
میانگین متحرک (غلتان یا در حال اجرا) مجموعه ای از میانگین هاست که میانگین زیر مجموعه های ثابت مختلف کل مجموعه داده را نشان می دهد. به عنوان مثال، میانگین متحرک 5 روزه، میانگین 5 روز قبل را نشان می دهد. میانگین متحرک در تجزیه و تحلیل داده های سری زمانی برای هموارسازی نوسانات کوتاه مدت در یک مجموعه داده استفاده می شود و بنابراین می تواند روندها یا چرخه های بلندمدت را برجسته و پیش بینی کند. میانگین متحرک را می توان به صورت میانگین متحرک ساده، وزنی یا نمایی محاسبه کرد.
میانگین متحرک نمایی میانگین متحرک زیرمجموعه ای از نقاط داده را محاسبه می کند که در آن هر نقطه داده دارای وزن هایی است به گونه ای که با دورتر شدن نقاط داده از مقدار فعلی، وزن ها به صورت تصاعدی کاهش می یابد. در این مقاله به نحوه محاسبه میانگین متحرک نمایی می پردازیم.
میانگین متحرک نمایی نقاط k-data (EMAk) با استفاده از فرمول محاسبه می شود:

جایی که xجاریمقدار داده فعلی است.
EMAجاریو EMAقبلیبه ترتیب میانگین متحرک نمایی فعلی و قبلی هستند. و
k تعداد دوره های مورد نظر است.
پیشینه: قیمت های پایانی سهام اپل در NASDAQ برای شانزده روز معاملاتی از 2 تا 23 می 2022 در جدول زیر نشان داده شده است. میانگین متحرک نمایی 3 روزه و 5 روزه (EMA) را برای قیمت سهام محاسبه کنید.

EMA 3 روزه را محاسبه کنید. با تنظیم اولین مقدار مجموعه داده به عنوان مقدار اولیه EMA، EMA را راه اندازی کنید. بنابراین، اولین قیمت بسته شدن را به عنوان اولین EMA وارد کنید. یعنی اولین ارزش میانگین متحرک نمایی 3 روزه، قیمت پایانی ماه می-02 است که 157. 96 است.

در مرحله بعد، EMA های 3 روزه را با استفاده از فرمول ذکر شده در بالا و تعداد دوره های 3 روزه، همانطور که در تصویر زیر نشان داده شده است، محاسبه کنید.

بقیه ستون را به صورت خودکار تکمیل کنید و ستون EMA 3 روزه را همانطور که در زیر نشان داده شده است دارید.

در مرحله بعد، متحرک نمایی 5 روزه را به روشی مشابه متحرک نمایی 3 روزه محاسبه کنید با این تفاوت که این بار تعداد دوره ها 5 روز است.

بقیه ستون را به صورت خودکار تکمیل کنید و ستون EMA 5 روزه را همانطور که در زیر نشان داده شده است خواهید داشت.

میانگین متحرک نمایی را می توان در Google Sheets به روشی مشابه که در اکسل محاسبه می شود همانطور که در تصاویر زیر نشان داده شده است محاسبه کرد.
پلتفرم های تجاری...
برچسب :
نویسنده : مریم کاویانی
بازدید : <-PostHit->