如何使用考夫曼自適應MA（KAMA）？ （揮發性）

了解 KAMA 的核心機制

1. KAMA 根據效率比 (ER) 衡量的市場波動性動態調整其平滑常數。

2. ER 將指定期間內的淨價格變動與絕對每日價格變動總和進行比較－較高的 ER 表示趨勢行為。

3. 當 ER 上升時，KAMA 會縮短其有效回溯窗口，使其對價格變化更加敏感。

4. 當 ER 下降時，KAMA 會延長回顧時間，進而降低波動條件下的雜訊敏感度。

5. 這種反應能力完全源自於波動性輸入，而不是固定的時間範圍或任意閾值。

計算 KAMA 的波動性輸入

1. 標準 KAMA 實施使用 10 週期 ER，計算方式為當前收盤價與 10 個週期前收盤價之間的絕對差值除以這 10 個週期的絕對 1 日價格變化之和。

2. 匯出兩個平滑常數：一個用於快速移動（例如，2 週期 EMA），另一個用於慢速移動（例如，30 週期 EMA）。

3. 這些常數被輸入到波動率加權公式中，該公式確定為最新價格相對於先前的 KAMA 值分配多少權重。

4. 交易者經常修改 ER 期限以符合特定資產的波動性概況－像 BTC 這樣的加密貨幣可能需要比傳統資產更短的 ER 視窗。

5. 山寨幣市場的波動性飆升會引發 ER 快速衰減，迫使 KAMA 擴大其有效滯後，避免在突然的清算級聯期間出現洗盤。

KAMA 作為加密貨幣市場的趨勢過濾器

1. 在 Bitcoin 的 2021 年牛市週期中，KAMA 在強勁的上漲勢頭中與價格保持緊密一致，但在 2021 年 5 月崩盤期間顯著趨於平緩，表明趨勢耗盡早於 SMA 或 EMA。

2. 對於流動性較低的幣安智能鏈代幣，KAMA 的自適應特性減少了訂單簿薄弱和拉高拋售波動性導致的虛假突破。

3. 當 ETH/USDT 顯示 KAMA 斜率反轉且成交量飆升至 20 日均線上方時，這通常先於持續的方向性走勢，而不是小幅回調。

4. KAMA 與長期版本（例如，30 週期與 120 週期）的交叉在重大交易所駭客攻擊或監管公告後的整合階段產生高機率條目。

5. 在穩定幣脫鉤事件期間，KAMA 與 RSI 的背離經常出現在價格確認之前，尤其是當 USDC 交易價格低於 0.995 美元並持續超過 6 小時時。

將 KAMA 與鏈上訊號集成

1. 大量資金流入交易所，加上 BTC/USD 的 KAMA 斜率不斷上升，通常表示即將出現分配壓力，而不是累積壓力。

2. 當 KAMA 趨於平緩而 NVT 比率飆升至 120 以上時，這反映了網路價值的成長與價格走勢脫節，這是投機泡沫的潛在跡象。

3. 以太坊 Gas 費飆升與 KAMA 收縮同時發生，顯示有短期擁堵，而非結構性趨勢變化。

4. 穩定幣供應比率（SSR）跌破 0.5，而 KAMA 加速上​​升，通常與永續掉期市場的槓桿多頭部位達到頂峰相關。

5. 在過去五個減半週期中的三個週期中，在 BTC 修正之前，礦工資金流出超過 7 天平均水平，同時 KAMA 也出現下行。

常見問題解答

Q1：閃退時KAMA是否可靠工作？是的，KAMA 基於波動性的滯後調整使其能夠與極端異常值脫鉤。在 2020 年 3 月 BTC 閃電崩盤期間，KAMA 保持在價格的 3.2% 以內，而 20 週期 SMA 偏差超過 18%。

Q2：KAMA 可以應用在期貨基差嗎？絕對地。當應用於 BTC 永續資金費率與季度合約的差異時，KAMA 比靜態移動平均線更準確地識別均值回歸邊界。

Q3：KAMA 在代幣空投活動期間如何表現？由於人為的成交量峰值，KAMA 通常會暫時壓縮波動性輸入，導致短暫的平緩。這種壓縮會在空投分發完成後 2-4 小時內解決。

問題 4：KAMA 對特定交易所的價格差異敏感嗎？這取決於資料來源。使用 Coinbase、Kraken 和 Binance 的匯總中間價格資訊可以減少扭曲。單交易所 KAMA 讀數顯示幣安 BTC/USDT 溢價飆升期間噪音增加。