이동 평균 교차

마지막 업데이트: 2022년 1월 1일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
과거 SPY 데이터

이동 평균 교차

이동 평균 교차 전략

이동 평균 교차 전략

22 월 XNUMX 일 • 외환 거래 관련 기사, Forex 무역 전략 • 823보기 • 코멘트 끄기 이동 평균 교차 전략에 대해

이동 평균은 다음과 같은 형식입니다. 일일 기술적 분석 업데이트된 평균 가격을 사용하여 가격 데이터를 필터링합니다. 평균은 20년, XNUMX일 또는 XNUMX주일과 같은 특정 기간 동안 계산됩니다.

이동 평균은 우리에게 무엇을 말합니까?

의 사용 media móvil 시장 소음을 걸러내는 데 도움이 될 수 있습니다. 거래자는 이동 평균의 방향을 보고 가격 움직임을 예측할 수 있습니다.

MA가 위쪽을 가리키면 가격이 상승하고 아래쪽을 가리키면 가격이 하락합니다. 또한 MA가 옆으로 움직이면 가격 범위가 나타납니다.

이동 평균은 주요 이점 중 하나인 지지 및 저항 수준으로 작동할 수 있습니다. 예를 들어, 10일, 100일 또는 200일 이동 평균은 상승 추세 동안 지지선으로 작동할 수 있으며, 이는 가격이 더 높게 반등할 가능성이 있음을 나타냅니다.

반면에 이동 평균은 하락세 동안 저항으로 작용하여 가격 하락을 알릴 수 있습니다.

전략의 이동 평균 유형

이동 평균에는 두 가지 주요 형태가 있습니다.

  • 단순 이동 평균 (SMA)
  • 지수 이동 평균 (EMA)

SMA는 최근 종가에 미리 정해진 시간을 곱하여 계산합니다. 예를 들어, XNUMX일 SMA는 XNUMX개의 가장 최근 종가를 더하고 XNUMX로 나누어 결정됩니다.

EMA는 SMA만큼 계산하기 간단하지 않습니다. EMA가 최근 가격에 더 많은 가중치를 주기 때문입니다. 최근 가격에 대한 더 큰 가중치로 인해 20일 EMA는 20일 SMA에 비해 가격 변동에 신속하게 대응합니다.

그러나 이것이 EMA가 SMA보다 우수하다는 것을 의미하지는 않습니다. EMA는 일부 시나리오 또는 시장에서 더 나은 성과를 낼 수 있지만 SMA는 다른 시나리오나 시장에서 더 나은 성과를 낼 수 있습니다. 그것은 모두 선택한 기간에 달려 있습니다.

이동 평균 교차 전략

가장 많이 사용되는 이동 평균 전략 중 하나는 크로스오버입니다. 거래자는 여러 가지 방법으로 크로스오버를 사용할 수 있습니다.

가격 교차는 첫 번째 유형입니다. 가격이 이동 평균 위 또는 아래를 지날 때 나타납니다. 가격이 위로 교차하면 상승 추세를 나타냅니다. 가격이 아래로 교차하면 하락을 나타냅니다.

또 다른 크로스오버 방법은 두 개의 이동 평균(하나는 더 짧고 하나는 더 길게)을 동시에 사용하는 것입니다. 거래자의 선택은 이러한 이동 평균의 길이를 결정합니다.

짧은 이동 평균이 긴 MA 위로 교차할 때 상승 추세를 나타냅니다. 황금 십자가는 이것의 또 다른 이름입니다. 짧은 MA가 하향 교차할 때, 긴 MA는 하락 추세를 나타냅니다. 죽음의 십자가라고도 합니다.

매수하려면 가격이 이동평균선을 넘어야 합니다. 더 짧은 이동 평균은 더 긴 것 위로 교차해야 합니다.

짧은 전략

공매도 시에는 가격이 이동평균선 아래로 떨어져야 합니다. 짧은 것이 긴 것 아래로 교차해야 합니다.

일반적인 시장 추세를 결정하는 가장 효과적인 방법 중 하나는 크로스오버를 사용하는 것입니다. 거래 전략을 향상시키기 위해 거래자는 다른 기술 분석 형식을 이동 평균 크로스오버와 혼합할 수 있습니다.

Forecasting: Principles and Practice

고전적인 시계열 분해 기법은 1920년까지 거슬러 올라가며, 1950년대까지 널리 사용되었습니다. 이 방법은 후대의 시계열 분석 기법의 기초가 되고 있기 때문에, 이 방법이 어떻게 작동하는지 잘 이해하는 것은 중요합니다. 고전적인 분해 방법의 첫 번째 단계는 추세-주기를 측정하기 위해 이동평균(moving average) 방법을 사용하는 것이니, 이동평균을 다루며 논의를 시작합니다.

이동 평균 평활

차수(order) \(m\) 의 이동 평균은 다음과 같이 쓸 수 있습니다. \[\begin \hat_ = \frac \sum_^k y_, \tag \end\] 여기에서 \(m=2k+1\) 입니다. 즉, \(k\) 기간 안의 시계열 값을 평균하여 시간 \(t\) 의 추세-주기를 측정합니다. 측정 시기가 비슷하면 값도 비슷하기도 합니다. 따라서 평균이 데이터의 무작위성을 줄이고 매끄러운 추세-주기 성분만 남깁니다. 이것을 차수 \(m\) 의 이동 평균이라는 의미에서 “ \(m\) -MA” 라고 부릅니다.

남 호주 주거용 전력 판매량 (온수 판매는 제외): 1989--2008.

Figure 6.4: 남 호주 주거용 전력 판매량 (온수 판매는 제외): 1989–2008.

예로, 1989년부터 2008년까지 (온수 판매는 제외) 호주 남부의 매년 주거용 전기 판매량을 나타내는 그림 이동 평균 교차 6.4을 생각해봅시다. 표 6.1도 데이터를 나타냅니다.

Table 6.1: 남 호주 지역 연간 주거용 전력 판매량. 1989–2008.
연도 판매량 (GWh) 5-MA
1989 2354.34
1990 2379.71
1991 2318.52 2381.53
1992 2468.99 2424.56
1993 2386.09 2463.76
1994 2569.47 2552.60
1995 2575.72 2627.70
1996 2762.72 2750.62
1997 2844.50 2858.35
1998 3000.70 3014.70
1999 3108.10 3077.30
2000 3357.50 3144.52
2001 3075.70 3188.70
2002 3180.60 3202.32
2003 3221.60 3216.94
2004 3176.20 3307.30
2005 3430.60 3398.75
2006 3527.48 3485.43
2007 3637.89
2008 3655.00

표의 마지막 열에 추세-주기(trend-cycle)의 측정값을 나타내는 차수(order) 5의 이동평균(moving average)이 있습니다. 두 번째 열의 첫 번째 값은 첫 5개 관측값(1989–1993)의 평균입니다. 5-MA가 있는 열의 두 번째 값은 1990–1994의 평균입니다. 5-MA가 있는 열의 각 값은 5년의 기간의 관측값을 평균하여 가운데 값으로 나타낸 것입니다. 식 (6.1) 에서 5-MA 열에는 \(k=2\) 와 \(m=2k+1=5\) 인 \(\hat_\) 값들이 있습니다. 이것을 아래와 같이 쉽게 계산할 수 있습니다.

첫 2개의 연도와 마지막 2개 연도에서는 평균을 계산하기 위한 관측값이 부족해서 값이 없습니다. 뒷 부분에서 끝부분 근처의 추정값을 허용하는 더 정교한 추세-주기 추정 기법을 사용할 것입니다.

추세-주기 계산값이 어떻게 생겼는지 확인하기 위해, 그림 6.5에서 이것을 원본 데이터와 함께 나타내어 살펴봅시다.

주거용 전력 판매량(검은색)을 추세-주기(빨간색)의 5-MA 추정과 함께 나타낸 것.

Figure 6.5: 주거용 전력 판매량(검은색)을 추세-주기(빨간색)의 5-MA 추정과 함께 나타낸 것.

추세(빨간색)가 원본 데이터보다 이동 평균 교차 얼마나 더 매끄러운지와 부가적인 변동을 제외한 시계열의 주된 움직임을 어떻게 포착하는지 주목합시다. 이동평균(moving average)의 차수(order)는 추세-주기 추정치의 매끄러운 정도를 결정합니다. 일반적으로, 더 큰 차수가 더 매끄러운 곡선을 의미합니다. 그림 6.6은 주거용 전기 판매량 데이터에서 이동 평균의 차수가 바뀔 때 일어나는 효과를 나타냅니다.

다른 이동평균을 주거용 전력 판매량 데이터에 적용한 것.

Figure 6.6: 다른 이동평균을 주거용 전력 판매량 데이터에 적용한 것.

단순 이동평균(moving average)은 보통 3,5,7 같은 홀수 이동 평균 교차 차수(order)입니다. 그래서 이 방법은 대칭적입니다. 즉, \(m = 2k+1\) 차수의 이동평균에서는 가운데 값과 양쪽에서 각각 \(k\) 개의 관측값을 평균합니다. \(m\) 이 짝수이면, 더이상 대칭적이지 않을 것입니다.

이동평균의 이동평균

이동평균값을 또다시 이동평균할 이동 평균 교차 이동 평균 교차 수 있습니다. 짝수 차수 이동 평균을 대칭적으로 만들기 위해서 이러한 작업을 합니다.

예를 들어, 차수 4의 이동 평균을 구한다고 하고, 그 다음 그 결과를 가지고 차수 2의 이동 평균을 구한다고 합시다. 호주 4분기별 맥주 생산량 처음 몇 년 데이터를 가지고 이러한 작업을 하여 다음의 표에 나타내었습니다.

Table 6.2: 4차 이동평균을 구한 후에, 2차 이동평균을 분기별 백주 데이터에 적용한 것.
연도 분기 관측값 4-MA 2x4-MA
1992 Q1 443
1992 Q2 410 451.25
1992 Q3 420 448.75 450.00
1992 Q4 532 451.50 450.12
1993 Q1 433 449.00 450.25
1993 Q2 421 444.00 446.50
1993 Q3 410 448.00 446.00
1993 Q4 512 438.00 443.00
1994 Q1 449 441.25 439.62
1994 Q2 381 446.00 443.62
1994 Q3 423 440.25 443.12
1994 Q4 531 447.00 443.62
1995 Q1 426 445.25 446.12
1995 Q2 408 442.50 443.88
1995 Q3 416 438.25 440.38
1995 Q4 520 435.75 437.00
1996 Q1 409 431.25 433.50
1996 Q2 398 428.00 429.62
1996 Q3 398 433.75 430.88
1996 Q4 507 433.75 433.75

마지막 열의 “ \(2 \times 4\) -MA”는 4-MA 를 구하고나서 2-MA를 구했다는 의미입니다. 마지막 열의 값은 이전 열에 있는 값을 가지고 차수 2인 이동평균을 계산하여 구한 것입니다. 예를 들면, 4-MA 열의 첫 두 값은 451.25=(443+410+420+532)/4 와 448.75=(410+420+532+433)/4 입니다. \(2 \times 4\) -MA 열의 첫 번째 값은 이 두 값의 평균입니다: 450.00=(451.25+448.75)/2.

2-MA가 (예로 든 4와 같이) 짝수 차수 이동평균 다음에 오면, “차수 4의 중심화된 이동평균(centred moving average of order 4)”이라고 부릅니다. 결과가 대칭적이기 때문에 이렇게 부릅니다. 이것이 대칭적인지 살펴보기 위해, \(2 \times 4\) -MA를 다음과 같이 쓸 수 있습니다. \[\begin \hat_ &= \frac\Big[ \frac (y_+y_+y_+y_) + \frac (y_+y_+y_+y_)\Big] \\ &= \fracy_+\frac14y_ + \frac14y_+\frac14y_+\frac18y_. \end\]

이제 위의 식은 관측값을 가중 평균한 것입니다. 그리고 동시에 대칭적입니다. R에서 ma() 함수는 ( center=FALSE 로 정한 경우가 아니라면) 짝수 차수에 대한 중심화된 이동평균(centered moving average)을 돌려주는 것이 기본값입니다.

다른 이동평균 조합도 물론 가능합니다. 예를 들면, 차수 3의 이동평균 다음에 차수 3의 이동 평균을 구하는 \(3 \times 3\) -MA도 종종 사용합니다. 일반적으로, 짝수 차수 MA를 대칭적으로 만들기 위해 짝수 차수 MA를 그 다음에 사용해야 합니다. 비슷한 이유에서, 홀수 차수 MA 다음에, 홀수 차수 MA를 사용해야 합니다.

계절성 데이터에서 추세-주기를 측정하기

중심화된 이동평균(centred moving average)의 주 용도는 계절성 데이터에서 추세-주기(trend-cycle)를 측정하는 것입니다. \(2 \times 4\) -MA를 살펴봅시다. \[ \hat_ = \fracy_ + \frac14y_ + \frac14y_ + \frac14y_ + \frac18y_. \] 분기별 데이터에 적용하면, 첫 번째와 마지막 항이 앞뒤 연도의 영향을 받아서 한 해의 각 분기에 같은 가중치가 주어집니다. 그 결과로, 평균 때문에 계절성 변동이 사라지게 되고, 결과값 \(\hat_\) 에 계절적인 변동이 별로 남지 않게 됩니다. 분기별 데이터에 \(2 \times 8\) -MA 이나 \(2 \times 12\) -MA 를 사용해도 비슷한 결과를 얻게 됩니다.

일반적으로 \(2 \times m\) -MA은 \(m+1\) 차수의 가중 이동평균(weighted moving avverage)과 같습니다. 여기에서 첫 번째와 마지막 값을 제외한 모든 관측값에는 \(1/m\) 가중치를 두고 계산하고, 첫 번째와 마지막 값에는 \(1/(2m)\) 의 가중치를 이동 평균 교차 두고 계산합니다. 이러한 이유에서 계절성 주기가 짝수이면서 차수 \(m\) 이면, 추세-주기를 측정하기 위해 \(2 \times m\) -MA를 사용합니다. 계절성 주기가 홀수이면서 차수 \(m\) 이면, 추세-주기를 측정하기 위해 \(m\) -MA를 사용합니다. 예를 들어, \(2 \times 12\) -MA는 월별 데이터의 추세-주기를 측정하기 위해 사용할 수 있고, 7-MA는 1주일 주기성이 있는 일별 데이터의 추세-주기를 측정하기 위해 사용할 수 있습니다.

흔히 다른 차수의 MA를 사용하면 데이터의 계절성 때문에 추세-주기 측정이 정확하지 않게 됩니다.

예제: 전자 장비 제조

2x12-MA를 전자 장비 주문 지수에 적용한 것.

Figure 6.7: 2x12-MA를 전자 장비 주문 지수에 적용한 것.

그림 6.7은 전자 장비 제조 지수에 \(2 \times 12\) -MA 를 적용한 결과입니다. 매끄러운 선에서 계절성이 보이지 않는다는 것에 주목합시다. 그림 6.1의 이동평균(moving average)보다 훨씬 더 복잡한 방법으로 측정한 추세-주기(trend-cycle)와 거의 같습니다. 이동 평균의 차수를 24, 36 같은 것을 제외한 값으로 선택하면 어떤 계절성 이동 평균 교차 요동을 약간 나타내는 매끄러운 선을 얻을 것입니다.

가중 이동평균

이동평균의 조합이 가중 이동평균(weighted moving average)이 되는 것을 확인했습니다. 예를 들면, 위에서 언급한 \(2\times4\) -MA 는 가중치를 다음과 같이 주는 가중 5-MA와 같습니다. \(이동 평균 교차 \left[\frac,\frac,\frac,\frac,\frac\right]\) . 일반적으로, 가중 \(m\) -MA는 다음과 같이 쓸 수 있습니다. \[ \hat_t = \sum_^k a_j y_, \] 여기에서 \(k=(m-1)/2\) 이고, 가중치는 \(\left[a_,\dots,a_k\right]\) 로 주어집니다. 가중치를 모두 더하면 1이고 가중치들은 \(a_j = a_\) 와 같이 대칭적입니다. 단순 \(m\) -MA는 모든 가중치를 \(1/m\) 으로 같게 둔 특별한 경우입니다.

더욱 매끄러운 추세-주기(trend-cycle)를 얻을 수 있다는 점이 가중평균(weighted average)의 주된 장점입니다. 관측값에 가중치를 전부 고려하지 않고, 천천히 증가하다가 감소하는 가중치를 이용하여 더 매끄러운 곡선을 구합니다.

이동 평균 교차

헐 이동 평균 거래 전략

헐 이동 평균 거래 전략

18 월 XNUMX 일 • 외환 거래 관련 기사, Forex 무역 전략 • 2615보기 • 코멘트 끄기 헐 이동 평균 거래 전략

헐 이동 평균은 Alan Hull이 개발한 유명하고 잘 알려진 기술 지표입니다. 이 지표는 성공적인 거래를 위한 가중 이동 평균을 개선하는 데 도움이 됩니다.

외환 시장에서 사용할 수 있는 다양한 기술 지표 중 Hull MA는 거래 기술을 향상시키고 외환 거래에 상당한 변화를 가져올 수 있는 지표입니다. 스윙 트레이딩이나 scalping.

선체 이동 평균 공식

Hull MA의 공식은 개발자가 가중 이동 평균을 도입한 Alan Hull에 의해 밝혀졌습니다. 공식은 다음과 같습니다.

정수(제곱근(기간)) WMA [2 x 정수(기간/2) WMA(가격) – 기간 WMA(가격)]

WMA는 가중 이동 평균입니다.

선체 이동 평균을 어떻게 사용할 수 있습니까?

이제 주요 질문은 Hull MA를 사용해야 하는 이유입니다! Hull MA와 나머지 변형 간에는 몇 가지 중요한 유사점이 있었습니다. 예를 들어 Hull Moving Average를 사용하여 다음을 수행할 수 있습니다.

원하는 기간에 표시기를 자유롭게 설정할 수 이동 평균 교차 있습니다. Hull MA를 사용하기 위해 적용해야 하는 과학적 규칙은 없습니다. 간단하고 사용하기 쉽습니다.

선체 평균 교차 전략이란 무엇입니까?

선체 이동 평균 교차 전략은 이 지표의 진정한 아름다움입니다! 따라서 사촌 이동 평균이 쉽게 수행할 수 있는 모든 전략을 수행할 수 있습니다. 그러나 대부분의 경우 더 정확합니다.

선체 이동 평균 교차 전략은 사용하기 쉽고 거래하기 쉬운 전략입니다. 다른 크로스오버 전략과 유사한 추세를 따르는 주요 원칙을 따라야 합니다.

이 전략에서는 거래 신호를 생성하기 위해 두 가지 주요 선체 이동 평균을 사용합니다. HMA를 사용하면 이전과 같이 잠재적인 신호를 찾을 수 있습니다. 이 전략에서 따라야 할 핵심 신호는 다음과 같습니다.

더 빠른 HMA가 위로 교차하면 더 느린 HMA는 매수 신호와 같습니다.

더 빠른 헐 이동 평균이 바로 아래를 교차하면 더 느린 헐 이동 평균은 매도 신호와 같습니다.

이게 전부입니다! 매우 쉽고 효과적인 전략입니다!

그러나 이익을 얻는 것은 어떻습니까? 글쎄, 당신은 할 수 있습니다:

  • HMA가 반대 방향으로 다시 교차할 때까지 기다리거나,
  • 가장 가까운 지지선과 저항선까지 이익을 취하거나,
  • 시장 방향을 따라 시작하려면 손절매를 이동합니다.

그러나 HMA에 대한 단순 이동 평균을 버리면 개선을 위한 전체 전략에 극적인 영향을 미칠 것입니다. 따라서 전반적으로 쉬운 거래 전략을 배우기 위해 작업하는 것이 효과적인 전략입니다.

결론

Hull Moving Average를 요약하면 단순히 지연을 제거하여 정확한 신호를 제공하는 지표 중 하나입니다. 따라서 결국 가격 활동의 새로운 부드러움을 향상시킵니다.

Python의 알고리즘 거래 : 단순 이동 평균

이동 평균은 주식 분석에 사용되는 가장 기본적인 기술 지표 중 하나입니다. "이동 평균"은 광범위한 용어이며 분석가가 가격 데이터를 평활화하고 추세를 분석하기 위해 사용하는 다양한 변형이 있습니다.

이동 평균에는 계산을위한 기간이 필요합니다. 예를 들어 투자자는 데이터의 지난 50 일이 평균을 계산하는 데 사용되는 50 일 이동 평균을 선택할 수 있습니다. 기간이 짧을수록 데이터 포인트 수가 적기 때문에 가격 데이터의 변화에 ​​더 민감하고 기간이 길수록 일일 변경에 덜 민감합니다.

이동 평균은 어떻게 사용됩니까?

이동 평균은 거래자가 주요 전략 또는 거래 전략의 일부로 사용할 수 있습니다. 이동 평균을 사용하는 가장 인기 있고 간단한 방법은 크로스 오버 전략을 사용하는 것입니다.이 전략을 따를 경우 거래자에게 구매 및 판매시기를 알려줍니다. 이 전략은 더 자세히 논의 될 것입니다.

S & P 500 사례

이 예에서는 일반적으로 시세 기호 SPY로 알려진 SPDR S & P 500 신탁 거래소 거래 펀드 (ETF)를 사용합니다 . SPY는 세계에서 가장 크고 가장 인기있는 ETF (Exchange Traded Fund) 중 하나이며 S & P 500 지수의 성과를 모방합니다.

S & P 500 지수 또는 줄여서 S & P는 미국 증권 거래소에 상장 된 500 대기업의 성과를 측정합니다. SPY 지분을 매수하면 S & P 500에 속한 500 개 회사 각각의 작은 비율을 매입합니다.

과거 SPY 데이터

4 개의 import 문부터 시작하겠습니다. Matplotlib를 사용하여 가격 데이터와 분석을 시각화합니다. Numpy는 효율적인 계산을 위해 높은 수준의 기능을 제공하는 매우 인기 있고 유용한 라이브러리입니다. Pandas는 데이터 분석 및 조작을위한 이동 라이브러리이며 데이터는 Pandas DataFrames에 저장됩니다.

우리의 데이터는 yfinance라는 라이브러리에서 가져옵니다. 최근에 읽어 볼 가치가있는 yfinance 튜토리얼을 작성 했지만 ( 여기에서 찾을 수 있음 ) 필수 사항은 아니며 알아야 할 모든 내용이 여기에 설명되어 있습니다.

  • 강세 크로스 오버는 단기 SMA가 장기 SMA를 넘어 설 때 발생합니다.
  • 베어 리시 크로스 오버는 단기 SMA가 장기 SMA 아래로 교차 할 때 발생합니다.

50 일 (단기) 및 100 일 (장기)의 두 가지 SMA 라인이 있다고 가정 해보십시오. 이동 평균이 계산되고 가격 데이터에 표시됩니다. 50 일 이동 평균이 100 일 이동 평균을 넘어 서면 매수 신호가됩니다. 50 일이 100 일 아래로 교차하면 매도 신호가됩니다. 이것의 희망은 낮은 가격에 사고 높은 가격에 판매하는 것입니다.

단순 이동 평균

다양한 단순 이동 평균을 계산하기 위해 Pandas의 두 가지 함수, .rolling() 및 .mean() .

.rolling() 이동 창 계산을 처리합니다. 창 크기 (예 : 10, 20 등)를 사용하고 해당 창 내의 데이터 포인트에 대해서만 계산을 수행합니다.

.mean() .rolling() 함수에 제공된 창 내의 데이터 포인트에 대한 평균 또는 평균을 계산합니다 . 예를 들어 창 크기가 10 개의 데이터 포인트로 설정된 경우 해당 10 개의 데이터 포인트의 평균이 계산됩니다.

아래 그림은 데이터 포인트에 대해 롤링 평균이 계산되는 방법을 보여줍니다. 이 예에는 단순성을 위해 창 크기가 2 개의 데이터 포인트 인 10 개의 가격 데이터 포인트 (P)가 있습니다. 녹색 음영 영역에는 평균을 계산하는 데 사용되는 2 개의 포인트가 포함되어 있으며 각 쌍의 평균을 계산하는 동안 10 개의 데이터 포인트 모두에 걸쳐 "롤링"됩니다.

나중에 어떤 조합이 가장 잘 작동하는지 테스트하기 위해 다양한 창 크기를 계산합니다. 여기서는 10, 20, 50 및 100 크기의 창을 계산합니다.

이러한 이동 평균 선 중 몇 개가 교차하는 위치를 기록하십시오. 교차하는 선이 가격이 상승하거나 하락할 것임을 나타내는 것이 있습니까?

그런 다음 "crossovers"라는 새 데이터 프레임을 만듭니다. 이 데이터 프레임에는 단기 SMA 라인이 장기 SMA 라인 위 또는 아래를 교차하는 지점이 포함됩니다. 이것은 나중에 크로스 오버 포인트를 그릴 때 핵심이 될 것이며,이 포인트는 거래 전략에 중요합니다.

교대역 지점 서울 서초구 서초대로 320

6.이동평균과 모멘텀 지표(Moving average and Momentum)

facebook 공유 twitter 공유 kakaotalk 공유

이동평균과 모멘텀 지표(Moving average and Momentum)

모멘텀 지표 자체가 원래 상태로는 매우 조잡하고 불규칙적으로 보이기 때문에,

이것들을 해결하기위해서 이동평균을 이용한다. 이렇게 함으로써 모멘텀 지표가

말해주는 시장의 잠재력을 이해하는 것이 더욱 용이해진다.

이동평균을 결정하는 데에는 몇 가지 방식이 있다. 그 중 가장 명백한 것은 오실레이터의

이동평균 몇 가지를 계산하여서 그것의 교차점을 이용하는 것이다.

하지만 이 방법은 모멘텀 지표들이 너무 잦은 신호를 보이고 수 없는 진폭을

반복하기 때문에 신뢰할만한 신호를 보이기보다는 잦은 속임수(Whipsaws)를 야기시켜서

그다지 사용할만하다고 하기는 힘들다.

이러한 단점은 모멘텀 기간을 늘임으로써 어느 정도 보완할 수는 있다.

예를 들어서 5-일을 사용한 모멘텀은 30-일을 사용한 그것보다 시장의

루머나 큰손의 움직임에 훨씬 민감하게 영향을 받는다.

이런 경향은 기간을 연장할수록 줄어든다. 물론 기간을 충분히 늘린다고

이런 것으로부터 완전히 자유로울 수는 없겠으나 그것들에

영향 받을 확률은 줄어들게 된다는 말이다.

두 번째로 모멘텀을 이와 같이 잦은 형태로 만드는 것은 각 주식의 특징이다.

즉 변동성이 클수록 모멘텀은 잦은 파를 그린다. 적정한 이동평균

기간을 선정하기 위해서는 주식의 특성까지 고려하는 것이 좋다.

이렇게 모멘텀과 그것을 평활화시킨 이동평균선 사이의 교차를 신호로

사용할 때 한가지 중요한 사항이 있는데 그것은 교차점이 어느 수준에 존재하느냐이다.

즉 교차점이 과매수/과매도 수준과 가까이 있을수록 신뢰성은 커진다.

그림 2-18이 그 좋은 예이다. 이 그림에서 마지막 신호는 잘못된 모습을 보이는데

이것은 모든 지표가 그러하듯이 어쩔 수 없는 한계라고 생각하면 된다.


다시 한번 강조하거니와 지표를 사용할 경우에는 한가지만 사용해서는 안되고

다양한 접근방식을 택해야 한다. 이러한 교차점의 신뢰성을 향상시키는

또 다른 방법은 이동평균 기간을 연장하는 것이다.

그러나 이렇게 할 경우에도 또 다른 문제가 발생한다. 이것은 이동평균의

선택이 민감성과 신뢰성간의 선택의 문제이기 때문이다. 결과적으로 기간을

늘린다는 것이 신호에 신뢰성을 증가시키는 반면에 원래 모멘텀 오실레이터

데이터에서 잦은 신호를 보이는 변동성이 큰 경우에 과연 속임수가(Whipsaws)가

충분히 제거되어서 거래를 수익성 있게 해줄 수 있느냐 하는 것이다.

이것에 관한 우리의 견해는 이동평균이 특정한 문제에 사용되어야지 일반적으로

쓰여서는 안된다는 것이다. 즉 모멘텀 이동평균의 기간을 선정할 때는 모멘텀과

주가의 관계가 기간에 따라서 관찰되어야만 한다는 것이다.

즉 평활화하지 않은 모멘텀에서 그다지 잦은 신호가 발생하지 않은 경우에

사용하는 것이 좋다. 따라서 일일거래에 비중을 많이 두는 투자가의 경우라면

차라리 다른 단기거래에 적합한 개념을 선택해야 할 것이다.

모멘텀 분석에서 이동평균을 사용하는 데에는 네 가지 방법이 있다.

(1) 두 이동평균의 교차점을 이용한다.

(2) 이동평균의 방향이 변하는 것을 이용한다.

(3) 과매수/과매도 교차를 이용한다.

(4) 균형선 이동 평균 교차 교차를 이용한다.

(5) 이동평균을 이용한 파생지표를 새로 만든다.

(1)두 이동평균의 교차점을 이용한다.(Double Moving Average Crossover)

이것은 모멘텀과 그것의 단기이동평균을 사용했을 경우 발생하는 잘못된

이동평균 교차신호를 다루기 위한 것이다. 일반적으로 이동 평균 교차 단기 이동평균이

장기 이동평균을 교차할 때를 신호로 삼는다. 그림 2-19를 참조하기 바란다.

보다시피 두 번째 매도신호 후에 발생했을 잦은 속임수(Whipsaw)가 많이 걸러졌다.

이러한 접근방식은 앞으로 언급될 MACD 지표와

추세편차(trend deviation)의 기초로 사용된다.

(2) 이동평균의 방향이 변하는 것을 이용한다.(Moving Average Directional Change)

원래 모멘텀의 이동평균 교차는 너무 잦은 속임수(Whipsaw) 때문에 사용할 수

없다는 것을 앞에서 언급했다. 그러나 이동평균 자체만을 고려했을 때 그것의

방향은 모멘텀 추세의 전환에 대한 신뢰 있고 적절한 신호를 제시할 것이다.

그림 2-20을 참조하기 바란다.

여기서 두가지 사항에 주목해야 한다. 첫 번째는 신호의 신뢰성이 발생점과 균형선

사이의 거리에 따른다는 것이다. 이미 언급한 적이 있지만 다른 사항이 동일하다는

전제하에 거리가 멀수록 신뢰성은 커진다.

두 번째는 많은 경우에 있어서 이동평균을 사용하더라도 여전히 변동성을

모두 제거할 수는 없다는 것이다. 따라서 당연히 잘못되거나 시기적으로

부적절한 신호가 발생할 수밖에 없다. 이 점은 신뢰할만하면서도 상대적으로

시기적절한 신호를 찾는 면에서는 단점으로 기능하지만,

다른 한편으로는 이것 때문에 가격과 평활화된 모멘텀 사이에서 괴리를 찾을 수

있다는 장점을 갖게 한다. 즉 이것을 사용할 때 모멘텀을 강화시키거나

약화시키는 추세에 초점을 맞추는 것이 용이해진다.

또한 이동평균의 고점과 저점을 연결한 추세선을 그리는 것이 가능하며

이것이 붕괴되었을 이동 평균 교차 때 이 추세선은 일반적으로 동일한 기간을 사용한 원형의

모멘텀에서 작성한 추세선보다 훨씬 중요한 의미를 갖는다.

(3)과매수/과매도 교차를 이용한다.(Over bought/Oversold Crossovers)

장기 이동평균이 모멘텀 추세의 전환에 관한 신호를 제시할 수 있는

또 다른 방법이 있는데 이런 접근방식중의 하나가 바로 과매수 과매도 위치를

설정하는 것이다. 앞에서 언급되었지만 이것은 전형적으로 특정 주식을 관찰함으로써

시행착오를 거쳐서 얻어진다. 매수와 매도 신호는 이동평균이 과매수나

과매도 수준을 통과했다가 다시 균형선을 향해서 뚫고 내려갈 때 나타난다.

이것을 표시한 것이 그림 2-21이다.이 방법의 가장 큰 약점은 종종 특정 주식에

있어서 가격의 변동이 모멘텀 지표를 이런 과매수/과매도

수준까지 이동시키기에 부족하다는 것이다.


이런 경우 매수나 매도 신호가 발생한 뒤에 그 반대되는 거래신호가 발생하지 않는다.

즉 이 방식의 접근이 이런 경우에 대한 부가적인 규칙을 포함하지 않는다면

기계적인 트레이딩 시스템에 적용하기에 무리가 있다는 것이다.

그럼에도 불구하고 이것은 신뢰할만한 매수나 매도신호를 찾아내는데 있어서

아주 중요하고 값진 방법임에는 틀림없다. 이런 신호가 발생할 경우

주의 깊게 관찰해야 하며 이동 평균 교차 반대신호가 발생하지 않았다고 무조건 기다릴

필요 없이 반대 신호를 다른 방식으로 찾아야 한다.

(4)균형선 교차 신호를 이용한다.(Equilibrium Crossover Signal)

가능성을 만들어주는 또 다른 신호는 그림 2-22에서 보듯이 이동평균선이

균형선을 교차할 때이다. 매수신호는 지표가 '0'선을 상향 돌파할 때이며 매도신호는

그것이 '0'선을 아래로 돌파할 때이다. 이 방법은 앞에서 언급한 과매수/과매도를

이용한 신호에서 부족한 거래반대신호의 발생문제를 제거해준다.

그러나 이동평균을 선택할 때 주의하지 않는다면 대부분의 신호가 너무 늦게

나온다는 단점이 있다. 또한 이동평균을 사용하지 않는 경우에는 모멘텀을

선정하는 기간 선택에 아주 주의해야 한다.

이 경우 수 없는 속임수(Whipsaw)를 자주 접하게 될지 모르니 주의해야 한다.

(5)이동평균을 이용한 파생지표를 이용한다.(Derivatives of Moving Average)


0 개 댓글

답장을 남겨주세요