가중이동평균(WMA)은 창(window) 내 각 값에 지정된 가중치를 곱해 관측치마다 서로 다른 영향력을 부여하는 이동 평균입니다. WMA는 가중값의 합을 총가중치로 나누어 계산합니다. 트레이딩에서는 일반적으로 최신 가격에 가장 큰 가중치를 부여하는 선형 WMA를 의미하는 경우가 많습니다.
WMA는 가장 큰 가중치가 부여된 관측치에 가장 민감하게 반응하지만 여전히 과거 데이터를 사용하므로 후행성 지표입니다. 예측 기법에서는 사용자 정의 가중치를 사용할 수 있지만, 많은 트레이딩 플랫폼은 고정된 선형 순서 1, 2, ..., n을 사용합니다. 따라서 두 WMA 값을 비교하기 전에 어떤 계산 방식이 사용되었는지 확인해야 합니다.
선형 WMA는 선택한 창 내 모든 값을 유지하면서 최신 값에 가장 큰 위치 가중치를 부여합니다.
가중이동평균이란 무엇인가요?
가중이동평균은 각 관측치에 지정된 가중치를 곱하는 이동 평균으로, 일부 관측치는 다른 관측치보다 결과에 더 큰 영향을 미칩니다. 이동 창은 어떤 관측치가 포함되는지를 정의하고, 가중치는 포함된 각 관측치가 얼마나 기여하는지를 정의합니다.
최근 값이 시계열의 현재 수준을 더 잘 반영할 수 있기 때문에 일반적으로 최신 관측치에 더 큰 가중치가 부여됩니다. 그러나 최근성 가중치는 수학적 필수 조건이 아니라 방법론적 선택입니다. 사용자 정의 WMA는 계산 과정에서 의도한 가중치를 일관되게 적용하고 총가중치로 나누기만 한다면, 정당한 0이 아닌 어떤 가중 패턴도 사용할 수 있습니다.
각 WMA 값은 하나의 창을 나타냅니다. 시계열이 다음 시점으로 진행되면 가장 오래된 관측치는 창에서 제외되고, 최신 관측치는 창에 추가되며, 위치 가중치가 다시 부여됩니다. 이러한 롤링 업데이트가 이동 평균을 일회성 가중평균과 구분합니다.
산출된 WMA는 원래 관측치와 동일한 단위를 유지합니다. 가격 데이터를 입력하면 가격 기반 WMA가 되고, 수요 데이터를 입력하면 수요 기반 WMA가 됩니다. 가중치는 영향력만 바꿀 뿐, 기초 시계열의 의미나 단위를 바꾸지는 않습니다.
WMA는 선형 가중이동평균과 같은가요?
트레이딩에서는 WMA와 선형 가중이동평균을 같은 의미로 사용하는 경우가 많지만, 두 용어가 항상 동일한 것은 아닙니다. 선형 가중이동평균은 산술 수열 방식으로 가중치를 부여하며, 일반적으로 가장 오래된 관측치에 1, 그다음 관측치에 2, 최신 관측치에 n을 부여합니다.
반면 일반적인 WMA는 0.20, 0.30, 0.50과 같은 사용자 정의 가중치를 사용할 수 있습니다. 예측 모델은 이러한 사용자 정의 가중치를 사업 가정이나 예측 오차 검증을 거친 가중치 집합을 반영하기 위해 자주 사용합니다. 많은 차트 플랫폼은 WMA를 선형 버전으로 사용하므로, 값을 재현하기 전에 플랫폼 사양, 기간, 가격 소스, 그리고 가장 오래된 값부터 최신 값까지의 가중치 순서를 확인해야 합니다.
이 구분이 중요한 이유는 같은 세 개의 관측치를 사용하더라도 가중치가 다르면 결과가 달라질 수 있기 때문입니다. WMA 유형이 확인되면, 공식은 각 값과 해당 가중치의 관계를 명확하게 보여줍니다.
가중이동평균 공식은 무엇인가요?
WMA는 각 값에 해당 가중치를 곱한 값의 합을 모든 가중치의 합으로 나눈 값입니다. 순서가 있는 n개의 관측치에 대한 일반 공식은 다음과 같습니다.
WMA = (w1 × x1 + w2 × x2 + ... + wn × xn) / (w1 + w2 + ... + wn)
이 공식에서 x는 관측값, w는 해당 값에 대응하는 가중치, n은 창 내 관측치 수를 의미합니다. 분자는 가중합이고, 분모는 총가중치로 결과를 정규화합니다.
가중치가 1부터 n까지인 선형 WMA의 경우 공식은 다음과 같이 쓸 수 있습니다.
선형 WMA = (1 × x_oldest + 2 × x_next + ... + n × x_newest) / [n × (n + 1) / 2]
분모 n × (n + 1) / 2는 1 + 2 + ... + n과 같은 삼각수입니다. 따라서 3기간 선형 WMA는 6으로 나누고, 4기간 선형 WMA는 10으로 나눕니다.
일반 공식은 유효한 어떤 가중치도 허용하며, 선형 공식은 1부터 n까지의 가중치를 사용합니다.
왜 가중치를 정규화해야 하나요?
가중치는 WMA가 관측치와 동일한 스케일을 유지하도록 정규화해야 합니다. 총가중치로 나누면 가중합이 스케일 조정되지 않은 총합이 아니라 평균으로 변환됩니다.
원시 가중치 1, 2, 3의 합은 6입니다. 이를 정규화하면 1/6, 2/6, 3/6이 되며 합은 1이 됩니다. 두 방식은 동일한 결과를 냅니다.
(10 × 1 + 12 × 2 + 15 × 3) / 6 = 13.17
(10 × 1/6) + (12 × 2/6) + (15 × 3/6) = 13.17
제공된 가중치의 합이 이미 1 또는 100%인 경우에만 SUM(weights)로 나누는 과정을 생략할 수 있습니다. 원시 가중치의 합이 1보다 큰데도 나누기를 생략하면, 결과는 가중이동평균이 아니라 가중합이 됩니다. 정규화는 또한 3기간 선형 WMA의 분모가 왜 6인지도 설명합니다. 6은 단순히 위치 가중치의 합입니다.
가중이동평균은 어떻게 계산하나요?
창을 선택하고, 가중치를 부여한 뒤, 각 값에 해당 가중치를 곱하고, 그 곱을 모두 더한 다음 총가중치로 나눕니다. 가장 오래된 값부터 최신 값까지의 방향은 모든 단계에서 일관되게 유지되어야 합니다.
1. 이동 창에 포함할 기간 수를 선택합니다.
2. 관측치를 가장 오래된 순서부터 최신 순서로 정렬합니다.
3. 각 관측치에 의도한 가중치를 부여합니다.
4. 모든 관측치에 해당 가중치를 곱하고 그 곱을 합산합니다.
5. 가중합을 가중치의 합으로 나눕니다.
선형 WMA에서는 최신 관측치가 가장 큰 위치 가중치를 받습니다. 사용자 정의 WMA에서는 가중치 순서가 임의의 추정 순서가 아니라 문서화된 모델을 따릅니다. 이 5단계 방법은 다음 시점으로 넘어가 창을 이동시키고 계산을 반복할 때 비로소 완성됩니다.
WMA 계산은 검증 가능한 5단계를 따릅니다.
3기간 가중이동평균 예시
값 10, 12, 15에 대한 3기간 선형 WMA는 가장 오래된 값부터 최신 값까지의 가중치가 1, 2, 3일 때 13.17입니다. 최신 값인 15는 가장 큰 가중치를 받기 때문에 가장 크게 반영됩니다.
표: 가장 오래된 값부터 최신 값까지의 가중치 1, 2, 3을 사용한 3기간 선형 WMA.
계산식은 다음과 같습니다.
3기간 WMA = (10 × 1 + 12 × 2 + 15 × 3) / (1 + 2 + 3) 3기간 WMA = 79 / 6 3기간 WMA = 13.17
13.17의 WMA는 동일한 3개의 상승 값에 대한 비가중 평균 12.33보다 높습니다. 이는 선형 WMA가 더 높고 더 최신인 관측치에 더 큰 영향력을 부여하기 때문입니다. 다만 최근 관측치가 하락하면 이 관계는 반대로 나타날 수 있으므로, 이를 동일 가중 평균보다 항상 우월한 것으로 해석해서는 안 됩니다.
이 예시는 두 가지 점검으로 검증할 수 있습니다. 첫째, 가중 곱의 합은 79여야 하고 가중치의 합은 6이어야 합니다. 둘째, 음이 아닌 가중치를 사용해 계산한 WMA는 창 내 최솟값과 최댓값 사이에 있어야 하므로 13.17은 10과 15 사이에 있어야 합니다. 최종 값은 79를 6으로 나눈 후에만 반올림해야 하며, 각 곱이나 가중치를 중간에 미리 반올림하면 더 긴 계산에서 결과가 달라질 수 있습니다.
가중치 순서는 눈에 띄는 영향을 줍니다. 동일한 값에 대해 가장 오래된 값부터 최신 값까지의 가중치를 잘못 3, 2, 1로 적용하면 결과는 13.17이 아니라 11.50이 됩니다. 이 차이는 전적으로 어떤 관측치가 가장 큰 영향력을 받는지에 의해 발생합니다.
창이 다음 기간으로 이동하는 방식
WMA는 가장 오래된 관측치를 제거하고 최신 관측치를 추가한 뒤, 새 창 내에서 위치 가중치를 다시 부여하면서 다음 기간으로 이동합니다. 네 번째 값 18이 추가되면 3기간 창은 10, 12, 15에서 12, 15, 18로 바뀝니다.
표: 동일한 위치 가중치를 사용한 연속된 3기간 WMA 창.
가중치 3이 값 15에 계속 고정되는 것은 아닙니다. 가중치 3은 최신 위치로 이동하며, 두 번째 창에서는 그 자리를 18이 차지합니다. 이 순서를 반대로 하면 가장 오래된 관측치가 가장 큰 영향력을 받게 되므로 다른 모델을 설명하게 됩니다.
n기간 WMA에서는 처음 n - 1개의 행은 완전한 창을 구성할 만큼 관측치가 충분하지 않습니다. 따라서 3기간 WMA는 기간 1과 2에서 완전한 창 기준의 산출값이 없고, 첫 번째 유효한 WMA는 기간 3에서 나타납니다. 차트 소프트웨어는 이러한 초기 행을 공란으로 표시하거나 생략하거나, 플랫폼별 워밍업 방식을 사용할 수 있습니다.
이동 평균은 하나의 시계열입니다. 각 새로운 기간마다 창이 이동하고 위치 가중치가 다시 부여됩니다.
시계열이 길어질수록 이 계산을 수작업으로 반복하는 것은 비효율적이므로, 다음으로 실용적인 단계는 스프레드시트 구현입니다.
Excel에서 WMA는 어떻게 계산하나요?
=SUMPRODUCT(value_range,weight_range)/SUM(weight_range)를 사용하고, 값 범위와 가중치 범위의 크기와 순서를 동일하게 유지하세요. SUMPRODUCT는 각 값에 대응하는 가중치를 곱한 뒤 그 곱을 모두 더하고, SUM은 정규화 분모를 제공합니다.
셀 A2:A4에 값 10, 12, 15가 있고 셀 D2:D4에 원시 가중치 1, 2, 3이 있다면 다음을 입력합니다.
=SUMPRODUCT(A2:A4,$D$2:$D$4)/SUM($D$2:$D$4)
달러 기호는 수식을 아래로 채울 때 가중치 범위를 고정합니다. 다음 출력 행에서는 값 범위가 A2:A4에서 A3:A5로 이동해야 하지만, 가중치 범위는 D2:D4로 유지되어야 합니다. 값 범위와 가중치 범위는 동일한 수의 셀을 포함해야 하며, 가장 오래된 값부터 최신 값까지의 순서도 동일해야 합니다.
3기간 WMA의 처음 두 출력 셀은 완전한 3개 값 창이 존재하지 않으므로 공란으로 두어야 합니다. 실제 워크시트에서는 공란 확인으로 이러한 행을 처리할 수 있지만, 방법론에서 명시적으로 허용하지 않는 한 더 짧은 창으로 계산을 자동 대체해서는 안 됩니다.
값 범위와 가중치 범위는 크기와 순서를 동일하게 맞추고, 가중치 합이 1이 아닌 한 SUM(weights)로 나누세요.
선형 및 사용자 정의 가중치에 대한 Excel 공식
선형 WMA와 사용자 정의 WMA의 Excel 공식은 동일한 SUMPRODUCT 구조를 사용하며, 달라지는 것은 가중치 범위뿐입니다. 3기간 WMA의 선형 가중치는 1, 2, 3이며, 사용자 정의 모델은 0.20, 0.30, 0.50을 사용할 수 있습니다.
가중치 범위에 합이 반드시 1이 아닌 원시 가중치가 들어 있는 경우에는 다음 공식을 사용하세요.
=SUMPRODUCT(A2:A4,$D$2:$D$4)/SUM($D$2:$D$4)
가중치 범위의 합이 정확히 1인지 확인된 경우에만 다음의 더 짧은 공식을 사용하세요.
=SUMPRODUCT(A2:A4,$F$2:$F$4)
원시 선형 가중치 1, 2, 3과 정규화된 가중치 1/6, 2/6, 3/6은 동일한 WMA를 반환합니다. 그래도 스프레드시트에는 가중치 합계를 표시해 두는 것이 좋습니다. 그래야 범위가 뒤바뀌었는지, 셀이 누락됐는지, 백분율 입력 오류가 있는지 확인할 수 있습니다.
계산 방식은 같지만, 예측과 트레이딩은 서로 다른 질문에 답하며 다른 검증이 필요합니다.
이제 자동화된 산출값은 다음 기간 예측 또는 차트에 표시되는 트레이딩 지표라는 두 가지 별도 용도로 사용할 수 있습니다. 각 용도는 고유한 해석과 평가 방법이 필요합니다.
WMA는 예측에 어떻게 사용되나요?
예측에서 후행 WMA는 최근 관측치에 가중치를 부여해 다음 기간의 추정치로 사용되며, 보통 단기 예측에 활용됩니다. 이 예측은 선택한 창과 가중치 패턴이 다음 관측치에 대한 유용한 정보를 담고 있다는 가정에 기반합니다.
WMA 예측은 최근 이력이 여전히 유효한 비교적 안정적인 시계열에서 가장 단순하게 적용됩니다. 추세, 계절성, 구조적 변화, 수요 패턴 변화는 고정된 가중치 집합의 신뢰성을 떨어뜨릴 수 있으므로, 가중치 집합과 예측 기간은 이후 관측치에 대해 검증되어야 합니다.
WMA를 예측에 사용하더라도 계산 자체는 바뀌지 않습니다. 바뀌는 것은 해석입니다. WMA 산출값은 단순히 과거를 평활화한 선으로 표시되는 것이 아니라, 다음 기간의 추정치로 할당됩니다.
3개월 가중이동평균 예측 예시
3개월 WMA 예측은 가장 최근 3개의 월별 관측치 각각에 지정된 가중치를 곱하고, 가중치의 합이 1일 경우 그 합을 1단계 선행 예측값으로 사용합니다. 월별 수요 값 10, 12, 15단위에 가중치 0.20, 0.30, 0.50을 적용하면 4개월 차 예측은 13.10단위가 됩니다.
표: 가중치 합이 1인 1단계 선행 3개월 수요 예측.
공식은 다음과 같습니다.
4개월 차 예측 = (10 × 0.20) + (12 × 0.30) + (15 × 0.50)
4개월 차 예측 = 13.10단위
13.10단위라는 결과는 1단계 선행 예측일 뿐, 모든 미래 월에 대한 예측은 아닙니다. 실제 4개월 차 수요를 알 수 없는 상태에서 5개월 차를 재귀적으로 예측하려면, 4개월 차 예측값을 실제 관측값처럼 포함해야 합니다. 따라서 추가적인 재귀 단계는 이전 예측값에 부분적으로 의존하게 되며, 이로 인해 오차가 누적되고 예상 경로가 평탄화되거나 왜곡될 수 있습니다.
소수 가중치의 합은 1이므로 추가적인 나눗셈은 필요하지 않습니다. 원시 가중치 2, 3, 5를 사용해도 10으로 나누면 동일한 13.10단위 예측이 나옵니다. 또한 이 예측값은 최신 수요 15단위보다 낮은데, 이는 더 이른 두 개의 낮은 관측치가 여전히 전체 가중치의 절반을 차지하기 때문입니다.
예측 가중치는 어떻게 선택하고 검증해야 하나요?
예측 가중치는 문서화된 근거를 바탕으로 선택하고, 가중치 조정에 사용되지 않은 기간에 대해 사전에 정의된 오차 지표로 검증해야 합니다. 최근 값에 더 큰 가중치를 주는 것은, 해당 최근 관측치가 의도한 예측 기간에 대해 실제로 예측 성능을 개선할 때만 타당합니다.
실무적인 검증 절차는 다음과 같습니다.
1. 예측 기간과 예측이 지원할 의사결정을 정의합니다.
2. 이후 관측치를 검증 또는 홀드아웃 기간으로 남겨 둡니다.
3. 가중치 합이 1인 음이 아닌 가중치 등 모델 제약을 충족하는 후보 가중치 집합을 지정합니다.
4. 평가 기간을 변경하지 않고 각 후보 집합으로 예측을 생성합니다.
5. 평균절대오차(MAE) 또는 평균제곱오차(MSE)와 같은 사전 정의된 지표로 오차를 비교합니다.
6. 선택된 가중치가 서로 다른 검증 기간과 시장 또는 수요 조건에서도 안정적으로 유지되는지 검토합니다.
MAE는 오차의 평균 절대 크기를 보여주고, MSE는 오차를 제곱해 큰 오차에 더 큰 영향력을 부여합니다. 어느 지표도 특정 가중치 집합을 보편적으로 최선으로 만들지는 않으며, 선호되는 지표는 서로 다른 오차 크기에 따른 비용에 따라 달라집니다. 모델 평가에 사용한 동일한 관측치로 가중치를 최적화하면 과거의 잡음에 과적합될 수 있으므로, 최종 평가는 보지 않은 기간을 사용해야 합니다.
예측에서는 WMA를 실제 미래 관측치와 비교해 평가합니다. 트레이딩에서는 동일한 수학적 산출값을 가격 또는 다른 평균과 비교하는 방식으로 다르게 사용합니다.
WMA는 트레이딩 지표로 어떻게 사용되나요?
트레이딩 지표로서 WMA는 최근 가격의 가중평균을 표시해 추세 방향을 설명하며, 동일 기간의 동일가중 단순이동평균(SMA)보다 최근 가격 변화에 더 민감하게 반응합니다. 트레이더는 WMA'의 기울기, 현재 가격, 다른 이동평균과의 관계를 비교할 수 있지만, WMA가 예측의 확실성을 제공하는 것은 아닙니다.
상승하는 WMA는 가중된 최근 가격 기준선이 높아지고 있음을 의미하고, 하락하는 WMA는 가중 기준선이 낮아지고 있음을 의미합니다. 가격이 WMA 위 또는 아래에 있다는 것은 현재 시장과 그 기준선의 관계를 보여줄 뿐이며, 다음 가격 움직임이 반드시 같은 방향으로 이어진다는 증거는 아닙니다.
WMA는 각 값이 현재 및 과거 가격으로 계산되기 때문에 여전히 후행적입니다. 최신 가격에 더 큰 비중을 두면 동일 기간 SMA 대비 일부 지연을 줄일 수 있지만, 반응성이 높아질수록 단기적인 가격 변동에도 더 민감하게 반응할 수 있습니다.
추세 방향, 가격 교차 및 WMA 교차
WMA 교차는 가격이 WMA를 상향 또는 하향 돌파할 때, 또는 단기 WMA가 장기 WMA를 교차할 때 발생합니다. 가격/WMA 교차는 현재 가격과 하나의 가중 기준선을 비교하고, 두 WMA 교차는 더 빠른 기준선과 더 느린 기준선을 비교합니다.
표: 일반적인 WMA 관찰에 대한 직접적 해석과 필요한 주의사항.
따라서 교차 규칙은 기간, 가격 입력값, 거래비용 가정, 리스크 관리 기준을 명시한 별도의 테스트가 필요합니다. 차트는 교차가 발생한 위치를 보여줄 수 있지만, 해당 규칙이 특정 시장과 시간대에서 유용했는지는 정의된 테스트를 통해서만 평가할 수 있습니다.
WMA 기간, 가격 소스 및 시장 상황
WMA의 움직임은 기간 길이, 입력 가격, 차트 시간 프레임, 시장 상황에 따라 달라집니다. 짧은 기간은 더 적은 관측치를 사용하므로 일반적으로 더 빠르게 반응하고, 긴 기간은 더 많은 가격 변동을 평활화하므로 일반적으로 더 느리게 반응합니다.
입력값은 종가일 수도 있고 플랫폼이 지원하는 다른 가격 소스일 수도 있습니다. “20기간 WMA”라고 표시된 두 차트도, 하나는 종가를 사용하고 다른 하나는 다른 입력값을 사용하거나 플랫폼마다 WMA 정의가 다르면 서로 다를 수 있습니다. 또한 시간 프레임에 따라 한 기간이 의미하는 바도 달라집니다. 5분 차트의 20개 관측치는 일간 차트의 20개 관측치와 같은 기간을 설명하지 않습니다.
추세장이면 지속적인 기울기와 더 적은 기준선 교차가 나타날 수 있고, 변동성이 큰 횡보장에서는 가격이 WMA 주변을 반복적으로 오갈 수 있습니다. 어떤 기간도 보편적으로 최선은 아닙니다. 기간과 입력값은 분석 목적에 맞게 선택하고, 관련 상품, 시간 프레임, 시장 국면에서 테스트해야 합니다.
이러한 설정의 효과는 WMA를 다른 이동평균 및 거래량 가중 방식과 비교할 때 더 분명해집니다.
WMA vs SMA, EMA, VWMA 및 VWAP
WMA는 선택한 순서에 따라 관측치에 가중치를 부여하고, SMA는 동일 가중치를 부여하며, EMA는 지수 감쇠를 사용하고, VWMA와 VWAP는 최근성이 아니라 거래량을 주요 가중치 기준으로 사용합니다. 각 방법은 서로 다른 가중치 질문에 답하기 때문에 상호 대체 가능한 방법이 아닙니다.
표: 가중치 기준과 적용 범위에 따른 이동평균 및 거래량 가중 방식 비교.
동일한 3기간 상승 시계열 10, 12, 15 그리고 18에 대해, 모든 파라미터를 공개한 상태에서 각 방법을 비교할 수 있습니다. 3기간 SMA와 선형 WMA는 모두 기간 3에서 처음 나타납니다. 3기간 EMA는 alpha = 2 / (3 + 1) = 0.5를 사용하며 기간 3의 SMA를 초기값으로 사용합니다.
표: 동일한 4개 값 시계열에 대해 계산한 SMA, 선형 WMA 및 EMA.
세 평균이 다른 이유는 가중치 규칙이 다르기 때문이며, 반응성은 데이터와 파라미터에 따라 달라집니다.
이 상승 예시에서 기간 4의 WMA가 가장 높은 이유는 최신이면서 가장 높은 가격에 가장 큰 선형 가중치가 부여되기 때문입니다. 그러나 이 순서가 항상 같은 결과를 보장하는 것은 아닙니다. 새로운 값이 하락하면 WMA가 더 급하게 내려갈 수 있고, EMA 파라미터가 다르면 비교 결과도 달라질 수 있습니다. 따라서 적절한 방법은 보편적으로 “더 낫다”는 기준이 아니라, 필요한 가중치 기준, 메모리 구조, 활용 목적에 따라 선택해야 합니다.
WMA의 장점과 한계
WMA는 동일 기간 SMA보다 더 빠르게 반응할 수 있지만, 최근 관측치에 더 큰 비중을 둘수록 노이즈에 대한 민감도도 높아지며 후행성 자체가 사라지는 것은 아닙니다. WMA의 모든 장점에는 그에 상응하는 구현 또는 해석상의 비용이 따릅니다.
표: WMA의 장점과 한계 비교.
WMA는 영향력을 다르게 부여할 합리적 근거가 있고, 그에 따른 상충관계를 의사결정에서 수용할 수 있을 때 유용합니다. 반대로 가중치 패턴이 임의적이거나, 시계열의 국면이 바뀌거나, 산출값을 미래 결과의 증거처럼 취급할 때는 WMA의 효용이 떨어집니다. 이러한 한계는 공식만큼이나 올바른 구현과 검증이 중요하다는 점을 보여줍니다.
가중이동평균에서 흔히 발생하는 실수
가장 흔한 WMA 실수는 가중치 순서를 반대로 적용하는 것, 정규화를 생략하는 것, 스프레드시트 범위를 잘못 맞추는 것, 그리고 가중된 과거 평균을 미래에 대한 확실성으로 해석하는 것입니다. 각 오류는 계산 자체 또는 결과의 의미를 바꿉니다.
• 가장 오래된 값과 최신 값의 가중치를 뒤바꾸는 실수: 첫 번째 창을 계산하기 전에 최신 관측치가 가장 큰 가중치를 받아야 하는지 확인하세요.
• 분모를 생략하는 실수: 가중치가 이미 합계 1로 정규화되어 있지 않다면 SUM(weights)로 나누세요.
• 값 범위와 가중치 범위의 크기가 다른 실수: 각 관측치마다 하나의 가중치를 대응시키고, 범위의 순서를 동일하게 유지하세요.
• 가중치를 값에 고정해 두는 실수: 이동 창이 다음으로 진행되면 위치 가중치를 다시 부여해야 하며, 가장 큰 선형 가중치는 최신 위치에 속합니다.
• 초기 행을 부분 창 값으로 채우는 실수: 문서화된 워밍업 방법을 사용하지 않는 한 처음 n - 1개의 완전 창 산출값은 공란으로 두세요.
• 가정이 다른 방법을 비교하는 실수: 산출값을 비교하기 전에 기간, 가격 소스, 가중치 순서, EMA 초기값, 거래량 범위를 공개하세요.
• 예측을 확실성으로 간주하는 실수: 이후 관측치에 대한 예측 오차를 평가하고 예측 기간을 명시하세요.
• 교차를 자동 매매 신호로 간주하는 실수: 비용, 리스크 관리, 횡보장 구간에서의 움직임을 포함한 전체 규칙을 테스트하세요.
• 평가 기간에서 최적화하는 실수: 예측 또는 트레이딩 파라미터가 조정에 사용되지 않은 관측치로 평가되도록 홀드아웃 기간을 유지하세요.
따라서 WMA를 올바르게 사용하려면 투명한 가중치 정의, 검증 가능한 계산, 그리고 적용 목적에 맞는 평가 방법이 필요합니다.
단순 가중이동평균 분석을 실제로 활용해 보세요
TMGM MetaTrader 플랫폼에서는 기간, 적용 가격, 시간 프레임별로 가중이동평균(WMA)을 설정할 수 있습니다. 일관된 설정을 사용해 명확한 추세 방향을 파악하고, 실제 가격 구조를 기준으로 관찰 결과를 검증하며, 항상 행동에 나서기 전에 리스크를 정의하세요.
WMA 전략을 테스트할 준비가 되셨나요? 실거래 계좌 개설을 통해 오늘 바로 CFD 트레이딩을 시작하거나, 데모 계좌를 개설해 무위험으로 연습해 보세요.
