Cos’è Kama?

Kama in termini semplici

KAMA sta per Kaufman’s Adaptive Moving Average. È un tipo di media mobile progettata per modificare il proprio livello di smoothing nel tempo. In pratica, ciò significa che KAMA può comportarsi più come una media lenta in condizioni di mercato poco tendenziali, e più come una media veloce quando i movimenti di prezzo diventano più persistenti.

Poiché KAMA adatta il proprio smoothing, è spesso raggruppata con gli indicatori basati su medie mobili. Tuttavia, non è semplicemente una media mobile con un periodo fisso. L’idea chiave è che KAMA cerca di collegare la propria reattività a una misura matematica dell’efficienza con cui il prezzo si sta muovendo.

Come funziona Kama: input e meccanica

KAMA viene calcolata sulla base della cronologia dei prezzi attraverso diversi passaggi e assunzioni:

1. Scegliere una serie di prezzi (ad esempio, il prezzo di chiusura) e una configurazione base di smoothing. Diverse implementazioni possono consentire input di prezzo diversi.
2. Calcolare un ratio di efficienza (spesso basato su quanto il prezzo si è spostato rispetto alla quantità totale di movimento in una finestra temporale).
3. Convertire tale efficienza in una costante di smoothing. Un’efficienza più alta produce tipicamente un fattore di smoothing maggiore, rendendo KAMA più reattiva.
4. Aggiornare in modo ricorsivo la media mobile: KAMA al passo successivo si aggiorna a partire dal valore precedente di KAMA più una frazione della differenza tra il prezzo corrente e il valore precedente di KAMA.

Un modo semplice per capire la meccanica è: l’algoritmo decide il peso da attribuire al prezzo più recente, e tale peso cambia nel tempo in base al ratio di efficienza.

Evidenze ed esempi verificabili

Un controllo utile consiste nell’eseguire un calcolo semplice e completamente documentato su una breve sequenza di prezzi.

Ad esempio, supponiamo di avere una sequenza di prezzi in una finestra temporale fissa e di calcolare:

• la variazione netta (distanza tra il primo e l’ultimo prezzo),
• la somma delle variazioni assolute (quanto si è mosso il prezzo in totale all’interno della finestra),
• un ratio di efficienza derivato da queste due quantità,
• quindi una costante di smoothing derivata dal ratio di efficienza,
• e infine l’aggiornamento ricorsivo per KAMA.

Se due piattaforme grafiche affermano di calcolare KAMA, puoi verificare autonomamente se i risultati coincidono confrontando:

• quale campo prezzo utilizzano (chiusura rispetto ad altro prezzo),
• come definiscono il ratio di efficienza,
• come trasformano l’efficienza nella costante di smoothing,
• e come gestiscono le prime barre, dove la finestra temporale non è ancora completa.

Questa verifica è importante perché KAMA può apparire diversa tra i vari fornitori anche quando il nome è lo stesso.

Limitazioni e rischi

L’adattabilità di KAMA è anche la sua principale limitazione. Lo stesso comportamento adattivo può essere utile in alcune condizioni e dannoso in altre.

I principali modi in cui può fallire includono:

• Sensibilità del ratio di efficienza: se il tuo mercato produce oscillazioni rumorose, la misura di efficienza può sovrastimare o sottostimare la persistenza, alterando la reattività di KAMA in modi non intenzionali.
• Dipendenza dai parametri: i risultati variano in base alla lunghezza della finestra temporale e alle scelte implementative specifiche della piattaforma. Set diversi di parametri possono produrre linee visibilmente differenti.
• Comportamento non predittivo: una linea di media mobile riflette prezzi passati. Non prevede in sé la direzione futura, e un buon adattamento storico non garantisce prestazioni future.

Esistono anche fattori esterni al modello che influenzano qualsiasi valutazione: i costi di trading, la qualità dell’esecuzione e la gestione dei dati possono alterare i risultati quando si passa dall’analisi grafica all’uso reale.

Verifica e prossimi passi

Se desideri confermare che KAMA sulla tua piattaforma corrisponda al concetto previsto, concentrati su ciò che puoi verificare senza fare affidamento su dichiarazioni:

• Verifica la definizione esatta del suo ratio di efficienza e della costante di smoothing.
• Controlla come gestisce i primi valori calcolabili.
• Confronta gli output su almeno due strumenti utilizzando gli stessi dati e parametri.
• Convalida le ipotesi attraverso test strutturati che includano costi realistici e ipotesi di esecuzione.

Se stai attualmente confrontando KAMA con altre medie mobili, una domanda utile da porsi è in che modo KAMA differisce dalle medie a finestra fissa e cosa ciò implica per la reattività durante i cambiamenti di regime di mercato.