Cara Menghitung TEMA (Rumus, Parameter, dan Data yang Dibutuhkan)

Jawaban langsung: perhitungan TEMA

TEMA adalah Triple Exponential Moving Average. Ia menghasilkan satu nilai pemulusan tunggal dengan menggabungkan tiga exponential moving average (EMA) yang dihitung dari deret harga input yang sama.

Bentuk TEMA yang umum digunakan adalah:

• Misalkan EMA1 = EMA dari deret harga dengan periode n
• Misalkan EMA2 = EMA dari EMA1 (periode yang sama n)
• Misalkan EMA3 = EMA dari EMA2 (periode yang sama n)

Kemudian:

TEMA = 3·EMA1 − 3·EMA2 + EMA3

Jadi, jika Anda dapat menghitung tiga EMA secara konsisten, Anda dapat menghitung TEMA.

Mekanisme atau definisi: input dan parameter apa yang penting

1) Deret data input

TEMA dihitung dari serangkaian nilai yang diurutkan berdasarkan waktu (sering kali berupa deret “harga” dalam analisis teknikal). Anda harus memutuskan deret apa yang Anda gunakan (misalnya, harga penutupan), dan menggunakannya secara konsisten.

Persyaratan material: TEMA bergantung pada deret input numerik yang tepat. Jika dua sumber menggunakan definisi harga yang berbeda (atau aturan resampling yang berbeda), nilai TEMA mereka dapat berbeda meskipun dengan periode yang sama.

2) Periode pemulusan n

Satu-satunya parameter eksplisit dalam rumus di atas adalah panjang periode n.

• n mengontrol seberapa cepat EMA bereaksi.
• n yang lebih besar umumnya lebih memuluskan (reaksi lebih lambat).
• n yang lebih kecil umumnya bereaksi lebih cepat, sering kali dengan variabilitas jangka pendek yang lebih besar.

3) Langkah EMA (blok penyusun)

Sebelum Anda dapat menghitung TEMA, Anda menghitung EMA. Pembaruan EMA standar menggunakan faktor pemulusan:

α = 2 / (n + 1)

Salah satu definisi rekursif yang umum adalah:

EMA_t = α·Harga_t + (1 − α)·EMA_(t−1)

Untuk memulai rekursi, Anda harus memilih aturan inisialisasi untuk nilai EMA pertama (misalnya, menetapkan EMA_(pertama) ke nilai Harga pertama, atau menggunakan rata-rata dari n nilai pertama—perangkat lunak yang berbeda mungkin melakukan hal yang berbeda). Pilihan inisialisasi ini secara langsung memengaruhi EMA awal dan oleh karena itu nilai TEMA awal.

4) Menyusun tiga EMA

Menggunakan definisi EMA di atas:

• EMA1 dihitung langsung dari deret input yang dipilih.
• EMA2 dihitung dengan menerapkan prosedur EMA yang sama pada deret EMA1.
• EMA3 dihitung dengan menerapkan prosedur EMA yang sama pada deret EMA2.

Ketiganya dihitung dengan periode pemulusan yang sama n dan oleh karena itu α yang sama.

Bukti atau contoh: alur kerja perhitungan yang dapat diperiksa sendiri

Berikut adalah alur kerja perhitungan yang dapat Anda replikasi persis dengan data Anda sendiri.

Asumsi untuk contoh ini:

• Anda memiliki deret numerik Harga[1…T].
• Anda memilih periode n.
• Anda menggunakan α = 2/(n+1).
• Anda menggunakan satu metode inisialisasi EMA yang konsisten di seluruh proses.

Langkah-langkah:

1. Hitung EMA1[t] dari Harga[t] menggunakan:
   • EMA1[t] = α·Harga[t] + (1−α)·EMA1[t−1]
2. Hitung EMA2[t] dengan menerapkan pembaruan EMA yang sama pada EMA1:
   • EMA2[t] = α·EMA1[t] + (1−α)·EMA2[t−1]
3. Hitung EMA3[t] dengan menerapkan pembaruan EMA yang sama pada EMA2:
   • EMA3[t] = α·EMA2[t] + (1−α)·EMA3[t−1]
4. Gabungkan semuanya:
   • TEMA[t] = 3·EMA1[t] − 3·EMA2[t] + EMA3[t]

Ide verifikasi independen:

• Jika Anda menerapkan langkah-langkah ini dua kali (misalnya, dalam spreadsheet dan dalam kode) menggunakan α dan aturan inisialisasi yang sama, kedua deret TEMA harus cocok dengan erat, setidaknya setelah bagian “pemanasan” awal.

Keterbatasan dan risiko: di mana TEMA dapat menyesatkan atau gagal

1) Nilai awal bergantung pada inisialisasi

Karena EMA menggunakan definisi rekursif, nilai awal EMA1 menentukan nilai-nilai berikutnya dari EMA1, kemudian EMA2, lalu EMA3. Ini berarti titik TEMA awal dapat bervariasi secara nyata antar implementasi.

Keterbatasan material: Anda harus memperlakukan beberapa titik pertama dari indikator berbasis EMA sebagai nilai “pemanasan” kecuali Anda mengetahui inisialisasi persis yang digunakan oleh sumber data Anda.

2) TEMA tetap sensitif terhadap input yang ber-noise

TEMA dirancang untuk mengurangi lag dibandingkan dengan EMA sederhana, tetapi itu tidak menghilangkan keacakan dari deret harga yang mendasarinya. Ketika deret input memiliki pembalikan kecil atau noise yang sering, TEMA dapat berosilasi lebih banyak daripada rata-rata yang lebih lambat.

Mode kegagalan: jika Anda menghitung TEMA pada deret yang tidak stabil atau berkualitas rendah (misalnya, deret yang terpengaruh oleh data yang hilang atau pengambilan sampel yang tidak konsisten), keluarannya bisa menjadi tidak dapat diandalkan.

3) Definisi yang berbeda ada di lapangan

Meskipun rumus TEMA = 3·EMA1 − 3·EMA2 + EMA3 banyak digunakan, beberapa platform mungkin memvariasikan cara penanganan inisialisasi EMA atau mungkin menggunakan konvensi yang sedikit berbeda dalam praktiknya. Akibatnya, dua garis “TEMA” dari penyedia yang berbeda mungkin tidak cocok dengan sempurna.

Risiko verifikasi: Anda tidak dapat berasumsi bahwa nama “TEMA” menjamin detail perhitungan yang identik. Anda memerlukan parameterisasi dan inisialisasi yang tepat dari penyedia.

4) Kerangka waktu dan prapemrosesan data penting

Bahkan tanpa mengubah n, langkah-langkah prapemrosesan—seperti resampling bar, menggunakan sesi perdagangan yang berbeda, atau menangani stempel waktu yang hilang—mengubah deret input dan oleh karena itu rantai EMA.

Keterbatasan material: Nilai TEMA tidak dapat ditransfer antar kerangka waktu atau data yang diproses secara berbeda tanpa perhitungan ulang.

Verifikasi atau pertanyaan berikutnya: apa yang harus dibandingkan untuk mengonfirmasi TEMA Anda

Untuk mengonfirmasi perhitungan TEMA secara independen:

1. Konfirmasikan deret input mana yang Anda gunakan (misalnya, harga penutupan).
2. Konfirmasikan periode n dan oleh karena itu α = 2/(n+1).
3. Konfirmasikan aturan inisialisasi EMA untuk EMA1 (dan apakah EMA2 dan EMA3 menggunakan konvensi yang sama).
4. Hitung ulang EMA1, EMA2, EMA3, lalu terapkan 3·EMA1 − 3·EMA2 + EMA3.

Langkah berikutnya yang berguna adalah membandingkan TEMA yang Anda hitung dengan implementasi independen kedua pada kumpulan data yang sama dan dengan inisialisasi yang sama. Jika keduanya cocok setelah wilayah pemanasan, mekanika Anda kemungkinan besar benar.

Jika Anda ingin melangkah lebih jauh, Anda juga dapat memeriksa bagaimana TEMA berhubungan dengan moving average lain pada deret input yang sama, atau bagaimana mengubah n mengubah kehalusan dan daya tanggap.