SMA EMA SMMA WMA HMA DEMA TEMA 등 각종 이동평균 차이 비교 (Moving Average)

한눈에 보는 여러 종류의 이동평균(Moving Average)의 비교와 나에게 맞는 이동평균 사용하기

 

• SMA - Simple Moving Average (단순 이동 평균)
• EMA - Exponential Moving Average (지수 이동 평균)
• SMMA - Smoothed Moving Average (스무스 이동 평균)
• WMA - Weighted Moving Average (가중 이동 평균)
• HMA - Hull Moving Average (Hull 이동 평균)
• LSMA - Least Square Moving Average (최소 제곱 이동 평균)
• DEMA - Double Exponential Moving Average (이중 지수 이동 평균)
• TEMA - Triple Exponential Moving Average (3중 지수 이동 평균)

 

 

 

1. SMA - Simple Moving Average (단순 이동 평균)

 

단순 이동 평균(SMA)은 특정 기간 동안의 평균 가격을 계산하는 기술 분석 지표입니다. SMA의 가장 일반적인 시간 프레임은 10, 20, 50 및 200일입니다.

SMA를 계산하려면 특정 기간 동안의 자산의 종가를 더한 다음 기간 수로 나누기만 하면 됩니다. 예를 들어, 10일 SMA를 계산하려면 지난 10일 동안의 자산의 종가를 더한 다음 10으로 나눕니다.

SMA는 종종 자산의 가격 추세를 식별하는 데 사용됩니다. SMA가 상승하면 자산의 가격이 상승 추세임을 나타내고 SMA가 하락하면 자산의 가격이 하락 추세임을 나타냅니다.

SMA는 또한 지지선과 저항선을 식별하는 데 사용할 수 있습니다. 지지선은 구매자가 개입하여 자산 가격이 더 이상 하락하지 않도록 할 가능성이 있는 가격입니다. 저항선은 판매자가 개입하여 자산 가격이 더 이상 상승하지 않도록 할 가능성이 있는 가격입니다.

SMA는 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 다재다능한 기술 분석 지표입니다.

SMA를 사용하는 이점은 다음과 같습니다.

- 계산하고 이해하기 쉽습니다.
- 자산 가격의 추세를 식별하는 데 사용할 수 있습니다.
- 지지선 및 저항선을 식별하는 데 사용할 수 있습니다.
- 잠재적인 거래 기회를 식별하는 데 사용할 수 있습니다.

 

SMA를 사용하는 단점은 다음과 같습니다.

- 지연 지표이므로 이미 발생한 추세만 식별할 수 있습니다.
- 시장 소음에 영향을 받을 수 있습니다.
- 이미 명백한 추세를 확인하는 데 사용할 수 있지만 추세를 예측하는 데 사용할 수는 없습니다.

전반적으로 SMA는 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 귀중한 기술 분석 도구입니다.

---

 

2. EMA - Exponential Moving Average (지수 이동 평균)

 

지수 이동 평균(EMA)은 과거의 모든 기간을 계산 대상로 하며 최근의 데이터에 더 큰 가중치를 두는 일종의 가중 이동 평균법입니다. 단순 이동 평균의 계산법에 비하여 원리가 복잡해 보이지만 실제로 이동 평균을 산출하는 방법은 전일의 지수 이동 평균값과 평활 계수(smoothing constant) 그리고 당일의 가격만으로 구할 수 있으므로 전일의 지수 이동 평균값만 구해진다면 오히려 간단한 편입니다. 따라서 지수 이동 평균은 단순 이동 평균에 비하여 몇가지 중요한 강점을 가진다. 첫째는 가장 최근의 일자에 가장 큰 가중치를 둠으로 해서 최근의 시장분위기를 잘 반영한다는 점이고, 둘째는 단순 이동 평균에서와 같이 오래된 데이터를 갑자기 제외하지 않고 천천히 그 영향력을 사라지게 한다는 점이다. 또한 전 기간의 데이터를 분석 대상으로 함으로써 가중 이동 평균에서 문제되는 특정 기간의 데이터만을 분석 대상으로 한다는 단점도 보완하고 있다.

지수 이동 평균을 계산하는 공식은 다음과 같다.

코드 스니펫
EMA = (P x α) + EMA(전일) x (1-α)
코드를 사용할 때는 주의하시기 바랍니다. 

 

여기서

- P는 기간 t의 가격 값입니다.
- EMA(전일)은 이전 기간의 지표 값입니다.
- α는 평활 계수입니다.

평활 계수는 1과 0 사이의 값으로, 1에 가까울수록 최근 데이터에 더 많은 가중치가 부여되고 0에 가까울수록 오래된 데이터에 더 많은 가중치가 부여됩니다. 일반적으로 평활 계수는 0.2와 0.3 사이의 값을 사용합니다.

예를 들어, 평활 계수가 0.2이고 기간이 10일인 지수 이동 평균을 계산하려면 지난 10일 동안의 가격 데이터를 사용하고 각 가격에 0.2를 곱한 다음 결과를 합산하고 10으로 나눕니다.

지수 이동 평균은 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 다재다능한 기술 분석 지표입니다.

---

 

3. SMMA - Smoothed Moving Average (스무스 이동 평균)

 

스무드 이동 평균(SMMA)은 단순 이동 평균(SMA)과 유사한 이동 평균 유형입니다. 주요 차이점은 SMA는 각 기간의 가격 데이터에 동일한 가중치를 부여하는 반면 SMMA는 최근 데이터에 더 큰 가중치를 부여한다는 것입니다.

SMMA를 계산하려면 SMA와 동일한 공식을 사용하지만 평활 계수(smoothing constant)를 사용합니다. 평활 계수는 1과 0 사이의 값으로, 1에 가까울수록 최근 데이터에 더 많은 가중치가 부여되고 0에 가까울수록 오래된 데이터에 더 많은 가중치가 부여됩니다. 일반적으로 평활 계수는 0.2와 0.3 사이의 값을 사용합니다.

예를 들어, 평활 계수가 0.2이고 기간이 10일인 SMMA를 계산하려면 지난 10일 동안의 가격 데이터를 사용하고 각 가격에 0.2를 곱한 다음 결과를 합산하고 10으로 나눕니다.

SMMA는 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 다재다능한 기술 분석 지표입니다.

 

---

 

4. WMA - Weighted Moving Average (가중 이동 평균)

 

가중 이동 평균(WMA)은 각 기간의 가격 데이터에 대해 다른 가중치를 할당하는 이동 평균 유형입니다. 가중치는 각 기간의 가격 데이터의 중요도 또는 중요도에 따라 달라질 수 있습니다.

WMA를 계산하려면 다음 공식을 사용합니다.

코드 스니펫
WMA = Σ(P_i * w_i) / Σw_i
코드를 사용할 때는 주의하시기 바랍니다. 

여기서

- P_i는 기간 i의 가격 값입니다.
- w_i는 기간 i의 가중치입니다.

가중치는 각 기간의 가격 데이터의 중요도 또는 중요도에 따라 달라질 수 있습니다. 예를 들어, 최근 데이터에 더 큰 가중치를 부여하거나 특정 기간의 데이터에 더 큰 가중치를 부여할 수 있습니다.

WMA는 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 다재다능한 기술 분석 지표입니다.

 

---

 

5. HMA - Hull Moving Average (Hull 이동 평균)

 

Hull 이동 평균(HMA)은 Alan Hull이 개발한 이동 평균 유형입니다. 전통적인 이동 평균보다 더 부드럽고 응답성이 뛰어난 이동 평균을 생성하도록 설계되었습니다. HMA는 가중 이동 평균을 사용하여 최근 데이터에 더 큰 가중치를 부여하고 곡선의 부드러움을 개선하기 위해 기간의 제곱근을 사용합니다.

HMA를 계산하려면 다음 공식을 사용합니다.

코드 스니펫
HMA = WMA(sqrt(n))
코드를 사용할 때는 주의하시기 바랍니다. 

여기서

- n은 기간입니다.
- WMA는 가중 이동 평균입니다.

HMA는 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 다재다능한 기술 분석 지표입니다.

 

---

 

6. LSMA - Least Square Moving Average (최소 제곱 이동 평균)

 

최소 제곱 이동 평균(LSMA)은 이전 기간에 대한 최소 제곱 회귀선을 계산한 다음 현재 기간에 대한 값을 예측하는 이동 평균 유형입니다. 최소 제곱 회귀선은 데이터의 오류를 최소화하는 직선을 찾는 통계 방법입니다.

LSMA를 계산하려면 다음 공식을 사용합니다.

코드 스니펫
LSMA = a * P + b
코드를 사용할 때는 주의하시기 바랍니다. 

여기서

- a는 회귀 계수입니다.
- b는 절편입니다.
- P는 가격입니다.

회귀 계수와 절편은 최소 제곱 알고리즘을 사용하여 계산됩니다. 최소 제곱 알고리즘은 데이터의 오류를 최소화하는 직선을 찾는 방법입니다.

LSMA는 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 다재다능한 기술 분석 지표입니다.

---

 

7.  DEMA - Double Exponential Moving Average (이중 지수 이동 평균)

 

이중 지수 이동 평균(DEMA)은 로버트 J. 엘리엇이 개발한 이동 평균 유형입니다. 지수 이동 평균(EMA)을 사용하여 최근 데이터에 더 큰 가중치를 부여하고 곡선의 부드러움을 개선하기 위해 EMA의 EMA를 사용합니다.

DEMA를 계산하려면 다음 공식을 사용합니다.

코드 스니펫
DEMA = EMA(EMA(P, n), m)
코드를 사용할 때는 주의하시기 바랍니다.

 

여기서

- P는 가격입니다.
- n은 EMA의 기간입니다.
- m은 DEMA의 기간입니다.

DEMA는 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 다재다능한 기술 분석 지표입니다.

---

 

8. TEMA - Triple Exponential Moving Average (3중 지수 이동 평균)

 

3중 지수 이동 평균(TEMA)은 Patrick Mulloy가 개발한 이동 평균 유형입니다. 이중 지수 이동 평균(DEMA)을 사용하여 최근 데이터에 더 큰 가중치를 부여하고 곡선의 부드러움을 개선하기 위해 DEMA의 DEMA를 사용합니다.

TEMA를 계산하려면 다음 공식을 사용합니다.

코드 스니펫
TEMA = EMA(EMA(EMA(P, n), m), k)
코드를 사용할 때는 주의하시기 바랍니다. 

여기서

- P는 가격입니다.
- n은 EMA의 기간입니다.
- m은 DEMA의 기간입니다.
- k는 TEMA의 기간입니다.

TEMA는 추세, 지지선 및 저항선, 잠재적인 거래 기회를 식별하는 데 사용할 수 있는 다재다능한 기술 분석 지표입니다.