میانگین متحرک متغیر - استراتژی معاملاتی Backtest (آیا کار می کند؟)

معامله گران همیشه به دنبال راه هایی برای بهبود عملکرد میانگین متحرک نمایی و استفاده از شاخص نوسانات (VI) برای تنظیم دوره هموار سازی هستند زیرا تغییر شرایط بازار باعث افزایش میانگین متحرک شده است. اما آیا می دانید آن چیست؟و آیا می دانید یک استراتژی متوسط در حال حرکت متغیر کار می کند؟

بله ، استراتژی های متوسط در حال حرکت متغیر کار می کنند. آزمونهای پشتی ما نشان می دهد که یک متغیر متحرک متغیر می تواند برای هر دو استراتژی متوسط و روند پیروی از سهام سودآور باشد.

میانگین متحرک متغیر (VMA) یک میانگین متحرک نمایی (EMA) است که می تواند به طور خودکار درصد صاف کننده خود را بر اساس نوسانات بازار تنظیم کند. ایده پشت VMA این است که به صورت پویا یک میانگین متحرک را با نوسانات یک روند سازگار کنیم. حساسیت آن با اختصاص وزن بیشتر به داده های در حال انجام بهبود می یابد ، در نتیجه سیگنال بهتری برای بازارهای کوتاه مدت و بلند مدت ایجاد می کند.

فهرست مطالب:

متغیر متحرک در حال حرکت استراتژی متوسط و بهترین تنظیمات

قبل از اینکه توضیح دهیم که میانگین متحرک متغیر چیست و چگونه می توانید آن را محاسبه کنید ، ما مستقیماً به ذات آنچه در مورد این وب سایت در مورد آن است ، می رویم: پشتی های کمکی.

فرضیه ما ساده است:

آیا یک استراتژی متوسط در حال حرکت متغیر کار می کند؟آیا می توانید با استفاده از استراتژی های متوسط متحرک متحرک درآمد کسب کنید؟

ما به بیشترین ابزار در جهان نگاه می کنیم: S& P 500. ما در SPDR S& P 500 Trust ETF که دارای جاسوسی کد Ticker است ، آزمایش می کنیم.

در کل ، ما چهار پشتی مختلف انجام می دهیم:

1. استراتژی 1: هنگامی که نزدیک جاسوسی از زیر میانگین حرکت N-Day عبور می کند ، ما جاسوسی را در نزدیکی خریداری می کنیم. ما وقتی جاسوسی بالاتر از همان میانگین بسته می شود ، می فروشیم. ما از CAGR به عنوان متریک عملکرد استفاده می کنیم.
2. استراتژی 2: برعکس ، هنگامی که نزدیک به جاسوسی بالاتر از میانگین متحرک N-Day ، ما جاسوسی را در نزدیکی خریداری می کنیم. ما وقتی جاسوسی زیر همان میانگین بسته می شود ، می فروشیم. ما از CAGR به عنوان متریک عملکرد استفاده می کنیم.
3. استراتژی 3: هنگامی که نزدیک به جاسوسی از زیر میانگین متحرک N-Day عبور می کند ، ما بعد از N روز می فروشیم. ما برای ارزیابی عملکرد از میانگین سود هر درصد استفاده می کنیم ، نه CAGR.
4. استراتژی 4: هنگامی که نزدیک به جاسوسی بالاتر از میانگین متحرک N-Day عبور می کند ، ما بعد از N-Days می فروشیم. ما برای ارزیابی عملکرد از میانگین سود هر درصد استفاده می کنیم ، نه CAGR.

نتایج دو پشتی اول به این شکل است:

استراتژی 1

استراتژی 2

نتایج حاصل از بک‌آزمون‌ها بسیار آشکار است: در کوتاه‌مدت، بازار سهام تمایل به بازگشت به میانگین نشان می‌دهد. در درازمدت بهتر است از استراتژی های دنبال کننده روند استفاده کنید.

چرا به این نتیجه می رسیم؟

زیرا اگر از میانگین متحرک کوتاه استفاده کنیم، بهترین استراتژی این است که وقتی سهام به زیر میانگین می‌رسد، خرید کنیم و زمانی که میانگین متحرک می‌چرخد و بالاتر از میانگین متحرک بسته می‌شود، بفروشیم (خرید روی ضعف و فروش بر روی قدرت). این یک استراتژی کلاسیک بازگشت میانگین است. این به وضوح در اولین آزمایش بالا برای میانگین متحرک 5 روزه قابل مشاهده است. میانگین متحرک 5 روزه CAGR 8. 53٪ را برمی گرداند که تقریباً به خوبی خرید و نگهداری است، حتی اگر زمان صرف شده در بازار به میزان قابل توجهی کمتر باشد.

هنگامی که ما روی قدرت خرید می کنیم و با ضعف می فروشیم، در آزمون دوم جدول بالا، بهترین استراتژی استفاده از روزهای زیاد در میانگین است. هر چه میانگین طولانی تر باشد، بهتر است. میانگین متحرک 200 روزه 6. 21 درصد بازده دارد که بسیار مناسب است.

نتایج حاصل از بک‌آست‌های 3 و 4 به این شکل است (نتایج CAGR نیستند، بلکه میانگین سود در هر معامله هستند):

استراتژی 3

استراتژی 4

همانطور که انتظار می رود، هر چه مدت بیشتری در بازار سهام باشید، بازده بهتری خواهید داشت. این به دلیل باد دنباله دار به شکل تورم و افزایش بهره وری است.

با این حال، توجه داشته باشید که این تنها یکی از روش‌های آزمایش میانگین متحرک است. اساساً راه‌های نامحدودی وجود دارد که می‌توانید از میانگین متحرک استفاده کنید و احتمالاً تخیل شما محدودکننده‌ترین عامل است!

میانگین متحرک متغیر (VMA) چیست؟

همچنین به عنوان میانگین پویا شاخص نوسان (VIDyA) شناخته می شود، میانگین متحرک متغیر (VMA) یک میانگین متحرک نمایی با یک شاخص نوسان در فرمول هموارسازی است. به بیان دقیق، VMA یک نسخه اصلاح شده از VIDyA است: در حالی که VIDyA از انحراف استاندارد به عنوان شاخص نوسان استفاده می کند، VMA از نوسانگر مومنتوم چاند برای اندازه گیری نوسانات استفاده می کند.

هر دو توسط Tushar S. Chande به ترتیب در سال 1992 و 1995 معرفی شدند. ایده اصلی پشت میانگین متحرک متغیر، تطبیق پویا میانگین متحرک نمایی با نوسانات یک روند است.

میانگین‌های متحرک سنتی نمی‌توانند قیمت‌های متحرک جانبی را در مقابل بازارهای در حال رشد جبران کنند و اغلب سیگنال‌های نادرست زیادی تولید می‌کنند. برای مثال، زمانی که قیمت‌ها در یک دوره طولانی بالا و پایین می‌روند، میانگین‌های متحرک بلندمدت نسبت به تغییر روند واکنش کند نشان می‌دهند. اما VMA حساسیت خود را تنظیم می کند و با استفاده از تنظیم خودکار ثابت هموارسازی به آن اجازه می دهد در هر شرایط بازار بهتر عمل کند.

VMA متعلق به گروه میانگین متحرک تطبیقی است که به عنوان میانگین متحرک هوشمند نیز شناخته می شود. حساسیت آن با اختصاص وزن بیشتر به داده های جاری بهبود می یابد زیرا نشانگر سیگنال بهتری برای بازارهای کوتاه مدت و بلندمدت ایجاد می کند.

نحوه محاسبه VMA

فرمول VMA کمی با فرمول VIDyA متفاوت است. در اینجا فرمول دشمن VMA آمده است:

P = قیمت فعلی

P1 = قیمت 1 دوره قبل

P2 = قیمت 2 دوره قبل

a = ثابت هموارسازی 2/(n+1)

b = مقدار مطلق (F(P)/100)

n = تعداد دوره های تعریف شده توسط کاربر برای میانگین

فرمول محاسبه VIDyA مشابه فرمول VMA است. فرمول را می توان به صورت زیر نوشت:

VIDyA = [P + (a*bv)P₁+ (a*bv) 2 P₂+ … + (a*bv) (n-1) P_(n-1)]/ [1 + (a*bv) + (a*bv) 2 + … + (a*bv) (n-1) ]

P = قیمت فعلی

P1 = قیمت 1 دوره قبل

P2 = قیمت 2 دوره قبل

a = ثابت هموارسازی 2/(n+1)

n = تعداد دوره های تعریف شده توسط کاربر برای میانگین

bv = 5 دوره std dev / 20 period std dev

فرمول VIDyA را نیز می توان به این کاهش داد:

VIDyA = 2 / (BP +1) * VI * (بستن - VIDYA قبلی) + VIDYA قبلی

BP = دوره نوار کاربر برای MA

VI = شاخص نوسان که به صورت پویا برای تطبیق دوره نوار با یک روند استفاده می شود.

در حالی که VI می تواند هر شاخصی باشد، نسبت کارایی بیشترین استفاده را برای این منظور دارد

VI = ER = تغییر / مجموع تغییرات مطلق

"تغییر" به عنوان تغییر بیش از انتخاب شده توسط یک دوره نوار کاربر (BP) محاسبه می شود، در حالی که "مجموع تغییرات مطلق" به عنوان مجموع تغییرات مطلق هر نوار در دوره انتخاب شده محاسبه می شود.

چرا از VMA استفاده کنیم؟

VMA یا VIDyA به طور خودکار درصد هموارسازی خود را مطابق با نوسانات فعلی بازار تنظیم می کند. این نه تنها به کاهش نویز کمک می کند، بنابراین می توان به وضوح متوجه شد که قیمت چه کاری انجام می دهد، بلکه با شرایط حاکم بر بازار سازگار می شود.

از این اندیکاتور می توان برای نظارت بر روند قیمت و نوسانات قیمت فردی استفاده کرد. به طور کلی، زمانی که قیمت بالاتر از VMA است و LWMA در حال افزایش است، احتمالا یک روند صعودی وجود دارد، و زمانی که قیمت زیر LWMA باشد و LWMA به سمت پایین باشد، احتمالا یک روند نزولی وجود دارد.

نحوه استفاده از VMA

بسیاری از پلتفرم‌های معاملاتی دارای نشانگر VMA داخلی نیستند، بنابراین ممکن است مجبور شوید خودتان یکی را کدنویسی کنید یا به کسی پول بدهید تا این کار را برای شما انجام دهد. هنگامی که نشانگر VMA سفارشی خود را دارید، آن را به نمودار وصل کنید. خط نشانگر را خواهید دید که روند قیمت و نوسانات را دنبال می کند.

توجه داشته باشید که هرچه دوره ای که آن را تنظیم کرده اید طولانی تر باشد ، صاف تر است و آهسته تر به قیمت واکنش نشان می دهد. بنابراین ، اگر می خواهید این روند طولانی مدت را نشان دهد ، تعداد بالایی را تعیین کنید ، برای دوره 100 یا 200 بگویید.

چگونه می توانید از VMA استفاده کنید؟

یکی از راه های استفاده از VMA ، شناسایی جهت روند است. جدای از فقط شناسایی روند ، می تواند به عنوان یک سطح پشتیبانی در طی صعود یا سطح مقاومت در طی پایین آمدن عمل کند. بنابراین ، با کمک الگوی شمعدان وارونه یا نوسان ساز ، می توانید متوجه شوید که یک بازپرداخت برای ادامه روند به پایان می رسد ، که می تواند یک سیگنال تجاری خوب باشد.

از طرف دیگر ، می توانید از دو شاخص VMA استفاده کنید یا یک VMA را با میانگین متحرک دیگر ترکیب کنید. در این حالت ، شما از یک متقاطع از یک میانگین متحرک نسبت به دیگری به عنوان سیگنال استفاده می کنید تا به صورت طولانی یا کوتاه باشد.

اشکالاتی با VMA

مانند هر نوع متوسط متحرک دیگر ، VMA محدودیت های خود را دارد. برخی از آنها به شرح زیر است:

1. فاکتور تاخیر: با وجود سازگاری ، این شاخص هنوز عقب مانده است زیرا از داده های قیمت گذشته در محاسبه خود استفاده می کند.
2. سیگنال های کاذب: VMA یا نوع دیگر آن ، Vidya ، می تواند چندین سیگنال کاذب ارائه دهد. این می تواند بسیار متداول باشد که قیمت به طور تصادفی بدون گرایش در هر جهت حرکت کند. در حالی که این شاخص بهبودی در میانگین متحرک نمایی سنتی است ، اما هنوز هم می توانید چندین سیگنال کاذب داشته باشید قبل از اینکه یک روند قابل توجه توسعه یابد.

مقالات مربوطه در مورد حرکت به طور متوسط استراتژی ها و پشتی ها

میانگین حرکت برای مدت طولانی در بازارهای معاملاتی بوده است. به احتمال زیاد ، استراتژی های متوسط در حال حرکت شروع استراتژی های تجاری سیستماتیک و خودکار است که در دهه 1970 توسعه یافته است ، به عنوان مثال توسط Ed Seykota. ما معتقدیم که به راحتی می توان فرض کرد که میانگین های متحرک قبل از دهه 1990 به دلیل ظهور رایانه شخصی ، یک شاخص تجاری بسیار بهتر بودند. کمترین میوه آویزان "از بین رفته است".

گفته می شود ، پشتی های ما به وضوح نشان می دهد که شما می توانید استراتژی های معاملاتی سودآور را بر اساس میانگین های متحرک توسعه دهید اما عمدتاً بر اساس بازده میانگین کوتاه مدت و روند طولانی تر است. علاوه بر این ، میانگین های مختلف در حال حرکت وجود دارد و می توانید از یک میانگین متحرک متفاوت/خلاقانه استفاده کنید ، یا می توانید میانگین های متحرک را با پارامترهای دیگر ترکیب کنید.

برای راحتی شما ، ما تمام میانگین های متحرک را با هر دو توضیحات مفصل و پشتی پوشش داده ایم. این لیست ما است:

ما همچنین استراتژی های متوسط متحرک مربوط به معاملات مربوطه را منتشر کرده ایم:

میانگین متحرک متغیر - غذای آماده

غذای آماده ما از پشتی این است که اگر در هنگام استفاده از چند روز کوتاه ، استراتژی های متوسط متحرک متغیر به خوبی کار می کنند. در مقابل ، بهتر است وقتی از میانگین متحرک طولانی تر استفاده می کنید ، قدرت (نزدیک به میانگین متحرک) بخرید.