헐 이동 평균: 부드러움을 잃지 않고 지연 현상을 제거하는 방법
모든 이동평균선은 반응성을 희생하는 대신 평탄성을 추구합니다. 기간을 짧게 하면 선이 가격을 밀접하게 따라가지만 변동성이 커지고, 기간을 길게 하면 선이 안정되지만 가격에 늦게 도달합니다. 앨런 헐은 2005년, 다른 지표를 연구하던 중 이러한 상충 관계를 직접적으로 해결하고자 했고, 그 결과를 공개했습니다. 이후 이 지표는 다양한 차트 프로그램에 포함되어 사용되고 있습니다.
평균 3개, 비법 1개
HMA는 세 단계에 걸쳐 가중 이동 평균으로만 구성됩니다.
1. 전체 기간의 절반 이상에 해당하는 WMA.
2. 전체 기간에 걸친 WMA.
3. 첫 번째 값의 두 배에서 두 번째 값을 뺀 다음, 해당 급수를 주기의 제곱근에 대한 가중평균자유도(WMA)로 평활화합니다.
3단계에서 빼는 과정에서 시차가 발생합니다. 반기간 가중 이동평균은 전체 기간 가중 이동평균보다 현재 가격에 더 가깝기 때문에, 두 이동평균 간의 차이는 평균이 얼마나 뒤처져 있는지를 직접적으로 보여줍니다. 빠른 이동평균을 두 배로 하고 느린 이동평균을 빼면 결과가 대략 그 차이만큼 앞으로 투영됩니다. 이는 추세의 과거를 보여주는 것이 아니라 추세를 선형적으로 외삽하는 것입니다.
외삽법은 잡음이 많기 때문에 최종 평활화 단계에서 이를 보정합니다. 핵심은 평활화 단계의 길이입니다. 제곱근은 천천히 증가하므로 100기간 HMA는 10개 봉 WMA로 마무리됩니다. 이 정도면 지연을 다시 추가하지 않고도 외삽 결과를 깔끔하게 정리할 수 있습니다.
그걸로 뭘 살 수 있을까요?
그 효과는 쉽게 정량화할 수 있습니다. 꾸준히 상승하는 가격 시계열을 두 평균값에 입력하고 각 평균값이 얼마나 뒤처져 안정되는지 막대 그래프로 측정해 보세요.
| 기간 | HMA 지연 | LWMA 지연 |
|---|---|---|
| 9 | 0.00 바 | 2.67 바 |
| 21 | 0.33 바 | 6.67 바 |
| 55 | 1.33 바 | 18.00 바 |
55기간 HMA는 9기간 가중평균보다 추세를 더 잘 따라가면서도 6배 더 많은 과거 데이터를 활용하여 평활화를 제공합니다.
함정
결합 가중치를 계산해 보면 일부 가중치가 음수가 되는 경우가 있습니다. 대략 절반 이상의 기간 동안의 막대 데이터가 평균을 반대 방향으로 끌어당기기 때문입니다. 바로 이러한 점 때문에 외삽이 가능해지는 것이며, 급격한 움직임 이후 HMA가 과도하게 추산되는 이유이기도 합니다. 가격이 상승을 지속할지 여부를 결정하기 전에 상승폭을 예측해 버리기 때문입니다. 모든 저지연 평균은 어떤 형태로든 이러한 문제를 안고 있습니다. 시차를 완전히 제거하는 방법은 없습니다.
읽는 방법
헐은 교차점보다는 기울기와 변곡점을 이용해 거래하라고 조언하는데, 그의 논리를 이해하는 것은 중요합니다. 교차점 시스템은 빠른 평균과 느린 평균 사이의 시간차 차이를 측정하여 신호를 얻는 방식입니다. HMA는 이러한 시간차를 대부분 제거했기 때문에 두 HMA가 더 가깝게 위치하고 교차점이 더 쉽게 나타납니다.
실제로 이는 HMA 크로스오버가 해당 EMA 또는 LWMA 쌍보다 더 일찍 발생한다는 것을 의미합니다. 추세 시장에서는 이것이 장점이 될 수 있습니다. 횡보장세에서는 신호의 질이 더 좋아지는 것이 아니라 더 많은 신호를 생성합니다. 크로스오버 설정에서 HMA를 사용할 경우, 단순히 대체하는 것이 아니라 더 빠른 지표로 간주하고 두 기간 사이의 간격을 넓혀 보정해야 합니다.
구현 세부 사항 하나
주기의 절반과 주기의 제곱근은 정수가 되는 경우가 드뭅니다. 헐의 원래 공식은 두 값 모두 내림을 하며, 메타트레이더 구현체들도 이 규칙을 따릅니다. 일부 플랫폼은 가장 가까운 정수로 반올림하는데, 이로 인해 홀수 주기의 값이 약간 다르게 나타날 수 있습니다. 두 차트 프로그램에서 HMA를 비교했을 때 결과가 일치하지 않는 경우 이 점을 알아두는 것이 좋습니다.
Hull 이동평균이 이제 Moving Average Cross Signal 에서 기존에 지원되는 다른 평균 알고리즘과 함께 평활화 방법으로 제공됩니다.
