考夫曼的自适应移动平均线 (KAMA) – 公式及其工作原理？
它由美国量化金融理论家 Perry J. Kaufman 于 1988 年创建，被称为考夫曼自适应移动平均线 (KAMA)。尽管该方法早在 1972 年就已开发出来，但直到名为“交易系统和方法”的畅销书才广泛为公众所用。与其他传统移动平均线系统不同，考夫曼的自适应移动平均线除了考虑价格波动外，还考虑市场波动。
KAMA i =KAMA i-1 +SC☓（价格-KAMA i-1）
考夫曼自适应移动平均线的优势是什么？
市场波动率与考夫曼自适应移动平均线 (KAMA) 之间存在相关性。由于市场波动较小，KAMA 保持接近当前市场价格，但随着波动性的增加，它落后了。KAMA 的目标是解决小而微不足道的价格上涨，也称为“市场噪音”。
考夫曼自适应移动平均线是如何计算的？
考夫曼自适应移动平均线分三个阶段计算：
效率比 (ER)
平滑常数
卡玛
为了计算考夫曼的自适应移动平均线，采用以下标准参数 -
10 - 计算效率比的周期数。
2 - 计算最快指数移动平均线的周期数
30 - 指数移动平均线中衰减最慢的周期数。
要确定 KAMA 的值，您必须首先计算效率比和平滑常数的值。然后您可以计算 KAMA 的价值。
第一步是计算效率比(ER)
使用效率比，您可以确定如何有效地进行定价调整。它在 1 和 0 之间按比例移动。当价格在十个周期内保持不变时，ER 等于零（零）。相反，如果价格连续 10 个周期上涨或下跌，则 ER 减少到 1。
ER = 变化/波动率
变化 = 绝对值 [关闭 - 关闭（过去 10 个周期）]
波动率总和 = 10 个周期（收盘价 - 提前收盘价）
通过将当前价格与其起始值之间的绝对差异除以整个时间过程中每对收盘价之间的绝对差异的总和来确定，它是跟踪市场波动的有用指标。以下是确定回报率的公式
ER 是 change/volatility 的缩写。
变化等于任何事物的绝对价值。[关闭 - 关闭（最近十个会话）]
波动周期的总和等于十个周期（收盘 - 提前收盘）。
平滑常数是（第二步）(SC)
为两点之间的时间间隔内的每一项计算平滑常数。它通过以下方式利用为效率比获得的值以及两个平滑常数 -
SC = [ER ☓ (最快 SC − 最慢 SC) + 最慢 SC] 2
SC = [ER ☓ (2 ÷(2+1)−2÷(30+1)] 2
Fastest SC ☓ (Fastest SC − Slowest SC) + Slowest SC 是两个最快的 SC 的乘积。
SC= [ER ☓ (2/ (2+1) − 2/(30+1)) +2/ (30+1)] + [ER ☓ (2/ (2+1) − 2/(30+1) )] + [ER ☓ (2/ (2+1)− 2/(30+1)] + [ER ☓ (2/ (2+1) − 2/(30+1)] + [ER ☓ (2) / (2+1) − 2/(30+1)]
建议的 30 周期指数移动平均线 (EMA) 的平滑常数在上述等式中为 (2/30+1)。此外，最慢的 30 周期 EMA 的 SC 是最慢的平滑常数，而最快的平滑常数是最短的 2 周期 EMA 的 SC 是最快的。
KAMA是第三步。
Kaufman 自适应移动平均线指标的最后一步和第三步是从上述平滑常数 (SC) 和效率函数两个步骤中收集值。曾经现在可以使用以下公式进行计算。
KAMA i =KAMA i-1 +SC☓（价格-KAMA i-1）
价格计算如下： 价格-KAMAi−1 = KAMAi-1 + SC ☓ (Price-KAMAi-1)
哪里 -
KAMAi 是当前期间的值，以百分比表示。
KAMAi-1 是正在执行计算的期间之前的期间的值。
所考虑时间的源价格由术语“价格”表示。
什么是自适应移动平均线以及如何实施它？
考夫曼的自适应移动平均线指标为交易者提供了清晰的市场行为图像，他们可以根据该图像做出交易选择。指标的最终值是根据历史数据计算的。在假设未来趋势将继续朝着与先前趋势相同的方向发展的基础上，交易者决定将资金放在哪里。
在图表上，交易者可以使用考夫曼的自适应移动平均线指标来研究市场的行为并预测未来的价格走势。现有趋势、潜在即将发生的趋势转变的指标和市场反转点都可以使用 KAMA 指标来识别，然后可用于进入或退出交易。
以上是 考夫曼的自适应移动平均线 (KAMA) – 公式及其工作原理？ 的全部内容， 来源链接： utcz.com/z/361994.html
