تفاوت بین EMAو SMA


اندیکاتور مکدی و تشخیص واگرایی های مثبت و منفی

شاخص MACD در MetaTrader 4/5 به نظر می رسد متفاوت از MACD در بیشتر نرم افزار های دیگر است. به همین دلیل است که نسخه MetaTrader 4/5 از MACD خط MACD را به عنوان یک هیستوگرام نمایش می دهد زمانی که تفاوت بین EMAو SMA به صورت سنتی به عنوان یک خط نمایش داده می شود. علاوه بر این، نسخه MetaTrader 4/5 خط سیگنال را با استفاده از SMA محاسبه می کند، در حالی که طبق تعریف MACD، آن را یک EMA می داند. نسخه MetaTrader 4/5 همچنین Histogram درست MACD (تفاوت بین خطوط MACD / Signal) را محاسبه نمی کند. این می تواند برای افراد جدید به MetaTrader 4/5 گیج کننده باشد زیرا خط MACD به عنوان یک هیستوگرام نمایش داده می شود و هیستوگرام واقعی MACD موجود نیست.

این نشانگر MACD را نشان می دهد همانطور که توسط خالق آن (Gerald Appel) تعریف شده است و چگونگی آن در سایر نرم افزار های برنامه نویسی ظاهر می شود. خط MACD به عنوان تفاوت بین “سریع” EMA و “slow” EMA محاسبه می شود. خط سیگنال EMA خط MACD است. هیستوگرام MACD تفاوت بین خط MACD / سیگنال است (هیستوگرام MACD توسط خود می تواند به صورت قابل اعتماد برای سیگنال های واگرایی مورد استفاده قرار گیرد).

پایان نامه پیش‌بینی زمان بهینه انجام معاملات با بهره گرفتن از شبکه عصبی فازی: با رویکرد تحلیل تکنیکال

در این تحقیق به عنوان نمونه پیش‌بینی زمان‌بندی معاملات سهام 17 شرکت فعال در بورس اوراق بهادار تهران انجام شد. بدین‌صورت که ابتدا داده‌های اولیه که شامل 3 متغیر قیمت پایانی، کمترین قیمت و بیشترین قیمت سهام طی دوره زمانی 1388 تا پایان 1391 به صورت روزانه است، از سایت رسمی سازمان بورس اوراق بهادارتهران گردآوری گردید .سپس با بهره گرفتن از این داده‌ها و تعریف توابع مربوطه در نرم افزار Excel شاخص‌های قدرت نسبی((RSI، میانگین متحرک همگرا- واگرا(MACD)، میانگین متحرک ساده((SMA، نوسانگر تصادفی((SO، میانگین متحرک نمایی(EMA) و خط سیگنال(SL) محاسبه شدند. پس از گردآوری سایر داده‌ها با بهره گرفتن از رگرسیون گام به گام متغیرهای ورودی هر شبکه عصبی فازی مربوط به هر سهم شناسایی شد. در شناسایی متغیرهای موثر بر شاخص‌های تحلیل تکنیکال این نتیجه حاصل شد که شاخص‌های RSI، MACD و شاخص کل سهام در 70 درصد نمونه مورد بررسی بر RSI 14 روز آتی تاثیر داشته‌اند. از طرفی، MACD-SL در 94 درصد نمونه مورد بررسی به عنوان متغیر ورودی شبکه پیش‌بین MACD-SL 14 روز آتی درنظر گرفته شده‌است. ازمیان متغیرهای مستقل، قیمت پایانی بیشترین تکرار را (تقریبا در 76 درصد موارد) در شبکه‌های پیش‌بینSMA-P 14 روز آتی داشته است. بیشترین متغیری که به عنوان ورودی شبکه‌های پیش‌بین EMA-P و SO 14 روز آتی شناسایی گردید، نسبت قیمت به سود بوده‌است. از میان کلیه متغیرها دلار و طلا به نسبت کمتری به عنوان متغیر ورودی درنظر گرفته شده‌است. این ورودی‌ها در نرم افزار Matlab و از طریق رابط گرافیکی Anfisedit جهت آموزش و تست شبکه مورد نظر به کار گرفته شدند. به گونه‌ای که پنج شبکه ANFIS برای پیش‌بینی متغیرهای RSI ، -SL MACD، -P SMA، SO وEMA-P 14روز آتی برای هر سهم طراحی شدند. سپس با بهره گرفتن از معیار MSE و RMSE و درصد صحت پیش‌بینی عملکرد شبکه‌های ایجاد شده بررسی گردید. نتایج نشان داد که میانگین درصد صحت پیش‌بینی کلیه شبکه‌های ایجاد شده (55/96%) بیشتر از حالت تصادفی (50%) است. سپس با اعمال مقررات معاملاتی مقادیر پیش‌بینی شده به سیگنال تبدیل شدند. سپس پیشنهاد داده شد که سیگنال نهایی سیستم طراحی شده از مجموع سیگنال‌های ایجاد شده توسط 5 شاخص تکنیکال مذکور بدست آید. در مرحله بعدی جهت سنجش بازده معاملات پیشنهادی مدل ارائه با بهره گرفتن از استراتژی معاملاتی پیشنهادی تحقیق یک معامله فرضی شبیه‌سازی گردید. سپس بازده معاملات صورت گرفته بر اساس سیگنال نهایی سیستم پیشنهادی با بازده روش‌های تکنیکال و روش‌های خرید و نگهداری (در دو حالت پیش از کسر هزینه‌های معاملاتی و پس از کسر هزینه‌های معاملاتی) مقایسه گشتند. با توجه بازدهی مثبت شاخص‌های SMA، EMA، SO و روش پیشنهادی می‌توان نتیجه گرفت که می‌توان با بهره گرفتن از این شاخص‌های تحلیل تکنیکال در بازار سهام ایران روند قیمت سهام را پیش‌بینی کرد. از این میان، روش میانگین متحرک ساده از بالاترین اعتبار برای پیش‌بینی روند قیمت سهام برخوردار است. در نتیجه بازار بورس تهران پتانسیل به کارگیری شاخص‌های مختلف تحلیل تکنیکی را داراست.

کلمات کلیدی: تحلیل تکنیکال، شبکه عصبی فازی، پیش‌بینی، بورس اوراق بهادار تهران.

فهرست مطالب

فصل اول: کلیات پژوهش

2-1- مفاهیم سرمایه گذاری 8

فصل سوم: روش پژوهش

فصل چهارم: تجزیه و تحلیل داده‌ها

فهرست جدول‌ها

فهرست شکل‌ها

شکل (2-5): شاخص KD 24

شکل(2-9): اجزای سیستم استدلال فازی…………… 31

شکل(2-10): یک نمونه تابع عضویت مثلثی 33

شکل(2-11): یک نمونه تابع عضویت ذوزنقه‌ای……… 34

شکل(2-12): یک نمونه تابع عضویت گوسی…………. 34

شکل(2-13): یک نمونه تابع عضویت زنگی شکل……… 35

فصل اول

کلیات پژوهش

مقدمه

پژوهش حاضر به منظور انجام یک پژوهش علمی صورت گرفته است. بدین منظور جهت بررسی مساله‌ مربوطه، می‌بایست طرح پژوهش مناسبی تهیه شودکه مساله پژوهش در آن به خوبی تعریف، فرضیه‌های آن به درستی تدوین، روش گردآوری اطلاعات و تجزیه و تحلیل آن مشخص باشد. لذا در این فصل ابتدا به طور مختصر به تشریح و بیان موضوع پرداخته می‌شود. در ادامه اهمیت و ضرورت انجام پژوهش مورد بررسی قرار می‌گیرد. سپس به بیان فرضیه‌های پژوهش، اهداف اساسی از انجام پژوهش پرداخته شده و در ادامه، روش انجام پژوهش، قلمرو پژوهش و ابزار مورد استفاده در پژوهش برای تجزیه و تحلیل اطلاعات بیان شده‌اند و هم چنین واژه‌ها‌ و اصلاحات تخصصی تعریف می‌شوند. در انتها، به علت کاربرد زیاد از حروف اختصاری در طول متن، تعاریف و عبارات کامل تفاوت بین EMAو SMA اصطلاحات پر کاربرد در یک جدول به نمایش گذارده شده است.

1-1-شرح و بیان مساله پژوهشی

همواره سرمایه‌گذاری و انباشت سرمایه در تحول اقتصادی کشور نقش بسزایی داشته است. اهمیت این عامل و نقش مؤثر آن را می‌توان به وضوح درسیستم کشورهایی با نظام سرمایه‌داری مشاهده کرد. بدون شک بورس یکی از مناسب ترین جایگاه‌ها‌ جهت جذب سرمایه‌ها‌ی کوچک و استفاده از آنها جهت رشد یک شرکت، در سطح کلان و نیز رشد شخصی فرد سرمایه گذار است (فلاح شمس و اصغری، 1388). از آنجایی که هدف و تعریف سرمایه‌گذاری، به تعویق انداختن مصرف جهت مصرف بیشتر و بهتر در آینده است؛ افراد تفاوت بین EMAو SMA سرمایه‌گذار انتظار دستیابی به سود مورد انتظار خود را دارند (طلوعی اشلقی و حق دوست، 1388). بنابراین جهت دست‌یابی به بازده مورد انتظار می‌بایست خرید و فروش در بهترین زمان ممکن و در حجم مناسب صورت گیرد. یکی از مسائل مهم در زمینه مدیریت سرمایه‌گذاری، تعیین زمان مناسب خرید و فروش سهام است. این مساله توجه محققان را برای سال‌های مدیدی جلب نموده‌است. علت توجه بدین مساله، کسب منافع مهم مالی است که از یک مدل پیش‌بینی موفق بدست می‌آید. برای دست‌یابی به این منافع تلاش‌های بسیاری صورت گرفته و از سخت افزارها و نرم افزارها، تحلیل‌ها‌ی متفاوت مالی و مانند اینها ابداع شده و مورد استفاده قرارگرفته است. متخصصان بازار سرمایه برای سالیان متمادی بازار را مطالعه نموده‌اند و الگوهایی را فرا گرفته‌اند و پیش بینی‌ها‌ را براساس آن انجام می‌دهند. آنها ترکیبی از تشخیص الگو و تجربه مبتنی بر مشاهده روابط علّت و معلول را بکار می‌برند (کیو [1] و همکاران ، 2001). با این وجود در روندهای مالی، اغلب شرایطی بوجود می‌آید که قوانین را بهم می‌ریزد و پیش بینی را توسط روش‌ها‌ی مذکور دشوار می‌سازد (حنیفی و همکاران، 1388). در منطق و نیز در علم همواره شکافی بین تئوری و تفسیر نتایج حاصل از جهان نادقیق به علت ابهام و کاستی اطلاعات واقعی دیده می‌شود. از زمان ارائه نظریه مجموعه‌های فازی گامی موثر در جهت رفع این مساله برداشته شده است. مفاهیمی وجود دارند که از دید نرم افزاری مبهم و نادقیق هستند اما برای انسان کاملا قابل درک و پذیرفتنی است ( خاتمی، 1387). ادغام مجموعه‌های فازی و شبکه‌های عصبی یکی از اقداماتی است که جهت شناسایی شرایط مبهم و عدم اطمینان به مدل‌های پیش‌بینی صورت می‌گیرد. شبکه‌ها‌ی عصبی مصنوعی یکی از روش‌ها‌ی بدیع و در حال تحول است که در موضوعات متنوعی قابلیت کاربرد دارد (لین [2] ، 2008). زمان بندی معاملات سهام مساله‌ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد، پیش‌بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکال است. تحلیل تکنیکال فرایند تحلیل قیمت‌های تاریخی سهام و حجم مبادلات در کوشش جهت پیش‌بینی حرکت‌های آینده قیمت می‌باشد. در این راستا فرصت‌های خرید و فروش از راه برآورد محدوده نوسانات بازار مشخص می‌شود. ‌گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست (تهرانی و عباسیون،1387). به نظر می‌رسد استفاده از ابزارها و الگوریتم‌های محاسباتی پیچیده‌تر مانند شبکه‌های عصبی فازی در مدل‌سازی فرایند‌‌های غیرخطی که منتج به قیمت و روند سهام می‌شوند، می‌تواند بسیار تفاوت بین EMAو SMA مفید باشد. لذا در این پژوهش سعی می‌شود با بهره گرفتن از متغیرهای بازار سرمایه (شاخص کل، نسبت P/E، سود هر سهم و…)، متغیرهای اقتصادی (نرخ ارز، قیمت نفت، قیمت طلا و…) و شاخص‌ها‌ی تحلیل تکنیکال (RSI ،SO ، MACDو …) شبکه عصبی فازی ای طراحی شود که قابلیت دستیابی به جواب بهینه ای نزدیک به جواب واقعی را دارا باشد. با توجه به شرح و بیان مسئله پژوهشی گفته شده، هدف این پژوهش طراحی مدلی جهت پیش‌بینی زمان بهینه انجام معاملات می‌باشد.

1-2-اهمیت و ارزش پژوهش

سرمایه‌گذاران در بازار سرمایه همواره در طول زمان علاقه مند به دانستن بهترین زمان انجام معامله جهت کسب بیشترین بازده ممکن می باشند. دستیابی به چنین اطلاعاتی تنها در صورتی ممکن است که نسبت به وضعیت آینده سهام آگاهی یابند. آگاهی از وضعیت آینده سهام مستلزم مجهز بودن به ابزاری جهت پیش بینی آینده می‌باشد. این ابزار می بایست قابلیت پیش بینی زمان بهینه معامله و بازده حاصله را دارا باشد. لذا لازم است که جهت دستیابی به ابزاری که از توانایی پیش‌بینی بهترین زمان انجام معامله با وجود شرایط مختلف زمانی برخوردار باشد، کفایت روش‌ها‌ی غیر خطی همچون شبکه‌ها‌ی عصبی فازی بررسی شوند.

1-3-اهداف پژوهش

هدف اصلی این پژوهش، بررسی نقش شبکه‌ها‌ی عصبی فازی در ارتقای اثربخشی شاخص‌ها‌ی تحلیل تکنیکال در پیش بینی علائم خرید و فروش سهام می باشد. که در این راستا، اهداف فرعی زیر تعریف می‌گردند:

  1. بررسی صحت پیش‌بینی مدل شبکه عصبی فازی.
  2. مقایسه بازده حاصل از روش پیشنهادی با بازده روش‌ها‌ی خرید و نگهداری و روش‌ها‌ی معاملاتی تحلیل تکنیکال پیش از کسر هزینه‌ها‌ی معاملاتی.
  3. مقایسه بازده حاصل از روش پیشنهادی با بازده روش‌ها‌ی خرید و نگهداری و روش‌ها‌ی معاملاتی تحلیل تکنیکال پس از کسر هزینه‌ها‌ی معاملاتی.

1-4-فرضیه‌ها‌ی پژوهش

فرضیه اصلی: توانایی مدل ترکیبی شبکه‌ها‌ی عصبی فازی و تحلیل تکنیکال در پیش‌بینی سیگنال‌ها‌ی خرید و فروش سهام در سطح مناسبی قرار دارد.

تفاوت بین EMAو SMA

کانال رسمی وب سایت Pay98، ارائه دهنده خدمات ارزی و پرداخت بین المللی

About
Platform

💭 صرافی Liquid فروش توکن گرام را لغو کرد

💭 کمپانی آلمانی Software AG با آیوتا همکاری می کند

🔹 کمپانی Software AG گفته که به صورت مجازی با تمامی راهکار هایی که آیوتا ارائه می کند، بزودی همگام خواهد شد.

🔸 اگر چه آیوتا اخیرا همکاری های بسیاری را صورت داده، Software AG بزرگترین همکار او به حساب می آید.

کمپانی Software AG یک کمپانی چند ملیتی آلمانی فعال در زمینه ارائه راهکار های نرم افزاری است؛ این کمپانی تایید کرده که بزودی از راهکار های آیوتا تفاوت بین EMAو SMA در سرویس های خود استفاده می کند. اگر چه هنوز جزئیات بیشتری در این زمینه منتشر نشده، معاونت نوآوری و معماری این کمپانی گفته که موارد استفاده زیادی از آیوتا در Software AG وجود دارد.

پس از انتشار این خبر، روز جمعه قیمت توکن آیوتا از 0.227 به 0.237 دلار رسید. اما در زمان نوشتن این گزارش، قیمت این توکن با حدود یک درصد رشد به 0.246 دلار رسیده است.

🔸اگر شما هم با شنیدن خبرهای ناخوشایند ارز دیجیتال، دچار سردگمی می شوید و نمی توانید تصمیم درست برای فروش ارز خود بگیرید .

🔸اگر نوسانات قیمت ارز بر روی سرمایه گذاری شما بسیار تاثیر می گذارد .

💥 این مقاله برای شماست تا بیشتر با "ترس، عدم اطمینان و شک" یا همان FUD آشنا شوید.

💭 چرا قیمت بیت کوین در صرافی ها متفاوت است؟

🔸 اگر قصد خرید بیت کوین را داشته باشید، متوجه شده اید که هر صرافی قیمت تفاوت بین EMAو SMA متفاوتی را برای بیت کوین یا سایر ارز های دیجیتال اعلام می کند. اما علت این تفاوت قیمتی چیست و قیمت معتبرتر کدام است؟

💭 میانگین متحرک چیست؟

🔸 تقریبا در تمام تحلیل های تکنیکال ارز دیجیتال از میانگین متحرک برای بررسی روند قیمت ها استفاده می شود. میانگین متحرک ساده و نمایی (EMA و SMA) از کاربردی ترین اندیکاتورها به شمار می روند.

💭 کاهش قیمت بیت کوین با سال نو چینی ( 5 تا 7 بهمن)

🔸 تاثیر چین بر قیمت بیت کوین غیر قابل انکار است. مطالعات گذشته نشان می دهد که در سال 2018 با تعطیلات سال نو چینی، قیمت بیت کوین 50 درصد کاهش داشته است.

آیا امسال نیز با آغاز سال نو، قیمت ها کاهش می یابد؟

💭 کاهش 20 درصدی سرعت انجام تراکنش در بیت کوین

💥 رکورد سرعت انجام تراکنش در بیت کوین شکسته شد و به 8.24 دقیقه رسید. بهبود های شبکه بیت کوین به قدری چشمگیر است که به رقیب جدی بانکداری سنتی تبدیل شده است.

💭 کاهش قیمت بیت کوین برخلاف مبارزه گاوها

💭 تتر گلد : ارز جدید تتر با پشتوانه طلا

🔸 استیبل کوین تتر، ارز جدیدی به نام تتر گلد معرفی کرده است که دارای پشتوانه طلاست. این ارز علاوه بر ویژگی های ارز دیجیتال، مزیت های دارایی پایدار طلا را نیز داراست.

💭 مراحل اخذ وقت سفارت کانادا به صورت آنلاین و سریع

✈️ یکی از مراحل مهم مهاجرت، اخذ ویزا و تکمیل مراحل انگشت نگاری است. بدون در نظر گرفتن نوع ویزا، گذراندن این مراحل ضروری است.

🔹 با توجه به عدم وجود سفارت کانادا در ایران، تمامی مراحل اخذ وقت سفارت و مراحل بیومتریک را به صورت آنلاین شرح داده ایم.

⁉️ویروس ناشناخته کرونا به شکل بسیار سریع در حال شیوع است اما این موضوع چه ارتباطی با ارز های دیجیتال دارد؟

🔸در پی شیوع بیماری کرونا، مردم چین به شدت دچار ترس و وحشت شده اند. این ترس سبب شده به بازار سهام مراجعه کرده و اغلب سهام خود را به فروش گذاشته اند. این موضوع که با آغاز سال نو چینی نیز همراه بوده است، منجر به کاهش 2.7 درصدی بازار سهام شده است. علاوه بر آنکه اکنون بورس چین تعطیل است و پیش بینی می شود با بازگشایی مجدد این سقوط بیشتر شود.

بازار های نفتی نیز از این سقوط بی نصیب نمانده اند و 2.3 درصد کاهش داشته است. اما آیا این سقوط به بازار ارزهای دیجیتال نیز می رسد؟

🔹پیش از شیوع کرونا، با توجه به آغاز سال نو چینی، تحلیلگران تفاوت بین EMAو SMA اعلام کرده بودند که طبق سنوات گذشته قیمت بیت کوین کاهش خواهد یافت. حال با شیوع کرونا، برخی معتقدند این موضوع به عنوان یک عامل دیگر موجب سقوط بیشتر ارز های دیجیتال می شود. قیمت بیت کوین هفته گذشته 9000 دلار بوه و اکنون به سطح کم نوسان 8300 تا 8400 دلار رسیده است.

سقوط قیمت بسیار بعید هم به نظر نمی رسد چرا که در پی تنش های ایران و آمریکا نیز قیمت بیت کوین نوساناتی را تجربه کرد. از سوی دیگر چین دارای بیش از 65 درصد قدرت ماینینگ جهان است و به مراتب تاثیر پر رنگ تری از ایران بر قیمت ها دارد.

👈 البته شیوع این ویروس نه به عنوان فاکتوری اثر گذار در طولانی مدت اما در بازه زمانی کوتاه می تواند موجب کاهش قیمت بیت کوین شود.

moshaverer110

MA یک اندیکاتور پیرو است که میانگین قیمت یک دارایی در یک بازه زمانی خاص را نمایش می‌دهد. از تفاوت بین EMAو SMA MA می‌توان برای تأیید روندها و شناسایی سطوح حمایت و مقاومت استفاده کرد. از آن جایی که MA روند آیند

اندیکاتور میانگین متحرک یا MA چیست؟

MA یک اندیکاتور پیرو است که میانگین قیمت یک دارایی در یک بازه زمانی خاص را نمایش می‌دهد. از MA می‌توان برای تأیید روندها و شناسایی سطوح حمایت و مقاومت استفاده کرد. از آن جایی که MA روند آینده قیمت را پیش‌بینی نمی‌کند، بیشترین کاربرد آن در تحلیل روند فعلیست. در این مقاله ضمن آموزش اندیکاتور MA ، با انواع مختلف این اندیکاتور از جمله SMA ، WMA ، EMA و HMA و عملکرد هر یک آشنا خواهیم شد.

اندیکاتور میانگین متحرک یا Moving Average که به اختصار MA خوانده می‌شود، یکی از محبوب‌ترین اندیکاتورهای تحلیل تکنیکال است. این اندیکاتور مانند اندیکاتورهایی از جمله RSI و MFI از نوع leading یا اصطلاحاً پیشرو نیست. اندیکاتورهای پیشرو انواعی هستند که قیمت یک دارایی در آینده را تفاوت بین EMAو SMA پیش‌بینی ‌می‌کنند. MA اما یک اندیکاتور پیرو یا lagging است. این به این معنیست که از این اندیکاتور برای تحلیل رفتار یک دارایی در حال و گذشته استفاده می‌شود. MA در یک بازه مشخص از اعداد نوسان نمی‌کند. بنابراین میانگین متحرک، اسیلاتور یا نوسانگر هم نیست. با این وجود، MA یکی از پرکاربردترین اندیکاتورها و پایه کار بسیاری از اندیکاتورهای دیگر مانند MACD است. اندیکاتور MA دارای انواع مختلفیست که در قسمت‌های بعدی با آن‌ها آشنا خواهیم شد.

مبانی اولیه اندیکاتور میانگین متحرک یا MA

MA قیمت‌های یک دارایی در بازه‌های زمانی مشخص را دریافت می‌کند و میانگین آن را نمایش می‌دهد. برخلاف اسیلاتورها، میانگین متحرک محدود به یک بازه مشخص نیست و می‌تواند همگام با نمودار قیمت حرکت کند. بازه‌های زمانی یا تایم‌فریم‌هایی که در MA تعریف می‌شوند می‌توانند بسته به نوع تحلیل تکنیکال شما متفاوت باشند. اما نکته حائز اهمیت این است که در هر حال، حدی از تأخیر در این اندیکاتور اجتناب‌ناپذیر است. هرچه بازه زمانی موردنظر شما طولانی‌تر باشد، این تأخیر بیشتر خواهد بود. عکس این موضوع نیز صادق است. یعنی هرچه بازه زمانی کوتاه‌تری را انتخاب کنید، احتمال تأخیر را کاهش خواهید داد. به طور کلی تایم‌فریم‌های کوتاه‌تر به قیمت اصلی نزدیک‌تر هستند. بنابراین با هر تغییری در قیمت، اندیکاتور نیز سریع‌تر تغییر می‌کند. اما در بازه‌های طولانی‌تر، باید حجم بیشتری از اطلاعات تحلیل شود. در نتیجه، تأخیر بیشتری را در نمایش تغییرات جدید خواهد داشت. منظور ما از بازه زمانی کوتاه‌مدت، دوره کمتر از ۲۰ روز است. بازه زمانی بین ۲۰ تا ۶۰ روز را می‌توان بازه متوسط در نظر گرفت. و بازه زمانی بلندمدت نیز به بازه بیش از ۶۰ روز اطلاق می‌شود. با همه این اوصاف، انتخاب بازه زمانی به کلی به معامله‌گر و اهداف وی بستگی دارد. ممکن است تریدری بر اساس سبک تحلیل خود از بازه‌های طولانی پاسخ بهتری را دریافت کند تا بازه‌های کوتاه‌تر. نکته دیگری که برعهده تریدر قرار دارد، انتخاب نوع MA است. همانطور که در قست قبل عنوان کردیم، MA دارای انواع مختلفیست. در این قسمت انواع مختلف این اندیکاتور را بررسی خواهیم کرد.

میانگین متحرک ساده یا (Simple MA (SMA

همانطور که از نامش پیداست، SMA ساده‌ترین نوع میانگین متحرک است. این نوع از اندیکاتور قیمت‌‌های بازه زمانی موردنظر را دریافت کرده و میانگین آن را ارائه می‌کند. در SMA هیچ تفاوتی در بین قیمت‌های قدیمی‌تر و قیمت‌های جدیدتر وجود ندارد. همگی این قیمت‌ها از ارزش یکسان برخوردارند. با شروع هر روز جدید، اطلاعات قدیمی‌ترین روز کنار گذاشته می‌شود و اطلاعات روز جدید به اندیکاتور اضافه می‌شود. مشکلی که SMA با آن مواجه است، همین برابری ارزش قیمت‌هاست. برخی از تحلیلگران معتقدند که تغییرات اخیر قیمت از اهمیت بیشتری برخوردارند. و این اهمیت باید در محاسبات اندیکاتور لحاظ شود. دو نوع دیگر MA با نام‌های WMA و EMA برای حل همین مشکل روی کار آمدند.

تفاوت WMA با SMA در این است که در این نوع، اهمیت بیشتری به تغییرات اخیر قیمت داده می‌شود. تصور کنید که شما یک بازه ۲۰ روزه را انتخاب کرده‌اید. در WMA قیمت‌هایی که در روز بیستم ثبت می‌شوند نسبت به قیمت‌های روز اول از وزن بیشتری برخوردارند. مانند MA ساده، در WMA نیز با پایان روز بیستم و شروع روز بیست و یکم، اطلاعات روز اول حذف شده و داده‌های مربوط به روز جدید اضافه می‌شوند.

میانگین متحرک نمایی یا (Exponential Moving Average (EMA EMA

بسیار شبیه به WMA است و در واقع نوعی از WMA محسوب می‌شود. با این تفاوت بین EMAو SMA تفاوت که در EMA داده‌های قدیمی حذف نمی‌شوند. بلکه ارزش آن‌ها به مرور زمان کم و کم‌تر می‌شود. تا جایی که به نزدیک صفر تمایل پیدا می‌کند. انتخاب یکی از انواع MA کاملاً به تریدر و چشم‌اندازهای او بستگی دارد. همانطور که عنوان شد، EMA و WMA نسبت به SMA کمتر با مشکل تأخیر مواجه هستند. اما SMA به دلیل دربرگیری همه قیمت‌ها، برای تشخیص سطوح مقاومت و حمایت مناسب‌تر است.

میانگین متحرک هال نوعی از میانگین متحرک است که در سال ۲۰۰۵ توسط شخصی به نام آلن هال (Alan Hall) توسعه داده شد. هدف اصلی HMA به حداقل رساندن تأخیریست که اندیکاتورهای MA در نمایش تغییرات قیمت از آن رنج می‌برند. HMA در فرمول خود از میانگین متحرک وزنی استفاده می‌کند. و مانند WMA، HMA نیز تمرکز بیشتری را برروی قیمت‌های جدیدتر معطوف می‌کند. با مطالعه فرمول HMA (در قسمت محاسبات و فرمول‌ها) متوجه خواهید شد که این اندیکاتور از چه روشی برای کاهش فاصله بین نمودار اندیکاتور و قیمت‌های جدید بهره می‌برد. با استفاده از MA به چه اطلاعاتی دست پیدا می‌کنیم؟ سیگنال‌های اندیکاتور MA می‌دانید که هر اندیکاتوری سیگنال‌های منحصربفردی را ارائه می‌کند که در صورت استفاده صحیح، می‌توانند در انجام یک ترید موفق به شما کمک کنند. در این قسمت قصد داریم نگاهی به سیگنال‌های اندیکاتور MA داشته باشیم و کاربردهای هریک را بررسی کنیم.

سیگنال تأیید ترند

تأیید روند یکی از ساده‌ترین و در عین حال موثرترین کاربردهای اندیکاتور MA است. به‌خاطر داشته باشید که MA قیمت‌های حال و گذشته یک دارایی را بررسی می‌کند و نمایش می‌دهد. همین ویژگی، آن را به اندیکاتور مناسبی برای تأیید روند تبدیل می‌کند. قاعده کلی استفاده از این اندیکاتور برای تأیید روند به این صورت است: اگر اندیکاتور MA در یک بازه طولانی مدت اعمال شود و اندیکاتور روند صعودی را نشان دهد، این به معنای تأیید روند صعودی قیمت است. اگر اندیکاتور MA در یک بازه طولانی مدت اعمال شود و در حالت نزولی قرار بگیرد، نشانه‌ای از تأیید روند نزولیست. از آن جایی که بازه طولانی‌مدت MA حجم بالایی از قیمت‌های مختلف را در خود جای می‌دهد، با هر تغییر کوچکی در قیمت تغییر نمی‌کند. بنابراین صعودی یا نزولی بودن آن به این شکل تعبیر می‌شود که روند کلی قیمت این است، و سایر تغییرات مقطعی و کوتاه‌مدت هستند. در تصویر زیر نمونه‌ای از نمودار MA در بازه زمانی ۲۰۰ روز را مشاهده می‌کنید. همانطور که می‌بینید، نمودار در این مقیاس در حالت صعودی قرار گرفته و نوسانات قیمت برروی آن موثر نبوده‌اند. در تصویر زیر نیز نمونه‌ای از نمودار نزولی MA در بازه ۲۰۰ روزه را مشاهده می‌کنید.

اطلاعات کامل و جامع را می توانید از سایت شمع سبز دریافت نمایید

سیگنال حمایت و مقاومت

از دیگر سیگنال‌های مهم MA می‌توان به نمایش دادن سطوح حمایت و مقاومت اشاره کرد. به طور کلی، این اندیکاتور می‌تواند در روندهای صعودی بعنوان سطح حمایت و در روندهای نزولی بعنوان سطح مقاومت عمل کند. با این حال که این کاربرد در بازه‌های زمانی کوتاه‌تر نیز مشهود است، اما کاربرد آن در بازه‌های طولانی بیشتر است. در تصویر زیر کاربرد MA بعنوان حمایت در روند صعودی را مشاهده می‌کنید. این تصویر متعلق به بازه ۵۰ روزه است. تصویر زیر نیز کاربرد MA بعنوان مقاومت در روند نزولی را نمایش می‌دهد. این تصویر متعلق به بازه ۱۰۰ روزه است.

سیگنال برخورد اندیکاتورها یا سیگنال‌های متقاطع صعودی و نزولی (Crossovers)

برای استفاده از سیگنال برخورد اندیکاتورها یا همان crossover باید دو MA با دو بازه زمانی مختلف را اعمال کنید. بعنوان مثال می‌توانید یک MA ساده با بازه‌های ۵۰ روزه و ۲۰۰ روزه را در نظر بگیرید، و این دو را به‌طور همزمان به‌کار ببندید. سیگنال مورد نظر زمانی رخ می‌دهد که MA کوتاه‌تر با MA بلندتر برخورد کند و از آن بالاتر یا پایین‌تر برود. سیگنال برخورد اندیکاتورها نیز دارای دو نوع صعودی و نزولیست. سیگنال صعودی زمانی رخ می‌دهد که نمودار MA دارای بازه زمانی کوتاه‌تر به بالای نمودار MA طولانی‌مدت حرکت کند. از این سیگنال تحت عنوان برخورد طلایی (Golden Cross) نیز یاد می‌شود. در تصویر زیر سیگنال متقاطع صعودی را مشاهده می‌کنید. در سیگنال برخورد نزولی دقیقاً عکس این اتفاق را شاهد هستید. به این معنی که در این سیگنال، نمودار MA کوتاه‌مدت به زیر MA بلندمدت حرکت می‌کند و پایین‌تر از آن قرار می‌گیرد. از این سیگنال تحت عنوان برخورد مرده (Dead Cross) نیز یاد می‌شود. در تصویر زیر سیگنال متقاطع نزولی را مشاهده می‌کنید. تأکید می‌کنیم که بهتر است تریدرها از محدودیت‌های این سیگنال‌ها آگاه باشند. سیگنال‌های عنوان شده در حقیقت از ترکیب دو اندیکاتور متأخر حاصل می‌شوند. بنابراین هردوی این اندیکاتورها اتفاقاتی را تحلیل می‌کنند که از پیش رخ داده‌اند و برای پیش‌بینی مناسب نیستند. موثرترین کاربرد این سیستم و سیستم‌های مشابه در ترندهای قویست. در روندهای پرقدرت، سیگنال‌های مطرح شده می‌توانند بسیار ارزشمند باشند. سیگنال تقاطع قیمت‌ سیگنال تقاطع قیمت‌ زمانی رخ می‌دهد که علاوه بر اعمال اندیکاتورهای عنوان شده در قسمت قبل، فاکتور قیمت را نیز وارد کنید. برای حصول این سیگنال، شما باید MA بلندمدت را بعنوان ابزاری برای تأیید روند طولانی‌مدت به‌کار بگیرید. سیگنال تقاطع قیمت سپس زمانی اتفاق می‌افتد که MA کوتاه‌مدت همسو با MA طولانی‌مدت در حال حرکت باشد، و نمودار قیمت با MA کوتاه‌مدت برخورد کرده و بالاتر یا پایین‌تر از آن قرار بگیرد. این سیگنال نیز مانند سیگنال پیشین دارای دو نوع صعودی و نزولیست. برای درک بهتر این سیگنال‌ها نیز، بازه ۵۰ روزه را بعنوان MA کوتاه‌مدت و بازه ۲۰۰ روزه را بعنوان MA طولانی‌مدت در نظر می‌گیریم. سیگنال تقاطع قیمت صعودی (یا گاوی) سیگنال تقاطع قیمت صعودی به شرایطی اطلاق می‌شود که MA کوتاه‌مدت بالاتر از نوع طولانی‌مدت قرار داشته باشد. و نمودار قیمت از MA کوتاه‌مدت نیز عبور کرده و از آن بالاتر رود. در این شرایط MA طولانی‌مدت در حال تأیید روند است. و MA کوتاه‌مدت و نمودار قیمت نیز سیگنال‌هایی در همین راستا را صادر می‌کنند. در تصویر زیر سیگنال تقاطع قیمت صعودی با دو نمودار ۵۰ و ۲۰۰ روزه را مشاهده می‌کنید. سیگنال تقاطع قیمت نزولی (یا خرسی) سیگنال تقاطع قیمت نزولی به شرایطی اطلاق می‌شود که MA کوتاه‌مدت پایین‌تر از نمونه طولانی‌مدت قرار داشته باشد. و نمودار قیمت از MA کوتاه‌مدت نیز عبور کرده و پایین‌تر از آن قرار بگیرد. در این شرایط نمودار طولانی‌مدت در حال تأیید روند نزولیست. و نمودار کوتاه‌مدت و نمودار قیمت نیز سیگنال‌هایی در همین راستا را نمایش می‌دهند. در تصویر زیر سیگنال تقاطع قیمت نزولی با دو بازه ۵۰ و ۲۰۰ روزه را مشاهده می‌کنید. محاسبات و فرمول‌ها در این قسمت فرمول‌های مورد استفاده در انواع مختلف MA را معرفی خواهیم کرد. آگاهی از این فرمول‌ها برای استفاده از اندیکاتورها الزامی نیست. اما درک فرمول‌های به‌کار رفته در هر اندیکاتوری به شما در درک منطق پایه آن کمک می‌کند. از همین رو، خصوصاً اگر از کاربران حرفه‌ای ارز دیجیتال هستید و یا قصد دارید ترید را بصورت حرفه‌ای دنبال کنید، مطالعه این فرمول‌ها را به شما پیشنهاد می‌کنیم. همانطور که در قسمت‌های قبل عنوان کردیم، میانگین متحرک دارای سه نوع ساده (SMA)، وزنی (WMA) و نمایی (EMA) است. فرمول‌های به‌کار رفته در این سه نوع با یکدیگر متفاوت هستند. فرمول اندیکاتور SMA تعداد دوره‌ها / مجموع قیمت‌ها در طول دوره موردنظر تصور کنید که شما دوره سه روزه را انتخاب کرده‌اید، و قیمت دارایی مورد نظر شما در زمان بسته شدن سه روز اول دوره به ترتیب برابر با ۵ ، ۶ و ۷ بوده است. در این صورت SMA شما برای این دوره برابر خواهد بود با: ۳ = ۳ / (۷ + ۶ + ۵) MA ساده سه روزه شما با اتمام این سه روز و ورود به روز چهارم، قیمت مربوط به روز اول را حذف و قیمت روز چهارم را اضافه می‌کند. تصور کنید که قیمت در انتهای روز چهارم برابر با ۸ بوده است. در این صورت SMA شما از این قرار خواهد بود: ۷ = (۸ + ۷ + ۶) فرمول اندیکاتور WMA حتماً به‌خاطر دارید که تفاوت WMA با MA ساده در اهمیتیست که WMA برای قیمت‌های جدیدتر لحاظ می‌کند. در قسمت زیر فرمول به‌کار رفته در WMA برای یک دوره فرضی ۵ روزه را مشاهده می‌کنید: میانگین = قیمت X وزن/ارزش دوره ۵ = ۵ X ۱ ۱ ۱۲ = ۶ X ۲ ۲ ۲۱ = ۷ X ۳ ۳ ۳۲ = ۸ X ۴ ۴ ۴۵ = ۹ X ۵ ۵ ۵۲۵ = ۳۵ X ۱۵ مجموع میانگین متحرک وزن‌دار = مجموع وزن یا ارزش / مجموع میانگین‌های جدول بالا ۷.۶۶۶۷ = ۱۵ / ۱۱۵ فرمول اندیکاتور EMA محاسبات اندیکاتور EMA از سه مرحله تشکیل می‌شود. در قسمت زیر محاسبات EMA برای یک دوره ۵ روزه را مشاهده می‌کنید: محاسبه SMA محاسبه نسبت ارزش قیمت‌ها: ( ۱ + تعداد دوره‌ها) / ۲ ۳۳.۳۳۳% تفاوت بین EMAو SMA = (۱ + ۵) / ۲ محاسبه EMA (EMA روز قبل + نسبت ارزش) * (EMA روز قبل – قیمت در زمان بسته شدن بازه زمانی جدید) در صورتی که در اولین روز دوره قرار داشته باشیم، بجای EMA روز قبل از MA ساده روز قبل استفاده می‌کنیم. فرمول اندیکاتور HMA برای محاسبه HMA ابتدا باید دو MA وزنی مختلف را محاسبه کنید. یکی از این WMAها با یک بازه زمانی مشخص (بازه فرضی n) و دیگری با نصف این بازه زمانی (بازه n/2) محاسبه می‌شوند. برای درک بهتر این موضوع، بازه ۱۶ روزه را بعنوان مثال در نظر می‌گیریم. مرحله اول این است که (WMA (n/2 یعنی WMA بازه ۸ روزه را محاسبه کنید. (WMA (16/2 = 8 در مرحله دوم باید WMA بازه زمانی کامل را محاسبه و آن را از نتیجه مرحله ۱ کسر کنیم. (WMA (8) – WMA (16 برای انجام محاسبات مرحله سوم از مربع بازه زمانی مورد نظر استفاده می‌کنیم. بنابراین در مثال فعلی عدد مورد ما برابر با ۴ است (۴ = رادیکال ۱۶) در مرحله آخر باید WMA چهار روزه را برای نتیجه‌ای که در مرحله ۲ بدست آوردید محاسبه کنید. این نتیجه، همان HMA نهایی شماست.

اندیکاتور مکدی و تشخیص واگرایی های مثبت و منفی

شاخص MACD در MetaTrader 4/5 به نظر می رسد متفاوت از MACD در بیشتر نرم افزار های دیگر است. به همین دلیل است که نسخه MetaTrader 4/5 از MACD خط MACD را به عنوان یک هیستوگرام نمایش می دهد زمانی که به صورت سنتی به عنوان یک خط نمایش داده می شود. علاوه بر این، نسخه MetaTrader 4/5 خط سیگنال را با استفاده از SMA محاسبه می کند، در حالی که طبق تعریف MACD، آن را یک EMA می داند. نسخه MetaTrader 4/5 همچنین Histogram درست MACD (تفاوت بین خطوط MACD / Signal) را محاسبه نمی کند. این می تواند برای افراد جدید به MetaTrader 4/5 گیج کننده باشد زیرا خط MACD به عنوان یک هیستوگرام نمایش داده می شود و هیستوگرام واقعی MACD موجود نیست.

این نشانگر MACD را نشان می دهد همانطور که توسط خالق آن (Gerald Appel) تعریف شده است و چگونگی آن در سایر نرم افزار های برنامه نویسی ظاهر می شود. خط MACD به عنوان تفاوت بین “سریع” EMA و “slow” EMA محاسبه می شود. خط سیگنال EMA خط MACD است. هیستوگرام MACD تفاوت بین خط MACD / سیگنال است (هیستوگرام MACD توسط خود می تواند به صورت قابل اعتماد برای سیگنال های واگرایی مورد استفاده قرار گیرد).



اشتراک گذاری

دیدگاه شما

اولین دیدگاه را شما ارسال نمایید.