Aksjeanalytikere bruker glidende gjennomsnitt for å filtrere ut støy og identifisere trender. De er ikke vant til å forutsi priser - men trendinformasjonen hentet fra grafer med glidende gjennomsnitt, spesielt flere glidende gjennomsnitt overlappet hverandre, kan bidra til å identifisere motstandspunkter og støtte, og utløse beslutninger om å kjøpe eller selge. Det er to typer glidende gjennomsnitt: enkle glidende gjennomsnitt og eksponensielle glidende gjennomsnitt, med sistnevnte som reagerer raskere på endringer i trender.
TL; DR (for lang; Leste ikke)
Den eksponensielle formelen for glidende gjennomsnitt er:
EMA = (sluttpris - forrige dags EMA) × utjevningskonstant + forrige dags EMA
der utjevningskonstanten er:
2 ÷ (antall tidsperioder + 1)
Hvordan beregne et enkelt glidende gjennomsnitt
Før du kan begynne å beregne eksponensielle glidende gjennomsnitt, må du kunne beregne et enkelt glidende gjennomsnitt eller SMA. Både SMA og EMA er vanligvis basert på aksjekurs.
For å finne et enkelt glidende gjennomsnitt beregner du det matematiske gjennomsnittet. Med andre ord summerer du alle sluttkursene i SMA, og deler deretter med antall sluttkurser. Hvis du for eksempel beregner en 10-dagers SMA, vil du først legge sammen alle sluttkursene fra de siste 10 dagene, og deretter dele med 10. Så hvis sluttprisene over en 10-dagers periode er $ 12, $ 12, $ 13, $ 15, $ 18, $ 17, $ 18, $ 20, $ 21 og $ 24, vil SMA være:
12 + 12 + 13 + 15 + 18 + 17 + 18 + 20 + 21 + 24 = 170 \\ \ frac {170} {10} = 17
Så den gjennomsnittlige sluttprisen for den 10-dagers perioden er $ 17. Men for at SMA skal være nyttig må du beregne et antall SMAer og tegne dem, og fordi hver SMA bare håndterer dataene fra de 10 siste dagene, vil gamle verdier "falle ut" av ligningen når du legger til nye data poeng. Det er det som gjør at grafen for gjennomsnittet kan "flytte" og justere seg til prisendringene over tid, selv om stabiliserende effekt av de gamle dataene betyr at det er en forsinkelsesperiode før prisendringene virkelig gjenspeiles i det enkle glidende gjennomsnitt.
For eksempel: Dagen etter stenger aksjen din til $ 24 igjen. Denne gangen når du beregner SMA, legger du til det nyeste datapunktet i ligningen, men også "mister" det eldste datapunktet - den første sluttkursen på $ 12. Så nå er ditt 10-dagers enkle glidende gjennomsnitt:
12 + 13 + 15 + 18 + 17 + 18 + 20 + 21 + 24 + 24 = 182 \\ \ frac {182} {10} = 18,2
Du vil gjøre den samme prosessen daglig, og beregne en ny SMA for hver dag du vil ha representert på grafen din.
Lagperioden i bevegelige gjennomsnitt
Forsinkelsesperioden før SMA-en din oppnår faktiske prisendringer, er ikke nødvendigvis en dårlig ting; at "lag" er det som glatter ut avviket i daglige priser. Hvis det glidende gjennomsnittet stiger, vet du at prisene generelt øker, til tross for periodiske fall. På samme måte, hvis et glidende gjennomsnitt begynner å synke, betyr det at prisene generelt synker til tross for periodiske fall.
For det andre, jo lengre tidsperiode for det glidende gjennomsnittet ditt (fem-dagers versus 10-dagers kontra 100-dagers og så videre), jo langsommere justeres det for å gjenspeile nåværende trender. Så oppførselen til et langsiktig glidende gjennomsnitt gir deg et vindu inn i langsiktige trender, mens et kortere glidende gjennomsnitt gjenspeiler oppførselen til flere kortsiktige trender.
Den eksponentielle formelen for glidende gjennomsnitt
Hovedforskjellen mellom et enkelt glidende gjennomsnitt (SMA) og det eksponensielle glidende gjennomsnittet (EMA) er at i EMA-beregningen vektes de nyeste dataene for å få mer innvirkning. Det gjør EMA raskere enn SMA til å justere og reflektere trender. På baksiden krever en EMA mye mer data for å være rimelig nøyaktig.
For å beregne EMA for et datasett, må du gjøre tre ting:
Vær oppmerksom på at en EMA kan refereres til etter sin tidsperiode (i dette tilfellet en fem-dagers EMA) eller av den prosentvise verdien (i dette tilfellet en 33,33% EMA). Jo kortere tidsperiode, desto tyngre vil de siste dataene bli vektet.
EMA-formelen er basert på forrige dags EMA-verdi. Siden du må starte beregningene dine et sted, vil den opprinnelige verdien for din første EMA-beregning faktisk være en SMA. Hvis du for eksempel vil beregne en 100-dagers EMA for det siste året med å spore en bestemt aksje, begynner du med SMA av de første 100 datapunktene i det året.
Det er for mange tall å legge til her, så la oss i stedet demonstrere fem-dagers EMA for et datasett som startet for et år siden. Hvis årets fem første sluttpriser var $ 14, $ 13, $ 14, $ 12 og $ 13, er SMA:
14 + 13 + 14 + 12 + 13 = 66 \\ \ frac {66} {5} = 13.2
Så SMA, som blir din første EMA-verdi, er 13.2.
Vektemultiplikatoren eller utjevningskonstanten er det som legger vekt på de nyeste dataene, og verdien avhenger av tidsperioden til EMA. Formelen for utjevningskonstanten din er:
\ frac {2} {\ text {antall tidsperioder} + 1}
Så hvis du beregner en fem-dagers EMA, blir beregningen:
\ frac {2} {5 + 1} = \ frac {2} {6} = 0,3333
eller, hvis du uttrykker det i prosent, 33,33%.
Tips
Til slutt beregner du en egen EMA for hver dag mellom den opprinnelige verdien (SMA du beregnet i trinn 1) og i dag. Du gjør det ved å legge inn informasjonen fra trinn 1 og 2 i EMA-formelen:
\ text {EMA} = (\ text {sluttpris) - \ text {forrige dags EMA}) × \ tekst {glattende konstant som et desimal} + \ text {forrige dags EMA}
Husk at "forrige dags EMA" for din første beregning vil være SMA du fant i trinn 1, som er 13.2. Siden det SMA dekket de første fem dagene av data, den første EMA-verdien du beregner, vil gjelde neste dag, som er dag seks. Ved å bruke dataene fra trinn 1 og 2 i EMA-formelen har du:
\ begin {align} \ text {EMA} & = (12 - 13.2) × 0.3333 + 13.2 \\ & = 12.80 \ end {aligned}
Så EMA-verdien for dag seks er 12.80.
Hvis sluttverdien på dag syv var $ 11, vil du gjenta prosessen ved å bruke dag seks verdi på 12,80 som den nye "forrige dags EMA." Så beregningen for dag syv er som følger:
\ begin {align} \ text {EMA} & = (11 - 12.8) × 0.3333 + 12.8 \\ & = 12.20 \ end {justert}
Få en nøyaktig EMA
Hvis du husker at det opprinnelige eksemplet sa at du ville beregne aksjens fem-dagers EMA for et helt års verdi data, det betyr at du har flere hundre beregninger ennå å gjøre - fordi du må beregne en dag på en tid. Åpenbart er dette mye raskere og enklere med et dataprogram eller skript for å knuse tallene for deg.
Hvis du virkelig vil ha en mest nøyaktig EMA mulig, bør du starte beregningene dine med data fra den første dagen aksjen var tilgjengelig. Selv om det ofte er upraktisk, forsterker det også det faktum at EMA-er brukes til å reflektere og analysere trender - så hvis du tegnet graf EMA starter fra dag én av aksjen, du vil se hvordan grafkurven etter en forsinkelsesperiode skifter for å følge den faktiske aksjen priser. Hvis du også tegner en SMA for samme tidsperiode på samme graf, vil du også se at en EMA tilpasser seg prisendringer raskere enn en SMA gjør.
