Ejemplo Media Móvil Exponencial De Cálculo

La media móvil exponencial de media móvil exponencial El Promedio Móvil Exponencial difiere de una media móvil simple, tanto por el método de cálculo y en la forma en que los precios son ponderados. La media móvil exponencial (se ha reducido a la EMA iniciales) es efectivamente una media móvil ponderada. Con la EMA, la ponderación es tal que los últimos días los precios se dan más peso que los precios mayores. La teoría detrás de esto es que los precios más recientes se considera que son más importantes que los precios mayores, sobre todo como un simple promedio a largo plazo (por ejemplo, un día 200) coloca el mismo peso en los datos de precios que tiene más de 6 meses de edad y puede ser pensado de tan poco fuera de fecha. El cálculo de la EMA es un poco más compleja que la media móvil simple, pero tiene la ventaja de que un gran registro de datos que abarcan todos y cada precio de cierre de los últimos 200 días (o sin embargo muchos días se están considerando) no tienen que ser mantenidos . Todo lo que necesita son la EMA para el día de hoy y los precios para calcular la nueva media móvil exponencial de cierre anterior. Cálculo del exponente Inicialmente, para la EMA, un exponente debe ser calculada. Para empezar, tome el número de días EMA que se desea calcular y añadir uno al número de días que usted está considerando (por ejemplo, para una media de 200 sesiones, agrega uno para obtener 201 como parte del cálculo). Así llamar a este días1. Entonces, para obtener el Exponente, sólo tiene que tomar el número 2 y se divide por días1. Por ejemplo, el exponente de una media de 200 sesiones sería: 2 201. ¿Cuál es igual a 0,01 Cálculo completo si la media móvil exponencial Una vez que hemos conseguido el exponente, todo lo que necesitamos ahora son dos bits más de información que nos permita llevar a cabo el cálculo completo . La primera es de ayer media móvil exponencial. Así suponemos que ya sabemos esto, ya que se calcularía ayer. Sin embargo, si ya enviaban consciente de ayer EMA, puede iniciar mediante el cálculo de la media móvil simple de ayer, y usar esto en lugar de la EMA para el primer cálculo (es decir, el cálculo del día de hoy) de la EMA. Y mañana puede utilizar la EMA que ha calculado hoy en día, y así sucesivamente. La segunda pieza de información que necesitamos es hoy el precio de cierre. Vamos a suponer que queremos calcular hoy 200 días de media móvil exponencial de una parte o de valores que tiene unos días anteriores EMA de 120 peniques (o centavos) y una corriente de 136 días el precio de cierre peniques. El cálculo completo es siempre de la siguiente manera: hoy de media móvil exponencial (días actuales precios de cierre x Exponente) (días anteriores EMA x (1- Exponente)) Por lo tanto, el uso de nuestro ejemplo cifras anteriores, del día de hoy 200 días EMA sería: (136 x 0,01 ) (120 x (1- 0,01)) que es igual a un EMA para hoy de 120.16.Exponential Smoothing explicados. copia de Autor. El contenido de InventoryOps está protegido por copyright y no está disponible para su republicación. Cuando las personas encuentran por primera vez el término suavizado exponencial se puede pensar que suena como un infierno de una gran cantidad de suavizado. cualquiera que sea suavizado es. A continuación, empezar a vislumbrar un cálculo matemático complicado que probablemente requiere un grado en matemáticas para entender, y la esperanza no es una función integrada en Excel disponible si es que alguna vez tienen que hacerlo. La realidad de suavizado exponencial es mucho menos dramático y mucho menos traumática. La verdad es, suavizado exponencial es un cálculo muy simple que ejecutan una tarea bastante simple. Sólo tiene un nombre complicado porque lo que ocurre técnicamente como resultado de este cálculo simple es en realidad un poco complicado. Para entender suavizado exponencial, es útil comenzar con el concepto general de alisado y un par de otros métodos comunes usados ​​para lograr suavizado. Lo que se alisar suavizado es un proceso estadístico muy común. De hecho, nos encontramos con regularidad datos suavizados en diversas formas en nuestra vida día a día. Cualquier vez que utilice un promedio para describir algo, si está utilizando una serie suavizada. Si usted piensa acerca de por qué se utiliza un promedio para describir algo, pronto entenderá el concepto de suavizado. Por ejemplo, que acabamos de experimentar el invierno más cálido registrado. ¿Cómo somos capaces de cuantificar este Bien empezamos con conjuntos de datos de las altas y bajas temperaturas diarias durante el período que llamamos invierno para cada año en la historia registrada. Pero eso nos deja con un montón de números que saltan todo un poco (no es como todos los días este invierno estaba más caliente que los días correspondientes de todos los años anteriores). Necesitamos un número que elimina todo esto que salta alrededor de los datos para que podamos comparar más fácilmente un invierno a otro. Extracción del salto en torno a los datos se denomina suavizado, y en este caso sólo podemos utilizar un promedio simple de lograr el alisado. En previsión de la demanda, que utilizamos suavizado para eliminar la variación aleatoria (ruido) de nuestra demanda histórica. Esto nos permite identificar mejor los patrones de demanda (principalmente de tendencia y estacionalidad) y los niveles de demanda que pueden ser utilizados para estimar la demanda futura. El ruido de la demanda es el mismo concepto que el salto diariamente alrededor de los datos de temperatura. No es sorprendente que la forma en que las personas más comunes eliminar el ruido de la historia de la demanda es utilizar un averageor sencilla, más concretamente, una media móvil. Una media móvil sólo utiliza un número predefinido de períodos para calcular la media, y esos períodos mueva a medida que pasa el tiempo. Por ejemplo, si estoy usando una media móvil de 4 meses, y hoy en día es el 1 de mayo de Im usando un promedio de demanda que se produjo en enero, febrero, marzo y abril. El 1 de junio, Me va a utilizar la demanda de febrero, marzo, abril y mayo. media móvil ponderada. Cuando se utiliza un promedio estamos aplicando la misma importancia (peso) para cada valor del conjunto de datos. En la media móvil de 4 meses, cada mes representó 25 de la media móvil. Cuando se utiliza la historia para proyectar la demanda futura demanda (y en especial la tendencia futura), su lógica para llegar a la conclusión de que le gustaría historia más reciente para tener un mayor impacto en el pronóstico. Podemos adaptar nuestro cálculo de promedios móviles para aplicar diferentes pesos a cada período para obtener los resultados deseados. Nos expresar estos pesos como porcentajes, y el total de todos los pesos para todos los períodos que añadir hasta 100. Por lo tanto, si decidimos que queremos aplicar 35 como el peso para el período próximo en nuestro 4 meses de media móvil ponderada, podemos restar 35 de 100 a encontrar tenemos 65 restante para dividir en los otros 3 períodos. Por ejemplo, podemos terminar con una ponderación de 15, 20, 30 y 35, respectivamente, para los 4 meses (15 20 30 35 100). Desvanecimiento exponencial. Si volvemos a la idea de aplicar un peso al período más reciente (como 35 en el ejemplo anterior) y difundir el peso restante (calculado restando el más reciente de peso período de 35 de 100 para obtener 65), tenemos los bloques de construcción básicos para nuestro cálculo de suavizado exponencial. La entrada de control del cálculo de suavizado exponencial es conocido como el factor de alisamiento (también llamado la constante de suavizado). En esencia, representa la ponderación aplicada a la más reciente solicitud de períodos. Por lo tanto, cuando se utilizó como el 35 de ponderación para el período más reciente en el cálculo de la media móvil ponderada, también podríamos optar por utilizar 35 como el factor de suavizado en nuestro cálculo de suavizado exponencial para obtener un efecto similar. La diferencia con el cálculo de suavizado exponencial es que en vez de tener que también calcular la cantidad de peso que se aplica a cada período anterior, el factor de suavizado se utiliza para hacer automáticamente que. Así que aquí viene la parte exponencial. Si usamos 35 como el factor de alisado, la ponderación de los más recientes períodos demanda será 35. La ponderación de la siguiente demanda períodos más reciente (el período anterior a la más reciente) será 65 de 35 (65 proviene de restar 35 de 100). Esto equivale a 22.75 coeficiente corrector para dicho período, si se hacen las cuentas. El siguiente más reciente demanda períodos será 65 de 65 de 35, lo que equivale a 14.79. El período antes de que se ponderará el 65 de 65 de 65 de 35, lo que equivale a 9,61, y así sucesivamente. Y esto va en la parte posterior a través de todos sus períodos anteriores de todo el camino de vuelta al principio del tiempo (o el punto en el que se inició el uso de suavizado exponencial para ese caso particular). Usted está pensando probablemente eso es vista como una gran cantidad de matemáticas. Pero la belleza del cálculo de suavizado exponencial es que en lugar de tener que volver a calcular el uno contra el período anterior cada vez que reciba una nueva demanda períodos, sólo tiene que usar la salida del cálculo de suavizado exponencial del período anterior para representar a todos los periodos anteriores. ¿Está usted confundido pero aún así deberá tener más sentido cuando nos fijamos en el cálculo real Normalmente nos referimos a la salida del cálculo de suavizado exponencial como el próximo periodo de previsión. En realidad, la previsión definitiva necesita un poco más de trabajo, pero a los efectos de este cálculo específico, nos referiremos a él como el pronóstico. El cálculo de suavizado exponencial es el siguiente: los períodos más demanda reciente multiplican por el factor de alisamiento. PLUS Los períodos más recientes Pronóstico multiplican por (uno menos el factor de suavizado). D períodos más recientes exigen S el factor de suavizado se representa en forma decimal (por lo que 35 se representaría como 0,35). F los períodos más recientes de pronóstico (el resultado del cálculo de suavizado del período anterior). O (suponiendo un factor de suavizado de 0,35) (0,35 D) (F 0,65) Es imposible encontrar mucho más simple que eso. Como se puede ver, todo lo que necesitamos para las entradas de datos aquí son las más recientes la demanda y los períodos más recientes períodos de pronóstico. Aplicamos el factor de suavizado (ponderación) para los períodos más recientes la demanda de la misma manera que lo haría en el cálculo de la media móvil ponderada. A continuación, aplicar la ponderación restante (1 menos el factor de suavizado) para los más recientes períodos de pronóstico. Desde las épocas más recientes pronóstico fue creado en base a la demanda anterior períodos y los períodos anteriores pronosticado, que estaba basado en la demanda para el período antes de eso y la previsión para el período antes de eso, que estaba basado en la demanda para el período anterior eso y la previsión para el período antes de eso, que se basaba en el período antes de eso. así, se puede ver cómo todos los anteriores períodos de demanda están representados en el cálculo sin tener que ir hacia atrás y volver a calcular nada. Y eso es lo que llevó a la popularidad inicial de suavizado exponencial. Se suponía, ya que hizo un mejor trabajo de alisado que el promedio móvil ponderado, era porque era más fácil de calcular en un programa de ordenador. Y, debido a que aún no ha necesita pensar acerca de lo que la ponderación que se prevean períodos anteriores o el número de períodos anteriores de utilizar, como lo haría en la media móvil ponderada. Y, ya que sólo sonaba más frío que el promedio móvil ponderado. De hecho, se podría argumentar que la media móvil ponderada proporciona una mayor flexibilidad, ya que tiene más control sobre el peso de los períodos anteriores. La realidad es que cualquiera de ellos puede proporcionar resultados respetables, ¿por qué no ir con un sonido más fácil y más fresco. Suavizado exponencial en Excel Vamos a ver cómo esta realidad se vería en una hoja de cálculo con los datos reales. copia de Autor. El contenido de InventoryOps está protegido por copyright y no está disponible para su republicación. En la Figura 1A, tenemos una hoja de cálculo Excel con 11 semanas de la demanda, y una previsión de suavizado exponencial calculada a partir de esa demanda. He utilizado un factor de suavizado de 25 (0,25 en la celda C1). La celda activa actual es la célula M4 que contiene el pronóstico para la semana 12. Se puede ver en la barra de fórmulas, la fórmula es (L3C1) (L4 (1-C1)). Así que las únicas entradas directas a este cálculo son los períodos de demanda anterior (Cell L3), los períodos anteriores previsiones (Cell L4), y el factor de suavizado (celda C1, se muestra como referencia la celda C1 absoluta). Cuando empezamos un cálculo de suavizado exponencial, tenemos que conectar manualmente el valor de la 1ª de previsión. Así que la celda B4, en lugar de una fórmula, que acaba de escribir en la demanda de ese mismo período que el pronóstico. En la celda C4 tenemos nuestra 1ª cálculo de suavizado exponencial (B3C1) (B4 (1-C1)). A continuación, podemos copiar la celda C4 y pegarla en las celdas D4 a M4 para llenar el resto de nuestras células de pronóstico. Ahora puede hacer doble clic en cualquier celda de pronóstico para ver que se basa en la celda de períodos anteriores y pronosticar los períodos anteriores exigen celular. Así cada cálculo de suavizado exponencial posterior hereda la salida del cálculo de suavizado exponencial anterior. Ése es cómo cada demanda períodos anterior está representado en el cálculo más reciente periodos a pesar de que el cálculo no hace referencia directamente esos períodos anteriores. Si usted desea conseguir la suposición, puede utilizar la función Sobresale precedentes traza. Para ello, haga clic en la célula M4, a continuación, en la barra de herramientas de la cinta (Excel 2007 o 2010), en la ficha Fórmulas, haga clic en Rastrear precedentes. Se basará líneas de conexión con el nivel 1 de los precedentes, pero si sigues haciendo clic precedentes rastrearlo dibujará las líneas de conexión a todos los periodos anteriores a mostrar las relaciones heredadas. Ahora vamos a ver lo suavizado exponencial hizo por nosotros. Figura 1B muestra un gráfico de líneas de nuestra demanda y las previsiones. Usted caso averigua cómo la previsión alisada exponencialmente elimina la mayor parte de la jaggedness (los saltos alrededor) de la demanda semanal, pero se las arregla para seguir lo que parece ser una tendencia al alza de la demanda. Youll también se dio cuenta de que la línea de pronóstico suavizado tiende a ser más baja que la línea de la demanda. Esto se conoce como tendencia lag y es un efecto secundario del proceso de suavizado. Cualquier vez que utilice suavizado cuando una tendencia está presente en sus tránsitos va a la zaga de la tendencia. Esto es cierto para cualquier técnica de alisado. De hecho, si tuviéramos que seguir esta hoja de cálculo y empezar a introducir los números más bajos de demanda (que hacen una tendencia a la baja) que se vería la caída de la línea de la demanda, y la línea de tendencia de movimiento por encima de ella antes de comenzar a seguir la tendencia a la baja. Es por eso que he mencionado anteriormente la salida del cálculo de suavizado exponencial que llamamos un pronóstico, todavía necesita un poco más de trabajo. Hay mucho más que la previsión de sólo suavizar los baches de la demanda. Tenemos que hacer ajustes adicionales para cosas como el retraso de tendencia, estacionalidad, eventos conocidos que pueden afectar a la demanda, etc, pero todo lo que está más allá del alcance de este artículo. Es probable que también encontrarse con términos como suavizado exponencial doble y triple de suavizado exponencial. Estos términos son un poco engañoso ya que no se vuelva a alisar la demanda varias veces (lo que podría si lo desea, pero eso no es el punto aquí). Estos términos representan el uso de suavizado exponencial en los elementos adicionales de la previsión. Así que con suavizamiento exponencial simple, que está suavizando la demanda de base, pero con doble suavizado exponencial que está suavizando la demanda de base más la tendencia, y con el triple de suavizado exponencial que está suavizando la demanda de base más la tendencia más la estacionalidad. La otra pregunta más frecuente sobre el suavizado exponencial es donde hago para que mi factor de alisamiento No hay una respuesta mágica aquí, tiene que probar distintos factores de alisamiento con sus datos de demanda para ver lo que obtiene los mejores resultados. Hay cálculos que pueden establecer de forma automática (y cambio), el factor de suavizado. Estos caen bajo el término de suavizado de adaptación, pero hay que tener cuidado con ellos. Simplemente no hay respuesta perfecta y no se debe aplicar ciegamente cualquier cálculo sin pruebas a fondo y desarrollar un conocimiento profundo de lo que hace que el cálculo. También debe ejecutar escenarios hipotéticos para ver cómo reaccionan estos cálculos para exigir cambios que pueden no existir actualmente en la demanda de datos que está utilizando para la prueba. El ejemplo de datos utilicé anteriormente es un muy buen ejemplo de una situación en la que realmente necesita para poner a prueba algunos otros escenarios. Ese ejemplo de datos en particular muestra una tendencia al alza un poco consistente. Muchas grandes empresas con software de predicción muy caro pusieron en un gran problema en el pasado no tan lejano, cuando sus ajustes de software que se han pellizcado para una economía en crecimiento aún no ha reaccionan bien cuando la economía comenzó un estancamiento o contracción. Este tipo de cosas suceden cuando usted no entiende lo que sus cálculos (software) está haciendo realidad. Si se entiende su sistema de previsión, habrían sabido que necesitaban para saltar y cambiar algo cuando hubo cambios dramáticos repentinos en sus negocios. Así que ahí lo tienen los fundamentos de suavizado exponencial explicó. ¿Quieres saber más sobre el uso de suavizado exponencial en una estimación real, echa un vistazo a mi libro explicaba la gestión de stocks. copia de Autor. El contenido de InventoryOps está protegido por copyright y no está disponible para su republicación. David Piasecki. es propietario / operador de Inventario de Operaciones Consulting LLC. una empresa de consultoría que proporciona servicios relacionados con la gestión de inventarios, manejo de materiales y las operaciones de almacén. Tiene más de 25 años de experiencia en la gestión de operaciones y se puede llegar a través de su página web (www. inventoryops), donde se mantiene la información adicional pertinente. Mi BusinessEMA 8211 Realización del cálculo Cálculo de Media Móvil Exponencial - un tutorial de media móvil exponencial del (EMA por sus siglas) es uno de los indicadores más utilizados en el análisis técnico de hoy. Pero ¿cómo se calcula por sí mismo, el uso de un papel y un bolígrafo o 8211 8211 prefiere un programa de hoja de cálculo de su elección. Permite encontrar en esta explicación del cálculo de la EMA. El cálculo de media móvil exponencial (EMA) es, por supuesto hecho automáticamente por la mayoría del software de análisis técnico y comercial hacia fuera allí hoy. Aquí es cómo calcular manualmente que también se suma a la comprensión de cómo funciona. En este ejemplo vamos a calcular la EMA para un precio de una acción. Queremos una EMA 22 días, que es un período de tiempo lo suficientemente común para un largo EMA. La fórmula para el cálculo de la EMA es la siguiente: EMA Precio (t) k EMA (y) (1 8211 k) t hoy, y ayer, N número de días en los EMA, k 2 / (N1) Utilice los siguientes pasos para calcular una 22 días EMA: 1) para empezar, el cálculo de k para el período de tiempo dado. 2 / (22 1) 0,0869 2) Añadir los precios de cierre de los primeros 22 días juntos y dividirlos por 22. 3) Youre que ya está listo para empezar a recibir el primer día EMA mediante la adopción de los siguientes días (día 23) el precio de cierre multiplicado por k. luego multiplicar el promedio móvil de días anteriores por (1-k) y añadir los dos. 4) Realice el paso 3 y otra vez durante cada día que sigue para obtener la gama completa de EMA. Esto puede por supuesto ser puesto en Excel o algún otro software de hoja de cálculo para hacer que el proceso de cálculo de la EMA semiautomático. Para darle una vista algorítmico de cómo esto se puede lograr, véase más adelante. CalculateEMA flotación pública (todaysPrice, flotador NUMBEROFDAYS, flotar EMAYesterday) flotador k 2 / (NUMBEROFDAYS 1) volver todaysPrice k EMAYesterday (1 8211 k) Este método normalmente se llama desde un bucle a través de sus datos, buscando algo como esto: foreach ( DailyRecord SDR en dataRecords) // llamar al CalculateEMA cálculo EMA EMA (sdr. Close, NUMBEROFDAYS, yesterdayEMA) // poner el EMA calculada en una matriz memaSeries. Items. Add (sdr. TradingDate, ema) // asegurarse yesterdayEMA se llena con la EMA se utilizó en esta ocasión yesterdayEMA ema Tenga en cuenta que esto es pseudo código. Lo más habitual es que tenga que enviar el valor de cierre de ayer como yesterdayEMA hasta que el yesterdayEMA se calcula a partir del día de hoy EMA. Eso sucede sólo después de que el bucle se ha quedado más días que el número de días que se ha calculado el EMA para. Para una EMA 22 días, su único en el tiempo 23 en el bucle y después de ello que la ema yesterdayEMA es válido. Este es un gran problema, ya que se necesita datos de al menos 100 días de negociación para un EMA 22 días para ser válido. PostsWhat relacionado es la media móvil exponencial fórmula (EMA) y cómo se la EMA calculó la media móvil exponencial (EMA) es una media móvil ponderada (WMA) que da más ponderación o importancia, los datos recientes de los precios que la media móvil simple ( SMA) lo hace. La EMA responde más rápidamente a los cambios recientes en los precios que el SMA. La fórmula para el cálculo de la EMA solo implica el uso de un multiplicador y comenzando con el SMA. El cálculo de la media móvil es muy sencillo. El SMA para cualquier número dado de períodos de tiempo es simplemente la suma de los precios de cierre para ese número de períodos de tiempo, dividido por el mismo número. Así, por ejemplo, a 10 días de SMA es simplemente la suma de los precios de cierre de los últimos 10 días, dividido por 10. Los tres pasos para el cálculo de la EMA son: Calcular la media móvil. Calcular el multiplicador para la ponderación de la EMA. Calcular la EMA actual. La fórmula matemática, en este caso para el cálculo de una EMA de 10 periodos, se ve así: SMA: 10 Período de suma / 10 Cálculo del multiplicador de ponderación: (2 / (periodo de tiempo seleccionado 1)) (2 / (10 1)) 0.1818 (18.18) el cálculo de la EMA: (Cerrando precio-EMA (día anterior)) EMA por el multiplicador (día anterior) la ponderación dada al precio más reciente es mayor para un período más corto que la EMA para un período más largo EMA. Por ejemplo, un multiplicador 18.18 se aplica a los datos más recientes de los precios de un 10 EMA, mientras que para un 20 EMA, sólo se utiliza una ponderación 9,52 multiplicador. También hay ligeras variaciones de la EMA construida a partir de el precio de apertura, alta, baja o mediana en lugar de utilizar el precio de cierre. Utilice la media móvil exponencial (EMA) para crear una estrategia de operaciones de cambio dinámico. Aprende cómo EMA se pueden utilizar muy. Leer respuesta Aprende las ventajas potenciales importantes de usar un promedio móvil exponencial cuando el comercio, en lugar de un simple movimiento. Leer respuesta Conoce los promedios móviles simples y medias móviles exponenciales, lo que medida estos indicadores técnicos y la diferencia. Leer respuesta Aprende la fórmula para el indicador de momento de convergencia divergencia media móvil y encontrar la manera de calcular el MACD. Leer respuesta Descubre las principales diferencias entre los indicadores medios móviles exponenciales y simples, y qué desventajas EMA puede. Leer respuesta Conoce los diferentes tipos de medias móviles, así como cruces del promedio móvil, y comprender la forma en que se utilizan en respuesta Leer Media Móvil Exponencial -. EMA Carga del reproductor. ROMPIENDO Media Móvil Exponencial - EMA El 12 y 26 días EMA son los promedios más populares a corto plazo, y que se utilizan para crear indicadores como la divergencia media móvil de convergencia (MACD) y el oscilador de precios porcentaje (PPO). En general, el de 50 y 200 días EMA se utilizan como señales de tendencias a largo plazo. Los comerciantes que emplean el análisis técnico se encuentran las medias móviles muy útil e interesante cuando se aplica correctamente, pero crear el caos cuando se utiliza incorrectamente o mal interpretado. Todos los promedios móviles de uso común en el análisis técnico son, por su propia naturaleza, indicadores de retraso. En consecuencia, las conclusiones extraídas de la aplicación de una media móvil a un gráfico de mercado en particular deben ser para confirmar un movimiento del mercado o para indicar su fuerza. Muy a menudo, en el momento en una línea de indicador de media móvil ha hecho un cambio para reflejar un cambio significativo en el mercado, el punto óptimo de entrada en el mercado ya ha pasado. Un EMA sirve para aliviar este dilema en cierta medida. Debido a que el cálculo de la EMA pone más peso en los últimos datos, se abraza a la acción del precio un poco más fuerte y por lo tanto reacciona más rápido. Esto es deseable cuando un EMA se utiliza para derivar una señal de entrada de comercio. La interpretación de la EMA Al igual que todos los indicadores de media móvil, que son mucho más adecuados para los mercados de tendencias. Cuando el mercado está en una tendencia alcista fuerte y sostenida. la línea del indicador EMA también mostrará una tendencia alcista y viceversa para una tendencia a la baja. Un comerciante vigilantes no sólo prestar atención a la dirección de la línea EMA, sino también la relación de la velocidad de cambio de un bar a otro. Por ejemplo, ya que la acción del precio de una fuerte tendencia alcista comienza a aplanarse y revertir, la tasa de cambio EMA de una barra a la siguiente comenzará a disminuir hasta el momento en que la línea indicadora se aplana y la tasa de cambio es cero. Debido al efecto de retraso, en este punto, o incluso unos pocos compases antes, la acción del precio ya debería haber revertido. Por lo tanto, se deduce que la observación de una disminución constante de la tasa de cambio de la EMA podría sí mismo ser utilizado como un indicador de que podrían contrarrestar aún más el dilema causado por el efecto de retraso de medias móviles. Usos comunes de la EMA EMA se utilizan comúnmente en conjunción con otros indicadores significativos para confirmar los movimientos del mercado y para medir su validez. Para los comerciantes que negocian intradía y los mercados de rápido movimiento, la EMA es más aplicable. Muy a menudo los comerciantes utilizan EMA para determinar un sesgo de operación. Por ejemplo, si un EMA en un gráfico diario muestra una fuerte tendencia al alza, una estrategia de los operadores intradía puede ser para el comercio sólo desde el lado largo en un gráfico intradía.