Счет форекс

Виды скользящих средних

Все скользящие средние, от простых до сложных, сглаживают времен­ные ряды с использованием некоторого усредняющего процесса форекс счет. Отли­чия состоят в том, какой удельный вес присваивается каждой из точек данных и насколько хорошо адаптируется формула к изменению усло­вий. Различия между видами скользящих средних объясняются разными подходами к проблеме снижения запаздывания и увеличения чувствитель­ности. Наиболее популярные скользящие средние (см. формулы ниже) — это простое скользящее среднее, экспоненциальное форекс счет скользящее среднее и треугольное скользящее среднее с передним взвешиванием.

Менее рас­пространено адаптивное скользящее среднее Чанда (1992).Все скользящие средние, от простых до сложных, сглаживают времен­ные ряды с использованием некоторого усредняющего процесса. Отли­чия состоят в том, какой удельный вес присваивается каждой из точек данных и насколько хорошо адаптируется формула к изменению усло­вий. Различия между видами скользящих средних объясняются разными подходами к проблеме снижения запаздывания и увеличения чувствитель­ности. Наиболее популярные скользящие средние (см. формулы ниже) — это простое скользящее среднее, экспоненциальное скользящее среднее и треугольное скользящее среднее с передним взвешиванием. Менее рас­пространено адаптивное скользящее среднее Чанда (1992).
В этих формулах форекс счет а обозначает скользящее среднее для точки данных г, si — точку данных номер г в последовательности, т — период скользящего среднего и с (обычно приравненное к 2/(т+ 1)) — коэффициент, указы­вающий эффективный период экспоненциального скользящего среднего.

Уравнения показывают, форекс счет что скользящие средние различаются по методу определения удельного веса точек данных. Экспоненциальные средние присваивают больший удельный вес более новым данным, а вес старыхуменьшается «экспоненциально». Треугольное среднее также придает больший удельный вес новым данным, но вес старых данных снижается линейно по направлению к более старым; в TradeStation и многих других источниках это ошибочно названо «взвешенным скользящим средним».Адаптивные скользящие средние были разработаны для ускорения ре­акции на изменения. Целью было получение скользящего среднего, кото­рое могло бы адаптироваться к текущему поведению рынка, так же как система шумоподавления Dolby адаптируется к уровню звука в аудиосиг­нале: сглаживание усиливается, когда на рынке имеет место в основном шумовая активность и мало выраженного движения (в периоды затишья шум фильтруется сильнее), и снижается в периоды значительной актив­ности рынка, увеличивая тем самым реакцию. Существует несколько форекс счет ави­дов адаптивных скользящих средних. Одно из наиболее эффективных раз­работано Марком Джуриком (www.jurikres.com).

Еще одно, разработанное Чандом, названо VIDYA (Variable Index Dynamic Moving Average).Рекурсивный алгоритм экспоненциального скользящего среднего выг­лядит так: для каждой точки данных коэффициент (с), определяющий эф­фективную длину скользящего среднего ( m ) , умножается на значение дан­ной точки данных и к результату прибавляется разность 1,0 — с, форекс счет умножен­ная на текущее значение скользящего среднего, что и дает новое значе­ние. Коэффициент с приравнивается к 2,0/(m+1), где т— период сколь­зящей средней. Чанд в 1992 г. модифицировал данный алгоритм. В его мо­дели значение коэффициента с не является константой, а зависит от теку­щей волатильности рынка — «громкости» рынка, выраженной в виде стан­дартного отклонения цен за некоторое количество последних точек дан­ных. Поскольку стандартное отклонение сильно варьируется на разных рынках и показатель волатильности должен быть относительным, Чанд предложил делить наблюдаемое стандартное отклонение для каждой точ­ки на среднее значение стандартного отклонения для всех точек в имею­щемся образце данных. Для каждого бара коэффициент 2,0/(m + 1)) рас­считывается заново, умножаясь на относительную волатильность, таким образом получается скользящее среднее с периодом, динамически подстра­ивающимся под активность рынка.Мы использовали адаптивное скользящее среднее, основанное на VIDYA, не требующее фиксированных поправок для стандартных откло­нений форекс счет (в виде стандартного отклонения, усредненного по всему образцу данных). Поскольку поведение рынков может очень сильно меняться со форекс счет временем, а изменения волатильности при этом никак не связаны с адап­тацией скользящего среднего, идея фиксированной нормализации не выглядит обоснованной.

Вместо использованного Чандом стандартного отклонения, деленного на постоянный коэффициент, мы применили от­ношение двух показателей волатильности — краткосрочного и долгосроч­ного. Относительная волатильность, требуемая для коррекции с и, следо­вательно, для коррекции периода адаптивного скользящего среднего, по-лучалась методом деления краткосрочного показателя волатильности на долгосрочный. Показатели волатильности представляли собой скользящие средние форекс счет квадратов разностей между соседними точками данных. Более форекс счет короткий показатель использовал период р (подстраиваемый параметр), а период длинного скользящего среднего равнялся 4р. Если долгосрочная волатильность равна краткосрочной (т.е. их отношение равно единице), то адаптивное скользящее среднее ведет себя идентично стандартному экспоненциальному скользящему среднему с периодом m; при этом эф­фективный период экспоненциального скользящего среднего плавно сни­жается при увеличении соотношения волатильностей и возрастает при его уменьшении.