การปรับตัว เคลื่อนไหว เฉลี่ย tradestation

โดย Michael R Bryant ตัวบ่งชี้ทางเทคนิคเป็นหนึ่งในองค์ประกอบพื้นฐานของตัวชี้วัดการซื้อขายที่เป็นระบบเช่นค่าเฉลี่ยเคลื่อนที่หรือ stochastics สามารถดูได้ว่าเป็นการแปลงชุดข้อมูลขาเข้าโดยทั่วไปราคาหรือปริมาณที่ออกแบบมาเพื่อเน้นด้านใดด้านหนึ่งของตลาดเช่น เป็นเทรนด์หรือวัฎจักรชีวิตขณะที่พื้นฐานของวิธีการซื้อขายที่มีระบบมากที่สุดผู้ค้าจำนวนมากหลีกเลี่ยงตัวชี้วัดที่พบมากที่สุดเช่นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและตัวบ่งชี้ความเข้มแข็ง RSI ในความเชื่อมั่นว่าตลาดปรับตัวให้เข้ากับการใช้งานลดประสิทธิภาพของตนหนึ่ง วิธีการชดเชยผลกระทบจากประสิทธิภาพของตลาดที่มีชีวิตอยู่ของตัวบ่งชี้ทางเทคนิคคือการปรับเปลี่ยนในลักษณะที่มีความหมายบางอย่างตัวอย่างเช่น Chiden และ Kroll s ตัวบ่งชี้ VIDYA 1 เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาซึ่งปัจจัยการทำให้ราบเรียบขึ้นอยู่กับความผันผวนของตลาดดังนั้น ความยาวด้านหลังมองที่มีประสิทธิภาพจะลดลงเมื่อความผันผวนเพิ่มขึ้นในบทความนี้ฉันจะพัฒนาส่วนขยายของการปรับตัว ive แนวทางมองหลังและแสดงวิธีการใช้มันกับตัวชี้วัดที่หลากหลายที่มีเพียงไม่กี่บรรทัดพิเศษของรหัสตัวชี้วัดที่เกิดขึ้นให้ความเก่งกาจมากขึ้นกว่าตัวชี้วัดก่อนและอาจสอดคล้องกับมุมมองทางสถิติของตลาดการปรับรูปลักษณ์ - ความยาวด้านหลังทำให้ตลาดมีการเปลี่ยนแปลงตลอดเวลาทำให้เหมาะสมกับการปรับตัวให้เข้ากับการเปลี่ยนแปลงให้มากที่สุดตัวชี้วัดทางเทคนิคส่วนใหญ่ได้รับการพัฒนาขึ้นโดยมีความยาวคงที่เช่นจำนวนบาร์ที่มีค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย จำนวนผู้เขียนได้เสนอการปรับความยาวด้านหลังมองไปที่ความผันผวนของตลาดสำหรับตัวแปรดัชนี Variable ตัวบ่งชี้แบบไดนามิกของตัวแปรเช่น Chande และ Kroll ใช้เมตริกที่แตกต่างกันหลายตัวรวมทั้งดัชนีความผันผวนโดยอิงตามส่วนเบี่ยงเบนมาตรฐานซึ่งมีค่ามาตรฐานซึ่งราคา ค่าที่สูงขึ้นของดัชนีส่งผลให้ความยาวด้านหลังที่มีประสิทธิภาพลดลงความคิดที่ว่าในช่วงที่มีความผันผวนสูงกว่าค่าเฉลี่ยเคลื่อนที่ควรมากขึ้น responsiv e ถึงตลาดในขณะที่ในช่วงของความผันผวนที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ในระยะยาวสอดคล้องกับพฤติกรรมของตลาดมากขึ้น Kaufman ใช้วิธีการที่แตกต่างกันบ้าง 2 ความคิดเบื้องหลัง Kaufman Adaptive Moving Average KAMA ของเขาคือในช่วงที่มีความผันผวนสูง, คุณมีแนวโน้มที่จะได้รับแส้ - แปรรูปเป็นชิงช้าตลาดไปมาส่งผลให้เกิดการสูญเสียซ้ำเพื่อหลีกเลี่ยงการที่เขาใช้เวลานานสำหรับค่าเฉลี่ยเคลื่อนที่ในช่วงระยะเวลาราคาเปลี่ยนแปลงเร็วเพื่อให้ค่าเฉลี่ยจะไม่ตอบสนองต่อ ความผันผวนของตลาดส่งผลให้เกิดการกลับรายการน้อยลงในระหว่างการดำเนินการในตลาดที่มีแนวโน้มสูงระยะเวลาของค่าเฉลี่ยเคลื่อนที่ได้ลดลงเพื่อให้ธุรกิจการค้าสามารถตอบสนองได้เร็วขึ้นเมื่อมีการเปลี่ยนแปลงทิศทางการใช้มาตรการลดความอ้วน Kaufman ใช้อัตราส่วนประสิทธิภาพ ER ที่เรียกว่า ค่าสัมบูรณ์ของการเปลี่ยนแปลงราคาในระยะเวลามองย้อนกลับหารด้วยผลรวมของค่าสัมบูรณ์ของการเปลี่ยนแปลงราคาบาร์ต่อบาร์ในช่วงเวลาเดียวกันตัวอย่างเช่น การเปลี่ยนแปลงสุทธิในราคาเป็นศูนย์ - ราคาเหมือนกันเมื่อสิ้นสุดระยะเวลาตั้งแต่เริ่มต้น - แล้ว ER จะเป็นศูนย์ในกรณีนี้ตลาดไม่มีประสิทธิภาพอย่างสมบูรณ์ในการที่อาจเคลื่อนไปรอบ ๆ ได้มากจาก แถบไปที่บาร์ แต่ไม่ได้ไปที่ใดก็ได้ถ้าในทางกลับกันตลาดเคลื่อนไหวอย่างต่อเนื่องในทิศทางเดียวขึ้นหรือลงเพื่อให้แต่ละบาร์ s ย้ายก่อให้เกิดการเปลี่ยนแปลงสุทธิในราคา ER จะเป็น 1 ในนี้ กรณีที่ตลาดมีประสิทธิภาพดีในการที่บาร์ทั้งหมดของราคามีส่วนร่วมในแนวโน้มโดยทั่วไป ER จะอยู่ระหว่าง 0 ถึง 1.A มุมมองที่แตกต่างกันของ Adaptive Look-Back Lengths. While วัดที่แตกต่างกันได้และมี ถูกใช้เพื่อปรับความยาวด้านหลังของภาพ (look-back length) อัตราส่วนประสิทธิภาพจะเป็นส่วนสำคัญของการดำเนินการในตลาดคือความแตกต่างระหว่างพฤติกรรมที่มีแนวโน้มและเป็นวัฏจักรค่าสูงของ ER บ่งบอกถึงตลาดที่มีแนวโน้มสูงซึ่งหมายถึงการเคลื่อนไหวเป็นวงกลมน้อยมากและมีค่าต่ำ ของ ER บ่งบอกถึงแนวโน้มเพียงเล็กน้อยและดังนั้นจึงเป็นวงจรชีวิตประจำวันมากขึ้น nt ยกเว้นในกรณีของการเคลื่อนไหวเล็ก ๆ น้อย ๆ ทั้งหมดนี้มีแนวโน้มที่จะสนับสนุนวิธีการของ Kaufman อย่างไรก็ตามการตัดสินใจของเขาที่จะใช้ยาวมองย้อนกลับไปในตลาดที่เปลี่ยนแปลงเร็วขึ้นอยู่กับ 1 สมมติฐานที่ว่าเราปรับอีกครั้งความยาวด้านหลังมองของการย้าย ค่าเฉลี่ยและ 2 ความคิดที่ว่าค่าเฉลี่ยเคลื่อนที่ถูกใช้เพื่อกระตุ้นการเข้าสู่ระบบการค้าหรือทางออกมุมมองอื่น ๆ คือการดำเนินการโดย John Ehlers ผ่านงานของเขาในการใช้วิธีการประมวลผลสัญญาณเพื่อการซื้อขาย 3 มุมมองของเขามีมากขึ้นตามแนวความพยายาม เพื่อจำลองตัวอย่างส่วนของตลาดที่น่าสนใจเช่นส่วนประกอบของเทรนด์หรือส่วนประกอบของวงจรจากมุมมองดังกล่าวค่าเฉลี่ยเคลื่อนที่ในตลาดที่เปลี่ยนแปลงเร็วควรใช้ระยะเวลาย้อนกลับที่สั้นกว่าเพื่อให้สามารถจับภาพความถี่สูงขึ้นได้มากขึ้นด้วย choppiness ในขณะที่ในตลาดมีแนวโน้มสูงความยาวด้านหลังยาวขึ้นสอดคล้องกับการเคลื่อนไหวของตลาดมุมมองที่สามคือการที่ฉันจะนำมาใช้ที่นี่คือสถิติที่มากขึ้นก่อนให้สมมติว่าไม่มีอะไร มากกว่าความจำเป็นอย่างยิ่งเกี่ยวกับตัวบ่งชี้ในคำถามและวิธีการที่อาจใช้โดยเฉพาะอย่างยิ่งให้สมมติว่าตัวบ่งชี้ในคำถามเป็นค่าเฉลี่ยเคลื่อนที่โดยไม่คิดว่าจะใช้กับราคาอาจเป็นเช่นนั้นได้ RSI ของความผันผวนหรือค่าเฉลี่ยเคลื่อนที่ของการสุ่มตัวอย่างของปริมาตรตัวบ่งชี้อาจจะใช้ร่วมกับตัวบ่งชี้อื่น ๆ เป็นส่วนหนึ่งของกฎใหญ่สำหรับการเข้าหรือทางออกมากกว่าด้วยตัวเองด้วยมุมมองเชิงสถิติมากขึ้นนี้เป้าหมายคือการ สร้างกฎการซื้อขายที่มีความถูกต้องทางสถิติซึ่งหมายถึงว่าเหมาะสมกับราคาที่ดีโดยไม่ต้องพอดีเราไม่ได้สมมติว่าเรารู้ว่าตลาดทำงานได้ดีพอที่จะทำการตัดสินใจที่เฉพาะเจาะจงว่าควรจะเพิ่มหรือลดความยาวด้านหลังมองย้อนกลับด้วยสิ่งที่ต้องการ อัตราส่วนประสิทธิภาพ แต่เรามีเหตุผลที่จะเชื่อว่าอัตราส่วนประสิทธิภาพอาจมีความเกี่ยวข้องและดังนั้นเราจึงต้องการรวมเป็นตัวแปร แต่เราปล่อยให้ตลาดบอกเราว่าและอย่างไร f ในการทดสอบทางสถิติจะใช้เพื่อบอกให้เราทราบว่ากลยุทธ์การซื้อขายที่มีตัวบ่งชี้นั้นมีความถูกต้องทางสถิติหรือไม่ถูกต้องหรือไม่เหมาะสมเพราะเหมาะกับเสียงมากกว่าสัญญาณของตลาดการปรับเปลี่ยนแบบปรับเปลี่ยนได้หลากหลายมากขึ้น จากการสนทนาก่อนหน้านี้ความยาวด้านหลังแบบปรับตัวที่พัฒนาขึ้นนี้จะขึ้นอยู่กับอัตราส่วนประสิทธิภาพ ER และจะใช้พารามิเตอร์เพื่อกำหนดความสัมพันธ์ระหว่าง ER กับความยาวด้านหลังมองโดยเฉพาะให้พิจารณาสมการต่อไปนี้ตารางสี่เหลี่ยม ER - 2 ER - 1 2 1 - TrendParam 0 5.in ซึ่ง VER เป็นอัตราส่วนประสิทธิภาพของตัวแปรและ TrendParam เป็นพารามิเตอร์แนวโน้มซึ่งสามารถใช้ค่าบวกหรือลบและกำหนดว่าความยาวด้านหลังมองจะเพิ่มขึ้นหรือลดลงเมื่อเพิ่มขึ้น ER นี้เป็นหลักเพียงวิธีการย้อนกลับอัตราส่วน ER ขึ้นอยู่กับแนวโน้มพารามิเตอร์ดังที่แสดงด้านล่างมากกว่าการปรับค่าคงที่ที่ราบรื่นโดย ER เป็น Chande และ Kroll และ Kaufman เป็นหลักเราใช้ VER กับ p ค่าความแปรปรวนของ TrendParam ค่า VER แปรผันตามค่า ER ในขณะที่ค่าลบของ TrendParam ค่า VER จะแปรผันตามค่า ER ด้วย TrendParam เท่ากับศูนย์ VER เท่ากับ 1 สำหรับค่าทั้งหมดของ ER ตารางจะถูกนำมาใช้ในการวัดค่าที่ดีขึ้นสำหรับการใช้งาน เป็นตัวคูณตามที่อธิบายไว้ต่อไปเมื่อต้องการคำนวณความยาวด้านหลังแบบปรับตัวแบบปรับได้โดยใช้สมการนี้เราจะคูณค่าเดิมของค่าคงที่ที่ให้ความนุ่มนวล Alpha ซึ่งสอดคล้องกับความยาวด้านหลังเดิมของต้นฉบับโดย VER. VAlpha Alpha VER. in ซึ่ง VAlpha เป็นค่าคงตัวการปรับตัวแบบปรับได้และ Alpha เป็นค่าเดิมของความสมดุลที่ราบเรียบความสัมพันธ์ระหว่างค่าคงที่การปรับให้ราบเรียบและความยาวด้านหลังการมองเห็นมีค่าเท่ากับค่าเฉลี่ยเคลื่อนที่ที่ระบุไว้คือ N ซึ่งเป็น N-look back ความยาวและอัลฟ่าเป็นสมส่วนเรียบสมการนี้ยังสามารถเขียนขึ้นสำหรับ N ในแง่ของอัลฟาเป็นความยาวหลังมองปรับตัวจึง Kaufman Adaptive Moving Trading Strategy เฉลี่ยการตั้งค่าตัวกรอง Strategy. I Trading Strategy. Dev Eloper Perry Kaufman Kaufman การปรับค่าเฉลี่ย KAMA แหล่งที่มา Kaufman, PJ 1995 การค้าที่ชาญฉลาดปรับปรุงประสิทธิภาพในการเปลี่ยนแปลงตลาดนิวยอร์ก McGraw-Hill, Inc แนวคิดกลยุทธ์การซื้อขายบนพื้นฐานของตัวกรองเสียงแบบปรับตัวกรองเป้าหมายการวิจัยการตรวจสอบประสิทธิภาพของการตั้งค่าและตัวกรองข้อมูลจำเพาะตารางที่ 1 ผลการค้นหา 1-2 การค้าการปรับค่าการซื้อขายระยะยาวค่าเฉลี่ยปรับตัวขึ้นเฉลี่ย AMA ขึ้นค่า Short Trades ค่าเฉลี่ยการปรับตัวของค่าเฉลี่ยปรับลดลงหมายเหตุแนวการ AMA ดูเหมือนจะหยุดลงเมื่อตลาดไม่มีทิศทางเมื่อแนวโน้มของตลาด AMA เทรนด์เทรดเข้าสู่ Trade Entry Long Trade A ที่ หลังปิดการซื้อขายระยะสั้นการขายแบบปิดขายเมื่อปิดการซื้อขายจะถูกวางไว้หลังการตั้งค่าเริ่มต้นการค้าออกจากตลาดตารางที่ 1 พอร์ตการลงทุน 42 ตลาดฟิวเจอร์จากตลาดหลัก 4 ประเภทคือสินค้าโภคภัณฑ์สกุลเงินอัตราดอกเบี้ยและดัชนีหุ้นข้อมูล 32 ปีนับตั้งแต่ปีพ. ศ. การตรวจวัดความไวของแพลตฟอร์ม MATLAB. II ทุกแผนภูมิ 3 มิติจะตามด้วยแผนภูมิเส้นโค้ง 2 มิติสำหรับ Profit Factor, Sharpe Ratio, Ulc ดัชนีประสิทธิภาพการทำงาน CAGR การเบิกใช้สูงสุดเปอร์เซ็นต์การทำกำไรและอัตราการสูญเสียโดยเฉลี่ยของภาพโดยเฉลี่ยภาพสุดท้ายแสดงความไวของ Equity Curve ตัวแปรที่วัดได้ ERLength FilterIndex คำจำกัดความตารางที่ 1. รูปที่ 1 Portfolio Inputs Performance Inputs ตาราง 1 Commission Slippage 0.AMA ERLength คือ ค่าเฉลี่ยการเคลื่อนที่แบบปรับตัวในช่วง ERLength ERLength เป็นระยะเวลามองย้อนกลับของ Effective Ratio ER ER i abs ทิศทาง i ความผันผวนของ i, โดยที่ abs เป็นค่าสัมบูรณ์และทิศทาง i i iRL ERLength, ความผันผวน i abs DeltaClose i, ERLength , ซึ่งเป็นผลรวมในช่วงของ ERLength, DeltaClose i Close i Close i 1 FastMALength เป็นช่วงของค่าเฉลี่ยเคลื่อนที่เร็ว SlowMALength เป็นช่วงของค่าเฉลี่ยเคลื่อนที่ช้า AMA i i 1 i iA i iA ที่ 1 โดยที่ ci ER ฉันเร็วช้า 2 เร็ว 2 FastMALength 1 ช้า 2 SlowMALength 1 ดัชนี i. ERLength 2, 100 ขั้นตอนที่ 2 FastMALength 2 SlowMALength 30.Long Trades ถ้า AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว Minama AMA i 1 Advering Moving Aver อายุขึ้นด้วยการหมุนที่ Minama การค้าระยะสั้น AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว Maxama AMA i 1 ค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนลดลงด้วยการหมุนที่ MaxAMA Index i. Filter i FilterIndex StdDev AMA i AMA i 1, N โดยที่ StdDev เป็นค่าเบี่ยงเบนมาตรฐานของชุดข้อมูลในช่วง N N 20 ค่าดีฟอลต์ดัชนี i. FilterIndex 0 0, 1 0, ขั้นตอนที่ 0 02 N 20. กลุ่มธุรกิจขนาดใหญ่ซื้อเมื่อปิดทำการเมื่อ AMA i AMA i 1 AMA i Minama ตัวกรอง i การค้าแบบสั้นขายเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 MaxAMA AMA i ตัวกรอง i ดัชนี i. Stop Loss Exit ATR ATRLength คือช่วงเฉลี่ยที่แท้จริงในช่วงระยะเวลา ATRLength ATRStop เป็นหลายค่าของ ATR ATRLength Long Trades A ขายหยุดถูกวางไว้ที่รายการ ATR ATRLength ATRStop การค้าแบบสั้น A buy stop ถูกวางไว้ที่รายการ ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.ERLength 2, 100, ขั้นตอนที่ 2 FilterIndex 0 0, 1 0, ขั้นตอน 0 02.Kaufman s ปรับค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย KAMA. Kaufman's Adaptive Movement Average KAMA. พัฒนาโดย Perry Kaufman, Kaufman's Adaptive Movement เฉลี่ย KAMA คือ am ค่าเฉลี่ยที่ได้รับการออกแบบมาเพื่อรองรับความผันผวนของตลาดหรือความผันผวน KAMA จะติดตามราคาอย่างใกล้ชิดเมื่อการแกว่งตัวของราคามีขนาดเล็กและเสียงต่ำ KAMA จะปรับตัวเมื่อการแกว่งตัวของราคาปรับตัวสูงขึ้นและติดตามราคาจากระยะทางที่มากขึ้น เพื่อระบุแนวโน้มโดยรวมจุดเปลี่ยนเวลาและการเคลื่อนไหวของราคาตัวกรองมีหลายขั้นตอนที่จำเป็นในการคำนวณ Kaufman's Adaptive Moving Average ให้เริ่มต้นครั้งแรกด้วยการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA 10,2,30.10 คือจำนวน ระยะเวลาสำหรับอัตราส่วนประสิทธิภาพ ER.2 คือจำนวนรอบระยะเวลาสำหรับค่าคงที่ของ EMA ที่เร็วที่สุด 30 คือจำนวนงวดที่มีค่า EMA ที่ช้าที่สุดก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC สูตรลงในนักเก็ตขนาดกัดทำให้ง่ายต่อการเข้าใจวิธีการหลังตัวบ่งชี้ว่า ABS หมายถึง Absolute Value. Efficiency Ratio ER ER เป็นพื้นฐาน การเปลี่ยนแปลงราคาปรับตัวตามความผันผวนของรายวันในแง่เชิงสถิติอัตราส่วนประสิทธิภาพบอกให้เราทราบถึงประสิทธิภาพของการเปลี่ยนแปลงราคาของเศษส่วนของ ER ระหว่าง 1 ถึง 0 แต่ข้อยกเว้นเหล่านี้เป็นข้อยกเว้นไม่ใช่บรรทัดฐาน ER จะเป็น 1 หากราคาเคลื่อนขึ้น 10 ช่วงเวลาติดต่อกันหรือลดลง 10 ช่วงเวลาติดต่อกัน ER จะเป็นศูนย์หากไม่มีการเปลี่ยนแปลงราคาในรอบ 10 งวด Smoothing Constant SC ค่าคงที่การปรับให้ราบเรียบใช้ค่า ER และค่าคงที่สองค่าที่เรียบตามค่าเฉลี่ยเคลื่อนที่ที่เป็นไปตามที่ได้กล่าวมานี้ Smoothing ค่าคงที่ใช้ค่าคงที่ที่ราบเรียบสำหรับค่าเฉลี่ยเคลื่อนที่แบบเสวนาในสูตร 2 30 1 เป็นค่าคงที่ที่ราบเรียบสำหรับ EMA 30 ที่เร็วที่สุด SC เป็นค่าคงที่ที่ราบเรียบสำหรับระยะเวลาสั้น ๆ ของ EMA 2 ช่วงที่ช้าที่สุด SC คือค่าคงที่ที่ราบเรียบสำหรับการทำงานที่ช้าที่สุด EMA 30-period โปรดทราบว่า 2 ในตอนท้ายคือการจัดสมการสมการด้วยอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC ขณะนี้เราพร้อมที่จะคำนวณ KAMA S KAMA S Kaufman's Adaptive Moving Average เราจำเป็นต้องมีค่าเริ่มต้นเพื่อเริ่มต้นการคำนวณ KAMA ตัวแรกเป็นค่าเฉลี่ยเคลื่อนที่โดยทั่วไปการคำนวณต่อไปนี้ใช้สูตรด้านล่างแผนภูมิการคำนวณตัวอย่างภาพด้านล่างแสดงภาพหน้าจอจากสเปรดชีต Excel ที่ใช้ในการคำนวณ KAMA และ กราฟ QQQ สอดคล้องกันการใช้และสัญญาณ Chestists สามารถใช้ KAMA เช่นเดียวกับเทรนด์อื่น ๆ ตามตัวบ่งชี้เช่น Chartistics ค่าเฉลี่ยเคลื่อนที่สามารถมองหา crosses ราคาการเปลี่ยนแปลงทิศทางและ filtered สัญญาณก่อนข้ามด้านบนหรือด้านล่าง KAMA บ่งชี้ว่าทิศทางการเปลี่ยนแปลงใน ราคาเช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์แบบง่ายๆจะสร้างจำนวนมากของสัญญาณและจำนวนมาก whipsaw Chartists สามารถลด whipsaws โดยใช้ตัวกรองราคาหรือเวลาไป crossovers หนึ่งอาจต้องมีราคาถือข้ามสำหรับจำนวนชุดของวันหรือต้องการ ข้าม KAMA เกินโดยร้อยละที่ตั้งไว้ประการที่สองแผนภูมิสามารถใช้ทิศทางของ KAMA เพื่อกำหนดแนวโน้มโดยรวมสำหรับการรักษาความปลอดภัยซึ่งอาจต้องมีการปรับพารามิเตอร์ สามารถปรับค่าพารามิเตอร์กลางซึ่งเป็นค่าคงที่ของ EMA ที่เร็วที่สุดเพื่อให้ KAMA ราบรื่นและมองหาทิศทางการเปลี่ยนแปลงแนวโน้มจะลดลงตราบเท่าที่ KAMA กำลังตกลงและทำจุดต่ำสุดที่ต่ำลงแนวโน้มจะเพิ่มขึ้นตราบเท่าที่ KAMA เพิ่มขึ้นและสร้างความคิดฟุ้งซ่านขึ้นตัวอย่าง Kroger ด้านล่างแสดง KAMA 10,5,30 กับแนวโน้มขาขึ้นที่สูงชันระหว่างเดือนธันวาคมถึงเดือนมีนาคมและแนวโน้มขาขึ้นที่น้อยลงตั้งแต่เดือนพฤษภาคมถึงสิงหาคมและในที่สุดนักเกรเทอร์สามารถรวมสัญญาณและเทคนิค Chartists สามารถใช้งานได้นานขึ้น KAMA ระยะเพื่อกำหนดแนวโน้มที่ใหญ่กว่าและระยะสั้น KAMA สำหรับสัญญาณการซื้อขายตัวอย่างเช่น KAMA 10,5,30 สามารถใช้เป็นตัวกรองแนวโน้มและถือว่ารั้นเมื่อเพิ่มขึ้นเมื่อรั้น chartists ก็สามารถมองหาข้ามรุกเมื่อ ราคาขยับขึ้นเหนือ KAMA 10,2,30 ตัวอย่างด้านล่างแสดงให้เห็นว่า MMM มี KAMA ระยะยาวที่เพิ่มขึ้นและเครื่องหมายการปรับตัวในช่วงเดือนธันวาคม, มกราคมและกุมภาพันธ์ KAMA ระยะยาวพังลงในเดือนเมษายนและมีการปรับตัวลดลงในเดือนพฤษภาคมมิถุนายนและกรกฎาคม KAMA สามารถเป็นผู้ก่อตั้ง d เป็นตัวบ่งชี้การวางซ้อนใน SharpCharts Workbench การตั้งค่าเริ่มต้นจะปรากฏขึ้นโดยอัตโนมัติในช่องพารามิเตอร์เมื่อได้รับการคัดเลือกแล้วและ Chartists สามารถเปลี่ยนพารามิเตอร์เหล่านี้ให้เหมาะกับความต้องการในการวิเคราะห์ของพวกเขาพารามิเตอร์แรกสำหรับอัตราส่วนประสิทธิภาพและแผนภูมิควรละเว้นการเพิ่มจำนวนนี้ แต่ชาร์ริสสามารถลดค่าลงเพื่อเพิ่มความไวได้ชาร์มนักชาตินิยมที่ต้องการราบเรียบ KAMA สำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่มค่าพารามิเตอร์กลางได้มากขึ้นแม้ว่าความแตกต่างจะมีค่าเพียง 3 ก็ตาม แต่ KAMA 10,5,30 มีความนุ่มนวลกว่า KAMA 10,2,30 หนังสือเล่มนี้มีข้อมูลรายละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบรวมถึงรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการจัดซื้อและวิธีการเพอร์รี่ลิตร