Eksponensiële Bewegende Gemiddelde Berekening Voorbeeld

Eksponensiële bewegende gemiddelde Die eksponensiële bewegende gemiddelde Die eksponensiële bewegende gemiddelde verskil van 'n Eenvoudige bewegende gemiddelde sowel deur berekeningsmetode en in die manier waarop pryse word geweeg. Die eksponensiële bewegende gemiddelde (verkort na die voorletters EMO) is effektief 'n geweegde bewegende gemiddelde. Met die EMO, die gewig is sodanig dat die afgelope dae pryse meer gewig gegee as ouer pryse. Die teorie agter dit is dat meer onlangse pryse word beskou as meer belangrik as ouer pryse, veral as 'n langtermyn-eenvoudige gemiddelde te wees (byvoorbeeld 'n 200 dag) plaas gelyke gewig op prys data wat oor 6 maande oud en kon gedink van so effens uit-of-date. Berekening van die EMO is 'n bietjie meer ingewikkeld as die eenvoudige bewegende gemiddelde, maar het die voordeel dat 'n groot rekord van data wat elke sluiting prys vir die laaste 200 dae (of hoeveel dae oorweeg word) hoef nie om dit te bewaar . Al wat jy nodig het is die EMO vir die vorige dag en vandag sluit prys om die nuwe Eksponensiële bewegende gemiddelde te bereken. Berekening van die eksponent Aanvanklik vir die EMO, 'n eksponent moet bereken. Om mee te begin, neem die aantal dae EMO wat jy wil om te bereken en voeg een van die aantal dae wat jy oorweeg (byvoorbeeld vir 'n 200 dae - bewegende gemiddelde, voeg een te kry 201 as deel van die berekening). Wel noem dit Days1. Dan, om die eksponent kry, net neem die nommer 2 en deel dit deur Days1. Byvoorbeeld die eksponent vir 'n 200 dae - bewegende gemiddelde sou wees: 2 201. Watter gelyk 0,01 Volle Berekening as die eksponensiële bewegende gemiddelde Sodra weve het die eksponent, al wat ons nou nodig het is nog twee stukkies inligting aan ons in staat stel om die volle berekening uit te voer . Die eerste is yesterdays Eksponensiële bewegende gemiddelde. Wel aanvaar ons reeds weet dit as ons dit sou bereken gister. As jy egter Arent reeds bewus van gisters EMO, kan jy begin deur die berekening van die Eenvoudige bewegende gemiddelde vir gister, en die gebruik van hierdie in die plek van die EMA vir die eerste berekening (dws vandag berekening) van die EMO. Dan môre kan jy die EMO jy vandag bereken, en so aan gebruik. Die tweede stuk inligting wat ons nodig het, is vandag se sluitingsprys. Kom ons neem aan dat ons wil vandag 200 dae Eksponensiële bewegende gemiddelde vir 'n aandeel of voorraad wat oor 'n vorige dae EMO van 120 pennies (of sent) en 'n huidige dae sluitingsprys van 136 pennies het bereken. Die volle berekening is altyd soos volg: Vandag se Eksponensiële bewegende gemiddelde (huidige dae sluiting prys x Exponent) (vorige dae EMO x (1- Exponent)) So, met behulp van ons voorbeeld bostaande figure, vandag 200 dae EMO sou wees: (136 x 0,01 ) (120 x (1- 0,01)) wat 'n EMO gelyk vir vandag van 120.16.Exponential Smoothing verduidelik word. kopie Kopiereg. Die inhoud van InventoryOps is kopiereg beskerm en is nie beskikbaar vir herdruk. Wanneer mense eers die term Eksponensiële Smoothing teëkom kan hulle dink dit klink soos 'n hel van 'n baie glad. alles glad is. Hulle het toe begin om 'n ingewikkelde wiskundige berekening wat waarskynlik vereis 'n graad in wiskunde te verstaan ​​voor oë, en ek hoop daar is 'n ingeboude EXCEL funksie beskikbaar indien hulle ooit nodig het om dit te doen. Die realiteit van eksponensiële gladstryking is veel minder dramatiese en baie minder traumaties. Die waarheid is, eksponensiële gladstryking is 'n baie eenvoudige berekening wat 'n redelik eenvoudige taak accomplishes. Dit het net 'n ingewikkelde naam want wat tegnies gebeur as gevolg van hierdie eenvoudige berekening is eintlik 'n bietjie ingewikkeld. Om eksponensiële gladstryking verstaan, help dit om te begin met die algemene konsep van glad en 'n paar ander algemene metodes wat gebruik word om glad te bereik. Wat is glad Smoothing is 'n baie algemene statistiese proses. Trouens, ons gereeld reëlmatige data in verskeie vorme in ons dag-tot-dag lewe teëkom. Enige tyd wat jy 'n gemiddelde gebruik om iets te beskryf, gebruik jy 'n reëlmatige nommer. As jy dink oor die rede waarom jy 'n gemiddelde gebruik om iets te beskryf, sal jy vinnig verstaan ​​die konsep van gladstryking. Byvoorbeeld, ons het net ervaar die warmste winter op rekord. Hoe is ons in staat was om te kwantifiseer hierdie Wel ons begin met datastelle van die daaglikse hoë en lae temperature vir die tydperk wat ons Winter bel vir elke jaar in die geskiedenis. Maar dit laat ons met 'n klomp van die nommers wat spring om nogal 'n bietjie (sy nie soos elke dag hierdie winter was warmer as die ooreenstemmende dae vanaf alle vorige jaar). Ons moet 'n getal wat al hierdie spring rond verwyder uit die data, sodat ons kan makliker vergelyk een winter na die volgende. Die verwydering van die spring rond in die data heet glad, en in hierdie geval kan ons net gebruik om 'n eenvoudige gemiddelde tot die smoothing bereik. In vraag vooruitskatting, gebruik ons ​​glad ewekansige variasie (geraas) van ons historiese vraag te verwyder. Dit stel ons in staat om die vraag patrone (hoofsaaklik tendens en seisoenaliteit) en vlakke vraag wat gebruik kan word om toekomstige vraag te skat beter te identifiseer. Die geraas in die vraag is dieselfde konsep as die daaglikse spring rond van die temperatuur data. Nie verrassend nie, die mees algemene manier waarop mense verwyder geraas uit die geskiedenis vraag is om 'n eenvoudige averageor meer spesifiek gebruik, 'n bewegende gemiddelde. 'N bewegende gemiddelde net gebruik 'n vooraf gedefinieerde aantal periodes om die gemiddelde te bereken, en diegene periodes beweeg met verloop van tyd. Byvoorbeeld, as Im met behulp van 'n 4-maand bewegende gemiddelde, en vandag is 1 Mei, Im met behulp van 'n gemiddeld van vraag wat plaasgevind het in Januarie, Februarie, Maart en April. Op 1 Junie sal ek wees met behulp van die vraag vanaf Februarie, Maart, April en Mei. Geweegde bewegende gemiddelde. By die gebruik van 'n gemiddelde ons aansoek doen dieselfde belangrikheid (gewig) aan elke waarde in die datastel. In die 4-maand bewegende gemiddelde, elke maand verteenwoordig 25 van die bewegende gemiddelde. By die gebruik van die geskiedenis vraag na die toekomstige vraag (en veral toekomstige tendens) - projek, sy logiese om tot die gevolgtrekking gekom dat jy wil graag meer onlangse geskiedenis 'n groter impak op jou voorspelling het gekom. Ons kan ons bewegende gemiddelde berekening te pas by verskillende gewigte van toepassing op elke tydperk aan ons gewenste resultate te kry. Ons spreek hierdie gewigte as persentasies, en die totaal van alle gewigte vir alle tye moet tot 100. Daarom voeg, as ons besluit ons wil aansoek doen 35 as die gewig vir die naaste tydperk in ons 4 maande geweeg bewegende gemiddelde, ons kan aftrek 35 van 100 om uit te vind ons het 65 oorblywende om verdeeld oor die ander 3 periodes. Byvoorbeeld, kan ons uiteindelik met 'n gewig van 15, 20, 30, en 35 onderskeidelik vir die 4 maande (15 20 30 35 100). Eksponensiële gladstryking. As ons teruggaan na die konsep van die toepassing van 'n gewig aan die mees onlangse tydperk (soos 35 in die vorige voorbeeld) en die verspreiding van die oorblywende gewig (bereken deur die mees onlangse tydperk gewig van 35 uit 100 te kry 65), het ons die basiese boustene vir ons eksponensiële gladstryking berekening. Die beheer van insette van die eksponensiële gladstryking berekening staan ​​bekend as die smoothing faktor (ook bekend as die glad konstante). Dit verteenwoordig in wese die toepassing op die mees onlangse vraag tydperke gewig. So, waar ons gebruik 35 as die gewig vir die mees onlangse tydperk in die geweegde bewegende gemiddelde berekening, kan ons ook kies om te gebruik 35 as die glad faktor in ons eksponensiële gladstryking berekening om 'n soortgelyke effek te kry. Die verskil met die eksponensiële gladstryking berekening is dat in plaas van ons om te ook uit te vind hoeveel gewig om aansoek te doen om elke vorige tydperk, die smoothing faktor is wat gebruik word om dit outomaties te doen. So hier kom die eksponensiële deel. As ons gebruik 35 as die glad faktor, sal die gewig van die mees onlangse vraag tydperke wees 35. Die gewig van die volgende mees onlangse vraag tydperke (die tydperk voor die mees onlangse) sal wees 65 van 35 (65 kom van aftrekking 35 van 100). Dit is gelykstaande aan 22,75 gewig vir daardie tydperk as jy die wiskunde te doen. Die volgende mees onlangse vraag tydperke sal wees 65 van 65 van 35, wat gelykstaande is aan 14,79. Die tydperk voor daardie gelaai sal word as 65 van 65 van 65 van 35, wat gelykstaande is aan 9,61, en so aan. En dit gaan oor terug deur al jou vorige tydperke al die pad terug na die begin van tyd (of die punt waar jy begin het met behulp van eksponensiële gladstryking vir daardie spesifieke item). Julle waarskynlik dink dis lyk soos 'n hele klomp van die wiskunde. Maar die skoonheid van die eksponensiële gladstryking berekening is dat eerder as om te herbereken teen mekaar vorige tydperk elke keer as jy 'n nuwe tydperke vraag te kry, moet jy eenvoudig die opbrengs van die eksponensiële gladstryking berekening gebruik van die vorige tydperk tot alle vorige tydperke verteenwoordig. Is jy verward nog Dit sal meer sin maak as ons kyk na die werklike berekening Tipies verwys ons na die uitset van die eksponensiële gladstryking berekening as die volgende tydperk skatting. In werklikheid, die uiteindelike voorspelling moet 'n bietjie meer werk nie, maar vir die doeleindes van hierdie spesifieke berekening, sal ons daarna verwys as die skatting. Die eksponensiële gladstryking berekening is soos volg: Die mees onlangse tye vra om 'vermenigvuldig met die smoothing faktor. PLUS Die mees onlangse tye voorspel vermenigvuldig met (een minus die smoothing faktor). D mees onlangse tydperke eis S die glad faktor wat in desimale vorm (so 35 sal verteenwoordig as 0.35). F die mees onlangse tye voorspel (die opbrengs van die smoothing berekening van die vorige tydperk). OF (met die aanvaarding 'n glad faktor van 0.35) (D 0.35) (F 0,65) Dit nie die geval kry baie makliker as dit. Soos jy kan sien, al wat ons nodig het vir data insette hier is die mees onlangse tydperke vraag en die mees onlangse tye voorspel. Ons pas die smoothing faktor (gewig) tot die mees onlangse tye op dieselfde manier sou ons in die geweegde bewegende gemiddelde berekening te eis. Ons het toe pas die oorblywende gewig (1 minus die smoothing faktor) om die mees onlangse tye voorspel. Sedert die mees onlangse tye voorspel is gemaak op grond van die vorige tydperke vraag en die vorige tydperke voorspel, wat gebaseer was op die vraag na die tydperk voor daardie en die voorspelling vir die tydperk voor dit, wat gebaseer was op die vraag na die tydperk voor dat en die voorspelling vir die tydperk voor dit, wat gebaseer is op die tydperk voor daardie. Wel, kan jy sien hoe alle vorige tydperke vraag word in die berekening sonder om werklik terug te gaan en iets herbereken. En dis wat gery die aanvanklike gewildheid van eksponensiële gladstryking. Dit was nie omdat dit nie 'n beter werk van glad as geweegde bewegende gemiddelde, was dit omdat dit makliker om te bereken in 'n rekenaarprogram was. En, omdat jy didnt nodig om te dink oor wat gewig te vorige tydperke of hoeveel vorige tydperke te gebruik gee, soos jy sou in geweegde bewegende gemiddelde. En, omdat dit net geklink koeler as geweegde bewegende gemiddelde. Trouens, dit kan aangevoer word dat geweegde bewegende gemiddelde bied groter buigsaamheid want jy het meer beheer oor die gewig van vorige tydperke. Die realiteit is een van hierdie kan gerespekteerde resultate lewer nie, so hoekom nie saam met makliker en koeler klinkende. Eksponensiële Smoothing in Excel Kom ons kyk hoe dit eintlik sou lyk in 'n sigblad met werklike data. kopie Kopiereg. Die inhoud van InventoryOps is kopiereg beskerm en is nie beskikbaar vir herdruk. In Figuur 1A, ons het 'n Excel spreiblad met 11 weke van die vraag, en 'n eksponensieel stryk voorspelling bereken vanaf daardie vraag. Ive gebruik 'n glad faktor van 25 (0.25 in sel C1). Die huidige aktiewe sel is Cell M4 wat die voorspelling vir week 12. Jy kan sien in die formule bar, die formule is (L3C1) (L4 (1-C1)) bevat. Dus is die enigste direkte insette tot hierdie berekening is die vorige tydperke vraag (Cell V3), die vorige tydperke voorspel (Cell L4), en die smoothing faktor (Cell C1, getoon as absolute selverwysing C1). Wanneer ons begin 'n eksponensiële gladstryking berekening, moet ons die waarde hand prop vir die 1ste skatting. So in Cell B4, eerder as om 'n formule, ons het net getik in die vraag van wat in dieselfde tydperk as die skatting. In Cell C4 het ons 1 eksponensiële gladstryking berekening (B3C1) (B4 (1-C1)). Ons kan dan kopieer Cell C4 en plak dit in die selle D4 deur M4 om die res van ons vooruitskatting selle te vul. Jy kan nou dubbel-kliek op 'n voorspelling sel om te sien dit is gebaseer op die vorige tydperke voorspel sel en die vorige tydperke te eis sel. So elke daaropvolgende eksponensiële gladstryking berekening erf die uitset van die vorige eksponensiële gladstryking berekening. Dis hoe elke vorige tydperke vraag word in die mees onlangse berekening tydperke alhoewel dit berekening diegene vorige tydperke nie direk verwys. As jy wil fancy te kry, kan jy uitblink spoor presedente funksie gebruik. Om dit te doen, klik op Cell M4, dan op die lint nutsbalk (Excel 2007 of 2010) op die blad Formules, kliek Trace Presedente. Dit sal connector lyne te vestig op die 1ste vlak van presedente, maar as jy hou kliek Trace Presedente sal dit connector lyne om alle vorige tydperke te trek om jou te wys die geërf verhoudings. Nou kan sien wat eksponensiële gladstryking vir ons gedoen het. Figuur 1 B toon 'n grafiek van ons eis en skatting. Jy geval sien hoe die eksponensieel stryk voorspelling verwyder die meeste van die jaggedness (die spring rond) van die weeklikse vraag, maar steeds daarin slaag om te volg wat lyk na 'n opwaartse neiging in die vraag wees. Jy sal ook agterkom dat die reëlmatige voorspelling lyn geneig laer as die vraag lyn te wees. Dit staan ​​bekend as tendens lag en is 'n newe-effek van die smoothing proses. Enige tyd wat jy glad gebruik wanneer 'n tendens teenwoordig is jou voorspelling sal agter die tendens. Dit is waar vir enige glad tegniek. Trouens, as ons hierdie sigblad voort en begin skryf laer vraag nommers ( 'n afwaartse neiging) jy sou die vraag lyn val, en die tendens lyn skuif bo dit voor die aanvang van die afwaartse neiging volg sien. Dis hoekom ek voorheen genoem die uitset van die eksponensiële gladstryking berekening dat ons 'n voorspelling te roep, moet nog 'n paar meer werk. Daar is 'n baie meer om vooruitskatting as net glad uit die knoppe in aanvraag. Ons moet bykomende aanpassings vir dinge soos tendens lag, seisoenaliteit, bekend gebeure wat die vraag, ens kan bewerkstellig Maar alles wat buite die bestek van hierdie artikel maak. Jy sal waarskynlik ook loop in terme soos dubbel-eksponensiële gladstryking en trippel-eksponensiële gladstryking. Hierdie terme is 'n bietjie misleidend aangesien jy nie weer glad die vraag meer as een keer (jy kan as jy wil, maar dis nie die punt hier). Hierdie terme verteenwoordig met behulp van eksponensiële gladstryking op bykomende elemente van die skatting. So met 'n eenvoudige eksponensiële gladstryking, is jy glad die vraag basis, maar met 'n dubbele-eksponensiële gladstryking jy glad die vraag basis plus die tendens, en met drie-eksponensiële gladstryking jy glad die vraag basis plus die tendens plus die seisoen. Die ander mees algemene vraag oor eksponensiële gladstryking is waar kry ek my glad faktor Daar is geen magiese antwoord hier, moet jy verskeie glad faktore toets met jou vraag data om te sien wat jy kry die beste resultate. Daar is berekeninge wat outomaties kan stel (en verandering) die smoothing faktor. Hierdie val onder die term aanpasbaar glad nie, maar jy moet versigtig wees om met hulle te wees. Daar is eenvoudig geen perfekte antwoord en jy moet nie blindelings te implementeer enige berekening sonder deeglike toetsing en ontwikkeling van 'n deeglike begrip van wat dit berekening doen. Jy moet ook hardloop what-if scenario's om te sien hoe hierdie berekeninge te reageer op veranderinge wat nog nie op die oomblik kan bestaan ​​in die vraag data wat jy gebruik vir die toets te eis. Die data voorbeeld wat ek voorheen gebruik is 'n baie goeie voorbeeld van 'n situasie waar jy regtig nodig het om 'n ander scenario's te toets. Daardie spesifieke data voorbeeld toon 'n ietwat konsekwent opwaartse neiging. Baie groot maatskappye met baie duur vooruitskatting sagteware het in groot moeilikheid in die nie-so-verre verlede toe hulle sagteware instellings wat tweaked vir 'n groeiende ekonomie didnt goed reageer wanneer die ekonomie begin stagneer of krimp. Dinge soos dit gebeur wanneer jy dit nie verstaan ​​wat jou berekeninge (sagteware) is eintlik. As hulle hul vooruitskatting stelsel verstaan, sou hulle geweet het wat hulle nodig het om in te spring en iets te verander wanneer daar skielike dramatiese veranderinge aan hul besigheid. So daar het jy dit die basiese beginsels van die eksponensiële gladstryking verduidelik. Wil jy meer oor die gebruik van eksponensiële gladstryking in 'n werklike vooruitsig, check out my boek Inventory Management Hoe weet. kopie Kopiereg. Die inhoud van InventoryOps is kopiereg beskerm en is nie beskikbaar vir herdruk. Dave Piasecki. is eienaar / operateur van Inventory Bedryf Consulting LLC. 'n raadgewende firma die verskaffing van dienste wat verband hou met voorraad beheer, materiaal hantering, en pakhuis bedrywighede. Hy het meer as 25 jaar ondervinding in die operasionele bestuur en kan bereik word deur middel van sy webwerf (www. inventoryops), waar hy verdere relevante inligting handhaaf. My BusinessEMA 8211 Hoe om dit te bereken berekening Eksponensiële bewegende gemiddelde - 'n handleiding Exponetial bewegende gemiddelde (EMA vir kort) is een van die mees gebruikte aanwysers in tegniese ontleding vandag. Maar hoe weet jy dit bereken vir jouself, met behulp van 'n papier en 'n pen of 8211 verkies 8211 'n sigbladprogram van jou keuse. Kom ons vind uit in hierdie verduideliking van EMO berekening. Berekening van Eksponensiële bewegende gemiddelde (EMA) is natuurlik outomaties gedoen deur die meeste handel en tegniese analise sagteware daar buite vandag. Hier is hoe om dit met die hand te bereken wat ook bydra tot die begrip van hoe dit werk. In hierdie voorbeeld sal ons bereken EMO vir 'die prys van 'n voorraad. Ons wil 'n 22 dag EMO wat is 'n algemene genoeg tyd vir 'n lang EMO. Die formule vir die berekening van EMO is soos volg: EMA Prys (t) k EMO (y) (1 8211 k) t vandag, y gister N aantal dae in EMO, k 2 / (N1) Gebruik die volgende stappe om 'n berekening 22 dag EMO: 1) Begin deur die berekening van k vir die gegewe tydraamwerk. 2 / (22 1) 0,0869 2) Voeg die sluitingsdatum pryse vir die eerste 22 dae saam en verdeel hulle deur 22. 3) Julle nou gereed om te begin om die eerste EMO dag deur die neem van die volgende dae (dag 23) sluitingsprys vermenigvuldig met k. dan vermeerder die vorige dae bewegende gemiddelde deur (1-k) en voeg die twee. 4) Moenie stap 3 oor en oor vir elke dag wat volg op die volle omvang van die EMO kry. Dit kan natuurlik in Excel of 'n ander spreadsheet sagteware word om die proses van die berekening van EMO semi-outomatiese maak. Om jou 'n algoritmiese beskouing oor hoe dit gedoen kan word tot stand gebring gee, sien hieronder. openbare float CalculateEMA (float todaysPrice, dryf NUMBEROFDAYS, dryf EMAYesterday) float k 2 / (NUMBEROFDAYS 1) terugkeer todaysPrice k EMAYesterday (1 8211 k) Hierdie metode sou tipies genoem van 'n lus deur jou data, so iets soek: foreach ( DailyRecord SDR in DataRecords) // noem die EMO berekening ema CalculateEMA (sdr. Close, NUMBEROFDAYS, yesterdayEMA) // die berekende ema sit in 'n skikking memaSeries. Items. Add (sdr. TradingDate, ema) // maak seker yesterdayEMA kry gevul met die EMO ons gebruik hierdie tyd om yesterdayEMA ema Let daarop dat dit 'psuedo-kode. Jy sal tipies nodig om die gister BESLOTE waarde stuur as yesterdayEMA totdat die yesterdayEMA word bereken vanaf vandag EMO. Dis gebeur eers nadat die lus meer dae het hardloop as die aantal dae wat jy jou EMO bereken vir. Vir 'n 22 dag EMO, sy net op die 23 keer in die lus en daarna dat die yesterdayEMA ema is geldig. Dit is geen big deal nie, omdat jy die data van ten minste 100 handelsdae benodig vir 'n 22 dag EMO geldig te wees. Verwante PostsWhat is die eksponensiële bewegende gemiddelde (EMA) formule en hoe word die EMO bereken Die eksponensiële bewegende gemiddelde (EMA) is 'n geweegde bewegende gemiddelde (WBA) wat meer gewig, of belang, gee aan onlangse prys data as die eenvoudige bewegende gemiddelde ( SMA) doen. Die EMO reageer vinniger onlangse prysveranderings as die SMA. Die formule vir die berekening van die EMO behels net die gebruik van 'n vermenigvuldiger en begin met die SMA. Die berekening vir die SMA is baie eenvoudig. Die SMA vir enige gegewe aantal tydperke is eenvoudig die som van die sluitingstyd pryse vir daardie aantal tydperke, gedeel deur dieselfde nommer. So, byvoorbeeld, 'n 10-dag SMA is net die som van die sluitingstyd pryse vir die afgelope 10 dae, gedeel deur 10. Die drie stappe om die berekening van die EMO is: Bereken die SMA. Bereken die vermenigvuldiger vir weeg die EMO. Bereken die huidige EMO. Die wiskundige formule, in hierdie geval vir die berekening van 'n 10-tydperk EMO, lyk soos volg: SMA: 10 tydperk som / 10 Die berekening van die gewig vermenigvuldiger: (2 / (geselekteerde periode 1)) (2 / (10 1)) 0,1818 (18,18) die berekening van die EMO: (Sluitingsprys-EMO (vorige dag)) x vermenigvuldiger EMO (vorige dag) die gewig wat aan die mees onlangse prys is groter vir 'n korter tydperk EMO as vir 'n langer tydperk EMO. Byvoorbeeld, is 'n 18,18 vermenigvuldiger toegepas op die mees onlangse prys data vir 'n 10 EMO, terwyl 'n 20 EMO, slegs 'n 9,52 vermenigvuldiger gewig word gebruik. Daar is ook effense variasies van die EMO wat verkry word deur die gebruik van die oop, hoog, laag of mediaanprys in plaas van die gebruik van die sluitingsprys. Gebruik die eksponensiële bewegende gemiddelde (EMA) om 'n dinamiese forex strategie te skep. Leer hoe EMA baie benut kan word. Lees Antwoord Hier is die belangrikste potensiële voordele van die gebruik 'n eksponensiële bewegende gemiddelde wanneer handel, in plaas van 'n eenvoudige verskuiwing. Lees Antwoord Leer oor eenvoudige bewegende gemiddeldes en eksponensiële bewegende gemiddeldes, wat hierdie tegniese aanwysers meet en die verskil. Lees Antwoord Hier is die formule vir die bewegende gemiddelde konvergensie divergensie momentum aanwyser en uit te vind hoe om die MACD bereken. Lees Antwoord Vind die primêre verskille tussen eksponensiële en eenvoudige bewegende gemiddelde aanwysers, en wat nadele EMA kan. Lees Antwoord Meer inligting oor verskillende tipes bewegende gemiddeldes, asook bewegende gemiddelde CROSSOVER, en verstaan ​​hoe dit gebruik word in lees Beantwoord Eksponensiële bewegende gemiddelde -. EMO laai die speler. Afbreek van Eksponensiële bewegende gemiddelde - EMO Die 12- en 26-dag EMA is die gewildste kort termyn gemiddeldes, en hulle word gebruik om aanwysers soos die bewegende gemiddelde konvergensie divergensie (MACD) en die persentasie prys ossillator (PPO) te skep. In die algemeen, is die 50- en 200-dag EMA as seine van 'n lang termyn tendense. Handelaars wat tegniese ontleding diens vind bewegende gemiddeldes baie nuttig en insiggewend wanneer dit korrek toegepas word, maar skep chaos wanneer onbehoorlik gebruik of verkeerd verstaan. Al die bewegende gemiddeldes wat algemeen gebruik word in tegniese ontleding is, volgens hulle aard, sloerende aanwysers. Gevolglik moet die afleidings wat op die toepassing van 'n bewegende gemiddelde op 'n bepaalde mark grafiek wees om 'n mark skuif bevestig of om sy krag te toon. Heel dikwels is, teen die tyd dat 'n bewegende gemiddelde aanwyser lyn het 'n verandering aan 'n beduidende stap in die mark weerspieël gemaak het die optimale punt van toegang tot die mark reeds geslaag. 'N EMO nie dien om hierdie dilemma te verlig tot 'n mate. Omdat die EMO berekening plaas meer gewig op die jongste data, dit drukkies die prys aksie 'n bietjie stywer en reageer dus vinniger. Dit is wenslik wanneer 'n EMO word gebruik om 'n handels inskrywing sein herlei. Interpretasie van die EMO Soos alle bewegende gemiddelde aanwysers, hulle is baie meer geskik vir trending markte. Wanneer die mark is in 'n sterk en volgehoue ​​uptrend. die EMO aanwyser lyn sal ook 'n uptrend en andersom vir 'n down tendens toon. A waaksaam handelaar sal nie net aandag te gee aan die rigting van die EMO lyn, maar ook die verhouding van die tempo van verandering van die een bar na die volgende. Byvoorbeeld, as die prys aksie van 'n sterk uptrend begin plat en reverse, van die EMAS tempo van verandering van die een bar na die volgende sal begin om te verminder tot tyd en wyl die aanwyser lyn plat en die tempo van verandering is nul. As gevolg van die sloerende uitwerking, deur hierdie punt, of selfs 'n paar bars voor, die prys aksie moet reeds omgekeer. Dit volg dus dat die waarneming van 'n konsekwente verminderde in die tempo van verandering van die EMO kon self gebruik word as 'n aanduiding dat die dilemma wat veroorsaak word deur die sloerende uitwerking van bewegende gemiddeldes verder kon teen te werk. Algemene gebruike van die EMO EMA word algemeen gebruik word in samewerking met ander aanwysers aan beduidende mark beweeg bevestig en om hul geldigheid te meet. Vir handelaars wat intraday en vinnig bewegende markte handel te dryf, die EMO is meer van toepassing. Dikwels handelaars gebruik EMA om 'n handels vooroordeel bepaal. Byvoorbeeld, as 'n EMO op 'n daaglikse grafiek toon 'n sterk opwaartse neiging, kan 'n intraday handelaars strategie wees om net handel van die lang kant op 'n intraday grafiek.