Como a EMA é calculada? (Média Móvel Exponencial)
Resposta direta
A Média Móvel Exponencial (EMA) é calculada atualizando a EMA anterior com o ponto de dados atual, usando um fator de suavização. Em sua forma comum:
- Seja o preço (ou valor de dados) no tempo (t) igual a (x_t).
- Seja a EMA no tempo (t) igual a (EMA_t).
- Seja (\alpha) o fator de suavização.
Então:
[EMA_t = \alpha,x_t + (1-\alpha),EMA_{t-1}]
Uma forma amplamente usada para escolher (\alpha) a partir de um “comprimento” (n) escolhido é:
[\alpha = \frac{2}{n+1}]
Para iniciar a recursão, você também deve escolher um valor inicial para (EMA_{0}) (ou para o primeiro ponto da EMA que você calcular), porque a fórmula depende de (EMA_{t-1}).
Mecanismo: o que é a EMA e quais entradas ela precisa
A EMA é um tipo de média móvel que dá mais peso aos valores recentes do que aos mais antigos. Diferente de uma média móvel simples que calcula a média de uma janela de tamanho fixo, a EMA “lembra” do passado por meio da atualização recursiva.
Termos-chave (e a que eles correspondem na fórmula):
- Série de dados (x_t): Esta é a sequência que você suaviza. Em muitos contextos, pode ser uma série de preços de fechamento, mas o cálculo em si apenas assume que você tem uma série numérica ordenada no tempo.
- Comprimento (n): Este parâmetro controla a rapidez com que a EMA reage a novas mudanças. Um (n) maior geralmente significa um (\alpha) menor e uma resposta mais lenta; um (n) menor significa um (\alpha) maior e uma resposta mais rápida.
- Fator de suavização (\alpha): Este controla a mistura entre o valor atual (x_t) e a EMA anterior (EMA_{t-1}).
- Valor inicial da EMA: Como a EMA é calculada passo a passo, o primeiro valor da EMA que você escolher afeta os resultados iniciais.
Como funciona conceitualmente Cada etapa combina:
- uma parte da observação mais recente (x_t), e
- uma parte da EMA anterior (EMA_{t-1}), que já contém a influência das observações anteriores.
Matematicamente, a substituição repetida mostra que a EMA é uma média ponderada dos valores passados, onde os pesos diminuem exponencialmente ao longo do tempo. É por isso que ela reage rapidamente a mudanças recentes enquanto ainda suaviza o ruído.
Evidência ou exemplo: calcule uma EMA passo a passo
Abaixo está um pequeno exemplo concreto que mostra a mecânica sem assumir nenhum dado em tempo real.
Premissas
- Escolha o comprimento (n = 3).
- Calcule (\alpha = \tfrac{2}{n+1} = \tfrac{2}{4} = 0.5).
- Use uma inicialização simples para demonstração: defina a primeira EMA como o primeiro valor de dados, (EMA_1 = x_1).
- Use uma série hipotética (x_1=10,; x_2=12,; x_3=11).
Cálculo
- Inicialização:
- (EMA_1 = x_1 = 10)
- Próxima etapa ((t=2)):
- (EMA_2 = \alpha x_2 + (1-\alpha)EMA_1)
- (EMA_2 = 0.5\cdot 12 + 0.5\cdot 10 = 11)
- Próxima etapa ((t=3)):
- (EMA_3 = 0.5\cdot 11 + 0.5\cdot 11 = 11)
Isso ilustra dois pontos práticos:
- A EMA sempre fica entre o valor atual e a EMA anterior quando (\alpha\in[0,1]).
- Se o valor atual for igual à EMA anterior, a EMA permanece a mesma nessa etapa.
O que pode alterar o resultado
Mesmo com o mesmo (n) e a mesma fórmula para (\alpha), os resultados podem diferir se:
- você inicializar a EMA de forma diferente (por exemplo, usando uma primeira média móvel simples em vez de (x_1)),
- sua série de dados tiver pontos ausentes (você deve decidir como lidar com lacunas),
- você usar uma convenção diferente para mapear o comprimento (n) para (\alpha) (alguns sistemas usam mapeamentos equivalentes, mas não idênticos).
Limitações e modos de falha: o que a EMA pode e não pode dizer a você
A EMA é um mecanismo de suavização, não um motor de previsão.
Limitações materiais
-
A defasagem é inerente Como a EMA depende parcialmente de valores passados via (EMA_{t-1}), ela reage a mudanças com atraso. EMAs mais rápidas ((n) menor, (\alpha) maior) reduzem a defasagem, mas podem aumentar a sensibilidade ao ruído.
-
Os valores iniciais dependem da inicialização A EMA requer um valor inicial. O “caminho” da EMA perto do início da sua amostra depende dessa escolha. Se você comparar EMAs entre sistemas, elas podem discordar no início apenas devido a diferentes convenções de inicialização.
-
Mudanças não estacionárias e mudanças de regime Em dados que mudam de caráter estatístico ao longo do tempo (por exemplo, aumento da volatilidade), o mesmo fator de suavização pode não produzir mais o mesmo tipo de efeito de suavização. A EMA ainda será calculada corretamente, mas sua interpretabilidade pode mudar.
-
A qualidade dos dados de entrada é importante Se a série (x_t) for inconsistente (valores atípicos, valores ausentes ou definição diferente de “preço”, como fechamento vs. outro campo), a EMA refletirá essa definição. A EMA não pode corrigir entradas ruins ou inconsistentes.
Como verificar o cálculo de forma independente
Para verificar um cálculo de EMA por conta própria, você só precisa de:
- a mesma série de entrada (x_t),
- o mesmo comprimento (n) escolhido (ou o (\alpha) exato usado), e
- a mesma convenção de valor inicial da EMA.
Então, você pode recalcular (EMA_t) para vários (t) consecutivos usando: [EMA_t = \alpha,x_t + (1-\alpha),EMA_{t-1}] Se seus resultados divergirem, as causas mais comuns são mapeamento de (\alpha) incompatível, inicialização diferente ou tratamento diferente de observações ausentes/extras.
Verificação e próxima pergunta
Se seu objetivo é interpretar as saídas da EMA, o principal próximo passo é entender como a EMA difere de outras médias móveis e o que mudar as configurações (especialmente o comprimento) faz com a capacidade de resposta. Você pode começar comparando a EMA com outras fórmulas de médias móveis e, em seguida, verificar como o fator de suavização afeta a rapidez com que a EMA segue novos valores.
Para uma comparação mais aprofundada e efeitos das configurações, veja:
- link interno: /forex-indicators/moving-averages/ema/how-does-ema-differ-from-related-forex-concepts/
- link interno: /forex-indicators/moving-averages/ema/how-do-settings-change-ema/