کاربردهای میانگین متحرک

اندیکاتور میانگین متحرک

پیش‌بینی تقاضای برق در ایران: کاربرد مدل ترکیبی تعدیل جزئی پویا و میانگین متحرک خود همبسته یکپارچه (ARIMA)

هدف مطالعه حاضر پیشنهاد کاربرد یک مدل ترکیبی خاص برای تخمین تابع تقاضای سرانه برق کل و همچنین پیش­بینی مقدار تقاضای آن برای 15 سال آینده در ایران است. در این تحقیق ابتدا با استفاده از مدل تعدیل جزئی پویا، تقاضای سرانه برق کشور برای دوره سالانه 1393-1360 برآورد شده است و سپس با جایگذاری مقادیر آتی متغیرها که از مدل میانگین متحرک خودهمبسته یکپارچه (ARIMA)به دست آمده در مدل ترکیبی تعدیل جزئی پویا (DPAM)، تقاضای برق تا سال 1408پیش­بینی گردیده است. یافته­های تحقیق بیانگر بی­کشش بودن تقاضای برق نسبت به تغیرات قیمت می­باشد به طوری که کشش­های قیمتی کوتاه­مدت و بلندمدت به ترتیب برابر 014/0- و 026/0- درصد است. نتایج پیش­بینی نشان می­دهد مقدار تقاضای سرانه برق تا سال 1408 نسبت به سال 1393 حدود 45 درصد رشد خواهد داشت که برای پاسخگویی به این تقاضا باید سیاست­هایی در جهت افزایش تولید و محدودیت تقاضا طراحی و اجرا گردد.

کلیدواژه‌ها

20.1001.1.23222530.1397.7.25.8.0

عنوان مقاله [English]

Forecasting Electricity Demand in Iran: The application of a Hybrid Dynamic Partial Adjustment and ARIMA Model

نویسندگان [English]

• Mahdi Rostami 1
• Asgar Khademvatani 1
• Mostafa Omidali 2

Goal: Electricity consumption in Iran was reached to historical level of 255,724 million kwh in 2017 which shows 7.7 percent increase compared to the year 2016. Considering the dramatic increase in electrity use mainly due to population growth, urbanization, economic and industrial development, providing a better picture of the future electricity demand for policy makers seems necessary. In addition, specification of the most important variables and their effects on the electricity demand would help policy makers to decide which policy instrument, such as price or non price policies, to choose in order to manage electricity demand.
Methodology: The aim of the present study is to propose and estimate per capita electricity demand function in Iran and forecast electricity consumption over the next 15 years (2015–2029).
To do so, via a dynamic partial adjustment model (DPAM), we first estimated the per capita electricity demand function using historical data over the years 1981-2014 to see the long term and short tem effects of independent variables such as real per capita gdp, real electricity price, real natural gas price as an alternative fuel, and population on electrity demand. Then based on estimated values of the independent variables from an ARIMA model in the hybrid dynamic partial adjustment and ARIMA model, we predicted the electricity consumption up to the year 2029. We used Augmented Dickey-Fuller test to check the unit root in the time series data and we found that none of the variables were stationary and we could not reject the null hypothesis at 5 percent statistical signigficance level. However, the first difference of the variables were stataionary at 5 percent level. We also did Engle-Granger and Cointegrating Regression Durbin Watson (CRDW) Tests and the results show that cointegration exists among the variables.
Results: According to the results, short-term and long-term price elasticities of electricity demand are -0.014 and -0.026 percent respectively which indicate that electricity demand is inelastic with respect to price changes, thus electricity price increase would not lower electricity demand. Moreover, income elasticities both in short-run (0.192) and lon –run (0.36) had much higher effects on electricity demand. Among the independent variables, per capita gdp with coefficient equal to 1.47 had the strongest effect on the electricity demand. Finally, our estimation shows that the cross price elasticities in shor-run and long-run are 0.006 and 0.011 respectively which show that one percent natural gas price decrease would reduce electricity consumption less than one percent. Overally, these reults revealed that price policies are not effective to manage electrity demand.
Based on AIC and SBC criteria, we found that ARIMA (2,1,1), ARIMA(1,1,1), ARIMA (2,1.2) and ARIMA (2,1,2) are appropriate to predict per capita GDP, real electricity price, population, and real natural gar price repectively.The results from the hybrid dynamic partial adjustment and ARIMA mode also show that the average annual growth rate of the electricity consumption per capita between 2015 and 2029 was 2.03 percent and the electricity consumption in 2029 will be 4134.7 million kwh which is 45 percent higher comparing to the year 2015.
Conclusion: To test the credibility of our prediction, we compared the historical figures of per capita electricity consumptions with the predicted numbers by our hybrid model over the years 1981-2014 and realized that the average deviation of the prediction was only 1.3 percent which is in the range of acceptable error level.
To cope with this predicted electrity demand, appropriate energy policies including planning to increase electricity production and/or managing electricity demand side must be designed and implemented. Examples of such policies in supply side would be more investment on power plants and their productivity improvement. On the demand side, non-price policies such as consumers educatios and providing better coversion technologies like more energy efficient appliances to consumers are adviced.

کلیدواژه‌ها [English]

• Forecasting
• Iranian electricity demand
• Hybrid Model
• Dynamic partial adjustment
• ARIMA

مراجع

اثنی­عشری، ‌هاجر و مسنن مظفری، مهدیه (1393). «برآورد تابع تقاضای برق روستایی با کاربرد مدل خود توضیح با وقفه‌‌های گسترده (مطالعه موردی روستا‌های شهرستان زابل)»، فصلنامه راهبرد‌های توسعه روستایی، 1(1): 17-25.

چنگی آشتیانی، علی و جلولی، مهدی (1391). «برآورد تابع تقاضای برق و پیش‌بینی آن برای افق چشم‌انداز 1404 ایران و نقش آن در توسعه کشور با توجه به هدفمند شدن یارانه­‌های انرژی»، فصلنامه علمی- پژوهشی رشد و توسعه اقتصادی، 2(7):170-190.

صمدی، سعید؛ شهیدی، آمنه و محمدی، فرزانه (1387). «تحلیل تقاضای برق در ایران با استفاده از مفهوم همجمعی و مدل آریما (1363-1388)»، مجله دانش و توسعه، 25: 113-136.

لطفعلی­پور، محمدرضا؛ فلاحی، محمدعلی و ناظمی معزآبادی، سیما (1393). «برآورد توابع تقاضای برق در بخش‌های خانگی و صنعتی ایران با به‌کارگیری روش سری زمانی ساختاری»، فصلنامه علمی - پژوهشی مطالعات اقتصادی راهبردی ایران، 13(1): 187-208.

لطفعلی­پور، محمدرضا و لطفی، احمد (1383). «بررسی و برآورد عوامل مؤثر بر تقاضای برق خانگی در استان خراسان»، فصلنامه دانش و توسعه، 15: 47-68.

موسویجهرمی، یگانه و غلامی، الهام (1395). «مدل ترکیبی شبکه عصبی با الگویARIMAجهتپیش‌بینی مالیاتبر ارزش­افزودهبر مصرفبنزیندر ایران»، فصلنامه پژوهش‌های اقتصادی (رشد و توسعه پایدار)، 16(2): 99-116.

Ang, B. (1988). “Electricity-output ratio and sectoral electricity use: The case of East and Southeast Asian developing countries”. Energy policy, 16(2): 115-121.

Atalla, T. N. and Hunt, L. C. (2016). “Modelling residential electricity demand in the GCC countries”. Energy Economics, 59: 149-158.

Arisoy, I. and Ozturk, I. (2014). “Estimating industrial and residential electricity demand in Turkey: a time varying parameter approach”. Energy, 66: 959-964.

Box, G.; Jenkins, G.; Gregory, R. and Greta, L. (1978). Time series analysis: forecasting and control: John Wiley & Sons.

Berk, K. (2015). Modeling and Forecasting Electricity Demand: A Risk Management Perspective. Springer.

Coşkun, H. (2007). “Forecasting of Turkey's net electricity energy consumption on sectoral bases”. Energy Policy, 35(3): 2009-2016.

Darbellay, G. and Slama, M. (2000). “Forecasting the short-term demand for electricity: Do neural networks stand a better chance?”, International Journal of Forecasting, 16(1): 71-83.

Dilaver, Z. and Lester, H. (2011). “Industrial electricity demand for Turkey: a structural time series analysis”. Energy Economics, 33(3): 426-436.

Ghaderi, F.; Azadeh, A. and Mohammadzadeh, S. (2006a). “Modeling and Forecasting the Electricity Demand for Major Economic Sectors of Iran”. Information Technology Journal, 5(2): 260-266.

Ghaderi, F.; Azadeh, A. and Mohammadzadeh, S. (2006b). “Electricity demand function for the industries of Iran”. Information Technology Journal, 5(3): 401-404.

Houthakker, H. (1951). “Some calculations on electricity consumption in Great Britain. Journal of the Royal Statistical Society”. Series A (General), 114(3): 359-371.

Hyder, G. and Lakhani, Balu, B. (1978). “Forcasting demand for electricity in Maryland: an econometric approach”. Technological forecasting and social change, 11: 237-261.

Pappas, S. S.; L, E.; P, K.; DC, K.; SK, K.; GE, C. and PD, S. (2010). “Electricity demand load forecasting of the Hellenic power system using an ARMA model”. Electric Power Systems Research, 80(3): 256-264.

Pesaran, H. and shin, Y. (1998). “Generalized impulse response analysis in linear multivariate models”. Economics letters, 58(1): 17-29.

Pourazarm, E. and Cooray, A. (2013). “Estimating and forecasting residential electricity demand in Iran”. Economic Modelling, 35: 546-558.

Samer, S.; Elie, B. and George, N. (2001). “Univariate modeling and forecasting of energy consumption: the case of electricity in Lebanon”. Energy, 26(1): 1-14.

Soares, L. and Rocha, S. L. (2006). “Forecasting electricity demand using generalized long memory”. International Journal of Forecasting, 22(1): 17-28.

Suganthi, L. and Samuel, A. A. (2012). “Energy models for demand Forecasting - A review”. Renewable and Sustainable Energy Reviews, 16(1): 1223-1240

Wang, Y.; Jianzhou, W.; Ge, Z. and Yao, D. (2012). “Application of residual modification approach in seasonal ARIMA for electricity demand forecasting: a case study of China”. Energy Policy, 48: 284-294.

Wang, Xiping and Meng, Ming (2012). “A Hybrid Neural Network and ARIMA Model for Energy Consumption Forecasting”, Journal of Computers, 7(5): 1184-1190

Varum, C.A. and Melo, C. (2010). “Directions in Scenario Planning Literature – AReview of the Past Decades”, Futures, 42: 355-369.

صفر تا صد تحلیل تکنیکال با مووینگ اوریج

در مفهوم تحلیل تکنیکال بازارهای مالی، اندیکاتورها همواره از جایگاه ویژه‌ای برخوردار بوده‌اند و در این میان اندیکاتور مووینگ اوریج یا میانگین متحرک را می‌توان پایه‌ای‌ترین اندیکاتورها به‌حساب آورد. اساساً اندیکاتورها در ۳ دسته‌بندی اندیکاتورهای Trend (روند نماها یا تعقیب کننده قیمت)، Oscillator (نوسان‌نماها) و اندیکاتورهای Volumes (حجمی) قرار می‌گیرند و دراین‌بین کاربردهای میانگین متحرک مووینگ اوریج در حقیقت میانگینی از قیمت‌ها یا داده‌ها در یک بازه زمانی بخصوص است که به‌عنوان یک اندیکاتور در تحلیل تکنیکال بازارهای مالی استفاده‌شده و از آن در تشخیص روندهای قیمتی به‌کار گرفته می‌شوند.

از طرفی مووینگ اوریج به عنوان مادر اندیکاتورها شناخته می‌شود و به‌نوعی بسیاری از اندیکاتورها، نشئت گرفته از این اندیکاتور هستند و درنتیجه می‌توان بیان داشت که این اندیکاتور از اهمیت فوق‌العاده زیادی در تحلیل تکنیکال برخوردار است. ازاین‌رو در این مطلب قصد داریم تا مفصلاً به مفهوم کلی این اندیکاتور، انواع آن و کاربردهایی که در تحلیل تکنیکال دارد بپردازیم.

فهرست عناوین مقاله

مووینگ اوریج (Moving Average) چیست؟

مووینگ اوریج یا میانگین متحرک به اندیکاتورهایی گفته می‌شود که نوسانات قیمتی را فیلتر کرده و به‌صورت هموار در جهت روند بازار حرکت می‌کند. این اندیکاتور جهت آینده قیمت را پیش‌بینی نکرده و جهت فعلی آن را تعیین می‌کنند. ازاین‌رو به علت اتکای این اندیکاتور به گذشته قیمت، به‌نوعی کند و تأخیری به‌حساب می‌آید. از طرفی مووینگ اوریج در فیلتر کردن نوسانات شدید قیمتی و هموار کردن روندها، کاربرد زیادی دارد. علاوه بر این، این اندیکاتور اساس ساخت بسیاری از اندیکاتورهای دیگر مثل باندهای بولینگر، اندیکاتور مکدی (MACD) و اسیلاتور مک کلان (McClellan) به‌حساب می‌آید.

مووینگ اوریج که با نماد اختصاری MA نمایش داده می‌شود، در دسته اندیکاتورهای تعقیب‌کننده قرار دارد و نوسانات بازار را به خطی صاف و ملایم بدل می‌کند و به‌نوعی یک اندیکاتور پیرو روندها به‌حساب می‌آید. دقت کنید که این اندیکاتور تأخیر دارد و این بدین معنی است که در توصیف وضعیت فعلی بازار نیز باکمی تأخیر عمل می‌کند و در حقیقت علت این تأخیر نیز به‌دست آمدن آن از محاسبه قیمت‌های پیشین است.

اساساً از مووینگ اوریج‌ها در راستای شناسایی جهت روند یا تعیین سطوح حمایتی و مقاومتی استفاده می‌شود. در تصویر زیر می‌توانید نمودار قیمتی با ۲ اندیکاتور SMA و EMA را مشاهده کنید.

حال احتمالاً برای شما سؤال پیش‌آمده که SMA و EMA به چه معنا هستند. جهت دریافت پاسخ خود، در ادامه با ما همراه باشید تا به بررسی انواع اندیکاتور مووینگ اوریج بپردازیم.

انواع اندیکاتور مووینگ اوریج

به‌طور کلی مووینگ اوریج دارای انواع مختلفی است که ۲ نوع از آن به نسبت دیگر انواع آن دارای کاربرد بیش‌تری در تحلیل تکنیکال بازارهای مالی است و این دو عبارت‌اند از میانگین متحرک ساده (SMA) و میانگین متحرک نمایی (EMA) که در ادامه به معرفی و بررسی هرکدام از آنها خواهیم پرداخت.

مووینگ اوریج ساده (SMA)

این اندیکاتور که اختصاراً با نماد SMA نمایش داده می‌شود، ساده‌ترین حالت محاسبه میانگین است و در آن قیمت‌ها در بازه‌های زمانی مشخصی باهم جمع شده و حاصل آنها، بر تعداد این بازه‌های زمانی تقسیم می‌شود. در این اندیکاتور، شما قادر هستید تا نوع قیمت را انتخاب کرده و بر اساس راهبُرد معاملاتی خود، از انواع قیمت‌ها مثل قیمت‌های باز (Open)، قیمت‌های بسته (Close) قیمت‌های پایانی، بالاترین و پایین‌ترین قیمت و … نیز استفاده کنید.

از طرفی اندیکاتور SMA، پرکاربردترین و درعین‌حال موردانتقادترین روش محاسبه میانگین به‌حساب می‌آید. مثلاً ازجمله معایبی که به مووینگ اوریج ساده وارد است می‌توان به این اشاره کرد که این اندیکاتور میان قیمت‌های گذشته و اخیر تمایز قائل نشده و خروجی سیگنال کندی نیز دارد. به‌طور مثال اگر میانگین ساده پنجاه روز اخیر را برای یک سهم یا دارایی حساب کنیم، میان قیمت روز نخست و پنجاهم، هیچ تفاوتی وجود نخواهد داشت. برای درک بهتر فرض کنید که قیمت در روز اول دو هزار دلار است و در روز پنجاهم چهار هزار دلار و در طی این مدت، دو هزار دلار افزایش قیمت داشته‌ایم. حال تصور کنید که قیمت در روز نخست چهار هزار دلار و در روز پنجاهم دو هزار دلار است و در طی این مدت دو هزار دلار کاهش داشته‌ایم. بااینکه این ۲ شرایط کاملاً عکس یکدیگر هستند، ولی نتیجه حاصله از SMA در هر ۲ حالت یکسان است.

در ادامه می‌توانید فرمول محاسبه این اندیکاتور را مشاهده کنید:

SMA=P1+P2+..+Pn/n

درواقع این ایراد باعث شده تا تحلیلگران از نوع دیگری از مووینگ اوریج بنام مووینگ اوریج نمایی جهت محاسبه میانگین قیمت استفاده کنند که در ادامه به توضیح آن خواهیم پرداخت.

مووینگ اوریج نمایی (EMA)

این اندیکاتور که اختصاراً با EMA نمایش داده می‌شود جهت برطرف کردن مشکل SMA طراحی‌شده و در حقیقت بیشتر تمرکز آن بر روی قیمت‌های اخیر است و نسبت به تغییرات قیمتی اخیر واکنش سریع‌تری از خود نشان می‌دهد. به بیانی دیگر، این اندیکاتور، به دلیل افزایش تأثیر قیمت‌های اخیر در محاسبات آن، از محبوبیت بسیار بالاتری در میان تحلیلگران برخوردار است و علت این محبوبیت نیز خروجی سیگنال سریع‌تری است که دارد.

در ادامه می‌توانید فرمول محاسبه این اندیکاتور را مشاهده کنید:

EMA(t)=(Price(t)*k)+[EMA(y)*(1-k)]

فرمول محاسبه ضریب وزنی

K=2/(n+1)

پیشنهاد می‌کنیم مقاله نکات مهم درباره خط روند در بورس را مطالعه کنید.

کاربرد مووینگ اوریج

میانگین متحرک یا ma به طور گسترده‌ای در تحلیل تکنیکال استفاده می‌شود و در واقع یک ابزار تحلیل در بازار بورس است. از مووینگ اوریج برای سرمایه گذاری و سود بردن از الگوهای تغییر قیمت اوراق بهادار استفاده می‌شود‌. به طور کلی، تحلیلگران بازار بورس از میانگین متحرک برای تشخیص اینکه آیا در حرکت یک اوراق بهادار تغییر رخ می‌دهد یا خیر، مانند تشخیص یک حرکت نزولی ناگهانی در قیمت اوراق بهادار استفاده می‌کنند.

در مواقع دیگر، تحلیلگران از میانگین متحرک برای تأیید سوء ظن خود مبنی بر اینکه ممکن است تغییری در حال رخ دادن باشد، استفاده می‌کنند. به عنوان مثال، اگر قیمت سهام یک شرکت بالاتر از میانگین متحرک ۲۰۰ روزه خود باشد، ممکن است به عنوان یک سیگنال صعودی در نظر گرفته شود.

انواع مووینگ اوریج

Moving average را می‌توان به روش‌های مختلفی محاسبه کرد. میانگین متحرک ساده پنج روزه یا SMA پنج قیمت اخیر بسته شدن روزانه را با هم جمع می‌کند و این رقم را بر پنج تقسیم می‌نماید تا میانگین جدیدی روزانه به دست بیاید. هر میانگین به بعدی متصل می‌شود و خط جریان منفرد را ایجاد می‌نماید.

یکی دیگر از انواع محبوب میانگین متحرک، میانگین متحرک نمایی یا EMA است. محاسبه آن پیچیده‌تر است، زیرا وزن بیشتری را برای قیمت‌های اخیر اعمال می‌کند. اگر یک SMA ۵۰ روزه و یک EMA ۵۰ روزه را روی یک نمودار ترسیم کنید، متوجه خواهید شد که EMA سریع‌تر از SMA به تغییرات قیمت واکنش نشان می‌دهد و علت آن وزن اضافی در داده‌های قیمت اخیر است.

نرم افزار رسم نمودار و پلتفرم‌های معاملاتی محاسبات را انجام می‌دهند و برای استفاده از مووینگ اوریج نیازی به محاسبه دستی نیست. MA ها نسبت به یکدیگر برتری ندارند و هر کدام در جایگاه خود کاربرد دارند.

یک EMA ممکن است برای مدتی در یک بازار سهام یا مالی به کار برود، و در زمان‌های دیگر یک SMA ممکن است بهتر عمل کند. بازه زمانی انتخاب شده برای میانگین متحرک نیز نقش مهمی در میزان موثر بودن آن (صرف نظر از نوع اندیکاتور) دارد. Moving average به سه دسته ساده، نمایی و وزن دار تقسیم می‌شود.

نحوه محاسبه انواع مووینگ اوریج

برای محاسبه میانگین متحرک ۵ روزه ساده، در واقع میانگین قیمت سهام در ۵ روز گذشته محاسبه می‌گردد. فرمول میانگین متحرک بسیار ساده است و در هر نقطه از زمان می‌توان آن را کاربردهای میانگین متحرک محاسبه کرد. در فرمول، می‌توان با محاسبه میانگین تعداد معینی از دوره‌های مربوط به آن زمان را به دست آورد. فرمول میانگین متحرک ساده، یک فرمول میانگین معمولی در دوره زمانی مشخصی است.

برای محاسبه میانگین متحرک وزنی، از فرمول میانگین وزنی استفاده می‌کنیم. یعنی قیمت در روز‌های گدشته ضرب در وزن آن می‌شود و این اعداد با هم جمع می‌شوند و میانگین گرفته می‌شود. داده‌های اخیر در این محاسبه، وزن بیشتری دارند. قیمت‌های دور‌ه‌های مختلف در وزن خود ضرب شده و با هم جمع می‌شوند.

وزن در نقاطی که مربوط به قیمت‌های گذشته هستند کمتر است و در نتیجه این قیمت‌ها تأثیر کمتری در مقدار نهایی میانگین وزن‌دار دارند. قیمت‌های اخیر در محاسبه میانگین وزن دار اثر بیشتری دارند. محاسبه مووینگ اوریج بستگی به این دارد که چه نوعی از این اندیکاتور را می‌خواهید محاسبه کنید.

در میانگین متحرک نمایی یک عامل ضرب داریم که وزن بیشتری را به قیمت‌های اخیر اختصاص می‌دهد. این عامل ضرب حاصل تفریق مقدار نقطه داده فعلی و میانگین متحرک نمایی در دوره قبل است. به یاد داشته باشید که نیازی به محاسبه دستی این مقادیر نیست و همه آن‌ها توسط برنامه‌ها محاسبه می‌شوند.

بهترین اعداد (اعداد طلایی مووینگ اوریج)

معروف‌ترین و کاربردی‌ترین اعداد به کار رفته در میانگین متحرک، اعداد ۲۰۰، ۱۰۰، ۵۰، ۲۰ و ۱۰ هستند. این اعداد را می‌توان به شکل ترکیبی یا تکی استفاده کرد. به این مجموعه اعداد، اعداد طلایی Moving average می‌گویند. علاوه بر اعداد ذکر شده، می‌توان از اعداد فیبوناچی نیز استفاده کرد زیرا در MA کاربرد زیادی دارند.

روش ترسیم میانگین متحرک

از MA در بازار‌های روند دار استفاده می‌شود زیرا این اندیکاتور در بازار‌های رنج خطای زیادی را نشان می‌دهد. در شکل زیر، خط قرمز در واقع MA است که برای یک روند نزولی رسم شده‌است. در این روند نزولی، اندیکاتور بالای روند قرار گرفته‌است و دقیقا مثل یک خط روند متحرک عمل نموده ‌است.

وقتی ما یک خط روند داریم و میانگین متحرک زیر قیمت است، زمان‌هایی که قیمت شروع به فاصله گرفتن از مووینگ اوریج می‌کند، یعنی شاهد یک حرکت جنبشی هستیم. این یک نشانه خوب است و به ما نشان می‌دهد که روند خوبی در حال سپری شدن است. برعکس، هنگامی که نمودار قیمت و میانگین متحرک به هم نزدیک می‌شوند، نشان می‌دهد که باید حرکات بعدی خود را حساب شده انجام دهیم زیرا روند در حال تغییر است.

بهترین تنظیمات اندیکاتور مووینگ اوریج

بعد از انتخاب مووینگ اوریج مورد نظرتان، باید تعیین کنید که در معاملات روزانه شرکت می ‌کنید یا معاملات معمولی و به دنبال آن نیز باید هدف و دلیل استفاده از مووینگ اوریج را مشخص نمایید. به دلیل اینکه بسیاری از معامله‌گران از مووینگ اوریج استفاده می‌‌کنند، بنابراین قابل مشاهده است که قیمت گذاری‌ها نیز براساس آنها صورت می پذیرد.

این موضوع یک نکته بسیار مهم را هنگام معامله با اندیکاتورها مطرح می‌کند و آن این است که برای رسیدن به بهترین نتایج باید متداول ترین مووینگ اوریج ها را در نظر داشته باشید.

بهترین دوره‌های مووینگ اوریج مناسب برای معاملات روزانه آن دسته هستند که علاوه بر سریع بودن، با تغییرات قیمت نیز واکنش‌ نشان ندهد. به همین دلیل معمولا برای معامله‌گران روزانه بهتر است در وهله اول از EMA استفاده کنند.

در بهترین دوره‌‌ها برای معاملات نوسانی هر یک از معامله‌گران سوئینگ رویکرد بسیار متفاوتی دارند. به همین دلیل در بازه های زمانی بالاتر که ۴ ساعت در روز است، معامله می‌کنند و با اینکار معاملات را برای مدت زمان طولانی‌تری نگه می‌دارند.

بنابراین، معامله‌گران نوسان ابتدا باید یک SMA را انتخاب کرده و از مووینگ اوریج‌های دوره بالاتر برای جلوگیری از نویز و سیگنال‌ های سریع استفاده کنند.

به گفته مارتی شوارتز مووینگ اوریج ۱۰ روزه (EMA) شاخصی عالی برای تعیین روند اصلی است. وجود این شاخص در معاملات ضروری است و معامله‌گران اگر در سمت صحیح میانگین متحرک باقی بمانند، بهترین احتمال موفقیت را به دست می‌آورند.

زمانی که معامله‌گران بالای ۱۰ روز معامله می‌کنند بازار در حالت مثبت است و باید به فکر خرید باشند. برعکس آن، معاملات زیر میانگین قرار دارند که بازار را در حالت منفی قرار می‌دهند و معامله‌گران در این زمان‌ها باید به فروش فکر کنند.

همچنین به عنوان معامله‌گران نوسانی می‌توانید از مووینگ اوریج ها به عنوان فیلترهای جهت‌دار استفاده کنید. صلیب طلایی و صلیب مرگ سیگنالی است که زمانی اتفاق می‌افتد که مووینگ اوریج دوره های ۲۰۰ و ۵۰ روزه به طور عمده در نمودارهای روزانه استفاده ‌شود. با این روش شما می‌توانید ببینید که مووینگ اوریج های متقاطع می‌توانند در تحلیل و انتخاب یک بازار مناسب به شما کمک کنند.

سومین چیزی که مووینگ اوریج‌ها می‌توانند در آن به شما کمک کنند، معاملات حمایتی و مقاومتی و همچنین توقف جایگاه سازی است. به دلیل پیشگویی خودشکوفایی اغلب مووینگ اوریج محبوب به عنوان سطوح حمایت و مقاومت در بازارهای مالی کار می‌کنند. در کنار آن‌ها روند کار در مقابل دامنه‌ها قرار می‌گیرد که نشان می‌دهند مووینگ اوریج در بازارهای متغیر کار نمی‌کند.

وقتی قیمت بین حمایت و مقاومت در نوسان است، معمولاً مووینگ اوریج جایی در وسط آن محدوده می شود و قیمت توجه چندانی به آن ندارد. این بدان معناست که در طول محدوده، میانگین‌های متحرک کاملا اعتبار خود را از دست می‌دهند، اما به محض اینکه قیمت شروع به رشد و نوسان کرد، مجددا با عنوان حمایت و مقاومت، دوباره عمل می کنند.

باندهای بولینگر راهی دیگر برای تنظیم و استفاده از مووینگ اوریج ها هستند که یک شاخص فنی بر اساس آنها به شمار می روند. مووینگ اوریج ۲۰ دوره و باندهای بیرونی نوسان قیمت در وسط باندهای بولینگر اندازه گیری می شوند. معمولا در طول بازه ‌ها، قیمت در اطراف مووینگ اوریج نوسان می‌ کند، اما باندهای بیرونی همچنان بسیار مهم هستند زیرا شرایط پیش بینی را با مشاهده قیمت باند های بیرونی را در طول یک محدوده نشان می‌دهد.

بنابراین، حتی اگر مووینگ اوریج‌ها اعتبار خود را در طول بازه‌ها از دست بدهید، باندهای بولینگر ابزاری فوق العاده هستند که همچنان به شما این امکان را می ‌دهند تا بتوانید قیمت را به طور موثر تجزیه و تحلیل کنید. باندهای بولینگر به شما کمک می‌کنند تا در معاملات باقی بمانید. در طول یک دوره قوی، قیمت معمولاً از مووینگ اوریج خود فاصله می‌گیرد اما همچنان نزدیک به باند بیرونی حرکت می‌کند.

زمانی که قیمت مووینگ اوریج را از دوره خارج کند این کار می‌تواند نشان دهنده تغییر جهت روند آن باشد. به علاوه هر زمان که در طول یک روند نقض باند بیرونی مشاهده شود اغلب پیش‌بینی‌کننده مورد نظر از نوع بازگشتی است با این حال، تا زمانی که مووینگ اوریج شکسته نشود، معنای بازگشتی ندارد.

افزودن اندیکاتور مووینگ اوریج به نرم‌افزار متاتریدر

جهت افزودن اندیکاتور مووینگ اوریج به نمودارهای متاتریدر خود می‌توانید از مسیر تعیین‌شده در زیر اقدام کنید:

آموزش اندیکاتور میانگین متحرک MA به زبان ساده از صفر تا ۱۰۰

اندیکاتور میانگین متحرک MA که مخفف عبارت میانگین متحرک (Moving Average) می باشد. این اندیکاتور از نظر طبقه بندی انواع اندیکاتور ها در گروه اندیکاتورهای روندی قرار می گیرد. در واقع این اندیکاتور به کاربران کمک می کند جهت روند را تشخیص و تحلیل نمایند. این اندیکاتور به صورت پیش فرض قیمت بسته شدن کندل ها در یک کاربردهای میانگین متحرک دوره زمانی معین را ثبت و میانگین می گیرد.

با توجه به اینکه اندیکاتور میانگین متحرک MA میانگین قیمت بسته شدن کندل ها در یک دوره زمانی مشخص را نشان می دهد، تغییرات حرکتی آن ملایم تر از تغییرات حرکتی قیمت می باشد. به طور کلی هر چقدر عدد مربوط به دوره بزرگتر باشد تعداد زیادی از کندل های قوی را در بر می گیرد و این باعث می شود که میانگین قیمت بسته شدن تغییرات ملایم تری را داشته باشد.

اندیکاتور میانگین متحرک

انواع اندیکاتور میانگین متحرک MA

قبلا نیز اشاره شد اندیکاتور میانگین متحرک MA دارای انواع متفاوتی می باشد اساس کار همه آنها یکی بوده اما نوع نمایش و کاربرد آنها با یکدیگر تفاوت جزئی دارند. از میان تمامی انواع مختلف این اندیکاتور دو نوع از آنها بسیار مورد توجه قرار گرفته اند و کاربردی تر نیز می باشد یکی میانگین متحرک نوع نمایی و دیگری میانگین متحرک ساده می باشد. که در این آموزش ما تفاوت های آنها و کاربردهای آنها اشاره خواهیم کرد.

استفاده درست از تنظیمات تعداد کندل های مورد نظر جهت میانگین گیری در این اندیکاتور باعث می شود که شما بتوانید تحلیل مناسبتری نسبت به هر بازار داشته باشید مثلاً در بازارهای مثل بورس ایران که ساعت کاری آنها ۲۴ ساعته نیستند بهتر است از میانگین گیری روزانه و از تعداد روزهای کاربردهای میانگین متحرک ۱۳ یا ۱۷ و ۲۶ استفاده شود.

همچنین از ترکیب چندین اندیکاتور میانگین متحرک با دوره های متفاوت می توانید سیگنال های خوبی را جهت خرید یا فروش دریافت نمایید که در مثال های آخر این آموزش به شما نمایش داده خواهد شد. به طور کلی اگر شما قصد ترید کردن کوتاه مدت دارید باید از تعداد دوره‌های بسیار گوشی استفاده نمایید و اگر قصد سرمایه گذاری بلند مدت و یا حتی میان مدت دارید باید دوره‌های انتخابی شما در میانگین متحرک متناسب با مدت زمان سرمایه‌گذاری شما باشد.

کاربرد اندیکاتور میانگین متحرک MA

ملایم تر شدن تغییرات قیمتی در اندیکاتور میانگین متحرک تریدر بتواند تحلیل بهتر در بلندمدت داشته باشد چراکه حرکات سریع و هیجانی توسط این اندیکاتور حذف میشود و باعث می شود تحلیلگر در برخورد با این حرکات شارپ دچار اشتباه نشود.

همچنین با توجه به اینکه اندیکاتور میانگین متحرک قیمت میانگین بسته شدن کندل ها را در یک بازی زمانی برای شما مشخص می‌کند. در قسمتی از این که قیمت های بسته شدن نزدیک به هم باشند اندیکاتور تبدیل به یک خط افقی می شود و این یعنی یک سطح مقاومتی یا حمایتی بسیار قوی هر چقدر بیشتر باشد قدرت سطح مقاومتی یا حمایتی نیز افزایش می یابد.

یکی از کاربردهای مهم و اساسی میانگین متحرک پیدا کردن کیبورد ها و یا همان های و لوهای معتبر و اصلی می باشد. که بایستی بر اساس نوع بازار و همچنین تایم فریم مورد علاقه خود، عدد دوره ای خود را جهت تنظیم اندیکاتور میانگین متحرک انتخاب نمایید.

ma اندیکاتور

ارتباط بین اندیکاتور میانگین متحرک با اندیکاتور ایچیموکو

با درک صحیح از اندیکاتور میانگین متحرک و همچنین آموزش درست در در مورد کاربرد های اندیکاتور میانگین متحرک، یک تحلیلگر میتواند مقدمات آموزش اندیکاتور محبوب و قدرتمند ایچیموکو را به خوبی فرا کاربردهای میانگین متحرک بگیرد. چرا که برخی از کاربردهای اندیکاتور ایچیموکو بسیار شبیه به کاربردهای اندیکاتور میانگین متحرک می باشد بهتر است بگوییم که اندیکاتور ایچیموکو خاصیت را از اندیکاتور میانگین متحرک به ارث برده است.

سیگنال های خرید و فروش اندیکاتور میانگین متحرک

اندیکاتور میانگین متحرک و کاربردهای فراوانی در تحلیل تکنیکال دارد شاید به تنهایی نتواند سیگنال‌های سریع و به موقع را چه برای خرید و چه برای فروش به تحلیلگر ارائه دهد. اما استفاده از چندین اندیکاتور میانگین متحرک با دوره های زمانی متفاوت و یا ادغام اندیکاتور میانگین متحرک با یک یا چند اندیکاتور دیگر سیستم بسیار قدرتمندی را برای تحلیل گر به ارمغان خواهد آورد.

از نظر روانشناسی بازار با توجه به اینکه میانگین متحرک یکی از اندیکاتور هایی است که اغلب بروکرها به صورت پیش فرض بر روی نمودار های قیمتی خود به نمایش در می آورند و همچنین چون تعداد کاربرانی که در تحلیل های خود از این اندیکاتور بهره مند می شوند بسیار زیاد است اندیکاتور میانگین متحرک نقش بزرگی را در تصمیم‌گیری تحلیلگران ایفا میکند.

گروه تک اودر با توجه به محبوبیت و کاربردی که اندیکاتور میانگین متحرک MA چه در فارکس و چه در بازارهای مربوط به ارزهای دیجیتالی و همچنین در بازار بورس ایران دارد تصمیم گرفته است که یک دوره آموزشی کمتر از یک ساعت را تهیه و در اختیار کاربران خود قرار دهد. چراکه آشنایی و استفاده از این اندیکاتور محبوب باعث خواهد شد تحلیلگر بتواند به راحتی و با اطمینان خاطر خود را با اکثریت تحلیلگران بازار همسو سازد.

سادگی کار با این اندیکاتور باعث شده است که فراگرفتن مطالب مربوط به آن بسیار ساده به نظر برسد و متاسفانه اکثر نوآموزان فکر می‌کنند با اجرا درآوردن این اندیکاتور و مشخص کردن نقاط برخورد میتوانند از تمامی امکانات این اندیکاتور بهره‌مند شوند. اما اگر کمی آموزش خود را جدی بگیریم و تعداد مثال های عملی زیادی را مشاهده نماییم تحلیل شما توسط این اندیکاتور به پختگی خاصی خواهد رسید.

آموزش کاربرد اندیکاتور میانگین متحرک MA در تحلیل سهم

در هنگام به کار بستن اندیکاتورها در تحلیل سهم، آنچه که مهم است نحوه صحیح تحلیل با استفاده از اندیکاتور است. مثلا در مورد اندیکاتور میانگین متحرک اگرچه تمام تلاش های لازم در تحلیل بازار با استفاده از این ابزار صورت می گیرد، اما ممکن است با انتخاب نادرست دوره زمانی و یا تحلیل وارونه از سیگنال های این اندیکاتور، سرمایه گذار را متحمل ضررهای هنگفتی گردد.

زین رو آموزش اندیکاتور MA را همچون سایر اندیکاتورها در این سایت گنجانده ایم تا ضمن آشنایی با کاربرد آن، از اهمیت آن بعنوان اساس بسیاری از اندیکاتورها مطلع گردید. این مقاله را همراه با تمرین عملی دنبال کنید و سایر مقالات دوره جامع آموزش بورس در شیراز را که در ارتباط با مبحث اندیکاتورهاست دنبال کنید ، بدین طریق پی خواهید برد که ادغام چند اندیکاتور چه اعتباری به تحلیل خواهد بخشید.

اندیکاتور میانگین متحرک در بورس چیست؟

اندیکاتور میانگین متحرک (Moving Average) نوعی ابزار در تحلیل تکنیکال است که با قیمت فعلی و گذشته سهم سروکار دارد و از نوع اندیکاتورهای رونده است که ظاهری شبیه نمودار قیمت دارد. (اندیکاتور باند بولینگ) نیز شکلی مشابه داشته و یک خط میانی میانگین متحرک نیز دارد). و از این حیث متفاوت با اندیکاتورهایی چون اندیکاتور RSI می باشد که به پیش بینی قیمت سهم در آینده می پردازد، اندیکاتور MA قابلیت پیش بینی در آینده را ندارد.

از نکات مثبت این اندیکاتور اینست که از میانگین قیمت ها استفاده می کند، بنابراین قیمت ها را در دوره ی زمانی مختلف ساده سازی کرده و در اختیار تحلیل گر قرار کاربردهای میانگین متحرک می دهد.

در پاسخ به این سوال که چرا اندیکاتور میانگین متحرک در دسته ی نوسان گرها یا اسیلاتورها قرار نمی گیرد باید گفت که ؛ اسیلاتورها در یک بازه زمانی مشخص بین دو کران بالا و پایین در نوسان هستند در صورتیکه میانگین متحرک اینگونه نیست و حرکتی شبیه نمودار قیمت سهم دارد.

دلیل اهمیت اندیکاتور میانگین متحرک چیست؟

اندیکاتور میانگین متحرک اساس بسیاری از ابزارهای تحلیل و اندیکاتورهاست بنابراین فرا گرفتن اصول و روش کار با آن بسیار حائز اهمیت است.

انواع اندیکاتور میانگین متحرک (MA)

اندیکاتور میانگین متحرک ساده SMA (Simple Moving Average): اندیکاتور SMA به ساده ترین شکل ممکن به محاسبه ی میانگین قیمت ها میپردازد. در این روش که محاسبه میانگین قیمت ها در یک بازه ی زمانی بدین صورت است که از مجموع قیمت ها تقسیم بر تعداد دوره حاصل می شود، قیمت ها در طول دوره از ابتدا تا انتها به یک اندازه دارای اهمیت هستند و هیچ تفاوتی بین قیمت ها وجود ندارد. از این حیث میتوان گفت روش میانگین متحرک ساده دارای ایراد است، چراکه در طول بازه ی زمانی، قیمت یا رشد کرده و یا اینکه با افت مواجه بوده است. بنابراین مثلا دارایی که قیمت آن رشد کرده و از 2000 تومان به 6000 تومان در انتهای دوره رسیده است، تفاوت فاحشی بین این دو قیمت وجود دارد که در اندیکاتور میانگین متحرک ساده این تفاوت لحاظ نشده است.

نحوه اضافه کردن اندیکاتور میانگین متحرک (SMA) ساده به نمودار قیمت سهم

برای اضافه کردن SMA به نمودار سهم ، نرم افزار را باز کرده و مراحل زیر ر دنبال کنید:

شکل زیر نحوه ی اضافه کردن میانگین متحرک از نرم افزار مفید تریدر را نشان می دهد.

اندیکاتور میانگین متحرک نمایی EMA (Exponential Moving Average): اندیکاتور EMA در محاسبات میانگین ، مشکلات میانگین متحرک ساده را مرتفع نموده است. در این اندیکاتور به قیمت های آخر دوره وزن و اهمیت بیشتری داده شده است. و بدین طریق به نسبت ایده آل تری از میانگین متحرک دست پیدا خواهیم کرد.

نحوه اضافه کردن اندیکاتور میانگین متحرک نمایی (EMA) به نمودار قیمت سهم:

به منظور اضافه کردن اندیکاتور EMA به نمودار سهم مراحل را طبق میانگین متحرک ساده طی کنید، فقط در پنجره اندیکاتور به جای Simple، گزینه ی Exponential را انتخاب نمایید.

کاربرد اندیکاتور میانگین متحرک در تحلیل تکنیکال

اندیکاتور میانگین متحرک از آن جهت در تحلیل تکنیکال با اهمیت است که میتوان سیگنال های متعددی از آن دریافت نمود. شناسایی نقاط مقاومت و حمایت، حرکت روند از جمله موارد کاربردی این اندیکاتور است.

روش های سیگنال دهی اندیکاتور میانگین متحرک

مساله مهم اینست که چگونه و از چه طریق اندیکاتور کاربردهای میانگین متحرک MA در تحلیل تکنیکال کارساز است؟ با هدف شناسایی نقاط سیگنال اندیکاتور میانگین متحرک باید به دنبال نقاطی باشیم که یکی از حالت های زیر اتفاق افتاده باشد.

• پیدا کردن روند اندیکاتور MA در دوره زمانی مشخص
• برخورد اندیکاتورهای میانگین متحرک با یکدیگر
• برخورد اندیکاتور میانگین متحرک با نمودار قیمت

در هر یک از حالت های گفته شده به طریقی میتوان وضعیت بازار را آنالیز کرد. در ادامه توضیح می دهیم که هر اتفاق چه معنایی دارد و نمودار قیمت سهم قرار است در چه موقعیتی از روند نزول و یا صعود قرار گیرد.

• سیگنال روند اندیکاتور میانگین متحرک

به منظور رسم نمودار میانگین متحرک دوره زمانی مشخصی را در تنظیمات وارد میکنیم. که به ما کمک میکند بتوانیم روند بازار سهم را در آن بازه دنبال کنیم. این روش ساده ترین و متداول ترین روش سیگنال گرفتن از میانگین متحرک میباشد. روش کار بدین صورت است که هرگاه نمودار MA صعودی است نشان دهنده ی افزایش قیمت بوده و بر عکس آن نمودار نزولی میانگین متحرک زمانی اتفاق می افتد که قیمت در مسیر کاهشی است.

شایان ذکر است که معامله گران برای آنکه بدانند روند یک سهم در بلند مدت به چه شکل است، اندیکاتور میانگین متحرک را روی بازه بلند مدت مثلا 200 روزه تنظیم می کنند و با توجه به نمودار شکل گرفته ، سعی در شناسایی روند قیمتی سهم از روی نمودار اندیکاتور دارند.

• سیگنال اندیکاتور میانگین متحرک از برخورد دو نمودارMA

اجازه دهید از یک روش ساده اما کاربردی در اندیکاتور میانگین متحرک صحبت کنیم. در تحلیل تکنیکال برخورد دو نمودار میانگین متحرک معنا و مفهوم کلیدی را به همراه دارد. قبل از شروع تحلیل لازم است ابتدا دو نمودار میانگین متحرک برای سهم مد نظرمان رسم کنیم. دوره زمانی برای یک نمودار را 20 روزه در نظر گرفته و آن را نمودار کوتاه مدت می نامیم. نمودار دوم را در بازه ی زمانی 50 روزه رسم میکنیم که نمودار MA بلند مدت مان خواهد بود.

دو نوع سیگنال میتوان از این تحلیل دریافت کرد:

الف- هنگامیکه نمودار میانگین متحرک کوتاه مدت (20 روزه) از بالا به سمت پایین نمودار میانگین متحرک بلند مدت (50 روزه) را قطع کند و به زیر آن نفوذ کند، سیگنال خروج خواهد بود و بازار وارد روند اصلاحی شده و به اصطاح بازار خرسی خواهیم داشت. (تقاطع مرگ)

ب- با شکستن از پایین به سمت بالای نمودار بلند مدت توسط نمودار کوتاه مدت، بیانگر شروع روند رو به افزایشی است که تحلیل گران نوید بازار گاوی را مژده می دهند. (تقاطع طلایی)

توضیحات گفته شده در شکل زیر نشان داده شده است. توصیه می شود همین الان نرم افزار تحلیلی را باز کنید و نقاط برخورد اندیکاتور میانگین متحرک را پیدا کنید و روند بعد از آن را بررسی نمایید.

تفاوت میانگین متحرک ساده (ma) با میانگین متحرک نمایی (wma)

در بحث تفاوت میانگین متحرک ساده با میانگین متحرک نمایی(تفاوت ma با wma) ()moving average یا میانگین متحرک اندیکاتوری برای فیلتر کردن نوسانات اضافی قیمت است ، لازم است بدانیم که این اندیکاتور جهت آینده قیمت را پیش‌بینی نمیکند و فقط جهت فعلی آن را تعیین می‌کنند،

اگر این ابزار را بروی چارت خود فعال کنیم نموداری مانند نمودار خطی را مشاهده خواهیم کرد که همقدم با قیمت پیش میرود،

این ابزار یکی از بهترین اندیکاتورهای تشخیص نوع روند است .

آنچه در این جلسه خواهیم آموخت:

• موینگ اوریج چیست؟
• انواع آن
• اندیکاتور میانگین متحرک نمایی (EMA)
• اندیکاتور میانگین متحرک وزنی (WMA)
• بهترین دوره های زمانی
• کاربرد
• ایجاد سطح حمایت و مقاومت داینامیک
• سیگنال خرید یا فروش از طریق قطع کردن (کراس) خطوط مووینگ اوریج ها با دوره های متفاوت
• استفاده از خاصیت دافعه و جاذیه
• سخن پایانی و چند نکته مهم

موینگ اوریج MA چیست؟

مووینگ اوریج یا میانگین متحرک Moving Average (MA) به اندیکاتورهایی میگویند که نوسانات قیمتی را فیلتر میکنند. قیمت ها را به صورت کم نوسان تر نشان میدهد. این اندیکاتور به صورت ساده تمامی داده های مارا (طبق دوره ی انتخابی ما) میانگین گیری و به ما نشان میدهد.

ساختار مویینگ اوریج ها در حالت کلی بر مبنای میانگین و معدل گیری از قیمت نمودار است.

انواع آن

اندیکاتور میانگین متحرک نمایی (EMA) Exponential Moving Average

میانگین متحرک نمایی EMA نوعی میانگین متحرک MA است که وزن و اهمیت بیشتری به جدیدترین داده ها می دهد تا خود را بهتر با اطلاعات و یا قیمت‌ های جدید وفق دهد.

میانگین متحرک نمایی به عنوان میانگین متحرک وزنی نمایی شناخته می شود.

اندیکاتور میانگین متحرک وزنی (WMA) Moving Average Weighted

میانگین متحرک وزنی یا WMA یکی دیگر از انواع میانگین متحرک می باشد. در میانگین متحرک وزنی، قیمت کندل های آخر از اهمیت بیشتری برخوردار می باشند در نتیجه به آنها ضریب بیشتری داده می شود و برای کندلهای گذشته، وزن کمتری قائل می شود

در اندیکاتور میانگین متحرک وزنی به کندلهای آخر بیشتر توجه میشود چون این میانگین متحرکی وزنی رشد قیمت را در بازار سریع تر نشان می دهد.

WMA نسبت به EMA به داده های آخر وزن بیشتری میدهد در نتیجه سرعت آن بیشتر است

همانطور که در شکل زیر میبینم به ترتیب سرعت میتوانیم به صورت زیر بنویسم

تفاوت میانگین متحرک ساده با میانگین متحرک نمایی. تفاوت ma با wma

عملکرد EMA و WMA تقریبا مشابه همدیگر است . آن‌ها بر قیمت‌های جدیدتر تمرکز بیشتر دارند و برای قیمت‌های قدیمی‌تر ارزش کمتری قائل هستند. پس در نتیجه نسبت به ma که همه ی داده ها را به یک نسبت در نظر میگیرد (فرقی بین قیمت های جدید و قدیم قایل نمیشود) ،واکنش سریع‌تری نسبت به تغییرات قیمت دارند

پس بهتر است معامله‌گران کوتاه‌مدت از میانگین متحرک نمایی یا میانگین متحرک وزنی استفاده کنندتا تغییرات را زودتر متوجه شوند.

تفاوت سرعت EMA/MA/WMAدر چارت

معمول ترین دوره های موینگ اوریج ها

هرچه دوره ی انتخابی ما برای میانگین های متحرک بیشتر باشد، میانگین حساسیت کمتری خواهد داشت و نمودار قیمت را بدون نوسان تر نشان میدهد.

میانگین های متحرک کوتاه تر(دوره های کوچک تر) معمولاً برای معاملات کوتاه مدت و نوسانگیری استفاده می شوند ،

در حالی که میانگین های متحرک بلند مدت(دوره های بزرگ تر ) بیشتر برای سرمایه گذاران بلند مدت مناسب هستند.

برای پیدا کردن بهترین اعداد موینگ اوریج ها بهتر است از سابقه سهم چک کنید تا ببیند به کدام اعداد بهتر واکنش بیشتری داده است. همچنین میتوانید اعداد میانگین متحرک را بر اساس اهداف معاملاتی(کوتاه مدت -بلند مدتی) خود را تغییر دهید ، ما معمول ترین دوره های زمانی را که بیشتر معامله گران استفاده میکنند را در زیر اشاره میکنیم

(بازه زمانی 9- 10-12-15 روزه) این بازه زمانی سرعت بالایی دارد و بیشتر برای نوسان گیری مناسب است.

(فاصله زمانی 20-26- 52 روزه) بازه، کمی میان‌مدت‌تر است و دقیق‌تر عمل می‌کند.

(مدت زمان 100-200 روزه) این بازه بلندمدت است و سرعت کمتری دارد.

هرچه مدت زمان ایجاد شده برای ایجاد میانگین کمتر باشد حساسیت آن نسبت به تغییرات قیمت بیشتر خواهد بود یعنی سرعت بیشتری دارند و سریعتر عکس العمل نشان میدهند.

هنگامی که ما یک مووینگ اوریج با دوره زمانی 50 را روی تایم فریم روزانه قرار میدهیم یعنی این موینگ 50 روز آخر رو مورد بررسی قرار میدهد (50کندل یکروزه) و زمانی که همین مووینگ اوریج کاربردهای میانگین متحرک را در تایم یک دقیقه قرار میدهیم به این مفهوم است که این مووینگ اوریج 50 تا یک دقیقه قبل را بررسی کرده (50کندل یک دقیقه ای )

بنابراین در کل مووینگ اوریجی که در چارت مورد استفاده قرار میگیرد با تایم فریم آن نسبتی مستقیم نیز دارد.

نحوه ی تغیر دوره زمانی میانگین متحرک

تفاوت میانگین متحرک ساده با میانگین متحرک نمایی. تفاوت ma با wma

کاربرد میانگین های متحرک

ایجاد سطح حمایت و مقاومت دینامیک

یکی از مهمترین کاربردهای مووینگ اوریج یا میانگین متحرک شناسایی نقاط حمایت و مقاومت در یک روند است

در صورتیکه قیمتها بالای خط موینگ اوریج باشند این خط مانند یک سطح حمایتی عمل کرده و در هر بار برخورد به آن واکنش حمایتی از قیمتها نشان میدهد.

اما در صورتیکه قیمتها در زیر خط مویینگ اوریج باشند این خط اندیکاتور به عنوان مقاومت عمل کرده و در هر بار برخورد واکنش نشان میدهد.

البته این واکنش ها به قدرت روند و دوره ی زمانی موینگ بستگی دارد

نقش مقاومتی موینگ ها

نقش حمایتی موینگ ها

س یگنال خرید یا فروش از طریق قطع کردن (کراس) خطوط مووینگ اوریج ها با دوره های متفاوت

در این روش به حداقل دو مووینگ اوریج نیاز هست، یکی با دوره زمانی بالا یعنی کند تر (بلند مدتی برای مثال 50)و دیگری با دوره زمانی کوچیک تر یعنی سریع تر(کوتاه مدتی برای مثال25)

هر زمان مشاهده کردید موینگ اوریج (کوچک تر) 25 ، خط مووینگ اوریج (بزرگتر) 50 را به بالا قطع کرد سیگنال خرید و زمانی که مویینگ اوریج (کوچک تر) 25 موینگ اوریج (بزرگتر) 50 را رو به پایین قطع کردسیگنال فروش خواهید گرفت

سیگنال خرید با کراس موینگ ها

سیگنال فروش با کراس مویینگ ها

نکته مهم این است که این نوع سیگنال گرفتن در بازارهای روند دار کاربرد دارد و در بازارهای رنج سیگنال ها اعتبار بسیار پایینی دارند.

برای دریافت عملکرد بهتر از میانگین‌های متحرک در دوره‌های زمانی طولانی، می‌توانید از میانگین‌های متحرک 50 و 100 و یا حتی 200 روزه استفاده کنید.

برای مثال، با استفاده از میانگین‌های متحرک 50 و 100 روزه، اگر میانگین حرکت 50 روزه به زیر میانگین متحرک 100 روزه برسد، به آن “تقاطع مرگ” ( Death cross) گفته می شود و به احتمال قوی حرکت نزولی قابل توجهی در حال وقوع است.

در شرایطی که میانگین متحرک 50 روزه‌ به بالاتر از میانگین متحرک 100 روزه برسد، گفته می‌شود تقاطع طلایی ( Golden cross) روی داده است و نشان ‌دهنده افزایش قیمت است.

این ترکیبات نامحدود هستند و هرکس می‌تواند با آزمون و خطا، بهترین ترکیب میانگین‌های متحرک را رسم کند

در حالت کلی، زمانی که قیمت بالاتر از میانگین است، روند رو به صعود است، و زمانی که قیمت پایین‌تر از میانگین های متحرک است، روند رو به کاهش است.

تقاطع مرگ در موینگ ها

تقاطع طلایی با موینگ اوریج ها

استفاده از خاصیت دافعه و جاذیه در میان مووینگ اوریج ها

در این روش شما به 7-10 عدد مووینگ اوریج با دوره های زمانی مختلف نیاز دارید.

هر زمان این مووینگ ها روی هم قرار گرفتند (مثل فنر فشرده شدند) انتظار داریم که یک روند قدرتمند (نزولی یا صعودی ) در آینده شکل گیرد و طبق کاربردهای میانگین متحرک کاربردهای میانگین متحرک شکلی که مشاهده میکنید پس از آزاد شدن فشردگی مویینگ ها از هم دور میشوند.

فشردگی در موینگ ها

سخن پایانی و چند نکته در میانگین‌های متحرک

همانگونه که گفتیم بهترین عملکرد میانگین متحرک زمانی است که قیمت روند دار است

با توجه به اینکه میانگین‌های متحرک بر اساس داده‌های گذشته تعیین می‌شود قدرت پیش‌بینی زیادی برای آینده نداردپس باید احتمال خطا را برای آن در نظر گرفت.

با توجه به اینکه میانگین متحرک نمایی کاربردهای میانگین متحرک کاربردهای میانگین متحرک وزن بیشتری به داده‌های اخیر می‌دهد قدرت واکنش آن در برابر داده‌های جدید بیشتر است و حساسیت آن نیز بیشتر است.

هیچ کدام از دوره ها و موینگ ها نسبت به دیگری برتری ندارد و مهم واکنش های آن است که با توجه به سابقه میتوانید پیدا کنید

و در کلام آخر هیچ اندیکاتوری را به تنهایی استفاده نکنید، ابزار‌های تکنیکال، نقطه ضعف‌هایی دارد و نباید تمام تحلیل تکنیکال خود را به آن بسپارید.