結合時間序列平滑化

我的價值策略專注於長倉，通過嘗試優化信號雜訊比率，並識別過去和當前數據中看到的響應曲線類型。

基本想法源於我對其他學科的多變量時間序列分析的經驗。如果我沒有使用正確的術語，我很抱歉。由於我不知道這裡某些統計數據的指標稱為什麼，因此我也可能看起來很明顯的缺失，所以我肯定歡迎任何更正！

到目前為止，我已經使用了定性合成方法以下順序評估趨勢：

1）基本視覺檢查交易價格。我個人更喜歡 Heikin Ashi 而不是標準蠟燭棒，但如果您更喜歡蠟燭棒，我認為這不是一個足夠重大的改進，以便需要切換。我希望 Moomoo 添加小提琴劇情作為選項，以便您可以看到價格範圍以及該範圍內的交易量的差異。（不是我看到金融使用的東西；可能最終會編寫我自己的儀表板）

2）我主要忽略移動平均線，更喜歡指數移動平均線。我喜歡將 MA 值保留在那裡，以便能夠看到它與 EMA 有多遠（但無法弄清楚如何在那裡放置文本，但刪除行 😅）。EMA 的主要優點在於它對數據點越舊（相對於設定的持續時間）的重量越少，因此罕見或一次性噪音事件（例如 0% 利率）不會對當前價值那麼大影響。

3）我在應用程序中發現了一些我覺得有幫助的次要指標。EMV/EMVA 有助於解決結合交易量和價格的問題。我很快了解到，如果您不計算出交易量會發生的情況（例如賣空，在沒有買家時嘗試清盤等），價格本身並不太重要。我將它用作非常粗略相當於特性值分析，所以不完全是意圖。我的一般主要規則：

-如果任何一個值從負值接近 0，則表示正趨勢。

-如果任何一個值從正值接近 0，則表示負趨勢。

我大致使用 DMA/DDD/DDDMA 作為相等效的衍生（如微積分 😅 中）分析，對隨著時間的變化。解釋會根據您選取的間隔而變更。使用默認設置，我將其評估，就像 DDD 線在 DDDMA 線上方一樣-這表明正向趨勢。如果 DDDMA 高於 DDD-這表明負趨勢。

AR 是我開始使用的最新資料，並且對一般內容最不熟悉。我使用它作為第二次衍生分析的代理，以了解波動性（例如，隨著時間的推移價值變化的變化）。我知道它不完全適合框架，很高興有建議！在數學上，我看不到 BR 在額外的步驟中提供更好的結果，因此我以 K.I.S.S. 的思維運作為避免過度適應。大致來說，當 AR 在 80-120 左右波動時，我認為這意味著股票價格不會大幅改變。理論上來說，AR > 150 可以表示待售，AR <80 可以表示大的購買量，但我還沒有從經驗方面看到它，證明它的實際情況。

我包含了以下數據，以便您可以自己決定我的定性解釋是否符合現實。

我知道長期趨勢並不像短擺那麼有趣，但希望最近加入遊戲的外部人的角度可以幫助！