Kitobni o'qish: «Хамелеоны рынка»

Содержание

📘 ГЛАВА 1. Дело о двух участках дороги: почему одна скорость не подходит всем

📘 ГЛАВА 2. KAMA: навигатор, который отличает прямую дорогу от серпантина 🧭

📘 ГЛАВА 3. FRAMA: геодезист, который меряет «рваность» графика 🏖️📏

📘 ГЛАВА 4. MAMA и FAMA: радиоприёмник для графика 📻🌊

📘 ГЛАВА 5. JMA: легенда в запертом сейфе 🔐

📘 ГЛАВА 6. McGinley Dynamic: автопилот без датчика 🌡️️

🎁 БОНУСНЫЙ МОДУЛЬ. Битва хамелеонов: как выбрать, настроить и не обмануть себя 🦎🏆

📘 ГЛАВА 1. Дело о двух участках дороги: почемуодна скорость не подходит всем

Эта глава похожа на маленькое расследование. У нас есть улика, подозреваемый и загадка. К концу вы поймёте, чего не хватает обычным скользящим средним, и почему для этого изобрели целое семейство «умных» индикаторов. Кот-диспетчер уже сидит у пульта. Начинаем. 🕵️️🐈

🎯 Чему вы научитесь в этой главе

• Что такое скользящая средняя (минимальная справка, 2 минуты)

• Как одна и та же линия ведёт себя на двух разных участках рынка

• Что такое сглаживающий коэффициент и почему он решает всё

• Как сделать первую адаптивную среднюю самому, за пять строк арифметики

• Какие пять способов «переключать передачи» придумали трейдеры и математики

• Что ждёт вас в следующих главах

🕐 Время чтения: ~25 минут. Практика: ~15 минут.

1.1. Справка для новичков: что такое скользящая средняя (2 минуты) 📌

Если вы уже знаете, что это, перейдите к разделу 1.2. Если нет, здесь всё, что нужно для курса.

Цена на бирже (акции, валюта, золото, криптовалюта) непрерывно скачет. Если нарисовать её как линию на графике, получится нервный зигзаг. Из него трудно понять, куда рынок движется в целом.

Скользящая средняя это линия, которая усредняет последние цены и сглаживает зигзаги. Самая простая версия называется SMA:

SMA = сумма последних N цен / N

Пример для N = 3 и цен 100, 108, 95:

(100 + 108 + 95) / 3 = 101

Завтра окно сдвинется: самую старую цену выкинем, новую добавим, посчитаем заново. Отсюда слово «скользящая».

Для расчётов обычно берут цену закрытия (Close), то есть цену в конце периода (дня, часа, минуты).

Период N задаёт, сколько цен усредняем:

• маленький N (5): линия быстрая, но дёрганая

• большой N (200): линия гладкая, но ленивая

Всё. Это вся «теория», нужная для старта. Идём расследовать. 🔍

1.2. 🕵️ Улика: две дороги, одна машина

Представьте, что у нас есть автомобиль, и скорость у него зафиксирована на 60 км/ч. Нельзя ни ускориться, ни притормозить. Куда бы мы ни ехали, всегда 60.

Теперь дадим ему два участка:

🛣 Участок А: пустая прямая трасса

Сухой асфальт, ни одной машины на горизонте. Ехать 60 км/ч значит тащиться. Хочется разогнаться до 120, но нельзя.

🏔 Участок Б: горный серпантин в тумане

Крутые повороты, мокрая дорога. Ехать 60 км/ч значит лихачить. Хочется ползти на 20, но нельзя.

Вывод: фиксированная скорость плоха на обоих участках, просто по-разному. Идеальная скорость на каждом участке своя.

Скользящая средняя это как раз такая «машина с зафиксированной скоростью». Скорость её реакции на цену задаётся периодом N, и дальше она не меняется. Посмотрим, как это выглядит на рынке.

1.3. 🧪 Эксперимент: одна SMA на двух участках рынка

Возьмём два набора цен. Оба по 10 дней. Обе пары считаем одной и той же SMA(4).

Участок А: «Трасса» (уверенный рост)

Цена растёт ровно на 3 пункта в день, без откатов. Посчитаем SMA(4) для дней 4-10:

Результат: средняя стабильно отстаёт от цены на 4,5 пункта (то есть на 1,5 дня). На ровной трассе это лишние потери: цена давно ушла, а линия ещё «думает».

Участок Б: «Серпантин» (топтание на месте)

Цена мечется между 98 и 107, никуда не уходя. Посчитаем SMA(4):

Результат: средняя почти не двигается (102,5-103), а цена скачет на 9 пунктов. Но если период сделать совсем маленьким, например SMA(2), линия начнёт повторять каждый скачок и «кричать» о смене тренда там, где его нет.

Что мы выяснили 🔎

Вывод: период, удобный для трассы, плох для серпантина, и наоборот. Универсального N не существует.

1.4. 🔑 Разгадка: у средней есть «педаль газа»

Теперь давайте заглянем под капот. Есть способ записать любую простую скользящую среднюю так, чтобы стала видна её «педаль газа».

Экспоненциальная средняя (EMA): средняя с рычагом

Одна из самых популярных средних, EMA, считается так:

Новая средняя = α × Цена + (1 - α) × Старая средняя

Здесь α (читается «альфа») это число от 0 до 1. Назовём его сглаживающим коэффициентом.

Читаем по-человечески:

«Возьми долю α от сегодняшней цены и добавь долю (1 - α) от вчерашней средней»

Как работает α: педаль газа 🦶

Видите? α это и есть педаль газа средней. Чем больше α, тем быстрее линия реагирует на цену.

Связь α с периодом

Обычно α вычисляют из периода по формуле α = 2 / (N + 1):

Но вот главная мысль 💡

В обычной EMA α вычисляется один раз и дальше не меняется. Мы выбрали период 19, получили α = 0,10, и вот эта «педаль» застыла в одном положении навсегда.

А что, если менять α каждый день? Больше в тренде, меньше во флэте? Тогда получится именно то, что нам нужно: средняя с коробкой передач.

📌 Главная идея всего курса: адаптивная средняя это формула EMA, в которой коэффициент α пересчитывается на каждой свече в зависимости от состояния рынка.

1.5. 🛠 Делаем первую адаптивную среднюю своими руками

Давайте докажем, что адаптивность не магия. Соберём примитивную версию за пять минут.

Задача

Нам нужно правило, которое увеличивает α в тренде и уменьшает α во флэте. Для этого нужен способ отличить тренд от флэта. Придумаем самый простой.

Простая идея: «смотрим на последнее движение»

Сравним сегодняшнюю цену с ценой, скажем, 3 дня назад:

Размах = |Цена_сегодня - Цена_3_дня_назад|

Если размах большой, цена уверенно ушла в сторону: похоже на тренд

Если размах маленький, цена болтается на месте: похоже на флэт

Теперь свяжем размах с α. Пусть:

• Если размах ≥ 6 ➡ α = 0,6 (быстро)

• Если размах между 3 и 6 ➡ α = 0,3 (средне)

• Если размах < 3 ➡ α = 0,1 (медленно)

(Числа взяты для примера, цель сейчас понять механику.)

Считаем на участке Б (серпантин)

Цены: 100, 106, 99, 107, 98, 106, 100, 107, 99, 105. Старт: средняя = 100 (первая цена).

Постойте, что-то пошло не так. Размах 7-8 сработал как «тренд», хотя это просто скачки туда-сюда, и средняя начала болтаться. 😬

Урок: простой способ измерения плох ️⚠

Наш размах смотрел только на две точки (сегодня и 3 дня назад) и не заметил, что между ними цена металась. Он принял «качели» за «тренд».

Нужен способ получше: такой, который смотрит на весь путь цены, а не на две точки. И здесь начинается настоящая наука. Каждый из пяти героев курса придумал свой способ правильно измерять обстановку:

• Кауфман сравнивает прямое расстояние с пройденным путём

• Эйлерс (автор MAMA) измеряет фазу цикла

• Автор FRAMA измеряет изрезанность графика

• и так далее

💡 Мораль: идея адаптивности проста (менять α), вся хитрость в том, как измерять обстановку. В этом и разница между пятью героями.

1.6. 🎛 Анатомия адаптивной средней: три детали

Любую адаптивную среднюю можно разобрать на три детали, как конструктор:

Двигатель у всех почти одинаковый. Различаются датчик и переводчик. Именно ими пять героев и отличаются друг от друга. Запомните эту схему, мы будем возвращаться к ней в каждой главе. 🧩

1.7. 🏆 Знакомство с пятёркой хамелеонов

Теперь у нас есть язык, чтобы описать каждого героя. Смотрите, как они отличаются.

Что их объединяет

• Все они меняют скорость по ходу дела

• Все стараются меньше отставать в тренде и меньше шуметь во флэте

• Все имеют лаг и дают ложные сигналы (волшебства нет)

Что их различает

• Способ измерения обстановки (датчик)

• Сложность (от школьной арифметики до продвинутой математики)

• Открытость (формулы известны у четверых, один герой «закрытый»)

• Характер (кто нервнее, кто спокойнее)

1.8. 🗺 Карта курса

1.9. ️⚠ Честная оговорка: адаптивность не волшебство

Прежде чем двигаться дальше, расставим точки.

📌 Адаптивные средние не предсказывают будущее. Они лишь умнее подбирают скорость по прошлым данным. Запаздывание у них остаётся, ложные сигналы тоже.

Что они реально дают:

• ✅ Меньше ложных сигналов во флэте

• ✅ Меньше запаздывания в сильном тренде

• ✅ Более «осмысленную» линию, чем у обычной средней

Чего не дают:

• ❌ Гарантии прибыли

• ❌ Прогноза цены

• ❌ Права отказаться от стоп-лоссов и управления рисками

Относитесь к ним как к более умным инструментам, но не как к волшебным палочкам. 🚫

1.10. ❌ Типичные ошибки новичков

Ошибка 1: «Адаптивная значит лучшая» 🏆

Нет. Она приспосабливается, но датчик может ошибаться. Иногда обычная EMA работает не хуже.

Ошибка 2: «Скользящая средняя предсказывает будущее» 🔮

Она показывает прошлое. Адаптивная тоже.

Ошибка 3: Не понимать, что внутри 🕳

Если не знаете, как работает датчик, не поймёте, почему индикатор повёл себя странно. Мы разберём каждый.

Ошибка 4: Подгонять параметры 🎲

У адаптивных средних часто несколько параметров. Соблазн перебирать их до «красивой» картинки на истории велик, но результат обычно разваливается в реальности.

Ошибка 5: Торговать по одному индикатору 🎰

Любая средняя это помощник, а не оракул.

Ошибка 6: Игнорировать прогрев 🌡

Адаптивным средним нужно время, чтобы «разогнаться». Первые свечи ненадёжны.

Ошибка 7: Путать α и период 🔀

α это коэффициент (0,1; 0,5), N это период (10; 20). Не подставляйте одно вместо другого.

1.11. 🛠 Практика (15 минут)

Задание 1: Посчитайте EMA с разными α ️✍

Цены: 100, 110, 110, 110, 110. Старт: средняя = 100. Посчитайте среднюю для дней 2-5 при α = 0,2 и при α = 0,8. Какая «догоняет» цену быстрее?

👀 Решение

При α = 0,2:

День 2: 0,2×110 + 0,8×100 = 102,00

День 3: 0,2×110 + 0,8×102 = 103,60

День 4: 0,2×110 + 0,8×103,6 = 104,88

День 5: 0,2×110 + 0,8×104,88 = 105,90

При α = 0,8:

День 2: 0,8×110 + 0,2×100 = 108,00

День 3: 0,8×110 + 0,2×108 = 109,60

День 4: 0,8×110 + 0,2×109,6 = 109,92

День 5: 0,8×110 + 0,2×109,92 = 109,98

При α = 0,8 средняя за два дня почти догнала цену, при α = 0,2 к пятому дню всё ещё отстаёт на 4 пункта. Вот она, «педаль газа». 🦶

Задание 2: Угадайте α по поведению 🎚

Средняя за день прошла 90% расстояния от старого значения до новой цены. Какое примерно у неё α?

👀 Решение

α ≈ 0,9. Формула «новая = α × цена + (1 - α) × старая» означает, что средняя проходит долю α расстояния до цены за один шаг. Прошла 90%, значит α = 0,9. 🎯

Задание 3: Какая педаль нужна? 🚦

Для каждой ситуации скажите, каким должно быть α (большим или маленьким):

а) Цена каждый день растёт на 2%, без откатов

б) Цена две недели ходит между 100 и 102

в) Цена после долгого флэта резко пробила уровень и пошла вверх

👀 Решение

• а) Большое α. Тренд ровный, нужна быстрая реакция.

• б) Маленькое α. Флэт, надо игнорировать колебания.

• в) Переключение: во флэте маленькое, после пробоя быстро увеличить. Именно такое переключение и делают адаптивные средние.

Задание 4: Три детали 🧩

Опишите своими словами, что делают «датчик», «переводчик» и «двигатель» в адаптивной средней. Приведите аналогию из жизни (не автомобильную).

👀 Пример ответа

Аналогия с термостатом в доме:

Датчик это термометр, измеряющий температуру в комнате

Переводчик это логика термостата: «если холодно, включить обогрев на 80%, если почти тепло, на 10%»

Двигатель это сам обогреватель, который греет с заданной мощностью

Любая аналогия, где есть «измерил ➡ решил ➡ сделал», подходит. 🌡

Задание 5: Эксперимент на графике 🔍

Добавьте на график две EMA: EMA(10) и EMA(50). Найдите:

1. Участок, где быстрая EMA(10) явно лучше (тренд)

2. Участок, где она шумит и вводит в заблуждение (флэт)

Запишите, как выглядят эти участки. Вы только что сами нашли обстановку, которую адаптивные средние должны распознавать автоматически.

1.12. 🧠 Мини-тест

1. Что делает коэффициент α в EMA?

а) Задаёт цвет линии

б) Определяет, как быстро средняя реагирует на новую цену

в) Равен периоду

2. Что значит большое α (близкое к 1)?

а) Средняя быстрая и близка к цене

б) Средняя медленная

в) Средняя не работает

3. В чём главная идея адаптивной средней?

а) α пересчитывается на каждой свече по состоянию рынка

б) Период выбирается один раз

в) Она всегда равна цене

4. Какой скорости средней хочется в сильном тренде?

а) Быстрой

б) Медленной

в) Нулевой

5. Какие три детали есть у адаптивной средней?

а) Датчик, переводчик, двигатель

б) Руль, педаль, тормоз

в) Цена, объём, время

✅ Ответы

1-б, 2-а, 3-а, 4-а, 5-а.

5/5 ➡ вы «кот-диспетчер» 🐱🎛. Меньше? Перечитайте разделы 1.4, 1.6 и 1.5, они самые важные.

🧾 Шпаргалка главы 1

🎬 Итоги главы

✅ Вы увидели на цифрах, что одна скорость не подходит ни тренду, ни флэту.

✅ Вы нашли «педаль газа» средней: коэффициент α.

✅ Вы поняли главную идею: адаптивная средняя меняет α на каждой свече.

✅ Вы собрали примитивную адаптивную среднюю сами и увидели, почему простой датчик плохой.

✅ Вы запомнили схему из трёх деталей: датчик ➡ переводчик ➡ двигатель.

✅ Вы познакомились с пятью героями курса и их способами измерять обстановку.

🚀 Что дальше?

В Главе 2 знакомимся с первым настоящим «датчиком»: KAMA, адаптивной средней Перри Кауфмана. Его идея по-детски проста и удивительно точна: сравнить прямое расстояние, которое прошла цена, с длиной всего пройденного пути. Если цена шла почти по прямой, значит тренд, и педаль надо жать. Если петляла, значит шум, и надо притормозить. Мы посчитаем всё руками и увидим, как этот датчик исправляет ошибку нашего самодельного «размаха». 🧭✨

А пока: потреплите кота-диспетчера, сделайте практику и помните: адаптивность это не магия, а хорошо настроенная педаль. 🦶

🐱 «Мур. Педаль газа… Я всегда знал, что бегу за мышью быстрее, чем за пылесосом. Значит, у меня α зависит от того, насколько мне страшно».

📘 ГЛАВА 2. KAMA: навигатор, который отличаетпрямую дорогу от серпантина 🧭

В прошлой главе мы собрали самодельную адаптивную среднюю и обнаружили, что наш «датчик» никуда не годится: он смотрел на две точки и принимал качели за тренд. Перри Кауфман в 1990-х придумал датчик гораздо умнее. Он не смотрит на две точки, он сравнивает прямой путь с реальным. Из этой идеи выросла самая известная адаптивная средняя в мире. 🏆

🎯 Чему вы научитесь в этой главе

• Как работает идея «прямое расстояние против пройденного пути»

• Что такое коэффициент эффективности (ER) и как его считать

• Как ER превращается в сглаживающий коэффициент α

• Что такое быстрая и медленная константы и зачем они нужны

• Как посчитать KAMA руками, шаг за шагом

• Как настраивать параметры и где KAMA подводит

• Ошибки и практика

🕐 Время чтения: ~30 минут. Практика: ~20 минут.

2.1. Быстрое повторение (30 секунд) 🔁

Из прошлой главы нужно помнить:

1. Обновление средней: Новая = α × Цена + (1 - α) × Старая.

2. α это «педаль газа»: чем больше, тем быстрее реакция.

3. Адаптивная средняя пересчитывает α на каждой свече.

4. Три детали: датчик (измеряет обстановку), переводчик (превращает измерение в α), двигатель (EMA с переменным α).

5. Наш простой датчик «размах за 3 дня» ошибался, потому что не видел, как цена добралась до нынешней точки.

Пункт 5 сегодня главный. 🧠

2.2. Знакомство: кто такой Кауфман и что такое KAMA

KAMA (Kaufman's Adaptive Moving Average) это «адаптивная скользящая средняя Кауфмана». Её описал Перри Кауфман (Perry J. Kaufman), американский финансовый аналитик, в книге Smarter Trading (1995).

📌 Главная идея KAMA: в тренде цена движется эффективно (почти по прямой), во флэте неэффективно (много шума, мало продвижения). Измерим эффективность и подстроим скорость средней.

2.3. 🧭 Аналогия: навигатор и два маршрута

Представьте двух путешественников. Оба вышли из пункта А и через час оказались в пункте Б, который находится в 10 километрах по прямой от старта.

• Путешественник 1 шёл по ровной дороге почти без отклонений. Пройденный путь: 11 км.

• Путешественник 2 петлял по лесным тропам, возвращался, обходил болота. Пройденный путь: 40 км.

Результат (расстояние по прямой) у обоих одинаковый: 10 км. Но эффективность разная:

Чем ближе эффективность к 1, тем «прямее» путь. Чем ближе к 0, тем больше петляний.

С ценой всё точно так же:

• Прямое расстояние это на сколько цена в итоге сместилась за N свечей

• Пройденный путь это сумма всех её колебаний за те же N свечей

Если цена ушла далеко, пройдя при этом немного (мало петляла), значит тренд. Если цена прошла огромный путь, но в итоге осталась почти на месте, значит шум.

2.4. Шаг 1: коэффициент эффективности (ER) 📐

Кауфман назвал этот датчик Efficiency Ratio, ER («коэффициент эффективности»).

ER = Изменение цены за N свечей / Сумма модулей изменений за N свечей

Или в виде формул:

Изменение = |Цена_сегодня - Цена_N_свечей_назад| Путь = |Δ₁| + |Δ₂| + ... + |Δ_N|, где Δ это изменение цены за каждую свечу ER = Изменение / Путь

Читаем по-человечески:

«Раздели итоговое смещение цены на длину всего пройденного ею пути»

Свойства ER

• ER всегда от 0 до 1

• ER = 1: цена шла строго в одну сторону, без единого отката (идеальный тренд)

• ER = 0: цена вернулась ровно туда, откуда начала (чистый шум)

• Чем ближе к 1, тем «трендовее» рынок

💡 Знак изменения не важен: для ER неважно, вверх или вниз идёт цена. Важна только прямота пути. Поэтому в формуле стоят модули (абсолютные значения).

2.5. Считаем ER руками (на двух участках) ✍ ️

Возьмём период N = 5 (смотрим на 5 последних изменений).

Участок А: «Трасса» (уверенный рост)

Цены за 6 дней: 100, 103, 106, 109, 112, 115.

Шаг 1. Изменение цены за 5 дней:

|115 - 100| = 15

Шаг 2. Изменения за каждую свечу и сумма модулей:

| Переход | Δ | |Δ| |

|---------|---|-----|

| 100 ➡ 103 | +3 | 3 |

| 103 ➡ 106 | +3 | 3 |

| 106 ➡ 109 | +3 | 3 |

| 109 ➡ 112 | +3 | 3 |

| 112 ➡ 115 | +3 | 3 |

Путь = 3 + 3 + 3 + 3 + 3 = 15

Шаг 3. ER = 15 / 15 = 1,00 🎯

Идеальный тренд: каждый шаг в одну сторону, эффективность максимальна.

Участок Б: «Серпантин» (качели)

Цены за 6 дней: 100, 106, 99, 107, 98, 104.

Шаг 1. Изменение за 5 дней:

|104 - 100| = 4

Шаг 2. Изменения за каждую свечу и сумма модулей:

| Переход | Δ | |Δ| |

|---------|---|-----|

| 100 ➡ 106 | +6 | 6 |

| 106 ➡ 99 | -7 | 7 |

| 99 ➡ 107 | +8 | 8 |

| 107 ➡ 98 | -9 | 9 |

| 98 ➡ 104 | +6 | 6 |

Путь = 6 + 7 + 8 + 9 + 6 = 36

Шаг 3. ER = 4 / 36 ≈ 0,11 🌀

Цена прошла в сумме 36 пунктов, а в итоге сместилась всего на 4. Сплошная суета, эффективность низкая.

Сравнение

Решение вчерашней проблемы ✅

Помните, наш самодельный датчик из прошлой главы принял качели за тренд, потому что смотрел только на «сегодня против 3 дней назад»? Теперь на тех же качелях ER показывает 0,11, то есть «шум». Датчик Кауфмана не обманывается, потому что учитывает весь путь, а не две точки.

2.6. Шаг 2: из ER в сглаживающий коэффициент α 🔄

Теперь у нас есть датчик. Нужен переводчик: превратить ER (число от 0 до 1) в α (педаль газа).

Идея: задаём границы скорости

Кауфман выбирает две «крайние» скорости, как первую и последнюю передачи в коробке:

• Быстрая константа (fast) это α для самого быстрого режима (когда рынок в идеальном тренде)

• Медленная константа (slow) это α для самого медленного режима (когда рынок в чистом шуме)

Обычно их задают через «периоды EMA»:

То есть в идеальном тренде KAMA ведёт себя как EMA(2) (очень быстрая), а в чистом шуме как EMA(30) (очень медленная).

Формула переводчика

Масштабируем α между slow и fast в зависимости от ER:

SC = ER × ( α _fast - α _slow) + α _slow

где SC это «Smoothing Constant» (сглаживающая константа). Затем Кауфман возводит её в квадрат:

α = SC²

Зачем возводить в квадрат? 🤔

Квадрат сильнее прижимает малые значения к нулю. Если SC = 0,3, то SC² = 0,09. Если SC = 0,8, то SC² = 0,64. Разрыв между «шумом» и «трендом» растёт. Результат: во флэте средняя становится очень медленной (почти стоит на месте), а в тренде резко ускоряется. Это даёт более резкое «переключение передач».

Таблица: как ER превращается в α

Для fast = 2 и slow = 30: α_fast - α_slow = 0,6667 - 0,0645 = 0,6022.

Видите «коробку передач»? От 0,004 до 0,44: разница в сто раз. 🎚️

2.7. Шаг 3: двигатель: обновляем среднюю 🚀

Теперь формула самой KAMA. Это та же EMA, только с переменным α:

KAMA_сегодня = KAMA_вчера + α × (Цена - KAMA_вчера)

Это эквивалентная запись формулы «α × Цена + (1 - α) × KAMA_вчера». Читается удобнее:

«Сдвинь вчерашнюю KAMA в сторону цены на долю α от расстояния»

Полный алгоритм KAMA (на каждой свече)

1. Считаем ER за N свечей

2. Считаем SC = ER × (α_fast - α_slow) + α_slow

3. Считаем α = SC²

4. Обновляем KAMA = KAMA_вчера + α × (Цена - KAMA_вчера)

Стандартные параметры

Классические настройки Кауфмана: KAMA(10, 2, 30), то есть:

• N = 10 (период для ER)

• fast = 2

• slow = 30

2.8. Считаем KAMA руками (полный пример) ✍ ️

Чтобы не утонуть в цифрах, возьмём N = 4 для ER, fast = 2, slow = 30.

Константы: α_fast = 0,6667; α_slow = 0,0645; разность 0,6022.

Цены за 10 дней. Первые 5 дней рост (тренд), потом 5 дней качели (шум):

100, 102, 104, 106, 108, 103, 109, 102, 108, 103

Шаг 0: старт

KAMA нужно с чего-то начать. Берём цену на день N (день 4: 106) как стартовое значение KAMA. (Многие платформы стартуют с цены закрытия или с SMA, различия исчезают через несколько свечей.)

Шаг 1: считаем ER для каждого дня (окно из 4 изменений)

(Путь за день 6: изменения за свечи 3➡4 (2), 4➡5 (2), 5➡6 (5), и 2➡3 (2): всего 2+2+2+5 = 11. Остальные дни считаются так же.)

Шаг 2: из ER в α

Шаг 3: обновляем KAMA

Старт: KAMA(день 4) = 106. Формула: KAMA = KAMA_вчера + α × (Цена - KAMA_вчера).

🎉 Что мы видим

• В тренде (день 5, ER = 1) α скакнула до 0,44, и KAMA рванула вслед за ценой.

• Как только начались качели (дни 6-10), ER упал почти до нуля, α схлопнулась до 0,004 и KAMA застыла на месте (106,8), несмотря на скачки цены от 102 до 109.

Именно это и нужно: в качелях линия не дёргается и не пытается за каждым скачком гнаться.

Сравнение с обычной EMA

Для сравнения посчитаем обычную EMA(10) с α = 2/11 ≈ 0,1818 на тех же ценах после дня 4 (старт тоже 106):

EMA(10) в качелях колеблется (105,5-106,4), реагируя на каждый скачок. KAMA стоит как вкопанная (106,8). В реальной торговле это означает меньше ложных сигналов пересечения цены и средней.

2.9. 🔬 Что внутри: «автоматическая коробка передач»

Раз уж мы всё посчитали, давайте посмотрим на результат как на систему.

Эквивалентный период

Зная α, можно пересчитать, какому периоду обычной EMA соответствует KAMA в данный момент: N_экв = 2/α 1.

То есть KAMA плавно меняет свой эффективный период от 3 до 500 в зависимости от того, что происходит на рынке. Обычная EMA так не умеет. 🎚️

2.10. Формула в коде (для кодеров) 💻

В Pine Script KAMA пишется так:

//@version=5

indicator("Моя KAMA", overlay=true)

n = input.int(10, "Период ER")

fast = input.int(2, "Быстрая")

slow = input.int(30, "Медленная")

alphaFast = 2.0 / (fast + 1)

alphaSlow = 2.0 / (slow + 1)

// 1. Коэффициент эффективности

изменение = math.abs(close - close[n])

путь = math.sum(math.abs(close - close[1]), n)

er = путь != 0 ? изменение / путь : 0

// 2. Сглаживающая константа

sc = math.pow(er * (alphaFast - alphaSlow) + alphaSlow, 2)

// 3. Обновление KAMA (рекурсия)

var float kama = na

kama := na(kama) ? close : kama + sc * (close - kama)

plot(kama, color=color.purple, linewidth=2)

💡 Если вы не программист, просто найдите индикатор «Kaufman Adaptive Moving Average» в библиотеке и выставьте параметры 10, 2, 30.

2.11. ️ ⚙ Как настраивать KAMA

У KAMA три параметра. Давайте разберём, что делает каждый.

Параметр 1: N (период ER), стандарт 10

Параметр 2: fast, стандарт 2

Определяет самую быструю передачу.

Увеличивать fast значит делать KAMA более «сдержанной» в трендах.

Параметр 3: slow, стандарт 30

Определяет самую медленную передачу.

🔧 Практические советы

1. Начните со стандарта (10, 2, 30). Он хорошо работает на разных рынках.

2. Меняйте по одному параметру и смотрите, что происходит.

3. Не оптимизируйте до идеала на истории. Три параметра дают соблазн переобучения.

4. Для разных таймфреймов может понадобиться подстройка: на минутках шума больше, N=14-20 бывает уместнее.

2.12. 🟢 Сильные и 🔴 слабые стороны

🟢 Сильные

✅ Понятная идея: эффективность движения интуитивно ясна

✅ Настоящая адаптивность: смена скорости в сто раз

✅ Меньше ложных сигналов во флэте: линия «замирает»

✅ Быстрая в тренде: следует за ценой почти вплотную

✅ Простые формулы: считается школьной арифметикой

✅ Три понятных параметра

✅ Широко доступна: есть почти в любой торговой платформе

🔴 Слабые

❌ Запаздывание в момент разворота: ER падает не сразу, и KAMA ещё «в быстром режиме» может проскочить вслед за ценой

❌ «Замерзание» после флэта: при резком старте тренда ER растёт не мгновенно, и KAMA просыпается с задержкой

❌ Чувствительность к выбросам: один гэп в окне ER может исказить оценку эффективности на N свечей вперёд

❌ Три параметра: соблазн подгонки

❌ Датчик смотрит только в прошлое: ER не знает, что будет дальше

2.13. 📊 Как использовать KAMA на практике

Способ 1: Фильтр тренда 🧭

• Цена выше KAMA ➡ восходящий тренд 🐂

• Цена ниже KAMA ➡ нисходящий тренд 🐻

• Во флэте KAMA горизонтальна, а цена то выше, то ниже: сигнал «не торговать»

Способ 2: Наклон KAMA 📐

Горизонтальная KAMA = флэт. Резкий наклон = тренд. Наклон это бесплатный «детектор» режима.

Способ 3: Пересечение цены и KAMA ️✂

Из-за замирания во флэте KAMA даёт меньше ложных пересечений, чем обычная EMA. Это её главная ценность.

Способ 4: Две KAMA с разными настройками 🤝

• Быстрая: KAMA(5, 2, 20)

• Медленная: KAMA(20, 2, 50) Пересечения дают сигналы смены тренда.

Способ 5: ER как отдельный индикатор 📊

Сам коэффициент эффективности можно вынести на отдельное окно и использовать как «измеритель тренда»:

• ER высокий ➡ цена идёт прямо, подходят трендовые стратегии

• ER низкий ➡ шум, лучше обойтись без трендовых сигналов

⚠ Всё перечисленное это образовательные примеры, а не торговые рекомендации.

2.14. ❌ Типичные ошибки с KAMA

Ошибка 1: Путать ER и тренд 🔀

ER измеряет прямоту движения, а не его направление и не его силу. Падение по прямой даёт тот же ER = 1, что и рост по прямой.

Ошибка 2: Забыть возвести SC в квадрат 🧮

Без квадрата получится более нервная средняя, и разница между режимами сгладится. Проверьте: в формуле Кауфмана α = SC².

Ошибка 3: Путать «fast = 2» с α = 2 🔢

Параметры fast и slow это периоды (2 и 30), а не α. α считается как 2/(период+1).

Ошибка 4: Ждать мгновенной реакции на пробой 🕐

После долгого флэта ER ещё низкий, и KAMA «спит». Она проснётся только когда ER вырастет, то есть с задержкой.

Ошибка 5: Слишком маленький N для ER 🐇

При N = 3-4 ER прыгает от 0 до 1 из-за случайных совпадений. Начинайте с 10.

Ошибка 6: Ожидать, что KAMA «сама найдёт тренд» 🔮

Она не предсказывает. Она описывает, насколько прямым было движение.

Ошибка 7: Менять три параметра сразу 🎛🎛🎛

Не поймёте, что на что повлияло. Меняйте по одному.

Ошибка 8: Игнорировать прогрев 🌡

Как и любая рекурсивная средняя, KAMA в начале истории неточна. Дайте ей хотя бы 3-5 периодов N.

2.15. 🛠 Практика (20 минут)

Задание 1: Посчитай ER ️✍

Цены за 5 дней: 50, 52, 51, 54, 55. Период N = 4. Найди ER для дня 5.

👀 Решение

Изменение: |55 - 50| = 5

Путь: |52-50| + |51-52| + |54-51| + |55-54| = 2 + 1 + 3 + 1 = 7

ER = 5 / 7 ≈ 0,714

Движение довольно прямое (были небольшие откаты), эффективность высокая. 🎯

Задание 2: ER в двух крайностях 🎚

Придумайте по 5 цен так, чтобы ER (при N = 4) получился ровно 1 и ровно 0.

👀 Пример ответа

• ER = 1: цены 10, 12, 14, 16, 18. Смещение 8, путь 2+2+2+2 = 8, ER = 1.

• ER = 0: цены 10, 14, 10, 14, 10. Смещение |10-10| = 0, путь 4+4+4+4 = 16, ER = 0.

Идеальный тренд (всё в одну сторону) даёт 1, а полное возвращение в исходную точку даёт 0, как бы цена ни металась. 🎯

Задание 3: Из ER в α ️✍

При fast = 2 и slow = 30 (α_fast = 0,6667, α_slow = 0,0645) найдите α для ER = 0,4.

👀 Решение

SC = 0,4 × (0,6667 - 0,0645) + 0,0645 = 0,4 × 0,6022 + 0,0645 = 0,2409 + 0,0645 = 0,3054

α = SC² = 0,3054² ≈ 0,0933

Чему соответствует эта скорость? N_экв = 2/0,0933 - 1 ≈ 20. То есть при ER = 0,4 KAMA ведёт себя примерно как EMA(20). 🎚

Задание 4: Один шаг KAMA ️✍

Вчерашняя KAMA = 200, цена сегодня = 210, ER = 1 (идеальный тренд), fast = 2, slow = 30. Чему равна KAMA сегодня?

👀 Решение

При ER = 1: SC = α_fast = 0,6667, α = 0,6667² ≈ 0,4444.

KAMA = 200 + 0,4444 × (210 - 200) = 200 + 4,444 = 204,44

За один шаг средняя прошла 44% пути к цене. А при ER = 0 она прошла бы всего 0,4%: 200 + 0,0042 × 10 ≈ 200,04. Вот она, коробка передач. 🚀

Задание 5: Что случится после резкого скачка? 🔍

Цена два месяца стояла на месте (ER около 0, α около 0,004), потом резко прыгнула на 20% и осталась там. Опишите словами, как поведёт себя KAMA в первые дни после скачка и почему.

👀 Решение

В день скачка ER начинает расти, но окно из N свечей ещё почти целиком состоит из «спокойных» дней. Смещение большое, путь тоже (скачок входит в сумму), поэтому ER сразу заметно вырастает, но KAMA делает лишь первый шаг. По мере того как скачок занимает всё больше места в окне, а новые свечи идут ровно, ER приближается к 1 и α растёт. Итог: KAMA просыпается с задержкой в несколько свечей, а потом догоняет цену быстро. Это типичный минус адаптивных средних: после долгого сна нужно время, чтобы разогнаться.

Задание 6: Сравнение на графике 🔍

Добавьте EMA(10) и KAMA(10, 2, 30). Найдите:

1. Участок флэта. Какая линия «дёргается» меньше?

2. Участок сильного тренда. Какая линия ближе к цене?

3. Место, где KAMA «проснулась» позже, чем хотелось бы.

Запишите наблюдения: так вы увидите «коробку передач» своими глазами.

2.16. 🧠 Мини-тест

1. Что измеряет коэффициент эффективности ER?

а) Направление тренда

б) Прямоту движения цены: смещение, делённое на пройденный путь

в) Объём торгов

2. Чему равен ER, если цена шла строго в одну сторону без откатов?

а) 0

б) 0,5

в) 1

3. Зачем в KAMA сглаживающую константу SC возводят в квадрат?

а) Чтобы усилить контраст между шумом (очень медленно) и трендом (быстро)

б) Чтобы увеличить период

в) Это ошибка в формуле

4. Как ведёт себя KAMA во флэте?

а) Резко колеблется

б) Почти замирает

в) Копирует цену

5. Какие стандартные параметры у KAMA?

а) 10, 2, 30

б) 5, 5, 5

в) 20, 50, 200

✅ Ответы

1-б, 2-в, 3-а, 4-б, 5-а.

5/5 ➡ вы «кот-навигатор» 🐱🧭. Меньше? Перечитайте разделы 2.4, 2.6 и 2.8.

🧾 Шпаргалка главы 2

🎬 Итоги главы

✅ Вы узнали идею Кауфмана: сравнить прямое смещение цены с пройденным путём.

✅ Вы научились считать ER и увидели, что он различает тренд (1,00) и качели (0,11) там, где наш самодельный датчик ошибался.

✅ Вы поняли, как ER превращается в α через fast, slow и возведение в квадрат.

✅ Вы посчитали KAMA руками и увидели «коробку передач»: рывок в тренде и замирание в шуме.

✅ Вы знаете, что эффективный период KAMA плавает от ~3 до ~500.

✅ Вы знаете сильные и слабые стороны и типичные ошибки.

🚀 Что дальше?

У KAMA датчик простой и понятный: прямота пути. Но есть совсем другой взгляд на то, как «читать» график. Представьте береговую линию: с самолёта она кажется плавной, а если приблизиться, она оказывается всё более изрезанной. Математики называют такую изрезанность фрактальной размерностью. Оказывается, её можно измерить и на графике цены, и она тоже подсказывает, тренд сейчас или шум.

В Главе 3 знакомимся с FRAMA (Fractal Adaptive Moving Average), фрактальной адаптивной средней Джона Элерса. Мы узнаем, что такое фрактальная размерность, как её посчитать на трёх простых отрезках графика и почему FRAMA умеет не просто замедляться, а практически останавливаться во флэте. 🏖 ✨