متوسط دامنه روزانه (ADR): یک شاخص فنی برای نوسانات

متوسط دامنه روزانه یک شاخص فنی است که برای اندازه گیری نوسانات در یک دارایی استفاده می شود. این تفاوت متوسط بین بالاترین و کمترین قیمت را در یک بازه زمانی محاسبه می کند. به طور معمول ، این شاخص برای نشان دادن تغییر قابل توجه در عملکرد قیمت در کوتاه مدت استفاده می شود.

1. 1. مقدمه
2. 2 ADR چیست
3. 3 محاسبه ADR
4. 4 محاسبه متوسط دامنه روزانه در پایتون
5. 5 مثال ADR
   1. 5. 1 مرحله 1: مقادیر دامنه روزانه را محاسبه کنید
   2. 5. 2 مرحله 2: میانگین دامنه روزانه را محاسبه کنید

   مقدمه

   متوسط دامنه روزانه (ADR) شبیه به میانگین متحرک است زیرا نشان دهنده میانگین مقادیر قبلی است. این به صاف کردن سر و صدا کمک می کند و نشان دهنده بازنمایی بهتر یک دارایی در طول زمان است. در این راهنما موارد زیر را پوشش خواهیم داد:

   • چگونه ADR را به طور کلی محاسبه کنیم
   • نحوه اجرای یک تابع ADR در پایتون
   • نحوه اعمال یک تابع ADR در یک شیء DataFrame در پایتون
   • پایین آمدن ADR
   • اجرای ADR اصلاح شده
   • دامنه متوسط روزانه در مقابل میانگین دامنه واقعی

   ADR می تواند ابزاری عالی برای شناسایی سهام یا دارایی های قابل معامله باشد که در حال حاضر سطح بالایی از نوسانات را تجربه می کنند. این می تواند نشان دهنده افزایش حجم ، پاسخ به رویدادهایی مانند اخبار یا تغییرات ناگهانی در عملکرد قیمت باشد. قبل از شیرجه رفتن ، ابتدا کمی بیشتر در مورد آنچه ADR از نظر مفهومی و نحوه استفاده از آن صحبت می کنیم ، صحبت کنیم.

   ADR چیست

   ADR اندازه گیری نوسانات است و برای توصیف اینکه آیا عملکرد قیمت دارایی در یک زمان خاص خارج از حد طبیعی است ، مفید است. دامنه روزانه (بالاترین قیمت - کمترین) را می توان با ADR در فاصله زمانی قبلی مقایسه کرد تا سیگنال ورود و خروج بالقوه برای معامله گران را نشان دهد.

   ADR می تواند در هر بازه ای که انتخاب می کند استفاده شود ، اگرچه یک دوره 20 روزه رایج است. در تجزیه و تحلیل فنی بازار سهام ، در این دوره از 19 مقادیر قبلی - به همراه ارزش فعلی - برای محاسبه تعداد متوسط برای محدوده معاملات روزانه استفاده می کند. این می تواند به سیگنال تغییرات ناگهانی در عملکرد قیمت کمک کند و در صفحه نمایش سهام مفید است.

   محاسبه ADR

   متوسط دامنه روزانه به طور مشابه با نحوه محاسبه یک میانگین متحرک ساده محاسبه می شود. تفاوت بین متوسط دامنه روزانه و یک میانگین متحرک ساده در این است که ما باید برای هر دوره تفاوت بین بالا و پایین را محاسبه کنیم. پس از محاسبه این مقادیر ، می توان ADR را محاسبه کرد. متوسط فرمول دامنه روزانه به شرح زیر است:

   

   معادله ADR نشان دهنده فاصله بازپرداخت K از یک دوره فعلی N است که در آن H و L نشان دهنده بالا و پایین برای هر دوره است.(برای بزرگنمایی کلیک کنید)

   معادلات می توانند کمی سنگین باشند و اغلب محاسبات ساده را اشتباه می گیرند. یک رویکرد تکراری برای محاسبه ADR به این ترتیب بیان شده است:

   1. فاصله "نگاه" را تعریف کنید (k)
   2. برای هر دوره ، دامنه روزانه (DR) را محاسبه کنید:
      1. بالا - کم برای به دست آوردن دامنه روزانه (ساعت_xi – L_xi)

      بیایید تصویری از موارد فوق را در نظر بگیریم. اول ، هر کسی که با نمایندگی شمعدان از قیمت سهام ناآشنا باشد ، باید این مقاله را بررسی کند. در تصویر زیر می توانیم دامنه روزانه محاسبه شده برای هر دوره در طی یک بازه 5 روزه (k) را مشاهده کنیم و سپس به هم اضافه شویم و توسط K. تقسیم می شویم. این ADR را برای آن دوره به ما می دهد.

      

      در اینجا ما از سطح بالایی از هر دوره کم می کنیم تا دامنه روزانه (DR) را بدست آوریم و سپس هر DR را جمع می کنیم و براساس تعداد کل دوره ها (k) تقسیم می کنیم تا میانگین دامنه روزانه (ADR) را بدست آوریم (برای بزرگنمایی کلیک کنید)

      این تصویر قیمت سهام را نشان می دهد که به تدریج در طی یک دوره 5 روزه بی ثبات تر می شود. دوره اول دارای دامنه روزانه 2 است در حالی که دو دوره آخر دارای دامنه روزانه 4 است. میانگین دامنه روزانه در اینجا 3. 2 است - برای محدوده روزانه هر دوره.

      محاسبه متوسط دامنه روزانه در پایتون

      اکنون ما مبنای ریاضی را برای محاسبه ADR دیده ایم. با این حال ، تجارت مدرن به مداد و کاغذ متکی نیست. برای استقرار ADR به عنوان یک ابزار تحلیلی ، ما تا آنجا که یک عملکرد پایتون منطق خود را پیاده سازی خواهیم کرد. ابتدا ، اجازه دهید نمایشی از عملکرد قیمت نشان داده شده در تصویر بالا را ایجاد کنیم.

      در عمل ، این امر عملی خواهد بود که این نوع داده ها را به عنوان OHLCV در یک شیء DataFrame Pandas ذخیره کنید. ما برای وضوح نحوی از لیست 5 شیء فرهنگ لغت در اینجا استفاده می کنیم. با توجه به الگوریتم ما که در بالا بیان شد ، می توانیم ADR را در پایتون به شرح زیر پیاده سازی کنیم:

      در اینجا ما می بینیم که نتیجه ما تا محاسبه دستی از فرآیند مصور در بالا مطابقت دارد. کد مثال بالا کمی نفخ است - عمدتا به خاطر وضوح - بنابراین ما قبل از شروع به بررسی مثالهای عملی تر ، چیزها را کمی محکم خواهیم کرد:

      این تک لاینر محاسبه ADR را برای برخی از داده های دنیای واقعی کمی کمتر از نظر نحوی دست و پا گیر می کند. برای نشان دادن ابزار ADR ، ما آخرین داده های قیمت گذاری سهام را واگذار خواهیم کرد و از شیء DataFrame حاصل برای محاسبات ADR خود استفاده خواهیم کرد.

      نمونه ADR

      ما قصد داریم در طی 6 ماه گذشته از کتابخانه YFInance برای واکشی داده های قیمت گذاری برای اتر ($ ETH-USD) استفاده کنیم. ما می توانیم این داده ها را با کد زیر دریافت کنیم:

      در اینجا ما API مالی یاهو (نوع) را پرسیده ایم و داده های قیمت گذاری 6 ماهه قبلی را برای $ ETH-USD بازیابی کرده ایم و تمام داده ها را حذف کرده ایم اما ارزش بالا و پایین برای هر روز ، در عین حال تاریخ را به عنوان مقادیر شاخص نیز نگه می دارد.

      مرحله 1: مقادیر دامنه روزانه را محاسبه کنید

      برای هر دوره در بازه زمانی ما ، باید دامنه روزانه را از محاسبه بالا - پایین محاسبه کنیم. این کار با استفاده از روش اعمال شیء DataFrame به این ترتیب انجام می شود:

      اکنون یک ستون سوم داریم که تفاوت در پایین روزانه و روزانه ما را نشان می دهد. در مرحله بعد ، ما باید میانگین این مقادیر را در یک دوره قبل محاسبه کنیم. برای انجام این کار - محاسبه میانگین در حال حرکت - ما از روش نورد DataFrame استفاده خواهیم کرد.

      مرحله 2: میانگین دامنه روزانه را محاسبه کنید

      قبل از محاسبه دامنه متوسط روزانه ، باید دوره بازگشت خود را تعریف کنیم. یک مقدار مشترک برای این 20 دوره و آنچه در اینجا استفاده خواهیم کرد. این تصمیم بدان معنی است که هر مقدار ADR که محاسبه می کنیم منعکس کننده 19 دوره قبلی عمل قیمت به علاوه دامنه دوره فعلی است. این می تواند از طریق کد زیر حاصل شود:

      چند نکته قابل توجه: اول ، می بینیم که یک ستون جدید برای ADR اضافه شده است. ثانیا - و مهمترین - ما برای اولین بار مقدار NAN را می بینیم. این امر به این دلیل است که کمتر از 19 (1 - 20) مقادیر قبلی برای این تاریخ ها وجود دارد.

      ما برای محاسبه ADR به حداقل 20 مقدار نیاز داریم زیرا اینگونه است که ما پنجره نگاه خود را تعریف کردیم. به عنوان مثال ، اگر بخواهیم ردیف های 18-22 را چاپ کنیم ، می توانیم ببینیم که انتقال در کجا صورت می گیرد:

      در ردیف شماره 20 برای تاریخ 2021-06-06 ، ما اولین مقدار DR خود را داریم که مقادیر قبلی به اندازه کافی برای محاسبه میانگین با استفاده از پنجره نگاه 20 دوره ای ما وجود دارد.

      ADR اصلاح شده

      ADR یک اندازه گیری عالی از نوسانات است و می تواند به نشانگر فرصتی عالی برای معامله گران و سرمایه گذاران کمک کند. با این حال ، این کاستی دارد که بسیار خاص برای عملکرد قیمت یک سهام واحد است. به عنوان مثال ، ADR از ETH-USD $ در طی چند روز گذشته حدود 220 دلار بوده است.

      چه اتفاقی می افتد که ما سعی کنیم ADR $ ETH-USD را با دارایی مقایسه کنیم که قیمت آن بین 5 دلار و 10 دلار است؟مطمئناً نوسانات 220 دلار نخواهد بود! با این حال ، درصد تغییر در قیمت هنوز قابل مقایسه خواهد بود.

      برای استفاده از ADR به عنوان یک ابزار غربالگری ، به گونه ای که می توان نوسانات را در بین دارایی های مختلف به طور مساوی مقایسه کرد ، ما باید فرمول ADR را اصلاح کنیم تا یک درصد تغییر را به جای تغییر دلار ثابت نشان دهد. برای این کار ، ما باید الگوریتم خود را به شرح زیر تنظیم کنیم:

      1. فاصله "نگاه" را تعریف کنید (k)
      2. برای هر دوره ، دامنه روزانه (DR) را به عنوان بالا / پایین محاسبه کنید
      3. جمع همه مقادیر دامنه روزانه
      4. تقسیم بر طول فاصله بازپرداخت
      5. 1 را از DR ٪ کم کنید
      6. 100 ضرب کنید

      این یک ADR به ما می دهد که درصدی تغییر قیمت را نشان می دهد که امکان مقایسه بین دارایی ها با قیمت های بسیار متفاوت را فراهم می کند. تصویر زیر به روزرسانی الگوریتم ADR ما را منعکس می کند:

      

      یک محاسبه ADR اصلاح شده که به جای یک دلار ، درصد تغییر در قیمت را تشکیل می دهد.

      ما می توانیم این ADR اصلاح شده را با استفاده از کد زیر (با استفاده از داده های نمونه اولیه ما دوباره) پیاده سازی کنیم:

      توجه داشته باشید که ، یک بار دیگر ، ما به همان مقدار که در تصویر نشان داده شده است می رسیم. این خبر خوب است - نشان دادن ریاضیات ما صحیح است - اما ما یک بار دیگر با یک الگوریتم به طور نحوی دست و پا گیر مانده ایم. بیایید از DataFrame $ ETH-USD خود استفاده کنیم و یک نسخه یک بار شبیه سازی شده در ADR اصلاح شده ما را به کار بگیریم:

      با نگاهی به چند ردیف آخر داده ، مقدار ADR اصلاح شده را در محدوده 5-5. 48 مشاهده می کنیم. این نشان دهنده متوسط قیمت روزانه به عنوان یک درصد درصدی است که بار دیگر نیاز به 19 مقادیر DR_PCT اول را قبل از محاسبه مقدار ADR اول محاسبه می کند.

      تفسیر

      ADR اندازه گیری نوسانات است. مقادیر سنتی ADR نشان دهنده تغییرات دلار دارایی است و با سایر دارایی ها قابل مقایسه نیست. به نظر می رسد ، می توان مقایسه دارایی ها با قیمت های بسیار مشابه را انجام داد.

      ADR اصلاح شده ای که در اینجا مورد بحث قرار داده ایم می تواند برای انجام مشاهداتی مانند موارد زیر استفاده شود:

      • دارایی XYZ در یک روز متوسط 3. 5 ٪ تغییر می کند.
      • دارایی XYZ 3. 5 ٪ تغییر می کند و ABC دارایی 2. 0 ٪ تغییر می کند بنابراین XYZ بی ثبات تر است.
      • ADR XYZ طی سال گذشته به طور پیوسته در حال افزایش است که نشان دهنده افزایش مداوم نوسانات است.
      • پس از افزایش 60 ٪ و حجم فوق العاده ، Asset XYZ برای 8 هفته BAST که توسط یک اندازه گیری ADR در حال کاهش است ، در یک الگوی انقباض نوسانات قرار گرفته است.

      به خاطر داشته باشید ADR و ADR اصلاح شده ابزاری برای تجزیه و تحلیل عملکرد قیمت هستند. هر استراتژی معاملاتی که صرفاً بر اساس نشانه های آنها باشد ، احتمالاً موفقیت آمیز نخواهد بود. به یاد داشته باشید ، این شاخص فنی در دسترس سایر بازرگانان موجود در بازار است.

      استفاده از آن در کنار سایر شاخص‌های فنی مانند RSI، باندهای بولینگر، میانگین واگرایی میانگین همگرایی (MACD) یا میانگین‌های متحرک ساده می‌تواند چشم‌انداز بسیار آگاهانه‌تری از حرکت یک دارایی اساسی در آینده ارائه دهد.

      میانگین محدوده روزانه (ADR) در مقابل میانگین محدوده واقعی (ATR)

      میانگین محدوده روزانه نشان دهنده میانگین تغییر قیمت های روزانه در طی یک دوره زمانی است. میانگین محدوده واقعی مشابه است اما هرگونه شکاف در قیمت گذاری بین بسته شدن یک دوره تجاری و باز شدن دوره بعدی را در نظر می گیرد.

      در جایی که ADR از بالا و پایین هر دوره برای محاسبه استفاده می کند، ATR بالا و پایین را نسبت به قیمت بسته شدن قبلی در نظر می گیرد. این به دلیل شکاف های بالا و پایین قیمت است.

      افکار نهایی

      میانگین محدوده روزانه می تواند ابزار مفیدی در توسعه طیف وسیعی از استراتژی های معاملاتی باشد. به عنوان مثال، می توان از آن به عنوان ویژگی برای توسعه یک مدل رگرسیون خطی برای کمک به پیش بینی تغییرات قیمت در یک دارایی اساسی استفاده کرد. مانند بسیاری از شاخص های فنی، ADR اغلب در کنار سایر شاخص ها به جای یک معیار پیش بینی منفرد استفاده می شود.

      همچنین، به خاطر داشته باشید که ADR منعکس کننده شکاف های بالا و پایین در قیمت نیست. برای پنجره های معاملاتی طولانی تر، ATR ممکن است به عنوان بازتاب بهتری از نوسانات عمل کند. پیاده سازی ما در این راهنما برای استفاده در مقیاس وسیع بهینه سازی نشده است و با آن ارائه شده است

      BSc Graphic Comm. NSCU، BSc CS Candidate WCU. یادگیرنده مادام العمر و کارآفرین متخصص در طراحی، بازاریابی دیجیتال و توسعه اپلیکیشن وب. مجذوب سیستم های طبیعی، همزمانی و ماهیت آگاهی.