Zero Lag Moving Average Excel

ZLEMA - Zero Lag Exponential Moving Average ZLEMA ist eine Abkürzung für Zero Lag Exponential Moving Average. Es wurde von John Ehlers und Rick Way entwickelt. ZLEMA ist eine Art exponentieller gleitender Durchschnitt, aber seine Hauptidee ist, die Verzögerung zu beseitigen, die sich aus der Natur der gleitenden Mittelwerte und anderen Trendfolgen ergibt. Da es dem Preis näher folgt, bietet es auch eine bessere Preisdurchschnittung und reagiert besser auf Preisschwankungen. Beispiel: Versuche nur, eine gerade Linie von Daten vorzustellen, die es passieren kann, wenn die Vermögenspreise steigen oder ständig fallen. Sollte ein Händler eine klassische EMA (exponentieller gleitender Durchschnitt) verwenden, kann er herausfinden, dass die EMA gleich dem Assetrsquos ist. Schließen Sie den Preis (n-1) vor 2 Tagen. Mit anderen Worten ndash für 5-Tage-EMA-Berechnung, wäre der aktuelle EMA-Wert der gleiche wie der Close-Preis (n-1) 2 vor 2 Tagen. Sie sehen das Ergebnis im Bild unten. Wie Sie vielleicht schon bemerkt haben, sehen die ZLEMA-Werte anders aus. Es gibt keinen Unterschied zwischen den Werten und die Preise schließen. Gleichungen (Formel) für die ZLEMA-Berechnung sehen wie folgt aus: Lag: (n dayrsquos Periode ndash 1) 2 Beitragsdaten für EMA: Schließen (Schließen ndash Schließen n dayrsquos vor) ZLEMA EMA von (Beitragsdaten für EMA) Die Berechnung eliminiert die Verzögerung und Das Endergebnis ist ein exponentieller gleitender Durchschnitt, der den Vermögenspreisen näher kommt. Sollten die Preise eine Gerade sein, dann wäre die ZLEMA die gleiche Gerade. Siehe Bild unten. Die grüne Linie zeigt die ASSET-Preise an. Die blauen Punkte repräsentieren ZLEMA-Werte. Die rosa Linie und Punkte stellen EMA-Werte dar. Wie Sie sehen können, wenn die Preise eine gerade Linie schaffen, sind die ZLEMA-Werte genau die gleichen wie die Preise sind. Es gibt keine Verzögerung, keinen Unterschied. ZLEMA reagiert einfach viel schneller als die EMA. Interessant genug, isnrsquot it Und was passiert, wenn sich die Preise schnell ändern Schauen Sie sich das Bild unten an. Sie können noch einmal sehen, dass es einige Zeit dauert, bis sich die EMA an die veränderten Marktbedingungen anpasst. Auf der anderen Seite kann sich ZLEMA fast im selben Moment anpassen, wie die Preisänderung eintritt. Es liegt daran, dass die ZLEMA-Berechnung an einer verzögerten Daten statt einer regulären Daten erfolgt. Die aktuellen Preise sind übergewichtig und je mehr wir in die Vergangenheit gehen, die Daten sind untergewichtig - ZLEMA entfernt die Verzögerung durch Verdoppelung der Preiserhöhung oder Abnahme zwischen n und (n-1) 2 Tagen, um den kumulativen Effekt zu minimieren. Wie man diese technische Analyse Indikator für den Handel verwenden können Sie können es wie jeder andere gleitenden Durchschnitt (FRAMA KAMA HMA T3 Vidya DEMA VAMA etc.). Es zeigt die vorherrschenden Trends auf dem Markt, so können Sie Trades, die im Einklang mit dem aktuellen Trend. Sie können die ZLEMA mit jedem anderen gleitenden Durchschnitt kombinieren und nach ihren Kreuzungen suchen. Sie können nach Diagrammmustern suchen (Unterstützungen, Widerstände, doppelte Oberseiten und Unterseiten etc.), während ZLEMA glattere Daten produziert, als schließen Preise tun. Sie können auch versuchen, ein Asset zu kaufen, wenn die ZLEMA-Werte steigen und verkaufen das Asset, wenn die Werte fallen. Das Bild unten veranschaulicht diese Handelsstrategie. Die gelbe Kurve zeigt ZLEMA und die Pfeile zeigen Bruchstellen des Durchschnitts an. Wie bei fast allen technischen Indikatoren das Beste, was jeder Händler tun kann, ist, seine eigenen Daten, seine eigenen Einstellungen und seine eigenen Regeln zu testen, wie man handelt. Überraschenderweise kann man manchmal das beste Ergebnis mit Einsätzen erzielen, die nicht üblich sind und Regeln, die auf einen ersten Blick ziemlich seltsam sind, um so mehr, was ein Händler ändern kann und mit dem Besseren für ihn und seine Handelsstrategie experimentieren kann. Wenn Sie sich für ein tieferes Studium dieses technischen Indikators interessieren und es vorziehen, Lösungen zu bedienen, kann dieser Abschnitt für Sie von Interesse sein. Dort finden Sie alle verfügbaren Indikatoren in Excel-Dateien zum Download.8.20 Zero-Lag Exponential Moving Average Der Nullpunkt-Exponential-Gleitender Durchschnitt (ZLEMA) ist eine Variation der EMA (siehe Exponential Moving Average), die einen Impulsbegriff hinzufügt, um zu reduzieren Verzögerung im Durchschnitt, um die aktuellen Preise näher zu verfolgen. Für eine gegebene N-Tage-Periode ist die Formel, wo die ldquolagrdquo Periode (N-1) 2 ist. Eine einfache EMA, die auf geradlinige Punkte angewendet wird, endet immer am Ende (N-1) vor 2 Tagen. Also die Idee des Hinzufügens in diesem Unterschied ldquoclose - closelagrdquo ist, diese Verzögerung zu kompensieren, um die ZLEMA Spur eine gerade Linie genau zu machen. Natürlich sind echte Daten selten eine gerade Linie, aber das Prinzip ist, die ZLEMA in etwa die aktuelle Nähe zu schieben. Die Berechnung endet immer als verschiedene Gewichte zu jedem vergangenen Preis. Die Wirkung des Impulses ist, die jüngsten Preise ldquoover weightrdquo zu machen und damit genau zu verfolgen, und mit negativen Gewichten zu vergangenen Bedingungen. Thertersquos einen plötzlichen Sprung in die Gewichte an der Impulsverzögerung Punkt. Zum Beispiel ist die folgende Grafik die Gewichte für N15 (Verzögerungspunkt 7). Die EMA-Verzögerung auf einer Geraden kann leicht mit der Leistungsformel für die EMA (siehe Exponential Moving Average) berechnet werden, angewendet auf eine unendliche Folge von Preisen, die nach unten um 1 jeden Tag und erreichen 0 bei heute. Bei nicht geraden Linienfolgen ist die Verzögerung nicht einfach (N-1) 2. Aber variieren je nach Form, Zeitraum der zyklischen Komponenten, etc. Copyright 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009 Kevin Ryde Chart ist freie Software können Sie es verteilen und modifizieren sie unter den Bedingungen der GNU General Öffentliche Lizenz, wie sie von der Free Software Foundation veröffentlicht wird, entweder Version 3 oder (nach Ihrer Wahl) jede spätere Version. John Ehlers TECHNISCHE PAPIERE John Ehlers, der Entwickler von MESA, hat viele Papiere geschrieben und veröffentlicht, die sich auf die in den Marktzyklen verwendeten Prinzipien beziehen. Synopses für die verfügbaren Papiere werden unten angezeigt. Laden Sie jedes, indem Sie den zugehörigen HyperText auswählen. Warum Trader Geld verlieren (und was zu tun ist) Ein Artikel in der Mai 2014 Ausgabe von Stock amp Commodities Magazine beschrieben, wie man künstliche Aktienkurven zu schaffen, indem sie nur wissen, die Profit-Faktor und Prozent Gewinner einer Handelsstrategie. Bell Curve Statistiken für den Handel zufällig ausgewählte Aktien und Portfolio-Handel sind ebenfalls enthalten. Dies ist eine Excel-Tabelle, mit der Sie diese statistischen Deskriptoren der Handelssystemleistung erleben können. Predictive Indikatoren für effektive Handelsstrategien Technische Händler verstehen, dass Indikatoren die Marktdaten als sinnvoll bewerkstelligen müssen und dass Glättung Verzögerung als unerwünschter Nebeneffekt einführt. Wir wissen auch, dass der Markt ist Fraktal ein wöchentliches Intervall-Diagramm sieht aus wie eine monatliche, täglich oder intraday Chart. Was vielleicht nicht ganz so offensichtlich ist, ist, dass sich das High-to-Low-Preisschwankungen entlang der y-Achse zunehmen wird, etwa in der Proportion. Diese spektralen Dilatationserscheinungen verursachen eine unerwünschte Verzerrung, die entweder nicht erkannt wurde oder von Indikatorentwicklern und Markttechnikern weitgehend ignoriert wurde. Abwicklung von Handelsstrategien aus gemessenen Wahrscheinlichkeitsdichte-Funktionen Dies war der Zweitplatzierte des MTAs 2008 Charles H. Dow Award. In diesem Beitrag zeige ich die Implikationen der verschiedenen Formen der Detrending und wie die resultierenden Probability Distributionen als Strategien zur Generierung effektiver Handelssysteme genutzt werden können. Die Ergebnisse dieser robusten Handelssysteme werden mit Standardansätzen verglichen. Diese Papier-Show und interaktive Art und Weise zu beseitigen so viel Verzögerung wie gewünscht von Glättung Filter. Natürlich kommt die reduzierte Verzögerung zum Preis der verminderten Filterglätte. Der Filter zeigt kein vorübergehendes Überschwingen, das üblicherweise in Filtern höherer Ordnung gefunden wird. Empirische Moduszerlegung Ein neuartiger Ansatz für die Zyklus - und Trendmoduserkennung Fourier Transform for Traders Das Problem mit Fourier Transform für die Messung von Marktzyklen ist, dass sie eine sehr schlechte Auflösung haben. In diesem Papier zeige ich, wie man eine andere nichtlineare Transformation benutzt, um die Auflösung zu verbessern, so dass die Fourier-Transformationen verwendbar sind. Das gemessene Spektrum wird als Hitzeschlag angezeigt. Swiss Army Knife Indicator Indikatoren sind nur Transferantworten von Eingabedaten. Durch einen einfachen Konstantenwechsel kann dieser Indikator zu einem EMA, SMA, 2 Pole Gaussian Low Pass Filter, 2 Pole Butterworth Low Pass Filter, einem FIR Glatter, einem Bandpassfilter oder einem Bandsperrfilter werden. Ehlers Filter Ein ungewöhnliches nichtlineares FIR Filter ist beschrieben. Dieser Filter gehört zu den am meisten ansprechenden Preisänderungen, aber glatter in seitlichen Märkten. System Performance Evaluation Profit Factor (Bruttogewinne durch grobe Verluste geteilt) ist analog zum Auszahlungsfaktor im Gaming. Wenn also der Profitfaktor mit den prozentualen Gewinnern in einer Reihe von zufälligen Ereignissen kombiniert wird, können Instanzen, wie ein Handelsstrategie-Eigenkapitalwachstum simuliert werden kann. In diesem Beitrag wird beschrieben, wie sich die üblichen Leistungsbeschreibungen mit diesen beiden Parametern verknüpfen. Eine Excel-Tabelle wird beschrieben, so dass Sie eine Monte-Carlo-Analyse Ihrer Handelssysteme durchführen können, wenn Sie diese beiden Parameter (außerhalb der Stichprobe) kennen. FRAMA (FRactal Adaptive Moving Average). Ein nichtlinearer gleitender Durchschnitt wird mit dem Hurst-Exponenten abgeleitet. MAMA ist die Mutter aller adaptiven gleitenden Durchschnitte. Actualy der Name ist ein Akronym für MESA Adaptive Moving Average. Die nichtlineare Wirkung dieses Filters wird durch den Rücklauf der Phase jedes Halbzyklus erzeugt. In Kombination mit FAMA, einem nachfolgenden adaptiven Moving Average, bilden die Crossover hervorragende Ein - und Ausstiegssignale, die relativ frei von Whipsaws sind. Time Warp ohne Raumfahrt Laguerre Polynome werden verwendet, um eine Filterstruktur ähnlich einem einfachen gleitenden Durchschnitt zu erzeugen, mit dem Unterschied, dass der Zeitabstand zwischen den Filterhähnen nolinear ist. Das Ergebnis ermöglicht die Erzeugung von sehr kurzen Filtern mit den Glättungseigenschaften von viel längeren Filtern. Kürzere Filter bedeuten weniger Verzögerung. Die Vorteile der Verwendung der Laguerre Polynome in Filtern werden sowohl in Indikatoren als auch in automatischen Handelssystemen vorgestellt. Der Artikel enthält EasyLanguage Code. Der CG-Oszillator Der CG-Oszillator ist einzigartig, weil er ein Oszillator ist, der sowohl geglättet als auch ungerade ist. Es findet das Schwerpunkt (CG) der Preiswerte in einem FIR-Filter. Der CG hat automatisch die Glättung des FIR-Filters (ähnlich einem einfachen gleitenden Durchschnitt), wobei die Position des CG genau in der Phase mit der Preisbewegung ist. EasyLanguage Code ist enthalten. Verwenden der Fisher-Transformation Viele Handelssysteme werden unter der Annahme entworfen, dass die Wahrscheinlichkeitsverteilung der Preise eine Normal - oder Gaußsche Wahrscheinlichkeitsverteilung über den Mittelwert aufweist. In der Tat konnte nichts weiter von der Wahrheit entfernt sein. Dieses Papier beschreibt, wie die Fisher Transform Daten umwandelt, um fast eine normale Wahrscheinlichkeitsverteilung zu haben. Wenn die Wahrscheinlichkeitsverteilung nach der Anwendung der Fisher-Transformation normal ist, werden die Daten verwendet, um Einstiegspunkte mit chirurgischer Präzision zu erstellen. Der Artikel enthält EasyLanguage Code. Die Inverse Fisher Transform Die Inverse Fisher Transform kann verwendet werden, um einen Oszillator zu erzeugen, der schnell zwischen Oversold und Overbought ohne Whipsaws wechselt. Gaußsche Filter Lag ist der Untergang von Glättungsfiltern. Dieser Artikel zeigt, wie die Verzögerung reduziert werden kann und die höchste Treueglättung wird durch Verringerung der Verzögerung der Hochfrequenzkomponenten in den Daten erreicht. Eine vollständige Tabelle der Gaußschen Filterkoeffizienten ist vorgesehen. Pole und Nullen Eine Beschreibung der digitalen Filter in Form von Z Transformationen. Die Verzweigungen von Filtern höherer Ordnung werden beschrieben. Tabellen von Koeffizienten für 2 Pole und 2 Pole Butterworth Filter sind gegeben. Moving Averages Stuff Motiviert per E-Mail von Robert B. Ich bekomme diese E-Mail fragen über die Hull Moving Average (HMA) und. Und du hast noch nie davon gehört. Äh Stimmt. In der Tat, wenn ich googeln, entdeckte ich viele gleitende Durchschnitte, die Id nie gehört, wie: Zero Lag Exponential Moving Average Wilder Moving Durchschnitt Least Square Moving Durchschnittlich Dreieck Umzug Durchschnittlich Adaptive Moving Durchschnitt Jurik Moving Average. Also, ich dachte, ich wüsste über gleitende Durchschnitte und. Havent hast du das vorher gemacht, wie hier und hier und hier und hier und. Ja, ja, aber das war, bevor ich von all diesen anderen gleitenden Durchschnitten wusste. In der Tat, die einzigen, mit denen ich spielte, waren diese, wo P 1. P 2 P n sind die letzten n Aktienkurse (P n sind die jüngsten). Einfacher Bewegungsdurchschnitt (SMA) (P 1 P 2 P n) K wobei K n Gewichteter Bewegungsdurchschnitt (WMA) (P 1 2 P 2 3 P 3 n P n) K wobei K (12. n) n (n1) 2 ist. Exponentieller Bewegungsdurchschnitt (EMA) (P n 945 P n-1 945 2 P n-2 945 3 P n-3) K K K o 945945 2 1 (1-945). Whoa Ive noch nie gesehen, dass EMA Formel vor. Ich habe immer was es war. Ja, das ist normalerweise anders geschrieben, aber ich wollte zeigen, dass diese drei ähnliche Rezepte haben. (Siehe das EMA-Zeug hier und hier.) Tatsächlich sehen sie alle so aus: Beachten Sie, dass, wenn alle Ps gleich sind, sagen wir, Po, dann ist der gleitende Durchschnitt gleich Po. Und das ist die Art und Weise, wie sich jeder sich selbst passende Durchschnitt verhalten sollte. Also, was ist am besten definieren am besten. Hier sind ein paar gleitende Durchschnitte, versuchen, eine Reihe von Aktienkursen, die in einer sinusförmigen Mode variieren verfolgen: Aktienkurse, die eine Sinuskurve folgen Wo haben Sie eine Aktie wie diese Aufmerksamkeit Beachten Sie, dass die häufig verwendeten gleitenden Durchschnitte (SMA, WMA Und EMA) erreichen ihr Maximum später als die Sinuskurve. Das ist lag und. Aber was ist mit dem HMA-Typ. Er sieht ziemlich gut aus Yeah, und das ist, worüber wir reden wollen. Tatsächlich. Und was ist das in HMA (6) und ich sehe etwas namens MMA (36) und. Die Geduld. Hull Moving Average Wir beginnen mit der Berechnung des 16-tägigen Weighted Moving Average (WMA) wie folgt: 1 WMA (16) (P 1 2 P 2 3 P 3 16 P n) K mit K 12. 16 136. Obwohl es schön ist Und smoooth, es hat eine Verzögerung größer als wed wie: Also schauen wir uns die 8-Tage-WMA an: Ich mag es ja, es folgt den Preisvariationen ganz schön. Aber theres mehr. Während WMA (8) auf neuere Preise schaut, hat es immer noch eine Verzögerung, also sehen wir, wie viel die WMA sich geändert hat, wenn sie von 8-tägig bis 16-Tage geht. Dieser Unterschied würde so aussehen: In gewissem Sinne gibt dieser Unterschied einen Hinweis darauf, wie sich WMA verändert. So fügen wir diese Änderung zu unserem früheren WMA (8) hinzu: 2 MMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16). MMA Warum nennen es MMA ich stottern Jedenfalls würde MMA (16) so aussehen: Kranke nimm es Geduld. es gibt mehr. Jetzt stellen wir die magische Umwandlung vor und bekommen. Ta-DUM Das ist Rumpf ja. Wie ich es verstehe Aber was ist das magische Ritual Nachdem wir eine Reihe von MMAs mit den 8-tägigen und 16-tägigen gewichteten gleitenden Durchschnitten erstellt haben, starren wir auf diese Sequenz von Zahlen. Dann berechnen wir die WMA in den letzten 4 Tagen. Das gibt den Hull Moving Average, dass Weve HMA genannt (4). Huh 16 Tage dann 8 Tage dann 4 Tage. Werfen Sie eine Münze, um zu sehen, wie viele. Sie wählen eine Anzahl von Tagen, wie n 16. Dann schauen Sie auf WMA (n) und WMA (n2) und berechnen MMA 2 WMA (n2) - WMA (n). (In unserem Beispiel, das ist 2 WMA (8) - WMA (16), dann berechnen Sie WMA (sqrt (n)) mit nur den letzten sqrt (n) Zahlen aus der MMA-Serie. (In unserem Beispiel, das kann berechnet werden Ein WMA (4), mit der MMA-Serie.) Und für diese lustige SINE-Chart Howd es tun Also wheres die Kalkulationstabelle Im immer noch daran arbeiten: MA-stuff. xls Es ist interessant zu sehen, wie die verschiedenen gleitenden Mittelwerte auf Spikes reagieren: Ist HMA wirklich ein gewichteter gleitender Durchschnitt Nun sehen wir: Wir haben: 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 (116) - (1136) P 1 2 P 2 8 P 8 - (1136) 9 P 9 10 P 10. 16 P 16 Aus sanitären Gründen schreibe das auch so: MMA w 1 P 1 w 2 P 2 w 16 P 16. Beachten Sie, dass alle Gewichte zu 1 addieren. Weiterhin ist wk 2 (136) - (1136) K für K 1, 2. 8 und wk - (1136) K Für K 9, 10. 16. Dann mache ich das magische Quadratwurzel-Ritual (wo sqrt (16) 4). Wir haben (erinnern daran, dass P 16 der jüngste Wert ist) HMA die 4-Tage-WMA der obigen MMAs (W & sub1; P & sub1; w & sub2; P & sub2; 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 (unter Hinweis darauf 1234 10). Huh P 0. P -1 Was. Die MMA (16) nutzt die letzten 16 Tage, zurück zum Preis wurden P 1 genannt. Wenn wir den 4-tägigen gewogenen Durchschnitt von ihnen thar MMAs berechnen, gut mit gestern s MMA (und das geht zurück 1 Tag vor P 1) und am Tag davor geht die MMA zurück zu 2 Tage vor P 1 und dem Tag Vor dem. Okay, so dass Sie nennen sie Preise P 0. P & sub1; & sub4; Du hast es. So eine 16-tägige HMA tatsächlich verwendet Info, die mehr als 16 Tage zurückgeht, richtig Sie haben es. Aber es gibt negative Gewichte für sie alte Preise Ist das legal Der Beweis ist in der. Ja ja. Der Beweis ist im Pudding. Also, was macht die Kalkulationstabelle So weit so sieht es so aus: (Klicken Sie auf das Bild zum Download.) Sie können eine SINE Serie oder eine RANDOM Serie von Aktienpreisen wählen. Für die letzteren, jedes Mal, wenn Sie auf eine Schaltfläche klicken Sie einen weiteren Satz von Preisen. Dann können Sie die Anzahl der Tage wählen: das ist unser n. (Zum Beispiel haben wir n 16 für unser Beispiel, oben verwendet.) Weiter, wenn Sie die SINE-Serie wählen, können Sie Spikes einführen und verschieben sie entlang der Tabelle. so was . Beachten Sie, dass wir n 16 und n 36 verwendet haben (im Bild der Tabellenkalkulation) Ursache n2 und sqrt (n) sind beide Integer. Wenn du etwas wie n 15 nimmst, verwendet das Kalkulationsblatt den INT eger Teil von n2 und sqrt (n), nämlich 7 und 3. Also ist der Hull Moving Average der beste Bestimmungsort am besten. Was ist mit dem Jurik-Durchschnitt, ich weiß nichts davon. Es proprietär und du musst bezahlen, um es zu benutzen. Allerdings können wir mit gleitenden Durchschnitten spielen. Ein weiterer beweglicher Durchschnitt Angenommen, dass anstelle des gewichteten beweglichen Durchschnittes (wo die Gewichte proportional zu 1, 2, 3. sind). Wir verwenden das magische Hull-Ritual mit dem Exponential Moving Average. Das heißt, wir betrachten: MAg 2 EMA (n2) - EMA (n) MAg Ja, das ist ein Mühelosigkeit, Wenn wir unsere Lieblingszahl von Tagen, wie n 16, auswählen und MAG (n, 945, k) 945 EMA (nk) - (1-945) EMA (n) berechnen. Wir können mit 945 und k spielen und sehen, was wir bekommen: Zum Beispiel, hier sind ein paar MAgs (wo hielten sich an 16 Tage, aber die Änderung der Werte von 945 und k): MAG (16) 2 EMA (4) - EMA ( 16) MAG (16) 1,5 EMA (5) - 0,5 EMA (16) Beachten Sie, dass wir bei der Auswahl von k 3 nk 163 5.333, die wir auf einfach und einfach umstellen. Warum gehst du nicht mit Hulls Entscheidungen: 945 2 und k 2 Gute Idee. Ich bekomme das: MAG (16) 2 EMA (8) - EMA (16) Sieht aus wie das Diagramm mit 945 1.5 und k 3. Es tut, hat es nicht getan? Wieder evtl. Also, was ist mit dem quadratwurzeligen Ritual das ich als Übung habe. Für dich Okay, beim Spielen mit dem MAG Ding finde ich, dass Hulls k 2 ganz gut funktioniert. So gut bleiben, dass Allerdings bekommen wir oft einen ziemlich schönen Durchschnitt, wenn wir nur ein kleines Stück der Veränderung hinzufügen: EMA (n2) - EMA (n). In der Tat, gut fügen Sie nur einen Bruch 946 dieser Änderung. Das heißt: MAG (n, 946) EMA (n2) 946 EMA (n2) - EMA (n). Das heißt, wir wählen 946 0,5 oder vielleicht nur 946 0,25 oder was auch immer und verwenden: Zum Beispiel, wenn wir unsere Gaggle von gleitenden Durchschnitten vergleichen, wie sie eine STEP-Funktion verfolgen, erhalten wir diese, wo wir (nur für MAg) nur 946 12 von der Wechsel. Ja, aber was ist der beste Wert der Beta. Definieren Sie am besten: Beachten Sie, dass Beta 1 die Hull-Wahl ist. Außer mit EMAs anstelle von WMAs. Und du läßt das Quadratwurzelsache aus. Äh, ja. Ich habe es vergessen. Hinweis . Die Kalkulationstabelle ändert sich von Stunde zu Stunde. Es sieht derzeit so aus wie etwas zu spielen Mit mir habe ich eine Kalkulationstabelle, die so aussieht. Klicken Sie auf das Bild zum Download. Sie wählen eine Aktie und klicken Sie auf eine Schaltfläche und erhalten Sie einen jährlichen Wert der täglichen Preise. Sie wählen entweder HMA oder MAg, ändern die Anzahl der Tage und, für MAg, den Parameter, und sehen, wann man KAUFEN ro SELL. Wenn auf welchen Kriterien Wenn der gleitende Durchschnitt DOWN x von seinem Maximum in den letzten 2 Tagen ist, kaufst du. (In dem Beispiel, x 1.0) Wenn seine UP y aus seinem Minimum über die letzten 2 Tage, Sie SELL. (Im Beispiel y 1,5) können Sie die Werte von x und y ändern. Taugt es etwas. Diese Kriterien habe ich gesagt, es war etwas zu spielen. Theres diese andere Glättung Technik genannt Hodrick-Prescott Filter. Mit der Hilfe von Ron McEwan, ist es jetzt in dieser Kalkulationstabelle enthalten: Ist es irgendwie gut, mit ihm zu spielen. Youll bemerken, dass theres ein Parameter, den Sie in Zelle M3 ändern können. Und KAUFEN und SENDEN Signale.