分类
技術分析

还不了解ma移动平均线

胡慢慢 ​

还不了解ma移动平均线

1.算术移动平均线( MA)

一般公式 :MA=(C1+C2+C3+C4+C5+. +Cn)/n

2.加权移动平均线
加权的原因是基于移动平均线中,最近一日的收盘价对未来价格波动的影响最大,因此赋予它较大的权值。加权方式分为四种:
1.末日加权移动平均线:
计算公式: MA(N)=(C1+C2+……+Cn×2)/(n+1)
2.线性加权移动平均线:
计算公式: MA=(C1×1+C2×2+……+Cn×n)/(1+2+. +n)
3.梯型加权移动平均线:
计算方法(以5日为例):
[(第1日收盘价+第2日收盘价)×1+(第2日收盘价+第3日收盘价)×2+(第3日收盘价+第4日收盘价)×3+(第4日收盘价+第5日收盘价)×4]/(2×1+2×2+2×3+2×4)即为第五日的阶梯加权移动平均线 还不了解ma移动平均线
4.平方系数加权移动平均线:
公式(以5日为例):
MA=[(第1日收盘价×1×1)+( 第2日收盘价×2×2)+( 第3日收盘价×3×3)+( 第4日收盘价×4×4)+( 第5日收盘价×5×5)]/(1×1+2×2+3×3+4×4+5×5)


当指数平滑移动平均线起算基期不同时,起算基期较晚的计算结果会与起基期较早的数字有所差异。比如从10月30日起算5日指数平滑移动平均线的人,他所计算出的11月5日的数字一般和9和 10 日起算的人所到的11月5日的指数平滑移动平均线有所不同。这一差异经过稍长一段时间的平滑运算以后会趋于一致,不会有 大的差异。因此,投资者在计算EMA时或运用EMA技巧的技术指标如RSI和KD线时,如计算与他人数字有出入,关非运算有错误。

트레이딩뷰 이격도 지표 설정방법

20201018_143759_2.png

2. 검색엔진에 영문으로 "Disparity"를 검색해주시면 됩니다. 그중에 제가 추천하는 것은 everget이라는 분이 무료로 오픈소스로 공유해주는 Disparity Index 입니다.

20201018_143759_3.png

3.해당 지표를 클릭하시면 아래와 같이 보조 还不了解ma移动平均线 지표가 응용됩니다.

20201018_144415_3.png

4.설정을 수정하고 싶으시다면 지표의 톱니바퀴 모양 아이콘을 클릭하셔서 설정 값을 수정할 수 있습니다.

20201018_144415_2.png

5. 해당 지표는 기본값으로 이동평균선 13일이 설정되어 있으나 저는 20일로 수정해서 응용하겠습니다.

20201018_144415_1.png

아래와 같이 20일 이동평균선과 비크코인의 가격 괴리율를 이격도 보조지표가 한눈에 보기 쉽게 시각화 해주었습니다. 여러분 각각의 선호도에 따라 설정 값을 수정할 수 있으며 특정 가격의 괴리율이 지정하신 이동평균선 가격보다 횔씬 높거나 낮을때 매매 타이밍으로 보실 수 있습니다.

什么是指数移动平均线?

数量技术宅 ​

指数移动平均线,英文名称Exponential Moving Average,它是在普通移动平均线基础上的改进,要理解指数移动平均线,就需要先理解普通移动平均线,许多股票交易软件把它成为MA(Moving Average),我们通常看到软件中的MA10、MA20等等,指的是10个计算周期、20个计算周期所计算得到的移动平均线。

对序列 xn> 定义其截至第n项的周期为N的指数移动平均 EMANxn)。从定义式可以看出 EMA 加权平均的特性。在 EMA 指标中,每天价格的权重系数以指数等比形式缩小。时间越靠近当今时刻,它的权重越大。说明 EMA 函数对近期的价格加强了权重比,更能及时反映近期价格波动情况。

EMA(指数平均数指标)到底是什么?

胡慢慢 ​

假如我们现在有365天的温度,要求最近N天的平均温度值,其中 N \in 还不了解ma移动平均线 [0, 365] 。

加权平均数

V_ = (\theta_1 + \theta_2 + \theta_ + . + \theta_) \div 365

指数加权平均是一种近似求平均的方法。

指数加权平均

v_ = \beta v_ + (1-\beta) \theta_

  • v_ : 约等于最近的 \frac天的平均温度值;(为啥是 \frac后面再讲)。
  • 还不了解ma移动平均线
  • \theta_ :代表的是第t天的温度值;
  • \beta : 可调节的超参.

例如: \beta=0.9 ,t=100, v_ \approx 90到100这十天的平均温度。

v_ = \beta v_ + (1 还不了解ma移动平均线 - \beta) \theta_

v_ = \beta v_ + (1 - \beta) \theta_

v_ = \beta v_ + (1 - \beta) \theta_

设置不同的 \beta 会是什么样子呢?

\beta = 0.9 ,代表的是最近10天的平均温度值,对应下图中的红线.

\beta = 0.98 ,代表的是最近50天的平均温度值,对应下图中的绿线.

\beta = 0.5 ,代表的是最近2天的平均温度值,对应下图中的黄线,可以看到这时候和每天的温度值基本就是吻合的.

我们把公式展开一下,看看这个算法是怎么作用于 \theta_ 的,以 v_ 为例。

v_= 0.1\theta_ + 0.9v_ \\ = 0.1\theta_ + 0.9( 0.还不了解ma移动平均线 1\theta_ + 0.9v_) \\ =. \\ = 0.1\theta_ + 0.1 * 0.9 \theta_ + 0.1 * 0.9 ^\theta_ + . + 0.1 * 0.9 ^\theta_

到这里我们就很清楚 v_ 实际上是对每天温度的加权平均,时间越近,权重越大,而且是指数式的,所以叫做指数加权平均。 假如我们以1/e为一个分界点,认为权重小于1/e对整个结果影响很小,权重指数衰减到这个值之后的项就可以忽略不计了,那当 \beta 取值的时候,多久才可以衰减到1/e呢?