ค่าเฉลี่ยเคลื่อนที่ทั่วไป

ตัวชี้วัดการคำนวณค่าเฉลี่ยเคลื่อนที่ที่พบได้บ่อย ได้แก่ SMA (Simple Moving Average) และ EMA (Exponential Moving Average) โดยมีสูตรดังนี้: SMA = SUM(CLOSE, N)/N EMA = (CLOSE(i)P) + (EMA(i-1)(1-P)) หรือ (MCLOSE(i)+(N-M)EMA(i-1))/N SMA มีลักษณะช้า ดังนั้นใน EMA จะให้ความสำคัญกับราคาล่าสุดมากขึ้น เพื่อเพิ่มประสิทธิภาพการติดตามแนวโน้ม การใช้ MA มักมีหลายเวอร์ชัน เช่น SMA, EMA, WMA ฯลฯ แต่วิธีการพื้นฐานจะคล้ายกัน

ข้อจำกัดของค่าเฉลี่ยเคลื่อนที่แบบดั้งเดิม

ค่าเฉลี่ยเคลื่อนที่แบบดั้งเดิมไม่พิจารณาสถานการณ์ตลาดที่เปลี่ยนแปลงอยู่ตลอดเวลา โดยใช้กระบวนการคำนวณที่คงที่ ซึ่งในช่วงที่ตลาดมีการแกว่งตัว ค่าเฉลี่ยระยะสั้นจะเปลี่ยนทิศทางบ่อยครั้ง ในขณะที่ค่าเฉลี่ยระยะยาวจะตอบสนองช้าในช่วงตลาดที่มีการขึ้นหรือลงอย่างรวดเร็ว ยุทธศาสตร์การติดตามแนวโน้มต้องการให้ดัชนีสามารถปรับตัวเข้ากับลักษณะตลาดที่แตกต่างกัน โดยตอบสนองตามทิศทางและความเร็วของตลาด

แนวคิดของค่าเฉลี่ยเคลื่อนที่แบบปรับตัว

เพื่อแก้ไขสถานการณ์ดังกล่าว Perry Kaufman ในหนังสือ "Smarter Trading" ได้เสนอแนวคิดของ ค่าเฉลี่ยเคลื่อนที่แบบปรับตัว (Adaptive Moving Average, AMA) ซึ่งพยายามทำให้ดัชนีสามารถปรับตัวได้โดยอัตโนมัติในสภาพแวดล้อมตลาดที่ซับซ้อน เพื่อลดเสียงรบกวนและการเปลี่ยนแปลงราคาที่ไม่สามารถคาดการณ์ได้ และติดตามแนวโน้มของตลาดได้ดียิ่งขึ้น

การคำนวณค่าเฉลี่ยเคลื่อนที่แบบปรับตัว

ขั้นตอนการคำนวณ AMA มีดังนี้: 1. อัตราประสิทธิภาพของราคา 1.1 ปัญหาที่เกิดขึ้น จากภาพด้านล่างเห็นได้ว่า จาก a ถึง c รูปแบบของตลาดจะเปลี่ยนจากการเรียบง่ายไปสู่เสียงรบกวน อัตราความเร็วของแนวโน้มต้องลดลงเพื่อหลีกเลี่ยงการสูญเสียซ้ำ เมื่อราคามีการเปลี่ยนแปลงทางเดียวอย่างรวดเร็ว เสียงรบกวนจะลดน้อยลง ดังนั้น การเลือกความเร็วของแนวโน้มต้องพิจารณาทั้งทิศทางและเสียงรบกวน

สูตรอัตราประสิทธิภาพ

อัตราประสิทธิภาพใช้ระยะทางทั้งหมดที่ราคาขยับ (ระยะทางราคาทั้งหมด) หารด้วยการเปลี่ยนแปลงสุทธิของราคา ซึ่งสามารถมองได้ว่าเป็นอัตราส่วนของการเลื่อนของราคาเทียบกับความผันผวน สูตรคือ: สมมติว่าราคาปิดก่อนหน้านี้ n ตัวคือ p1, p2, …, pn ดังนั้นประสิทธิภาพของชุดราคาเหล่านี้ คือ จากสูตรสามารถเห็นได้ว่า ค่า ER มีช่วง 0 (ตลาดไม่ชัดเจน เต็มไปด้วยเสียงรบกวน) ~~~ 1 (แนวโน้มสูง)

การกำหนดช่วงความเร็วของแนวโน้ม

โดยใช้แนวคิดการปรับสมการ ER อย่างง่ายเพื่อเพิ่มความมั่นคง: Scaled Smoothing Constant (SSC) = ER (Fast SC – Slow SC) + Slow SC โดยที่ SC = 2/(N+1) หากช่วงจากเร็วไปช้าคือ 2 ถึง 30 วัน ค่าเฉลี่ยการปรับจะเป็น 2/3, 2/31 ดังนั้น SSC = ER (2/3 – 2/31) + 2/31 สุดท้ายแม้ในตลาดที่มีการรวมตัวในแนวนอน ค่าเฉลี่ยเคลื่อนที่ระยะยาว (30) ยังคงมีการขึ้นและลงอย่างช้าๆ เมื่อแนวโน้มของตลาดไม่ชัดเจน ค่าที่ดีที่สุดคือค่าเฉลี่ยเคลื่อนที่แบบปรับตัวที่ควรสามารถเคลื่อนไหวในระดับได้

การคำนวณและลักษณะของ AMA

การคำนวณ AMA สุดท้ายคือ: AMA = AMA[i-1] + C (P – AMA[i-1]) จากสูตรสามารถเห็นได้ว่า AMA และ EMA มีแนวทางการคำนวณที่คล้ายกัน เพียงแต่การกำหนดน้ำหนักต่างกัน AMA มีลักษณะดังนี้: 1) ใช้จำนวนวันที่กำหนดเพื่อระบุช่วงความเร็วของแนวโน้ม 2) เมื่อไม่มีทิศทางในตลาด เส้นแนวโน้ม AMA จะหยุดการเคลื่อนไหว 3) เมื่อราคาเปลี่ยนแปลงชัดเจน AMA จะติดตามได้อย่างรวดเร็ว และมีความล่าช้าน้อย 4) เปลี่ยนพารามิเตอร์หนึ่งไปใช้ในตลาดต่างๆ 5) AMA มีพื้นฐานจากการวิเคราะห์พยากรณ์ ไม่ใช่การตรวจสอบง่ายๆ

บทสรุป

เนื้อหาข้างต้นเป็นการอธิบายหรือแปลคำพูดจากผู้เขียน โดยมองเห็นว่าวิธีการพัฒนาตัวชี้วัดแบบดั้งเดิมนี้นั้นมีความน่าสนใจ และคุ้มค่าสำหรับการศึกษาต่อยอดเกี่ยวกับกลยุทธ์ของค่าเฉลี่ยเคลื่อนที่แบบปรับตัว AMA ในช่วงต่อไปเพื่อตรวจสอบผลลัพธ์ในตลาด A-share