12种经典移动平均线

简单移动平均线(SMA)

𝑆𝑀𝐴=𝑃1+𝑃2+⋯+𝑃𝑛𝑛 其中 𝑃1,𝑃2,…,𝑃𝑛 是价格序列,𝑛 是周期。
  • 特点是响应慢、平滑性好,绝大多数因子中的老演员,普适性比较好

  • 优点:计算简单,减少一维噪声,简单滤波

  • 缺点:慢慢慢

适用:经典趋势分析中,当趋势变化不是很剧烈的时候,简单的 SMA 可以过滤掉噪声;但一旦有“大波”,可能导致反应过慢。同样的,也可能因为这个特性躲过一些打脸诱多等,时刻复习 J 神哲学——盈亏同源。

指数移动平均线(EMA)

𝐸𝑀𝐴𝑡=𝛼×𝑃𝑡+(1−𝛼)×𝐸𝑀𝐴𝑡−1

其中 𝛼=2𝑛+1 𝑃𝑡 是当前价格。

  • 特点是相对SMA更快地响应价格变化,更关注近期市场,同样是老演员了。

  • 优点:比 mean 反应更快

  • 缺点:来骗!60 岁的老同志....

适用场景:快速变化的市场

加权移动平均线(WMA)

𝑊𝑀𝐴=𝑛×𝑃𝑛+(𝑛−1)×𝑃𝑛−1+⋯+1×𝑃1𝑛+(𝑛−1)+⋯+1
  • 特点是比EMA更重视近期价格。

  • 特点:更快...

举个例子

一种类型的MA相对于另一种MA的有效性将取决于所使用的交易策略。一个 MA 本质上并不比其他 MA 更好;他们只是以不同的方式计算一段时间的平均价格。

一些交易者认为EMA(黑色)是趋势的更清晰指标,并且比WMA(灰色)或MA(橙色)更具响应性,因为最近的价格具有更大的权重,这有助于他们确定精确的支撑和阻力区域。但有些人认为 SMA 更有效,因为它提供了基本的平滑。

不同的 MA 出现在不同的级别,因为它们的计算方式不同。短期交易者可能不太喜欢使用 EMA 与 WMA,因为这两个值可能更接近。由于 EMA 和 WMA 不太重视较旧的数据点,如果交易者担心数据的滞后会降低对价格急剧变化的响应能力,他们会选择它们而不是 MA。

其中 EMA 是黑色,黄色的是 MA,灰色的是WMA 从几个画框的关键点出还是能直观感受到 mean 与其他两者不同的,假如策略就是简单的“站上 均线多,否则空”,SMA 就过滤掉了很多的噪声,到那同样会导致入场更晚一些。

双重指数移动平均线(DEMA)

𝐷𝐸𝑀𝐴=2×𝐸𝑀𝐴−𝐸𝑀𝐴(𝐸𝑀𝐴)

其中 𝐸𝑀𝐴(𝐸𝑀𝐴) 是对EMA再次应用EMA。

  • 比EMA更快地反应价格变化。

  • 特点:更更快

三重指数移动平均线(TEMA)

𝑇𝐸𝑀𝐴=3×𝐸𝑀𝐴−3×𝐸𝑀𝐴(𝐸𝑀𝐴)+𝐸𝑀𝐴(𝐸𝑀𝐴(𝐸𝑀𝐴))

比DEMA更快地反应价格变化。

  • 特点:更更更快

这里其实有个疑问,**是否在效果上 小参数的“慢曲线” ≈ 大参数的“快曲线”?**在使用体验上会有什么不同?

三角移动平均线(TRIMA)

基于价格数据的滑动窗口,采用线性加权的方式进行计算。

  • 非常平滑,但对价格变动的响应较慢。

考夫曼自适应移动平均线(KAMA)

𝐾𝐴𝑀𝐴=𝐾𝐴𝑀𝐴𝑡−1+𝛼×(𝑃𝑡−𝐾𝐴𝑀𝐴𝑡−1) 其中 𝛼 基于市场波动率动态调整。

自适应市场变化,根据市场波动性调整平滑参数。

MESA自适应移动平均线(MAMA)

依赖于市场的循环周期,复杂度较高,需要用到市场的频率分析。

适合于周期性变化明显的市场。

T3三重指数移动平均线

𝑇3=𝐺𝐷(𝐺𝐷(𝐺𝐷(𝐸𝑀𝐴,𝑣),𝑣),𝑣) 其中 𝐺𝐷 表示广义指数移动平均,𝑣 是平滑系数。

非常平滑,同时保持较好的响应速度。

从描述上来看,似乎是一个鱼和熊掌可以兼得的算法。

其他主流算法

以下是另外的各种均线变种

Hull Moving Average (HMA)

Hull Moving Average(HMA)由Alan Hull开发,目的是解决传统移动平均线反应速度慢和滞后大的问题。HMA提供了比EMA或WMA更快的信号,同时尽可能地减少滞后。

𝐻𝑀𝐴(𝑛)=𝑊𝑀𝐴(2×𝑊𝑀𝐴(𝑛/2)−𝑊𝑀𝐴(𝑛),𝑛) 这里,𝑊𝑀𝐴 表示加权移动平均线,𝑛 是期数,用于计算的是两个不同长度的WMA的差值,再对结果应用WMA。

Adaptive Moving Average (AMA)

Adaptive Moving Average(AMA),也称为Perry Kaufman的适应性移动平均线,通过考虑市场噪声或波动性来调整其平滑系数。它比固定窗口的移动平均线更具适应性,能更好地反映市场的实际动态。

𝐴𝑀𝐴𝑡=𝐴𝑀𝐴𝑡−1+𝜅×(𝑃𝑡−𝐴𝑀𝐴𝑡−1) 其中,𝜅 是基于效率比率(ER)的调整系数,𝑃𝑡 是当前价格。

Jurik Moving Average (JMA)

Jurik Moving Average (JMA) 是一个专利保护的指标,由Jurik Research开发。它被设计来在保持平滑度的同时快速响应市场价格的变化,减少滞后并降低噪声。

JMA的具体计算公式不公开,因为它是专利保护的,但它基于一个复杂的算法,旨在优化滑动平均线的反应速度和平滑性。

Zero Lag Exponential Moving Average (ZLEMA)

Zero Lag Exponential Moving Average(ZLEMA)旨在消除EMA的滞后。通过调整数据输入,ZLEMA试图在保持指数移动平均线的优点的同时减少滞后。

𝑍𝐿𝐸𝑀𝐴=𝐸𝑀𝐴(𝑃𝑡−(𝑃𝑡−𝑙𝑎𝑔−𝐸𝑀𝐴),𝑛) 其中,𝑃𝑡−𝑙𝑎𝑔 是𝑙𝑎𝑔周期前的价格,通常取𝑙𝑎𝑔=𝑛2+1。 

摘自: 【深耕基础】12 种经典移动平均线