Современный взгляд на скользящие средние: индикатор ALMA в криптоторговле

cryptonews.ruDipublikasikan tanggal 2025-05-15Terakhir diperbarui pada 2025-10-16

Наиболее популярные индикаторы технического анализа разработаны очень давно. Однако рынки развиваются, появляются новые активы, и это требует новых решений. Одним из инструментов, которые отвечают вызовам современных криптотрейдеров, стал ALMA.

Что такое ALMA

Скользящее среднее Арно Легу (The Arnaud Legoux Moving Average, ALMA) — индикатор технического анализа, разработанный в 2009 году двумя энтузиастами Арно Легу (Arnaud Legoux) и Димитрисом Кузисом-Лукасом (Dimitrios Kouzis-Loukas). Его создатели пытались получить скользящую среднюю, которая будет более плавной и сократит запаздывание и количество шума (хаотичных непредсказуемых событий, которые могут стать причиной неоправданных решений) по сравнению с классическими аналогами — простой и экспоненциальной скользящими средними. Для решения поставленных задач Легу и Кузис-Лукас решили воспользоваться распределением Гаусса. Оно представляет собой распределение вероятностей, где максимальное значение формируется в центре. Распределение Гаусса задается одноименной функцией. Графически стандартное распределение представляет собой колокол. С его помощью определялись веса на заданном промежутке времени.

Расчет ALMA

Чтобы рассчитать ALMA, необходимо сумму взвешенных цен разделить на сумму весов. Все веса, при этом, определяются на основании функции Гаусса. Так как ALMA отдает большее предпочтение более поздним событиям, то у первых вес будет больше, чем у последних. Формула расчета ALMA принимает следующий вид:

ALMA = (∑ценаi*весi)/∑весi

Отметим, что в реальной торговле расчет вручную производить не придется. Сделано все будет автоматически. Для использования ALMA в торговле необходимо лишь выставить необходимые параметры.

Параметры ALMA

Скользящим средним Арно Легу присущи три компонента: длина, отступ и сигма. Первый из них определяет какое количество данных и за какой период будет взято для расчета. Он выбирается индивидуально в зависимости от торговой стратегии и торгуемого инструмента.

Отступ — это параметр функции Гаусса, который обеспечивает баланс между чувствительностью и шумом. Значение отступа находится в границах от 0 до 1. Чем оно больше, тем чувствительнее ALMA реагирует на последние ценовые изменения, но и шум при этом выше. Более низкие значения отступа позволят сделать индикатор более плавным, но тогда он станет давать много запаздывающих сигналов.

Сигма — это стандартное отклонение функции распределения Гаусса. Чем больше параметр, тем выше вероятность запаздывания ALMA. Чем он меньше, тем больше шума будет подавать индикатор.

В общем, при торговле с помощью ALMA придется экспериментировать с параметрами, чтобы найти идеальную комбинацию. На изображении ниже можно пронаблюдать их значение по умолчанию на портале TradingView:

15102501.png

Источник: tradingview.com

Торговые сигналы ALMA

По сути, скользящая средняя Арно Легу дает те же сигналы, что и обычная: способствует определению тренда и формирует точки входа и выхода. Первый из них зависит от направления движения ALMA. Если индикатор растет, то наблюдается бычий тренд, если падает — медвежий. Точки входа и выхода определяются в моменте, когда цена пересекает ALMA. Если это происходит сверху вниз, то формируется сигнал на продажу. Если же цена пересечет индикатор снизу вверх, то это момент для покупок.

Для наглядности рассмотрим реальный пример. С этой целью воспользуемся дневным графиком Solana с биржи Bitstamp и применим на нем ALMA с длиной 50, отступом и сигмой по умолчанию. С июня тренд криптовалюты был восходящим, так как ALMA росла. Тем не менее, рост был непостоянным. Определенное замедление наблюдалось в конце июля и первой половине августа 2025 года. Примерно такая же ситуация складывается и в октябре. А вот если смотреть относительно точек входа, то 10 октября был сформирован сигнал на продажу, так как цена опустилась ниже ALMA (отмечено сиреневой стрелкой).

15102502.jpg

Источник: tradingview.com

В целом сигналы, подаваемые индикатором, не несут чего-то революционного. Но Легу и Кузис-Лукас к этому и не стремились. Они хотели сделать ALMA более совершенной по сравнению с прочими скользящими средними. Но увенчалась ли их задумка успехом?

ALMA vs другие скользящие средние

Для того чтобы ответить на поставленный вопрос, необходимо сравнить ALMA с простой скользящей средней (SMA) и экспоненциальной (EMA) на одном и том же графике. Возьмем для этой цели биткоин на дневном таймфрейме.

Например, со второй половины октября по первую половину декабря 2024 года BTC демонстрировал серьезный рост. В соответствии с SMA сигнал на покупку поступил 11 октября, когда цена закрылась выше индикатора. ALMA в этом отношении опоздала ровно на день. Таким образом, SMA дала возможность трейдерам для лучшей точки входа. Однако в конце тренда ситуация получилась обратной. ALMA уже 19 декабря дала сигнал на продажу, а SMA сделала это лишь через восемь дней — 27 декабря.

При этом скользящая средняя Арно Легу не позволила избежать шума и захватить весь тренд. ALMA 4 ноября сформировал сигнал на продажу, а уже 5 ноября — на покупку. Это и был тот самый шум, который стоил трейдерам определенных денег. Воочию полное сравнение по двум скользящим средним можно пронаблюдать на изображении ниже, где ALMA обозначена синим цветом, а SMA — оранжевым.

15102503.jpg

Источник: tradingview.com

Если на этом же промежутке времени вместо простой скользящей средней взять экспоненциальную, то разница будет лишь в том, что она подаст сигнал на продажу еще позже — 30 декабря. При этом, точка входа по ней совпадет с SMA и шума также удастся избежать. На изображении ниже EMA обозначена фиолетовым цветом.

15102504.jpg

Источник: tradingview.com

Что же получается в сухом остатке? ALMA — не идеальный индикатор. В одних рыночных условиях он действительно работает лучше, чем другие скользящие средние, в других все с точностью до наоборот. К тому же, как видно из примеров, именно ALMA принимает во внимание шум, который SMA и EMA не учитывают.

Вывод

ALMA — это еще один вариант скользящих средних, который появился в 2009 году. Его основная особенность — отдавать предпочтение последним значениям цены над теми, что были раньше. Индикатор требует долгой и кропотливой настройки для каждой конкретной криптовалюты. Хотя он и задумывался, как лучшая версия по сравнению с SMA и EMA, на практике результаты могут быть самыми различными и не всегда в пользу ALMA.

Данный материал и информация в нем не является индивидуальной или иной другой инвестиционной рекомендацией. Мнение редакции может не совпадать с мнениями аналитических порталов и экспертов.

Bacaan Terkait

Nvidia CPU Berdatangan, RISC-V China Menyambut Tantangan: Pengamatan Mendalam Industri Semikonduktor Bagian Empat

NVIDIA akan meluncurkan CPU Vera berbasis Arm ke pasar Tiongkok pada Agustus, dengan harga per unit melebihi US$20.000. Langkah ini memicu pertanyaan kritis di Tiongkok: apakah ketergantungan pada arsitektur x86 dan Arm dalam infrastruktur AI harus terus berlanjut? RISC-V muncul sebagai jawaban potensial. Artikel ini membahas perjalanan RISC-V Tiongkok dari segmen embedded ke komputasi kinerja tinggi (HPC) dan AI. Dijelaskan "segitiga mustahil" industri CPU—kemakmuran, kendali, dan kemandirian—di mana RISC-V dipandang sebagai satu-satunya jalur yang dapat mencapai ketiganya secara bersamaan berkat sifatnya yang terbuka, modular, dan standar internasional. Dorongan utama di Tiongkok berasal dari kombinasi permintaan AI yang meledak, pembatasan ekspor chip yang memperketat pasokan, potensi pengurangan biaya struktural melalui open-source, serta dukungan kebijakan pemerintah. Beberapa tim Tiongkok telah berhasil mencapai atau melampaui tolok ukur performa kunci, seperti skor SPECint 15 per GHz, dan mengembangkan subsistem komputasi lengkap termasuk jaringan on-chip (NoC) yang koheren. Namun, tantangan besar tetap ada. Fragmentasi ekosistem akibat instruksi kustom, kesenjangan dalam rantai alat EDA dan verifikasi, serta kebutuhan untuk mengejar efisiensi dan kinerja inti tunggal adalah beberapa rintangan nyata. Meski produk server RISC-V yang patuh pada standar RVA23 telah ada, jalan menuju paritas penuh dengan x86 dan Arm di data center masih panjang. Kesimpulannya, RISC-V menawarkan jalur mandiri bagi Tiongkok dalam komputasi kinerja tinggi. Meski belum dapat menggantikan solusi seperti NVIDIA Vera dalam waktu dekat, fokusnya adalah membangun fondasi untuk kemandirian jangka panjang, memastikan Tiongkok tidak lagi sepenuhnya bergantung pada arsitektur pihak asing di masa depan.

marsbit3j yang lalu

Nvidia CPU Berdatangan, RISC-V China Menyambut Tantangan: Pengamatan Mendalam Industri Semikonduktor Bagian Empat

marsbit3j yang lalu

Panel Taruhan Coding Meraup Untung, Tapi Polymarket Bukan Tempat 'Arbitrase' yang Baik

Artikel ini membahas pengalaman penulis menggunakan panel taruhan buatannya sendiri di Polymarket, platform prediksi berbasis blockchain. Meski panel tersebut membantu menghasilkan keuntungan sekitar 30% dari modal $1600 dalam beberapa minggu, penulis menekankan bahwa Polymarket bukanlah tempat yang ideal untuk mencari peluang arbitrase yang mudah dan aman. Penulis menjelaskan panelnya yang terdiri dari dua bagian utama: "Dasbor Portofolio" untuk memantau posisi terbuka dengan fitur manajemen risiko, dan "Pemantauan Peluang" sebagai watchlist. Panel ini dirancang untuk mengubah keputusan taruhan yang subjektif menjadi kerangka kerja yang lebih terstruktur dan terkendali. Poin kunci dari artikel ini adalah analisis tentang jebakan ekspektasi matematis di Polymarket. Di sini, meskipun suatu taruhan tampak memiliki ekspektasi positif, risiko kehilangan seluruh modal (100%) dalam satu perdagangan tetap ada. Oleh karena itu, penulis menerapkan prinsip diversifikasi dan manajemen posisi ketat dengan membagi taruhan menjadi tiga tingkatan (T1, T2, T3) berdasarkan keyakinan dan waktu penyelesaian, serta membatasi eksposur per taruhan dan per tema. Kesimpulan penulis adalah bahwa peluang di Polymarket lebih bergantung pada perbedaan informasi dan diversifikasi portofolio yang cermat, bukan pada arbitrase bebas risiko. Setiap taruhan memiliki risiko tinggi berupa kehilangan seluruh modal. Platform ini lebih cocok digunakan sebagai alat pelatihan untuk menguji ketajaman analisis terhadap peristiwa dunia, dengan disiplin manajemen risiko yang ketat untuk menghindari kerugian besar.

marsbit6j yang lalu

Panel Taruhan Coding Meraup Untung, Tapi Polymarket Bukan Tempat 'Arbitrase' yang Baik

marsbit6j yang lalu

Analisis Pertumbuhan Notion: Dari Alat Catatan hingga 100 Juta Pengguna, Bagaimana Notion Membangun Tiga Roda Gigi Pertumbuhan Produk, Template, dan Komunitas

Notion telah berkembang dari alat catatan sederhana menjadi platform kolaborasi global dengan lebih dari 100 juta pengguna. Kesuksesannya didorong oleh tiga roda pertumbuhan yang saling terkait. **Pertama, Product-Led Growth (PLG):** Produk yang mudah digunakan dan gratis memungkinkan pengguna merasakan nilainya dengan cepat, sementara fitur berbagi dan kolaborasi menciptakan penyebaran alami. **Kedua, Ekonomi Template:** Template yang dibuat oleh pengguna dan kreator mengubah kemampuan abstrak Notion menjadi solusi praktis, mengurangi hambatan bagi pengguna baru dan membuka berbagai skenario penggunaan. **Ketiga, Komunitas:** Komunitas pengguna yang kuat berfungsi sebagai jaringan pertumbuhan terdesentralisasi, memproduksi tutorial, studi kasus, dan konten lokal, memperkuat identitas merek dan mendorong adopsi global. Perjalanan Notion dimulai dari kegagalan awal karena kompleksitas, yang mengarah pada pendekatan modular seperti "blok bangunan". Ini memungkinkan "plastisitas" – kemampuan untuk menyesuaikan alat untuk berbagai kebutuhan seperti manajemen proyek, wiki, atau kalender konten. Strategi ini akhirnya membawa Notion dari pengguna individu ke pasar perusahaan melalui adopsi "bottom-up", di mana tim yang sudah menggunakan alat ini mendorong adopsi formal di tingkat organisasi. Di era AI, Notion mengintegrasikan kecerdasan buatan langsung ke dalam alur kerja yang ada, meningkatkan nilai template dan pengelolaan pengetahuan. Yang sulit ditiru oleh pesaing bukanlah fitur teknisnya, melainkan ekosistem yang telah dibangun: aset pengetahuan pengguna, jaringan kreator template, dan komunitas yang setia. Notion telah berubah dari sekadar alat perangkat lunak menjadi sistem ekosistem yang memperkuat dirinya sendiri, di mana pengguna juga adalah kontributor, memastikan pertumbuhan yang berkelanjutan.

marsbit9j yang lalu

Analisis Pertumbuhan Notion: Dari Alat Catatan hingga 100 Juta Pengguna, Bagaimana Notion Membangun Tiga Roda Gigi Pertumbuhan Produk, Template, dan Komunitas

marsbit9j yang lalu

Trading

Spot
Futures
活动图片