당신은 주제를 찾고 있습니까 “가중 이동 평균 – #4빼어날수]주식기초 단순이동평균,가중이동평균 원리 [주식/비트코인]“? 다음 카테고리의 웹사이트 you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 주식하는 수Tv 이(가) 작성한 기사에는 조회수 1,985회 및 좋아요 42개 개의 좋아요가 있습니다.
예를 들어 단순 이동평균선과 지수 이동평균선을 계산할 때 지수 이동평균선의 마지막 날 가중치가 수치 값으로 1이라고 표현을 할 수 있다면 가중 이동평균선은 마지막 날 가중치를 수치 값으로 2라고 표현할 수 있습니다. 주가가 상승했다는 가정 (가중치는 양수(+)입니다.)
가중 이동 평균 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 #4빼어날수]주식기초 단순이동평균,가중이동평균 원리 [주식/비트코인] – 가중 이동 평균 주제에 대한 세부정보를 참조하세요
주식초보탈출
이동평균선 종류별로 차이점 이해하기
가중 이동 평균 주제에 대한 자세한 내용은 여기를 참조하세요.
가중 이동평균 – [정보통신기술용어해설]
단순 가중 이동평균, Exponentially Weighted Moving Average, 지수 가중 이동평균 · Top · 전기전자공학 · 신호 및 시스템 · 신호 표현/성질 · 평균화 …
Source: www.ktword.co.kr
Date Published: 1/13/2021
View: 6954
[투자기초] #3 기술적 분석 – 가중이동평균(Weighted Moving …
가중이동평균은 특정한 기간 동안의 주가를 최근의 가격에 더 높은 가중치를 두어 계산한다. 가장 최근의 일자에 가장 큰 가중치를 두기 때문에. 단순이동 …
Source: alphasquare.tistory.com
Date Published: 11/30/2021
View: 3851
[캔들지표] 이동평균선 – 가중이동평균(WMA), 지수이동평균(EMA)
가중이동평균 (Weighted Moving Average) … 현재의 값, 데이터에 더 가중치를 두고 과거의 값에는 보다 적은 가중치를 두어, 현재의 추세를 더욱 잘 반영 …
Source: bosungs2y.tistory.com
Date Published: 6/1/2022
View: 214
이동평균(Moving Average)의 계산방법 및 의미
가중이동평균은, 데이터의 위치에 따라 서로 다른 가중치를 부여한 후 이동평균을 계산하게 됩니다. simple moving average와 동일하게 몇일을 기준으로 …
Source: primestory.tistory.com
Date Published: 11/23/2022
View: 7412
단순이동평균(SMA), 가중이동평균(LWMA), 지수이동평균(EMA)
단순이동평균(SMA), 가중이동평균(LWMA), 지수이동평균(EMA). whsone 2014. 4. 27. 17:36. 추세추종전략에 대해서 더 글을 올리기 전에 기초적인 내용을 하나 더 올리 …
Source: pepic.tistory.com
Date Published: 4/6/2021
View: 5655
지수 가중 이동평균(Exponentially Weighted Averages)
지수 가중 이동평균은 경사하강법 및 미니배치 경사하강법보다 효율적인 알고리즘을 이해하기위해 알아야하는 개념입니다. 이 개념은 최근 데이터에 더 …
Source: hansololee.github.io
Date Published: 7/10/2021
View: 5671
이동평균이란 무엇인가! 이동평균 개념과 종류 및 이동평균 공식 …
이동평균 (MA, Moving Average) 계산법을 이용해 산출된 이동평균선은 가격.. … 이동평균 종류에는 단순 이동평균, 가중 이동평균, 기하 이동평균, 누적 이동평균, …
Source: econowide.com
Date Published: 10/26/2021
View: 3666
주제와 관련된 이미지 가중 이동 평균
주제와 관련된 더 많은 사진을 참조하십시오 #4빼어날수]주식기초 단순이동평균,가중이동평균 원리 [주식/비트코인]. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
![#4빼어날수]주식기초 단순이동평균,가중이동평균 원리 [주식/비트코인]](https://i.ytimg.com/vi/CEVudC0BWvw/maxresdefault.jpg)
주제에 대한 기사 평가 가중 이동 평균
- Author: 주식하는 수Tv
- Views: 조회수 1,985회
- Likes: 좋아요 42개
- Date Published: 2018. 11. 6.
- Video Url link: https://www.youtube.com/watch?v=CEVudC0BWvw
이동평균선의 종류 이해하기 – 단순, 지수, 가중 | SOM`s의 주식투자
반응형
이동평균선은 차트 내에서 기본적으로 표현되어 있는 보조지표이며 거래량과 함께 요즘은 필수적인 보조지표로 자리 잡고 있습니다. 사용하지 않는 투자자들이 거의 없을 정도로 많은 투자자들이 기술적 분석을 할 때 사용하고 있으며 이동평균선의 종류 또한 다양합니다. 기본적으로 차트에 표현된 이동평균선은 단순 이동평균선이지만 실제로 매매를 할 때는 많은 분들이 지수 이동평균선을 사용하고 계시는 것을 보실 수 있습니다.
반응형
이번 글에서는 이동평균선 중에서도 가장 많이 사용하시는 단순, 지수, 가중 이동평균선이 어떤 차이점이 있는지 그 부분을 차트 예시 이미지와 함께 설명해드릴 것이며 복잡하게 계산을 하여 차이점을 보는 것이 아니라 조금 더 이해하기 쉬운 방향으로 설명을 드릴 것입니다. 계산법이 복잡해서 잘 이해가 되지 않으셨던 분들은 이번 글을 통해서 이동평균선의 종류에 대해 공부해보시고 매매하실 때 본인이 가장 효율적으로 사용할 수 있는 지표에 대해서 고민해보시는 시간을 가져보시기 바랍니다.
썸네일
이동평균선의 종류
이동평균선의 종류는 단순, 지수, 가중, 기하, 삼각, 조화 이동평균선이 있습니다. 그 중에서도 이번 글에서는 많은 투자자분들이 가장 많이 사용하시는 단순, 지수, 가중 이동평균선의 차이점에 대해서 알아볼 것이며 이해하시기 쉽게 예시를 통해서 설명을 드릴 수 있도록 하겠습니다. 필자는 보통은 지수 이동평균선을 사용하지만 필자가 처음부터 이런 이동평균선의 종류에 대한 개념이 명확해서 지수 이동평균선을 사용한 것은 아닙니다. 유튜브나 블로그, 또 필자에게 주식투자를 가르쳐주신 분들이 모두 지수 이동평균선을 사용하고 있었기 때문에 단순히 지수 이동평균선을 사용한 것입니다.
이렇게 지수 이동평균선을 사용하다가 다른 이동평균선의 종류와는 어떤 차이가 있는지 알아보기 위해서 열심히 찾아보았지만 복잡한 계산 방법만 나와있을 뿐 비교를 해서 설명해주는 글이나 영상을 찾기는 어려웠습니다. 이러한 이유로 이번 글에서는 여러분들께 계산 방법이 아닌 차트의 예시를 통해서 설명을 드리고자 합니다.
반응형
이동평균선 종류에 따른 계산 방법
이동평균선 종류에 따른 계산 방법이라고 해서 복잡할 것은 없습니다. 딱 한 가지 개념만 잘 이해를 하신다면 지수와 가중 이동평균선이 어떻게 만들어지는지 잘 이해하실 수 있기 때문에 천천히 읽으시면서 공부해보시기 바랍니다.
단순 이동평균선
단순 이동평균선은 우리가 흔히 알고 있는 평균값을 연결해놓은 선입니다. 예를 들어 60일 이동평균선이(종가)라고 하면 60일간의 종가를 모두 더한 다음 60으로 나눈 후 그 점을 계속해서 이어둔 것이 60일 이동평균선입니다. 평균적으로 주가가 상승하게 되면 이동평균선도 상승하게 되고 평균적으로 주가가 하락하게 되면 이동평균선 또한 하락하게 됩니다. 단순 이동평균선은 정확히 나누어 떨어지는 것이며 제일 평균적인 수치 값이라고 생각하시면 됩니다.
지수 이동평균선
지수 이동평균선은 단순 이동평균선을 계산할 때 마지막에 비중을 더 두고 계산을 하는 것입니다. 예를 들어 5일 이동평균선을 계산한다고 가정해보겠습니다. 단순 이동평균선은 5일간의 주가의 합을 더한 다음 5로 나눈 값을 선으로 이어서 표현하는 것입니다. 다만 지수 이동평균선은 여기서 ‘마지막 날짜의 주가 변동폭’ 에 더 가산을 해서 계산을 하는 것입니다.
이동평균선 종류에 따른 계산 방법이라고 해서 복잡할 것은 없습니다. 딱 한 가지 개념만 잘 이해를 하신다면 지수와 가중 이동평균선이 어떻게 만들어지는지 잘 이해하실 수 있기 때문에 천천히 읽으시면서 공부해보시기 바랍니다.
단순 이동평균선
단순 이동평균선은 우리가 흔히 알고 있는 평균 값을 연결해놓은 선입니다. 예를 들어 60일 이동평균선이(종가)라고 하면 60일간의 종가를 모두 더한 다음 60으로 나눈 후 그 점을 계속해서 이어둔 것이 60일 이동평균선입니다. 평균적으로 주가가 상승하게 되면 이동평균선도 상승하게 되고 평균적으로 주가가 하락하게 되면 이동평균선 또한 하락하게 됩니다. 단순 이동평균선은 정확히 나누어 떨어지는 것이며 제일 평균적인 수치 값이라고 생각하시면 됩니다.
지수 이동평균선
지수 이동평균선은 단순 이동평균선을 계산할 때 마지막에 비중을 더 두고 계산을 하는 것입니다. 예를 들어 5일 이동평균선을 계산한다고 가정해보겠습니다. 단순 이동평균선은 5일간의 주가의 합을 더한 다음 5로 나눈 값을 선으로 이어서 표현하는 것입니다. 다만 지수 이동평균선은 여기서 ‘마지막 날짜의 주가 변동폭’에 더 가산을 해서 계산을 하는 것입니다.
지수 이동평균선 : 5거래일 간의 주가의 합 + 마지막 날 주가 가중 / 5
위와 같은 식이 나오기 때문에 같은 기간 동안 주가가 상승하면 지수 이동평균선이 단순 이동평균선보다 높은 구간에 위치하는 것이고 같은 기간 동안 주가가 하락하면 지수 이동평균선을 계산할 때 마지막 날 하락에 더 비중을 두고 계산되기 때문에 단순 이동평균선보다 아래에 위치하게 됩니다. 이 부분은 가중 이동평균선까지 설명드린 후 차트 예시 이미지를 보면서 설명드리겠습니다.
가중 이동평균선
지수 이동평균선을 이해하셨다면 가중 이동평균선은 더 쉽게 이해하실 수 있습니다. 가중 이동평균선은 ‘지수 이동평균선보다 마지막 날짜의 주가 변동폭’ 에 더 많은 비중을 두고 계산하는 것입니다. 예를 들어 단순 이동평균선과 지수 이동평균선을 계산할 때 지수 이동평균선의 마지막 날 가중치가 수치 값으로 1이라고 표현을 할 수 있다면 가중 이동평균선은 마지막 날 가중치를 수치 값으로 2라고 표현할 수 있습니다.
주가가 상승했다는 가정 (가중치는 양수(+)입니다.)
단순 이동평균선 : 5 거래일 간의 주가의 합 / 5
지수 이동평균선 : 5거래일 간의 주가의 합 + 가중치 10% / 5
가중 이동평균선 : 5거래일 간의 주가의 합 + 가중치 20% / 5
주가가 하락했다는 가정 (가중치는 음수(-)입니다.)
단순 이동평균선 : 5 거래일 간의 주가의 합 / 5
지수 이동평균선 : 5거래일 간의 주가의 합 + 가중치 10% / 5
가중 이동평균선 : 5거래일 간의 주가의 합 + 가중치 20% / 5
주가가 상승하거나 하락할 때 기준으로 분모와 분자는 위와 같이 표현될 수 있으며 이렇게 계산하게 된다면 주가가 상승할 때는 같은 5로 나눠도 분모의 값이 제일 큰 가중 이동평균선이 제일 위에 나타나며 그다음으로 지수 이동평균선, 단순 이동평균선으로 배열이 되는 것이며 주가가 하락할 때는 반대로 분모가 제일 작은 가중 이동평균선이 제일 아래 나타나며 그 위로 지수, 단순 이동평균선이 순서대로 배열되는 것입니다.
반응형
이동평균선 종류와 주가 등락에 따른 배열
같은 평균 기간 동안 주가가 상승할 때는 가중 > 지수 > 단순 이동평균선 순서대로 위치가 배열되며 주가가 하락할 때는 단순 > 지수 > 가중 순서대로 이동평균선의 배열이 나타나게 됩니다. 다만 여기서 보여드릴 차트 예시를 보고 이동평균선의 배열이 꼬여있는 모습에 조금 의문을 가지실 수도 있기 때문에 먼저 한 가지를 말씀드리고 예시 차트를 보도록 하겠습니다.
이론상으로 주가가 상승할 때와 하락할 때 위와 같이 이동평균선이 배열되는 것은 맞지만 주가가 상승을 할 때는 상승하면서 단기 조정을 보여주고 주가가 하락할 때는 하락하면서 단기 반등을 보여주곤 합니다. 이런 경우에는 이론에서 조금 벗어나서 상승과 하락이 중간중간 반복되기 때문에 이동평균선의 배열이 조금은 바뀔 수 있다는 점을 감안해서 참고해주시면 됩니다.
그럼 바로 차트 예시를 보면서 주가가 변동함에 따라 이동평균선의 배열이 어떻게 만들어지는지 한번 살펴보겠습니다.
주가의 방향성에 따른 이동평균선의 배열
주가가 상승하는 구간에서 나열 되어 있는 이동평균선 예시 차트 이미지
예시 차트를 보시면 주가가 상승과 하락을 반복하면서 우상향 하는 모습을 보여주고 있습니다. 이때 박스로 표현해둔 구간은 가파르게 상승하는 구간을 보여주고 있으며 이 구간에서 이동평균선의 배열을 보시면 가중 이동평균선, 지수 이동평균선, 단순 이동평균선 순서로 나열된 것을 확인하실 수가 있습니다. ‘마지막 날 주가의 변동폭’ 을 더 비중을 두고 계산한 순서인 가중, 지수, 단순 이동평균선이 순서대로 배열되는 것입니다. 그럼 이번에는 하락하는 경우에 어떤 배열이 나타나는지 한번 보도록 하겠습니다. 색상은 동일하기 때문에 이미지로 참고해주시면 됩니다.
주가가 하락하는 구간에서 나열 되어 있는 이동평균선 예시 차트 이미지
예시 차트 이미지를 보시면 주가가 하락하는 과정에서는 하락에 제일 많은 비중을 두고 계산한 가중 이동평균선이 제일 아래 위치한 것을 보실 수 있고 그다음으로 지수, 단순 순서대로 아래서부터 위로 나열된 것을 확인하실 수 있습니다.
이것이 필자가 앞에서부터 말씀드린 단순, 지수, 가중 이동평균선의 개념 이해 과정이며 주가의 방향성에 따라 나타나는 배열 방식입니다. 조금 쉽게 말씀드리면 마지막 날 주가의 변동성을 더 비중 있게 계산한 가중, 지수, 단순 순서대로 민감도를 생각하시면 됩니다. 민감 도라고 하는 것은 상승과 하락에 예민하게 반응해서 상승하면 더 빠르게 위로 올라가고 하락하면 그 하락에 제일 민감하게 반응하여 내려간다는 의미로 생각하시면 됩니다. 제일 민감한 지표는 가중 이동평균선, 제일 둔한 지표는 단순 이동평균선이라고 할 수 있습니다.
반응형
이 정도면 어느 정도 이동평균선의 종류에 대한 이해를 하시는데 도움이 되셨을 수 있다고 생각합니다. 보조지표를 사용할 때는 그 지표를 활용하여 매매하는 것도 중요하지만 본인이 사용하고 있는 지표의 원리와 개념에 조금은 시간을 투자해서 공부하시는 것도 좋은 매매 공부라고 생각합니다. 매매를 하시는 분들께 조금이나마 도움이 되셨기를 바라며 이동평균선의 종류를 고르시는 데에도 적극 활용해보시기 바랍니다.
같이 읽으면 좋은 글들
거래량보다 거래대금을 사용하는 이유 – 착시 현상 | SOM`s의 주식투자
볼린저밴드의 기본 원리 – 90%의 확률 | SOM`s의 주식투자
반응형
[투자기초] #3 기술적 분석 – 가중이동평균(Weighted Moving Average)
이동평균이란?
가장 대중적인 보조지표이다.
이동평균은 주식 가격의 추세를 파악하는 데 사용되며
산출 방법에 따라 단순이동평균, 지수이동평균, 가중이동평균 등으로 나뉜다.
이번 게시글에서는 이동평균 시리즈의 마지막인 가중이동평균에 대해 알아보도록 하자.
가중이동평균을 차트에 적용하면 다음과 같이 나타난다.
주식 가격에는 일정한 흐름,
즉 추세가 존재하는데
일반적으로 투자자들은 상승추세에 있는 종목에 올라타 안정적으로 수익을 얻길 바란다.
따라서 추세를 파악하는 것은 이러한 매매법에서 상당히 중요하게 작용하는데,
이러한 추세 파악을 위해 사용되는 지표가 이동평균이다.
일반적으로 주가는 들쑥날쑥한 변동성을 가지는데
이 때문에 추세를 파악하는 것은 다소 힘들 수 있다.
따라서 불규칙하게 보이는 들쑥날쑥한 부분을 제거한다면 추세를 보기에 쉬울 것이며
이동평균은 며칠간의 주가를 평균내기 때문에 이러한 들쑥날쑥한 부분,
즉 잡음(noise)을 제거하고 추세를 파악할 수 있게 도와준다.
계산방법 및 예시
가중이동평균을 산출하는 식은 다음과 같다.
가중 이동평균은 위와 같은 방식으로 최근의 주가에 가중치를 두어 계산한다.
하지만 단순이동평균과 비교해 볼 때 투자자들은 큰 차이점을 느끼지 못하는 경우가 많아
단순이동평균에 비해 널리 활용되지는 않는다.
예를 들어, 알파프라임이라는 주식이 있다고 가정하자.
Ex]
알파프라임 일자 종가 2019.05.06 10000 2019.05.07 10650 2019.05.08 10300 2019.05.09 10200 2019.05.10 10000 2019.05.13 10230
알파프라임이라는 주식의 5월 10일 기준 5일 가중이동평균을 구해보자.
우선 5일 가중이동평균을 구할 것이기에 위의 식에서 분모는 15가 된다(=5+4+3+2+1)
분자는 각 종가에 가중치를 곱해 더한 것이다.
따라서
(1*10000 + 2*10650 + 3*10300 + 4*10200 + 5*10000)이 되고 이 값을 15로 나눠주면
5월 10일의 5일 가중이동평균이 된다.
따라서 5월 10일의 5일 가중이동평균은
(1*10000 + 2*10650 + 3*10300 + 4*10200 + 5*10000)/15 = 10200 이 된다.
같은 방법으로 5월 13일의 5일 가중이동평균은
(1*10650 + 2*10300 + 3*10200 + 4*10000 + 5*10230)/15 = 10200 이 된다.
[가중이동평균의 특징]가중이동평균은 특정한 기간 동안의 주가를 최근의 가격에 더 높은 가중치를 두어 계산한다.
가장 최근의 일자에 가장 큰 가중치를 두기 때문에
단순이동평균에 비해 최근의 시장 분위기를 잘 반영한다는 장점이 있다.
단순이동평균과 마찬가지로 그 기간 동안의 가격을 대표하는 값이며
이동평균 안에는 그동안의 가격 움직임을 포함하고 있다.
가중이동평균은 투자자에 따라서 다양한 기간을 사용하는데,
단순이동평균과 같이 대체로 5일, 20일, 60일, 120일, 240일 등의 이동평균이 사용된다.
[이동평균을 활용한 매매전략]
첫 번째로, 가장 단순한 방법이 골든크로스와 데드크로스를 활용해 매매 하는 것이다.
골든크로스란 단기 이동평균선(ex.20일선)이 장기이동평균선(ex.60일)을 돌파하는 것을 말하며
데드크로스는 반대의 경우이다.
이를 활용해 매매하는 방식은 위와 같다.
투자자의 성향에 따라 다르지만 일반적으로 단기이동평균선을 5일, 또는 20일로 설정하고,
장기이동평균선을 60일, 또는 120일로 설정하여 서로 교차하는 지점을 매매시점으로 삼는다.
(덧붙여 현재 주가가 장기 이동평균선을 돌파하는 것도 골든크로스로 보고 매수시점으로 삼을 수 있다)
위 예시는 20일선과 60일선의 골든크로스를 활용하여 매수시점을 포착한 것으로,
두 이동평균선의 교차(크로스)가 일어난 빨간색 동그라미 지점이 매수 시점이 된다.
두 번째로, 이동평균선의 배열을 활용 하는 것이다.
정배열을 활용해 투자를 하는 것은 특정 종목의 매수를 정배열인 구간에만 하는 것을 뜻한다.
정배열이란 아래에서부터 장기, 중기, 단기 이동평균선이 위치하는 것으로
주가가 상승추세에 있음을 나타낸다.
위의 예시를 살펴보자. 빨간색으로 표시된 구간이 5, 10, 20, 60, 120, 240일선이 정배열인 구간이다
(어떤 이동평균선을 포함하느냐는 투자자에 따라 다르다)
2018년 12월 정배열로 진입한 구간(빨간색으로 표시된 구간)에 매수를 하여
큰 음봉이 나온 2019년 2월말 60일 이동평균선을 깨며
주가가 장기 이동평균선을 하향으로 돌파하는 파란색 동그라미에
매도하는 방식으로 매매전략으로 활용 가능하다.
이는 위에서 언급한 데드크로스와 정배열을 조합한 예시로,
실제 투자에서는 이와 같이 여러 전략을 혼합하여 매매에 참고하는 경우가 많다.
정배열의 장점
그렇다면 왜 정배열인 종목을 매수하는 것이 유리할까?
그 이유는 가격의 ‘지지’와 ‘저항’을 생각해보면 간단하다.
이동평균선은 특정 기간을 대표하는 가격이기에
투자자들에게 지지선과 저항선으로 작용하는데
정배열인 종목은 주가 아래에 차례대로 이동평균선이 위치하기 때문에
5일선, 20일선, 60일선 등 다수의 가격 지지선이 존재하며,
위로는 가격 저항선이 이동평균선 상으로는 존재하지 않다.
따라서 기대되는 가격 상승폭은 크면서도 가격 하락폭은 작다.
위의 예시를 통해 살펴보면 더욱 직관적으로 알 수 있다.
빨간색으로 표시된 정배열 구간에서 주가는 떨어질 때 이동평균선의 지지를 받고
(한 이동평균선이 지지를 못해주더라도 그 아래의 다음 이동평균선이 지지)
다시 위로 올라가는 모습을 관찰할 수 있다.
하지만 역배열인 종목은 주가 아래로는 가격 지지선이 존재하지 않아 큰 폭의 가격 하락도 가능하면서도
위로는 단기, 장기 이동평균선이 존재하여 주가가 오르더라도 저항선으로 작용한다.
다음의 차트를 관찰해 보자. 주가는 2018년 8월부터 계속 하락을 멈추고 반등하려고 시도하는데 계속하여 이동평균선의 저항을 받아 힘겨워 하는 모습이 보인다. 이동평균선들이 저항선으로 작용하기 때문이다.
https://alphasquare.co.kr/home/stock/stockinfo?code=005930?source=tistory
[캔들지표] 이동평균선 – 가중이동평균(WMA), 지수이동평균(EMA)
반응형
주식을 시작하면서 가장 먼저 배우게 되는 기술적 분석 중 하나가 이동평균선을 이용한 분석 방법입니다.
이동평균은 캔들지표에 속하며 종류에는 단순, 지수, 가중, 기하, 조화, 삼각 등이 있으며 기본적으로 단순 이동평균(SMA), 지수 평균(EMA), 가중평균(WMA)을 이용하는 분석방법을 주로 사용합니다.
#기술적 분석 모음은 아래 포스팅을 참조하세요
이동평균선이란?
주식시장이나 파생상품시장에서 기술적 분석을 할 때 쓰이는 기본 도구 중 하나.
이동평균선(이평선)을 통해 거래액, 매매대금, 주가 등 다양한 분야에서 접목할 수 있다. 과거의 평균적 수치에서 현상을 파악(주로 추세)하여 현재의 매매와 미래의 예측에 접목할 수 돕는 것이 목적이다.
예를 들어, 10일 이평선은 과거 10일 동안의 주가를 평균 낸 값을 매일 점으로 표시하고, 이를 계속 이어서 표시하는 선이다. 이런 이평선과 현재 주가의 괴리가 얼마나 벌어져 있는가로 추세적 매매를 결정하는 것.
단순 이동평균(SMA)이 자주 쓰이지만 지수 평균(EMA), 가중평균(WMA) 등을 사용하는 경우도 있으며 주로 많이 쓰는 건 5일, 10일, 20일, 60일, 120일 이동평균선입니다.
삼성전자의 단순이동평균(SMA)
가중이동평균 (Weighted Moving Average)
현재의 값, 데이터에 더 가중치를 두고 과거의 값에는 보다 적은 가중치를 두어, 현재의 추세를 더욱 잘 반영하도록 표현하도록 한 이동평균선으로 단순 이동평균의 단점을 보안한 기법이다.
가중이동평균은 기간에 따른 가중치를 달리하여 이동평균을 구하는 것으로 가중치를 부여하는 방법에 따라 여러 가지로 분류될 수 있으나, 보편적으로 선형 가중 이동평균(Linearly WMA)이 사용된다.
+ 장점
– 현재에 가까운 데이터를 가중치를 높여 더 현실적이다.
단순이동평균은 과거의 데이터까지 단순 평균 계산을 하다 보니 현재의 추세가 과거 데이터로 인하여 희석이 되는 현상이 발생합니다. 과거 오늘이 10일이고, 그간 큰 하락 추세였던 추세가 8일부터 강한 상승을 보인다고 하였을 때 그런데 10일 이동평균을 구한다고 한다면, 오늘 10일 날의 종가를 뺀 10일 종가를 단순 평균을 구하게 됩니다. 그렇게 되면 어제부터 시작된 강한 상승추세는 그동안 큰 하락 추세의 종가들 때문에 현재 상승 중임에도 하락하는 듯 보이는 오류가 발생되게 됩니다. 즉 반전되는 추세에서 현재의 값들은 과거의 값들과 같이 평균을 내기 때문에 제대로 반영이 되지 않게 되는 것입니다. 이런 오류를 보완하고자 가중 이동평균이 생기게 된 것입니다.
– 지지선, 저항선으로 구분 할 수 있다.
이평선으로 자주 사용되는 기법으로 중, 장기 이평선 위아래를 지지선, 저항선으로 구분을 한다.
저항선을 뚫으면 더 크게 상승을 하고 지지선을 뚫리면 큰 하락을 하게 된다.
+ 단점
– 특정 기간 내의 가격 데이터만이 포함됨
이것으로 인해 하나의 가격 데이터에 대해 이동평균값이 두 번씩 반응하게 된다. 즉, 새로운 가격 데이터가 처음으로 이동평균에 추가될 때 한번 반응하고, 가장 오래된 가격 데이타가 되어 새로운 이동평균의 계산에서 제외될 때 한번 더 반응하게 된다. 그리고 과거 데이터도 현재 데이터와 동일한 비중으로 평균 계산에 사용하기 때문에, 그 사이에 손바뀜에 생기면 세력의 특성을 곡해하는 문제가 생긴다
– 거래량이 포함되지 않음
주식에서는 거래량이 중요한 요소인데 이동평 선에서는 거래량이 포함되지 않는다.
그렇기 때문에 매일 거래량이 달라질 수 있기 때문에 거래량이 크게 변하는 날이 있다면 세력의 실질적인 매매 평균 가격과는 차이가 생긴다.
지수이동평균 (Exponential Moving Average)
지수 이동평균은 과거 특정한 기간의 가격을 단순히 평균하여 산출하지 않고 최근의 가격에 더 높은 가중치를 두어 산출된 이동평균선이다.
가장 최근의 일자에 가장 큰 가중치를 두고 오래된 값은 적은 가중치를 부여해서 최근의 시장 분위기를 잘 반영한다. 그리고 비록 오래된 값이라고 할지라도 완전히 무시하지는 않고 적게나마 반영시켜 계산한다는 장점이 있다. 단기 변동성을 포착하려는 것이 목적이다.
+ 장점
– 비율에 따른 수치로 계산을 하여 단순 이동평균, 가중 이동평균보다는 현재를 좀 더 잘 반영함
가중 이동평균도 마찬가지로, 또 오류가 발생하게 됩니다. 가중치 값이 정수로써 계산을 하다 보니, 기울기 값이 커지게 되어, 즉 이동평균선이 조금만 추세가 커도 기울기가 커지게 되다보니 일시적인 조정등에 속을 수 있는 경우가 발생되는 것입니다. 예를 들어, 몇 주간 완만한 상승을 잘 보이던 주식이, 최근 며칠 큰 폭으로 조정을 받았다고 합시다. 그렇게 되면 가중이동평균 선의 기울기가 아래로 급하게 꺾이게 됩니다. 그럼 추세가 반전이 되어 하락하는 줄 알고 트레이더가 매도를 하게 되는 현상, 즉 속임수 신호에 속게 되는 것입니다. 이를 보완하고자 가중이동평균 중 정수가 아닌 지수, 즉 비율에 따른 수치로 계산을 하여 단순 이동평균보다는 현재를 좀 더 잘 반영할 수 있으며, 가중 이동평균보다는 한쪽에 치우치지 않은 이동평균선을 만든 것 지수 이동평균입니다.
– 단기 변동성을 파악할 때 좋다.
지수 이동평균선은 현재를 좀 더 반영을 하기 때문에 단타를 하는 사람들이 단기 이평선을 통해 저항선, 지지선을 파악하기에 좋다.
+ 단점
– 거래량이 포함되지 않음
주식에서는 거래량이 중요한 요소인데 이동평 선에서는 거래량이 포함되지 않는다.
그렇기 때문에 매일 거래량이 달라질 수 있기 때문에 거래량이 크게 변하는 날이 있다면 세력의 실질적인 매매 평균 가격과는 차이가 생긴다.
가중 이동평균선 매매전략, 지수 이동평균선 매매전략
– 이동평균선에 대한 매매전략은 동일합니다.
– 단순이동평균(SMA), 가중이동평균(WMA), 지수이동평균(EMA)
1) 단기 이평선이 중, 장기 이평선을 상향 돌파할 시(골든크로스) 매수 신호
골든크로스는 보통 단기 이평선이 중기 이평선 위로 올라갈 때를 의미합니다.
아래 그림을 보시면 단기 이평선인 중장기 이평선인 넘어설 때를
골든크로스라고 합니다.
* 보통 저는 5일-30일 / 10일-60일 선을 비교합니다.
2) 단기 이평선이 중, 장기 이평선을 하향 돌파할 시 (데드크로스) 매도 신호
골든크로스와 반대되는 말로 단기 이평선이 중기 이평선 아래로 떨어질 때를 의미합니다.
아래 그림을 보시면 단기 이평선인 단순 이동평균(10)이 중장기 이평선인 단순 이동평균(60) 보다 떨어질 때를
데드크로스라고 합니다.
3) 단기, 중기, 장기 이동평균선이 정배열 일시매수 신호
장기선 < 중기선 < 단기선 경우에 ‘정배열’이라 하고 상승추세가 시작된다고 정의합니다. 아래 그림을 보시면 이평선이 정배열 일시 상승추세가 시작되는 것을 볼 수 있습니다. 4) 단기, 중기, 장기 이동평균선이 역배열 일시 매도 신호 장기선 > 중기선 > 단기선 순서일 경우에 ‘역배열’이라 하고 하락 추세가 시작된다고 정의합니다.
아래 그림을 보시면 이평선이 역배열 일시 하락 추세가 시작되는 것을 볼 수 있습니다.
5) 저항선을 뚫을 경우 매수 신호
단타로는 분봉, 5일선,10일선을 주로 활용하며 거래량을 파악한 뒤 매수 라인을 구합니다.
중장기 이평선인 60, 120 선을 뚫을 경우 큰 상승을 하게 됩니다.
특히 단기, 중기, 장기 이평선이 모여져 있는 상태에서 돌파할 시 큰 상승을 하게 됩니다.
부광약품 차트
6) 지지선이 뚫릴 경우 매도 신호
단타로는 분봉, 5일선,10일선을 주로 활용하며 손절라인을 구합니다.
중장기 이평선인 60, 120 선이 뚫릴 경우 큰 하락을 하게 됩니다.
조선내화 차트
* 캔들 지표 및 보조지표는 투자 시 참조사항일 뿐이며 해당지표로만을 이용한 투자는 금물입니다.
* 해당 차트는 알파 스퀘어를 이용하였습니다.
반응형
이동평균(Moving Average)의 계산방법 및 의미
이전에 포스팅에서, RSI수치를 구할 때 이동평균(Moving average)를 이용한다고 하였는데요,
이번에는 이것에 대해 더 자세히 알아보려고 합니다.
primestory.tistory.com/8
이동평균(moving average)이란, 말 그대로 어떤 것이 방향성을 가지고 움직일 때, 이동하면서 구해지는 평균을 뜻합니다. 즉, 동적으로 변화하는 것에는 어디든 이동평균을 적용할 수 있습니다. 주가데이터 또한, 1차원적인 방향성을 가지고 이동하기 때문에 이동평균을 적용할 수 있습니다.
1. 단순이동평균(simple moving average, SMA)
맨 오른쪽이 최신 데이터인 주가 데이터가 있다고 가정합니다.
U = [4, 1, 1, 2, 4, 11, 0, 0, 4, 2, 8]
먼저, 단순이동평균은 몇일을 기준으로 할 것인지 정해주어야 합니다.
우리는 m일의 평균을 구한다고 가정해봅시다. (window의 크기를 결정한다고도 합니다.)
구하는 방식은 다음과 같습니다.
n번째 데이터의 단순이동평균 = n번째 데이터를 포함한 왼쪽 m개의 데이터의 산술평균
이해를 돕기 위해, m=6이라고 가정해보겠습니다.
n = 1일 경우, ‘1번째 데이터의 이동평균 = 1번째 데이터를 포함하여 왼쪽의 6개의 데이터의 산술평균’ 이 되겠군요.
그런데, 1번째 데이터를 포함하여 왼쪽에 6개 데이터가 있나요? 존재하지 않습니다. 이런 경우, 평균을 구할 수가 없습니다.
따라서, 값 11에 해당하는 6번째 데이터부터 구할 수가 있을 것입니다.
n = 6일 경우, (4+1+1+2+4+11)/6 = 3.833
n = 7일 경우, (1+1+2+4+11+0)/6 = 3.167
…
n = k일 경우, ….
…
사실 매번 m = 6개를 더해줄 필요 없이, (이전의 이동평균)+ (들어온 가장 최신의 값 – 나간 가장 오래된 값)/m 을 해주면 될 것입니다.
이렇게 해서 이동평균을 구하게 될 경우, 각 데이터의 이동평균은 아래와 같이 구해집니다.
NaN(Not a number)은 연산이 불가능하다는 의미입니다.
simple moving average = [NaN, NaN, NaN, NaN, NaN, 3.833, 3.167, 3, 3.5, 3.5, 4.5]
눈치채셨겠지만, 이러한 moving average는 window의 크기, m의 값에 큰 영향을 받습니다. 왜냐하면, m의 크기에 따라 몇개의 이전 데이터로 계산할지가 결정되기 때문입니다. window크기보다 더 이전의 데이터는 이동평균에 영향을 미치지 못한다는 단점이 있습니다. 이런 이유로 여러 다른 이동평균이 사용됩니다.
2. 누적이동평균(Cumulative moving average, CMA)
누적이동평균은, simple moving average와 같이 산술평균을 구하는 것은 동일하나, window (m값)을 정해놓지 않습니다.
따라서, 모든 데이터를 고려하고 싶을 때 사용합니다.
이것은, 새로운값이 들어올때마다 전체 평균을 새롭게 구하는 것과 동일합니다. 다시 이전의 데이터를 가져와 보겠습니다.
U = [4, 1, 1, 2, 4, 11, 0, 0, 4, 2, 8]
구하는 방식은 다음과 같습니다.
n번째 데이터의 누적이동평균 = n번째 데이터를 포함한, 이전 모든 데이터의 평균
n = 1일 경우, 1번째 데이터를 포함한, 이전 모든 데이터의 평균이므로 그냥 4가 되겠군요.
n = 2일 경우, 2번째 데이터를 포함한, 이전 모든 데이터의 평균이므로, (4+1)/2
n = 3일 경우, 3번째 데이터를 포함한, 이전 모든 데이터의 평균이므로, (4+1+1)/3
….
마지막 데이터의 누적이동평균은 결국 전체 데이터의 평균이 될 것임을 알 수 있습니다.
계산은 n+1번째 이동평균 = (n번째 누적이동평균*n + 새로 들어온 값)/(n+1) 을 이용하면
매번 모든 것을 더하지 않고 계산 할 수 있음을 확인할 수 있습니다.
cululative moving average = [4, 2.5, 2, …]
이러한 결과는 이전의 모든 데이터를 포함하게 되므로, simple moving average과 다르게 이전의 모든 데이터의 영향을 받게 됩니다. 하지만, 우리는 최신의 데이터가 훨씬 현재의 상황을 더 잘 반영해 준다고 생각하기 때문에, 최신의 데이터가 더 큰 영향력을 발휘하기를 원합니다. 따라서, 또 다른 방식을 이용하게 됩니다.
3. (선형)가중이동평균(weighted moving average, WMA)
가중이동평균은, 데이터의 위치에 따라 서로 다른 가중치를 부여한 후 이동평균을 계산하게 됩니다.
simple moving average와 동일하게 몇일을 기준으로 구할 것인지 window의 크기 m을 지정해 주어야 합니다.
구하는 방식은 다음과 같습니다.
A = dot product( [m, m-1, m-2, … , 1], [n번째 데이터, n-1번째 데이터, … , n-m+1번째 데이터] )
B = m + (m-1) + … +1
n번째 데이터의 선형가중이동평균 = A / B
이러한 방식을 선형가중이동평균이라고 합니다. 왜냐하면, 오래된 데이터로 갈 수록 곱해지는 값이 선형적으로 감소하기 때문입니다. 이 또한, 수학적으로 식을 변형하면, 매번 전체를 계산하지 않고 구할 수 있습니다.
참고) 왜 이것이 평균의 의미를 갖는지 궁금해 하실 수도 있습니다. 지금은 곱해지는 값이 선형적으로 감소하지만, 이것이 선형적이지 않고 상수함수의 형태라고 생각해보겠습니다. 그렇다면, 아래와 같은 식의 꼴일 것입니다.
A = dot_product( [m, m, m, …., m], [n번째 데이터, n-1번째 데이터, …., n-m+1번째 데이터] )
B = m+m+m… +m
A/B를 계산하면, 이것은 단순히 m = 6 인 simple moving average와 동일하게 됩니다. 즉, simple moving average 또한 사실 위의 꼴인데 그것을 상수함수가 아닌 선형함수로 변형해서 평균을 구하였다고 생각하면 될 것 같습니다.
어쨌든 이러한 방식은, 최신의 데이터에 더 큰 가중치 곱함으로서 최신의 데이터가 결과에 더 큰 영향력을 발휘하게 합니다.
하지만, 목적에 맞추어 조금 더 유연하게 활용하기 위해 비선형적인 방식으로 곱해갈 수도 있습니다.
4. 지수가중이동평균 (Exponentially weighted moving average, EWMA)
지수적으로 감소하는 가중치를 곱해준다는 의미만 다르고, 선형가중이동평균과 본질은 동일합니다.
따라서, 구하는 방식은 다음과 같습니다.
A = dot product( [ 1 , (1 – α) , (1 – α)^2 , … , (1 – α)^(m-1) ], [n번째 데이터, n-1번째 데이터, … , n-m+1번째 데이터] )
B = 1 + (1 – α) + (1 – α)^2+ … + (1 – α)^(m-1)
n번째 데이터의 지수가중이동평균 = A / B
이것은 다음과 같은 식으로 변형할 수 있습니다.
따라서, 현재의 지수가중이동평균은 바로 이전의 데이터의 지수가중이동평균을 이용하여 구할 수 있음을 보여줍니다.
위의 식을 다시 쓰면 다음과 같습니다.
1번째 지수가중이동평균 = 1번째 데이터 값
n번째 지수가중이동평균 = (1 – α ) * (n-1번째 지수가중평균) + α * 현재 데이터값
따라서, 가장 오래된 데이터부터 시작해서 재귀적(recursive)하게 가장 최근의 데이터까지 지수가중이동평균을 구할 수 있습니다. 새로운 데이터가 추가되어도 재귀적으로 바로 구할 수 있습니다.
이 때, α 값은 다음과 같은 세가지 방식 중 하나로 구해질 수 있습니다. 이것은 우리가 임의로 설정해 줄 수 있고, 각자가 가지는 의미는 다양합니다만 저도 사실 아주 자세히는 아직 살펴보지 않았습니다. 아마도 물리적인 의미를 가지고 있지 않을까 생각해 봅니다.
그렇다면 우리가 자주사용하는 RSI 14지표에 대해 설명할 수 있습니다.
Wilder는 RSI 14를 추천했으며, α = 1/14 에 해당합니다. 즉 , c = period -1
window의 크기는 정해져 있지 않고, 새로운 데이터가 들어올 때마다 RSI값은 계산됩니다.
5. 더 나아가서
핵심은, 각기 다른 이동평균도 결국은 이동평균이라는 큰 맥락에서 벗어나지 않는다는것 같습니다. 제 생각에는, 적절한 목적에 맞게 각자 다른 이동평균을 고려하는 것은 중요함과 동시에, 비선형적인 새로운 방식으로 가중치를 주는 것은 하나의 시도가 될 수도 있을 것 같습니다. 또는, 단순 dot product의 형태에서 벗어나 새로운 형태를 고안해보는것도 좋은 시도일 것 같습니다. 물론, 그것은 특정한 목적과 아이디어가 필요하다고 생각됩니다.. 또한, 수학적으로 충분히 의미를 함포하고 있어야 할 것이라고 생각됩니다.
단순이동평균(SMA), 가중이동평균(LWMA), 지수이동평균(EMA)
추세추종전략에 대해서 더 글을 올리기 전에 기초적인 내용을 하나 더 올리도록 하겠습니다.
이동평균선에 대해서는 다들 알고 있을텐데요. 흔히 20일 이동평균선이라고 한다면
20일 동안의 종가를 모두 더하여서 20으로 나눈 값을 쓰는데 이 값을 단순이동평균이라고 합니다.
20일 이동평균선은 보통 오늘의 값은 20일전부터 오늘까지의 값을 더하고 나눈 값을 쓰고, 1일 전의 값은 21일전부터 1일전의 값을 더하여서 20으로 나눈 값을 씁니다. 이렇게 나온 값을 선으로 이은 것이 이동평균선이 됩니다.
단순 이동평균은 개념이나 구하는 방법이 간단한데, 현재의 값이 반영되는 것이 느립니다. 20일 전의 가격이나 오늘 가격이나 비중이 같으니까요. 그래서 급락이나 급등을 한 경우 이동평균선이 현재의 가격 변화에 따라오려면 시간이 걸리게 됩니다.
그래서 현재의 가격 변화를 보다 빠르게 적용하고 싶을 때는 가중이동평균이나, 지수이동평균을 사용하게 됩니다.
단순 이동평균은 영어로 moving average 혹은 simple moving average 라고 합니다. 줄여서 SMA로 많이 사용됩니다.
가중이동평균 중에서 많이 쓰이는 것은 선형가중이동평균인데, linear weighed moving average라고 하고 줄여서 LWMA로 많이 시용합니다.
지수이동평균은 사실 이것도 가중이동평균법중 하나이기 때문에, exponential moving average 또는 exponential weighed moving average라고 하소 줄여서 EMA로 많이 사용이 됩니다.
수식으로 좀 더 자세히 알아보겠습니다. 수식과 이미지는 http://fxcodebase.com/wiki/index.php/Main_Page 여기서 가져왔습니다.
단순 이동평균의 수식은 다음과 같습니다.
N이 20이면 20일 동안의 가격을 더하고 20으로 나누면 됩니다.
다음은 가중이동평균입니다.
수식은 조금 복잡해 보일 수 있는데, 이 역시 간단합니다. 만약 10일간의 가중이동평균을 구한다고 한다면
첫째날 가격에는 10일 곱해주고, 둘째날에는 9를 곱해줍니다. 이렇게 10일간 같은 비율로 줄여나가서 모두 더한다음에
1부터 10까지 더한 숫자인 55로 나누어줍니다. 이렇게 구하는 것이 가중이동평균입니다. 단순이동평균보다는 현재에 가까운 가격일 수록 비중을 높게 하여서 구할 수 있습니다.
지수이동평균을 구하는 공식은 다음과 같습니다.
만약 10일동안의 지수이동평균을 구하려면 아래의 공식에서 알파 값에 2/11을 해주시면 됩니다.
아래의 챠트는 위의 공식대로 하였을 때 첫번째 날짜부터 마지막 날짜까지 EMA에 반영이 되는 비중입니다. LWMA보다 가까운 날에 대한 비중이 높은 것을 알 수 있습니다.
MT4라든지 다양한 HTS에서 이러한 이동평균에 대해서 기본으로 제공을 하기 때문에 수식은 필요없을 수도 있지만, 좀 더 다양한 백테스트를 해보기 위해서는 위의 수식들을 알고 직접 구현을 하여야 합니다.
보통 이동평균에 사용되는 가격은 종가이기 때문에 대부분 종가만을 가지고 이동평균을 구하는데, 종가 뿐만 아니라, 시가, 고가, 저가, 종가 모두 이동평균을 구하여서 다양한 백테스트를 해볼 수 있습니다.
FX마진거래에서 많이 쓰이는 MT4 같은 경우에는 그 외에도 median price = (고가 + 저가)/2 , typical price = (고가 + 저가 + 종가)/3, weighted price = (고가 + 저가 + 2*종가)/4의 값으로도 이동평균을 구할 수 있도록 되어 있습니다. 이렇게 가공된 가격 이외에도, 각종 보조지표들의 이동평균도 필요로 할 수 있습니다.
소개하려고 하는 논문중에는 RSI 값과 EMA(RSI)의 값을 비교해서 전략을 만든 경우도 있습니다.
이를 직접 백테스트해보려면 본인이 모두 구현을 해보아야 합니다.
다음 글에서는 추세추종전략에 대해서 계속 쓰도록 하겠습니다.
지수 가중 이동평균(Exponentially Weighted Averages) *
제목에 * 표시가 있는 것은 추가할 내용이 있거나 수정할 내용이 있다는 표시입니다.
이 글은 deepLearning.ai의 Andrew Ng 교수님 강의를 정리하였음을 미리 밝힙니다.
지수 가중 이동평균(Exponentially Weighted Averages)
지수 가중 이동평균은 경사하강법 및 미니배치 경사하강법보다 효율적인 알고리즘을 이해하기위해 알아야하는 개념입니다. 이 개념은 최근 데이터에 더 많은 영향을 받는 데이터들의 평균 흐름을 계산하기 위한 것으로 최근 데이터에 더 높은 가중치를 줍니다. 수식으로 알아보겠습니다.
여기서 는 번째 데이터의 가중 지수가중이동평균입니다. 그리고 값은 하이퍼파라미터로 최적의 값을 찾아야하는데 보통은 0.9를 많이 사용합니다. 마지막으로 는 번째 데이터의 값입니다. 그럼 먼저 값을 변경해보면서 이 수식에 대한 이해를 해보겠습니다.
우선, 가 0.9일 경우를 보겠습니다. 사실 이 때의 는 이전 10개의 데이터의 평균과 거의 같습니다. 이는 아래 식으로 계산해낼 수 있습니다.
average of the previous data
우선 지금은 에 따른 지수가중이동평균값을 이해하기위해 위 식이 성립하는 이유는 나중에 언급하겠습니다. 다시 돌아와서 가 0.9일때 지수가중이동평균 그래프는 다음과 같이 그려집니다. 아래 붉은선 그래프는 일년동안의 기온변화를 지수가중이동평균으로 나타낸 그래프입니다.
그렇다면 값을 조금 높여서 0.98일때는 어떤 그래프가 그려질까요?
위와 같이 가 0.98일때, 0.9일때보다 완만하고 부드러운 곡선인 이유는 1/(1-0.98)의 값이 50이므로 위 녹색 그래프는 50개 데이터의 평균값으로 만들어지기 때문입니다. 더 많은 데이터의 평균값을 이용하기 때문에 곡선이 더 부드러워 집니다. 이는 원래의 데이터의 값과 더 멀어진다고도 할 수 있습니다. 더 큰 범위 데이터에서 평균 낸 값이기 때문입니다. 여기서 내릴 수 있는 결론은 값이 클수록 선이 더 부드러워진다는 것입니다. 그렇다면 를 0.5로 낮춘다면 어떤 그래프가 그려질까요? 그래프를 그리기 이전에 어떻게 그려질지 예측할 수 있을 것입니다.
1/(1-0.5)의 값이 2이므로 2개의 데이터의 평균값으로 그래프가 그려집니다. 오직 2개의 데이터만 이용하므로 노이즈가 심하고 민감한 그래프가 그려지는 것입니다.
그럼 이제 처음에 봤던 지수가중이동평균 식을 상세하게 분석해 보겠습니다.
설명을 편하게 하기위해서 의 순서를 역순으로 했습니다. 맨 위에 에 대한 식은 를 대체해주므로써 아래와 같이 표현할 수 있습니다.
그리고 위 식의 을 또 다음과 같이 대체할 수 있습니다.
반복적으로 값을 대체해준 후 풀어쓰면 아래와 같은 식이 나오지요.
마지막 식을 통해서 규칙성을 파악하셨겠지만 는 이전 데이터에 지수적으로 감소하는 함수를 곱해주고 모두 더해주는 것입니다. 앞의 계수들을 모두 더하면 1 또는 1에 가까운 값이 됩니다. 이는 아래서 자세히 설명드릴 편향보정 이라고 불리는 값 입니다. 이 값들에 의해 지수가중평균이 되는 것입니다. 그럼 가 얼마나 많은 데이터의 평균값이 되는지 궁금하실 겁니다. 위 예시에서 사용한 값인 0.9의 10거듭제곱 값은 대략적으로 0.35와 같습니다. 이는 값과도 대략적으로 같습니다. 일반적으로 표현하자면
즉, 값이 되기까지 이전 10개의 데이터가 필요한 것입니다. 이를 한 눈에 이해하기 위해서 아래 그림을 확인해 보겠습니다.
위 그림과 같이 10개 이전의 데이터의 가중치가 현재 가중치의 약 1/3로 줄어드는 것입니다. 이전에 예시로 들었던 값인 0.98의 경우 이 대략적으로 와 같습니다. 이는 이전에 언급했던 를 관습적으로 쓰는 이유입니다. 이기 때문이지요.
실제로 구현할 때는 을 모두 변수화 하지 않습니다. 아래와 같이 값을 덮어씌워 줍니다. ( 로 표시한 이유는 를 매개변수로 하는 지수가중이동평균을 계산한다는 것을 나타내기 위함입니다.)
Repeat {
}
이렇게 는 매번 업데이트 됩니다. 이렇게 지수평균값을 얻는 장점은 아주 적은 메모리를 사용한다는 점입니다. 가장 최근에 얻은 값을 계속 덮어쓰기만 하면 되니까요. 이 방법은 컴퓨터 계산비용과 메모리 효율 측면에서 더 효율적이기 때문에 오늘날 머신러닝에서 많이 사용하고 있습니다.
이동평균이란 무엇인가! 이동평균 개념과 종류 및 이동평균 공식을 이용한 이동평균계산방법
본 글은 이동평균이란 무엇인지 Moving Average (MA) 이동평균 개념과 종류 및 이동평균 공식을 이용한 이동평균계산방법을 설명합니다.
이동평균 (MA, Moving Average) 계산법을 이용해 산출된 이동평균선은 가격, 지수 등의 수치의 변화를 관찰하고 분석하는데 있어서 일정한 부분집합의 평균값 계산으로 인해 값의 전반적인 변화 흐름(추세) 파악을 용이하게 해줍니다.
이동평균법을 통해 도출된 이동평균 값을 선으로 연결하여 그래프로 표현한 이동평균선은 값의 변화와 추세에 의미를 부여하는 주식, 선물, 옵션 등 투자 분야에서 기술적분석의 도구로써 활발히 사용되고 있습니다.
이동평균이란 수의 집합에서 특정 크기의 부분 집합을 연속적으로 이동하며 산출한 평균 입니다.
이러한 이동평균은 가격, 지수, 무게, 거래량, 거리 등 수치적으로 표현할 수 있는 모든 부분에 적용하여 활용할 수 있습니다.
이동평균은 일반 평균과는 다르게 한정되어있는 수 집합의 모든 값을 대상으로 평균을 산출하는 것과는 다르게 일정한 크기의 부분집합을 평균 계산에 활용한다는 것이 특징입니다.
또한 이 부분집합을 이동시키며 연속적인 평균값을 산출함으로써 평균값의 흐름을 알 수 있게 하며, 일정 기간 혹은 데이터 구간의 평균의 흐름을 알 수 있게 해줍니다.
이러한 특징으로 인해 이동평균계산법에 의해 도출된 이동평균값은 주로 선으로 표현하여 시각화 하며, 이렇게 시각화된 이동평균선은 추세 파악과 변화를 용이하게 해줌으로써 투자 분야에서 활발히 사용되고 있습니다.
이동평균 종류에는 단순 이동평균, 가중 이동평균, 기하 이동평균, 누적 이동평균, 지수 이동평균 등이 있습니다.
다음은 단순 이동평균 (SMA, Simple Moving Average) 계산 공식 입니다.
앞서, 이동평균계산법은 수의 집합에서 일정 크기의 부분집합의 평균을 연속적으로 이동하며 계산한다고 했습니다.
이동평균계산법의 공식은 다음과 같습니다.
이동평균계산 공식에서 n은 부분집합의 크기이며, P d 는 데이터 값을 의미합니다.
위 이동평균계산 공식은 특정 데이터를 기준으로 부분집합의 수만큼 반복적으로 데이터를 더해서 부분집합의 크기만큼 나눈다는 것을 의미합니다.
예를들어, 다음과 같이 총 5개의 숫자가 있고 부분집합의 크기가 2인 이동평균을 계산한다고 합시다.
1 : 1000, 2 : 1050, 3 : 1010, 4 : 1020, 5 : 1040
부분집합의 크기를 2으로 할 경우, 위 5개의 숫자에서 2개씩 부분집합을 이루어 평균을 계산하는 것입니다.
따라서 이동평균값은 위의 예제에서는 총 4개가 나오게 됩니다.
첫번째의 경우, 이동평균을 산출할 데이터가 부족하기 때문에 산출할 수 없습니다.
아래는 위 5개의 숫자를 이동평균계산법을 이용해 산출한 이동평균값입니다.
이동평균계산법을 이용한 계산 결과
각 이동평균값을 계산한 세부적인 계산 결과는 다음과 같습니다.
이동평균 세부 계산 결과
다음은 기본 데이터와 이동평균값을 그래프로 그린 데이터선과 이동평균선입니다.
이동평균계산 결과 그래프 : 이동평균선
이동평균계산법을 이용한 이동평균 계산 결과는 일정 데이터 집합 (부분집합)에서 특징적으로 나타난 값들이 평균에 의해서 희석되는 효과가 나타남에 따라 전반적인 추세를 확인하는데 용이합니다.
특히 가격 변화 추세를 확인할 경우, 일시적을 발생한 돌출된 값에 의해서 추세 분석의 어려움이 있습니다.
하지만, 이동평균계산법은 이러한 돌출된 값이 희석되는 효과를 제공함과 동시에 계산 구간이 이동함에 따라 지나친 과거 데이터로 인해서 최근 형성된 데이터가 왜곡되는 문제를 방지해 줍니다.
뿐만아니라 이동평균은 다양한 부분집합 크기를 설정함으로써, 다양한 부분집합 크기의 이동평균 계산 결과 간 비교 분석을 할 수 있으며, 이로인해 다양한 데이터 구간 간의 추세 변화를 비교 분석할 수 있습니다.
다양한 데이터 구간 간의 추세 변화는 가격 변화 분석에서 매우 유용하게 활용됩니다. 예를들어, 장기적으로는 큰 변화가 없는 듯 보이지만, 단기적으로 가격이 상승하게 된 시점을 알 수 있게 해주는 것이 대표적인 예 입니다.
물론, 데이터 각각을 놓고 본다면 가격 변화가 어떻게 이루어졌는지 알 수 있지만, 앞서 이야기 드렸던 바와 같이 일시적으로 데이터 급등과 급락을 반복하며 변화할 경우, 가격이 오르면 변동하는 것인지 가격이 내리며 변동하는 것인지 파악하기 어렵기 때문입니다.
이러한 장점에도 불구하고 이동평균은 부분집합의 크기 (평균 산출 데이터 구간의 크기)를 어떻게 설정하느냐에 따라서 달리지는 특징을 가지고 있습니다.
또한, 부분집합의 크기가 지나치게 작거나 크게 되면, 이동평균계산방법을 통해서 파악할 수 있는 데이터가 매우 한정적이게 됩니다.
물론, 부분집합의 크기는 이동평균의 적용분야에 따라 상이하며, 같은 분야에서도 분석자의 관점과 분석 목표에 따라 상이하다고 볼 수 있습니다.
따라서 이동평균법 (이동평균계산방법)을 다양한 분야에 적용 시, 해당 분야에 맞게 부분집합 크기를 설정하는 과정이 추가적으로 필요하다고 볼 수 있습니다.
이동평균은 가격, 무게, 거리, 수량, 거래량 등 가공되지 않은 데이터에 활용할 수 있지만, 수익률, 주가수익률, 거래량비율, 자산비율, 주가순자산비율, 주당순이익, 총자산이익률, 배당률, 이자율 등 다양하게 가공된 데이터 적용하여 활용할 수 있습니다.
반응형
키워드에 대한 정보 가중 이동 평균
다음은 Bing에서 가중 이동 평균 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 #4빼어날수]주식기초 단순이동평균,가중이동평균 원리 [주식/비트코인]
- 주식
- 주식초보
- 이동평균선
- 비트코인
#4빼어날수]주식기초 #단순이동평균,가중이동평균 #원리 #[주식/비트코인]
YouTube에서 가중 이동 평균 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 #4빼어날수]주식기초 단순이동평균,가중이동평균 원리 [주식/비트코인] | 가중 이동 평균, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.