Hareketli Ortalama Nedir?

/ Technical Analysis / Yazan

Merhabalar, bugünkü yazımızda sizlere Hareketli Ortalamadan bahsedeceğim.

Hareketli Ortalama, belirli bir zaman aralığındaki fiyat dizisinin ortalamasıdır. Hareketli ortalama olarak tabir edilmesinin nedeni ortalamanın durağan olmayıp zaman içerisinde eklenen veriye göre hesaplanmasıdır.

Hareketli Ortalama, momentumu ölçmenin yanı sıra trendleri doğrulamanın, destek ve direnç alanlarını tanımlamanın iyi bir yoludur. Temel olarak, Hareketli Ortalamalar tabloları yorumlamaya çalışırken “gürültüyü” yumuşatır. Gürültü, hem fiyat hem de hacim dalgalanmalarından oluşur. Hareketli Ortalama bir gecikme göstergesi olduğundan ve daha önce gerçekleşmiş olan olaylara tepki gösterdiğinden, tahmin göstergesi olarak kullanılmaz. Onaylama ve analiz için kullanılan yorumlayıcı bir göstergedir. 

Hareketli Ortalama için;

  • 7 ve 14 gün çok kısa
  • 14 ve 21 gün kısa
  • 22 ve 50 gün orta
  • 50 ve 100 gün ortanın üzerinde
  • 100 ve 200 gün uzun vade

Hareketli Ortalama’nın süresi ne kadar uzun olursa, sonuç o kadar düzgün olur, ancak SMA ile kaynak arasında o kadar fazla gecikme oluşur.

Hareketli Ortalamalar, Bollinger Bantları ve MACD gibi iyi bilinen diğer teknik analiz araçlarının temelini oluşturur. Hepsi aynı temel önceliğe sahip ve değişkenlik kazandıran birkaç farklı Hareketli Ortalama türü vardır. En dikkat çekenleri Basit Hareketli Ortalama (SMA), Üstel Hareketli Ortalama (EMA) ve Ağırlıklı Hareketli Ortalama (WMA).

Hareketli Ortalamanın’nın avantajı, belirlenen periyotta fiyat hareketinin yönünü ifade eden bir hat sunmasıdır. Ek olarak fiyat hareketinin ortalamaya döneceği varsayımı düşünüldüğünde hareketli ortalama fiyat hareketini ve değerlere gidip gitmediği konusunda bilgi vericidir.

Dezavantajı ise hisse fiyatının ortalamadan çok uzaklaştığı durumda, hızlı fiyat değişikliklerine geç yanıt vermesidir.

Hareketli Ortalama Türleri

Basit Hareketli Ortalama(SMA)

Basit hareketli ortalama (SMA) olarak bilinen hareketli ortalamanın en basit biçimi, belirli bir süre boyunca belirli bir dizi değerin aritmetik ortalaması alınarak hesaplanır. Başka bir deyişle, bir dizi sayı – veya finansal araçlar söz konusu olduğunda fiyatlar – toplanır ve ardından setteki fiyatların sayısına bölünür.

  • P = bir hisse senedinin n dönemdeki fiyatı,
  • n = toplam periyot sayısı

olmak üzere;

Ağırlıklı Hareketli Ortalama (WMA)

Ağırlıklı Hareketli Ortalama, SMA’ya benzer, ancak WMA, yeni veri noktalarına önem katar. Dönem içindeki her noktaya, o belirli veri noktasının ağırlığını veya önemini değiştiren bir çarpan (en yeni veri noktası için en büyük çarpan olacak şekilde) atanır. Daha sonra, SMA gibi ortalama alınarak hesaplanır.

Üstel Hareketli Ortalama (EMA)

Üstel Hareketli Ortalama (EMA),fiybelirli bir süre içinde nasıl değiştiğini gösteren teknik bir göstergedir. Temelde, belirlenen dönem içerisindeki fiyat hareketlerinin ortalaması alınır ama hesaplama yapılırken yakın dönemdeki fiyat hareketlerine daha fazla ağırlık verilir. Üstel hareketli ortalama (EMA), Ağırlıklı Hareketli Ortalama (WMA) gibi çalışır, ancak ondan farklı olarak ilk günlerdeki fiyat rakamlarına çok düşük önem atfetmek yerine onların da ortalamalarını alır. Yani 100 günlük bir üstel hareketli ortalama, sadece son 100 gündeki değil tüm tarihi verileri kullanmış olur. Bu yüzden de daha geçerli bir analiz yöntemidir.

Şimdi de Hareketli Ortalamayı Python programlama dili üzerinde inceleyelim.

Öncelikle uygulama için gerekli kütüphaneleri import edelim.

import pandas as pd
import yfinance as yf

Bir önceki yazımızda Yahoo Finance üzerinden veri çekmemizi sağlayan bir fonksiyon yazmıştık. Onun yardımıyla bir hisse senedinin verilerine erişelim.

def dataImporter(symbol="", date='2017-01-01', inBist=True):
    if inBist:
        symbol = symbol + ".IS"
        df = yf.download(symbol,
                         start=date,
                         progress=False)

    else:
        df = yf.download(symbol,
                         start=date,
                         progress=False)
    return df

Ardından APPLE hisse senedinin verileri df adında bir dataframe’de tutalım.

df = dataImporter("AAPL", inBist=False)

Hisse senedinin kapanış değerlerini görselleştirelim.

df['Close'].plot()

Şimdi de Hareketli Ortalamayı hesaplayalım. Pandas kütüphanesi içerisinde bulunan rolling fonksiyonu bizlere Hareketli Ortalama hesaplamada kolaylık sağlıyor. İçerisine girdiğimiz window argümanı belirlenen zaman penceresine göre kendinden önceki n tane veriyle işlem yapar. Ardından ortalaması alınarak Hareketli Ortalama hesabı yapılmış olur. Bizlerde 20 günlük Hareketli ortalama hesabı yapıp ardından görselleştirelim.

df['Close'].rolling(window=20).mean().plot()

Bir de 20 günlük Hareketli Ortalama ile gerçek değerleri yan yana görelim.

df['Close'].plot(figsize=(10, 6))
df['Close'].rolling(window=20).mean().plot()

Hesapladığımız 20 günlük Hareketli Ortalamayı bir değişken olarak atayıp veri setinde nasıl gözüktüğüne bakalım.

df['MA'] = df['Close'].rolling(window=20).mean()
df['MA'].head(20)
Date
2017-01-03        NaN
2017-01-04        NaN
2017-01-05        NaN
2017-01-06        NaN
2017-01-09        NaN
2017-01-10         NaN
2017-01-11          NaN
2017-01-12         NaN
2017-01-13         NaN
2017-01-17         NaN
2017-01-18         NaN
2017-01-19         NaN
2017-01-20        NaN
2017-01-23        NaN
2017-01-24        NaN
2017-01-25        NaN
2017-01-26        NaN
2017-01-27        NaN
2017-01-30        NaN
2017-01-31    29.8925
Name: MA, dtype: float64

Hareketli Ortalamalar hakkında bahsedeceklerimiz bu kadardı. Kodlara GitHub hesabımızdan erişebilirsiniz.

Bir sonraki yazımızda görüşmek üzere.

Bizleri sosyal medya hesaplarımız üzerinden takip etmeyi unutmayın!

Would you like to review our products?

products