محاسبه SMA و EMA


میانگین متحرک نمایی EMA نوعی میانگین متحرک MA است که وزن و اهمیت بیشتری به جدیدترین داده ها می دهد.

میانگین متحرک نمایی EMA چیست

میانگین متحرک نمایی EMA نوعی میانگین متحرک MA است که وزن و اهمیت بیشتری به جدیدترین داده ها می دهد.

میانگین متحرک نمایی EMA نوعی میانگین متحرک MA است که وزن و اهمیت بیشتری به جدیدترین داده ها می دهد. میانگین متحرک نمایی به عنوان میانگین متحرک وزنی نمایی شناخته می شود . میانگین متحرک وزنی نمایی در مقایسه با میانگین متحرک ساده SMA که وزن برابری به همه ی مشاهدات در دوره ی زمانی می دهد نسبت به تغییرات قیمت جدید واکنش قابل توجه تری نشان می دهد.

محاسبه ی EMA

برای محاسبه ی EMA در مرحله ی اول باید میانگین متحرک ساده SMAرا در طی یک بازه ی زمانی خاص محاسبه کنید . محاسبه ی SMAساده است : SMAاز طریق جمع قیمت نهایی سهام در بازه ی زمانی مورد نظر تقسیم بر همان تعداد بازه ی زمانی به دست می آید . به عنوان مثال حاصل یک SMA 20 روزه تنها از طریق جمع قیمت های نهایی در 20 روز معاملاتی گذشته و تقسیم آن بر 20 به دست می آید . در مرحله ی بعد باید ضریب افزاینده برای وزن دهی EMAکه معمولا از طریق این فرمول به دست می آید را محاسبه کنید : 1+ بازه ی زمانی مشخص شده ÷ 2

بنابراین ضریب افزاینده ی یک میانگین متحرک 20 روزه 0.0952= 1+20 ÷2 خواهد بود . در مرحله ی آخر برای محاسبه ی EMAفعلی ، از فرمول زیر استفاده می شود :

EMA روز قبل + ضریب افزاینده × [ ( EMAروز قبل – قیمت نهایی ) ]

EMA به قیمت های جدید اهمیت بیشتری می دهد در حالی که SMA به تمام مقادیر اهمیت برابری می دهد . اهمیت داده شده به جدیدترین قیمت برای EMAبا بازه ی زمانی کوتاه تر محاسبه SMA و EMA نسبت به EMAبا بازه ی زمانی طولانی تر بیشتر است . به عنوان مثال برای EMAبا بازه ی زمانی 10 ضریب افزاینده ی 18.8 درصد به جدیدترین داده های قیمت اعمال می شود در حالی که برای EMAبا بازه ی زمانی 20 ضریب افزاینده ی 9.52 به کار می رود . هم چنین در EMAاز طریق استفاده از قیمت باز ، بالا ، پایین یا متوسط به جای قیمت نهایی تغییراتی به وجود می آید .

میانگین متحرک نمایی به شما چه می گوید؟

میانگین های متحرک نمایی محاسبه SMA و EMA 12و 26 روزه معمولا متداول ترین میانگین های قیمت گذاری و تجزیه و تحلیل شده ی کوتاه مدت هستند . میانگین های متحرک نمایی 12 و 26 روزه به منظور ایجاد شاخص هایی چون میانگین متحرک همگرایی واگرایی MACDو نوسانگر درصد قیمت PPOبه کار می روند . به طور کلی EMAهای 50 و 200 روزه برای نشان دادن روندهای طولانی مدت استفاده می شوند . وقتی قیمت سهام از میانگین متحرک 200 روزه ی خود عبور می کند نشان می دهد که یک وارونگی رخ داده است . اگر معامله گرانی که از تجزیه و تحلیل های تکنیکال استفاده می کنند از آن به طرز صحیحی استفاده کنند به میانگین متحرک سودمند و پرمایه ای ( شفافی ) دست می یابند . اما در صورتی که از آن ها به صورت نامناسب و بد تفسیر شده استفاده کنند باعث ویرانگری می شوند . تمامی میانگین های متحرکی که معمولا در تحلیل های تکنیکال مورد استفاده قرار میگیرند ، شاخص های تاخیری ( عقب مانده ) هستند . در نتیجه ، نتیجه حاصل از اعمال میانگین متحرک به نمودار بازار باید حرکت بازار را تایید و یا قدرت آن را نشان دهد . اغلب اوقات ، با گذشت زمان ، خط شاخص میانگین متحرک تغییر کرده است تا حرکت قابل توجهی را در بازار نشان دهد . نقطه ی مطلوب ورود به بازار قبلا تصویب شده . EMA برای کاهش این معضل تا حدودی کمک می کند . از آن جا که محاسبه ی EMAتوجه بیشتری به آخرین داده ها دارد عملکرد قیمت را قاطعانه تر دنبال می کند و بنابراین سریع تر واکنش نشان می دهد . این عمل زمانی مطلوب است که از EMAبه منظور استنتاج سیگنال ورودی تجارت استفاده می شود.

تفاوت بین EMAو SMA

تفاوت عمده ی بین میانگین متحرک نمایی و میانگین متحرک ساده حساسیتی است که هر یک نسبت به تغییرات داده های استفاده شده در محاسبه ی خود نشان می دهند . به طور خاص محاسبه SMA و EMA EMAتوجه بیشتری به قیمت های جدید نشان می دهد در حالی که SMAبه تمامی مقادیر واکنش یکسانی نشان می دهد . هر دو میانگین مشابه هم هستند زیرا هر دو میانگین با روشی مشابه تفسیر می شوند و هردو معمولا توسط معامله گران مورد استفاده قرار می گیرند تا نوسانات قیمت را یکنواخت کنند . از آنجا که EMAها توجه بیشتری به داده های جدید نسبت به داده های قدیمی دارند در مقایسه با SMAها واکنش بیشتری نسبت آخرین تغییرات قیمت نشان می دهند و این باعث می شود که واکنش EMAها به موقع تر باشد و این علت ها نشان می دهد که چرا EMAمیانگین ترجیحی در بین بسیاری از معامله گران است.

پیاده سازی میانگین متحرک نمایی در پایتون — راهنمای گام به گام

در آموزش‌های قبلی مجله فرادرس، با پیاده‌سازی میانگین متحرک ساده در پایتون آشنا شدیم و به برخی از نقاط ضعف آن اشاره کردیم. در این آموزش، به میانگین متحرک نمایی (Exponential Moving Average) یا EMA خواهیم پرداخت. در این روشِ میانگین‌گیری، برخلاف روش ساده، با تمامی داده‌ها به یک شکل برخورد نمی‌کنیم و به داده‌های جدیدتر، وزن زیادی قائل می‌شویم. این ویژگی باعث می‌شود تا تأخیر کمتری در رفتار آن وجود داشته باشد. در ادامه، به پیاده سازی میانگین متحرک نمایی در پایتون می‌پردازیم.

میانگین متحرک نمایی چیست؟

اگر یک سری زمانی به شکل زیر داشته باشیم:

$$ \large X =\left\, x_ \ldots x_\right\> $$

یک میانگین متحرک نمایی با طول $$L$$ به شکل زیر محاسبه می‌شود:

به این ترتیب، مقدار در هر زمان با توجه به زمان‌های قبلی محاسبه می‌شود.

به سادگی می‌توانیم وزن مربوط به هر روز را به شکل زیر محاسبه کنیم:

که مجموع وزن‌ها به صورت زیر خواهد بود:

بنابراین اثبات می‌شود که مجموع وزن‌ها برابر $$1$$ است.

ضریب $$\alpha$$ میزان حساسیت بر داده‌های جدید را تعیین می‌کند. اگر $$\alpha = 0 $$، مقدار میانگین متحرک همواره ثابت خواهد بود و اگر $$\alpha = 1 $$، مقدار میانگین متحرک همواره برابر آخرین مقدار سیگنال خواهد بود.

معمولاً به منظور محاسبه میانگین متحرک نمایی با طول $$L$$ از رابطه زیر استفاده می‌کنیم:

که در این رابطه اغلب حالت $$r=1$$ در نظر گرفته می‌شود. با افزایش $$r$$ وزن مربوط به روز‌های اخیر افزایش می‌یابد.

برای یادگیری برنامه‌نویسی با زبان پایتون، پیشنهاد می‌کنیم به مجموعه آموزش‌های مقدماتی تا پیشرفته پایتون فرادرس مراجعه کنید که لینک آن در ادامه آورده شده است.

  • برای مشاهده مجموعه آموزش‌های برنامه نویسی پایتون (Python) — مقدماتی تا پیشرفته+ اینجا کلیک کنید.

پیاده‌سازی میانگین متحرک نمایی در پایتون

برای پیاده‌سازی میانگین متحرک نمایی، وارد محیط برنامه‌نویسی شده و کتابخانه‌های مورد نیاز را فراخوانی می‌کنیم:

این دو کتابخانه برای کار با آرایه و مصورسازی استفاده خواهند محاسبه SMA و EMA شد.

حال Style مربوط به نمودارها را نیز تنظیم می‌کنیم:

حال یک مجموعه داده مصنوعی به شکل زیر تولید می‌کنیم:

برای بررسی نمودار سیگنال ایجاد شده، یک Line Plot ایجاد می‌کنیم:

که در خروجی فوق نمودار زیرحاصل می‌شود.

نمودار در پایتون

حال برای پیاده‌سازی میانگین متحرک نمایی، ابتدا یک تابع ایجاد می‌کنیم و در ورودی سیگنال، طول بازه و مقدار $$r$$ را دریافت می‌کنیم:

حال مقدار $$\alpha$$ را محاسبه می‌کنیم:

توجه داشته باشید که چون غالباً حالت $$r=1$$ استفاده می‌شود، مقدار پیش‌فرض برای این ورودی تعریف شده است.

حال ابتدا اندازه سیگنال را تعیین کرده و سپس اندازه میانگین متحرک حاصل را محاسبه می‌کنیم:

حال یک آرایه خالی برای ذخیره مقادیر میانگین متحرک ایجاد می‌کنیم:

حال اولین مقدار را به صورت میانگین معمولی از $$L$$ داده ابتدایی محاسبه می‌کنیم:

حال می‌توانیم سایر مقادیر را داخل یک حلقه با استفاده از رابطه بازگشتی محاسبه کنیم:

به این ترتیب، مقادیر بعدی محاسبه، در آرایه $$M$$ ذخیره و در خروجی برگردانده می‌شوند.

برای استفاده از تابع به صورت زیر عمل می‌کنیم:

برای مشاهده رفتار میانگین متحرک حاصل، به شکل زیر نموداری رسم می‌کنیم:

توجه داشته باشید که طول آرایه $$M$$ کوتاه‌تر از $$T$$ است. به همین دلیل، برای رسم نمودار باید تعدادی از اعضای ابتدایی آرایه $$T$$ حذف شود.

پس از اجرا، نمودار زیر نمایش داده می‌شود.

رسم میانگین نمایی در پایتون

به این ترتیب، مشاهده می‌کنیم که تابع نوشته‌ شده به خوبی عملکرد خود را نشان می‌دهد.

با افزایش مقدار $$L$$، تأخیر افزایش و در کنار آن، اعتبار نیز افزایش می‌یابد.

میانگین نمایی در پایتون

به این ترتیب، اثر $$L$$ مشهود است.

برای بررسی اثر $$r$$ نیز به شکل زیر عمل می‌کنیم:

که نمودار زیر برای کد فوق حاصل خواهد شد.

میانگین متحرک نمایی در پایتون

به این ترتیب، مشاهده می‌کنیم که در حالت $$r=-0.9$$ مقدار تأخیر به شدت افزایش یافته است. حالت‌های $$r=0$$ و $$r= 3 $$ هر دو از شرایط مناسبی برخوردار هستند و هر کدام بسته به نیاز می‌توانند استفاده شوند. تنظیم دو پارامتر $$L$$ و $$r$$ می‌تواند میانگین متحرک نمایی متناسب با نیاز ما را ایجاد کند.

حال برای مقایسه رفتار میانگین متحرک نمایی و میانگین متحرک ساده، تابع نوشته‌ شده برای میانگین متحرک ساده را وارد کد می‌کنیم:

حال هر دو میانگین متحرک را در طول $$L=15$$ محاسبه می‌کنیم:

و برای رسم نمودار مناسب می‌نویسیم:

که در نهایت نمودار مورد نظر حاصل می‌شود.

پیاده سازی میانگین متحرک نمایی در پایتون

به این ترتیب، مشاهده می‌کنیم که میانگین متحرک نمایی زودتر از میانگین متحرک ساده به تغییرات روند واکنش می‌دهد.

معرفی فیلم آموزش پیاده سازی اندیکاتورهای تکنیکال با پایتون Python

فیلم آموزش پایتون

اندیکاتورهای مالی از ابزارهای مهم تحلیل معاملات هستند که با کمک زبان‌های برنامه‌نویسی می‌توان محاسبات مربوط به آن‌ها را انجام داد. در آموزش پیاده سازی اندیکاتورهای تکنیکال با پایتون Python که در ۲ ساعت و ۱۶ دقیقه تهیه و تدوین شده است، ضمن آشنایی کوتاه با ۱۰ اندیکاتور پرکاربرد، پیاده‌سازی گام به گام آن‌ها در محیط زبان برنامه‌نویسی پایتون (Python) ارائه شده است.

  • برای مشاهده آموزش پیاده سازی اندیکاتورهای تکنیکال با پایتون Python+ اینجا کلیک کنید.

جمع‌بندی

در این آموزش، میانگین متحرک نمایی در پایتون را مورد بررسی قرار دادیم. برای مطالعه بیشتر می‌توان موارد زیر را بررسی کرد:

  1. حذف روند از سیگنال (Detrending) با استفاده از میانگین متحرک نمایی
  2. بررسی اختلاف بین دو میانگین متحرک نمایی با طول‌های متفاوت و ارتباط آن با رفتار سیگنال
  3. آموزش دادن یک مدل خودهمبسته (Autoregressive) روی سیگنال و میانگین متحرک حاصل از آن و مقایسه دقت‌ها
  4. پیدا کردن روش‌هایی که می‌توان تأخیر میانگین متحرک نمایی را بیشتر از مقدار موجود کاهش داد

مطلبی که در بالا مطالعه کردید بخشی از مجموعه مطالب «آموزش پیاده‌سازی انواع میانگین های متحرک‌ در پایتون» است. در ادامه، می‌توانید فهرست این مطالب را ببینید:

اگر این مطلب برای شما مفید بوده است، آموزش‌ها و مطالب زیر نیز به شما پیشنهاد می‌شوند:

اگر بازخوردی درباره این مطلب دارید یا پرسشی دارید که بدون پاسخ مانده است، آن را از طریق بخش نظرات مطرح کنید.

«سید علی کلامی هریس»، دانشجوی سال چهارم داروسازی دانشگاه علوم پزشکی تهران است. او در سال 1397 از دبیرستان «پروفسور حسابی» تبریز فارغ‌التحصیل شد و هم اکنون در کنار تحصیل در حوزه دارو‌سازی، به فعالیت در زمینه برنامه‌نویسی، یادگیری ماشین و تحلیل بازارهای مالی با استفاده از الگوریتم‌های هوشمند می‌پردازد.

مطالب مرتبط

نظر شما چیست؟

برچسب‌ها

با فرادرس

آموزش‌های ویدئویی فرادرس

همراه شوید

سازمان علمی و آموزشی «فرادرس» (Faradars) از قدیمی‌ترین وب‌سایت‌های یادگیری آنلاین است که توانسته طی بیش از ده سال فعالیت خود بالغ بر ۱۲۰۰۰ ساعت آموزش ویدیویی در قالب فراتر از ۲۰۰۰ عنوان علمی، مهارتی و کاربردی را منتشر کند و به بزرگترین پلتفرم آموزشی ایران مبدل شود. فرادرس با پایبندی به شعار «دانش در دسترس همه، همیشه و همه جا» با همکاری بیش از ۱۸۰۰ مدرس برجسته در زمینه‌های علمی گوناگون از جمله آمار و داده‌کاوی، هوش مصنوعی، برنامه‌نویسی، طراحی و گرافیک کامپیوتری، آموزش‌های دانشگاهی و تخصصی، آموزش نرم‌افزارهای گوناگون، دروس رسمی دبیرستان و پیش دانشگاهی، آموزش‌های دانش‌آموزی و نوجوانان، آموزش زبان‌های خارجی، مهندسی برق، الکترونیک و رباتیک، مهندسی کنترل، مهندسی مکانیک، مهندسی شیمی، مهندسی صنایع، مهندسی معماری و مهندسی عمران توانسته بستری را فراهم کند تا افراد با شرایط مختلف زمانی، مکانی و جسمانی بتوانند با بهره‌گیری از آموزش‌های با کیفیت، به روز و مهارت‌محور همواره به یادگیری بپردازند. شما هم با پیوستن به جمع بزرگ و بالغ بر ۶۰۰ هزار نفری دانشجویان و دانش‌آموزان فرادرس و با بهره‌گیری از آموزش‌های آن، می‌توانید تجربه‌ای متفاوت از علم و مهارت‌آموزی داشته باشید. مشاهده بیشتر

هر گونه بهره‌گیری از مطالب مجله فرادرس به معنی پذیرش شرایط استفاده از آن بوده و کپی بخش یا کل هر کدام از مطالب، تنها با کسب مجوز مکتوب امکان پذیر است.
© فرادرس ۱۴۰۱

فرمول محاسبه اندیکاتور مووینگ اوریج (Moving Average)

what is moving average 1

فرمول محاسبه اندیکاتور مووینگ اوریج : در این بخش به توضیح فرمول های محاسبه اندیکاتور پرکاربرد مووینگ اوریج پرداخته و با نحوه کارکرد و منطق محاسبات این اندیکاتور بیشتر آشنا می شویم . فرمول محاسبه انواع اندیکاتور مووینگ اوریج (Moving Average) را بررسی می‌کنیم و به تفاوت آن‌ها با یکدیگر آشنا می شویم .

این مقاله توسط تیم آموزش کالج تی بورس نوشته شده. و برای علاقه مندان به آموزش ارز دیجیتال، پروتیم آکادمی آینده آن را باز نویسی و باز نشر نموده است .

مووینگ اوریج (Moving Average) چیست؟

(Moving Average) : یا میانگین حرکتی. از شاخه اندیکاتورهای روندی (Trend) است. و همانطور که از نام آن استنباط می‌شود، مبنای محاسبات این دسته اندیکاتور. بر پایه محاسبه میانگین قیمت است. با محاسبه (Moving Average) برای چارت ارز دیجیتال، تاثیر نوسانات ناگهانی و کوتاه مدت بر قیمت ارز کمرنگ و ضعیف می‌شود و امکان آنالیز منطقی تر میسر می‌شود.

مووینگ اوریج قابلیت شخصی سازی بالایی دارد. شما می‌توانید بازه‌زمانی محاسبات را با آزادی کامل انتخاب کنید. برای معاملات کوتاه‌مدت می‌توانید از بازه‌های زمانی کوتاه‌تر و برای معاملات بلندمدت از بازه‌های زمانی طولانی‌تر استفاده کنید. همچنین می‌توانید مشخص کنید محاسبات بر روی چه قیمتی انجام شود:

فرمول محاسبه اندیکاتور مووینگ اوریج

انواع مووینگ اوریج (Moving Average) :

میانگین حرکتی ساده : (SMA – Simple Moving Average )

ساده ترین نوع مووینگ،میانگین حرکتی ساده یا SMA است . SMAمیانگین ساده‌ای از قیمت‌های بازه‌زمانی انتخابی است.

فرمول محاسبه این اندیکاتور ساده به شرح زیر است:

فرمول محاسبه اندیکاتور مووینگ اوریج

اشکال مووینگ اوریج ساده (SMA)

درطول سالیان استفاده از SMA تحلیلگران بازار مشکلی را در این اندیکاتور شناسایی کردند. در فرمول محاسبه این اندیکاتور اهمیت قیمت روزهای بازه‌زمانی انتخابی یکسان است. مثلا در محاسبه SMA با بازه‌زمانی۵۰ روزه برای یک ارز. تاثیر قیمت روز اول و روز پنجاهم از بازه‌زمانی یکسان است.

فرمول محاسبه در اندیکاتور مووینگ اوریج وزنی به صورتی است که اهمیت و تاثیر روزهای آخر بازه‌زمانی بیشتر از روزهای اول بازه است. محاسبه وزنی امکان تحلیل دقیق‌تر و واقع‌گرایانه‌تر را برای ما فراهم می‌کند.

انواع مووینگ اوریج وزنی :

فرمول محاسبه اندیکاتور مووینگ اوریج :

مووینگ اوریج وزنی به سه صورت محاسبه می‌شود:

  • مووینگ اوریج وزنی – خطی WMA – Weighted Moving Average

در این نوع از محاسبه ، اطلاعات روزهای آخر اهمیت و تاثیر بیشتر (به اصطلاح وزن بیشتر) می‌دهد. مثلا در یک بازه‌زمانی ۱۵ روزه برای محاسبه ، تاثیر و اهمیت روز ۱۵ از روز ۱۴ بیشتر است. تاثیر روز ۱۴ بیشتر از روز ۱۳ است و به همین ترتیب تاثیر قیمت‌های قدیمی تر روی نمودار کمتر می‌شود.

فرمول محاسبه اندیکاتور مووینگ اوریج وزنی به شرح زیر است:

فرمول محاسبه اندیکاتور مووینگ اوریج

P1 = قیمت روز آخر (جدیدترین قیمت که تاثیر آن در جواب بیشتر از همه است)محاسبه SMA و EMA محاسبه SMA و EMA

P2 = قیمت روز ماقبل آخر (تاثیر این قیمت در جواب نهایی از P1 کمتر است ولی از بقیه بیشتر است)

P3 = قیمت روز قبل از P2 (تاثیر این قیمت در جواب از P1 و P2 کمتر است ولی از بقیه بیشتر است)

n = بازه‌زمانی (Time Period)

مووینگ اوریج وزنی – نمایی (EMA – Exponential Moving Average)

این مووینگ اوریج هم مانند WMA به قیمت‌های جدیدتر وزن بیشتری می‌دهد. در نتیجه تاثیر آنها در محاسبه بیشتر از قیمت‌های قدیمی‌تر است. تفاوت EMA با WMA در این است که در EMA اعمال وزن به هر قیمت به صورت خطی نیست و به صورت نمایی (Exponential) است. در نتیجه اعمال وزن به صورت نمایی هم اهمیت و تاثیرگذاری قیمت‌های روزهای آخر بیشتر از حالت خطی است. هم مقدار تاثیرگذاری قیمت‌های قدیمی هیچ وقت صفر نمی‌شود.

فرمول محاسبه اندیکاتور مووینگ اوریج وزنی – نمایی به شرح زیر است:

فرمول محاسبه ضریب وزنی (k) :

n = ازه‌زمانی (Time Period)

فرمول محاسبه EMA:

EMA(t) = مقدار EMA امروز

Price(t) = قیمت امروز

مووینگ اوریج وزنی نرم شده (SMMA – Smoothed Moving Average)

SMMA نیز مانند مووینگ اوریج های وزنی دیگر به قیمت‌های جدیدتر وزن بیشتری می‌دهد. و همچنین تلاش می‌کند که اثر نوسانات لحظه‌ای و هیجانی را از نمودار حذف کند. از SMMA برای تایید روند سهم و مشخص کردن نقاط حمایتی و مقاومتی استفاده می‌شود.

فرمول محاسبه Moving Average وزنی – نرم شده به شرح زیر است:

در مرحله اول اولین داده برای این اندیکاتور به صورت یک SMA برای بازه‌زمانی انتخابی محاسبه می‌شود.

فرمول محاسبه اندیکاتور مووینگ اوریج

N = بازه‌زمانی (Time Period)

در مرحله دوم با استفاده از SMMA1 . دومین مرحله یعنی فرمول محاسبه اندیکاتور مووینگ اوریج SMMAt امروز به صورت زیر انجام می‌شود.

فرمول محاسبه اندیکاتور مووینگ اوریج

Closet = قیمت بسته شدن امروز

n = بازه‌زمانی (Time Period)

SMMA1 = مووینگ اوریج ساده از بازه‌ زمانی انتخابی که در مرحله اول به دست آمد

سپس با اضافه شدن روزهای معاملاتی جدید و دیتای جدید. فرمول محاسبه اندیکاتور مووینگ اوریج SMMAt به شرح زیر انجام می‌شود.

فرمول محاسبه اندیکاتور مووینگ اوریج

دیروز SMMAy = SMMA

سخن آخر

استفاده از مووینگ اوریج ها (Moving Average) تاثیر نوسانات ناگهانی و هیجانی. بر قیمت را از بین می‌برد و دیدگاه واقعی‌تری از روند و حرکت چارت به ما می‌دهد. مبنای محاسبات مووینگ اوریج ها میانگین گرفتن از قیمت بسته شدن .(یا هر قیمت انتخابی دیگر) در بازه‌زمانی مشخص است. SMA یا مووینگ اوریج ساده یک میانگین ساده از بازه‌زمانی انتخابی است.

در مووینگ اوریج های وزنی (WMA – EMA – SMMA) اطلاعات روزهای آخر اهمیت بیشتری نسبت به اطلاعات قدیمی‌تر دارد. در نتیجه قیمت‌های جدیدتر تاثیر بیشتری نسبت به قیمت‌های قدیمی تر در نمودار ساخته شده دارند.

محاسبه SMA و EMA

میانگین متحرک نمایی: محاسبه SMA و EMA نکات مورد بحث

• میانگین متحرک نمایی (EMA) چیست؟

• میانگین متحرک نمایی (EMA) چگونه محاسبه می شود؟

• چگونه از میانگین متحرک نمایی (EMA) در استراتژی معاملاتی خود استفاده می کنید؟

• میانگین متحرک نمایی: خلاصه

• با نکات معاملاتی ما، تریدر بهتری شوید

میانگین متحرک نمایی (EMA) چیست؟

میانگین متحرک نمایی (EMA) یکی از مشتقات اندیکاتور تکنیکال میانگین حرکتی ساده (SMA) است. در مقایسه با SMA، EMA تغییرات قیمت اخیر را بیشتر از تغییرات بعدی قیمت می سنجد. این بدان معنی است که EMA بیشتر از SMA به نوسانات قیمت فعلی پاسخ می دهد.

نمودار زیر تفاوت بین SMA و EMA را نشان می دهد. میانگین متحرک نمایی 200-EMA زودتر به کاهش قیمت مشخص شده در سمت چپ نمودار واکنش نشان می دهد. همین امر در افزایش قیمت با تاکید بر واگرایی مشاهده می شود.

میانگین متحرک نمایی (EMA) چگونه محاسبه می شود؟

تقریبا همه پکیج ‌های نموداری، این محاسبه را روی پلتفرم ‌های مربوطه انجام داده و محاسبه را روی نمودار اعمال می‌ کنند. برای افرادی که با اعداد سر و کار دارند، فرمول در زیر به اشتراک گذاشته می شود، اما نکته مهمی که باید به خاطر داشته باشید این است که EMA، سریعتر از SMA به روند قیمت واکنش نشان می دهد.

میانگین متحرک نمایی (EMA) یک میانگین متحرک تاثیر گذار است که با در نظر گرفتن میانگین قیمت برای یک بازار خاص در یک دوره زمانی مشخص و تنظیم این رقم برای افزایش تاثیر داده‌ های قیمت اخیر محاسبه می ‌شود. فرمول زیر با تجزیه اجزای محاسبات، تجسم و محاسبه آن را آسان می کند.

EMA = قیمت (t) × k + EMA (y) × (1-k)

N= تعداد روزها در میانگین متحرک نمایی

چگونه از میانگین متحرک نمایی (EMA) در استراتژی معاملاتی خود استفاده می کنید؟

استراتژی معاملاتی EMA را می توان به همان شیوه SMA استفاده کرد. هنگامی که EMA کوتاه مدت از EMA بلند مدت عبور می کند، سیگنال خرید را نشان می دهد. هنگامی که EMA کوتاه مدت از EMA بلند مدت عبور می کند، معامله گران به دنبال ورود به معاملات فروش هستند. مقادیر EMA کاملا به ترجیحات معامله گر بستگی دارد. مثال زیر از عناوین میانگین متحرک نمایی EMA-20, 50, 200 استفاده می کند، در حالی که معامله گران دیگر ارقام فیبوناچی را ترجیح می دهند.

نمودار بالا، نمودار روزانه جفت ارز دلار امریکا/دلار کانادا را با اندیکاتور میانگین متحرک نمایی EMA-20, 50,200 نشان می دهد. میانگین متحرک نمایی EMA-200 برای شناسایی روند کلی بلند مدت استفاده می شود. در این مورد، قیمت از سال 2014 تا اواسط سال 2017 در بالای میانگین متحرک نمایی EMA-200 (روند صعودی) است که پس از آن، قیمت بدون داشتن هیچ روند واضحی حرکت می کند. پس از آن، قیمت مسیر خود را بالای میانگین متحرک نمایی EMA-200 از سر می گیرد که روند صعودی را تایید می کند. پس از تایید روند، معامله گران از EMA کوتاه مدت برای شناسایی نقاط ورود احتمالی استفاده می کنند. قسمت مشخص شده در بالا، یک نقطه ورود احتمالی را نشان می دهد که نشان دهنده سیگنال «خرید» است. دایره، نشان دهنده یک فرصت «خرید» با عبور میانگین متحرک نمایی EMA-20 از بالای سطح متحرک نمایی EMA-50 است.محاسبه SMA و EMA

میانگین متحرک نمایی: خلاصه

EMA اندیکاتور ارزشمندی است که به عنوان یک معامله گر باید داشته باشید. استفاده از این اندیکاتور ساده است و راهی عالی برای معامله گران تازه کار است تا پیش زمینه ای نسبت به تحلیل تکنیکال در رابطه با شناسایی محاسبه SMA و EMA روندها و زمان مناسب ورود به معامله پیدا کنند. معامله ‌گران با تجربه ‌تر تمایل دارند از EMA همراه با ابزارهای دیگر استفاده کنند، که این کار هم باعث کمتر شدن تاثیر آن نمی‌شود.

مراحلی که باید هنگام معامله با EMA دنبال کنید:

1. از EMA بلند مدت برای شناسایی روند کلی استفاده کنید

2. نقاط تلاقی بین EMA های کوتاه مدت و EMA های بلند مدت را شناسایی کنید

3. به دنبال ورود به معاملات «خرید» یا «فروش» بر این اساس باشید

با نکات معاملاتی ما، تریدر بهتری شوید

• اصول بنیادی میانگین متحرک استاندارد را نیز بررسی کرده و میانگین حرکتی 200 روزه را هم در معاملات خود اعمال کنید.

• معامله گران تکنیکال، سبک ها و استراتژی های معاملاتی فارکس متفاوتی دارند. اینها را به طور کامل بررسی کنید تا متوجه شوید که آیا این نوع تحلیل با شخصیت شما سازگار است یا خیر.

• اگر به تازگی شروع به معامله کرده اید، درک اصول معاملاتی فارکس با استفاده از راهنمای جدید ما برای فارکس ضروری است.

به آکادمی آموزشی فارکس (Persian FX محاسبه SMA و EMA Academy) خوش آمدید. بازار فارکس به عنوان یکی از بزرگترین بازارهای مالی جهان، امروزه علاقه‌مندان و سرمایه‌گذاران زیادی را به خود جذب کرده است اما شرایط این بازار به آن سادگی که اغلب افراد تصور می‌کنند نیست. حجم بالای سرمایه، پیچیدگی بازار و سهولت دسترسی به این بازار از عواملی است که به ضرر بسیاری از افرادی که در این بازار فعالیت می‌کنند، منجر می‌شود. در این میان جای خالی آموزش و دانش‌اندوزی به وضوح احساس می‌شود. شرایط خاص آموزش در ایران به همراه عدم وجود منابع جامع و کامل (به خصوص به زبان فارسی)، عدم امکان برگزاری کلاس حضوری در داخل ایران و شرکت در کلاس‌های خارج از ایران، ما را بر آن داشت تا اقدام به ایجاد یک آکادمی آموزشی نماییم. هدف بلندمدت از ایجاد این آکادمی، محاسبه SMA و EMA تبدیل شدن آن به یک مرجع اطلاعات و دانش مربوط به فارکس است. برای رسیدن به این هدف، آکادمی سعی نموده با کمک اساتید مجرب شرایطی ایجاد کند تا افراد به هر آنچه در مورد بازار نیاز دارند دسترسی داشته باشند. از کلاس‌های مالتی مدیا گرفته، تا دوره‌های عمومی و تخصصی منسجم و پیوسته که دانشجویان پا به پای اساتید شرایط تحلیل و معامله را فرا بگیرند. ابزارهای معاملاتی، کتابخانه و تحلیل‌های روزانه و هفتگی از دیگر ابزارهای ارائه شده در این آکادمی است.

محاسبه SMA و EMA

کانال vip ازدیجیتال

فیلتر بورس چیست؟

فیلتر بورس چیست؟

اشتراک طلایی چیست؟

دانلود اندیکاتور

نوشته‌های تازه

  • دانلود اندیکاتور Rex Indicator برای نوسان گیری تشخیص روند و واگرایی مخصوص بورس و فارکس
  • دانلود رایگان اندیکاتور نوسان گیری Stochastic RSI مخصوص بورس و فارکس MT5
  • دانلود رایگان اندیکاتور نوسان گیری Simple ZZ Consolidation Zones مخصوص بازار بورس و فارکس
  • دانلود رایگان اندیکاتور نوسانگیری شاخص وضعیت همبستگی بازار Correlation Market State بورس و فارکس
  • دانلود رایگان اندیکاتور نوسان گیری i-HighLow مخصوص متاتریدر 5 برای بازار بورس و فارکس
  • اندیکاتور تشخیص حمایت و مقاومت SUPPORT RESISTANCE در تریدینگ ویو 22 views
  • دانلود رایگان اندیکاتور نوسان گیری Stochastic RSI مخصوص بورس و فارکس MT5 19 views
  • نوسان گیری در ارزدیجیتال با اندیکاتور SMII در تریدینگ ویو 17 views
  • دانلود رایگان فیلتر نوسان گیری جمع شدن صف فروش HF-157 مخصوص بازار بورس 15 views
  • دانلود رایگان اندیکاتور نوسان گیری Simple ZZ Consolidation Zones مخصوص بازار بورس و فارکس 15 views
  • پیداکردن نقطه ورود و خروج زودتر از موعد با دانلود اسیلاتور elliott wave oscillator 13 views
  • دانلود اندیکاتور Swing catcher برای تشخیص روند و سیگنال گیری مخصوص فارکس و متاتریدر چهار MT4 12 views
  • آموزش اندیکاتور ADX and DI برای شناسایی روند و قدرت نمودار و تشخیص سیگنال دقیق با DI- و DI+ مخصوص تریدینگ‌ویو 12 views
  • آموزش اندیکاتور ++ZigZag برای شناسایی سیگنال ورود و خروج و تشخیص روند با استفاده از موج شماری مخصوص تریدینگ‌ویو 12 views
  • اکسپرت محاسبه حجم لات ،حد ضرر و حد سود هر پوزیشن طبق ریسک هر معامله و پوزیشن گیری راحت مخصوص فارکس 12 views
  • 1459 کاربر کل کاربران سایت
  • 0 محصول مجموع محصولات
  • 399 مطلب کل مطالب سایت
  • 1394 دیدگاه کل باز خورد مطالب

نوشته‌های تازه

  • دانلود اندیکاتور Rex Indicator برای نوسان گیری تشخیص روند و واگرایی مخصوص بورس و فارکس
  • دانلود رایگان اندیکاتور نوسان گیری Stochastic RSI مخصوص بورس و فارکس MT5
  • دانلود رایگان اندیکاتور نوسان گیری Simple ZZ Consolidation Zones محاسبه SMA و EMA مخصوص بازار بورس و فارکس
  • دانلود رایگان اندیکاتور نوسانگیری شاخص وضعیت همبستگی بازار Correlation Market State بورس و فارکس

چطوری با ما در تماس باشید؟

شما برای ارتباط با ما می توانید از طریق شماره 09364549266 در واتساپ و تلگرام با ما در ارتباط باشید ضمنا برای تماس تلفنی از ساعت 8 صبح تا 4 بعد از ظهر پاسخگوی کاربران عزیز می باشیم

ما کی هستیم و چیکار میکنیم؟

سایت هوش فعال یک گروه با انگیزه می باشد که هدف آن تولید محتوای کاربردی و حرفه ای در زمینه تحلیل تکنیکال و برنامه نویسی بازارهای مالی،طراحی و تولید فیلتر هایی بورسی،پادکستهای انگیزشی و آموزشی و ارائه کتابهای صوتی و الکترونیکی اختصاصی در زمینه بورس بود.

آدرس : مازندران، ساری،خیابان معلم، خیابان امام هادی، آکادمی هوش فعال

تلفن ثابت : 91010105-011 موبایل : 09364549266

سایت هوش فعال به منظور قانون مند کردن فعالیت های خود مجوز فعالیت نشردیجیتال برخط و تصدی رسانه برخط پیام ده را از مرکز توسعه فرهنگ و هنر در فضای مجازی متعلق به وزارت فرهنگ و ارشاد اسلامی با شماره پرونده 12565 را در تاریخ 1400/09/21 اخذ کرده است.



اشتراک گذاری

دیدگاه شما

اولین دیدگاه را شما ارسال نمایید.