Indhold
- TL; DR (for lang; læste ikke)
- Sådan beregnes et simpelt bevægende gennemsnit
- Forsinkelsesperioden i bevægelige gennemsnit
- Den eksponentielle bevægende gennemsnitsformel
- Tips
- Få en nøjagtig EMA
Aktieanalytikere bruger bevægelige gennemsnit for at hjælpe med at filtrere støj og identificere tendenser. De er ikke vant til at forudsige priser - men trendinformationen hentet fra grafer over glidende gennemsnit, især flere bevægende gennemsnit, der er lagt ovenpå hinanden, kan hjælpe med at identificere modstands- og supportpunkter og udløse beslutninger om at købe eller sælge. Der er to typer glidende gennemsnit: enkle glidende gennemsnit og eksponentielle glidende gennemsnit, hvor sidstnævnte reagerer hurtigere på ændringer i tendenser.
TL; DR (for lang; læste ikke)
Den eksponentielle glidende gennemsnitformel er:
EMA = (slutpris - tidligere dage EMA) × udjævningskonstant + foregående dage EMA
hvor udjævningskonstanten er:
2 ÷ (antal tidsperioder + 1)
Sådan beregnes et simpelt bevægende gennemsnit
Inden du kan begynde at beregne eksponentielle glidende gennemsnit, skal du være i stand til at beregne et simpelt glidende gennemsnit eller SMA.Både SMA'er og EMA'er er normalt baseret på aktiekurspriser.
For at finde et simpelt glidende gennemsnit beregner du det matematiske middel. Med andre ord summerer du alle lukkepriser i din SMA og dividerer derefter med antallet af lukkepriser. For eksempel, hvis du beregner en 10-dages SMA, vil du først tilføje alle lukkepriserne fra de sidste 10 dage og derefter dele med 10. Så hvis lukningspriserne over en 10-dages periode er $ 12, $ 12, $ 13, $ 15, $ 18, $ 17, $ 18, $ 20, $ 21 og $ 24, SMA ville være:
12 + 12 + 13 + 15 + 18 + 17 + 18 + 20 + 21 + 24 = 170; 170 ÷ 10 = 17
Så den gennemsnitlige lukkepris for den 10-dages tidsperiode er $ 17. Men for at SMA skal være nyttig, skal du beregne et antal SMA'er og tegne dem, og fordi hver SMA kun beskæftiger sig med de foregående 10 dages værdi af data, vil gamle værdier "droppe" ud af ligningen, når du tilføjer nye datapunkter. Det er det, der giver grafen for gennemsnittet mulighed for at "flytte" og tilpasse sig prisændringerne over tid, selvom den stabiliserende effekt af de gamle data betyder, at der er en forsinkelsesperiode, før prisændringer virkelig afspejles i dit enkle glidende gennemsnit.
For eksempel: Den næste dag lukker dit lager på $ 24 igen. Denne gang, når du beregner SMA, tilføjer du det nyeste datapunkt til din ligning, men "taber" også det ældste datapunkt - det første $ 12-slutpris. Så nu er dit 10-dages enkle glidende gennemsnit:
12 + 13 + 15 + 18 + 17 + 18 + 20 + 21 + 24 + 24 = 182; 182 ÷ 10 = 18.2
Du skal udføre den samme proces dagligt og beregne en ny SMA for hver dag, du vil repræsentere på din graf.
Forsinkelsesperioden i bevægelige gennemsnit
Forsinkelsesperioden, før din SMA indhenter de faktiske prisændringer, er ikke nødvendigvis en dårlig ting; at "forsinkelse" er det, der udjævner variationen i de daglige priser. Hvis det glidende gennemsnit stiger, ved du, at priserne generelt stiger på trods af periodiske dips. Ligeledes, hvis et glidende gennemsnit begynder at falde, betyder det, at priserne generelt falder på trods af periodiske dips.
For det andet, jo længere tidsperiode for dit bevægende gennemsnit (fem dage mod 10 dage mod 100 dage osv.), Desto langsommere justeres det for at afspejle de aktuelle tendenser. Så adfærden ved et langsigtet glidende gennemsnit giver dig et vindue til langsigtede tendenser, mens et kortere glidende gennemsnit afspejler opførslen af mere kortsigtede tendenser.
Den eksponentielle bevægende gennemsnitsformel
Den vigtigste forskel mellem et simpelt bevægende gennemsnit (SMA) og det eksponentielle glidende gennemsnit (EMA) er, at i EMA-beregningen vægtes de seneste data for at have større indflydelse. Det gør EMA'er hurtigere end SMA'er til at justere og afspejle tendenser. På den nederste side kræver en EMA meget mere data for at være rimelig nøjagtige.
For at beregne EMA for et datasæt, skal du gøre tre ting:
EMA-formlen er baseret på de foregående dage EMA-værdi. Da du skal starte dine beregninger et eller andet sted, vil den oprindelige værdi for din første EMA-beregning faktisk være en SMA. Hvis du f.eks. Vil beregne en 100-dages EMA for det sidste år med sporing af en bestemt bestand, starter du med SMA for de første 100 datapunkter i det år.
Det er for mange numre at tilføje her, så lad os i stedet demonstrere den fem-dages EMA for et datasæt, der startede for et år siden. Hvis årets første fem lukkepriser var $ 14, $ 13, $ 14, $ 12 og $ 13, er din SMA:
14 + 13 + 14 + 12 + 13 = 66; 66 ÷ 5 = 13.2
Så SMA, der bliver din oprindelige EMA-værdi, er 13,2.
Vægtmultiplikatoren eller udjævningskonstanten er det, der understreger de nyeste data, og deres værdi afhænger af tidsperioden for din EMA. Formlen for din udjævningskonstant er:
2 ÷ (antal tidsperioder + 1)
Så hvis du beregner en fem-dages EMA, bliver denne beregning:
2 ÷ (5 + 1) = 2 ÷ 6 = 0,3333 eller, hvis du udtrykker det som en procentdel, 33,33%.
Tips
Endelig beregner du en separat EMA for hver dag mellem den indledende værdi (den SMA, du beregnet i trin 1) og i dag. Det gør du ved at indtaste oplysningerne fra trin 1 og 2 i EMA-formlen:
EMA = (slutpris - forrige dage EMA) × udjævningskonstant som en decimal + foregående dage EMA
Husk, at "de foregående dage EMA" til din første beregning er den SMA, du fandt i trin 1, som er 13.2. Da den SMA dækkede de første fem dages værdi af data, gælder den første EMA-værdi, du beregner, den næste dag, som er dag seks. Ved hjælp af dataene fra trin 1 og 2 i EMA-formlen har du:
EMA = (12 - 13,2) × 0,3333 + 13,2
EMA = 12,80
Så EMA-værdien for dag seks er 12,80.
Hvis den afsluttende værdi på dag syv var $ 11, gentager du processen ved hjælp af værdien på dag seks på 12,80 som den nye "tidligere dage EMA." Så beregningen for dag syv er som følger:
EMA = (11 - 12,8) × 0,3333 + 12,8
EMA = 12,20
Få en nøjagtig EMA
Hvis du husker, at det oprindelige eksempel sagde, at du ville beregne lagrene fem-dages EMA for et helt års værd af data, betyder det, at du endnu har flere hundrede beregninger - fordi du skal beregne en dag ad gangen. Det er klart, at dette er meget hurtigere og lettere med et computerprogram eller script for at knuse numrene for dig.
Hvis du virkelig ønsker den mest nøjagtige EMA, skal du starte dine beregninger med data fra den allerførste dag, hvor bestanden var tilgængelig. Selvom det ofte er upraktisk, forstærker det også det faktum, at EMA'er bruges til at reflektere og analysere tendenser - så hvis du tegnet EMA fra første dag af bestanden, kan du se, hvordan grafkurven efter en forsinkelsesperiode skifter for at følge den faktiske aktiekurser. Hvis du også tegner en SMA for den samme tidsperiode på den samme graf, ser du også, at en EMA tilpasser sig ændringer i pris hurtigere end en SMA gør.