เศษส่วน ปรับตัว เคลื่อนไหว เฉลี่ย ม่า

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 สูตรของมิติมิติ: D (LOG (N1 N2) - LOG (N3)) LOG (2) คำนวณจากสูตรเพิ่มเติม: N (Length, i) (HighestPrice (i) - LowestPrice (i)) ความยาวสูงสุด (i) - ค่าสูงสุดปัจจุบันสำหรับระยะเวลาความยาวต่ำสุด (i) - ค่าที่น้อยที่สุดในปัจจุบันสำหรับระยะเวลาความยาวค่า N1, N2 และ N3 มีค่าเท่ากับ N1 (i) N (Length, i) N2 (i) N (Length, (FRAMA) ได้รับการพัฒนาโดย John Ehlers และได้รับการพัฒนาโดย Frank Ehlers ตัวบ่งชี้นี้ถูกสร้างขึ้นตามอัลกอริทึมของค่าเฉลี่ยเคลื่อนที่แบบเสวนา (Exponential Moving Average) ซึ่งมีการคำนวณปัจจัยการให้เรียบตามมิติเศษส่วนปัจจุบันของชุดราคา ข้อได้เปรียบของ FRAMA คือความเป็นไปได้ที่จะทำตามแนวโน้มการเคลื่อนไหวที่แข็งแกร่งและชะลอตัวลงอย่างเพียงพอในช่วงเวลาที่การรวมราคา สามารถใช้การวิเคราะห์ทุกประเภทสำหรับ Moving Averages ในตัวบ่งชี้นี้ได้ คุณสามารถทดสอบสัญญาณการค้าของตัวบ่งชี้นี้ได้โดยการสร้าง Expert Advisor ใน MQL5 Wizard การคำนวณ FRAMA (i) A (i) ราคา (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) มูลค่าปัจจุบันของ FRAMA ราคา (i) ราคาปัจจุบัน FRAMA (i-1) FRAMA A (i) ปจจัยปจจุบันของการเรียบลําดับความ (I) EXP (-4.6 (D (i) - 1) D (i) มิติเศษส่วนปัจจุบันของ EXP () ฟังก์ชันทางคณิตศาสตร์ของเลขยกกำลัง (exponentential smoothing factor) เส้นรอบวงของเส้นตรงมีค่าเท่ากัน เห็นได้จากสูตรที่ว่าถ้า D 1 ดังนั้น A EXP (-4.6 (1-1)) EXP (0) 1 ดังนั้นถ้าราคามีการเปลี่ยนแปลงเป็นเส้นตรงจะไม่ใช้การทำให้เรียบเป็นทวีคูณเนื่องจากในกรณีดังกล่าวสูตร มีลักษณะเช่นนี้ FRAMA (i) 1 ราคา (i) (1 1) FRAMA (i1) ราคา (i) I. ตัวบ่งชี้ตรงตามราคา มิติเศษส่วนของระนาบมีค่าเท่ากับสอง จากสูตรที่เราได้รับว่าถ้า D 2 แล้วปัจจัยการทำให้ราบเรียบ EXP (-4.6 (2-1)) EXP (-4.6) 0.01 เมื่อมีราคาทำให้การเคลื่อนที่ของฟันเลื่อยที่แข็งแกร่ง การชะลอตัวลงนี้สอดคล้องกับค่าเฉลี่ยเคลื่อนที่ประมาณ 200 จุด สูตรของมิติมิติ: D (LOG (N1 N2) - LOG (N3)) LOG (2) คำนวณจากสูตรเพิ่มเติม: N (Length, i) (HighestPrice (i) - LowestPrice (i)) ความยาวสูงสุด (i) ค่าสูงสุดที่ใช้ในปัจจุบันสำหรับระยะเวลาความยาวต่ำสุด (i) ค่าที่น้อยที่สุดในปัจจุบันสำหรับระยะเวลาความยาวค่า N1, N2 และ N3 มีค่าเท่ากับ N2 (i) N (ความยาว i ยาว) N3 (i) N (2 Length, (FRAMA) FRAMA ย่อมาจาก Fractal Adaptive Moving Average และเราได้จัดประเภทเป็น Log-Normal Adaptive Moving Average (LAMA) สร้างโดย John F Ehlers (ดูกระดาษต้นฉบับหรือบทความจากฉบับปี 2005 จากการวิเคราะห์ทางเทคนิคของหุ้นและสินค้าโภคภัณฑ์ 8211 Fractal Moving Averages เฉลี่ย) ใช้ Geometry เศษส่วนในความพยายามที่จะปรับระยะเวลาการปรับให้เรียบแบบไดนามิกเพื่อให้เหมาะกับการเปลี่ยนแปลงราคา ล่วงเวลา. ทฤษฎี FRAMA เป็นทฤษฎีที่ฉลาด แต่ทฤษฎีฉลาด don8217t รับประกันผลลัพธ์ที่ดีเพื่อให้เราสามารถวางแนวความคิดไว้ในวงแหวนสำหรับ 8216Technical Indicator Fight เพื่อ Supremacy 8216 แต่ก่อนที่เราจะดำเนินการต่อไปสิ่งสำคัญคือเราเข้าใจสิ่งที่เรากำลังทดสอบอยู่ ดังนั้นฉันจะอธิบายวิธีการทำงาน FRAMA แม้ว่าฉันต้องยอมรับมันเป็นบิตเหนือการศึกษาคณิตศาสตร์ที่ฉัน didn8217t ให้ความสนใจในโรงเรียน นอกจากนี้เราได้รวบรวมสเปรดชีต Excel ฟรีที่มี Fractional Adaptive Moving Average เพื่อให้คุณสามารถทดสอบได้ด้วยตัวคุณเอง (ถ้าคุณต้องการข้ามคณิตศาสตร์ไปที่ผลการทดสอบที่เสร็จสมบูรณ์ที่นี่ 8211 Is the FRAMA Effective) FRAMA หัวข้อวิธีการทำงานของ FRAMA ประการแรก FRAMA ใช้ประโยชน์จากข้อเท็จจริงที่ว่าตลาดการเงินเป็นแบบ fractal รูปเศษส่วนมีลักษณะหยาบหรือแตกเป็นชิ้นเล็กชิ้นน้อยและสามารถแบ่งออกเป็นชิ้นส่วนซึ่งแต่ละชิ้นมีขนาดอย่างน้อยคล้ายกับสำเนาขนาดที่เล็กกว่าของต้นฉบับ ตัวอย่างเช่นคุณสามารถเห็นอะไรแปลก ๆ เกี่ยวกับแผนภูมิด้านล่างได้โดยไม่ต้องบอกคุณจะรู้ว่าครึ่งซ้ายของแผนภูมิด้านบนเป็น 5 ปีของบาร์รายเดือนและครึ่งทางขวา 15 วันในแถบ 30 นาทีอาจเป็นเพราะการเคลื่อนไหวของราคาดู ไม่ว่าเราจะใช้กรอบเวลาใดกับสิ่งเหล่านี้ก็ตามลักษณะนี้เรียกว่า self-similarity และกำหนดรูปร่าง fractal เมื่อหาขนาดเศษส่วนหรือ 8220D8221 เราได้รับข้อบ่งชี้ว่า Fractal ปรากฏขึ้นเพื่อเติมเต็มช่องว่างเท่าใดเมื่อภาพขยายลงไปจนถึงเครื่องชั่งละเอียดและปลีกย่อย ลองนึกภาพแบบนี้: แผนภูมิสต็อคมีขนาดใหญ่เกินไปที่จะเป็นมิติเดียว แต่บางเกินไปที่จะเป็นสองมิติดังนั้นมิติข้อมูลเศษส่วนของมันคือการอ่านระหว่างหนึ่งถึงสอง (ดูรายละเอียดเพิ่มเติมใน Fractals และ 8220D8221 โปรดอ่านบทความนี้ 8211 มิติข้อมูลเศษส่วน) FRAMA ระบุขนาดเศษส่วนของราคาในช่วงเวลาที่ระบุและใช้ผลเพื่อปรับระยะเวลาการให้เรียบของค่าเฉลี่ยเคลื่อนที่แบบเสวนา การหา Fractal Dimension of Shape เพื่อหาขนาด Fractal 8220D8221 ของรูปร่างที่เรานำมาคลุมด้วย 8220F8221 จำนวนขนาดเล็กที่มีขนาดต่างกัน 8220S8221: เข้าสู่ระบบ D (F2 F1) (S1 S2) สำหรับคนที่ชอบฉัน didn8217t ให้ความสนใจในวิชาคณิตศาสตร์ 8216Log8217 ย่อมาจาก Logarithm และเป็นพลังที่ต้องเพิ่มจำนวนขึ้นเพื่อให้ได้ผลลัพธ์ที่กำหนด เว้นแต่จะมีการระบุไว้เป็นอย่างอื่นจำนวนพื้นฐานคือ 10: 103 10 10 10 หลังจากบทเรียนคณิตศาสตร์เร็ว ๆ นี้จะช่วยคำนวณขนาดเศษส่วนสำหรับส่วนของเส้นที่มีความยาว 10 เมตร ก่อนอื่นให้เลือกขนาดเล็ก 2 อันเช่น S1 1 เมตรและ S2 0.1 เมตร โดยวางกล่องขนาดเหล่านี้ไว้ในส่วนของเส้นที่เราสามารถใส่ได้ 10 ขนาด 1 เมตรและ 100 ขนาด 0.1 เมตร ดังนั้น F1 10 และ F2 100 ดังนั้นบันทึก D Log (F2 F1) (S1 S2) D เข้าสู่ระบบ (100 10) บันทึก (1 0.1) D บันทึก (10) บันทึก (10) เนื่องจาก D 1 เราได้เปิดเผยว่ามีเศษแล้ว เต็มรูปแบบในมิติเดียวซึ่งสมเหตุสมผลเนื่องจากรูปร่างที่วัดได้คือเส้นเรียบ สำหรับตัวอย่างที่สองแทนบรรทัดแบนให้ใช้ตารางที่ 10 x 10 เมตร การเก็บรักษา S1 และ S2 แบบเดิมเราได้รับ F1 100 และ F2 10,000 ดังนั้น Log D1 (F2 F1) Log (S1 S2) D Log (10,000 100) Log (1 0.1) D Log (100) Log (10) เนื่องจาก D 2 เราได้เปิดเผยว่า Fractal ได้เติมเต็มสองมิติซึ่งทำให้รู้สึกได้เนื่องจากรูปทรงที่วัดได้คือสี่เหลี่ยมจัตุรัสและสี่เหลี่ยมจัตุรัสต้องมีสองมิติ แต่ราคาหุ้นยังขาดความสม่ำเสมอ ดังนั้นเพื่อที่จะค้นพบราคาหุ้น 8220D8221 เราต้องใช้ขนาดเศษส่วนที่วัดได้โดยใช้เครื่องชั่งที่แตกต่างกัน การครอบคลุมเส้นโค้งราคากับชุดกล่องเล็ก ๆ เป็นเรื่องที่ยุ่งยากเกินไป แต่เนื่องจากตัวอย่างราคามีระยะห่างเท่า ๆ กัน (แต่ละแถบคือ 1 วัน 1 สัปดาห์ 10 นาทีเป็นต้น) Ehlers ตัดสินใจว่าความชันเฉลี่ยของเส้นโค้งสามารถใช้เป็นค่าประมาณได้ นับกล่อง นี่คือความซับซ้อนน้อยกว่าเสียงที่ลาดพบได้โดยการใช้ราคาสูงสุดในช่วงเวลาลบราคาต่ำสุดในช่วงเวลานั้นและหารผลตามจำนวนงวด เราจะเรียกมาตรการนี้ว่า 8220HL8221 เพราะฉะนั้น HL (สูงสุด, สูง) 8211 นาที (ต่ำ, N) N เราจะต้องหามาตรการ (ลาด) 8220HL8221 ในช่วงครึ่งปีแรกครึ่งหลังและความยาว 8220N8221 ถึง ช่วยให้เราหา 8220D8221, ชัดเจนเป็นโคลนวิธีการคำนวณค่าปรับ Fractal Moving Average เริ่มต้นด้วยราคา Close หลังจากนั้น FRAMA คำนวณตามสูตรต่อไปนี้: FRAMA FRAMA (1) (Close 8211 FRAMA (1)) คุณจะสังเกตเห็นว่านี่เป็นสูตรเดียวกับสูตรสำหรับ Exponential Moving Average (EMA): EMA EMA (1) ( ปิด 8211 EMA (1) แต่ Alpha ใน EMA คือ 2 (N 1) ดังนั้นค่าคงที่ในขณะที่ FRAMA EXP (W (D 8211 1)) ทำให้สามารถปรับเปลี่ยนตามการเปลี่ยนแปลง Fractal Dimension EXP เป็นที่รู้จักกันในชื่อ Exponential Function มันเหมือนกับ Log แต่แทนที่จะเป็นฐานที่สันนิษฐาน 10 มันมีฐาน 8220e8221 ดังนั้น x บันทึก (10x) และ x EXP (ex) โดยที่ 8220e8221 มีค่าประมาณ 2.718281828 สับสนยัง 8220e8221 เป็นจำนวนที่ไม่ซ้ำกันเนื่องจากความลาดเอียงของเส้นโค้งของมันคือ 1 เมื่อ x 0 และจะแก้ปัญหาดอกเบี้ยทบต้น Didn8217t รู้ว่ามีปัญหาเกี่ยวกับดอกเบี้ยทบต้นรวมทั้งไม่ได้ I. คุณจะเห็นว่าคุณลงทุน 1 ที่อัตราดอกเบี้ย 100 ครั้งที่คำนวณทุกปีเมื่อสิ้นปีแรกคุณจะมี 2 แบบง่ายๆ แต่ถ้าคุณรวมดอกเบี้ยในระหว่างปีจะได้รับบิตที่ซับซ้อนมากขึ้น เมื่อดอกเบี้ยถูกรวมทุก 6 เดือนคุณสามารถหาผลสำหรับปีโดยคูณ 1 โดย 1.5 สองครั้งดังนั้น 1.00 1.52 2.25 หากดอกเบี้ยรวมกันทุกไตรมาสผลที่ได้คือ 1.00 1.254 2.44 และรายเดือนก็คือ 1.00 1.083312 2.613035 ขอให้สังเกตว่าแต่ละครั้งที่คุณเพิ่มความถี่ของการทบมากขึ้นคุณจะได้รับผลลัพธ์ที่ใหญ่กว่านี่คือปัญหาความสนใจ 8216 ที่เกิดจากการแข่งขัน อย่างไรก็ตามหากคุณลงทุน 1 กับผลตอบแทน 100 ในแต่ละปีและดอกเบี้ยคือ compound ตลอดเวลาผลลัพธ์คือ 8216e8217 ถ้าจำนวน 8220Y8221 มีตัวแปรสุ่มที่มีการแจกแจงแบบปกติแล้ว EXP (Y) มีการแจกแจงแบบปกติ - ปกติ ราคาหุ้นเป็น Log-Normal ดังนั้น EXP จะใช้เพื่อให้ Fractal Dimension เป็น Alpha Log-Normal คืออะไรและอธิบายราคาหุ้นอย่างไร (ในทางทฤษฎี) การเปลี่ยนแปลงเปอร์เซ็นต์เพื่อให้ได้ราคาหุ้นในอนาคตในช่วงท้ายของช่วงเวลาคือ Normal Distributed นั่นคือการเปลี่ยนแปลงจะส่งผลให้ผลตอบแทนเป็นบวกหรือลบและ 95 ของผลลัพธ์ควรอยู่ในค่าเบี่ยงเบนมาตรฐาน 2 ค่าของค่าเฉลี่ย (ในความเป็นจริงการเปลี่ยนแปลงราคา aren8217t กระจายตามปกติ 8211 Michael Stokes อธิบายไขมันหาง) ราคาที่เป็นไปได้ที่จะเป็นผลมาจากการเปลี่ยนแปลงเหล่านั้นสามารถช่วงจากศูนย์และอนันต์ เนื่องจากหุ้นสามารถลดลงมากกว่า 100 อันทำให้ราคาเป็นลบ แต่สามารถมากกว่าสองเท่า ดังนั้นราคาจึงถูกกล่าวว่าเป็น Log-Normal แนวคิดนี้สร้างความสับสนในตอนแรก แต่ภาพมีค่ามากกว่า 1000 คำดังนั้นเมื่อต้องการแสดงให้เห็นว่าราคาหุ้นมีค่าประมาณ Log-Normal ฉันคำนวณการเปลี่ยนแปลงราคาในช่วงปีที่ผ่านมาในช่วง 10,000 วันทำการของ Dow ในทางทฤษฎีผลลัพธ์เหล่านี้จะถูกแจกจ่ายโดยปกติดังนั้นโดยการหา EXP ของพวกเขาและการวางแผนความถี่แต่ละผลที่เกิดขึ้นแผนภูมิข้างต้นแสดงให้เห็นถึงราคาปิดที่น่าจะเป็นที่สุดสำหรับดาวโจนส์ในเวลาหนึ่งปี ตอนนี้ถ้าหมายเลข 8220Y8221 เป็น Log-Normal แล้ว Log (Y) จะถูกแจกจ่ายตามปกติ ดังนั้นหากราคาหุ้นเป็นจริง Log-Normal แล้วโดยการ Log ของการเปลี่ยนแปลงราคาในแผนภูมิข้างต้นเราควรจะได้รับสิ่งที่มีลักษณะเป็นเส้นโค้งระฆัง: ด้านบนคุณจะเห็นเส้นโค้งระฆัง (ทั้งหมดไม่ว่าจะเป็นน่าเกลียดอย่างใดอย่างหนึ่ง) ที่จะแสดง ความเป็นไปได้ของโอกาสร้อยละใด ๆ ของดาวโจนส์ในปีหน้าระหว่าง -20 ถึง 25 ดังนั้นหวังว่าจะอธิบายว่า Log-Normal คืออะไรและทำไมมันถึงเป็นลักษณะของราคาหุ้น 8230 นี่เป็นบทเรียนคณิตศาสตร์ วิธีการคำนวณค่าเฉลี่ยการปรับตัวแบบเศษส่วน 8211 ต่อ FRAMA FRAMA (1) (ใกล้ 8211 FRAMA (1)) EXP (W (D 8211 1)) D (บันทึก (HL1 HL2) 8211 ล็อก (HL)) ล็อก (2) HL1 (สูงสุด, สูง) N HL2 (สูงสุด, สูงสุด) 8211 นาที (ต่ำ, N) N HL (สูงสุด (สูง, N) 8211 นาที (สูงสุด, ต่ำสุด) ต่ำ, N)) ระยะเวลา NN FRAMA ต้องเป็นตัวเลขคู่ W -4.6 (กำหนดโดย Ehlers แต่สามารถเปลี่ยนได้ดู: Modified FRAMA) ถ้า Alpha Alpha 0.01 และ Alpha 0.01 ถ้า Alpha gt 1 แล้ว Alpha 1 หา Fractal Dimension ตัวอย่างให้ดูที่ราคาทางทฤษฎีบางส่วนและเศษส่วนที่เป็นผลลัพธ์ ขนาด: ด้านบนเป็นเส้นโค้งราคาสามตอนนี้ให้คำนวณ 8220D8221 สำหรับแต่ละตำแหน่งที่ 8220N8221 100 D (บันทึก HL1 HL2) 8211 เข้าสู่ระบบ (HL)) เข้าสู่ระบบ (2) สำหรับ 8216Curve A8217 ช่วงเต็มจะถูกทำซ้ำในทั้งสองส่วนของแผนภูมิ ดังนั้นมันจึงมีอยู่อย่างเต็มที่ในสองขนาดและ D 2 สำหรับ 8216Curve B8217 เพียงครึ่งหนึ่งของช่วงที่จะเกิดซ้ำในแต่ละครึ่งของแผนภูมิดังนั้นจึงมีอยู่ในระหว่างหนึ่งและสองมิติหรือเฉพาะ D 1.58 ช่วงสำหรับ 8216Curve C8217 ไม่ซ้ำกันเลยระหว่างสองส่วนครึ่งของแผนภูมิดังนั้นจึงมีอยู่ในมิติเดียวและ D 1. ขนาดเส้นรอบวง 8220D8221 มีผลต่อระยะเวลาการปรับให้เรียบ 8220N8221 FRAMA ปรับตัวระหว่างการเป็น EMA แบบเร็วหรือช้า ในแบบเศษส่วนของราคาหุ้น Ehlers ออกแบบ EMA ที่ช้าที่สุดให้มีระยะเวลาประมาณ 200 ช่วงเวลาและเร็วที่สุดที่จะมีระยะเวลาหนึ่งหรือพูดอีกนัยหนึ่งก็เท่ากับราคาด้วย ดังนั้นสำหรับสามเส้นโค้งจากตัวอย่างก่อนหน้าของเราให้ดูว่า 8220D8221 เปลี่ยนแปลง 82208221 และมีผลต่อ 8220N8221 หรือระยะเวลาราบเรียบของ EMA ที่เป็นผลลัพธ์: EXP (W (D 8211 1)) N (EMA) (2 8211) (Ehlers set 8220W8221 เป็น -4.6 แต่สามารถเปลี่ยนได้ดู: FRAMA ดัดแปลง) เมื่อ D2 เท่ากับ 8216Curve A8217 ผลลัพธ์คือ EMA แบบช้าที่ 198 ครั้งในขณะที่ D 1 เท่ากับ 8216Curve C8217 ผลลัพธ์คือ Fast EMA ของช่วงเวลาหนึ่ง ( ราคาปิดตัวเอง) 8220 โครงสร้างที่ปรับเปลี่ยนได้รวดเร็วตามการเปลี่ยนแปลงที่สำคัญของราคาและการเปลี่ยนแปลงอย่างช้าๆเมื่อราคาอยู่ในเขตแออัด 82221 8211 John Ehlers Modified FRAMA Ehlers ตั้งค่า FRAMA ให้เปลี่ยนระหว่าง Fast EMA 1 รอบ (เรียกว่า FC) และ Slow EMA 198 วัน (อนุญาตให้เรียกว่า SC) แต่เนื่องจากเรากำลังจะเข้าสู่ FRAMA ใน 8216 เทคนิคการต่อสู้เพื่อ Supremacy 8216 ฉันต้องการที่จะสามารถกำหนดโดยเฉพาะ 8220FC8221 และ 8220SC8221 จากทางเลือกของฉัน ขอขอบคุณเป็นพิเศษกับหนังสือชี้ชวน 8211 8220 นักวิทยาศาสตร์จรวด Real, Wanna-be Trader8221 เพื่อขอความช่วยเหลือจากเขาในส่วนนี้โปรดสมัครสมาชิกบล็อกของเขาและปฏิบัติตามเขาทาง twitter ดังนั้นแทนที่การตั้งค่า 8220W8221 เป็น -4.6 ตามที่ Ehlers ทำแล้วให้ทำการ W LN (2 (SC 1)) ผลลัพธ์นี้เป็น FRAMA ที่เปลี่ยนระหว่าง 8220FC8221 จาก 1 และ 8220SC8221 ตามที่คุณเลือก ตัวอย่างเช่นที่ SC 200, W -4.61015 Ehlers เห็นได้ชัดว่าปัดนี้ออกด้วยเหตุนี้การตั้งค่าของเขาจาก -4.6 LN คืออะไรและเหตุใดเราจึงใช้มันเพื่อค้นหา 8220W8221 LN เป็นคำย่อของ 8216 Logarithm8217 และเป็นการผกผันของ EXP ดังนั้นถ้า EXP (1) x แล้ว LN (x) 1 เนื่องจาก EXP ใช้เพื่อใช้ Fractal Dimension กับ Alpha , LN ใช้เพื่อค้นหา 8220W8221 ตอนนี้เพื่อตั้งค่า Fast MA หรือ 8220FC8221 ที่คุณเลือกให้ใช้ระยะเวลา EMA 8220N8221 ที่เป็นผลและปรับให้พอดีกับช่วงใหม่ ตัวอย่างเช่นถ้า SC 100 และ N 50 ที่เกิดขึ้น แต่แทนที่จะเป็นมาตรฐาน SC 1 ที่เราต้องการเปลี่ยนให้เป็น SC 20 สูตรต่อไปนี้จะเปิดเผย 8220 N8221 ใหม่: New N ((SC 8211 FC) ((Origional N 8211 1) (เอสซี 8211 1))) FC New N ((100-20) () ()) 20 New N (80 (49 99)) 20 จากนั้นเปลี่ยนกลับเป็น Alpha ได้อย่างง่ายดาย: ใหม่ คุณเลือกค่าเฉลี่ยเคลื่อนที่ช้า gt เอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟเอฟถ้าคุณเลือก Alpha lt 2 (SC 1) แล้ว Alpha 2 (SC 1) ถ้า Alpha gt 1 จากนั้น Alpha 1 FRAMA (N-1) SUM (CLOSE, H) HH EVEN ((SC 8211 FC) 2)) FC ถ้า N-1 lt EVEN ((SC 8211 FC) 2)) FC แล้ว H N-1 ไฟล์ FRAMA Excel เราได้รวบรวมสเปรดชีต Excel ที่มีเฟรมและทำให้สามารถดาวน์โหลดได้ฟรี ประกอบด้วยรุ่นพื้นฐานของ John Ehlers FRAMA และรุ่นที่ปรับเปลี่ยนของเราพร้อมกับแฟนซีที่จะปรับการตั้งค่าที่คุณระบุโดยอัตโนมัติ ค้นหาได้ที่ลิงค์ต่อไปนี้ใกล้ด้านล่างของหน้าภายใต้ Download Technical Indicators: Fractal Moving Average (FRAMA) โปรดแจ้งให้เราทราบหากพบว่ามีประโยชน์ FRAMA และผลการทดสอบค่าเฉลี่ยของผลการทดสอบค่าเฉลี่ยของค่าเฉลี่ยเศษส่วนแบบเคลื่อนย้ายได้แบบง่าย Movement Average เราได้ทดสอบ FRAMA ผ่านข้อมูล 300 ปีใน 16 ประเทศทั่วโลกดูผลลัพธ์ 8211 เป็น FRAMA ที่มีประสิทธิภาพ . . Michael Stokes อธิบายว่าเหตุใด 8211 Fat Tails