笔记本突然有噪音:卡夫曼自适应移动平均算法过程整理[by?faruto]
来源:百度文库 编辑:偶看新闻 时间:2024/04/30 21:10:29
卡夫曼自适应移动平均算法过程整理[by faruto]
(2011-10-17 13:45:53)卡夫曼自适应移动平均算法过程整理[by faruto]
摘自《Smarter Trading》
2011-10-17
步骤1:价格方向
direction = price – price[n];
其中,direction是当前价格差或方向数值,price是当前价格(当日收盘价或小时收盘价),price[n]是n日前的收盘价(或n个周期前)。
步骤2:波动性
volatility = @sum(@abs(price – price[1]), n);
其中,volatility是指今日的波动性数值,@abs是绝对值函数,@sum(value, n)是n个周期中的数值之和函数。
步骤3:效率系数(ER)
Efficiency_Ratio = direction/volativity;
步骤4:变换上述系数为趋势速度
EXPMA = EXPMA[1] + c*(price – EXPMA[1]);
fastest = 2/(N+1) = 2/(2+1) = 0.6667;
slowest = 2/(N+1) = 2/(30+1) = 0.0645;
smooth = ER*(fastest - slowest) + slowest;
c = smooth*smooth;
AMA = AMA[1] + c*(price – AMA[1]);
自调节式过滤器设计
过滤器 = percentage*@std(AMA-AMA[1], n);
其中,@std(series, n)是价格系列n个周期的标准差。
向交易规则中添加过滤器