{"id":579,"date":"2018-02-03T21:27:00","date_gmt":"2018-02-03T21:27:00","guid":{"rendered":"http:\/\/ikantartzis.net\/?p=579"},"modified":"2020-08-23T21:28:31","modified_gmt":"2020-08-23T21:28:31","slug":"%ce%b4%ce%b5%ce%af%ce%ba%cf%84%ce%b5%cf%82-indicators-%cf%85%cf%80%ce%bf%ce%b5%ce%bd%cf%8c%cf%84%ce%b7%cf%84%ce%b1-1","status":"publish","type":"post","link":"https:\/\/ikantartzis.com\/es\/%ce%b4%ce%b5%ce%af%ce%ba%cf%84%ce%b5%cf%82-indicators-%cf%85%cf%80%ce%bf%ce%b5%ce%bd%cf%8c%cf%84%ce%b7%cf%84%ce%b1-1\/","title":{"rendered":"Indicadores (Indicadores) \u2013 Subsecci\u00f3n 1"},"content":{"rendered":"<h2 class=\"wp-block-heading\">Medios m\u00f3viles<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Los medios m\u00f3viles son uno de los instrumentos m\u00e1s antiguos de la An\u00e1lisis T\u00e9cnico y son un m\u00e9todo popular para reconocer y aprovechar las tendencias.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Se utilizan para:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>limitar las peque\u00f1as y no importantes variaciones en el precio.<\/li><li>ayudar a determinar la tendencia predominante.<\/li><\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Art\u00edculos<\/h2>\n\n\n\n<ul class=\"wp-block-list\"><li>Simple Moving Average<\/li><li>Media m\u00f3vil ponderada linealmente (Linearly Weighted Moving Average)<\/li><li>Mediana m\u00f3vil exponencial (Exponentially Smoothed Moving Average)<\/li><\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Simple Moving Average \u2013 Descripci\u00f3n<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Es el promedio m\u00f3vil m\u00e1s simple y ampliamente utilizado.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Debemos tener en cuenta que el valor a\u00f1adido y el valor eliminado cada vez pueden influir significativamente en el promedio y que todos los datos tienen la misma importancia.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El c\u00e1lculo de un SMA de n periodos se realiza de la siguiente manera: se suman las cotizaciones de cierre (no es un requisito) de los n periodos anteriores y se divide por n.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Simple Moving Average \u2013 C\u00e1lculo<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Supongamos que me dan los precios de cierre de los \u00faltimos 6 d\u00edas:<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img decoding=\"async\" src=\"http:\/\/www.stocklearning.gr\/media\/inlinepics\/3-1-t1.png\" alt=\"\"\/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Para calcular el promedio num\u00e9rico de los \u00faltimos 6 d\u00edas, a\u00f1ado las cotizaciones de cierre, es decir, 5+3+2+4+7+9 y divido el resultado por el n\u00famero de d\u00edas (en este ejemplo, 6).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">As\u00ed que: (5+3+2+4+7+9) \/ 6 = 30\/6 = 5<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Media m\u00f3vil ponderada \u2013 Descripci\u00f3n<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Calcular cada valor de cierre (no es un criterio general) seg\u00fan cu\u00e1n reciente sea, dando m\u00e1s importancia a los \u00faltimos y menos a los m\u00e1s antiguos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para calcularlo, se suman los valores de cierre multiplicados por su ponderaci\u00f3n y se divide el resultado por el total de las ponderaciones.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Media m\u00f3vil ponderada \u2013 C\u00e1lculo<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Para calcular un promedio m\u00f3vil ponderado de 6 d\u00edas de los precios de cierre de una acci\u00f3n, seguimos 5 pasos simples:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">1. Sumamos las \u00faltimas 6 cotizaciones para que la m\u00e1s antigua (5 d\u00edas antes) tenga el n\u00famero 1, la m\u00e1s reciente el n\u00famero 2,... y la m\u00e1s reciente el n\u00famero 6. Estos n\u00fameros (1,2,3,4,5,6) son nuestras ponderaciones.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">2. Usando las ponderaciones anteriores, multiplicamos el precio de cierre de 5 d\u00edas antes por 1, el precio de cierre de 4 d\u00edas antes por 2\u2026 y el \u00faltimo precio de cierre por 6.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">3. A\u00f1adimos los resultados del paso 2.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">4. A\u00f1adimos las sumas: 1+2+3+4+5+6 = 21.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">5. Dividimos el resultado del paso 3 con el resultado del paso 4 y obtenemos el valor del promedio m\u00f3vil ponderado.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Media m\u00f3vil ponderada \u2013 C\u00e1lculo<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Supongamos que me dan los precios de cierre de los \u00faltimos 6 d\u00edas:<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img decoding=\"async\" src=\"http:\/\/www.stocklearning.gr\/media\/inlinepics\/3-1-t2.png\" alt=\"\"\/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Para calcular el promedio ponderado de los \u00faltimos 6 d\u00edas, sigo los 5 pasos de las dos diapositivas anteriores:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">1) Las sumas son: 1,2,3,4,5,6<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">2) Multiplicar\u00e9 las cotizaciones de cierre con sus coeficientes: 5*1=5, 3*2=6, 2*3=6, 4*4=16, 7*5=35 y 9*6=54<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">3) A\u00f1adimos los productos del paso 2: 5+6+6+16+35+54 = 122<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">4) Afegecemos las sumas: 1+2+3+4+5+6 = 21<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">5) Dividimos el resultado del paso 3 con el resultado del paso 4: 122\/21 = 5,81<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Mediana m\u00f3vil estacional \u2013 Descripci\u00f3n<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Se utiliza ampliamente, combinando de la mejor manera posible la \u201csensibilidad\u201d de un promedio m\u00f3vil ponderado y la \u201clentitud\u201d de un promedio m\u00f3vil simple.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para el c\u00e1lculo se utiliza la actual valor de cierre (no es un requisito) y el valor del EMA de la jornada anterior (o bar). M\u00e1s concretamente: EMA = (C-EMApr.)*K+EMApr., donde<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">EMA = Media m\u00f3vil exponencial.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">C = Valor de cierre actual (no es un patr\u00f3n).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">EMApr.= La valor promedio del \u00faltimo bar.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">K = 2\/(n+1), donde n es el periodo de retroceso.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Mediana m\u00f3vil estacional \u2013 Descripci\u00f3n<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">EMA = (C-EMApr.)*K+EMApr. , donde<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">EMA = Media m\u00f3vil exponencial.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">C = Valor de cierre actual (no es un patr\u00f3n).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">EMApr.= La valor promedio del \u00faltimo bar.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">K = 2\/(n+1), donde n es el periodo de retroceso.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A medida que n aumenta, el K disminuye, con lo que el EMA se vuelve menos \u201csensible\u201d a los cambios en el precio y se aproxima al SMA.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Cuando calculamos por primera vez el EMA, como EMApr. utilizamos el SMA.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A diferencia de los SMA y WMA, en el EMA los datos m\u00e1s antiguos no se eliminan del c\u00e1lculo. Esto resulta en que incluso si el precio permanece inalterado durante n barras, el SMA y el EMA difieren en el valor.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ejemplo<\/h2>\n\n\n\n<figure class=\"wp-block-image\"><img decoding=\"async\" src=\"http:\/\/www.stocklearning.gr\/media\/inlinepics\/3-1-1.png\" alt=\"\"\/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">Envelopes<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Los folletos porcentuales se utilizan para advertirnos cuando el precio se ha alejado bastante del promedio m\u00f3vil y se produce (probablemente) una correcci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Los vol\u00famenes encapsulan el promedio m\u00f3vil y la distancia que se encuentra de \u00e9l la determinamos nosotros en porcentajes (3%, 5%, etc.). Cuando el valor se acerca al extremo superior (upper envelope), entonces se considera que el mercado est\u00e1 sobrecomprado, mientras que cuando se acerca al extremo inferior (lower envelope) se considera que est\u00e1 sobrecomprado.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img decoding=\"async\" src=\"http:\/\/www.stocklearning.gr\/media\/inlinepics\/3-1-2.png\" alt=\"\"\/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">Las bandas de Bollinger (Bollinger Bands)<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Esta t\u00e9cnica fue desarrollada por John Bollinger en la d\u00e9cada de 1980. Al igual que los vol\u00famenes, las bandas de Bollinger rodean un promedio m\u00f3vil, solo que en los \u00faltimos casos la distancia entre ellas no es constante. Cuando el mercado tiene una mayor volatilidad, la distancia entre ellas aumenta, mientras que cuando la volatilidad es baja la distancia se reduce. Para lograr esto dise\u00f1amos las bandas de Bollinger, 2 desviaciones t\u00edpicas hacia arriba y hacia abajo respecto del promedio m\u00f3vil. Con esta t\u00e9cnica el 95% del precio se encuentra dentro de las bandas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Y en este caso, cuando el precio se acerca a la banda superior, el mercado se considera sobrevalorado, mientras que cuando se acerca a la banda inferior, se considera sobrevalorado.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img decoding=\"async\" src=\"http:\/\/www.stocklearning.gr\/media\/inlinepics\/3-1-3.png\" alt=\"\"\/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">Observaciones<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Son muy f\u00e1ciles de usar y se adaptan seg\u00fan las necesidades de cada analista.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Debido a la construcci\u00f3n, siempre presentan una retardo (lag) en la representaci\u00f3n de los cambios de la tendencia. Cuanto mayor sea un promedio m\u00f3vil, m\u00e1s lento ser\u00e1 su representaci\u00f3n de estos cambios, mientras que cuanto m\u00e1s r\u00e1pido sea, m\u00e1s sensible a cada cambio. Por lo tanto, los senales de entrada\/salida a\/de una posici\u00f3n se proporcionan con retraso.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La mayor\u00eda de los art\u00edculos, an\u00e1lisis y blogs se refieren a medios m\u00f3viles de 20, 30, 50 y 200 d\u00edas.<\/p>","protected":false},"excerpt":{"rendered":"<p>\u039a\u03b9\u03bd\u03b7\u03c4\u03bf\u03af \u039c\u03ad\u03c3\u03bf\u03b9 \u038c\u03c1\u03bf\u03b9 \u039f\u03b9 \u03ba\u03b9\u03bd\u03b7\u03c4\u03bf\u03af \u03bc\u03ad\u03c3\u03bf\u03b9 \u03cc\u03c1\u03bf\u03b9 \u03b1\u03c0\u03bf\u03c4\u03b5\u03bb\u03bf\u03cd\u03bd \u03ad\u03bd\u03b1 \u03b1\u03c0\u03cc \u03c4\u03b1 \u03c0\u03b1\u03bb\u03b1\u03b9\u03cc\u03c4\u03b5\u03c1\u03b1 \u03b5\u03c1\u03b3\u03b1\u03bb\u03b5\u03af\u03b1 \u03c4\u03b7\u03c2 \u03a4\u03b5\u03c7\u03bd\u03b9\u03ba\u03ae\u03c2 \u0391\u03bd\u03ac\u03bb\u03c5\u03c3\u03b7\u03c2 \u03ba\u03b1\u03b9 \u03b5\u03af\u03bd\u03b1\u03b9 \u03bc\u03b9\u03b1 \u03b4\u03b7\u03bc\u03bf\u03c6\u03b9\u03bb\u03ae\u03c2 \u03bc\u03ad\u03b8\u03bf\u03b4\u03bf\u03c2 \u03b1\u03bd\u03b1\u03b3\u03bd\u03ce\u03c1\u03b9\u03c3\u03b7\u03c2 \u03ba\u03b1\u03b9 \u03b1\u03be\u03b9\u03bf\u03c0\u03bf\u03af\u03b7\u03c3\u03b7\u03c2 \u03c4\u03c9\u03bd \u03c4\u03ac\u03c3\u03b5\u03c9\u03bd. \u03a7\u03c1\u03b7\u03c3\u03b9\u03bc\u03bf\u03c0\u03bf\u03b9\u03bf\u03cd\u03bd\u03c4\u03b1\u03b9 \u03b3\u03b9\u03b1: \u03bd\u03b1 \u03c0\u03b5\u03c1\u03b9\u03bf\u03c1\u03af\u03c3\u03bf\u03c5\u03bd \u03c4\u03b9\u03c2 \u03bc\u03b9\u03ba\u03c1\u03ad\u03c2 \u03ba\u03b1\u03b9 \u03bc\u03b7 \u03c3\u03b7\u03bc\u03b1\u03bd\u03c4\u03b9\u03ba\u03ad\u03c2 \u03b4\u03b9\u03b1\u03ba\u03c5\u03bc\u03ac\u03bd\u03c3\u03b5\u03b9\u03c2 \u03c3\u03c4\u03b7\u03bd \u03c4\u03b9\u03bc\u03ae. \u03bd\u03b1 \u03b2\u03bf\u03b7\u03b8\u03bf\u03cd\u03bd \u03c3\u03c4\u03bf\u03bd \u03c0\u03c1\u03bf\u03c3\u03b4\u03b9\u03bf\u03c1\u03b9\u03c3\u03bc\u03cc \u03c4\u03b7\u03c2 \u03b5\u03c0\u03b9\u03ba\u03c1\u03b1\u03c4\u03bf\u03cd\u03c3\u03b1\u03c2 \u03c4\u03ac\u03c3\u03b7\u03c2. \u0395\u03af\u03b4\u03b7 \u0391\u03c0\u03bb\u03cc\u03c2 \u039a\u03b9\u03bd\u03b7\u03c4\u03cc\u03c2 \u039c\u03ad\u03c3\u03bf\u03c2 \u038c\u03c1\u03bf\u03c2 (Simple Moving Average) \u03a3\u03c4\u03b1\u03b8\u03bc\u03b9\u03c3\u03bc\u03ad\u03bd\u03bf\u03c2 \u039a\u03b9\u03bd\u03b7\u03c4\u03cc\u03c2 [&hellip;]<\/p>\n","protected":false},"author":3,"featured_media":580,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_joinchat":[],"footnotes":""},"categories":[7],"tags":[],"class_list":["post-579","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-greek"],"_links":{"self":[{"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/posts\/579","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/comments?post=579"}],"version-history":[{"count":0,"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/posts\/579\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/media\/580"}],"wp:attachment":[{"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/media?parent=579"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/categories?post=579"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ikantartzis.com\/es\/wp-json\/wp\/v2\/tags?post=579"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}