Mesa ปรับตัว เคลื่อนไหว เฉลี่ย สำหรับ amibroker

MetaTrader 5 - Indicators. Fractal Moving Average โดยเฉลี่ย FrAMA - ตัวบ่งชี้สำหรับ MetaTrader 5.Fractal Moving ค่าเฉลี่ยตัวชี้วัดทางเทคนิค FRAMA ได้รับการพัฒนาโดย John Ehlers ตัวบ่งชี้นี้ถูกสร้างขึ้นตามอัลกอริทึมของ Exponential Moving Average ซึ่งมีการคำนวณปัจจัยการปรับให้เรียบ ในมิติเศษส่วนปัจจุบันของชุดราคาข้อได้เปรียบของ FRAMA คือความเป็นไปได้ที่จะติดตามการเคลื่อนไหวของกระแสความเคลื่อนไหวที่แข็งแกร่งและชะลอตัวลงอย่างเพียงพอในช่วงเวลาของการรวมราคาการวิเคราะห์ทั้งหมดที่ใช้สำหรับ Moving Averages สามารถใช้กับตัวบ่งชี้นี้ได้ Fractal Adaptive Moving Average Indicator. FRAMA i A i i ราคา i - i i FRAMA i-1.FRAMA i - ค่าปัจจุบันของ FRAMA ราคา i - ราคาปัจจุบัน FRAAMA i-1 - ค่าก่อนหน้าของ FRAMA. A i - ปัจจัยปัจจุบันของการชี้แจง smoothing ปัจจัยการให้ความราบรื่นที่คำนวณได้คำนวณตามสูตรด้านล่าง A i EXP -4 6 D i - 1.D i - ขนาดเศษส่วนปัจจุบัน. EXP - ฟังก์ชันทางคณิตศาสตร์ของเลขยกกำลังขนาดของ เป็นเส้นตรงเท่ากับหนึ่งจะเห็นได้จากสูตรที่ว่าถ้า D 1 แล้ว A EXP -4 6 1-1 EXP 0 1 ดังนั้นถ้าราคามีการเปลี่ยนแปลงในเส้นตรงจะไม่ใช้การทำให้เรียบอย่างเป็นเอกลัษณ์เพราะในกรณีเช่นนี้ สูตรนี้มีลักษณะเช่นนี้ FRAAMA i 1 ราคา i 1 - i FRAMA i-1 Price iI e ตัวบ่งชี้ตรงตามขนาดของ size. The Fractal ของเครื่องบินเท่ากับสองจากสูตรที่เราได้รับว่าถ้า D 2 แล้วราบเรียบ factor A EXP -4 6 2-1 EXP -4 6 0 01 มีค่าเล็กน้อยของปัจจัยการทำให้เรียบที่เกิดขึ้นในช่วงเวลาที่ราคามีการเคลื่อนที่ของฟันเลื่อยที่แข็งแกร่งเช่นการชะลอตัวที่แข็งแกร่งสอดคล้องกับระยะเวลาประมาณ 200 moving average. Formula ของ fractal dimension. D LOG N1 N2 - เข้าสู่ระบบ LOG N3 2.It คำนวณจากสูตรเพิ่มเติม N ความยาว i i สูงสุด - i ราคาต่ำสุด i Length. HighestPrice i - ค่าสูงสุดปัจจุบันสำหรับระยะเวลา LengthLestPrice i - ค่าที่น้อยที่สุดในปัจจุบันสำหรับระยะเวลา Length. Values ​​N1, N2 และ N3 มีค่าเท่ากับ 1.N1 i N ความยาว i N2 ความยาวและความยาว N3 i N 2 ความยาว i. Do ค่าเฉลี่ยเคลื่อนที่แบบปรับตัวได้นำไปสู่ผลลัพธ์ที่ดีขึ้นค่าเฉลี่ยของค่าเฉลี่ยเป็นเครื่องมือที่ผู้ค้ารายอื่นนิยมใช้งานอย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้จะนำไปสู่การค้าขายแส้ ชุดของการชนะและการสูญเสียที่มีขนาดเล็กนักวิเคราะห์ได้ใช้เวลาหลายสิบปีในการพยายามปรับปรุงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในบทความนี้เรามองไปที่ความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขานำไปสู่เครื่องมือการค้าที่มีประโยชน์สำหรับการอ่านพื้นหลังของค่าเฉลี่ยเคลื่อนที่แบบธรรมดาให้ดู Simple Moving Averages ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่ได้รับการสรุปโดย Robert Edwards และ John Magee ในการวิเคราะห์ทางเทคนิคของ Stock Trends ครั้งแรกเมื่อกล่าวว่าและเมื่อปีพ. ศ. 2484 เรารู้สึกยินดีอย่างยิ่ง การค้นพบแม้ว่าหลายคนอื่น ๆ ได้ทำมันก่อนที่โดยค่าเฉลี่ยของข้อมูลสำหรับจำนวนวันที่ระบุหนึ่งจะได้รับมาเรียงลำดับของเส้นอัตโนมัติที่จะแน่นอนฉัน การเปลี่ยนแปลงของเทรนด์ดูเหมือนจะดีเกินกว่าที่จะเป็นความจริงความจริงมันดีเกินกว่าที่จะเป็นจริงด้วยข้อเสียมากกว่าที่เป็นประโยชน์เอ็ดเวิร์ดและจีได้ละทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลชายหาด แต่ 60 ปี หลังจากที่เขียนคำเหล่านั้นแล้วคนอื่น ๆ ก็ยังพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความร่ำรวยของตลาดได้อย่างง่ายดายค่าเฉลี่ยเคลื่อนที่แบบง่ายๆในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆให้เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนรอบที่เลือก การหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องรวม 5 ราคาปิดล่าสุดและหารด้วย 5 หากการปิดล่าสุดใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่ค่าหุ้นจะได้รับการพิจารณาให้อยู่ในแนวโน้มที่สูงขึ้น ค่าเฉลี่ยเคลื่อนที่สำหรับข้อมูลเพิ่มเติมโปรดดูบทแนะนำค่าเฉลี่ยเคลื่อนที่ของเราคุณสมบัติการกำหนดแนวโน้มนี้ทำให้สามารถย้ายค่าเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ในใบสมัครที่ง่ายที่สุดผู้ค้า ซื้อเมื่อราคาขยับขึ้นเหนือเส้นค่าเฉลี่ยเคลื่อนที่และขายเมื่อราคาข้ามเส้นดังกล่าววิธีการเช่นนี้จะรับประกันว่าผู้ค้าจะอยู่ทางด้านขวาของการค้าที่สำคัญทุกอย่าง แต่ขณะเดียวกันการปรับข้อมูลให้ราบเรียบ และผู้ประกอบการค้ามักจะให้ผลตอบแทนส่วนใหญ่ของพวกเขาในธุรกิจการค้าที่ยิ่งใหญ่ที่สุดแม้กระทั่งธุรกิจการค้าที่ได้รับรางวัลที่ยิ่งใหญ่ที่สุดนักวิเคราะห์คาดการณ์ว่าค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยจะลดลงและต้องใช้เวลาหลายปีในการลดปัญหาที่เกี่ยวข้องกับความล่าช้านี้อย่างใดอย่างหนึ่ง นวัตกรรมเป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนา EMA วิธีนี้ใช้การถ่วงน้ำหนักที่ค่อนข้างสูงสำหรับข้อมูลล่าสุดและเป็นผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยสูตรการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ได้แก่ EMA Weight Close 1-Weight EMAy Where. Weight คือค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือกไว้ EMAy เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาจากค่าเฉลี่ยเมื่อวานนี้ค่าการถ่วงน้ำหนักทั่วไปเท่ากับ 0 181 ซึ่งอยู่ใกล้กับค่าเฉลี่ยเคลื่อนที่แบบธรรมดา 20 วันอีกค่าหนึ่งคือ 0 10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วันแม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่ที่ระบุจะไม่สามารถแก้ปัญหาอื่น ๆ ด้วยค่าเฉลี่ยเคลื่อนที่ซึ่งเป็นค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ ใช้สำหรับการซื้อขายสัญญาณจะนำไปสู่การเป็นจำนวนมากของการสูญเสียการค้าในแนวคิดใหม่ในระบบการค้าทางเทคนิค Welles Wilder ประมาณการว่าตลาดมีแนวโน้มเพียงหนึ่งในสี่ของเวลาถึง 75 ของการดำเนินการซื้อขายถูกคุมขังในช่วงแคบเมื่อย้ายเฉลี่ยซื้อ - เมื่อต้องการแก้ปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA สำหรับข้อมูลเพิ่มเติมโปรดดูที่การย้ายค่าเฉลี่ยที่ใช้ในการซื้อขายการปรับค่าเฉลี่ยเคลื่อนที่ การดำเนินการตลาดหนึ่งวิธีในการแก้ไขข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณค่าการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวนการทำเช่นนี้จะหมายความว่าค่าเฉลี่ยเคลื่อนที่จะเป็นค่า f urther จากราคาปัจจุบันในตลาดที่ผันผวนนี้จะช่วยให้ผู้ชนะในการทำงานเป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวมค่าเฉลี่ยเคลื่อนที่จะย้ายใกล้ชิดกับการดำเนินการตลาดปัจจุบันและในทางทฤษฎีอนุญาตให้ผู้ประกอบการค้าเพื่อให้มากที่สุดของกำไรจับ ในระหว่างที่มีแนวโน้มในทางปฏิบัติอัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่นความกว้างของแถบ Bollinger ซึ่งวัดระยะห่างระหว่างแถบ Bollinger Bands ที่รู้จักกันดีสำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับ Bollinger Bands. Perry Kaufman แนะนำให้เปลี่ยนน้ำหนัก ตัวแปรในสูตร EMA กับคงที่ขึ้นอยู่กับอัตราส่วนประสิทธิภาพ ER ในหนังสือของเขาระบบการซื้อขายใหม่และวิธีการตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของแนวโน้มที่กำหนดไว้ในช่วงตั้งแต่ -1 0 ถึง 1 0 จะคำนวณด้วย การเปลี่ยนแปลงราคารวมสูตรอย่างง่ายซึ่งรวมถึงการเปลี่ยนแปลงราคาในแต่ละช่วงของการเปลี่ยนแปลงราคาสัมบูรณ์สำหรับแต่ละบาร์พิจารณาหุ้นที่มีช่วงคะแนนห้าจุดในแต่ละวันและเมื่อครบห้าวันได้รับคะแนนรวมทั้งหมด 15 คะแนน ซึ่งจะส่งผลให้ค่า ER ของ 0 67 15 จุดขึ้นไปหารด้วยช่วงจุดรวม 25 จุดหากหุ้นนี้ลดลง 15 คะแนน ER จะเท่ากับ -0 67 สำหรับคำแนะนำการซื้อขายเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งสรุปกลยุทธ์ สำหรับการรับมือกับความเสียหายที่เกิดจากการซื้อขายหลักการของประสิทธิภาพของเทรนด์ขึ้นอยู่กับการเคลื่อนไหวในทิศทางหรือแนวโน้มที่คุณได้รับต่อหน่วยของการเคลื่อนไหวของราคาในช่วงเวลาที่กำหนด ER ของ 1 0 บ่งชี้ว่าหุ้นอยู่ใน uptrend ที่สมบูรณ์แบบ -1 0 หมายถึงขาลงที่สมบูรณ์แบบในทางปฏิบัติสุดขั้วจะไม่ค่อยถึงเมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาค่าเฉลี่ยเคลื่อนที่ที่ปรับ AMA ผู้ค้าจะต้องคำนวณน้ำหนักด้วยสูตรต่อไปนี้ค่อนข้างซับซ้อน ER SCF SCS SCS 2 ในกรณีที่.SCF เป็นค่าคงที่ที่เป็นเลขชี้กำลังสำหรับ EMA ที่เร็วที่สุดที่อนุญาตโดยทั่วไป 2.SCS เป็นค่าคงที่เป็นค่าคงที่สำหรับ EMA ที่ช้าที่สุดที่อนุญาตได้ 30.ER เป็นอัตราส่วนประสิทธิภาพที่ระบุไว้ข้างต้นค่า C จะใช้ในสูตร EMA แทน f ตัวแปรน้ำหนักง่ายแม้ว่าจะยากที่จะคำนวณด้วยมือค่าเฉลี่ยเคลื่อนที่แบบปรับตัวรวมอยู่ในตัวเลือกในเกือบทุกแพคเกจซอฟต์แวร์เพื่อการค้าสำหรับข้อมูลเพิ่มเติมเกี่ยวกับ EMA ให้อ่าน Exploring the Average Weighted Moving Average ตัวอย่างของเส้นสีแดงเฉลี่ยเคลื่อนที่โดยเฉลี่ย, เส้นสีน้ำเงินเฉลี่ยที่ชี้แจงและเส้นสีเขียวที่ปรับค่าได้แสดงในรูปที่ 1 รูปที่ 1 AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมิในกรณีส่วนใหญ่ ค่าเฉลี่ยเคลื่อนที่ที่แสดงเป็นเส้นสีฟ้าใกล้เคียงกับการเคลื่อนไหวของราคาค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดงค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพทั้งหมดมีแนวโน้มที่จะมีการซื้อขายแส้วหลายครั้งข้อเสียเปรียบนี้ในการเคลื่อนที่ ค่าเฉลี่ยได้จึงเป็นไปไม่ได้ที่จะกำจัดข้อสรุป Robert Colby ทดสอบหลายร้อยเครื่องมือการวิเคราะห์ทางเทคนิคในสารานุกรมของตัวชี้วัดทางเทคนิคการตลาดเขาสรุปแม้ว่า ค่าเฉลี่ยเคลื่อนที่เชิงอนุพันธ์คือความคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติที่แท้จริงสำหรับวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้นซึ่งหมายความว่าผู้ค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ เพื่อพัฒนา ระบบการซื้อขายที่ทำกำไรได้สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านค้นพบ Keltner Channels และ The Chaikin Oscillator ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อะโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุดตัวอย่างเช่นอัตราส่วนข้างต้น 0 30 บ่งชี้แนวโน้มขาขึ้นที่แข็งแกร่ง หุ้นที่มีอัตราส่วนประสิทธิภาพต่ำสุดอาจถูกมองว่าเป็นโอกาสในการเบ่งบานจำนวนเงินสูงสุดที่สหรัฐอเมริกาสามารถยืมได้มีการสร้างเพดานหนี้ภายใต้พระราชบัญญัติตราสารหนี้เสรี 2 (2) อัตราดอกเบี้ยที่ ซึ่งสถาบันรับฝากเงินให้ยืมเงินที่กองทุนสำรองเลี้ยงชีพไว้ในสถาบันรับฝากเงินแห่งอื่น ๆ การวัดผลทางสถิติของการกระจายตัวของผลตอบแทนสำหรับการรักษาความปลอดภัยหรือดัชนีตลาดที่กำหนดความผันผวนสามารถวัดได้การกระทำที่รัฐสภาคองเกรสแห่งสหรัฐอเมริกาได้ออกในปีพ. ศ. 2476 ตามพระราชบัญญัติการธนาคารซึ่งห้ามไม่ให้ธนาคารพาณิชย์เข้าร่วมในการลงทุนการจ่ายเงินเดือนของ Nonfarm หมายถึงงานใด ๆ นอกฟาร์มครัวเรือนเอกชนและภาคผลประโยชน์ US Bureau of Labor. ตัวย่อสกุลเงินหรือสัญลักษณ์สกุลเงินของอินเดียรูปี INR สกุลเงินของอินเดีย Rupee ประกอบด้วย 1.Kaufman's Adaptive Moving Average KAMA. Kaufman s Adaptive KAMA เป็นค่าเฉลี่ยเคลื่อนที่ที่ได้รับการออกแบบมาเพื่อรองรับความผันผวนของตลาดหรือความผันผวน KAMA จะติดตามราคาอย่างใกล้ชิดเมื่อการแกว่งตัวของราคาค่อนข้างเล็กและเสียงต่ำ KAMA จะปรับราคาเมื่อ การแกว่งขึ้นและทำตามราคาจากระยะไกลตัวบ่งชี้แนวโน้มต่อไปนี้สามารถใช้เพื่อระบุแนวโน้มโดยรวมจุดหักเหเวลาและตัวกรอง pri ce เคลื่อนไหวมีหลายขั้นตอนที่จำเป็นในการคำนวณ Kaufman s ค่าเฉลี่ยเคลื่อนที่ปรับเปลี่ยน Let s เริ่มต้นครั้งแรกกับการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA 10,2,30.10 คือจำนวนรอบระยะเวลาสำหรับอัตราส่วนประสิทธิภาพ ER.2 เป็นจำนวน ของระยะเวลาสำหรับค่าคงที่ของ EMA ที่เร็วที่สุด 30 คือจำนวนรอบระยะเวลาของค่าคงที่ EMA ที่ช้าที่สุดก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC การแบ่งสูตรออกเป็นตัวนักเก็ตขนาดกัดทำให้เข้าใจได้ง่ายขึ้น วิธีการที่อยู่เบื้องหลังตัวบ่งชี้ที่ทราบว่า ABS หมายถึง Absolute Value. Efficiency Ratio ER ER เป็นพื้นการเปลี่ยนแปลงราคาที่ปรับสำหรับความผันผวนรายวันในแง่สถิติอัตราส่วนประสิทธิภาพบอกเราประสิทธิภาพ fractal ของการเปลี่ยนแปลงราคา ER มีความผันผวนระหว่าง 1 และ 0 แต่สุดขั้วเหล่านี้เป็นข้อยกเว้นไม่ใช่บรรทัดฐาน ER จะเป็น 1 ถ้าราคาเพิ่มขึ้น 10 ช่วงเวลาติดต่อกันหรือลดลง 10 งวดติดต่อกัน ER จะเป็นศูนย์ถ้าราคาไม่เปลี่ยนแปลง ov er ค่าคงที่ราบเรียบ 10 ใช้ค่าคงที่ของการราบเรียบและค่าคงที่สองราบเรียบขึ้นอยู่กับค่าเฉลี่ยเคลื่อนที่ที่ชี้แจงขณะที่คุณอาจสังเกตเห็น Smoothing Constant ใช้ค่าคงที่ที่ราบเรียบสำหรับค่าเฉลี่ยเคลื่อนที่ที่อธิบายไว้ในสูตร 2 30 1 คือค่าคงที่ที่ราบเรียบสำหรับ EMA 30 ที่เร็วที่สุด SC เป็นค่าคงที่ที่ราบเรียบสำหรับ EMA ที่สั้นกว่า 2 รอบระยะเวลาที่ช้าที่สุดคือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่ต่ำที่สุด 30 งวดโปรดทราบว่า 2 ในตอนท้ายมีสมการสมการ ด้วยอัตราส่วนประสิทธิภาพ ER และ Smoothing Constant SC ขณะนี้เราพร้อมที่จะคำนวณค่า KAMA KAMA ของ Adaptive Movement Average ของ Kaufman เนื่องจากเราจำเป็นต้องมีค่าเริ่มต้นเพื่อเริ่มต้นการคำนวณ KAMA ตัวแรกเป็นค่าเฉลี่ยเคลื่อนที่โดยทั่วไปการคำนวณดังต่อไปนี้ขึ้นอยู่กับ สูตรด้านล่างตารางคำนวณตัวอย่างภาพด้านล่างแสดงภาพหน้าจอจากกระดาษคำนวณ Excel ที่ใช้ในการคำนวณ KAMA และแผนภูมิ QQQ ที่สอดคล้องกันการใช้งานและ Signals. Chartists สามารถใช้ KAMA เช่นใด ๆ ot ตัวบ่งชี้แนวโน้มของเธอเช่น Chartistics สามารถมองหา crosses ราคาการเปลี่ยนแปลงทิศทางและ filtered สัญญาณก่อนข้ามด้านบนหรือด้านล่าง KAMA บ่งชี้ทิศทางการเปลี่ยนแปลงของราคาเช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์แบบง่ายจะสร้างจำนวนมาก สัญญาณและจำนวนมาก whipsaw Chartists สามารถลด whipsaws โดยใช้ตัวกรองราคาหรือเวลาไป crossovers หนึ่งอาจต้องมีราคาถือตรึงสำหรับจำนวนชุดของวันหรือต้องข้ามเกิน KAMA โดยร้อยละตั้งสองผู้เก่งสามารถใช้ทิศทาง ของ KAMA เพื่อกำหนดแนวโน้มโดยรวมสำหรับการรักษาความปลอดภัยซึ่งอาจจำเป็นต้องปรับพารามิเตอร์เพื่อให้ราบรื่นตัวบ่งชี้ต่อ Chartists สามารถเปลี่ยนพารามิเตอร์กลางซึ่งเป็นค่าคงที่ EMA ที่เร็วที่สุดเพื่อราบรื่น KAMA และมองหาทิศทางการเปลี่ยนแปลงแนวโน้มลดลงตราบเท่าที่ KAMA ร่วงลงและทำจุดต่ำสุดที่ต่ำกว่าแนวโน้มจะขึ้นมาตราบเท่าที่ KAMA กำลังเพิ่มขึ้นและสร้างความได้เปรียบที่สูงขึ้นตัวอย่าง Kroger ด้านล่างแสดง KAMA 10,5,30 กับ U สูงชัน ptrend จากเดือนธันวาคมถึงเดือนมีนาคมและแนวโน้มขาขึ้นน้อยลงจากเดือนพฤษภาคมถึงเดือนสิงหาคมและในที่สุด chartists สามารถรวมสัญญาณและเทคนิค Chartists สามารถใช้ KAMA ระยะยาวเพื่อกำหนดแนวโน้มที่ใหญ่กว่าและระยะสั้น KAMA สำหรับสัญญาณการซื้อขาย. KAMA 10,5,30 อาจใช้เป็นตัวกรองแนวโน้มและถือเป็น bullish เมื่อเพิ่มขึ้นเมื่อ bullish, chartists สามารถมองหา crosses bullish เมื่อราคาเคลื่อนไปเหนือ KAMA 10,2,30 ตัวอย่างด้านล่างแสดง MMM กับระยะยาวที่เพิ่มขึ้น KAMA และ bullish crosses ในเดือนธันวาคม, มกราคมและกุมภาพันธ์ KAMA ระยะยาวลดลงในเดือนเมษายนและมีการปรับตัวลดลงในช่วงเดือนพฤษภาคม, มิถุนายนและกรกฎาคมโดยสามารถระบุได้ว่า KAMA เป็นตัวบ่งชี้ที่อยู่ใน SharpCharts Workbench การตั้งค่าเริ่มต้นจะปรากฏขึ้นโดยอัตโนมัติใน parameter parameter เมื่อเลือกและ chartists สามารถเปลี่ยนพารามิเตอร์เหล่านี้เพื่อให้เหมาะกับความต้องการในการวิเคราะห์ของพวกเขาพารามิเตอร์แรกสำหรับอัตราส่วนประสิทธิภาพและ chartists ควรละเว้นจากการเพิ่มจำนวนนี้แทน chartists สามารถลด เพื่อเพิ่มความไวค่าใช้จ่ายสำหรับนักชาตินิยมที่ต้องการราบรื่น KAMA สำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่มพารามิเตอร์กลางได้มากขึ้นแม้ว่าความแตกต่างจะเพิ่มขึ้นเพียง 3 เท่า แต่ KAMA 10,5,30 มีความนุ่มนวลกว่า KAMA 10,2,30 อันเป็นผลมาจากการศึกษาในปัจจุบัน ผู้สร้างด้านล่างมีข้อมูลรายละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบรวมถึงรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการจัดซื้อและวิธีการเพอร์รี่ลิตร