میانگین متحرک نمایی (EMA) چیست؟
میانگین متحرک نمایی (EMA) نوعی میانگین متحرک (MA) بوده که تاکید و اهمیت بیشتری بر روی جدیدترین نقاط داده لحاظ میکند. میانگین متحرک نمایی همچنین بعنوان میانگین متحرک وزنی نمایی نیز نامیده میشود. میانگین متحرک وزنی نمایی نسبت به میانگین متحرک ساده (SMA) که یک تاکید یکسان در خصوص مشاهدات دوره‌های زمانی مختلف اعمال میکند واکنش عمیق‌تری نسبت به تغییرات قیمت‌ها نشان میدهد.
فرمول میانگین متحرک نمایی (ema) به شکل زیر است:
محاسبه میانگین متحرک نمایی
محاسبه میانگین متحرک نمایی نیازمند یک تحقیق بیشتر نسبت به میانگین متحرک ساده (SMA) است. تصور کنید که میخواهید از 20 روز بعنوان تعداد تحقیقات برای میانگین متحرک نمایی استفاده کنید. نکته‌ایی که باید به آن دقت کنید این است که برای بدست آوردن میانگین متحرک ساده (SMA) باید تا روز بیستم صبر کنید. در روز بیست یکم میتوانید از میانگین متحرک ساده (SMA) روز قبل بعنوان اولین میانگین متحرک نمایی (ema) دیروز استفاده کنید.
محاسبه میانگین متحرک ساده (SMA) چندان سخت نیست. در واقع محاسبه آن مجموع قیمت‌های نهایی سهام در طول یک دوره زمانی تقسیم بر تعداد مشاهدات آن دوره است. برای مثال، میانگین متحرک ساده (SMA) بیست روزه مجموع قیمت‌های نهایی 20 روز معاملاتی گذشته تقسیم بر 20 است.
در مرحله بعد، باید ضریب هموارسازی (وزن کردن) میانگین متحرک نمایی (EMA) که معمولاً از فرمول پیروی می کند: [2 ÷ (تعداد مشاهدات + 1)]. برای میانگین متحرک 20 روزه، ضریب برابر 0.0952 [2/(20+1)] خواهد بود.
در نهایت از فرمول زیر برای محاسبه EMA فعلی استفاده میشود:
میانگین متحرک نمایی (EMA) = قیمت نهایی x ضریب + میانگین متحرک نمایی (EMA) (روز قبل) x (1-ضریب)
میانگین متحرک نمایی (ema) تاکید بیشتری بر قیمت‌های اخیر دارد. این موضوع در حالی است که میانگین متحرک ساده (SMA) بصورت یکسان با کلیه موارد بر خورد میکند. تاکید لحاظ شده در خصوص جدیدترین قیمت برای میانگین متحرک نمایی (EMA) کوتاه مدت بیشتر از میانگین متحرک نمایی (ema) در یک دوره طولانی‌تر است. به عنوان مثال، یک ضریب 18.18٪ برای آخرین داده های قیمت برای یک میانگین متحرک نمایی (EMA) 10 دوره‌ایی اعمالی میشود درحالی که تاکید برای یک میانگین متحرک نمایی (EMA) 20 دوره‌ایی فقط 9.52٪ است.
همچنین تغییرات جزئی در خصوص میانگین متحرک نمایی (EMA) که با استفاده از قیمت اولیه، بالاترین سطح قیمت، پایین‌ترین سطح قیمت یا قیمت میانه به جای استفاده از قیمت نهایی بدست می‌آیند.
میانگین متحرک نمایی به شما چه میگوید ؟
میانگین‌های متحرک نمایی 12 و 26 روزه اغلب میانگین‌های کوتاه مدت کپی شده و تحلیل‌شده هستند. میانگین‌های متحرک نمایی 12 و 26 روزه بمنظور ایجاد شاخص‌هایی مانند میانگین متحرک همگرایی/واگرایی (MACD) و نوسانگر درصد قیمت (PPO) استفاده میشود. بطور کلی میانگین‌های متحرک نمایی (EMA) 50 روزه و 200 روزه به عنوان شاخصی برای روندهای بلند مدت استفاده میشود. هنگامی که قیمت سهام از میانگین متحرک 200 روزه خود عبور میکند، این تحرک یک سیگنال تکنیکال مبنی بر تحرک معکوس است.
تریدرهایی که از تحلیل تکنیکال استفاده میکنند، میانگین‌های متحرک را زمانی که به درستی اعمال می‌شوند، بسیار مفید و روشنگر میدانند. از طرفی دیگر هم این را میدانند که اگر این سینگال و تحلیل‌ها بدرستی انجام نشود میتواند خسارات جبران ناپذیری را بهمراه داشته باشد. تمام میانگین‌های متحرک که معمولاً در تحلیل تکنیکال استفاده می‌شوند، به دلیل ماهیت خود، شاخص‌های عقب مانده هستند.
در نتیجه، نتایج حاصل از اعمال میانگین متحرک در نمودار یک مارکت خاص باید برای تأیید حرکت مارکت یا نشان دادن قدرت آن باشد؛ چراکه زمان بهینه برای ورود به مارکت اغلب قبل از اینکه میانگین متحرک نشان دهد روند دچار تغییر شده میگذرد.
یک میانگین متحرک نمایی تا حدودی تاثیرات منفی ناشی از تاخیرها را کاهش میدهد. از آنجایی که محاسبه میانگین متحرک نمایی (EMA) تمرکز بیشتری بر آخرین داده دارد، اصطلاحا پرایس اکشن را کمی محکم‌تر در آغوش میکشد و سریعتر واکنش نشان میدهد. این عمل زمانی کاربردی خواهد بود که از میانگین متحرک نمایی (ema) برای استخراج سیگنال در خصوص ورود به معامله استفاده شود.
مانند تمامی شاخص‌های میانگین متحرک، میانگین‌های متحرک نمایی (EMAs) برای مارکت‌های پر طرفدار مناسب هستند. زمانی که مارکت در یک روند قوی و صعودی بصورت پایدار قرار دارد. خط اندیکاتور میانگین متحرک نمایی (EMA) هم یک روند صعودی را نشان میدهد. همین موضوع در خصوص روند نزولی نیز صادق است. یک تریدر هوشیار هم به جهت خط میانگین متحرک نمایی (EMA) و هم به ارتباط نرخ تغییر از یک بار به بار بعدی دقت میکند.
برای مثال، فرض کنید که پرایس اکشن یک روند صعودی قوی شروع به معکوس شدن کند. از نظر صرف هزینه ممکن است زمان آن رسیده باشد که به سرمایه گذاری گاوی‌تر روی بیاورید.
مثال‌هایی در خصوص نحوه استفاده از میانگین متحرک نمایی (EMA)
میانگین‌های متحرک نمایی (EMAs) معمولا برای اتصال سایر شاخص‌ها با تحرکات تایید شده مهم مارکت و اندازه گیری اعتبار آنها مورد استفاده قرار میگیرد. برای تریدرهایی که بصورت روزانه ترید میکنند و مارکت‌هایی که تحرکات سریعی دارند میانگین متحرک نمایی (EMA) کاربردی‌تر است. اغلب تریدرها از میانگین‌های متحرک نمایی (EMAs) بمنظور تعیین سوگیری‌های معاملاتی استفاده میکنند. اگر EMA در نمودار روزانه یک روند صعودی قوی را نشان دهد، استراتژی یک تریدر روزانه ممکن است فقط بصورت لانگ گرفتن پیش برود.
تفاوت بین میانگین متحرک نمایی (EMA) و میانگین متحرک ساده (SMA)
تفاوت اصلی بین میانگین متحرک نمایی (EMA) و میانگین متحرک ساده (SMA) حساسیتی است که هر یک نسبت به تغییرات داده‌های مورد استفاده در محاسبات خود نشان میدهد.
اگر بخواهیم نگاه دقیق‌تری داشته باشیم، میانگین متحرک نمایی (ema) اهمیت بیشری به قیمت‌های اخیر میدهد درحالی که میانگین متحرک ساده (SMA) یک روال یکسان را برای همگان در پیش میگیرد. هر دو میانگین مشابه هستند و دلیل این امر هم تفسیر به روش مشابه و مورد استفاده قرار گرفتن هردو توسط تریدرهای تکنیکال برای هموار کردن نوسانات قیمت است.
از آنجایی که میانگین‌های متحرک نمایی (EMAs) تاکید بیشتری بر داده‌های اخیر نسبت به داده‌های پیشین دارند، نسبت به میانگین‌های متحرک ساده (SMAs) نسبت به آخرین تغییرات قیمت‌ها واکنش بیشتری نشان میدهند. همین امر باعث میشود که نتایج حاصل از میانگین‌های متحرک نمایی (EMAs) از نظر زمانبندی دقیق‌تر بوده و همین موضوع توضیح میدهد که چرا انتخاب اول بسیاری از تریدرها هستند.
محدودیت‌های میانگین متحرک نمایی (EMA)
هنوز مشخص نیست که آیا در دوره زمانی تاکید باید بیشتر بر روی روزهای اخیر باشد یا نه. بسیاری از تریدرها بر این باور هستند که داده‌های جدید روند فعلی اوراق بهادار را بهتر منعکس میکند. در عین حال، برخی دیگر احساس میکنند که حجم بیش از حد داده‌های اخیر سوگیری ایجاد میکند که منجر به ایجاد هشدارهای نادرست بیشتر میشود.
به طور مشابه، میانگین متحرک نمایی (EMA) کاملاً بر داده های تاریخی متکی است. بسیاری از اقتصاددانان بر این باورند که مارکت‌ها کارآمد هستند، به این معنی که قیمت‌های فعلی مارکت از قبل منعکس کننده تمام اطلاعات موجود است. اگر مارکت‌ها واقعاً کارآمد هستند، استفاده از داده‌های تاریخی نباید چیزی در مورد جهت آینده قیمت دارایی‌ها به ما بگوید.