|
移动平均线是最常用的技术指标。 在使用均线时，很多人都会遇到类似困境： 短期均线表现灵敏、反应快速，但常常发出错误信号； 长期均线表现稳定、错误率低，但又总是反应滞后。 到底应该选择短期均线还是长期均线？均线参数究竟应该如何设置？这些问题总是让人左右为难。 迫不得已，我们只能重新审视这个问题，寻找症结所在： 情况1 市场趋势明显时：短期均线的表现更好。 情况2 市场趋势不明显时：长期均线的表现则会更好。 总体而言： 短期均线比较灵敏，但存在太多“噪音”干扰； 长期均线虽然比较可靠，但又存在严重滞后。 那么，是否存在这样一条均线： 当市场趋势出现时，它可以变得快速灵敏；而当市场区间盘整时，它又能变慢，变得稳定可靠呢？ 考夫曼设计了这一种均线：考夫曼自适应移动平均线，KAMA或者AMA。 KAMA——考夫曼自适应移动平均线，Kaufman Adaptive Moving Average。 考夫曼自适应移动平均线试图调整其平滑度以自动的匹配当前的市场状况。 当价格在一个方向上稳定移动时，它适应快速移动平均线，当市场表现出大量噪音时，它适应缓慢移动平均线。 它需要一个参数，效率比周期n Kaufman 自适应移动平均线首先计算该时间段内的效率比为：
之后计算：
最后，考夫曼自适应移动平均线可以计算如下：
可见，考夫曼均线本质上还是EMA均线（也叫EXPMA，指数平滑移动平均线，指数平均线）的变种。 EMA是这一类均线的基础。 但是，由上面的公式，我们可以清晰的看出，对于普通的EMA来说，这里的参数a是固定的，比如对于20天EMA均线来说，对应的a为： a=2/(20+1) 而从上面的考夫曼均线，我们可以看出，这个参数a现在能够自适应的根据价格波动来变化了。 考夫曼的这种根据当时行情动态修正平滑因子a的思想，的确是积极的。 这种想法简单粗暴，也没有什么数学证明，就是这么应用了，而且效果也还不错。 但是我们从EMA的原理可知，EMA族均线固有的延迟特性仍然还是存在。 即使考夫曼这种随着价格波动来自动调整平滑因子a，以尽可能的减少延迟，但数学原理决定了，考夫曼均线仍然不可避免的存在延迟。 那么，如何更平滑而积极的跟踪价格的波动呢？ 能不能在数学上证明出一种没有延迟的均线呢？ 可以看下面这篇文章： 上面这种均线中的瞬时趋势线IT（我习惯称为零延迟均线、或零滞后均线）。
这个均线，就能够从理论上彻底的消除延迟。 具体的数学证明可以参考上面文章的详细介绍。 那么实际对比这么样呢？ 利用DLL技术，编写了零延迟均线计算程序DLL。 下面对比一下EMA、KAMA和零延迟均线： 考夫曼的原始程序是10天作为例子的，所以这里三个均线的时间周期我都设置称为10天了。 1)黄线为10天的指数平均线EMA； 2)紫线为10天的考夫曼均线KAMA； 3)白线为10天的零延迟均线IT。
三种均线的变化形式非常明显， 考夫曼利用直觉，为我们带来了一根好用的均线，从直觉上能够快速的跟踪价格变化。 相比老旧的指数平均线EMA，KAMA的确直观上更好的跟踪了趋势变化。 在零延迟均线面前，KAMA这种工程师直觉指标，就抵不过纯数学指标——零延迟均线了。 零延迟均线，纯从数学出发，利用滤波，完全做到了自动跟踪价格的波动，理论完美，跟踪效果极好。 零延迟均线能够更好地平滑和跟踪趋势。 在这里，我们看到了工程师直觉与数学理论的冲击。
|
|
|
