Vidya - Variabelt index Dynamiskt medelvärde Vidya ndash Variable Index Dynamic Average skapades av Tushar S. Chande. Det är en typ av rörligt medelvärde. som anpassar sin längd beroende på volatiliteten på marknaden. Ju högre volatiliteten är desto högre vikt ges de faktiska priserna och vice versa. När volatiliteten stiger blir Vidya känsligare och anpassar sig snabbare till prisförändringarna. När volatiliteten minskar, sänker Vidya. Bestäm tidsperioderna för kortsiktiga och långsiktiga standardavvikelser (normalt 9 och 30 dagar) Beräkna Alpha-faktorn enligt följande: alfa 0,2 x (StDev Close 9) (StDev Close 30)) Vidya alpha x Stäng (1 ndash alfa) x Vidya n-1 StDev Standardavvikelse Indikatoranvändningen för handel liknar andra glidande medelvärden. Obs! Den största fördelen med Vidya är att den anpassar sig till den faktiska marknadsvolatiliteten. Så blir det en av några indikatorer som tar hänsyn till denna aspekt av marknaden. Ett par år senare justerade Tushar S. Chande Vidya på ett sådant sätt att det också innebar att hans CMO ndash Chande Momentum Oscillator var en del av sin konstruktion. Om du är intresserad av en djupare studie av denna tekniska indikator och föredrar redo att betjäna lösningar, kan det här avsnittet vara av intresse för dig. Där kan du hitta alla tillgängliga indikatorer i Excel-filen för nedladdning. Funktionen Flytta genomsnittlig (Variabel längd) returnerar det glidande medelvärdet för ett fält under en variabel tid. Parametrar ------------------ Data De data som ska användas i medelvärdet. Detta är typiskt ett fält i en dataserie eller ett beräknat värde. Period Antalet siffer av data som ska inkluderas i medeltalet, inklusive det aktuella värdet. Till exempel innehåller en period av 3 nuvärdet och de två tidigare värdena. Maximal period Det maximala värdet som perioden kan innehålla. Större värden kräver att extra minne läggs åt sidan för att denna funktion ska beräknas. Obs! En slutpunkt till parametern Period kan simuleras med hjälp av Lag-funktionen för att få ett tidigare värde av denna funktion. Se anteckningarna för Lag-funktionen för mer information. Funktionsvärde ------------------------ Det rörliga genomsnittsvärdet beräknas genom att medelvärdera de tidigare värdena över den angivna perioden, inklusive nuvärdet. Det rörliga genomsnittet i början av en dataserie definieras inte förrän det finns tillräckligt många värden för att fylla den angivna perioden. Om perioden är större än den maximala perioden eller negativet, är värdet inte definierat. Om perioden innehåller ett bråknummer, kommer endast heltalet att användas. Användning ----------- Funktionerna för variabel längd kan användas i samband med andra beräkningar, t. ex. Bars Since Functions, för att bestämma värden sedan en händelse inträffade. Till exempel skulle följande formel returnera genomsnittet av högfältet sedan högst högt i de sista tio staplarna: MAVL (High, Add (BarsSinceHigh (High, 10) .1) .10) Flytta medelvärden är användbara för utjämning bullrig rå data, såsom dagliga priser. Prisuppgifterna kan variera kraftigt från dag till dag, och döljer om priset går upp eller ner över tiden. Genom att titta på prisets glidande medel kan en mer generell bild av de underliggande trenderna ses. Eftersom glidande medelvärden kan användas för att se trender, kan de också användas för att se om data slår trenden. Entryexit-system jämför ofta data med ett glidande medelvärde för att avgöra om det stöder en trend eller startar en ny. Se exempelsystem för exempelexempel för ett exempel på att använda ett Flyttande medelvärde i ett entryexit-system. Variable Moving Average (VMA) aka Volatilitetsindex Dynamic Ave (VIDYA) Variabel Moving Average (VMA) aka Volatilitetsindex Dynamic Average (VIDYA) utvecklades av Tushar S. Chande och presenterades först i mars 1992-utgåvan av Teknisk Analys av Stocks Amp Commodities 8211 Anpassa rörliga medeltal till marknadsvolatilitet Chande8217s teori var att prestanda för ett exponentiellt rörligt medelvärde kunde förbättras genom att använda ett volatilitetsindex (VI) för att justera utjämningsperioden när marknadsförhållandena ändras. Tanken är att när priserna är överbelastade bör ett genomsnitt sakta ner för att undvika whipsaws, men när priserna trender starkt, bör ett genomsnitt öka för att fånga de stora prisrörelserna. Han var inte den första personen som tänkte på dessa linjer George R. Arrington, Ph. D introducerade ett rörligt enkelt rörligt medelvärde baserat på standardavvikelse i juni 1991-utgåvan av teknisk analys av lagerförstärkare 8211 bygga ett rörligt medeltal för rörlig längd ( VLMA). YIDYA representerade dock ett massivt steg framåt från VLMA eftersom det möjliggjorde en mycket större spridning av utjämningsperioder. Hur man beräknar en variabel rörlig genomsnittlig VMA (VI Stäng) ((1 8211 (VI)) VMA1) VI Användare väljer ett mått på volatilitet eller trendstyrka. N Användardefinierad konstant utjämningsperiod. Här är ett exempel på en 3-årig VMA med en 3-års effektivitetsförhållande (ER) som VI: Hur VIDYA-utjämningen ändras av volatilitetsindexet Det rörliga rörliga genomsnittet är unikt eftersom det inte har någon övre eller nedre gräns för dess utjämning period: VMA-utjämningsperioden kan gå oändligt hög tills volatilitetsindexet är lika med noll vid vilken tidpunkt det resulterande genomsnittet kommer att sluta röra sig och vara lika med föregående VMA. När volatilitetsindexet är lika med 1 kommer utjämningsperioden att vara lika med den användardefinierade konstanten 8216N8217 märker hur när Y-axeln N, X-axeln 1. Om volatilitetsindexet som används kan stiga över 1 (som standardavvikelseförhållandet) då kan utjämningsperioden falla under den användardefinierade konstanten. När VI (N2) 0,5 blir utjämningsperioden 1, vilket är lika med priset självt. Därför måste VI som används inte stiga ovanför (N2) 0,5 och om det gör vid tillfälle måste detta lock skrivas in i formeln. En titt på den faktiska alfabetet Eftersom VMA är som namnet antyder, variabel är 8216Actual Alpha8217 inte statisk men påverkas av VI. Genom att ändra konstant 8216N8217 ändras dock tolkningen av VI mycket: Ovan kan du se ett exempel på 8216Actual Alpha8217 och den resulterande utjämningsperioden för en VMA med en 8216N8217 av 1 och en 8216N8217 av 5. Vi vet att när VI 1 (vilket indikerar att beståndet trender perfekt) utjämningsperioden 8216N8217. Så de snabbaste möjliga utjämningsperioderna i dessa exempel skulle vara 1 respektive 5 inte en stor skillnad. Men det är förvånande att se vad en stor inverkan förändrar 8216N8217 bara några punkter har övergripande. I själva verket som 8216N8217 ökar de resulterande VMA-rörelserna exponentiellt långsammare. Denna påverkan är snarare som den kvadrering som används av Kaufman i sitt adaptiva rörande medelvärde. Vilket volatilitetsindex att använda Chande använde ursprungligen standardavvikelseförhållandet som hans VI och det här är det som vanligtvis används när folk pratar om en VIDYA. Men senare, i oktober 1995-artikeln från Technical Analysis of Stocks amp Commodities 8211 8216Identifying Powerful Breakouts Early 8216 föreslog han användandet av sin egen Chande Momentum Oscillator (CMO). Eftersom CMO varierar mellan 100 och 100, för att använda den i den här applikationen måste vi ta det absoluta värdet dividerat med 100. Resultatet är identiskt med effektivitetsförhållandet (ER) och används VI oftast när människor hänvisar till en VMA . Eventuella mått på volatilitet eller trendstyrka kan dock användas så länge det passar mellan ett noll till (N2) 0,5-intervall där högre avläsningar indikerar en starkare trend. Volatilitetsindex används för provning Som en del av 8216Technical Indicator Fight for Supremacy 8216 testade vi följande indikatorer som volatilitetsindex i ett rörligt rörligt medelvärde: Finns det några andra som du tycker är värda att testa? Vänligen meddela oss i kommentarfältet på botten. Variabel rörlig genomsnittlig Excel-fil Jag har sammanställt ett Excel-kalkylblad som innehåller det rörliga rörliga genomsnittet och gjort det tillgängligt för gratis nedladdning. Den innehåller en 8216basic8217-version som visar alla arbeten och en 8216fancy8217 som automatiskt anpassar sig till längden och det volatilitetsindex du anger. Hitta den på följande länk längst ner på sidan under Nedladdningar Tekniska indikatorer: Variabel rörlig medelvärde (VMA) 10-dagars variabelt rörligt medelvärde Exempel, VI 50-dagars effektivitetsförhållande Tack, bror, det här är bra. förklaringen av matematiken bakom den är väldigt hjälpsam nu när jag förstår hur varje del av ekvationen fungerar kan jag spela med den en fråga8230 VMA1 för nävedatapunkten du bara använder Close1 och i så fall varför inte bara använda Close1 det borde vara mer mottaglig för prisförändring Jag måste hålla med steveplace, heteroskedacity är svår att förklara klockan 7:00 på morgonen lol Glad att du tyckte att det var användbart Peter. Jag hittar några formler på webben för att dessa saker är svåra att läsa eftersom jag inte har någon formell matematikutbildning. Det är därför jag bryter ner det hela och visar arbetet så det finns ingen förvirring. När det gäller din fråga är VMA fortfarande ett exponentiellt glidande medelvärde (EMA) etfhqblog20101108exponential-moving-average, men med en dynamisk alfa istället för en konstant. Alla EMA använder sina tidigare medel när de flyttar framåt, men måste fröas med ett nummer i början (vanligtvis föregående stäng) EMA EMA (1) (Stäng EMA (1)). Om du fortsatte att använda föregående stängning så skulle genomsnittet spåra priset så nära att det matchar det nästan exakt. Ladda ner spreadsheet om du redan har 8217 och försök. Gå till cell J5 i slutet av formeln kommer det att säga IF (J482438221, J4 (2 (I51)) (E5-J4), 82218221)) ändra detta för att läsa IF (E482438221, E4 (2 (I51)) - E4), 82218221)) fyll i den här formeln längst ner i kolumnen och referera sedan till föregående stäng i stället för tidigare VMA. BTW Jag märkte precis att jag hade kalkylbladet inställt på manuell beräkning uppdatering snarare än automatisk. Du kanske vill ändra det eller ladda ner det igen som jag har fixat det nu. sayyed 5 år sedan använder jag VMA tillsammans med andra MA8217s (enkel, exp, viktad, volviktig, triangulär). ska jag använda samma period för VMA som period för andra medelvärden använder jag skärningspunkten som mina buysellpoäng som andra MA8217s eller ska jag använda riktningen för VMA som min buysell-signal tack för ditt stöd. Derry Brown 5 år sedan Du kan se testresultat för flera av de MAs du nämnde här 8211 etfhqblog20100525best-technical-indicators Svaret på din fråga beror på om du använder dem som en del av ett mekaniskt system eller en diskretionär. Jag har inte testat resultaten av MA crossovers mellan olika typer av MAs men jag skulle inte tro att detta skulle vara ett effektivt tillvägagångssätt. Varje typ av glidande medelvärde är unikt, så det är inte nödvändigt att använda samma utjämningsperiod och VMA är så annorlunda att den måste behandlas som ett helt separat medelvärde. Hoppas det här hjälper DerryDen här frågan har redan ett svar här: Jag försöker att beräkna glidande medelvärde med olika datum. Min databas är strukturerad: Id tycker till exempel om det genomsnittliga priset som går tillbaka X dagar någonsin blir större än genomsnittspriset går tillbaka Y dagar inom de senaste Z dagarna. Var och en av dessa tidsperioder är variabel. Detta måste köras för varje lager i databasen (cirka 3000 aktier med priser som går tillbaka 100 år). Jag är lite fast på det här, det jag har för närvarande är en röra av SQL-undersökningar som inte fungerar eftersom de inte kan redogöra för det faktum att X, Y och Z alla kan vara något värde (0-N). Det är under de senaste 5 dagarna jag kunde leta efter ett lager där 40 dagars genomsnittet är 5 eller 5 40. Eller jag kunde titta över de senaste 40 dagarna för att hitta lager där 10 dagars glidande medelvärde är 30 dag glidande medelvärde. Denna fråga skiljer sig från de andra frågorna eftersom det finns variabla korta och långa datum samt en variabel term. frågade 27 april 13 kl 14:51 markerad som duplikat av Cheran Shunmugavel. Jean-Bernard Pellerin. Tikhon Jelvis. akond. Romersk C Apr 28 13 kl 9:01 Denna fråga märktes som en exakt kopia av en befintlig fråga. Vänligen se dessa tidigare inlägg på Stackoverflow: Dessa inlägg har lösningar på din fråga. svarat 27 apr 13 kl 14:55 Denna fråga skiljer sig från de andra frågorna eftersom det finns variabla korta och långa datum samt en variabel term. ndash user1797484 Apr 28 13 at 13:46 Jag tror att det mest direkta sättet att göra ett glidande medelvärde i MySQL använder en korrelerad underfråga. Här är ett exempel: Du måste fylla i värdena för x och y. Av prestationsskäl vill du ha ett prisindex (stockid, date, closing price). Om du har ett alternativ för en annan databas, erbjuder Oracle, Postgres och SQL Server 2012 alla mycket bättre lösningar för detta problem. I Postgres kan du skriva detta som:
No comments:
Post a Comment