Fractal Adaptiv Moving Average Frama

MetaTrader 5 - Indikatorer Fractal Adaptive Moving Average (FrAMA) - indikator for MetaTrader 5 Fractal Adaptive Moving Gjennomsnittlig teknisk indikator (FRAMA) ble utviklet av John Ehlers. Denne indikatoren er konstruert basert på algoritmen til eksponentielt flytende gjennomsnitt. der utjevningsfaktoren beregnes ut fra den nåværende fraktal-dimensjonen til prisserien. Fordelen med FRAMA er muligheten til å følge sterke trendbevegelser og tilstrekkelig avta på øyeblikkene av priskonsolidering. Alle typer analyser som brukes for Moving Averages, kan brukes på denne indikatoren. Fractal Adaptive Moving Gjennomsnittlig indikator FRAMA (i) A (i) Pris (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) - nåverdien av FRAMA Pris (i) - nåværende pris FRAMA -1) - forrige verdi av FRAMA A (i) - nåværende faktor for eksponensiell utjevning. Eksponensiell utjevningsfaktor beregnes i henhold til formelen nedenfor: A (i) EXP (-4.6 (D (i) - 1)) D (i) - nåværende fraktal dimensjon EXP () - eksponentens matematiske funksjon. Fractal dimensjon av en rett linje er lik en. Det ses fra formelen at hvis D 1, deretter A EXP (-4.6 (1-1)) EXP (0) 1. Dermed hvis prisen endres i rette linjer, blir eksponensiell utjevning ikke brukt, fordi i et slikt tilfelle formelen ser slik ut: FRAMA (i) 1 Pris (i) (1 - i) FRAMA (i-1) Pris (i) Nei indikatoren følger nøyaktig prisen. Den fraktale dimensjonen til et fly er lik to. Fra formelen får vi det hvis D 2, deretter utjevningsfaktoren A EXP (-4,6 (2-1)) EXP (-4,6) 0,01. En slik liten verdi av den eksponensielle utjevningsfaktoren er oppnådd i øyeblikk når prisen gir en sterk sånget bevegelse. En slik kraftig nedbremsing tilsvarer omtrent 200-års enkel glidende gjennomsnitt. Formulering av fraktal dimensjon: D (LOG (N1 N2) - LOG (N3)) LOG (2) Det beregnes ut fra tilleggsformelen: N (Lengde, i) (Høyeste pris (i) - Laveste pris (i)) Lengde Høyestepris (i) - nåværende maksimal verdi for lengdeperioder LowestPrice (i) - nåværende minimal verdi for lengdeperioder Verdiene N1, N2 og N3 er henholdsvis lik: N1 (i) N (Lengde, i) N2 (i) N (Lengde, I Lengde) N3 (i) N (2 Lengde, i) Fractal Adaptiv Flytende Gjennomsnittlig Fractal Adaptiv Moving Gjennomsnittlig teknisk indikator (FRAMA) ble utviklet av John Ehlers. Denne indikatoren er konstruert basert på algoritmen til eksponentielt flytende gjennomsnitt. der utjevningsfaktoren beregnes ut fra den nåværende fraktal-dimensjonen til prisserien. Fordelen med FRAMA er muligheten til å følge sterke trendbevegelser og tilstrekkelig avta på øyeblikkene av priskonsolidering. Alle typer analyser som brukes for Moving Averages, kan brukes på denne indikatoren. Du kan teste handelssignalene til denne indikatoren ved å opprette en ekspertrådgiver i MQL5-veiviseren. Beregning FRAMA (i) A (i) Pris (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) nåverdien av FRAMA Pris (i) nåværende pris FRAMA (i-1) FRAMA A (i) gjeldende faktor for eksponensiell utjevning. Eksponensiell utjevningsfaktor beregnes i henhold til formelen nedenfor: A (i) EXP (-4.6 (D (i) - 1)) D (i) gjeldende fraktal dimensjon EXP () matematisk funksjon av eksponent. Fractal dimensjon av en rett linje er lik en. Det ses fra formelen at hvis D 1, deretter A EXP (-4.6 (1-1)) EXP (0) 1. Dermed hvis prisen endres i rette linjer, blir eksponensiell utjevning ikke brukt, fordi i et slikt tilfelle formelen ser slik ut. FRAMA (i) 1 Pris (i) (1 1) FRAMA (i1) Pris (i) I. e. indikatoren følger nøyaktig prisen. Den fraktale dimensjonen til et fly er lik to. Fra formelen får vi det hvis D 2, deretter utjevningsfaktoren A EXP (-4,6 (2-1)) EXP (-4,6) 0,01. En slik liten verdi av den eksponensielle utjevningsfaktoren er oppnådd i øyeblikk når prisen gir en sterk sånget bevegelse. En slik kraftig nedbremsing tilsvarer omtrent 200-års enkel glidende gjennomsnitt. Formulering av fraktal dimensjon: D (LOG (N1 N2) - LOG (N3)) LOG (2) Det beregnes ut fra tilleggsformelen: N (Lengde, i) (Høyeste pris (i) - Laveste pris (i)) Lengde Høyestepris (i) nåværende maksimal verdi for lengdeperioder LowestPrice (i) nåværende minimal verdi for lengdeperioder Verdiene N1, N2 og N3 er henholdsvis lik: N2 (i) N (lengde, lengde) N3 (i) N (2 Lengde, i) Fractal Adaptive Moving Average (FRAMA) FRAMA står for Fractal Adaptive Moving Average, og vi har klassifisert det som et Log-Normal Adaptive Moving Average (LAMA). Laget av John F Ehlers (Se sin opprinnelige papir eller artikkelen fra 2005-utgaven fra Technical Analysis of Stocks and Commodities 8211 Fractal Adaptive Moving Averages), bruker den Fractal Geometry i et forsøk på å dynamisk justere sin utjevningsperiode for å passe prisendringen over tid. FRAMA-teorien er ekstremt smart, men klare teorier don8217t garanterer gode resultater, så vi legger konseptet inn i ringen for 8216Technical Indicator Fight for Supremacy 8216. Men før vi går videre, er det viktig at vi forstår hva vi tester. Så jeg vil forklare hvordan FRAMA fungerer, selv om jeg må innrømme at det er litt over matematikkutdanningen som jeg ikke gjorde oppmerksom på i skolen. Vi har også satt sammen et gratis Excel-regneark som inneholder det brøkdelte Adaptive Moving Average, slik at du kan teste det selv. (Hvis du hellere vil hoppe over matematikkene, så hopp til de fullførte testresultatene her 8211 Er FRAMA Effective) FRAMA Emner Hvordan FRAMA Works Først og fremst bruker FRAMA det faktum at finansmarkedene er fraktale. En fraktal form sies å være grov eller fragmentert og kan deles i deler, som hver i det minste ligner en kopi av redusert størrelse av originalen. Eksempel: Kan du se noe underlig om kartet nedenfor Uten å bli fortalt, ville du ha visst at venstre halvdel av diagrammet ovenfor var 5 år med månedlige stenger og den høyre halvdelen var 15 dager på 30 minutters stolper. Sannsynligvis ikke fordi prisbevegelser ser ut ligner uansett hvilken tidsramme vi ser på dem. Denne egenskapen kalles selvlikning og definerer en fraktal form. Ved å finne Fractal Dimension eller 8220D8221 får vi en indikasjon på hvor helt en Fractal ser ut til å fylle plass som en zoomer ned til finere og finere skalaer. Tenk på det på denne måten: Et lagerdiagram er for stort til å være endimensjonalt, men for tynt for å være todimensjonalt, slik at dets Fractal Dimension er en lesning mellom ett og to. (For en mer grundig titt på Fractals og 8220D8221 vennligst les dette innlegget 8211 Fractal Dimension) FRAMA identifiserer Fractal Dimensjon av priser over en bestemt periode og bruker deretter resultatet til dynamisk å tilpasse utjevningsperioden for et eksponentielt glidende gjennomsnitt. Finne Fractal Dimensjonen til en Form For å finne Fractal Dimensjon 8220D8221 av en form vi dekker den med et nummer 8220F8221 av små objekter som er forskjellige størrelser 8220S8221: D Log (F2 F1) Log (S1 S2) For de av dere liker meg hvem didn8217t være oppmerksom på matematikklassen 8216Log8217 er kort for logaritmen og er kraften til at et tall må heves til for å gi et gitt resultat. Med mindre annet er oppgitt, er basenummeret 10, derfor: 103 10 10 10 Etter den raske matteleksjonen kan vi beregne Fractal Dimension for et linjesegment som er 10 meter langt. Velg først to små dimensjoner som S1 1 meter og S2 0,1 meter. Ved å plassere bokser av disse størrelsene på linjesegmentet kan vi passe 10 av størrelsen på en meter og 100 av 0,1 meter størrelsen. Så F1 10 og F2 100. Derfor: D Log (F2 F1) Log (S1 S2) D Log (100 10) Log (1 0.1) D Log (10) Log (10) Fordi D 1 har vi avslørt at Fractal eksisterer helt i en dimensjon som gir mening fordi den målte formen bare var en flat linje. For et annet eksempel i stedet for en flat linje kan vi bruke et firkant som er 10 x 10 meter. For å holde S1 og S2 det samme får vi nå F1 100 og F2 10.000 derfor: D Log (F2 F1) Log (S1 S2) D Log (10.000 100) Log (1 0.1) D Log (100) Log (10) Fordi D 2 Vi har avslørt at Fractal har fullstendig fylt to dimensjoner som gir mening fordi den målte formen var en firkant og en firkant krever at to dimensjoner eksisterer. Dessverre mangler aksjekursene denne regelmessigheten, men er fortsatt selvlikt. Så, for å oppdage 8220D8221 av aksjekursene må vi gjennomsnitts den målte Fractal Dimension over forskjellige skalaer. Å dekke en priskurve med en serie små bokser er altfor tungvint, men fordi prisprøver er jevnt fordelt (hver bar er 1 dag, 1 uke, 10 min osv.) Ehlers bestemte at kurvens gjennomsnittlige helling kunne brukes som estimering av boksantallet. Dette er langt mindre komplisert enn det høres ut som skråningen er funnet ved å bare ta den høyeste prisen over en periode minus den laveste prisen i den perioden og dividere resultatet med antall perioder. Vi vil kalle dette målet 8220HL8221, derfor: HL (Max (Høy, N) 8211 Min (Lav, N)) N Vi må finne 8220HL8221-målet (helling) i løpet av første halvdel, andre halvdel og full lengde på 8220N8221 til Hjelp oss å finne 8220D8221, klare som mud Hvordan beregne en Fractal Adaptive Moving Average Det starter med Lukk pris. Deretter beregnes FRAMA i henhold til følgende formel: FRAMA FRAMA (1) (Lukk 8211 FRAMA (1)) Du vil merke at dette er det samme som formelen for et eksponentielt flytende gjennomsnitt (EMA): EMA EMA (1) (EMA EMA Lukk 8211 EMA (1)) Men Alpha i en EMA er 2 (N 1), så det forblir konstant for FRAMA EXP (W (D 8211 1)) slik at den tilpasses ettersom Fractal Dimension endres. EXP er kjent som eksponentiell funksjon, det er som Log, men i stedet for en antatt base på 10 har den en base på 8220e8221. Så x Log (10x) og x EXP (ex) hvor 8220e8221 er omtrent 2,718281828. Forvirret ennå 8220e8221 er et unikt tall fordi kurvens helling er 1 når x 0 og den løser det sammensatte renteproblemet. Didn8217t vet at det var et problem med sammensatt interesse heller ikke. Du ser om du investerer 1 til en rente på 100 beregnet årlig, ved slutten av det første året vil du ha 2 enkle. Men hvis du sammensatte interessen i løpet av året blir det litt mer komplisert. Når interessen er sammensatt hver 6. måned, kan du finne resultatet for året ved å multiplisere 1 med 1,5 to ganger, så 1,00 1,52 2,25. Hvis interessen er sammensatt kvartalsvis, blir resultatet 1,00 1,254 2,44, og månedlig er det 1,00 1,083312 2,613035. Legg merke til hvordan hver gang du øker hyppigheten av sammensetningen, får du et større resultat Dette er 8216compound interest problem8217. Men hvis du investerer 1 med en avkastning på 100 hvert år og interessen er sammensatt hele tiden, er resultatet 8216e8217. Hvis et nummer 8220Y8221 har en tilfeldig variabel med en Normalfordeling, har EXP (Y) en Log Normal Distribution. Aksjekursene sies å være Log-Normal, slik at EXP brukes til å knytte Fractal Dimension to Alpha. Fortsett å lese dette vil gjøre mer fornuftig soon8230 Hva er Log-Normal og hvorfor beskriver det aksjekursene (I teorien) er prosentandelen for å oppnå mulige fremtidige aksjekurser ved utgangen av en periode normalt distribuert. Det er forandringen vil resultere i en positiv eller negativ avkastning, og 95 av resultatene skal falle innenfor to standardavvik s av gjennomsnittet. (I virkeligheten prisendringer aren8217t normalt fordelt 8211 Michael Stokes forklarer Fat Tails) De mulige prisene som kommer fra disse endringene kan variere fra null og uendelig. Dette skyldes at en aksje can8217t faller mer enn 100 som det ville føre til en negativ pris, men en den kan mer enn doble. Derfor er prisene sies å være Log-Normal. Dette konseptet forvirret meg i begynnelsen, men et bilde er verdt 1000 ord slik: For å vise at aksjekursene er omtrent Log-Normal, har jeg beregnet prisendringen i løpet av det foregående året for de siste 10.000 markedsdagene på Dow. I teorien blir disse resultatene normalt distribuert, slik at de finner sin EXP, og plotter frekvensen hvert resultat oppstår. Ovennevnte diagram viser de mest sannsynlige sluttpriser for Dow om en årstid. Nå hvis et nummer 8220Y8221 er Log-Normal, blir Log (Y) normalt distribuert. Så hvis aksjekursene faktisk er Log-Normal, så ved å ta oversikten over prisendringene på ovenstående diagram, bør vi få noe som ser ut som en bellkurve: Over kan du se en bellkurve (alt er det en stygg) som viser Sannsynligheten for en prosentvis sjanse på Dow i løpet av det neste året mellom -20 og 25. Så forhåpentligvis forklarer det hva Log-Normal er og hvorfor det er en karakteristikk for aksjekurser8230 Her avslutter matte-leksjonen. Slik beregner du en Fractal Adaptive Moving Gjennomsnitt 8211 Fortsatt FRAMA FRAMA (1) (Lukk 8211 FRAMA (1)) EXP (W (D 8211 1)) D (Log (HL1 HL2) 8211 Log (HL)) Logg (2) HL1 (Maks, Høy, N) 8211 Min (Lav, N..N)) N HL2 (Maks (Høy, N) 8211 Min (Lav, N)) N HL Lav, N)) NN FRAMA Periode, må være et jevnt tall. W -4.6 (Set av Ehlers, men kan endres. Se: Modified FRAMA) Hvis Alpha lt 0.01 og Alpha 0.01 Hvis Alpha gt 1 og Alpha 1 Finne Fractal Dimension, kan eksempler se på noen teoretiske aksjekurser og den resulterende Fractal Dimensjon: Over er tre priskurver, nå kan vi beregne 8220D8221 for hver 8220N8221 100. D (Log (HL1 HL2) 8211 Log (HL)) Log (2) For 8216Curve A8217 gjentas hele spekteret i begge halvdelene av diagrammet så det eksisterer fullt ut i to dimensjoner og D 2. For 8216Curve B8217 gjentas kun halvparten av intervallet i hver halvdel av diagrammet, slik at det eksisterer mellom en og to dimensjoner eller spesifikt D 1.58. Utvalget for 8216Curve C8217 gjentas ikke i det hele tatt mellom de to halvdelene av diagrammet, slik at det eksisterer i bare en dimensjon og D 1. Hvordan påvirker Fractal Dimension 8220D8221 utjevningsperioden 8220N8221 FRAMA tilpasser seg mellom å være en hurtig eller langsom EMA-basert i Fractal Dimension av aksjekursene. Ehlers utformet den langsomste mulige EMA til å være omtrent 200 perioder i varighet, og den raskeste å ha en periode på ett eller med andre ord være lik prisen selv. Så for de tre kurvene fra vårt forrige eksempel, kan vi se hvordan 8220D8221 endrer 82208221 og hvordan det påvirker 8220N8221 eller utjevningsperioden for den resulterende EMA: EXP (W (D 8211 1)) N (EMA) (2 8211) (Ehlers set 8220W8221 som -4.6, men det kan endres. Se: Modifisert FRAMA) Når D 2 som med 8216Curve A8217 er resultatet en Langsom EMA på 198 perioder, mens når D 1 som med 8216Curve C8217 er resultatet et Fast EMA i en periode ( den nære prisen selv). 8220Denne adaptive strukturen følger raskt store prisendringer og endrer seg sakte når prisene er i en overbelastningszone.8221 8211 John Ehlers Modified FRAMA Ehlers stiller stramt FRAMA til å skifte mellom en Fast EMA i en periode (vi kan kalle det FC) og en Slow EMA på 198 dager (la oss kalle det SC). Men fordi vi skal komme inn i FRAMA i 8216Technical Indicator Fight for Supremacy 8216 ønsket jeg å kunne spesifisere 8220FC8221 og 8220SC8221 av mitt valg. Spesiell takk til Prospekt 8211 8220 Real Rocket Scientist, Wanna-be Trader8221 for hans hjelp på denne delen, vær sikker på å abonnere på bloggen hans og følg ham på twitter. Så i stedet for å sette 8220W8221 som -4.6 som Ehlers gjorde, lar vi gjøre W LN (2 (SC 1)). Dette resulterer i en FRAMA som skifter mellom en 8220FC8221 av 1 og en 8220SC8221 etter eget valg. For eksempel hvor SC 200, W -4.61015. Ehlers avrundede åpenbart dette, og dermed hans innstilling på -4.6. Hva er LN og hvorfor bruker vi det til å finne 8220W8221 LN er en forkortelse for 8216Natural Logarithm8217 og er den inverse av EXP, så hvis EXP (1) x deretter LN (x) 1. Fordi EXP brukes til å forholde Fractal Dimension to Alpha , LN brukes til å finne 8220W8221. Nå for å sette Fast MA eller 8220FC8221 etter eget valg, må du bare ta den resulterende EMA-perioden 8220N8221 og justere den slik at den passer til det nye sortimentet. For eksempel hvis SC 100 og den resulterende N 50, men i stedet for standard SC 1, vil vi bytte den til SC 20, vil følgende formel avsløre 8220New N8221: Ny N ((SC 8211 FC) ((Origional N 8211 1) (SC 8211 1))) New N (100-20) (50 8211 1) (100 8211 1)) 20 Nytt 80 (49 99)) 20 Dette blir så enkelt konvertert tilbake til Alpha: Ny 2 (New N 1) Modifiserte FRAMA tilleggsregler: SC Ditt valg av et Slow moving average GT FC FC Ditt valg av et raskt bevegelige gjennomsnitt lt SC Hvis Alpha lt 2 (SC 1) og Alpha 2 (SC 1) Hvis Alpha gt 1 da (1) (2)) FC Hvis N-1 l EVEN (((SC 8211 FC) 2)) FC deretter H N-1 FRAMA Excel-fil Vi har satt sammen et Excel-regneark som inneholder FRAMA og gjort det tilgjengelig for gratis nedlasting. Den inneholder en grunnleggende versjon av John Ehlers FRAMA og vår Modified versjon sammen med en fancy som automatisk tilpasser seg innstillingene du angir. Finn den på følgende kobling nær bunnen av siden under Nedlastinger Tekniske indikatorer: Fractal Adaptive Moving Average (FRAMA). Gi meg beskjed hvis du finner det nyttig. FRAMA og en enkel Flytende Gjennomsnittlig Fractal Adaptive Moving Gjennomsnittlig Testresultat Vi testet FRAMA gjennom 300 års data på 16 globale markeder, se resultatene nå 8211 Er FRAMA Effective. . . Michael Stokes forklarer hvorfor 8211 Fat Tails