Teoria Da Média Móvel Ponderada

Calculando a diferença entre a média móvel ea média móvel ponderada A média móvel de 5 períodos, com base nos preços acima, seria calculada usando a seguinte fórmula: Com base na equação acima, o preço médio durante o período listado acima foi de 90,66. Usando médias móveis é um método eficaz para eliminar flutuações de preços fortes. A principal limitação é que os pontos de dados de dados mais antigos não são ponderados de forma diferente dos pontos de dados próximos ao início do conjunto de dados. É aqui que as médias móveis ponderadas entram em jogo. As médias ponderadas atribuem uma ponderação mais pesada a pontos de dados mais atuais, uma vez que são mais relevantes do que pontos de dados no passado distante. A soma da ponderação deve somar 1 (ou 100). No caso da média móvel simples, as ponderações são distribuídas igualmente, razão pela qual não são mostradas na tabela acima. Preço de Fechamento de AAPLMovendo médias Médias móveis Com datasets convencionais o valor médio é muitas vezes o primeiro, e um dos mais úteis, sumário estatísticas para calcular. Quando os dados estão na forma de uma série temporal, a média da série é uma medida útil, mas não reflete a natureza dinâmica dos dados. Os valores médios calculados em períodos em curto, anteriores ao período atual ou centrados no período atual, são freqüentemente mais úteis. Como esses valores médios variam ou se movem, à medida que o período atual se move a partir do tempo t 2, t 3, etc., eles são conhecidos como médias móveis (Mas). Uma média móvel simples é (tipicamente) a média não ponderada de k valores anteriores. Uma média móvel exponencialmente ponderada é essencialmente a mesma que uma média móvel simples, mas com contribuições para a média ponderada pela sua proximidade com o tempo atual. Como não existe uma, mas toda uma série de médias móveis para qualquer série, o conjunto de Mas pode ser plotado em gráficos, analisado como uma série e usado na modelagem e previsão. Uma gama de modelos pode ser construída usando médias móveis, e estes são conhecidos como modelos MA. Se tais modelos forem combinados com modelos autorregressivos (AR), os modelos compostos resultantes são conhecidos como modelos ARMA ou ARIMA (o I é para integrado). Médias móveis simples Uma vez que uma série temporal pode ser considerada como um conjunto de valores, t 1,2,3,4, n a média destes valores pode ser calculada. Se assumimos que n é bastante grande, e selecionamos um inteiro k que é muito menor que n. Podemos calcular um conjunto de médias de bloco, ou médias móveis simples (de ordem k): Cada medida representa a média dos valores de dados sobre um intervalo de k observações. Observe que a primeira MA possível de ordem k gt0 é aquela para t k. De forma mais geral, podemos descartar o subíndice extra nas expressões acima e escrever: Isto indica que a média estimada no tempo t é a média simples do valor observado no instante t e os intervalos de tempo anteriores k-1. Se forem aplicados pesos que diminuam a contribuição de observações que estão mais distantes no tempo, a média móvel é dita ser suavizada exponencialmente. As médias móveis são frequentemente utilizadas como uma forma de previsão, pelo que o valor estimado para uma série no tempo t 1, S t 1. É tomado como o MA para o período até e incluindo o tempo t. por exemplo. A estimativa de hoje é baseada em uma média de valores anteriores registrados até e inclusive ontem (para dados diários). As médias móveis simples podem ser vistas como uma forma de suavização. No exemplo ilustrado abaixo, o conjunto de dados sobre poluição atmosférica mostrado na introdução deste tópico foi aumentado por uma linha de média móvel de 7 dias, mostrada aqui em vermelho. Como pode ser visto, a linha de MA suaviza os picos e depressões nos dados e pode ser muito útil na identificação de tendências. A fórmula padrão de cálculo de forward significa que os primeiros k -1 pontos de dados não têm nenhum valor de MA, mas depois os cálculos se estendem até o ponto de dados final da série. Uma razão para calcular médias móveis simples da maneira descrita é que ela permite que os valores sejam calculados para todos os intervalos de tempo desde o tempo tk até o presente, e Como uma nova medição é obtida para o tempo t 1, o MA para o tempo t 1 pode ser adicionado ao conjunto já calculado. Isso fornece um procedimento simples para conjuntos de dados dinâmicos. No entanto, existem alguns problemas com esta abordagem. É razoável argumentar que o valor médio nos últimos 3 períodos, digamos, deve ser localizado no tempo t -1, não no tempo t. E para um MA sobre um número par de períodos, talvez ele deve ser localizado no ponto médio entre dois intervalos de tempo. Uma solução para esse problema é usar cálculos centralizados de MA, nos quais o MA no tempo t é a média de um conjunto simétrico de valores em torno de t. Apesar de seus méritos óbvios, esta abordagem não é geralmente usada porque exige que os dados estejam disponíveis para eventos futuros, o que pode não ser o caso. Em casos onde a análise é inteiramente de uma série existente, o uso de Mas centralizado pode ser preferível. As médias móveis simples podem ser consideradas como uma forma de suavização, removendo alguns componentes de alta freqüência de uma série de tempo e destacando (mas não removendo) as tendências de forma semelhante à noção geral de filtragem digital. De fato, as médias móveis são uma forma de filtro linear. É possível aplicar um cálculo da média móvel a uma série que já tenha sido suavizada, isto é, suavizar ou filtrar uma série já suavizada. Por exemplo, com uma média móvel de ordem 2, podemos considerá-la como sendo calculada usando pesos, então a MA em x 2 0,5 x 1 0,5 x 2. Da mesma forma, a MA em x 3 0,5 x 2 0,5 x 3. Se nós Aplicar um segundo nível de suavização ou filtragem, temos 0,5 x 2 0,5 x 3 0,5 (0,5 x 1 0,5 x 2) 0,5 (0,5 x 2 0,5 x 3) 0,25 x 1 0,5 x 2 0,25 x 3 ou seja, a filtragem de 2 estádios Processo (ou convolução) produziu uma média móvel simétrica ponderada variável, com pesos. Várias circunvoluções podem produzir médias móveis ponderadas bastante complexas, algumas das quais foram encontradas de uso particular em campos especializados, como nos cálculos de seguros de vida. As médias móveis podem ser usadas para remover efeitos periódicos se computadas com o comprimento da periodicidade como um conhecido. Por exemplo, com os dados mensais as variações sazonais podem frequentemente ser removidas (se este for o objetivo) por aplicar uma média móvel simétrica de 12 meses com todos os meses ponderados igualmente, exceto o primeiro e o último que são ponderados por 12. Isto é porque haverá Ser de 13 meses no modelo simétrico (tempo atual, t. - 6 meses). O total é dividido por 12. Procedimentos semelhantes podem ser adotados para qualquer periodicidade bem definida. Médias móveis exponencialmente ponderadas (EWMA) Com a fórmula da média móvel simples: todas as observações são igualmente ponderadas. Se chamássemos esses pesos iguais, alfa t. Cada um dos k pesos seria igual a 1 k. Então a soma dos pesos seria 1, ea fórmula seria: Já vimos que múltiplas aplicações desse processo resultam em pesos variando. Com médias móveis ponderadas exponencialmente, a contribuição para o valor médio das observações que são mais removidas no tempo é deliberada reduzida, enfatizando os eventos mais recentes (locais). Essencialmente um parâmetro de suavização, 0lt alfa lt1, é introduzido, ea fórmula revisada para: Uma versão simétrica desta fórmula seria da forma: Se os pesos no modelo simétrico são selecionados como os termos dos termos da expansão binomial, (1212) 2q. Eles somarão a 1, e quando q se tornar grande, aproximar-se-á da distribuição Normal. Esta é uma forma de ponderação do kernel, com o Binomial agindo como a função do kernel. A convolução de dois estágios descrita na subseção anterior é precisamente esta disposição, com q 1, produzindo os pesos. Em suavização exponencial é necessário usar um conjunto de pesos que somam 1 e que reduzem em tamanho geometricamente. Os pesos usados ​​são tipicamente da forma: Para mostrar que esses pesos somam 1, considere a expansão de 1 como uma série. Podemos escrever e expandir a expressão entre parênteses usando a fórmula binomial (1-x) p. Onde x (1-) e p -1, o que dá: Isso então fornece uma forma de média móvel ponderada da forma: Esta soma pode ser escrita como uma relação de recorrência: o que simplifica muito a computação e evita o problema de que o regime de ponderação Deve ser estritamente infinito para os pesos a somar a 1 (para pequenos valores de alfa, isso normalmente não é o caso). A notação utilizada por diferentes autores varia. Alguns usam a letra S para indicar que a fórmula é essencialmente uma variável suavizada e escrevem: enquanto a literatura da teoria de controle usa freqüentemente Z em vez de S para os valores exponencialmente ponderados ou suavizados (ver, por exemplo, Lucas e Saccucci, 1990, LUC1 , Eo site do NIST para mais detalhes e exemplos trabalhados). As fórmulas citadas acima derivam do trabalho de Roberts (1959, ROB1), mas Hunter (1986, HUN1) usa uma expressão da forma: que pode ser mais apropriada para uso em alguns procedimentos de controle. Com alfa 1, a estimativa média é simplesmente o seu valor medido (ou o valor do item de dados anterior). Com 0,5 a estimativa é a média móvel simples das medições atuais e anteriores. Nos modelos de previsão, o valor, S t. É freqüentemente usado como estimativa ou valor de previsão para o próximo período de tempo, ou seja, como a estimativa para x no tempo t 1. Assim, temos: Isto mostra que o valor da previsão no tempo t 1 é uma combinação da média móvel exponencial ponderada anterior Mais um componente que representa o erro de previsão ponderado, epsilon. No tempo t. Supondo que uma série temporal é dada e uma previsão é necessária, um valor para alfa é necessário. Isto pode ser estimado a partir dos dados existentes, avaliando a soma dos erros de predição quadrados obtidos com valores variáveis ​​de alfa para cada t 2,3. Definindo a primeira estimativa como sendo o primeiro valor de dados observado, x 1. Em aplicações de controle, o valor de alfa é importante na medida em que é usado na determinação dos limites de controle superior e inferior e afeta o comprimento médio de execução (ARL) esperado Antes que esses limites de controle sejam quebrados (sob o pressuposto de que as séries temporais representam um conjunto de variáveis ​​independentes, aleatoriamente distribuídas, com variância comum). Nestas circunstâncias, a variância da estatística de controlo é (Lucas e Saccucci, 1990): Os limites de controlo são usualmente definidos como múltiplos fixos desta variância assintótica, e. - 3 vezes o desvio padrão. Se alfa 0,25, por exemplo, e os dados sendo monitorados forem assumidos como tendo uma distribuição Normal, N (0,1), quando em controle, os limites de controle serão - 1,134 e o processo atingirá um ou outro limite em 500 passos na média. Lucas e Saccucci (1990 LUC1) derivam os ARLs para uma ampla gama de valores alfa e sob várias suposições usando procedimentos de Cadeia de Markov. Eles tabulam os resultados, incluindo o fornecimento de ARLs quando a média do processo de controle foi deslocada por algum múltiplo do desvio padrão. Por exemplo, com um deslocamento 0,5 com alfa 0,25 o ARL é menos de 50 etapas de tempo. As abordagens descritas acima são conhecidas como suavização exponencial única. Uma vez que os procedimentos são aplicados uma vez à série temporal e, em seguida, análises ou processos de controlo são realizados no conjunto de dados suavizado resultante. Se o conjunto de dados incluir uma tendência e / ou componentes sazonais, o alisamento exponencial de dois ou três estágios pode ser aplicado como um meio de remover (explicitamente modelar) esses efeitos (veja a seção sobre Previsão abaixo e o exemplo trabalhado pelo NIST). CHA1 Chatfield C (1975) A Análise da Série de Tempos: Teoria e Prática. Chapman e Hall, Londres HUN1 Hunter J S (1986) A média móvel exponencialmente ponderada. J of Quality Technology, 18, 203-210 LUC1 Lucas J M, Saccucci M S (1990) Esquemas de controlo da média móvel ponderada exponencialmente: propriedades e melhoramentos. Technometrics, 32 (1), 1-12 ROB1 Roberts S W (1959) Testes de gráficos de controle baseados em médias móveis geométricas. 7.3.7 Média Móvel Ponderada Exponencialmente Para conciliar os pressupostos da estimativa da média móvel ponderada uniformemente (UWMA) com as realidades da heterocedasticidade do mercado, podemos aplicar o estimador 7.10 apenas Os dados históricos mais recentes tq. Que deve ser mais reflexo das condições de mercado atuais. Fazer isso é auto-destrutivo, pois aplicar o estimador 7.10 a uma pequena quantidade de dados aumentará seu erro padrão. Consequentemente, UWMA implica um dilema: aplicá-lo a um monte de dados é ruim, mas por isso é aplicá-lo a um pouco de dados. Isso motivou Zangari (1994) a propor uma modificação da UWMA chamada estimativa da média móvel ponderada exponencialmente (EWMA ).2 Isto aplica uma ponderação não uniforme para dados de séries temporais, de modo que muitos dados podem ser usados, mas os dados recentes são mais pesados . Como o nome sugere, os pesos são baseados na função exponencial. A estimativa da média móvel ponderada exponencialmente substitui o estimador 7.10 com o factor de decaimento geralmente atribuído a um valor entre 0,95 e 0,99. Fatores mais baixos de decaimento tendem a pesar dados mais recentes pesadamente. Observe que a estimativa da média móvel ponderada exponencialmente é amplamente utilizada, mas é uma modesta melhoria em relação à UWMA. Ele não tenta modelar a heterocedasticidade condicional do mercado mais do que a UWMA. Seu esquema de ponderação substitui o dilema de quantos dados usar com um dilema semelhante quanto ao quão agressivo é um fator de deterioração a ser usado. Considere novamente a Figura 7.6 e nosso exemplo da posição de USD 10MM é SGD. Vamos estimar 10 1 usando estimador exponencialmente ponderado da média móvel 7.20. Se usarmos .99, obtemos uma estimativa de 10 1 de 0,0054. Se usarmos .95, obtemos uma estimativa de 0,0067. Estes valores correspondem a resultados de valor em risco de USD 89.000 e USD 110.000, respectivamente. O Anexo 7.7 indica 30 dias de dados para Libor CHF de um mês. Figura 7.7: Dados para Libor de CHF de 1 mês. As taxas são expressas como percentagens. Apesar de muitas inovações na análise técnica ao longo dos anos, a média móvel em todas as suas formas continua a ser um dos mais poderosos métodos disponíveis para analisar, negociar e lucrar com o mercado financeiro Movimentos. As médias móveis podem ser colocadas em uma ampla diversidade de usos, desde a avaliação da tendência principal do mercado dentro de qualquer período de tempo, até a detecção de curto prazo overboughtoversold condições. Como conseqüência, as médias móveis constituem um componente crítico em muitos sistemas de negociação de regras fixas de alta qualidade. Tem havido muita inovação em médias móveis ao longo dos anos. No entanto, o conceito básico é o de suavizar as flutuações de preços a curto prazo, a fim de obter uma melhor imagem da tendência geral. O cálculo específico para alcançar este objectivo pode diferir de acordo com o tipo de média utilizada, mas uma vez que este alisamento tenha sido alcançado, uma ou mais dessas médias de prazos diferentes podem então ser comparadas entre si para obter informações adicionais sobre movimentos de mercado e oportunidades comerciais resultantes . Cálculos básicos da média móvel A média móvel simples é calculada adicionando os preços (geralmente os preços de fechamento, mas não necessariamente) em n períodos de tempo e, em seguida, dividindo pelo número de períodos de tempo: Média móvel (n) Preço (1) Preço ) Preço (3) Preço (n) Este tipo de média móvel é o mais comumente usado. Tem esse fato como sua principal vantagem, na medida em que constitui uma base de comparação pronta, porque tantos jogadores no mercado usá-lo. Por exemplo, muitas pessoas gostam de rastrear a média móvel de 200 dias porque sabem que muitos jogadores de longo prazo, como fundos de investimento, acompanham seus movimentos de perto e seguem-no. Outros tipos de média móvel foram criados, geralmente com o objetivo de corrigir alguma deficiência percebida na média simples. A média móvel ponderada dá à ação de preços mais recente uma ponderação progressivamente maior do que a ação de preço mais distante no início da seqüência. A noção é que a ação de preços mais recente deve ser dada maior consideração do que os preços que ocorreram mais atrás no passado, particularmente no caso de médias móveis mais longas. Portanto, se w (n) é o peso de Preço (n) no período n, o cálculo é: Média Móvel Ponderada (n) w (1) Preço1 w (2) Preço2. W (n) Preço (n) nw (n) onde w (n) é a soma dos pesos individuais. Normalmente, os pesos usados ​​são lineares, por exemplo, se o preço mais recente for Price1 e n5, então poderemos usar: w (1) 5, w (2) 4, w (3) 3, w (4) 2, w 5) 1. Isto dá a ponderação mais pesada exigida ao preço mais recente, Price1, e correspondentemente menos peso em reduzir linearmente a forma a outros preços na seqüência. No entanto, existem outros tipos de cálculo da média móvel. Por exemplo, a média móvel exponencial utiliza pesos derivados de uma sequência exponencial. No entanto, no entanto, estas médias móveis podem ser calculadas, o objectivo é, em última análise, o mesmo. É para suavizar o ruído e flutuações aleatórias da série de preços, a fim de dar a melhor imagem possível da principal tendência no prazo considerado. A partir desse ponto, esta informação pode ser usada em conjunto com a de outras médias móveis ou mesmo outros indicadores técnicos completamente. Como as médias móveis são usadas Embora os cálculos utilizados para obter médias móveis podem ser um pouco intrincados, seu uso é bastante mais simples e imediato. Pode-se usar uma única média móvel para determinar a direção geral da tendência, bem como para encontrar zonas de suporte e resistência exatamente da mesma maneira que você faria para uma linha de tendência padrão. Quando o preço está acima da média móvel única e o último está apontando para cima, então esta é uma clara indicação de uma tendência de alta. Inversamente, quando o preço está abaixo da média e o último está apontando para baixo, então isso é indicação clara de uma tendência de baixa. No entanto, note-se que, uma vez que a média móvel é um indicador de atraso, indica, portanto, qual foi a tendência até este ponto, mas não necessariamente no futuro. Dito isto, um analista técnico habilidoso pode integrar a análise da média móvel com outros indicadores técnicos para gerar uma avaliação de alta probabilidade de como os preços provavelmente se moverão. A combinação de média móvel dois é provavelmente o mais comumente usado porque é muito eficaz, bem como rápido para interpretar e entender. Também se presta facilmente a ser incorporado em sistemas de negociação de regras fixas. Com duas médias móveis, a média mais curta rastreia a tendência de curto prazo, enquanto a média mais longa rastreia a tendência de longo prazo. Conseqüentemente, quando a média mais curta cruza acima ou abaixo da média de longo prazo, isso significa uma possível mudança de tendência. Se a média mais curta cruzar abaixo da média de longo prazo, isso significa que o mercado pode estar começando um movimento de curto prazo para a desvantagem, e vice-versa. Esse tipo de característica de crossover é comumente usado na criação de condições de configuração automatizadas. Quando ocorre, o mercado está configurado para uma nova tendência de alta ou tendência de baixa de acordo com as médias móveis e, conseqüentemente, o comerciante cria uma condição de entrada para, em seguida, explorar essa nova situação. A condição de entrada mais simples é nenhuma condição de entrada de todo, isto é, simplesmente compra ou vende quando as duas médias se cruzam. No entanto, este tipo de sistema é altamente vulnerável a movimentos falsos e, consequentemente, melhores sistemas de negociação geralmente empregam uma condição de entrada subseqüente após a configuração da média móvel ter sido acionada. Exemplos são (1) sinal de buysell em velas, (2) confirmações de osciladores como RSI, (3) quebras de linha de tendência e assim por diante. Quando a ação de preço em si é incluída com as médias móveis, informações ainda mais útil pode ser recolhido. Se o preço estiver acima da média móvel mais curta que é ela mesma acima da média móvel mais longa, podemos inferir que o mercado está em uma condição bullish unambiguous, e um deve olhar primeiramente para oportunidades de compra, ou para possibilidades adicionar às posições longas existentes . Se o preço estiver abaixo da média móvel mais curta, que é ela própria abaixo da média móvel mais longa, inferimos que o mercado é inequivocamente de baixa. Neste caso, estamos principalmente à procura de oportunidades de venda, ou para as chances de adicionar aos negócios curtos existentes. No entanto, quando o preço está entre as duas médias móveis, a interpretação torna-se um pouco menos óbvio. Sob esta situação, o comerciante pode não querer iniciar qualquer comércio, mas sim esperar até que a situação se resolva claramente em um dos dois cenários acima descritos. Se o comerciante já detém uma posição existente e, em seguida, este cenário neutro aparece, isso pode ser inferido como uma oportunidade para reduzir a posição (esperamos que através da obtenção de lucros) ou para fechá-lo completamente em antecipação de uma inversão de tendência. Naturalmente, outras formas de análise técnica seriam usadas para decidir qual dessas duas possibilidades deveria ser favorecida. O comerciante não pode necessariamente fazer exatamente a mesma coisa em cada cenário, a menos que um sistema de regras fixas de negociação está sendo usado. Com três médias móveis, ainda mais possibilidades são introduzidas. Neste caso, a situação bullish (bearish) unambiguous é quando a média movente a mais curta está acima (abaixo) da média movente a médio prazo, que é ela mesma acima (abaixo) a média movente a mais longa. O próximo cenário é que a média curta poderia cruzar abaixo (acima) a média de médio prazo, mas esta última ainda pode permanecer acima (abaixo) da média móvel longa. Isso pode ser usado pelo comerciante como um sinal precoce de mudança de tendência para, pelo menos, sair do existente longo ou curto. No entanto, este tipo de sinal é também o mais vulnerável a falsos intervalos. Outra possibilidade apresentada pelas três médias móveis é que a média mais curta passe para abaixo da média de médio prazo, que se cruza abaixo da média longa. Este cenário é uma situação de alta probabilidade para definitivamente fechar posições existentes porque quando as médias de curto e médio prazo cruzam abaixo da média de longo prazo, significa que é altamente provável que a tendência principal tenha mudado. Embora nada seja garantido, há muito menos chance de um whipsaw quando a média média também confirma o sinal da média curta. No entanto, o preço que você paga por isso é que o sinal leva muito mais tempo para ocorrer e, portanto, você sair da sua posição existente que muito mais tarde. Três combinações de média móvel são freqüentemente usadas em sistemas de negociação de regras fixas pela mesma razão que eles permitem uma maior variedade de respostas em comparação com uma ou mesmo duas combinações de média móvel. O número de parâmetros variáveis ​​preço mais as três médias móveis é maior e se torna ainda maior se o sistema também inclui outros indicadores técnicos, como osciladores. Na verdade, também é possível usar quatro médias móveis (e sem dúvida mais além). Neste caso, tratar os quatro como dois pares pode produzir resultados muito bons. O analista emprega as duas médias móveis mais longas para determinar a tendência geral, usando cruzamentos simples, como explicado anteriormente. Uma vez que a tendência é definida desta maneira, os dois crossovers de médias móveis mais curtos podem então ser utilizados para determinar os sinais de entrada e saída dentro da direcção geral da tendência principal. Por exemplo, tomando as duas médias móveis de longo prazo, se o mais curto deste par é acima do mais longo, então o mercado é globalmente bullish. Dado que este é o caso, um então usa crossovers bullish das duas médias móveis de prazo mais curto para entrar em tendências longas SOMENTE, e crossovers bearish para sair aquelas posições longas. As posições curtas curtas não são introduzidas até que o par de médias de longo prazo atravesse no modo de urso. Quando o fazem, apenas comércios curtos são tomadas depois disso, novamente usando os cruzamentos de média móvel mais curta. Médias móveis usadas como osciladores As combinações de médias móveis também podem ser usadas para criar osciladores. Isso pode ser feito de várias maneiras diferentes. No famoso Moving Average Convergence Divergence (MACD) oscilador, a idéia básica é tomar a diferença entre o período de 12 e os 26 períodos exponenciais médias móveis, que produz a primeira linha de dois no oscilador. A segunda linha, chamada de linha de sinal, é calculada como o equivalente exponencial da média móvel de 9 períodos. Naturalmente, todos estes números podem ser variados. Os comerciantes usaram então o MACD procurando (1) crossovers das duas linhas, (2) cruzamentos da linha zero, (3) overboughtoversold condições indicadas pelo oscilador quando comparado a valores prévios de si mesmo durante últimos mercados extremos, (4) Quebra de linhas de tendência desenhadas sobre a própria linha MACD, (5) divergências do oscilador. Na verdade, as médias móveis são usadas em muitos mais osciladores do que apenas o MACD e podem dar valor muito acima de seus meios habituais de interpretação. Outras aplicações de médias móveis Além de tudo o que foi dito acima, ainda há mais usos que as médias móveis podem ser colocadas. Muitos participantes do mercado gostam de seguir certas médias móveis na base que sabem que estes são populares e estão agudamente vigiados por outros participantes do mercado. Um bom exemplo disso é a média móvel simples de 200 dias. Uma vez que se trata de uma média móvel a muito longo prazo, segue a tendência de longo prazo de qualquer mercado, ou seja, o prazo do investidor. Assim, muitos gestores de fundos de investimento e de pensões mantêm um olho no mercado em relação à média móvel de 200 dias. Encerra abaixo desta média são considerados altamente negativos e podem levar à liquidação de posições. Assim, um comerciante inteligente também pode assistir a mesma média móvel de 200 dias para ganhar uma idéia do que os grandes jogadores são susceptíveis de estar pensando. A média de 200 dias geralmente dá um excelente apoio e resistência, em parte como resultado de uma profecia auto-realizável, na medida em que tantos grandes jogadores assistem a essa média particular e tomam decisões com base nisso. Uma aplicação muito popular de médias móveis é projetar faixas de uma porcentagem fixa acima e abaixo da média móvel para formar um envelope de preço. O exemplo mais conhecido disso é o Bollinger Band, que é estruturado para conter 95 da ação de preço dentro dos limites das bandas. Assim, se o preço penetra nas faixas em qualquer direção, o comerciante consideraria o mercado overboughtoversor e, portanto, potencialmente maduro para um comércio na direção oposta, ou então pronto para fazer uma fuga em um novo movimento direcional. As faixas de preços percentuais em torno de uma média móvel não precisam ser limitadas a apenas duas sozinhas. Alguns sistemas têm uma série de tais bandas projetadas em torno de uma única média móvel. Quando utilizados isoladamente ou em conjunto com outros indicadores técnicos, esses envelopes de preços podem produzir informações muito úteis sobre a condição presente e provável futura do mercado. Outra aplicação de médias móveis tenta superar sua principal limitação, que é o fato de que eles são indicadores de atraso. Todos os pacotes de software técnicos hoje em dia permitem que você crie uma média móvel com base nos dados históricos usuais e, em seguida, deslocá-lo para a frente um número fixo de períodos de tempo. A Média Móvel Deslocada (DMA) cria um efeito semelhante à projeção da média móvel no tempo, ao contrário de ter hoje em dia o valor médio móvel. O uso mais comum do DMA é como um indicador de tendência de curto prazo. Uma das principais desvantagens para todas as médias móveis é a dificuldade de saber qual é a média móvel do período de tempo ideal para usar com qual mercado, e também se o analista está melhor olhando para uma, duas ou mais combinações de médias móveis. Para superar esses problemas, Perry Kaufman, especialista em Sistemas de Negociação, inventou o Adaptive Moving Average, comumente disponível em todos os programas de análise técnica. A média móvel adaptativa é uma média única que varia dinamicamente seu próprio comprimento, tipicamente de uma média 2period a uma média de 30-período, de acordo com o grau de volatilidade e direcionalidade no mercado. Assim, quando o mercado tende fortemente com pouca volatilidade, a duração da média diminuirá em direção ao seu valor mínimo. No entanto, quando a tendência do mercado eventualmente stalls e uma faixa de negociação se segue, o Adaptive Moving Average vai crescer mais, tendendo para o seu valor máximo. O segredo para usar este indicador não é olhar para crossovers entre preço e média móvel, mas simplesmente para considerar a direção geral da média móvel em si. Assim, quando a média aponta para cima, a tendência é para cima, e quando ele aponta para baixo, a tendência é para baixo. Quando a direção da média móvel adaptativa é horizontal, o mercado está em uma faixa de negociação (pelo menos dentro do prazo geral diário, semanal, mensal em que a média adaptável foi calculada). Assim, você só precisa de uma média móvel, não Dois ou mais, para muito bem determinar a tendência geral do mercado. Conclusão Em conclusão, a média móvel continua a ser uma ferramenta técnica muito poderosa. Dá ao analista uma ampla gama de métodos possíveis para determinar a tendência geral do mercado em diferentes períodos de tempo, overboughtoversold condições, sinais entryexit comércio e muitas vezes podem servir como excelentes zonas de apoio e resistência. As médias móveis também formam uma parte crítica de muitos excelentes sistemas de negociação técnica baseados em regras. Eles são uma parte crucial do arsenal de qualquer analista técnico grave e devem ser estudados e pesquisados ​​em profundidade, a fim de obter todos os muitos benefícios que eles oferecem. Dr. Asoka Selvarajah é um ex-banqueiro de investimento de 11 anos de experiência, bem como um traderresearcher mercados financeiros para muitos mais. Ele trabalhou como analista técnico para várias grandes empresas de Wall Street e foi um estrategista de negociação sênior para um fundo de investimento de vários bilhões de dólares no Reino Unido. Leia Mais Últimas mensagens de Asoka Selvarajah (ver todos)