Kapan Dengan Weighted Moving Average Used

Cara yang tidak biasa, rata-rata yang bergerak membujuk tren dari sekian banyak pengukuran yang membingungkan dapat dilihat dengan merencanakan rata-rata pergerakan 10 hari bersama dengan bobot harian asli, yang ditunjukkan sebagai berlian kecil. Rata-rata bergerak yang telah digunakan sejauh ini memberikan arti yang sama rata-rata untuk semua hari rata-rata. Ini tidak perlu begitu. Jika Anda memikirkannya, itu tidak masuk akal, terutama jika Anda tertarik untuk menggunakan moving average jangka panjang untuk memperlancar benjolan acak dalam tren. Asumsikan Anda menggunakan rata-rata pergerakan 20 hari. Mengapa berat badan Anda hampir tiga minggu yang lalu dianggap sama relevan dengan tren saat ini seperti berat badan Anda pagi ini Berbagai bentuk rata-rata bergerak tertimbang telah dikembangkan untuk mengatasi keberatan ini. Alih-alih hanya menambahkan pengukuran untuk rangkaian hari dan membagi dengan jumlah hari, dengan rata-rata pergerakan tertimbang setiap pengukuran pertama kali dikalikan dengan faktor bobot yang berbeda dari hari ke hari. Jumlah akhir dibagi, bukan dengan jumlah hari, tapi dengan jumlah semua faktor berat. Jika faktor berat yang lebih besar digunakan untuk hari-hari yang lebih baru dan faktor-faktor yang lebih kecil untuk pengukuran lebih jauh ke masa lalu, tren akan lebih responsif terhadap perubahan terkini tanpa mengorbankan perataan rata-rata bergerak. Rata-rata pergerakan yang tidak tertimbang hanyalah rata-rata bergerak tertimbang dengan semua faktor berat yang setara dengan 1. Anda dapat menggunakan faktor berat yang Anda sukai, namun rangkaian tertentu dengan jawbreaking monicker Exponentially Smoothed Moving Average telah terbukti berguna dalam aplikasi mulai dari radar pertahanan udara. Untuk perdagangan pasar perut babi Chicago. Mari kita menggunakannya untuk bekerja pada perut kita juga. Grafik ini membandingkan faktor berat untuk rata-rata pergerakan 20 hari yang dipercepat secara eksponensial dengan rata-rata bergerak sederhana yang bobotnya rata-rata setiap hari. Perataan eksponensial memberikan pengukuran dua kali lipat signifikansi rata-rata yang akan diberikan, pengukuran kemarin sedikit kurang dari itu, dan setiap hari berturut-turut kurang dari pendahulunya dengan hari ke 20 hanya menyumbang 20 sebanyak hasil dibandingkan dengan rata-rata pergerakan sederhana. Faktor bobot dalam rata-rata bergerak rata-rata merata adalah kekuatan berturut-turut dari sebuah bilangan yang disebut konstanta pemulusan. Rata-rata bergerak rata-rata yang dihaluskan dengan rata-rata dengan konstanta pemulusan 1 sama dengan rata-rata bergerak sederhana, karena 1 pada daya apapun adalah 1. Konstanta pemulusan kurang dari 1 menimbang data terakhir lebih banyak, dengan bias terhadap pengukuran terbaru meningkat sebagai perataan Konstan menurun menuju nol. Jika konstanta pemulusan melebihi 1, data yang lebih tua diberi bobot lebih banyak daripada pengukuran terakhir. Plot ini menunjukkan faktor berat yang dihasilkan dari perbedaan nilai konstanta pemulusan. Perhatikan bagaimana faktor beratnya adalah 1 ketika konstanta pemulusan adalah 1. Bila konstanta pemulusan antara 0,5 dan 0,9, berat yang diberikan pada data lama turun begitu cepat dibandingkan dengan pengukuran yang lebih baru sehingga tidak perlu membatasi rata-rata bergerak ke Jumlah hari tertentu kita bisa rata-rata semua data yang kita miliki, segera kembali ke awal, dan biarkan faktor berat yang dihitung dari konstanta pemulusan secara otomatis membuang data lama karena tidak relevan dengan tren saat ini. Rata-rata Bergerak Pindah: The Dasar-dasar Selama bertahun-tahun, teknisi telah menemukan dua masalah dengan rata-rata bergerak sederhana. Masalah pertama terletak pada kerangka waktu moving average (MA). Sebagian besar analis teknikal percaya bahwa aksi harga. Harga saham pembukaan atau penutupan, tidak cukup untuk mengandalkan prediksi apakah membeli atau menjual sinyal dari tindakan crossover MA. Untuk mengatasi masalah ini, analis sekarang menetapkan bobot lebih banyak pada data harga terbaru dengan menggunakan rata-rata pergerakan rata-rata yang dipercepat secara eksponensial (EMA). (Pelajari lebih lanjut dalam Menjelajahi Nilai Pindah Yang Dipengaruhi Secara Eksponensial) Contoh Misalnya, menggunakan MA 10 hari, seorang analis akan mengambil harga penutupan pada hari ke 10 dan memperbanyak angka ini dengan angka 10, hari kesembilan dengan pukul sembilan, kedelapan Hari ke delapan dan seterusnya ke MA yang pertama. Setelah total telah ditentukan, analis kemudian akan membagi jumlahnya dengan penambahan pengganda. Jika Anda menambahkan pengganda contoh MA 10 hari, jumlahnya adalah 55. Indikator ini dikenal sebagai rata-rata bergerak tertimbang linear. (Untuk bacaan terkait, lihat Simple Moving Averages Making Trends Stand Out.) Banyak teknisi percaya diri dengan rata-rata moving average yang dipercepat secara eksponensial (EMA). Indikator ini telah dijelaskan dengan berbagai cara sehingga membingungkan para siswa dan investor. Mungkin penjelasan terbaiknya berasal dari John J. Murphys Technical Analysis Of The Financial Markets, (diterbitkan oleh New York Institute of Finance, 1999): Rata-rata moving average yang dipercepat secara eksponensial membahas kedua masalah yang terkait dengan moving average sederhana. Pertama, rata-rata merapikan secara eksponensial memberi bobot lebih besar pada data yang lebih baru. Oleh karena itu, ini adalah rata-rata bergerak tertimbang. Tapi sementara itu memberi informasi yang kurang penting untuk data harga terakhir, itu termasuk dalam perhitungan semua data dalam kehidupan instrumen. Selain itu, pengguna dapat menyesuaikan bobot untuk memberi bobot lebih besar atau lebih kecil ke harga hari terakhir, yang ditambahkan ke persentase nilai hari sebelumnya. Jumlah dari kedua nilai persentase tersebut menambahkan hingga 100. Misalnya, harga hari terakhir dapat diberi bobot 10 (0,10), yang ditambahkan ke hari sebelumnya dengan berat 90 (0,90). Ini memberi hari terakhir 10 dari total bobot. Ini setara dengan rata-rata 20 hari, dengan memberikan harga hari terakhir dengan nilai lebih kecil dari 5 (0,05). Gambar 1: Rata-rata Moving Exponentially Moving Bagan di atas menunjukkan Indeks Komposit Nasdaq dari minggu pertama di bulan Agustus 2000 sampai 1 Juni 2001. Seperti yang dapat Anda lihat dengan jelas, EMA, yang dalam kasus ini menggunakan data harga penutupan selama suatu Periode sembilan hari, memiliki sinyal jual yang pasti pada 8 September (ditandai dengan panah bawah hitam). Ini adalah hari dimana indeks menembus di bawah level 4.000. Panah hitam kedua menunjukkan kaki lain yang benar-benar diharapkan teknisi. Nasdaq tidak bisa menghasilkan volume dan minat yang cukup dari para investor ritel untuk menembus angka 3.000. Kemudian turun lagi ke bawah pada 1619.58 pada 4 April. Uptrend 12 Apr ditandai dengan panah. Di sini indeks ditutup pada 1.961,46, dan teknisi mulai melihat fund manager institusional mulai mengambil beberapa penawaran seperti Cisco, Microsoft dan beberapa isu terkait energi. (Baca artikel terkait kami: Amplop Rata-rata Bergerak: Memurnikan Alat Perdagangan yang Populer dan Perputaran Rata-Rata Bergerak.) Apa perbedaan antara rata-rata bergerak dan rata-rata pergerakan tertimbang Rata-rata pergerakan 5 periode, berdasarkan harga di atas, akan dihitung dengan menggunakan yang berikut Rumus: Berdasarkan persamaan di atas, harga rata-rata selama periode yang tercantum di atas adalah 90,66. Menggunakan moving averages adalah metode efektif untuk menghilangkan fluktuasi harga yang kuat. Keterbatasan utamanya adalah bahwa titik data dari data lama tidak berbobot berbeda dari titik data di dekat awal kumpulan data. Di sinilah bobot rata-rata tertimbang mulai dimainkan. Rata-rata tertimbang menetapkan bobot yang lebih berat ke titik data lebih saat ini karena lebih relevan daripada titik data di masa lalu yang jauh. Jumlah pembobotan harus menambahkan hingga 1 (atau 100). Dalam kasus rata-rata bergerak sederhana, pembobotan didistribusikan secara merata, oleh karena itu tidak ditunjukkan pada tabel di atas. Harga Penutupan AAPL