Mesa Adaptiv Moving Average For Amibroker ( Afl )

Gjør Adaptive Moving Averages Lead To Better Results Flytte gjennomsnitt er et favorittverktøy for aktive handelsfolk. Men når markeder konsoliderer, fører denne indikatoren til mange whipsaw-bransjer, noe som resulterer i en frustrerende rekke små gevinster og tap. Analytikere har tilbrakt tiår med å prøve å forbedre det enkle glidende gjennomsnittet. I denne artikkelen ser vi på denne innsatsen og finner ut at deres søk har ført til nyttige handelsverktøy. (For bakgrunnsavlesning på enkle bevegelige gjennomsnitt, sjekk ut Enkle bevegelige gjennomsnittsverdier. Gjør trendene stående.) Fordeler og ulemper med bevegelige gjennomsnittsverdier Fordelene og ulempene ved bevegelige gjennomsnitt ble oppsummert av Robert Edwards og John Magee i første utgave av teknisk analyse av Stock Trends. da de sa det, og det var tilbake i 1941 at vi gjerne gjorde oppdagelsen (selv om mange andre hadde gjort det før) at ved å beregne dataene i et gitt antall dager, kunne en utlede en slags automatisert trendlinje som definitivt ville tolke endringene i trend Det virket nesten for godt til å være sant. Faktisk var det for godt til å være sant. Med ulempene oppveier fordelene, forlot Edwards og Magee raskt sin drøm om å handle fra en bungalow på stranden. Men 60 år etter at de skrev disse ordene, fortsetter andre ved å forsøke å finne et enkelt verktøy som uten problemer ville gi rikdomene på markedene. Enkle bevegelige gjennomsnitt For å beregne et enkelt glidende gjennomsnitt. legg til prisene for ønsket tidsperiode og divider med antall valgte perioder. Å finne et fem-dagers glidende gjennomsnitt vil kreve oppsummering av de fem siste sluttkursene og dividere med fem. Hvis den siste lukkingen er over det bevegelige gjennomsnittet, vil aksjene anses å være i en uptrend. Downtrends er definert av priser som handler under det bevegelige gjennomsnittet. (For mer, se vår Moving Averages opplæring.) Denne trenddefinerende egenskapen gjør det mulig å flytte gjennomsnitt for å generere handelssignaler. I sin enkleste søknad kjøper handelsmenn når prisene går over det glidende gjennomsnittet og selger når prisene går over den linjen. En tilnærming som dette er garantert å sette handelsmannen på høyre side av enhver betydelig handel. Dessverre, mens utjevning av dataene, vil glidende gjennomsnitt ligge bak markedsaksjonen, og næringsdrivende vil nesten alltid gi tilbake en stor del av fortjenesten på selv de største vinnende handler. Eksponentielle Flytende Gjennomsnitt Analytikere ser ut til å ha ideen om det bevegelige gjennomsnittet og har tilbrakt flere år med å forsøke å redusere problemene knyttet til dette forsinket. En av disse innovasjonene er eksponentiell glidende gjennomsnitt (EMA). Denne tilnærmingen tilordner en relativt høyere vekting til nyere data, og som et resultat forblir det nærmere prisaktiviteten enn et enkelt bevegelige gjennomsnitt. Formelen for å beregne et eksponentielt glidende gjennomsnitt er: EMA (Vekt Lukk) (1 Vekt) EMAy) Hvor: Vekt er utjevningskonstanten valgt av analytikeren EMAy er det eksponentielle glidende gjennomsnittet fra i går En felles vektningsverdi er 0,181, hvilket er nær et 20-dagers enkelt glidende gjennomsnitt. En annen er 0,10, som er omtrent et 10-dagers glidende gjennomsnitt. Selv om det reduserer lagret, unnlater det eksponentielle glidende gjennomsnittet ikke å adressere et annet problem med bevegelige gjennomsnitt, som er at deres bruk for handelssignaler vil føre til et stort antall tapende handler. I nye konsepter i tekniske handelssystemer. Welles Wilder anslår at markedene bare trender en fjerdedel av tiden. Opptil 75 av handelshandlinger er begrenset til smale områder, når flytende gjennomsnittlig kjøps-og-selgesignaler vil bli gjentatte ganger da prisene raskt beveger seg over og under det bevegelige gjennomsnittet. For å løse dette problemet har flere analytikere foreslått å variere vektningsfaktoren for EMA-beregningen. (For mer, se Hvordan flytter gjennomsnitt som brukes i handel) Tilpasning av bevegelige gjennomsnitt til markedshandling En metode for å håndtere ulempene med bevegelige gjennomsnitt er å multiplisere vektningsfaktoren med et volatilitetsforhold. Å gjøre dette ville bety at det bevegelige gjennomsnittet ville være lengre enn dagens pris i volatile markeder. Dette vil tillate vinnere å kjøre. Som en trend kommer til en slutt og prisene konsoliderer. det bevegelige gjennomsnittet vil bevege seg nærmere den nåværende markedsaksjonen, og i teorien tillate handelsmannen å beholde de fleste gevinster tatt i løpet av trenden. I praksis kan volatilitetsforholdet være en indikator som Bollinger Bandwidth, som måler avstanden mellom de kjente Bollinger Bands. (For mer om denne indikatoren, se Grunnleggende om Bollinger Bands.) Perry Kaufman foreslo å bytte vektvariabel i EMA-formelen med en konstant basert på effektivitetsforholdet (ER) i boken New Trading Systems and Methods. Denne indikatoren er utformet for å måle styrken til en trend definert innenfor et område fra -1,0 til 1,0. Det beregnes med en enkel formel: ER (total prisendring for periode) (sum av absolutte prisendringer for hver linje). Vurder en aksje som har en fempunkts rekkevidde hver dag, og ved utgangen av fem dager har det blitt totalt av 15 poeng. Dette ville resultere i en ER på 0,67 (15 poeng oppover bevegelse dividert med total 25-punkts rekkevidde). Hadde denne aksjen redusert 15 poeng, ville ER-være -0,67. (For mer handelsrådgivning fra Perry Kaufman, les Losing To Win. Som beskriver strategier for å takle handelsstap.) Prinsippet om en trendereffektivitet er basert på hvor mye retningsbestemt (eller trend) du får per prisbevegelsesenhet over en definert tidsperiode. En ER på 1,0 indikerer at aksjen er i perfekt opptrend -1,0 representerer en perfekt nedtrend. I praksis er ekstremene sjelden nådd. For å bruke denne indikatoren for å finne det adaptive glidende gjennomsnittet (AMA), må handelsfolk beregne vekten med følgende, ganske komplekse formelen: C (ER (SCF SCS)) SCS 2 Hvor: SCF er eksponensiell konstant for den raskeste EMA tillatt (vanligvis 2) SCS er eksponensiell konstant for den langsomste EMA-tillatelsen (ofte 30) ER er effektivitetsforholdet som ble notert over. Verdien for C blir da brukt i EMA-formelen i stedet for den enklere vektvariabelen. Selv om det er vanskelig å beregne for hånd, er det adaptive glidende gjennomsnittet inkludert som et alternativ i nesten alle handelsprogramvarepakker. (For mer om EMA, les Exploring The Exponentially Weighted Moving Average.) Eksempler på et enkelt glidende gjennomsnitt (rød linje), et eksponentielt glidende gjennomsnitt (blå linje) og det adaptive glidende gjennomsnittet (grønn linje) er vist i Figur 1. Figur 1: AMA er i grønt og viser størst grad av flattning i rekkeviddebundet handling sett på høyre side av dette diagrammet. I de fleste tilfeller er det eksponentielle glidende gjennomsnittet, vist som den blå linjen, nærmest prishandlingen. Det enkle glidende gjennomsnittet vises som den røde linjen. De tre bevegelige gjennomsnittene som er vist på figuren, er alle tilbøyelige til å piske på ulike tider. Denne ulempen med bevegelige gjennomsnitt har hittil vært umulig å eliminere. Konklusjon Robert Colby testet hundrevis av tekniske analyseverktøy i Encyclopedia of Technical Market Indicators. Han konkluderte med at selv om det adaptive glidende gjennomsnittet er en interessant nyere ide med betydelig intellektuell appell, viser ikke våre foreløpige tester noen reell praktisk fordel for denne mer komplekse trendutjevningsmetoden. Dette betyr ikke at handelsfolk burde ignorere ideen. AMA kan kombineres med andre indikatorer for å utvikle et lønnsomt handelssystem. (For mer om dette emnet, les Discover Discover Keltner Channels og Chaikin Oscillator.) ER kan brukes som en frittstående trendindikator for å se de mest lønnsomme handelsmulighetene. Som et eksempel viser forholdstall over 0,30 sterke opptrender og representerer potensielle kjøp. Alternativt, siden volatiliteten beveger seg i sykluser, kan aksjene med lavest effektivitetsforhold sees som breakout-muligheter. Et mål på forholdet mellom en endring i mengden som kreves av et bestemt godt og en endring i prisen. Pris. Den totale dollarverdien av alle selskapets utestående aksjer. Markedsverdien beregnes ved å multiplisere. Frexit kort for quotFrench exitquot er en fransk spinoff av begrepet Brexit, som dukket opp da Storbritannia stemte til. En ordre som er plassert hos en megler som kombinerer funksjonene til stoppordre med grensene. En stoppordre vil. En finansieringsrunde hvor investorer kjøper aksjer fra et selskap til lavere verdsettelse enn verdsettelsen plassert på. En økonomisk teori om total utgifter i økonomien og dens effekter på produksjon og inflasjon. Keynesian økonomi ble utviklet. JOHN EHLERS INDIKATORER: Jeg har samlet de fleste indikatorene på denne siden fra Ehlers bøker. Noen justeringer har blitt gjort for klarhet eller for å få dem til å fungere skikkelig. De har alle verifisert i TradeStation, men ingen garantier for perfeksjon eller riktig funksjonalitet er underforstått. MESA-formelen (Maximum Entropy Spectral Analysis) som brukes i mange av disse indikatorene, ble opprinnelig utviklet for å tolke seismografisk informasjon for oljeutforskning. De har blitt tilpasset her for å måle markedssykluser - de produserer høyoppløselige utganger med svært korte mengder informasjon, en ideell kombinasjon for markedsevaluering. MAMA FAMA indikator. - MAMA står for MESA Adaptive Moving Average (Det har også blitt kalt mor til alle bevegelige gjennomsnitt). Dette er en MA som tilpasser seg til updown sykluser og er veldig robust - Jeg planlegger å innlemme den i noen strategier snart. Fisher Transform Indicator. Dette er en veldig rask crossover trade trigger indikator, og hvis den brukes i forbindelse med et godt trend-følge verktøy, er det forutsigbart og kan brukes i strategier (kommer snart). Sammenliknet med MACD eller andre crossover-indikatorer er Fisher Transform klart overlegen og rettidig. Øyeblikkelig trendindikator (iTrend): Trendindikator med nesten nulllag og omtrent samme utjevning som EMA. Handelssignaler genereres ved kryssing av triggerlinjen og iTrend-linjen. Senter for tyngdekraftindikator. En annen Ehlers-oscillator - jeg har ikke eksperimentert mye med denne - kan kreve en ekstra trendindikator for å hjelpe fungere best - gjør din egen testing. Cyber ​​Cycle Indicator. En tidlig Ehlers-indikator som forsøker å måle markedssykluser. Cycle Measure indikator. Samme som syklusperiodeindikator. En annen Cycle Measuring-indikator, mer robust enn den ovenfor, men med bare en linje - ingen kryssinger. Fisher Cyber ​​Cycle Indicator. En syklusmålerindikator med en Fisher Transform modifikasjon. Relativ vektindeks. Konceptet RVI er at prisene lukker høyere enn de åpner i mkts og v. v. i ned mkts. RVI er en oscillator der bevegelse er normalisert til handelsområdet for hver stolpe. Det bruker fire-bar symmetrisk FIR lag-annullering filtre for å produsere en lesbar indikator. Stokastisk CG-oscillator. Rev.100108 Flere indikatorer er endret med en stokastisk algoritme. I noen tilfeller forbedrer dette ytelsen, men ikke vesentlig. Fisher Stochastic CG Oscillator. Fisher Stokastisk CG indikatoroscillator ligner Stokastisk CG Oscillator, men med skarpere reverseringer og sporadisk tidligere signaler. Stokastisk RVI-indeks. Rev.100108-Konceptet med RVI er at prisene lukker høyere enn de åpner i mkts og v. v. i ned mkts. RVI er en oscillator der bevegelse er normalisert til handelsområdet for hver stolpe. Det bruker fire-bar symmetrisk FIR lag-annullering filtre for å produsere en lesbar indikator. Disse adaptive indikatorene er mer responsive enn deres statiske (ikke-adaptive) motparter. De er ment å eliminere lag. Sinebølgen (kommer snart) skal være prediktiv. Sine Wave Indicator. postet 82708 - Denne indikatoren forsøker å bestemme den nåværende fasen av syklusen du befinner deg i, har en fordel i forhold til andre oscillatorer som RSI og Stokastisk fordi den forutsetter snarere enn venter på bekreftelse. SW gir inngangs - og utgangssignaler 116. av en syklusperiode i forkant av syklus vendepunktet og gir sjelden falske whipsaw-signaler når markedet er i en trendmodus. FRAMA er det effektivt Fractal adaptivt Flytende Gjennomsnittlig aka FRAMA er en spesielt smart indikator. Det bruker Fractal Dimension av aksjekursene for å dynamisk tilpasse utjevningsperioden. I dette innlegget vil vi avdekke hvordan FRAMA utfører og hvis det er verdig å bli med i ditt handelsarbeider. For å forstå hvordan FRAMA fungerer, vennligst les dette innlegget før du fortsetter. Du kan også laste ned et gratis regneark som inneholder en fungerende FRAMA som automatisk tilpasser seg innstillingene du angir. Finn den på følgende kobling nær bunnen av siden under Nedlastinger Tekniske indikatorer: Fractal Adaptive Moving Average (FRAMA). Vennligst legg igjen en kommentar og del dette innlegget hvis du finner det nyttig. Den Modified FRAMA som vi testet består av mer enn én variabel. Så før vi kan sette opp mot andre Adaptive Moving Averages for å sammenligne ytelsen, må vi først forstå hvordan FRAMA oppfører seg ettersom parametrene er endret. Fra denne informasjonen kan vi identifisere de beste innstillingene og bruke disse innstillingene når du utfører sammenligningen med andre flytende gjennomsnittstyper. Hver FRAMA krever at en innstilling blir spesifisert for Fast Moving Average (FC), Slow Moving Average (SC) og FRAMA-perioden selv. Vi har testet bransjer som går lang og kort, ved hjelp av Daglig og Ukentlig data, ved å ta slutten av dagen (EOD) og End of Week (EOW) signaler analysere alle kombinasjoner av: FC 1, 4, 10, 20, 40, 60 SC 100, 150 , 200, 250, 300 FRAMA 10, 20, 40, 80, 126, 252 En del av FRAMA-beregningen innebærer å finne prisfallet for første halvdel, andre halvdel og hele lengden av FRAMA-perioden. Av denne grunn ble FRAMA-perioder vi testet valgt på grunn av å være like tall og at de samsvarer med omtrentlig antall handelsdager i standard kalenderperioder: 10 dager 2 uker, 20 dager 1 måned, 40 dager 2 måneder, 80 dager år, 126 dager år og det er 252 handelsdager i et gjennomsnittlig år. Totalt 920 forskjellige gjennomsnitt ble testet, og hver enkelt ble kjørt gjennom 300 års data på 16 forskjellige globale indekser (detaljer her). Daglig vs Ukentlig data EOD vs EOW Signaler I vår opprinnelige MA-test Flytende gjennomsnitt Enkel vs Eksponentiell avslørte vi at når en EMA-lengde var over 45 dager, ved å bruke EOW-signaler i stedet for EOD-signaler, gjorde du ikke ofre retur, men dra nytte av en 50-hopp i sannsynligheten for fortjeneste og doble gjennomsnittlig varighet. For å se om dette også var tilfellet med FRAMA, sammenlignet vi de beste avkastningene som ble produsert av hver signaltype: Som du kan se, for FRAMA, vil Daglige data med EOD-signaler produseres med de mest lønnsomme resultatene, og vi vil derfor fokusere på dette data i utgangspunktet. Den presenteres nedenfor på diagrammer delt av FRAMA-perioden med testresultatene på y-aksen, Fast MA (FC) på x-aksen og en separat serie som vises for hver Slow MA (SC). FRAMA Annualized Return Day EOD Long Den første imponerende tingen med resultatene ovenfor er at hver eneste Daily EOD Long Average testet overgikk kjøp og hold årlig avkastning på 6,32 i testperioden (før du tillater transaksjonskostnader og slippe). Dette er en sterk tillitserklæring for FRAMA som en indikator. Du vil også legge merke til at datariene på hvert diagram er samlet sammen og avslører at lignende resultater oppnås til tross for SC-perioden fra 100 til 300 dager. Endring av de andre parametrene gjør imidlertid en stor forskjell, og avkastningen øker betydelig når FRAMA-perioden er over 80 dager. Dette indikerer at Fractal Dimension ikke er så nyttig hvis målt over korte perioder. Når FRAMA-perioden er kort, øker avkastningen ettersom FC-perioden er forlenget. Dette skyldes at Fractal Dimension er svært volatil hvis målt over korte perioder og en lengre FC-dempning som volatiliteten. Når FRAMA-perioden er 40 dager eller mer, blir Fractal Dimension mindre volatile, og som følge av dette øker FC-verdien så tilbake til tilbakegang. Samlet sett var den beste årlige avkastningen på den lange siden av markedet fra en FRAMA-periode på 126 dager, noe som tilsvarer omtrent seks måneder i markedet, mens en FC på bare 1 til 4 dager viste seg å være mest effektiv. Vurderingen av resultatene fra den korte siden av markedet kommer til samme konklusjon, selv om avkastningen var langt lavere: FRAMA Annualized Return Short. FRAMA Annualized Return Under Eksponeringsdag EOD Long Ovennevnte diagrammer viser hvor produktiv hver annen Daglig FRAMA EOD Long var mens den var utsatt for markedet. Klart er de kortere FRAMA-periodene langt mindre produktive og alt under 40 dager er ikke verdt å plage med. 126-dagen FRAMA produserte igjen den beste avkastningen med den optimale FC som var 1 4 dager. Returnerer for å gå kort etterfulgt av et lignende mønster, men som du ville forvente var langt lavere FRAMA Annualized Return Under Exposure Short. Fremover vil vi fokusere på egenskapene til 126-dagers FRAMA fordi det konsekvent produserte overlegen avkastning. FRAMA, EOD Tid i markedet. Fordi de 16 markedene brukte avansert med en gjennomsnittlig årlig rate på 6,32 i testperioden, kommer det ikke som en overraskelse at flertallet av markedseksponeringen var på langsiden. Ved å utvide FC økte den ytterligere tiden som var utsatt for langsiden og redusert eksponering på kortsiden. Hvis testperioden hadde bestått av et lengre bjørnmarked, ville eksponeringsresultatet sannsynligvis bli reversert. FRAMA, EOD Handelsvarighet. Ved å øke FC-perioden utvider den også den gjennomsnittlige varigheten. Endring av SC gjør liten forskjell, men da SC økes fra 100 til 300 dager, øker den gjennomsnittlige varigheten for alltid så lite. FRAMA, EOD Sannsynlighet for fortjeneste. Som du forventer, er sannsynligheten for fortjeneste høyere på langsiden, som igjen hovedsakelig er en funksjon av de globale markedene som øker i løpet av testperioden. Men nøkkelfunksjonen som ble vist av diagrammene ovenfor, er at sannsynligheten for fortjeneste reduseres betydelig ettersom FC er utvidet. Dette er en annen indikasjon på at den optimale FRAMA krever en kort FC-periode. De beste daglige EOD FRAMA parametrene. Våre tester viser tydelig at en FRAMA-periode på 126 dager vil produsere nær optimale resultater. Mens for SC har vi vist at enhver innstilling mellom 100 og 300 dager vil gi et lignende utfall. FC-perioden på den annen side må være kort 4 dager eller mindre. John Ehlers original FRAMA hadde en FC på 1 og en SC på 198 dette vil gi fantastiske resultater uten behov for noen endring. Fordi vi foretrekker å handle så sjeldent som mulig, har vi valgt en FC på 4 og en SC på 300 som de beste parametrene, fordi disse innstillingene gir en lengre gjennomsnittlig varighet, samtidig som de gir gode avkastninger både på lang og kort side av markedet . FRAMA, EOD Long. Over kan du se hvordan 126 Day FRAMA med en FC på 4 og en SC på 300 har utført siden 1991 sammenlignet med et likevektt globalt gjennomsnitt av de testede markedene. Jeg har medtatt ytelsen til 75-dagers EMA, EOW fordi det var det eksepsjonelle glidende gjennomsnittet som ble utført fra våre opprinnelige tester. Dette illustrerer tydelig at Fractal Adaptive Moving Average er overlegen til et standardeksponentielt Moving Average. FRAMA er langt mer aktiv, men produserer over 5 ganger så mange handler og har større avtak i løpet av 2008-bjørnmarkedet. På den korte siden av markedet demonstrerer FRAMA dess effektivitet. Uten å måtte endre noen parametere, forblir 126 Day FRAMA, EOD 4, 300 en toppspiller. Da vi kjørte våre opprinnelige tester på EMA, fant vi et raskere gjennomsnitt fungerte best for å gå kort, og at 25-dagers EMA var spesielt effektiv. Men som du kan se på kartet ovenfor, overtreffer FRAMA igjen. Det som spesielt er verdt å merke seg er at den årlige avkastningen i løpet av de 27 årene som denne FRAMA var kort, var 6,64, noe som er større enn den globale gjennomsnittlige årlige avkastningen på 6,32. Se resultatene for 126-dagers FRAMA, EOD 4, 300 126-dagers FRAMA, EOD 4, 300 utjevningsperiodefordeling. Med en standard EMA er utjevningsperioden konstant hvis du har en 75 dagers EMA, og utjevningsperioden er 75 dager uansett hva. FRAMA derimot er adaptiv, slik at utjevningsperioden er i stadig endring. Men hvordan går utjevningen ut? Følger den en bellkurve mellom FC og SC, er den tilfeldig eller er den lokalisert rundt noen få verdier. For å avsløre svaret kartlegge vi prosenten som hver utjevningsperiode skjedde over 300 år med testdata. Tabellen ovenfor kom som en ganske overraskelse. Det viser at til tross for et FC til SC-område på 4 til 300 dager, var 72 av utjevningen innenfor en 4-50 dagers rekkevidde, og hovedparten av det var bare 5 til 8 dager. Dette forklarer hvorfor å skifte SC har lite innflytelse og hvorfor å endre FC gjør hele forskjellen. Det forklarer også hvorfor FRAMA ikke fungerer bra når du bruker EOW-signaler, da en EMA må være over 45 dager i varighet før EOW-signaler kan brukes uten å ofre retur. En langsommere FRAMA Vi har identifisert at FRAMA er en meget effektiv indikator, men de beste parametrene (126 Day FRAMA, EOD 4, 300 Long) gir et svært raskt gjennomsnitt som i testerne hadde en typisk varighet på bare 14 dager. Vi vet også at 75-dagers EMA, EOW Long er et effektivt, men langsommere glidende gjennomsnitt og i våre tester hadde en typisk varighet på 74 dager. Et godt sakte bevegelige gjennomsnitt kan være en nyttig komponent i ethvert handelssystem fordi det kan brukes til å bekrefte signalene fra andre mer aktive indikatorer. Så vi så gjennom FRAMA-testresultatene igjen på søk et mindre aktivt gjennomsnitt som er et bedre alternativ til 75-dagers EMA, og dette er det vi fant: 251-dagen FRAMA, EOW 40, 250 Long gir noen imponerende resultater og utfører 75-dagers EMA, EOW Long med en brøkdel. Men denne brøkdelige forbedringen er i nesten alle mål, inkludert ytelsen på kortsiden. Den eneste ulempen er en svak nedgang i gjennomsnittlig varighet fra 74 dager til 63 når den er lang. Som et resultat har 252-dagen FRAMA, EOW 40, 250 slått 75-dagers EMA, EOW ut av den tekniske indikatorbekjempelsen for overlegenhet. Se resultatene for 252-dagen FRAMA, EOW 40, 250 Long and Short på hvert av de 16 testede markedene. 252 Dag FRAMA, EOW 40, 250 Utjevning Periode Fordeling FRAMA Test Konklusjon FRAMA er forbløffende effektiv som både et raskt og sakte bevegelige gjennomsnitt og vil overgå noen SMA eller EMA. Vi valgte en modifisert FRAMA med en FC på 4, en SC på 300 og en FRAMA-periode på 126 som den mest effektive raske FRAMA, selv om innstillingene for en standard FRAMA også vil gi gode resultater. For et langsommere eller lengre sikt gjennomsnitt vil de beste resultatene komme fra en FC på 40, en SC på 250 og en FRAMA-periode på 252. Robert Colby i sin bok The Encyclopedia of Technical Market Indicators konkluderte med at selv om det adaptive glidende gjennomsnittet er En interessant nyere ide med betydelig intellektuell appell, viser at våre foreløpige tester ikke viser noen reell praktisk fordel for denne mer komplekse trendutjevningsmetoden. Vel, Colby, vår forskning på FRAMA er i direkte kontrast til funnene dine. Det vil være interessant å se om noen av de andre Adaptive Moving Averages kan gi bedre avkastning. Vi vil legge inn resultatene HER som de blir tilgjengelige. Godt gjort John Ehlers du har skapt en annen eksepsjonell indikator. Om forfatteren Derry Brown Derry er grunnleggeren av OM3 Ltd, en cutting edge kvalitativ analyse firma fra New Zealand. Du kan følge Derrys Research på sin blogg ETF HQ. Les mer.