1、加权移动平均
简单的移动平均把更多的权重给了下跌日，而最近一天的权重则反而较少。有些人指出这并不是交易的最佳方法。因为最新的价格才是最重要的。因此，加权移动平均把更多的权重给了最近的数据，而把较少的权重给了较远的数据。
加权移动平均可以变得非常复杂，因为你可以给最近一天的数据额外的权重或者给每天一个不同的权重。例如，你可以有这样一个10天的加权平均：把第一天也就是最远的一天的值乘以1，第二天的乘以2，第三天的乘以3，等等。这可能没有什么意义，但是一些人认为，复杂的计算使交易更简单，虽然这个假定是错误的，但人们还是这么做了。
2、指数型移动平均
指数型移动平均认为、最近的数据权重最大，但也不能放弃其他的数据。例如，一个O．1的指数型移动平均（大约与一个20天的平均值相等，会把今天的价格乘以O．1，然后把它与昨天的平均值加起来，不再减去任何东西。这種过程对计算来说非常方便，并且也把更多的权重给了最近的数据。
3、移位型移动平场
因为移动平均值一般都与价格非常接近，它们的信号有时会太快，因此，一些人选择通过把自己往前定位一定的天数来“移位”他们的移动平均这样做只是为了让你受到移动平显匀信号的双重损失的可能性小一点。
4、适应型移动平均
适应型移动平均在20世纪90年代开始流行起来，考夫曼、钱达和克罗尔三个人都有各種不同版本的适应型移动平均方法。这些特殊的系统根据一些市场方向和速度的结合情况来改变速度。
考虑一下市场中的噪音量，每日价格波动是市场噪音的一个很好的测度。当市场中有大量噪音时，移动平均必须非常慢以避免进出市场时受到双重损失。然而，当大盘很平滑时，由于双重损失的几率很小，就可以使用快速的移动平均。因此，适应型移动平均测度的是相对于市场中噪音量的大盘移动速度。然后根据速度和噪音因素调整平均值的速度。
因此这个适应性移动平均必须：（1）最低限度要对市场的当前效用有一定测度，就是说存在有多少噪音；（2）只能够把那種情形示意成各種移动平均。本章后部分讨论Perry Kaufman设计的入市技术时给了一个如何使用适应性移动平均的特殊例子。
8．2．8 振动器和推测学
类似RSI的振动器、推测学、威廉%R指标等都是用来帮助那些想挑选最高点和最低点的人的。但我认为这是愚人游戏，因为并没有证据可以证明基于振动器的入市信号能比随机入市有更高的可靠性。事实上，在很多情形中，并不能证明市场总体上与很多振动器做的假定相符。因此，我选择不对自己不信任的东西作太多讨论。
然而，这里有一種方法可以让你使用一个“买空／卖空”振动器，比如怀尔德的RSI指标，来帮你成就狭小范围的止损，见第9章的保护性止损。下面是作这種交易所必需的一些事项：
（1）等大盘给出了明显的走势信号。这是一个基于价格的设置。
（2）等大盘稍微反转并且振动器给出了反作用力可能已经到了一个极点价的迹象。这个设置也是一个基于价格的设置，只在步骤（1）后發生。
（3）当大盘给出信号指示仍然会以之前的方向移动时沿着该方向进入市场。这样的例子有：价格在极点价振动器的信号之前返回到之前的最高（对短期信号来说就是最低）。
这種类型的交易只用一个非常小的止损（比如作用力的末端）就设立了高度可靠的交易信号的可能性。此外，既然这種交易的风险非常小，那么它就意味着潜在交易的风险回报率可能会非常高。这其实是最后一章讨论的回撤设置的一个例子，并且我认为它是利用振动器的最佳方法。
