Innehåll
- TL; DR (för lång; läste inte)
- Hur man beräknar ett enkelt rörligt medelvärde
- Fördröjningsperioden i rörliga medelvärden
- Den exponentiella rörliga genomsnittliga formeln
- tips
- Få en noggrann EMA
Aktieanalytiker använder rörliga medelvärden för att filtrera bort buller och identifiera trender. De är inte vana att förutsäga priser - men trendinformationen som samlats in från grafer över rörliga medelvärden, särskilt flera rörliga medelvärden överlagda ovanpå varandra, kan hjälpa till att identifiera motståndspunkter och stöd och utlösa beslut att köpa eller sälja. Det finns två typer av rörliga medelvärden: enkla rörliga medelvärden och exponentiella rörliga medelvärden, där de senare svarar snabbare på förändringar i trender.
TL; DR (för lång; läste inte)
Den exponentiella rörliga genomsnittliga formeln är:
EMA = (stängningspris - tidigare dagar EMA) × utjämningskonstant + tidigare dagar EMA
där utjämningskonstanten är:
2 ÷ (antal tidsperioder + 1)
Hur man beräknar ett enkelt rörligt medelvärde
Innan du kan börja beräkna exponentiella rörliga medelvärden måste du kunna beräkna ett enkelt rörligt medelvärde eller SMA.Både SMA och EMA baseras vanligtvis på aktiekurserna.
För att hitta ett enkelt rörligt medelvärde beräknar du det matematiska medelvärdet. Med andra ord summerar du alla stängningspriser i din SMA och delar sedan på antalet stängningspriser. Om du till exempel beräknar en 10-dagars SMA, ska du först lägga till alla stängningspriser från de senaste 10 dagarna och sedan dela med 10. Så om stängningspriserna under en 10-dagarsperiod är $ 12, $ 12, $ 13, $ 15, $ 18, $ 17, $ 18, $ 20, $ 21 och $ 24, SMA skulle vara:
12 + 12 + 13 + 15 + 18 + 17 + 18 + 20 + 21 + 24 = 170; 170 ÷ 10 = 17
Så det genomsnittliga stängningspriset för den tio dagar långa perioden är $ 17. Men för att SMA ska vara användbart måste du beräkna ett antal SMA: er och diagram dem, och eftersom varje SMA endast hanterar de senaste 10 dagars värdet av data kommer gamla värden att "släppas" ur ekvationen när du lägger till nya datapunkter. Det är vad som gör att grafen för genomsnittet kan "flytta" och anpassa sig till prisändringarna över tid, även om den gamla stabiliseringseffekten innebär att det finns en fördröjningstid innan prisförändringar verkligen återspeglas i ditt enkla rörliga medelvärde.
Till exempel: Nästa dag stängs ditt lager på $ 24 igen. Den här gången när du beräknar SMA lägger du till den senaste datapunkten i din ekvation, men "förlorar" också den äldsta datapunkten - det första slutpriset på 12 $. Så nu är ditt 10-dagars enkla glidande medelvärde:
12 + 13 + 15 + 18 + 17 + 18 + 20 + 21 + 24 + 24 = 182; 182 ÷ 10 = 18.2
Du skulle göra samma process dagligen och beräkna en ny SMA för varje dag som du vill representera på din graf.
Fördröjningsperioden i rörliga medelvärden
Förseningsperioden innan din SMA fångar upp till faktiska prisförändringar är inte nödvändigtvis en dålig sak; att "förseningen" är det som jämnar ut variationen i de dagliga priserna. Om det rörliga genomsnittet stiger, vet du att priserna i allmänhet ökar, trots periodiska nedgångar. På samma sätt, om ett rörligt medel börjar sjunka, betyder det att priserna i allmänhet minskar trots periodiska nedgångar.
För det andra, ju längre tidsperiod för ditt rörliga medelvärde (fem dagar kontra 10 dagar jämfört med 100 dagar osv.), Desto långsammare anpassas den för att återspegla de aktuella trenderna. Så beteendet hos ett långsiktigt rörligt medelvärde ger dig ett fönster till långsiktiga trender, medan ett kortare rörligt medelvärde återspeglar beteendet hos mer kortsiktiga trender.
Den exponentiella rörliga genomsnittliga formeln
Den viktigaste skillnaden mellan ett enkelt rörligt medelvärde (SMA) och det exponentiella rörliga genomsnittet (EMA) är att i EMA-beräkningen vägs de senaste uppgifterna för att få mer effekt. Det gör EMA: er snabbare än SMA: er för att anpassa och spegla trender. På nackdelen kräver en EMA mycket mer information för att vara rimligt korrekt.
För att beräkna EMA för en uppsättning data måste du göra tre saker:
EMA-formeln är baserad på tidigare dagar EMA-värde. Eftersom du måste starta dina beräkningar någonstans, kommer det initiala värdet för din första EMA-beräkning faktiskt att vara en SMA. Om du till exempel vill beräkna en 100-dagars EMA för det sista året för att spåra ett visst lager börjar du med SMA för de första 100 datapunkterna under det året.
Det är för många siffror att lägga till här, så istället kan vi demonstrera fem-dagars EMA för en datauppsättning som startade för ett år sedan. Om årets fem första stängningspriser var $ 14, $ 13, $ 14, $ 12 och $ 13, är din SMA:
14 + 13 + 14 + 12 + 13 = 66; 66 ÷ 5 = 13.2
Så SMA, som blir ditt första EMA-värde, är 13,2.
Viktmultiplikatorn eller utjämningskonstanten är det som betonar de senaste uppgifterna, och dess värde beror på tidsperioden för din EMA. Formeln för din utjämningskonstant är:
2 ÷ (antal tidsperioder + 1)
Så om du beräknar en fem-dagars EMA blir den beräkningen:
2 ÷ (5 + 1) = 2 ÷ 6 = 0,3333 eller, om du uttrycker det i procent, 33,33%.
tips
Slutligen beräknar du en separat EMA för varje dag mellan det initiala värdet (SMA som du beräknade i steg 1) och idag. Du gör det genom att mata in informationen från steg 1 och 2 i EMA-formeln:
EMA = (slutpris - tidigare dagar EMA) × utjämningskonstant som decimal + tidigare dagar EMA
Kom ihåg att "tidigare dagar EMA" för din första beräkning är den SMA som du hittade i steg 1, som är 13.2. Eftersom det SMA täckte de första fem dagarna av data, kommer det första EMA-värdet du beräknar att gälla nästa dag, som är dag sex. Med hjälp av data från steg 1 och 2 i EMA-formeln har du:
EMA = (12 - 13,2) × 0,3333 + 13,2
EMA = 12,80
Så EMA-värdet för dag sex är 12,80.
Om stängningsvärdet på dag sju var $ 11, ska du upprepa processen med hjälp av dagssvärdet på 12,80 som det nya "tidigare dagar EMA." Så beräkningen för dag sju är följande:
EMA = (11 - 12,8) × 0,3333 + 12,8
EMA = 12,20
Få en noggrann EMA
Om du kommer ihåg att det ursprungliga exemplet sa att du skulle beräkna lagerns femdagars EMA för ett helt års värde av data, betyder det att du har flera hundra beräkningar ännu att göra - eftersom du måste beräkna en dag i taget. Uppenbarligen är detta mycket snabbare och enklare med ett datorprogram eller skript för att få siffrorna åt dig.
Om du verkligen vill ha den mest exakta EMA som möjligt bör du börja dina beräkningar med data från den första dagen som beståndet fanns tillgängligt. Även om det ofta är opraktiskt, förstärker det också det faktum att EMA: er används för att reflektera och analysera trender - så om du graferade EMA med början från dag en av beståndet, kan du se hur, efter en fördröjningsperiod, grafkurvan flyttas för att följa den faktiska aktiepriser. Om du också ritar en SMA för samma tidsperiod på samma graf, ser du också att en EMA anpassar sig till prisändringar snabbare än en SMA gör.