Co to jest przykład obliczeniowy EMA? Obliczenia krok po kroku i sprawdzalne założenia
Bezpośrednia odpowiedź
Przykład obliczeniowy EMA (Exponential Moving Average) pokazuje, jak krok po kroku obliczyć wartość średniej ruchomej na podstawie ustalonego zestawu przeszłych obserwacji, przy użyciu wybranego okresu i jawnych założeń dotyczących wygładzania. Kluczową ideą jest to, że każda nowa wartość EMA jest ważoną kombinacją najnowszej obserwacji i poprzedniej wartości EMA.
Mechanizm lub definicja
EMA to rodzaj średniej ruchomej zaprojektowanej tak, aby reagować szybciej na niedawne zmiany niż prosta średnia ruchoma. W typowym ujęciu EMA wybiera się:
- Okres N (na przykład 10)
- Współczynnik wygładzania (\alpha = 2/(N+1))
- Wartość początkową EMA (często pierwszą zaobserwowaną cenę, a czasami początkową prostą średnią ruchomą — jest to założenie)
Typowa rekurencyjna definicja używana do obliczeń to:
- (\text{EMA}_1 = \text{pierwsza wartość}) (założenie w poniższym przykładzie obliczeniowym)
- Dla (t \ge 2): (\text{EMA}t = \alpha\cdot x_t + (1-\alpha)\cdot \text{EMA}{t-1})
Tutaj (x_t) to obserwacja w czasie (t). Na rynkach (x_t) może być ceną zamknięcia, ale poniższy przykład obliczeniowy traktuje (x_t) jako abstrakcyjny ciąg, aby można było zweryfikować matematykę bez potrzeby korzystania z danych w czasie rzeczywistym.
Dowód lub przykład
Przykład liczbowy (założenia podane z góry):
- Wybierz N = 3, więc (\alpha = 2/(3+1) = 0.5).
- Użyj wymyślonego ciągu obserwacji (x_1) do (x_6): [100, 102, 101, 103, 104, 103].
- Zainicjalizuj (\text{EMA}_1 = x_1 = 100).
Teraz oblicz każdą wartość EMA za pomocą (\text{EMA}t = 0.5\cdot x_t + 0.5\cdot \text{EMA}{t-1}):
- (\text{EMA}_1 = 100)
- (\text{EMA}_2 = 0.5\cdot 102 + 0.5\cdot 100 = 51 + 50 = 101)
- (\text{EMA}_3 = 0.5\cdot 101 + 0.5\cdot 101 = 50.5 + 50.5 = 101)
- (\text{EMA}_4 = 0.5\cdot 103 + 0.5\cdot 101 = 51.5 + 50.5 = 102)
- (\text{EMA}_5 = 0.5\cdot 104 + 0.5\cdot 102 = 52 + 51 = 103)
- (\text{EMA}_6 = 0.5\cdot 103 + 0.5\cdot 103 = 51.5 + 51.5 = 103)
Samokontrola: ponieważ (\alpha=0.5) tutaj, każdy krok EMA jest dokładnie punktem środkowym między nową obserwacją a poprzednią EMA. Jeśli przeliczysz i otrzymasz inne liczby, przyczyną jest zwykle inny (N), inny (\alpha) lub inny wybór inicjalizacji dla (\text{EMA}_1).
Aby powiązać to z ogólnym przetwarzaniem danych (bez zakładania żadnej konkretnej platformy), zauważ, że jedynymi wymaganymi danymi wejściowymi do weryfikacji są: okres (N), reguła wygładzania (\alpha), ciąg obserwacji (x_t) oraz wybrane założenie początkowe.
Ograniczenia i ryzyka
-
Wybór inicjalizacji zmienia wczesne wartości. Jeśli zamiast (\text{EMA}_1=x_1) zainicjalizujesz za pomocą średniej z pierwszych N obserwacji, wczesny ciąg EMA będzie się różnić, nawet jeśli późniejsze wartości mogą się zbiegać.
-
Opóźnienie i wrażliwość na szum są nieodłącznymi cechami. EMA jest nadal średnią ruchomą: odzwierciedla przeszłe obserwacje. W szybkich lub zmiennych warunkach może opóźniać punkty zwrotne i nadal poruszać się wraz z krótkoterminowym szumem.
-
Wyniki zależne od rynku są zmienne. W rzeczywistych kontekstach handlowych obserwowane wyniki zależą od częstotliwości danych, spreadów bid/ask, czasu realizacji i kosztów. Nawet jeśli EMA jest obliczona poprawnie, te czynniki zewnętrzne mogą zmienić osiągnięte wyniki.
-
Historyczne zależności nie gwarantują przyszłego zachowania. Wzorce w zmianach EMA z przeszłości nie dowodzą, że to samo zachowanie wystąpi później.
Weryfikacja lub kolejne pytanie
Aby niezależnie zweryfikować dowolną EMA, odtwórz obliczenia z podanych danych wejściowych: potwierdź okres (N), oblicz (\alpha), użyj dokładnych wartości (x_t) z tego samego źródła danych i ram czasowych oraz potwierdź założenie początkowe dla pierwszej wartości EMA. Jeśli chcesz, podaj swój wybrany N i kilka pierwszych wartości (x_t), a możesz użyć tej samej rekurencji (\text{EMA}_t), aby sprawdzić, czy obliczona EMA zgadza się z powyższą arytmetyką.