فرمول میانگین ​​متحرک چیست؟

میانگین متحرک نمایی (EMA) چیست؟

این پست را با دقت بخوانید زیرا حاوی همه چیزهایی است که باید در مورد میانگین متحرک نمایی بدانید. اهمیت میانگین متحرک نمایی. بزرگترین پارامترهای EMA فرمول EMA چه چیزی می توانید از میانگین متحرک نمایی بیاموزید؟

میانگین متحرک نمایی (EMA) یک ابزار اندازه گیری است که بر نوسانات قیمت فعلی و نقاط داده یک کالا، سهام یا ارز دیجیتال تأکید دارد. در حالی که نظارت تصویر قبلی را در ذهن حفظ می کنید.

تعریف میانگین متحرک نمایی

این نوعی میانگین متحرک (MA) است که بر اطلاعات اخیر بازار تأکید دارد. در نتیجه، سرمایه گذارانی که به دنبال آخرین نوسانات قیمت در دارایی مانند آن هستند.

میانگین متحرک نمایی، به دور از سایر میانگین های متحرک، زمانی که ارزش یک قلم به ویژه در بازار اقتصادی نوسان می کند، به سرعت پاسخ می دهد. سرمایه‌گذارانی که می‌خواهند نوسانات اخیر در ارزش یک سرمایه‌گذاری خاص را پیگیری کرده و بر اساس آن عمل کنند، یک خط EMA با یک نشانگر ایجاد می‌کنند.

نمودار میانگین متحرک نمایی (EMA) معمولاً از سه خط تشکیل شده است:

هر زمان که شمع ها فراتر از خطوط EMA باشند، یک حرکت صعودی یا به عبارت دیگر، یک سیگنال صعودی مشهود است. مشاهده کنید که خط نارنجی در نمودار بالا چگونه به نوسانات سریع قیمت واکنش نشان می دهد؟ از سمت چپ، توجه کنید که چگونه دو شمع در بالای خط نارنجی EMA رشد کردند، که نشانه شروع روند صعودی است.

تا زمانی که قیمت این دارایی به زیر خط سبز EMA نرفته باشد، همچنان صعودی خواهد بود. اما، یک شمع عظیم در زیر خط سبز نزدیک به انتهای نمودار افتاد. و بازار رو به کاهش گذاشت. به همین دلیل است که معامله‌گران EMA را جایزه می‌دهند. زیرا آنها را قادر می سازد تا با ارزیابی روندهای اخیر قیمت یک کالا در بورس، قیمت های آتی را پیش بینی کنند.

اهمیت میانگین متحرک نمایی (EMA)

میانگین متحرک نمایی (EMA) یکی از محبوب ترین شاخص های معاملاتی فنی برای پیش بینی روند بازار است. برای اعتبارسنجی و تجزیه و تحلیل حرکات قابل توجه بازار، EMAها معمولاً همراه با سایر شاخص های فنی به کار می روند. این به ویژه برای معامله گرانی که می خواهند در بازارهای بی ثبات معامله کنند مفید است. این اندیکاتور معمولا برای شناسایی گرایش های تجاری استفاده می شود.

از آنجایی که یک EMA جدیدترین داده قیمت را ارائه می دهد، محاسبه EMA کمی پیچیده است. EMA بیشتر مستعد لغو بازار و تغییرات سریع قیمت است. علیرغم این واقعیت که هر دو EMA و SMA (میانگین متحرک کوچک) به میزان زیادی اضافه می کنند.

بزرگترین پارامترهای EMA

موارد فوق پارامترهای توصیه شده برای میانگین متحرک نمایی (EMA) هستند:

1. معامله گران روزانه، میانگین متحرک نمایی 8 روزه و 20 روزه (EMA) را دوست دارند.
2. معامله گران بادوام یا بلند مدت مانند EMA های 50 روزه و 200 روزه.

اگر می خواهید آخرین داده های قیمت تاثیر بیشتری بر شاخص فنی EMA داشته باشد، می توانید ضریب هموارسازی را افزایش دهید.

هنگامی که معامله‌گران در حال ارزیابی نمودارهای دارایی در بازارهای سهام هستند، EMA تنها شاخص فنی نیست که از آنها استفاده می‌کنند. شاخص قدرت نسبی (RSI)، واگرایی میانگین متحرک همگرایی (MACD)، حجم در تعادل (نشانگر OBV)، نشانگر آرون، و نوسانگر تصادفی همگی نمونه‌هایی از اندیکاتورهایی هستند که به طور منظم به آنها اشاره می‌شود. هر یک از این شاخص ها فرآیند خاص خود را دارند، برخی از آنها وزن بیشتری به قیمت، برخی دیگر به حجم و برخی دیگر هر دو متغیر را در نظر می گیرند. قبل از سرمایه گذاری در هر دارایی، استفاده از تعدادی نشانه در طول معاملات سودمند است.

لطفاً مقاله ما را در مورد نحوه استفاده از TradingView مشاهده کنید تا نحوه اعمال اندیکاتورهای فنی در بورس و بازار ارزهای دیجیتال را بیاموزید.

فرمول میانگین متحرک نمایی

میانگین متحرک نمایی یک شاخص نمودار فنی است که نشان می دهد قیمت یک سرمایه گذاری مانند سهام یا کالا چگونه تغییر کرده است. میانگین متحرک نمایی نوعی میانگین متحرک وزنی (WMA) است که بر اطلاعات قیمت فعلی تاکید دارد. EMA، مانند میانگین متحرک ساده (SMA)، برای تجزیه و تحلیل حرکات قیمت در طول زمان استفاده می‌شود، و نوارهای میانگین متحرک، تماشای چندین EMA را در یک زمان آسان‌تر می‌کنند.

EMA قرار است مفهوم SMA را با اختصاص وزن بیشتر به آخرین داده های قیمت، که مهمتر از داده های گذشته است، بهبود بخشد. EMA سریعتر از SMA به تغییرات قیمت واکنش نشان می دهد زیرا داده های جدید وزن بیشتری دارند.

فرمول EMA

میانگین متحرک نمایی (EMA) به صورت زیر محاسبه می شود:

جایی که EMA = میانگین متحرک نمایی

SMA به همان روشی محاسبه می شود که میانگین یا میانگین محاسبه می شود. به عنوان مثال، SMA برای هر تعداد دوره زمانی مجموع قیمت های بسته شدن آن دوره های زمانی تقسیم بر همان تعداد است. به عنوان مثال، یک SMA 10 روزه، به سادگی کل قیمت های بسته شدن 10 روز گذشته تقسیم بر 10 است.

برای EMA با دوره کوتاه تر، وزن تخصیص داده شده به آخرین قیمت بیشتر از EMA دوره طولانی تر است. برای مثال، برای یک متحرک نمایی 10 روزه، ضریب 18.18 درصدی به آخرین داده های قیمت اضافه می شود، در حالی که برای متحرک نمایی 20 روزه، تنها ضریب ضریب 9.52 درصدی استفاده می شود. همچنین تفاوت‌های جزئی در EMA وجود دارد که با استفاده از قیمت باز، بالا، پایین یا متوسط ​​به جای قیمت پایانی محاسبه می‌شود.

روبان های میانگین متحرک: اتخاذ EMA

سرمایه گذاران ممکن است به روبان های میانگین متحرک علاقه مند باشند. MAR که تعداد زیادی میانگین متحرک را در نمودار قیمت نشان می دهد نه فقط یک. روبان ها در برنامه نمودار به راحتی قابل مشاهده هستند. این روشی ساده برای نمایش تعامل پویا بین روندها در کوتاه‌مدت، میان‌مدت و بلندمدت، علی‌رغم پیچیدگی ظاهری آنها به دلیل حجم زیاد خطوط همزمان، ارائه می‌دهد.

سرمایه گذاران ممکن است به نوارهای میانگین متحرک علاقه مند باشند، که تعداد زیادی میانگین متحرک را در نمودار قیمت به جای یک عدد نشان می دهند. روبان‌ها به راحتی در برنامه‌های نموداری مشاهده می‌شوند و روشی ساده برای نمایش تعامل پویا بین روندها در کوتاه‌مدت، میان‌مدت و بلندمدت، علی‌رغم پیچیدگی ظاهری‌شان به دلیل حجم زیاد خطوط همزمان، ارائه می‌دهند.

میانگین‌های متحرک و روبان‌ها توسط معامله‌گران و تحلیل‌گران برای تشخیص نقاط عطف، توسعه‌ها، و شرایط بیش از حد خرید/فروش بیش از حد، و همچنین برای تعریف مناطق حمایت و مقاومت و ارزیابی بزرگی روند قیمت‌ها استفاده می‌شوند.

روبان های میانگین متحرک به دلیل شکل سه بعدی متمایزشان که به نظر می رسد در نمودار قیمت جریان یافته و می پیچند، به راحتی قابل شناسایی هستند. وقتی خطوط میانگین متحرک همه در یک موقعیت قطع می‌شوند، نشانگرها سیگنال‌های خرید و فروش را فعال می‌کنند. وقتی میانگین‌های متحرک کوتاه‌مدت از پایین‌تر از میانگین‌های متحرک بلندمدت عبور می‌کنند، معامله‌گران می‌خواهند خرید کنند، و وقتی میانگین‌های متحرک کوتاه‌مدت از بالا به پایین‌تر می‌آیند، فروش را در نظر می‌گیرند.

ساخت یک روبان میانگین متحرک

به سادگی تعداد زیادی میانگین متحرک با طول دوره های زمانی متفاوت را رسم کنید. این کار را همزمان روی نمودار قیمت انجام دهید تا یک نوار میانگین متحرک ایجاد شود. هشت میانگین متحرک یا بیشتر و مدت زمان متغیر از میانگین متحرک دو روزه تا میانگین متحرک 200 یا 400 روزه مشخصه های رایج هستند.

برای درک بهتر، نوع میانگین متحرک را در سراسر نوار ثابت نگه دارید. به عنوان مثال، فقط از میانگین متحرک نمایی یا ساده استفاده کنید.

هنگامی که روبان تا می‌شود، یعنی همه میانگین‌های متحرک در طرح در یک نقطه نزدیک به هم می‌رسند - قدرت روند احتمالاً کاهش می‌یابد و به معکوس اشاره می‌کند. اگر میانگین‌های متحرک در حال گسترش و جدا شدن از یکدیگر باشند، نشان‌دهنده این است که قیمت‌ها در نوسان هستند و یک روند قوی یا تشدید می‌شود.

میانگین‌های متحرک کوتاه‌تر که زیر میانگین‌های متحرک بزرگ‌تر قرار می‌گیرند، شاخص‌های رایج روند نزولی هستند. از سوی دیگر، میانگین‌های متحرک کوتاه‌تر از میانگین‌های متحرک طولانی‌تر در روند صعودی عبور می‌کنند. میانگین‌های متحرک کوتاه‌مدت به‌عنوان شاخص‌های کلیدی در این موقعیت‌ها عمل می‌کنند، که به‌عنوان روند میانگین‌های بلندمدت نزدیک به آن‌ها تأیید می‌شوند.

توضیح میانگین متحرک نمایی (EMA)

میانگین متحرک نمایی (EMA) نوعی میانگین متحرک (MA) است که به نقاط داده به‌روز وزن و ارتباط بیشتری می‌دهد. میانگین متحرک موزون نمایی نام دیگری برای میانگین متحرک نمایی است. یک میانگین متحرک ساده (SMA)، که وزن یکسانی به همه مشاهدات در دوره می دهد، نسبت به میانگین متحرک وزنی نمایی (EWMA) نسبت به تغییرات قیمت اخیر واکنش کمتری نشان می دهد.

محاسبه EMA

EMA برای محاسبه به یک مشاهده بیشتر از SMA نیاز دارد. فرض کنید می خواهید از 20 روز برای تعداد مشاهدات EMA استفاده کنید. سپس باید تا روز بیستم صبر کنید تا SMA خود را دریافت کنید. بنابراین می توان از SMA روز قبل به عنوان اولین EMA برای دیروز در روز بیست و یکم استفاده کرد.

SMA یک فرمول ساده برای محاسبه است. این فقط مجموع قیمت های بسته شدن سهام در یک دوره زمانی معین تقسیم بر تعداد مشاهدات آن دوره زمانی است. به عنوان مثال، یک SMA 20 روزه، فقط کل قیمت های بسته شدن 20 روز معاملاتی قبلی تقسیم بر 20 است.

ضریب هموارسازی یعنی وزن کردن EMA معمولاً با استفاده از فرمول محاسبه می شود: [2÷(تعداد مشاهدات + 1)]. ضریب میانگین متحرک 20 روزه [2/(20+1)]=0.0952 است.

در نهایت، EMA فعلی با استفاده از فرمول زیر محاسبه می شود:

EMA = قیمت بسته شدن ضرب در ضریب + EMA (روز قبل) ضرب در ضریب (1-ضریب). EMA به قیمت‌های فعلی وزن بیشتری می‌دهد، در حالی که SMA همه مقادیر را وزن یکسانی ارائه می‌کند. برای EMA با دوره کوتاه تر، وزن داده شده به قیمت اخیر بیشتر از EMA دوره طولانی تر است. به عنوان مثال، برای EMA 10 دوره ای، ضریب 18.18 درصدی برای آخرین داده های قیمت اعمال می شود، در حالی که وزن برای EMA 20 دوره تنها 9.52 درصد است.

همچنین، تفاوت های جزئی در EMA محاسبه شده با استفاده از قیمت باز، بالا، پایین یا متوسط ​​به جای قیمت بسته شدن وجود دارد.

چه چیزی می توانید از میانگین متحرک نمایی بیاموزید؟

میانگین‌های کوتاه‌مدت مانند میانگین‌های متحرک نمایی 12 و 26 روزه (EMA) اغلب ذکر و مطالعه می‌شوند. شاخص هایی مانند واگرایی همگرایی میانگین متحرک (MACD) و درصد نوسان ساز قیمت با استفاده از 12 و 26 روز (PPO) ایجاد می شوند. EMA های 50 و 200 روزه معمولاً به عنوان شاخص های روند بلند مدت استفاده می شوند. یک سیگنال فنی مبنی بر اینکه یک معکوس رخ داده است زمانی است که قیمت سهام از میانگین متحرک 200 روزه خود عبور کند.

معامله‌گرانی که از تحلیل تکنیکال استفاده می‌کنند، در صورت استفاده مؤثر، میانگین‌های متحرک را فوق‌العاده مفید و آموزنده می‌دانند. آنها همچنین زمانی هستند که از این سیگنال ها سوء استفاده یا اشتباه خوانده شوند، می توانند فاجعه ایجاد کنند. همه میانگین‌های متحرک که در تحلیل تکنیکال استفاده می‌شوند، طبق ماهیت خود، شاخص‌های عقب مانده هستند.

بیشتر از آنچه می توانید بیاموزید

در نتیجه، یافته‌های به‌دست‌آمده از به‌کارگیری میانگین متحرک در نمودار بازار خاص باید برای تأیید یا نشان دادن قدرت حرکت بازار باشد. قبل از اینکه میانگین متحرک نشان دهد که روند تغییر کرده است، معمولاً بهترین زمان برای ورود به بازار سپری شده است.

تا حدی، EMA به کاهش اثرات مضر تاخیرها کمک می کند. محاسبات EMA حرکت قیمت را کمی سخت‌تر می‌گیرد و سریع‌تر واکنش نشان می‌دهد زیرا وزن بیشتری به داده‌های اخیر می‌دهد. وقتی از EMA برای تولید سیگنال ورود به معاملات استفاده می شود، این خوب است.

EMA ها، مانند سایر شاخص های میانگین متحرک، در بازارهای پرطرفدار بهترین عملکرد را دارند. خط نشانگر EMA یک روند صعودی را زمانی نشان می دهد که بازار در یک روند صعودی قوی و مداوم باشد. برعکس زمانی که بازار در روند نزولی قرار دارد. یک معامله گر محتاط به جهت خط EMA و همچنین سرعت تغییر از یک نوار به نوار دیگر توجه خواهد کرد. در نظر بگیرید که چه اتفاقی می‌افتد وقتی حرکت قیمت یک روند صعودی قوی صاف و معکوس شود. از نقطه نظر هزینه فرصت، ممکن است زمان تغییر به یک دارایی صعودی تر فرا رسیده باشد.

نحوه استفاده از EMA در عمل

EMA ها اغلب در ترکیب با سایر شاخص ها برای تأیید و ارزیابی حرکت های مهم بازار استفاده می شوند. EMA برای سرمایه گذارانی که در بازارهای روزانه و در حال حرکت سریع معامله می کنند، مناسب تر است. EMA اغلب توسط معامله گران برای تعیین سوگیری معاملاتی استفاده می شود. استراتژی یک معامله گر روزانه ممکن است این باشد که فقط در سمت طولانی معامله کند اگر EMA در نمودار روزانه روند به شدت افزایشی را نشان دهد.

مقایسه بین میانگین متحرک نمایی و ساده

EMA در مقابل SMA: تفاوت چیست؟

تمایز اصلی بین an EMA و SMA پاسخگویی آنها به تغییرات داده های مورد استفاده برای محاسبه هر دو است.

دقیقاً، EMA به قیمت‌های فعلی وزن بیشتری می‌دهد، در حالی که SMA به همه مقادیر وزن برابر می‌دهد. این دو میانگین از این نظر مشابه هستند که هر دو توسط معامله گران فنی به کار گرفته می شوند. هر دو برای هموار کردن نوسانات قیمت هستند و به یک شکل دیده می شوند. از آنجایی که EMAها داده‌های اخیر را بیشتر از داده‌های قدیمی‌تر وزن می‌کنند، نسبت به SMAها به نوسانات قیمت اخیر واکنش بیشتری نشان می‌دهند. این باعث می شود که یافته های EMA به موقع تر شود، به همین دلیل است که بسیاری از معامله گران از آنها حمایت می کنند.

محدودیت های EMA

اینکه آیا باید به روزهای اخیر این بازه زمانی وزن بیشتری داده شود، قابل بحث است. بسیاری از معامله گران بر این باورند که داده های جدید با دقت بیشتری روند فعلی امنیت را منعکس می کند. از سوی دیگر، برخی دیگر بر این باورند که تأکید بر تاریخ‌های فعلی باعث سوگیری می‌شود که منجر به حملات جعل بیشتر می‌شود.

به همین ترتیب، EMA کاملاً بر اساس داده های تاریخی است. بسیاری از اقتصاددانان استدلال می کنند که بازارها کارآمد هستند، به این معنی که قیمت های فعلی بازار از قبل نشان دهنده تمام داده های مربوطه است. اگر بازارها کارآمد باشند، داده های تاریخی نباید چیزی در مورد روند قیمت دارایی در آینده به ما بیاموزد.

افکار نهایی

اینکه آیا باید به روزهای اخیر این بازه زمانی وزن بیشتری داده شود، قابل بحث است. بسیاری از سرمایه گذاران فکر می کنند که داده های آینده به طور واقعی روند فعلی اوراق بهادار را توصیف می کند. از سوی دیگر، برخی دیگر بر این باورند که تأکید بر تاریخ‌های فعلی باعث سوگیری می‌شود که منجر به هشدارهای نادرست بیشتر می‌شود.

بنابراین، EMA کاملاً بر اساس داده های تاریخی است. بسیاری از اقتصاددانان می گویند که بازارها کارآمد هستند، به این معنی که قیمت های فعلی بازار از قبل نشان دهنده همه داده های مربوطه است. اگر بازارها کارآمد باشند، داده های تاریخی نباید چیزی در مورد روند قیمت دارایی در آینده به ما بیاموزد.

فرمول میانگین متحرک

میانگین حرکت به عنوان پشتیبانی دینامیک و سطح مقاومت

میانگین حرکت به عنوان پشتیبانی دینامیک و سطح مقاومت راه دیگری برای استفاده از میانگین های متحرک استفاده از آن…

نحوه استفاده از میانگین متحرک

نحوه استفاده از میانگین حرکت برای پیدا کردن روند یک راه شیرین برای استفاده از میانگین های متحرک به شما…

مقایسه میانگین متحرک ساده با میانگین متحرک نمایی

میانگین متحرک ساده در مقایسه با میانگین متحرک نمایی تا اینجای کار، شما احتمالا از خودتان پرسیدید که کدام یک…

توضیح میانگین متحرک ساده (SMA)

توضیح میانگین متحرک ساده (SMA) میانگین متحرک ساده (SMA)، ساده ترین نوع میانگین متحرک در تجزیه و تحلیل فارکس است.…

میانگین متحرک چیست ؟

میانگین متحرک چیست؟ میانگین متحرک به سادگی یک روش برای ساده کردن استراتژی رفتار قیمت در طول زمان است. “میانگین…

With Product You Purchase

Subscribe to our mailing list to get the new updates!

Lorem ipsum dolor sit amet, consectetur.

محافظت در مقابل کلاهبرداری ها

وب مانی (WebMoney) چیست؟

کانال ها

لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم از صنعت چاپ و با استفاده از طراحان گرافیک است. چاپگرها و متون بلکه روزنامه و مجله در ستون و سطرآنچنان که لازم است و برای شرایط فعلی تکنولوژی مورد نیاز و کاربردهای متنوع با هدف بهبود ابزارهای کاربردی می باشد.

فرمول میانگین ​​متحرک چیست؟

در نرم افزار هماهنگ سه روش میانگین برای محاسبه مبلغ حواله های انبار وجود دارد. این سه روش عبارتند از «میانگین» و «میانگین لحظه ای» و «میانگین متحرک». اگر چه تمامی این روشها بر حسب فرمول و روش میانگین موزون « Weighted Average Cost » محاسبات خود را انجام می دهند، لیکن دارای تفاوتهایی با یکدیگرند. در این نوشتار تفاوتهای بین سه روش مذکور توضیح داده خواهد شد.

· تفاوت بین روش «میانگین» با روش «میانگین لحظه ای»:

1. در روش میانگین، فرمول محاسبه دقیقاً همانی است که در کتب و مقالات آموزشی توضیح داده شده است و همواره برای محاسبه فی واحد صادره حواله های انبار (یا همان فی مانده بعد از ثبت رسید انبار جدید) مبلغ وارده کالا با مبلغ مانده همان کالا در انبار جمع شده و بر حاصل جمع مقدار وارده کالا با مقدار مانده همان کالا در انبار، تقسیم می گردد. حاصل تقسیم فوق بعنوان فی مانده کالا در نظر گرفته شده و از تاریخ محاسبه در فی و مبلغ حواله های صادره از کالای مذکور ملاک عمل خواهد بود. البته تا زمانی که برای کالای مذکور ثبت رسید انبار جدید انجام نشود، که در اینصورت مجدداً محاسبات فی مانده تکرار خواهد شد.

2. در روش «میانگین لحظه ای» روش کار همانند «روش میانگین» است با تفاوت هایی که در زیر به آنها اشاره می شود:

a. در روش میانگین اگر برای یک کالا در طی روز و در ساعات مختلف چندین بار ورود و خروج (رسید و حواله انبار) ثبت شود، در محاسبه فی و مبلغ حواله های انبار، ابتدا تمامی رسیدهای وارده در طی روز در محاسبه فی مانده در نظر گرفته شده، سپس بر مبنای فی مانده بدست آمده حواله های انبار صادره در همان روز قیمت گذاری خواهند شد، بدین ترتیب مثلاً اگر رسیدی در ساعت 17 عصر وارد انبار شده باشد، در قیمت حواله انباری که ساعت 9 صبح ( قبل از ورود رسید مذکور) از انبار خارج شده است، بصورتی متناقض تاثیر گذار خواهد بود. شرکتهایی که امکان ورود چندین بار از یک کالا را در طی روز دارند، در صورتی که مایل نباشند که رسیدهای انبار با زمان ورود بزرگتر از زمان خروج حواله های انبار در همان روز، در قیمت حواله های مذکور تاثیر داشته باشند، می توانند از روش «میانگین لحظه ای» استفاده نمایند. در روش «میانگین لحظه ای» علاوه بر تاریخ رسید و حواله، زمان آن نیز در محاسبات ملاک عمل واقع شده و بدین ترتیب رسیدهای وارده پس از حواله های صادره در محاسبه قیمت حواله های مذکور نقشی نخواهند داشت.

b. در روش «میانگین لحظه ای» امکان قطعی سازی و قیمت گذاری ریالی چند انبار با هم وجود دارد. در چنین حالتی ورود و خروج کلیه انبارها بر حسب تاریخ و ساعت، در یک کاردکس، بدون در نظر گرفتن انبار، مرتب شده و بصورت سرجمع قیمت گذاری خواهد شد. بدین ترتیب مبلغ رسیدهای وارده از یک کالا در انبار a در حواله های صادره با زمان بزرگتر از همان کالا در انبار دیگری مثل b موثر خواهند بود. این وضعیت دارای یک حسن بزرگ در تعیین فی واحد و مبلغ رسیدهای انتقالی از یک انبار به انبار دیگر می باشد. با توجه به اینکه در انتقال و جابجایی اقلام بین دو انبار، زمان رسید انبار انتقالی توسط سیستم، حداقل یک دقیقه بزرگتر از حواله انبار انتقالی مرتبط ثبت می گردد، بدین ترتیب در روش قیمت گذاری با روش «میانگین لحظه ای» در زمانی که نوبت به تعیین قیمت رسید فرمول میانگین ​​متحرک چیست؟ انبار انتقالی برسد حتماً حواله انتقالی مرتبط با رسید مذکور قیمت دار شده و قیمت آن بصورت خودکار قابل تخصیص به رسید انتقالی خواهد بود. بدین ترتیب یکی از مشکلاتی که معمولاً در تعیین قیمت رسیدهای انتقالی انبارها پیش روست حل خواهد شد.

· تفاوت بین روش «میانگین» با روش «میانگین متحرک»:

1. همانطور که قبلاً نیز توضیح داده شد، در روش «میانگین»، فرمول محاسبه دقیقاً همان است که در کتب و مقالات آموزشی توضیح داده شده است. نحوه محاسبات در روش «میانگین متحرک» تفاوت قابل توجهی با روش «میانگین» دارد، لذا اکیداً توصیه می شود که استفاده از روش مذکور حتماً با آگاهی کامل از نحوه محاسبات و تاثیر آن در قیمت گذاری حواله های انبار صورت پذیرفته تا از بروز مشکلات ناخواسته جلوگیری شود.

2. تفاوت عمده در روش «میانگین» و «میانگین متحرک»، محاسبه فی مانده کالا در انبار پس از ثبت رسید جدید می باشد. در روش «میانگین» همواره پس از ورود رسید انبار جدید مبالغ و مقادیر مانده کالا در انبار با مبلغ و مقدار رسید انبار جدید ملاک محاسبه قرار می گیرند، در حالی که در روش «میانگین متحرک» چنین نیست. در روش «میانگین متحرک» بجای مبالغ و مقادیر مانده کالا در انبار، مبالغ و مقادیر کل وارده از ابتدای دوره به ازای کالای مذکور در انبار ملاک محاسبه قرار می گیرند. بدین ترتیب فی مانده جدید بدست آمده برابر با کل مبلغ وارده تقسیم بر کل مقدار وارده از ابتدای دوره (با احتساب رسید انبار جدید) خواهد بود. حال نکته و چالش اساسی در اینست که اولین خروج کالا از انبار (حواله) با چه فی واحد و مبلغی محاسبه و خارج شود تا پس از خروج آن فی مانده کالا برابر با حاصل تقسیم جمع کل مبلغ وارده بر جمع کل مقدار وارده از کالای مذکور گردد. روش «میانگین متحرک» این اتفاق را تضمین می نماید که با خروج اولین حواله انبار از کالای مورد نظر فی مانده آن برابر با جمع کل مبلغ وارده تقسیم بر جمع کل مقدار وارده از همان کالا شود. ولیکن گاهی اوقات (بخصوص در شرایطی که قیمت آخرین خرید کالای مورد نظر تنزل یافته و مقدار صادره کالا در اولین حواله اندک باشد) فی واحد و مبلغ حواله مذکور بصورت منفی محاسبه شده تا تضمین فوق حاصل گردد. لذا تحت چنین شرایطی ممکن است وجود فی واحد و مبلغ منفی، اگر چه با اصول قیمت گذاری بروش مذکور قابل تفسیر و توجیه است، خوشایند و قابل پذیرش نباشد. لذا آگاهی از عملکرد و نتایج محاسباتی روش مذکور قبل ازاستفاده از آن توصیه می گردد. با این حال شرکتها و مجموعه های صنعتی بسیار هستند که از روش مذکور استفاده می نمایند و دلیل آنها در استفاده از این روش به حداقل رسیدن نیاز به صدور اسناد تعدیلی و اصلاحی انبار در پایان دوره می باشد.

میانگین متحرک نمایی (EMA) در تحلیل تکنیکال چیست؟

میانگین متحرک نمایی (Exponential Moving Average) چیست؟

میانگین متحرکِ نمایی (EMA) نوعی میانگین متحرک (MA) است که وزن و اهمیت بیش‌تری را بر روی جدیدترین نقاط داده قرار می‌دهد. میانگین متحرک نمایی به‌عنوان میانگین متحرک وزن‌دار نمایی نیز نامیده می‌شود. یک میانگین متحرک وزن‌دار نمایی نسبت به میانگین متحرک ساده (SMA) – که وزن برابری را برای همه‌ی مشاهدات در دوره اعمال می‌کند – به تغییرات قیمت اخیر واکنش قابل ملاحظه‌تری نشان می‌دهد.

نکات کلیدی

• EMA یک میانگین متحرک است که وزن و اهمیت بیش‌تری را برای آخرین نقاط داده قائل است.
• مانند تمام میانگین‌های متحرک، در این اندیکاتور تکنیکال هم برای تولید سیگنال‌های خرید و فروش بر اساس متقاطع‌ها و واگرایی از میانگین تاریخی استفاده می‌شود.
• معامله‌گران اغلب از چندین طول مختلف EMA مانند میانگین متحرک ۱۰ روزه، ۵۰ روزه و ۲۰۰ روزه استفاده می‌کنند.

فرمول EMA به قرار زیر است:

EMA برابر است با «میانگین متحرک نمایی»

در حالی که گزینه‌های ممکن زیادی برای عامل هموارسازی وجود دارد، رایج ترین انتخاب این است:

فاکتور تعدیل‌کننده = ۲

این امر به مشاهده‌ی اخیر وزن بیش‌تری می‌دهد. اگر ضریب تعدیل‌کنندگی افزایش یابد، مشاهدات اخیر تأثیر بیش‌تری بر EMA دارند.

محاسبه EMA

محاسبه‌ی EMA به یک مشاهده بیش‌تر از SMA نیاز دارد. فرض کنید که می‌خواهید از ۲۰ روز به‌عنوان تعداد مشاهدات برای EMA استفاده کنید. پس، برای دریافت SMA باید تا روز بیستم صبر کنید. در روز بیست و یکم، می‌توانید از SMA یک روز قبل‌تر به‌عنوان اولین EMA دیروز استفاده کنید.

محاسبه‌ی SMA صریح و ساده است. این فرمول تنها شامل جمع بستن قیمت‌های پایانی سهام در یک دوره‌ی زمانی است که بر تعداد مشاهدات آن دوره تقسیم می‌شود. به‌عنوان مثال، یک SMA ۲۰روزه فقط مجموع قیمت‌های پایانی ۲۰ روز معاملاتی گذشته تقسیم بر ۲۰ است.

در مرحله‌ی بعد، باید ضریب تعدیل‌کننده (وزن‌داری) EMA را محاسبه کنید، که معمولاً از فرمول زیر پیروی می‌کند:

[(تعداد مشاهدات + ۱)÷۲].

برای میانگین متحرک ۲۰ روزه، این ضریب برابر با ۰.۰۹۵۲=[(۲۰+۱)÷۲] خواهد بود.

در نهایت، از فرمول زیر برای محاسبه‌ی EMA کنونی استفاده می‌شود:

EMA = قیمت پایانی x ضریب + EMA (روز قبل) x (۱-ضریب)

EMA به قیمت‌های اخیر وزن بالاتری می‌دهد، در حالی که SMA وزن یکسانی را برای همه‌ی مقادیر در نظر می‌گیرد. وزن داده‌شده به جدیدترین قیمت برای EMA کوتاه‌مدت بیش‌تر از EMA دوره‌ی طولانی‌تر است. به‌عنوان مثال، یک ضریب ۱۸.۱۸٪ برای آخرین داده‌های قیمت برای EMA ۱۰-دوره‌ای اعمال می‌شود، در حالی که وزن برای EMA ۲۰-دوره‌ای فقط ۹.۵۲٪ است.

هم‌چنین گونه‌هایی فرمول میانگین ​​متحرک چیست؟ از EMA با تفاوت‌های جزئی وجود دارد، که به جای استفاده از قیمت پایانی، با استفاده از قیمت باز، بالا، پایین یا میانه‌ی قیمت به دست می‌آیند.

میانگین متحرک نمایی به شما چه می گوید؟

میانگین‌های متحرک نمایی (EMA) ۱۲ و ۲۶ روزه، اغلب میانگین‌های کوتاه‌مدتی هستند که بیش از سایر میانگین‌ها تحلیل ‌شده‌اند و از آن‌ها نام برده شده است. میانگین‌های ۱۲ و ۲۶ روزه برای ایجاد شاخص‌هایی مانند میانگین متحرک همگرایی واگرایی (MACD) و نوسانگر درصد قیمت (PPO) استفاده می‌شود. به طور کل، EMA های ۵۰ و ۲۰۰ روزه به‌عنوان شاخصی برای روندهای بلند مدت استفاده می‌شوند. هنگامی که قیمت سهام از میانگین متحرک ۲۰۰ روزه خود عبور می‌کند، این سیگنال تکنیکال نشان‌دهنده‌ی رخ دادن یک معکوس است.

معامله‌گرانی که از تحلیل تکنیکال استفاده می‌کنند، چه برای سهام و اوراق بهادار و چه برای سکه‌ها و ارزهای دیجیتال، میانگین‌های متحرک را زمانی که به درستی اعمال شوند، بسیار مفید و روشن‌گر می‌دانند. با این حال، آن‌ها متوجه این مسأله هم هستند که این سیگنال‌ها در صورت استفاده‌ی نادرست یا تفسیر نادرست می‌توانند وضعیت وخیمی را به بار بیاورند. تمام میانگین‌های متحرک که معمولاً در تحلیل تکنیکال استفاده می‌شوند، طبیعتاً شاخص‌های عقب‌مانده هستند.

در نتیجه، نتایج حاصل از اعمال میانگین متحرک در نمودار یک بازار خاص، باید برای تأیید حرکت بازار یا نشان دادن قدرت آن باشد. زمان بهینه برای ورود به بازار اغلب قبل از این که میانگین متحرک تغییر روند را نشان دهد، می‌گذرد و از دست می‌رود.

یک EMA تا حدودی تأثیر منفی تاخیرها را کاهش می‌دهد. از آن‌جایی که محاسبه‌ی EMA وزن بیش‌تری بر آخرین داده‌ها می‌گذارد، عمل قیمت را کمی محکم‌تر در بر می‌گیرد و سریع‌تر واکنش نشان می‌دهد. این امر زمانی مطلوب است که از EMA برای استخراج سیگنال ورودی معاملاتی استفاده شود.

مانند همه‌ی شاخص‌های میانگین متحرک، EMAها برای بازارهای روندی بسیار مناسب‌تر هستند. هنگامی که بازار در یک روند صعودی قوی و پایدار قرار دارد، خط نشان‌گر EMA نیز یک روند صعودی، و برعکس آن را برای یک روند نزولی نشان می‌دهد. یک معامله‌گر هوشیار، هم به جهت خط EMA، و هم به رابطه‌ی نرخ تغییر از یک نوار به نوار دیگر توجه می‌کند. برای مثال، فرض کنید حرکت قیمت یک روند صعودی قوی شروع به فلت شدن و معکوس شدن کند. از نقطه‌نظر هزینه‌ی فرصت، ممکن است زمان آن رسیده باشد که به سرمایه‌گذاری صعودی‌تر روی بیاورید.

نمونه هایی از نحوه استفاده از EMA

EMA ها معمولاً به همراه سایر شاخص‌ها برای تأیید حرکت های مهم بازار و سنجش اعتبار آن‌ها استفاده می‌شوند. برای معامله‌گرانی که به‌صورت روزانه و در بازارهای در حال حرکت سریع معامله می‌کنند، EMA بیش‌تر کاربرد دارد. اغلب، معامله‌گران EMA را برای تعیین سوگیری معاملاتی به کار می‌گیرند. اگر EMA در نمودار روزانه یک روند صعودی قوی را نشان دهد، استراتژی یک معامله‌گر روزانه ممکن است فقط در سمت طولانی معامله کند.

تفاوت بین EMA و SMA

عمده‌ترین تفاوت بین EMA و SMA حساسیتی است که هر یک نسبت به تغییرات داده‌های مورد استفاده در محاسبه خود نشان می‌دهند.

به طور خاص، EMA وزن‌های بالاتری را به قیمت‌های اخیر می‌دهد، در حالی که SMA وزن‌های مساوی را به همه مقادیر اختصاص می‌دهد. این دو میانگین مشابه هستند، زیرا به یک روش تفسیر می‌شوند و هر دو معمولاً توسط معامله‌گران تکنیکال برای تعدیل کردن نوسانات قیمت مورد استفاده قرار می‌گیرند. از آن‌جایی که EMA ها وزن بیش‌تری را به داده‌های اخیر نسبت به داده‌های قدیمی‌تر می‌دهند، واکنش آن‌ها به آخرین تغییرات قیمت نسبت به SMA ها بیش‌تر است. این باعث می‌شود که نتایج EMA به‌موقع‌تر باشد، و همین امر نیز نشان می‌دهد که چرا این اندیکاتور توسط بسیاری از معامله‌گران ترجیح داده می‌شوند.

محدودیت های EMA

مشخص نیست که آیا واقعاً باید بر روزهای اخیر در این دوره زمانی تأکید بیش‌تری شود یا خیر. بسیاری از معامله‌گران بر این باورند که داده‌های جدید، روند فعلی اوراق بهادار را بهتر منعکس می‌کنند. در عین حال، دیگران احساس می‌کنند که دادن وزن اضافه به تاریخ‌های اخیر یک سوگیری ایجاد می‌کند که منجر به هشدارهای نادرست بیش‌تر می‌شود.

به همین ترتیب، EMA کاملاً بر داده‌های تاریخی متکی است. بسیاری از اقتصاددانان بر این باورند که بازارها کارآمد هستند، به این معنی که قیمت‌های فعلی بازار از قبل منعکس‌کننده‌ی تمام اطلاعات موجود است. اگر بازارها واقعا کارآمد هستند، استفاده از داده‌های تاریخی نباید چیزی در مورد جهت آینده‌ی قیمت دارایی‌ها به ما بگوید.

بررسی میانگین متحرک وزن دار نمایی (Weighted Moving Average)

نوسانات تاریخی و ضمنی، دو رویکرد کلی نوسانات هستند. رویکرد تاریخی، گذشته سهام را به عنوان مرحله اولیه در نظر میگیرد. ما تاریخ را برای پیش بینی آینده سهام بررسی میکنیم. از سوی دیگر، نوسانات ضمنی (Implied volatility)، تاریخ را نادیده می گیرد و نوسانات ناشی از قیمت های بازار را پیدا می کند. طبق این رویکرد امیدواریم که بازار بهترین اطلاعات را داشته باشد و قیمت بازار، یک ارزیابی کلی از نوسان داشته باشد.

با تمرکز بر سه رویکرد تاریخی (در سمت چپ بالا)، مشاهده میکنیم که آنها دو مرحله مشترک دارند، که عبارت اند از:

1. مجموعه بازده های دوره ای را محاسبه کنید
2. یک رویکرد وزن دار را اعمال کنید

ابتدا بازده دوره ای را محاسبه می کنیم. این بازده معمولاً مجموعه‌ای از بازده‌های روزانه است. در گزارش روزانه عادی، نسبت قیمت سهام را در نظر می گیریم (یعنی تقسیم قیمت امروز بر قیمت دیروز و غیره).

به صورت زیر:

Ui= بازده روز اول

Si==قیمت سهام در روز اول

Si-1==قیمت سهام یک روز قبلتر از روز اول

این فرمول یک سری بازده روزانه تولید می کند، از ui تا ui-m، و به تعداد روزهای اندازه گیری (m = روز) بستگی دارد.

این موضوع ما را به مرحله دوم می رساند: تفاوت این سه رویکرد در این مرحله است. در مقاله قبلی، نشان دادیم که طبق چند ساده سازی قابل قبول، واریانس ساده میانگین بازده مجذور است:

m= تعداد روز های محاسبه شده

u= تفاوت بازده با بازده میانگین

توجه کنید که این فرمول هر یک از بازده های دوره ای را جمع می کند، سپس کل آن را بر تعداد روزها یا مشاهدات (m) تقسیم می کند. بنابراین، در واقع فقط میانگینی از مجذور بازده دوره ای است. به عبارت دیگر به هر بازده مجذور، وزن مساوی داده می شود. بنابراین اگر آلفا (a) یک عامل وزنی باشد (به طور خاص، a = 1/m)، آنگاه یک واریانس ساده چیزی شبیه به این است:

میانگین متحرک وزن دار نمایی، در واریانس ساده بهبود می یابد

نقطه ضعف این رویکرد این است که همه بازده ها وزن یکسانی دارند. بازده دیروز، نسبت به بازده ماه گذشته تأثیر بیشتری بر واریانس ندارد. این مشکل با استفاده از میانگین متحرک وزن‌دار نمایی (EWMA) که در آن بازده‌های اخیر وزن بیشتری روی واریانس دارند، رفع می‌شود.

میانگین متحرک وزن دار نمایی (EWMA) لامبدا (lambda) را معرفی می کند که به آن پارامتر هموارسازی می گویند. لامبدا باید کمتر از یک باشد. در این شرایط، به جای وزن‌های مساوی، هر بازده مجذور با یک ضریب به صورت زیر وزن می‌شود:

به عنوان مثال، سهام RiskMetricsTM، یک شرکت مدیریت ریسک مالی، تمایل دارد از لامبدا 0.94 یا 94٪ استفاده کند. در این مورد، اولین (جدیدترین) بازده دوره ای مجذور با (1-0.94) (.94) 0 = 6٪ وزن می شود. بازده مجذور بعدی صرفاً ضریب لامبدا وزن قبلی است. در این مورد 6٪ ضربدر 94٪ = 5.64٪. و وزن سومین روز قبل برابر است با (1-0.94) (0.94)2 = 5.30%.

این معنای “نمایی” در EWMA است: هر وزن یک ضریب ثابت (به عنوان مثال لامبدا، که باید کمتر از یک باشد) وزن روز قبل است. این امر واریانسی را تضمین می کند که نسبت به داده های جدیدتر وزن یا سوگیری دارد. تفاوت بین نوسانات ساده و EWMA برای Google در زیر نشان داده شده است.

نوسانات ساده به طور موثر هر بازده دوره ای را 0.196٪ وزن می کند، همانطور که در ستون O نشان داده شده است ( دو سال اطلاعات روزانه قیمت سهام شامل 509 بازده روزانه و 1/509 = 0.196٪). اما توجه داشته باشید که ستون P وزن 6٪، سپس 5.64٪، سپس 5.3٪ و غیره را اختصاص می دهد. این تنها تفاوت بین واریانس ساده و میانگین وزن دار نمایی است.

به یاد داشته باشید: پس از جمع کل مجموعه (در ستون Q) واریانس را بدست می آوریم که جذر انحراف استاندارد (standard deviation) است. اگر می خواهیم نوسان داشته باشیم، باید به خاطر داشته باشیم که جذر واریانس را بدست آوریم.

تفاوت نوسانات روزانه بین واریانس و میانگین وزن دار نمایی در مورد سهام گوگل چیست؟ قابل توجه است: واریانس ساده، نوسان روزانه 2.4% را بدست آورد اما میانگین وزن دار نمایی، نوسان روزانه 1.4% را بدست آورد. ظاهراً نوسانات گوگل، اخیراً کاهش یافته است. بنابراین، یک واریانس ساده ممکن است به طور ساختگی بالا باشد.

واریانس امروز تابعی از واریانس روز قبل است

ما باید مجموعه ای متوالی از وزن‌ها را محاسبه کنیم که به طور تصاعدی کاهش می‌یابند. یکی از بهترین ویژگی های میانگین متحرک وزن دار نمایی این است که کل مجموعه به راحتی به یک فرمول تکرار شونده کاهش می یابد:

تکرار شونده به این معنی است که واریانس امروزی (یعنی تابعی از) واریانس روز قبل است. شما می توانید این فرمول را در جدول نیز بیابید، دقیقاً همان نتیجه محاسبه طولانی را ایجاد می کند! طبق این فرمول: واریانس امروز، برابر واریانس دیروز، به اضافه بازده مجذور دیروز است. توجه کنید که چگونه ما فقط دو عبارت را با هم جمع می کنیم: واریانس وزنی دیروز و بازده وزنی و مجذور دیروز.

با این حال، لامبدا پارامتر هموارسازی ما است. لامبدای بیشتر (به عنوان مثال، مانند 94٪ RiskMetric)، نشان دهنده افت آهسته قیمت مجموعه است. به صورت نسبی، ما نقاط داده بیشتری در مجموعه خواهیم داشت فرمول میانگین ​​متحرک چیست؟ و آنها با سرعت بیشتری “ریزش” می کنند. از سوی دیگر، اگر لامبدا را کاهش دهیم، افت بیشتر را نشان می‌دهیم: وزنه‌ها سریع‌تر سقوط می‌کنند و در نتیجه مستقیم افت سریع، نقاط داده کمتری استفاده می‌شود. (در صفحه گسترده، لامبدا یک ورودی است، بنابراین می توانید حساسیت آن را آزمایش کنید).

خلاصه مطلب

نوسان، انحراف استاندارد لحظه ای یک سهام و رایج ترین معیار ارزیابی ریسک است. نوسان، همچنین جذر واریانس است. ما می توانیم واریانس را به صورت تاریخی یا ضمنی (نوسانات ضمنی) اندازه گیری کنیم. هنگام اندازه گیری تاریخی، ساده ترین روش یک واریانس ساده است. اما نقطه ضعف واریانس ساده، یکسان بودن وزن همه بازده ها است. بنابراین ما با یک مبادله کلاسیک روبرو هستیم: ما همیشه داده‌های بیشتری می‌خواهیم، اما هر چه داده‌های بیشتری داشته باشیم، محاسبات ما با داده‌های دور (غیر مرتبط) کاهش می‌یابد. میانگین متحرک وزنی نمایی (EWMA) با تخصیص وزن به بازده های دوره ای، واریانس ساده را بهبود می بخشد. با انجام این کار، هم می‌توانیم از حجم نمونه بزرگ استفاده کنیم، هم می‌توانیم به بازده‌های اخیر وزن بیشتری بدهیم.