Hvad er de vigtigste ulemper ved et Double Exponential Moving Average-DEMA?

A-Double-B - Ikk' Mere At Sige (Feat. Khani) (November 2024)

A-Double-B - Ikk' Mere At Sige (Feat. Khani) (November 2024)
Hvad er de vigtigste ulemper ved et Double Exponential Moving Average-DEMA?
Anonim
a:

Den mest populære form for teknisk indikator er sandsynligvis det glidende gennemsnit. Traders og analytikere læres at "trenden er din ven", og se på glidende gennemsnit som en måde at udjævne tilfældige variationer i en tidsserie. Teoretisk fremhæver glidende gennemsnitsværdier lønsomme indgangs- og udgangspunkter for en sikkerhed eller et indeks. En ulempe ved glidende gennemsnit er, at de nødvendigvis er bagudvendte og som sådan er en forsinkende indikator. Derfor udviklede analytiker Patrick Mulloy det dobbelte eksponentielle glidende gennemsnit eller DEMA.

DEMA, som undertiden blev omtalt som "dobbelt eksponentiel udglatning", blev beskrevet af Mulloy som en "sammensat implementering af enkelt- og dobbelt EMA'er, der producerer en anden EMA med mindre lag end nogen af ​​de oprindelige to." Dette var en nødvendig tilpasning af normale eksponentielle glidende gennemsnit, fordi en EMA over tid bliver det vejede gennemsnit af flere og flere tidligere begivenheder, der effektivt reducerer dens trendfølsomhed.

Den faktiske beregning og implementering af en DEMA er ret kompleks, men nettoeffekten af ​​at kombinere enkelt- og dobbelt EMA'er er hurtigere at hente på trendsignaler. Faktisk opdager en DEMA ikke kun trender hurtigere end standard glidende gennemsnit eller EMA'er, men det bliver relativt hurtigere og mere følsomt som tiden går videre. Denne stigning i følsomhed kommer imidlertid med en stor ulempe; DEMA'er overreagerer til falske tendenser og hurtige tilbagevendelser, der potentielt øger eksponeringen for tab.

En erhvervsdrivende, der stoler på DEMA'er som frittstående indikatorer, anbefales ikke at overreagere sammen med denne indikator. Det er normalt bedst at supplere en DEMA med yderligere indikatorer, endda andre glidende gennemsnit.