Trading-system-standard-deviation

Trading-system-standard-deviation

Matlab-moving-average-double
Online-trading-belajar
Online-stock-trading-course-reviews


Online-forex-trading-in-oman Moving-average-calculate-excel Pilihan-interaktif-pialang Urban-forex-youtube How-to-calculate-a-moving-average-in-ms-access Tidak ada nama-trading-system

Bagaimana saya mengetahui berapa banyak basis poin dua standar deviasi didasarkan pada harga spot saat ini Misalnya, SampP 500 diperdagangkan sekitar 1671.20. Apa dua standar deviasi - jumlah itu Untuk menggabungkan masalah ini, pemahaman saya adalah bahwa standar deviasi didasarkan pada deret waktu, yaitu data historis, tapi seberapa jauh data harus dilalui Berapa periode waktu yang harus saya gunakan yang diminta pada tanggal 20 Mei pukul 14 : 44 Pendekatan pertama Rumus untuk standar deviasi cukup sederhana baik dalam kasus diskrit maupun kontinyu. Yang paling aman untuk menggunakan kasus diskrit saat bekerja dengan harga penutupan yang disesuaikan. Setelah Anda menghitung standar deviasi untuk jangka waktu tertentu, tugas berikutnya (dalam kasus yang paling sederhana) adalah menghitung rata-rata periode yang sama. Hal ini memungkinkan Anda memperkirakan distribusi secara kasar, yang dapat memberi Anda segala macam hipotesis yang dapat diuji. Dua penyimpangan standar () jauh dari mean () diberikan oleh: Tidak ada gunanya membicarakan dua standar deviasi dari harga kecuali harga tersebut adalah mean atau beberapa statistik lainnya untuk jangka waktu tertentu. Biasanya Anda akan melihat seberapa jauh harga dari rata-rata, mis. Apakah harga turun dua atau tiga standar deviasi jauh dari mean atau beberapa indikator teknis lainnya seperti Average True Range (sebuah moving average eksponensial Range Sejati), beberapa tingkat dukungan, keamanan lain, dll. Sebagian besar jawaban ini, Ill Anggaplah menggunakan mean untuk periode waktu yang dipilih sebagai basis. Namun, jawabannya masih lebih rumit dari yang disadari banyak orang. Seperti yang saya katakan sebelumnya, untuk menghitung deviasi standar, Anda perlu memutuskan suatu periode waktu. Misalnya, Anda bisa menggunakan data SampP 500 dari Yahoo Finance dan menghitung standar deviasi untuk semua harga penutupan yang disesuaikan sejak 3 Januari 1950. Mengunduh data ke Stata dan menerapkan perintah merangkum memberi saya: Masalah Seperti yang mungkin Anda lihat, namun , Jumlah ini tidak masuk akal. Melihat data tersebut, kita bisa melihat bahwa 500 Samps 500 belum diperdagangkan mendekati level 424.4896 sejak November 1992. Jelas, kita tidak dapat mengasumsikan bahwa mean dan standar deviasi ini sebagai wakil dari kondisi pasar saat ini. Selanjutnya, angka-angka ini akan menyiratkan bahwa SampP 500 saat ini diperdagangkan pada hampir tiga standar deviasi dari meannya, yang bagi banyak distribusi merupakan peristiwa yang sangat tidak mungkin. Resesi Hebat, pelonggaran kuantitatif, dan lain-lain mungkin telah mengubah pasar secara signifikan, namun tidak sedemikian besarnya. Masalahnya timbul dari fakta bahwa harga keamanan biasanya tidak bersifat stasioner. . Ini berarti bahwa distribusi yang mendasari dari mana harga keamanan ditarik bergeser melalui ruang dan waktu. Misalnya, harga bisa terdistribusi normal di tahun 50an, lalu gamma terdistribusi di tahun 60an karena shock, lalu biasanya terdistribusi lagi di tahun 70an. Ini menyiratkan bahwa menghitung ringkasan statistik, mis. Berarti, standar deviasi, dll pada dasarnya tidak berarti untuk periode waktu di mana harga bisa mengikuti banyak distribusi. Untuk alasan ini dan lainnya, praktik standarnya untuk melihat deviasi standar pengembalian atau perbedaan, bukan harga. Saya membahas secara rinci alasan untuk ini dan berbagai prosedur untuk digunakan dalam jawaban lain. Singkatnya, Anda dapat menghitung perbedaan pertama untuk setiap periode, yang merupakan selisih antara harga penutupan periode tersebut dan harga penutupan periode sebelumnya. Ini biasanya akan memberi Anda proses stasioner, dari mana Anda bisa mendapatkan nilai lebih dari standar deviasi, mean, dll. Mari kita gunakan contoh SampP500 lagi. Kali ini, bagaimanapun, saya hanya menggunakan data dari tahun 1990 dan seterusnya, demi kesederhanaan (dan membuat grafik sedikit lebih mudah diatur). Ringkasan statistik terlihat seperti ini: dan grafiknya terlihat seperti ini adalah garis horisontal sentral, dan garis atas dan bawah menunjukkan satu standar deviasi di atas dan di bawah rata-rata. Seperti yang Anda lihat, grafik tampaknya menunjukkan bahwa ada periode yang panjang dimana indeks dihargai dengan baik di luar kisaran ini. Meskipun ini bisa terjadi, grafik tersebut pasti menunjukkan tren, bersamaan dengan beberapa kejutan yang tampaknya eksogen (lihat jawaban terkait saya). Dengan mengambil perbedaan pertama, bagaimanapun, menghasilkan ringkasan statistik ini: dengan grafik seperti ini: Ini terlihat jauh lebih masuk akal. Pada periode resesi, harga tampak jauh lebih tidak stabil, dan menembus satu garis deviasi standar yang ditunjukkan pada grafik. Ini hanya ringkasan sederhana, tapi dengan menggunakan differencing pertama sebagai bagian dari proses detrending yang lebih luas dalam menentukan deret waktu adalah langkah awal yang baik. Moving averagesBollinger bands Untuk beberapa indikator teknis, bagaimanapun, isnt stasioner relevan. Ini adalah kasus untuk beberapa jenis moving averages dan indikator terkaitnya. Ambil Bollinger bands misalnya. Ini adalah indikator teknis yang menunjukkan sejumlah standar deviasi di atas dan di bawah rata-rata bergerak. Seperti halnya perhitungan standar deviasi, moving average, statistik, dan sebagainya, mereka memerlukan data selama jangka waktu tertentu. Analis memilih sejumlah periode historis tertentu, mis. 20, dan menghitung rata-rata bergerak untuk periode sebelumnya dan deviasi standar perpindahan untuk periode yang sama juga. Bollinger bands mewakili nilai sejumlah penyimpangan standar dari rata-rata bergerak pada suatu titik waktu tertentu. Pada titik ini, Anda dapat menghitung nilai dua penyimpangan standar dari nilai tersebut, namun hal itu tetap memerlukan harga saham historis (atau setidaknya rata-rata pergerakan historis). Jika Anda hanya diberi harga dalam isolasi, Anda kurang beruntung. Moving averages secara tidak langsung dapat menghindari beberapa isu stasioneritas yang saya jelaskan di atas karena mudah untuk memperkirakan deret waktu dengan proses yang dibangun dari rata-rata bergerak (khususnya, proses rata-rata bergerak otomatis) namun ekonometrik deret waktu adalah topik Untuk hari lain Kode Stata yang saya gunakan untuk menghasilkan grafik dan statistik ringkasan: terima kasih John, saya rasa masuk akal untuk melihat perbedaan, indikator teknis Rata-rata Sejati (ATR) melakukan ini, namun bahkan mengingat pengetahuan itu, katakanlah ATR10 di atas 30 hari terakhir, bagaimana saya menentukan standar - dua standar deviasiquot dari harga saat ini. Kedua, pertimbangan apa yang harus saya buat saat memilih waktu yang lama untuk membuat rata-rata saya, untuk indeks saham ndash CQM 20 Mei 13 di 15:32 Rentang True Average adalah rata-rata pergerakan eksponensial, yang sama sekali berbeda dengan standar deviasi . Keduanya digunakan untuk menghitung volatilitas. Tapi perhitungan dan alasan di belakang mereka sama sekali berbeda. Pencipta ATR merekomendasikan periode 14 hari. Tapi saya tidak bisa cukup menekankan bahwa ini bukan standar deviasi. Jadi bertanya tentang standar deviasiquot 2 dari harga tidak terkait dengan ATR. Ndash John Bensin 20 Mei 13 at 15:55 Anda bisa menghitung standar deviasi True Range (bukan Range Rata Rata, hanya Range Sejati). Ini hanya versi sedikit lebih bagus dari perbedaan pertama. Lihat beberapa paragraf pertama saya. Tidak masuk akal untuk membicarakan dua standar deviasi dari harga. Anda akan melihat harga relatif terhadap tolok ukur lainnya, mis. Rata-rata, ATR, level support, dll. Ndash John Bensin 20 Mei 13 at 16:03 Standar Deviasi adalah istilah matematis yang berguna di banyak area. Hal ini dapat dianggap sebagai ukuran seberapa ketat titik data rata-rata. Jika ada konsistensi dalam sistem pengukuran, maka satu titik yaitu dua standar dari rata-rata bisa dianggap outlier. Itu bahkan tidak perlu berbasis waktu. Kita dapat mengatakan bahwa anak yang lahir dengan berat kurang dari X pound lebih dari 2 standar deviasi di bawah rata-rata. Menggunakannya untuk melihat harga atau nilai indeks tidak masuk akal karena banyak yang mengharapkan ada pertumbuhan jangka panjang. Misalnya Anda tidak akan pernah mengatakan bahwa Anda akan membeli jaket baru untuk anak Anda saat mereka menjadi dua standar deviasi di atas ketinggian rata-rata mereka. Anda dapat mengatakan bahwa Anda akan membeli atau menjual instrumen keuangan ketika rasio PE adalah 2 standar deviasi dari beberapa rata-rata. Bisa jadi rata-rata sejarah jangka panjang, atau indeks, atau sektor. Anda bisa melakukan hal yang sama untuk pendapatan per saham atau banyak bisnis statistik keuangan lainnya. Sebuah standar deviasi yang dihitung dari sebuah time series mengasumsikan bahwa pengukuran biasanya akan tetap bertahan beberapa batas. Dan yang menyimpang dari batas tersebut adalah tanda waktu yang tepat untuk membeli atau menjual. Deviasi Standar Dan Perbedaan 13 Rentang dan Rata-rata Deviasi Mutlak Kisaran adalah ukuran dispersi yang paling sederhana, sejauh mana data bervariasi dari ukuran tendensi sentralnya. . Dispersi atau variabilitas adalah konsep yang dibahas secara luas dalam kurikulum CFA, karena menekankan pada risiko, atau peluang bahwa investasi tidak akan mencapai hasil yang diharapkan. Jika ada investasi yang memiliki dua dimensi - satu menggambarkan risiko, yang menggambarkan penghargaan - maka kita harus mengukur dan menyajikan kedua dimensi untuk mendapatkan gagasan tentang sifat sebenarnya dari investasi tersebut. Mean return menggambarkan reward yang diharapkan, sementara ukuran dispersi menggambarkan risikonya. Range Range hanyalah observasi tertinggi dikurangi pengamatan terendah. Untuk data yang disortir, sebaiknya mudah mencari nilai maximumminimum dan menghitung range. Daya tarik jangkauan adalah mudah untuk menafsirkan dan mudah menghitung kekurangannya yaitu dengan hanya menggunakan dua nilai, bisa menyesatkan jika ada nilai ekstrim yang ternyata sangat langka, dan mungkin tidak cukup mewakili keseluruhan. Distribusi (semua hasil). Mean Absolute Deviation (MAD) MAD membaik pada range sebagai indikator dispersi dengan menggunakan semua data. Hal ini dihitung dengan: 1. Mengambil perbedaan antara masing-masing nilai yang teramati dan meannya, yaitu deviasi 2. Menggunakan nilai absolut dari setiap penyimpangan, menambahkan semua penyimpangan bersama 3. Membagi dengan n, jumlah pengamatan. 13 Contoh: Untuk menggambarkan, kita mengambil contoh enam reksa dana mid-cap, dimana tingkat pengembalian tahunan lima tahun adalah 10,1, 7,7, 5,0, 12,3, 12,2 dan 10,9. Jawaban: Rentang Maksimum - Minimum (12.3) - (5.0) 7.3 Mean deviasi absolut dimulai dengan menemukan meannya: (10.1 7.7 5.0 12.3 12.2 10.9) 6 9.7. Masing-masing dari enam pengamatan menyimpang dari 9.7 penyimpangan absolut mengabaikan -. 1 st. 10.1 - 9.7 0.4 3 rd. 5.0 - 9.7 4.7 5 th. 12.2 - 9.7 2.5 2 nd. 7.7 - 9.7 2.0 4 th. 12.3 - 9.7 2.6 6 th. 10.9 - 9.7 1.2 Selanjutnya, penyimpangan absolut dijumlahkan dan dibagi dengan 6: (0.4 2.0 4.7 2.6 2.5 1.2) 6 13.46 2.233333, atau dibulatkan, 2.2. 13 Variance Varians (2) adalah ukuran dispersi yang dalam praktiknya bisa lebih mudah diterapkan daripada mean deviasi absolut karena menghilangkan - tanda dengan mengkuadratkan penyimpangan. Kembali ke contoh reksa dana mid-cap, kami memiliki enam penyimpangan. Untuk menghitung varians, kita mengambil kuadrat setiap deviasi, tambahkan istilahnya bersama dan bagi dengan jumlah pengamatan. 13 Varians (0,16 4,0 22,09 6,76 6,25 1,44) 6 6.7833. Varians tidak berada pada unit yang sama dengan data yang mendasarinya. Dalam kasus ini, yang dinyatakan sebagai 6,7833 kuadrat - sulit untuk menafsirkan kecuali jika Anda adalah seorang ahli matematika (persen kuadrat). Standar Deviasi Standar deviasi () adalah akar kuadrat dari varians, atau (6.7833) 12 2.60. Standar deviasi dinyatakan dalam unit yang sama dengan data, yang membuatnya lebih mudah untuk ditafsirkan. Ini adalah ukuran dispersi yang paling sering digunakan. Perhitungan kami di atas dilakukan untuk populasi enam reksadana. Dalam prakteknya, seluruh populasi tidak mungkin atau tidak praktis untuk diamati, dan dengan menggunakan teknik pengambilan sampel, kami memperkirakan varians populasi dan standar deviasi. Formula varians sampel sangat mirip dengan varians populasi, dengan satu pengecualian: daripada membagi dengan n pengamatan (di mana n ukuran populasi), kita membagi dengan (n - 1) derajat kebebasan, di mana n ukuran sampel. Jadi, dalam contoh reksa dana kami, jika masalahnya digambarkan sebagai contoh database mid-cap yang lebih besar, kami akan menghitung varians menggunakan n-1, derajat kebebasan. Contoh varians (s 2) (0,16 4,0 22,09 6,76 6,25 1,44) (6 - 1) 8.14 Contoh Standar Deviasi Standar deviasi standar adalah akar kuadrat dari varians sampel: Sebenarnya, standar deviasi sangat banyak digunakan karena, tidak seperti varians , Dinyatakan dalam satuan yang sama dengan data asli, sehingga mudah untuk ditafsirkan, dan dapat digunakan pada grafik distribusi (misal distribusi normal). Semivariance dan Target Semivariance 13Semivariance adalah ukuran risiko yang berfokus pada risiko downside. Dan didefinisikan sebagai deviasi kuadrat rata-rata di bawah rata-rata. Komputasi semivariance dimulai dengan hanya menggunakan observasi di bawah rata-rata, yaitu setiap pengamatan pada atau di atas rata-rata diabaikan. Dari situ, prosesnya mirip dengan varians komputasi. Jika distribusi kembali simetris, semivariance adalah persis setengah dari variansnya. Jika distribusinya miring secara negatif, semivariance bisa lebih tinggi. Gagasan di balik semivariance adalah fokus pada hasil negatif. Target semivariance adalah variasi dari konsep ini, mengingat hanya penyimpangan kuadrat di bawah target tertentu. Misalnya, jika reksa dana memiliki return kuartalan rata-rata 3,6, kita mungkin ingin fokus hanya pada tempat dimana hasilnya adalah -5 atau lebih rendah. Target semivariance menghilangkan semua titik di atas -5. Dari situlah, proses komputasi target semivariance mengikuti prosedur yang sama seperti ukuran varians lainnya. Ketidaksetaraan Chebyshevs Ketidaksetaraan Chebyshevs menyatakan bahwa proporsi pengamatan dalam k standar deviasi dari mean aritmetika paling sedikit 1 - 1 k 2. untuk semua k gt 1. 13 Standar Deviasi dari Mean (k) 13 Ketidaksetaraan Chebyshev 13 1 - 1 ( 4) 2. atau 1 - 116, atau 1516 13 Mengingat bahwa 75 pengamatan termasuk dalam dua standar deviasi, jika suatu distribusi memiliki pengembalian rata-rata 10 tahunan dan deviasi standar 5, kita dapat menyatakan bahwa dalam 75 tahun, Kembalinya akan berada di manapun dari 0 sampai 20. Dalam 25 tahun, akan berada di bawah 0 atau di atas 20. Mengingat bahwa ada 89 yang jatuh dalam tiga standar deviasi berarti bahwa dalam 89 tahun, pengembalian akan berada dalam Kisaran -5 sampai 25. Sebelas persen dari waktu yang biasa. Kemudian kita akan belajar bahwa untuk apa yang disebut distribusi normal, kita memperkirakan sekitar 95 dari pengamatan tersebut berada dalam dua standar deviasi. Ketidaksetaraan Chebyshevs lebih umum dan tidak mengasumsikan distribusi normal, artinya berlaku untuk distribusi yang berbentuk. Koefisien Variasi Koefisien variasi (CV) membantu analis menginterpretasikan dispersi relatif. Dengan kata lain, nilai deviasi standar yang dihitung hanyalah angka. Apakah angka ini menunjukkan dispersi tinggi atau rendah Koefisien variasi membantu menggambarkan standar deviasi dalam proporsinya terhadap mean-nya dengan rumus ini: 13 Dimana: s sampel standar deviasi, sampel X mean 13 Rasio Sharpe Rasio Sharpe adalah ukuran dari Risk-reward tradeoff dari keamanan investasi atau portofolio. Ini dimulai dengan menentukan kelebihan return, atau tingkat persentase pengembalian keamanan di atas tingkat bebas risiko. Dalam pandangan ini, tingkat bebas risiko adalah tingkat minimum yang harus diperoleh keamanan. Tingkat suku bunga yang lebih tinggi tersedia jika seseorang mengasumsikan risiko lebih tinggi. Rasio Sharpe dihitung dengan membagi rasio return berlebih, dengan deviasi standar return. 13 Formula 2.19 Rasio Sharpe (return rata-rata) - (return bebas risiko) standar deviasi return 13 Contoh: Rasio Sharpe Jika dana pasar negara berkembang memiliki return rata-rata yang bersejarah 18,2 dan deviasi standar 12,1, dan tingkat pengembalian tiga Tagihan bulanan (proxy kami untuk tingkat risiko bebas) adalah 2.3, rasio Sharpe (18.2) - (2.3) 12.1 1.31. Dengan kata lain, untuk setiap 1 risiko tambahan yang kita terima dengan berinvestasi di dana emerging market ini, kita dihargai dengan kelebihan 1,31. Sebagian alasan bahwa rasio Sharpe telah menjadi populer adalah konsep yang mudah dipahami dan menarik, bagi para praktisi dan investor. Bollinger Bands Bollinger Bands Introduction Dikembangkan oleh John Bollinger, Bollinger Bands adalah kelompok volatilitas yang ditempatkan di atas dan di bawah rata-rata bergerak. Volatilitas didasarkan pada standar deviasi. Yang berubah karena volatilitas meningkat dan menurun. Band secara otomatis melebar saat volatilitas meningkat dan mempersempit saat volatilitas menurun. Sifat dinamis Bollinger Bands ini juga berarti mereka dapat digunakan pada sekuritas yang berbeda dengan pengaturan standar. Untuk sinyal, Bollinger Bands dapat digunakan untuk mengidentifikasi M-Tops dan W-Bottoms atau untuk menentukan kekuatan tren. Sinyal yang berasal dari penyempitan BandWidth dibahas di bagan artikel sekolah di BandWidth. Catatan: Bollinger Bands adalah merek dagang terdaftar dari John Bollinger. Perhitungan SharpCharts Bollinger Bands terdiri dari band tengah dengan dua band luar. Band tengah adalah moving average sederhana yang biasanya ditetapkan pada 20 periode. Rata-rata pergerakan sederhana digunakan karena rumus standar deviasi juga menggunakan moving average sederhana. Periode look-back untuk standar deviasi sama dengan rata-rata pergerakan sederhana. Band luar biasanya menetapkan 2 standar deviasi di atas dan di bawah band tengah. Pengaturan dapat disesuaikan agar sesuai dengan karakteristik sekuritas atau gaya trading tertentu. Bollinger merekomendasikan untuk melakukan penyesuaian inkremental kecil terhadap pengganda deviasi standar. Mengubah jumlah periode untuk moving average juga mempengaruhi jumlah periode yang digunakan untuk menghitung deviasi standar. Oleh karena itu, hanya penyesuaian kecil yang diperlukan untuk pengganda deviasi standar. Kenaikan pada periode rata-rata bergerak secara otomatis akan meningkatkan jumlah periode yang digunakan untuk menghitung deviasi standar dan juga menjamin peningkatan pengganda deviasi standar. Dengan Standar Deviasi 20 hari dan Standar Deviasi 20 hari, pengganda deviasi standar ditetapkan pada 2. Bollinger menyarankan untuk meningkatkan pengganda deviasi standar menjadi 2,1 untuk SMA 50 periode dan menurunkan pengganda deviasi standar menjadi 1,9 untuk periode 10 SMA. Sinyal: W-Bottoms W-Bottoms adalah bagian dari karya Arthur Merrill0 yang mengidentifikasi 16 pola dengan bentuk dasar W. Bollinger menggunakan berbagai pola W dengan Bollinger Bands untuk mengidentifikasi W-Bottoms. Bentuk W-Bottom dalam tren turun dan melibatkan dua posisi rendah reaksi. Secara khusus, Bollinger mencari W-Bottoms dimana low kedua lebih rendah dari yang pertama, namun bertahan di atas lower band. Ada empat langkah untuk mengkonfirmasi W-Bottom dengan Bollinger Bands. Pertama, bentuk reaksi rendah. Rendah ini biasanya, tapi tidak selalu, di bawah band bawah. Kedua, ada mental menuju band tengah. Ketiga, ada harga baru yang rendah dalam keamanan. Rendah ini berada di atas band bawah. Kemampuan bertahan di atas lower band pada tes menunjukkan sedikit kelemahan pada penurunan terakhir. Keempat, pola ini terkonfirmasi dengan pergerakan kuat dari low kedua dan resistance break. Bagan 2 menunjukkan Nordstrom (JWN) dengan W-Bottom pada Januari-Februari 2010. Pertama, saham tersebut membentuk reaksi rendah pada bulan Januari (panah hitam) dan pecah di bawah band bawah. Kedua, ada mental kembali di atas band tengah. Ketiga, saham bergerak di bawah level terendah Januari dan bertahan di atas lower band. Meskipun lonjakan 5-Feb rendah memecah pita bawah, Bollinger Bands dihitung dengan menggunakan harga penutupan sehingga sinyal juga harus didasarkan pada harga penutupan. Keempat, saham melonjak dengan volume yang meluas pada akhir Februari dan menembus di atas ketinggian awal Februari. Bagan 3 menunjukkan Sandisk dengan W-Bottom yang lebih kecil pada bulan Juli-Agustus 2009. Sinyal: M-Tops M-Tops juga merupakan bagian dari karya Arthur Merrill0 yang mengidentifikasi 16 pola dengan bentuk dasar M. Bollinger menggunakan berbagai pola M dengan Bollinger Bands untuk mengidentifikasi M-Tops. Menurut Bollinger, atasan biasanya lebih rumit dan ditarik keluar dari pantat. Puncak ganda, pola kepala dan bahu serta berlian mewakili puncak yang berkembang. Dalam bentuknya yang paling dasar, M-Top mirip dengan double top. Namun, reaksi tertinggi tidak selalu sama. Tinggi pertama bisa lebih tinggi atau lebih rendah dari tinggi kedua. Bollinger menyarankan untuk mencari tanda-tanda non-konfirmasi saat sebuah keamanan membuat harga tertinggi baru. Ini pada dasarnya adalah kebalikan dari W-Bottom. Sebuah konfirmasi bukan terjadi dengan tiga langkah. Pertama, keamanan menempa reaksi tinggi di atas band atas. Kedua, ada kemunduran ke arah band tengah. Ketiga, harga bergerak di atas level tertinggi sebelumnya, namun gagal mencapai upper band. Ini adalah tanda peringatan. Ketidakmampuan reaksi kedua yang tinggi untuk mencapai upper band menunjukkan momentum memudarnya, yang bisa meramalkan pembalikan tren. Konfirmasi akhir dilengkapi dengan support break atau indikator bearish signal. Bagan 4 menunjukkan Exxon Mobil (XOM) dengan M-Top pada bulan April-Mei 2008. Saham tersebut bergerak di atas band atas pada bulan April. Ada kemunduran di bulan Mei dan kemudian dorongan lain di atas 90. Meskipun saham bergerak di atas band atas pada basis intraday, tidak CLOSE di atas band atas. M-Top dikonfirmasi dengan support break dua minggu kemudian. Perhatikan juga bahwa MACD membentuk divergensi bearish dan bergerak di bawah garis sinyal untuk konfirmasi. Bagan 5 menunjukkan Rumah Pulte (PHM) dalam uptrend pada bulan Juli-Agustus 2008. Harga melampaui band atas pada awal September untuk menegaskan uptrend. Setelah mundur di bawah SMA 20 hari (Bollinger Band tengah), saham bergerak ke posisi tertinggi di atas 17. Meski baru ini bergerak tinggi, harga tidak melebihi band atas. Ini melintas tanda peringatan. Saham tersebut mematok support seminggu kemudian dan MACD bergerak di bawah garis sinyal. Perhatikan bahwa M-top ini lebih kompleks karena ada reaksi yang lebih rendah di kedua sisi puncak (panah biru). Bagian atas yang berevolusi ini membentuk pola kepala-dan-bahu kecil. Sinyal: Berjalan di Band Bergerak di atas atau di bawah pita bukanlah sinyal per se. Seperti yang dikatakan Bollinger, gerakan yang menyentuh atau melampaui band bukanlah sinyal, melainkan tag. Di hadapannya, perpindahan ke upper band menunjukkan kekuatan, sementara gerakan tajam ke lower band menunjukkan kelemahan. Momentum osilator bekerja dengan cara yang sama. Overbought belum tentu bullish. Dibutuhkan kekuatan untuk mencapai level overbought dan kondisi jenuh beli bisa meluas dalam uptrend yang kuat. Demikian pula, harga bisa berjalan di band dengan banyak sentuhan saat uptrend yang kuat. Pikirkan sejenak. Band atas adalah 2 standar deviasi di atas rata-rata pergerakan sederhana 20-periode. Dibutuhkan pergerakan harga yang cukup kuat untuk melampaui band atas ini. Sentuhan pita atas yang terjadi setelah Bollinger Band mengkonfirmasi W-Bottom akan memberi sinyal awal dari sebuah uptrend. Sama seperti uptrend yang kuat menghasilkan banyak tag pita atas, biasanya harga untuk tidak mencapai band bawah selama uptrend. SMA 20 hari terkadang bertindak sebagai pendukung. Bahkan, dips di bawah SMA 20 hari terkadang memberikan kesempatan membeli sebelum tag selanjutnya dari band atas. Bagan 6 menunjukkan Air Products (APD) dengan lonjakan dan dekat di atas band atas pada pertengahan Juli. Pertama, perhatikan bahwa ini adalah lonjakan kuat yang menembus di atas dua level resistance. Dorong ke atas yang kuat adalah tanda kekuatan, bukan kelemahan. Perdagangan berbalik datar pada bulan Agustus dan SMA 20 hari bergerak ke samping. Bollinger Bands menyempit, tapi APD tidak menutup di bawah band bawah. Harga, dan SMA 20 hari, muncul pada bulan September. Secara keseluruhan, APD ditutup di atas band atas setidaknya lima kali dalam periode empat bulan. Jendela indikator menunjukkan Indeks Komoditi Channel 10-periode (CCI). Dips di bawah -100 dianggap oversold dan bergerak mundur di atas -100 memberi sinyal awal dari rebound jenuh (garis putus-putus hijau). Band dan breaker atas memulai uptrend. CCI kemudian mengidentifikasi pullback yang dapat diperdagangkan dengan penurunan di bawah -100. Ini adalah contoh menggabungkan Bollinger Bands dengan momentum osilator untuk sinyal perdagangan. Bagan 7 menunjukkan Monsanto (MON) dengan berjalan menyusuri band bagian bawah. Saham tersebut turun pada bulan Januari dengan support break dan ditutup di bawah lower band. Dari pertengahan Januari hingga awal Mei, Monsanto ditutup di bawah band bawah setidaknya lima kali. Perhatikan bahwa saham tidak menutup di atas band atas satu kali selama periode ini. Support break dan initial close di bawah lower band memberi sinyal tren turun. Dengan demikian, Indeks Komoditi Saluran (IKK) 10 periode digunakan untuk mengidentifikasi situasi jenuh beli jangka pendek. Sebuah pergerakan di atas 100 adalah overbought. Sebuah pergerakan kembali di bawah 100 sinyal dimulainya kembali downtrend (panah merah). Sistem ini memicu dua sinyal bagus di awal 2010. Kesimpulan Bollinger Bands merefleksikan arah dengan SMA 20-periode dan volatilitas dengan band-band upperlower. Dengan demikian, mereka dapat digunakan untuk menentukan apakah harga relatif tinggi atau rendah. Menurut Bollinger, band-band tersebut harus berisi 88-89 aksi harga, yang membuat pergerakan di luar band signifikan. Secara teknis, harga relatif tinggi bila berada di atas upper band dan relatif rendah bila berada di bawah lower band. Namun, relatif tinggi jangan sampai dianggap bearish atau sebagai sinyal jual. Begitu juga yang relatif rendah jangan sampai dianggap bullish atau sebagai sinyal beli. Harga tinggi atau rendah karena suatu alasan. Seperti halnya indikator lainnya, Bollinger Bands tidak dimaksudkan untuk digunakan sebagai alat yang berdiri sendiri. Chartists harus menggabungkan Bollinger Bands dengan analisis tren dasar dan indikator konfirmasi lainnya. Band dan SharpCharts Bollinger Bands dapat ditemukan di SharpCharts sebagai overlay harga. Seperti rata-rata bergerak sederhana, Bollinger Bands harus ditunjukkan di atas plot harga. Saat memilih Bollinger Bands, pengaturan default akan muncul di jendela parameter (20,2). Angka pertama (20) menetapkan periode untuk moving average sederhana dan standar deviasi. Angka kedua (2) menetapkan pengganda deviasi standar untuk pita atas dan bawah. Parameter default ini menetapkan standar deviasi band 2 dengan rata-rata bergerak sederhana. Pengguna dapat mengubah parameter yang sesuai dengan kebutuhan charting mereka. Bollinger Bands (50,2,1) dapat digunakan untuk jangka waktu yang lebih lama atau Bollinger Bands (10,1,9) dapat digunakan untuk jangka waktu yang lebih pendek. Klik di sini untuk contoh hidup. Saham amp Komoditas Artikel Majalah:
Jangan pernah trade-options
Token-in-pokemon-trading-card-game-online