Hull Moving Average HMA. Der Hull Moving Average löst das uralte Dilemma, um einen gleitenden Durchschnitt mehr auf die aktuelle Preisaktivität zu reagieren, während die Aufrechterhaltung der Kurvenglätte In der Tat die HMA fast eliminiert Verzögerung insgesamt und schafft es, Glättung zugleich zu verbessern Um zu verstehen, wie es ist Erreicht beide dieser gegensätzlichen Ergebnisse gleichzeitig müssen wir mit einem leicht verständlichen Bezugsrahmen beginnen. Die folgende Tabelle enthält einen 16-wöchigen, gleitenden Durchschnitt, der ständig der Preisaktivität abnimmt und eine schlechte Glätte aufweist. Zunächst kann das Problem der Kurvenglättung gelöst werden Mit einem Durchschnitt des durchschnittlichen, dh 16 Zeitraum SMA 16 Zeitraum SMA Preis Die schlechte Nachricht ist, dass es eine enorme Zunahme der Verzögerung verursacht, wie unten gesehen. Solving das Problem der Verzögerung ist ein bisschen mehr beteiligt und erfordert eine Erklärung mit Zahlen anstatt Charts Betrachten Sie eine Reihe von 10 Zahlen von 0 bis einschließlich 9 und stellen Sie sich vor, dass sie aufeinanderfolgende Preispunkte auf einem Diagramm mit 9 sind die jüngsten Preis Punkt an der rechten Vorderkante Wenn wir die 10 Periode einfachen Durchschnitt dieser Zahlen dann nehmen, Nicht überraschend, werden wir den Mittelpunkt von 4 5 bestimmen, der deutlich hinter dem jüngsten Preispunkt von 9 zurückbleibt. Hier ist das schlaue Bit zuerst die halbieren die Periode des Mittelwertes auf 5 und wendet es auf die jüngsten Zahlen von 5,6 an , 7,8 und 9, das Ergebnis ist der Mittelpunkt von 7.Final, um die Verzögerung zu entfernen, nehmen wir den Mittelpunkt von 7 und addieren den Unterschied zwischen den beiden Mittelwerten, die gleich 2 5 7 4 5 Dies gibt eine endgültige Antwort von 9 5 7 2 5 was eine leichte Überkompensation ist Aber diese Überkompensation ist sehr praktisch, weil sie die nacheilende Wirkung der verschachtelten Mittelung ausgleicht. Daher ist das Ergebnis der Kombination dieser 2 Techniken eine nahezu perfekte Balance zwischen Verzögerungsreduzierung und Kurvenglättung. Die HMA schafft es zu halten Mit einer schnellen Veränderung der Preisaktivität bei überlegener Glättung über eine SMA des gleichen Zeitraums Die HMA verwendet gewichtete Bewegungsdurchschnitte und dämpft den Glättungseffekt und die daraus resultierende Verzögerung, indem sie die Quadratwurzel der Periode anstelle der tatsächlichen Periode selbst verwendet, wie unten gesehen. Integer Square Root Periode WMA 2 x Integer Periode 2 WMA Preis Periode WMA Preis. Die folgenden Formeln für den Hull Moving Average sind für MetaStock und Supercharts, können aber leicht angepasst werden für die Verwendung mit anderen Charting-Programme, die in der Lage sind, benutzerdefinierte Indikator construction. period Input Periode, 1.200,20 sqrtperiod Sqrt Periode Mov 2 Mov C, Periode 2, W Mov C, Periode, W, LastValue sqrtperiod, W. Input Zeitraum Default Wert 20 Waise 2 Waage schließen, Periode 2 - Waise schließen, Periode, SquareRoot Zeitraum. Eine einfache Anwendung für die HMA, da ihre überlegene Glättung, wäre, die Wendepunkte als Eingang Ausstieg Signale verwenden Es sollte jedoch nicht verwendet werden, um Crossover-Signale zu generieren, da diese Technik auf lag. Subscribe und Connect. Subscribe zu unserem Newsletter. Important Rechtliche Informationen über die E-Mail, die Sie senden werden Mit der Nutzung dieses Dienstes erklären Sie sich damit einverstanden, Ihre echte E-Mail-Adresse einzugeben und sie nur an Personen zu senden, die Sie kennen. Es ist eine Rechtsverletzung in einigen Rechtsordnungen, um sich fälschlicherweise in einer E-Mail zu identifizieren. Alle Informationen, die Sie zur Verfügung stellen Wird von Fidelity nur für den Zweck der Versendung der E-Mail in Ihrem Namen verwendet werden Die Betreffzeile der E-Mail, die Sie senden wird. Ihre E-Mail wurde gesendet. Mutual Funds und Investmentfonds Investing - Fidelity Investments. Clicking ein Link wird eine neue zu öffnen Window. Hull Moving Average. There sind viele Arten von gleitenden Durchschnitten, die einfachste ist die Simple Moving Average SMA Von allen gleitenden Durchschnitten der SMA verzögert Preis die meisten Die exponentiellen und gewichteten Moving Averages wurden entwickelt, um diese Verzögerung, indem sie mehr Gewicht zu setzen Auf neueren Daten Die von Alan Hull entwickelte Hull Moving Average HMA ist ein extrem schneller und reibungsloser gleitender Durchschnitt. In der Tat eliminiert der HMA fast die Verzögerung und schafft es, gleichzeitig die Glättung zu verbessern HMA kann verwendet werden, um Trend zu identifizieren Wenn die HMA steigt, steigt der vorherrschende Trend an, was bedeutet, dass es besser sein kann, lange Positionen einzugeben. Wenn die HMA fällt, fällt auch der vorherrschende Trend, was darauf hindeutet, dass es besser sein kann, kurze Positionen einzugeben . Eine kürzere Periode HMA kann für Eintrittssignale in Richtung des vorherrschenden Trends verwendet werden Ein langes Eintrittssignal, wenn der vorherrschende Trend steigt, tritt auf, wenn das HMA auftaucht und ein kurzes Eingangssignal, wenn der vorherrschende Trend fällt, auftritt Wenn die HMA sich abbiegt. Kalkulieren Sie einen gewichteten Moving Average mit Periode n 2 und multiplizieren Sie es mit 2.Calculate einen gewichteten Moving Average für Periode n und subtrahieren, wenn von Schritt 1.Calculate ein gewichtetes Moving Average mit Periode sqrt n mit den Daten aus Schritt 2.HMA WMA 2 WMA n 2 WMA n, sqrt n. Removing Lag, Forecasting Data. Trading Indizes mit dem Hull Moving Average. Moving im Durchschnitt glatte Daten und machen es einfacher, Preisbewegungen zu analysieren, aber sie neigen dazu, hier zu lagern System, das die Verzögerung beseitigt und zukünftige Daten prognostiziert. Bei Hold funktioniert gut, wie der Markt steigt, aber die Strategie fällt auseinander, wenn die Markttanks Wir brauchen ein Timing-Modell, um Kapital in Down-Märkten zu bewahren und Chancen in up-Märkten zu identifizieren Ist es möglich. Moving Durchschnitte sind oft der beste Weg, um Datenspitzen zu eliminieren, und diejenigen von relativ langen Längen glatte Daten als auch Allerdings bewegen sich die Durchschnitten einen großen Fehler, da ihre langen Rückblickperioden vorstellen Verzögerung Die Lösung ist, die gleitende durchschnittliche Formel zu modifizieren und Entfernen Sie die Verzögerung So minimiert die Möglichkeit der gleitenden Durchschnitt Überschreitung der Rohdaten bei der Vorhersage der nächsten Intervall s Aktivität und damit die Einführung von Fehlern Hier ist, wie es getan werden kann. Entfernen der Verzögerung Eine neue Art von gleitenden Durchschnitt von Trader Alan Hull versucht versucht Um dieses Problem zu lösen In dieser Variation ist ein einfacher gleitender Durchschnitt Sma die Summierung von Datenmustern, dividiert durch die Anzahl der Samples N Der Hull-Gleitende Durchschnitt Hma erreicht die Glättung unter Verwendung des gewichteten gleitenden Durchschnitts Wma und einer Quadratwurzel von N Die Berechnung ist Also, um durch diese Formel zu gehen, nehmen Sie die Wma der letzten N 2 Daten und multiplizieren Sie sie mit 2 Dann subtrahieren Sie die Wma der letzten N Daten Jetzt nehmen Sie diesen Wert und verwenden Sie die Quadratwurzel von N Dann finden Sie die Wma von diesen beiden Werten, die Ist die Wma sqrt von N des erinnerten Wertes Da die Quadratwurzel Werte schneidet, sollte die Berechnung ein N wählen, das ein vollkommenes Quadrat wie 4, 9, 16, 25, 49 oder 81 ist, das Sma und Hma in Abbildung 1 abgibt Mit einem 81-tägigen Durchschnitt, finden wir, dass die Hma ist glatt und reagiert auf die wechselnden Daten, während die Sma hinter sich zurück. Figure 1 einfache ma vs hull ma Hier sehen Sie einen Vergleich der SMA und HMA mit Daten aus dem QQQQ ETF Die HMA ist rechtzeitiger als die SMA Ein Neun-Tage-Durchschnitt wird mit der HMA in blau gezeigt. Geben Sie in der Dezember-Ausgabe der technischen Analyse der Aktien Commodities. Excerpted aus einem Artikel ursprünglich veröffentlicht in der Dezember 2010 Ausgabe der technischen Analyse der Aktien Commodities Magazin Alle Rechte vorbehalten Copyright 2010, Technical Analysis, Inc.
No comments:
Post a Comment