Apa Itu Contoh Perhitungan CMO?

Jawaban langsung: apa itu contoh perhitungan CMO?

Contoh perhitungan CMO menunjukkan langkah-langkah tepat untuk menghitung Chande Momentum Oscillator dari serangkaian perubahan harga yang pendek. Contoh ini menggunakan input yang dipilih (panjang lookback dan sekumpulan nilai harga), lalu menghitung setiap besaran antara sehingga Anda dapat mereproduksi nilai CMO akhir secara mandiri.

Mekanisme: definisi dan input perhitungan

CMO adalah osilator momentum yang merangkum pergerakan arah terkini dengan membandingkan momentum “naik” versus momentum “turun” selama sejumlah periode tetap.

Formulasi umum menggunakan jendela lookback dengan panjang N dan menghitung:

• UpSum = jumlah perubahan harga positif selama N periode terakhir
• DownSum = jumlah nilai absolut dari perubahan harga negatif selama N periode terakhir
• CMO = 100 × (UpSum − DownSum) ÷ (UpSum + DownSum)

Asumsi perubahan harga. Dalam contoh perhitungan, Anda harus memilih apa arti “harga” (misalnya, harga penutupan) dan bagaimana Anda membentuk perubahan:

• Perubahan pada langkah t = Harga[t] − Harga[t−1]
• Perubahan positif berkontribusi ke UpSum
• Perubahan negatif berkontribusi ke DownSum sebagai besaran absolut

Contoh numerik terperinci (asumsi yang sepenuhnya transparan)

Asumsi untuk contoh ini:

1. Kami menggunakan harga penutupan (seri harga tunggal apa pun baik untuk demonstrasi).
2. Kami menggunakan N = 5 periode.
3. Daftar harga di bawah adalah satu-satunya data yang digunakan; tidak ada pembaruan waktu nyata.
4. Kami menghitung perubahan sebagai selisih antara penutupan yang berurutan.

Contoh seri harga (6 penutupan untuk membuat 5 perubahan):

• Harga[0] = 100
• Harga[1] = 102
• Harga[2] = 101
• Harga[3] = 105
• Harga[4] = 103
• Harga[5] = 106

Langkah 1: hitung 5 perubahan

• c1 = 102 − 100 = +2
• c2 = 101 − 102 = −1
• c3 = 105 − 101 = +4
• c4 = 103 − 105 = −2
• c5 = 106 − 103 = +3

Langkah 2: hitung UpSum dan DownSum

• UpSum = (+2) + (+4) + (+3) = 9
• DownSum = |−1| + |−2| = 3

Langkah 3: hitung CMO

• CMO = 100 × (UpSum − DownSum) ÷ (UpSum + DownSum)
• CMO = 100 × (9 − 3) ÷ (9 + 3)
• CMO = 100 × 6 ÷ 12 = 50

Jadi, dengan asumsi yang tepat ini dan input yang tepat ini, hasil contoh perhitungan adalah CMO = 50.

Keterbatasan dan risiko (apa yang bisa gagal dan mengapa)

1. Panjang jendela (N) mengubah keluaran. Jika Anda memilih jendela lookback yang berbeda, UpSum dan DownSum dihitung dari kumpulan perubahan yang berbeda, sehingga CMO akan berubah meskipun tren yang mendasarinya serupa.
2. Kebisingan dan sinyal palsu dalam seri yang mendasarinya. Dalam pergerakan yang tidak menentu, perubahan naik/turun kecil yang bergantian dapat membuat UpSum dan DownSum lebih dekat, menyebabkan osilator berfluktuasi dengan cara yang mungkin tidak mencerminkan kekuatan arah.
3. Kasus tepi dalam perhitungan. Jika UpSum + DownSum = 0 (misalnya, ketika semua perubahan nol dalam jendela), rumus memiliki masalah pembagian dengan nol. Beberapa implementasi menanganinya secara berbeda (misalnya, mengembalikan nol), jadi Anda harus memeriksa bagaimana kalkulator tertentu mendefinisikan perilaku dalam kasus itu.
4. Ketidakcocokan definisi data. Platform yang berbeda mungkin menggunakan input yang sedikit berbeda (misalnya, penutupan vs harga tipikal) atau konvensi pembulatan. Kemampuan Anda untuk memverifikasi secara mandiri bergantung pada penggunaan definisi yang sama.

Verifikasi dan pertanyaan lanjutan yang perlu diajukan

Untuk memverifikasi angka CMO apa pun, ulangi langkah yang sama:

• Gunakan definisi seri harga yang sama (misalnya, penutupan).
• Gunakan panjang lookback N yang sama.
• Hitung setiap perubahan berurutan.
• Pisahkan perubahan menjadi positif (UpSum) dan besaran negatif (DownSum).
• Terapkan rumus dan periksa aritmetika, termasuk penanganan pembagian dengan nol.

Pertanyaan lanjutan yang berguna adalah: “Input harga dan definisi lookback apa yang digunakan oleh implementasi indikator, dan bagaimana cara menangani kasus UpSum + DownSum = 0?”

Anda juga dapat membandingkan hasil dengan menghitung ulang CMO dari kumpulan data yang sama dengan dua nilai N yang berbeda untuk melihat seberapa sensitif osilator terhadap pilihan jendela.