Hvorfor Do Moving Average

Flytte gjennomsnitt: Hva er de Blant de mest populære tekniske indikatorene, er glidende gjennomsnitt brukt til å måle retningen for den nåværende trenden. Hver type bevegelige gjennomsnitt (vanligvis skrevet i denne opplæringen som MA) er et matematisk resultat som beregnes ved å beregne et antall tidligere datapunkter. Når det er bestemt, blir det resulterende gjennomsnittet plottet på et diagram for å tillate handelsmenn å se på glatt data, i stedet for å fokusere på de daglige prisfluktuasjonene som er iboende i alle finansmarkeder. Den enkleste formen for et bevegelige gjennomsnitt, riktig kjent som et enkelt glidende gjennomsnitt (SMA), beregnes ved å ta det aritmetiske gjennomsnittet av et gitt sett av verdier. For eksempel, for å beregne et grunnleggende 10-dagers glidende gjennomsnitt vil du legge til sluttkursene fra de siste 10 dagene, og deretter dele resultatet med 10. I figur 1 er summen av prisene for de siste 10 dagene (110) dividert med antall dager (10) for å komme fram til 10-dagers gjennomsnittet. Hvis en forhandler ønsker å se et 50-dagers gjennomsnitt i stedet, vil samme type beregning bli gjort, men det vil inkludere prisene i løpet av de siste 50 dagene. Det resulterende gjennomsnittet under (11) tar hensyn til de siste 10 datapunktene for å gi handelsmenn en ide om hvordan en eiendel er priset i forhold til de siste 10 dagene. Kanskje du lurer på hvorfor tekniske handelsfolk kaller dette verktøyet et bevegelige gjennomsnitt og ikke bare en vanlig gjennomsnitt. Svaret er at når nye verdier blir tilgjengelige, må de eldste datapunktene slippes fra settet og nye datapunkter må komme inn for å erstatte dem. Dermed går datasettet kontinuerlig til å regne for nye data etter hvert som det blir tilgjengelig. Denne beregningsmetoden sikrer at bare den nåværende informasjonen blir regnskapsført. I figur 2 flyttes den røde boksen (som representerer de siste 10 datapunktene) til høyre, og den siste verdien av 15 blir tapt fra beregningen når den nye verdien av 5 er lagt til settet. Fordi den relativt små verdien av 5 erstatter den høye verdien på 15, ville du forvente å se gjennomsnittet av datasettets reduksjon, som det gjør, i dette tilfellet fra 11 til 10. Hva ser Moving Averages Like Når verdiene til MA har blitt beregnet, de er plottet på et diagram og deretter koblet til for å skape en bevegelig gjennomsnittslinje. Disse svingete linjene er vanlige på diagrammer av tekniske handelsfolk, men hvordan de brukes kan variere drastisk (mer om dette senere). Som du kan se i figur 3, er det mulig å legge til mer enn ett glidende gjennomsnitt i et diagram ved å justere antall tidsperioder som brukes i beregningen. Disse svingete linjene kan virke distraherende eller forvirrende i begynnelsen, men du vil bli vant til dem når tiden går videre. Den røde linjen er bare gjennomsnittsprisen de siste 50 dagene, mens den blå linjen er gjennomsnittsprisen de siste 100 dagene. Nå som du forstår hva et glidende gjennomsnitt er, og hvordan det ser ut, kan du godt presentere en annen type glidende gjennomsnitt og undersøke hvordan det er forskjellig fra det tidligere nevnte enkle glidende gjennomsnittet. Det enkle glidende gjennomsnittet er ekstremt populært blant handelsfolk, men som alle tekniske indikatorer har det kritikere. Mange individer hevder at bruken av SMA er begrenset fordi hvert punkt i dataserien vektes det samme, uavhengig av hvor det forekommer i sekvensen. Kritikere hevder at de nyeste dataene er mer signifikante enn de eldre dataene, og bør ha større innflytelse på sluttresultatet. Som svar på denne kritikken begynte handelsmenn å gi mer vekt på nyere data, som siden har ført til oppfinnelsen av ulike typer nye gjennomsnitt, hvorav den mest populære er det eksponentielle glidende gjennomsnittet (EMA). (For videre lesing, se Grunnleggende om vektede bevegelige gjennomsnitt og hva som er forskjellen mellom en SMA og en EMA) Eksponentiell flytende gjennomsnitt Det eksponentielle glidende gjennomsnittet er en type bevegelige gjennomsnitt som gir mer vekt til de siste prisene i et forsøk på å gjøre det mer responsivt til ny informasjon. Å lære den noe kompliserte ligningen for å beregne en EMA kan være unødvendig for mange forhandlere, siden nesten alle kartleggingspakker gjør beregningene for deg. Men for deg matematiske geeks der ute, her er EMA-ligningen: Når du bruker formelen til å beregne det første punktet til EMA, kan det hende du merker at det ikke er noen verdi tilgjengelig for bruk som den forrige EMA. Dette lille problemet kan løses ved å starte beregningen med et enkelt glidende gjennomsnitt og fortsette videre med den ovennevnte formelen derfra. Vi har gitt deg et eksempelkart som inneholder virkelige eksempler på hvordan du kan beregne både et enkelt glidende gjennomsnitt og et eksponentielt glidende gjennomsnitt. Forskjellen mellom EMA og SMA Nå som du har en bedre forståelse av hvordan SMA og EMA beregnes, kan vi se på hvordan disse gjennomsnittene er forskjellige. Ved å se på beregningen av EMA, vil du legge merke til at det legges større vekt på de siste datapunktene, noe som gjør det til en type vektet gjennomsnitt. I figur 5 er antall tidsperioder som brukes i hvert gjennomsnitt identisk (15), men EMA reagerer raskere på de endrede prisene. Legg merke til hvordan EMA har en høyere verdi når prisen stiger, og faller raskere enn SMA når prisen senker. Denne responsen er den viktigste grunnen til at mange handelsmenn foretrekker å bruke EMA over SMA. Hva betyr de forskjellige dagene Gjennomsnittlig flytteverdi er en helt tilpassbar indikator, noe som betyr at brukeren fritt kan velge hvilken tidsramme de vil ha når man lager gjennomsnittet. De vanligste tidsperioder som brukes i bevegelige gjennomsnitt er 15, 20, 30, 50, 100 og 200 dager. Jo kortere tidsrammen som brukes til å skape gjennomsnittet, jo mer følsomt blir det for prisendringer. Jo lengre tidsrom, jo ​​mindre følsomt, eller mer utjevnet, vil gjennomsnittet være. Det er ingen riktig tidsramme som skal brukes når du oppretter dine bevegelige gjennomsnitt. Den beste måten å finne ut hvilken som passer best for deg, er å eksperimentere med en rekke forskjellige tidsperioder til du finner en som passer til din strategi. Hvordan bruke Flyttealder Flyttealder hjelper oss å først definere trenden og for det andre å gjenkjenne endringer i trenden. Det er det. Det er ingenting annet som de er gode for. Alt annet er bare bortkastet tid. Jeg vil ikke komme inn i gory detaljer om hvordan de er konstruert. Det er omtrent en zillion nettsteder som vil forklare matematisk sminke av dem. Jeg lar deg gjøre det selv på en dag når du er veldig kjedelig ute av tankene. Men alt du virkelig trenger å vite er at en bevegelig gjennomsnittslinje bare er gjennomsnittsprisen på en aksje over tid. Det er det. De to bevegelige gjennomsnittene bruker jeg to bevegelige gjennomsnitt: 10-års simpel glidende gjennomsnitt (SMA) og 30-års eksponentielt glidende gjennomsnitt (EMA). Jeg liker å bruke en tregere og en raskere. Hvorfor Fordi den raskeste (10) krysser over den langsommere en (30), vil den ofte signalere en trendendring. La oss se på et eksempel: Du kan se i diagrammet over hvordan disse linjene kan hjelpe deg med å definere trender. På venstre side av diagrammet er 10 SMA over 30 EMA, og trenden er oppe. De 10 SMA krysser ned under 30 EMA i midten av august, og trenden er nede. Deretter krysser 10 SMA tilbake gjennom 30 EMA i september, og trenden er opp igjen - og den holder seg oppe i flere måneder etterpå. Her er reglene: Fokusere kun på lange stillinger når de 10 SMA er over 30 EMA. Fokuser kun på korte stillinger når de 10 SMA er under 30 EMA. Det blir ikke noe enklere enn det, og det vil alltid holde deg på høyre side av trenden. Merk at glidende gjennomsnitt bare fungerer bra når en aksje er trending - ikke når de er i et handelsområde. Når en aksje (eller selve markedet) blir slurvet, kan du ignorere glidende gjennomsnitt - de pleier ikke å jobbe. Her er viktige ting å huske (for lange stillinger - revers for korte stillinger.): De 10 SMA må være over 30 EMA. Det må være god plass mellom de bevegelige gjennomsnittene. Begge bevegelige gjennomsnitt må være skråt oppover. 200-glidende gjennomsnittet 200 SMA brukes til å skille oksen fra bjørneområdet. Studier har vist at ved å fokusere på lange stillinger over denne linjen, og korte stillinger under denne linjen kan gi deg en liten kant. Du bør legge til dette bevegelige gjennomsnittet for alle diagrammer i alle tidsrammer. Ja. ukentlige diagrammer, daglige diagrammer og intradag (15 min, 60 min) diagrammer. 200 SMA er det viktigste glidende gjennomsnittet å ha på et lageroversikt. Du vil bli overrasket over hvor mange ganger en aksje vil reversere i dette området. Bruk dette til din fordel. Når du skriver skanner for aksjer, kan du også bruke dette som et ekstra filter for å finne potensielle lange oppsett som ligger over denne linjen og potensielle korte oppsett som er under denne linjen. Støtte og motstand I motsetning til populær tro finner aksjer ikke støtte eller motstand mot flytteverdier. Mange ganger vil du høre handelsmenn si, Hei, se på denne aksjen. Det hoppet av 50-dagers glidende gjennomsnitt. Hvorfor ville en aksje plutselig hoppe av en linje som noen handelsmann satte på et lagerdiagram, det ville ikke. En aksje vil bare sprette (hvis du vil kalle det som) av betydelige prisnivåer som skjedde tidligere - ikke en linje på et diagram. Aksjer vil reversere (opp eller ned) til prisnivåer som ligger i nærheten av populære bevegelige gjennomsnitt, men de går ikke tilbake på linjen selv. Så, antar at du ser på et diagram, og du ser aksjen trekke tilbake til, la oss si det 200-glidende gjennomsnittet. Se på prisnivået på diagrammet som viste seg å være betydelige støtte - eller motstandsområder tidligere. Det er områdene hvor bestanden vil sannsynligvis reversere. Modellering av data fjerner tilfeldig variasjon og viser trender og sykliske komponenter. Inherent i samlingen av data tatt over tid er en form for tilfeldig variasjon. Det finnes metoder for å redusere avbryte effekten på grunn av tilfeldig variasjon. En ofte brukt teknikk i industrien er utjevning. Denne teknikken, når den brukes riktig, viser tydeligere den underliggende trenden, sesongmessige og sykliske komponenter. Det er to forskjellige grupper av utjevningsmetoder. Midlere metoder Eksponensielle utjevningsmetoder Gjennomsnitt er den enkleste måten å glatte data på. Vi vil først undersøke noen gjennomsnittsmetoder, for eksempel det enkle gjennomsnittet av alle tidligere data. En leder av et lager ønsker å vite hvor mye en typisk leverandør leverer i 1000 dollar-enheter. Heshe tar et utvalg av 12 leverandører, tilfeldig, og oppnår følgende resultater: Beregnet gjennomsnitt eller gjennomsnitt av dataene 10. Lederen bestemmer seg for å bruke dette som estimat for utgifter til en typisk leverandør. Er dette et bra eller dårlig estimat Mean squared feil er en måte å dømme hvor bra en modell er. Vi skal beregne den gjennomsnittlige kvadratfeilen. Feil sant beløp brukt minus estimert beløp. Feilen squared er feilen ovenfor, firkantet. SSE er summen av kvadratfeilene. MSE er gjennomsnittet av de kvadratiske feilene. MSE-resultater for eksempel Resultatene er: Feil og kvadratfeil Estimatet 10 Spørsmålet oppstår: kan vi bruke gjennomsnittet til å prognostisere inntekt hvis vi mistenker en trend. En titt på grafen nedenfor viser tydelig at vi ikke bør gjøre dette. Gjennomsnittlig veier alle tidligere observasjoner likt Sammendrag oppgir vi at Det enkle gjennomsnittet eller gjennomsnittet av alle tidligere observasjoner er bare et nyttig estimat for prognoser når det ikke er noen trender. Hvis det er trender, bruk ulike estimater som tar hensyn til trenden. Gjennomsnittet veier alle tidligere observasjoner likt. For eksempel er gjennomsnittet av verdiene 3, 4, 5 4. Vi vet selvsagt at et gjennomsnitt beregnes ved å legge til alle verdiene og dividere summen med antall verdier. En annen måte å beregne gjennomsnittet på er å legge til hver verdi dividert med antall verdier, eller 33 43 53 1 1.3333 1.6667 4. Multiplikatoren 13 kalles vekten. Generelt: bar frac sum venstre (frac høyre) x1 venstre (frac høyre) x2,. ,, venstre (frac høyre) xn. (Venstre) er vektene, og selvfølgelig summen de til 1.Movende gjennomsnitt Hvis denne informasjonen er plottet på en graf, ser det slik ut: Dette viser at det er stor variasjon i antall besøkende avhengig av sesong. Det er langt mindre i høst og vinter enn vår og sommer. Men hvis vi ønsket å se en trend i antall besøkende, kunne vi beregne et 4-punkts glidende gjennomsnitt. Vi gjør dette ved å finne gjennomsnittlig antall besøkende i fire kvartaler i 2005: Da finner vi gjennomsnittlig antall besøkende i de tre siste kvartaler i 2005 og første kvartal 2006: Så de siste to kvartaler i 2005 og de to første kvartaler av 2006: Merk at det siste gjennomsnittet vi finner er de siste to kvartaler i 2006 og de to første kvartalene av 2007. Vi skisserer de bevegelige gjennomsnittene på en graf, og sørger for at hvert gjennomsnitt er plottet i midten av de fire kvartaler det dekker: Vi kan nå se at det er en svært liten nedadgående trend i besøkende.