kung saan:

• :

  ay ang presyo ng stock i sa oras t. Karaniwang ginagamit ang closing price, ngunit maaari ring gamitin ang iba pang uri ng presyo, tulad ng pinakamataas na presyo, pinakamababang presyo, o ang weighted average price.

• :

  Ito ay isang time series, na kumakatawan sa isang arithmetic sequence sa loob ng isang yugto ng panahon. Karaniwan, kinukuha ang data ng nakaraang n araw, kung saan ang t = 1 ay kumakatawan sa pinakahuling araw, ang t = 2 ay kumakatawan sa ikalawang araw mula sa huli, at iba pa, ang t = n ay kumakatawan sa ika-n na araw sa nakaraan.

• :

  Ang constant term ng quadratic fit ay kumakatawan sa intercept ng fitting curve. Ang tiyak nitong halaga ay nauugnay sa time series at unit ng presyo at hindi direktang kasangkot sa pagkalkula ng momentum.

• :

  Ang linear coefficient ng quadratic fit ay kumakatawan sa average na bilis ng pagbabago ng presyo at nagpapakita ng average na momentum ng presyo ng stock. Ang mga positibo at negatibong sign nito ay kumakatawan sa direksyon ng pagtaas o pagbaba ng presyo, at ang absolute value nito ay kumakatawan sa lakas ng momentum. Ang tinantiyang halaga ng $beta$ ay maaaring makuha sa pamamagitan ng pagsasagawa ng linear regression sa historical price series.

• :

  Ang quadratic term coefficient ng quadratic fit ay kumakatawan sa bilis ng pagbabago ng bilis ng pagbabago ng presyo, iyon ay, ang pagbilis ng presyo, na nagpapakita ng bilis ng pagbabago ng momentum. Ang tinantiyang halaga ng $gamma$ ay maaaring makuha sa pamamagitan ng pagsasagawa ng quadratic regression sa historical price series. Sa partikular, ang isang positibong halaga ng $gamma$ ay nagpapahiwatig na ang takbo ng pagtaas ng presyo ay bumibilis, at ang isang negatibong halaga ng $gamma$ ay nagpapahiwatig na ang takbo ng pagtaas ng presyo ay bumabagal (o ang takbo ng pagbaba ng presyo ay bumibilis). Kung mas malaki ang absolute value ng $gamma$, mas halata ang pagbilis ng pagbabago ng takbo ng presyo.