ค่าเฉลี่ยเคลื่อนที่ (Moving Average)

ค่าเฉลี่ยเคลื่อนที่เป็นหนึ่งในตัวชี้วัดการวิเคราะห์ที่ใช้บ่อยที่สุด ซึ่งแสดงให้เห็นถึงการเปลี่ยนแปลงของค่าใช้จ่ายเฉลี่ยในตลาดในช่วงระยะเวลาหนึ่ง ระบบค่าเฉลี่ยเคลื่อนที่ที่เกิดจากการรวมค่าเฉลี่ยหลายค่าเข้าด้วยกันสามารถเป็นพื้นฐานในการตัดสินใจเกี่ยวกับแนวโน้มของตลาด นอกจากนี้ยังสามารถทำหน้าที่เป็นระดับสนับสนุนและแนวต้านได้อีกด้วย.

1. ส่วนประกอบของค่าเฉลี่ยเคลื่อนที่

ค่าเฉลี่ยเคลื่อนที่ สามารถแบ่งออกเป็นหลายประเภทตามวิธีการคำนวณ ได้แก่ ค่าเฉลี่ยเคลื่อนที่ทั่วไป, ค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์ (Exponential Moving Average - EMA), ค่าเฉลี่ยเคลื่อนที่ที่เรียกว่าค่าเฉลี่ยเรียบ (Smoothed Moving Average) และค่าเฉลี่ยเคลื่อนที่น้ำหนัก (Weighted Moving Average) ที่นี่จะพูดถึงค่าเฉลี่ยเคลื่อนที่ทั่วไปและค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์เป็นหลัก.

ค่าเฉลี่ยเคลื่อนที่ทั่วไป: เป็นการคำนวณค่าเฉลี่ยของราคาปิดในช่วงเวลาที่ผ่านมาที่กำหนด เช่น ค่าเฉลี่ย 20 วัน เป็นการรวมราคาปิดใน 20 วันที่ผ่านมาทั้งหมดแล้วหารด้วย 20 เพื่อให้ได้ค่าหนึ่ง หลังจากนั้นจะย้อนกลับไปเพื่อคำนวณค่าที่เก่ากว่าในลักษณะเดียวกัน จากนั้นจะนำค่าที่คำนวณทั้งหมดมาประกอบกันเพื่อสร้างค่าเฉลี่ยเคลื่อนที่.

ค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์: มีวิธีการคำนวณที่คล้ายคลึงกับค่าเฉลี่ยเคลื่อนที่ทั่วไป แต่ในการคำนวณค่าจะใช้วิธีการเฉลี่ยเชิงพาณิชย์ ซึ่งจะให้ความสำคัญกับค่าที่ใกล้เคียงกับวันที่มากกว่าค่าเฉลี่ยเคลื่อนที่ทั่วไป นั่นหมายความว่าค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์ส่วนใหญ่มักจะสามารถสะท้อนการเปลี่ยนแปลงล่าสุดได้เร็วขึ้น.

ข้อดีและข้อเสียของทั้งสองแบบ

ไม่มีอะไรที่เป็นข้อดีหรือข้อเสียที่แน่นอน ขึ้นอยู่กับขั้นตอนการทำงานที่แตกต่างกัน โดยอาจมีการให้ผลลัพธ์ที่แตกต่างกันในแต่ละช่วงเวลา โดยส่วนตัวจะคุ้นเคยกับการใช้ค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์ โดยการนำมาใช้ร่วมกันหลาย ๆ ค่าเฉลี่ยเชิงพาณิชย์เพื่อช่วยในการตัดสินใจแนวโน้มตลาด.

ในภาพด้านล่างคือกราฟราคาของยูโร / ดอลลาร์สหรัฐที่มีสองประเภทของค่าเฉลี่ยเคลื่อนที่ แสดงให้เห็นถึงผลกระทบของค่าเฉลี่ยทั้งสองแบบ โดยมีพารามิเตอร์ค่าเฉลี่ยเป็น 20 โดยเส้นสีแดงแสดงถึงค่าเฉลี่ยเคลื่อนที่ทั่วไป 20 วัน และเส้นสีน้ำเงินคือค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์ 20 วัน จากรูปภาพจะเห็นได้ว่าค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์มักจะแสดงถึงความเร็วกว่าค่าเฉลี่ยเคลื่อนที่ทั่วไปในการเปลี่ยนทิศทาง.

หมายเหตุ: โดยทั่วไปค่าเฉลี่ยเคลื่อนที่จะคำนวณจากราคาปิด แต่สามารถใช้ราคาต่ำสุด ราคาสูงสุด หรือราคาที่เปิดได้ตามความต้องการ.

2. การตั้งค่าระบบค่าเฉลี่ยเคลื่อนที่

หากนำค่าเฉลี่ยเคลื่อนที่หลาย ๆ ค่าเรียงกันในรูปแบบที่มีระเบียบ จะสามารถสร้างระบบค่าเฉลี่ยเคลื่อนที่ที่ช่วยในการวิเคราะห์ได้อย่างมีประสิทธิภาพ.

โดยทั่วไปแล้ว เมื่อต้องวิเคราะห์ด้วยระบบค่าเฉลี่ยเคลื่อนที่จะมีพารามิเตอร์การเรียงลำดับที่พบบ่อยคือ:

A. 5, 10, 20, 30, 40, 50 (เรียงตามช่วงที่เท่ากัน)

B. 5, 8, 13, 21, 34, 55 (เรียงตามลำดับฟีโบนักชี)

โดยในสองประเภทการเรียงลำดับนี้ จะเพิ่ม 125, 200 และ 250 เป็นพารามิเตอร์ค่าเฉลี่ยเพิ่มเติม.

3. การใช้สถานะการจัดเรียงของระบบค่าเฉลี่ยเคลื่อนที่ในการตัดสินจังหวะตลาด

สถานะการจัดเรียงของระบบค่าเฉลี่ยเคลื่อนที่สามารถแบ่งออกเป็นสามสถานะ คือ การรวมตัว (convergence), การแยกตัว (divergence), และขนาน (parallel) ซึ่งสถานะรวมตัวแสดงถึงตลาดที่ได้ประสบกับการเคลื่อนไหวในทิศทางเดียวมาช่วงหนึ่ง ก่อนที่จะมีการประมวลผลพลังงานเดิมหรือสะสมพลังงานแห่งการเคลื่อนไหวใหม่ ในขณะที่สถานะการแยกตัวเป็นการสร้างพลังงานที่เกิดขึ้นหลังจากการรวมตัว การเคลื่อนไหวในรูปแบบนี้จะทำให้เกิดแนวโน้มใหม่ในทิศทางเดียว.

ในตลาดที่เคลื่อนไหวในทิศทางเดียว รูปแบบการหมุนเวียนจะเป็น: รวมตัว -> แยกตัว -> ขนาน -> รวมตัว.

ในตลาดที่กำลังรวมตัว จะมีการหมุนเวียนในรูปแบบ: รวมตัว -> แยกตัว -> รวมตัว จนกว่าจะมีการเบี่ยงเบนเกิดขึ้น.

4. วิธีใช้ค่าเฉลี่ยเคลื่อนที่ที่เป็นมาตรฐาน

ฟังก์ชันพื้นฐานสองประการของค่าเฉลี่ยเคลื่อนที่:

1. สัญญาณพื้นฐานที่ชี้ให้เห็นถึงแนวโน้ม “Golden Cross” และ “Death Cross”.

ที่นี่จะเลือกค่าเฉลี่ยเคลื่อนที่ 5 และ 13 บนกราฟรายวันเป็นพื้นฐานในการสร้างสัญญาณซื้อขายสัญญาณ Golden Cross และ Death Cross จากภาพที่ 3 จะพบว่าลักษณะการเคลื่อนไหวในกรอบเวลาที่มีวงกลมสีน้ำเงิน มีแนวโน้มที่จะเคลื่อนตัวใกล้ชิดกันเป็นเวลาอย่างต่อเนื่อง อย่างไรก็ตามในช่วงเวลาที่อื่นๆ สัญญาณ Golden Cross และ Death Cross ยังสามารถนำเสนอโอกาสและสัญญาณในการถือครองในตลาดกลางถึงระยะสั้น.

ในสกุลเงินที่แตกต่างกันและช่วงเวลาแตกต่างกัน การตั้งค่าพารามิเตอร์ในการที่ค่าเฉลี่ยเคลื่อนที่จะต้องพิจารณาให้เหมาะสม ไม่สามารถเพิกเฉยไปได้ เช่น การใช้พารามิเตอร์ 5 และ 13 ตรงไปที่กราฟรายชั่วโมงของยูโร/ดอลลาร์ ซึ่งความถี่ในการตัดข้ามจะสูงเกินไป ส่งผลให้เกิดการซื้อขายที่ไม่จำเป็น (สัญญาณการซื้อขายที่มีผลประมาณ 20 จุด) และอาจทำให้พลาดตำแหน่งการเทรดที่ดำเนินการตามแนวโน้ม.

2. ค่าเฉลี่ยเคลื่อนที่จะทำหน้าที่เป็นระดับสนับสนุนและแนวต้าน.

เราจะใช้ภาพที่ 2 เพื่อทำความเข้าใจกับระดับสนับสนุนและแนวต้านที่ระบบค่าเฉลี่ยเคลื่อนที่ให้ไว้ เมื่อราคาสกุลเงินอยู่ใต้ระบบค่าเฉลี่ยเคลื่อนที่ นี้จะแสดงถึงระดับแนวต้านที่ชัดเจนซึ่งขัดขวางไม่ให้ราคาพุ่งขึ้น ในทางกลับกัน เมื่อตั้งราคาขึ้นอยู่บนระบบค่าเฉลี่ยเคลื่อนที่ ระบบนี้จะทำหน้าที่เป็นระดับสนับสนุน ที่สามารถแสดงถึงการเปลี่ยนแปลงมูลค่าที่คำนวณจากวิธีการคำนวณค่าเฉลี่ย ซึ่งผลของการสนับสนุนและแนวต้านมีชื่อเรียกว่าความต้านทานของค่าเฉลี่ยเคลื่อนที่.

นอกจากนี้ ค่าเฉลี่ยเคลื่อนที่ยังมีแรงดึงดูด เมื่อราคาสกุลเงินเคลื่อนไหวในทิศทางเดียว ลูกค้าจะมีระยะห่างจากระบบค่าเฉลี่ย การเคลื่อนไหวเช่นนี้ทำให้เกิด “แรงดึงดูด” ซึ่งค่าเฉลี่ยเคลื่อนที่จะเคลื่อนที่ไปในทิศทางเดียวกันของราคาสกุลเงิน พร้อมที่จะดึงราคากลับเข้ามา.

5. วิธีใช้ค่าเฉลี่ยเคลื่อนที่พิเศษ

ค่าเฉลี่ยเคลื่อนที่พิเศษหมายถึงค่าเฉลี่ยที่สามารถทำหน้าที่เป็นจุดเปลี่ยนที่ชัดเจนในช่วงเวลาหนึ่ง โดยจะนำมาใช้ในแนวโน้มที่ชัดเจน โดยปกติมักจะใช้ในกระบวนการเคลื่อนไหวเดียว.

ยกตัวอย่างเช่น กราฟรายสัปดาห์ยูโร/ดอลลาร์ ในกราฟดังกล่าว พบว่าค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์ 55 สัปดาห์แสดงให้เห็นถึงการทำหน้าที่เป็นจุดเปลี่ยนที่พิเศษในแนวโน้ม.

ในภาพพบว่าเส้นสีแดงคือค่าเฉลี่ยเคลื่อนที่เชิงพาณิชย์ 55 สัปดาห์ ที่ในช่วงเวลาที่มีการเคลื่อนไหวที่ยาวนาน ค่าเฉลี่ยนี้มีผลในการสนับสนุนหลายครั้ง แต่เมื่อปีนี้ราคายูโรได้ทะลุเส้นนี้ลงไปและได้มีแนวโน้มที่จะกลับตัว.

ในกราฟเวลาปกติที่มีพารามิเตอร์ 55 ประเภทเฉลี่ยเชิงพาณิชย์ ในกราฟ 4 ชั่วโมง จะเห็นได้ว่าในช่วงเวลาที่มีกรอบสีน้ำเงิน ยังคงมีการกดดันอย่างต่อเนื่อง จนกว่าค่าเฉลี่ยนี้จะถูกเบี่ยงเบนกลับ ในเวลาต่อมาราคายูโรก็จะเริ่มมีการผ่อนคลายลง.

ในกรณีส่วนใหญ่ เมื่อแนวโน้มเกิดขึ้น จะมีค่าเฉลี่ยเคลื่อนที่พิเศษที่ทำหน้าที่นำทางนี้มีอยู่เสมอ ในขณะที่การสังเกตนี้มีความสำคัญมากกว่าในแนวโน้มที่มีความต่อเนื่องสูง มักจะใช้ในการช่วยวิเคราะห์เพื่อดูทิศทางที่มีการเปลี่ยนแปลงหรือสัญญาณของการชะลอตัว.

การค้นหาเส้นเฉลี่ยพิเศษเหล่านี้มักทำผ่านการทดสอบซ้ำ ความสัมพันธ์ที่กว้างขวางซ้ำจะทำให้ค่าเฉลี่ยนี้มีความหมายมากขึ้น.