از آنجا که میانگین های متحرک از قیمت های گذشته به جای قیمت های فعلی استفاده می کنند، دارای دوره معینی از تاخیر هستند. هرچه مجموعه داده گسترده تر باشد، تاخیر بیشتر خواهد بود. به عنوان مثال، میانگین متحرکی که 100 روز گذشته را تجزیه و تحلیل می کند، نسبت به میانگین متحرکی که فقط 10 روز گذشته را در نظر می گیرد، کندتر به اطلاعات جدید پاسخ می دهد. دلیل این مسئله تنها این است که یک ورودی جدید به یک مجموعه داده بزرگتر تأثیر کمتری بر اعداد کلی خواهد داشت.
هر دو بسته به تنظیم معاملات می توانند سودمند باشند. مجموعه دادههای بزرگتر به نفع سرمایهگذاران بلندمدت است، زیرا احتمال کمتری دارد که به دلیل یک یا دو نوسان بزرگ به شدت تغییر کنند. معاملهگران کوتاهمدت اغلب از مجموعه دادههای کوچکتری که امکان داد و ستد ارتجاعیتر را فراهم میکند، استفاده میکنند.
در بازارهای سنتی، میانگین های متحرک 50، 100 و 200 روزه بیشترین استفاده را دارند. میانگینهای متحرک 50 و 200 روزه توسط معاملهگران سهام به دقت رصد میشوند و هرگونه شکست در بالاتر یا پایینتر از این خطوط معمولاً به عنوان سیگنالهای معاملاتی مهم در نظر گرفته میشوند. همین مسئله در مورد معاملات ارزهای دیجیتال صدق می کند، اما به دلیل بازارهای بی ثبات 24 ساعته آن، تنظیمات میانگین متحرک و استراتژی معاملات ممکن است با توجه به مشخصات معامله گر متفاوت باشد.
منبع
هر دو بسته به تنظیم معاملات می توانند سودمند باشند. مجموعه دادههای بزرگتر به نفع سرمایهگذاران بلندمدت است، زیرا احتمال کمتری دارد که به دلیل یک یا دو نوسان بزرگ به شدت تغییر کنند. معاملهگران کوتاهمدت اغلب از مجموعه دادههای کوچکتری که امکان داد و ستد ارتجاعیتر را فراهم میکند، استفاده میکنند.
در بازارهای سنتی، میانگین های متحرک 50، 100 و 200 روزه بیشترین استفاده را دارند. میانگینهای متحرک 50 و 200 روزه توسط معاملهگران سهام به دقت رصد میشوند و هرگونه شکست در بالاتر یا پایینتر از این خطوط معمولاً به عنوان سیگنالهای معاملاتی مهم در نظر گرفته میشوند. همین مسئله در مورد معاملات ارزهای دیجیتال صدق می کند، اما به دلیل بازارهای بی ثبات 24 ساعته آن، تنظیمات میانگین متحرک و استراتژی معاملات ممکن است با توجه به مشخصات معامله گر متفاوت باشد.
منبع