JMA lika lik MEF som möjligt. Jämförelsen avslöjar dessa fördelar När du använder JMA. JMA svarar mot extrema prisväxlingar snabbare Följaktligen kommer alla tröskelvärden som används för att utlösa signaler exekveras tidigare av JMA. JMA har nästan ingen överskridande, vilket gör det möjligt för signallinjen att noggrant spåra prisåtgärder direkt efter stor prisrörelse. JMA glider genom små marknadsrörelser Detta gör att du kan fokusera på verkliga prisåtgärder och inte små marknadsaktiviteter som inte har någon verklig följd. En favorit metod bland en Gineers för utjämning av tidsseriedata är att passa datapunkterna med en polynomisk ekv, en parabolisk eller kubisk spline En effektiv konstruktion av denna typ är en klass som kallas Savitzy-Golay-filter. Diagrammet nedan jämför JMA till en kubisk spline 3: e ordning Savitzy - Golay-filter, vars parameterinställningar valdes överst gör det så nära JMA som möjligt. Observera hur lätt JMA glider genom regioner med handelsstockningar. Motsatsen är att SG-filtret är ganska avtagbart. JMA är återigen vinnaren. En annan teknik Som används för att minska fördröjningen i ett glidande medelfilter är att lägga till en viss momentslängning av signalen till filtret. Detta minskar lag, men med två påföljder är det mer buller och mer överskridande vid prispivotpunkter För att kompensera för brus kan man använda en symmetriskt vägt FIR Filter, vilket är jämnare än ett enkelt rörligt medelvärde, vars vikter kan vara 1-2-3-4-3-2-1 och justera sedan dessa vikter för att lägga till lite fördröjande momentum. Effektiviteten av denna metod visas i figu Re nedanför den röda linjen Även om FIR-filtret spårar priset noga, ligger det fortfarande bakom JMA och uppvisar större överskott. Dessutom har FIR-filtret fixat jämnhet och måste omkonstrueras för varje önskad önskad jämnhet. För jämförelse behöver användaren bara Ändra en jämnhetsparameter för JMA för att få önskad effekt. Inte bara producerar JMA bättre prisdiagram, men det kan också förbättra andra klassiska indikatorer. Tänk på att exempelvis titta på den klassiska MACD-indikatorn, vilken är en jämförelse av två glidande medelvärden. Deras Konvergens rör sig närmare och divergens rör sig ifrån varandra, ger signaler om att en marknadsutveckling förändrar riktning. Det är avgörande att du har så liten fördröjning som möjligt med dessa signaler eller om dina affärer blir sena. I jämförelse har en MACD skapad med JMA betydligt mindre fördröjning än en MACD använder exponentiella rörliga medelvärden. För att illustrera detta påstående är nedanstående figur ett hypotetiskt prisschema förenklat för att förbättra de viktigaste frågorna vi ser E lika stora stavar i en stigande trend, avbruten av en plötslig nedåtgående lucka De två färgade linjerna är exponentiella glidande medelvärden som utgör en MACD Observera att crossover sker en lång tid efter klyftan, vilket medför att en handelsstrategi väntar och handlar sent, Om alls. Om du försökte påskynda tidsindikatorn för denna indikator genom att göra de snabbare medeltalen snabbare, skulle linjerna bli bullere och mer skyggade. Det brukar skapa falska utlösare och dåliga affärer Å andra sidan visar diagrammet nedan det blå JMA justerar snabbt till den nya prisnivån, vilket möjliggör tidigare övergångar och tidigare beteckning av en uptrend pågår Nu kan du komma in på marknaden tidigare och rida en större del av trenden. Till skillnad från exponentiell glidande genomsnitt har JMA en ytterligare parameter PHASE som låter Användaren justerar omfattningen av överskridande I diagrammet ovan tillåts JMA-gula linjen att överskugga mer än den blåa. Detta ger idealiska övergångar. En av de svåraste funktionerna att designa i Moothing filter är ett adaptivt svar på prisspridningar utan att överskrida den nya prisnivån. Detta gäller särskilt filterdesigner som använder filterets egen kraft som ett sätt att minska fördröjningen. Följande diagram jämför överflöde av JMA och Hull glidande medelvärdet HMA Parametern Inställningarna för de två filteren sattes så att deras stabila prestanda var nästan identiska. En annan designproblem är huruvida filtret kan behålla samma uppenbara smidighet under omkastningar som under trenderna. Tabellen nedan visar hur JMA behåller nära konstant jämnhet över hela Cykeln medan HMA oscillerar vid omkastning. Detta skulle innebära problem för strategier som utlöser handlarna baserat på huruvida filtret rör sig uppåt eller nedåt. I sista hand är det fallet när prisskillnaderna uppåt och sedan återgår i en nedåtgående trend. Detta är särskilt svårt att spåra Vid tillfället av reträtt Lyckligtvis har adaptiva filter en mycket lättare tid som indikerar när en omkastning inträffade än fast fil Givetvis finns det bättre filter än JMA, mestadels används av militären. Men om du är i branschen att spåra bra affärer och inte fiendeflygplan, är JMA det bästa prisvärda ljudreducerande filtret tillgängligt för Finansmarknadsdata Vi garanterar det. Vi vill helst ha en filtrerad signal som är både smidig och lagfri. Lag orsaker förseningar i dina affärer, och ökad fördröjning i dina indikatorer resulterar vanligen i lägre vinstmedel. Med andra ord får sena kommitare vad som är s Vänster på bordet efter det att festivalen redan har börjat. Därför frågar investerare, banker och institutioner världen över JJK Research Moving Average JMA. Du kan ansöka det på samma sätt som du skulle något annat populärt glidande medel. JMAs förbättrade timing och jämnhet kommer dock att Förbluffa dig. Den avtonade grå linjen i diagrammet simulerar prisåtgärder som börjar i ett lågt handelsutbud, då luckor till ett högre handelsutbud Eftersom ingen gillar att vänta på sidlinjen, ett perfekt ljudreducerande filter Den gröna linjen kommer att röra sig smidigt längs mitten av det första handelsområdet och hoppa sedan till mitten av det nya handelsområdet nästan omedelbart.