میانگین های متحرک معروف

نحوه استفاده از میانگین متحرک برای خرید سهام

برتری روش میانگین متحرک مرتبه سوم نسبت به روش میانگین متحرک مرتبه دوم جهت تخمین شکل و ژرفای بی‌هنجاری‌های مغناطیسی مدفون

روش‌های ژئوفیزیکی برای مطالعه ویژگی‌های میدان‌های فیزیکی قابل انتشار ناشی از بی‌هنجاری‌های داخل زمین بنیان نهاده شده‌اند. در مطالعات ژئوفیزیکی معمولاً هدف آشکارسازی ناهمگنی‌های داخل زمین با استفاده از کمیت‌های فیزیکی اندازه‌گیری شده در سطح زمین است. ژئوفیزیک می‌کوشد ساختمان داخلی زمین و ویژگی‌های آن را با استفاده از چنین داده‌هایی بازسازی کند. تحقیق حاضر که به روش میانگین متحرک مرتبه سوم معروف است، حل یک مسئله وارون برای برآورد همزمان شکل و ژرفای بی‌هنجاری‌های مغناطیسی باقی‌مانده می‌باشد که با مدل‌سازی مصنوعی بر روی اشکال هندسی مختلف کارایی این روش را نسبت به روش میانگین متحرک مرتبه دوم نشان می‌دهد. همچنین عملکرد این روش با نمونه‌ای از عملیات برداشت صحرایی در سایت ژئوفیزیک سازمان زمین‌شناسی اعتبارسنجی می‌شود. این روش، یک رابطه غیرخطی بین ژرفا و فاکتور شکل بی‌هنجاری با طول پنجره‌های متوالی در هفت نقطه محاسبه می‌کند. نتایج نشان داد، با توجه به تعداد جملات ریاضی بیشتر، برای داده‌های بدون نوفه بسیار دقیق و برای داده‌های نوفه‌ای با درصد خطای کمتر و آستانه نوفه بالاتر، از دقت بیشتری نسبت به روش میانگین متحرک مرتبه دوم برخوردار است. همچنین این روش برای داده‌های مغناطیسی واقعی نیز تطابق خوبی (5 درصد خطای برآورد ژرفا) از خود نشان داد.

کلیدواژه‌ها

• میانگین متحرک مرتبه سوم
• میانگین متحرک مرتبه دوم
• بی هنجاری مغناطیسی باقی‌مانده
• ژرفا
• شکل

20.1001.1.10237429.1401.32.2.3.5

موضوعات

مراجع

Abdelrahman, E. M., and Essa, K. S., 2005. Magnetic interpretation using a least- squares curves methods. Geophysics 70, L23-L30, DOI:10.1190/1.1926575.
Abdelrahman, E. M., and Essa K. S., 2015. A new method for depth and shape determinations from magnetic data. Pure and Applied Geophysics 172, 439-460, میانگین های متحرک معروف DOI:10.1007/s00024-014-0885-9.
Abdelrahman, E. M., and Hassanein, H. I., 2000. Shape and depth solutions from magnetic data using a parametric relationship. Geophysics 65, 126-131, DOI: 10.1190/1.1444703.
Abdelrahman, E. M., Abo-Ezz, E. R., and Essa, K. S., 2012. Parametric inversion of residual magnetic anomalies due to simple geometric bodies: Exploration Geophysics 43, 178-189. DOI:10.l07l/EG11026.
Abdelrahman, E. M., Essa, K. S., El-Araby, T. M., and Abo-Ezz, E. R., 2016. Depth and shape solutions from second moving average residual magnetic anomalies. Exploration Geophysics 43, 178-189, DOI:10.1071/EG14073.
Atchuta Rao, D.A., and Ram Babu, H.V., 1980. Properties of the relation figures between the total, vertical, and horizontal field magnetic anomalies over a long horizontal cylinder ore body. Current Science 49, 584–585.
Barbosa, V. C. F., Silva, J. B. C., and Medeiros, W. E., 1999. Stability analysis and improvement of structural index estimation in Euler deconvolution. Geophysics 64, 48–60, DOI:10.1190/1.1444529.
Essa, K.S., and Elhussein, M., 2018. PSO (Particle Swarm Optimization) for Interpretation of Magnetic Anomalies Caused by Simple Geometrical Structures, Pure and Applied Geophysics 175(2), DOI:10.1007/s00024-018-1867-0.
Essa, K.S., and Elhussein, M., 2019. Interpretation of Magnetic Data through Particle Swarm Optimization: Mineral Exploration Cases Studies, Natural Resources Research 29: 521-537, DOI: 10.1007/s11053-020-09617-3.
Gay, P., 1963. Standard curves for interpretation of magnetic anomalies over long tabular bodies: Creophysics, 28, 161-200. DOI: 10.1190/ 1.1439164.
Gerovska, D. and Arauzo-Bravo, M. J., 2003. Automatic interpretation of magnetic data based on Euler deconvolution with unprescribed structural index. Computers and Geosciences 29, 949-960, DOI: 10.1016/S0098-3004(03)00101-8.
Hartman, R.R., Teskey, D.J., and Friedberg, J.L., 1971. A system for rapid digital aeromagnetic interpretation. Geophysics 36, 891–918.
Hsu, S., 2002. Imaging magnetic sources using Euler’s equation. Geophysical میانگین های متحرک معروف Prospecting 50, 15-25, DOI:10.1046/j.1365-2478.2001.00282.x.
Jain, S., 1976. An automatic method of direct interpretation of magnetic profiles. Geophysics 41, 531–541, DOI: 10.1190/1.1440631.
Pengfei, L., Tianyou. L., Peimin, Z., Yushan, Y., Qiaoli, Z., Henglei, Z., and Guoxiong, C., 2017. Depth Estimation for Magnetic/Gravity Anomaly Using Model Correction, Pure and Applied Geophysics 174: 1729–1742, DOI: 10.1007/s00024-017-1509-y.
Prakasa Rao, T. K. S., Subrahmanyan, M., and Srikrishna Murthy, A., 1986. Nomograms for the direct interpretation of magnetic anomalies due to long horizontal cylinders: Geophysics, 51, 2156-2159. DOI:10.1 190/1.1442067.
Prakasa Rao, T. K. S., and Subrahmanyan, M., 1988. Characteristic curves for inversion of magnetic anomalies of spherical ore bodies: Pure and Applied Geophysics 126, 69-83. DOI:10.1007/BF00876915.
Radhakrishna Murthy, I.V., 1967. Note on the interpretation of magnetic anomalies of spheres. I. G. U. 4, 41–42.
Reid, A.B., Allsop, J.میانگین های متحرک معروف M., Granser, H., Millett, A.J., and Somerton, I.W., 1990. Magnetic interpretation in three dimensional using Euler deconvolution. Geophysics 55, 80–91, DOI: 10.1190/1.1442774.
Salem, A., Ravat, D., Mushayandebvu, M. F., and Ushijima, K., 2004. Linearized least-squares method for interpretation of potential field data from sources of simple geometry. Geophysics 69, DOI: 783-788, 10.1190/1.1759464.
Stanley, J. M., 1977. Simplified magnetic interpretation of the geologic contact and thin dike: Geophysics 42, 1236-1240. DOI:10.1190/1.144 0788.
Steenland, N.C., Slack, H.A., Lynch, V.M., and Langan, L., 1968. Discussion on The geomagnetic gradiometer. Geophysics 32, 877– 892, Geophysics 33, 681–684, DOI: 10.1190/1.1486915.
Thompson, D.T., 1982. EULDPH a new technique for making computer-assisted depth estimates from magnetic data. Geophysics 47, 31–37, DOI: 10.1190/1.1441278.
Werner, S., 1953. Interpretation of Magnetic Anomalies of Sheet-like Bodies. Sveriges Geologiska Underok, Series C 43: N6.

معرفی اندیکاتور میانگین متحرک (Moving Average)

ما امروز میخواهیم در سایت دانش سرمایه آرکا درباره اندیکاتور میانگین متحرک یا (MA) با شما صحبت کنیم .میانگین متحرک اندیکاتوری است که نوسانات بازار را به یک خط صاف و ملایم تبدیل می‌کند. اندیکاتور میانگین متحرک (Moving Average یا MA) یک اندیکاتور پیرو روندی است. از این اندیکاتور نمی‌توان برای پیش‌بینی آینده استفاده کرد، اما برای توصیف وضعیت فعلی می‌تواند مفید باشد. بایستی توجه داشت که این اندیکاتور تأخیر دارد، یعنی حتی در توصیف وضعیت فعلی بازار با کمی تأخیر عمل می‌کند. میانگین متحرک ازمحاسبه قیمت‌های قبلی به دست می‌آید، به همین دلیل همیشه با تأخیر همراه است.

میانگین متحرک در طراحی و توسعه سایر اندیکاتورها هم کاربرد دارد، به‌طور مثال از اندیکاتور میانگین متحرک در اندیکاتورهای باندهای بولینگر و MACD هم استفاده شده است. اندیکاتور میانگین متحرک انواع مختلفی دارد، اما میانگین متحرک ساده (SMA)و میانگین متحرک نمایی ( EMA)محبوب‌ترین میانگین‌های متحرک مورد استفاده معامله گران هستند. از اندیکاتور میانگین متحرک ( MA ) می‌توان برای تعیین روند بازار یا تعیین سطوح حمایت , مقاومت استفاده کرد.

میانگین متحرک ساده (SMA)

همانطور که از نام آن پیداست ساده‌ترین حالت محاسبه میانگین می‌باشد که در آن قیمتها در دوره زمانی مشخصی با یکدیگر جمع می‌شوند و بر تعداد دوره تقسیم می‌گردند. انتخاب نوع قیمت به عهده شما می‌باشد و بر اساس استراتژی معاملاتی خود می‌توانید از قیمتهای باز، بسته، پایانی و حتی بالاترین و پایین‌ترین قیمت نیز استفاده نمایید

میانگین متحرک نمایی (EMA)

این روش که به نام EMA نیز معروف است با هدف رفع مشکل میانگین ساده طراحی شد و به قیمتهای انتهای دوره وزن بیشتری را اضافه نمود. به عبارت دیگر در محاسبه میانگین به روش نمایی، قیمتهای اخیر تاثیر بیشتری در محاسبات خواهند داشت و این روش برای تحلیلگران از محبوبیت بیشتری برخوردار شد.

استراتژی اندیکاتور میانگین متحرک در تحلیل تکنیکال

همه اندیکاتورهای میانگین متحرک در پلتفورم‌ های معامله دارای استاندارد هستند. این اندیکاتور قابلیت تنظیم نیز دارد.

برای انجام معامله با استفاده از این استراتژی، نیاز به سه نمودار میانگین متحرک داریم:

• تنظیمات با بازه 20 روزه
• تنظیمات با بازه 60 روزه
• تنظیمات با بازه 100 روزه

نمودار بازه 20 روزه،میانگین متحرک کوتاه مدت ماست، نمودار بازه 60 روزه،میانگین متحرک میان مدت است و نمودار بازه 100 روزه اندیکاتور روند (بلند مدت) را نشان می‌دهد.این استراتژی زمانی سیگنال خرید یا (Buy) می‌دهد که میانگین متحرک کوتاه مدت ،میانگین متحرک میان مدت را قطع کرده و در بالای آن حرکت می‌کند. زمانی این استراتژی سیگنال فروش یا (Sell) می‌دهد که میانگین متحرک کوتاه مدت، MA میان مدت را قطع کرده و در پایین آن حرکت می‌کند.بنابراین زمانی می‌توان پوزیشن گرفت که نمودارمیانگین متحرک (MA) در یک جهت حرکت می‌کنند و زمانی پوزیشن را می‌بندیم که خلاف جهت شروع به حرکت کنند.

حال این سوال پیش می آید که از کجا بفهمیم قیمت شروع به ایجاد روند کرده :

اگر نمودار میله‌ای قیمت به صورت پایدار بالا یا پایین بازه 100 روزه باشد، متوجه می‌شوید که روند قوی از قیمت اجرا می‌شود بنابراین معامله ادامه می‌یابد.میانگین های متحرک معروف تنظیمات بالا می‌تواند به دوره های کوتاه تر تغییر کند، اما سیگنال های نادرستی می‌دهد و ممکن است به جای کمک، تبدیل به مانعی برای شما شود اگر می‌خواهید بدون نوسانات قیمتی کوتاه مدت که منجر به سیگنال اشتباه می شود شروع به معامله کنید، تنظیمات پیشنهاد شده، سیگنالهایی را ایجاد می‌کنند که به شما امکان می‌دهد که روند را دنبال کنید.

فرمول محاسبه میانگین متحرک(MA)

اجزای فرمول

• میانگین متحرک نمایی امروز: EMAToday
• میانگین متحرک نمایی دیروز: EMAYesterday
• هموارسازی: Smoothing
• روزها: Days

سه قدم اولیه جهت محاسبه میانگین متحرک نمایی:

• محاسبه میانگین متحرک ساده
• محاسبه ضریب برای فاکتور هموارسازی (smoothing)/وزن دهی (weighting) برای میانگین متحرک نمایی پیشین
• محاسبه میانگین متحرک نمایی کنونی
• محاسبه میانگین متحرک نمایی

برای محاسبه میانگین متحرک نمایی، ابتدا باید میانگین متحرک ساده را در طول یک بازه زمانی مشخص محاسبه کنید.

محاسبه میانگین متحرک ساده آسان است: فقط نیاز است قیمت‌های بسته شدن سهم برای تعداد دوره‌های زمانی مورد بحث را با هم جمع بزنید و تقسیم بر همان تعداد دوره‌ها کنید. به فرض مثال، یک میانگین متحرک ساده 20 روزه حاصل جمع قیمت‌های بسته شدن برای 20 روز معاملاتی گذشته است که تقسیم بر 20 شده است.

سپس باید ضریب هموارسازی (میانگین های متحرک معروف وزن‌دهی) میانگین متحرک نمایی، که معمولا از فرمول زیر تبعیت می‌کند را محاسبه کنید.

[(1 + بازه زمانی انتخاب شده) ÷ 2]

به عنوان مثال، برای یک میانگین متحرک 20 روزه، ضریب به شکل زیر خواهد بود:

در نهایت، برای محاسبه میانگین متحرک نمایی کنونی، از فرمول زیر استفاده کنید:

میانگین متحرک نمایی (روز پیش) + ضریب ×

نکات اندیکاتور میانگین متحرک:

اندیکاتور میانگین متحرک یک تعقیب کننده روند است و برای پیش بینی حرکت نمودار مناسب .این اندیکاتور تاخیر زیادی دارد که هیچ وقت اختلاف زمانی آن با نمودار قیمت به ۰ نمی رسد چون همواره نیاز به اطلاعات قیمتی دارد که پس از انجام معاملات بدست می آید.

MA در بازار های پر نوسان به مشکل می خورد و در بازار های رنج کاربردی ندارد بلکه تنها در مواقعی که بازار دارای روند می باشد می توان از آن استفاده کرد.

دوره های اندیکاتور میانگین متحرک را بر اساس استراتژی معاملاتی و تایم فریم تان می توانید از یک دقیقه و ساعت و روز و هفته تا حتی ۲۰۰ روز و… تعیین کنید.

اندیکاتور میانگین متحرک را همانند دیگر ابزار های تحلیل تکنیکال نمی توان به تنهایی به کار برد و باید در کنار دیگر ابزار ها و تحلیل های بنیادی استفاده کرد تا در کنار کاهش ریسک و افزایش سطح اطمینان سود بیشتری به شما برساند.

نحوه استفاده از میانگین متحرک برای خرید سهام

نحوه استفاده از میانگین متحرک برای خرید سهام

میانگین متحرک (MA) یک ابزار تجزیه و تحلیل تکنیکال ساده است که با ایجاد یک قیمت متوسط ​​به طور مداوم و به روز ، داده های قیمت را هموار می کند. میانگین در مدت زمانی خاص مانند ۱۰ روز ، ۲۰ دقیقه ، ۳۰ هفته یا هر دوره زمانی انتخاب می شود. مزایایی فراوان در استفاده از میانگین متحرک در تجارت شما وجود دارد. استراتژی های میانگین متحرک هم برای سرمایه گذاران بلند مدت و هم برای معامله گران کوتاه مدت بسیار محبوب هستند و می توانند متناسب با هر بازه زمانی باشند

پیشگویی های کلیدی

• میانگین متحرک (MA) یک شاخص فنی پرکاربرد است که با فیلتر کردن نویزهای بازار از نوسانات تصادفی کوتاه مدت قیمت ، روند قیمت را هموار می کند.
• میانگین های متحرک می توانند به چندین روش مختلف ساخته شوند و تعداد روزهای مختلفی را برای فاصله متوسط ​​به کار گیرند.
• متداول ترین کاربردهای MA برای شناسایی جهت روند و تعیین سطح حمایت و مقاومت است.
• هنگامی که قیمت دارایی از میانگین های در حال حرکت آنها عبور می کند ، ممکن است سیگنال معاملاتی برای معامله گران فنی ایجاد کند.
• در حالی که میانگین های متحرک به خودی خود به اندازه کافی مفید هستند ، آنها پایه و اساس سایر شاخص های فنی مانند واگرایی و همگرایی میانگین متحرک (MACD) را تشکیل می دهند.

چرا از میانگین متحرک استفاده می کنیم؟

یک MA به کاهش مقدار نویز در نمودار قیمت کمک می کند. به جهت میانگین متحرک نگاه کنید تا یک ایده اصلی در مورد اینکه کدام یک از قیمت ها در حال حرکت است ، بدست آورید. در صورت افزایش قیمت ، قیمت به طور کلی بالا می رود یا اگر زاویه به سمت پایین باشد ، قیمت به طور کلی در حال پایین آمدن است.

یک MA می تواند به عنوان حمایت یا مقاومت عمل کند. در روند صعودی ، میانگین متحرک ۵۰ روزه ، ۱۰۰ روزه یا ۲۰۰ روزه ممکن است به عنوان سطح حمایت عمل کنند ، همانطور که در شکل زیر نشان داده شده است. این امر به این دلیل است که متوسط ​​مانند کف (حمایتی) عمل می کند . در روند نزولی ، یک میانگین متحرک ممکن است به عنوان مقاومت عمل کند. مانند سقف ، قیمت به سطح می رسد و دوباره شروع به کاهش می کند.

قیمت همیشه از این طریق به میانگین متحرک ‘احترام’ نمی گذارد. قیمت ممکن است قبل از رسیدن به آن متوقف و معکوس شود.

به عنوان یک راهنمای کلی ، اگر قیمت بالاتر از یک MA باشد ، روند صعودی در حال افزایش است. اگر قیمت زیر میانگین متحرک باشد ، روند نزولی است. با این حال ، میانگین متحرک می تواند طول های مختلفی داشته باشد ، بنابراین یک MA ممکن است روند صعودی را نشان دهد در حالی که MA دیری در بازه زمانی خاص، نشان دهنده روند نزولی است.

انواع میانگین های متحرک

میانگین متحرک ساده را می توان به روش های مختلف محاسبه کرد. MA پنج روزه (SMA) قیمت پنج روز اخیر را محاسبه و آن را به پنج تقسیم می کند تا میانگین جدیدی در هر روز ایجاد کند. هر میانگین به حالت بعدی متصل است و خط جریان یکتایی ایجاد می کند.

میانگین محبوب دیگر در حال حرکت ، میانگین متحرک نمایی (EMA) است. این محاسبه پیچیده تر است ، زیرا وزن بیشتری را نسبت به قیمت های اخیر اعمال می کند. اگر SMA 50 روزه و EMA 50 روزه را در همان نمودار ترسیم کنید ، متوجه می شوید که EMA با توجه به وزن اضافی در داده های قیمت اخیر ، سریعتر نسبت به تغییرات قیمت واکنش نشان می دهد.

نمودار نرم افزار و سیستم عامل های معاملاتی محاسبات را انجام می دهند ، بنابراین هیچ ریاضی دستی برای استفاده از یک MA لازم نیست.

یک نوع MA بهتر از دیگری نیست. EMA ممکن است برای مدتی در بورس یا بازار مالی بهتر کار کند و در مواقع دیگر ، SMA ممکن است بهتر عمل کند. چهارچوب زمانی که برای یک MA انتخاب شده باشد ، همچنین نقش مهمی در اثربخشی آن (صرف نظر از نوع) دارد.

طول میانگین متحرک

طول متوسط ​​متحرک مشترک ۱۰ ، ۲۰ ، ۵۰ ، ۱۰۰ و ۲۰۰ است. این طول بسته به افق زمانی معامله گر ، می تواند در هر بازه زمانی نمودار (یک دقیقه ، روزانه ، هفتگی و غیره) اعمال شود.

چهارچوب زمانی یا طولی که برای یک MA انتخاب کرده اید ، همچنین ‘دوره بازگشت به عقب’ نیز گفته می شود و می تواند در تأثیرگذاری آن نقش بزرگی داشته باشد.

یک MA با یک بازه زمانی کوتاه نسبت به MA با یک دوره برگشت طولانی بسیار سریعتر نسبت به تغییرات قیمت واکنش نشان می دهد. در شکل زیر ، میانگین حرکت ۲۰ روزه نزدیکتر از قیمت میانگین متحرک ۱۰۰ روزه ، قیمت واقعی را ردیابی می کند.

۲۰ روز ممکن است برای یک معامله گر کوتاه مدت از سود تحلیلی برخوردار باشد زیرا قیمت را از نزدیک دنبال می کند و بنابراین ‘تاخیر’ کمتری نسبت به MA بلند مدت ایجاد می کند. MA 100 روزه ممکن است برای یک معامله گر بلند مدت سود بیشتری داشته باشد.

تاخیر، زمانی است که طول میکشد تا یک MA برای نشان دادن یک وارونگی احتمالی به شما خبر بدهد. به یاد بیاورید که ، به عنوان یک راهنمای کلی ، وقتی قیمت بالاتر از یک میانگین متحرک است ، این روند در نظر گرفته می شود. بنابراین وقتی قیمت پایین تر از MA قرار می گیرد ، براساس آن MA معکوس می شود. میانگین متحرک ۲۰ روزه ، سیگنالهای ‘واژگونی’ بیشتری را نسبت به میانگین متحرک ۱۰۰ روزه فراهم می کند.

یک میانگین متحرک می تواند به هر طول باشد: ۱۵ ، ۲۸ ، ۸۹ و غیره. تنظیم MA برای ایجاد سیگنال های دقیق تر در داده های تاریخی ممکن است به ایجاد سیگنال های آینده بهتر کمک کند.

استراتژی های معاملاتی — کراس اوور

کراس اوور یکی از اصلی ترین استراتژی های MA است. نوع اول یک متقاطع قیمت است ، یعنی زمانی که قیمت از بالاتر یا پایین تر از MA عبور می کند، سیگنال تغییر احتمالی روند را نشان میدهد.

استراتژی دیگر استفاده از دو میانگین متحرک در نمودار است: یکی طولانی تر و دیگری کوتاه تر. وقتی MA کوتاه مدت از بالای MA بلند مدت عبور کند ، این یک سیگنال خرید است ، زیرا این امر نشان می دهد روند در حال افزایش است. این به ‘صلیب طلایی‘ معروف است.

در همین حال ، هنگامی که MA کوتاه مدت از MA طولانی مدت از بالا به پایین عبور می کند ، یک سیگنال فروش است ، زیرا نشان می دهد روند نزولی دارد. این استراتژی به ‘صلیب مرده / مرگ’ معروف است.

معایب MA

میانگین های متحرک بر اساس داده های تاریخی محاسبه می شوند و هیچ چیز در مورد محاسبه از نظر ماهیت قابل پیش بینی نیست. بنابراین ، نتایج با استفاده از میانگین های متحرک می تواند تصادفی باشد. گاهی اوقات ، بازار به حمایت و مقاومت از سیگنالهای تجاری MA احترام می گذارد و در بعضی مواقع ،به این شاخص ها توجهی نمیکنند.

یکی از مشکلات اساسی این است که ، قیمت ممکن است به جلو و عقب برگردد و وارونگی چندین روند یا سیگنالهای تجاری ایجاد کند. هنگامی که این اتفاق می افتد ، بهتر است از شاخص دیگری استفاده کنید تا به روشن شدن روند کمک کنید. همین اتفاق می تواند در مورد کراس اوور رخ دهد که MA برای مدت زمانی ‘درهم می شوند’ و باعث می شوند چندین تجارت از دست داده شود.

MA ها در شرایط اوج مارکت روند کار بسیار خوبی دارند. تنظیم کادر زمانی می تواند این مشکل را به طور موقت برطرف کند ، اگرچه در بعضی مقاطع ، این مسائل بدون در نظر گرفتن فاصله زمانی انتخاب شده برای میانگین (های) متحرک ، به احتمال زیاد رخ می دهند.

کلام آخر

یک میانگین متحرک داده های قیمت را با هموار کردن آن و ایجاد یک خط جریان ساده ، ساده می کند. این باعث می شود دیدن روند راحت تر شود. میانگین های متحرک نمایی نسبت به میانگین های متحرک ساده سریعتر نسبت به تغییرات قیمت واکنش نشان می دهند. در برخی موارد ، این ممکن است خوب باشد ، و در برخی دیگر ، ممکن است باعث ایجاد علائم کاذب شود. میانگین های متحرک با دوره بازگشت کوتاه تر (به عنوان مثال ۲۰ روز) نیز سریعتر از تغییرات میانگین نسبت به میانگین با دوره برگشت طولانی تر (۲۰۰ روز) پاسخ می دهند.

حرکت متقاطع متوسط ​​یک استراتژی رایج برای ورود و خروج است. MA همچنین می تواند مناطقی از حمایت یا مقاومت بالقوه را برجسته کند.متحرک همیشه بر اساس داده های تاریخی استوار است و به طور متوسط ​​قیمت متوسط ​​را در یک بازه زمانی مشخص نشان می دهد.

معرفی شاخص های تکنیکال و چگونگی استفاده از آنها؛ میانگین متحرک

تجزیه و تحلیل تکنیکال و فنی در دنیای سرمایه گذاری و مبادلات چیز جدیدی نیست. از اوراق بهادار سنتی گرفته تا ارزهای رمزنگاری مانند بیت کوین و اتریوم، استفاده از شاخص های تجزیه و تحلیل فنی یک هدف دارد: از داده های موجود برای تصمیم گیری های درست و آگاهانه و نیز پیش بینی قیمت ها استفاده کنید که احتمالا منجر به نتایج مطلوب خواهد شد. هر چه بازارها بزرگ تر و پیچیده تر می شوند، شاخص های فنی جدیدتر و کاربردی تری ارائه می شود. با این حال تعداد کمی از آنها محبوبیت و استفاده مداوم را مانند میانگین متحرک(MA) دارند.

اگرچه متغیرهای متفاوتی در میانگین متحرک دخیل هستند، اما هدف اصلی آنها درک بهتر نمودارهای مبادلاتی است. این شاخص با ایجاد یک شاخص روند، به راحتی این کار را انجام می دهد. میانگین متحرک در تحلیل تکنیکال اساسا یک ابزار تعقیب کننده روند محسوب می شود. از آنجا که تکیه میانگین متحرک به داده های گذشته است، یک تاخیر زمانی نسبت به سایر شاخص ها دارد. با این حال این شاخص هنوز هم قدرت بسیار خوبی برای درک نوسانات و کمک به این که بازار به چه سمتی خواهد رفت، دارد.

انواع مختلف میانگین متحرک

انواع مختلف میانگین متحرک وجود دارد که توسط معامله گران نه تنها در معاملات روزانه، که در سرمایه گذاری های بلند مدت نیز مورد استفاده قرار می گیرد. با وجود انواع مختلف میانگین متحرک، معمولا به دو نوع تقسیم می شود: میانگین متحرک ساده(SMA) و میانگین متحرک نمایی(EMA). بسته به بازار و آنچه مورد نظر است، معامله گران می توانند انتخاب کنند که کدام شاخص برای آنها مفید خواهد بود و استفاده از آن برای آنها سود دارد.

میانگین متحرک ساده

SMA داده های یک دوره زمانی مشخص را می گیرد و میانگین قیمت دارایی مورد نظر را بر اساس داده ها محاسبه می کند. تفاوت بین SMA و میانگین معمولی این است که در SMA به محض ورود داده های جدید، داده های قدیمی تر در نظر گرفته نمی شود. بنابراین اگر میانگین متحرک ساده 10 روزه در نظر گرفته شود، میانگین داده ها بر اساس اطلاعات 10 روزه محاسبه می شود و تمام داده ها به طور مداوم به روزرسانی می شود تا دقیقا اطلاعات 10 روزه محاسبه شود.

ذکر این نکته ضروری است که در SMA تمام داده های ورودی دارای ارزش وزنی یکسانی هستند. معامله گرانی که معتقدند جدیدترین داده ها باید ارزش و وزن بیشتری داشته باشند، اغلب اظهار می‌کنند دادن وزن یکسان در SMA برای تجزیه و تحلیل فنی سودمند نیست. میانگین متحرک نمایی برای این منظور و رفع این اشکال ایجاد شده است.

میانگین متحرک نمایی

EMA نیز به نوعی شبیه SMA است، زیرا در تجزیه و تحلیل فنی در هر دو بر اساس نوسانات قیمتی گذشته محاسبات انجام می شود. با این حال در EMA کمی پیچیده تر است، زیرا EMA وزن و ارزش بیشتری را برای جدیدترین اطلاعات و قیمت های اخیر قرار می دهد. اگر چه هر دو نوع میانگین دارای ارزش هستند و کاربرد گسترده ای دارند، اما EMA در برابر نوسانات و معکوس شدن ناگهانی قیمت حساسیت بیشتری دارد.

از آنجا که EMA احتمالا سریعتر و بهتر از SMA، معکوس شدن روند قیمتی را پیش بینی می کند، غالبا مورد استفاده معامله گرانی است که در کوتاه مدت مبادله می کنند. برای یک تاجر یا سرمایه گذار مهم است که نوع میانگین متحرک را بر اساس استراتژی ها و اهداف شخصی خود انتخاب کند و تنظیمات خود را مطابق با آن انجام دهد.

چگونه می توان از میانگین متحرک استفاده کرد

از آنجا که در میانگین متحرک به جای قیمت لحظه و حال حاضر از قیمت های گذشته استفاده می شود، این شاخص یک دوره تاخیر زمانی مشخص نسبت به عملکرد بازار دارد. هر چه بازه یا دوره زمانی بیشتر باشد این تاخیر زمانی بیشتر خواهد بود. به عنوان مثال یک میانگین متحرک 100 روزه نسبت به یک میانگین متحرک 10 روزه حساسیت کمتری نسبت به تغییرات قیمت و داده های جدید دارد. این حساسیت کمتر فقط به این دلیل است که ورود یک داده جدید به یک مجموعه داده بزرگتر، تاثیر کمتری در تعداد کل خواهد داشت.

بسته به نوع معاملات هر دو نوع می توانند مفید باشند. سرمایه گذاران بلند مدت معمولا از میانگین متحرک در دوره زمانی طولانی تری استفاده می کنند، زیرا وجود یک یا دو نوسان بزرگ، تاثیر کمتری در محاسبات خواهد داشت. اما معامله گرانی که در کوتاه مدت عمل می کنند، اغلب از بازه زمانی کوچکتر استفاده می کنند چون حساسیت بیشتری به جدیدترین قیمت ها دارد.

در بازارهای سنتی میانگین متحرک 50، 100 و 200 روزه بیشترین کاربرد را دارد. میانگین متحرک 50 روزه و 200 روزه از جانب معامله گران بورس به شدت بررسی می شود و هرگونه تغییر و عبور از خط میانگین متحرک به عنوان سیگنال تجاری و مبادلاتی قلمداد می شود، به ویژه به دنبال یک روند متقاطع. این امر در معاملات ارزهای رمزنگاری نیز صدق می کند، اما به دلیل بازارهای بی ثبات این ارزها در تمام ساعات شبانه روز، تنظیمات مربوط به میانگین متحرک و استراتژی های معاملاتی ممکن است در معامله میانگین های متحرک معروف گران مختلف، متفاوت باشد.

سیگنال های متقاطع(crossover signal)

به طور طبیعی یک میانگین متحرک افزایشی روند صعودی و یک میانگین متحرک کاهشی یک روند نزولی را نشان می دهد. با این حال یک میانگین متحرک به تنهایی شاخصی قابل اعتماد و قوی نیست. بنابراین میانگین متحرک در ترکیب با قیمت لحظه ای به کار می رود تا سیگنال های متقاطع صعودی و نزولی را بتوان مشاهده کرد.

سیگنال متقاطع زمانی ایجاد می شود که دو میانگین متحرک متفاوت در یک نمودار یکدیگر را قطع کنند. به عنوان مثال یک تقاطع افزایشی (که به آن صلیب طلایی نیز می گویند) زمانی رخ می دهد که میانگین متحرک کوتاه مدت، میانگین متحرک بلند مدت را قطع کند و در بالاتر از آن قرار گیرد که می تواند نشان دهنده شروع یک روند افزایشی و سیگنال خرید باشد. در مقابل یک تقاطع کاهشی (یا صلیب مرگ) زمانی رخ خواهد داد که میانگین متحرک کوتاه مدت پایین تر از میانگین متحرک بلند مدت قرار گیرد و این نشانگر آغاز روند نزولی است.

سایر فاکتورهای مورد توجه

تمام مثال هایی که تا به حال زده شد بر حسب روز بود، اما این مورد در هنگام تجزیه و تحلیل میانگین متحرک ضروری نیست. ممکن است معامله گران بخواهند روند دو یا سه ساعت اخیر را بررسی کنند نه روند دو یا سه ماهه را. فریم های مختلف زمانی می توانند به معامله گران برای محاسبه میانگین متحرک کمک کنند و تا زمانی که این بازه های زمانی با استراتژی های مبادلاتی معامله گر مطابقت داشته باشد، استفاده از آن می تواند مفید باشد.

یکی از مهمترین معایب میانگین متحرک، تاخیر زمانی آن است. از آنجایی که میانگین متحرک از قیمت های قبلی استفاده می کند، تاخیر زمانی وجود دارد و بنابراین ممکن است سیگنال ها خیلی با تاخیر تاثیر بگذارند. به عنوان مثال یک تقاطع افزایشی ممکن است پیشنهاد خرید را داشته باشد، اما این امر تنها پس از یک افزایش قابل توجه قیمت رخ خواهد داد. این بدان معنا است که حتی اگر روند صعودی ادامه یابد، ممکن است فرصت سود بالقوه قابل استفاده در دوره زمانی بین افزایش قیمت و مشاهده سیگنال متقاطع از دست رفته باشد. یا حتی بدتر؛ این که یک سیگنال صلیب طلایی کاذب ممکن است معامله گر را به خرید در قسمت اوج سوق دهد که پس از آن قیمت افت می کند. (این سیگنال های خرید جعلی معمولا به نام تله افزایشی معروف هستند.)

میانگین متحرک از شاخص های قدرتمند در تحلیل های تکنیکال بوده و یکی از پرکاربردترین آنها است. توانایی تجزیه و تحلیل روند بازار به صورت داده محور، چشم انداز مناسبی را در مورد عملکرد بازار ارائه می دهد. البته به خاطر داشته باشید که میانگین متحرک و سیگنال های متقاطع نباید به تنهایی مورد استفاده قرار گیرند و همیشه برای پیشگیری استفاده از سیگنال های جعلی، ترکیب استفاده از شاخص های مختلف در تحلیل تکنیکال بهتر است.

این شاخص در نمودارهای سایت کوین سرا موجود است. می توانید پس از انتخاب ارز مورد نظر خود از قسمت اندیکاتورها بر روی نمودار، این شاخص یا هر شاخص مورد نظر خود را انتخاب نمایید.

انواع میانگین متحرک در تحلیل تکنیکال

میانگین متحرک، (به انگلیسی: Moving average) یکی از شاخص‌های مهم و مورد استفاده فراوان، در تحلیل تکنیکی است، که با حذف نوسانات قیمتی کمک می‌کند، تا سرمایه‌گذار بتواند تصویر . تریدرها از (MA) برای تعیین دقیق مناطق تجاری، شناسایی روندها و تحلیل بازارها استفاده می‌کنند. . به همین دلیل است که انواع مختلف وجود دارد. ادامه.

دلیل استفاده از محاسبه میانگین متحرک در تحلیل تکنیکال، کمک به هموار کردن داده های قیمت با . یکی دیگر از انواع محبوب MA ، میانگین متحرک نمایی (EMA) است. ادامه.

Jul 1, 2019 — 1.1 ساختار و انواع اندیکاتور میانگین متحرک . برای آگاهی بیشتر درباره نرم افزار های تحلیل تکنیکال پیشنهاد می کنیم این مطلب را از دست ندهید: . ادامه.

آموزش میانگین متحرک در تحلیل تکنیکال . اندیکاتور همگرایی-واگرایی میانگین متحرک مکدی در تحلیل تکنیکال چیست؟ . معرفی انواع میانگین های متحرک. ادامه.

یکی از مهمترین و پراستفاده ترین اندیکاتور تکنیکال، میانگین متحرک می باشد که . متحرک. ی. که توضیح آن. گذشت. ، میانگین متحرک ساده. 3. نامیده می شود . انواع . از تحلیل تکنیکی در بازار بورس اوراق بهادار تهران در سه سطح شاخص کل، گروه ها و . ادامه.

Nov 23, 2020 — یکی از مهم‌ترین ابزارهای تحلیل تکنیکال، میانگین متحرک یا Moving . انواع میانگین متحرک؛ میانگین متحرک ساده و نمایی چه تفاوتی دارند؟ ادامه.

معامله‌گران معمولاً از انواع متفاوتی از میانگین‌های متحرک نمایی استفاده می‌کنند، مانند میانگین‌های متحرک نمایی ده‌روزه، پنجاه‌روزه، و یا حتی میانگین‌های متحرک نمایی . ادامه.

مجموعه سرزمین خشایارشا – آموزش تحلیل تکنیکال موضوع میانگین متحرک به . اینها از انواع دیگر میانگین متحرک هستند که به داده های جدید ارزش و وزن بیشتری در . ادامه.

به خاطر همین است که در تقسیم بندی انواع شاخص‌ها اشاره کردیم که یک مدیر، همه دقیقه‌های تاخیر کارکنانش را با هم جمع می‌زند و به عنوان یک شاخص مورد بررسی قرار می‌دهد. آنچه . ادامه.

folder_open آموزش ها ، تحلیل تکنیکال ، مقالات . تفاوت این میانگین با دیگر انواع میانگین متحرک را می توان در حساسیت بسیار کم آن نسبت به آخرین تغییرات . ادامه.