محاسبه میانگین

خانه برچسب: نحوه محاسبه میانگین متحرک

AVERAGEA

تابع AVERAGEA میانگین (میانگین حسابی) مقادیر وارد شده شامل اعداد و متون را برمی‎گرداند.

گرفتن میانگین دسته‌ای از اعداد و متون

خروجي تابع

یک عدد که نشان‌دهنده میانگین حسابی اعداد و متون در محدوده آدرس دهی شده است.

ساختار تابع (Syntax)

AVERAGEA ( value1 , [value2] )

آرگمان	ضروري	توضيح
value1	بله	ارجاع به سلول یا محدوده‌ای از سلول‌ها که می‌خواهید میانگین آنها را محاسبه کنید.
[value2]	خير	تا ۲۵۵ آیتم اضافی، مراجع سلولی یا محدوده‌هایی که در آنها می‌خواهید میانگین اعداد و متون را محاسبه کنید.

توضیحات تکمیلی

برای محاسبه این میانگین (میانگین حسابی)، اکسل اعداد را به یکدیگر اضافه می‌کند و به تعداد کل سلول‌های پر آنها تقسیم می‌کند. برای مثال =AVERAGEA(2,4,6,"excel") مقدار ۳ را برمی‌گرداند.

برخلاف تابع AVERAGE، این تابع مقادیر منطقی TRUE و FALSE و همچنین اعدادی که با فرمت متن وارد شدند را ارزیابی می‌کند و در محاسبات وارد می‌کند درحالی‌که تابع AVERAGE از این مقادیر در حین محاسبه فقط عبور می‌کند.

تابع AVERAGEA مقدار منطقی TRUE را مقدار عددی ۱ و FALSE را مقدار ۰ در نظر می‌گیرد.

آرگومان‌ها می‌توانند به‌صورت زیر باشند و حداکثر ۲۵۵ آرگومان می‌توانیم وارد کنیم.

- اعداد
- محدوده‌های نام‌گذاری شده
- آرایه‌ها
- محدوده‌ها و یا مراجع سلولی که حاوی اعداد هستند
- متنی که نمایشی از اعداد باشد
- مقادیر منطقی در یک مرجع

مقادیر منطقی و متنی که به صورت نمایشی از اعداد که به صورت دستی وارد می‌کنیم در محاسبات منظور می‌شوند.

آرگومان‌های آرایه‌ای یا مرجع که حاوی متن هستند و یا متن خالی ("") به عنوان مقدار صفر ارزیابی می‌شوند.

توابع مرتبط

AVERAGE : محاسبه صرفاً میانگین حسابی اعداد در یک مرجع به عنوان بخشی از داده‌ها و نادیده گرفتن متون
AVERAGEIF : محاسبه میانگین تنها مقادیری که معیار خاصی دارند
AVERAGEIFS : محاسبه میانگین تنها مقادیری که معیارهای خاصی دارند

بررسی خطاهای تابع

اگر همه آرگومان‌ها به سلول‌های خالی ارجاع شده باشند، این تابع مقدار خطای #DIV/0! را برمی‌گرداند.
اگر یکی از آرگومان‌ها شامل مقادیر خطا یا متنی باشند که قابل تبدیل به اعداد نیستند، این تابع مقدار خطای #VALUE! را برمی‌گرداند.
راهنمای کامل انواع خطاها در اکسل و پردازش آنها

تابع AVERAGEA گرایش مرکزی را اندازه‌گیری می‌کند که در واقع موقعیت مرکز یک گروه از اعداد در توزیع آماری را به‌دست می‌آورد. سه مورد از معیارهای معروف برای گرایش مرکزی در ادامه آورده می‌شود:

AVERAGE : که میانگین حسابی گفته می‌شود با اضافه کردن یک گروه اعداد به یکدیگر و سپس تقسیم نتیجه آن به تعداد اعداد به‌دست می‌آید. برای نمونه میانگین ۲, ۳, ۳, ۵, ۷ و ۱۰ از تقسیم عدد ۳۰ بر ۶ که معادل با عدد ۵ می‌شود به‌دست می‌آید.
MEDIAN : میانه یک گروه از اعداد است. در واقع میانه عددی است که نیمی از اعداد مقادیری بزرگ‌تر از آن و نیمی دیگر مقادیری کمتر از آن دارند. برای نمونه میانه اعداد ۲, ۳, ۳, ۵, ۷ و ۱۰ مقدار ۴ می‌باشد و همان‌طور که گفته شد یعنی سه عدد ۲, ۳, ۳ از آن کمتر و سه عدد ۵, ۷, ۱۰ از آن بیشتر می‌باشند.
MODE : به عددی گفته می‌شود که بیشترین تکرار را در یک گروه از اعداد داشته باشد. برای نمونه مد اعداد ۲, ۳, ۳, ۵, ۷ و ۱۰ عدد ۳ با دو تکرار می‌باشد.

وقتی میانگین سلول‌ها را محاسبه می‌کنید تفاوت بین سلول‌های خالی و سلول‌هایی که مقدار صفر دارند را در نظر داشته باشید. مخصوصاً اگر تیک گزینه "Show a zero in cells that have a zero value" را برداشته باشید.
وقتی تیک این گزینه برداشته می‌شود سلول‌های خالی شمرده نمی‌شوند در حالی که سلول‌های با مقدار صفر با اینکه در ظاهر خالی به نظر می‌رسند شمرده می‌شوند.

گزینه "Show a zero in cells that have a zero value" در سربرگ File و گزینه Options، سپس Advanced و در نهایت جزء یکی از گزینه‌های مجموعه Display options for this worksheet می‌باشد که با برداشتن تیک این گزینه مقدار صفر در سلول نمایش داده نمی‌شود و تنها در نوار فرمول قابل رؤیت است.

تابع AVERAGEA جزء دسته توابع آماری در اکسل می‌باشد.

این تابع قابل استفاده در نسخه‌های اکسل 2016، اکسل 2013، اکسل 2011 برای مک، اکسل 2010، اکسل 2007، اکسل 2003، اکسل XP و اکسل 2000 می‎باشد.

در جدول زیر نمونه‌هایی از استفاده از فرمول AVERAGEA و خروجی آن را مشاهده می‌کنید.

محاسبه میانگین

سیگنال های اسپات و فیوچرز ارزدیجیتال در کانال تلگرام هوش فعال عضویت در کانال

خانه برچسب: نحوه محاسبه میانگین متحرک

آرشیو مطالب

میانگین متحرک SMAو EMA چیست و سیگنال گیری با میانگین متحرک چگونه است؟

فیلتر بورس چیست؟

اشتراک طلایی چیست؟

نوشته‌های تازه

• رفع خطا و مشکل کندی فیلتر های نوسان گیری در بورس
• رفع مشکل هنک کردن فیلتر و کند شدن مرورگر در هنگام کار با فیلتر بورس
• دانلود رایگان فیلتر ورود پول بر اساس حجم یک ماه گذشته مخصوص بورس ایران
• آموزش فیلتر نویسی در اسکرینر سایت تریدینگ ویو جهت تشخیص روند صعودی و نزولی
• دانلود و آموزش اندیکاتور ترسیم اتوماتیک خط روند در تریدرنگ ویو Auto Trendline [KL]

• اندیکاتور تشخیص حمایت و مقاومت SUPPORT RESISTANCE در تریدینگ ویو 17 views
• اندیکاتور Session Volume Profile در تریدینگ ویو مخصوص معاملات اسکالپ 16 views
• دانلود اندیکاتور تشخیص حمایت و مقاومت و کانال کشی اتوماتیک Linear Regression 12 views
• اکسپرت محاسبه حجم لات ،حد ضرر و حد سود هر پوزیشن طبق ریسک هر معامله و پوزیشن گیری راحت مخصوص فارکس 9 views
• رفع خطا و مشکل کندی فیلتر های نوسان گیری در بورس 8 views
• اکسپرت تحلیلگر ایچیموکو مخصوص بورس و فارکس با امکان ارسال سیگنال به موبایل 8 views
• استراتژی معاملاتی کاربردی به همراه فیلتر در سایت تریدینگ ویو HCS-3 7 views
• فیلتر معجزه هیکن آشی مخصوص نوسان گیری چند روزه 7 views
• دانلود و آموزش اندیکاتور CCwSF برای شناسایی برخورد دقیق خطوط و سیگنال خرید و فروش مطمئن مخصوص متاتریدر 4 7 views
• سیگنال گیری حرفه ای با اکسپرت استوکاستیک شاهین در بورس و فارکس 6 views

• 1435 کاربر کل کاربران سایت
• 0 محصول مجموع محصولات
• 387 مطلب کل مطالب سایت
• 1390 دیدگاه کل باز خورد مطالب

نوشته‌های تازه

• رفع خطا و مشکل کندی فیلتر های نوسان گیری در بورس
• رفع مشکل هنک کردن فیلتر و کند شدن مرورگر در هنگام کار با فیلتر بورس
• دانلود رایگان فیلتر ورود پول بر اساس حجم یک ماه گذشته مخصوص بورس ایران
• آموزش فیلتر نویسی در اسکرینر سایت تریدینگ ویو جهت تشخیص روند صعودی و نزولی

چطوری با ما در تماس باشید؟

شما برای ارتباط با ما می توانید از طریق شماره 09364549266 در واتساپ و تلگرام با ما در ارتباط باشید ضمنا برای تماس تلفنی از ساعت 8 صبح تا 4 بعد از ظهر پاسخگوی کاربران عزیز می باشیم

ما کی هستیم و چیکار میکنیم؟

سایت هوش فعال یک گروه با انگیزه می باشد که هدف آن تولید محتوای کاربردی و حرفه ای در زمینه تحلیل تکنیکال و برنامه نویسی بازارهای مالی،طراحی و تولید فیلتر هایی بورسی،پادکستهای انگیزشی و آموزشی و ارائه کتابهای صوتی و الکترونیکی اختصاصی در زمینه بورس بود.

آدرس : مازندران، ساری،خیابان معلم، خیابان امام هادی، آکادمی هوش فعال

تلفن ثابت : 91010105-011 موبایل : 09364549266

سایت هوش فعال به منظور قانون مند کردن فعالیت های خود مجوز فعالیت نشردیجیتال برخط و تصدی رسانه برخط پیام ده را از مرکز توسعه فرهنگ و هنر در فضای مجازی متعلق به وزارت فرهنگ و ارشاد اسلامی با شماره پرونده 12565 را در تاریخ 1400/09/21 اخذ کرده است.

نحوه محاسبه درصد و میانگین طیف لیکرت در انواع پرسشنامه

اگر در پژوهش خود نیاز به محاسبه درصد لیکرت یا میانگین لیکرت دارید دو راه بیشتر ندارید: یکی اینکه خودتان این محاسبه‌ها را به کمک ابزارهایی مانند اکسل و SPSS انجام دهید و دردسر اتلاف وقت و سردرگمی و محاسبه‌های پیچیده را به جان بخرید یا این‌که از ابزارهای آنلاین محاسبه میانگین ساخت پرسشنامه استفاده کنید که خودشان به طور خودکار برایتان این کار را انجام دهند.

با این حال، هر انتخابی هم که بکنید ما در این مقاله قصد داریم نحوه تبدیل طیف لیکرت به درصد و نحوه محاسبه میانگین در طیف لیکرت را به شما آموزش دهیم.

نحوه محاسبه میانگین در طیف لیکرت

همان‌طور که می‌دانید طیف لیکرت انواع مختلفی از ۴ تایی تا ۱۱ تایی دارد؛ اما معروف‌ترین آن‌ها طیف ۵ تایی و ۷ تایی است. گزینه‌های طیف لیکرت نباید الزاما شامل «کاملا راضی» یا «کاملا ناراضی» باشد و می‌توان انوع مختلفی از گویه‌ها را در آن تعریف کرد.

برای این‌که بتوان میانگین را در طیف لیکرت حساب کرد لازم است در سوالات خود به هر یک از گزینه‌ها عدد دهید و بعد عدد هر گزینه را برای میانگین‌گرفتن استفاده کنید.

فرض کنید سوالی که می‌پرسید این است:

چقدر از محصول ما رضایت دارید؟

حالا برای تعریف گزینه‌ها باید از طیف لیکرتی استفاده کنید و در کنار هر گزینه هم عددی تعریف کنید:

حالا برای محاسبه میانگین کافیست در مجموع پژوهش خود تعداد پاسخ‌ها هر گزینه را محاسبه کنید و نهایتا یک عملیات ساده میانگین‌گیری را اجرا کنید.

اما حالا فرض کنید به دنبال راهی سریع‌تر و ساده‌تر برای محاسبه این عدد هستید. به این منظور باید ابتدا در پرس‌لاین پرسشنامه خود را بسازید. برای سوال طیف لیکرت خود به جای استفاده از نوع سوال لیکرت، از نوع سوال چندگزینه‌ای استفاده کنید و آن را برای پاسخ‌دهنده‌های خود ارسال کنید.

بعد از دریافت پاسخ‌ها، در بخش گزارش‌ها می‌توانید جدولی مشابه تصویر زیر را ببینید که در آن میانگین سوالتان به همراه مد و میانه و واریانس و درصد به طور خودکار محاسبه شده است و شما دیگر دردسری بابت محاسبه این فاکتورها نخواهید داشت.

همچنین شما می‌توانید به سادگی با وارد کردن نتایج گزارش پرس‌لاین در SPSS‌ محاسبات بعدی را انجام دهید.

نحوه تبدیل طیف لیکرت به درصد

برای محاسبه درصد طیف لیکرت هم باز باید به هریک از گزینه‌های طیف خود یک عدد اختصاص دهید. سپس مجموع پاسخ بههر گزینه را حساب کنید. بعد عدد به دست آمده را در عدد کل پاسخ‌ها تقسمی کرده و نتیجه را در ۱۰۰ ضرب کنید.

مثلا فرض کنید سوالی که می‌پرسید این است:

چقدر در زمینه سواد رسانه‌ای مطالعه دارید؟

گویه‌هایی هم که تعریف کرده‌اید شامل این گزینه‌ها می‌شود:

حالا پاسخ‌های پرسشنامه خود را دریافت کرده‌اید، به طور کلی ۴۰ نفر به این محاسبه میانگین سوال پاسخ داده‌اند. ۵ نفر گزینه اول، ۸ نفر گزینه دوم، ۱۰ نفر گزینه سوم، ۱۱ نفر گزینه چهارم و ۶ نفر هم گزینه آخر را انتخاب کرده‌اند.

برای محاسبه درصد فراوانی گزینه اول باید ۵ را بر ۴۰ تقسیم کنید و عدد به دست آمده را در ۱۰۰ ضرب کنید. نهایتا درصد فراوانی گزینه اول ۱۲.۵ درصد خواهد بود. به همین ترتسیب می‌توانید درصد بقیه گزینه‌ها را هم به دست آورید.

اما اگر نمی‌خواهید این محاسبه میانگین محاسبات زمان‌بر را انجام دهید، کافیست پرسشنامه خود را با پرس‌لاین بسازید، برای سوالات طیفی خود از نوع سوال چند گزینه‌ای استفاده کنید و نهایتا در بخش گزارش‌ها جدول کاملی از همه این محاسبه‌ها را به صورت آنی ببینید.

طیف لیکرت و کاربرد آن در پرسشنامه‌ها و نظرسنجی‌های سازمانی

کلام آخر

گاهی اوقات استفاده از نرم‌افزارهای آنلاین و تکنولوژی‌های روز باعث سرعت بخشیدن به انجام کارها و جلوگیری از اتلاف وقت می‌شود. اگر شما هم تحقیق یا پژوهشی دارید که در آن میانگین گرفتن و درصد گرفتن از سوال‌های طیفی مهم است، بهتر است از همان ابتدا پرسشنامه آنلاینی را با پرس‌لاین بسازید تا بتوانید به راحتی به گزارش‌ها و تحلیل‌های جامع آن دست پیدا کنید. -->

فرمول انحراف معیار و فرمول واریانس + مثال از نحوه محاسبه و مفهوم

فرمول انحراف معیار و فرمول واریانس + مثال از نحوه محاسبه و مفهوم

در این آموزش به توضیح مفهوم واریانس و انحراف معیار و همچنین فرمول واریانس و فرمول انحراف معیار می‌پردازیم و با مثال‌های مختلف، موارد مذکور تمرین می‌شوند و نحوه محاسبه و مفهوم آن‌ها درک خواهند شد!

مفهوم پراکندگی

یکی از شاخص‌ها پراکندگی است! شاید بپرسید یعنی چی؟! به مثال زیر دقت کنید، تا توضیح بدم!

نمره 3 کلاسِ پنج نفره زیر رو در نظر بگیرید!

خب اگر میانگین نمرات هر سه کلاس رو حساب کنید، میشه 10.8 !

ولی قبول دارید این ملاک خوبی نیست؟! چون مثلاً به کلاس “پ” نگاه کنید! کاملاً مشخصه همه از روی هم نوشتن و تقلب کردن! چون همه شدن 10.8 !

ولی کلاس “الف” بنده‌خدا رو نگاه کنید! تفاوت سطح بین دانش‌آموزان این کلاس بیداد میکنه! دو تا گرفتن 20! بقیه نمرات هم فاجعه است!

کلاس “ب” هم تا حدی شبیه هم هستن!

پس قبول دارید در مورد اعداد صرفاً با میانگین نمیشه قضاوت کرد؟! پراکندگی هم معیار مهمی است!

برای محاسبه پراکندگی دو معیار خیلی مهم “واریانس” و “انحراف معیار” است! (البته معیارهای دیگه‌ای هم واسه سنجش پراکندگی وجود داره که ما باهاش کاری نداریم فعلا!)

مفهوم نمونه و جامعه [برای حفظ فرمول‌ها، تشخیص این مورد مهم است!]

مثلاً اگر کل کلاس “الف” 5 نفر باشه و اون نمراتی که دیدید، مربوط به اون 5 نفر باشه، پراکندگی یه چیز میشه!

اما اگر کلاس “الف” تعدادش مثلاً 30 نفر باشه و این 5 نفر، نمونه‌ای از کلاس باشن، فرمول محاسبه پراکندگی یه چیز دیگست!

وقتی کل کلاس 5 نفر باشه و ما نمرات همه اون 5 رو داشته باشیم، در این حالت داریم واریانس یا انحراف معیار جامعه رو حساب می‌کنیم! [یعنی کل کلاس یا همون جامعه رو در اختیار داریم!]

اما زمانی که فقط یک نمونه 5 نفره از کلاس “الف” انتخاب کردیم و داریم انحراف معیار و واریانس این نمونه رو حساب می‌کنیم، میگن: انحراف معیار یا واریانس نمونه !

دونستن این مفهوم در فرمول‌ها از نون شب واجب‌تر بود!

فرمول واریانس

هشدار: خب! امیدوارم دو بخش قبلی [یعنی تیتر مربوط به مفهوم پراکندگی و مفهوم نمونه و جامعه رو مطالعه کرده باشید! وگرنه تقریباً قول می‌دم از این بخش خیلی متوجه نمی‌شید! لطفاً ترتیب رو بهم نزنید و برید اون پیش‌نیازها رو بخونید!]

مطالب پیشنهادی!:

تصویر زیر رو نگاه کنید تا روووی همین تصویر توضیح بدم!

خب! Variance که همون واریانس است! Sample یعنی نمونه و population هم جامعه! پس اومدیم این شکلی فرمول‌ها رو از هم جدا کردیم!

در ضمن اون x̄ میانگین است! (نحوه خواندن: اِکْسْ بار!)[در واقع یه دونه X نوشتیم که بالای سرش یه خط گذاشتیم!]

هرچند نحوه محسابه میانگین یا همون x̄ از روز هم روشن‌تره، ولی برای محکم‌کاری فرمول اون رو هم نوشتیم! به بیان خودمونی، میانگین میشه مجموع مشاهدات تقسیم بر تعداد مشاهدات! (n همون تعداد مشاهدات است!)

مثال از نحوه محاسبه واریانس

برای اینکه مطمئن بشم، قشنگ یاد گرفتید، یه مثال باهم حل می‌کنیم و واریانس تک تک اون سه تا کلاس رو باهم حساب می‌کنیم!

به تصویر زیر دقت کنید! در تصویر زیر اومدیم واریانس نمونه سه کلاس الف و ب و پ رو حساب کردیم!

همینطور که مشاهده می‌کنید دقیقاً طبق همون فرمول‌ها براتون واسه تک تک کلاس‌ها اومدیم variance رو محاسبه کردیم!

بازهم واضحه که پراکندگی (که واریانس معیاری از آن است) کلاس “الف” از همه بیشتره! بعدش پراکندگی کلاس “ب” بیشتره! پراکندگی کلاس “پ” بنده‌خدا هم که صفر است [چون همه از روی هم تقلب کردن و همه نمرات مثل هم شده]!

واسه اینکه مثالمون هم کامل بشه، بذارید بدون توضیح، نحوه محاسبه واریانس جامعه رو هم در تصویر زیر براتون قدم به قدم محاسبه کنم!

فرمول انحراف معیار و مثال از نحوه محاسبه انحراف معیار

اگر بخش‌های قبلی رو نخوندید و یه راست اومدید اینجا، مطمئن باشید، خیلی چیزی دستگیرتون نمیشه! پس لطفاً پیش‌نیازهای لازم رو اول رعایت بکنید بعد بیاید اینجا!

خب اگر بخش‌های قبل رو خونده باشید، دیگه راحتید! چون واسه محاسبه انحراف معیار، فقط کافی است از واریانس، رادیکال (یا همون جذر) بگیرید! به همین سادگی!

آموزش میانگین متحرک و کاربرد آن در ارز دیجیتال

میانگین متحرک ساده و نمایی از متداول‌ترین شاخص‌های تحلیل تکنیکال است که سرمایه‌گذاران از آن‌ها برای تحلیل وضعیت بازار استفاده می‌کنند. شاخص های تکنیکال به طور کلی، معیارهای عددی هستند که هر کدام به صورت فرمولی خاص از ترکیب پارامترهای مختلف بازار،‌ حاصل می‌شوند. بیشتر شاخص‌های تکنیکال روی قیمت معاملات تمرکز دارند. این دو شاخص در بازارهای مالی و به ویژه بازار ارز دیجیتال کاربرد زیادی دارد.

در این مطلب درباره مفهوم شاخص میانگین متحرک ساده و میانگین متحرک نمایی صحبت خواهیم کرد.

میانگین متحرک چیست؟

یکی از شاخص های تکنیکال ساده و رایج، میانگین متحرک (Moving Average) است. (۲۰MA یعنی: میانگین متحرک ساده ۲۰ روزه). این شاخص در طول زمان تعیین می‌شود؛ مثلا قیمت بیت کوین در ۵ روز گذشته.

به عنوان مثال اگر جدول زیر نشان دهنده‌ی قیمت بیت‌ کوین در ۱۰ روز گذشته باشد:

ALT: مثال برای میانگین متحرک

اگر بخواهیم شاخص MA را برای قیمت ۵ روزه بیت کوین را حساب کنیم، باید در هر روز میانگین قیمت ۵ روز اخیرش را محاسبه کنیم و چون قیمت ۵ روز قبل از روزهای ۱ تا ۴ را نداریم، نمی‌توانیم MA این ۴ روز را محاسبه کنیم.

شاخص MA یک شاخص بسیار ساده و واضح است که از نام آن هم می‌توان تعریفش را درک کرد. این شاخص از جنس میانگین است. اما میانگینی که در طول زمان حرکت می‌کند و پا به پای ما جلو می‌آید.

چگونه از میانگین متحرک استفاده کنیم؟

مهم‌ترین کاربرد شاخص MA، حذف خطاهای ذهنی و ایجاد شهود بهتر نسبت به روند تغییرات قیمت یک ارز دیجیتال است. اکنون فرض کنیم میخواهیم از روی این شاخص به تحلیل بپردازیم. فرض کنید می‌خواهیم ارز دیجیتالی فرضی به نام والکس کوین را بخریم، که قیمت آن در ۵۰ روز اخیر به شکل زیر بوده است.

سوال مهم این است که روند رشد این ارز چگونه بوده است. آیا با در نظر گرفتن میانگین متحرک ارز دیجیتال گزینه خوبی برای سرمایه گذاری است یا نه؟

فرض کنیم که افق زمانی مورد نظر ما برای سرمایه گذاری روی ارز والکس کوین، در حد ده روز است. با این فرض، MA10 این ارز را محاسبه و ترسیم می‌کنیم (از روز دهم شروع می‌کنیم و هر روز، میانگین قیمت ده روز اخیر قیمت والکس کوین را روی نمودار علامت‌گذاری می‌کنیم).

با نگاه به نمودار بالا، قضاوت کمی ساده‌تر است. اگر افق دید سرمایه گذاری ما ده روزه باشد (الان می‌خواهیم این ارز را بخریم و طی ده روز آینده یا کمی زودتر یا دیرتر بفروشیم یا اینکه الان ارز را داریم و می‌خواهیم بدانیم بهتر است آن را الان بفروشیم یا برای فروش آن حداقل ۱۰ روز صبر کنیم).

به نظر می‌رسد که MA قیمت والکس کوین، رو به بهبود است و اگر بخواهیم محاسبه میانگین تمام تصمیم خود را به همین یک شاخص متکی کنیم (که قطعاً توصیه نمی‌شود) به نظر می‌رسد روند نزولی قیمت متوقف شده و اوضاع رو به بهبود است.

نکته مهم در ارتباط با میانگین متحرک

همان‌طور که در قسمت قبلی متوجه شدید میانگین متحرک‌ بر اساس اطلاعات قیمت در گذشته محاسبه می‌شود و در فرمول میانگین متحرک ساده خبری از پیش بینی آینده نیست. به همین دلیل ممکن است که گاهی قیمت نسبت به آن واکنش نشان ندهد. به همین دلیل اگر قصد ترید کردن دارید بهتر است که از اندیکاتورهای دیگر هم برای تحلیل کمک بگیرید و میانگین متحرک را به تنهایی، ملاک قرار ندهید.

میانگین متحرک نمایی چیست؟

در بخش قبلی با شاخص میانگین متحرک آشنا شدیم. چون این شاخص از قیمت های گذشته محاسبه می شود، به آن شاخص حافظه دار نیز می‌‌گویند.

گاهی اوقات از شاخص MA (میانگین متحرک) یک ایراد جدی می‌گیرند. برای مثال اگر قیمت یک ارز در نه روز اخیر به تدریج از ۳۰۰ دلار کاهش پیدا کرده و به ۱۰۰ دلار رسیده یا اینکه به تدریج از ۱۰۰ دلار افزایش پیدا کرده و به ۳۰۰ دلار رسیده. در هر دو حالت میانگین متحرک بر اساس فرمول میانگین‌گیری، یکسان خواهد بود.

شاخص میانگین متحرک نمایی (Exponential Moving Average) با هدف رفع همین مشکل طراحی و استفاده می‌شود (EMA۲۰ یعنی: میانگین متحرک نمایی ۲۰ روزه).

در محاسبه شاخص EMA، به اطلاعات مربوط به آخرین روز، وزن بیشتری داده می‌شود. برای ساده‌تر شدن بحث بهتر است از یک مثال استفاده کنیم.

فرض کنیم قیمت ارز والکس کوین در دو ماه اخیر بین ۲۰۰ تا ۳۳۰ دلار در حال نوسان بوده است:

اگر میانگین متحرک ۲۰ روزه (MA20) را حساب کنیم، می‌بینیم شاخص در اواخر دوره نسبتاً یکنواخت مانده و کمی سقوط کرده است. اگر اطلاعات قیمت روز سی ‌ام تا روز پنجاهم را وارونه کنیم، MA20، در روز آخر، مقدار قبلی خود را حفظ خواهد کرد.

وقتی MA20 را به شکل ساده حساب می‌کنیم، در واقع قیمت هر روز، ۵٪ در MA نقش دارد (یک بیستم مقدار شاخص). اکنون یک قرار جدید می‌گذاریم. ۹٪ قیمت ارز در روز آخر را با ۹۱ درصد میانگین متحرک ۲۰ روز قبل جمع می‌زنیم و به این شیوه، سهم قیمت روز آخر را دو برابر حساب می‌کنیم و این عدد جدید را به عنوان MA در روز جاری ثبت می‌کنیم (ما الان ۲۱ قیمت داریم: قیمت امروز به همراه میانگین قیمت بیست روز قبل. پس سهم هر قیمت حدود چهار و نیم درصد است).

فرض کنید میانگین قیمت ارز دیجیتال، والکس کوین در بیست روز اخیر، ۲۰۰ دلار بوده است و امروز قیمت این ارز دیجیتال به ۲۱۰ دلار رسیده است. ما ۹٪ قیمت ۲۱۰ را به ۹۱٪ میانگین۲۰۰ جمع می‌زنیم و به قیمت ۲۰۱ می‌رسیم. ۲۰۱ را به عنوان میانگین قیمت امروز ثبت می‌کنیم.

اکنون اگر فردا قیمت این ارز دیجیتال ۲۳۰ دلار شد، ۹٪ قیمت ۲۳۰ را با ۹۱٪ میانگین ۲۰۱ جمع میزنیم و نتیجه را به عنوان عدد ۲۰۳.۶ دلار ثبت می‌کنیم و این روند به همین شکل ادامه پیدا می‌کند. در نمودار زیر می‌توانید نتیجه را ببینید:

خط قرمز رنگ، میانگین متحرک ساده بیست روزه است و خط زرد رنگ میانگین متحرک نمایی بیست روزه است. با کمی دقت متوجه می‌شویم که میانگین متحرک نمایی به تغییرات قیمت سریع‌تر واکنش نشان می‌دهد.

وقتی قیمت رشد صعودی داشته، میانگین متحرک نمایی زودتر از میانگین متحرک ساده افزایش پیدا کرده و وقتی قیمت کاهش داشته، میانگین متحرک نمایی زودتر کاهش پیدا کرده است. به عبارتی میانگین متحرک ساده در مقایسه با میانگین متحرک نمایی، دیرتر به تغییرات واکنش نشان می‌دهد.

برای مطالعه بیشتر می‌توانید مقاله منظور از بازار خرسی یا گاوی در دنیای ارز دیجیتال را بخوانید.

برای تحلیل قیمت رمزارزها از میانگین متحرک استفاده کنیم یا میانگین ساده؟

به این نکته توجه کنید که هدف از تحلیل تکنیکال انجام معجزه‌ای در سرمایه گذاری نیست؛ بلکه کاهش سهم خطاهای انسانی و خطاهای احساسی در تحلیل و ارزیابی شرایط موجود است. از طرف دیگر شما باید بدانید که گاهی اوقات ممکن است میانگین متحرک بهتر از میانگین محاسبه میانگین ساده عمل کند یا برعکس.

به همین خاطر به طور قطع نمی‌توان گفت که در معاملات ارزهای دیجیتال کدام عملکرد بهتری دارد. اما در حالت کلی باید بدانید که EMA نسبت به SMA تغییرات روند را سریعتر نشان می‌دهد.

در نهایت فراموش نکنید که معامله‌گران حرفه‌ای می‌دانند که به‌جای اینکه نگران زمان مناسب برای ورود به معامله باشند باید استراتژی خود را با استفاده از ابزارهای تحلیل طوری تنظیم کنند که میزان ضرر خود را کاهش دهند.

میانگین متحرک از ابزارهای تحلیل تکنیکال است که که سرمایه‌گذاران از آن‌ها برای تحلیل وضعیت بازار استفاده می‌کنند. شاخص های تکنیکال به طور کلی، معیارهای عددی هستند که هر کدام به صورت فرمولی خاص از ترکیب پارامترهای مختلف بازار،‌ حاصل می‌شوند.

گاهی اوقات ممکن است میانگین متحرک بهتر از میانگین ساده عمل کند یا برعکس.به همین خاطر به طور قطع نمی‌توان گفت که در معاملات ارزهای دیجیتال کدام عملکرد بهتری دارد و بهتر است از هر دو استفاده شود.

وقتی قیمت صعودی باشد، میانگین متحرک نمایی زودتر از میانگین متحرک ساده افزایش پیدا کرده و وقتی قیمت کاهش داشته، میانگین متحرک نمایی زودتر کاهش پیدا کرده است. میانگین متحرک ساده در مقایسه با میانگین متحرک نمایی، دیرتر به تغییرات واکنش نشان می‌دهد.

میانگین متحرک‌ بر اساس اطلاعات قیمت در گذشته محاسبه می‌شود و در فرمول میانگین متحرک ساده خبری از پیش بینی آینده نیست. به همین دلیل ممکن است که گاهی قیمت نسبت به آن واکنش نشان ندهد.

مهم‌ترین کاربرد شاخص MA، حذف خطاهای ذهنی و ایجاد شهود بهتر نسبت به روند تغییرات قیمت یک ارز دیجیتال است. در صورت کمک گرفتن از این شاخص می‌توانید میزان خطای خود در معاملات را کاهش دهید.