Como a Frama funciona no forex

Resposta direta

A Frama no forex refere-se à Média Móvel Adaptativa Fractal, um indicador do tipo média móvel que altera a velocidade com que segue o preço. Em vez de usar um fator de suavização fixo, a Frama estima se a ação do preço recente se parece mais com uma tendência suave ou com um padrão irregular, semelhante a um fractal, e então usa essa estimativa para adaptar a suavização.

Isso significa que o mecanismo da Frama é: medir a “eficiência fractal” do preço em múltiplas janelas, converter essa eficiência em uma constante de suavização dinâmica e aplicá-la para atualizar um valor de média móvel passo a passo.

Mecanismo ou definição

Uma média móvel é uma forma de resumir o preço filtrando o ruído. Em uma média móvel típica de parâmetros fixos, a força da suavização permanece constante. A ideia central da Frama é que a força da filtragem deve variar.

1) Escolha os parâmetros de entrada (janelas de lookback e série de preços)

A Frama exige pelo menos um comprimento de lookback primário (frequentemente chamado de N), e usa intervalos derivados com base em N (comumente N/2 e N/4 em descrições de estilo didático). A entrada da série de preços é tipicamente baseada nas máximas e mínimas de cada janela (muitas implementações usam a amplitude entre máxima e mínima em vez de apenas preços de fechamento).

Como diferentes plataformas de gráficos podem implementar os detalhes de maneiras diferentes, a suposição mais importante a verificar ao reproduzir resultados é: quais valores de preço e quais definições de amplitude o cálculo usa (por exemplo, amplitude entre máxima e mínima em cada segmento, e se os preços dos pontos finais devem ser incluídos).

2) Calcule medidas de amplitude em três escalas

A Frama estima como o preço se comporta entre escalas comparando:

• a amplitude “total” ao longo de N
• as amplitudes combinadas de duas metades ao longo de N/2
• as amplitudes combinadas de quatro quartos ao longo de N/4

Uma abordagem comum é definir uma amplitude como a diferença entre os valores mais altos e mais baixos na janela escolhida. Em seguida, você calcula totais de amplitude separados para cada escala.

3) Converta as amplitudes de múltiplas escalas em uma “eficiência fractal”

Usando essas medidas de amplitude, a Frama forma uma quantidade frequentemente descrita como um proxy de eficiência ou dimensão fractal. Intuitivamente:

• se o movimento do preço for relativamente ordenado entre escalas, a eficiência sugere uma estrutura mais “semelhante a tendência”
• se o movimento for errático e com aparência semelhante entre escalas, a eficiência sugere uma estrutura mais “semelhante a fractal”

Diferentes implementações podem expressar esta etapa com logaritmos e razões; no entanto, o propósito conceitual permanece o mesmo: derivar um valor que aumenta quando a série parece estar em tendência de forma mais eficiente e diminui quando parece mais fractal.

4) Transforme a eficiência em uma constante de suavização adaptativa

Em seguida, a Frama mapeia a estimativa de eficiência em uma constante de suavização, tipicamente limitada entre limites mínimos e máximos para que o indicador não se torne arbitrariamente lento ou rápido. Esses limites dependem das escolhas de parâmetros (por exemplo, uma extremidade rápida e uma extremidade lenta).

Esta etapa produz um fator de suavização que muda a cada passo de tempo porque a eficiência muda com o comportamento do preço nos últimos N períodos.

5) Atualize a média móvel Frama recursivamente

Finalmente, a Frama atualiza seu resultado usando uma recursão da forma:

• pegue o valor anterior da Frama
• mova-o em direção a uma referência de preço atual por uma quantia proporcional à constante de suavização adaptativa

Portanto, o resultado é uma média móvel variável no tempo: ela pode se mover mais rápido quando a eficiência calculada sugere comportamento de tendência, e mais lenta quando sugere irregularidade.

Evidência ou exemplo

Abaixo está um exemplo simplificado, baseado em suposições, que mostra a sequência sem usar dados de mercado ao vivo.

Configuração do exemplo (suposições)

Assuma:

• Você calcula amplitudes usando máxima menos mínima dentro de cada janela.
• Você usa um comprimento de lookback N.
• Em cada tempo t, você tem uma janela de máximas/mínimas de preço para calcular as amplitudes total, metade e quarto.
• Você calcula um valor semelhante a eficiência a partir dessas amplitudes e o mapeia para uma constante de suavização entre limites escolhidos.

Sequência passo a passo

1. No tempo t, calcule a amplitude da janela total ao longo de N períodos.
2. Calcule as amplitudes das meias-janelas dividindo a mesma janela de N em duas partes e somando suas amplitudes de máxima-mínima.
3. Calcule as amplitudes dos quartos de janela dividindo em quatro partes e somando suas amplitudes.
4. Use essas medidas de amplitude para calcular a estimativa de eficiência/fractalidade.
5. Converta essa estimativa em uma constante de suavização adaptativa (limitada).
6. Atualize a Frama recursivamente:
   • comece com o valor da Frama de ontem
   • adicione um ajuste em direção a uma referência de preço atual escolhida (frequentemente um ponto médio ou fechamento, dependendo da implementação) escalado pela constante de suavização adaptativa.

O que você deve ser capaz de verificar

Se você reproduzir as mesmas entradas e as mesmas definições de parâmetros, a constante de suavização adaptativa deve mudar de barra para barra. Quando o movimento de preço recente produz relações de amplitude que indicam maior “eficiência”, a constante de suavização tende a ser maior (a Frama reage mais). Quando as relações de amplitude indicam menor eficiência, a constante de suavização tende a ser menor (a Frama reage menos).

Como este indicador é recursivo e usa múltiplas escalas de lookback, pequenas diferenças nos detalhes de implementação (cálculo de amplitude, mapeamento de parâmetros, arredondamento) podem criar linhas de saída diferentes mesmo ao usar o mesmo gráfico de mercado.

Limitações e riscos

1) O comportamento do modelo depende das escolhas de parâmetros e implementação

A Frama é sensível a como você define:

• as entradas de preço (amplitude entre máxima e mínima vs outras escolhas)
• as divisões exatas das janelas (por exemplo, como divisões não inteiras são tratadas)
• o mapeamento da eficiência para a suavização (incluindo limites)

Se duas plataformas usam fórmulas diferentes ou parâmetros padrão diferentes, os valores da Frama exibidos podem não coincidir.

2) A lógica “semelhante a fractal” pode classificar erroneamente regimes

A ideia de eficiência fractal é uma classificação da estrutura recente, não uma medição direta da direção futura. Em períodos altamente voláteis ou impulsionados por notícias, o preço pode ser ruidoso de uma forma que leva o indicador a desacelerar quando você poderia esperar que ele respondesse.

Por outro lado, em movimentos bruscos mas irregulares, a estrutura calculada às vezes pode parecer “eficiente” mesmo que a direção mude depois.

3) Risco de falsa certeza: não é um sinal de negociação autônomo

O resultado da Frama é melhor compreendido como uma representação filtrada do comportamento do preço, não como uma previsão garantida. Usá-lo como um sinal autônomo pode levar ao excesso de confiança porque a adaptação do indicador é impulsionada apenas por relações de amplitude recentes.

4) Condições de borda e períodos de aquecimento

Nas primeiras barras, você pode não ter histórico suficiente para calcular consistentemente o conjunto completo de amplitudes de janela. Isso pode criar artefatos de aquecimento ou descontinuidades até que os lookbacks estejam totalmente preenchidos.

Verificação ou próxima pergunta

Para verificar de forma independente como a Frama funciona em seus dados:

1. Escolha uma plataforma ou implementação de código e registre suas definições exatas de parâmetros (comprimento do lookback e quaisquer limites).