콘텐츠로 이동

Hull Moving Average

정의

Hull Moving Average(HMA)는 전통적인 이동 평균에 비해 지연을 줄이고 반응성을 높이는 기술 분석 지표입니다. 이는 Weighted Moving Averages(WMA)를 사용하고 고유한 계산을 적용하여 데이터를 평활화하면서도 최근 가격 변화를 반영함으로써 달성되며, 이는 추세 식별 및 반전을 위한 유용한 도구로 사용됩니다.

역사

Hull Moving Average는 호주 트레이더이자 수학자인 Alan Hull이 기존 이동 평균을 개선하기 위해 개발했습니다. 목표는 상당한 지연을 도입하지 않고도 가격 데이터의 노이즈를 걸러낼 수 있는 더 반응성이 높은 이동 평균을 만드는 것이었습니다. 개발 이후 HMA는 더 효율적인 추세 추적 도구를 찾는 트레이더들 사이에서 널리 채택되었습니다.

계산

Hull Moving Average는 일련의 Weighted Moving Averages를 통해 계산되며 반응성을 높이면서도 평활성을 유지하기 위한 특정 프로세스를 포함합니다.

1. 중간 WMA 계산.

  • 기간의 절반에 대해 첫 번째 WMA 계산:

\[ WMA_1 = { WMA\ (Source,\ { Periods / 2 } ) } \]

  • 전체 기간에 대해 두 번째 WMA 계산:

\[ WMA_2 = { WMA\ (Source,\ Periods ) } \]

2. 중간 시리즈. 두 WMA를 결합하여 중간 시리즈 생성:

\[ I = { 2 \times WMA_1 - WMA_2 } \]

3. 최종 WMA 계산. 중간 시리즈에 대해 기간의 제곱근에 WMA 적용:

\[ HMA = { WMA\ ( I, \sqrt{Periods} ) } \]

해석

  • 상승 및 하락 – 상승하는 HMA는 잠재적인 상승 추세 또는 강세 시장 조건을 나타냅니다. 하락하는 HMA는 하락 추세 또는 약세 시장 조건을 시사합니다.

  • 교차 – 가격이 HMA를 상향 돌파할 때 잠재적인 매수 신호로 간주되며 이는 상승 추세의 시작을 나타낼 수 있습니다. 가격이 HMA를 하향 돌파할 때는 잠재적인 매도 신호로 간주되며 하락 추세를 시사합니다.

  • 평활화 및 지연 – HMA는 전통적인 이동 평균보다 더 효과적으로 가격 데이터를 평활화하여 노이즈를 줄이고 더 명확한 추세 신호를 제공합니다.

  • 시프트 – 시프트 매개변수를 조정하여 차트에서 HMA 지표와 가격 데이터의 정렬을 변경함으로써 HMA 판독값이 과거 또는 미래 가격 움직임과 어떻게 일치하는지 탐색할 수 있습니다.

응용

  • 매수 신호 – 가격이 HMA를 상향 돌파할 때 잠재적인 상승 추세로의 전환을 나타내므로 매수 포지션을 고려할 수 있습니다. 다른 추세 또는 모멘텀 지표를 사용하여 더 강력한 검증을 수행하십시오.

  • 매도 신호 – 가격이 HMA를 하향 돌파할 때 잠재적인 하락 추세로의 전환을 시사하므로 매도 포지션을 고려할 수 있습니다.

  • 손절매 배치 – 트레이더는 HMA 라인을 동적 손절매 가이드로 사용하여 상승 추세에서는 HMA 바로 아래에, 하락 추세에서는 HMA 바로 위에 손절매를 배치하여 위험을 관리할 수 있습니다.

참고

알고리즘 트레이딩을 활용하여 이 지표의 신호를 기반으로 거래를 실행하는 cBots를 사용할 수 있습니다. 자세한 내용은 예제를 참조하십시오. cBot에서 지표를 사용하는 방법에 대해 자세히 알아보세요.

한계

Hull Moving Average는 과거 데이터를 기반으로 하며 여전히 지표 지표이므로 미래 가격 움직임을 확실하게 예측할 수는 없습니다. 이는 낮은 변동성이나 불규칙한 가격 움직임 기간 동안 잘못된 신호를 생성할 수 있습니다. 또한 기간 매개변수의 선택은 HMA의 반응성과 정확도에 영향을 미칠 수 있습니다.

요약

Alan Hull이 개발한 Hull Moving Average는 전통적인 이동 평균에 비해 지연을 최소화하고 반응성을 개선한 강력한 추세 추적 지표입니다. 이는 Weighted Moving Averages의 조합을 사용하여 가격 변화에 대해 부드럽고 빠르게 반응함으로써 트레이더가 더 정확하게 추세와 잠재적인 반전을 식별할 수 있도록 도와줍니다. HMA는 상당한 지연을 도입하지 않고도 가격 데이터의 노이즈를 걸러낼 수 있는 이동 평균을 생성합니다.