WMA bereaksi paling kuat terhadap observasi dengan bobot terbesar, tetapi WMA tetap menggunakan data historis dan tetap merupakan ukuran yang tertinggal (lagging). Metode peramalan dapat menggunakan bobot kustom, sementara banyak platform trading menggunakan urutan linear tetap 1, 2, ..., n. Oleh karena itu, metode perhitungan perlu diidentifikasi sebelum dua nilai WMA dapat dibandingkan.
WMA linear memberikan nilai terbaru bobot posisi terbesar sambil tetap mempertahankan setiap nilai dalam jendela yang dipilih.
Apa Itu Weighted Moving Average?
Weighted moving average adalah rata-rata bergulir di mana setiap observasi dikalikan dengan bobot tertentu, sehingga beberapa observasi memengaruhi hasil lebih besar daripada yang lain. Jendela bergulir menentukan observasi mana yang disertakan, sedangkan bobot menentukan seberapa besar kontribusi setiap observasi yang disertakan.
Bobot yang lebih besar umumnya diberikan pada observasi yang lebih baru karena nilai terbaru dapat lebih merepresentasikan level saat ini dari suatu deret waktu. Pembobotan berdasarkan kebaruan adalah pilihan metode, bukan keharusan matematis: WMA kustom dapat menggunakan pola bobot non-nol apa pun yang dapat dibenarkan, selama perhitungannya menerapkan bobot yang dimaksud secara konsisten dan membaginya dengan total bobot tersebut.
Setiap nilai WMA merepresentasikan satu jendela. Ketika deret waktu bergerak maju, observasi tertua keluar dari jendela, observasi terbaru masuk, dan bobot posisi ditetapkan kembali. Pembaruan bergulir inilah yang membedakan moving average dari weighted average satu kali.
WMA yang dihasilkan tetap berada dalam satuan yang sama dengan observasi sumber: input harga menghasilkan WMA berbasis harga, sedangkan input permintaan menghasilkan WMA berbasis permintaan. Bobot mengubah pengaruh, bukan makna atau satuan dari deret dasar tersebut.
Apakah WMA Sama dengan Linear Weighted Moving Average?
WMA dan linear weighted moving average sering digunakan sebagai istilah yang setara dalam trading, tetapi kedua istilah tersebut tidak selalu identik secara universal. Linear weighted moving average menetapkan bobot dalam urutan aritmetika, biasanya 1 untuk observasi tertua, 2 untuk observasi berikutnya, dan n untuk observasi terbaru.
WMA umum dapat menggunakan bobot kustom seperti 0.20, 0.30, dan 0.50. Model peramalan sering menggunakan bobot kustom ini untuk merepresentasikan asumsi bisnis atau sekumpulan bobot yang diuji terhadap kesalahan peramalan. Banyak platform charting menggunakan WMA untuk merujuk pada versi linear, sehingga spesifikasi platform, periode, sumber harga, dan urutan bobot dari tertua ke terbaru perlu diperiksa sebelum suatu nilai direproduksi.
Perbedaan ini penting karena dua metode dapat menggunakan tiga observasi yang sama tetapi menghasilkan hasil berbeda ketika bobotnya berbeda. Setelah jenis WMA diketahui, rumusnya membuat hubungan antara setiap nilai dan bobotnya menjadi jelas.
Apa Rumus Weighted Moving Average?
WMA sama dengan jumlah setiap nilai yang dikalikan dengan bobotnya, dibagi dengan jumlah seluruh bobot. Untuk n observasi berurutan, rumus umumnya adalah:
WMA = (w1 × x1 + w2 × x2 + ... + wn × xn) / (w1 + w2 + ... + wn)
Dalam rumus tersebut, x adalah nilai observasi, w adalah bobot yang dipasangkan dengan nilai tersebut, dan n adalah jumlah observasi dalam jendela. Pembilang adalah jumlah tertimbang, sedangkan penyebut menormalkan hasil dengan total bobot.
Untuk WMA linear dengan bobot 1 hingga n, rumusnya dapat ditulis sebagai:
Linear WMA = (1 × x_tertua + 2 × x_berikutnya + ... + n × x_terbaru) / [n × (n + 1) / 2]
Penyebut n × (n + 1) / 2 adalah bilangan segitiga yang sama dengan 1 + 2 + ... + n. Oleh karena itu, WMA linear tiga periode dibagi dengan 6, sedangkan WMA linear empat periode dibagi dengan 10.
Rumus umum menerima bobot valid apa pun; rumus linear menggunakan bobot 1 hingga n.
Mengapa Bobot Perlu Dinormalisasi?
Bobot perlu dinormalisasi agar WMA tetap berada pada skala yang sama dengan observasi. Membagi dengan total bobot mengubah jumlah tertimbang menjadi rata-rata, alih-alih membiarkan hasilnya sebagai total yang tidak diskalakan.
Bobot mentah 1, 2, dan 3 memiliki total 6. Padanan yang telah dinormalisasi adalah 1/6, 2/6, dan 3/6, yang totalnya 1. Kedua bentuk menghasilkan hasil yang sama:
(10 × 1 + 12 × 2 + 15 × 3) / 6 = 13.17
(10 × 1/6) + (12 × 2/6) + (15 × 3/6) = 13.17
Pembagian dengan SUM(weights) hanya dapat dihilangkan jika bobot yang diberikan sudah berjumlah 1, atau 100%. Menghilangkan pembagian ketika bobot mentah berjumlah lebih dari 1 menghasilkan jumlah tertimbang, bukan weighted moving average. Normalisasi juga menjelaskan mengapa penyebut linear adalah 6 untuk WMA tiga periode: 6 hanyalah jumlah dari bobot posisi.
Bagaimana Cara Menghitung Weighted Moving Average?
Pilih jendela, tetapkan bobot, kalikan setiap nilai dengan bobot pasangannya, jumlahkan hasil perkalian, lalu bagi dengan total bobot. Arah dari tertua ke terbaru harus tetap konsisten di setiap langkah.
1. Pilih jumlah periode dalam jendela bergulir.
2. Susun observasi dari yang tertua ke yang terbaru.
3. Tetapkan bobot yang dimaksud untuk setiap observasi.
4. Kalikan setiap observasi dengan bobot pasangannya dan jumlahkan hasil perkaliannya.
5. Bagi jumlah tertimbang dengan jumlah bobot.
Untuk WMA linear, observasi terbaru menerima bobot posisi terbesar. Untuk WMA kustom, urutan bobot mengikuti model yang didokumentasikan, bukan urutan yang diasumsikan. Metode lima langkah ini baru lengkap ketika periode waktu berikutnya menggeser jendela dan mengulangi perhitungan.
Perhitungan WMA mengikuti lima langkah yang dapat diaudit.
Contoh Weighted Moving Average Tiga Periodeple
WMA linear tiga periode untuk nilai 10, 12, dan 15 adalah 13.17 ketika bobot dari tertua ke terbaru adalah 1, 2, dan 3. Nilai terbaru, 15, memberikan kontribusi terbesar karena nilai terbaru menerima bobot terbesar.
Tabel: WMA linear tiga periode menggunakan bobot dari tertua ke terbaru 1, 2, dan 3.
Perhitungannya adalah:
WMA tiga periode = (10 × 1 + 12 × 2 + 15 × 3) / (1 + 2 + 3) WMA tiga periode = 79 / 6 WMA tiga periode = 13.17
WMA sebesar 13.17 lebih tinggi daripada rata-rata tanpa bobot sebesar 12.33 untuk tiga nilai naik yang sama karena WMA linear memberikan pengaruh lebih besar pada observasi yang lebih tinggi dan lebih baru. Hubungan ini dapat berbalik ketika observasi terbaru turun, sehingga hasilnya tidak boleh ditafsirkan sebagai keunggulan tetap atas rata-rata berbobot sama.
Dua pemeriksaan membuat contoh ini dapat diaudit. Pertama, hasil perkalian tertimbang harus berjumlah 79 dan bobot harus berjumlah 6. Kedua, WMA yang dihitung dengan bobot non-negatif seharusnya tetap berada di antara observasi terkecil dan terbesar dalam jendela, sehingga 13.17 seharusnya berada di antara 10 dan 15. Nilai akhir sebaiknya dibulatkan hanya setelah 79 dibagi 6; membulatkan setiap hasil perkalian atau bobot terlalu awal dapat mengubah perhitungan yang lebih panjang.
Urutan bobot memiliki efek yang terlihat. Jika nilai yang sama secara keliru diberi bobot 3, 2, dan 1 dari tertua ke terbaru, hasilnya akan menjadi 11.50, bukan 13.17. Perbedaan ini sepenuhnya disebabkan oleh observasi mana yang menerima pengaruh terbesar.
Bagaimana Jendela Bergerak ke Periode Berikutnya
WMA bergerak ke periode berikutnya dengan menghapus observasi tertua, menambahkan observasi terbaru, dan menetapkan kembali bobot posisi dalam jendela baru. Menambahkan nilai keempat sebesar 18 mengubah jendela tiga periode dari 10, 12, 15 menjadi 12, 15, 18.
Tabel: Jendela WMA tiga periode berturut-turut menggunakan bobot posisi yang sama.
Bobot 3 tidak tetap melekat pada nilai 15. Bobot 3 berpindah ke posisi terbaru, yang ditempati oleh 18 pada jendela kedua. Membalik urutan akan menggambarkan model yang berbeda karena observasi tertua akan menerima pengaruh terbesar.
Untuk WMA n-periode, n - 1 baris pertama tidak memiliki cukup observasi untuk membentuk jendela lengkap. Oleh karena itu, WMA tiga periode tidak memiliki output jendela penuh untuk periode 1 dan 2; WMA valid pertama muncul pada periode 3. Perangkat lunak charting dapat menampilkan baris awal ini sebagai kosong, menghilangkannya, atau menggunakan metode warm-up khusus platform.
Moving average adalah sebuah deret: setiap periode baru menggeser jendela dan menetapkan kembali bobot posisi.
Mengulangi perhitungan tersebut secara manual menjadi tidak efisien seiring pertumbuhan deret, sehingga implementasi spreadsheet menjadi langkah praktis berikutnya.
Bagaimana Cara Menghitung WMA di Excel?
Gunakan =SUMPRODUCT(value_range,weight_range)/SUM(weight_range) dan pastikan rentang nilai serta rentang bobot memiliki ukuran dan urutan yang sama. SUMPRODUCT mengalikan setiap nilai dengan bobot pasangannya lalu menjumlahkan hasil perkaliannya, sedangkan SUM menyediakan penyebut normalisasi.
Untuk nilai 10, 12, dan 15 di sel A2:A4 serta bobot mentah 1, 2, dan 3 di sel D2:D4, masukkan:
=SUMPRODUCT(A2:A4,$D$2:$D$4)/SUM($D$2:$D$4)
Tanda dolar menjaga rentang bobot tetap terkunci saat rumus disalin ke bawah. Pada baris output berikutnya, rentang nilai harus bergeser dari A2:A4 menjadi A3:A5 sementara rentang bobot tetap D2:D4. Rentang nilai dan bobot harus berisi jumlah sel yang sama dan menggunakan urutan tertua ke terbaru yang sama.
Dua sel output pertama untuk WMA tiga periode harus tetap kosong karena belum ada jendela lengkap tiga nilai. Worksheet produksi dapat menangani baris tersebut dengan pemeriksaan sel kosong, tetapi perhitungannya tidak boleh diam-diam menggantinya dengan jendela yang lebih pendek kecuali metode tersebut secara eksplisit mengizinkannya.
Gunakan rentang nilai dan bobot yang berukuran sama serta berurutan identik; bagi dengan SUM(weights) kecuali bobot berjumlah 1.
Rumus Excel untuk Bobot Linear dan Kustom
Rumus Excel untuk WMA linear dan kustom menggunakan struktur SUMPRODUCT yang sama; hanya rentang bobotnya yang berubah. Bobot linear untuk WMA tiga periode adalah 1, 2, dan 3, sedangkan model kustom dapat menggunakan 0.20, 0.30, dan 0.50.
Gunakan rumus berikut ketika rentang bobot berisi bobot mentah yang belum tentu berjumlah 1:
=SUMPRODUCT(A2:A4,$D$2:$D$4)/SUM($D$2:$D$4)
Gunakan rumus yang lebih singkat berikut hanya ketika rentang bobot telah diperiksa dan totalnya tepat 1:
=SUMPRODUCT(A2:A4,$F$2:$F$4)
Bobot linear mentah 1, 2, dan 3 serta bobot yang dinormalisasi 1/6, 2/6, dan 3/6 menghasilkan WMA yang sama. Spreadsheet tetap sebaiknya menampilkan total bobot agar rentang yang terbalik, sel yang terlewat, atau kesalahan input persentase dapat terdeteksi.
Perhitungannya sama, tetapi peramalan dan trading menjawab pertanyaan yang berbeda dan memerlukan validasi yang berbeda.
Output otomatis kini dapat digunakan untuk dua aplikasi terpisah: peramalan periode berikutnya atau indikator trading yang diplot. Setiap aplikasi memerlukan interpretasi dan metode evaluasinya sendiri.
Bagaimana WMA Digunakan untuk Peramalan?
Dalam peramalan, trailing WMA menggunakan observasi terbaru yang telah dibobotkan sebagai estimasi untuk periode berikutnya, biasanya untuk horizon jangka pendek. Peramalan ini mengasumsikan bahwa jendela dan pola bobot yang dipilih mengandung informasi yang berguna tentang observasi berikutnya.
Peramalan WMA paling mudah diterapkan pada deret yang relatif datar di mana riwayat terbaru tetap relevan. Tren, musiman, structural break, dan pola permintaan yang berubah dapat membuat sekumpulan bobot tetap menjadi tidak andal, sehingga sekumpulan bobot dan horizon peramalan perlu diuji terhadap observasi berikutnya.
Perhitungannya tidak berubah ketika WMA digunakan untuk peramalan. Yang berubah adalah interpretasinya: output WMA ditetapkan ke periode berikutnya sebagai estimasi, bukan hanya diplot sebagai garis historis yang dihaluskan.
Contoh Peramalan Weighted Moving Average Tiga Bulan
Peramalan WMA tiga bulan mengalikan masing-masing dari tiga observasi bulanan terbaru dengan bobot yang ditetapkan dan menggunakan jumlahnya sebagai peramalan satu langkah ke depan ketika bobot berjumlah 1. Menggunakan nilai permintaan bulanan 10, 12, dan 15 unit dengan bobot 0.20, 0.30, dan 0.50 menghasilkan peramalan Bulan 4 sebesar 13.10 unit.
Tabel: Peramalan permintaan tiga bulan satu langkah ke depan dengan bobot berjumlah 1.
Rumusnya adalah:
Peramalan Bulan 4 = (10 × 0.20) + (12 × 0.30) + (15 × 0.50)
Peramalan Bulan 4 = 13.10 unit
Hasil 13.10 unit adalah peramalan satu langkah ke depan, bukan peramalan untuk setiap bulan mendatang. Peramalan rekursif Bulan 5 harus memasukkan peramalan Bulan 4 seolah-olah itu adalah nilai observasi ketika permintaan aktual Bulan 4 belum tersedia. Oleh karena itu, setiap langkah rekursif tambahan sebagian bergantung pada peramalan sebelumnya, yang dapat memperbesar kesalahan dan meratakan atau mendistorsi jalur proyeksi.
Bobot desimal berjumlah 1, sehingga tidak diperlukan pembagian tambahan. Bobot mentah 2, 3, dan 5 akan menghasilkan peramalan 13.10 unit yang sama setelah dibagi 10. Peramalan ini juga lebih rendah daripada permintaan terbaru sebesar 15 unit karena dua observasi sebelumnya yang lebih rendah masih menyumbang setengah dari total bobot.
Bagaimana Anda Harus Memilih dan Menguji Bobot Peramalan?
Bobot peramalan harus dipilih berdasarkan alasan yang terdokumentasi dan diuji terhadap metrik kesalahan yang telah ditentukan pada periode yang tidak digunakan untuk menyetel bobot. Bobot terbaru yang lebih besar hanya dapat dibenarkan ketika observasi terbaru meningkatkan peramalan untuk horizon yang dimaksud.
Proses validasi yang praktis adalah:
1. Tentukan horizon peramalan dan keputusan yang akan didukung oleh peramalan tersebut.
2. Sisihkan observasi yang lebih akhir sebagai periode validasi atau holdout.
3. Tentukan kandidat sekumpulan bobot yang memenuhi batasan model, seperti bobot non-negatif yang berjumlah 1.
4. Hasilkan peramalan menggunakan setiap kandidat tanpa mengubah periode evaluasi.
5. Bandingkan kesalahannya dengan ukuran yang telah ditentukan seperti mean absolute error (MAE) atau mean squared error (MSE).
6. Tinjau apakah bobot yang dipilih tetap stabil di berbagai periode validasi serta kondisi pasar atau permintaan yang berbeda.
MAE melaporkan rata-rata besarnya kesalahan absolut, sedangkan MSE memberikan pengaruh lebih besar pada kesalahan yang lebih besar dengan menguadratkannya. Tidak satu pun metrik menjadikan suatu sekumpulan bobot terbaik secara universal; metrik yang dipilih bergantung pada biaya dari berbagai ukuran kesalahan. Mengoptimalkan bobot pada observasi yang sama yang digunakan untuk menilai model dapat menyebabkan overfitting terhadap noise historis, sehingga evaluasi akhir sebaiknya menggunakan periode yang belum pernah dilihat.
Peramalan mengevaluasi WMA terhadap observasi masa depan yang terealisasi. Trading menggunakan output matematis yang sama secara berbeda dengan membandingkan WMA yang diplot dengan harga atau rata-rata lainnya.
Bagaimana WMA Digunakan sebagai Indikator Trading?
Sebagai indikator trading, WMA memplot rata-rata tertimbang dari harga terbaru untuk menggambarkan arah tren dan bereaksi lebih kuat terhadap perubahan harga terbaru dibandingkan SMA berbobot sama pada periode yang sama. Trader dapat membandingkan kemiringan WMA', harga saat ini, dan moving average lainnya, tetapi WMA tidak memberikan kepastian prediktif.
WMA yang naik menunjukkan bahwa baseline harga terbaru yang dibobotkan sedang meningkat, sedangkan WMA yang turun menunjukkan bahwa baseline tertimbang tersebut sedang menurun. Harga di atas atau di bawah WMA menggambarkan hubungan antara pasar saat ini dan baseline tersebut; hubungan itu adalah observasi, bukan bukti bahwa pergerakan harga berikutnya pasti berlanjut ke arah yang sama.
WMA tetap bersifat lagging karena setiap nilai WMA dihitung dari harga saat ini dan harga sebelumnya. Penekanan yang lebih besar pada harga terbaru dapat mengurangi sebagian keterlambatan dibandingkan SMA dengan periode yang sama, tetapi responsivitas yang lebih tinggi juga dapat membuat WMA bereaksi terhadap perubahan harga yang berlangsung singkat.
Arah Tren, Persilangan Harga, dan Persilangan WMA
Persilangan WMA terjadi ketika harga melintasi WMA atau ketika WMA periode yang lebih pendek melintasi WMA periode yang lebih panjang. Persilangan harga/WMA membandingkan harga saat ini dengan satu baseline tertimbang, sedangkan persilangan dua WMA membandingkan baseline yang lebih cepat dengan baseline yang lebih lambat.
Tabel: Interpretasi langsung dan kehati-hatian yang diperlukan untuk observasi WMA yang umum.
Oleh karena itu, aturan persilangan perlu diuji secara terpisah dengan periode, input harga, asumsi biaya transaksi, dan kontrol risiko yang dinyatakan dengan jelas. Grafik dapat menunjukkan di mana persilangan terjadi, tetapi hanya pengujian yang terdefinisi yang dapat mengevaluasi apakah aturan tersebut berguna untuk pasar dan timeframe tertentu.
Periode WMA, Sumber Harga, dan Kondisi Pasar
Perilaku WMA bergantung pada panjang periode, harga input, timeframe grafik, dan kondisi pasar. Periode yang lebih pendek menggunakan lebih sedikit observasi dan biasanya bereaksi lebih cepat, sedangkan periode yang lebih panjang menghaluskan lebih banyak variasi harga dan biasanya merespons lebih lambat.
Input dapat berupa harga penutupan atau sumber harga lain yang didukung platform. Dua grafik berlabel “WMA 20-periode” dapat berbeda jika salah satunya menggunakan harga penutupan dan yang lainnya menggunakan input berbeda, atau jika platform menggunakan definisi WMA yang berbeda. Timeframe juga mengubah apa yang direpresentasikan oleh satu periode: 20 observasi pada grafik lima menit tidak menggambarkan horizon yang sama dengan 20 observasi pada grafik harian.
Kondisi trending dapat menciptakan kemiringan yang persisten dan lebih sedikit persilangan baseline, sedangkan kondisi choppy dapat membuat harga berulang kali bergerak di sekitar WMA. Tidak ada periode yang terbaik secara universal. Periode dan input harus dipilih sesuai tujuan analisis dan diuji pada instrumen, timeframe, dan rezim pasar yang relevan.
Dampak dari pengaturan tersebut menjadi lebih jelas ketika WMA dibandingkan dengan metode moving average dan metode berbobot volume lainnya.
WMA vs SMA, EMA, VWMA, dan VWAP
WMA membobotkan observasi berdasarkan urutan yang dipilih, SMA membobotkannya secara sama, EMA menggunakan peluruhan eksponensial, dan VWMA serta VWAP menggunakan volume alih-alih kebaruan sebagai bobot utama. Metode-metode ini tidak dapat dipertukarkan karena masing-masing menjawab pertanyaan pembobotan yang berbeda.
Tabel: Metode moving average dan berbobot volume dibandingkan berdasarkan dasar pembobotan dan cakupan.
Untuk deret naik tiga periode yang sama, 10, 12, 15, lalu 18, metode-metode tersebut dapat dibandingkan dengan setiap parameter diungkapkan. SMA tiga periode dan WMA linear tiga periode pertama kali muncul pada Periode 3. EMA tiga periode menggunakan alpha = 2 / (3 + 1) = 0.5 dan di-seed dengan SMA Periode 3.
Tabel: SMA, WMA linear, dan EMA dihitung pada deret empat nilai yang sama.
Ketiga rata-rata tersebut berbeda karena aturan pembobotannya berbeda; tingkat responsivitas bergantung pada data dan parameternya.
WMA adalah yang tertinggi pada Periode 4 dalam contoh kenaikan ini karena harga terbaru dan tertinggi menerima bobot linear terbesar. Urutan itu tidak permanen: nilai baru yang menurun dapat menarik WMA turun lebih tajam, dan parameter EMA yang berbeda dapat mengubah perbandingan. Oleh karena itu, metode yang tepat mengikuti dasar pembobotan, memori, dan penggunaan yang dibutuhkan, bukan label “lebih baik” yang universal.
Keunggulan dan Keterbatasan WMA
WMA dapat merespons lebih cepat daripada SMA dengan periode yang sama, tetapi penekanan yang lebih besar pada observasi terbaru juga dapat meningkatkan sensitivitas terhadap noise dan tidak menghilangkan lag. Setiap keunggulan WMA bergantung pada biaya implementasi atau interpretasi yang menyertainya.
Tabel: Manfaat dan keterbatasan WMA yang berpasangan.
WMA berguna ketika pengaruh yang tidak sama dapat dibenarkan dan trade-off yang dihasilkan dapat diterima untuk keputusan yang diambil. WMA lemah ketika pola bobot bersifat arbitrer, deret berubah rezim, atau output diperlakukan sebagai bukti hasil masa depan. Keterbatasan ini menjelaskan mengapa implementasi dan validasi yang benar sama pentingnya dengan rumus itu sendiri.
Kesalahan Umum Weighted Moving Average
Kesalahan WMA yang paling umum adalah membalik urutan bobot, menghilangkan normalisasi, tidak menyelaraskan rentang spreadsheet, dan memperlakukan rata-rata historis tertimbang sebagai kepastian tentang masa depan. Setiap kesalahan mengubah perhitungan atau makna hasilnya.
• Membalik bobot tertua dan terbaru: Pastikan apakah observasi terbaru harus menerima bobot terbesar sebelum menghitung jendela pertama.
• Menghilangkan penyebut: Bagi dengan SUM(weights) kecuali bobot sudah dinormalisasi hingga berjumlah 1.
• Menggunakan rentang nilai dan bobot yang tidak sama: Pasangkan satu bobot dengan setiap observasi dan pertahankan urutan rentang yang sama.
• Membiarkan bobot tetap melekat pada nilai: Tetapkan kembali bobot posisi setelah jendela bergulir maju; bobot linear terbesar milik posisi terbaru.
• Mengisi baris awal dengan nilai jendela parsial: Biarkan n - 1 output jendela penuh pertama kosong kecuali metode warm-up yang terdokumentasi digunakan.
• Membandingkan metode dengan asumsi berbeda: Ungkapkan periode, sumber harga, urutan bobot, seed EMA, dan cakupan volume sebelum membandingkan output.
• Memperlakukan peramalan sebagai kepastian: Evaluasi kesalahan peramalan pada observasi berikutnya dan nyatakan horizon peramalan.
• Memperlakukan persilangan sebagai trading otomatis: Uji aturan lengkapnya, termasuk biaya, kontrol risiko, dan perilaku pasar yang choppy.
• Mengoptimalkan pada periode evaluasi: Simpan periode holdout agar parameter peramalan atau trading dinilai pada observasi yang tidak digunakan untuk penyetelan.
Penggunaan WMA yang benar karena itu bergantung pada definisi bobot yang transparan, perhitungan yang dapat diaudit, dan metode evaluasi yang sesuai dengan aplikasinya.
Terapkan Analisis Simple Weighted Moving Average dalam Praktik
Platform MetaTrader TMGM memungkinkan trader mengonfigurasi Weighted Moving Average (WMA) berdasarkan periode, applied price, dan timeframe. Gunakan pengaturan yang konsisten untuk mengidentifikasi arah tren yang jelas, uji observasi Anda terhadap struktur harga riil, dan selalu tentukan risiko Anda sebelum bertindak.
Siap menguji strategi WMA Anda? Buka akun live untuk memulai perjalanan trading CFD Anda hari ini, atau buka akun demo untuk berlatih tanpa risiko.
