Média de Mudança Adaptativa de Kaufman039s (KAMA) Introdução Desenvolvida por Perry Kaufman, a Média de Mudança Adaptativa de Kaufman039 (KAMA) é uma média móvel projetada para explicar o ruído ou a volatilidade do mercado. A KAMA acompanhará os preços quando os balanços de preços são relativamente pequenos e o ruído é baixo. KAMA irá se ajustar quando os balanços de preços se expandirem e seguirem os preços a uma distância maior. Este indicador de tendência pode ser usado para identificar a tendência geral, os pontos de giro do tempo e os movimentos dos preços dos filtros. Cálculo Existem várias etapas necessárias para calcular a Média de Mudança Adaptativa de Kaufman039s. Os primeiros começam com as configurações recomendadas por Perry Kaufman, que são KAMA (10,2,30). 10 é o número de períodos para a Razão de Eficiência (ER). 2 é o número de períodos para a constante EMA mais rápida. 30 é o número de períodos para a constante EMA mais lenta. Antes de calcular o KAMA, precisamos calcular a Razão de Eficiência (ER) e a Constante de Suavização (SC). Divulgar a fórmula em nuggets de tamanho de mordida facilita a compreensão da metodologia por trás do indicador. Observe que o ABS significa Absolute Value. Razão de Eficiência (ER) O ER é basicamente a mudança de preço ajustada para a volatilidade diária. Em termos estatísticos, a Razão de eficiência nos diz a eficiência fractal das mudanças de preços. ER flui entre 1 e 0, mas esses extremos são a exceção, não a norma. ER seria 1 se os preços subissem 10 períodos consecutivos ou 10 períodos consecutivos. ER seria zero se o preço for inalterado ao longo dos 10 períodos. Constante de Suavização (SC) A constante de suavização usa o ER e duas constantes de suavização com base em uma média móvel exponencial. Como você pode ter notado, a constante de suavização está usando as constantes de suavização para uma média móvel exponencial na sua fórmula. (2301) é a constante de suavização para uma EMA de 30 períodos. O SC mais rápido é a constante de suavização para EMA mais curto (2 períodos). O SC mais lento é a constante de suavização para o EMA mais lento (30 períodos). Observe que o 2 no final é quadrado da equação. Com a Razão de Eficiência (ER) e a Constante de Suavização (SC), agora estamos prontos para calcular a Média de Mudança Adaptativa de Kaufman039 (KAMA). Uma vez que precisamos de um valor inicial para iniciar o cálculo, o primeiro KAMA é apenas uma média móvel simples. Os seguintes cálculos são baseados na fórmula abaixo. Exemplo de cálculoChart As imagens abaixo mostram uma captura de tela de uma planilha do Excel usada para calcular KAMA e o gráfico QQQ correspondente. Uso e sinais Os cartistas podem usar o KAMA como qualquer outro indicador de tendência seguinte, como uma média móvel. Os cartistas podem procurar cruzes de preços, mudanças direcionais e sinais filtrados. Primeiro, uma cruz acima ou abaixo da KAMA indica mudanças direcionais nos preços. Tal como acontece com qualquer média móvel, um sistema de cruzamento simples gerará muitos sinais e muitos whipsaws. Os cartistas podem reduzir os whipsaws aplicando um filtro de preço ou tempo para os crossovers. Pode-se exigir que o preço mantenha a cruz para o número definido de dias ou exigir que a cruze exceda KAMA por porcentagem definida. Em segundo lugar, os cartistas podem usar a direção da KAMA para definir a tendência geral de uma segurança. Isso pode exigir um ajuste de parâmetros para facilitar o avanço do indicador. Os cartistas podem mudar o parâmetro do meio, que é a constante EMA mais rápida, para alisar o KAMA e procurar mudanças direcionais. A tendência está baixa enquanto a KAMA está caindo e forjando baixas mais baixas. A tendência aumenta enquanto a KAMA estiver aumentando e forjando altos altos. O exemplo de Kroger abaixo mostra KAMA (10,5,30) com uma tendência ascendente acentuada de dezembro a março e uma tendência ascendente menos escarpada de maio a agosto. E, finalmente, os artistas podem combinar sinais e técnicas. Os cartistas podem usar um KAMA de longo prazo para definir a tendência maior e um KAMA de prazo mais curto para sinais comerciais. Por exemplo, KAMA (10,5,30) poderia ser usado como um filtro de tendências e ser considerado otimista ao subir. Uma vez otimista, os carters poderiam então procurar cruzes de alta quando o preço se movesse acima de KAMA (10,2,30). O exemplo abaixo mostra MMM com um aumento de KAMA a longo prazo e cruzamentos de alta em dezembro, janeiro e fevereiro. KAMA de longo prazo recusou em abril e houve cruzamentos de baixa em maio, junho e julho. SharpCharts KAMA pode ser encontrado como uma sobreposição de indicadores no banco de trabalho SharpCharts. As configurações padrão aparecerão automaticamente na caixa de parâmetros uma vez que ela for selecionada e os carters podem alterar esses parâmetros de acordo com suas necessidades analíticas. O primeiro parâmetro é para a Razão de Eficiência e os autores devem abster-se de aumentar esse número. Em vez disso, os cartistas podem diminuí-lo para aumentar a sensibilidade. Os cartistas que procuram lidar com o KAMA para análise de tendências a longo prazo podem aumentar o parâmetro do meio de forma incremental. Mesmo que a diferença seja apenas de 3, KAMA (10,5,30) é significativamente mais suave do que KAMA (10,2,30). Estudo adicional Do criador, o livro abaixo oferece informações detalhadas sobre indicadores, programas, algoritmos e sistemas, incluindo detalhes sobre KAMA e outros sistemas de média móvel. Sistemas e Métodos de Negociação Perry Kaufman A abordagem EWMA tem um recurso atraente: requer relativamente poucos dados armazenados. Para atualizar nossa estimativa em qualquer ponto, precisamos apenas de uma estimativa prévia da taxa de variância e do valor de observação mais recente. Um objetivo secundário da EWMA é rastrear mudanças na volatilidade. Para valores pequenos, as observações recentes afetam a estimativa prontamente. Para valores mais próximos de um, a estimativa muda lentamente com base em mudanças recentes nos retornos da variável subjacente. O banco de dados RiskMetrics (produzido pelo JP Morgan e disponibilizado) usa o EWMA para atualizar a volatilidade diária. IMPORTANTE: A fórmula EWMA não assume um nível de variação média longo. Assim, o conceito de volatilidade significa reversão não é capturado pelo EWMA. Os modelos ARCHGARCH são mais adequados para esse fim. Um objetivo secundário da EWMA é acompanhar as mudanças na volatilidade, portanto, para valores pequenos, a observação recente afeta a estimativa prontamente, e para os valores mais próximos de uma, a estimativa muda lentamente para as mudanças recentes nos retornos da variável subjacente. O banco de dados RiskMetrics (produzido por JP Morgan) e disponibilizado em 1994, usa o modelo EWMA para atualizar a estimativa de volatilidade diária. A empresa descobriu que, em uma variedade de variáveis de mercado, esse valor fornece uma previsão da variação que se aproxima da taxa de variação realizada. As taxas de variação realizadas em um determinado dia foram calculadas como uma média igualmente ponderada nos 25 dias subseqüentes. Da mesma forma, para calcular o valor ótimo de lambda para o nosso conjunto de dados, precisamos calcular a volatilidade realizada em cada ponto. Existem vários métodos, então escolha um. Em seguida, calcule a soma de erros quadrados (SSE) entre a estimativa EWMA e a volatilidade realizada. Finalmente, minimize o SSE variando o valor lambda. Soa simples é. O maior desafio é concordar com um algoritmo para calcular a volatilidade realizada. Por exemplo, as pessoas da RiskMetrics escolheram os 25 dias subseqüentes para calcular a taxa de variação realizada. No seu caso, você pode escolher um algoritmo que utilize preços diários, HILO e OPEN-CLOSE. Q 1: Podemos usar o EWMA para estimar (ou prever) a volatilidade mais de um passo à frente A representação da volatilidade EWMA não assume uma volatilidade média de longo prazo e, portanto, para qualquer horizonte de previsão além de um passo, o EWMA retorna uma constante valor:
No comments:
Post a Comment