自适应均线系统 python_Kaufman的自适应移动平均线(AMA)

技术分析往往离不开均线系统，她是我们观察价格走势的基础。

短期均线贴近价格走势，灵敏度高，但会有很多噪声，产生虚假信号；长期均线在判断趋势上一般比较准确

，但是长期均线有着严重滞后的问题。我们想得到这样的均线，当价格沿一个方向快速移动时，短期的移动

平均线是最合适的；当价格在横盘的过程中，长期移动平均线是合适的。

为了达成以上目的，我们来看看Kaufman的自适应均线系统，下面是算法：

步骤1：价格方向

价格方向被表示为整个时间段中的净价格变化。比如，使用n天的间隔(或n小时)：

direction = price – price[n];

其中，direction是当前价格差或方向数值，price是当前价格(当日收盘价或小时收盘价)，price[n]是n日前的收盘价(或n个周期前)。

步骤2：波动性

波动性是市场噪音的总数量，它可以用许多不同的方法定义，但是这个计算使用了所有“日到日”或“小时到小时”的价格变化的总和(每一个都作为一个正数)，在同样的n个周期上。

如下表达：

volatility = @sum(@abs(price – price[1]), n);

其中，volatility是指波动性数值，@abs是绝对值函数，@sum(value,

n)是n个周期中的数值之和函数。

步骤3：效率系数(ER)

以上两个成分被组合起来，以表达方向移动对噪音之比࿰