KAMAのワーク例とは？
直接的な回答
「KAMAのワーク例」とは、KAMAの公式を取り、特定の入力数値（価格シリーズ、滑らかさのパラメータ、および初期値）を選び、少なくとも1つの新しいデータポイントについてKAMAをステップごとに計算することを意味します。重要な点は、数学に使用されたすべての仮定を明示することで、他の人が同じ入力から同じ値を再現できるようにすることです。
メカニズムまたは定義
Kaufman’s Adaptive Moving Average（KAMA）は、滑らかさの強度を調整しようとする移動平均です。簡単に言えば、価格動向が「効率的」（比較的方向性がある）場合は速く動き、価格動向が効率的でない（ノイズが多い）場合は遅く動こうとします。
KAMAを説明する標準的な方法は以下の通りです：
- 価格シリーズ（例えば、各時間ステップの終値）。
- 遡る長さ n（効率を測定する過去の期間）。
- 2つのエンドスムージング定数（通常はSCmaxとSCminと表記され、速い対応と遅い対応を表します）。
- 効率比率 ER、これは遡る長さ内の純粋な移動と総移動を比較します。
- ERから導かれるスムージング定数 SC、これはKAMAを更新します。
一般的な公式セットは以下の通りです：
- nステップにおける効率比率：
- 変化 = |Price[t] − Price[t−n]|
- ボラティリティ = Σ_{i=0 to n−1} |Price[t−i] − Price[t−i−1]|
- ER = 変化 / ボラティリティ（ボラティリティ = 0の場合、ER = 0と定義）
- スムージング定数：
- SC = (ER × (SCmax − SCmin) + SCmin)²
- KAMAの更新：
- KAMA[t] = KAMA[t−1] + SC × (Price[t] − KAMA[t−1])
証拠または例（ワーク、数値、仮定付き）
ワーク例の目的：短い仮想的なシーケンスからKAMA[t]を計算する。
仮定（すべて明示）：
- 遡る長さn = 3を使用します。
- 時間t = 3で1回のKAMA更新を計算します（つまり、Price[0] … Price[3]が既知）。
- 価格は簡単な例の値（生データではない）です：
- Price[0] = 100
- Price[1] = 102
- Price[2] = 101
- Price[3] = 105
- 過去のKAMA値を設定します：
- KAMA[2] = 101.5
- 適応エンドポイントを選択します（これはモデリングの仮定であり、実装ごとに異なる慣習があります）：
- SCmax = 0.4444
- SCmin = 0.0640
ステップA：t = 3でn = 3を使用してERを計算
- 変化 = |Price[3] − Price[0]| = |105 − 100| = 5
- ボラティリティ = |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
ステップB：ERからSCを計算
- SC = (ER × (SCmax − SCmin) + SCmin)²
- SCmax − SCmin = 0.4444 − 0.0640 = 0.3804
- ER × (SCmax − SCmin) = 0.7142857 × 0.3804 ≈ 0.271714
- カッコ内 = 0.271714 + 0.0640 = 0.335714
- SC ≈ (0.335714)² ≈ 0.112712
ステップC：KAMAを更新
- 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
この例で気づくべき点：
- ERは高いです。純粋な変化（5）が総絶対移動（7）に対して相対的に大きいためです。
- そのため、SCはSCminに比べて高くなり、KAMAはPrice[3]に向かって、ノイズの多い/乱高下した区間よりも多く動きます。
制限とリスク（重要な故障モード）
- パラメータ依存性：数値結果はn、SCmax、SCmin、および初期KAMA値に依存します。異なるソフトウェアでは異なるパラメータ慣習を使用する場合があります。値を再現するには「同じ設定」を確認する必要があります。
- ノイズとレジムシフト：価格が乱高下するとERが急激に低下し、KAMAがより滑らかになることがあります。非常にノイズの多いシリーズでは、適応行動が反応性を低下させる可能性があり、逆の動きが期待される場合があります。
- 遅れは依然として存在：適応があっても、KAMAは過去のKAMAから更新され、新しいデータに対して徐々に反応します。急激な反転や不連続性では、価格に遅れることがあります。
- ゼロ除算の処理：総絶対移動（ボラティリティ）がゼロの場合、ERは実装によって定義されます（通常は0に設定されます）。異なるエッジケース処理は結果を変えます。
- 単独の予測ではない：正しく計算されたKAMA値であっても、特定の将来の動きを保証するものではありません。歴史的なパターンは将来の結果を確立しません。
検証または次の質問
KAMA計算を独立して検証するには、同じ入力とステップを再利用します：
- 特定の実装で使用されている正確なER、SC、およびKAMAの公式を確認します。