International

Skärmbilder

OptAMA
Optimal Börs adaptivt glidande medelvärde

Optimal Börs använder sig av ett egenutvecklat adaptivt glidande medelvärde för flertalet indikatorer. OptAMA, Optimal Börs Adaptive Mean Average filter, reagerar snabbt på stora kursändringar och jämnar ut brus effektivt från kursdata.

 

Inledning

I de flesta fall när tekniska indikatorer används jämnas aktiekursen ut mha av ett glidande medelvärde. Utan utjämning ger indikatorerna fler felsignaler på grund av brus i i kurssignalen. Användning av glidande medelvärde eliminerar en del av bruset, men sker till kostnad av en fördröjning i tid. Ju jämnare kurssignaler, desto större är denna fördröjning. T.ex har ett 10 dagars glidande medelvärde en fördröjning på ungefär 5 dagar. Detta får stora konsekvenser för dina beslut eftersom de hela tiden kommer att ligga 5 dagar efter.

Som figuren ovan visar är en annan nackdel att det vid plötsliga kraftiga prisförändringar tar tid för det glidande medelvärdet att komma "ikapp". Under denna tid, när medelvärdet i en indikator "eftersläpar", ger inte indikatorn tillförlitliga resultat.

 

Historisk utveckling

Att använda exponentiellt glidande medelvärden ger något mindre fördröjning eftersom nyare kursvärdena värderas mer än äldre kursvärden. T.ex slår ett trendbrott då igenom något tidigare jämfört med ett vanligt medelvärdesfilter.

Ännu bättre resultat får man om man anpassar utjämningen till aktiekursens beteende. Om kursen plötsligt rör sig kraftigt åt ett visst håll kan man minska utjämningen tillfälligt för att förkorta fördröjningen och minska eftersläpningen. Detta är principen för adaptivt glidande medelvärden. Det första och mest kända adaptiva medelvärdesfiltret inom signalbehandling är Kalmanfiltret (Rudolf Kalman, 1960) och inom teknisk analys är det Kaufmanns adaptivt glidande medelvärde (Perry Kaufmann, 1995) som har varit vägledande.

 

Jämförelse mellan olika medelvärdesfilter

Figuren ovan visar flera oönskade egenskaper vid medelvärdesfiltrering. Det exponentiellt glidande medelvärdesfiltret är ibland för långsamt, vilket ger en oönskad eftersläpning, och ibland är det för snabbt då det rör sig för mycket när det inte finns någon trend. Kalmanfiltret fungerar för det mesta bättre, men ger ibland felaktiga toppar, vilket kan resultera i felsignaler hos indikatorn som använder filtret.

Sammanfattningsvis kan man säga att det finns fyra motsträviga önskemål om ett bra medelvärdesfilters egenskaper:

• Minimal fördröjning, annars kommer köp- och säljsignaler för sent
• Maximal utjämning, utom vid "price gaps", annars produceras många
  falska köp- och säljsignaler
• Ingen eftersläpning vid "price gaps", då förloras det tid när filtret ska
  konvergera till den nya nivån.
• Inget "overshoot", förvrängningar av signalen ger falska toppar som
  resulterar i falska köp- och säljsignaler

 

OptAMA - Optimal Börs adaptivt glidande medelvärdesfilter

OptAMA, Optimal Börs adaptivt glidande medelvärdesfilter, försöker uppfylla alla ovanstående önskemål på bästa möjliga sätt. Det reagerar snabbt på större prisförändringar, släpar inte efter och filtrerar bort brus effektivt. På alla punkter är OptAMA bättre än andra glidande medelvärdesfilter. Jämför OptAMAs utjämning av nedanstående aktiekurs med ett exponentiellt glidande medelvärde som har samma period.

Ytterligare en unik egenskap för OptAMAs implementering i Optimal Börs är att det är separat finjusterat för varje modell. Det innebär att dess egenskaper skiljer sig något från modell till modell i Optimal Börs.

På grund av dess unika egenskaper avslöjar vi inte hur OptAMA fungerar. Om du är intresserad av att använda OptAMA som en separat funktion utanför Optimal Börs, t.ex i Excel, kontakta oss för prisuppgift.