Média Ponderada Média Como

Média móvel (média móvel, MA). Média móvel. . : (),. . Média móvel,,,. . , Média móvel,,. (Simple Moving Average). (Média de Movimento Médio ponderado linear exponencial). . Média móvel,,. Média móvel,. :,,. . : Média móvel,,, Média móvel,. : Média móvel simples (SMA) média móvel exponencial (EMA) média movimentada suavizada (SMMA) média móvel ponderada linear (LWMA) -, MQL5 Wizard. (Simple Moving Average, SMA), (, 12). SMA SUM (CLOSE (i), N) N SUM FECHAR (i) N. (Exponential Moving Average, EMA). . -: EMA (CLOSE (i) P) (EMA (i - 1) (1 - P)) FECHAR (i) EMA (i - 1) P. (SMA): SUM1 SUM (FECHAR (i), N): SMMA (i) (SMMA1 (N-1) FECHAR (i)) N: PREVSUM SMMA (i - 1) N SMMA (I) (PREVSUM - SMMA (i - 1) FECHAR (i)) N SUM SUM1 N, PREVSUM SMMA (i-1) SMMA (i) () FECHAR (i) N. : SMMA (i) (SMMA (i - 1) (N - 1) FECHAR (i)) N - (Média de Movimento Ponderada Linear, LWMA),. : LWMA SUM (FECHAR (i) i, N) SUM (i, N) SUM FECHAR (i) SUM (i, N) N. A maneira estranha de uma média móvel ferrets a tendência de uma massa de medidas confusas pode ser visto por Planejando a média móvel de 10 dias juntamente com os pesos diários originais, mostrados como pequenos diamantes. As médias móveis que usamos até agora dão igual significado a todos os dias na média. Isso não precisa ser assim. Se você pensa sobre isso, não faz muito sentido, especialmente se você estiver interessado em usar uma média móvel de longo prazo para suavizar os colisões aleatórias na tendência. Suponha que você esteja usando uma média móvel de 20 dias. Por que seu peso, há quase três semanas, deve ser considerado igualmente relevante para a tendência atual como seu peso nesta manhã. Várias formas de médias móveis ponderadas foram desenvolvidas para resolver essa objeção. Em vez de somar as medidas para uma seqüência de dias e dividir pelo número de dias, em uma média móvel ponderada, cada medida é primeiro multiplicada por um fator de peso que difere do dia a dia. A soma final é dividida, não pelo número de dias, mas pela soma de todos os fatores de peso. Se fatores de peso maiores forem usados ​​para dias mais recentes e fatores menores para medidas mais atrasadas no tempo, a tendência será mais sensível às mudanças recentes sem sacrificar o alisamento de uma média móvel. Uma média móvel não ponderada é simplesmente uma média móvel ponderada com todos os fatores de peso iguais a 1. Você pode usar quaisquer fatores de peso que você gosta, mas um conjunto específico com o Jawbreaking Monicker Exponentially Suavizado Mover Média provou ser útil em aplicações que vão desde o radar de defesa aérea Para negociar o mercado da barriga de porco Chicago. Vamos colocar isso também em nossas barrigas. Este gráfico compara os fatores de peso para uma média móvel de 20 dias exponencialmente suavizada com uma média móvel simples que pesa todos os dias igualmente. O alisamento exponencial dá a medição de hoje duas vezes o significado que a média simples atribuiria, a medição de ontem um pouco menor do que isso, e cada dia sucessivo inferior ao seu antecessor no dia 20, contribuindo apenas com 20 para o resultado com uma média móvel simples. Os fatores de peso em uma média móvel suavemente exponencial são potências sucessivas de um número chamado de constante de suavização. Uma média móvel suavemente exponencial com uma constante de suavização de 1 é idêntica a uma média móvel simples, uma vez que 1 para qualquer potência é 1. As constantes de suavização inferiores a 1 pesam mais os dados mais recentes, com a polarização para as medidas mais recentes aumentando à medida que o alisamento Diminui constantemente para zero. Se a constante de suavização exceder 1, os dados mais antigos são mais ponderados do que as medidas recentes. Este gráfico mostra os fatores de peso resultantes de diferentes valores da constante de suavização. Observe como os fatores de peso são todos 1 quando a constante de suavização é 1. Quando a constante de suavização é entre 0,5 e 0,9, o peso dado aos dados antigos cai tão rapidamente em comparação com medidas mais recentes que não há necessidade de restringir a média móvel para Um número específico de dias, podemos medir todos os dados que temos, de volta ao início e deixar que os fatores de peso calculados a partir da constante de suavização descartem automaticamente os dados antigos, uma vez que torna-se irrelevante para a tendência atual.