Kama 是如何计算的？

直接答案

Kama 通常被计算为一种可变的、自适应的移动平均线。在最常见的公式中，每一个新的 Kama 值使用了三个要素：（1）前一个 Kama 值，（2）随时间变化的平滑因子，以及（3）当前价格。该平滑因子取决于价格在最近一个回溯窗口内的“效率”程度——通常以净价格变化与总绝对变化之比来衡量。

由于在实际应用中存在不同的名称和变体，最稳妥的验证方法是检查你所使用的指标设置中的确切定义（例如，回溯长度和平滑常数）。以下计算展示了一种广泛使用且稳定的结构；如果你的平台所用的 Kama 具有不同的参数名称或略有不同的效率公式，其计算步骤类似，但常数可能不同。

机制与定义

描述其机制的一种实用方法是将其视为一种递归平滑过程。

1. 选择输入价格序列
   Kama 是基于价格的时间序列计算得出的。“价格”可以有多种定义方式（例如收盘价、典型价格或其他衍生序列）。你选择的输入必须与你希望复现的实现方式一致。

令 P[t] 表示在时间 t 的选定价格。

2. 设置回溯窗口和平滑边界
   典型的 Kama 使用以下参数：

• 回溯长度：N（用于判断效率的周期数）
• 快速平滑设置：通常以较小的“快速”周期或常数表示
• 慢速平滑设置：通常以较大的“慢速”周期或常数表示

在许多实现中，平滑边界会被转换为两个常数：

• 由快速和慢速周期推导出的 SC_fast 和 SC_slow

具体的映射方式取决于实现方式。一种常见方法使用指数平滑风格的常数形式：

• SC_fast = 2 / (fastPeriod + 1)
• SC_slow = 2 / (slowPeriod + 1)

3. 计算过去 N 个周期的效率比率
   在回溯窗口内，比较两个量：

• 净变化：|P[t] − P[t−N]|
• 绝对变动总和：sum_{i=0..N−1} |P[t−i] − P[t−i−1]|

然后计算效率比率 ER：

• ER = netChange / sumAbsMoves

当价格从起点到终点的移动相对于窗口内的“来回”波动更强烈时，ER 值更高。当 ER 接近 0 时，表示价格走势杂乱；当 ER 接近 1 时，表示价格移动更直接。

实现中需明确处理的一个细节是：如果 sumAbsMoves 为零（例如，价格在整个窗口内未变），则 ER 可能被设为 0，或需特别处理以避免除零错误。你应该复制所用来源中的相同规则。

4. 将 ER 转换为动态平滑常数
   然后使用 ER 和平滑边界计算变量平滑常数 SC[t]。一种常见结构为：

• SC[t] = (ER × (SC_fast − SC_slow) + SC_slow)^2

指数（通常为 2）是常用公式的一部分；如果你的实现使用不同的指数，则必须使用相同的指数。

5. 递归更新 Kama
   最后，Kama 的更新公式为：

• Kama[t] = Kama[t−1] + SC[t] × (P[t] − Kama[t−1])

这种形式使 Kama 以取决于 SC[t] 的幅度“向”当前价格拉动。SC 越大，调整越快；SC 越小，调整越慢。

6. 初始化
   Kama 需要一个初始值 Kama[0]（或 Kama[N−1]，取决于索引方式）。许多实现使用第一个可用点的价格或简单移动平均作为初始化。如果你想独立验证计算，请确认你所测试的指标定义中的确切初始化规则。

证据或示例（含明确假设）

以下是一个基于明确假设的小型数值演示。这不是实时市场数据；它展示了你可以用自己的序列重复的计算结构。

示例假设：

• 输入价格 P 为收盘价。
• 回溯长度 N = 3。
• fastPeriod = 2，slowPeriod = 30，因此：
  • SC_fast = 2/(2+1) = 0.666666…
  • SC_slow = 2/(30+1) = 0.064516…
• SC[t] 中的指数为 2。
• 前一个 Kama 值为 Kama[t−1] = 100。

假设在时间 t 时有：

• P[t−2] = 99
• P[t−1] = 101
• P[t] = 100

步骤 A：净变化

• netChange = |P[t] − P[t−N]| = |100 − 99| = 1

步骤 B：绝对变动总和
对于 N = 3，需要计算 |P[t]−P[t−1]| + |P[t−1]−P[t−2]| + |P[t−2]−P[t−3]|。但我们的小序列只显示了两个前值。为保持演示一致，扩展窗口以包含 P[t−3]。

令 P[t−3] = 98。
现在计算：

• |P[t] − P[t−1]| = |100 − 101| = 1
• |P[t−1] − P[t−2]| = |101 − 99| = 2
• |P[t−2] − P[t−3]| = |99 − 98| = 1
• sumAbsMoves = 1 + 2 + 1 = 4

步骤 C：ER

• ER = netChange / sumAbsMoves = 1 / 4 = 0.25

步骤 D：动态平滑常数

• SC[t] = (ER × (SC_fast − SC_slow) + SC_slow)^2
  先计算 (SC_fast − SC_slow)：
• 0.666666… − 0.064516… = 0.602150…
  再计算线性项：
• ER × (SC_fast − SC_slow) + SC_slow
  = 0.25 × 0.602150… + 0.064516…
  = 0.150537… + 0.064516…
  = 0.215053…
  平方：
• SC[t] ≈ (0.215053…)^2 ≈ 0.0463

步骤 E：更新 Kama

• Kama[t] = Kama[t−1] + SC[t] × (P[t] − Kama[t−1])
  = 100 + 0.0463 × (100 − 100)
  = 100

在此构造示例中，当前价格等于前一个 Kama 值，因此更新量为零。如果 P[t] 与 Kama[t−1] 不同，则会看到由 SC[t] 缩放的非零调整。

此例说明了核心思想：如果 ER 增加（价格在 N 个周期内变得更直接），SC[t] 会趋向 SC_fast，使 Kama 响应更快；如果 ER 下降（波动更杂乱），SC[t] 会趋向 SC_slow，使 Kama 更平滑。

限制与风险

1. 参数不匹配
   Kama 依赖于 N、快/慢设置以及指数和边缘情况（如除零）的处理规则。如果你复制了公式但未从你的指标中复制确切的参数映射，你将得到不同的数值结果。

2. 输入价格定义
   不同平台对“价格”的定义不同。如果一个使用收盘价，另一个使用衍生价格（例如高低收均价），则整个输出序列都会改变。