Kaufman的自适应移动平均线(AMA)

Kaufman的自适应移动平均线(AMA)

自适应移动平均线（AMA）是由著名的交易员和计算机程序员佛·考夫曼（Perry Kaufman）于1995年开发的。与其他移动平均线相比，AMA使用了一种特殊的算法，以自适应形式来调整移动平均线的权重。这使得AMA更适合在波动性较高的市场中使用。

为什么使用AMA？

传统的移动平均线在计算时通常使用的是等权重，无论市场的波动性如何。这意味着在波动性较高的市场中，移动平均线会滞后于价格，导致交易信号的延迟。另外，当价格趋势发生变化时，传统的移动平均线会产生较多的噪声和虚假信号。

AMA算法通过计算ATR（平均真实波幅）来测量市场波动性，根据市场的波动性来调整移动平均线的权重。当市场波动性较高时，AMA将增加对历史数据的权重，使得移动平均线更接近于当前价格。当市场波动性较低时，AMA将减少对历史数据的权重，使得移动平均线更平滑。

如何计算AMA？

AMA的计算过程分为以下几步：

计算平均真实波幅（ATR）

计算快速移动平均线（FastMA）和慢速移动平均线（SlowMA）

计算平滑因子（Smoothing Factor）

计算AMA

其中，平滑因子的计算是AMA算法的核心。平滑因子的计算公式如下：

ER = ABS(Close - PrevClose)

FastSC = 2 / (fastMA + 1)

SlowSC = 2 / (slowMA + 1)

SC = ER * (FastSC - SlowSC) + SlowSC

SF = SC * SC

其中，Close是当前收盘价，PrevClose是前一天收盘价，fastMA和slowMA是用户设定的移动平均线周期，FastSC和SlowSC分别是快速移动平均线和慢速移动平均线的平滑因子，ER是指价格的波动范围，SC是平滑因子的计算公式，SF是平滑因子的平方。

最后，根据计算出来的平滑因子和移动平均线的历史数据，即可计算出AMA。AMA的计算公式如下：

AMA = AMA_prev + SF * (Close - AMA_prev)

其中，AMA_prev是上一个周期的AMA值。

如何使用AMA？

AMA可以用来判断趋势的变化和市场的波动性。当AMA处于上升趋势时，表明市场处于上涨趋势，并且市场的波动性增加。当AMA处于下降趋势时，表明市场处于下跌趋势，并且市场的波动性减少。

由于AMA在计算时考虑了