Variable moving average amibroker

Como otimizar o sistema de negociação NOTA: Este é um tópico bastante avançado. Leia primeiro os tutoriais AFL anteriores. A idéia por trás de uma otimização é simples. Primeiro, você precisa ter um sistema comercial, isso pode ser um simples cruzamento de média móvel, por exemplo. Em quase todos os sistemas, existem alguns parâmetros (como período de média) que decidem como o sistema se comporta (ou seja, é adequado para longo prazo ou curto prazo, como é reagir em estoques altamente voláteis, etc.). A otimização é o processo de encontrar valores ótimos desses parâmetros (dando o maior lucro do sistema) para um determinado símbolo (ou um portfólio de símbolos). AmiBroker é um dos poucos programas que permitem otimizar seu sistema em vários símbolos ao mesmo tempo. Para otimizar seu sistema, você deve definir de um até dez parâmetros para serem otimizados. Você decide o que é um valor mínimo e máximo permitido do parâmetro e em que incrementos esse valor deve ser atualizado. AmiBroker então executa vários back testes o sistema usando TODAS as possíveis combinações de valores de parâmetros. Quando este processo está concluído, o AmiBroker exibe a lista de resultados ordenados pelo lucro líquido. Você pode ver os valores dos parâmetros de otimização que dão o melhor resultado. Escrevendo a fórmula AFL A otimização no testador traseiro é suportada por uma nova função chamada otimizar. A sintaxe desta função é a seguinte: variável otimizar (quot Descrição quot, padrão. Min. Etapa máxima) variável - é uma variável AFL normal que recebe o valor retornado pela função de otimização. Com os modos normal de backtesting, digitalização, exploração e comentário, a função de otimização retorna o valor padrão, então a chamada de função acima é equivalente a: variável padrão Na função de otimização de modo otimizado retorna valores sucessivos de min para max (inclusive) com passo a passo. Quot Descriptionquot é uma string que é usada para identificar a variável de otimização e é exibida como um nome de coluna na lista de resultados de otimização. O padrão é um valor padrão que otimiza a função retorna na exploração, no indicador, no comentário, na varredura e nos modos normais de teste de volta. Min é um valor mínimo da variável otimizada. O valor máximo é o valor máximo da variável otimizada. O passo é um intervalo usado para aumentar a Valor de min para max AmiBroker suporta até 64 chamadas para otimizar a função (portanto, até 64 variáveis ​​de otimização), note que, se você estiver usando otimização exaustiva, então é uma boa idéia limitar o número de variáveis ​​de otimização a apenas alguns. Cada chamada para otimizar gerar loops de otimização de etapas (max - min) e múltiplas chamadas para otimizar multiplicar o número de execuções necessárias. Por exemplo, otimizar dois parâmetros usando 10 etapas exigirá 1010 100 loops de otimização. Chamar otimizar a função apenas UMA VEZ por variável no início da sua fórmula à medida que cada chamada gera novos laços de otimização A otimização de vários símbolos é totalmente suportada pelo AmiBroker O espaço de busca máximo é de 2 64 (10 19 10.000.000.000.000.000) combinações 1. Otimização de variável única: sigavg Otimizar (Média do sinal. 9. 2. 20. 1) Cruz de compra (MACD (12. 26), Sinal (12. 26. sigavg)) Cruz de venda (Sinal (12. 26. sigavg), MACD (12. 26)) 2. Otimização de duas variáveis ​​(adequado para gráficos em 3D) por otimizar (per. 2. 5. 50. 1) Nível de otimização (nível 2. 2. 150. 4) Compra Cruzada (CCI (per), Nível) Vender Cross (Level, CCI (per)) 3. Otimização variável múltipla (3): mfast Optimize (MACD Fast. 12. 8. 16. 1) mslow Optimize (MACD Lento 26. 17. 30. 1) sigavg Optimize (Signal Média 9. 2. 20. 1) Cross de Compra (MACD (mfast, mslow). Sinal (mfast, mslow, sigavg)) Sell Cross (Sinal (mfast, mslow, sigavg), MACD (mfast, mslow)) Depois de entrar O f Ormula basta clicar no botão Otimizar na janela QuotaAutomatic Analysisquot. AmiBroker começará a testar todas as combinações possíveis de variáveis ​​de otimização e reportará os resultados na lista. Após a otimização é feita, a lista de resultados é apresentada ordenada pelo lucro líquido. Como você pode classificar os resultados por qualquer coluna na lista de resultados, é fácil obter os melhores valores de parâmetros para o menor desconto, o menor número de negócios, o maior fator de lucro, a menor exposição ao mercado e o retorno anual ajustado de maior risco. As últimas colunas da lista de resultados apresentam os valores das variáveis ​​de otimização para teste dado. Quando você decide qual combinação de parâmetros se adequa às suas necessidades, o melhor que você precisa fazer é substituir os valores padrão em otimizar as chamadas de função com os valores ideais. Na fase atual você precisa digitá-los manualmente na janela de edição da fórmula (o segundo parâmetro da função otimizada). Exibição de gráficos de otimização animada 3D Para exibir o gráfico de otimização em 3D, você precisa primeiro executar a otimização de duas variáveis. A otimização de duas variáveis ​​precisa de uma fórmula que tenha 2 chamadas de função otimizadas (). Um exemplo de fórmula de otimização de duas variáveis ​​parece assim: por Otimizar (por 2. 2. 5. 50. 1) Nível de otimização (nível 2. 2. 150. 4) Cruzamento de Compra (CCI (per), Nível) Cruz de venda (Nível, CCI (per)) Depois de inserir a fórmula, você precisa clicar no botão quotOptimizequot. Uma vez que a otimização esteja completa, você deve clicar na seta suspensa no botão Otimizar e escolher Exibir gráfico de otimização 3D. Em alguns segundos, um gráfico de superfície tridimensional colorido aparecerá em uma janela de visualização de gráfico 3D. Um exemplo de gráfico 3D gerado usando a fórmula acima é mostrado abaixo. Por padrão, os gráficos 3D exibem valores de lucro líquido contra variáveis ​​de otimização. No entanto, você pode plotar gráfico de superfície 3D para qualquer coluna na tabela de resultados de otimização. Basta clicar no cabeçalho da coluna para ordená-lo (uma seta azul aparecerá indicando que os resultados de otimização são classificados pela coluna selecionada) e, em seguida, escolha Exibir gráfico de otimização 3D novamente. Ao visualizar como os parâmetros dos seus sistemas afetam o desempenho da negociação, você pode decidir prontamente quais os valores dos parâmetros que produzem quotfragilequot e que produzem o desempenho do sistema quotrobustquot. Configurações robustas são regiões no gráfico 3D que mostram mudanças graduais em vez de abruptas no gráfico de superfície. Os gráficos de otimização 3D são uma ótima ferramenta para evitar o ajuste de curvas. O ajuste de curvas (ou sobre otimização) ocorre quando o sistema é mais complexo do que precisa ser, e toda essa complexidade foi focada em condições de mercado que talvez nunca mais aconteçam. Mudanças radicais (ou espigões) nos gráficos de otimização 3D mostram claramente áreas de otimização excessiva. Você deve escolher uma região de parâmetros que produza um amplo e amplo patamar no gráfico 3D para o seu comércio de vida real. Os conjuntos de parâmetros que produzem picos de lucro não funcionarão de forma confiável na negociação real. Controles do visualizador de gráficos 3D O visualizador de gráficos 3D do AmiBrokers oferece recursos de visualização total com rotação e animação completas de gráficos. Agora você pode visualizar os resultados do sistema de todas as perspectivas possíveis. Você pode controlar a posição e outros parâmetros do gráfico usando o mouse, a barra de ferramentas e os atalhos do teclado, o que você achar mais fácil para você. Abaixo, você encontrará a lista. - para rodar - mantenha pressionado o botão esquerdo do mouse e mova-se nas direções XY - para Zoom-in, zoom-out - mantenha pressionado o botão RIGHT do mouse e mova-se nas direções XY - para Mover (traduzir) - mantenha pressionado o botão esquerdo do mouse e a tecla CTRL e Mova-se nas direções XY - para animar - mantenha pressionado o botão esquerdo do mouse, arraste rapidamente e solte o botão enquanto arrasta o SPACE - anima (gire automaticamente) CHAVE ESQUERDA PARA ESQUERDA - gire o verde. Esquerda CHAVE DE SETA PARA A DIREITA - rotate vert. Direita PARA CIMA SETA CHAVE - gire horiz. PARA CIMA SETA PARA BAIXO - gire o horiz. BAIXO NUMPAD - (MINUS) - Longe (desligar) NUMPAD 4 - mover para a esquerda NUMPAD 6 - mover para a direita NUMPAD 8 - mover para cima NUMPAD 2 - mover para baixo PAGE UP - nível de água para cima PAGE DOWN - nível da água para baixo Otimização inteligente (não exaustiva) A AmiBroker agora oferece otimização inteligente (não exaustiva) além da busca regular e exaustiva. A pesquisa não exaustiva é útil se o número de todas as combinações de parâmetros de um determinado sistema de negociação for simplesmente muito grande para ser viável para pesquisa exaustiva. A busca exaustiva é perfeitamente adequada, desde que seja razoável usá-la. Digamos que você tem 2 parâmetros cada um variando de 1 a 100 (passo 1). Isso é 10000 combinações - perfeitamente correto para pesquisa exaustiva. Agora, com 3 parâmetros, você obteve 1 milhão de combinações - ainda está correto para pesquisa exaustiva (mas pode ser lenta). Com 4 parâmetros você tem 100 milhões de combinações e com 5 parâmetros (1..100) você tem 10 bilhões de combinações. Nesse caso, seria muito demorado verificá-los, e esta é a área em que os métodos de pesquisa inteligente não exaustivos podem resolver o problema que não é solucionável em um tempo razoável usando uma busca exaustiva. Aqui está absolutamente a instrução SIMPLES sobre como usar um novo otimizador não exaustivo (neste caso CMA-ES). 1. Abra sua fórmula no Editor de fórmulas 2. Adicione esta única linha no topo da sua fórmula: OptimizerSetEngine (quotcmaequot) você também pode usar quotspsoquot ou quottribquot aqui 3. (Opcional) Selecione o seu objetivo de otimização em Análise automática, Configurações, QuotWalk - guia Forwardquot, campo de destino de otimização. Se você ignorar esta etapa, otimizará para CARMDD (retorno anual composto dividido pela redução máxima). Agora, se você executar a otimização usando esta fórmula, usará o novo otimizador CMA-ES evolutivo (não exaustivo). Como funciona? A otimização é o processo de encontrar o mínimo (ou o máximo) de determinada função. Qualquer sistema comercial pode ser considerado como uma função de certo número de argumentos. As entradas são parâmetros e dados de cotação. A saída é o seu objetivo de otimização (diga CARMDD). E você está procurando o máximo de função dada. Alguns algoritmos de otimização inteligente são baseados na natureza (comportamento animal) - algoritmo PSO, ou processo biológico - algoritmos genéticos, e alguns são baseados em conceitos matemáticos derivados de humanos - CMA-ES. Esses algoritmos são usados ​​em muitas áreas diferentes, incluindo finanças. Entre quotPSO financequot ou quotCMA-ES financequot no Google e você encontrará muitas informações. Métodos não exaustivos (ou quotsmartquot) encontrarão o melhor ou otimizado global ou local. O objetivo é, obviamente, encontrar um global, mas se houver um único pico afiado de combinações de parâmetros de zilhões, métodos não-exaustivos podem não encontrar este único pico, mas levando-o de comerciantes perspecive, encontrar único pico afiado é inútil para Negociação porque esse resultado seria instável (muito frágil) e não replicável na negociação real. No processo de otimização, procuramos regiões de platô com parâmetros estáveis ​​e esta é a área onde brilham métodos inteligentes. Quanto ao algoritmo usado por pesquisa não exaustiva, ele se destaca da seguinte maneira: a) o otimizador gera alguma população inicial (geralmente aleatória) de conjuntos de parâmetros b) o teste de retorno é realizado por AmiBroker para cada conjunto de parâmetros da população c) os resultados dos testes alternativos são Avaliado de acordo com a lógica do algoritmo e a nova população é gerada com base na evolução dos resultados, d) se for encontrada uma nova melhoração - salve-a e vá para a etapa b) até que os critérios de parada sejam atendidos. Os critérios de parada de exemplo podem incluir: a) alcançar especificado Iterações máximas b) pare se a gama de melhores valores objetivos das últimas gerações X for zero c) pare se a adição de 0,1 vetor de desvio padrão em qualquer direção do eixo principal não altera o valor do valor objetivo d) outros Para usar qualquer dispositivo inteligente (não - Exaustivo) no AmiBroker, você precisa especificar o mecanismo otimizador que deseja usar na fórmula AFL usando a função OptimizerSetEngine. A função seleciona o mecanismo de otimização externo definido pelo nome. AmiBroker atualmente é fornecido com 3 motores: Otimizador de enxame de partículas padrão (quotspsoquot), Tribes (quottribquot) e CMA-ES (quotcmaequot) - os nomes em chaves devem ser usados ​​em chamadas OptimizerSetEngine. Além de selecionar o mecanismo do otimizador, você pode querer definir alguns dos seus parâmetros internos. Para isso use a função OptimizerSetOption. Função OptimizerSetOption (quotname, value) A função define parâmetros adicionais para o mecanismo de otimização externa. Os parâmetros são dependentes do motor. Todos os três otimizadores fornecidos com AmiBroker (SPSO, Trib, CMAE) suportam dois parâmetros: quotRunsquot (número de execuções) e quotMaxEvalquot (avaliações máximas (testes) por execução única). O comportamento de cada parâmetro é dependente do motor, então os mesmos valores podem e, geralmente, produzir resultados diferentes com diferentes motores usados. A diferença entre Runs e MaxEval é a seguinte. A avaliação (ou teste) é uma prova simples (ou avaliação do valor da função objetivo). RUN é uma execução completa do algoritmo (encontrando o melhor valor) - geralmente envolvendo muitos testes (avaliações). Cada execução simplesmente RESTAURA todo o processo de otimização a partir do novo começo (nova população aleatória inicial). Portanto, cada execução pode levar a encontrar maxmin local diferente (se não encontrar um global). Assim, o parâmetro Runs define o número de algoritmos subseqüentes. MaxEval é o número máximo de avaliações (bactests) em qualquer execução única. Se o problema é relativamente simples e 1000 testes são suficientes para encontrar o máximo global, 5x1000 é mais provável que encontre o máximo global porque há menos chances de ficar preso no máximo local, pois as corridas subseqüentes começam a partir de diferentes aleatórias aleatórias. Escolher valores de parâmetros podem Seja complicado. Depende do problema em teste, da sua complexidade, etc., etc. Qualquer método estocástico não exaustivo não lhe dá garantia de encontrar maxmin global, independentemente do número de testes se for menor do que exaustivo. A resposta mais fácil é a. Especifique como um grande número de testes como é razoável para você em termos de tempo necessário para concluir. Outro conselho simples é multiplicar por 10 o número de testes com a adição de nova dimensão. Isso pode levar a superestimar o número de testes necessários, mas é bastante seguro. Os motores enviados são projetados para ser simples de usar, portanto, os valores padrão são usados, pois a otimização pode ser executada sem especificar nada (aceitando padrões). É importante entender que todos os métodos inteligentes de otimização funcionam melhor em espaços de parâmetros contínuos e funções objetivas relativamente lisas. Se o espaço dos parâmetros é discreto, os algoritmos evolutivos podem ter problemas para encontrar o melhor valor. É especialmente verdade para parâmetros binários (onoff) - eles não são adequados para qualquer método de pesquisa que use gradiente de mudança de função objetiva (como a maioria dos métodos inteligentes o fazem). Se o seu sistema comercial contiver muitos parâmetros binários, você não deve usar o otimizador inteligente diretamente neles. Em vez disso, tente otimizar apenas os parâmetros contínuos usando otimizador inteligente e altere os parâmetros binários manualmente ou através de um script externo. SPSO - Otimizador padrão de enxertia de partículas O otimizador padrão de enxertia de partículas é baseado no código SPSO2007 que é suposto produzir bons resultados desde que os parâmetros corretos (ou seja, Runs, MaxEval) sejam fornecidos para um problema específico. Escolher opções corretas para o otimizador de PSO pode ser complicado, portanto, os resultados podem variar significativamente caso a caso. O SPSO. dll vem com códigos-fonte completos dentro da subpasta quotADKquot. Código de exemplo para Otimizador de enxame de partículas padrão: (encontrando o valor ideal em 1000 testes dentro do espaço de busca de 10000 combinações) OptimizerSetEngine (quotspsoquot) OptimizerSetOption (quotRunsquot, 1) OptimizerSetOption (quotMaxEvalquot, 1000) sl Optimize (quotsquot, 26, 1, 100, 1 ) Fa Optimize (quotfquot, 12, 1, 100, 1) Buy Cross (MACD (fa, sl), 0) Sell Cross (0, MACD (fa, sl)) TRIBES - Adaptive Parameter-less Partilion Swarm Optimizer Tribes é adaptável , Versão sem parâmetros do otimizador não-exaustivo PSO (otimização de enxames de partículas). Para o conhecimento científico, veja: particlewarm. infoTribes2006Cooren. pdf Em teoria, ele deve ter um desempenho melhor do que o PSO regular, pois pode ajustar automaticamente o tamanho dos enxames e a estratégia do algoritmo para o problema que está sendo resolvido. A prática mostra que seu desempenho é bastante semelhante ao PSO. O plugin Tribes. DLL implementa a variante quribTribes-D (ou seja, adimensional). Baseado em clerc. maurice. free. frpsoTribesTRIBES-D. zip por Maurice Clerc. Códigos fonte originais usados ​​com permissão do autor Tribes. DLL vem com o código fonte completo (dentro de uma pasta DKquot) Parâmetros suportados: quotMaxEvalquot - número máximo de avaliações (backtests) por execução (padrão 1000). Você deve aumentar o número de avaliações com número crescente de dimensões (número de params de otimização). O valor padrão 1000 é bom para 2 ou máximo 3 dimensões. QuotRunsquot - número de execuções (reinicia). (Padrão 5) Você pode deixar o número de execuções no valor padrão de 5. Por padrão, o número de execuções (ou reiniciações) está definido para 5. Para usar o otimizador Tribes, você só precisa adicionar uma linha ao seu código: OptimizerSetOption (quotMaxEvalquot , 5000) 5000 avaliações max CMA-ES - Covariance Matrix Adaptation O otimizador de estratégia evolutiva CMA-ES (Covariance Matrix Adaptation Strategy) é um otimizador avançado não-exaustivo. Para conhecimentos científicos, consulte: bionik. tu-berlin. deusernikocmaesintro. html De acordo com benchmarks científicos, supera as nove outras estratégias evolutivas mais populares (como PSO, evolução genética e diferencial). Bionik. tu-berlin. deusernikocec2005.html O plugin CMAE. DLL implementa quotGlobalquot variante de pesquisa com vários reinícios com o aumento do tamanho da população CMAE. DLL vem com o código fonte completo (dentro de uma pasta DKquot) Por padrão, o número de execuções (ou reinícios) está configurado Para 5. É aconselhável deixar o número padrão de reinícios. Você pode alterá-lo usando a chamada OptimizerSetOption (quotRunsquot, N), onde N deve estar no intervalo 1..10. Especificar mais de 10 execuções não é recomendado, embora possivel. Observe que cada execução usa TWICE o tamanho da população da corrida anterior para que ela cresça exponencialmente. Portanto, com 10 execuções você acaba com a população 210 maior (1024 vezes) do que a primeira corrida. Há outro parâmetro quotMaxEvalquot. O valor padrão é ZERO, o que significa que o plugin irá calcular automaticamente o MaxEval necessário. É aconselhável NÃO definir o MaxEval sozinho, pois o padrão funciona bem. O algoritmo é inteligente o suficiente para minimizar o número de avaliações necessárias e converge muito rápido para o ponto de solução, muitas vezes encontra soluções mais rápidas do que outras estratégias. É normal que o plugin ignore algumas etapas de avaliação, se detectar que a solução foi encontrada, portanto, você não deve se surpreender que a barra de progresso de otimização possa se mover muito rápido em alguns pontos. O plugin também possui capacidade para aumentar o número de etapas sobre o valor inicialmente estimado se for necessário encontrar a solução. Devido à sua natureza adaptativa, o tempo restante do tempo e o número de etapas selecionados pela caixa de diálogo de progresso são apenas o melhor adivinhar o tempo e podem variar durante o curso de otimização. Para usar o otimizador CMA-ES, você só precisa adicionar uma linha ao seu código: Isso executará a otimização com configurações padrão que são boas para a maioria dos casos. Deve-se notar, como é o caso de muitos algoritmos de pesquisa de espaço contínuo, que o parâmetro Quotstepquot decrescente nas chamadas de função Optimize () não afeta significativamente os tempos de otimização. O único que importa é o problema quotdimensionquot, ou seja, o número de parâmetros diferentes (número de otimização de chamadas de função). O número de quotstepsquot por parâmetro pode ser definido sem afetar o tempo de otimização, então use a melhor resolução que você deseja. Em teoria, o algoritmo deve ser capaz de encontrar solução em no máximo 900 (N3) (N3) backtests onde quotNquot é a dimensão. Na prática, converge muito mais rápido. Por exemplo, a solução em espaço de parâmetros dimensionais 3 (N3) (digamos 100100100 1 milhão de etapas exaustivas) pode ser encontrada em apenas 500 a 900 passos CMA-ES. Otimização individual multi-threaded Começando a partir do AmiBroker 5.70, além do multithreading de vários símbolos. Você pode executar a otimização de um único símbolo multi-threaded. Para acessar esta funcionalidade, clique na seta suspensa ao lado do botão quotOptimizequot na janela New Analysis e selecione Quot Individual Optimize quot. O Optimizequot individual usará todos os núcleos de processador disponíveis para realizar otimização de um único símbolo, tornando-o muito mais rápido do que otimização regular. No modo de simbolo atual, ele realizará otimização em um símbolo. Em quot. Todos os símbolos e quantos modos de Filtragem, ele processará todos os símbolos seqüencialmente, ou seja, a primeira otimização completa para o primeiro símbolo, depois a otimização no segundo símbolo, etc. Limitações: 1. O backtester personalizado NÃO é suportado (ainda) 2. Os motores de otimização inteligentes NÃO são suportados - Apenas otimizações EXAUSTIVAS funcionam. Eventualmente, podemos nos livrar da limitação (1) - quando o AmiBroker é alterado, então o backtester personalizado não usa mais OLE. Mas (2) provavelmente está aqui para ficar por muito tempo. De fato, você gostaria que um sinal filtrado fosse liso e livre de atraso. Lag provoca atrasos em seus negócios e o aumento do atraso nos seus indicadores geralmente resulta em menores lucros. Em outras palavras, os atrasados ​​ficam o que está à esquerda na mesa depois que a festa já começou. É por isso que investidores, bancos e instituições em todo o mundo pedem a Jurik Research Moving Average (JMA). Você pode aplicá-lo exatamente como você faria com qualquer outra média móvel popular. No entanto, JMAs melhorou timing e suavidade irá surpreender você. A linha cinzenta irregular no gráfico simula ação de preço que começa em um baixo intervalo de negociação e, em seguida, lacunas para uma maior faixa de negociação. Uma vez que ninguém gosta de esperar ao lado, um filtro de redução de ruído perfeito (linha verde) se moverá suavemente ao longo do centro da primeira faixa de negociação e, em seguida, pulará para o centro do novo intervalo de negociação quase imediatamente. As médias móveis adaptativas levam a melhorar Resultados As médias móveis são uma ferramenta favorita de comerciantes ativos. No entanto, quando os mercados se consolidam, este indicador leva a inúmeras negociações de whipsaw, resultando em uma frustrante série de pequenas vitórias e perdas. Os analistas passaram décadas tentando melhorar a média móvel simples. Neste artigo, analisamos esses esforços e descobrimos que sua busca levou a ferramentas comerciais úteis. (Para leitura de fundo em médias móveis simples, verifique as Médias móveis simples, faça com que Tendências se destaquem). Prós e contras de médias móveis As vantagens e desvantagens das médias móveis foram resumidas por Robert Edwards e John Magee na primeira edição da Análise Técnica de Tendências de estoque. Quando eles disseram e voltou em 1941 que fizemos a descoberta (embora muitos outros tivessem feito isso antes) que ao calcular a média dos dados para um determinado número de dias, alguém poderia derivar uma espécie de linha de tendência automatizada que definitivamente interpretaria as mudanças de A moda parecia quase boa demais para ser verdade. Na verdade, era bom demais para ser verdade. Com as desvantagens que superam as vantagens, Edwards e Magee rapidamente abandonaram seu sonho de negociar a partir de um bangalô na praia. Mas, 60 anos depois, eles escreveram essas palavras, outros persistem em tentar encontrar uma ferramenta simples que ofereça sem esforço a riqueza dos mercados. Médias móveis simples Para calcular uma média móvel simples. Adicione os preços para o período de tempo desejado e divida pelo número de períodos selecionados. Encontrar uma média móvel de cinco dias exigiria somar os cinco preços de fechamento mais recentes e dividir por cinco. Se o fechamento mais recente estiver acima da média móvel, o estoque seria considerado como uma tendência de alta. As taxas de queda são definidas por preços abaixo da média móvel. (Para mais informações, consulte o nosso tutorial para as médias móveis.) Esta propriedade que define a tendência torna possível que as médias móveis gerem sinais de negociação. Na sua aplicação mais simples, os comerciantes compram quando os preços se movem acima da média móvel e vendem quando os preços cruzam abaixo dessa linha. Uma abordagem como esta é garantida para colocar o comerciante no lado direito de cada comércio significativo. Infelizmente, ao suavizar os dados, as médias móveis ficarão atrasadas na ação do mercado e o comerciante quase sempre dará uma grande parte de seus lucros, mesmo nos maiores negócios vencedores. Médias móveis exponenciais Os analistas parecem gostar da idéia da média móvel e passaram anos tentando reduzir os problemas associados a esse atraso. Uma dessas inovações é a média móvel exponencial (EMA). Esta abordagem atribui uma ponderação relativamente maior aos dados recentes e, como resultado, fica mais próxima da ação de preço do que uma média móvel simples. A fórmula para calcular uma média móvel exponencial é: EMA (Weight Close) ((1-peso) EMAy) Onde: O peso é a constante de suavização selecionada pelo analista EMAy é a média móvel exponencial de ontem Um valor de ponderação comum é 0.181, o que É perto de uma média móvel simples de 20 dias. Outro é 0,10, que é aproximadamente uma média móvel de 10 dias. Embora reduza o atraso, a média móvel exponencial não consegue resolver outro problema com médias móveis, o que é que o uso deles para sinais comerciais levará a uma grande quantidade de negociações perdidas. Em Novos Conceitos em Sistemas de Negociação Técnica. Welles Wilder calcula que os mercados apenas tendem um quarto do tempo. Até 75 da ação comercial se limitam a intervalos estreitos, quando os sinais de compra e venda média em movimento serão repetidamente gerados à medida que os preços se movem rapidamente acima e abaixo da média móvel. Para resolver este problema, vários analistas sugeriram variar o fator de ponderação do cálculo EMA. (Para mais, veja Como são as médias móveis utilizadas na negociação) Adaptando as médias móveis à ação do mercado Um método para enfrentar as desvantagens das médias móveis é multiplicar o fator de ponderação por uma razão de volatilidade. Fazer isso significaria que a média móvel seria mais longe do preço atual em mercados voláteis. Isso permitiria que os vencedores fossem executados. À medida que a tendência chega ao fim e os preços se consolidam. A média móvel se aproximaria da ação atual do mercado e, em teoria, permitiria ao comerciante manter a maioria dos ganhos captados durante a tendência. Na prática, o índice de volatilidade pode ser um indicador, como a largura de banda Bollinger, que mede a distância entre as bem conhecidas Bandas Bollinger. (Para mais informações sobre este indicador, consulte The Basics of Bollinger Bands.) Perry Kaufman sugeriu a substituição da variável de peso na fórmula EMA com uma constante baseada na razão de eficiência (ER) em seu livro, New Trading Systems and Methods. Este indicador é projetado para medir a força de uma tendência, definida dentro de um intervalo de -1,0 a 1,0. É calculado com uma fórmula simples: ER (variação total do preço por período) (soma das variações absolutas de preços para cada barra) Considere uma ação que tenha um intervalo de cinco pontos por dia, e ao final de cinco dias tenha ganho um total De 15 pontos. Isso resultaria em um ER de 0,67 (15 pontos de movimento ascendente dividido pela faixa total de 25 pontos). Se esse estoque tivesse diminuído 15 pontos, o ER seria de -0,67. (Para obter mais conselhos comerciais de Perry Kaufman, leia Perdendo para Ganhar, que descreve estratégias para lidar com perdas comerciais.) O princípio de uma eficiência de tendências é baseado em quanto movimento direcional (ou tendência) você obtém por unidade de movimento de preços ao longo de um Período de tempo definido. Um ER de 1.0 indica que o estoque está em uma evolução ascendente perfeita -1.0 representa uma tendência de queda perfeita. Em termos práticos, os extremos raramente são alcançados. Para aplicar este indicador para encontrar a média móvel adaptativa (AMA), os comerciantes precisarão calcular o peso com o seguinte, bastante complexo, fórmula: C (ER (SCF SCS)) SCS 2 Onde: SCF é a constante exponencial para o mais rápido EMA permitido (geralmente 2) SCS é a constante exponencial para o EMA mais lento permitido (muitas vezes 30) ER é a relação de eficiência que foi observada acima. O valor para C é então usado na fórmula EMA em vez da variável de peso mais simples. Embora difícil de calcular à mão, a média móvel adaptativa é incluída como uma opção em quase todos os pacotes de software de negociação. (Para obter mais informações sobre o EMA, leia Explorando a média móvel ponderada exponencialmente.) Exemplos de uma média móvel simples (linha vermelha), uma média móvel exponencial (linha azul) e a média móvel adaptativa (linha verde) são mostradas na Figura 1. Figura 1: A AMA está em verde e mostra o maior grau de achatamento na ação de alcance visto no lado direito deste gráfico. Na maioria dos casos, a média móvel exponencial, mostrada como a linha azul, é mais próxima da ação de preço. A média móvel simples é mostrada como a linha vermelha. As três médias móveis mostradas na figura são todas propensas a negociações de whipsaw em vários momentos. Esta desvantagem para as médias móveis foi até agora impossível de eliminar. Conclusão Robert Colby testou centenas de ferramentas de análise técnica na Encyclopedia of Technical Market Indicators. Ele concluiu que, embora a média móvel adaptativa seja uma novidade interessante, com um considerável atrativo intelectual, nossos testes preliminares não conseguem mostrar qualquer vantagem prática real para este método de suavização de tendências mais complexo. Isso não significa que os comerciantes devem ignorar a idéia. A AMA poderia ser combinada com outros indicadores para desenvolver um sistema comercial lucrativo. (Para mais informações sobre este tópico, leia Descobrindo Canais Keltner e O Oscilador Chaikin.) O ER pode ser usado como um indicador de tendência autônomo para detectar as oportunidades comerciais mais lucrativas. Como um exemplo, as proporções acima de 0,30 indicam fortes tendências ascendentes e representam compras potenciais. Alternativamente, uma vez que a volatilidade se move em ciclos, os estoques com o menor índice de eficiência podem ser vistos como oportunidades de fuga.