เศษส่วน ปรับตัว เคลื่อนไหว เฉลี่ย - Amibroker

เศษส่วน ปรับตัว เคลื่อนไหว เฉลี่ย - Amibroker

Forex- czy - moeјna - zarobid   ‡
Binary   ตัวเลือก คู่
Forex- เศษส่วน ฝ่าวงล้อม ที่กำหนดเอง ตัวบ่งชี้ที่ ดาวน์โหลด


Forex- RM- เพื่อ บาท Forex -trading- เซสชัน ตัวบ่งชี้ Forex- Kontor - สตอกโฮล์ม - c¶öppettider การคำนวณ ของ เฉลี่ยเคลื่อนที่ ใน Excel Forexpros - EUR- ดอลลาร์ Forex- ระยะยาว ซื้อขาย

MetaTrader 5 - ตัวบ่งชี้ Fractal Moving Average (FrAMA) - ตัวบ่งชี้สำหรับ MetaTrader 5 Fraktal Adaptive Moving ค่าเฉลี่ยตัวชี้วัดทางเทคนิค (FRAMA) ได้รับการพัฒนาโดย John Ehlers ตัวบ่งชี้นี้ถูกสร้างขึ้นตามอัลกอริทึมของค่าเฉลี่ยเคลื่อนที่แบบเสวนา (Exponential Moving Average) ซึ่งมีการคำนวณปัจจัยการให้เรียบตามมิติเศษส่วนปัจจุบันของชุดราคา ข้อได้เปรียบของ FRAMA คือความเป็นไปได้ที่จะทำตามแนวโน้มการเคลื่อนไหวที่แข็งแกร่งและชะลอตัวลงอย่างเพียงพอในช่วงเวลาที่การรวมราคา สามารถใช้การวิเคราะห์ทุกประเภทสำหรับ Moving Averages ในตัวบ่งชี้นี้ได้ ตัวบ่งชี้การเปลี่ยนแปลงค่าเฉลี่ยเศษส่วน FRAMA (i) A (i) ราคา (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) - มูลค่าปัจจุบันของ FRAMA ราคา (i) - ราคาปัจจุบัน FRAMA -1) - ค่าก่อนหน้าของ FRAMA A (i) - ปัจจัยปัจจุบันของการเรียบแบบเสวนา () () () () () () () () D (i) - มิติเศษส่วนปัจจุบัน exp () - ฟังก์ชันทางคณิตศาสตร์ของเลขชี้กำลัง เส้นรอบวงของเส้นตรงมีค่าเท่ากัน เห็นได้จากสูตรที่ว่าถ้า D 1 ดังนั้น A EXP (-4.6 (1-1)) EXP (0) 1 ดังนั้นถ้าราคามีการเปลี่ยนแปลงเป็นเส้นตรงจะไม่ใช้การทำให้เรียบเป็นทวีคูณเนื่องจากในกรณีดังกล่าวสูตร มีลักษณะดังนี้: FRAMA (i) 1 ราคา (i) (1 - i) FRAMA (i-1) ราคา (i) Ie ตัวบ่งชี้ตรงตามราคา มิติเศษส่วนของระนาบมีค่าเท่ากับสอง จากสูตรที่เราได้รับว่าถ้า D 2 แล้วปัจจัยการทำให้ราบเรียบ EXP (-4.6 (2-1)) EXP (-4.6) 0.01 เมื่อมีราคาทำให้การเคลื่อนที่ของฟันเลื่อยที่แข็งแกร่ง การชะลอตัวลงนี้สอดคล้องกับค่าเฉลี่ยเคลื่อนที่ประมาณ 200 จุด สูตรของมิติเศษส่วน: D (LOG (N1 N2) - LOG (N3)) เข้าสู่ระบบ (2) คำนวณโดยใช้สูตรเพิ่มเติม: N (ความยาว i) (HighestPrice (i) - LowestPrice (i)) Length HighestPrice (i) - ค่าสูงสุดปัจจุบันสำหรับระยะเวลาความยาวต่ำสุด (i) - ค่าที่น้อยที่สุดในปัจจุบันสำหรับระยะเวลาความยาวค่า N1, N2 และ N3 มีค่าเท่ากับ N1 (i) N (Length, i) N2 (i) N (Length, ความยาว) N3 (i) N (2 ความยาว i) ค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนได้นำไปสู่ผลลัพธ์ที่ดีขึ้นค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือที่ชื่นชอบของผู้ค้าที่ใช้งานอยู่ อย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้นำไปสู่การค้า whipsaw จำนวนมากส่งผลให้ในชุดที่น่าผิดหวังของการชนะและการสูญเสียขนาดเล็ก นักวิเคราะห์ได้ใช้เวลาหลายทศวรรษในการพยายามปรับปรุงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ในบทความนี้เราจะพิจารณาถึงความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขานำไปสู่เครื่องมือการซื้อขายที่เป็นประโยชน์ ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่อยู่ที่ Robert Edwards และ John Magee ในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของข้อดีและข้อเสียของการเคลื่อนที่โดยเฉลี่ย แนวโน้มสต็อค เมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ที่เรา delightedly ค้นพบ (แม้ว่าคนอื่น ๆ ได้ทำไว้ก่อน) ว่าโดยค่าเฉลี่ยของข้อมูลสำหรับจำนวนที่ระบุ daysone อาจเป็นผลมาจากการเรียงลำดับของเส้นแบบอัตโนมัติซึ่งแน่นอนจะตีความการเปลี่ยนแปลงของ แนวโน้มดูเหมือนจะดีเกินจริง เป็นเรื่องจริงที่ดีเกินจริง เอ็ดเวิร์ดและจีได้ทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลริมทะเลโดยสิ้นเชิง แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้นคนอื่น ๆ ยังคงพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดาย Simple Moving Averages คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนรอบระยะเวลาที่เลือก การหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องบวกห้าราคาปิดล่าสุดและหารด้วยห้า หากการปิดตัวครั้งล่าสุดอยู่เหนือค่าเฉลี่ยที่เคลื่อนที่สต็อคจะถือว่าอยู่ในแนวโน้ม แนวโน้มขาลงจะถูกกำหนดโดยราคาที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (สำหรับข้อมูลเพิ่มเติมโปรดดูบทแนะนำ Moving Averages ของเรา) สถานที่ให้บริการที่กำหนดแนวโน้มนี้จะช่วยให้สามารถเคลื่อนย้ายค่าเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ ในการประยุกต์ใช้ที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนตัวสูงกว่าค่าเฉลี่ยเคลื่อนที่และขายได้เมื่อราคาปิดต่ำกว่าเส้นดังกล่าว วิธีการเช่นนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญทุก อย่างไรก็ตามในขณะที่การปรับให้เรียบข้อมูลค่าเฉลี่ยเคลื่อนที่จะล่าช้ากว่าการกระทำของตลาดและผู้ประกอบการค้ามักจะให้ผลตอบแทนส่วนใหญ่ในธุรกิจการค้าที่ยิ่งใหญ่ที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เพิ่มขึ้นนักวิเคราะห์ดูเหมือนว่าจะมีความคิดในเรื่องค่าเฉลี่ยเคลื่อนที่และพยายามใช้เวลาหลายปีในการลดปัญหาที่เกี่ยวข้องกับความล่าช้านี้ หนึ่งในนวัตกรรมเหล่านี้เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) วิธีนี้กำหนดให้น้ำหนักที่สูงกว่าข้อมูลล่าสุดและส่งผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ สูตรคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ได้แก่ EMA (Weight Close) ((1-Weight) EMAy) โดยที่: น้ำหนักคือค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือก EMAy เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาตั้งแต่วันนี้ค่าการถ่วงน้ำหนักทั่วไปคือ 0.181 ซึ่ง ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20 วัน อีกอย่างหนึ่งคือ 0.10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วัน แม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่แบบเสวนาไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งหมายความว่าการใช้สัญญาณซื้อขายจะทำให้ธุรกิจการค้าสูญเสียจำนวนมาก ในแนวคิดใหม่ในระบบการซื้อขายทางเทคนิค Welles Wilder คาดการณ์ว่าตลาดมีแนวโน้มเพียงหนึ่งในสี่ของเวลาเท่านั้น การดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการ จำกัด อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขายเฉลี่ยเคลื่อนไหวจะถูกสร้างขึ้นซ้ำ ๆ เนื่องจากราคาเคลื่อนขึ้นเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่ ในการแก้ไขปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA (สำหรับข้อมูลเพิ่มเติมโปรดดูที่วิธีการเคลื่อนไหวค่าเฉลี่ยที่ใช้ในการซื้อขาย) การปรับค่าเฉลี่ยเคลื่อนที่สำหรับการดำเนินการในตลาดวิธีหนึ่งในการจัดการข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวน การทำเช่นนี้ก็หมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันในตลาดที่ผันผวน นี้จะช่วยให้ผู้ชนะในการทำงาน เป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวม ค่าเฉลี่ยเคลื่อนที่จะขยับขึ้นใกล้กับการดำเนินการของตลาดในปัจจุบันและในทางทฤษฎีให้ผู้ประกอบการรายย่อยสามารถเก็บกำไรได้มากที่สุดในช่วงแนวโน้มนี้ ในทางปฏิบัติอัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่น Bollinger Bandwidth ซึ่งวัดระยะห่างระหว่างแถบ Bollinger Bros เป็นที่รู้จักกันดี (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับแถบ Bollinger) Perry Kaufman แนะนำให้เปลี่ยนตัวแปรน้ำหนักในสูตร EMA ด้วยค่าคงที่ตามอัตราส่วนประสิทธิภาพ (ER) ในหนังสือระบบและวิธีการซื้อขายใหม่ ตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของแนวโน้มที่กำหนดไว้ในช่วงตั้งแต่ -1.0 ถึง 1.0 คำนวณโดยใช้สูตรง่ายๆคือ ER (การเปลี่ยนแปลงราคาทั้งหมดสำหรับช่วงเวลา) (รวมการเปลี่ยนแปลงราคาที่แน่นอนสำหรับแต่ละบาร์) พิจารณาสต็อคที่มีช่วง 5 จุดในแต่ละวันและเมื่อครบ 5 วันได้รับผลรวม จาก 15 คะแนน ซึ่งจะส่งผลให้ค่า ER เท่ากับ 0.67 (การเคลื่อนที่ขึ้นไป 15 จุดหารด้วยระยะรวม 25 จุด) หุ้นนี้ลดลง 15 จุดส่วน ER จะเท่ากับ -0.67 (สำหรับคำแนะนำการซื้อขายเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งแสดงกลยุทธ์ในการรับมือกับความเสียหายที่เกิดจากการซื้อขาย) หลักการของประสิทธิภาพของแนวโน้มขึ้นอยู่กับทิศทางการเคลื่อนไหวของราคา (หรือแนวโน้ม) ที่คุณได้รับต่อหน่วยของการเคลื่อนไหวด้านราคามากกว่า กำหนดช่วงเวลา ER เท่ากับ 1.0 แสดงให้เห็นว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1.0 หมายถึงขาลงที่สมบูรณ์แบบ ในทางปฏิบัติสุดขั้วไม่ค่อยจะมาถึง เมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาค่าเฉลี่ยเคลื่อนที่แบบปรับตัวได้ (AMA) ผู้ค้าจะต้องคำนวณน้ำหนักด้วยสูตรต่อไปนี้ค่อนข้างซับซ้อน: C (ER (SCF SCS)) SCS 2 ที่ไหน: SCF เป็นค่าคงที่แบบเรโซแนนเชียลที่เร็วที่สุด EMA ที่อนุญาต (ปกติ 2) SCS เป็นค่าคงที่แบบทวนสำหรับ EMA ที่ช้าที่สุดที่อนุญาต (มักจะ 30) ER เป็นอัตราส่วนประสิทธิภาพที่ระบุไว้ข้างต้นค่า C จะใช้ในสูตร EMA แทนตัวแปรน้ำหนักที่ง่ายกว่า แม้ว่าจะยากที่จะคำนวณด้วยมือ แต่ค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ถูกรวมไว้เป็นตัวเลือกในเกือบทุกชุดซอฟต์แวร์เพื่อการค้า ตัวอย่างค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ (เส้นสีแดง), ค่าเฉลี่ยเคลื่อนที่เป็นเส้นตรง (เส้นสีน้ำเงิน) และค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ (เส้นสีเขียว) แสดงไว้ในรูปที่ 1 ภาพที่ 1: AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่แบบเสี้ยว (exponential moving average) แสดงเป็นเส้นสีน้ำเงินใกล้เคียงกับราคาที่มากที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดง ค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพมีแนวโน้มที่จะเกิดขึ้นในหลาย ๆ ครั้ง ข้อเสียเปรียบต่อค่าเฉลี่ยเคลื่อนที่เหล่านี้จึงเป็นไปไม่ได้ที่จะกำจัด บทสรุปโรเบิร์ตคอลบีได้ทดสอบเครื่องมือวิเคราะห์ทางเทคนิคหลายร้อยเครื่องมือในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดสารานุกรม เขาสรุปได้ว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้เป็นแนวคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติอันแท้จริงของวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้น ไม่ได้หมายความว่าพ่อค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ เพื่อพัฒนาระบบการซื้อขายที่มีกำไร (สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านค้นพบ Keltner Channels และ The Chaikin Oscillator) ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุด ตัวอย่างเช่นอัตราส่วนข้างต้นต่ำกว่า 0.30 แสดงถึงแนวโน้มขาขึ้นที่แข็งแกร่งและแสดงถึงการซื้อที่มีศักยภาพ อีกทางเลือกหนึ่งเนื่องจากความผันผวนของการเคลื่อนที่ในรอบการผลิตอาจมีการถือเป็นหุ้นที่มีอัตราส่วนประสิทธิภาพต่ำที่สุดเท่าที่จะเป็นไปได้ การวัดความสัมพันธ์ระหว่างการเปลี่ยนแปลงปริมาณที่ต้องการสินค้าและการเปลี่ยนแปลงราคา ราคา. มูลค่าตลาดรวมของหุ้นทั้งหมดของ บริษัท ที่โดดเด่น มูลค่าหลักทรัพย์ตามราคาตลาดคำนวณจากการคูณ Frexit ย่อมาจาก quotFrench exitquot เป็นเศษเสี้ยวของคำว่า Brexit ของฝรั่งเศสซึ่งเกิดขึ้นเมื่อสหราชอาณาจักรได้รับการโหวต คำสั่งซื้อที่วางไว้กับโบรกเกอร์ที่รวมคุณลักษณะของคำสั่งหยุดกับคำสั่งซื้อที่ จำกัด ไว้ คำสั่งหยุดการสั่งซื้อจะ รอบการจัดหาเงินทุนที่นักลงทุนซื้อหุ้นจาก บริษัท ในราคาที่ต่ำกว่าการประเมินมูลค่าวางไว้ ทฤษฎีเศรษฐศาสตร์ของการใช้จ่ายทั้งหมดในระบบเศรษฐกิจและผลกระทบต่อผลผลิตและอัตราเงินเฟ้อ เศรษฐศาสตร์ของเคนยาได้รับการพัฒนาค่าเฉลี่ยของ Adaptive Moving Average ของ Kaufman0 (KAMA) ค่าเฉลี่ยการปรับตัวที่ปรับได้ของ Kaufman0 (KAMA) บทนำการพัฒนาโดย Perry Kaufman ค่าเฉลี่ยการย้ายปรับตัวของ Kaufman0 (KAMA) เป็นค่าเฉลี่ยเคลื่อนที่ที่ออกแบบมาเพื่อรายงานเสียงรบกวนในตลาดหรือความผันผวนของตลาด KAMA จะติดตามราคาอย่างใกล้ชิดเมื่อการแกว่งราคาค่อนข้างเล็กและเสียงต่ำ KAMA จะปรับตัวเมื่อการแกว่งตัวของราคาปรับตัวขึ้นและติดตามราคาจากระยะทางที่มากขึ้น ตัวบ่งชี้แนวโน้มนี้สามารถใช้เพื่อระบุแนวโน้มโดยรวมจุดเปลี่ยนเวลาและการเคลื่อนไหวของราคาตัวกรอง การคำนวณมีขั้นตอนหลายขั้นตอนที่จำเป็นในการคำนวณค่าเฉลี่ยการย้ายแบบ Adaptive Movement ของ Kaufman0 Let0 เริ่มต้นครั้งแรกกับการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA (10,2,30) 10 คือจำนวนงวดสำหรับอัตราส่วนประสิทธิภาพ (ER) 2 คือจำนวนงวดสำหรับค่าคงที่ของ EMA ที่เร็วที่สุด 30 คือจำนวนงวดสำหรับค่าคงที่ EMA ที่ช้าที่สุด ก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ (ER) และ Smoothing Constant (SC) การแบ่งสูตรลงในตัวนักเก็ตขนาดกัดทำให้ง่ายต่อการเข้าใจวิธีการหลังตัวบ่งชี้ โปรดทราบว่า ABS หมายถึง Absolute Value อัตราการใช้กำลังการผลิต (ER) ER อยู่ที่การเปลี่ยนแปลงของราคาโดยปรับค่าความผันผวนรายวัน ในแง่สถิติอัตราส่วนประสิทธิภาพบอกให้เราทราบถึงประสิทธิภาพของการเปลี่ยนแปลงราคาในเชิงเศษส่วน ER มีความผันผวนระหว่าง 1 ถึง 0 แต่สุดขั้วเหล่านี้เป็นข้อยกเว้นไม่ใช่บรรทัดฐาน ER จะเป็น 1 หากราคาเพิ่มขึ้น 10 งวดต่อเนื่องหรือลดลง 10 งวดติดต่อกัน ER จะเป็นศูนย์ถ้าราคาไม่เปลี่ยนแปลงตลอด 10 งวด Smoothing Constant (SC) ค่าคงที่ที่ราบเรียบใช้ค่า ER และค่าความเรียบ 2 ค่าโดยอิงจากค่าเฉลี่ยเคลื่อนที่แบบเสวนา ตามที่คุณสังเกตเห็น Smoothing Constant ใช้ค่าคงที่ที่ราบเรียบสำหรับค่าเฉลี่ยเคลื่อนที่แบบเสวนาในสูตร (2301) เป็นค่าคงที่ที่ราบเรียบสำหรับ EMA 30 เฟส Fastest SC คือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่สั้นลง (2 ช่วงเวลา) SC ที่ช้าที่สุดคือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่ค่อยๆ (30 ช่วง) โปรดทราบว่า 2 ในตอนท้ายมีสมการสมการ ด้วยอัตราส่วนประสิทธิภาพ (ER) และ Smoothing Constant (SC) ขณะนี้เราพร้อมแล้วที่จะคำนวณค่าเฉลี่ยการปรับตัวของ Adaptive Movement Kaufman0 (KAMA) เนื่องจากเราต้องการค่าเริ่มต้นเพื่อเริ่มต้นการคำนวณ KAMA แรกเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย การคำนวณต่อไปนี้ขึ้นอยู่กับสูตรด้านล่าง ตัวอย่างการคำนวณภาพด้านล่างแสดงภาพหน้าจอจากกระดาษคำนวณ Excel ที่ใช้ในการคำนวณ KAMA และแผนภูมิ QQQ ที่สอดคล้องกัน การใช้และสัญญาณ Chartists สามารถใช้ KAMA เช่นเดียวกับเทรนด์อื่น ๆ ตามตัวบ่งชี้เช่นค่าเฉลี่ยเคลื่อนที่ Chartists สามารถมองหา crosses ราคาการเปลี่ยนแปลงทิศทางและกรองสัญญาณ ขั้นแรกให้ค่า KAMA ด้านบนหรือด้านล่างแสดงการเปลี่ยนแปลงทิศทางในราคา เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์ที่เรียบง่ายจะสร้างสัญญาณจำนวนมากและจำนวนมาก whipsaws Chartists สามารถลด whipsaws โดยการใช้ตัวกรองราคาหรือเวลาไปยังไขว้ หนึ่งอาจต้องการราคาที่จะถือข้ามสำหรับจำนวนชุดของวันหรือต้องข้ามเกิน Kama ตามเปอร์เซ็นต์ที่กำหนด ประการที่สองนักเกิร์ลกรุ๊ปสามารถใช้ทิศทางของ KAMA เพื่อกำหนดแนวโน้มโดยรวมสำหรับการรักษาความปลอดภัย ซึ่งอาจต้องมีการปรับพารามิเตอร์เพื่อให้ตัวบ่งชี้เป็นไปอย่างต่อเนื่อง Chartists สามารถเปลี่ยนพารามิเตอร์กลางซึ่งเป็นค่าคงที่ EMA ที่เร็วที่สุดเพื่อให้ KAMA ราบรื่นและมองหาการเปลี่ยนแปลงทิศทาง มีแนวโน้มอ่อนตัวลงตราบเท่าที่ KAMA ร่วงลงและทำจุดต่ำสุดให้ต่ำลง แนวโน้มจะเพิ่มขึ้นตราบเท่าที่ KAMA กำลังเพิ่มขึ้นและดันระดับสูงขึ้น ตัวอย่าง Kroger ด้านล่างแสดง KAMA (10,5,30) ที่มีแนวโน้มสูงชันตั้งแต่เดือนธันวาคมถึงมีนาคมและแนวโน้มขาขึ้นที่น้อยลงตั้งแต่เดือนพฤษภาคมถึงสิงหาคม และในที่สุดก็สามารถรวมสัญญาณและเทคนิคไว้ได้ Chartists สามารถใช้ KAMA ระยะยาวเพื่อกำหนดแนวโน้มที่ใหญ่กว่าและ KAMA ระยะสั้นสำหรับสัญญาณการซื้อขาย ตัวอย่างเช่น KAMA (10,5,30) สามารถใช้เป็นตัวกรองแนวโน้มและถือว่ารั้นเมื่อเพิ่มขึ้น เมื่อรั้นแล้วนักวิเคราะห์ชาตินิยมอาจมองหาเครื่องหมายข้ามผ่านเมื่อราคาเคลื่อนตัวเหนือ KAMA (10,2,30) ตัวอย่างด้านล่างแสดงให้เห็นถึง MMM ที่มี KAMA ระยะยาวที่เพิ่มขึ้นและการปรับตัวในช่วงเดือนธันวาคม, มกราคมและกุมภาพันธ์ KAMA ระยะยาวปรับตัวลดลงในเดือนเมษายนและมีการปรับตัวลดลงในเดือนพฤษภาคมมิถุนายนและกรกฎาคม SharpCharts KAMA สามารถพบได้ในรูปแบบการซ้อนทับใน SharpCharts workbench การตั้งค่าเริ่มต้นจะปรากฏขึ้นโดยอัตโนมัติในช่องพารามิเตอร์เมื่อได้รับการคัดเลือกแล้วและแผนภูมิสามารถเปลี่ยนพารามิเตอร์เหล่านี้ให้เหมาะกับความต้องการในการวิเคราะห์ของตน พารามิเตอร์แรกสำหรับอัตราส่วนประสิทธิภาพและแผนภูมิควรงดเว้นจากการเพิ่มจำนวนนี้ แทนที่จะใช้ชาตินิยมเพื่อลดความไว นักชาตินิยมที่มองหา KAMA ที่ราบรื่นสำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่มพารามิเตอร์กลางขึ้นได้ แม้ว่าจะมีความแตกต่างกันเพียง 3 แต่ KAMA (10,5,30) มีความนุ่มนวลกว่า Kama (10,2,30) การศึกษาเพิ่มเติมจากผู้สร้างหนังสือด้านล่างมีข้อมูลโดยละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบรวมถึงรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการซื้อขายและวิธีการ Perry Kaufman
ที่ดีที่สุด   Forex   ซื้อขาย ครั้ง -UK
Forex- ซื้อขาย วัน คาดการณ์