Ma и ema чем отличаются
Перейти к содержимому

Ma и ema чем отличаются

  • автор:

Скользящие Средние SMA, EMA, WMA: Полное Руководство Для Трейдеров от Good Crypto

Многие трейдеры слышали выражение: “Тренд — твой лучший друг”.

Известно, что при бычьем тренде, цена, вероятней всего, продолжит расти, а при медвежьем — продолжит падать. Для этого даже используется специальный термин — Momentum, или Импульс, стратегии которого, очень популярны на традиционных финансовых рынках и успешно используются многими ведущими хедж-фондами. Но как точно определить тренд движения цен?

В этом нам помогут Скользящие Средние (Moving Averages), они хорошо работают на любом таймфрейме, а умение их использовать — просто необходимо для любого трейдера. Многие индикаторы, такие как осциллятор схождения/расхождения скользящих средних — MACD или полосы Боллинджера основаны на Скользящих Средних. Полное руководство по использованию этих индикаторов вы можете найти здесь . Индикатор Скользящая Средняя — один из самых важных и наиболее часто используемых индикаторов на любом финансовом рынке.

В этой статье мы проверим ваши знания и убедимся, что вы понимаете разницу между различными типами Скользящих Средних, такими как простая скользящая средняя (SMA), экспоненциальная скользящая средняя (EMA) и взвешенная скользящая средняя (WMA), а также узнаете, как они рассчитываются и как торговать с их помощью. В сочетании с приложением Good Crypto Скользящие Средние могут помочь вам стать успешным трейдером и стабильно получать профит. Давайте начнем!

Что Такое Скользящая Средняя (MA)?

Скользящие Средние сглаживают колебания цен, снижая шум, и позволяют определить текущий тренд рынка. Уменьшение шума (скачков графика цены в разные стороны) на графике даёт вам более четкую картину происходящего.

Не смотря на то, что важно знать о преимуществах Скользящих Средних, не менее важно понимать, что они не предсказывают будущие результаты, а скорее подтверждают уже устоявшиеся тренды.

С этого момента мы будем называть Скользящую Среднюю просто MA.

Говоря о таймфреймах, дневной или недельный таймфрейм считается «старшим таймфреймом», а таймфрейм длительностью 5-15 минут — «младшим таймфреймом».

Как рассчитываются МА?

MA рассчитывается путем суммирования данных о цене из свечей за определенный период с последующим делением полученной суммы на число периодов (количество свечей).

Что это значит?

20 MA рассчитывается путем суммирования показателей за предыдущие 20 периодов, деленных на 20.
100 MA рассчитывается путем суммирования показателей за предыдущие 100 периодов, деленных на 100.

МА в мире криптовалют рассчитывается аналогичным образом.

Типы Скользящих Средних (МА)

Существуют различные стратегии взаимодействия с рынками. Долгосрочное инвестирование, промежуточные сделки и краткосрочная торговля на колебаниях — три наиболее распространенных подходов к торговле . Из-за более вялой или медленной отзывчивости традиционной Простой Скользящей Средней (SMA) на изменения цены актива аналитики начали искать решение, которое сможет обеспечить более быстрые сигналы. Так появилось большое разнообразие Скользящий Средних (МА).

Давайте взглянем на наиболее распространенные типы МА и их различия.

Простая Скользящая Средняя (SMA)

SMA рассчитывается на основе цен закрытия периодов (свечей). Например, цена закрытия 3х единичных периодов или свечей суммируется, а затем делится на 3. SMA присваивает всем значениям одинаковый «вес» (значимость). Мы рассмотрим, что это значит после разбора остальных типов MA.

Например: у нас есть 3 периода, на которых цены закрытия были: 50, 45 и 60 долларов.
Формула будет выглядеть следующим образом: 50 + 45 + 60 = 155/3 (где 3 — количество периодов) = 51,66 (3-дневная SMA).

SMA очень плавный и самый сильный долгосрочный индикатор в любом таймфрейме.

Виды средних скользящих (SMA, EMA, WMA)

По умолчанию, под термином среднее скользящее (также среднескользящее, скользящее среднее) подразумевается простое среднее скользящее.

Напомним, что средние скользящие усредняют данные о цене, тем самым позволяя аналитику увидеть скрытые тренды. В некотором смысле, средние скользящие замедляют движение цены по графику. Для просчета любого вида скользящих средних нужно определенное количество прошлых цен. Как только поступает новая цена, сразу можно убирать самое старую цену из расчета, а вместо нее подставлять самую новую (сегодняшнюю), чтоб просчитать текущее среднее скользящее. Получается, что это скользящие средние «скользят» по графику вместе с ценой.

Простое среднее скользящее (SMA)

Читайте также Индекс силы Индекс Силы — простой технический индикатор, который позволяет оценить силу текущего тренда. Не путайте Индекс Силы с Индексом относительной силы. .

Как уже описывалось в изначальной статье о средних скользящих, простое среднее скользящее периода n на момент k — это средняя арифметическая величина n значений от k-n+1 до k. Иными словами, 5-ти дневное среднее скользящее на сегодня высчитывается путем прибавления пяти предыдущих цен (т.е. сегодняшняя плюс четыре прошлых) и разделением их на 5. Т.е. если цены были такие: 9, 8, 8, 9, 10, то простое среднее скользящее будет равно (9+8+8+9+10)/5=8,8. Следовательно, при сегодняшней цене в 10, среднее скользящее будет равно 8,8.

Для завтрашнего дня надо будет опять просчитывать новое значение среднего скользящего, и уже использовать свежие данные для его вычисления: 8, 8, 9, 10, 11 (где 11 — это завтрашняя цена; заметьте, что первую девятку мы упустили, но в конец добавили самую последнюю цену). Т.е. завтрашнее среднее скользящее будет равно (8+8+9+10+11)/5=9,2.

Экспоненциальное среднее скользящее (EMA)

Экспоненциальное среднее скользящее считает более поздние данные более важными. Следовательно, этот вид среднего скользящего быстрее реагирует на изменения цены.

Просчет значения экспоненциального среднего скользящего более сложный: вычисление значения 5-ти дневного экспоненциального среднего скользящего на сегодня производится по следующей формуле: EMA[k, n] = EMA[k-1, n]+(2/(n+1))·(P-EMA[k-1, n]), где

  • EMA[k, n] — экспоненциальное скользящее среднее периода n на момент k
  • P — текущая цена

Читайте также Технический индикатор «StochRSI» Индикатор-гибрид StochRSI взял лучшее от стохастики и RSI, чтоб более точно определять периоды избыточного спроса и предложения. Технический индик.

Вам не обязательно помнить формулу наизусть; главное понимать смысл, который заключается в том, что, при просчете экспоненциального среднего скользящего, более ранние цены имеют меньшее значение, а более поздние — большее значение.

Взвешенное скользящее среднее (WMA)

Взвешенное скользящее среднее, как и экспоненциальное, тоже придает более поздним данным больше “веса”, но оно делает это более выражено и проще. При просчете 5-ти дневного взвешенного скользящего среднего, мы придаем текущей цене пятикратный вес, вчерашней — четырехкратный, позавчерашней — трехкратный и т.д., а потом делим сумму всех произведений на сумму добавленного веса. Т.е. (1·8+2·8+3·9+4·10+5·11)/(1+2+3+4+5) = 146/15 = 9,73.

Формула расчета проста: каждую цену, входящую в просчет взвешенного скользящего среднего, необходимо умножить на ее порядковый номер, а потом разделить всю эту сумму на сумму порядковых номеров.

На графике изображено взвешенное среднее скользящее с периодом 89: программа складывает сегодняшнюю цену умноженную на 89 с вчерашней ценой умноженной на 88 и т.д. и потом делит сумму на 4005 (т.е. сумму всех натуральных чисел перед 89 включительно).

Сравнение видов скользящих средних

Разница между тремя видами скользящих средних для аналитика, по большому счету, невелика. Но, тем не менее, есть различия между видами скользящих средних и они довольно заметные.

Читайте также Индекс среднего направления (ADX) Отличить период торгов от тенденции рынка и увидеть силу текущего тренда поможет индекс среднего направления ADX. Индекс среднего направления (англ. .

Как видите, нет какой-то одной средней скользящей, которая всегда ближе или дальше от цены. Среднескользящие линии изменяют свое расположение относительно цены и относительно друг друга в зависимости от динамики цены.

Краткий анализ особенностей разных видов средних скользящих

Невооруженным глазом видно, что простое среднее скользящее — самое “ленивое”, экспоненциальное — самое динамическое. Заметьте, что в самом конце графика, когда цена начала снижаться, простое и взвешенное скользящие средние держались на уровне, в то время, как экспоненциальное среднее скользящее быстрее всего приблизилось к цене. На выраженном восходящем тренде, взвешенное среднескользящее проявило себя ближе всего к цене. А на периодах торгов, кратковременных взлетов и падений цены, простое скользящее среднее было ближе всего к цене.

Какой вид скользящих средних использовать в техническом анализе, исключительно дело аналитика. Ваше предпочтение будет зависеть от вашего стиля и привычки. Считается, что, на коротких отрезках лучше использовать экспоненциальное среднее скользящее, а на длинных — простое. Какой вид использовать вам — дело ваше.

Сравнение различных типов скользящих средних в торговле

Сравнение различных типов скользящих средних в торговле

Скользящая средняя (Moving Average, MA) — один из самых популярных технических индикаторов на рынке Forex. Наша цель — рассмотреть различные МА и сравнить их в торговле при одинаковых условиях входа и выхода из рынка.

Рассмотрим семь типов скользящих средних: Moving Average, Adaptive Moving Average, Double Exponential Moving Average, Fractal Adaptive Moving Average, Triple Exponential Moving Average, Variable Index Dynamic Average и Nick Rypock Moving Average.

Типы скользящих средних

В этом разделе приведено краткое описание и формулы для расчета интересующих нас скользящих средних.

Технический индикатор Moving Average

Moving Average — один из самых распространенных технических индикаторов. Он показывает среднее значение цены инструмента за заданный период времени. Существуют различные варианты индикатора MA:

  • Simple Moving Average (SMA) — простая скользящая средняя;
  • Exponential Moving Average (EMA) — экспоненциальная скользящая средняя;
  • Smoothed Moving Average (SMMA) — сглаженная скользящая средняя;
  • Linear Weighted Moving Average (LWMA) — линейно-взвешенная скользящая средняя.

Приведем формулы для расчета каждого варианта индикатора Moving Average:

Рассмотрим отображения разных вариантов индикатора Moving Average на ценовом графике. На рисунке 1 показаны варианты индикатора Moving Average с периодом 12, рассчитанного по ценам Close.

Индикатор Moving Average

Рис. 1. Варианты индикатора Moving Average

Как видно из рисунка, Simple Moving Average на флэте слегка колеблется, а это может дать ложные торговые сигналы. Smoothed Moving Average, как следует из ее названия, выглядит более сглаженной. Exponential Moving Average и Linear Weighted Moving Average ведут себя примерно одинаково на флэте. Linear Weighted Moving Average во время трендового движения подходит ближе остальных линий к ценам и, в отличие от SMMA и EMA, не зависит от своего предыдущего значения.

Технические индикаторы на основе экспоненциальной скользящей средней (EMA)

Экспоненциальная скользящая средняя (EMA) лежит в основе ряда других технических индикаторов.

Adaptive Moving Average (AMA)
Double Exponential Moving Average

Главный плюс — отсутствие ложных сигналов в моменты, когда цена двигается зигзагообразно. Он способствует сохранению позиции в период сильного тренда и уменьшает запаздывание сигнала по сравнению с обычной EMA.

Расчет индикатора DEMA

  • EMA(Price, n, i) — текущее значение EMA от цены Price с периодом n
  • EMA2(Price, n, i) = EMA(EMA(Price, n, i), n, i) — двойная EMA от цены Price с периодом n
Triple Exponential Moving Average

Индикатор применяется вместо традиционных скользящих средних, а также для сглаживания ценового графика и значений других индикаторов.

Fractal Adaptive Moving Average

Расчет индикатора FRAMA

  • Price(i) — текущее значение цены
  • A(i) — текущий фактор экспоненциального сглаживания
Variable Index Dynamic Average

Волатильность рынка измеряется осциллятором Chande Momentum Oscillator (CMO). Он измеряет отношение между суммами положительных и отрицательных приращений приращений за определенный период (период CMO). Значение CMO служит коэффициентом для сглаживающего фактора EMA. Таким образом, у индикатора настраиваются два параметра: период осциллятора CMO и период сглаживания EMA.

Nick Rypock Moving Average

Расчет индикатора NRMA

  • NRMA(i-1) — предыдущее значение индикатора
  • Price(i) — текущее значение цены
  • F=2/(n+1) — фактор сглаживания, n — количество единичных периодов

Отличия индикаторов от обычной EMA

Сравним рассмотренные выше индикаторы с обычной EMA. На рисунке 2 показаны:

  • Adaptive Moving Average (период 12, быстрая EMA — 2, медленная EMA — 30, сдвиг — 0)
  • Double Exponential Moving Average (период — 12, сдвиг — 0)
  • Fractal Adaptive Moving Average (период — 12, сдвиг — 0)
  • Exponential Moving Average (период — 12, сдвиг — 0)
  • Triple Exponential Moving Average (период — 12, сдвиг — 0)
  • Variable Index Dynamic Average (период CMO — 12, период EMA — 12, сдвиг — 0)
  • Nick Rypock Moving Average (метод усреднения — SMA, глубина сглаживания — 3, параметр сглаживания — 15 (не используется для SMA), Kf — 1, Fast — 12, Sharp — 2, сдвиг по вертикали и горизонтали — 0).

Все индикаторы построены на ценах Close.

AMA, DEMA, TEMA, FRAMA, VIDYA, NRMA, EMA

Рис. 2. Сравнение индикаторов, основанных на экспоненциальной скользящей средней (EMA)

Как видно из рисунка 2, DEMA и TEMA, по сравнению с обычной EMA, более точно повторяют движение цены, однако их колебания во флэте могут давать ложные торговые сигналы. Остальные индикаторы (FRAMA, AMA, VIDYA, NRMA) во флэте почти не колеблются, не реагируют на небольшие изменения цены. В тренде почти все индикаторы ведут себя одинаково, TEMA и FRAMA быстрее других отреагировали на изменение направления тренда.

Сравнение различных типов скользящих средних

Сравним рассмотренные выше технические индикаторы на торговой стратегии с одинаковыми условиями входа и выхода из рынка.

Описание торговой стратегии

Для тестирования индикатора была выбрана несложная стратегия с очевидными условиями входа в рынок и выхода из него.

Условия входа в рынок.

  • Предварительный сигнал на покупку: линия индикатора пересекает тело «бычьей» свечи. Далее, если разность между текущим и предыдущим значениями индикатора больше заданного параметра Growth factor (индикатор растет), открываем сделку на покупку.
  • Предварительный сигнал на продажу: линия индикатора пересекает тело «медвежьей» свечи. Далее, если разность между предыдущим и текущим значениями индикатора больше заданного параметра Growth factor (индикатор падает), открываем сделку на продажу.

Условия выхода из рынка:

  • по достижению уровней TakeProfit или StopLoss;
  • если открыта сделка на покупку и линия индикатора пересекла тело «медвежьей» свечи;
  • если открыта сделка на продажу и линия индикатора пересекла тело «бычьей» свечи.

На рисунках 3,4 показаны примеры торговли по данной стратегии.

Buy

Рис. 3. Пример сделки на покупку

Sell

Рис. 4. Пример сделки на продажу

Похожая торговая стратегия реализована в советнике Moving Average, который можно найти в навигаторе терминала MetaTrader 5.

Создание советника

Напишем советник для торговли по вышеописанной стратегии. В советнике будет реализована возможность выбора одного из технических индикаторов: MA (с методами Simple, Exponential, Smoothed, Linear Weighted), DEMA, TEMA, FRAMA, AMA, VIDYA, NRMA. Выбранный индикатор будет отрисовываться на графике. Также можно указать входные параметры индикатора, задать размер TakeProfit и StopLoss, размер лота для торговли, значение коэффициента роста индикатора (Growth factor).

Проверять условия входа и выхода на рынок будем только на новом баре, а не на каждом тике. Сначала проверяется наличие открытой позиции (для этого в советнике создана функция SelectPosition). Если таковых нет, то проверяем условие входа (функция CheckForOpen), если есть — проверяем условие выхода (функция CheckForClose).

Полный код советника приложен к статье (файл MultiMovingAverageExpert.mq5). Рассмотрим только реализацию условий входа и выхода из рынка. Проверка условий входа реализована в функции CheckForOpen следующим образом:

if(rt[0].open>ma[0] && rt[0].close0]) //проверка пересечения тела "медвежьей" свечи < if(BuyCross) BuyCross=false; //снимаем предварительное условие на покупку (если до этого было пересечение линией индикатора "бычьей" свечи) SellCross=true; //устанавливаем предварительное условие на продажу > else if(rt[0].open0] && rt[0].close>ma[0]) //проверка пересечения тела "бычьей" свечи < if(SellCross) SellCross=false; //снимаем предварительное условие на продажу (если до этого было пересечение линией индикатора "медвежьей" свечи) BuyCross=true; //устанавливаем предварительное условие на покупку > if(SellCross && ma[0]>ma[1] && ma[0]-ma[1]>GFactor) < signal=ORDER_TYPE_SELL; //если индикатор падает, возникает условие на продажу SellCross=false; //снимаем предварительное условие на продажу > else if(BuyCross && ma[1]>ma[0] && ma[1]-ma[0]>GFactor) < signal=ORDER_TYPE_BUY; // если индикатор растет, возникает условие на покупку BuyCross=false; //снимаем предварительное условие на покупку >
  • В массиве rt[ ] хранятся исторические данные о ценах
  • В массиве ma[] — значения индикатора.
  • rt[0].close, rt[0].open — значение предыдущей цены close/open
  • ma[0] — предыдущее значение индикатора
  • ma[1] — текущее значение индикатора.
  • GFactor — коэффициент роста индикатора.
  • Переменная signal далее используется для формирования торгового запроса на покупку или продажу.

Проверка условий выхода реализована в функции CheckForClose так:

bool signal=false; long type=PositionGetInteger(POSITION_TYPE); if(type==(long)POSITION_TYPE_BUY && rt[0].open>ma[0] && rt[0].close0]) //если открыта позиция на покупку и //линия индикатора пересекает тело "медвежьей" свечи signal=true; //сигнал к закрытию сделки if(type==(long)POSITION_TYPE_SELL && rt[0].open0] && rt[0].close>ma[0]) //если открыта позиция на продажу и //линия индикатора пересекает тело "бычьей" свечи signal=true; //сигнал к закрытию сделки if(signal) < if(TerminalInfoInteger(TERMINAL_TRADE_ALLOWED) && Bars(_Symbol,_Period)>100) ExtTrade.PositionClose(_Symbol,3); //закрываем сделку >

Тестирование и результаты работы советника

Тестировать советник будем на валютных парах EUR USD, GBPUSD, USDJPY, USDCAD, AUDUSD, таймфрейм H1. TakeProfit — 80 пунктов, StopLoss — 50 пунктов, объем лота для торговли 0.1, размер депозита — 10 000 USD, режим тестирования — все тики, плечо 1:100, 5-значные котировки, сервер: MetaQuotes-Demo.

Тестирование выполнено за период с 01.01.2016г. по 09.09.2017г.

Для каждого индикатора были оптимизированы период (диапазон изменения 5 — 50, шаг 1) и параметр Growth factor (диапазон изменения 0,0001 — 0,0001, шаг 0,001).

Для Variable Index Dynamic Average оптимизировался период EMA (в качестве периода расчета индикатора) и период осциллятора CMO (диапазон изменения 5 — 50, шаг 1).

Для Nick Rypock Moving Average оптимизировался параметр Fact, определяющий период расчета индикатора.

Расчет значений индикаторов выполнен по ценам Close, без сдвига по горизонтали и вертикали. У некоторых индикаторов есть дополнительные параметры:

  • Период быстрой EMA — 2
  • Период медленной EMA — 30
  • Метод усреднения — SMA
  • Глубина сглаживания — 3
  • Параметр сглаживания — 15 (не используется при методе усреднения SMA)
  • KF=1
  • Sharp=2

Результаты тестирования на валютной паре EUR USD

Результаты тестирования на валютной паре EUR USD (варианты с наибольшей чистой прибылью) представлены в таблице:

Наименование скользящей средней Оптимизируемые параметры и их значения Количество трейдов Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная
просадка по средствам
Moving Average (метод усреднения Simple) Период —15, Growth factor — 0.0002 383 1309.82 1.32 3.14 0.1 397.29 (3.81%) 417.26 (3.99%)
Moving Average (метод усреднения Exponential) Период — 11, Growth factor — 0.0003 405 1109.72 1.22 3.02 0.08 346.35 (3.39%) 367.45 (3.6%)
Moving Average (метод усреднения Smoothed) Период — 6, Growth factor — 0.0003 405 1109.72 1.22 3.02 0.08 346.35 (3.39%) 367.45 (3.6%)
Moving Average (метод усреднения Linear Weighted) Период — 22, Growth factor — 0.0002 351 1505.35 1.34 3.65 0.11 383.71 (3.41%) 412.88 (3.91%)
Adaptive Moving Average Период — 14, Growth factor — 0.0001 384 1024.19 1.19 1.63 0.07 600.06 (5.41%) 627.36 (5.64%)
Double Exponential Moving Average Период — 28, Growth factor — 0.0003 366 1676.43 1.39 3.49 0.12 460.33 (4.39%) 481.03 (4.58%)
Triple Exponential Moving Average Период — 44, Growth factor — 0.0002 482 1842.81 1.35 5.31 0.11 321.07 (3.14%) 347.27 (3.39%)
Fractal Adaptive Moving Average Период — 16, Growth factor — 0.0007 174 766.52 1.37 2. 69 0.12 252.4 (2.5%) 285.08 (2.78%)
Variable Index Dynamic Average Период EMA — 12, период CMO — 2, Growth factor — 0.0003 333 1237.31 1.26 2.86 0.09 385.44 (3.43%) 432.81 (3.84%)
Nick Rypock Moving Average Fact — 15, Growth factor — 0.0001 295 1669.62 1.42 4.14 0.14 376.22 (3.5%) 403.52 (3.75%)

Из результатов тестирования можно сделать следующие выводы:

  • Наибольший показатель чистой прибыли и фактор восстановления — Triple Exponential Moving Average, однако другие ее показатели не самые высокие, также неплохие результаты показали Double Exponential Moving Average и Nick Rypock Moving Average.
  • Наихудшие показатели прибыльности, фактора восстановления, коэффициента Шарпа, а также наибольшую просадку по средствам и балансу показала Adaptive Moving Average.

Для более наглядного сравнения результатов тестирования нормируем показатели чистой прибыли, прибыльности, коэффициента Шарпа, фактора восстановления, максимальных просадок по балансу и средствам по следующей формуле:

  • nValue — нормированное значение параметра в интервале от 0 до 1,
  • Value — текущее значение параметра,
  • MaxValue — максимальное значение параметра,
  • MinValue — минимальное значение параметра.

Результаты представлены в таблице (желтым выделены наилучшее результаты, красным — наихудший):

Наименование скользящей средней Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная просадка по средствам Сумма показателей без учета просадок Сумма показателей с учетом просадок
Moving Average (метод усреднения Simple) 0.50479 0.56522 0.41033 0.42857 0.41676 0.38618 1.9089 1.10597
Moving Average (метод усреднения Exponential) 0.31887 0.13043 0.37772 0.14286 0.27024 0.24065 0.96988 0.459
Moving Average (метод усреднения Smoothed) 0.31887 0.13043 0.37772 0.14286 0.27024 0.24065 0.96988 0.459
Moving Average (метод усреднения Linear Weighted) 0.68646 0.65217 0.54891 0.57143 0.3777 0.37338 2.45898 1.7079
Adaptive Moving Average 0.23941 0 0 0 1 1 0.23941 -1.76059
Double Exponential Moving Average 0.84541

В последнем столбце таблицы при суммировании показателей значения максимальной просадки по балансу и по средствам взяты с отрицательным знаком (чем меньше просадка, тем лучше стратегия). Таким образом, наилучшие показатели для рассмотренной стратегии продемонстрировали Triple Exponential Moving Average, Nick Rypock Moving Average и Double Exponential Moving Average (в таблице выделены желтым). Результаты тестирования для TEMA, NRMA и DEMA приведены на рис. 5-10.

График для Triple Exponential MA

Рис. 5. График баланса (средств) для Triple Exponential Moving Average

Отчет Triple Exponential MA

Рис. 6. Отчет для Triple Exponential Moving Average

График для NRMA

Рис. 7. График баланса (средств) для Nick Rypock Moving Average

Отчет для Nick Rypock Moving Average

Рис. 8. Отчет для Nick Rypock Moving Average

График DEMA

Рис. 9. График баланса (средств) для Double Exponential Moving Average

Отчет DEMA

Рис. 10. Отчет для Double Exponential Moving Average

Из рис. 5, 7, 9 видно, что график баланса (средств) для TEMA выглядит более стабильно, чем NRMA и DEMA, хотя имеет небольшие просадки. На графике баланса (средств) NRMA наблюдается резкий рост прибыли в последние 3 месяца торговли, на графике DEMA рост прибыли (с небольшой просадкой) начитается с декабря 2016 года.

Результаты тестирования на валютной паре GBPUSD

Результаты тестирования на валютной паре GBPUSD представлены в таблице:

Наименование скользящей средней Оптимизируемые параметры и их значения Количество трейдов Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная
просадка по средствам
Moving Average (метод усреднения Simple) Период —38, Growth factor — 0.0005 52 1013.56 1.98 3.82 0.32 207.04 (2.7%) 265.06 (2.65%)
Moving Average (метод усреднения Exponential) Период —41 , Growth factor — 0.0002 219 787.12 1.14 1.23 0.07 576.96 (5.21%) 639.44 (5.75%)
Moving Average (метод усреднения Smoothed) Период — 42, Growth factor — 0.0003 48 817.42 1.71 3.85 0.26 151.32 (1.51%) 212.24 (2.04%)
Moving Average (метод усреднения Linear Weighted) Период — 50, Growth factor — 0.0001 328 1086.08 1.17 1.26 0.07 818.34 (7.45%) 861.04 (7.82%)
Adaptive Moving Average Период — 21, Growth factor — 0.001 100 1102.16 1.61 4.61 0.21 176.46 (1.71%) 239.12 (2.28%)
Double Exponential Moving Average Период — 23, Growth factor — 0.0007 263 1070.88 1.21 1.96 0.08 466.24 (4.42%) 547.58 (5.16%)
Triple Exponential Moving Average Период — 30, Growth factor — 0.0009 214 1443.90 1.39 4.11 0.14 322.76 (3.02%) 351.14 (3.28%)
Fractal Adaptive Moving Average Период — 38, Growth factor — 0.0001 819 651.54 1.05 0.85 0.02 747.98 (7.12%) 764.88 (7.28%)
Variable Index Dynamic Average Период EMA — 35, период CMO — 7, Growth factor — 0.0004 73 1606.98 1.99 5.20 0.34 251.94 (2.52%) 309 (3.08%)
Nick Rypock Moving Average Fact — 45, Growth factor — 0.0005 53 978.30 1.80 3.86 0.29 200.64 (1.99%) 253.58 (2.51%)

Нормированные результаты представлены в таблице (желтым выделены наилучшее результаты, красным — наихудший):

Наименование скользящей средней Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная просадка по средствам Сумма показателей без учета просадок Сумма показателей с учетом просадок
Moving Average (метод усреднения Simple) 0.3789 0.98929 0.68343 0.91799 0.08354 0.08141 2.96961 2.80467
Moving Average (метод усреднения Exponential) 0.1419 0.09351 0.08718 0.13465 0.63812 0.65845 0.45724 -0.8393
Moving Average (метод усреднения Smoothed) 0.17416 0.70302 0.69032 0.74598 0 0 2.31347 2.31347
Moving Average (метод усреднения Linear Weighted) 0.45481 0.12036 0.09417 0.14629 1 1 0.81562 -1.1844
Adaptive Moving Average 0.47164 0.58999 0.86402 0.57613 0.03769 0.04143 2.50177 2.42265
Double Exponential Moving Average 0.4389 0.17142 0.25383 0.1936 0.47213 0.51686 1.05774 0.06875
Triple Exponential Moving Average 0.82931 0.36161 0.74969 0.36845 0.25702 0.21409 2.30906 1.83795
Fractal Adaptive Moving Average 0 0 0 0 0.89452 0.85179 0 -1.7463
Variable Index Dynamic Average 1 1 1 1 0.15085 0.14914 4 3.70001
Nick Rypock Moving Average 0.342 0.79826 0.69126 0.82047 0.07394 0.06372 2.65199 2.51433

Как следует из таблиц, наилучшими показателями обладает Variable Index Dynamic Average, также неплохо показали себя Nick Rypock Moving Average и Moving Average с методом усреднения Simple. Результаты тестирования для VIDYA, NRMA и SMA приведены на рис. 11-16.

Vidya_gbp_usd

Рис. 11. График баланса (средств) Variable Index Dynamic Average

Viday Report

Рис. 12. Отчет для Variable Index Dynamic Average

NRMA GBPUSD

Рис. 13. График баланса (средств) Nick Rypock Moving Average

NRMA Report

Рис. 14. Отчет для Variable Index Nick Rypock Moving Average

SMA GBPUSD

Рис. 15. График баланса (средств) Simple Moving Average

SMA Report

Рис. 16. Отчет для Simple Moving Average

Из рис. 11-16 видим, что графики VIDYA, NRMA и SMA выглядят примерно одинаково, в начале торговли наблюдается небольшая просадка, далее графики растут, количество сделок у VIDYA больше, чем NRMA и SMA. Процент прибыльных трейдов у VIDYA превышает NRMA и SMA.

Результаты тестирования на валютной паре USDJPY

Результаты тестирования на валютной паре USDJPY представлены в таблице:

Наименование скользящей средней Оптимизируемые параметры и их значения Количество трейдов Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная
просадка по средствам
Moving Average (метод усреднения Simple) Период —34, Growth factor — 0.0004 451 1784.95 1.32 3.69 0.1 465.52 (4.17%) 483.34 (4.32%)
Moving Average (метод усреднения Exponential) Период — 42, Growth factor — 0.0007 465 1135.23 1.20 2.21 0.07 461.52 (4.08%) 514.61 (4.53%)
Moving Average (метод усреднения Smoothed) Период — 33, Growth factor — 0.0008 372 1702.94 1.36 5.15 0.12 296.57 (2.58%) 330.6 (2.87%)
Moving Average (метод усреднения Linear Weighted) Период — 50, Growth factor — 0.0005 477 1892.24 1.33 4.66 0.10 384.06 (3.68%) 406.1 (3.88%)
Adaptive Moving Average Период — 46, Growth factor — 0.0006 403 1460.51 1.26 2.56 0.09 527.75 (4.77%) 569.67 (5.13%)
Double Exponential Moving Average Период — 18, Growth factor — 0.001 1062 1459.18 1.15 3.55 0.05 366.24 (3.30%) 410.56 (3.69%)
Triple Exponential Moving Average Период — 50, Growth factor — 0.0003 657 1115.86 1.15 1.87 0.05 537.18 (4.68%) 597.71 (5.18%)
Fractal Adaptive Moving Average Период — 24, Growth factor — 0.0008 1030 615.92 1.06 0.8 0.02 734.03 (6.58%) 766.01 (6.85%)
Variable Index Dynamic Average Период EMA — 18, период CMO — 42, Growth factor — 0.001 238 2338.68 1.64 5.14 0.21 417.66 (3.62%) 454.69 (3.93%)
Nick Rypock Moving Average Fact — 28, Growth factor — 0.0002 435 1465.32 1.27 3.00 0.09 456.65 (4.02%) 488.7 (4.29%)

Нормированные результаты представлены в таблице (желтым выделены наилучшее результаты, красным — наихудший):

Наименование скользящей средней Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная просадка по средствам Сумма показателей без учета просадок Сумма показателей с учетом просадок
Moving Average (метод усреднения Simple) 0.67858 0.45316 0.66457 0.4324 0.38621 0.3508 2.22871 1.49171
Moving Average (метод усреднения Exponential) 0.30144 0.25001 0.32251 0.25216 0.37706 0.42261 1.12612 0.32645
Moving Average (метод усреднения Smoothed) 0.63098 0.51885 1 0.50010 0 0 2.64993 2.64993
Moving Average (метод усреднения Linear Weighted) 0.74086 0.46535 0.88693 0.42881 0.2 0.1734 2.52195 2.14855
Adaptive Moving Average 0.49025 0.34559 0.40481 0.36951 0.52846 0.54907 1.61017 0.53264
Double Exponential Moving Average 0.48948 0.15054 0.63263 0.14711 0.15926 0.18364 1.41976 1.07686
Triple Exponential Moving Average 0.2902 0.15141 0.2445 0.15928 0.55002 0.61347 0.84538 -0.3181
Fractal Adaptive Moving Average 0 0 0 0 1 1 0 -2
Variable Index Dynamic Average 1 1 0.99825 1 0.2768 0.285 3.99825 3.43645
Nick Rypock Moving Average 0.49305 0.36549 0.50479 0.37182 0.36593 0.36311 1.73515 1.00611

Как следует из таблиц, наилучшими показателями обладают Variable Index Dynamic Average и Moving Average с методами усреднения Smoothed и Linear Weighted . Показатели чистой прибыли, прибыльности, коэффициента Шарпа VIDYA превышают SMMA и LWMA, но у SMMA и LWMA наименьшая просадка по балансу и средствам. Результаты тестирования для VIDYA, SMMA и LWMA приведены на рис. 17-22.

Vidya USDJPY

Рис. 17. График баланса (средств) Variable Index Dynamic Average

VIdya Report

Рис. 18. Отчет для Variable Index Dynamic Average

LWMA

Рис. 19. График баланса (средств) Linear Weighted Moving Average

LWMA Report

Рис. 20. Отчет для Linear Weighted Moving Average

SSMA

Рис. 21. График баланса (средств) Smoothed Moving Average

SSMA Report

Рис. 22 . Отчет для Smoothed Moving Average

Из рис. 17-22 видим, что несмотря на низкий процент прибыльных трейдов, индикаторы демонстрируют высокую чистую прибыль, это связано с тем, что валютная пара USDJPY имеет высокую волатильность.

Результаты тестирования на валютной паре USDCAD

Результаты тестирования на валютной паре USDCAD представлены в таблице:

Наименование скользящей средней Оптимизируемые параметры и их значения Количество трейдов Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная
просадка по средствам
Moving Average (метод усреднения Simple) Период —39, Growth factor — 0,0004 59 1101.44 2.30 7.11 0.40 133.44 (1.25%) 154.92 (1.45%)
Moving Average (метод усреднения Exponential) Период — 31, Growth factor — 0.0005 76 951.88 1.74 3.01 0.27 278.08 (2.56%) 316.57 (2.91%)
Moving Average (метод усреднения Smoothed) Период — 50, Growth factor — 0.0001 121 1262.26 1.57 3.07 0.22 343.76 (3.19%) 411.32 (3.81%)
Moving Average (метод усреднения Linear Weighted) Период — 46, Growth factor — 0.0005 46 903.64 2.34 5.31 0.42 128.97 (1.22%) 170.05 (1.61%)
Adaptive Moving Average Период — 38, Growth factor — 0.0009 41 990.44 3.18 8.62 0.55 77.57 (0.73%) 114.96 (1.09%)
Double Exponential Moving Average Период — 44, Growth factor — 0.0007 73 941.93 2.07 5.33 0.32 137.28 (1.28%) 176.6 (1.64%)
Triple Exponential Moving Average Период — 49, Growth factor — 0.0009 76 559.18 1.62 3.28 0.20 122.21 (1.2%) 170.57 (1.66%)
Fractal Adaptive Moving Average Период — 15, Growth factor — 0.0009 185 504.26 1.27 2.44 0.09 197.12 (1.95%) 206.37 (2.04%)
Variable Index Dynamic Average Период EMA — 34, период CMO — 9, Growth factor — 0.0002 111 1563.99 1.86 6.17 0.30 185.64 (1.70%) 253.36 (2.32%)
Nick Rypock Moving Average Fact — 41, Growth factor —0.0004 81 594.91 1.39 1.74 0.16 309.02 (2.88%) 342.16 (3.18%)

Нормированные результаты представлены в таблице(желтым выделены наилучшее результаты, красным — наихудший):

Наименование скользящей средней Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная просадка по средствам Сумма показателей без учета просадок Сумма показателей с учетом просадок
Moving Average (метод усреднения Simple) 0.56352 0.53776 0.78104 0.67198 0.20989 0.13484 2.5543 2.20957
Moving Average (метод усреднения Exponential) 0.42239 0.24419 0.18441 0.37529 0.75326 0.68029 1.22628 -0.2073
Moving Average (метод усреднения Smoothed) 0.71528 0.15751 0.19342 0.26924 1 1 1.33545 -0.6646
Moving Average (метод усреднения Linear Weighted) 0.37687 0.55859 0.5199 0.69827 0.1931 0.18589 2.15363 1.77465
Adaptive Moving Average 0.45878 1 1 1 0 0 3.45878 3.45878
Double Exponential Moving Average 0.413 0.42112 0.52277 0.48957 0.22431 0.20799 1.84645 1.41415
Triple Exponential Moving Average 0.05182 0.18256 0.22388 0.23681 0.1677 0.18764 0.69508 0.33974
Fractal Adaptive Moving Average 0 0 0.10249 0 0.44912 0.30844 0.10249 -0.6551
Variable Index Dynamic Average 1 0.30606 0.64482 0.43945 0.40599 0.467 2.39033 1.51734
Nick Rypock Moving Average 0.08554 0.06124 0 0.14059 0.86949 0.76664 0.28737 -1.3488

Как следует из таблиц, наилучшие показатели имеют Adaptive Moving Average, Moving Average с методом усреднения Simple и Variable Index Dynamic Average. Adaptive Moving Average демонстрирует наилучшие показатели прибыльности, фактора восстановления и коэффициента Шарпа, также имеет наименьшие просадки по балансу и средствам. У Variable Index Dynamic Average наибольшая чистая прибыль, но другие показатели не самые высокие. Результаты тестирования для AMA, SMA и VIDYA приведены на рис. 23-28.

AMA

Рис. 23. График баланса (средств) Adaptive Moving Average

AMA Report

Рис. 24 . Отчет для Adaptive Moving Average

SMA

Рис. 25. График баланса (средств) Simple Moving Average

SMA Report

Рис. 26 . Отчет для Simple Moving Average

VIDyA

Рис. 27. График баланса (средств) Variable Index Dynamic Average

VIDyA Report

Рис. 28 . Отчет для Variable Index Dynamic Average

Из рис. 23-28 видим AMA имеет наименьшее количество сделок и наибольший процент прибыльных сделок. SMA и VIDYA имеют большую прибыль за счет большего количества сделок, при этом количество прибыльных сделок превышает убыточные. Сильных просадок на графиках AMA, SMA и VIDYA не наблюдается.

Результаты тестирования на валютной паре AUDUSD

Результаты тестирования на валютной паре AUDUSD представлены в таблице:

Наименование скользящей средней Оптимизируемые параметры и их значения Количество трейдов Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная
просадка по средствам
Moving Average (метод усреднения Simple) Период —7, Growth factor — 0.0009 78 262.48 1.36 1.23 0.11 175.85 (1.74%) 214.18 (2.11%)
Moving Average (метод усреднения Exponential) Период — 40, Growth factor — 0.0004 24 652.88 2.62 2.82 0.47 206.76 (1.93%) 231.76 (2.16%)
Moving Average (метод усреднения Smoothed) Период — 21, Growth factor — 0.0004 24 651.18 2.61 2.81 0.47 206.76 (1.93%) 231.76 (2.16%)
Moving Average (метод усреднения Linear Weighted) Период — 32, Growth factor — 0.0005 24 383.64 1.97 2.25 0.30 116.38 (1.11%) 170.24 (1.62%)
Adaptive Moving Average Период — 21, Growth factor — 0.0007 58 252.39 1.30 0.54 0.11 392.15 (3.80%) 464.47 (4.48%)
Double Exponential Moving Average Период — 40, Growth factor — 0.0006 39 296.15 1.70 1.53 0.20 156.62 (1.51%) 193.02 (1.86%)
Triple Exponential Moving Average Период — 21, Growth factor — 0.001 69 273.12 1.35 1.05 0.11 228.5 (2.20%) 259.71 (2.50%)
Fractal Adaptive Moving Average Период — 38, Growth factor — 0.0007 83 109.01 1.11 0.55 0.04 142.85 (1.42%) 196.47 (1.94%)
Variable Index Dynamic Average Период EMA — 26, период CMO — 5, Growth factor — 0.0006 23 697.59 2.99 2.96 0.53 151.35 (1.41%) 235.38 (2.19%)
Nick Rypock Moving Average Fact — 22, Growth factor — 0.0006 34 509.27 1.90 2.55 0.28 94.58 (0.9%) 200 (1.89%)

Нормированные результаты представлены в таблице (желтым выделены наилучшее результаты, красным — наихудший):

Наименование скользящей средней Чистая прибыль Прибыльность Фактор восстановления Коэффициент Шарпа Максимальная просадка по балансу Максимальная просадка по средствам Сумма показателей без учета просадок Сумма показателей с учетом просадок
Moving Average (метод усреднения Simple) 0.26075 0.12921 0.28183 0.13463 0.27311 0.14934 0.80642 0.38397
Moving Average (метод усреднения Exponential) 0.92404 0.80629 0.93942 0.86552 0.37699 0.20909 3.53527 2.94919
Moving Average (метод усреднения Smoothed) 0.92115 0.8006 0.93639 0.86226 0.37699 0.20909 3.5204 2.93433
Moving Average (метод усреднения Linear Weighted) 0.4666 0.45691 0.70658 0.52861 0.07326 0 2.1587 2.08544
Adaptive Moving Average 0.2436 0.10105 0 0.13347 1 1 0.47812 -1.5219
Double Exponential Moving Average 0.31795 0.31405 0.40942 0.31848 0.20849 0.07742 1.3599 1.07399
Triple Exponential Moving Average 0.27882 0.12776 0.20999 0.14014 0.45005 0.30408 0.75672 0.00259
Fractal Adaptive Moving Average 0 0 0.00473 0 0.16221 0.08915 0.00473 -0.2466
Variable Index Dynamic Average 1 1 1 1 0.19078 0.22139 4 3.58783
Nick Rypock Moving Average 0.68004 0.42124 0.82757 0.48773 0 0.10115 2.41659 2.31545

Как следует из таблиц, наилучшие показатели имеют Variable Index Dynamic Average, и Moving Average с методами усреднения Exponential и Smoothed. VIDYA демонстрирует наилучшие показатели чистой прибыли, прибыльности, фактора восстановления и коэффициента Шарпа. EMA и SMMA имеют почти одинаковые показатели и одинаковое количество сделок. Результаты тестирования для VIDYA, EMA и SMMA приведены на рис. 29-34.

VIDyA

Рис. 29. График баланса (средств) Variable Index Dynamic Average

VIDyA Report

Рис. 30 . Отчет для Variable Index Dynamic Average

EMA

Рис. 31. График баланса (средств) Exponential Moving Average

EMA Report

Рис. 32 . Отчет для Exponential Moving Average

SSMA

Рис. 33. График баланса (средств) Smoothed Moving Average

SSMA Report

Рис. 34 . Отчет для Smoothed Moving Average

Из рис. 29-34 видим, что графики баланса (средств) для VIDYA, EMA и SMMA примерно одинаковы, у VIDYA больше прибыльных трейдов, чем EMA и SMMA. Валютная пара AUDUSD обладает низкой волатильностью, что и объясняет полученные результаты.

Из результатов тестирования на валютных парах EUR USD, GBPUSD, USDJPY, USDCAD, AUDUSD можно сделать следующие выводы:

  • наилучшие результаты на валютных парах с высокой ( GBPUSD, USDJPY) и низкой волатильностью ( AUDUSD) показала Variable Index Dynamic Average
  • на валютной паре USDCAD наилучшие показатели у Adaptive Moving Average, однако на валютной паре EUR USD она демонстрирует наихудшие результаты
  • на валютной паре EUR USD наилучшие показатели у Triple Exponential Moving Average
  • наихудшие результаты на валютных парах GBPUSD, USDJPY, USDCAD, AUDUSD продемонстрировала Fractal Adaptive Moving Average
  • неплохие результаты продемонстрировал стандартный индикатор Moving Average с различными периодами усреднения.

Заключение

Мы рассмотрели различные скользящие средние (MA (с методами Simple, Exponential, Smoothed, Linear Weighted), DEMA, TEMA, FRAMA, AMA, VIDYA, NRMA), для каждой MA описан порядок ее расчета. Выполнены сравнение и оптимизация параметров скользящих средних в торговле при одинаковых условиях входа и выхода из рынка.

Из полученных результатов можно сделать следующие выводы:

  • оптимизируя параметры любой из рассмотренных скользящих средних, можно получить прибыльную стратегию;
  • большинство скользящих средних — вариации индикатора EMA;
  • основное преимущество скользящих средних, основанных на EMA, — уменьшение ложных сигналов во флэте и более быстрая реакция на изменение тренда;
  • наилучшие результаты показал индикатор Variable Index Dynamic Average, его можно использовать как валютных парах с высокой и низкой волатильностью, так и валютных парах со средней волатильностью.

Прикрепленные файлы |

Предупреждение: все права на данные материалы принадлежат MetaQuotes Ltd. Полная или частичная перепечатка запрещена.

Другие статьи автора
  • Моделирование временных рядов с помощью пользовательских символов по заданным законам распределения
  • Управляемая оптимизация: метод отжига

Экспоненциальная скользящая средняя

Что такое индикатор экспоненциальная скользящая средняя (EMA)?

Экспоненциальная скользящая средняя (EMA), которая также известна как экспоненциально взвешенная скользящая средняя (EWMA), экспоненциальное скользящее среднее и экспоненциально взвешенное скользящее среднее, является одним из классических инструментов технического анализа. Это такой тип скользящей средней (MA), которая придает больший вес и значимость наиболее свежим данным. EMA в трейдинге используется для определения главного тренда на рынке, дополнительно информируя об уровнях поддержки и сопротивления для возможности совершения сделки. Чтобы понять концепцию экспоненциальной скользящей средней EMA, вспомним, что такое обычная скользящая средняя SMA.

Метод скользящей средней (или метод скользящих средних) очень популярен в трейдинге. Скользящие средние отображают среднюю цену финансового инструмента за определенный период времени. Существует несколько типов скользящих средних, которые различаются по способу оценки точек данных или по их значимости.

Как найти скользящее среднее? Простую SMA можно рассчитать, разделив сумму цен закрытия актива за определенный период времени (например, за 10 дней) на этот период времени. Таким образом вы найдете 10-дневную SMA. Это и есть формула скользящего среднего, которая представляет собой среднее арифметическое заданных значений.

Если посмотреть на график с простой скользящей средней и экспоненциальной скользящей средней, то можно и не увидеть различий. Однако «под капотом» есть несколько ключевых отличий.

Экспоненциальная скользящая средняя, или EMA — это линия на ценовом графике, основанная на математической формуле для сглаживания ценового движения. Придавая больший вес недавней цене и меньший вес старым ценам, EMA быстрее адаптируется к последним изменениям на рынке, чем SMA, для которой все цены имеют одинаковый вес.

EMA-индикатор может показаться крайне сложным для расчета. Но хорошая новость в том, что большинство торговых платформ предлагают графики, которые выполняют эту работу за вас. Поэтому вы можете просто выбрать EMA из списка индикаторов и наложить его на актуальный график цены инструмента.

Вы также можете настроить количество периодов, за которые EMA должна рассчитываться. Периоды 50, 100 и 200 обычно используются трейдерами, которые отслеживают ценовые действия за месяцы или годы. С другой стороны, 12- и 26-дневные ЕМА популярны для дневной торговли.

Экспоненциальная скользящая средняя — это универсальный торговый инструмент, который работает на всех рынках, включая акции, индексы, валюты, товары и криптовалюты.

экспоненциальная скользящая средняя

Кто придумал индикатор экспоненциальная скользящая средняя?

Первая статья с изложением концепции EMA называлась «Прогнозирование сезонных тенденций и трендов по экспоненциально взвешенным скользящим средним» Чарльза С. Холта (“Forecasting Seasonals and Trends by Exponentially Weighted Moving Averages” by Charles C. Holt), которая была опубликована в 1957 г. Обеспечивая систематическую разработку прогнозирующих выражений для экспоненциально взвешенных скользящих средних, метод, описанный в книге, использовался в различных отраслях для изучения трендов и структур ошибок.

В начале 1960-х годов первым, кто использовал экспоненциальное сглаживание для отслеживания цен на акции, был П. Н. Хаурлан (P. N. Haurlan), технический менеджер JPL в Пасадене, США, который применил EMA при разработке систем слежения за ракетами. Благодаря доступу к компьютеру, он мог анализировать фондовый рынок во время простоев на работе. Успешно применив EMA к фондовому рынку, он не назвал их «экспоненциальными скользящими средними»; вместо этого он назвал их «ценностями тренда». Хаурлан позже смоделировал EMA своего Индекса Хаурлана. Его работа сыграла большую роль в создании осциллятора Макклеллана и Индекса суммирования, который включает экспоненциальное сглаживание данных роста/падения.

Почему экспоненциальные скользящие средние полезны для трейдеров?

Индикатор экспоненциальная скользящая средняя уменьшает путаницу ежедневных ценовых действий и помогает сократить шум, снижая задержку по времени и устраняя искажение информации, которая больше не релевантна. Кроме того, он сглаживает цену и выявляет тренд, показывая паттерны, которые вы, возможно, пропустили. EMA также достаточно надежна и точна в прогнозировании будущих изменений рыночной цены.

Повышенная чувствительность EMA иногда делает ее уязвимой для ложных сигналов. Но это скорее хорошо, чем плохо. Для трейдеров, которые предпочитают торговать на быстро меняющихся рынках или на внутридневных трендах, EMA подходит идеально. Иногда она даже используется для определения искажений в торговле: если ЕМА на дневном графике показывает сильный восходящий тренд, стратегия дневного трейдера может заключаться в том, чтобы торговать только в лонг на внутридневном графике.

Важно отметить, насколько быстрее EMA реагирует на изменение цены, тогда как SMA порой отстает. По этой причине EMA также более применима на волатильных рынках.

Торговля с EMA

Как и большинство других скользящих средних, EMA больше подходит для трендовых рынков. Если рынок находится в устойчивом и сильном восходящем тренде, линия индикатора также будет отображать восходящий тренд, и наоборот.

Опытный трейдер отслеживает не только направление линии EMA, но также отношение скорости изменения между соседними столбцами графика. Например, когда ценовое движение сильного восходящего тренда начинает сглаживаться и разворачиваться, скорость изменения EMA от одного столбца к другому начинает уменьшаться, пока линия индикатора не сгладится вообще, и тогда скорость изменения становится равной нулю.

Из-за запаздывающего эффекта к этому моменту ценовое действие уже должно измениться. Таким образом, последовательное снижение скорости изменения EMA само по себе может быть индикатором, который может быть сглаживать недостатки запаздывания скользящих средних.

12- и 26-дневные ЕМА являются наиболее популярными для анализа в краткосрочном и среднем периодах, в то время как 50- и 200-дневные ЕМА используются в качестве индикаторов для долгосрочных трендов. Индикатор EMA также служит основой осциллятора схождение/расхождение скользящих средних (MACD) и Процентного ценового осциллятора (PPO).

Можно экспериментировать с использованием экспоненциальной скользящей средней во многих отношениях, но профессиональные трейдеры предпочитают, чтобы торговля с EMA имел простые формы:

Следование тренду. По сути, вы используете EMA, чтобы отслеживать основной тренд и действовать в соответствии с ним. Если акция не закрывается выше среднего, вы остаетесь в сделке.

Динамическая поддержка и сопротивление. Периоды EMA, такие как 50- или 200-дневные, могут служить зонами поддержки и сопротивления, на основе которых можно строить торговую стратегию и принимать решения.

Пересечения скользящих средних. Используя два различных экспоненциальных пересечения скользящих средних, вы можете генерировать сигналы к покупке и к продаже. Кроссовер EMA указывает на изменение импульса и тренда. Когда EMA с более коротким периодом пересекает EMA с более длинным периодом, это указывает на бычий сигнал; если наоборот — медвежий сигнал. Во многих случаях цена актива повторно тестирует линию EMA, которая находится подальше, после успешного пересечения EMA. Как правило, область между двумя EMA является хорошим местом для входа в позицию в направлении тренда.

Простота применения и интерпретации скользящей средней позволяет одновременно наносить на график несколько различных линий EMA. Это преимущество, которого нет у многих других технических индикаторов. EMA лучше всего использовать в сочетании с другими индикаторами для подтверждения значительных рыночных движений и оценки их достоверности.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *