纳入时间序列平滑处理

我的价值策略侧重于多头头寸，尝试优化信噪比并确定过去和当前数据中看到的响应曲线的类型。

基本思想源于我在其他学科的多变量时间序列分析方面的经验。如果我没有使用正确的术语，我深表歉意。由于不知道这里某些统计数据的指标叫什么，我可能还有一些看似明显的遗漏，所以我绝对欢迎任何更正！

到目前为止，我已经使用定性综合方法来评估趋势，顺序如下：

1) 交易价格的基本目视检查。与标准蜡烛棒相比，我个人更喜欢 Heikin Ashi，但我认为，如果你更喜欢蜡烛棒，它的改进还不够明显，不值得切换。我希望 Moomoo 添加小提琴图作为选项，这样你就可以看到价格区间以及该区间内交易量的差异。（不是我见过的财务用途；最终可能会自己写仪表板）

2) 我在很大程度上忽略了移动平均线，而更喜欢指数移动平均线。我喜欢将 MA 值保留在那里，以便能够看到它与 EMA 的差异有多远（但无法弄清楚如何将文本放在那里，但删除线条 😅）。EMA的主要优点是，数据点越旧（相对于设定的持续时间），它对数据点的权重越小，因此偶发或一次性的噪声事件（例如0％的利率）对当前值的影响不大。

3) 我在应用程序中找到了一些我认为有用的辅助指标。EMV/EMVA有助于解决兼顾交易量和价格的问题。我很快了解到，如果你不考虑交易量会发生什么（例如卖空者、在没有买家时试图清算等），价格本身并不重要。我把它当作特征值分析的非常粗略的等价物，所以不完全是意图。我的一般经验法则：

-如果任一的值从负值接近 0，则表示正向趋势。

-如果任一的值从正值接近 0，则表示负趋势。

我大致使用 DMA/DD/DDMA 作为对一段时间变化的等效分析（如微积分 😅）。解释会根据您选择的时间间隔而变化。使用默认设置，我将其评估为 DDD 线高于 DDMA 线——这表明趋势良好。而且，如果DDDMA高于DDD，则表明趋势为负数。

AR 是我开始使用的最新矩阵，因此对一般内容最不熟悉。我用它作为二阶导数分析的代理，以了解波动性（例如，随着时间的推移价值的变化）。我知道它不太适合框架，很高兴能为此提出建议！从数学上讲，我认为BR不会为额外的步骤提供更好的结果，我以K.I.S.S.的心态进行操作，以避免过度拟合。大致而言，当增强现实在80-120左右波动时，我认为这意味着股票的价格不会发生巨大变化。从理论上讲，AR > 150 可能表示即将进行抛售，AR < 80 表示买入量大，但我尚未从经验上看到它来证明其真实性。

我提供了以下数据，这样你就可以自己决定我的定性解释与现实的契合程度。

我知道长期趋势不如短波动那么有趣，但希望最近加入游戏的局外人的视角能有所帮助！