Coeficiente médio exponencial de movimento

Média móvel O indicador técnico da média móvel mostra o valor médio do preço do instrumento por um determinado período de tempo. Quando se calcula a média móvel, uma média do preço do instrumento para este período de tempo. À medida que o preço muda, sua média móvel aumenta ou diminui. Existem quatro tipos diferentes de médias móveis: Simples (também conhecido como Aritmética), Exponencial. Alisado e ponderado. A média móvel pode ser calculada para qualquer conjunto de dados seqüenciais, incluindo preços de abertura e fechamento, preços mais altos e mais baixos, volume de negócios ou outros indicadores. Muitas vezes, é o caso quando se usam médias móveis duplas. A única coisa em que as médias móveis de diferentes tipos divergem consideravelmente umas das outras, é quando os coeficientes de peso, que são atribuídos aos dados mais recentes, são diferentes. No caso de nós estarmos falando de Simple Moving Average. Todos os preços do período de tempo em questão são de valor igual. A média móvel exponencial e a média móvel ponderada linear atribuem mais valor aos preços mais recentes. A maneira mais comum de interpretar a média móvel de preços é comparar sua dinâmica com a ação de preço. Quando o preço do instrumento sobe acima de sua média móvel, aparece um sinal de compra, se o preço cai abaixo da média móvel, o que temos é um sinal de venda. Este sistema de negociação, baseado na média móvel, não é projetado para fornecer entrada no mercado bem no seu ponto mais baixo, e sua saída diretamente no pico. Permite atuar de acordo com a seguinte tendência: comprar logo depois que os preços chegam ao fundo e vender logo depois que os preços atingiram seu pico. As médias móveis também podem ser aplicadas aos indicadores. É aí que a interpretação das médias móveis de indicadores é semelhante à interpretação das médias móveis de preços: se o indicador sobe acima de sua média móvel, isso significa que o movimento do indicador ascendente provavelmente continuará: se o indicador cai abaixo da média móvel, isso Significa que é provável que continue indo para baixo. Aqui estão os tipos de médias móveis no gráfico: Média móvel simples (SMA) Média móvel exponencial (EMA) Média móvel movimentada (SMMA) Média linear móvel ponderada (LWMA) Você pode testar os sinais comerciais deste indicador, criando um consultor especialista No MQL5 Wizard. Cálculo da média móvel simples (SMA) Simples, em outras palavras, a média móvel aritmetica é calculada resumindo os preços do fechamento do instrumento em um certo número de períodos únicos (por exemplo, 12 horas). Esse valor é então dividido pelo número desses períodos. SMA SUM (FECHAR (i), N) N SOM SUM FECHAR (i) período atual fechar preço N número de períodos de cálculo. Média de Movimento Exponencial (EMA) A média móvel suavizada exponencialmente é calculada pela adição de uma certa parcela do preço de fechamento atual ao valor anterior da média móvel. Com médias móveis movidas exponivelmente, os preços de fechamento mais recentes são de maior valor. A média móvel exponencial de porcentagem de P será semelhante a: EMA (CLOSE (i) P) (EMA (i - 1) (1 - P)) FECHAR (i) preço de fechamento atual EMA (i - 1) valor da Média Móvel De um período anterior P a porcentagem de uso do valor do preço. Média Mover Suavizada (SMMA) O primeiro valor dessa média móvel suavizada é calculado como a média móvel simples (SMA): SUM1 SUM (CLOSE (i), N) A segunda média móvel é calculada de acordo com esta fórmula: SMMA (i) (SMMA1 (N-1) FECHAR (i)) N As médias móveis sucessivas são calculadas de acordo com a fórmula abaixo: PREVSUM SMMA (i-1) N SMMA (i) (PREVSUM - SMMA (i-1) CLOSE (i)) N Soma sum SUM1 soma total dos preços de fechamento para N períodos é contado a partir da barra anterior PREVSUM suma alisada da barra anterior média SMMA (i-1) média movida da barra anterior SMMA (i) média lisa suavizada da barra atual (Exceto para o primeiro) FECHAR (i) preço de fechamento atual N período de suavização. Após as conversões aritméticas, a fórmula pode ser simplificada: SMMA (i) (SMMA (i-1) (N-1) FECHAR (i)) N Média linear móvel ponderada (LWMA) No caso da média móvel ponderada, os dados mais recentes são De mais valor do que mais dados iniciais. A média móvel ponderada é calculada multiplicando cada um dos preços de fechamento dentro da série considerada, por um certo coeficiente de peso: LWMA SUM (CLOSE (i) i, N) SUM (i, N) SUM SUM CLOSE (i) preço de fechamento atual SUM (i, N) soma total dos coeficientes de peso N período de suavização. pesos de suavização exponencial observações passadas com pesos exponencialmente decrescentes para previsão de valores futuros Este esquema de suavização começa por configuração (S2) a (y1), onde (Si) representa a observação suavizada Ou EWMA, e (y) representa a observação original. Os índices referem-se aos períodos de tempo, (1,, 2,, ldots,, n). Para o terceiro período, (S3 alfa y2 (1-alfa) S2) e assim por diante. Não há (S1) a série suavizada começa com a versão suavizada da segunda observação. Para qualquer período de tempo (t), o valor suavizado (St) é encontrado pela computação de St alpha y (1-alfa) S ,,,,,,, 0 Equação expandida para (S5) Por exemplo, a equação expandida para o alisado O valor (S5) é: S5 alfa esquerda (1-alfa) 0 y (1-alfa) 1 y (1-alfa) 2 y à direita (1-alfa) 3 S2. Ilustra o comportamento exponencial Isto ilustra o comportamento exponencial. Os pesos, (alfa (1-alfa) t) diminuem geometricamente, e sua soma é unidade como mostrado abaixo, usando uma propriedade de séries geométricas: alfa soma (1-alfa) i alfa fração esquerda direita 1 - (1-alfa) T. Na última fórmula, podemos ver que o termo de soma mostra que a contribuição para o valor suavizado (St) se torna menor em cada período de tempo consecutivo. Exemplo para (alfa 0.3) Let (alpha 0.3). Observe que os pesos (alfa (1-alfa) t) diminuem exponencialmente (geometricamente) com o tempo. A soma dos erros quadrados (SSE) 208.94. A média dos erros quadrados (MSE) é o SSE 11 19.0. Calcule para valores diferentes de (alfa) O MSE foi novamente calculado para (alfa 0,5) e acabou por ser 16,29, então, neste caso, preferimos um (alfa) de 0,5. Podemos fazer melhor. Podemos aplicar o comprovado método de teste e erro. Este é um procedimento iterativo que começa com um intervalo de (alfa) entre 0,1 e 0,9. Determinamos a melhor escolha inicial para (alfa) e depois pesquisamos entre (alfa-Delta) e (alfa Delta). Podemos repetir isso talvez mais uma vez para encontrar o melhor (alfa) para 3 casas decimais. Podem ser utilizados otimizadores não-lineares, mas há melhores métodos de busca, como o procedimento Marquardt. Este é um otimizador não-linear que minimiza a soma de quadrados de resíduos. Em geral, os programas de software estatístico mais bem projetados devem ser capazes de encontrar o valor de (alfa) que minimiza o MSE. Exemplo de gráfico que mostra dados suavizados para 2 valores de (alfa)