Jurik Gleitender Durchschnitt

Idealerweise möchten Sie, dass ein gefiltertes Signal sowohl glatt als auch verzögerungsfrei ist. Lag verursacht Verzögerungen in Ihrem Trades, und steigende Verzögerung in Ihren Indikatoren in der Regel führen zu niedrigeren Gewinnen. Mit anderen Worten, Später kommen auf dem Tisch, nachdem das Fest bereits begonnen hat. Thats, warum Investoren, Banken und Institutionen weltweit nach dem Jurik Research Moving Average (JMA) fragen. Sie können es so anwenden, wie Sie irgendwelche anderen beliebten gleitenden Durchschnitt. Allerdings, JMAs verbessert Timing und Glätte wird Sie verblüffen. Die gezackte graue Linie im Diagramm simuliert Preisvorgänge, die in einem niedrigen Handelsbereich beginnen, dann Lücken zu einem höheren Handelsbereich. Da niemand an der Seitenlinie gewartet hat, bewegt sich ein perfekter Rauschunterdrückungsfilter (grüne Linie) reibungslos entlang der Mitte des ersten Trading-Bereichs und springt dann fast sofort in die Mitte des neuen Handelsbereichs. IRQs auf JMA Was ist die Theorie Hinter JMA. Warum hat JMA einen PHASE-Parameter. Hat JMA eine Zeitreihe prognostiziert. Werden vorherige JMA-Werte, die bereits geplottet wurden, ändern, wenn neue Daten ankommen. Kann ich andere Indikatoren mit JMA verbessern? Hat JMA eine besondere Garantie Wie sieht JMA mit anderen Filtern aus? ALLGEMEINE THEMEN auf JURIK-WERKZEUGEN Können die Werkzeuge viele Kurven auf jedem von vielen Diagrammen zeichnen. Können die Werkzeuge jede Art von Daten verarbeiten. Können die Werkzeuge in Echtzeit arbeiten. Sind die Algorithmen offenbart oder schwarz-boxed. Machen Jurik-Werkzeuge in die Zukunft einer Zeitreihe blicken. Haben die Werkzeuge ähnliche Werte über alle Plattformen (TradeStation, Multicharts). Werden die Werkzeuge von Juriks mit einer Garantie versehen. Wie viele Installations-Passwörter bekomme ich? Was ist die Theorie hinter JMA. TEIL 1. PREISGAPS Das Glätten von Zeitreihendaten, wie z. B. tägliche Börsenkurse, um unerwünschtes Rauschen zu beseitigen, erzeugt unweigerlich einen Graphen (Indikator), der sich langsamer bewegt als die ursprüngliche Zeitreihe. Diese quotslownessquot wird dazu führen, dass die Handlung etwas hinter der ursprünglichen Serie lag. Zum Beispiel wird ein 31 Tage einfacher gleitender Durchschnitt die Preiszeitreihen um 15 Tage verzögern. Lag ist sehr unerwünscht, weil ein Handelssystem, das diese Informationen verwendet, seinen Handel verzögert hat. Late Trades können oft schlechter sein als gar keine Trades, wie Sie auf der falschen Seite des Marktzyklus kaufen oder verkaufen können. Folglich wurden viele Versuche unternommen, um die Verzögerung zu minimieren, jedes mit ihren eigenen Fehlern. Erobernde Verzögerung, während keine vereinfachenden Annahmen (z. B. diese Daten bestehen aus überlagerten Zyklen, tägliche Preisänderungen mit einer Gaußschen Verteilung, alle Preise gleichermaßen wichtig sind usw.) ist keine triviale Aufgabe. Am Ende musste JMA auf der gleichen Technologie basieren, die das Militär benutzt, um bewegte Objekte in der Luft zu verfolgen, mit nichts mehr als ihrem lärmenden Radar. JMA sieht die Preis-Zeitreihe als lärmende Bild eines bewegten Ziels (der zugrunde liegende glatte Preis) und versucht, den Standort des realen Ziels (glatter Preis) abzuschätzen. Die proprietäre Mathematik wird modifiziert, um die besonderen Eigenschaften einer finanziellen Zeitreihe zu berücksichtigen. Das Ergebnis ist eine seidig glatte Kurve, die keine Annahmen über die Daten mit irgendwelchen zyklischen Komponenten macht. Infolgedessen kann JMA den Quoten-Dimequot verwandeln, wenn der Markt (bewegliches Ziel) entscheidet, die Richtung oder die Lücke zu ändern, Keine Preislücke ist zu groß. TEIL 2. ALLES SELBST Nach mehreren Jahren der Forschung haben wir Jurik Research festgestellt, dass der perfekte Rauschunterdrückungsfilter für Finanzdaten folgende Voraussetzungen hat: Minimaler Verzögerung zwischen Signal und Preis, sonst werden Handelsauslöser zu spät kommen. Minimales Überschwingen, sonst erzeugt das Signal falsche Preisniveaus. Minimaler Unterschwung, ansonsten geht die Wartezeit auf Konvergenz nach Preislücken. Maximale Glätte, außer in dem Moment, in dem die Preislücken auf ein neues Niveau fallen. Wenn diese bis zu diesen vier Anforderungen gemessen werden, sind alle gängigen Filter (außer JMA) schlecht. Hier ist eine Zusammenfassung der beliebtesten Filter. Gewichteter Bewegungsdurchschnitt - nicht auf Lücken reagieren Exponentieller Umzugsdurchschnitt - Übertriebene Unterschreitung Lärmende Adaptive Moving Averages - (nicht unsere), die typischerweise auf überdimensionierten Annahmen über Marktaktivitäten basieren, leicht getäuscht Regression Line - nicht auf Lücken reagieren übermäßige Überschreitung von FFT-Filtern - Leicht verzerrt durch Nicht-Gauß-Rauschen im Datenfenster ist typischerweise zu klein, um echte Zyklen genau zu bestimmen. FIR-Filter - hat sich als quotgroup delayquot bekannt. Kein Umweg, es sei denn, du willst einige Ecken schneiden. Siehe quotBand-Passquot-Filter. Band-Pass-Filter - keine Verzögerung nur in der Mitte des Frequenzbandes neigt dazu, oszillieren und überschreiten tatsächlichen Preisen. Maximale Entropie-Filter - leicht verzerrt durch Nicht-Gauß-Rauschen im Datenfenster ist typischerweise zu klein, um echte Zyklen genau zu bestimmen. Polynomfilme - nicht auf Lücken reagieren übermäßiges Überschwingen Im Gegensatz dazu integriert JMA Informationstheorie und adaptive nichtlineare Filterung auf einzigartige Weise. Durch die Kombination einer Bewertung des Informationsinhalts in einer Zeitreihe mit der Kraft der adaptiven nichtlinearen Transformation, drückt das Ergebnis die theoretische quotenvelopequot auf die finanzielle Zeitreihe Filterung fast so weit wie es gehen kann. Noch mehr und wed up gegen Heisenburgs Ungewissheitsprinzip (etwas, das niemand überwunden hat oder jemals wird). Soweit wir wissen, ist JMA das Beste. Wir laden jeden ein, uns anders zu zeigen. Für eine vergleichsweiseere Analyse der Fehler der populären Filter, laden Sie unseren Bericht quotThe Evolution of Moving Averagesquot aus unserem Special Reports Abteilung. Sehen Sie unseren Vergleich mit anderen beliebten Filtern. Warum hat JMA einen PHASE-Parameter. Es gibt zwei Möglichkeiten, um Rauschen in einer Zeitreihe mit JMA zu verringern. Wenn Sie den LENGTH-Parameter erhöhen, wird JMA sich langsamer bewegen und dadurch das Rauschen auf Kosten der hinzugefügten Verzögerung reduzieren. Alternativ können Sie die Menge an quotinertiaquot in JMA enthalten ändern. Trägheit ist wie physische Masse, je mehr Sie haben, desto schwieriger ist es, die Richtung zu wenden. So verlangt ein Filter mit viel Trägheit mehr Zeit, um die Richtung umzukehren und dadurch das Rauschen auf Kosten des Überschwingens während der Umkehrungen in der Zeitreihe zu reduzieren. Alle starken Rauschfilter haben Verzögerung und Überschwingen, und JMA ist keine Ausnahme. Die JMAs einstellbaren Parameter PHASE und LENGTH bieten Ihnen jedoch die Möglichkeit, den optimalen Kompromiss zwischen Verzögerung und Überschwingen zu wählen. Dies gibt Ihnen die Möglichkeit, verschiedene technische Indikatoren fein abzustimmen. Zum Beispiel zeigt das Diagramm (rechts) eine schnelle JMA-Linie, die eine langsamere JMA-Linie überquert. Um die schnelle JMA-Linie zu machen, drehen Sie den Quoten ein Dimequot, wenn der Markt sich umkehrt, es wurde eingestellt, um keine Trägheit zu haben. Im Gegensatz dazu wurde das langsame JMA auf große Trägheit gesetzt, wodurch seine Fähigkeit, sich während der Marktumkehr zu verkürzen, verlangsamte. Diese Anordnung bewirkt, dass die schnellere Linie so schnell wie möglich über die langsamere Linie kreuzt, wodurch niedrig verzerrte Überkreuzungssignale erzeugt werden. Die Benutzer-Kontrolle über eine Filter-Trägheit bietet eine beträchtliche Leistung über Filter, die diese Fähigkeit nicht haben. Hat JMA eine Zeitreihe prognostiziert. Es wird nicht in die Zukunft prognostiziert. JMA reduziert Lärm so ziemlich wie ein exponentieller gleitender Durchschnitt, aber oftmals besser. Werden vorherige JMA-Werte, die bereits geplottet wurden, ändern, wenn neue Daten ankommen. Nr. Für irgendeinen Punkt auf einem JMA-Plot werden nur historische und aktuelle Daten in der Formel verwendet. Infolgedessen werden, da neue Preisdaten zu späteren Zeitschlitzen kommen, diese Werte von JMA, die bereits aufgezeichnet sind, nicht betroffen sind und sich NIE ändern. Betrachten Sie auch den Fall, wenn die neueste Bar auf einem Diagramm in Echtzeit aktualisiert wird, da jedes neue Tick ankommt. Da sich der Schlusskurs der letzten Bar wahrscheinlich ändern wird, wird JMA automatisch neu bewertet, um den neuen Schlusskurs zu reflektieren. Allerdings bleiben historische Werte von JMA (auf allen vorherigen Stäben) unberührt und ändern sich nicht. Man kann eindrucksvolle Indikatoren für historische Daten erstellen, wenn er sowohl vergangene als auch zukünftige Werte, die jeden verarbeiteten Datenpunkt umgeben, analysiert. Jedoch kann jede Formel, die zukünftige Werte in einer Zeitreihe sehen muss, nicht im realen Welthandel angewendet werden. Dies liegt daran, dass bei der Berechnung des heutigen Wertes eines Indikators zukünftige Werte nicht existieren. Alle Jurik-Indikatoren verwenden in ihren Berechnungen nur aktuelle und vorherige Zeitreihendaten. Damit können alle Jurik-Indikatoren in allen Echtzeit-Bedingungen arbeiten. Kann ich andere Indikatoren mit JMA verbessern Ja. Normalerweise ersetzen wir die meisten gleitenden Durchschnittsberechnungen in klassischen technischen Indikatoren mit JMA. Dies führt zu reibungsloseren und aktuelleren Ergebnissen. Zum Beispiel, durch einfaches Einfügen von JMA in die Standard-DMI technische Indikator, produzierten wir die DMX-Indikator, die mit Ihrer Bestellung von JMA kostenlos kommt. Hat JMA eine besondere Garantie Wenn Sie uns einen nicht-proprietären Algorithmus für einen gleitenden Durchschnitt zeigen, dass, wenn es kodiert ist, um entweder in TradeStation, Matlab oder Excel VBA laufen zu lassen, führt es quittierbar als unser gleitender Durchschnitt in kurzen, mittleren und langen Zeitrahmen von Ein zufälliger Spaziergang, gut zurückerstattet Ihre gekaufte Benutzerlizenz für JMA. Was wir mit quotbetterquot meinen, ist, dass es im Durchschnitt glatter sein muss, ohne eine größere durchschnittliche Verzögerung als unsere, kein größeres durchschnittliches Überschwingen und kein größeres durchschnittliches Unterschreiten als unser. Was wir mit quotshort bedeuten, mittel - und langzeitrahmen ist, dass die Vergleiche drei getrennte JMA-Längen beinhalten müssen: 7 (kurz), 35 (mittel), 175 (lang). Was wir mit einem zufälligen Spaziergang meinen, ist eine Zeitreihe, die durch eine kumulative Summe von 5000 Null-Mittelwert, Cauchy verteilte Zufallszahlen, erzeugt wird. Diese beschränkte Garantie ist gut für nur den ersten Monat, in dem Sie eine Benutzerlizenz für JMA von uns oder einem unserer weltweiten Händler gekauft haben. Wie funktioniert JMA mit anderen Filtern. Der Kalman-Filter ähnelt JMA darin, dass beide leistungsstarke Algorithmen sind, die für die Schätzung des Verhaltens eines lärmenden dynamischen Systems verwendet werden, wenn alle, mit denen Sie arbeiten müssen, laute Datenmessungen sind. Der Kalman-Filter schafft reibungslose Prognosen der Zeitreihe, und diese Methode ist für die finanziellen Zeitreihen nicht ganz angemessen, da die Märkte anfällig sind, heftige Gyrationen und Preislücken herzustellen, Verhaltensweisen, die nicht typisch für reibungslos funktionierende dynamische Systeme sind. Folglich fällt die Kalman-Filterglättung häufig hinterher oder überschreitet Marktpreis-Zeitreihen. Im Gegensatz dazu verfolgt JMA die Marktpreise eng und reibungslos, passt sich den Lücken an und vermeidet unerwünschte Überschreitungen. Siehe Beispiel unten für ein Beispiel. Ein Filter, der in populären Zeitschriften beschrieben wird, ist der Kaufmann gleitenden Durchschnitt. Es ist ein exponentieller gleitender Durchschnitt, dessen Geschwindigkeit je nach Preiswirkungsgrad variiert. Mit anderen Worten, wenn die Preisaktion in einem klaren Trend mit wenig Retracement ist, beschleunigt der Kaufmann-Filter und wenn die Aktion überstürzt, verlangsamt sich der Filter. (Siehe Grafik oben) Obwohl seine adaptive Natur hilft es zu überwinden, einige der Verzögerung typisch für exponentielle gleitende Durchschnitte, es immer noch deutlich hinter JMA. Lag ist ein grundsätzliches Thema für alle Händler. Denken Sie daran, jede Bar von Verzögerung kann Ihre Trades verzögern und verweigern Sie profitieren. Ein weiterer gleitender Durchschnitt, der in populären Zeitschriften beschrieben wird, ist Chandes VIDYA (Variable Index Dynamic Average). Der Index, der am häufigsten in VIDYA verwendet wird, um seine Geschwindigkeit zu bestimmen, ist die Preisvolatilität. Da die kurzfristige Volatilität zunimmt, ist der exponentielle gleitende Durchschnitt von VIDYAs schneller verschoben, und da die Volatilität abnimmt, verlangsamt sich VIDYA. Auf der Oberfläche macht das Sinn. Leider hat dieses Design einen offensichtlichen Fehler. Obwohl die seitliche Stauung ungeachtet ihrer Volatilität gründlich geglättet werden sollte, würde eine sehr volatile Stauperiode von VIDYA genau verfolgt (nicht geglättet). Folglich kann VIDYA nicht unerwünschtes Rauschen entfernen. Zum Beispiel vergleicht das Diagramm JMA mit VIDYA, beide setzen auf einen Abwärtstrend gleich gut. Doch während der anschließenden Stauung versäumt VIDYA, die Preisspitzen zu glätten, während JMA erfolgreich durch das Geschwätz gleitet. In einem anderen Vergleich, in dem sowohl VIDYA als auch Juriks JMA auf die gleiche Glätte gesetzt wurden, sehen wir in der Tabelle, dass VIDYA hinterherhinkt. Wie bereits erwähnt, kann spätes Timing leicht stehlen Ihre Gewinne in jedem Handel. Zwei weitere populäre Indikatoren sind T3 und TEMA. Sie sind glatt und haben wenig Verzögerung. T3 ist das bessere von den beiden. Trotzdem kann T3 ein ernstes Überschwingungsproblem aufweisen, wie in der folgenden Tabelle zu sehen ist. Abhängig von Ihrer Anwendung, können Sie nicht wollen, dass ein Indikator zeigt ein Preisniveau der reale Markt nie erreicht, da dies unbeabsichtigt initiieren können unerwünschte Trades. Hier sind zwei Kommentare gefunden, die auf relevanten Internetforen veröffentlicht wurden: "Der T3-Indikator ist sehr gut (und Ive sang sein Lob vor, auf dieser Liste). Allerdings hatte ich die Möglichkeit, einige alternative Marktmessungen abzuleiten und ich glätte sie. Sie haben sich manchmal ziemlich schlecht benommen. Wenn sie sie glätten, wird T3 instabil und schlägt schlecht, während JMA direkt durch sie hindurchläuft. Allan Kaminsky allank xmission quotMy eigenen Blick auf JMA ist im Einklang mit dem, was andere Leute geschrieben haben (Ive verbrachte viel Zeit visuell Vergleich von JMA zu TEMA Ich würde nicht jetzt über die Verwendung von TEMA anstelle von JMA denken.) Steven Buss sbuss pacbell Ein Artikel in der Jan. 2000 Ausgabe von TASC beschreibt einen gleitenden Durchschnitt, der in den 1950er Jahren entworfen wurde, um eine niedrige Verzögerung zu haben. Sein Erfinder, Robert Brown, entwarf die quotModified Moving Averagequot (MMA), um Verzögerung bei der Schätzung der Vorräte zu reduzieren. In seiner Formel schätzte die lineare Regression den Kurvenstromimpuls, der wiederum zur Schätzung der vertikalen Verzögerung verwendet wird. Die Formel subtrahiert dann die geschätzte Verzögerung von dem gleitenden Durchschnitt, um niedrige Verzögerungsergebnisse zu erhalten. Diese Technik funktioniert ok auf gut erzogenen (reibungslos übergangenden) Preiskarten, aber dann wieder, also die meisten anderen erweiterten Filter. Das Problem ist, dass der echte Markt alles andere als gut erzogen ist. Ein wahres Maß an Fitness ist, wie gut jeder Filter auf realen Finanzdaten arbeitet, eine Eigenschaft, die mit unserer gut etablierten Batterie von Benchmark-Tests gemessen werden kann. Diese Tests zeigen, dass MMA Preisdiagramme überschreitet, wie unten dargestellt. Im Vergleich dazu kann der Benutzer einen Parameter in JMA setzen, um den Betrag des Überschwingens einzustellen, sogar vollständig zu eliminieren. Es ist deine Entscheidung. Denken Sie daran, das letzte, was Sie wollen, ist ein Indikator zeigt ein Preisniveau der reale Markt nie erreicht, da dies unbeabsichtigt initiieren unerwünschte Trades. Mit MMA haben Sie keine Wahl und müssen sich mit Überschwemmung, ob Sie es mögen oder nicht. (Siehe untenstehende Tabelle) Die Ausgabe von TASC im Juli 2000 enthielt einen Artikel von John Ehlers, der ein quotModified Optimal Elliptical Filterquot beschreibt (Abkürzung hier als quotMEFquot). Dies ist ein hervorragendes Beispiel für die klassische Signalanalyse. Die nachstehende Grafik vergleicht MEF mit JMA, deren Parameter (JMA length7, phase50) so eingestellt wurden, dass JMA möglichst ähnlich wie MEF ist. Der Vergleich zeigt diese Vorteile bei der Verwendung von JMA: JMA reagiert schneller auf extreme Preisschwankungen. Folglich werden alle Schwellwerte, die zum Auslösen von Signalen verwendet werden, früher durch JMA ausgeführt. JMA hat fast kein Überschwingen, so dass die Signalleitung genauer verfolgen Preis Aktion direkt nach großen Preisbewegungen. JMA gleitet durch kleine Marktbewegungen. Dies ermöglicht es Ihnen, sich auf echte Preis-Aktion und nicht kleine Marktaktivität, die keine wirkliche Konsequenz hat konzentrieren. Eine Lieblingsmethode unter Ingenieuren zum Glätten von Zeitreihendaten ist es, die Datenpunkte mit einem Polynom (eq, einem parabolischen oder kubischen Spline) zu platzieren. Ein effizientes Design dieser Art ist eine Klasse, die als Savitzy-Golay-Filter bekannt ist. Die nachstehende Grafik vergleicht JMA mit einem Savuby-Golay-Filter mit Kubikspline (3. Ordnung), dessen Parametereinstellungen oben gewählt wurden, so dass sie möglichst nahe an JMA läuft. Beachten Sie, wie reibungslos JMA durch Regionen des Handelsstaues gleitet. Im Gegensatz dazu ist der S-G-Filter ganz gezackt. Klar ist JMA wieder einmal der Gewinner. Eine andere Technik, die verwendet wird, um die Verzögerung in einem gleitenden Durchschnittsfilter zu reduzieren, besteht darin, dem Filter einen gewissen Impuls (Steilheit) des Signals hinzuzufügen. Das reduziert die Verzögerung, aber mit zwei Strafen: mehr Lärm und mehr Überschwingen bei Preis-Pivot-Punkten. Um das Rauschen zu kompensieren, kann man einen symmetrisch gewichteten FIR-Filter einsetzen, der glatter ist als ein einfacher gleitender Durchschnitt, dessen Gewichte sein könnten: 1-2-3-4-3-2-1 und dann diese Gewichte anpassen, um etwas Verzögerung hinzuzufügen Reduzierende Impulse. Die Wirksamkeit dieses Ansatzes ist in der folgenden Abbildung (rote Linie) dargestellt. Obwohl der FIR-Filter den Kurs genau verfolgt, bleibt er noch hinter JMA zurück und zeigt ein größeres Überschwingen. Darüber hinaus hat der FIR-Filter feste Glätte und muss für jede andere gewünschte Glätte neu gestaltet werden. Im Vergleich dazu muss der Benutzer nur einen quotsmoothnessquot-Parameter von JMA ändern, um einen gewünschten Effekt zu erhalten. Nicht nur, dass JMA bessere Preisdiagramme produziert, sondern auch andere klassische Indikatoren verbessern kann. Zum Beispiel betrachten die klassischen MACD-Indikator, die ein Vergleich von zwei gleitenden Durchschnitten ist. Ihre Konvergenz (Verschieben näher) und Divergenz (auseinanderbewegen) liefern Signale, dass ein Markttrend die Richtung ändert. Es ist wichtig, dass Sie so wenig Verzögerung wie möglich mit diesen Signalen haben oder Ihre Trades werden zu spät kommen. Im Vergleich dazu hat ein mit JMA erzeugter MACD deutlich weniger Verzögerung als ein MACD mit exponentiellen gleitenden Durchschnitten. Um diese Behauptung zu veranschaulichen, ist die folgende Abbildung ein hypothetisches Preisdiagramm, das vereinfacht wird, um die herausragenden Probleme zu verbessern. Wir sehen gleich große Balken in einem steigenden Trend, unterbrochen durch eine plötzliche Abwärtslücke. Die beiden farbigen Linien sind exponentielle gleitende Durchschnitte, die eine MACD bilden. Beachten Sie, dass Crossover eine lange Zeit nach der Lücke auftritt, so dass eine Handelsstrategie zu warten und spät zu spät, wenn überhaupt. Wenn du versuchst, das Timing dieses Indikators zu beschleunigen, indem du die gleitenden Durchschnitte schneller machst, würden die Linien lärmender und gezackter werden. Dies führt dazu, dass falsche Auslöser und schlechte Trades entstehen. Auf der anderen Seite zeigt das untenstehende Diagramm die blaue JMA, die sich schnell auf das neue Preisniveau anpasst, was frühere Übergänge und frühere Benennung eines Aufwärtstrends ermöglicht. Jetzt können Sie den Markt früher betreten und einen größeren Teil des Trends fahren. Im Gegensatz zum exponentiellen gleitenden Durchschnitt hat JMA einen zusätzlichen Parameter (PHASE), mit dem der Benutzer das Ausmaß des Überschwingens anpassen kann. In der obigen Tabelle durfte die gelbe Linie JMA mehr als das Blau überschwingen. Das gibt ideale Übergänge. Eines der schwierigsten Merkmale, um in einen Glättungsfilter zu entwerfen, ist eine adaptive Antwort auf Preislücken, ohne das neue Preisniveau zu überschreiten. Dies gilt insbesondere für Filterdesigns, die die Filter eigene Impulse einsetzen, um die Verzögerung zu reduzieren. Die folgende Tabelle vergleicht das Überschwingen durch JMA und den Hull gleitenden Durchschnitt (HMA). Die Parametereinstellungen für die beiden Filter wurden so eingestellt, dass ihre stationäre Leistung nahezu identisch war. Ein anderes Design Problem ist, ob der Filter kann die gleiche scheinbare Glätte während der Umkehrungen wie während der Trends behalten. Die folgende Tabelle zeigt, wie sich JMA während des gesamten Zyklus nahezu konstant glättet, während HMA bei Umkehrungen oszilliert. Dies würde Probleme für Strategien darstellen, die Trades auslösen, je nachdem, ob der Filter nach oben oder unten bewegt wird. Schließlich gibt es den Fall, wenn der Preis einläuft und sich dann in einem Abwärtstrend zurückzieht. Dies ist besonders schwierig, im Moment des Rückzugs zu verfolgen. Glücklicherweise haben adaptive Filter eine viel einfachere Zeit, die anzeigt, wenn eine Umkehrung als feste Filter auftritt, wie in der folgenden Tabelle gezeigt. Natürlich gibt es bessere Filter als JMA, meist vom Militär benutzt. Aber wenn Sie im Geschäft der Verfolgung von guten Trades und nicht feindlichen Flugzeugen sind, ist JMA der beste erschwingliche Lärm reduzierende Filter für Finanzmarktdaten verfügbar. Wir garantieren es. Moving Durchschnitte glätten den Lärm der Preisdatenströme auf Kosten der Verzögerung (Verzögerung) In den alten Tagen konnten Sie Geschwindigkeit haben, auf Kosten der reduzierten Glättung In den alten Tagen konnten Sie nur Ihre Glättung auf Kosten haben Von Lag Denken Sie, wie viele Stunden Sie verschwendet versuchen, um Ihre Durchschnitte schnell und glatt Erinnern Sie sich, wie ärgerlich es ist zu sehen, zunehmende Geschwindigkeit verursacht erhöhte Lärm Denken Sie daran, wie Sie für niedrige Verzögerung und niedrige Geräusche gewünscht Müde zu arbeiten, wie Sie Ihren Kuchen und essen Sie es Verzweifeln Sie sich jetzt, jetzt haben sich die Dinge verändert, Sie können Ihren Kuchen haben und Sie können es essen Precision Lagless Durchschnitt im Vergleich zu anderen fortgeschrittenen Filtermodellen Von den grundlegenden Industriestandarddurchschnitten (Filter) ist der gewichtete gleitende Durchschnitt schneller als der exponentielle, aber nicht anzubieten Gute Glättung, im Gegensatz dazu die exponentielle hat ausgezeichnete Glättung, aber riesige Mengen an Verzögerung (Lag). Moderne quothigh techquot Filter, obwohl die Verbesserung der alten Grundmodelle, haben inhärente Schwächen. Einige davon werden im Jurik-JMA-Filter beobachtet und die schlimmsten dieser Schwächen sind Überschwingen. Jurik Forschung offen zugeben, um mit einem minimalen Überschwingen, die dazu neigt, irgendeine Form von prädiktiven Algorithmus anzugeben, der seinen Code arbeitet. Denken Sie daran, dass Filter beabsichtigt sind zu beobachten, was jetzt und in der Vergangenheit geschieht. Vorhersage, was als nächstes passieren wird, ist eine illegale Funktion im Werkzeugkoffer von Precision Trading Systems, die Daten werden nur geglättet und verzögert. Oder man könnte sagen, Trends werden genau gefolgt, anstatt zu sagen, welcher Weg weiter zu gehen, wie es bei diesen illegalen Filteralgorithmen der Fall ist. Der Präzisions-Lagless-Durchschnitt versucht nicht, den nächsten Preiswert vorherzusagen. Der Hull-Durchschnitt wird von vielen behauptet, so schnell und glatt wie die JMA von Jurik Forschung, es hat eine gute Geschwindigkeit und niedrige Verzögerung. Das Problem mit der Formel, die im Rumpf-Durchschnitt verwendet wird, ist, dass es sehr einfach ist und führt zu Preisverzerrungen, die eine schlechte Genauigkeit haben, die durch Gewichtung zu stark (x 2) auf die aktuellsten Daten (Boden (Länge 2)) und dann Subtraktion der alten verursacht wird Daten, die zu schweren Überschreitungsproblemen führen, die in manchen Fällen viele Standardabweichungen von den tatsächlichen Werten entfernt sind. Der Präzisions-Lagless-Durchschnitt hat ein ZERO-Überschwingen. Das folgende Diagramm zeigt die immense Geschwindigkeitsdifferenz auf einem 30-Perioden-PLA und 30 Perioden-Rumpf-Durchschnitt. Die PLA war vier Takte vor dem Hull-Durchschnitt auf beiden Hauptdrehpunkten, die auf dem 5-Minuten-Chart der FT-SE100 Future (das ist ein 14 Unterschied in Lag). Wenn Sie die Durchschnittswerte an den Wendepunkten gehandelt haben, um in diesem Beispiel den Schlusskurs zu beenden, signalisierte PLA bei 3.977,5 und Hull war eine Kleinigkeit später bei 3.937, knapp 40,5 Punkte oder monetär 405 pro Vertrag. Das lange Signal auf PLA lag bei 3936 im Vergleich zu Hulls 3.956,5, was einer Kostenersparnis von 205 pro Vertrag mit dem PLA-Signal entspricht. Ist es ein Vogel. Ist es ein Flugzeug. Nein, die Präzisions-Lagless-Durchschnittsfilter wie der VIDAYA-Durchschnitt von Tuscar Chande, die die Flüchtigkeit verwenden, um ihre Längen zu verändern, haben eine andere Art von Formel, die ihre Länge ändert, aber dieser Vorgang wird nicht mit irgendeiner Logik ausgeführt. Während sie manchmal sehr gut arbeiten können, kann dies auch zu einem Filter führen, der sowohl Verzögerung als auch Überschwingen erleiden kann. Der Zeitreihen-Durchschnitt, der in der Tat ein sehr schneller Durchschnitt ist, könnte auch umbenannt werden, um die quadratische Überschreitung dieser Ungenauigkeit zu machen, macht es für eine ernsthafte Bewertung von Daten für den Handel nicht nutzbar. Der Kalman-Filter verzögert sich häufig zurück oder überschreitet Preisarrays aufgrund seiner über eifrigen Algorithmen. Andere Filter Faktoren in Preis Impuls zu versuchen, vorherzusagen, was in der nächsten Preisintervall passieren wird, und dies ist auch eine fehlerhafte Strategie, da sie überschwemmen, wenn hohe Impulsablesung umgekehrt, so dass der Filter hoch und trocken und Meilen entfernt von der tatsächlichen Preis Aktivität . Der Präzisions-Lagless-Durchschnitt verwendet eine reine und einfache Logik, um den nächsten Ausgangswert zu bestimmen. Viele ausgezeichnete Mathematiker haben versucht und versäumt, verzögerte Durchschnitte zu schaffen, und im Allgemeinen ist die Vernunft ihre extreme Mathematik Intellekt ist nicht durch ein hohes Maß an commonsense Logik gesichert. Precision Lagless Average (PLA) ist aus rein logischen Grundalgorithmen aufgebaut, die viele verschiedene Werte untersuchen, die in Arrays gespeichert sind und wählt, welchen Wert an die Ausgabe senden soll. PLAs überlegene Geschwindigkeit, Glättung und Genauigkeit machen es zu einem hervorragenden Trading-Tool für Aktien, Futures, Forex, Anleihen etc. Und wie bei allen Produkten von Precision Trading-Systeme entwickelt, ist das zugrunde liegende Thema das gleiche. Geschrieben für Händler, DURCH EINEN TRADER. PLA Länge 14 und 50 auf E-Mini Nasdaq Zukunft