การย้าย ค่าเฉลี่ย ความสำเร็จ

การวัดค่าเฉลี่ยเป็นหนึ่งในเครื่องมือที่นิยมและใช้งานง่ายที่สุดสำหรับนักวิเคราะห์ทางเทคนิคข้อมูลเหล่านี้เป็นข้อมูลที่เรียบง่ายและทำให้สามารถมองเห็นแนวโน้มได้ง่ายขึ้นซึ่งเป็นประโยชน์อย่างยิ่งในตลาดที่ผันผวน ตัวชี้วัดทางเทคนิคอื่น ๆ และการซ้อนทับสองประเภทความนิยมมากที่สุดของค่าเฉลี่ยเคลื่อนที่คือ SMA แบบเคลื่อนที่เฉลี่ยและค่าเฉลี่ยเคลื่อนที่แบบเอ็กซ์โปเนียนเฉลี่ยพวกเขาอธิบายไว้ในรายละเอียดด้านล่างค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย SMA ค่าเฉลี่ยเคลื่อนที่แบบธรรมดาถูกสร้างขึ้นโดยคำนวณค่าเฉลี่ยเฉลี่ย ราคาของการรักษาความปลอดภัยในช่วงระยะเวลาที่ระบุในขณะที่สามารถสร้างค่าเฉลี่ยเคลื่อนที่จากช่วงเปิดสูงและต่ำจุดข้อมูลค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่จะถูกสร้างขึ้นโดยใช้ราคาปิดตัวอย่างเช่น SMA 5 วันคำนวณโดย เพิ่มราคาปิดในช่วง 5 วันที่ผ่านมาและหารยอดรวม 5. การคำนวณซ้ำสำหรับแต่ละแถบราคาในแผนภูมิค่าเฉลี่ยจะถูกรวมเข้าด้วยกันเพื่อสร้างแบบฟอร์ม cu cu เรียบ เส้นค่าเฉลี่ยเคลื่อนที่ - เส้นค่าเฉลี่ยเคลื่อนที่ต่อเนื่องตัวอย่างของเราถ้าราคาปิดครั้งต่อไปในค่าเฉลี่ยอยู่ที่ 15 แล้วระยะเวลาใหม่นี้จะถูกเพิ่มและวันที่เก่าที่สุดซึ่งเป็น 10 จะลดลง SMA 5 วันใหม่จะถูกคำนวณ ดังต่อไปนี้ในช่วง 2 วันที่ผ่านมา SMA ย้ายจาก 12 เป็น 13 เมื่อมีการเพิ่มวันใหม่วันเก่าจะถูกลบออกและค่าเฉลี่ยเคลื่อนที่จะเคลื่อนไปตามเวลาในตัวอย่างนี้โดยใช้ราคาปิดที่ 10 คือวันแรก เป็นไปได้ที่จะคำนวณ SMA 10 วันในขณะที่การคำนวณยังคงมีการเพิ่มวันใหม่ล่าสุดและลบวันที่เก่าที่สุด SMA 10 วันสำหรับวันที่ 11 คำนวณโดยการเพิ่มราคาของวันที่ 2 ถึงวันที่ 11 และหารด้วย 10 ค่าเฉลี่ย ประมวลผลจากนั้นย้ายไปยังวันถัดไปที่คำนวณ SMA 10 วันสำหรับวันที่ 12 โดยการเพิ่มราคาของวันที่ 3 ถึงวันที่ 12 และหารด้วยแผนภูมิด้านบนเป็นพล็อตที่มีข้อมูลตามลำดับในตาราง SMA เริ่มต้นในวัน 10 และดำเนินการต่อภาพประกอบนี้แสดงให้เห็นถึงความเป็นจริง ค่าเฉลี่ยเคลื่อนที่ทั้งหมดเป็นตัวชี้วัดที่ล้าหลังและจะอยู่เบื้องหลังราคาราคามีแนวโน้มลดลง แต่ SMA ซึ่งอิงกับข้อมูลย้อนหลัง 10 วันที่ผ่านมายังคงสูงกว่าราคาหากราคาเพิ่มขึ้น SMA น่าจะเป็นส่วนใหญ่ ด้านล่างเนื่องจากค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ล่าช้าจะสอดคล้องกับประเภทของเทรนด์ตามตัวชี้วัดเมื่อราคามีความเป็นไปได้ค่าเฉลี่ยเคลื่อนที่เคลื่อนที่ได้ดีอย่างไรก็ตามเมื่อราคาไม่เป็นเส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่สามารถให้สัญญาณที่ทำให้เข้าใจผิดได้การคำนวณค่าเฉลี่ยที่เป็นตัวเลื่อนเฉลี่ยที่เกินกว่าค่าเฉลี่ยที่คำนวณได้ ได้รับการระบุในสองวิธีคือเป็น EMA ที่อิงตามเปอร์เซ็นต์หรือเป็น EMA ที่อิงตามช่วงเวลาเปอร์เซ็นต์ EMA ที่ใช้เปอร์เซ็นต์เป็นเปอร์เซ็นต์เป็นพารามิเตอร์เดียวขณะที่ EMA ที่อิงตามช่วงเวลามีพารามิเตอร์ที่แสดงถึงระยะเวลาของสูตร EMA สำหรับค่าเฉลี่ยเคลื่อนที่ที่เป็นไปได้คือ EMA ปัจจุบันราคาปัจจุบัน - EMA prev x ตัวคูณ EMA ก่อนหน้าสำหรับ EMA ที่อิงตามเปอร์เซ็นต์คูณจะเท่ากับเปอร์เซ็นต์ที่ระบุของ EMA สำหรับ EMA ที่ใช้ตามช่วงเวลา Mu ltiplier เท่ากับ 2 1 N โดยที่ N คือระยะเวลาที่ระบุตัวอย่างเช่นตัวคูณ EMA 10 ช่วงเวลามีการคำนวณเช่นนี้การปรับปรุง Crossover System Moving Average ลองดูที่ระบบครอสโอเวอร์แบบเคลื่อนไหวโดยเฉลี่ย และดูว่าเราสามารถปรับปรุงได้หรือไม่โดยเฉพาะเราสามารถปรับปรุงประสิทธิภาพของระบบโดยเฉลี่ยได้โดยการลดจำนวน whipsaws ในช่วงที่มีการ จำกัด ขอบเขตของตลาด Whipsaws เกิดขึ้นเมื่อตลาดย้ายจากโหมดเทรนด์ไปเป็นโหมดรวมในระหว่างโหมดรวมบัญชีนี้ ได้รับ whipsawed จากยาวไปสั้นสร้างสตริงของการสูญเสียการค้าเทรดยาวก็กลับกดปุ่มหยุดของคุณในทำนองเดียวกันสำหรับการค้าสั้นสัญญาณผิดเหล่านี้สามารถทำลายเส้นโค้งส่วนของคุณในบทความนี้ฉันจะนำเสนอสองวิธีง่ายๆในการปรับปรุงระบบครอสโอเวอร์ที่เรียบง่ายเฉลี่ยเคลื่อนที่ ความคิดเหล่านี้สามารถใช้งานได้ง่ายในระบบการซื้อขายของคุณและอาจเป็นจุดเริ่มต้นที่ดีสำหรับแนวโน้มของระบบ Baseline System. Our baseli ne ระบบจะประกอบด้วยสองเฉลี่ยเคลื่อนที่ที่เรียบง่าย SMA ดำเนินการในแผนภูมิรายวันของยูโรฟิวเจอร์สฉัน m การเลือกยูโรเนื่องจากมีลักษณะ trending ที่เป็นของแข็งซึ่งตรงข้ามกับตลาดหุ้นดัชนีหุ้นซึ่งมีแนวโน้มที่จะเป็นค่าเฉลี่ย reverting ถ้าคุณจะจำสัญญาณ จะถูกสร้างขึ้นเมื่อ SMA หรือเส้นทแยงมุมเคลื่อนที่เร็วกว่าค่าเฉลี่ยเคลื่อนที่ช้าลงหรือเคลื่อนที่ช้าลงช้าลง SMA หรือเส้นช้า ๆ ระยะส่อง SMA 50 ระยะชัก SMA 3 ลองไปที่จุดเริ่มต้นเมื่อข้ามไปช้าลง SMA ไปสั้น ๆ เมื่อตัวทริกเกอร์ข้ามตาม SMA ช้า ได้รับการทดสอบแล้วพฤษภาคม 2001 30 กันยายน 2556 ค่าคอมมิชชั่น Slippage 30 หักล้างต่อการทำธุรกรรมจำนวนสัญญา 1. สำหรับผู้ที่ใช้ TradeStation ระบบพื้นฐานถูกสร้างขึ้นโดยการแทรกกลยุทธ์สองอย่างลงในแผนภูมิที่จัดเตรียมโดย TradeStation ด้านล่างนี้เป็นกลยุทธ์ที่สอง entry LE และกฎที่สองควบคุมกฎ SE ของรายการที่สั้นคุณสามารถดูฟิลด์ป้อนข้อมูลที่มีสามและห้าสิบสำหรับสองช่วงเวลาที่แตกต่างกัน สำหรับค่าเฉลี่ยเคลื่อนที่ของเราซื้อโดยใช้กลยุทธ์ที่ให้มาเหล่านี้คุณสามารถสร้างกลยุทธ์แบบไขว้ถัวเฉลี่ยถ่วงน้ำหนักได้ภายในไม่กี่วินาทีโดยไม่ต้องมีทักษะในการเขียนโค้ดใด ๆ เส้นขอบระบบ Equely Curve. These ทั้งสองกฎง่ายๆสร้างระบบการซื้อขายที่มีผลกำไรจริงในระยะยาวนี้เป็นพยานถึง ลักษณะแนวโน้มของตลาดฟิวเจอร์สยูโรอย่างไรก็ตามมีช่วงเวลาของการเบิกขนาดใหญ่และเป็นระยะเวลานานที่ไม่มีการเพิ่มสูงขึ้นในส่วนของผู้ถือหุ้นมันไม่น่าจะเป็นไปได้ที่ทุกคนจะค้าขายกับเงินจริงภาพด้านล่างแสดงระยะเวลาล่าสุดจากปี 2011 เมื่อยูโร ป้อนระยะรวมในช่วงฤดูร้อนของเดือนมิถุนายนถึงเดือนสิงหาคมในช่วงเวลานี้ระบบพื้นฐานของเราผลิตสตริงของการสูญเสียติดต่อกันแปดติดต่อ Summer 2011.Improvement 1 Entry Delayed ด้วยวิธีการเข้ารายการนี้เราจะไปชะลอการเข้าของเราในตลาด หลังจากสายทริกเกอร์ข้าม SMA ช้าดังนั้นเมื่อสายทริกเกอร์ข้าม SMA ช้าเราไม่ได้เปิดตำแหน่งของเราได้ทันที W e ล่าช้าสำหรับบาร์หลายสมมติว่าเรารอ 15 บาร์หลังจากข้ามเกิดขึ้นในแถบที่สิบหลังจากสัญญาณที่เราเห็นถ้าราคายังสูงกว่า SMA ช้าสำหรับรายการยาวและป้อนที่เปิดจาก 11 หากราคาต่ำกว่า SMA ช้าของเราที่เรา don t เปิดตำแหน่งใหม่โดยการทำเช่นนี้เรากำจัด whipsaws บางที่ค่าใช้จ่ายของการป้อนการค้าช้ากว่าเดิม SMA ข้ามความคิดที่อยู่เบื้องหลังวิธีนี้คือถ้าตลาดวัวใหม่กำลังจะเริ่มต้นราคาไม่ควรตก กลับไปด้านล่าง SMA ช้าในระยะสั้นเป็นอีกวิธีหนึ่งในการวัดความเชื่อมั่นในระยะตลาดต่อไปอย่างไรก็ตามเราจะให้ทางออกเหมือนกันเมื่อ EMA เกิดขึ้นเราจะปิดตำแหน่งที่เปิดอยู่เสมอเราจะใช้ความล่าช้าเฉพาะเมื่อเปิดเท่านั้น ตำแหน่งใหม่ตำแหน่งส่วนโค้งของหุ้นที่มีรายการล่าช้าของเราจริงย้ายเส้นส่วนแบ่งทั้งหมดเหนือเส้นศูนย์การดำเนินการน้อยลงและเราลดกำไรสุทธิทั้งหมดส่วนของส่วนได้เสียยังปรากฏน้อยขรุขระ implying ไต่ขึ้นเล็กน้อยราบรื่นขึ้นด้านล่าง i mage แสดงระยะเวลาช่วงฤดูร้อน whipsaw ในปี 2011 คุณจะสังเกตเห็นว่าเราได้ลดจำนวน whipsaws จากแปดเป็นศูนย์ฤดูใบไม้ผลิฤดูร้อน 2011.Improvement 2 วงเงินการค้าโดยไม่ได้มาตรฐานการครอสโอเวอร์เฉลี่ยเคลื่อนที่ที่สายทริกเกอร์ต้องเพียงข้าม SMA ช้า, สายการทริกเกอร์ของเราต้องแสดงความเชื่อมั่นโดยข้ามไปไกลกว่า SMA ที่ช้าเช่นภาพวงอื่นที่อยู่เหนือ SMA ที่ช้าซึ่งอยู่ที่ 1 ATR เหนือ SMA ที่ช้าเพื่อที่จะเปิดตำแหน่งใหม่ในระยะยาวเราต้องใช้เส้นทริกเกอร์เพื่อเจาะแถบ ATR ดังกล่าวข้างต้น บรรทัดช้าตอนนี้ภาพวงอื่นที่เป็นหนึ่ง ATR ด้านล่าง SMA วงนี้แสดงให้เห็นถึงการเรียกสั้น ๆ ของเราเมื่อเราเปิดตำแหน่งสั้นเราหวังว่าจะกำจัด whipsaws บางส่วนโดยการชะลอการเข้าของเราและบังคับให้ตลาดเพื่อแสดงให้เราเห็นความแข็งแรงบางส่วนของคุณอาจ ได้สังเกตเห็นแล้วว่าสิ่งที่เรามีคือ Keltner Channel A Keltner Channel ไม่ใช่อะไรมากไปกว่า SMA ช้าๆที่เคลื่อนไหวโดยมีจำนวน ATRs บนบนของ X ด้านบนและด้านล่าง SMA ที่ช้าส่วนด้านบน d แถบที่ต่ำกว่าทำหน้าที่เป็นตัวกระตุ้นให้ป้อนตำแหน่งยาวหรือตำแหน่งสั้นแถบนี้ปรับตัวให้เข้ากับความผันผวนที่เพิ่มขึ้นซึ่งต้องการการเชื่อมั่นด้านราคามากขึ้นเพื่อเริ่มต้นตำแหน่งใหม่ในทำนองเดียวกันวงดนตรีเหล่านี้หดตัวในช่วงเวลาที่มีความผันผวนต่ำกว่าดังนั้นกฎการเข้าและออกจะมีมากขึ้น แบบไดนามิกไปยังตลาดที่เปลี่ยนแปลงไปได้ง่ายกว่ากราฟครอสโอเวอร์แบบครอสโอเวอร์แบบทั่วไปส่วนกราฟหุ้นไม่ค่อยมีความแตกต่างจากระบบพื้นฐานมากนักส่วนของผู้ถือหุ้นทั้งหมดใช้เวลาน้อยกว่าใกล้เส้นศูนย์และมีการซื้อขายน้อยกว่า ระบบได้ลดจำนวนสัญญาณผิดพลาดจากแปดถึงสองนี่คือการปรับปรุงที่ดีในระบบพื้นฐานการเข้าชม Summer 2011.Each ของสองวิธีปรับปรุงผลลัพธ์ของระบบพื้นฐานเดิมดูที่ตารางด้านล่างเราสามารถดูสถิติประสิทธิภาพเช่น เป็นปัจจัยกำไรผู้ชนะเปอร์เซ็นต์และกำไรสุทธิทางการค้าเฉลี่ยเพิ่มขึ้น Keltner ผลิตสถิติโดยรวมที่ดีที่สุดแน่นอนเรา don t มี tradi ระบบที่สามารถซื้อขายได้ด้วยเงินจริง แต่เราประสบความสำเร็จในภารกิจของเราเราลดจำนวน whipsaws ลงในระบบรายการสินค้าล่าช้าและระบบการเข้ารายการแบบแบนด์บอร์ดซึ่งคุณสามารถดูได้จากจำนวนธุรกิจการค้าที่ดำเนินการโดยแต่ละระบบและธุรกิจการค้าที่ชนะเปอร์เซ็นต์ คุณสามารถใช้การวิจัยนี้ในทุกประเภทของทิศทางที่นี่ความคิดอีกสองข้อล่าช้ากับการสลายตัวของตลาดเวลาสลับไปมาระหว่างแนวโน้มและไม่แนวโน้มเป็นเราทุกคนมักจะสังเกตเห็นสตริงของ whipsaws ในระบบครอสโอเวอร์เฉลี่ยเคลื่อนที่หลังจากที่ชนะที่ดี การค้าปิดตลาดเห็นได้ชัดคือตอนนี้ morphing ไปช่วงขอบเขตตลาดและมีแนวโน้มที่จะทำเช่นนี้สำหรับบางครั้งอย่างไรก็ตามเป็นวันหรือสัปดาห์สวมใส่ในโอกาสของการฝ่าวงล้อมอาจเพิ่มขึ้นดังนั้นอาจจะเราสามารถลดจำนวนเงินที่ล่าช้าเป็นเวลาผ่านไปหลังจาก การปิดการซื้อขายที่ประสบความสำเร็จเราเริ่มมองหาข้ามต่อไปด้วยความล่าช้าในการเริ่มต้นแถบ X ของเราตลาดยังคงอยู่ในช่วงที่ถูกผูกไว้และก่อให้เกิดสัญญาณเท็จหลาย ๆ สัปดาห์ แต่ระบบของเราไม่มี t เอาสัญญาณใหม่ใด ๆ ในระหว่างสัญญาณผิดเหล่านี้ตัวนับล่าช้าของเราจะถูกรีเซ็ต แต่อย่าให้รีเซ็ตเป็น X ทุกวันหรือทุกสัปดาห์เราลดความล่าช้า X โดยที่เราทำเช่นนี้เพราะเราเชื่อว่าเมื่อเวลาผ่านไปการฝ่าวงล้อมจะกลายเป็นมากขึ้น ในความเป็นจริงเราอาจไม่ต้องการไปมากต่ำกว่า 5 หรือดังนั้นการเก็บรักษาตัวกรองในบทความก่อนหน้านี้ฉันใช้ rsRank หรือ SMA 200 ระยะเวลาเป็นตัวบ่งชี้แนวโน้มเพื่อช่วยในการกำหนด ภาพที่ใหญ่ขึ้นสำหรับยูโรในคำอื่น ๆ ที่เราอยู่ในตลาดรั้นหรือหยาบคายอาจจะใช้เวลาการค้าที่ยาวนานในช่วงตลาดวัวหรือการค้าสั้น ๆ ในช่วงตลาดหมีจะปรับปรุงผลนี้จะเป็นการทดสอบที่น่าสนใจและง่ายในการดำเนินการฉันจะ ชอบที่จะได้ยินผลของคุณโปรดตรวจสอบให้แน่ใจว่าได้แสดงความคิดเห็นไว้ด้านล่างฉันชอบที่จะได้ยินแนวคิดหรือผลลัพธ์จากการทดสอบของคุณเองทั้งสองระบบพื้นฐานและ Keltner มีช่องทางตรงไปข้างหน้าเพื่อสร้างดังนั้นจึงไม่รวมอยู่ที่นี่อย่างไรก็ตามรายการล่าช้า ระบบ เป็นบิตเพิ่มเติม trickily เพื่อรหัสเพื่อให้ระบบสามารถใช้ได้ที่นี่สำหรับ download. About ผู้เขียน Jeff Swanson. Moving เฉลี่ยง่าย vs Exponential. In รอบของการทดสอบนี้เราใส่ง่าย SMA, Exponential EMA และ Double Exponential D - EMA ย้ายค่าเฉลี่ยผ่าน ก้าวของพวกเขาในการระบุว่าเป็นสิ่งที่ดีที่สุดและลักษณะใดที่สามารถคาดหวังได้เนื่องจากความยาวของแต่ละค่าเฉลี่ยจะมีการปรับเปลี่ยนเราได้ทดสอบการซื้อขายแบบระยะสั้นและระยะยาวโดยใช้ข้อมูลรายวันและรายสัปดาห์โดยใช้เวลาสิ้นวัน EOD และสัญญาณ EOW ปลายสัปดาห์ที่มีความยาวเฉลี่ย แตกต่างจาก 5 300 วันหรือ 60 สัปดาห์การทดสอบเหล่านี้ดำเนินการโดยรวมของข้อมูลทั้งหมด 300 ปีใน 16 ดัชนีทั่วโลกที่แตกต่างกันรายละเอียดที่นี่ผลการทดสอบเดี่ยวและแบบสอบเทียบที่คุณสามารถดูได้ว่าการเปลี่ยนแปลงผลตอบแทนต่อปีมีความยาวเท่าใด แต่ละวัน EOD Moving Average สำหรับระยะยาวและระยะสั้นของตลาดความสัมพันธ์ของแต่ละ MA มีความคล้ายคลึงกันเมื่อไป Long และ Short แต่ผลตอบแทนจากด้านสั้นลดลงมากทั้ง SMA EMA ที่ผันผวนกลับมาอีกครั้งในเวลา 25 วันและหลังจากนั้นจะกลับลดลงอย่างต่อเนื่องเนื่องจากความยาวเฉลี่ยเพิ่มขึ้นแม้ว่า SMA จะเห็นการปรับปรุงที่ดีขึ้นระหว่าง 190 ถึง 250 วัน D-EMA กลับมีประสิทธิภาพมากขึ้น ความยาวเฉลี่ยเคลื่อนที่เพิ่มขึ้นจาก 20 ถึง 300 วันดูการทดสอบค่าเฉลี่ยการเคลื่อนที่แบบเสแสร้งสามครั้งและ D-EMA เป็นระยะเวลานานขึ้น HERE. ฉันรู้สึกประหลาดใจที่เห็นทุกๆวันเดียว EOD Moving Average ด้าน Long โดดเด่นกว่าการถือครองและถือครอง ผลตอบแทนรายปีของ 6 32 ในช่วงระยะเวลาการทดสอบก่อนที่จะอนุญาตให้มีค่าใช้จ่ายในการทำธุรกรรมและการลื่นไถลในด้านสั้น แต่ไม่ได้เฉลี่ยเดียวก็สามารถที่จะเอาชนะตลาดในช่วงระยะเวลาการทดสอบ 5 75 วันดูเหมือนจะเป็นเขตที่มีประสิทธิภาพมากที่สุดกับ EMA พิสูจน์ให้ดีกว่า SMA และ D-EMA โดยผลตอบแทนต่อปีคุณสามารถดูประสิทธิภาพของแต่ละค่าเฉลี่ยในช่วงเวลาเดียวเท่านั้นที่มีตำแหน่งเปิดอยู่สำหรับ SMA และ EMA r ในช่วงที่สัมผัสลดลงเมื่อความยาวของค่าเฉลี่ยเคลื่อนที่เพิ่มขึ้นในขณะที่ D-EMA มีพฤติกรรมตรงข้ามกับระยะเวลาที่ยาวที่สุดที่เราทดสอบ 300 วันโซน 5 75 วันและ EMA ยังให้ผลลัพธ์ที่ดีที่สุดโดยการกลับคืนเป็นรายปีในช่วง exposure. The คาดว่าจะมีการเพิ่มขึ้นในความยาวของค่าเฉลี่ยเคลื่อนที่ที่เพิ่มขึ้นในระยะเวลาของธุรกิจการค้าที่ถูกสร้างขึ้นสำหรับทั้งสามชั้นเรียนของ Moving Average การทดสอบระยะเวลาของการค้าในด้านสั้นได้ไกลน้อยกว่า ความจริงที่ว่าตลาดโลกได้รับค่าเฉลี่ย 6 32 ต่อปีในช่วงระยะเวลาทดสอบ 2 ตลาดกระทิงมีแนวโน้มที่จะเป็นตัวเป็นตนโดยกำไรช้าและมั่นคงและตลาดหมีมักจะเป็น จะเร็วกว่าและรุนแรงมากขึ้นจากแผนภูมิข้างต้นคุณยังได้รับความคิดของเพียงเท่าใดได้เร็วขึ้น D - EMA จะแจ้งให้ทราบว่าด้านยาว, ระยะเวลาเฉลี่ยสำหรับ 300 วัน, EOD D - EMA จะคล้ายกับของ 110 วัน EOD EMA หรือ a 85 วัน EOD SMA. Exposure ไปสู่การเพิ่มขึ้นของตลาดในด้านยาวและลดลงในด้านสั้นเป็นความยาวของค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้น แต่จำนวนเงินที่ได้รับจากระดับ D - EMA ปิดกับแต่ละเฉลี่ยมากกว่า 140 วันยาว อย่างไรก็ตามความแตกต่างระหว่างขนาดการค้าที่สูญเสียรายใหญ่ที่สุดและความยาวเฉลี่ยของค่าเฉลี่ยเคลื่อนที่อย่างไรก็ตามความแตกต่างระหว่าง DMA และ EMA ไม่ได้รับผลกระทบมากกว่า SMA และ EMA ในด้าน Long แต่หลังจาก 90 วันมีแนวโน้มที่จะสูญเสียน้อยลงในระยะยาว ความเสี่ยงที่กำไรจะลดลงตามความยาวของค่าเฉลี่ยที่เพิ่มขึ้น แต่ D-EMA ระบุธุรกิจการค้าที่ทำรายได้ได้ดีกว่า SMA หรือ EMA อย่างชัดเจนทั้งด้าน Long และ Short ของตลาดรายวันและรายสัปดาห์ ข้อมูล EOD กับ EOW Signals เนื่องจากประสิทธิภาพที่เหนือกว่าของ EMA ในการทดสอบก่อนหน้านี้ให้พิจารณาถึงวิธีการทำงานกับข้อมูลรายวันและรายสัปดาห์โดยการรับสัญญาณ EOD และ EOW เพื่อดูว่าชุดค่าใดมีประสิทธิภาพมากที่สุด คุณสามารถเห็นมีความแตกต่างกันมากระหว่างการใช้ EOD และ EOW กับค่าเฉลี่ยที่สั้นลง แต่ผลลัพธ์จากข้อมูลรายวันและรายสัปดาห์คล้ายกันมากหมายเหตุค่าเฉลี่ยรายวันเปรียบเทียบกับค่าเฉลี่ยรายสัปดาห์เช่นค่าเฉลี่ยของวันเฉลี่ย 10 วันเทียบกับค่าเฉลี่ย 2 สัปดาห์เฉลี่ยเมื่อความยาวของแต่ละค่าเฉลี่ยสูงขึ้นกว่า 45 วันผลลัพธ์สำหรับแต่ละชุดข้อมูลและสัญญาณจะมีความคล้ายคลึงกันและยาวนานกว่า 100 วันไม่มีผลตอบแทนที่เป็นรูปธรรมผลลัพธ์ที่ได้ก็คล้ายกับด้านสั้นของ EMA Annualized Short Short โดยการใช้สัญญาณ EOW แทนที่จะเป็นสัญญาณ EOD เพียงเล็กน้อยจะสูญหายไปในทางกลับ แต่จะตัดข้อมูลเสียงจำนวนมากออกจากข้อมูลดังนั้นการใช้สัญญาณ EOW จะทำให้มีโอกาสเกิดกำไรในการค้าขายกันเกือบ 50 แห่งและ ระยะเวลาการค้าโดยเฉลี่ยเป็นสองเท่าแสดงให้เห็นอย่างชัดเจนว่าการรับสัญญาณ EOW ทำให้ธุรกิจการค้ามีประโยชน์มากขึ้นโดยเฉลี่ยอยู่เหนือ 45 วันผลลัพธ์ที่ได้จะคล้ายกับความน่าจะเป็นของ EMA ในระยะสั้นของกำไรและ T rade ระยะเวลาสั้นข้อเสียเปรียบที่แท้จริงเพียงอย่างเดียวของการใช้สัญญาณ EOW มาพร้อมกับการกระโดดขนาดเล็กในขนาดที่ใหญ่ที่สุดที่สูญเสียไปเกิดขึ้นสรุปง่ายๆและเป็นข้อสรุปตามที่เป็นกฎทั่วไปที่เราสามารถสรุปได้ว่าค่าเฉลี่ยเคลื่อนที่แบบเสด็จพระมหากษัตริย์จะดีกว่าทั้ง Simple Moving Average และค่าเฉลี่ยเคลื่อนที่ Double Exponential ควรสังเกตว่า D-EMA มีลักษณะเฉพาะที่เป็นประโยชน์เช่นความน่าจะเป็นของกำไรที่สูงขึ้นและผลตอบแทนที่มากขึ้นระหว่างการเปิดรับตลาดในด้านยาวของตลาดนอกจากนี้ยังอาจกล่าวได้ว่ามีมาก ความแตกต่างเล็กน้อยระหว่างการใช้ข้อมูลรายวันหรือรายสัปดาห์ แต่การใช้สัญญาณ End Day Day จะทำให้ได้ผลลัพธ์ที่ดีขึ้นเมื่อค่าเฉลี่ยที่สั้นลงในขณะที่สัญญาณสิ้นสุดสัปดาห์จะมีผลต่อค่าเฉลี่ยที่ยาวนานขึ้นด้วยประโยชน์ที่เพิ่มขึ้นของ 50 กระโดดในโอกาสที่จะได้รับผลกำไร ความยาวเฉลี่ยโดยเฉลี่ยยาวนานกว่าเพียงแค่เลือกค่าเฉลี่ยที่มีผลตอบแทนที่มากที่สุดในการค้นหาสิ่งที่ดีที่สุดที่เรามองหาสำหรับรายได้ประจำปีย้อนหลัง 9.Ave โกรธระยะเวลาการค้า 29 วันผลตอบแทนรายปีในช่วงที่ได้รับสาร 15. ผลตอบแทนจากการลงทุนใน Nikkei 225 3. ผลตอบแทนจากการลงทุนใน NASDAQ 12 5.9 474 ค่าเฉลี่ยที่ทำการตัดสุดท้ายดูสเปรดชีตและเครื่องมือใด ๆ เหล่านี้จะเป็นเครื่องมือการซื้อขายที่มีประสิทธิภาพ แต่เราเลือก 75 วัน Exponential Moving Average กับ End of Week Sign เป็นผู้ชนะที่ดีที่สุดเพราะยังให้ผลตอบแทนที่ดีในระยะสั้นของตลาด 75 วัน EMA, EOW Long ได้สัมผัสกับตลาด 62 ครั้งและสร้างการค้าโดยเฉลี่ย 74 วัน ในระยะเวลาที่มีความเป็นไปได้ค่อนข้างสูงในการได้รับผลกำไร 41 นอกจากนี้ยังมีผลการดำเนินงานที่ดีทั้งในด้านแนสแด็กและทนต่อ Nikkei 225 ด้านข้างสั้นได้ดำเนินการด้วยความเคารพและจัดการกับความอดทนในช่วงรอมเร้าใจด้วยความทุกข์ทรมานเพียงอย่างเดียวและสูญเสียผลตอบแทนที่ดีเมื่ออยู่ในตลาด fell. It มักจะเป็นเรื่องยากสำหรับตัวบ่งชี้เป็นพื้นฐานเป็นค่าเฉลี่ยเคลื่อนที่ในการระบุการค้าในด้านสั้นในช่วงระยะเวลาที่ตลาดเฉลี่ยสูง 6 32 ann ually แต่รวมคุณลักษณะของ Moving Average นี้ทำให้เหมาะสมกับการใช้งานร่วมกับตัวชี้วัดอื่น ๆ ซึ่งเป็นส่วนหนึ่งของระบบการซื้อขายที่สมบูรณ์แบบโดยเฉลี่ยการย้ายโดยเฉลี่ย Short ด้านข้างของตลาดมีความแตกต่างกับรอบระยะเวลาที่ยาวนานขึ้นอย่างรวดเร็ว และมีความผันผวนมากขึ้นดังนั้นค่าเฉลี่ยเคลื่อนที่ที่เหมาะสมกับตลาดหมีจึงไม่จำเป็นต้องเหมือนกันกับที่ตลาดวัวส่วนใหญ่มีค่าเฉลี่ย 474 ที่เราทดสอบในด้านสั้นเพื่อหาค่าที่ดีที่สุดที่เรามองหา 5. ระยะเวลาการค้าโดยประมาณ 10 วันผลตอบแทนจากการได้รับคืนในช่วงที่ได้รับสาร 1 8. ผลตอบแทนจากการลงทุนใน Nikkei 225 1 5. ผลตอบแทนจากการลงทุนใน NASDAQ 0 5. ความเป็นไปได้ในการทำกำไร 25.6 474 ค่าเฉลี่ยที่ทำการตัดสุดท้ายดูสเปรดชีตและใด ๆ เทรดดิ้ง แต่เราเลือกค่าเฉลี่ยการเคลื่อนที่แบบเสด็จพระราชดำเนิน 25 วันด้วยสัญญาณสิ้นวันเพื่อเป็นผู้ชนะที่ดีที่สุดสำหรับธุรกิจการค้าระยะสั้นเนื่องจากได้รับผลตอบแทนที่ดีที่สุดจากผู้เข้ารอบสุดท้าย EMA 25 วัน EOD Short มีอี xposed กับตลาด 40 ของเวลาและสร้างการค้าเฉลี่ย 12 วันในระยะเวลาที่มีความเป็นไปได้ค่อนข้างสูง 25 กำไรโดยไปกับค่าเฉลี่ยที่เร็วกว่ามากในด้านสั้นของตลาดกำไรหยาบคายจะดีขึ้น แต่นี้มาที่ ค่าใช้จ่ายของการซื้อขายที่ใช้งานมากขึ้นในตลาดจริงยิ่งคุณค้าขายบ่อยครั้งมากเท่าใดค่าใช้จ่ายในการทำธุรกรรมของคุณการลื่นไถลและเวลาที่ต้องใช้ในการดำเนินการสัญญาณเป็นที่น่าสังเกตว่าค่าเฉลี่ยนี้ทำดีใน Nikkei 225 แต่ไม่ได้ให้ผลลัพธ์ที่โดดเด่น Nikkei เผชิญกับตลาดหมีที่ยืดเยื้อในช่วงระยะเวลาการทดสอบน่าแปลกใจคือ 75 วัน EMA, EOW Short และอีกหลายค่าเฉลี่ยที่ยาวนานกว่า 45 วันทำดีกว่า EMA 25 วัน EOD Short บน Nikkei 225 ซึ่งจะชี้ให้เห็นว่าค่าเฉลี่ยที่เร็วกว่า มีโอกาสที่ดีในการทำเงินในด้านสั้น ๆ ในระหว่างการตลาดวัว แต่ค่าเฉลี่ยช้ากว่าจะให้ผลตอบแทนที่ดีกว่าผ่านตลาดหมีเป็นเวลานานสถิติสำหรับการค้าที่รั้น 25 D ay EMA, EOD Long อีกต่อไปในชุดนี้เราได้ดำเนินการและดำเนินการต่อเพื่อทำการทดสอบอย่างกว้างขวางในตัวชี้วัดทางเทคนิคต่างๆดูว่าพวกเขาดำเนินการและที่เปิดเผยตัวเองเป็นสิ่งที่ดีที่สุดในการต่อสู้ตัวบ่งชี้ทางเทคนิคสำหรับ Supremacy สัญญาณเข้าไป สัญญาณยาวหรือออกเพื่อให้ครอบคลุมสั้นสำหรับแต่ละเฉลี่ยทดสอบถูกสร้างขึ้นด้วยใกล้กว่าค่าเฉลี่ยและสัญญาณออกหรือสัญญาณเข้าไปสั้น ๆ ถูกสร้างขึ้นในแต่ละปิดด้านล่างที่เฉลี่ยเคลื่อนที่ไม่มีดอกเบี้ยได้รับในขณะที่เงินสดและไม่มีค่าเผื่อมี ถูกทำขึ้นสำหรับค่าใช้จ่ายในการทำธุรกรรมหรือการซื้อขายลื่นถูกทดสอบโดยใช้ End of Day EOD และ End Of Week สัญญาณ EOW สำหรับทั้งข้อมูลรายวันและรายสัปดาห์เช่นข้อมูลรายวันที่มีสัญญาณ EOW จะต้องให้สัปดาห์สิ้นสุดเหนือ Average Moving Average เพื่อเปิดเป็นเวลานานหรือ ปิดข้อมูลสั้น ๆ ในขณะที่ข้อมูลรายสัปดาห์พร้อมกับสัญญาณ EOD จะต้องมีราคารายวันปิดสูงกว่าค่าเฉลี่ยรายสัปดาห์เพื่อเปิดเป็นช่วงสั้น ๆ หรือสั้น ๆ และในทางกลับกัน นี่คือผลตอบแทนเฉลี่ยต่อปีของตลาด 16 แห่งในช่วงระยะเวลาทดสอบข้อมูลที่ใช้สำหรับการทดสอบเหล่านี้จะรวมอยู่ในสเปรดชีตผลลัพธ์และรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการของเราสามารถพบได้ที่นี่ ค่าเฉลี่ยที่ดีที่สุดที่ไฮไลต์อยู่ในตารางนี้ได้รับเลือกโดยการเลือกนักแสดงชั้นนำหลังจากเฉลี่ยผลตอบแทนของการทดสอบทั้งสี่แบบสำหรับความยาวเฉลี่ยเคลื่อนที่ทุกวัน EOD รายวัน EOW รายสัปดาห์ EOD และรายสัปดาห์ EOW เช่นผลลัพธ์สำหรับ 100 วันและ 20 สัปดาห์ที่เทียบเท่า ค่าเฉลี่ยเคลื่อนที่โดยใช้ทั้ง EOD และ EOW สัญญาณได้รับเฉลี่ยโดยประมาณเกี่ยวกับผู้เขียน Derry Brown. Derry เป็นผู้ก่อตั้ง OM3 Ltd ซึ่งเป็น บริษัท วิเคราะห์คุณภาพที่ทันสมัยจากประเทศนิวซีแลนด์คุณสามารถติดตามการวิจัยของ Derry ในบล็อก ETF HQ อ่านเพิ่มเติม