Glidande medelvärde är en indikator som används vid teknisk aktieanalys och är användbart för att identifiera sälj- och köptillfällen.
I den här artikeln går jag igenom hur glidande medelvärde fungerar och förklarar hur du kan använda det när du letar intressanta aktier att investera i.
- Lästid: ca 10 min
Det här är glidande medelvärde
Ett glidande medelvärde är ett sätt att “släta ut” en aktiekurva och över tid få fram ett medelvärde vad aktien kostat under den senaste tidsperioden.
Genom att titta på medelvärden “filtrerar” man bort kortsiktiga rörelser i aktiekursen. Istället får man fram en jämn kurva som visar trenden i aktiepriset.
Vanligt är att man tittar på tre olika medelvärden: ett kortare, ett medellångt och ett långt – vanligtvis 20 dagar (MA20), 50 dagar (MA50) och 200 dagar (MA200).
Ett 20 dagars glidande medelvärde innebär att man tittar på vad priset på aktien varit vid stängning under de senaste 20 dagarna. Vid MA50 och MA200 tittar man på motsvarande för respektive längd.
I grafen nedan ser vi MA50 – det vill säga glidande medelvärde över 50 dagar – för Nobinas aktie. Som synes går priset upp och ner från dag till dag, medan det glidande medelvärdet över tid visar på en positiv trend i aktiekursen.
Så använder du glidande medelvärde när du investerar
Glidande medelvärde är som sagt ett sätt att med hjälp av teknisk analys identifiera köptillfällen i aktier du intresserar dig av.
Begreppet teknisk analys kan låta lite skrämmande, men det behöver inte vara så komplicerat. Att blanda teknisk och fundamental analys, med tålamod och intresse är ofta ett ypperligt sätt att bli framgångsrik på sikt.
Det glidande medelvärde framförallt kan hjälpa dig att identifiera är trendbrott: när aktiekursen successivt börjar falla, eller när priset på aktien är i en stigande trend.
När kursen bryter medelvärdet
Det enklaste sättet att använda glidande medelvärde på är att titta på trenden över medellång (MA50) eller lång tid (MA200). När kursen korsar medelvärdet uppifrån innebär det att kursen sannolikt är på väg neråt. Korsar kursen däremot trenden underifrån talar sannolikheten för att kursen kommer fortsätta stiga.
I diagrammet nedan tittar vi återigen på Nobina med ett 50 dagars glidande medelvärde. Nu har jag markerat tillfällena där trenden bryts uppifrån med rött (sälj) och nedifrån med grönt (köp).
Tittar man på grafen på det här viset så blir det tydligt att om man hade köpt och sålt vid dessa tillfällen så hade man gjort goda investeringar.
När två medelvärden bryter varandra
För att med större statistisk säkerhet identifiera trendbrott i en aktiekurs kan två olika medelvärden kombineras.
Det man framförallt är ute efter är att identifiera vad som med tekniska analys-termer kallas för “Golden cross” och “Death cross”. Det gyllene korset indikerar när det uppstår köptillfällen. Dödskorset visar när det är dags att dra sig ur.
Dessa tillfällen uppstår på samma vis som beskrevs ovan, fast istället för att medelvärdet ställs i relation till det faktiska aktiepriset, ställs värdena i relation till varandra.
När det kortare medelvärdet bryter det långa uppifrån uppstår ett “Death cross” och det är dags att sälja. När det däremot bryter underifrån uppstår ett “Golden cross”
I grafen nedan har jag återigen tittat på Nobina. Här har jag kombinerat MA50 (grön) och MA200 (röd) för att visa när det uppstår ett mer statistiskt signifikant köpläge: när MA50 korsar MA200 underifrån.
Som synes har kursen succesivt stigit sedan detta gyllene kross uppstod.
Begränsningar i glidande medelvärde
Hur användbart glidande medelvärde än är finns det givetvis begränsningar (om det inte hade funnits hade alla kunnat bli aktiemiljonärer). Du ska alltså aldrig förlita dig till 100% på glidande medelvärden när du gör dina analyser.
Du tittar enbart på historisk data
När du tittar på glidande medelvärden så tittar du enbart på historisk data. Du tar inte hänsyn till eventuella nyheter eller händelser i framtiden som kan komma att påverka kursen.
Eftersom du dessutom tittar på trender över flera dagar är datan släpande. Det gör att du aldrig kommer identifiera de faktiska topparna och bottnarna i aktiepriset.
Du behöver titta på aktier med hög omsättning
För att glidande medelvärde överhuvudtaget ska vara användbart krävs det att du tittar på aktier med hög omsättning – det vill säga många köp och sälj per dag.
Är omsättningen låg kommer medelvärden inte spegla aktiekursen och enskilda affärer kan ha allt för stor påverkan på medelvärdet.
Falska signaler uppstår
Eftersom punkterna som presenterats i detta inlägg bara baseras på sannolikhetslära och eftersläpande data finns riska att falska signaler uppstår. En god nyhet kan få medelvärdet att stiga, ett köptillfälle uppstår men det senare visar sig att marknaden reagerade impulsivt och aktien handlas ned lika snabbt.
Därför är det viktigt att inte förlita sig blint på en enda metod, utan även följa bolaget och aktiekursen på andra vis.
Så beräknar du glidande medelvärde
Det är tämligen enkelt att beräkna ett glidande medelvärde. Du summerar helt enkelt stängningspriset över ett antal dagar och delar det med antalet dagar du vill ta fram medelvärde för.
Men tack och lov behöver du inte sitta och göra beräkningarna manuellt.
De flesta nätmäklarna har funktionalitet inbyggt på sina hemsidor för att göra enklare tekniska analyser. Det finns även mer raffinerade verktyg för att utföra tekniska analyser.
Personligen använder jag Avanzas gratisverktyg tillsammans med det tekniska analys-verktyget Tradingview.
Tjänst | Beskrivning | Hemsida |
 | √ Från 0:- √ Stort community √ Passar nybörjare | (annonslänk) |
 | √ Från 999:-/ mån √ Integrerat med köp/sälj √ Passar avancerade | (annonslänk) |
 | √ Från 0:- √ Inget inlogg krävs √ För dig som vill testa på |
SMA och EMA
I mina exempel ovan har jag endast tittat på så kallade enkla glidande medelvärden – eller “simple moving average”. Detta är ett medelvärde som endast baseras på vad kursen faktiskt står i.
Ett alternativ till SMA är EMA – “exponential moving average”. Det exponentiella glidande medelvärdet innebär att affärer i närtid viktas högre än affärer längre bak i tid. På så vis tvingar man datan att svara snabbare på händelser i närtid.
För egen del tittar jag primärt på det enkla glidande medelvärdet när jag gör mina analyser.
Detta inlägg uppdaterades senast oktober 8, 2021.