Exponentielle Glättung erklärt. Kopiere das Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. Wenn die Leute zuerst den Begriff Exponentielle Glättung begegnen, können sie denken, das klingt wie eine Hölle von viel Glättung. Was Glättung ist. Sie fangen dann an, eine komplizierte mathematische Berechnung vorzustellen, die wahrscheinlich einen Grad in der Mathematik erfordert, um zu verstehen, und hoffe, dass es eine eingebaute Excel-Funktion gibt, wenn sie es jemals tun müssen. Die Realität der exponentiellen Glättung ist weit weniger dramatisch und weit weniger traumatisch. Die Wahrheit ist, exponentielle Glättung ist eine sehr einfache Berechnung, die eine ziemlich einfache Aufgabe vollbringt. Es hat nur einen komplizierten Namen, denn was technisch passiert als Ergebnis dieser einfachen Berechnung ist eigentlich ein wenig kompliziert. Um eine exponentielle Glättung zu verstehen, hilft es, mit dem allgemeinen Konzept der Glättung zu beginnen und ein paar andere gängige Methoden, um Glättung zu erreichen. Was ist Glättung Glättung ist ein sehr häufiger statistischer Prozess. In der Tat, wir regelmäßig begegnen geglättete Daten in verschiedenen Formen in unserem täglichen Leben. Jedes Mal, wenn Sie einen Durchschnitt verwenden, um etwas zu beschreiben, verwenden Sie eine geglättete Zahl. Wenn Sie darüber nachdenken, warum Sie einen Durchschnitt verwenden, um etwas zu beschreiben, werden Sie schnell verstehen, das Konzept der Glättung. Zum Beispiel haben wir gerade den wärmsten Winter auf Rekord erlebt. Wie können wir das gut beurteilen? Wir beginnen mit Datensätzen der täglichen Hoch - und Tieftemperaturen für den Zeitraum, in dem wir Winter für jedes Jahr in der aufgezeichneten Geschichte nennen. Aber das lässt uns mit einer Reihe von Zahlen, die um ein bisschen herumspringen (es ist nicht wie jeden Tag dieser Winter war wärmer als die entsprechenden Tage aus allen früheren Jahren). Wir brauchen eine Nummer, die all das aus den Daten springt, so dass wir einen Winter zum nächsten einfacher vergleichen können. Das Entfernen des Sprungs um in den Daten wird als Glättung bezeichnet, und in diesem Fall können wir einfach einen einfachen Durchschnitt verwenden, um die Glättung zu erreichen. Bei der Bedarfsprognose verwenden wir Glättung, um zufällige Variation (Lärm) aus unserer historischen Nachfrage zu entfernen. Dies ermöglicht es uns, die Nachfragemuster besser zu identifizieren (vor allem Trend und Saisonalität) und die Nachfrage, die zur Schätzung der zukünftigen Nachfrage genutzt werden können. Der Lärm in der Nachfrage ist das gleiche Konzept wie das tägliche Springen um die Temperaturdaten. Nicht überraschend, die häufigste Art und Weise Menschen entfernen Lärm aus der Nachfrage Geschichte ist es, eine einfache durchschnittlich genauer, ein gleitender Durchschnitt zu verwenden. Ein gleitender Durchschnitt verwendet einfach eine vordefinierte Anzahl von Perioden, um den Durchschnitt zu berechnen, und diese Perioden bewegen sich, wenn die Zeit vergeht. Zum Beispiel, wenn Im mit einem 4-Monats-gleitenden Durchschnitt, und heute ist der 1. Mai, Im mit einem durchschnittlichen Nachfrage, die im Januar, Februar, März und April aufgetreten. Am 1. Juni werde ich die Nachfrage von Februar, März, April und Mai verwenden. Gewichteter gleitender Durchschnitt Wenn wir einen Durchschnitt verwenden, wenden wir die gleiche Bedeutung (Gewicht) auf jeden Wert im Datensatz an. Im 4-Monats-Gleitender Durchschnitt repräsentierte jeder Monat 25 des gleitenden Durchschnitts. Bei der Verwendung der Nachfrage Geschichte, um zukünftige Nachfrage (und vor allem zukünftige Trend) zu projizieren, ist es logisch, zu dem Schluss zu kommen, dass Sie möchten, dass die jüngste Geschichte einen größeren Einfluss auf Ihre Prognose haben wird. Wir können unsere gleitendurchschnittliche Berechnung anpassen, um verschiedene Gewichte auf jede Periode anzuwenden, um unsere gewünschten Ergebnisse zu erhalten. Wir geben diese Gewichte als Prozentsatz aus, und die Summe aller Gewichte für alle Perioden muss bis zu 100 addieren. Wenn wir also entscheiden, dass wir 35 als das Gewicht für die nächste Periode in unserem 4-Monats-gewichteten gleitenden Durchschnitt anwenden wollen, können wir Subtrahieren Sie 35 von 100, um zu finden, dass wir noch 65 übrig haben, um über die anderen 3 Perioden aufzuteilen. Zum Beispiel können wir mit einer Gewichtung von 15, 20, 30 und 35 für die 4 Monate (15 20 30 35 100) enden. Exponentielle Glättung. Wenn wir wieder auf das Konzept der Anwendung eines Gewichts auf die jüngste Periode (wie etwa 35 im vorigen Beispiel) und die Ausbreitung der restlichen Gewicht (berechnet durch Subtraktion der jüngsten Periode Gewicht von 35 von 100 bis 65), haben wir Die Grundbausteine für unsere exponentielle Glättung. Die Steuerungseingabe der exponentiellen Glättungsberechnung ist als Glättungsfaktor (auch Glättungskonstante genannt) bekannt. Es stellt im Wesentlichen die Gewichtung dar, die auf die jüngste Periode verlangt wird. Also, wo wir 35 als Gewichtung für die jüngste Periode in der gewichteten gleitenden Durchschnittsberechnung verwendet haben, könnten wir auch wählen, 35 als Glättungsfaktor in unserer exponentiellen Glättungsberechnung zu verwenden, um einen ähnlichen Effekt zu erhalten. Der Unterschied zur exponentiellen Glättungsrechnung ist, dass anstelle von uns auch herauszufinden, wie viel Gewicht für jede vorherige Periode gilt, wird der Glättungsfaktor verwendet, um das automatisch zu machen. Also hier kommt der exponentielle Teil. Wenn wir 35 als Glättungsfaktor verwenden, wird die Gewichtung der letzten Periodennachfrage 35 sein. Die Gewichtung der nächsten letzten Perioden verlangt (der Zeitraum vor dem jüngsten) 65 von 35 (65 kommt von der Subtraktion von 35 aus 100). Dies entspricht 22,75 Gewichtung für diesen Zeitraum, wenn Sie die Mathematik machen. Die nächste jüngste Periode verlangt 65 von 65 von 35, was 14,79 entspricht. Die Periode davor wird als 65 von 65 von 65 von 35 gewichtet, was 9,61 entspricht, und so weiter. Und das geht zurück durch alle Ihre vorherigen Perioden den ganzen Weg zurück zum Anfang der Zeit (oder der Punkt, an dem Sie begonnen haben, exponentielle Glättung für dieses bestimmte Element). Du denkst wahrscheinlich, dass das aussieht wie eine ganze Menge Mathe. Aber die Schönheit der exponentiellen Glättung Berechnung ist, dass anstatt zu rechnen, um jede vorherige Periode jedes Mal, wenn Sie eine neue Perioden Nachfrage erhalten, verwenden Sie einfach die Ausgabe der exponentiellen Glättung Berechnung aus der vorherigen Periode, um alle vorherigen Perioden zu repräsentieren. Sind Sie verwirrt, doch wird dies sinnvoller sein, wenn wir uns die tatsächliche Berechnung ansehen. Normalerweise verweisen wir auf die Ausgabe der exponentiellen Glättungsberechnung als nächster Periodenvorhersage. In Wirklichkeit braucht die endgültige Prognose ein wenig mehr Arbeit, aber für die Zwecke dieser spezifischen Berechnung werden wir es als die Prognose verweisen. Die exponentielle Glättungsberechnung ist wie folgt: Die letzten Perioden verlangen multipliziert mit dem Glättungsfaktor. PLUS Die letzten Perioden prognostiziert multipliziert mit (ein Minus der Glättungsfaktor). D in den letzten Perioden verlangt S der Glättungsfaktor, der in Dezimalform dargestellt wird (also 35 wäre als 0,35 dargestellt). F die letzten Perioden prognostiziert (die Ausgabe der Glättungsberechnung aus der vorherigen Periode). ODER (unter der Annahme eines Glättungsfaktors von 0,35) (D 0,35) (F 0,65) Es wird nicht viel einfacher als das. Wie Sie sehen können, alles, was wir für Dateneingaben brauchen, sind hier die jüngsten Periodennachfrage und die letzten Periodenvorhersage. Wir wenden den Glättungsfaktor (Gewichtung) auf die letzten Perioden fordern die gleiche Weise wie wir in der gewichteten gleitenden Durchschnittsberechnung. Wir setzen dann die verbleibende Gewichtung (1 minus der Glättungsfaktor) auf die letzten Periodenvorhersage ein. Da die jüngsten Periodenprognosen auf der Grundlage der vorherigen Periodennachfrage und der vorangegangenen Periodenprognosen erstellt wurden, die auf der Nachfrage nach dem darauffolgenden Zeitraum und der Prognose für den darauffolgenden Zeitraum basierten, der auf der Nachfrage nach dem Vorjahreszeitraum beruhte Das und die Prognose für den Zeitraum vor dem, der auf der Zeit vor diesem basierte. Nun, Sie können sehen, wie alle vorherigen Perioden Nachfrage in der Berechnung vertreten sind, ohne tatsächlich zurückzukehren und etwas neu zu berechnen. Und das ist, was die anfängliche Popularität der exponentiellen Glättung fuhr. Es war nicht, weil es eine bessere Arbeit der Glättung als gewichtet gleitenden Durchschnitt, es war, weil es einfacher war, in einem Computer-Programm zu berechnen. Und weil Sie nicht brauchen, darüber nachzudenken, welche Gewichtung, um vorherige Perioden zu geben oder wie viele vorherige Perioden zu verwenden, wie Sie in gewichteten gleitenden Durchschnitt. Und weil es nur kühler klang als gewichteter gleitender Durchschnitt. In der Tat könnte man argumentieren, dass der gewichtete gleitende Durchschnitt eine größere Flexibilität bietet, da Sie mehr Kontrolle über die Gewichtung der vorherigen Perioden haben. Die Realität ist entweder von diesen können respektable Ergebnisse liefern, also warum nicht mit einfacher und kühler klingen gehen. Exponentielle Glättung in Excel Lets sehen, wie dies tatsächlich in einer Kalkulationstabelle mit realen Daten aussehen würde. Kopiere das Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. In Abbildung 1A haben wir eine Excel-Kalkulationstabelle mit 11 Wochen Nachfrage und eine exponentiell geglättete Prognose, die aus dieser Nachfrage berechnet wird. Ive verwendet einen Glättungsfaktor von 25 (0,25 in Zelle C1). Die aktuelle aktive Zelle ist die Zelle M4, die die Prognose für die Woche 12 enthält. Sie können in der Formelleiste sehen, die Formel ist (L3C1) (L4 (1-C1)). So sind die einzigen direkten Eingaben zu dieser Berechnung die vorherigen Periodenanforderungen (Zelle L3), die vorherigen Periodenvorhersage (Zelle L4) und der Glättungsfaktor (Zelle C1, dargestellt als absolute Zellreferenz C1). Wenn wir eine exponentielle Glättungsberechnung starten, müssen wir den Wert für die 1. Prognose manuell stecken. Also in der Zelle B4, anstatt einer Formel, haben wir nur die Nachfrage aus dem gleichen Zeitraum wie die Prognose eingegeben. In Zelle C4 haben wir unsere 1. exponentielle Glättungsberechnung (B3C1) (B4 (1-C1)). Wir können dann Cell C4 kopieren und in die Zellen D4 bis M4 einfügen, um den Rest unserer Prognosezellen zu füllen. Sie können nun auf eine beliebige Prognosezelle doppelklicken, um zu sehen, dass sie auf den vorherigen Periodenprognosezelle basiert und die vorherigen Perioden die Zelle verlangen. So erbt jede nachfolgende exponentielle Glättungsberechnung die Ausgabe der vorherigen exponentiellen Glättungsberechnung. Das ist, wie jede vorherige Periode Nachfrage in der letzten Periodenberechnung dargestellt wird, obwohl diese Berechnung nicht direkt auf diese vorherigen Perioden verweist. Wenn du Lust haben willst, kannst du Excels Trace Präzedenzfälle nutzen. Um dies zu tun, klicken Sie auf Cell M4, dann auf der Multifunktionsleiste (Excel 2007 oder 2010) klicken Sie auf die Registerkarte Formeln und klicken Sie dann auf Trace Precedents. Es wird die Verbindungslinien auf die 1. Stufe der Präzedenzfälle ziehen, aber wenn du auf Trace Precedents klickst, zieht es Verbindungslinien zu allen vorherigen Perioden, um dir die ererbten Beziehungen zu zeigen. Jetzt sehen wir, welche exponentielle Glättung für uns getan hat. Abbildung 1B zeigt ein Liniendiagramm unserer Nachfrage und Prognose. Sie sehen, wie die exponentiell geglättete Prognose den Großteil der Jaggedness (das Springen um) von der wöchentlichen Nachfrage entfernt, aber immer noch gelingt, dem zu folgen, was ein Aufwärtstrend bei der Nachfrage zu sein scheint. Youll auch bemerken, dass die geglättete Prognoselinie tendenziell niedriger als die Nachfragelinie ist. Dies ist als Trendverzögerung bekannt und ist ein Nebeneffekt des Glättungsprozesses. Jedes Mal, wenn Sie Glättung verwenden, wenn ein Trend vorhanden ist, wird Ihre Prognose hinter dem Trend liegen. Das gilt für jede Glättungstechnik. In der Tat, wenn wir diese Kalkulationstabelle fortsetzen und die Eingabe von niedrigeren Nachfragezahlen (einen Abwärtstrend) einführen würden, würden Sie die Nachfragelinie fallen sehen, und die Trendlinie bewegt sich darüber, bevor sie den Abwärtstrend verfolgt. Thats, warum ich schon erwähnt habe die Ausgabe aus der exponentiellen Glättung Berechnung, die wir eine Prognose nennen, braucht noch etwas mehr Arbeit. Es gibt viel mehr zu prognostizieren als nur Glättung der Beulen in der Nachfrage. Wir müssen zusätzliche Anpassungen für Dinge wie Trend Verzögerung, Saisonalität, bekannte Ereignisse, die die Nachfrage beeinflussen können, etc. Aber alles, was über den Umfang dieses Artikels ist. Sie werden wahrscheinlich auch in Begriffe wie doppel-exponentielle Glättung und dreifach-exponentielle Glättung. Diese Begriffe sind ein bisschen irreführend, da Sie die Nachfrage nicht mehrmals neu beherrschen (Sie könnten, wenn Sie wollen, aber das ist nicht der Punkt hier). Diese Begriffe stellen eine exponentielle Glättung auf zusätzliche Elemente der Prognose dar. Also mit einfacher, exponentieller Glättung glätten Sie die Basisanforderung, aber mit doppelter exponentieller Glättung glätten Sie die Basisanforderung und den Trend und mit der dreifach exponentiellen Glättung glätten Sie die Basisanforderung plus den Trend und die Saisonalität. Die andere am häufigsten gestellte Frage nach exponentieller Glättung ist, wo bekomme ich meinen Glättungsfaktor Es gibt keine magische Antwort hier, du musst verschiedene Glättungsfaktoren mit deinen Bedarfsdaten testen, um zu sehen, was dir die besten Ergebnisse bringt. Es gibt Berechnungen, die den Glättungsfaktor automatisch einstellen und ändern können. Diese fallen unter den Begriff adaptive Glättung, aber Sie müssen vorsichtig mit ihnen sein. Es gibt einfach keine perfekte Antwort, und du solltest keine Berechnungen ohne gründliche Prüfung umsetzen und ein gründliches Verständnis dafür schaffen, was diese Berechnung tut. Sie sollten auch was-if-Szenarien ausführen, um zu sehen, wie diese Berechnungen auf Änderungsänderungen reagieren, die derzeit nicht in den Bedarfsdaten vorhanden sind, die Sie zum Testen verwenden. Das Datenbeispiel, das ich bisher benutzt habe, ist ein sehr gutes Beispiel für eine Situation, in der man wirklich andere Szenarien testen muss. Das besondere Datenbeispiel zeigt einen etwas konsequenten Aufwärtstrend. Viele große Unternehmen mit sehr teuren Prognosesoftware haben sich in der nicht so weit entfernten Vergangenheit in große Schwierigkeiten gebracht, als ihre Software-Einstellungen, die für eine wachsende Wirtschaft gezwickt wurden, nicht gut reagierten, als die Wirtschaft stagnierte oder schrumpfte. Dinge wie diese passieren, wenn Sie nicht verstehen, was Ihre Berechnungen (Software) tatsächlich tut. Wenn sie ihre Prognosesysteme verstanden hätten, hätten sie gewusst, dass sie in den Fall gehen mussten, wenn es plötzliche dramatische Veränderungen in ihrem Geschäft gab. So haben Sie es die Grundlagen der exponentiellen Glättung erklärt. Wollen Sie mehr über die Verwendung von exponentiellen Glättung in einer tatsächlichen Prognose wissen, schauen Sie sich mein Buch Inventory Management Explained. Kopiere das Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. Dave Piasecki Ist Inhaberin der Inventory Operations Consulting LLC. Ein Beratungsunternehmen, das Dienstleistungen im Zusammenhang mit Bestandsführung, Materialhandling und Lagerbetrieb erbringt. Er hat über 25 Jahre Erfahrung im Betriebsmanagement und kann über seine Website (Inventar) erreicht werden, wo er weitere relevante Informationen unterhält. Mein BusinessDEMA. mq4 DEMARLH. mq4 DEMA - schnelle Zusammenfassung Double Exponential Moving Average (DEMA) ist ein glatteres und schnelleres Moving Average entwickelt mit dem Ziel, die Verzögerungszeit zu reduzieren, die in traditionellen gleitenden Durchschnitten gefunden wird. DEMA wurde erstmals 1994 eingeführt, in dem Artikel Smoothing Data mit schnelleren Moving Averages von Patrick G. Mulloy in Technical Analysis of Stocks amp Commodities Magazin. In diesem Artikel sagt Mulloy: Bewegliche Durchschnitte haben eine nachteilige Verzögerungszeit, die mit steigender durchschnittlicher Länge zunimmt. Die Lösung ist eine modifizierte Version der exponentiellen Glättung mit weniger Verzögerungszeit. DEMA-Indikatorformel DEMA-Standardperiode (t) 21. DEMA ist nicht nur eine doppelte EMA. DEMA ist auch kein gleitender Durchschnitt eines gleitenden Durchschnitts. Es ist eine Kombination aus einer einzigen doppelten EMA für eine kleinere Verzögerung als die beiden beiden. Wie man mit DEMA DEMA handeln kann, kann anstelle von traditionellen gleitenden Durchschnitten verwendet werden oder die Formel kann angewendet werden, um Preisdaten für andere Indikatoren, die auf bewegten Durchschnitten basieren, zu verkleinern. DEMA kann helfen, Preisumkehrungen schneller zu verkürzen, im Vergleich zu regulären EMA. Diese beliebte Trading-Methode wie Moving Average Crossover, wird eine neue Bedeutung mit DEMA zu gewinnen. Lets vergleichen 2 EMA Crossover vs 2 DEMA Crossover Signale. DEMA MACD für MT4 Einige Mulloys Original-Test der DEMA-Indikator wurde auf dem MACD durchgeführt, wo er entdeckte, dass die DEMA-geglättete MACD schneller reagierte und trotz der Erzeugung von weniger Signalen höhere Ergebnisse als die reguläre MACD gab. DEMAMACD. mq4 MACD3DEMA. mq4 MACD3DEMAv101.mq4 Neben MACD kann die DEMA-Glättungsmethode auf verschiedene Indikatoren angewendet werden. Patrick G. Mulloy sagt: ..Erweiterte diese schnellere Version der EMA in Indikatoren wie die gleitende durchschnittliche konvergenziverivergence (MACD), Bollinger Bands oder TRIX können verschiedene Buysell-Signale, die vorne sind (dh Blei) und reagieren schneller als die Die von der einzigen EMA zur Verfügung gestellt wird. Eine andere von Mulloy entwickelte Glättungsmethode wird als TEMA bezeichnet. Das ist ein Triple Exponential Moving Average oder, noch eine weitere Triple EMA Version, entwickelt von Jack Hutson - TRIX Indikator. Copyright Kopie Forex-Indikatoren Hallo, ich mache gerne EA (Expert Advisor) mit DEMA. Die DEMA Formel, die ich unten gemacht habe, sieht aus wie falsch, weil ich es teste und es Geld verliere. Könnten Sie mir bitte die richtige sagen. Mein Name ist Jeffrey und meine E-Mail ist jyoungaus (at) yahoo. au. Vielen Dank. Doppeltes ema1 iMA (NULL, PERIODH1,14,0, MODEEMA, PRICECLOSE, 0) doppeltes ema1a iMA (NULL, PERIODH1,14,0, MODEEMA, ema1,0) doppeltes ema2 iMA (NULL, PERIODH1,28,0, MODEEMA, PRICECLOSE, 0) double ema2a iMA (NULL, PERIODH1,28,0, MODEEMA, ema2,0) doppelte Dema1 (ema1 2) - ema1a doppelte dema2 (ema2 2) - ema2a if (dema1 dema2) if (dema1Technical Analysis: Moving Averages Die meisten Chart-Muster zeigen eine Menge von Variation in der Preisbewegung. Dies kann es schwierig für Händler, um eine Vorstellung von einem Sicherheits-Gesamt-Trend zu bekommen. Eine einfache Methode Händler verwenden, um dies zu bekämpfen ist, um gleitende Durchschnitte gelten. Ein gleitender Durchschnitt ist der durchschnittliche Preis Von einer Sicherheit über einen festgelegten Zeitaufwand. Mit dem Plotten eines Sicherheits-Durchschnittspreis, wird die Preisbewegung geglättet. Sobald die täglichen Schwankungen entfernt sind, sind Händler besser in der Lage, den wahren Trend zu identifizieren und erhöhen die Wahrscheinlichkeit, dass es Wird zu ihren Gunsten arbeiten. (Um mehr zu erfahren, lesen Sie das Moving Averages Tutorial.) Arten von Moving Averages Es gibt eine Reihe von verschiedenen Arten von gleitenden Durchschnitten, die in der Art variieren, wie sie berechnet werden, aber wie jeder Durchschnitt interpretiert wird, bleibt gleich . Die Berechnungen unterscheiden sich nur in Bezug auf die Gewichtung, die sie auf die Preisdaten setzen, wobei sie von der gleichen Gewichtung jedes Preispunktes zu mehr Gewicht auf die jüngsten Daten gelegt werden. Die drei häufigsten Arten von gleitenden Durchschnitten sind einfach. Linear und exponentiell. Simple Moving Average (SMA) Dies ist die häufigste Methode, um den gleitenden Durchschnitt der Preise zu berechnen. Es dauert einfach die Summe aller vergangenen Schlusskurse über den Zeitraum und teilt das Ergebnis durch die Anzahl der bei der Berechnung verwendeten Preise. Zum Beispiel werden in einem 10-tägigen gleitenden Durchschnitt die letzten 10 Schlusskurse addiert und dann durch 10 geteilt. Wie Sie in Abbildung 1 sehen können, ist ein Händler in der Lage, den Durchschnitt weniger auf die sich ändernden Preise durch die Erhöhung der Zahl zu reagieren Der bei der Berechnung verwendeten Perioden. Die Erhöhung der Anzahl der Zeiträume in der Berechnung ist eine der besten Möglichkeiten, um die Stärke des langfristigen Trends und die Wahrscheinlichkeit, dass es umgekehrt zu messen. Viele Einzelpersonen argumentieren, dass die Nützlichkeit dieser Art von Durchschnitt begrenzt ist, weil jeder Punkt in der Datenreihe den gleichen Einfluss auf das Ergebnis hat, unabhängig davon, wo es in der Sequenz auftritt. Die Kritiker argumentieren, dass die aktuellsten Daten wichtiger sind und daher auch eine höhere Gewichtung haben sollte. Diese Art von Kritik war einer der Hauptfaktoren, die zur Erfindung anderer Formen von sich bewegenden Mitteln führten. Linear gewichteter Durchschnitt Dieser gleitende Durchschnittsindikator ist der am wenigsten verbreitete der drei und wird verwendet, um das Problem der gleichen Gewichtung zu adressieren. Der linear gewichtete gleitende Durchschnitt wird berechnet, indem man die Summe aller Schlusskurse über einen bestimmten Zeitraum annimmt und sie durch die Position des Datenpunktes multipliziert und dann durch die Summe der Anzahl der Perioden dividiert. Zum Beispiel wird in einem fünftägigen linear gewichteten Durchschnitt der heutige Schlusskurs mit fünf, gestern um vier und so weiter multipliziert, bis der erste Tag im Periodenbereich erreicht ist. Diese Zahlen werden dann addiert und durch die Summe der Multiplikatoren dividiert. Exponential Moving Average (EMA) Diese gleitende Durchschnittsberechnung verwendet einen Glättungsfaktor, um ein höheres Gewicht auf die jüngsten Datenpunkte zu legen und gilt als wesentlich effizienter als der linear gewichtete Durchschnitt. Ein Verständnis der Berechnung ist nicht generell für die meisten Händler erforderlich, da die meisten Charting-Pakete die Berechnung für Sie tun. Das Wichtigste an den exponentiellen gleitenden Durchschnitt zu erinnern ist, dass es besser auf neue Informationen in Bezug auf den einfachen gleitenden Durchschnitt reagiert. Diese Reaktionsfähigkeit ist einer der Schlüsselfaktoren, warum dies der gleitende Durchschnitt der Wahl unter vielen technischen Händlern ist. Wie Sie in Abbildung 2 sehen können, steigt eine 15-Punkte-EMA und fällt schneller als ein 15-Perioden-SMA. Dieser leichte Unterschied scheint nicht so viel, aber es ist ein wichtiger Faktor zu bewusst sein, da es die Rückkehr beeinflussen kann. Wichtige Verwendungswege von gleitenden Durchschnitten Durchgehende Durchschnitte werden verwendet, um aktuelle Trends und Trendumkehrungen zu identifizieren sowie Unterstützung und Widerstandswerte einzurichten. Durchgehende Mittelwerte können verwendet werden, um schnell zu erkennen, ob sich eine Sicherheit in einem Aufwärtstrend oder einem Abwärtstrend bewegt, abhängig von der Richtung des gleitenden Durchschnitts. Wie Sie in Abbildung 3 sehen können, wenn ein gleitender Durchschnitt aufwärts geht und der Preis darüber liegt, ist die Sicherheit in einem Aufwärtstrend. Umgekehrt kann ein abwärts geneigter gleitender Durchschnitt mit dem unten stehenden Preis verwendet werden, um einen Abwärtstrend zu signalisieren. Eine andere Methode zur Bestimmung des Impulses besteht darin, die Reihenfolge eines Paares von gleitenden Durchschnitten zu betrachten. Wenn ein kurzfristiger Durchschnitt über einem längerfristigen Durchschnitt liegt, steigt der Trend Auf der anderen Seite signalisiert ein langfristiger Durchschnitt über einem kürzeren Durchschnitt eine Abwärtsbewegung im Trend. Die Verschiebung der durchschnittlichen Trendumkehrungen erfolgt auf zwei Arten: Wenn sich der Preis durch einen gleitenden Durchschnitt bewegt und wenn er sich durch bewegte durchschnittliche Übergänge bewegt. Das erste gemeinsame Signal ist, wenn der Preis durch einen wichtigen gleitenden Durchschnitt geht. Zum Beispiel, wenn der Preis einer Sicherheit, die in einem Aufwärtstrend war, unter einen 50-Perioden-gleitenden Durchschnitt fällt, wie in Abbildung 4, ist es ein Zeichen, dass der Aufwärtstrend umgekehrt werden kann. Das andere Signal einer Trendumkehr ist, wenn ein gleitender Durchschnitt einen anderen durchquert. Zum Beispiel, wie Sie in Abbildung 5 sehen können, wenn der 15-tägige gleitende Durchschnitt über dem 50-Tage-gleitenden Durchschnitt übergeht, ist es ein positives Zeichen dafür, dass der Preis beginnen wird zuzunehmen. Sind die bei der Berechnung verwendeten Perioden relativ kurz, z. B. 15 und 35, so könnte dies eine kurzfristige Trendumkehr signalisieren. Auf der anderen Seite, wenn zwei Durchschnitte mit relativ langen Zeitrahmen überqueren (zB 50 und 200), wird dies verwendet, um eine langfristige Trendverlagerung vorzuschlagen. Ein weiterer wichtiger Weg, um die Durchschnitte zu nutzen, ist die Identifizierung von Unterstützungs - und Widerstandsniveaus. Es ist nicht ungewöhnlich, einen Vorrat zu sehen, der fiel, stoppen seinen Niedergang und umgekehrte Richtung, sobald er die Unterstützung eines großen gleitenden Durchschnittes trifft. Ein Umzug durch einen großen gleitenden Durchschnitt wird oft als Signal von technischen Händlern verwendet, dass der Trend umgekehrt wird. Zum Beispiel, wenn der Preis durch den 200-Tage-gleitenden Durchschnitt in einer Abwärtsrichtung bricht, ist es ein Signal, dass der Aufwärtstrend umgekehrt ist. Durchgehende Durchschnitte sind ein leistungsfähiges Werkzeug, um den Trend in einer Sicherheit zu analysieren. Sie bieten nützliche Unterstützung und Widerstandspunkte und sind sehr einfach zu bedienen. Die häufigsten Zeitrahmen, die bei der Erstellung von gleitenden Durchschnitten verwendet werden, sind die 200-Tage-, 100-Tage-, 50-Tage-, 20-Tage - und 10-Tage-Tage. Der 200-tägige Durchschnitt wird als ein gutes Maß für ein Handelsjahr, ein 100-Tage-Durchschnitt von einem halben Jahr, ein 50-Tage-Durchschnitt von einem Vierteljahr, ein 20-Tage-Durchschnitt von einem Monat und 10 - Tag durchschnittlich zwei Wochen. Durchgehende Mittelwerte helfen technischen Händlern, etwas von dem Lärm zu glätten, das in den täglichen Preisbewegungen gefunden wird, was den Händlern einen klareren Blick auf die Preisentwicklung gibt. Bisher haben wir uns auf die Preisbewegung konzentriert, durch Diagramme und Durchschnitte. Im nächsten Abschnitt, schauen Sie sich einige andere Techniken verwendet, um Preisbewegung und Muster zu bestätigen. Technische Analyse: Indikatoren und Oszillatoren
No comments:
Post a Comment