自适应移动平均线(AMA)是一种构建移动平均线的指标,可以降低对价格波动噪声的敏感度,并以最小的滞后性来检测趋势。
这一指标由Perry Kaufman在他的著作《智能交易》中提出和描述。
不同的平滑算法在处理价格系列时,一个主要的缺陷是意外的价格跳跃可能导致虚假的趋势信号。而平滑处理又不可避免地会造成对趋势预测的滞后。AMA指标的开发正是为了克服这两个缺点。

自适应移动平均线指标
计算方法:
为了定义当前市场状态,Kaufman引入了效率比率(Efficiency Ratio,ER)的概念,计算公式如下:
ER(i) = Signal(i)/Noise(i)
其中:
- ER(i) - 当前效率比率的值;
- Signal(i) = ABS(Price(i) - Price(i - N)) - 当前信号值,即当前价格与N期前价格的绝对差值;
- Noise(i) = Sum(ABS(Price(i) - Price(i-1)),N) - 当前噪声值,即当前期价格与前期价格的绝对差值的N期总和。
在强趋势下,效率比率(ER)会趋向于1;如果没有明显的趋势,则会略高于0。
得到的ER值将用于指数平滑的公式中:
EMA(i) = Price(i) * SC + EMA(i-1) * (1 - SC)
其中:
- SC = 2/(n+1) - EMA平滑常数,n为指数移动平均的周期;
- EMA(i-1) - 上一周期的EMA值。
在快速市场中,平滑比率应与周期为2的EMA一致(快速SC = 2/(2+1) = 0.6667),而在无趋势时EMA周期应为30(慢速SC = 2/(30+1) = 0.06452)。因此,引入了新的变化平滑常数(缩放平滑常数)SSC:
SSC(i) = (ER(i) * (快速 SC - 慢速 SC) + 慢速 SC
或者
SSC(i) = ER(i) * 0.60215 + 0.06425
为了更有效地影响所获得的平滑常数对平均周期的影响,Kaufman建议对其进行平方处理。
最终的计算公式为:
AMA(i) = Price(i) * (SSC(i)^2) + AMA(i-1)*(1-SSC(i)^2)
或者(重新排列后):
AMA(i) = AMA(i-1) + (SSC(i)^2) * (Price(i) - AMA(i-1))
其中:
- AMA(i) - 当前AMA值;
- AMA(i-1) - 上一周期的AMA值;
- SSC(i) - 当前缩放平滑常数的值。
评论 0