Python4Finance

میانگین متحرک (Moving Average) چیست؟
از آنجایی که امکان پیش‌بینی برای سری‌های زمانی ناایستا (Non-stationary) به راحتی امکان پذیر نیست، بهتر است عواملی که باعث خارج شدن سری زمانی از حالت ایستایی هستند، حذف شوند. به این ترتیب باید مولفه‌های شناسایی شده در سری زمانی را حذف کنیم. به این کار «هموار سازی» (Smoothing) یا «صافی» (Filtering) می‌گویند. روش‌های مختلفی برای هموارسازی سری زمانی وجود دارد. عملگرهای میانگین متحرک، هموارسازی نمایی ساده، روش‌های تفاضل‌گیری و … به حذف مولفه‌های سری زمانی کمک می‌کنند.

نگاه اقتصادی و مالی:
میانگین متحرک یکی از اندیکاتورهای مهم و مورد استفاده فراوان در تحلیل تکنیکال است که با حذف نوسانات قیمتی کمک می‌کند تا سرمایه‌گذار بتواند تصویر بهتری از متوسط قیمت و روند قیمتی را ترسیم کند.
میانگین متحرک یکی از شاخص‌های قیمتی دنباله رو است، چراکه متوسط قیمت سهام در گذشته را نشان می‌دهد (برای مثال 50، 100 یا 200 روز گذشته). دو نوع میانگین متحرک وجود دارد:

1- میانگین متحرک ساده یا Simple Moving Average
2- میانگین متوسط تصاعدی یا Exponential Moving Average

میانگین متحرک ساده تنها متوسطی از قیمت سهام در بازه زمانی مورد نظر است، ولی نحوه محاسبه میانگین متحرک تصاعدی بصورتی است که هرچه قیمت به انتهای بازه زمانی (قیمت فعلی) نزدیک‌تر می‌شود، وزن سنگین‌تری را در محاسبه میانگین ایفا میکند.
به بیانی دیگر میانگین متحرک تصاعدی همان میانگین وزنی متوسط قیمت است که قیمت‌های اخیر وزن بیشتری را در محاسبه در بر‌دارند. هرچند که نحوه محاسبه این شاخص‌ها مهم نیستند چراکه بسیاری از سایت‌ها آن را برای شما فراهم می‌کنند.

#پایتون_مالی
#میانگین_متحرک
#سری_زمانی

پایتون برای مالی در تلگرام https://www.tg-me.com/kr/Python4Finance/com.python4finance
پایتون برای مالی در بله https://ble.im/kr/Python4Finance/com.python4finance

Telegram

Python4Finance

کانال Python4Finance
آموزش پایتون در اقتصاد و مدیریت مالی
هر روز چند نکته را در خصوص پایتون برای مالی بیاموزیم
***
ارتباط با من
b2n.ir/y72935
***
آپارت:
aparat.com/Python4Finance
کانال چالش ها:
www.tg-me.com/kr/Python4Finance/com.python4finance_challenge

www.tg-me.com/kr/Python4Finance/com.python4finance/80

2.9K viewsSep 22, 2019 at 19:29

میانگین متحرک (Moving Average) چیست؟
از آنجایی که امکان پیش‌بینی برای سری‌های زمانی ناایستا (Non-stationary) به راحتی امکان پذیر نیست، بهتر است عواملی که باعث خارج شدن سری زمانی از حالت ایستایی هستند، حذف شوند. به این ترتیب باید مولفه‌های شناسایی شده در سری زمانی را حذف کنیم. به این کار «هموار سازی» (Smoothing) یا «صافی» (Filtering) می‌گویند. روش‌های مختلفی برای هموارسازی سری زمانی وجود دارد. عملگرهای میانگین متحرک، هموارسازی نمایی ساده، روش‌های تفاضل‌گیری و … به حذف مولفه‌های سری زمانی کمک می‌کنند.

نگاه اقتصادی و مالی:
میانگین متحرک یکی از اندیکاتورهای مهم و مورد استفاده فراوان در تحلیل تکنیکال است که با حذف نوسانات قیمتی کمک می‌کند تا سرمایه‌گذار بتواند تصویر بهتری از متوسط قیمت و روند قیمتی را ترسیم کند.
میانگین متحرک یکی از شاخص‌های قیمتی دنباله رو است، چراکه متوسط قیمت سهام در گذشته را نشان می‌دهد (برای مثال 50، 100 یا 200 روز گذشته). دو نوع میانگین متحرک وجود دارد:

1- میانگین متحرک ساده یا Simple Moving Average
2- میانگین متوسط تصاعدی یا Exponential Moving Average

میانگین متحرک ساده تنها متوسطی از قیمت سهام در بازه زمانی مورد نظر است، ولی نحوه محاسبه میانگین متحرک تصاعدی بصورتی است که هرچه قیمت به انتهای بازه زمانی (قیمت فعلی) نزدیک‌تر می‌شود، وزن سنگین‌تری را در محاسبه میانگین ایفا میکند.
به بیانی دیگر میانگین متحرک تصاعدی همان میانگین وزنی متوسط قیمت است که قیمت‌های اخیر وزن بیشتری را در محاسبه در بر‌دارند. هرچند که نحوه محاسبه این شاخص‌ها مهم نیستند چراکه بسیاری از سایت‌ها آن را برای شما فراهم می‌کنند.

#پایتون_مالی
#میانگین_متحرک
#سری_زمانی

پایتون برای مالی در تلگرام https://www.tg-me.com/kr/Python4Finance/com.python4finance
پایتون برای مالی در بله https://ble.im/kr/Python4Finance/com.python4finance

BY Python4Finance