ما هو مثال مُعمَل على كاما؟

الإجابة المباشرة

“مثال مُعمَل على KAMA” يعني أنك تأخذ صيغ KAMA، وتختار أرقام إدخال محددة (سلسلة أسعار، ومعلمات التنعيم، وقيمة ابتدائية)، ثم تحسب KAMA خطوة بخطوة على الأقل لنقطة بيانات جديدة واحدة. النقطة الأساسية هي أنه يجب أن تذكر كل الافتراضات المستخدمة في الرياضيات، حتى يتمكن شخص آخر من إعادة إنتاج القيم نفسها من نفس المدخلات.

الآلية أو التعريف

متوسط كوفمان التكيفي (Kaufman’s Adaptive Moving Average - KAMA) هو متوسط متحرك يهدف إلى ضبط قوة التنعيم لديه. وبعبارات بسيطة، يحاول التحرك بسرعة عندما تكون حركة السعر أكثر “كفاءة” (اتجاهية نسبيًا) وببطء عندما تكون حركة السعر أقل كفاءة (ضوضاء أكثر).

تستخدم طريقة شائعة لوصف KAMA:

• سلسلة أسعار (على سبيل المثال، سعر الإغلاق عند كل خطوة زمنية).
• طول نظرة خلفية n (إلى أي مدى تقيس كفاءة الحركة).
• ثابتَي تنعيم نهائيين (غالبًا ما يُرمز لهما بـ SCmax و SCmin)، ويمثلان التكيف السريع مقابل التكيف البطيء.
• نسبة الكفاءة ER، التي تقارن الحركة الصافية بالحركة الكلية خلال فترة النظرة الخلفية.
• ثابت التنعيم SC المشتق من ER، والذي يقوم بعد ذلك بتحديث KAMA.

مجموعة صيغ شائعة هي:

1. نسبة الكفاءة عبر n خطوات:
   • ليكن التغير = |Price[t] − Price[t−n]|
   • ليكن التقلب = Σ_{i=0 to n−1} |Price[t−i] − Price[t−i−1]|
   • ER = التغير / التقلب (عرّف ER = 0 إذا كان التقلب = 0)
2. ثابت التنعيم:
   • SC = (ER × (SCmax − SCmin) + SCmin)²
3. تحديث KAMA:
   • KAMA[t] = KAMA[t−1] + SC × (Price[t] − KAMA[t−1])

الدليل أو المثال (مُعمَل، رقمي، مع افتراضات)

هدف المثال المُعمَل: حساب KAMA[t] من تسلسل قصير وافتراضي.

الافتراضات (كلها مُعلنة):

• نستخدم طول نظرة خلفية n = 3.
• نحسب تحديثًا واحدًا لـ KAMA عند الزمن t = 3 (أي أن Price[0] … Price[3] معروفة).
• الأسعار قيم مثال بسيطة (ليست بيانات حية):
  • Price[0] = 100
  • Price[1] = 102
  • Price[2] = 101
  • Price[3] = 105
• نحدد قيمة KAMA السابقة:
  • KAMA[2] = 101.5
• نختار نهايات التكيف (هذا افتراض نمذجة؛ توجد اتفاقيات مختلفة عبر التطبيقات):
  • SCmax = 0.4444
  • SCmin = 0.0640

الخطوة A: حساب ER عند t = 3 باستخدام n = 3

• change = |Price[3] − Price[0]| = |105 − 100| = 5
• volatility = |Price[1] − Price[0]| + |Price[2] − Price[1]| + |Price[3] − Price[2]| = |102 − 100| + |101 − 102| + |105 − 101| = 2 + 1 + 4 = 7
• ER = 5 / 7 ≈ 0.7142857

الخطوة B: حساب SC من ER

• SC = (ER × (SCmax − SCmin) + SCmin)²
• SCmax − SCmin = 0.4444 − 0.0640 = 0.3804
• ER × (SCmax − SCmin) = 0.7142857 × 0.3804 ≈ 0.271714
• داخل الأقواس = 0.271714 + 0.0640 = 0.335714
• SC ≈ (0.335714)² ≈ 0.112712

الخطوة C: تحديث KAMA

• Price[3] − KAMA[2] = 105 − 101.5 = 3.5
• KAMA[3] = 101.5 + SC × 3.5
• KAMA[3] ≈ 101.5 + 0.112712 × 3.5
• KAMA[3] ≈ 101.5 + 0.394492
• KAMA[3] ≈ 101.8945

ما الذي يجب ملاحظته في هذا المثال:

• ER مرتفع لأن التغير الصافي (5) كبير مقارنةً بإجمالي الحركة المطلقة (7).
• وهذا يرفع SC مقارنةً بـ SCmin، لذا يتحرك KAMA نحو Price[3] أكثر مما سيفعله في فترة ضوضاء/تذبذب.

القيود والمخاطر (أنماط فشل جوهرية)

1. اعتماد المعلمات: النتيجة العددية تعتمد على n وSCmax وSCmin وقيمة KAMA الابتدائية. قد تستخدم برامج مختلفة اتفاقيات معلمات مختلفة، لذلك يجب التأكد من أن “نفس الإعدادات” يمكن أن تعيد إنتاج القيم.
2. الضوضاء وتحولات النظام: قد تنخفض ER بشكل حاد عندما تصبح حركة السعر متقطعة، مما يتسبب في أن يقوم KAMA بالتنعيم أكثر. في السلاسل شديدة الضوضاء، قد تقلل السلوكيات التكيفية من الاستجابة عندما تتوقع العكس.
3. ما زال يوجد تأخر: حتى مع التكيف، يتم تحديث KAMA اعتمادًا على KAMA السابق ويتفاعل تدريجيًا مع البيانات الجديدة. في حالات الانعكاسات السريعة أو القفزات/الانقطاعات، قد يكون خلف السعر.
4. التعامل مع القسمة على صفر: إذا كان مجموع الحركة المطلقة (volatility) يساوي صفرًا، فيجب تعريف ER بواسطة التطبيق (غالبًا يتم ضبطه على 0). يغير التعامل مع الحالات الحدّية النتائج.
5. ليس تنبؤًا قائمًا بذاته: حتى قيمة KAMA محسوبة بشكل صحيح لا تضمن أي سلوك مستقبلي محدد؛ فالأنماط التاريخية لا تثبت نتائج مستقبلية.

التحقق أو السؤال التالي

للتحقق بشكل مستقل من حساب KAMA، أعد استخدام نفس المدخلات والخطوات:

• تأكد من صيغ ER وSC وKAMA الدقيقة المستخدمة بواسطة التطبيق المحدد.

DOCUMENT END