Fraktal moving average excel

MetaTrader 5 - Indikator Fractal Adaptive Moving Average (Frama) - indikator untuk MetaTrader 5 Fraktal Adaptive Moving Average Technical Indicator (FRAMA) dikembangkan oleh John Ehlers. Indikator ini dibangun berdasarkan algoritma Exponential Moving Average. Di mana faktor penghalusan dihitung berdasarkan dimensi fraktal saat ini dari seri harga. Keuntungan FRAMA adalah kemungkinan untuk mengikuti tren pergerakan yang kuat dan cukup melambat pada saat konsolidasi harga. Semua jenis analisis yang digunakan untuk Moving Averages dapat diterapkan pada indikator ini. Indikator Rata-rata Bergerak Adaptif Fraktal FRAMA (i) A (i) Harga (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) - Harga saat ini Harga FRAMA (i) - harga saat ini FRAMA (i -1) - nilai sebelumnya dari FRAMA A (i) - faktor eksponensial saat ini. Faktor pemulusan eksponensial dihitung sesuai dengan rumus di bawah ini: A (i) EXP (-4,6 (D (i) - 1)) D (i) - dimensi fraktal saat ini EXP () - fungsi matematis eksponen. Dimensi fraktal dari garis lurus sama dengan satu. Hal ini terlihat dari rumus bahwa jika D 1, maka A EXP (-4,6 (1-1)) EXP (0) 1. Jadi jika perubahan harga pada garis lurus, eksponensial smoothing tidak digunakan, karena dalam kasus seperti rumus Terlihat seperti ini: FRAMA (i) 1 Harga (i) (1 - i) FRAMA (i-1) Harga (i) Ie Indikatornya persis mengikuti harga. Dimensi fraktal pesawat sama dengan dua. Dari rumus kita mendapatkan bahwa jika D 2, maka faktor smoothing A EXP (-4,6 (2-1)) EXP (-4,6) 0,01. Nilai kecil dari faktor pemulusan eksponensial diperoleh pada saat harga membuat pergerakan gergaji yang kuat. Seperti slow-down yang kuat sesuai dengan kira-kira 200 periode moving average sederhana. Formula dimensi fraktal: D (LOG (N1 N2) - LOG (N3)) LOG (2) dihitung berdasarkan rumus tambahan: N (Panjang, i) (HighestPrice (i) - LowestPrice (i)) Panjang HighestPrice (I) - nilai maksimal saat ini untuk periode panjang LowestPrice (i) - nilai minimum saat ini untuk periode panjang Nilai N1, N2 dan N3 masing-masing sama dengan: N1 (i) N (Panjang, i) N2 (i) N (Panjang, I Panjang) N3 (i) N (2 Panjang, i) Bergerak Rata-rata Bergerak Memimpin Untuk Hasil yang Lebih Baik Rata-rata bergerak adalah alat favorit pedagang aktif. Namun, ketika pasar berkonsolidasi, indikator ini menyebabkan banyak perdagangan whipsaw, yang menghasilkan serangkaian kemenangan dan kerugian kecil yang membuat frustrasi. Analis telah menghabiskan waktu puluhan tahun untuk memperbaiki rata-rata bergerak sederhana. Pada artikel ini, kita melihat upaya ini dan menemukan bahwa pencarian mereka telah menghasilkan alat perdagangan yang bermanfaat. (Untuk membaca latar belakang pada rata-rata bergerak sederhana, lihat Simple Moving Averages Membuat Trends Stand Out.) Pro dan Kontra Pergerakan Rata-rata Keuntungan dan kerugian dari rata-rata bergerak dirangkum oleh Robert Edwards dan John Magee dalam edisi pertama Analisis Teknis untuk Tren Saham Ketika mereka mengatakannya dan, pada tahun 1941 kembali kami dengan senang hati membuat penemuan itu (walaupun banyak lainnya berhasil melakukannya sebelumnya) bahwa dengan rata-rata data untuk jumlah hari yang disebutkan dapat menghasilkan semacam garis tren otomatis yang pasti akan menafsirkan perubahan Trend Sepertinya sangat bagus untuk menjadi kenyataan. Sebenarnya, itu terlalu bagus untuk menjadi kenyataan. Dengan kerugian yang melebihi keuntungan, Edwards dan Magee dengan cepat meninggalkan impian mereka untuk berdagang dari bungalo pantai. Tapi 60 tahun setelah mereka menulis kata-kata itu, yang lain tetap berusaha menemukan alat sederhana yang dengan mudah akan mengantarkan kekayaan pasar. Simple Moving Averages Untuk menghitung moving average yang sederhana. Tambahkan harga untuk periode waktu yang diinginkan dan bagi dengan jumlah periode yang dipilih. Menemukan rata-rata pergerakan lima hari akan membutuhkan penjumlahan lima harga penutupan terbaru dan dibagi dengan lima. Jika penutupan terakhir berada di atas rata-rata bergerak, saham akan dianggap berada dalam tren naik. Downtrends didefinisikan oleh harga perdagangan di bawah rata-rata bergerak. (Untuk informasi lebih lanjut, lihat tutorial Moving Averages). Properti yang mendefinisikan tren ini memungkinkan pergerakan rata-rata menghasilkan sinyal perdagangan. Dalam aplikasi yang paling sederhana, para pedagang membeli ketika harga bergerak di atas rata-rata bergerak dan menjual saat harga turun di bawah garis itu. Pendekatan seperti ini dijamin menempatkan pedagang di sisi kanan setiap perdagangan yang signifikan. Sayangnya, saat merapikan data, rata-rata bergerak akan tertinggal dari aksi pasar dan trader hampir selalu mengembalikan sebagian besar keuntungan mereka bahkan pada perdagangan terbesar sekalipun. Rata-rata Pindah Eksponensial Analis tampaknya menyukai gagasan tentang rata-rata bergerak dan telah menghabiskan bertahun-tahun mencoba untuk mengurangi masalah yang terkait dengan lag ini. Salah satu inovasi ini adalah moving average eksponensial (EMA). Pendekatan ini memberikan bobot yang relatif lebih tinggi terhadap data terakhir, dan akibatnya ia mendekati tindakan harga daripada rata-rata pergerakan sederhana. Rumus untuk menghitung rata-rata pergerakan eksponensial adalah: EMA (Weight Close) ((1-Bobot) EMAy) Dimana: Bobot adalah konstanta pemulusan yang dipilih oleh analis EMAy adalah rata-rata pergerakan eksponensial dari kemarin Nilai pembobotan umum adalah 0,188, yang Mendekati rata-rata pergerakan sederhana 20 hari. Lain adalah 0,10, yang kira-kira memiliki rata-rata pergerakan 10 hari. Meskipun mengurangi lag, moving average eksponensial gagal mengatasi masalah lain dengan moving averages, yang penggunaannya untuk sinyal perdagangan akan menyebabkan sejumlah besar perdagangan rugi. Dalam Konsep Baru dalam Sistem Perdagangan Teknis. Welles Wilder memperkirakan bahwa pasar hanya tren seperempat waktu. Hingga 75 tindakan perdagangan dibatasi pada kisaran yang sempit, ketika sinyal beli dan beli rata-rata bergerak akan berulang kali dihasilkan karena harga bergerak cepat di atas dan di bawah rata-rata bergerak. Untuk mengatasi masalah ini, beberapa analis menyarankan faktor pembobotan perhitungan EMA yang bervariasi. (Untuk lebih lanjut, lihat Bagaimana cara moving averages yang digunakan dalam trading) Mengadaptasi Moving Averages to Market Action Salah satu metode untuk mengatasi kerugian moving averages adalah dengan mengalikan faktor pembobotan dengan rasio volatilitas. Melakukan hal ini berarti bahwa rata-rata bergerak akan jauh dari harga saat ini di pasar yang bergejolak. Ini akan memungkinkan para pemenang lari. Seiring tren berakhir dan harga berkonsolidasi. Rata bergerak akan bergerak mendekati aksi pasar saat ini dan, secara teori, memungkinkan pedagang untuk mempertahankan sebagian besar keuntungan yang tertangkap selama tren berlangsung. Dalam prakteknya, rasio volatilitas dapat menjadi indikator seperti Bollinger Bandwidth, yang mengukur jarak antara Bollinger Bands yang terkenal. (Untuk informasi lebih lanjut mengenai indikator ini, lihat Dasar-Dasar Bollinger Bands.) Perry Kaufman menyarankan untuk mengganti variabel bobot dalam formula EMA dengan konstan berdasarkan rasio efisiensi (ER) dalam bukunya, New Trading Systems and Methods. Indikator ini dirancang untuk mengukur kekuatan tren, yang didefinisikan dalam kisaran dari -1,0 sampai 1,0. Hal ini dihitung dengan rumus sederhana: ER (perubahan harga total untuk periode) (jumlah perubahan harga mutlak untuk setiap batang) Perhatikan saham yang memiliki rentang lima poin setiap hari, dan pada akhir lima hari telah memperoleh total Dari 15 poin Ini akan menghasilkan ER sebesar 0,67 (15 poin ke atas dibagi dengan kisaran 25-titik total). Jika saham ini turun 15 poin, ER akan menjadi -0,67. (Untuk saran perdagangan lebih lanjut dari Perry Kaufman, baca Losing To Win yang menguraikan strategi untuk mengatasi kerugian perdagangan.) Prinsip efisiensi tren didasarkan pada seberapa banyak pergerakan arah (atau tren) yang Anda dapatkan per unit pergerakan harga di atas Periode waktu yang ditentukan ER dari 1,0 menunjukkan bahwa saham berada dalam uptrend yang sempurna -1,0 merupakan tren turun yang sempurna. Secara praktis, ekstrem jarang tercapai. Untuk menerapkan indikator ini untuk menemukan moving average moving average (AMA), trader harus menghitung bobotnya dengan rumus berikut, agak kompleks: C (ER (SCF SCS)) SCS 2 Dimana: SCF adalah konstanta eksponensial untuk yang tercepat EMA yang diijinkan (biasanya 2) SCS adalah konstanta eksponensial untuk EMA yang paling lambat yang diijinkan (seringkali 30) ER adalah rasio efisiensi yang disebutkan di atas Nilai C kemudian digunakan dalam formula EMA dan bukan variabel bobot yang lebih sederhana. Meski sulit dihitung dengan tangan, rata-rata pergerakan adaptif disertakan sebagai pilihan di hampir semua paket perangkat lunak perdagangan. (Untuk informasi lebih lanjut tentang EMA, baca Exploring The Exponentially Weighted Moving Average.) Contoh rata-rata pergerakan sederhana (garis merah), moving average eksponensial (garis biru) dan moving average moving average (garis hijau) ditunjukkan pada Gambar 1. Gambar 1: AMA berwarna hijau dan menunjukkan tingkat perataan yang paling tinggi dalam aksi jarak dekat yang terlihat di sisi kanan grafik ini. Dalam kebanyakan kasus, rata-rata bergerak eksponensial, yang ditunjukkan sebagai garis biru, paling dekat dengan aksi harga. Rata-rata bergerak sederhana ditunjukkan sebagai garis merah. Tiga rata-rata bergerak yang ditunjukkan pada gambar sangat rentan terhadap perdagangan whipsaw pada berbagai waktu. Kekurangan pada moving averages sejauh ini tidak mungkin dihilangkan. Kesimpulan Robert Colby menguji ratusan alat analisis teknis dalam The Encyclopedia of Technical Market Indicators. Dia menyimpulkan, Meskipun rata-rata pergerakan adaptif adalah ide baru yang menarik dengan daya tarik intelektual yang cukup besar, tes pendahuluan kami gagal menunjukkan keuntungan praktis nyata pada metode perataan tren yang lebih kompleks ini. Ini tidak berarti pedagang harus mengabaikan gagasan itu. AMA dapat dikombinasikan dengan indikator lain untuk mengembangkan sistem perdagangan yang menguntungkan. (Untuk informasi lebih lanjut tentang topik ini, baca Discovering Keltner Channels And The Chaikin Oscillator.) ER dapat digunakan sebagai indikator tren yang berdiri sendiri untuk menemukan peluang perdagangan yang paling menguntungkan. Sebagai contoh, rasio di atas 0,30 mengindikasikan tren kenaikan yang kuat dan merupakan pembelian potensial. Sebagai alternatif, karena volatilitas bergerak dalam siklus, saham dengan rasio efisiensi terendah dapat diawasi sebagai peluang breakout. FRAMA - Fractal Adaptive MA Fraktal moving average adaptif (singkatan FRAMA alias FAMA) diciptakan oleh John Ehlers. Tujuan FRAMA adalah untuk mengidentifikasi fraktal harga. Fraktal adalah bentuk geometris yang dapat dibagi menjadi beberapa bagian yang lebih kecil. Bagian-bagian ini hanyalah salinan kecil dari keseluruhan bentuk geometris. FRAMA membagi bagan harga menjadi beberapa bagian yang lebih kecil dan kemudian membandingkan bagian-bagian ini satu sama lain. Bagan harga adalah kumpulan banyak kotak - yang lebih besar dan lebih kecil. Misalnya. Jika kita ingin menghitung rata-rata pergerakan adaptif Fraktal 8-hari, Frama menganalisis periode waktu 8 hari ini, namun juga menganalisis, bagaimana harga berlaku selama 4 hari pertama dan 4 hari berikutnya. Tujuan Frama adalah mempertimbangkan perubahan harga penting. Jika harga bergerak satu sisi cukup signifikan, Frama akan mengikuti harganya yang sangat ketat. Jika harganya dalam kisaran tanpa pergerakan harga penting, Frama akan bersikap sangat datar. Dengan kata lain - moving average ini mengubah jumlah hari untuk perhitungannya, tergantung pada perilaku fraktal. Itulah alasan mengapa adaptif (mirip dengan KAMA). Jika Anda tertarik untuk mempelajari lebih dalam tentang indikator ini dan lebih memilih untuk siap melayani solusi, mungkin situs web berikutnya menarik bagi Anda. Di sana Anda dapat menemukan dan mendownload indikator analisis teknis dalam file Excel. Perhatian Browser Extension AdBlock terdeteksi. Silakan matikan untuk melanjutkan terima kasih