اندیکاتور میانگین متحرک (MA)

معرفی اندیکاتور میانگین متحرک (اندیکاتور مووینگ اوریج) Moving Average یا MA

معرفی اندیکاتور میانگین متحرک (اندیکاتور مووینگ اوریج) Moving Average یا MA

میانگین متحرک اندیکاتوری است که نوسانات بازار را به یک خط صاف و ملایم تبدیل می‌کند. اندیکاتور میانگین متحرک (مووینگ اوریج) (Moving Average یا MA) یک اندیکاتور پیرو روندی است. از این اندیکاتور نمی‌توان برای پیش‌بینی آینده استفاده کرد، اما برای توصیف وضعیت فعلی می‌تواند مفید باشد. بایستی توجه داشت که این اندیکاتور تأخیر دارد، یعنی حتی در توصیف وضعیت فعلی بازار با کمی تأخیر عمل می‌کند. میانگین متحرک از محاسبه قیمت‌های قبلی به دست می‌آید، به همین دلیل همواره با تأخیر همراه است.
میانگین متحرک در طراحی و توسعه سایر اندیکاتورها هم کاربرد دارد، به‌طور مثال از اندیکاتور میانگین متحرک در اندیکاتورهای باندهای بولینگر (Bollinger Bands) و MACD هم استفاده شده است. اندیکاتور میانگین متحرک انواع مختلفی دارد، اما میانگین متحرک ساده (Simple Moving Average یا SMA) و میانگین متحرک نمایی (Exponential Moving Average یا EMA) محبوب‌ترین میانگین‌های متحرک مورد استفاده معامله گران هستند. از اندیکاتور میانگین متحرک (MA) می‌توان برای تعیین روند بازار یا تعیین سطوح حمایت/مقاومت استفاده کرد.

برای اضافه کردن اندیکاتور مووینگ اوریج به چارت متاتریدر خود می توانید از مسیر مشخص شده در تصویر زیر استفاده کنید، از منوی اصلی متاتریدر گزینه اینسرت و سپس در نهایت مووینگ اوریج را انتخاب کنید.

میانگین متحرک ساده و میانگین متحرک نمایی | انواع Moving Averages

در مقالات قبلی به بررسی اندیکاتور میانگین متحرک (MA) یا Moving Averages و نحوه استفاده از آن پرداختیم. اندیکاتور Moving Averages دو نوع اصلی دارد:

1. MA ساده (SMA)
2. MA نمایی (EMA)

در این مقاله این دو نوع MA را مقایسه خواهیم کرد.

Moving Averages نمایی (EMA)

وقتی نیاز به نوعی از Moving Averages دارید که نسبتا سریع به پرایس اکشن واکنش نشان دهد، استفاده از یک بازه زمانی کوتاه مدت در میانگین متحرک نمایی (EMA) بهترین راه حل است.

این میانگین به شما در تشخیص زودتر روندها کمک می‌کند، این موضوع منجر به سود بیشتر می‌شود. در واقع، هر چه زودتر یک روند را پیدا کنید، بهتر می‌توانید از آن استفاده کرده و کسب سود کنید.

از آنجایی که میانگین متحرک خیلی سریع به قیمت پاسخ می‌دهد، ممکن است فکر کنید روندی در حال شکل گیری است؛ در حالی که شما فقط شاهد یک افزایش قیمت بودید. نقطه ضعف استفاده از میانگین متحرک نمایی این است که ممکن است در طول دوره‌های ادغام دچار اشتباه شوید. در حالی که Moving Averages ساده متفاوت است.

Moving Averages ساده (SMA)

هنگامی که می‌خواهید میانگین متحرکی داشته باشید که برای پاسخگویی به عملکرد قیمت کندتر عمل کند، میانگین متحرک ساده (SMA) با بازه زمانی طولانی تر بهترین گزینه است. این نوع Moving Averages زمانی که از بازه‌های زمانی بزرگ تر استفاده می‌کنید عملکرد خوبی دارد؛ زیرا می‌تواند ایده‌ای از روند کلی به شما بدهد.

اگر چه پاسخ به پرایس اکشن در MA ساده کند است؛ اما احتمالا می‌تواند به شما کمک کند تا روندها را به درستی تشخیص دهید.

ضعف این اندیکاتور در این است که کند بودن آن ممکن است باعث شود روند را از دست دهید یا با تاخیر متوجه آن شوید. در این شرایط ممکن است قیمت ورودی خوب یا معامله را به طور کلی از دست بدهید.

از کدامیک استفاده کنیم؟

به طور کلی در میانگین متحرک، هر چه دوره زمانی طولانی ‌تر باشد، واکنش به حرکت قیمت نیز کند تر خواهد بود.

اما در شرایط مساوی، میانگین متحرک نمایی قیمت را دقیق تر از Moving Averages ساده دنبال می‌کند. به همین دلیل، Moving Averages نمایی معمولاً برای معاملات کوتاه مدت مناسب تر در نظر گرفته می‌شود.

البته همان ویژگی‌هایی که Moving Averages نمایی را برای معاملات کوتاه‌ مدت مناسب ‌تر می‌کند، اثر بخشی آن را در معاملات طولانی‌ مدت محدود می‌کند.

از آنجایی که میانگین متحرک نمایی زودتر از میانگین متحرک ساده به حرکات قیمتی واکنش نشان می‌دهد، برای استفاده از نقاط مناسب ورود و خروج در بازه‌های زمانی کوتاه‌ تر، مانند نمودار روزانه، ایده‌آل نیست.اندیکاتور میانگین متحرک (MA)

میانگین متحرک نمایی با تاخیر کمتری که دارد، تمایل دارد که قیمت را هموار کند. این موضوع آن را به یک اندیکاتور روند خوب تبدیل می‌کند، و به آن اجازه می‌دهد زمانی که قیمت بالاتر از SMA است لانگ و زمانی که قیمت زیر SMA است شورت بماند.

انتخاب اندیکاتور مناسب کاملا به شما بستگی دارد

بسیاری از تریدرها چندین Moving Averages مختلف طراحی می‌کنند تا هر دو طرف داستان را به آنها ارائه دهد. آن‌ها ممکن است از میانگین متحرک ساده‌ تر برای یافتن روند کلی استفاده کنند و سپس از میانگین متحرک نمایی کوتاه‌ تر برای یافتن زمان مناسب برای ورود به معامله استفاده کنند. تعدادی استراتژی‌ معاملاتی وجود دارد که بر اساس استفاده از میانگین متحرک ساخته شده‌اند.

انواع مختلف Moving Averages را با دوره‌های مختلف آزمایش کنید. با گذشت زمان، متوجه خواهید شد که کدام نوع MA عملکرد بهتری برای شما دارد.

هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.

مشخصات نویسندگان مقاله هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی

چکیده مقاله :

پژوهش حاضر به مطالعه پیش بینی اندیکاتورهای RSI و MACD از روش های تکنیکال در بازار سرمایه به وسیله یشبکه ی عصبی و ارائه ی شواهدی مبنی بر رفتار آشوبناک و غیرخطی قیمت سهام در بورس اوراق بهادار می پردازد. اینپژوهش با بیان پیچیدگی داخلی و تنوع ساختار بیرونی سیستم قیمت سهام، به تجزیه و تحلیل اصول پیش بینی سهاممبتنی بر شبکه ی عصبی BP پرداخته اندیکاتور میانگین متحرک (MA) و یک مدل پیش بینی بازار سهام با استفاده از شبکه عصبی برگشتی و توپولوژی هایشبکه، اصول تعیین لایه های پنهان، انتخاب و پیش تیمار داده های نمونه و تعیین پارامترهای اولیه ارائه می دهد. با استفادهاز الگوریتم شبکه عصبی، میزان خطای اعتبارسنجی کمترین مقدار می شود تا شرط توقف برقرار شود. آزمایش شبیه سازیبراساس شاخص نماینده ای از بازار بورس تهران (بانک پاسارگاد) از طریق آموزش بر انتخاب نمونه ها و مدل پیش بینی،نشان می دهد که این الگوریتم می تواند در پیش بینی کوتاه مدت و میانمدت نتیجه بهتری نشان دهد.

کلیدواژه ها:

کد مقاله /لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CBCONF01_0909 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

نحوه استناد به مقاله :

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:

جعفری، مریم و فلاح، زینب،1395،هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی،اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر،تهران،https:اندیکاتور میانگین متحرک (MA) //civilica.com/doc/497364

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: ( 1395، جعفری، مریم؛ زینب فلاح )
برای بار دوم به بعد: ( 1395، جعفری؛ فلاح )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله :

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

• انواری رسمتی، علی اصغر) 1378.(مدیریت مالی و سرمایه گذاری، طرحان .
• جکسون، تی . و بیل آر) 1380 (آشنایی با شبکه .
• رضا تهرانی، وحید عباسیون، (1387)، "کاربرد شبکه های عصبی مصنوعی .
• داریوش فروغی، حیدر فروغ نزاد، منوچهر میرزایی، (1392)، _ _ .
• Kim, K. J. and اندیکاتور میانگین متحرک (MA) Han I. (2000); :Genetic algorithms approach .
• Serletin. A. and Shintani, M. (2003). _ evidence of chaos .
• Moloney, K., Raghavendra, S., (2011): "Testing for Nonlinear Dependence in .
• Pritam R. Charkha , (2008), 2 Stock Price Prediction and .
• , "A hybrid approach based on neural network and genetic .
• A. Rodriguez, (2011), " The Echo state approach to analyzing .

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.