انواع میانگین متحرک؛ بررسی تمامی موینگ اوریج‌ها

تحلیل تکنیکال (ta) در دنیای تجارت و سرمایه گذاری به عنوان یک ابزار قدیمی و کارآمد شناخته می‌شود و اهداف ساده‌ای را دنبال می‌کند. به طور مثال، استفاده از تحلیل تکنیکال و داده‌های موجود برای تشخیص روند حرکتی ارزهای دیجیتال نظیر بیت کوین (btc) و اتریوم (eth) و تصمیم‌گیری آگاهانه‌تر در خصوص آن‌ها بسیار حائز اهمیت است. در دهه‌های گذشته با پیچیده‌تر شدن ماهیت بازارها، صدها مدل مختلف از اندیکاتورها برای تحلیل تکنیکال ارزهای دیجیتال معرفی شده‌اند، اما صرفا تعداد کمی از آن‌ها موفق به جلب توجه سرمایه‌گذاران شده‌اند. در این میان محبوبیت و استفاده مداوم از میانگین‌های متحرک (moving average) بیش از پیش شده است. اگرچه اشکال مختلفی از میانگین متحرک وجود دارد، اما آن‌ها یک هدف مشترک را دنبال می‌کنند و آن هم شفاف‌سازی و راحتی بیشتر در نمودارهای معاملاتی است. این کار با تفکیک و هموار کردن نمودارها صورت می‌گیرد؛ به طوری که اندیکاتورهای روند به راحتی برای معامله‌گران در نمودار قابل فهم هستند. از آنجایی که میانگین‌های متحرک بر داده‌های گذشته تکیه می‌کنند، روند حرکتی آن‌ها بستگی به قیمت بسته شدن دارد. یعنی آن‌ها با استناد بر داده‌های موجود اقدام به تبعیت از روند می‌کنند. صرف نظر از این موضوع، میانگین‌های متحرک قدرت زیادی برای کاهش التهاب بازار و کمک به کنترل آن در اختیار دارند.

انواع مختلف میانگین‌های متحرک

در تحلیل تکنیکال، چندین نوع میانگین متحرک (moving average) وجود دارد که هر کدام برای اهداف مختلفی استفاده می‌شوند. این مدل‌های اصلی عبارتند از:

1. میانگین متحرک ساده (sma – simple moving average): محاسبه میانگین قیمت‌ها برای یک دوره زمانی مشخص به صورت ساده.
2. میانگین متحرک نمایی (ema – exponential moving average): به وزن بیشتری به داده‌های اخیر می‌دهد تا به سرعت به تغییرات قیمت پاسخ دهد.
3. میانگین متحرک وزنی خطی (lwma – linear weighted moving average): داده‌های جدیدتر وزن بیشتری دارند، اما تفاوت با ema در نحوه وزن‌دهی است.
4. میانگین متحرک هال (hma – hull moving average): ترکیبی از وزن‌دهی نمایی با هدف کاهش تاخیر و افزایش دقت پاسخ به تغییرات قیمت.
5. میانگین متحرک سه‌گانه نمایی (tema – triple exponential moving average): از سه ema برای کاهش تاخیر و افزایش حساسیت استفاده می‌کند.

این میانگین‌ها در شرایط مختلف بازار و بر اساس استراتژی‌های معاملاتی متفاوت به کار برده می‌شوند تا بهترین نتایج را ارائه دهند. ما در این مقاله به سراغ بررسی دوتا از پرکاربردترین این میانگین‌های یعنی ساده ونمایی رفته‌ایم:

• میانگین متحرک ساده

میانگین متحرک ساده (sma)، قیمت‌ها را از یک بازه زمانی مشخص (مثلا 10 روزه) جمع‌آوری و به تبع آن اقدام به ثبت میانگین قیمتی برای مجموعه داده‌ها می‌کند. تفاوت بین میانگین متحرک ساده و میانگین اصلی قیمت گذشته این است که با میانگین متحرک ساده، به محض ورود یک مجموعه داده جدید، قدیمی‌ترین مجموعه داده‌ها نادیده گرفته می‌شوند. بنابراین، اگر میانگین متحرک ساده، متوسط قیمت را براساس 10 روز محاسبه کنیم، کل مجموعه داده‌ها به طور مداوم به روز شده و تنها شامل 10 روز گذشته می‌شوند. البته، باید توجه داشته باشیم که تمامی ورودی‌های داده‌های موجود در یک شاخص میانگین متحرک ساده (صرف‌نظر از این که قیمت‌ها اخیرا ثبت شده‌اند یا خیر) به طور مساوی وزن‌دهی می‌شوند. معامله‌گرانی که معتقدند ارتباط بیشتری با جدیدترین داده‌ها در دسترس است، اغلب بر این باورند که برابر بودن وزن میانگین متحرک ساده برای تحلیل تکنیکال زیان‌آور است. به همین سبب، میانگین متحرک نمایی (ema) برای حل این مشکل ایجاد شده است.

• میانگین متحرک نمایی

میانگین متحرک نمایی (ema) از نظر هدف شبیه به میانگین متحرک ساده (sma) است، زیرا هر دو تجزیه و تحلیل تکنیکال را بر اساس نوسانات قیمت گذشته (قیمت بسته شدن کندل‌ها) ارائه می‌دهند. با این حال، معادله کمی پیچیده‌تر است زیرا میانگین متحرک نمایی وزن و ارزش بیشتری را به قیمت‌های اخیر اختصاص می‌دهد. اگرچه هر دو میانگین، دارای ارزش هستند و به طور گسترده مورد استفاده قرار می‌گیرند، اما متحرک نمایی بیشتر به نوسانات ناگهانی قیمت و واژگونی روند پاسخ می‌دهد. از آنجایی که مویینگ اوریج نمایی بیشتر از میانگین متحرک ساده قیمت برگشت را پیش بینی می‌کند، اغلب مورد استقبال معامله‌گرانی قرار می‌گیرند که در معاملات کوتاه مدت مشغول معامله هستند. برای یک معامله‌گر یا سرمایه‌ گذار مهم است که نوع میانگین متحرک را با توجه به استراتژی‌ها و اهداف شخصی خود انتخاب کند.

چگونه از میانگین متحرک استفاده کنیم؟

از آنجایی که میانگین‌های متحرک از قیمت‌های قبلی به جای قیمت‌های فعلی استفاده می‌کنند، با یک دوره تاخیر خاص همراه هستند. بنابراین هر چه مجموعه داده گسترده‌تر باشد، تأخیر نیز بیشتر خواهد بود. به عنوان مثال، یک میانگین‌ متحرک که 100 روز گذشته را تجزیه و تحلیل می‌کند، طبیعتا نسبت به میانگین متحرکی که فقط 10 روز گذشته را در نظر می‌گیرد، کندتر به اطلاعات جدید پاسخ می‌دهد. این به این دلیل است که ورود جدید به مجموعه داده بزرگتر، تأثیر کوچکتری بر روی اعداد کلی خواهد داشت. با این حال، هر دو بسته به نحوه معاملات می‌توانند سودمند باشند. مجموعه داده‌های بزرگتر به نفع سرمایه‌گذاران بلند مدت هستند، زیرا با یک یا دو نوسان شدید، احتمال تغییر در آن‌ها بسیار کم است. معامله‌گران کوتاه مدت اغلب مجموعه داده‌های کوچکتری را برای تحلیل‌ تکنیکال ترجیح می‌دهند که امکان معاملات سریعتر بیشتری را برای آن‌ها فراهم می‌کند. در بازارهای سنتی، میانگین‌های متحرک 50، 100 و 200 روزه بیشترین میزان استفاده را دارند. میانگین‌های متحرک 50 روزه و 200 روزه معمولا توسط معامله‌گران بورس مورد استفاده قرار می‌گیرند و هرگونه شکست قیمتی در بالا یا پایین این خطوط معمولاً به عنوان سیگنال‌های مهم تکنیکالی در نظر گرفته می‌شود، به ویژه هنگامی که کراس اور (crossover) شکل بگیرد. همین امر در مورد خرید و فروش ارزهای دیجیتال نیز صدق می‌کند، اما به دلیل نوسانات شدید در این بازار، انتخاب بازه‌های مناسب در میانگین‌های متحرک و استراتژی معاملات ممکن است با توجه به اهداف معامله‌گران متفاوت باشد.

سیگنال‌های متقاطع (crossover signals)

به طور طبیعی، میانگین‌های متحرک رو به بالا نشان دهنده روند صعودی و میانگین متحرک رو به پایین نشان دهنده روند نزولی هر سهم یا ارز دیجیتال است. با این حال، میانگین متحرک به تنهایی یک اندیکاتور قابل اعتماد و قوی نیست. بنابراین، میانگین‌های متحرک دائماً به صورت ترکیبی برای تشخیص سیگنال‌های کراس اور (تقاطع) صعودی و نزولی مورد استفاده قرار می‌گیرند. تقاطع هنگامی ایجاد می‌شود که یک تقاطع توسط دو میانگین‌ متحرک مختلف در یک نمودار ایجاد شود. یک تقاطع طلایی (کراس اوور صعودی نیز شناخته می‌شود) زمانی اتفاق می‌افتد که میانگین متحرک کوتاه مدت از میانگین متحرک بلند مدت به سمت بالا عبور می‌کند و این نشان دهنده شروع یک روند صعودی است. در مقابل، یک تقاطع مرگ (کراس اوور نزولی) زمانی اتفاق می‌افتد که میانگین متحرک کوتاه مدت از میانگین متحرک بلند مدت رو به پایین عبور کند، و این نشان دهنده شروع یک روند نزولی است.

میانگین‌های متحرک و عوامل دیگری که باید مورد توجه قرار گیرد

مثال‌ها تاکنون همه از نظر معاملات روزانه گفته شدند، اما هنگام تجزیه و تحلیل میانگین‌های متحرک این یک الزام ضروری نیست. کسانی که در معاملات روزانه فعالیت دارند، به جای این که توجه خود را معطوف به بازه‌های زمانی 2 الی 3 ماهه کنند، ممکن است علاقه بیشتری به نحوه عملکرد دارایی خود در دو یا سه ساعت گذشته داشته باشند. بازه‌های زمانی مختلف را می‌توان به معادلات مورد استفاده برای محاسبه میانگین متحرک متصل کرد و تا زمانی که این بازه با استراتژی معاملات سازگار باشند، داده‌ها می‌توانند مفید واقع شوند. یکی از نکات منفی میانگین‌های متحرک، زمان تاخیر آن‌ها است. از آنجایی که میانگین‌های متحرک اندیکاتورهای تاخیری هستند و عملکرد قیمت قبلی را در نظر می‌گیرند، معمولا سیگنال‌ها را با تاخیر اعلام می‌کنند. به عنوان مثال، یک صلیب صعودی ممکن است خرید را پیشنهاد دهد، اما این اتفاق ممکن است زمانی رخ دهد که رشد زیادی در قیمت صورت گرفته است. این بدان معناست که حتی در صورت ادامه روند صعودی، ممکن است آن سود بالقوه، در این افزایش قیمت بعد از تشکیل صلیب از بین رفته باشد. یا حتی بدتر از همه، یک سیگنال صلیب طلایی کاذب ممکن است معامله‌گر را به این سمت بکشاند که در سقف قیمت بخرد و سپس قیمت ریزش می‌کند. این سیگنال‌های خرید جعلی معمولاً به عنوان تله گاوی (bull trap) نامیده می‌شوند.

سخن پایانی در مورد میانگین‌های متحرک

میانگین متحرک در زمره شاخص‌های قدرتمند تحلیل تکنیکال قرار گرفته و به عنوان یکی از پرکاربردترین نمونه‌های آن شناخته می‌شود. توانایی تجزیه و تحلیل روندهای بازار به روش داده محور، بینش بسیار خوبی در مورد عملکرد بازار ارائه می‌دهد. با این حال، به خاطر داشته باشید که میانگین‌های متحرک و سیگنال‌های صلیب نباید به تنهایی مورد استفاده قرار گیرند و برای جلوگیری از سیگنال‌های جعلی، همیشه ترکیب اندیکاتورهای مختلف تحلیل تکنیکال مطمئن‌تر عمل خواهند کرد.