நகரும் சராசரி (ma) வரையறை

பொருளடக்கம்

நகரும் சராசரி என்றால் என்ன?
நகரும் சராசரிகளுக்கான சூத்திரங்கள்
என்ன நகரும் சராசரி உங்களுக்கு சொல்கிறது
எளிய எதிராக அதிவேக நகரும் சராசரி
நகரும் சராசரிகளின் எடுத்துக்காட்டு
நகரும் சராசரி குறிகாட்டிகளின் எடுத்துக்காட்டுகள்

நகரும் சராசரி என்றால் என்ன?

நகரும் சராசரி (எம்.ஏ) என்பது தொழில்நுட்ப பகுப்பாய்வில் பரவலாகப் பயன்படுத்தப்படும் குறிகாட்டியாகும், இது சீரற்ற குறுகிய கால விலை ஏற்ற இறக்கங்களிலிருந்து “சத்தத்தை” வடிகட்டுவதன் மூலம் விலை நடவடிக்கைகளை மென்மையாக்க உதவுகிறது. இது ஒரு போக்கைப் பின்பற்றும் அல்லது பின்தங்கிய குறிகாட்டியாகும், ஏனெனில் இது கடந்த கால விலைகளை அடிப்படையாகக் கொண்டது.

இரண்டு அடிப்படை மற்றும் பொதுவாக பயன்படுத்தப்படும் நகரும் சராசரிகள் எளிய நகரும் சராசரி (எஸ்எம்ஏ) ஆகும், இது ஒரு குறிப்பிட்ட எண்ணிக்கையிலான கால இடைவெளியில் பாதுகாப்பின் எளிய சராசரி, மற்றும் மிக சமீபத்திய விலைகளுக்கு அதிக எடையைக் கொடுக்கும் அதிவேக நகரும் சராசரி (ஈஎம்ஏ) ஆகும்..

நகரும் சராசரிகளின் மிகவும் பொதுவான பயன்பாடுகள் போக்கு திசையை அடையாளம் காண்பது மற்றும் ஆதரவு மற்றும் எதிர்ப்பு நிலைகளை தீர்மானிப்பதாகும். நகரும் சராசரிகள் தங்களுக்கு போதுமான அளவு பயனுள்ளதாக இருக்கும் போது, அவை நகரும் சராசரி குவிப்பு வேறுபாடு (MACD) போன்ற பிற தொழில்நுட்ப குறிகாட்டிகளுக்கும் அடிப்படையாக அமைகின்றன.

குறிப்பிட்ட வகையான நகரும் சராசரிகளைச் சுற்றியுள்ள விரிவான வரையறைகள் மற்றும் கட்டுரைகள் எங்களிடம் இருப்பதால், பொதுவாக "நகரும் சராசரி" என்ற வார்த்தையை மட்டுமே இங்கு வரையறுப்போம்.

நகரும் சராசரிகளுக்கான சூத்திரங்கள்

எளிய நகரும் சராசரி

$\begin{matrix} எஸ் எம் ஒரு = \frac{{ஒரு}_{1} + {ஒரு}_{2} + \dots + {ஒரு}_{N}}{N} \\ எங்கே: \\ ஒரு = காலகட்டத்தில் சராசரி N \\ N = காலங்களின் எண்ணிக்கை \end{matrix} \ begin {aligned} & SMA = \ frac {A_1 + A_2 + \ dotso + A_n} {n} \ & \ textbf {where:} \ & A = \ உரை {காலகட்டத்தில் சராசரி} n \\ & n = \ உரை { காலங்களின் எண்ணிக்கை} \ \ முடிவு {சீரமைக்கப்பட்டது}$ SMA = nA1 + A2 +… + ஒரு எங்கே: A = காலகட்டத்தில் சராசரி nn = காலங்களின் எண்ணிக்கை

எளிமையான நகரும் சராசரி பல (n) கால இடைவெளிகளில் பாதுகாப்பின் எண்கணித சராசரியைக் கணக்கிடுகிறது, ஏ.

அதிவேக நகரும் சராசரி

$\begin{matrix} மின் எம் {ஒரு}_{டி} = + மின் எம் {ஒரு}_{ஒய்} \times \\ எங்கே: \\ மின் எம் {ஒரு}_{டி} = இன்று இ.எம்.ஏ. \\ {வி}_{டி} = இன்று மதிப்பு \\ மின் எம் {ஒரு}_{டி} = இன்று இ.எம்.ஏ. \\ ங்கள் = தடங்கலின்மை \\ ஈ = நாட்களின் எண்ணிக்கை \end{matrix} \ begin {சீரமைக்கப்பட்டது} & EMA_t = + EMA_y \ முறை \\ & \ textbf {எங்கே:} \ & EMA_t = \ உரை {EMA இன்று} \ & V_t = \ உரை {மதிப்பு இன்று} \ & EMA_t = \ உரை {EMA இன்று } \ & s = \ உரை {மென்மையானது} \ & d = \ உரை days நாட்களின் எண்ணிக்கை} \ \ முடிவு {சீரமைக்கப்பட்டது}$ EMAt = + EMAy × where: EMAt = EMA todayVt = மதிப்பு இன்று EMAT = EMA இன்றைய நாட்கள் = மென்மையான = நாட்களின் எண்ணிக்கை

ஒரு EMA ஐக் கணக்கிட, நீங்கள் முதலில் ஒரு குறிப்பிட்ட காலத்திற்குள் எளிய நகரும் சராசரியை (SMA) கணக்கிட வேண்டும். அடுத்து, நீங்கள் ஈ.எம்.ஏ ( மென்மையாக்குதல் ) எடையுள்ள பெருக்கத்தைக் கணக்கிட வேண்டும், இது பொதுவாக சூத்திரத்தைப் பின்பற்றுகிறது:. எனவே, 20 நாள் நகரும் சராசரிக்கு, பெருக்கி = 0.0952 ஆக இருக்கும். தற்போதைய மதிப்பை அடைய முந்தைய EMA உடன் இணைந்த மென்மையான காரணியைப் பயன்படுத்துகிறீர்கள். இதனால் EMA சமீபத்திய விலைகளுக்கு அதிக எடையைக் கொடுக்கிறது, அதே நேரத்தில் SMA அனைத்து மதிப்புகளுக்கும் சமமான எடையை வழங்குகிறது.

நகரும் சராசரிகள் உங்களுக்கு என்ன சொல்கின்றன?

நகரும் சராசரிகள் தற்போதைய விலை நடவடிக்கைகளை விட பின்தங்கியுள்ளன, ஏனெனில் அவை கடந்த கால விலைகளை அடிப்படையாகக் கொண்டவை; நகரும் சராசரிக்கான நீண்ட காலம், அதிக பின்னடைவு. ஆக, 200 நாள் எம்.ஏ., 20 நாள் எம்.ஏ.வை விட மிகப் பெரிய அளவிலான பின்னடைவைக் கொண்டிருக்கும், ஏனெனில் இது கடந்த 200 நாட்களுக்கான விலைகளைக் கொண்டுள்ளது.

பயன்படுத்த நகரும் சராசரியின் நீளம் வர்த்தக நோக்கங்களைப் பொறுத்தது, குறுகிய கால வர்த்தகத்திற்கு குறுகிய நகரும் சராசரிகள் மற்றும் நீண்ட கால நகரும் சராசரிகள் நீண்ட கால முதலீட்டாளர்களுக்கு மிகவும் பொருத்தமானவை. 50 நாள் மற்றும் 200-நாள் எம்.ஏ.க்கள் முதலீட்டாளர்கள் மற்றும் வர்த்தகர்களால் பரவலாகப் பின்பற்றப்படுகின்றன, இந்த நகரும் சராசரிக்கு மேலேயும் கீழேயும் இடைவெளிகள் முக்கியமான வர்த்தக சமிக்ஞைகளாகக் கருதப்படுகின்றன.

நகரும் சராசரிகளும் முக்கியமான வர்த்தக சமிக்ஞைகளைத் தாங்களாகவே வழங்குகின்றன, அல்லது இரண்டு சராசரிகள் கடக்கும்போது. உயரும் நகரும் சராசரி பாதுகாப்பு உயர்வுடன் இருப்பதைக் குறிக்கிறது, அதே நேரத்தில் குறைந்துவரும் நகரும் சராசரி அது சரிவில் இருப்பதைக் குறிக்கிறது.

இதேபோல், மேல்நோக்கிய வேகமானது ஒரு நேர்மறையான குறுக்குவழியுடன் உறுதிப்படுத்தப்படுகிறது, இது குறுகிய கால நகரும் சராசரி நீண்ட கால நகரும் சராசரிக்கு மேல் கடக்கும்போது நிகழ்கிறது. கீழ்நோக்கிய வேகமானது ஒரு கரடுமுரடான குறுக்குவழியுடன் உறுதிப்படுத்தப்படுகிறது, இது குறுகிய கால நகரும் சராசரி நீண்ட கால நகரும் சராசரிக்குக் கீழே கடக்கும்போது நிகழ்கிறது.

பங்குச் சந்தையில் போக்குகளைக் கணிப்பது எளிமையான செயல் அல்ல. சரியாக என்ன நடக்கும் என்பதை உங்களால் கணிக்க முடியாது என்றாலும், தொழில்நுட்ப பகுப்பாய்வு மற்றும் ஆராய்ச்சியைப் பயன்படுத்தி உங்களுக்கு சிறந்த முரண்பாடுகளைத் தரலாம். உங்கள் ஆராய்ச்சி மற்றும் தொழில்நுட்ப பகுப்பாய்வை சந்தையில் சோதனைக்கு உட்படுத்த ஒரு தரகு கணக்கு தேவைப்படும். ஒரு புரோக்கரைத் தேர்ந்தெடுப்பது அவற்றில் உள்ள பல்வேறு காரணங்களால் வெறுப்பாக இருக்கலாம், ஆனால் உங்கள் தேவைகளுக்கு சரியான தளத்தைக் கண்டறிய சிறந்த ஆன்லைன் பங்கு தரகர்களில் ஒருவரை நீங்கள் தேர்வு செய்யலாம்.

நகரும் சராசரிகள் முற்றிலும் தனிப்பயனாக்கக்கூடிய காட்டி, அதாவது சராசரியை உருவாக்கும் போது பயனர் எதை வேண்டுமானாலும் தேர்வு செய்யலாம். நகரும் சராசரிகளில் பயன்படுத்தப்படும் பொதுவான காலங்கள் 15, 20, 30, 50, 100 மற்றும் 200 நாட்கள் ஆகும். சராசரியை உருவாக்கப் பயன்படுத்தப்படும் குறுகிய கால அளவு, விலை மாற்றங்களுக்கு மிகவும் உணர்திறன். நீண்ட கால இடைவெளி, குறைந்த உணர்திறன் அல்லது அதிக மென்மையாக்கப்பட்டால், சராசரி இருக்கும்.

உங்கள் நகரும் சராசரிகளை அமைக்கும் போது பயன்படுத்த "சரியான" கால அளவு இல்லை. எது உங்களுக்குச் சிறப்பாகச் செயல்படுகிறது என்பதைக் கண்டுபிடிப்பதற்கான சிறந்த வழி, உங்கள் மூலோபாயத்திற்கு ஏற்ற ஒன்றைக் கண்டுபிடிக்கும் வரை பல வெவ்வேறு கால அவகாசங்களை பரிசோதிப்பது.

முக்கிய எடுத்துக்காட்டுகள்

நகரும் சராசரி என்பது தொழில்நுட்ப பகுப்பாய்வில் பெரும்பாலும் பயன்படுத்தப்படும் ஒரு நுட்பமாகும், இது சில காலங்களில் தினசரி விலைகளை சராசரியாகக் கொண்டு விலை வரலாறுகளை மென்மையாக்குகிறது. எளிய நகரும் சராசரிகள் (எஸ்எம்ஏ) கடந்த எண்ணிக்கையிலான நாட்களில் கொடுக்கப்பட்ட விலைகளின் எண்கணித சராசரியை எடுத்துக்கொள்கிறது, எடுத்துக்காட்டாக முந்தைய 15, 30, 100, அல்லது 200 நாட்களில். எக்ஸ்போனென்ஷியல் நகரும் சராசரிகள் (ஈ.எம்.ஏ) ஒரு எடையுள்ள சராசரியைப் பயன்படுத்துகிறது, இது புதிய தகவல்களுக்கு மிகவும் பதிலளிக்கக்கூடிய வகையில் சமீபத்திய நாட்களுக்கு அதிக எடையைக் கொடுக்கும். சொத்து விலைகள் அவற்றின் நகரும் சராசரியைக் கடக்கும்போது, அது இருக்கலாம் தொழில்நுட்ப வர்த்தகர்களுக்கான வர்த்தக சமிக்ஞையை உருவாக்குங்கள்.

எளிய எதிராக அதிவேக நகரும் சராசரி

நகரும் சராசரியின் எளிமையான வடிவம், எளிமையான நகரும் சராசரி (எஸ்எம்ஏ) என அழைக்கப்படுகிறது, கொடுக்கப்பட்ட மதிப்புகளின் எண்கணித சராசரியை எடுத்துக்கொள்வதன் மூலம் கணக்கிடப்படுகிறது. வேறு வார்த்தைகளில் கூறுவதானால், எண்களின் தொகுப்பு, அல்லது நிதிக் கருவிகளின் விலைகள் ஒன்றாகச் சேர்க்கப்பட்டு பின்னர் தொகுப்பில் உள்ள விலைகளின் எண்ணிக்கையால் வகுக்கப்படுகின்றன.

அதிவேக நகரும் சராசரி என்பது ஒரு வகை நகரும் சராசரி, இது புதிய தகவல்களுக்கு மிகவும் பதிலளிக்கக்கூடிய முயற்சியாக சமீபத்திய விலைகளுக்கு அதிக எடையைக் கொடுக்கும். ஒரு EMA ஐக் கணக்கிடுவதற்கு சற்றே சிக்கலான சமன்பாட்டைக் கற்றுக்கொள்வது பல வர்த்தகர்களுக்கு தேவையற்றதாக இருக்கலாம், ஏனென்றால் கிட்டத்தட்ட எல்லா தரவரிசை தொகுப்புகளும் உங்களுக்கான கணக்கீடுகளைச் செய்கின்றன.

எஸ்.எம்.ஏ மற்றும் ஈ.எம்.ஏ எவ்வாறு கணக்கிடப்படுகின்றன என்பதைப் பற்றி இப்போது நீங்கள் நன்கு புரிந்து கொண்டுள்ளீர்கள், இந்த சராசரிகள் எவ்வாறு வேறுபடுகின்றன என்பதைப் பார்ப்போம். EMA இன் கணக்கீட்டைப் பார்ப்பதன் மூலம், சமீபத்திய தரவு புள்ளிகளுக்கு அதிக முக்கியத்துவம் கொடுக்கப்படுவதை நீங்கள் காண்பீர்கள், இது ஒரு வகை எடையுள்ள சராசரியாக மாறும்.

கீழேயுள்ள படத்தில், ஒவ்வொரு சராசரியிலும் பயன்படுத்தப்படும் காலங்களின் எண்ணிக்கை ஒரே மாதிரியானது (15), ஆனால் மாறும் விலைகளுக்கு EMA விரைவாக பதிலளிக்கிறது. விலை உயரும் போது EMA எவ்வாறு அதிக மதிப்பைக் கொண்டுள்ளது என்பதைக் கவனியுங்கள், மற்றும் விலை குறையும் போது SMA ஐ விட வேகமாக விழும். பல வர்த்தகர்கள் எஸ்.எம்.ஏ மீது ஈ.எம்.ஏவைப் பயன்படுத்த விரும்புவதற்கான முக்கிய காரணம் இந்த மறுமொழிதான்.

நகரும் சராசரியைக் கணக்கிடுவதற்கான எடுத்துக்காட்டு

சராசரியாக நகர்கிறது

நகரும் சராசரி (எம்.ஏ) அதன் வகையைப் பொறுத்து வெவ்வேறு வழிகளில் கணக்கிடப்படுகிறது. கீழே, 15 நாட்களில் பின்வரும் இறுதி விலைகளுடன் பாதுகாப்பின் எளிய நகரும் சராசரியை (எஸ்எம்ஏ) பார்க்கிறோம்:

வாரம் 1 (5 நாட்கள்): 20, 22, 24, 25, 23 வாரம் 2 (5 நாட்கள்): 26, 28, 26, 29, 27 வாரம் 3 (5 நாட்கள்): 28, 30, 27, 29, 28

ஒரு 10-நாள் நகரும் சராசரி முதல் 10 நாட்களுக்கு இறுதி தரவு முதல் தரவு புள்ளியாக இருக்கும். அடுத்த தரவு புள்ளி ஆரம்ப விலையை கைவிட்டு, 11 ஆம் நாளில் விலையைச் சேர்த்து சராசரியை எடுத்துக் கொள்ளும், மேலும் கீழே காட்டப்பட்டுள்ளபடி. (தொடர்புடைய வாசிப்புக்கு, "நாள் வர்த்தகத்திற்கான சரியான நகரும் சராசரி" ஐப் பார்க்கவும்)

நகரும் சராசரி குறிகாட்டிகளின் எடுத்துக்காட்டுகள்

நகரும் சராசரி குவிப்பு வேறுபாடு (MACD)

நகரும் சராசரி குவிப்பு வேறுபாடு (MACD) இரண்டு நகரும் சராசரிகளுக்கு இடையிலான உறவைக் கண்காணிக்க வர்த்தகர்களால் பயன்படுத்தப்படுகிறது. இது பொதுவாக 26 நாள் அதிவேக நகரும் சராசரியை 12 நாள் அதிவேக நகரும் சராசரியிலிருந்து கழிப்பதன் மூலம் கணக்கிடப்படுகிறது.

MACD நேர்மறையாக இருக்கும்போது, குறுகிய கால சராசரி நீண்ட கால சராசரிக்கு மேல் அமைந்துள்ளது. இது மேல்நோக்கிய வேகத்தின் அறிகுறியாகும். குறுகிய கால சராசரி நீண்ட கால சராசரிக்குக் கீழே இருக்கும்போது, இது வேகத்தை கீழ்நோக்கி இருப்பதற்கான அறிகுறியாகும். பல வர்த்தகர்கள் பூஜ்ஜியக் கோட்டிற்கு மேலே அல்லது கீழே ஒரு நகர்வைக் காண்பார்கள். பூஜ்ஜியத்திற்கு மேலே ஒரு நகர்வு வாங்குவதற்கான சமிக்ஞையாகும், பூஜ்ஜியத்திற்குக் கீழே ஒரு குறுக்கு விற்க ஒரு சமிக்ஞையாகும்.

சிக்னல் / தூண்டுதல் வரி

அடிக்கடி மாறும் எந்தவொரு தரவிற்கும் நகரும் சராசரிகளை உருவாக்கலாம். MACD போன்ற தொழில்நுட்ப குறிகாட்டியின் நகரும் சராசரியை எடுத்துக்கொள்வது கூட சாத்தியமாகும். எடுத்துக்காட்டாக, MACD மதிப்புகளின் ஒன்பது கால அதிவேக நகரும் சராசரி படம் 1 இல் உள்ள விளக்கப்படத்தில் சேர்க்கப்பட்டுள்ளது.

காட்டி மதிப்பு சமிக்ஞைக் கோட்டிற்கு (புள்ளியிடப்பட்ட வரி) மேலே செல்லும்போது வாங்க சமிக்ஞைகள் உருவாக்கப்படுகின்றன, அதே சமயம் குறுகிய சமிக்ஞைகள் சமிக்ஞைக் கோட்டிற்குக் கீழே உள்ள சிலுவையிலிருந்து உருவாக்கப்படுகின்றன.

படம் 1

பொலிங்கர் பாண்டே

ஒரு பொலிங்கர் பேண்ட் தொழில்நுட்ப காட்டி பட்டைகள் பொதுவாக இரண்டு நிலையான விலகல்களை எளிய நகரும் சராசரியிலிருந்து விலக்கி வைக்கின்றன. பொதுவாக, மேல் இசைக்குழுவை நோக்கி நகர்வது சொத்து அதிகமாக வாங்கப்படுவதாகக் கூறுகிறது, அதே நேரத்தில் கீழ் இசைக்குழுவுக்கு நெருக்கமான நகர்வு சொத்து அதிகமாக விற்பனையாகி வருவதைக் குறிக்கிறது. நிலையான விலகல் நிலையற்ற தன்மையின் புள்ளிவிவர நடவடிக்கையாகப் பயன்படுத்தப்படுவதால், இந்த காட்டி சந்தை நிலைமைகளுக்கு தன்னை சரிசெய்கிறது.

படம் 2

பொருளடக்கம்: