ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก (WMA) เป็นตัวบ่งชี้ทางเทคนิคที่ผู้ค้าใช้เพื่อสร้างทิศทางการค้าและทำการตัดสินใจซื้อหรือขาย จะกำหนดน้ำหนักที่มากขึ้นให้กับจุดข้อมูลล่าสุดและให้น้ำหนักจุดข้อมูลที่ผ่านมาน้อยลง ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักคำนวณโดยการคูณการสังเกตแต่ละครั้งในข้อมูลที่กำหนดโดยปัจจัยการถ่วงน้ำหนักที่กำหนดไว้ล่วงหน้า
ผู้ค้าใช้เครื่องมือถัวเฉลี่ยถ่วงน้ำหนักเพื่อสร้างสัญญาณการค้า ตัวอย่างเช่นเมื่อการเคลื่อนไหวของราคาเคลื่อนไปทางหรือสูงกว่าค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักสัญญาณอาจเป็นสัญญาณบ่งชี้ให้ออกจากการซื้อขาย อย่างไรก็ตามหากการเคลื่อนไหวของราคาลดลงใกล้หรือต่ำกว่าค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักอาจเป็นตัวบ่งชี้ถึงเวลาที่ดีในการเข้าสู่การซื้อขาย
การใช้ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักเพื่อกำหนดทิศทางแนวโน้มนั้นแม่นยำกว่าค่าเฉลี่ยเคลื่อนที่ธรรมดาซึ่งกำหนดน้ำหนักที่เหมือนกันให้กับตัวเลขทั้งหมดในชุดข้อมูล
สรุป
- ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก (WMA) เป็นตัวบ่งชี้ทางเทคนิคที่กำหนดน้ำหนักที่มากขึ้นให้กับจุดข้อมูลล่าสุดและลดน้ำหนักให้กับจุดข้อมูลในอดีตอันไกลโพ้น
- WMA ได้มาจากการคูณตัวเลขแต่ละตัวในข้อมูลที่กำหนดโดยน้ำหนักที่กำหนดไว้ล่วงหน้าและสรุปค่าผลลัพธ์
- ผู้ค้าใช้ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักเพื่อสร้างสัญญาณการค้าเพื่อระบุว่าเมื่อใดควรซื้อหรือขายหุ้น
วิธีการคำนวณค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก
เมื่อคำนวณค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักจุดข้อมูลล่าสุดจะถูกกำหนดน้ำหนักให้มากขึ้นในขณะที่จุดข้อมูลที่ผ่านมาจะได้รับการกำหนดน้ำหนักให้น้อยลง ใช้เมื่อตัวเลขในชุดข้อมูลมีน้ำหนักต่างกันเมื่อเทียบกัน ผลรวมของน้ำหนักควรเท่ากับ 1 หรือ 100%
มันแตกต่างจากค่าเฉลี่ยเคลื่อนที่อย่างง่ายตรงที่ตัวเลขทั้งหมดจะถูกกำหนดให้มีน้ำหนักเท่ากัน ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักขั้นสุดท้ายสะท้อนถึงความสำคัญของจุดข้อมูลแต่ละจุดดังนั้นจึงมีความหมายถึงความถี่ของการเกิดพร้อมกันมากกว่าค่าเฉลี่ยเคลื่อนที่ธรรมดา
ตัวอย่าง 1
ทำตามขั้นตอนต่อไปนี้เมื่อคำนวณค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก:
1. ระบุตัวเลขที่คุณต้องการเฉลี่ย
ขั้นตอนแรกคือการสร้างรายการตัวเลขที่ผู้ใช้ต้องหาค่าเฉลี่ยถ่วงน้ำหนัก ที่นี่เราสามารถใช้ราคาปิดของหุ้น ABC ได้ตั้งแต่วันที่ 1 มกราคมถึง 5 มกราคมราคาปิดคือ $ 90, $ 88, $ 89, $ 90 และ $ 91 โดยตัวเลขแรกคือตัวเลขล่าสุด
2. กำหนดน้ำหนักของแต่ละหมายเลข
หลังจากระบุตัวเลขที่จะคำนวณค่าเฉลี่ยถ่วงน้ำหนักแล้วขั้นตอนต่อไปคือการกำหนดน้ำหนักของตัวเลขแต่ละตัวเพื่อให้ทราบว่าตัวเลขแต่ละตัวมีน้ำหนักเท่าใด ในกรณีเช่นนี้เราให้น้ำหนักสูงสุดกับข้อมูลล่าสุดที่ชี้จากการสุ่ม 15 คะแนนดังแสดงในตารางด้านล่าง:
วันที่ | ราคาปิด | การถ่วงน้ำหนัก | |
วันที่ 1 มกราคม | $ 91 | 1/15 | |
2 มกราคม | $ 90 | 2/15 | |
3 มกราคม | $ 89 | 15/3 | |
4 มกราคม | 88 เหรียญ | 15/4 | |
5 มกราคม | $ 90 | 5/15 |
3. คูณตัวเลขแต่ละตัวด้วยตัวคูณน้ำหนัก
หลังจากกำหนดน้ำหนักสำหรับแต่ละตัวเลขแล้วขั้นตอนต่อไปคือการคูณตัวเลขแต่ละตัวตั้งแต่วันที่ 1 ถึง 5 มกราคมด้วยปัจจัยการถ่วงน้ำหนักที่สอดคล้องกันแล้วสรุปค่าผลลัพธ์ ดังแสดงด้านล่าง:
วันที่ | ราคาปิด | การถ่วงน้ำหนัก | ค่าเฉลี่ยถ่วงน้ำหนัก |
วันที่ 1 มกราคม | $ 91 | 1/15 | 6.07 ดอลลาร์ |
2 มกราคม | $ 90 | 2/15 | $ 12 |
3 มกราคม | $ 89 | 15/3 | $ 17.80 |
4 มกราคม | 88 เหรียญ | 15/4 | $ 23.47 |
5 มกราคม | $ 90 | 5/15 | $ 30 |
สูตรสำหรับค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแสดงดังนี้:
ที่ไหน:
- N คือช่วงเวลา
4. เพิ่มค่าผลลัพธ์เพื่อรับค่าเฉลี่ยถ่วงน้ำหนัก
ขั้นตอนสุดท้ายคือการบวกค่าผลลัพธ์เพื่อให้ได้ค่าเฉลี่ยถ่วงน้ำหนักสำหรับราคาปิดของหุ้น ABC
WMA = $ 30 + $ 23.47 + $ 17.80 + $ 12 + $ 6.07
WMA = 89.34 ดอลลาร์
ดังนั้นการถ่วงน้ำหนักเฉลี่ยเคลื่อนที่สำหรับระยะเวลาตั้งแต่ 1 มกราคม - 5 มกราคมเป็น$ 89.34
ตัวอย่าง 2
สมมติว่าจำนวนงวดคือ 10 และเราต้องการค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักของราคาหุ้นสี่ราคาที่ 70 ดอลลาร์ 66 ดอลลาร์ 68 ดอลลาร์และ 69 ดอลลาร์โดยราคาแรกเป็นราคาล่าสุด
จากข้อมูลที่ระบุการให้น้ำหนักล่าสุดจะเท่ากับ 4/10 ช่วงเวลาก่อนหน้านั้นคือ 3/10 และช่วงเวลาถัดไปก่อนหน้านั้นจะเป็น 2/10 และการให้น้ำหนักช่วงเริ่มต้นจะเท่ากับ 1/10
ค่าเฉลี่ยการถ่วงน้ำหนักสำหรับราคาที่แตกต่างกันสี่ราคาจะคำนวณดังนี้
WMA = [70 x (4/10)] + [66 x (3/10)] + [68 x (2/10)] + [69 x (1/10)]
WMA = 28 USD + 19.80 USD + 13.60 USD + 6.90 USD = 68.30 USD
ค่าเฉลี่ยเคลื่อนที่อย่างง่ายเทียบกับค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก
ค่าเฉลี่ยเคลื่อนที่อย่างง่ายและค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักเป็นสถิติที่ใช้กันอย่างแพร่หลายในโลกและใช้เพื่อหาค่าเฉลี่ยของการสังเกตในชุดข้อมูล
ความแตกต่างที่สำคัญระหว่างการวัดทางสถิติทั้งสองคือค่าเฉลี่ยเคลื่อนที่อย่างง่ายจะคำนวณค่าเฉลี่ยโดยการสรุปผลการสังเกตทั้งหมดในชุดข้อมูลและหารผลรวมด้วยจำนวนการสังเกตทั้งหมด พูดง่ายๆคือใช้การให้น้ำหนักเท่ากันกับการสังเกตทั้งหมดในตัวอย่าง
ในทางกลับกันค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักจะกำหนดน้ำหนักหรือความถี่ที่เฉพาะเจาะจงให้กับการสังเกตแต่ละครั้งโดยการสังเกตล่าสุดได้รับการกำหนดน้ำหนักที่มากกว่าในอดีตอันไกลโพ้นเพื่อให้ได้ค่าเฉลี่ย
การอ่านที่เกี่ยวข้อง
Finance เป็นผู้ให้บริการอย่างเป็นทางการของ Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ Certification ระดับโลกการรับรอง Certified Banking & Credit Analyst (CBCA) ™เป็นมาตรฐานระดับโลกสำหรับนักวิเคราะห์สินเชื่อที่ครอบคลุมด้านการเงินการบัญชีการวิเคราะห์เครดิตการวิเคราะห์กระแสเงินสด , การสร้างแบบจำลองตามพันธสัญญา, การชำระคืนเงินกู้และอื่น ๆ โปรแกรมการรับรองซึ่งออกแบบมาเพื่อช่วยให้ทุกคนเป็นนักวิเคราะห์การเงินระดับโลก เพื่อความก้าวหน้าในอาชีพการงานของคุณแหล่งข้อมูลด้านการเงินเพิ่มเติมด้านล่างนี้จะเป็นประโยชน์:
- วิธีอ่านแผนภูมิหุ้นวิธีอ่านแผนภูมิหุ้นหากคุณกำลังจะซื้อขายหุ้นในฐานะนักลงทุนในตลาดหุ้นคุณจำเป็นต้องรู้วิธีอ่านแผนภูมิหุ้น แม้แต่เทรดเดอร์ที่ใช้การวิเคราะห์ปัจจัยพื้นฐานเป็นหลักในการเลือกหุ้นที่จะลงทุนก็ยังคงใช้การวิเคราะห์ทางเทคนิคของการเคลื่อนไหวของราคาหุ้นเพื่อกำหนดการซื้อและขายโดยเฉพาะการสร้างแผนภูมิหุ้น
- Adaptive Moving Average (KAMA) ของ Kaufman's Adaptive Moving Average (KAMA) Adaptive Moving Average (KAMA) ของ Kaufman ได้รับการพัฒนาโดย Perry J. Kaufman นักทฤษฎีการเงินเชิงปริมาณชาวอเมริกันในปี 1998 เทคนิคนี้เริ่มในปี 1972 แต่ Kaufman ได้นำเสนออย่างเป็นทางการต่อสาธารณะ ผ่านหนังสือของเขา "ระบบการซื้อขายและวิธีการ" ไม่เหมือนกับค่าเฉลี่ยเคลื่อนที่อื่น ๆ
- โมเมนตัมการลงทุนโมเมนตัมการลงทุนโมเมนตัมการลงทุนเป็นกลยุทธ์การลงทุนที่มุ่งซื้อหลักทรัพย์ที่มีแนวโน้มราคาสูงขึ้นหรือหลักทรัพย์ขายชอร์ตที่
- Noise Trader Noise Trader คือบุคคลที่ทำการซื้อขายโดยอาศัยข้อมูลที่ไม่สมบูรณ์หรือไม่ถูกต้องซึ่งมักจะซื้อขายอย่างไร้เหตุผล ผู้ค้าเสียงรบกวนมักทำการซื้อขายโดยอาศัยโฆษณา