Exponential glidande medelvärde orakel

Exponentiell rörlig genomsnitts Det fanns en trevlig fråga om OTN idag om det finns en vanlig Oracle-funktion för att beräkna exponentiell glidande medelvärde. Svaret är att det inte finns någon sådan funktion, men med modellklausulen kan du beräkna det väldigt enkelt. Och det är ett bra exempel på vad jag menar med varierande antal beräkningar baserat på beräknade värden, skrivna i min tredje del av modellklausulen självstudie. Innan idag visste jag inte ens vad ett exponentiellt rörligt medelvärde var exakt. Du kan läsa mer om det här på Wikipedia eller här med ett bra exempel. Från den första länken: Ett exponentiellt rörligt medelvärde (EMA), tillämpar viktningsfaktorer som minskar exponentiellt. Vägningen för varje äldre datapunkt sänks exponentiellt, vilket ger mycket större betydelse för de senaste observationerna, medan de fortfarande inte slänger bort äldre observationer helt. Från den andra länken: Formeln för beräkning av ett exponentiellt rörande medelvärde (EMA) är: X Aktuell EMA (dvs. EMA som ska beräknas) C Aktuellt originalvärde K Glattning Konstant P Tidigare EMA (Den första EMA i det räckvidd som ska beräknas är Godtycklig och kan vara motsvarande ursprungliga data värde eller ofta ett enkelt rörligt medelvärde. K utjämning konstant 2 (1 n) Och denna formel följs av ett exempel som jag förlängde lite med hjälp av denna tabell: Posterna från produkt A Matcha exemplet i länken. Jag gjorde upp siffrorna från produkt B. Här är modellklausulfrågan som implementerar formeln. Observera hur formeln direkt översätter till den enda regeln i modellklausulen. Utjämningskonstanten K är inställd Till .5, baserat på ett fönstervindue (n) som motsvarar 3. Utmaning: prova det här utan modellklausulen och se om du kan komma med något mer omfattande. 5 kommentarer: 11.2 funktioner som används med datan (välj 39A39 produkt . Datum 392009-01-0139 månad, 10 belopp från dubbel union alla välj 39A39, datum 392009-02-0139, 15 från dubbel union alla välj 39A39, datum 392009-03-0139, 17 från dubbel union alla välj 39A39, datum 392009-04-0139, 20 från dubbel union Alla välj 39A39, datum 392009-05-0139, 22 från dubbel union alla välj 39A39, datum 392009-06-0139, 20 från dubbel union alla välj 39A39, datum 392009-07-0139, 25 från dubbel union alla välj 39A39, datum 392009-08-0139, 27 från dubbel union alla välj 39A39, datum 392009-09-0139, 30 från dubbel union alla välj 39A39, datum 392009-10-0139, 35 från dubbel union alla välj 39A39, datum 392009-11-0139 , 37 från dubbel union alla välj 39A39, datum 392009-12-0139, 40 från dubbel union alla välj 39B39, datum 392009-01-0139, 0 från dubbel union alla välj 39B39, datum 392009-02-0139, 50 från dubbel union Alla välj 39B39, datum 392009-03-0139, 10 från dubbel union alla välj 39B39, datum 392009-04-0139, 40 från dubbel union alla välj 39B39, datum 392009-05-0139, 15 från dubbel union alla välj 39B39, datum 392009-06-0139, 35 från Dubbel union alla välj 39B39, datum 392009-07-0139, 30 från dubbel union alla välj 39B39, datum 392009-08-0139, 30 från dubbel union alla välj 39B39, datum 392009-09-0139, 20 från dubbel union alla välj 39B39 , Datum 392009-10-0139, 20 från dubbel union alla välj 39B39, datum 392009-11-0139, 20 från dubbel union alla välj 39B39, datum 392009-12-0139, 20 från dubbla), rns as (välj dat. . Rownumber () över (partition per produkt order efter månad) rn -. 2 (1count () över (partition efter produkt)) k. 0,5 k från dat), res (produkt, månad, mängd, rn, x) som (välj r. product, r. month, r. amount, r. rn, r. amount x från rns r där rn 1 union alla väljer Ns. product, ns. month, ns. amount, ns. rn, ns. k (ns. amount - es. x) es. xx från rns ns, res es där ns. rn es. rn 1 och ns. product es. produkt) välj produkt, månad, mängd, rn, runda (x, 3) EMA från resorderna per produkt, månad efter beräkning av den slutna blanketten Jag kom upp med följande kod som om det var mer som en obfuscation än någonting omfattande. Tanken är att skapa löpande multiplar med hjälp av en strängkonsatation och xml-eval-funktionaliteten. De slutna formerna av de speciella fallen behöver bara löpande belopp. Det finns ett allmänt fall och två specialfall som är mycket enklare: med t1 som (välj produkt, månad, mängd, mängd ci, rownumber () över (partition per produkt order per månad) rn, --2 (1 rownumber (Division per produkt order efter månad)) ki 0,5 ki från försäljning), t2 as (välj produkt, månad, mängd, (fall då rn 1 då 1 annan ki slutet ci) ai, fall då rn 1 då 1 annat (1 - Ki) slutet bi från t1), t3 som (VÄLJ produkt, MÅNAD, mängd, ai, xmlquery (REPLACE (wmconcat (bi) över (PARTITION BY produkt ORDER PER MÅNAD rader MELLAN obegränsad föregående och nuvarande rad), 39,39, 3939 ) RETURNING innehåll).getnumberval () mi FRÅN t2), t4 as (välj produkt, månad, mängd, mi, (ai mi) xi från t3) VÄLJ produkt, MÅNAD, mängd, rund (mi SUM (xi) över BY-produkt BESTÄLLNING PER MÅNAD rader MELLAN obegränsad föregående och nuvarande rad), 3) ema FRÅN t4 Särskilt fall K 0.5: med t1 as (välj produkt, månad, mängd, rownumber () över (partition per produkt order per månad) Kraft (2, nvl (nullif (r Ownumber () över (delning efter produkt order efter månad) - 1, 0), 1)) ci från försäljning) välj produkt, månad, mängd, runda (summa (ci) över (partition för produkt order efter månad rader mellan obegränsat föregående Och nuvarande rad) kraft (2, rn), 3) ema från t1 Specialfall K 2 (1 i): med t1 as (välj produkt, månad, mängd, rownumber () över (partition per produkt order efter månad) Mängden rownumber () över (partition per produkt order per månad) ci från försäljning) välj produkt, månad, mängd, rund (summa (ci) över (partition per produkt order efter månad rader mellan obegränsad föregående och nuvarande rad) 2 (rn Rn 1)), 3) ema från t1 I39ll skickar beviset på den slutna formen om någon är intresserad av det. Det här är ett bra exempel på quotfun med SQLquot :-) En kombination av XMLQuery, den ookumenterade wmconcat och analytiska funktioner med fönsterklausulen. Jag gillar det. Även om det inte är så omfattande som modellklausulvarianten och Rafu39s rekursiva med en, som du själv sa. Och jag skulle vilja se beviset på den slutna formen. Jag tog upp en annan fråga: hur man optimerar utjämningskonstanten SELECT k - utjämningskonstanten. Mse - medelvärde kvadratfel FRÅN (SELECT FROM sales MODEL DIMENSION BY (produkt. ROWNUMBER () ÖVER (DEL AV PRODUKT ORDER PER MÅNAD ASC) RN) ÅTGÄRDER (belopp - försäljningsbelopp. Månad - månad. AS P. 0 AS X. 0 AS SE - kvadratfel - - arbetsrad och attribut - a) arbetsrad är produkt 39X39, rn 1 - b) Arbetsattribut är följande:. 0 AS SSE - summa SE för alla produktmonter. 0 AS MSE - medel SSE för alla produktmonter. 0 AS k - för alla produktmonter. 0 AS PreMSE - tidigare k39s MSE för alla produktmonter. 0 AS diff - mellan nuvarande MSE och tidigare. 0,1 AS delta - initialt inkrement. 0 AS priorit - initial startpunkt -) REGLER ITERATE (99) TILL (abs (diff39A39,1) lt 0.00010) (Cany, rn amountcv (), cv (). K39A39,1 priorert39A39,1 delta39A39,1. Xany , Rn ORDER BY-produkt, rn ASC COALESCE (K39A39,1 Ccv (), cv () (1-K39A39,1) Xcv (), cv () - 1, Ccv (), cv ()).Produkt, rn Xcv (), Cv () - 1. SEprodukt, rn POWER (Ccv (), cv () - Xcv (), cv () - 1,2).SSE39A39,1 SUM (SE) någon, vilken som helst. MSE39A39,1 SUM (SE) någon, vilken som helst 24. diff39A39,1 CASE iterationsnummer när 0 då NULL ELSE preMSE39A39,1 - MSE39A39,1 END. PreMSE39A39,1 MSE39A39,1. Delta39A39,1 fall då diff39A39,1 lt 0 THEN - abs (delta39A39, 12) ELLER abs (delta39A39,1) END .3939393939393939)) där produkt 39A39 och rn 1 K MSE ---------- ---------- .599999237 174.016094 Om du ser det här meddelandet har din webbläsare antingen inaktiverat eller stöder inte JavaScript. För att kunna använda hela funktionerna i det här hjälpsystemet, till exempel sökning, måste din webbläsare ha JavaScript-stöd aktiverat. Exponentiella rörliga medelvärden Exponentiella rörliga medelvärden, som liknar vägda rörliga medelvärden, tilldelar också en större vikt till de senaste datavärdena. Till skillnad från viktade rörliga medelvärden använder de dock det tidigare beräknade Exponential Moving Average-värdet som grund för beräkning snarare än de ursprungliga (icke-genomsnittliga) datavärdena. På detta sätt är beräkningsmetoden som används av exponentiella rörliga medelvärden kumulativ, vilket betyder att (till skillnad från enkla rörliga medelvärden eller viktade rörliga medelvärden) alla tidigare datavärden har viss effekt på det exponentiala rörliga medelvärdet som ska beräknas, även om denna effekt minskar kraftigt med tiden . Exponentiella rörliga medelvärden tenderar att vara mer exakta än de andra typerna av rörande medelvärde när de ursprungliga datavärdena visar en snabbare grad av variation över tid (eller annan variabel). Formeln för beräkning av ett exponentiellt rörligt medelvärde (EMA) är: X Nuvarande EMA (dvs EMA som ska beräknas) C Aktuellt ursprungligt datavärde K Utjämning Konstant P Tidigare EMA (Den första EMA i det räckvidd som ska beräknas är godtyckligt och kan vara Motsvarande ursprungliga datavärde eller ofta ett enkelt rörligt medelvärde. K utjämna konstant 2 (1 n) n antal perioder för EMA dvs fönstret att beräkna. Denna ganska komplexa beräkning är kanske bäst illustrerad av exempel. Tänk på tabellen Av månatliga försäljningsvärden som tidigare visat: Om vi ​​beräkna exponentiell rörlig genomsnittsgrad på samma sätt som det 3-månaders enkla rörliga genomsnittet, utför vi följande steg: Om du ser det här meddelandet har din webbläsare antingen inaktiverat eller inte stöder JavaScript. För att kunna använda hela funktionerna i det här hjälpsystemet, till exempel sökning, måste din webbläsare ha JavaScript-stöd aktiverat. Viktiga rörliga medelvärden med enkla rörliga medelvärden, varje datavärde i quotwindowquot I vilken beräkningen utförs ges samma betydelse eller vikt. Det är ofta fallet, särskilt i finansiell prisdataanalys, att mer kronologiskt aktuella data borde ha större vikt. I dessa fall är det ofta föredraget att väga rörligt medelvärde (eller exponentiellt rörligt medelvärde - se följande ämne). Tänk på samma tabell med försäljningsdatavärden i tolv månader: Att beräkna ett viktat rörligt medelvärde: Beräkna hur många dataintervaller som deltar i beräkningsrörelsens genomsnittliga beräkning (dvs storleken på beräkningskvoten). Om beräkningsfönstret sägs vara n, multipliceras det senaste datavärdet i fönstret med n, nästa senast multiplicerat med n-1, värdet före det multiplicerat med n-2 och så vidare för alla värden I fönstret. Dela summan av alla multiplicerade värden med summan av vikterna för att ge det vägda rörliga genomsnittet över det här fönstret. Placera det vägda rörliga genomsnittsvärdet i en ny kolumn enligt den ovanstående positionen för genomsnittsvärdena. För att illustrera dessa steg, överväga om ett 3 månaders viktat rörligt genomsnittligt försäljningsbehov i december krävs (med ovanstående tabell med försäljningsvärden). Termen quot3-monthquot innebär att beräkningen quotwindowquot är 3, därför att den beräknade väga genomsnittliga beräkningsalgoritmen för det här fallet ska vara: Eller om ett 3-månatviktat rörligt medelvärde utvärderades över hela det ursprungliga dataintervallet, skulle resultaten bli : 3 månaders viktad rörlig genomsnittlig genomsnittlig genomsnitt - enkla och exponentiella rörliga medelvärden - enkel och exponentiell inledning rörliga medelvärden släpper prisdata för att bilda en trendföljande indikator. De förutspår inte prisriktning, men definierar snarare den aktuella riktningen med en fördröjning. Flyttande medelvärden försenas eftersom de är baserade på tidigare priser. Trots denna fördröjning hjälper glidande medelvärden till en jämn prisåtgärd och filtrerar bort bullret. De utgör också byggstenar för många andra tekniska indikatorer och överlagringar, som Bollinger Bands. MACD och McClellan Oscillatorn. De två mest populära typerna av rörliga medelvärden är Simple Moving Average (SMA) och Exponentential Moving Average (EMA). Dessa glidande medelvärden kan användas för att identifiera riktningens riktning eller definiera potentiella stöd - och motståndsnivåer. Här är ett diagram med både en SMA och en EMA på den: Enkel rörlig medelberäkning Ett enkelt glidande medelvärde bildas genom att beräkna det genomsnittliga priset på en säkerhet över ett visst antal perioder. De flesta glidande medelvärden är baserade på slutkurs. Ett 5-dagars enkelt glidande medelvärde är den fem dagars summan av slutkurserna dividerat med fem. Som namnet antyder är ett glidande medelvärde ett medel som rör sig. Gamla data släpps när nya data kommer att finnas tillgängliga. Detta medför att medelvärdet flyttas längs tidsskalan. Nedan är ett exempel på ett 5-dagars glidande medelvärde som utvecklas över tre dagar. Den första dagen i det rörliga genomsnittet täcker helt enkelt de senaste fem dagarna. Den andra dagen i glidande medel faller den första datapunkten (11) och lägger till den nya datapunkten (16). Den tredje dagen i det rörliga genomsnittet fortsätter genom att släppa den första datapunkten (12) och lägga till den nya datapunkten (17). I exemplet ovan ökar priserna gradvis från 11 till 17 över totalt sju dagar. Observera att det rörliga genomsnittet också stiger från 13 till 15 över en tre dagars beräkningsperiod. Observera också att varje glidande medelvärde ligger strax under det sista priset. Till exempel är det rörliga genomsnittet för dag ett lika med 13 och det sista priset är 15. Priserna de föregående fyra dagarna var lägre och det medför att det rörliga genomsnittet fördröjs. Exponentiell rörlig medelberäkning Exponentiell glidande medelvärden minskar fördröjningen genom att tillämpa mer vikt på de senaste priserna. Den vikt som tillämpas på det senaste priset beror på antalet perioder i glidande medelvärde. Det finns tre steg för att beräkna ett exponentiellt rörligt medelvärde. Beräkna först det enkla glidande medlet. Ett exponentiellt glidande medelvärde (EMA) måste starta någonstans så att ett enkelt glidande medelvärde används som föregående period039s EMA i den första beräkningen. För det andra, beräkna viktnings multiplikatorn. Tredje, beräkna exponentiell glidande medelvärde. Formeln nedan är för en 10-dagars EMA. Ett 10-årigt exponentiellt glidande medel gäller en 18,18 viktning till det senaste priset. En 10-årig EMA kan också kallas en 18.18 EMA. En 20-årig EMA tillämpar en vägar på 9,52 till det senaste priset (2 (201) .0952). Observera att viktningen för den kortare tidsperioden är mer än vikten för den längre tidsperioden. I själva verket sjunker vikten med hälften varje gång den glidande medeltiden fördubblas. Om du vill ha en viss procentandel för en EMA kan du använda denna formel för att konvertera den till tidsperioder och ange det där värdet som EMA039-parametern: Nedan är ett kalkylblad exempel på ett 10-dagars enkelt glidande medelvärde och en 10- Dag exponentiell glidande medelvärde för Intel. Enkla glidande medelvärden är rakt framåt och kräver liten förklaring. 10-dagars genomsnittet rör sig helt enkelt eftersom nya priser blir tillgängliga och gamla priser faller av. Det exponentiella rörliga medlet börjar med det enkla glidande medelvärdet (22,22) i den första beräkningen. Efter den första beräkningen tar den normala formeln över. Eftersom en EMA börjar med ett enkelt rörligt medelvärde, kommer det sanna värdet inte att realiseras förrän 20 eller senare perioder senare. Med andra ord kan värdet på Excel-kalkylbladet skilja sig från diagramvärdet på grund av den korta återkallningsperioden. Detta kalkylblad går bara tillbaka 30 perioder, vilket innebär att påverkan på det enkla glidande medlet har haft 20 perioder att försvika. StockCharts går tillbaka minst 250 perioder (vanligtvis mycket längre) för sina beräkningar, så effekterna av det enkla glidande medlet i den första beräkningen har helt försvunnit. Lagfaktorn Ju längre glidande medelvärde desto mer är fördröjningen. Ett 10-dagars exponentiellt glidande medelvärde kommer att krama priserna ganska nära och vända sig strax efter att priserna vänder. Korta glidande medelvärden är som fartygsbåtar - snygga och snabba att byta. Däremot innehåller ett 100-dagars glidande medelvärde massor av tidigare data som saktar ner det. Längre rörliga medelvärden är som havs tankfartyg - slö och långsam att förändras. Det tar en större och längre prisrörelse för ett 100-dagars glidande medelvärde för att ändra kursen. Diagrammet ovan visar SampP 500 ETF med 10-dagars EMA efterföljande priser och en 100-dagars SMA-slipning högre. Även med nedgången i januari-februari höll den 100-dagars SMA kursen och avstod inte. 50-dagars SMA passar någonstans mellan 10 och 100 dagars glidande medelvärden när det gäller lagfaktorn. Enkelt mot exponentiella rörliga medelvärden Även om det finns tydliga skillnader mellan enkla glidande medelvärden och exponentiella glidmedel är en inte nödvändigtvis bättre än den andra. Exponentiella glidande medelvärden har mindre fördröjning och är därför mer känsliga för de senaste priserna - och de senaste prisförändringarna. Exponentiella glidande medelvärden kommer att vända före enkla glidande medelvärden. Enkla glidande medelvärden representerar däremot ett sannt genomsnitt av priser för hela tidsperioden. Som sådana kan enkla glidande medelvärden vara bättre lämpade för att identifiera stöd - eller motståndsnivåer. Flyttande medelpreferens beror på mål, analytisk stil och tidshorisont. Chartister ska experimentera med båda typerna av glidande medelvärden samt olika tidsramar för att hitta den bästa passformen. Tabellen nedan visar IBM med 50-dagars SMA i rött och 50-dagars EMA i grönt. Båda toppade i slutet av januari, men nedgången i EMA var skarpare än minskningen i SMA. EMA vände sig upp i mitten av februari, men SMA fortsatte lägre till slutet av mars. Observera att SMA visade sig över en månad efter EMA. Längder och tidsplaner Längden på glidande medel beror på de analytiska målen. Korta glidande medelvärden (5-20 perioder) passar bäst för kortsiktiga trender och handel. Chartister intresserade av medellångtidsutveckling skulle välja längre glidmedel som kan sträcka sig 20-60 perioder. Långsiktiga investerare föredrar att flytta medeltal med 100 eller flera perioder. Vissa glidande medellängder är mer populära än andra. 200-dagars glidande medelvärde är kanske den mest populära. På grund av dess längd är detta tydligt ett långsiktigt glidande medelvärde. Därefter är det 50-dagars glidande medlet ganska populärt för den medellånga trenden. Många kartläggare använder de 50 dagars och 200 dagars glidande medelvärdena tillsammans. På kort sikt var ett 10-dagars glidande medelvärde ganska populärt tidigare eftersom det var lätt att beräkna. Man lade enkelt till siffrorna och flyttade decimalpunkten. Trendidentifikation Samma signaler kan genereras med hjälp av enkla eller exponentiella glidande medelvärden. Som noterats ovan beror preferensen på varje individ. Dessa exempel nedan kommer att använda både enkla och exponentiella glidande medelvärden. Termen glidande medel gäller både enkla och exponentiella glidande medelvärden. Rörelsens genomsnittliga riktning ger viktig information om priserna. Ett stigande glidande medelvärde visar att priserna i allmänhet ökar. Ett fallande rörligt genomsnitt indikerar att priserna i genomsnitt faller. Ett stigande långsiktigt glidande medelvärde speglar en långsiktig uppgång. Ett fallande långsiktigt glidande medel återspeglar en långsiktig nedåtgående trend. Diagrammet ovan visar 3M (MMM) med ett 150-dagars exponentiellt rörligt medelvärde. I det här exemplet visas hur bra glidande medelvärden fungerar när trenden är stark. 150-dagars EMA avslogs i november 2007 och igen i januari 2008. Observera att det tog 15 nedgångar för att vända riktningen för detta glidande medelvärde. Dessa eftersläpande indikatorer identifierar trendbackbacker när de uppträder (i bästa fall) eller efter att de uppträder (i värsta fall). MMM fortsatte under mars 2009 och ökade sedan 40-50. Observera att 150-dagars EMA inte vände sig fram till efter denna överskott. En gång det gjorde emellertid MMM fortsatt de närmaste 12 månaderna. Rörliga medelvärden fungerar briljant i starka trender. Double Crossovers Två glidande medelvärden kan användas tillsammans för att generera crossover-signaler. I Teknisk Analys av Finansmarknaden. John Murphy kallar det för dubbla crossover-metoden. Dubbelkorsningar omfattar ett relativt kort glidande medelvärde och ett relativt långt glidande medelvärde. Som med alla glidande medelvärden definierar den allmänna längden på glidande medel tidsramen för systemet. Ett system som använder en 5-dagars EMA och 35-dagars EMA skulle anses vara kortsiktig. Ett system med en 50-dagars SMA och 200-dagars SMA skulle anses vara på medellång sikt, kanske till och med på lång sikt. En hausseig crossover uppträder när det kortare rörliga genomsnittet passerar över det längre glidande medlet. Detta är också känt som ett gyllene kors. En baisse crossover uppträder när det kortare glidande medelvärdet korsar det längre glidande medlet. Detta är känt som ett dött kors. Flytta genomsnittliga övergångar ger relativt sena signaler. Systemet använder trots allt två nedslagsindikatorer. Ju längre de rörliga genomsnittliga perioderna desto större är fördröjningen i signalerna. Dessa signaler fungerar bra när en bra trend tar tag i. Ett glidande medelvärdesöverföringssystem kommer emellertid att producera massor av whipsaws i avsaknad av en stark trend. Det finns också en trippel crossover-metod som omfattar tre glidande medelvärden. Återigen genereras en signal när det kortaste glidande medelvärdet passerar de två längre glidande medelvärdena. Ett enkelt tredubbelt crossover-system kan innebära 5 dagars, 10-dagars och 20-dagars glidande medelvärden. Diagrammet ovan visar Home Depot (HD) med en 10-dagars EMA (grön prickad linje) och 50-dagars EMA (röd linje). Den svarta linjen är den dagliga stängningen. Genom att använda ett glidande medelvärde skulle det ha resulterat i tre whipsaws innan man fick en bra handel. 10-dagars EMA bröt sig under 50-dagars EMA i slutet av oktober (1), men det varade inte länge då 10-dagarna flyttade tillbaka ovan i mitten av november (2). Detta kors varade längre, men nästa bearish crossover i januari (3) inträffade i slutet av november prisnivåer, vilket resulterade i en annan whipsaw. Det här baisse korset varade inte länge då 10-dagars EMA flyttade tillbaka över 50-dagen några dagar senare (4). Efter tre dåliga signaler föreslog den fjärde signalen ett starkt drag när stocken avancerade över 20. Det finns två takeaways här. För det första är korsningar benägna att piska. Ett pris - eller tidsfilter kan användas för att undvika whipsaws. Handlare kan kräva att crossover ska vara 3 dagar före skådespel eller kräva att 10-dagars EMA flyttar överbelasta 50-dagars EMA med en viss mängd innan man handlar. För det andra kan MACD användas för att identifiera och kvantifiera dessa övergångar. MACD (10,50,1) visar en linje som representerar skillnaden mellan de två exponentiella glidmedelvärdena. MACD blir positiv under ett gyllene kors och negativt under ett dött kors. Percentageprisoscillatorn (PPO) kan användas på samma sätt för att visa procentuella skillnader. Observera att MACD och PPO är baserade på exponentiella glidmedel och matchar inte med enkla glidande medelvärden. Detta diagram visar Oracle (ORCL) med 50-dagars EMA, 200-dagars EMA och MACD (50,200,1). Det fanns fyra glidande medelvärde över en 2 12-årig period. De första tre resulterade i whipsaws eller dåliga affärer. En hållbar trend började med den fjärde crossover som ORCL avancerade till mitten av 20-talet. Återigen fungerar glidande genomsnittliga övergångar bra när trenden är stark, men producerar förluster i avsaknad av en trend. Prisövergångar Flyttande medelvärden kan också användas för att generera signaler med enkla prisövergångar. En bullish signal genereras när priserna flyttar över det glidande genomsnittet. En bearish signal genereras när priserna flyttar under det glidande genomsnittet. Prisövergångar kan kombineras för handel inom den större trenden. Det längre glidande mediet sätter tonen för den större trenden och det kortare glidande medlet används för att generera signalerna. Man skulle leta efter hausse priskryssningar endast när priserna redan ligger över det längre glidande genomsnittet. Detta skulle handla i harmoni med den större trenden. Till exempel, om priset ligger över 200-dagars glidande medelvärde, skulle kartläggare bara fokusera på signaler när priset rör sig över 50-dagars glidande medelvärde. Självklart skulle ett drag under 50-dagars glidande medelvärde föregå en sådan signal, men sådana baisseövergångar skulle ignoreras eftersom den större trenden är uppe. Ett baisse kors skulle helt enkelt föreslå en återhämtning inom en större uptrend. Ett kors bakom 50-dagars glidande medelvärde skulle signalera en uppgång i priserna och fortsättningen av den större uptrenden. Nästa diagram visar Emerson Electric (EMR) med 50-dagars EMA och 200-dagars EMA. Aktien rörde sig över och hölls över det 200-dagars glidande genomsnittet i augusti. Det fanns dips under 50-dagars EMA i början av november och igen i början av februari. Priserna flyttade sig snabbt tillbaka över 50-dagars EMA för att ge positiva signaler (gröna pilar) i harmoni med den större uptrenden. MACD (1,50,1) visas i indikatorfönstret för att bekräfta prisövergångar över eller under 50-dagars EMA. Den 1-dagars EMA är lika med slutkursen. MACD (1,50,1) är positiv när stängningen ligger över 50-dagars EMA och negativ när stängningen ligger under 50-dagars EMA. Stöd och motstånd Flyttande medelvärden kan också fungera som stöd i en uptrend och motstånd i en downtrend. En kortsiktig uppgång kan hitta stöd nära det 20-dagars enkla glidande medlet, vilket också används i Bollinger Bands. En långsiktig uptrend kan hitta stöd nära 200-dagars enkla glidande medelvärde, vilket är det mest populära långsiktiga glidande medeltalet. Om faktum kan det 200-dagars glidande genomsnittet erbjuda stöd eller motstånd helt enkelt för att den används så mycket. Det är nästan som en självuppfyllande profetia. Diagrammet ovan visar NY Composite med det 200-dagars enkla glidande medlet från mitten av 2004 till slutet av 2008. Den 200-dagarslevererade supporten talar flera gånger under förskottet. När trenden var omvänd med en dubbelstöd, var det 200 dagars glidande medelvärdet som motstånd runt 9500. Förvänta dig inte exakt stöd och motståndsnivåer från glidande medelvärden, speciellt längre glidande medelvärden. Marknader drivs av känslor, vilket gör dem benägna att överskridas. Istället för exakta nivåer kan rörliga medelvärden användas för att identifiera stöd - eller motståndszoner. Slutsatser Fördelarna med att använda glidande medelvärden måste vägas mot nackdelarna. Flyttande medelvärden är trenden som följer eller sänker indikatorer som alltid kommer att vara ett steg bakom. Detta är dock inte nödvändigtvis en dålig sak. Trenden är trots allt din vän och det är bäst att handla i riktning mot trenden. Rörliga medelvärden försäkrar att en näringsidkare är i linje med den nuvarande trenden. Trots att trenden är din vän, spenderar värdepapper mycket tid i handelsområdena, vilket gör rörliga medeltal ineffektiva. En gång i en trend kommer glidande medelvärden att hålla dig i, men också ge sena signaler. Don039t förväntar sig att sälja högst upp och köpa i botten med hjälp av glidande medelvärden. Som med de flesta tekniska analysverktyg bör rörliga medelvärden inte användas på egen hand, men i kombination med andra kompletterande verktyg. Chartister kan använda glidande medelvärden för att definiera den övergripande trenden och sedan använda RSI för att definiera överköpta eller överlämnade nivåer. Lägga till rörliga medelvärden till StockCharts-diagrammen Flyttande medelvärden är tillgängliga som prisöverlagringsfunktion på SharpCharts arbetsbänk. Med hjälp av rullgardinsmenyn Överlag kan användarna välja antingen ett enkelt glidande medelvärde eller ett exponentiellt glidande medelvärde. Den första parametern används för att ställa in antalet tidsperioder. En valfri parameter kan läggas till för att ange vilket prisfält som ska användas i beräkningarna - O för Öppna, H för Hög, L för Låg och C för Stäng. Ett komma används för att separera parametrar. En annan valfri parameter kan läggas till för att flytta de glidande medelvärdena till vänster (tidigare) eller höger (framtid). Ett negativt tal (-10) skulle flytta det glidande medlet till de vänstra 10 perioderna. Ett positivt tal (10) skulle flytta det glidande medlet till de högra 10 perioderna. Flera glidande medelvärden kan överlagras prissättet genom att helt enkelt lägga till en annan överlagringslinje till arbetsbänken. StockCharts medlemmar kan ändra färger och stil för att skilja mellan flera glidande medelvärden. När du har valt en indikator öppnar du Avancerade alternativ genom att klicka på den lilla gröna triangeln. Avancerade alternativ kan också användas för att lägga till ett glidande genomsnittligt överlag till andra tekniska indikatorer som RSI, CCI och Volume. Klicka här för ett live-diagram med flera olika glidande medelvärden. Använda rörliga medelvärden med StockCharts-skanningar Här är några exempelskannor som StockCharts-medlemmar kan använda för att söka efter olika rörliga genomsnittssituationer: Bullish Moving Average Cross: Dessa skanningar letar efter bestånd med ett stigande 150-dagars enkelt glidande medelvärde och ett hausseartat kors på 5 - dag EMA och 35-dagars EMA. Det 150-dagars rörliga genomsnittet stiger så länge det handlar över sin nivå för fem dagar sedan. Ett hausseartat kors inträffar när 5-dagars EMA rör sig över 35-dagars EMA på över genomsnittlig volym. Bearish Moving Average Cross: Dessa scanningar letar efter lager med ett fallande 150-dagars enkelt glidande medelvärde och ett baisse kors av 5-dagars EMA och 35-dagars EMA. Det 150-dagars glidande medlet faller så länge det handlar under sin nivå för fem dagar sedan. Ett baisse kors uppstår när 5-dagars EMA rör sig under 35-dagars EMA på över genomsnittlig volym. Ytterligare studie John Murphy039s bok har ett kapitel som ägnas åt glidande medelvärden och deras olika användningsområden. Murphy täcker för och nackdelar med glidande medelvärden. Dessutom visar Murphy hur glidande medelvärden arbetar med Bollinger Bands och kanalbaserade handelssystem. Teknisk analys av finansmarknaderna John Murphy