Factors Directory

Quantitative Trading Factors

اندیکاتور میانگین متحرک نمایی سه‌گانه (TEMA)

Technical Factors

factor.formula

فرمول محاسبه میانگین متحرک نمایی سطح اول (EMA1):

فرمول محاسبه میانگین متحرک نمایی سطح دوم (EMA2):

فرمول محاسبه میانگین متحرک نمایی سطح سوم (EMA3):

فرمول محاسبه میانگین متحرک نمایی سه‌گانه (TEMA):

در اینجا:

  • :

    پارامتر دوره زمانی، معمولاً یک عدد صحیح مثبت است که طول پنجره زمانی مورد استفاده برای محاسبه میانگین متحرک را نشان می‌دهد. به عنوان مثال، N=5 به معنای استفاده از داده‌های 5 واحد زمانی گذشته برای محاسبه است. این پارامتر حساسیت اندیکاتور به تغییرات قیمت را تعیین می‌کند. مقادیر کوچکتر N به تغییرات قیمت اخیر حساس‌تر هستند، اما ممکن است نویز بیشتری ایجاد کنند؛ مقادیر بزرگتر N اثر هموارسازی بهتری دارند، اما پاسخ به تغییرات قیمت نسبتاً با تاخیر است. مقدار پیش فرض معمولاً 5 است، اما می توان آن را با توجه به استراتژی معاملاتی و نوسانات دارایی تنظیم کرد.

  • :

    مقدار دنباله ورودی در زمان t معمولاً دنباله قیمت یک دارایی است (مانند قیمت بسته شدن: CLOSE(t))، یا سایر داده‌های سری زمانی (مانند حجم معاملات: VOL(t)). در اینجا، زمان t را می‌توان به عنوان یک نقطه زمانی معاملاتی، روز معاملاتی یا واحد زمانی دیگر، بسته به فرکانس داده، درک کرد.

  • :

    میانگین متحرک نمایی سطح اول، مقدار دنباله ورودی $REAL(t)$ را پس از هموارسازی نمایی در زمان t نشان می‌دهد.

  • :

    میانگین متحرک نمایی سطح دوم، مقدار پس از هموارسازی نمایی $EMA_1(t)$ در زمان t را نشان می‌دهد.

  • :

    میانگین متحرک نمایی سطح سوم، مقدار پس از هموارسازی نمایی $EMA_2(t)$ در زمان t را نشان می‌دهد.

  • :

    تابع میانگین متحرک نمایی به این معنی است که سری زمانی x با استفاده از دوره زمانی N به صورت نمایی هموار می شود و دنباله نتیجه بازگردانده می شود. فرمول محاسبه آن به این صورت است: $EMA(x,N)t = \alpha * x_t + (1 - \alpha) * EMA(x,N){t-1} $، که در آن $ \alpha = \frac{2}{N + 1} $. مقدار اولیه $EMA(x,N)_0$ معمولاً اولین مقدار x یا میانگین ساده N مقدار اول است.

factor.explanation

اندیکاتور میانگین متحرک نمایی سه‌گانه (TEMA) عمل هموارسازی نمایی را سه بار بر روی داده‌های خام انجام می‌دهد و از یک روش میانگین وزنی برای کاهش تاخیر میانگین متحرک استفاده می‌کند. در مقایسه با میانگین‌های متحرک نمایی تکی و دوتایی، TEMA در تشخیص برگشت‌های روند کوتاه‌مدت حساس‌تر است و می‌تواند سیگنال‌های معاملاتی را زودتر صادر کند. با این حال، باید توجه داشت که به دلیل حساسیت آن، TEMA ممکن است نویز بیشتری ایجاد کند و منجر به اشتباه در قضاوت شود. بنابراین، در کاربردهای عملی، توصیه می‌شود که همراه با سایر اندیکاتورهای فنی استفاده شود تا قابلیت اطمینان سیگنال‌های معاملاتی بهبود یابد. علاوه بر این، پارامتر N در TEMA نیز باید با توجه به شرایط خاص تنظیم شود تا بهترین نتیجه حاصل شود. TEMA عمدتاً در استراتژی‌های معاملاتی کوتاه‌مدت مانند معاملات روزانه یا معاملات نوسانی استفاده می‌شود. نکته کلیدی، شناسایی شتاب و کاهش سرعت روند برای کمک به قضاوت در مورد زمان خرید و فروش است.

Related Factors