MOVING AVERAGE
เส้นค่าเฉลี่ยเคลื่อนที่แบบ SIMPLE MOVING AVERAGE (SMA)
เส้นค่าเฉลี่ยเคลื่อนที่อย่างง่าย หรือค่าเฉลี่ยเลขคณิต (ARITHMETIC MEAN) นี้ เป็นวิธีที่นักวิเคราะห์ใช้กันแพร่หลายมากที่สุด ในการหาเส้นค่าเฉลี่ยเคลื่อนที่ วิธีนี้จะถ่วงน้ำหนักให้ค่าทุกค่าที่นำมาคำนวณมีความสำคัญ (อิทธิพล) ต่อราคาเท่ากันหมด โดยอาศัยหลักการเอาข้อมูลในช่วงเวลาหนึ่งมาหาค่าเฉลี่ยกัน เช่น การหาเส้นค่าเฉลี่ยเคลื่อนที่ของราคาในช่วงเวลา 10 วัน จะคำนวณโดยรวมราคาหุ้น ณ วันปัจจุบัน (Pt) กับราคาหุ้นของอีก 9 วันก่อนหน้า (Pt-1 ถึง Pt-9) แล้วหารด้วย 10 หลังจากนั้นนำมาจุดบนแผนภูมิแท่ง (BAR CHART) หรือแผนภูมิเส้น (LINE CHART) ให้ตรงกับราคาหุ้นครั้งสุดท้ายแล้วลากเส้นต่อกัน
วิธีการคำนวณ
SMAt = (Pt + Pt - 1 + P1-2 + … + Pt-n+1) /n
โดยที่ :
SMAt คือ ค่าเฉลี่ยเคลื่อนที่ ณ คาบเวลา (วัน) ปัจจุบัน
n คือ จำนวนวัน
Pt คือ ราคาที่เลือกใช้ในการคำนวณ (เช่น ราคาปิดหรือราคาเฉลี่ยฯ) ณ วันปัจจุบัน
Pt-k คือ ราคาที่เลือกใช้ในการคำนวณย้อนหลังไป k คาบเวลา
อย่างไรก็ดี ยังมีปัญหาถกเถียงเกี่ยวกับความถูกต้องแม่นยำของวิธีนี้คือ ค่าเฉลี่ยฯที่ได้นี้จะมีผลในช่วงระยะเวลาที่ใช้ในการคำนวณเท่านั้น การหาแนวโน้มที่ได้จึงไม่ใช่แนวโน้มที่มาจากข้อมูลทั้งหมด นอกจากนี้ วิธีการคำนวณ SMA ให้ความสำคัญกับทุก ๆ วันเท่ากัน
Simple Moving Average (SMA) เหมาะกับราคาหุ้นที่มีการเปลี่ยนแปลงไม่มากนัก คือมีการผันผวนของค่าเงินไม่มากนัก ควรใช้กับความแตกต่างของค่าเงิน ที่ไม่สูงมานัก
หมายเหตุ : การนำไปวิเคราะห์นั้นต้องใช้ข้อมูลหลายอย่างประกอบด้วยกันหลายอย่าง เช่น อาจจะใช้ เส้นแนวโน้ม + เส้นค่าเฉลี่ยเคลื่อนที่ ดูจุดเรามั่นใจที่สุดจึงตัดสินใจ ซื้อขายและยังมีวิธีการอีกมากที่จะมากที่ใช้ในการตัดสินใจ
เส้นค่าเฉลี่ยเคลื่อนที่แบบ EXPONENTIAL MOVING AVERAGE (EMA)
วิธีนี้เป็นอีกรูปแบบหนึ่งของการหาค่าเฉลี่ยถ่วงน้ำหนัก โดยการให้ความสำคัญกับค่าตัวหนึ่งที่มีผลต่อการเปลี่ยนแปลงของราคา และถ่วงน้ำหนักให้ค่าสุดท้ายมีความสำคัญเพิ่มขึ้น วิธีนี้ไม่ได้ให้ความสำคัญของเวลาในการวิเคราะห์ ราคาทุกราคาจะมีผลต่อค่าของ EMA แม้ว่าราคาล่าสุดจะมีความสำคัญมากที่สุดก็ตาม ซึ่งวิธีนี้เป็นการพยายามแก้ไขข้อบกพร่องที่เกิดขึ้นจากวิธี SMA กล่าวคือ EMA นั้น จะถ่วงน้ำหนักโดยให้ความสำคัญกับวันสุดท้ายมากที่สุด และจะเอาค่าทุก ๆ ค่ามาหาค่าเฉลี่ย โดยจะไม่ทิ้งข้อมูลเก่าที่ผ่านมา ซึ่งจะทำให้ค่าทุกค่าสะท้อนให้เห็นการเปลี่ยนแปลงของราคา
ขณะที่ค่าเฉลี่ยเคลื่อนที่ตัวอื่น ๆ ให้ความสำคัญต่อคาบเวลา แต่ EMA จะให้ความสำคัญกับค่าตัวหนึ่งที่เรียกว่า SMOOTHING FACTOR (SF) หรือ SMOOTHING CONSTANT โดยที่ SF = 2/(n+1) ซึ่งวิธี
การสร้าง EMA มีสูตรการคำนวณคือ
EMA = EMAt-1 + SF(Pt - EMAt-1)
เมื่อ EMAt คือ ค่าของ Exponential Moving Average ณ เวลาปัจจุบัน
EMAt-1 คือ ค่าของ Exponential Moving Average ณ คาบเวลาก่อนหน้า
SF คือ ค่าของ Smoothing Factor = 2/(n+1)
Pt คือ ราคาปัจจุบัน
n คือ จำนวนวัน
เส้นค่าเฉลี่ยเคลื่อนที่แบบ WEIGHTED MOVING AVERAGE (WMA)
วิธีนี้เกิดจากความพยายามในการแก้ปัญหาในเรื่องการถ่วงน้ำหนักจากวิธี SMA โดยให้ความสำคัญกับวันที่ใช้คำนวณวันสุดท้ายมากที่สุด โดยวันถัดไปจะถูกลดความสำคัญลงไปเรื่อย ๆ และความไวของเส้นค่าเฉลี่ยฯ ถ่วงน้ำหนักนี้ มักจะนำหน้าเส้นค่าเฉลี่ยฯอย่างง่าย
อย่างไรก็ดี เส้นค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักนี้ อธิบายได้เพียงแค่ความเปลี่ยนแปลงที่เกิดขึ้น ในช่วงของเวลาที่พิจารณาอยู่เหมือนกับวิธี SMA มิได้ครอบคลุมถึงราคาในช่วงเวลาที่ผ่านมา
วิธีการคำนวณ
WMAt = ------------------------------------------------
n + (n-1)+(n-2) + … + 2 + 1
WMAt คือ ค่าเฉลี่ยฯถ่วงน้ำหนัก ณ วันปัจจุบัน
Pt คือ ราคาที่เลือกใช้ในการคำนวณ (เช่น ราคาปิดหรือราคาเฉลี่ยฯ) ณ วันปัจจุบัน
Ptt-k คือ ราคาที่เลือกใช้ในการคำนวณย้อนหลังไป k คาบเวลา
n คือ จำนวนห้องของค่าเฉลี่ยฯ
Weighted Moving Average (WMA) จะใช้ค่าถ่วงน้ำหนักมากว่าวิธีอื่น ซึ่งนักวิเคราะห์ส่วนใหญ่จะเลือก ระหว่าง Exponential หรือ Weighted คือ ถ้าจะใช้ Exponentail จะไม่ใช้ Weighted กลับกัน ถ้าจะใช้ Weighted จะไม่ใช้ Exponential ครับ ส่วนวิธีการใช้งานก็เหมือนเดิมครับ ดุได้ที่ Simple Moving Average
เส้นค่าเฉลี่ยเคลื่อนที่แบบ Triple Exponential Moving Average (TEMA)
Triple Exponential Moving Average หรือ TEMA ถูกพัฒนาขึ้นมาโดย นาย Patrick Mulloy ในปี 1994 เขาพบว่า หนึ่งในปัญหาทั่วไปของการซื้อขายกับ EMAS หรือ oscillators มักพบปัญหาของความล่าช้าของ สัญญาณ ในการตัดสินใจซื้อขายอย่างหลีกเลี่ยงไม่ได้ เขาจึงพัฒนา TEMA ขึ้นมาเพื่อจัดการกับปัญหานี้
การคำนวณ
TEMA=(3xEMA)-(3xEMAofEMA)+(EMAof EMAofEMA)
ในการคำนวณมูลค่า TEMA คือการตัดสินใจของตัวบ่งชี้ระยะเวลาที่ ตัวอย่าง เช่น เมื่อเรากำหนดระยะเวลาที่จะ 5 วันตัวบ่งชี้ที่จะคำนวณ EMA เกี่ยวกับข้อมูลราคา หลังจาก 5 วันไปแล้วนั้น ถือว่าใหม่ EMA เป็นกราฟใหม่ของการเคลื่อนไหวของราคา และถือเป็นเวลาสองของ EMA ค่าที่สองนี้ถูกเรียกว่า คู่เวลา ในที่สุดหนึ่งในสามของ DEMA EMA จะถูกคำนวณและค่าที่จะได้รับการแทนค่าในสูตรข้างต้น จากปัญหาความล่าช้าของ TEMA จึงต้องคูณสาม EMA ลบด้วยระยะนี้ใหม่ EMA (EMA of EMA)คูณสามเช่นกัน ถ้าค่า TEMA เป็นบวก แสดงว่า ความผันผวนในขณะเดียวกันจะลดลง
ข้อดีของ TEMA คือ การรวมสามเส้นค่าเฉลี่ยเคลื่อนที่ซึ้งเป็นกลยุทธ์ของนักลงทุนจำนวนมาก
ข้อเสียของการ TEMA คือ มันรวดเร็วมากในการเปลี่ยนแปลงในโมเมนตัมของราคาตลาด
วัตถุประสงค์หลักของการใช้ TEMA เป็นกรองออกความผันผวนเท่านั้น
เส้นค่าเฉลี่ยเคลื่อนที่แบบ Kaufman Adaptive Moving Average (KAMA)
KAMA ได้รับการพัฒนาโดย เพอร์รี เจ Kaufman เป็นค่าเฉลี่ยสไตล์ EMA แต่มีการปรับให้ที่แตกต่างกัน ตรง ข้อมูลล่าสุด
abs (close[today] - close[N days ago])
ER = --------------------------------------
Sum abs (close - close[prev])
past N days
ER คือ ค่าระหว่าง 0.0645 และ 0.666 และจากนั้นยกกำลังสองเพื่อให้ปัจจัยกับอัลฟา สำหรับ EMA ระหว่าง 0.444 และ 0.00416 จะสอดคล้องกับระยะเวลา EMA ที่เร็วมาก คือ 3.5 วัน และจะช้าที่สุดที่ 479.5 วัน
alpha = (ER * 0.6015 + 0.0645) ^ 2
KAMA = alpha * close + (1-alpha) * KAMA[prev]
เส้นค่าเฉลี่ยเคลื่อนที่แบบ Mesa Adaptive Moving Average (MAMA)
Mesa adaptive moving average (MAMA)พัฒนาโดย โดย John F. Ehlers เป็นวิธีการปรับไปใช้ในการเคลื่อนไหวของราคาและวิธีการใหม่ที่ไม่ซ้ำกัน ข้อดีของวิธีของการปรับตัวนี้คือมันมีคุณสมบัติแสดงสัญญาณที่รวดเร็วนั้น หมายถึง ระยะเวลาที่คงที่ แต่เป็นระยะสั้น ตามมูลค่าราคา
MAMA คำนวณจาก Exponential Moving Average (EMA) สมการสำหรับ EMA คือ
Ema = a*Price + (1 - a)*Ema
where a is less than 1
EMA ถูกสร้างขึ้นโดยการเศษส่วนของราคาปัจจุบันและการเพิ่มลบเศษส่วนที่เท่าค่าเดิมของ EMA ดังนั้นวิธีการหนึ่งที่จะทำให้ก EMA ปรับตัว คือค่าที่แตกต่างกันไปตามพารามิเตอร์ที่เป็นอิสระ เช่น Kaufman adaptive moving average (KAMA) และ variable index dynamic average (VIDYA) โดย KAMA และ Vidya ใช้รูปแบบในราคาหรือความผันผวนเป็นพื้นฐานของการปรับตัวของมัน
บทความอื่นๆ
MAMA คำนวณจาก Exponential Moving Average (EMA) สมการสำหรับ EMA คือ
Ema = a*Price + (1 - a)*Ema
where a is less than 1
EMA ถูกสร้างขึ้นโดยการเศษส่วนของราคาปัจจุบันและการเพิ่มลบเศษส่วนที่เท่าค่าเดิมของ EMA ดังนั้นวิธีการหนึ่งที่จะทำให้ก EMA ปรับตัว คือค่าที่แตกต่างกันไปตามพารามิเตอร์ที่เป็นอิสระ เช่น Kaufman adaptive moving average (KAMA) และ variable index dynamic average (VIDYA) โดย KAMA และ Vidya ใช้รูปแบบในราคาหรือความผันผวนเป็นพื้นฐานของการปรับตัวของมัน
บทความอื่นๆ
ไม่มีความคิดเห็น:
แสดงความคิดเห็น