การปรับตัว เคลื่อนไหว ค่าเฉลี่ย การตั้งค่า

6 ค่าเฉลี่ยเคลื่อนที่ที่ดีที่สุดสำหรับการซื้อขายสกุลเงิน 8211 ส่วนที่ 1 ค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ดีที่สุดในคลังแสง trader8217s โดยเฉพาะเมื่อรวมกับดัชนีชี้วัดที่ดี แต่สิ่งที่ดีที่สุดในการย้ายการตั้งค่าที่ดีที่สุดในการตั้งค่าการซื้อขายในครั้งแรกของสองบทความนี้เราจะพูดถึงวิธีหลายประเภทของ MA8217s สามารถเพิ่มประสิทธิภาพในการแก้ปัญหาการค้าที่แตกต่างกัน เราจะเริ่มต้นด้วยค่าเฉลี่ยการย้ายปรับตัว 5 - T3, MA 14-ILRS และค่าเฉลี่ยเคลื่อนที่ 5-Hull ในบทความที่สองเราจะพูดถึง 21-EMA, 55-EMA และ 200-EMA ซึ่งจะผ่านการใช้งานในหลุมซื้อขาย ดาวน์โหลด Indicator AllAverages. mq4 ที่มีค่าเฉลี่ยเคลื่อนที่สูงสุดที่อธิบายไว้ที่นี่ ดาวน์โหลดเทมเพลต Youpip - 6 Best Moving Averages. tpl ด้วยการตั้งค่าที่แนะนำจากบทความนี้ คลิกที่นี่สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการวิเคราะห์ Forex, เทมเพลตและตัวบ่งชี้ YouPip 5 - T3 Average Moving Average 8211 ความต้านทานการทรงตัวของ Golden Dynamic ค่าเฉลี่ยการเคลื่อนไหวรอบระยะเวลา 5 ปี T3 เป็นตัวบ่งชี้ที่ดีที่สุดที่สามารถใช้ในตลาดใด ๆ และในช่วงเวลา ทำงานโดยให้การสนับสนุนแบบไดนามิกในระยะสั้นและความต้านทานที่ราคาจะตีกลับหลายครั้งในระหว่างการพัฒนาของการแกว่งแนวโน้ม Tim Tillson8217s T3 MA คือค่าเฉลี่ยการปรับตัวที่ใช้ความแตกต่างระหว่างการดำเนินการในปัจจุบันกับราคาของ EMA ระยะเวลาเดียวกันเพื่อแก้ไขความถูกต้อง หลังจากที่ตลาดมีการปรับตัวขึ้นแล้วราคาจะอยู่เหนือหรือต่ำกว่า T3 (5) ตลอดระยะเวลาการชิงช้า ถ้าเทียนข้าม T3 (5) แล้วปิดโดยไม่ต้องข้ามมันกลับซึ่งโดยทั่วไปจะหมายความว่าการแกว่งสิ้นสุดลง การปิดเทียนเต็มรูปแบบอีกตัวหนึ่งในตำแหน่งไขว้จะเป็นการยืนยันการยกเลิกการแกว่ง ในตลาดที่ได้รับความสนใจรายการที่ดีสามารถสร้างขึ้นจากการตีกลับ T3 (5) ที่เกิดขึ้นในระยะเวลาที่สูงขึ้น กลยุทธ์การเคลื่อนย้ายเฉลี่ย 5 - T3 วางคำสั่งในทิศทางเดียวกันของแนวโน้มในเวลาที่ราคากระทบ T3 (5) MA ติดตามการหยุดขาดทุนในช่วงเวลาที่ต่ำลงเนื่องจากราคาตีกลับตามแนวโน้ม ถ้าราคาข้าม T3 (5) และไม่ได้กลับมาอยู่ในเทียนเดียวกันให้ออกจากการค้า กลยุทธ์นี้เหมาะสำหรับการตีกลับในกรอบเวลา H1, H4 และ D1 หลังจากสั่งซื้อแล้วให้จัดการการค้าโดยใช้ช่วงเวลาที่ต่ำกว่า (เช่น M15 สำหรับรายการ H4) อย่าใช้กลยุทธ์นี้ในตลาดที่หลากหลาย ราบรื่นระยะเวลาการเคลื่อนไหว ILRS 14 ช่วงระยะเวลาที่ชอบที่จะอยู่ห่างจากการกระทำของราคาเพียงระยะทางที่เหมาะสมเพื่อให้แหนบพัฒนาโดยไม่ต้องข้าม เนื่องจากพฤติกรรมของมัน MA นี้เป็นที่ดีสำหรับหยุดต่อท้ายและแม้กระทั่งการแกว่งก้าวร้าวรายการใหม่หลังจากที่มีแนวโน้มการพัฒนาตัวเอง ในระหว่างการแกว่งแนวโน้ม it8217s ไม่ผิดปกติเพื่อดูหนึ่งหรือสองเทียนซนปิดด้วย wicks ตรงที่ MA ILRS (14) โดย pip ILRS ย่อมาจาก Integral of Slope Regression Slope เป็นหนึ่งใน MA8217 ที่นุ่มนวลและมีเสียงรบกวนจากตลาดน้อยมาก กลยุทธ์การหยุดพักระหว่าง ILRS 14 - ILRS (14) เป็นค่าเฉลี่ยเคลื่อนที่ที่ดีที่สุดในการติดตามการหยุดชะงักของการหยุดชะงักของการหยุดชะงัก หลังจากที่มีแนวโน้มเกิดขึ้นแล้วให้หยุดการสูญเสีย 1 หรือ 2 pips ออกจากเทียน IRLS (14) โดยเทียน ปล่อยให้มีพื้นที่เพิ่มขึ้นถ้าคุณหยุดลงตามช่วงเวลาที่เป็น H1 หรือสูงกว่า HMA 5 HMA หรือ 5 ช่วงระยะเวลา 160 Hull Moving Average จะติดตามราคาใกล้เคียงกับการโยกย้ายบางส่วน ทำให้เป็น MA ที่ดีสำหรับการแจ้งเตือนและการบ่งชี้แนวโน้มดังต่อไปนี้ ระหว่างการก่อตัวของแนวโน้ม: 5 HMA ข้าม 5 T3 คือการแจ้งเตือนครั้งแรกที่มีการแกว่งขึ้นรูป 5 HMA ข้าม 14 IRLS มักจะยืนยันว่ามีการแกว่งตัวใหม่ การแกว่งแนวโน้มนั้นดำเนินการกับ 5 HMA ขนานไปกับ 5 T3 5 HMA ย้อนกลับไปที่สัญญาณ 5 T3 ว่าแนวโน้มการเคลื่อนไหวหายไปโมเมนตัม: ราคาอาจเบาบางก่อนที่จะดำเนินการต่อหรือแนวโน้มจะสิ้นสุดเร็ว ๆ นี้ การข้าม 5 HMA ใน 14 IRLS มักจะยืนยันการสิ้นสุดของการแกว่งเพื่อการดำเนินการราคาที่ไม่เป็นระเบียบมากขึ้น หมายเหตุ: ผู้ค้าที่มีประสบการณ์มากขึ้นจะต้องการละทิ้งข้อมูล 5 HMA และทำการค้าโดยตรงกับการดำเนินการด้านราคาหรือเครื่องมือ Forex ชั้นนำอื่น ๆ การยืนยันมากเกินไปเกี่ยวกับตัวชี้วัดที่ปกคลุมด้วยวัตถุฉนวนสามารถทำให้คุณได้รับรายการและรายการที่ดีที่สุด 6 ค่าเฉลี่ยเคลื่อนที่ที่ดีที่สุดสำหรับการซื้อขายสกุลเงิน 8211 ส่วนที่ 1 ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยปรับเปลี่ยนแบบ Adaptive Movement Averages เปลี่ยนแปลงความไวต่อความผันผวนของราคา ค่าเฉลี่ยการย้ายแบบปรับตัวปรับตัวสูงขึ้นในช่วงเวลาที่ราคาเคลื่อนไหวไปในทิศทางใดทิศทางหนึ่งและจะมีความไวต่อการเคลื่อนไหวของราคาน้อยลงเมื่อราคามีความผันผวน กราฟด้านล่างของสัญญาซื้อขายล่วงหน้า E-mini Nasdaq 100 แสดงให้เห็นถึงความแตกต่างระหว่าง Exponential Moving Average (ดูที่ Exponential Moving Average) ซึ่งให้น้ำหนักราคาปัจจุบันที่สูงกว่าราคาในอดีตและค่าเฉลี่ยการปรับตัวที่ปรับเปลี่ยนตามความผันผวนของราคา: ข้อดีของ Adaptive Moving Average ได้แสดงไว้ข้างต้นในแผนภูมิ e-mini ที่อยู่ตรงกลางซึ่งราคากลายเป็นทิศทางและไม่เป็นระเบียบ ในช่วงเวลานั้นค่าเฉลี่ยการเคลื่อนที่แบบปรับตัวปรับตัวได้เป็นเส้นตรงในขณะที่ค่าเฉลี่ยการเคลื่อนที่แบบเสี้ยว (Exponential Moving Average) เคลื่อนไหวไปพร้อมกับความคมชัดของราคา อย่างไรก็ตามเมื่อราคามีแนวโน้มเช่นเดียวกับที่ด้านขวาสุดของแผนภูมิ e-mini ข้างต้นค่าเฉลี่ยการปรับตัวแบบเคลื่อนย้ายได้ขึ้นกับค่าเฉลี่ยเคลื่อนที่แบบเสวนา (Exponential Moving Average) ค่าเฉลี่ยเคลื่อนที่แบบปรับตัวเป็นตัวบ่งชี้ทางเทคนิคเฉพาะที่มีค่าควรตรวจสอบเพิ่มเติม ข้อมูลข้างต้นมีวัตถุประสงค์เพื่อให้ข้อมูลและเพื่อความบันเทิงเท่านั้นและไม่ถือเป็นคำแนะนำด้านการค้าหรือการชักจูงให้ซื้อหรือขายหุ้นตัวเลือกอนาคตสินค้าโภคภัณฑ์หรือผลิตภัณฑ์ forex ใด ๆ ประสิทธิภาพที่ผ่านมาไม่จำเป็นต้องเป็นตัวบ่งชี้ถึงผลการดำเนินงานในอนาคต การซื้อขายมีความเสี่ยงโดยเนื้อแท้ OnlineTradingConcepts จะไม่รับผิดชอบต่อความเสียหายพิเศษหรือผลสืบเนื่องใด ๆ อันเป็นผลมาจากการใช้หรือไม่สามารถใช้งานเนื้อหาและข้อมูลที่จัดทำโดยไซต์นี้ได้ ดูคำจำกัดความเต็มรูปแบบ. Kaufman Adaptive Moving Trading Strategy เฉลี่ย (Setup 038 Filter) I. Trading Strategy ผู้พัฒนา: Perry Kaufman (Kaufman Adaptive Moving Average 8211 KAMA) ที่มา: Kaufman, P. J. (1995) การค้าที่ชาญฉลาด การปรับปรุงประสิทธิภาพในการเปลี่ยนแปลงตลาด New York: McGraw-Hill, Inc. แนวคิด: กลยุทธ์การซื้อขายโดยใช้ตัวกรองสัญญาณรบกวนแบบปรับตัวได้ เป้าหมายการวิจัย: การตรวจสอบประสิทธิภาพของการตั้งค่าและตัวกรอง ข้อมูลจำเพาะ: ตารางที่ 1. ผลการดำเนินงาน: รูปที่ 1-2 การตั้งค่าทางการค้า: การค้าระยะยาว: ค่าเฉลี่ยการย้ายปรับตัว (AMP) ขึ้น การค้าแบบสั้น: ค่าเฉลี่ยการย้ายแบบปรับเปลี่ยนลดลง หมายเหตุ: เส้นแนวโน้ม AMA ดูเหมือนจะหยุดลงเมื่อตลาดไม่มีทิศทาง เมื่อแนวโน้มตลาด AMA เทรนด์จับขึ้น รายการการค้า: การค้าระยะยาว: การซื้อที่อยู่ใกล้จะถูกวางไว้หลังจากตั้งค่ารั้น Short Trades: การขายในระยะใกล้จะอยู่หลังการตั้งค่าแบบย่อ การค้าออก: ตารางที่ 1. ผลงาน: 42 ตลาดซื้อขายล่วงหน้าจากสี่ภาคการตลาดที่สำคัญ (สินค้าโภคภัณฑ์, สกุลเงิน, อัตราดอกเบี้ยและดัชนีหุ้น) ข้อมูล: 32 ปีนับตั้งแต่ปีพ. ศ. 2523 Testing Platform: MATLAB ครั้งที่สอง การทดสอบความไวทดสอบแผนภูมิ 3 มิติทั้งหมดจะตามด้วยแผนภูมิเส้นโค้ง 2 มิติสำหรับ Profit Factor, Sharpe Ratio, ดัชนีประสิทธิภาพของแผล, CAGR, การเบิกใช้สูงสุด, เปอร์เซ็นต์การทำกำไรและ Avg. ชนะเฉลี่ย อัตราส่วนความสูญเสีย ภาพสุดท้ายแสดงความไวของ Equity Curve ตัวแปรที่ผ่านการทดสอบ: ERLength amp FilterIndex (คำนิยาม: ตารางที่ 1): รูปที่ 1 ผลการดำเนินงานของพอร์ตการลงทุน (อินพุท: ตารางที่ 1 การระงับคณะกรรมาธิการ: 0) AMA (ERLength) คือค่าเฉลี่ยการเคลื่อนที่แบบปรับตัวในช่วง ERLength ERLength เป็นระยะเวลามองย้อนกลับของอัตราส่วนประสิทธิภาพ (ER) ERi abs (Directioni Volatilityi) โดยที่ 8220abs8221 เป็นค่าสัมบูรณ์ Directioni Closei Close ERLength, Volatilityi (abs (DeltaClosei), ERLength) โดยที่ 82208221 เป็นผลรวมของช่วง ERLength, DeltaClosei Closei Closei 1. FastMALength เป็นระยะเวลาของค่าเฉลี่ยเคลื่อนที่อย่างรวดเร็ว SlowMALength เป็นช่วงของค่าเฉลี่ยเคลื่อนที่ที่ช้า AMAi AMAi 1 ci (Closei AMAi 1) โดยที่ ci (ERi (ช้าเร็ว) ช้า) 2, Fast 2 (FastMALength 1), Slow 2 (SlowMALength 1) ดัชนี: i ERLength 2, 100, ขั้นตอนที่ 2 FastMALength 2 SlowMALength 30 Long Trades: ถ้า AMAi AMAi 1 AMA AMAi 1 lt AMAi 2 แล้ว MinAMA AMAi 1 (ค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนได้ขึ้นอยู่กับช่วงที่ MinamA) การค้าแบบสั้น: AMAi AMAi 1 amp AMAi 1 GT AMAi 2 แล้ว MaxAMA AMAi 1 (ค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนลดลงพร้อมกับเดือยที่ MaxAMA) ดัชนี: i Filteri FilterIndex StdDev (AMAi AMAi 1, N) โดย StdDev คือส่วนเบี่ยงเบนมาตรฐานของชุดข้อมูลในช่วง N N 20 (ค่าเริ่มต้น) ดัชนี: i FilterIndex 0.0, 1.0, ขั้นตอน 0.02 N 20 Long Trades: การซื้อเมื่อปิดถูกวางเมื่อ AMAi gt AMAi 1 amp (AMAi Minama) gt Filteri Short Trades: ขายเมื่อปิด AMAi lt AMAi 1 amp (Maxama AMAi) gt Filteri ดัชนี: i Stop Loss Exit: ATR (ความยาวคลื่น) เป็น True True Range ในช่วงระยะเวลา ATRLength ATRStop เป็นส่วนหนึ่งของ ATR (ATRLength) Long Trades: วางจำหน่ายวางอยู่ที่ ATR ATLStop ATRStop ATRStop Short Trades: หยุดการซื้อจะอยู่ที่ ATRState ATR ATT (ความยาว ATRLength) ATRLength 20 ATRStop 6 ERLength 2, 100, ขั้นตอนที่ 2 FilterIndex 0.0, 1.0, 0.02Kaufman0's ค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ (KAMA) ค่าเฉลี่ยของ Adaptive Movement Average ของ Kaufman0 (KAMA) บทนำการพัฒนาโดย Perry Kaufman ค่าเฉลี่ยการเคลื่อนที่แบบ Adaptive Movement Average ของ Kaufman0 (KAMA) เป็นค่าเฉลี่ยเคลื่อนที่ที่ออกแบบมา เพื่อรองรับความผันผวนของตลาด KAMA จะติดตามราคาอย่างใกล้ชิดเมื่อการแกว่งราคาค่อนข้างเล็กและเสียงต่ำ KAMA จะปรับตัวเมื่อการแกว่งตัวของราคาขึ้นและติดตามราคาจากระยะทางที่มากขึ้น ตัวบ่งชี้แนวโน้มนี้สามารถใช้เพื่อระบุแนวโน้มโดยรวมจุดเปลี่ยนเวลาและการเคลื่อนไหวของราคาตัวกรอง การคำนวณมีขั้นตอนหลายขั้นตอนที่จำเป็นในการคำนวณค่าเฉลี่ยการย้ายแบบ Adaptive Movement ของ Kaufman0 Let0 เริ่มต้นครั้งแรกกับการตั้งค่าที่แนะนำโดย Perry Kaufman ซึ่งเป็น KAMA (10,2,30) 10 คือจำนวนงวดสำหรับอัตราส่วนประสิทธิภาพ (ER) 2 คือจำนวนงวดสำหรับค่าคงที่ของ EMA ที่เร็วที่สุด 30 คือจำนวนงวดสำหรับค่าคงที่ของ EMA ที่ช้าที่สุด ก่อนที่จะคำนวณ KAMA เราจำเป็นต้องคำนวณอัตราส่วนประสิทธิภาพ (ER) และ Smoothing Constant (SC) การแบ่งสูตรลงในตัวนักเก็ตขนาดกัดทำให้ง่ายต่อการเข้าใจวิธีการหลังตัวบ่งชี้ โปรดทราบว่า ABS หมายถึง Absolute Value อัตราการใช้กำลังการผลิต (ER) ER อยู่ที่การเปลี่ยนแปลงของราคาโดยปรับค่าความผันผวนรายวัน ในแง่ทางสถิติอัตราส่วนประสิทธิภาพจะบอกให้เราทราบถึงประสิทธิภาพการเปลี่ยนแปลงราคาของเศษส่วน ER มีความผันผวนระหว่าง 1 ถึง 0 แต่สุดขั้วเหล่านี้เป็นข้อยกเว้นไม่ใช่บรรทัดฐาน ER จะเป็น 1 หากราคาเพิ่มขึ้น 10 งวดต่อเนื่องหรือลดลง 10 งวดติดต่อกัน ER จะเป็นศูนย์ถ้าราคาไม่เปลี่ยนแปลงตลอด 10 งวด Smoothing Constant (SC) ค่าคงที่ที่ราบเรียบใช้ค่า ER และค่าความเรียบ 2 ค่าโดยคำนวณจากค่าเฉลี่ยเคลื่อนที่แบบเสวนา ตามที่คุณสังเกตเห็น Smoothing Constant ใช้ค่าคงที่ที่ราบเรียบสำหรับค่าเฉลี่ยเคลื่อนที่แบบเสวนาในสูตร (2301) เป็นค่าคงที่ที่ราบเรียบสำหรับ EMA 30 เฟส Fastest SC คือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่สั้นลง (2 ช่วงเวลา) SC ที่ช้าที่สุดคือค่าคงที่ที่ราบเรียบสำหรับ EMA ที่ค่อยๆ (30 ช่วง) โปรดทราบว่า 2 ในตอนท้ายมีสมการสมการ ด้วยอัตราส่วนประสิทธิภาพ (ER) และ Smoothing Constant (SC) ขณะนี้เราพร้อมแล้วที่จะคำนวณค่าเฉลี่ยการปรับตัวของ Adaptive Movement Kaufman0 (KAMA) เนื่องจากเราต้องการค่าเริ่มต้นเพื่อเริ่มต้นการคำนวณ KAMA แรกเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย การคำนวณต่อไปนี้ขึ้นอยู่กับสูตรด้านล่าง ตัวอย่างการคำนวณภาพด้านล่างแสดงภาพหน้าจอจากกระดาษคำนวณ Excel ที่ใช้ในการคำนวณ KAMA และแผนภูมิ QQQ ที่สอดคล้องกัน การใช้และสัญญาณ Chartists สามารถใช้ KAMA เช่นเดียวกับเทรนด์อื่น ๆ ตามตัวบ่งชี้เช่นค่าเฉลี่ยเคลื่อนที่ Chartists สามารถมองหา crosses ราคาการเปลี่ยนแปลงทิศทางและกรองสัญญาณ อันดับแรกการข้ามด้านบนหรือด้านล่าง KAMA บ่งชี้ถึงการเปลี่ยนแปลงทิศทางในราคา เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ใด ๆ ระบบครอสโอเวอร์แบบง่ายๆจะสร้างสัญญาณจำนวนมากและจำนวนมากขึ้น whipsaws Chartists สามารถลด whipsaws โดยใช้ตัวกรองราคาหรือเวลาไปยัง crossovers หนึ่งอาจต้องการราคาที่จะถือข้ามสำหรับจำนวนชุดของวันหรือต้องข้ามเกิน Kama ตามเปอร์เซ็นต์ที่กำหนด ประการที่สองนักชาตินิยมสามารถใช้ทิศทางของ KAMA เพื่อกำหนดแนวโน้มโดยรวมสำหรับการรักษาความปลอดภัย ซึ่งอาจต้องมีการปรับพารามิเตอร์เพื่อให้ตัวบ่งชี้เป็นไปอย่างต่อเนื่อง Chartists สามารถเปลี่ยนพารามิเตอร์กลางซึ่งเป็นค่าคงที่ EMA ที่เร็วที่สุดเพื่อให้ KAMA ราบรื่นและมองหาการเปลี่ยนแปลงทิศทาง มีแนวโน้มอ่อนตัวลงตราบเท่าที่ KAMA ร่วงลงและทำจุดต่ำสุดให้ต่ำลง แนวโน้มจะเพิ่มขึ้นตราบเท่าที่ KAMA กำลังเพิ่มขึ้นและดันระดับสูงขึ้น ตัวอย่าง Kroger ด้านล่างแสดง KAMA (10,5,30) ที่มีแนวโน้มสูงชันตั้งแต่เดือนธันวาคมถึงมีนาคมและแนวโน้มขาขึ้นที่น้อยลงตั้งแต่เดือนพฤษภาคมถึงสิงหาคม และในที่สุดก็สามารถรวมสัญญาณและเทคนิคไว้ได้ Chartists สามารถใช้ KAMA ระยะยาวเพื่อกำหนดแนวโน้มที่ใหญ่กว่าและ KAMA ระยะสั้นสำหรับสัญญาณการซื้อขาย ตัวอย่างเช่น KAMA (10,5,30) สามารถใช้เป็นตัวกรองแนวโน้มและถือว่ารั้นเมื่อเพิ่มขึ้น เมื่อรั้นแล้วนักวิเคราะห์ชาตินิยมอาจมองหาเครื่องหมายข้ามผ่านเมื่อราคาเคลื่อนตัวเหนือ KAMA (10,2,30) ตัวอย่างด้านล่างแสดงให้เห็นถึง MMM ที่มี KAMA ระยะยาวที่เพิ่มขึ้นและการปรับตัวในช่วงเดือนธันวาคม, มกราคมและกุมภาพันธ์ KAMA ระยะยาวปรับตัวลดลงในเดือนเมษายนและมีการปรับตัวลดลงในเดือนพฤษภาคมมิถุนายนและกรกฎาคม SharpCharts KAMA สามารถพบได้เป็นตัวบ่งชี้การซ้อนทับใน SharpCharts workbench การตั้งค่าเริ่มต้นจะปรากฏขึ้นโดยอัตโนมัติในช่องพารามิเตอร์เมื่อได้รับการคัดเลือกแล้วและแผนภูมิสามารถเปลี่ยนพารามิเตอร์เหล่านี้ให้เหมาะกับความต้องการในการวิเคราะห์ของตน พารามิเตอร์แรกสำหรับอัตราส่วนประสิทธิภาพและแผนภูมิควรงดเว้นจากการเพิ่มจำนวนนี้ แทนที่จะใช้ชาตินิยมเพื่อลดความไว นักชาตินิยมที่มองหา KAMA ที่ราบรื่นสำหรับการวิเคราะห์แนวโน้มในระยะยาวสามารถเพิ่มพารามิเตอร์กลางขึ้นได้ แม้ว่าจะมีความแตกต่างกันเพียง 3 แต่ KAMA (10,5,30) มีความนุ่มนวลกว่า KAMA อย่างมาก (10,2,30) การศึกษาเพิ่มเติมจากผู้สร้างหนังสือด้านล่างมีข้อมูลโดยละเอียดเกี่ยวกับตัวบ่งชี้โปรแกรมอัลกอริทึมและระบบรวมถึงรายละเอียดเกี่ยวกับ KAMA และระบบค่าเฉลี่ยเคลื่อนที่อื่น ๆ ระบบการซื้อขายและวิธีการ Perry Kaufman