ایجاد میانگین متحرک فیبوناچی برای کمک به تشخیص روند.

اگر مجبور شدم تا آخر عمر یک شاخص فنی را انتخاب کنم ، این به طور متوسط حرکت می کند. آنها به دلیل سادگی ، انعطاف پذیری و دید ، مفیدترین و تعیین کننده ترین عوامل فنی هستند. همه به آنها نگاه می کنند تا روند را دنبال کنند و سطح پشتیبانی و مقاومت را پیدا کنند.

در این مقاله ، من نوع جدیدی از میانگین های متحرک را ارائه خواهم داد ، من آن را میانگین متحرک Fibonacci می نامم - FMA. این شاخص همان کار را به عنوان یک میانگین متحرک عادی انجام می دهد اما با افزایش واکنش پذیری و پاسخ سریعتر به حرکات بازار و همچنین سطح پشتیبانی و مقاومت بهتر. ابتدا با مفهوم میانگین حرکت و دنباله فیبوناچی ، بعداً نشان می دهم که چگونه می توان میانگین متحرک فیبوناچی را ایجاد کرد و سپس نسخه پیشرفته ای از FMA را ارائه داد.

من به تازگی کتاب جدیدی را پس از موفقیت شاخص های فنی جدید در پایتون منتشر کرده ام. این توضیحات کامل تر و افزودن استراتژی های معاملاتی پیچیده با صفحه GitHub اختصاص داده شده به کد به روز شده است. اگر احساس می کنید که این مورد علاقه شما است ، احساس راحتی کنید به لینک زیر مراجعه کنید ، یا اگر ترجیح می دهید نسخه PDF را خریداری کنید ، می توانید با من در LinkedIn تماس بگیرید.

کتاب استراتژی های معاملاتی

Amazon. com: کتاب استراتژی های تجارت: 9798532885707: Kaabar ، Sofien: Books

مفهوم میانگین حرکت

میانگین حرکت به ما کمک می کند تا روند را تأیید و سوار کنیم. آنها شناخته شده ترین شاخص فنی هستند و این به دلیل سادگی و سابقه اثبات شده آنها در افزودن ارزش به تحلیل ها است. ما می توانیم از آنها برای یافتن سطح پشتیبانی و مقاومت ، توقف و اهداف و درک روند اساسی استفاده کنیم. این تطبیق پذیری آنها را به ابزاری ضروری در زرادخانه تجارت ما تبدیل می کند.

همانطور که از نام آن پیداست ، این ساده ساده ساده شماست که در همه جای آمار و اساساً هر بخش دیگری در زندگی ما استفاده می شود. این به سادگی مقادیر کل مشاهدات تقسیم بر تعداد مشاهدات است. از نظر ریاضی ، می توان آن را به شرح زیر نوشت:

ما می توانیم ببینیم که میانگین متحرک سطح پشتیبانی و مقاومت پویا مناسب را از جایی که می توانیم سفارشات خود را در صورت پایین آمدن بازار در آنجا قرار دهیم ، فراهم می کند.

def ma (داده ، نگاه ، چه ، کجا): برای من در محدوده (len (data)):تلاش كردن:داده ها [i ، Where] = (Data [i - Lookback + 1: I + 1 ، What] . Mean ()) به جز indexerror:عبورداده های بازگشت

میانگین متحرک حتی پویا دیگر ، نمایی است. ایده آن این است که وزن بیشتری را به مقادیر جدیدتر بدهد تا باعث کاهش تاخیر بین قیمت و میانگین شود.

توجه کنید که چگونه میانگین متحرک نمایی نزدیک به قیمت ها نزدیک تر از قیمت ساده است. این امر به این دلیل است که وزن بیشتری را به آخرین مقادیر می بخشد تا میانگین خیلی دور نباشد. برای کدگذاری یک تابع در پایتون که این نوع متوسط را خروجی می کند ، می توانید از قطعه زیر استفاده کنید:

def ema (داده ها ، آلفا ، جستجو ، چه ، کجا): # آلفا عامل صاف کننده است# پنجره دوره بازگشت است# ستونی که باید میانگین آن محاسبه شود چیست؟# کجا برای قرار دادن میانگین متحرک نمایی کجا قرار دارد alpha = alpha / (Lookback + 1. 0)بتا = 1 - آلفا # مقدار اول یک SMA ساده استdata = ma (داده ، نگاه ، چه ، کجا) # محاسبه اول EMAداده ها [Lookback + 1 ، Where] = (Data [Lookback + 1 ، What] * Alpha) + (داده [Lookback ، Where] * Beta) # محاسبه بقیه EMAبرای من در محدوده (Lookback + 2 ، len (data)):تلاش كردن:داده ها [i ، کجا] = (داده [i ، چه] * alpha) + (داده [i - 1 ، جایی] * بتا) به جز indexerror:عبورداده های بازگشت

بگذارید قبل از حرکت به دنباله فیبوناچی ، مفهوم متوسط حرکت نمایی را در ذهن خود نگه داریم.

توالی فیبوناچی

دنباله از این الگوی مجزا پیروی می کند:

با افزودن دو شماره قبلی در پشت آنها ، اعداد پیدا می شوند. در مورد 13 ، آن به عنوان 8 + 5 محاسبه می شود ، از این رو فرمول:

این به ما شهود می دهد تا با استفاده از کد زیر آن را کدگذاری کنیم:

def fibonacci (n):اگر n == 1:بازگشت 1 elif n == 0:بازگشت 0 دیگری:بازگشت Fibonacci (n - 1) + fibonacci (n - 2)

عملکرد زیر با توجه به شاخص آن ، شماره فیبوناچی را به ما می دهد. این شاخص به سادگی ترتیب اعداد مشاهده شده در جدول زیر است.

حال اگر از عملکرد استفاده کنیم و به نتایج آن نگاه کنیم ، بهتر خواهیم فهمید.

فیبر (14)# خروجی: 377فیبر (5)# خروجی: 5

اکنون ، از میانگین متحرک نمایی که در بالا مشاهده می شود و دنباله فیبوناچی ، ما نشانگر جدید ، میانگین حرکت فیبوناچی را ایجاد خواهیم کرد.

اگر به شاخص های فنی تر نیز علاقه مند هستید و از پایتون برای ایجاد استراتژی استفاده می کنید ، بنابراین کتاب پرفروش من در مورد شاخص های فنی ممکن است به شما علاقه مند باشد:

شاخص های فنی جدید در پایتون

Amazon. com: شاخص های فنی جدید در پایتون: 9798711128861: Kaabar ، آقای Sofien: کتاب

میانگین متحرک فیبوناچی - FMA

میانگین متحرک Fibonacci با استفاده از برگشتی از اعداد فیبوناچی منتخب ، میانگین متحرک نمایی به همان اندازه وزن است. منظور من این است که قدم به قدم:

• ما میانگین های متحرک نمایی را با استفاده از برگه های زیر محاسبه می کنیم.
• ما مبلغ میانگین های متحرک نمایی را بر اساس تعداد آنها تقسیم می کنیم. در مورد ما ، ما 15 تقسیم خواهیم کرد.
• میانگین حرکت فیبوناچی را در کنار قیمت بازار ترسیم کنید.

واضح است که FMA سطح ارتجاعی بهتری را به ویژه هنگامی که قیمت ها کاهش می یابد ، نشان می دهد. راه تجارت FMA صرفاً با شروع تجارت متضاد هنگام نزدیک شدن به بازارها به آن است. به عنوان مثال ، اگر بازار در حال ریزش و رفتن به سمت FMA است ، می توانیم در مورد یک واکنش صعودی که می تواند در اطراف آن منطقه اتفاق بیفتد فکر کنیم.

def adder (داده ها ، زمان): برای من در محدوده (1 ، زمان + 1): z = np. zeros ((len (data) ، 1) ، dtype = float)data = np. append (داده ها ، z ، محور = 1)داده های بازگشتdef fiboaci_moving_avery (داده ، fib_range ، چه ، کجا): برای من در محدوده (3 ، fib_range): DATA = ADDER (داده ، 1)Lookback = فیبر (I)DATA = EMA (داده ها ، 2 ، جستجو ، چه ، -1) DATA = ADDER (داده ، 1) برای من در محدوده (len (data)):داده ها [i ، -1] = np. sum (داده ها [i ، جایی که: کجا + 15])داده ها [i ، -1] = داده [i ، - 1] / 15 داده های بازگشت

میانگین متحرک فیبوناچی پیشرفته - EFMA

چه می شود اگر سعی کنیم اطلاعات مالی را با توجه به اوج و پایین در FMA تکمیل کنیم؟این امر باعث می شود که نوسانات و ایجاد مناطق قوی تر برای تفسیر بهتر اینکه آیا واکنش هنوز دست نخورده است یا خیر ، ایجاد می کند.

اگر به شاخص های فنی تر نیز علاقه مند هستید و از پایتون برای ایجاد استراتژی استفاده می کنید ، آخرین کتاب من ممکن است به شما علاقه مند باشد: