Zero lag moving average excel no Brasil

ZLEMA - Zero Lag Exponencial Moving Average ZLEMA é uma abreviação de Zero Lag Exponential Moving Average. Foi desenvolvido por John Ehlers e Rick Way. ZLEMA é uma espécie de média móvel exponencial, mas sua idéia principal é eliminar o atraso decorrente da própria natureza das médias móveis e outros indicadores de tendência seguinte. Como segue o preço mais próximo, fornece também uma mais melhor média do preço e responde melhor aos balanços do preço. Exemplo: basta tentar imaginar linha reta de dados ndash pode acontecer quando os preços dos ativos estão subindo ou caindo constantemente. Se um comerciante usar um clássico EMA (média móvel exponencial), ele pode descobrir que o EMA é igual ao assetrsquos Fechar preço (n-1) 2 dias atrás. Em outras palavras ndash para cálculo de EMA de 5 dias, o valor EMA atual seria o mesmo que o preço Close (n-1) 2 2 dias atrás. Você pode ver o resultado na imagem abaixo. Como você já deve ter notado, os valores ZLEMA parecem diferentes. Não há diferença entre os valores e os preços Fechar. As equações (fórmula) para o cálculo de ZLEMA são as seguintes: Lag: (n dayrsquos period ndash 1) 2 Dados de entrada para EMA: Close (Close ndash Close n dayrsquos atrás) ZLEMA EMA de (Dados de entrada para EMA) O resultado final é uma média móvel exponencial que segue mais perto dos preços dos ativos. Se os preços forem uma linha reta então o ZLEMA seria a mesma linha reta. Veja a imagem abaixo. A linha verde exibe os preços ASSET. Os pontos azuis representam valores ZLEMA. A linha rosa e os pontos representam valores EMA. Como você pode ver, quando os preços criam uma linha reta, os valores ZLEMA são exatamente os mesmos que os preços são. Não há lag, nenhuma diferença. ZLEMA simplesmente reage muito mais rápido do que o EMA. Interessante o suficiente, isnrsquot it E o que acontece se os preços mudam rapidamente Olhe para a imagem abaixo. Você pode ver novamente que leva algum tempo para a EMA para se adaptar às condições em mudança no mercado. No outro lado ZLEMA pode se adaptar quase no mesmo momento que a mudança de preço acontece. É porque o cálculo de ZLEMA está sendo feito em um de-lagged dados, em vez de um regular. Os preços atuais estão acima do peso e quanto mais vamos para o passado os dados estão mais abaixo do peso - ZLEMA remove o atraso ao dobrar o aumento de preços ou diminuir entre n e (n-1) 2 dias para minimizar o efeito cumulativo. Como usar este indicador de análise técnica para negociação Você pode usá-lo como qualquer outra média móvel (FRAMA, KAMA, HMA, T3, Vidya, DEMA, VAMA etc.). Ele mostra as tendências prevalecentes no mercado para que você possa entrar comércios que estão em consonância com a tendência atual. Você pode combinar o ZLEMA com qualquer outra média móvel e procurar por seus cruzamentos. Você pode procurar padrões de gráfico (suportes, resistências, tops duplos e fundos, etc.), pois ZLEMA produz dados mais suaves do que os preços Close. Você também pode tentar comprar um ativo quando os valores ZLEMA estão subindo e vender o ativo quando os valores estão caindo. A imagem abaixo ilustra esta estratégia de negociação. A curva amarela traça ZLEMA e as setas exibem pontos de ruptura da média. Como com quase todos os indicadores técnicos a melhor coisa que cada comerciante pode fazer é testar seus próprios dados, suas próprias configurações, e suas próprias regras como o comércio. Surpreendentemente, às vezes o melhor resultado pode ser alcançado com configurações que não são comuns e regras que são bastante estranhas em um ndash primeiro olhar as coisas mais um comerciante pode mudar e experimentar com o melhor para ele e sua estratégia de negociação. Se você está interessado em um estudo mais aprofundado deste indicador técnico e prefere soluções prontas para servir, esta seção pode ser do seu interesse. A média móvel exponencial zero-lag (ZLEMA) é uma variação do EMA (veja a média movente exponencial) que adiciona um termo do momentum que visa reduzir Atraso na média, de modo a acompanhar mais de perto os preços correntes. Para um dado período de N dias a fórmula é Onde o período de tempo é (N-1) 2. Uma EMA simples aplicada a pontos de linha reta acaba sendo sempre o fechamento em (N-1) 2 dias atrás. Assim, a idéia de adicionar nesta diferença ldquoclose - closelagrdquo é para compensar esse lag, para fazer a trilha ZLEMA uma linha reta exatamente. É claro que os dados reais raramente são uma linha reta, mas o princípio é empurrar o ZLEMA para perto do próximo. O cálculo ainda acaba como vários pesos em cada preço passado. O efeito do termo de momentum é fazer com que os preços recentes sejam pesados ​​e, portanto, rastreados de perto, e com pesos negativos em termos passados. Therersquos um salto súbito nos pesos no ponto de atraso de momentum. Por exemplo, o seguinte gráfico é o peso para N15 (ponto 7). O EMA atraso em uma linha reta pode ser calculado facilmente usando a fórmula de potência para a EMA (ver "Exponential Moving Average"), aplicado a uma seqüência infinita de preços indo para baixo por 1 por dia e chegando a 0 hoje. Em sequências não retas, o retardo não é um simples (N-1) 2. Mas variará de acordo com a forma, período de componentes cíclicos, etc. Kevin Ryde Chart é um software livre que você pode redistribuí-lo e / ou modificá-lo sob os termos do GNU General Public License, publicada pela Free Software Foundation, ou versão 3, ou (a seu critério) qualquer versão posterior. John Ehlers DOCUMENTOS TÉCNICOS John Ehlers, desenvolvedor do MESA, escreveu e publicou muitos artigos relacionados aos princípios usados ​​nos ciclos do mercado. As sinopses dos artigos disponíveis são exibidas abaixo. Faça o download de cada um selecionando o HyperText associado. Por que os comerciantes perdem dinheiro (e o que fazer sobre isso) Um artigo na edição de maio de 2017 de Stock amp Commodities Magazine descreveu como criar curvas de equidade artificial apenas conhecendo o fator de lucro e vencedores percentuais de uma estratégia de negociação. As estatísticas da Bell Curve para negociação de ações selecionadas aleatoriamente e operações de carteira também estão incluídas. Esta é uma planilha do Excel que permite que você experimente esses descritores estatísticos do desempenho do sistema de negociação. Indicadores Preditivos para Estratégias de Negociação Eficazes Os traders técnicos entendem que os indicadores precisam suavizar os dados do mercado para serem úteis, e que a suavização introduz o atraso como um efeito colateral indesejado. Também sabemos que o mercado é fractal um gráfico de intervalo semanal parece apenas como um gráfico mensal, diário ou intraday. O que não pode ser tão óbvio é que, à medida que o intervalo de tempo ao longo do eixo x aumenta, as oscilações de preços de alta para baixa ao longo do eixo y também aumentam, aproximadamente na proporção. Este fenômeno de dilatação espectral provoca uma distorção indesejável, que não foi reconhecida ou foi amplamente ignorada por desenvolvedores de indicadores e técnicos de mercado. Inferindo Estratégias de Negociação das Funções de Densidade de Probabilidade Medida Este foi o Vencedor do Segundo Vencedor do Prêmio Charles H. Dow dos MTAs 2008. Neste artigo, eu mostro as implicações das várias formas de detrending e como as Distribuições de Probabilidade resultantes podem ser usadas como estratégias para gerar sistemas comerciais eficazes. Os resultados destes robustos sistemas de negociação são comparados com abordagens padrão. Este papel mostra e forma interativa para eliminar tanto lag como desejado de filtros de suavização. Naturalmente, o atraso reduzido vem ao preço da suavidade de filtro diminuída. O filtro não exibe excesso transitório comumente encontrado em filtros de ordem superior. Decomposição do Modo Empírico Uma nova abordagem para detecção de ciclo e tendência. Transformada de Fourier para Comerciantes O problema com a Transformada de Fourier para a medição de ciclos de mercado é que eles têm uma resolução muito pobre. Neste artigo, mostro como usar outra transformação não-linear para melhorar a resolução de modo que as transformações de Fourier sejam utilizáveis. O espectro medido é exibido como um mapa de calor Indicadores Indicador de faca suíça são apenas respostas de transferência de dados de entrada. Por uma simples mudança de constantes, este indicador pode se tornar um EMA, SMA, 2 Pole Gaussian Low Pass Filtro, 2 Pole Butterworth Low Pass Filter, um FIR mais suave, um filtro Bandpass, ou um Bandstop filtro. Filtro Ehlers Um filtro não-linear incomum é descrito. Este filtro está entre os mais sensíveis às mudanças de preços, mas mais suave nos mercados laterais. Avaliação do desempenho do sistema Fator de lucro (ganhos brutos divididos por perdas brutas) é análogo ao fator de desembolso no jogo. Assim, quando o Fator de Lucro é combinado com os vencedores percentuais em uma série de eventos aleatórios, exemplos de como um crescimento da equidade de estratégia de negociação pode ser simulada. Este artigo descreve como descritores de desempenho comuns estão relacionados a esses dois parâmetros. Uma planilha do Excel é descrita, permitindo que você execute uma análise Monte Carlo de seus sistemas de negociação se você conhece esses dois parâmetros (fora da amostra). FRAMA (FRactal Adaptive Moving Average). Uma média móvel não linear é derivada usando o expoente de Hurst. MAMA é a mãe de todas as médias móveis adaptativas. Atualmente, o nome é um acrônimo para MESA Adaptive Moving Average. A ação não-linear deste filtro é produzida pelo retorno de fase cada meio ciclo. Quando combinados com a FAMA, uma sequência de média móvel adaptativa, os crossovers formam excelentes sinais de entrada e saída que são relativamente livres de whipsaws. Time Warp Without Space Travel Laguerre Os polinômios são usados ​​para gerar uma estrutura de filtro semelhante a uma média móvel simples com a diferença de que o espaçamento de tempo entre as torneiras do filtro é nolinear. O resultado permite a criação de filtros muito curtos com as características de suavização de filtros muito mais longos. Filtros mais curtos significam menos atraso. As vantagens do uso dos polinômios de Laguerre em filtros são demonstradas tanto em indicadores como em sistemas de negociação automáticos. O artigo inclui o código EasyLanguage. O oscilador CG O oscilador CG é único porque é um oscilador que é alisado e tem zero lag. Ele encontra o Centro de Gravidade (CG) dos valores de preço em um filtro FIR. O CG tem automaticamente a suavização do filtro FIR (semelhante a uma média móvel simples) com a posição do CG sendo exatamente em fase com o movimento de preços. O código EasyLanguage está incluído. Usando a Transformação de Fisher Muitos sistemas de negociação são projetados usando a suposição de que a distribuição de probabilidade de preços tem uma Distribuição de Probabilidade Normal ou Gaussiana sobre a média. Na verdade, nada poderia estar mais longe da verdade. Este artigo descreve como a Transformada de Fisher converte dados para ter quase uma Distribuição de Probabilidade Normal. Dada a distribuição de probabilidade é normal após a aplicação da transformada de Fisher, os dados são utilizados para criar pontos de entrada com precisão cirúrgica. O artigo inclui o código EasyLanguage. A Transformada Inversa de Fisher A Transformada Inversa de Fisher pode ser usada para gerar um oscilador que muda rapidamente entre sobrevenda e sobrecompra sem pontas de prova. Gaussian Filters Lag é a queda de filtros de suavização. Este artigo mostra como o atraso pode ser reduzido eo alisamento de fidelidade mais alto é obtido pela redução do atraso de componentes de alta freqüência nos dados. Uma tabela completa de coeficientes de filtro gaussiano é fornecida. Pólos e Zeros Descrição dos filtros digitais em termos de Z Transforma. As ramificações de filtros de ordem superior são descritas. Tabelas de coeficientes para 2 pólos e 2 pólo Butterworth filtros são dadas. Moving médias coisas Motivado por e-mail de Robert B. Recebo este e-mail perguntando sobre o Hull Moving Average (HMA) e. E você nunca ouviu falar dele antes. Uh. está certo. Na verdade, quando eu googled eu descobri lotes de médias móveis que eu nunca ouvi falar, tais como: Zero Lag Exponencial Média Móvel Wilder Média Móvel Mínimo Praça Média Móvel Triangular Média Móvel Média Móvel Adaptativa Média móvel Jurik. Então, eu pensei em conversar sobre as médias móveis e. Você fez isso antes, como aqui e aqui e aqui e aqui e. Sim, sim, mas isso foi antes de eu saber de todas essas outras médias móveis. Na verdade, os únicos com quem eu joguei foram esses, onde P 1. P 2. P n são os últimos n preços das ações (sendo P n o mais recente). Média Móvel Simples (SMA) (P 1 P 2, P n) K onde K n. Média Móvel Ponderada (WMA) (P 1 2 P 2 3 P 3.n P n) K onde K (12.n) n (n1) 2. Média Móvel Exponencial (EMA) (P n 945 P n-1 945 2 P n-2 945 3 P n-3.) K em que K 1 945945 2. 1 (1-945). Whoa Ive nunca visto que EMA fórmula antes. Eu sempre thoguht foi. Sim, normalmente é escrito de forma diferente, mas eu queria mostrar que esses três têm receitas semelhantes. (Veja as coisas EMA aqui e aqui.) Na verdade, todos eles parecem: Note que, se todos os Ps são iguais, digamos, Po, então a média móvel é igual a Po também. E essa é a maneira que qualquer média que se preze deve se comportar. Então, qual é melhor Definir melhor. Aqui estão algumas médias móveis, tentando acompanhar uma série de preços de ações que variam de uma forma sinusoidal: Preços de ações que seguem uma curva senoidal Onde você encontrou um estoque como aquele Preste atenção Observe que as médias móveis comumente usadas (SMA, WMA E EMA) atingem seu máximo mais tarde do que a curva sinusoidal. Isso é retardado e. Mas e esse cara da HMA? Ele parece muito bem Sim, e é disso que queremos falar. De fato. E o que é que 6 em HMA (6) e eu vejo algo chamado MMA (36) e. Paciência. Hull Moving Average Começamos calculando a Média Móvel Ponderada (WMA) de 16 dias assim: 1 WMA (16) (P 1 2 P 2 3 P 3. 16 P n) K com K 12 16 136. Embora seja bom E smoooth, itll têm um lag maior do que wed como: Então, olhe para o WMA de 8 dias: Eu gosto Sim, ele segue as variações de preços bastante bem. Mas há mais. Enquanto WMA (8) olha para os preços mais recentes, ainda tem um atraso, por isso vemos o quanto a WMA mudou quando vai de 8 dias para 16 dias. Essa diferença seria assim: em certo sentido, essa diferença dá alguma indicação de como a WMA está mudando. Por isso, adicionamos esta alteração à nossa anterior WMA (8) para dar: 2 WMA (16) WMA (16) WMA (16) WMA (8) WMA (8) - WMA (16). MMA Por que chamá-lo de MMA Eu gaguejo. De qualquer forma, o MMA (16) ficaria assim: Mal posso esperar Paciência. tem mais. Agora vamos introduzir a transformação mágica e obter. Ta-DUM Isso é casco Sim. Como eu o entendo Mas o que é o ritual mágico Tendo gerado uma série de MMAs envolvendo as médias móveis ponderadas de 8 dias e 16 dias, nós olhamos atentamente para esta seqüência de números. Em seguida, calculamos o WMA nos últimos 4 dias. Isso dá a Hull Moving Average que weve chamado HMA (4). Huh 16 dias então 8 dias então 4 dias. Você joga uma moeda para ver quantos. Você escolhe um número de dias, como n 16. Então você olha para WMA (n) e WMA (n2) e calcula MMA 2 WMA (n2) - WMA (n). (No nosso exemplo, thatd ser 2 WMA (8) - WMA (16).Em seguida, você calcular WMA (sqrt (n)) usando apenas o último sqrt (n) números da série MMA. (No nosso exemplo, thatd ser calculadora Um WMA (4), usando a série de MMA.) E para esse gráfico engraçado de SINE Howd ele faz Assim wheres a planilha Im que trabalha ainda nele: MA-stuff. xls É interessante ver como as várias médias móveis reagem aos picos: É HMA realmente uma média móvel ponderada Bem, vamos ver: Temos: MMA 2 WMA (8) - WMA (16) 2 (P 1 2 P 2 3 P 3. 8 P n) 36 - (P 1 2 P 2 3 P 3 16 P n) 136 ou MMA 2 (136) - (1136) P 1 2 P 2 8 P 8 - (1136) 9 P 9 10 P 10 16 P 16 Por razões sanitárias, escreva assim: MMA w 1 P 1 w 2 P 2 w 16 P 16. Note que todos os pesos adicionam a 1. Além disso, wk 2 (136) - (1136) K para K 1, 2. 8 e wk - (1136) K Para K 9, 10. 16. Então, fazendo o ritual mágico de raiz quadrada (onde sqrt (16) 4) temos (lembrando que P 16 é o valor mais recente) HMA a WMA de 4 dias dos MMAs acima ( W 1 P 1 w 2 P 2. W 16 P 16) 2 (w 1 P 0 w 2 P 1 w 16 P 15) 3 (w 1 P -1 w 2 P 0. W 16 P 14) 4 (w 1 P -2 w 2 P -1 W 16 P 13) 10 (observando que 1234 10). Huh P 0. P -1. O que. O MMA (16) usa os últimos 16 dias, de volta ao preço foram callling P 1. Se calcularmos a média ponderada de 4 dias dos MMAs, bem estaremos usando o MMA de ontem (e isso vai um dia antes de P 1) eo dia antes disso, o MMA volta a 2 dias antes de P 1 eo dia Antes disso. Ok, então você está chamando-lhes preços P 0. P -1 etc. etc. Você entendeu. Assim, um HMA de 16 dias realmente usa informações que remontam mais de 16 dias, certo. Você entendeu. Mas há pesos negativos para eles preços antigos É que legal A prova está no. Sim sim. A prova está no pudim. Então, o que faz a planilha fazer Até agora parece que isto: (Clique na imagem para fazer o download.) Você pode escolher uma série SINE ou uma série RANDOM de preços das ações. Para este último, cada vez que você clicar em um botão você terá outro conjunto de preços. Então você pode escolher o número de dias: thats nosso n. (Por exemplo, usamos n 16 para o nosso exemplo, acima.) Além disso, se você escolher a série SINE, você pode introduzir picos e movê-los ao longo do gráfico. como isso . Note que usamos n 16 e n 36 (na imagem da planilha) porque n2 e sqrt (n) são ambos inteiros. Se você usa algo como n 15, então a planilha usa a parte INT eger de n2 e sqrt (n), ou seja, 7 e 3. Então, é o Hull Moving Average o melhor Definir melhor. Eu não sei nada sobre isso. É proprietário e você tem que pagar para usá-lo. No entanto, permite jogar com médias móveis. Outra Média Móvel Suponha que, em vez da Média Móvel Ponderada (onde os pesos são proporcionais a 1, 2, 3.). Nós usamos o ritual mágico do casco com a média movente exponencial. Ou seja, consideramos: MAg 2 EMA (n2) - EMA (n) MAg Sim, isso é M oving A verage g imnick ou M oving A verage g eneralized ou M oving A verage g rand ou. Atenção Atenção Nós escolhemos nosso número favorito de dias, como n 16, e calculamos MAg (n, 945, k) 945 EMA (nk) - (1-945) EMA (n). Podemos jogar com 945 e k e ver o que temos: Por exemplo, aqui estão alguns MAgs (onde estavam aderindo a 16 dias, mas mudando os valores de 945 e k): MAg (16) 2 EMA (4) - EMA 16) Nota: quando escolhemos k 3 obtemos nk 163 5.333 que mudamos para simples e simples 5.0. Por que você não fica com as escolhas de Hulls: 945 2 e k 2 Boa idéia. Veja isto: MAg (16) 2 EMA (8) - EMA (16) Parece que o gráfico com 945 1,5 e k 3. Ele faz, não faz Você goof. Novamente Possivelmente. Assim que sobre esse ritual da raiz quadrada eu deixo que como um exercício. Para você Ok, enquanto joga com essa coisa MAg eu acho que Hulls k 2 funciona muito bem. Tão bem aderir a isso. No entanto, muitas vezes temos uma média bastante agradável quando adicionamos apenas uma pequena parte da mudança: EMA (n2) - EMA (n). Na verdade, bem, adicione apenas uma fração 946 dessa mudança. Isto dá: MAg (n, 946) EMA (n2) 946 EMA (n2) - EMA (n). Ou seja, nós escolhemos 946 0,5 ou talvez apenas 946 0,25 ou qualquer coisa e use: Por exemplo, se compararmos o nosso bando de médias móveis como eles rastrear uma função STEP, obtemos isto, onde somamos (para MAg) apenas 946 12 de o troco. Sim, mas qual é o melhor valor do beta. Definir melhor: Note que beta 1 é a escolha Hull. Exceto que estavam usando EMAs em vez de WMAs. E você deixa de fora aquela coisa de raiz quadrada. Uh, sim. Eu esqueci disso. Nota . A planilha muda de hora para hora. Ele atualmente se parece com isso Algo para brincar Com eu tenho uma planilha que se parece com isso. Clique na imagem para fazer o download. Você escolhe um estoque e clica em um botão e recebe um ano de preços diários. O que você escolher ou HMA ou MAg, alterando o número de dias e, para MAg, o parâmetro, e ver quando você deve comprar RO VENDA. Quando Com base em quais critérios Se a média móvel é DOWN x de seu máximo nos últimos 2 dias, você COMPRA. (No exemplo, x 1.0) Se sua UP y de seu mínimo nos últimos 2 dias, VENDER. (No exemplo, y 1.5) Você pode alterar os valores de xey. É bom. Esses critérios eu disse que era algo para brincar. Theres esta outra técnica de suavização chamada o Filtro de Hodrick-Prescott. Com a ajuda de Ron McEwan, agora está incluído nesta planilha: É bom jogar com ele. Youll aviso que theres um parâmetro que você pode alterar na célula M3. E COMPRAR e VENDER sinais.