Экспоненциальное скользящее среднее

Расчет экспоненциального скользящего среднего по свечам

Ну что же, после продолжительного перерыва продолжаем разбираться с техническими индикаторами.

Для тех, кто еще не знает, что такое технические индикаторы, свечи и валютные пары, рекомендую начать чтение с первой статьи серии — Простое скользящее среднее. А мы перейдем прямо к делу.

К слову сказать, перерыв был отчасти вызван тем, что я чувствовал насущную потребность разобраться с экспоненциальным сглаживанием, что вылилось в написание трех статей — Экспоненциальное сглаживание, Двойное экспоненциальное сглаживание и Тройное экспоненциальное сглаживание.

Теперь я чувствую себя достаточно подкованным теоретически, чтобы рассказать, и, как обычно, посчитать экспоненциальное скользящее среднее (Exponential Moving Average, EMA).

В прошлый раз я писал про Взвешенное скользящее среднее. Его придумали для того, чтобы последние данные оказывали большее влияние на результат усреднения. То есть чтобы индикатор был более чувствителен к неожиданным разворотам тенденции (тренда).

Экспоненциальное скользящее среднее тоже использует этот принцип. Сам метод экспоненциального сглаживания был придуман достаточно давно, см. статьи выше, и в виде простого экспоненциального сглаживания превратился в технический индикатор. Расчет, как обычно, ведется за последние n периодов, отсюда название скользящее.

Базовая формула берется из экспоненциального сглаживания.

S_t = \alpha y_{t-1} + (1-\alpha)S_{t-1}

Осталось определиться с начальным S и коэффициентом \alpha.

В случае экспоненциального сглаживания, напомню, используется следующий подход:
S_1 — не определено
S_2 = y_1
и \alpha подбирается таким образом, чтобы минимизировать среднеквадратическую ошибку.

В случае экспоненциального скользящего среднего все совсем по-другому. В тех источниках/статьях/исходном коде, что я видел, используется такой подход:
S_1 — не определено
...
S_{n-1} — не определено
S_n=\frac{\sum_{i=1}^{n}y_i}{n}, т. е. простое среднее за n периодов

\alpha вычисляется следующим волюнтаристским способом
\alpha=\frac{2}{n+1}

Понятно, что к минимуму среднеквадратической ошибки такое альфа не имеет никакого отношения, но зато вполне выполняет свою цель — влияние более старых данных убывает быстрее, чем в случае просто взвешенного скользящего среднего.

Чтобы в этом убедиться, достаточно сравнить графики ниже

PLANETCALC, Сравнение весов при взвешенном скользящем среднем и экспоненциальном скользящем среднем

Сравнение весов при взвешенном скользящем среднем и экспоненциальном скользящем среднем

Знаков после запятой: 4
Текущее значение
 
Изменение веса значения при экспоненциальном сглаживании
Файл очень большой, при загрузке и создании может наблюдаться торможение браузера.

Теперь, собственно, калькулятор. Как обычно, в качестве данных по умолчанию используются свечи USDJPY с 15-минутной компрессией. Рассчитывается экспоненциальное скользящее среднее, а для сравнения можно вывести на график простое и взвешенное скользящие средние.

PLANETCALC, Экспоненциальное скользящее среднее

Экспоненциальное скользящее среднее

Знаков после запятой: 2
Скользящее среднее
Файл очень большой, при загрузке и создании может наблюдаться торможение браузера.

Свечи для USDJPY

ОткрытиеМаксимумМинимумЗакрытие
Записей:

Ссылка скопирована в буфер обмена
PLANETCALC, Экспоненциальное скользящее среднее

Комментарии