Eksponensiële bewegende gemiddelde en standaardafwyking

Ek het 'n kiekie te help verduidelik my probleem: Im probeer om 'n soort van bewegende gemiddelde en beweeg standaardafwyking te bereken. Die ding is ek wil die koëffisiënte van variasie (STDEV / avg) te bereken vir die werklike waarde. Gewoonlik word dit gedoen deur die berekening van die STDEV en avg vir die afgelope 5 jaar. Maar soms sal daar waarnemings in my databasis waarvoor ek nie die inligting van die afgelope 5 jaar (miskien net 3, 2, ens) het. Dis hoekom ek wil 'n kode wat die avg sal bereken en STDEV selfs al is daar geen inligting vir die hele 5 jaar. Ook, as jy sien in die waarnemings, soms Ek het inligting oor meer as 5 jaar, wanneer dit die geval is wat ek nodig het 'n soort van bewegende gemiddelde wat toelaat dat my om die avg en STDEV bereken vir die afgelope 5 jaar. So as 'n maatskappy het inligting vir 7 jaar wat ek nodig het 'n soort van kode wat die avg en STDEV vir sal bereken, kan sê, 1997 (deur 1991-1996), 1998 (deur 1992-1997) en 1999 (1993-1998). Soos im nie baie vertroud is met SAS beveel dit moet lyk (baie baie rofweg) soos: Of so iets, ek het regtig geen idee, Im gonna probeer dit uitwerk, maar die moeite werd om dit te pos as ek gewoond vind dit myself. Exploring Die eksponensieel Geweegde Moving Gemiddelde Volatiliteit is die mees algemene maatstaf van risiko, maar dit kom in verskeie geure. In 'n vorige artikel het ons gewys hoe om eenvoudige historiese wisselvalligheid te bereken. (Om hierdie artikel te lees, sien Die gebruik van Volatiliteit Om toekomstige risiko te meet.) Ons gebruik Googles werklike aandele prys data om daaglikse wisselvalligheid gebaseer op 30 dae van voorraad data bereken. In hierdie artikel, sal ons verbeter op eenvoudige wisselvalligheid en bespreek die eksponensieel geweeg bewegende gemiddelde (EWMA). Historiese Vs. Geïmpliseer Volatiliteit Eerste, laat sit hierdie metrieke in 'n bietjie van perspektief. Daar is twee breë benaderings: historiese en geïmpliseer (of implisiete) wisselvalligheid. Die historiese benadering veronderstel dat verlede is proloog ons geskiedenis te meet in die hoop dat dit voorspellende. Geïmpliseerde wisselvalligheid, aan die ander kant, ignoreer die geskiedenis wat dit oplos vir die wisselvalligheid geïmpliseer deur markpryse. Hulle hoop dat die mark weet die beste en dat die markprys bevat, selfs al is implisiet, 'n konsensus skatting van wisselvalligheid. (Vir verwante leesstof, sien die gebruike en beperkinge van Volatiliteit.) As ons fokus op net die drie historiese benaderings (op die bogenoemde links), hulle het twee stappe in gemeen: Bereken die reeks periodieke opgawes Pas 'n gewig skema Eerstens, ons bereken die periodieke terugkeer. Dis gewoonlik 'n reeks van die daaglikse opgawes waar elke terugkeer uitgedruk in voortdurend saamgestel terme. Vir elke dag, neem ons die natuurlike log van die verhouding van aandele pryse (dit wil sê die prys vandag gedeel deur die prys gister, en so aan). Dit veroorsaak 'n reeks van die daaglikse opbrengs van u ek u i-m. afhangende van hoeveel dae (m dae) ons meet. Dit kry ons by die tweede stap: Dit is hier waar die drie benaderings verskil. In die vorige artikel (Die gebruik van Volatiliteit Om toekomstige risiko Gauge), ons het getoon dat onder 'n paar aanvaarbare vereenvoudigings, die eenvoudige afwyking is die gemiddeld van die kwadraat opbrengste: Let daarop dat hierdie som elk van die periodieke opgawes, verdeel dan wat totaal deur die aantal dae of waarnemings (m). So, dit is regtig net 'n gemiddeld van die kwadraat periodieke opgawes. Anders gestel, is elke vierkant terugkeer gegee 'n gelyke gewig. So as alfa (a) is 'n gewig faktor (spesifiek, 'n 1 / m), dan 'n eenvoudige variansie lyk iets soos hierdie: Die EWMA Verbeter op Eenvoudige Variansie Die swakheid van hierdie benadering is dat alle opgawes verdien dieselfde gewig. Yesterdays (baie onlangse) terugkeer het geen invloed meer op die variansie as verlede maande terugkeer. Hierdie probleem is opgelos deur die gebruik van die eksponensieel geweeg bewegende gemiddelde (EWMA), waarin meer onlangse opbrengste het 'n groter gewig op die variansie. Die eksponensieel geweeg bewegende gemiddelde (EWMA) stel lambda. wat die smoothing parameter genoem. Lambda moet minstens een wees. Onder daardie toestand, in plaas van gelyke gewigte, elke vierkant terugkeer is geweeg deur 'n vermenigvuldiger soos volg: Byvoorbeeld, RiskMetrics TM, 'n finansiële risikobestuur maatskappy, is geneig om 'n lambda van 0,94, of 94. gebruik in hierdie geval, die eerste ( mees onlangse) kwadraat periodieke terugkeer is geweeg deur (1-0,94) (. 94) 0 6. die volgende kwadraat terugkeer is bloot 'n lambda-veelvoud van die vorige gewig in hierdie geval 6 vermenigvuldig met 94 5.64. En die derde voor dae gewig gelyk (1-0,94) (0.94) 2 5,30. Dis die betekenis van eksponensiële in EWMA: elke gewig is 'n konstante vermenigvuldiger (dit wil sê lambda, wat moet wees minder as een) van die dae gewig voor. Dit sorg vir 'n afwyking wat geweeg of voorkeur vir meer onlangse data. (Vir meer inligting, kyk na die Excel Werkkaart vir Googles Volatiliteit.) Die verskil tussen net wisselvalligheid en EWMA vir Google word hieronder getoon. Eenvoudige wisselvalligheid effektief weeg elke periodieke terugkeer deur 0,196 soos uiteengesit in kolom O (ons het twee jaar van die daaglikse aandeleprys data. Dit is 509 daaglikse opgawes en 1/509 0,196). Maar let op dat Kolom P ken 'n gewig van 6, dan 5.64, dan 5.3 en so aan. Dis die enigste verskil tussen eenvoudige variansie en EWMA. Onthou: Nadat ons die hele reeks (in kolom Q) het ons die variansie, wat is die kwadraat van die standaardafwyking som. As ons wil hê wisselvalligheid, moet ons onthou om die vierkantswortel van daardie afwyking te neem. Wat is die verskil in die daaglikse wisselvalligheid tussen die variansie en EWMA in Googles geval beduidende: Die eenvoudige variansie het ons 'n daaglikse wisselvalligheid van 2,4, maar die EWMA het 'n daaglikse wisselvalligheid van slegs 1.4 (sien die sigblad vir besonderhede). Blykbaar, Googles wisselvalligheid bedaar meer onlangs dus kan 'n eenvoudige variansie kunsmatig hoog wees. Vandag se afwyking is 'n funksie van Pior Dae Variansie Youll kennisgewing wat ons nodig het om 'n lang reeks van eksponensieel afneem gewigte bereken. Ons sal nie die wiskunde doen hier, maar een van die beste eienskappe van die EWMA is dat die hele reeks gerieflik verminder tot 'n rekursiewe formule: Rekursiewe beteken dat vandag se stryd verwysings (dit wil sê 'n funksie van die vorige dae variansie). Jy kan hierdie formule in die sigblad ook, en dit lei tot die presies dieselfde resultaat as die skuldbewys berekening Dit sê: Vandag se variansie (onder EWMA) gelyk yesterdays variansie (geweeg volgens lambda) plus yesterdays kwadraat terugkeer (geweeg deur een minus lambda). Let op hoe ons net bymekaar te tel twee terme: yesterdays geweegde variansie en yesterdays geweeg, vierkantig terugkeer. Net so is, lambda is ons glad parameter. 'N Hoër lambda (bv soos RiskMetrics 94) dui stadiger verval in die reeks - in relatiewe terme, gaan ons meer datapunte in die reeks en hulle gaan stadiger af te val. Aan die ander kant, as ons die lambda verminder, dui ons hoër verval: die gewigte val vinniger af en, as 'n direkte gevolg van die snelle verval, is minder datapunte gebruik. (In die sigblad, lambda is 'n inset, sodat jy kan eksperimenteer met sy sensitiwiteit). Opsomming Volatiliteit is die oombliklike standaardafwyking van 'n voorraad en die mees algemene risiko metrieke. Dit is ook die vierkantswortel van variansie. Ons kan variansie histories of implisiet (geïmpliseer wisselvalligheid) te meet. Wanneer histories meet, die maklikste metode is eenvoudig variansie. Maar die swakheid met 'n eenvoudige afwyking is alle opgawes kry dieselfde gewig. So staan ​​ons voor 'n klassieke kompromis: ons wil altyd meer inligting, maar hoe meer data het ons die meer ons berekening verwater deur verre (minder relevant) data. Die eksponensieel geweeg bewegende gemiddelde (EWMA) verbeter op eenvoudige variansie deur die toeken van gewigte aan die periodieke opgawes. Deur dit te doen, kan ons albei gebruik 'n groot monster grootte, maar ook 'n groter gewig te gee aan meer onlangse opbrengste. (Om 'n fliek handleiding te sien oor hierdie onderwerp, besoek die Bionic skilpad.) 'N Persoon wat handel dryf afgeleides, kommoditeite, effekte, aandele of geldeenhede met 'n hoër-as-gemiddelde risiko in ruil vir. quotHINTquot is 'n akroniem wat staan ​​vir vir quothigh inkomste nie taxes. quot Dit is van toepassing op 'n hoë-verdieners wat verhoed dat die betaling federale inkomste. 'N Mark outeur wat koop en verkoop baie kort termyn korporatiewe effekte genoem kommersiële papier. 'N papier handelaar is tipies. 'N bestelling geplaas met 'n makelaar om 'n sekere aantal aandele te koop of te verkoop teen 'n bepaalde prys of beter. Die onbeperkte koop en verkoop van goedere en dienste tussen lande sonder die oplegging van beperkings soos. In die sakewêreld, 'n buffel is 'n maatskappy, gewoonlik 'n aanloop wat nie 'n gevestigde prestasie record. Keltner kanale het nie Keltner kanale Inleiding Keltner kanale is-wisselvalligheid gebaseer koeverte bo en onder 'n eksponensiële bewegende gemiddelde stel. Hierdie aanwyser is soortgelyk aan Bollinger Bands, wat die standaardafwyking gebruik om die bande te stel. In plaas van die gebruik van die standaard afwyking, Keltner kanale die Gemiddelde Ware Range (ATR) om kanaal afstand stel. Die kanale is tipies sit twee Gemiddelde Ware Range waardes bo en onder die 20-dag EMO. Die eksponensiële bewegende gemiddelde dikteer rigting en die gemiddelde Ware Range stel kanaal breedte. Keltner kanale is 'n tendens volgende aanwyser gebruik word om terugskrywings met kanaal breakouts en kanaal rigting te identifiseer. Kanale kan ook gebruik word om oorgekoop en oorverkoopte vlakke te identifiseer wanneer die neiging is plat. In sy 1960 boek, Hoe om geld te maak in Commodities, Chester Keltner het die Tien-daagse bewegende gemiddelde Trading Reël, wat genoem as die oorspronklike weergawe van Keltner kanale. Dit oorspronklike weergawe begin met 'n 10-dag SMA van die tipiese prys as die middellyn. Die 10-dag SMA van die hoog-laag reeks gevoeg en afgetrek na die boonste en onderste kanaal lyne stel. Linda Bradford Raschke het die nuwer weergawe van Keltner kanale in die 1980's. Soos Bollinger Bands, hierdie nuwe weergawe gebruik 'n wisselvalligheid gebaseer aanwyser, Gemiddelde Ware Range (ATR), om kanaal breedte stel. StockCharts gebruik hierdie nuwer weergawe van Keltner kanale. Berekening Daar is drie stappe om die berekening van Keltner kanale. Kies eers die lengte vir die eksponensiële bewegende gemiddelde. Tweedens, kies die tydperke vir die gemiddelde Ware Range (ATR). Derde, kies die vermenigvuldiger vir die gemiddelde Ware Range. Die voorbeeld hierbo is gebaseer op die standaard instellings vir SharpCharts. Omdat bewegende gemiddeldes lag prys, sal 'n langer bewegende gemiddelde meer lag het en 'n korter bewegende gemiddelde sal minder lag het. ATR is die basiese wisselvalligheid omgewing. Kort tydsraamwerke, soos 10, produseer 'n meer vlugtige ATR wat wissel as 10-tydperk wisselvalligheid getywisselings. Langer tydperke, so 'n 100, glad hierdie skommelinge om 'n meer konstante ATR lees produseer. Die vermenigvuldiger het die meeste invloed op die breedte kanaal. Net die verandering van 2-1 sal kanaal wydte in die helfte gesny. Toenemende 2-3 sal kanaal breedte verhoog deur 50. Here039s n grafiek toon drie Keltner kanale ingestel op 1, 2, en 3 ATR's weg van die sentrale bewegende gemiddelde. Hierdie spesifieke tegniek is aanbeveel deur Kerry Lovvorn van SpikeTrade vir die jaar. bo die grafiek toon die verstek Keltner kanale in rooi, 'n wyer kanaal in blou en 'n nouer kanaal in groen. Die blou kanale gestel drie Gemiddelde Ware Range waardes bo en onder (3 x ATR). Die groen kanale gebruik een ATR waarde. Al drie deel die 20-dag EMO, wat is die stippellyn in die middel. Die aanwyser vensters wys verskille in die gemiddelde Ware Range (ATR) vir 10 periodes, 50 periodes en 100 periodes. Let op hoe die kort ATR (10) is meer wisselvallig en het die wydste verskeidenheid. In teenstelling, 100-tydperk ATR is baie gladder met 'n minder wisselvallige reeks. Interpretasie Indicators gebaseer op kanale, bands en koeverte is ontwerp om die meeste prys aksie in te sluit. Daarom beweeg bo of onder die kanaal lyne waarborg aandag omdat hulle relatief skaars. Tendense begin dikwels met 'n sterk beweeg in een of ander rigting. 'N oplewing bokant die boonste kanaal lyn toon buitengewone sterkte, terwyl 'n duik onder die onderste kanaal lyn toon buitengewone swakheid. Sulke sterk beweeg kan die einde van 'n tendens en die begin van 'n ander sein. Met 'n eksponensiële bewegende gemiddelde as sy stigting, Keltner kanale is 'n tendens volgende aanwyser. Soos met bewegende gemiddeldes en die tendens volgende aanwysers, Keltner kanale lag prys aksie. Die rigting van die bewegende gemiddelde dikteer die rigting van die kanaal. In die algemeen, 'n verslechtering neiging is tans toe die kanaal laer beweeg, terwyl 'n uptrend bestaan ​​wanneer die kanaal hoër beweeg. Die tendens is plat wanneer die kanaal sywaarts beweeg. 'N Kanaal opswaai en breek bo die boonste tendenslyn kan die begin van 'n uptrend sein. 'N Kanaal afswaai en breek onder die laer tendenslyn kan sein die begin 'n verslechtering neiging. Soms is 'n sterk tendens hou nie nadat 'n kanaal tempo en pryse wissel tussen die kanaal lyne. Sulke handel reekse is gekenmerk deur 'n relatief plat bewegende gemiddelde. Die kanaal grense kan dan gebruik word om oorgekoop en oorverkoopte vlakke te identifiseer vir doeleindes van handeldryf. Versus Bollinger Bands Daar is twee verskille tussen Keltner kanale en Bollinger Bands. In die eerste plek Keltner kanale is gladder as Bollinger Bands, want die breedte van die Bollinger Bands is gebaseer op die standaard afwyking, wat is meer wisselvallig as die gemiddelde Ware Range (ATR). Baie beskou dit as 'n pluspunt, want dit skep 'n meer konstante wydte. Dit maak Keltner kanale geskik vir tendens volgende en tendens identifikasie. Tweede, Keltner kanale ook 'n eksponensiële bewegende gemiddelde, wat is meer sensitief as die eenvoudige bewegende gemiddelde gebruik in Bollinger Bands gebruik. Die grafiek hieronder toon Keltner kanale (blou), Bollinger Bands (pienk), Gemiddelde Ware Range (10), standaardafwyking (10) en standaardafwyking (20) vir 'n vergelyking. Let op hoe die Keltner kanale is gladder as die Bollinger Bands. Let ook op hoe die standaardafwyking dek 'n groter verskeidenheid as die gemiddelde Ware Range (ATR). Uptrend Die onderstaande grafiek toon Archer Daniels Midland (ADM) begin 'n uptrend as die Keltner kanale opdaag en die voorraad golwe bokant die boonste kanaal lyn. ADM was in 'n duidelike verslechtering neiging in April-Mei as pryse het voortgegaan om die laer kanaal deurboor. Met 'n sterk stukrag in Junie pryse oorskry die boonste kanaal en die kanaal opgedaag het om 'n nuwe uptrend begin. Let daarop dat pryse bo die onderste kanaal gehou op dalings in die vroeë en laat in Julie. Selfs met 'n nuwe uptrend gestig is, is dit dikwels raadsaam om te wag vir 'n terugsakking of beter beginpunt om die beloning-tot-risiko verhouding te verbeter. Momentum ossillators of ander aanwysers kan dan gebruik word om oorverkoop lesings definieer. Hierdie grafiek toon StochRSI. een van die meer sensitiewe momentum ossillators, dip onder 0,20 tot oorverkoop ten minste drie keer gedurende die uptrend geword. Die daaropvolgende kruise terug bo 0,20 kenne n hervatting van die uptrend. Verslechtering neiging Die tweede grafiek toon Nvidia (NVDA) begin van 'n verslechtering neiging met 'n skerp daling onder die onderste kanaal lyn. Na hierdie aanvanklike breek, die voorraad ontmoet weerstand naby die 20-dag EMO (middellyn) vanaf middel Mei tot vroeg in Augustus. Die onvermoë om selfs naby aan die boonste kanaal lyn het sterk afwaartse druk. 'N 10-tydperk Commodity Channel Index (CCI) word getoon as die momentum ossillator te kort termyn oorkoop voorwaardes identifiseer. 'N skuif bo 100 word beskou as oorgekoop. 'N daaropvolgende skuif terug onder 100 dui op 'n hervatting van die verslechtering neiging. Hierdie sein het goed gewerk tot September. Hierdie versuim seine dui op 'n moontlike tendens verandering wat daarna is bevestig met 'n onderbreking bo die boonste kanaal lyn. Plat Trend Een keer 'n handel reeks of plat handelsomgewing is geïdentifiseer, kan handelaars die Keltner kanale gebruik om oorgekoop en oorverkoopte vlakke te identifiseer. A handel reeks kan geïdentifiseer word met 'n plat bewegende gemiddelde en die gemiddelde Directional indeks (ADX). Die onderstaande grafiek toon IBM wisselende tussen ondersteuning in die 120-122 gebied en weerstand in die 130-132 gebied vanaf Februarie tot einde September. Die 20-dag EMO, middellyn, uitgestel prys aksie, maar plat uit vanaf April tot September. Die venster aanwyser toon ADX (swart lyn) bevestig 'n swak tendens. Lae en val ADX toon 'n swak tendens. Hoë en stygende ADX toon 'n sterk tendens. ADX was onder 40 die hele tyd en onder 30 die meeste van die tyd. Dit weerspieël die afwesigheid van die tendens. Ook, sien dat ADX hoogtepunt vroeg in Junie en het tot die einde van Augustus. Gewapen met die vooruitsigte van 'n swak tendens en handel reeks, kan handelaars Keltner kanale te verwag terugskrywings. Daarbenewens sien dat die kanaal lyne dikwels saamval met grafiek ondersteuning en weerstand. IBM gedoop onder die onderste kanaal lyn drie keer vanaf die einde van Mei tot die einde van Augustus. Hierdie dalings verskaf lae-risiko inskrywing punte. Die voorraad het nie daarin geslaag om die boonste kanaal te bereik, maar het te kry naby as dit omgekeer in die weerstand gebied. Die Disney grafiek toon 'n soortgelyke situasie. Gevolgtrekkings Keltner kanale is 'n tendens volgende aanwyser ontwerp om die onderliggende tendens te identifiseer. Tendens identifikasie is meer as die helfte van die stryd. Die tendens kan op, af of plat wees. Die gebruik van die hierbo beskryf metodes, kan handelaars en beleggers die tendens om 'n handels voorkeur vestig identifiseer. Bullish ambagte bevoordeel word in 'n uptrend en lomp ambagte bevoordeel word in 'n verslechtering neiging. 'N plat tendens vereis 'n meer ratse benadering omdat pryse dikwels piek op die boonste kanaal lyn en trog by die laer kanaal lyn. Soos met al die analise tegnieke, moet Keltner kanale gebruik word in samewerking met ander aanwysers en ontleding. Momentum aanwysers bied 'n goeie aanvulling tot die tendens volgende Keltner kanale. SharpCharts Keltner kanale kan gevind word in SharpCharts as 'n prys oortrek. Soos met 'n bewegende gemiddelde, moet Keltner kanale gewys word op die top van 'n prys plot. By die keuse van die aanwyser uit die drop down box, sal die verstek vertoon in die venster parameters (20,2.0,10). Die eerste getal (20) stel die tydperke vir die eksponensiële bewegende gemiddelde. Die tweede getal (2.0) is die ATR vermenigvuldiger. Die derde nommer (10) is die aantal periodes vir Gemiddeld Ware Range (ATR). Hierdie verstek parameters die kanale 2 ATR waardes bo / onder die 20-dag EMO. Gebruikers kan die parameters verander om hul kartering behoeftes aan te pas. Klik hier vir 'n lewendige voorbeeld. Skanderings oorverkoop ná Bullish Keltner Channel Breakout: Hierdie scan lyk vir aandele wat bo hul boonste Keltner Channel gebreek 20 dae gelede om te bevestig of te vestig 'n uptrend. Die huidige 10-tydperk CCI is onder -100 tot 'n korttermyn-oorverkoop toestand aandui. Oorgekoop na lomp Keltner Channel Breakout: Hierdie scan lyk vir aandele wat gebreek onder hul laer Keltner Channel 20 dae gelede om te bevestig of te vestig 'n verslechtering neiging. Die huidige 10-tydperk CCI is bo 100 'n kort termyn oorkoop toestand aandui. Verdere StudyIn oefen die bewegende gemiddelde sal 'n goeie raming van die gemiddelde van die tydreeks te verskaf indien die gemiddelde konstant of stadig verander. In die geval van 'n konstante gemiddelde, sal die grootste waarde van m die beste raming van die onderliggende gemiddelde gee. 'N langer tydperk waarneming sal gemiddeld uit die gevolge van variasie. Die doel van die verskaffing van 'n kleiner m is om voorsiening te maak die voorspelling om te reageer op 'n verandering in die onderliggende proses. Om te illustreer, stel ons 'n datastel wat veranderinge in die onderliggende gemiddelde van die tydreeks inkorporeer. Die figuur toon die tyd reeks gebruik ter illustrasie saam met die vraag gemiddelde waaruit die reeks was gegenereer. Die gemiddelde begin as 'n konstante by 10. Vanaf die tyd 21, verhoog dit met 'n eenheid in elke tydperk totdat dit die waarde van 20 ten tye 30. bereik Dan weer konstant raak dit. Die data word gesimuleer deur die byvoeging van die gemiddelde, 'n ewekansige geluid van 'n normale verspreiding met 'n nul gemiddelde en standaardafwyking 3. Die resultate van die simulasie is afgerond tot die naaste heelgetal. Die tabel toon die gesimuleerde Waarnemings wat gebruik word vir die voorbeeld. Wanneer ons die tafel gebruik, moet ons onthou dat op enige gegewe tyd, word slegs die afgelope data bekend. Die raming van die model parameter, vir drie verskillende waardes van m word saam met die gemiddelde van die tydreeks in die figuur hieronder. Die figuur toon die bewegende gemiddelde skatting van die gemiddelde by elke keer en nie die voorspelling. Die vooruitskattings sal die bewegende gemiddelde kurwes skuif na regs deur periodes. Een gevolgtrekking is onmiddellik duidelik uit die figuur. Vir al drie skattings loop die bewegende gemiddelde agter die lineêre tendens, met die lag verhoog met m. Die lag is die afstand tussen die model en die raming in die tydsdimensie. As gevolg van die lag, die bewegende gemiddelde onderskat die waarnemings as die gemiddelde is aan die toeneem. Die vooroordeel van die beramer is die verskil op 'n spesifieke tyd in die gemiddelde waarde van die model en die gemiddelde waarde voorspel deur die bewegende gemiddelde. Die vooroordeel wanneer die gemiddelde is aan die toeneem is negatief. Vir 'n dalende gemiddelde, die vooroordeel is positief. Die vertraging in die tyd en die vooroordeel wat in die raming is funksies van m. Hoe groter die waarde van m. hoe groter die omvang van die lag en vooroordeel. Vir 'n voortdurend toenemende reeks met tendens a. die waardes van die lag en vooroordeel van die beramer van die gemiddelde is in die onderstaande vergelykings. Die voorbeeld krommes stem nie ooreen hierdie vergelykings omdat die voorbeeld model is nie voortdurend aan die toeneem, eerder dit begin as 'n konstante, veranderinge aan 'n tendens en dan weer word konstant. Ook die voorbeeld krommes geraak word deur die lawaai. Die bewegende gemiddelde voorspelling van periodes in die toekoms word verteenwoordig deur die verskuiwing van die kromme na regs. Die lag en vooroordeel te verhoog proporsioneel. Die onderstaande vergelykings dui die lag en vooroordeel van 'n voorspelling tydperke in die toekoms in vergelyking met die model parameters. Weereens, hierdie formules is vir 'n tyd reeks met 'n konstante lineêre tendens. Ons moet nie verbaas wees oor die resultaat wees. Die bewegende gemiddelde beramer is gebaseer op die aanname van 'n konstante gemiddelde, en die voorbeeld het 'n liniêre tendens in die gemiddelde tydens 'n gedeelte van die studietydperk. Sedert real time reeks sal selde presies die aannames van enige model te gehoorsaam, moet ons bereid wees om vir sulke resultate. Ons kan ook aflei uit die figuur dat die variasie van die geraas het die grootste effek vir kleiner m. Die skatting is baie meer wisselvallig vir die bewegende gemiddelde van 5 as die bewegende gemiddelde van 20. Ons het die botsende begeertes te m verhoog die effek van variasie te verminder as gevolg van die geraas, en om m te verminder die voorspelling meer reageer op veranderinge aan te bring in die gemiddelde. Die fout is die verskil tussen die werklike data en die geskatte waarde. As die tyd reeks is werklik 'n konstante waarde van die verwagte waarde van die fout is nul en die variansie van die fout bestaan ​​uit 'n term wat 'n funksie is van en 'n tweede termyn wat die variansie van die geraas,. Die eerste kwartaal is die variansie van die gemiddelde geskatte met 'n monster van m waarnemings, die aanvaarding van die data kom uit 'n bevolking met 'n konstante gemiddelde. Hierdie term word tot die minimum beperk deur m so groot as moontlik. 'N Groot m maak die voorspelling nie reageer op 'n verandering in die onderliggende tydreekse. Die voorspelling reageer op veranderinge aan te bring, wil ons m so klein as moontlik (1), maar dit verhoog die foutvariansie. Praktiese vooruitskatting vereis 'n intermediêre waarde. Vooruitskatting met Excel Die vooruitskatting add-in implemente die bewegende gemiddelde formules. Die voorbeeld hieronder toon die analise wat deur die byvoeging in vir die voorbeeld van die data in kolom B. Die eerste 10 waarnemings word geïndekseer -9 deur 0. In vergelyking met die tabel hierbo, is die tydperk indekse verskuif deur -10. Die eerste tien Waarnemings verskaf die begin waardes vir die beraming en gebruik word om die bewegende gemiddelde vir tydperk 0. Die MA (10) kolom (C) toon die berekende bewegende gemiddeldes te bereken. Die bewegende gemiddelde parameter m is in sel C3. Vore (1) kolom (D) toon 'n voorspelling vir een periode na die toekoms. Die voorspelling interval is in sel D3. Wanneer die voorspelling interval verander word na 'n groter aantal van die getalle in die kolom vore geskuif af. Die kolom Fout (1) (e) toon die verskil tussen die waarneming en die voorspelling. Byvoorbeeld, die waarneming by die tyd 1 is 6. Die geskatte waarde uit die bewegende gemiddelde op tydstip 0 is 11.1. Die fout dan is -5,1. Die gemiddeldes en standaardafwykings Gemiddelde Afwyking (MAD) word bereken in selle E6 en E7 respectively. Triple Eksponensiële bewegende gemiddelde Drie Eksponensiële bewegende gemiddelde Tegniese aanwyser (Tema) is ontwikkel deur Patrick Mulloy en gepubliseer in die quotTechnical Ontleding van Voorrade amp Commoditiesquot tydskrif. Die beginsel van die berekening is soortgelyk aan Dema (Double Eksponensiële bewegende gemiddelde). Die naam quotTriple Eksponensiële Moving Averagequot nie baie korrek weerspieël sy algoritme. Dit is 'n unieke kombinasie van die enkel, dubbel en trippel eksponensiële bewegende gemiddelde verskaffing van die kleiner lag as elkeen van hulle afsonderlik. TEMA kan gebruik word in plaas van die tradisionele bewegende gemiddeldes. Dit kan gebruik word vir glad prys data, sowel as vir glad ander aanwysers. Jy kan die handel seine van hierdie aanwyser te toets deur die skep van 'n kundige adviseur in MQL5 Wizard. Berekening Eerste Dema bereken word, dan is die fout van die prys afwyking van Dema bereken: dwaal (i) Prys (i) Dema (Price, N, II) dwaal (i) huidige Dema fout Prys (i) huidige prys Dema (Price, N, i) huidige Dema waarde van prys reeks met N tydperk. Dan voeg waarde van die eksponensiële gemiddeld van die fout en kry TEMA: TEMA (i) Dema (Price, N, i) EMO (dwaal N, i) Dema (Price, N, i) EMO (Prys - EMO (Price, N, i), N, i) Dema (Price, N, i) EMO (prys - Dema (Price, N, i), N, i) 3 EMO (Price, N, i) - 3 EMA2 (Price, N , i) EMA3 (Price, N, i) EMO (dwaal N, i) huidige waarde van die eksponensiële gemiddeld van die dwaal fout EMA2 (Price, N, i) huidige waarde van die dubbele sekwensiële prys glad EMA3 (Price, N , i) huidige waarde van die driedubbele opeenvolgende prys glad.