Bewegungs Durchschnitt Annahmen

Technische Analyse: Moving Averages Die meisten Chartmuster zeigen eine große Variation der Preisbewegung. Dies kann es schwierig für Händler, eine Vorstellung von einem Sicherheits-Gesamt-Trend zu bekommen. Eine einfache Methode Händler verwenden, um dies zu bekämpfen ist, um gleitende Durchschnitte anzuwenden. Ein gleitender Durchschnitt ist der durchschnittliche Preis einer Sicherheit über einen festgelegten Zeitaufwand. Durch das Plotten eines Sicherheits-Durchschnittspreises wird die Preisbewegung geglättet. Sobald die alltäglichen Schwankungen beseitigt sind, sind die Händler besser in der Lage, den wahren Trend zu identifizieren und die Wahrscheinlichkeit zu erhöhen, dass sie zu ihren Gunsten arbeiten wird. (Um mehr zu erfahren, lesen Sie die Moving Averages Tutorial.) Arten von Moving Averages Es gibt eine Reihe von verschiedenen Arten von gleitenden Durchschnitten, die in der Art variieren, wie sie berechnet werden, aber wie jeder Durchschnitt interpretiert wird, bleibt gleich. Die Berechnungen unterscheiden sich nur in Bezug auf die Gewichtung, die sie auf die Preisdaten setzen, wobei sie von der gleichen Gewichtung jedes Preispunktes zu mehr Gewicht auf die jüngsten Daten gelegt werden. Die drei häufigsten Arten von gleitenden Durchschnitten sind einfach. Linear und exponentiell. Simple Moving Average (SMA) Dies ist die häufigste Methode, um den gleitenden Durchschnitt der Preise zu berechnen. Es dauert einfach die Summe aller vergangenen Schlusskurse über den Zeitraum und teilt das Ergebnis durch die Anzahl der bei der Berechnung verwendeten Preise. Zum Beispiel werden in einem 10-tägigen gleitenden Durchschnitt die letzten 10 Schlusskurse addiert und dann durch 10 geteilt. Wie Sie in Abbildung 1 sehen können, ist ein Händler in der Lage, den Durchschnitt weniger auf die sich ändernden Preise durch die Erhöhung der Zahl zu reagieren Der bei der Berechnung verwendeten Perioden. Die Erhöhung der Anzahl der Zeiträume in der Berechnung ist eine der besten Möglichkeiten, um die Stärke des langfristigen Trends und die Wahrscheinlichkeit, dass es umgekehrt zu messen. Viele Einzelpersonen argumentieren, dass die Nützlichkeit dieser Art von Durchschnitt begrenzt ist, weil jeder Punkt in der Datenreihe den gleichen Einfluss auf das Ergebnis hat, unabhängig davon, wo es in der Sequenz auftritt. Die Kritiker argumentieren, dass die aktuellsten Daten wichtiger sind und daher auch eine höhere Gewichtung haben sollte. Diese Art von Kritik war einer der Hauptfaktoren, die zur Erfindung anderer Formen von sich bewegenden Mitteln führten. Linear gewichteter Durchschnitt Dieser gleitende Durchschnittsindikator ist der am wenigsten verbreitete der drei und wird verwendet, um das Problem der gleichen Gewichtung zu adressieren. Der linear gewichtete gleitende Durchschnitt wird berechnet, indem man die Summe aller Schlusskurse über einen bestimmten Zeitraum annimmt und sie durch die Position des Datenpunktes multipliziert und dann durch die Summe der Anzahl der Perioden dividiert. Zum Beispiel wird in einem fünftägigen linear gewichteten Durchschnitt der heutige Schlusskurs mit fünf, gestern um vier und so weiter multipliziert, bis der erste Tag im Periodenbereich erreicht ist. Diese Zahlen werden dann addiert und durch die Summe der Multiplikatoren dividiert. Exponential Moving Average (EMA) Diese gleitende Durchschnittsberechnung verwendet einen Glättungsfaktor, um ein höheres Gewicht auf die jüngsten Datenpunkte zu legen und gilt als wesentlich effizienter als der linear gewichtete Durchschnitt. Ein Verständnis der Berechnung ist nicht generell für die meisten Händler erforderlich, da die meisten Charting-Pakete die Berechnung für Sie tun. Das Wichtigste an den exponentiellen gleitenden Durchschnitt zu erinnern ist, dass es besser auf neue Informationen in Bezug auf den einfachen gleitenden Durchschnitt reagiert. Diese Reaktionsfähigkeit ist einer der Schlüsselfaktoren, warum dies der gleitende Durchschnitt der Wahl unter vielen technischen Händlern ist. Wie Sie in Abbildung 2 sehen können, steigt eine 15-Punkte-EMA und fällt schneller als ein 15-Perioden-SMA. Dieser leichte Unterschied scheint nicht so viel, aber es ist ein wichtiger Faktor zu bewusst sein, da es die Rückkehr beeinflussen kann. Wichtige Verwendungswege von gleitenden Durchschnitten Durchgehende Durchschnitte werden verwendet, um aktuelle Trends und Trendumkehrungen zu identifizieren sowie Unterstützung und Widerstandswerte einzurichten. Durchgehende Mittelwerte können verwendet werden, um schnell zu erkennen, ob sich eine Sicherheit in einem Aufwärtstrend oder einem Abwärtstrend bewegt, abhängig von der Richtung des gleitenden Durchschnitts. Wie Sie in Abbildung 3 sehen können, wenn ein gleitender Durchschnitt aufwärts geht und der Preis darüber liegt, ist die Sicherheit in einem Aufwärtstrend. Umgekehrt kann ein abwärts geneigter gleitender Durchschnitt mit dem unten stehenden Preis verwendet werden, um einen Abwärtstrend zu signalisieren. Eine andere Methode zur Bestimmung des Impulses besteht darin, die Reihenfolge eines Paares von gleitenden Durchschnitten zu betrachten. Wenn ein kurzfristiger Durchschnitt über einem längerfristigen Durchschnitt liegt, steigt der Trend Auf der anderen Seite signalisiert ein langfristiger Durchschnitt über einem kürzeren Durchschnitt eine Abwärtsbewegung im Trend. Die Verschiebung der durchschnittlichen Trendumkehrungen erfolgt auf zwei Arten: Wenn sich der Preis durch einen gleitenden Durchschnitt bewegt und wenn er sich durch bewegte durchschnittliche Übergänge bewegt. Das erste gemeinsame Signal ist, wenn der Preis durch einen wichtigen gleitenden Durchschnitt geht. Zum Beispiel, wenn der Preis einer Sicherheit, die in einem Aufwärtstrend war, unter einen 50-Perioden-gleitenden Durchschnitt fällt, wie in Abbildung 4, ist es ein Zeichen, dass der Aufwärtstrend umgekehrt werden kann. Das andere Signal einer Trendumkehr ist, wenn ein gleitender Durchschnitt einen anderen durchquert. Zum Beispiel, wie Sie in Abbildung 5 sehen können, wenn der 15-tägige gleitende Durchschnitt über dem 50-Tage-gleitenden Durchschnitt übergeht, ist es ein positives Zeichen dafür, dass der Preis beginnen wird zuzunehmen. Sind die bei der Berechnung verwendeten Perioden relativ kurz, z. B. 15 und 35, so könnte dies eine kurzfristige Trendumkehr signalisieren. Auf der anderen Seite, wenn zwei Durchschnitte mit relativ langen Zeitrahmen überqueren (zB 50 und 200), wird dies verwendet, um eine langfristige Trendverlagerung vorzuschlagen. Ein weiterer wichtiger Weg, um die Durchschnitte zu nutzen, ist die Identifizierung von Unterstützungs - und Widerstandsniveaus. Es ist nicht ungewöhnlich, einen Vorrat zu sehen, der fiel, stoppen seinen Niedergang und umgekehrte Richtung, sobald er die Unterstützung eines großen gleitenden Durchschnittes trifft. Ein Umzug durch einen großen gleitenden Durchschnitt wird oft als Signal von technischen Händlern verwendet, dass der Trend umgekehrt wird. Zum Beispiel, wenn der Preis durch den 200-Tage-gleitenden Durchschnitt in einer Abwärtsrichtung bricht, ist es ein Signal, dass der Aufwärtstrend umgekehrt ist. Durchgehende Durchschnitte sind ein leistungsfähiges Werkzeug, um den Trend in einer Sicherheit zu analysieren. Sie bieten nützliche Unterstützung und Widerstandspunkte und sind sehr einfach zu bedienen. Die häufigsten Zeitrahmen, die bei der Erstellung von gleitenden Durchschnitten verwendet werden, sind die 200-Tage-, 100-Tage-, 50-Tage-, 20-Tage - und 10-Tage-Tage. Der 200-Tage-Durchschnitt wird als ein gutes Maß für ein Handelsjahr, ein 100-Tage-Durchschnitt von einem halben Jahr, ein 50-Tage-Durchschnitt von einem Vierteljahr, ein 20-Tage-Durchschnitt von einem Monat und 10 - Tag durchschnittlich zwei Wochen. Durchgehende Mittelwerte helfen technischen Händlern, etwas von dem Lärm zu glätten, das in den täglichen Preisbewegungen gefunden wird, was den Händlern einen klareren Blick auf die Preisentwicklung gibt. Bisher haben wir uns auf die Preisbewegung konzentriert, durch Diagramme und Durchschnitte. Im nächsten Abschnitt, schauen Sie sich einige andere Techniken verwendet, um Preisbewegung und Muster zu bestätigen. Technische Analyse: Indikatoren und OszillatorenIn der Praxis wird der gleitende Durchschnitt eine gute Schätzung des Mittelwerts der Zeitreihen liefern, wenn der Mittelwert konstant oder langsam verändert wird. Im Falle eines konstanten Mittels wird der größte Wert von m die besten Schätzungen des zugrunde liegenden Mittels geben. Eine längere Beobachtungsperiode wird die Effekte der Variabilität ausgleichen. Der Zweck der Bereitstellung eines kleineren m ist es, die Prognose auf eine Änderung des zugrunde liegenden Prozesses zu reagieren. Zur Veranschaulichung schlagen wir einen Datensatz vor, der Änderungen des zugrunde liegenden Mittels der Zeitreihen beinhaltet. Die Figur zeigt die Zeitreihen, die für die Illustration verwendet wurden, zusammen mit der mittleren Nachfrage, aus der die Serie erzeugt wurde. Der Mittelwert beginnt als Konstante bei 10. Beginnend um die Zeit 21 erhöht er sich in jeder Periode um eine Einheit, bis er zum Zeitpunkt 30 den Wert von 20 erreicht. Dann wird er wieder konstant. Die Daten werden durch Addition des Mittelwertes, eines zufälligen Rauschens aus einer Normalverteilung mit Nullmittelwert und Standardabweichung simuliert. 3. Die Ergebnisse der Simulation werden auf die nächste ganze Zahl gerundet. Die Tabelle zeigt die simulierten Beobachtungen für das Beispiel. Wenn wir den Tisch benutzen, müssen wir uns daran erinnern, dass zu irgendeiner Zeit nur die bisherigen Daten bekannt sind. Die Schätzungen des Modellparameters, für drei verschiedene Werte von m werden zusammen mit dem Mittelwert der Zeitreihen in der folgenden Abbildung dargestellt. Die Figur zeigt die gleitende durchschnittliche Schätzung des Mittelwertes zu jeder Zeit und nicht die Prognose. Die Prognosen würden die gleitenden Durchschnittskurven nach Perioden nach rechts verschieben. Aus der Figur ergibt sich sofort eine Schlussfolgerung. Für alle drei Schätzungen liegt der gleitende Durchschnitt hinter dem linearen Trend zurück, wobei die Verzögerung mit m zunimmt. Die Verzögerung ist der Abstand zwischen dem Modell und der Schätzung in der Zeitdimension. Wegen der Verzögerung unterschätzt der gleitende Durchschnitt die Beobachtungen, wenn der Mittelwert zunimmt. Die Vorspannung des Schätzers ist die Differenz zu einer bestimmten Zeit im Mittelwert des Modells und der durch den gleitenden Durchschnitt vorhergesagte Mittelwert. Die Vorspannung, wenn der Mittelwert zunimmt, ist negativ. Für ein abnehmendes Mittel ist die Vorspannung positiv. Die Verzögerung in der Zeit und die Vorspannung, die in der Schätzung eingeführt werden, sind Funktionen von m. Je größer der Wert von m. Je größer die Größe der Verzögerung und der Vorspannung ist. Für eine stetig wachsende Serie mit Trend a. Die Werte der Verzögerung und der Vorspannung des Schätzers des Mittels sind in den nachstehenden Gleichungen angegeben. Die Beispielkurven stimmen nicht mit diesen Gleichungen überein, weil das Beispielmodell nicht kontinuierlich zunimmt, sondern es beginnt als Konstante, ändert sich zu einem Trend und wird dann wieder konstant. Auch die Beispielkurven sind vom Lärm betroffen. Die gleitende durchschnittliche Prognose der Perioden in die Zukunft wird durch die Verschiebung der Kurven nach rechts dargestellt. Die Verzögerung und die Bias steigen proportional an. Die nachfolgenden Gleichungen zeigen die Verzögerung und die Vorspannung einer Prognoseperiode in die Zukunft im Vergleich zu den Modellparametern. Wiederum sind diese Formeln für eine Zeitreihe mit einem konstanten linearen Trend. Wir sollten uns über dieses Ergebnis nicht wundern. Der gleitende durchschnittliche Schätzer beruht auf der Annahme eines konstanten Mittels, und das Beispiel hat einen linearen Trend im Mittel während eines Teils des Untersuchungszeitraums. Da Echtzeit-Serien den Annahmen eines Modells nur selten gehorchen, sollten wir auf solche Ergebnisse vorbereitet sein. Wir können auch aus der Figur schließen, dass die Variabilität des Rauschens die größte Wirkung für kleinere m hat. Die Schätzung ist viel volatiler für den gleitenden Durchschnitt von 5 als der gleitende Durchschnitt von 20. Wir haben die widersprüchlichen Wünsche, m zu erhöhen, um den Effekt der Variabilität aufgrund des Rauschens zu reduzieren und m zu reduzieren, um die Prognose besser auf Veränderungen zu reagieren Im gemein Der Fehler ist die Differenz zwischen den tatsächlichen Daten und dem prognostizierten Wert. Ist die Zeitreihe wirklich ein konstanter Wert, so ist der erwartete Wert des Fehlers Null und die Varianz des Fehlers besteht aus einem Begriff, der eine Funktion und ein zweiter Term ist, der die Varianz des Rauschens ist. Der erste Term ist die Varianz des Mittelwertes, der mit einer Stichprobe von m Beobachtungen geschätzt wird, vorausgesetzt, die Daten stammen aus einer Population mit einem konstanten Mittelwert. Dieser Begriff wird minimiert, indem man m so groß wie möglich macht. Eine große m macht die Prognose nicht mehr auf eine Veränderung der zugrunde liegenden Zeitreihen. Um die Prognose auf Veränderungen zu reagieren, wollen wir m so klein wie möglich (1), aber das erhöht die Fehlerabweichung. Die praktische Vorhersage erfordert einen Zwischenwert. Vorhersage mit Excel Das Prognose-Add-In implementiert die gleitenden durchschnittlichen Formeln. Das folgende Beispiel zeigt die Analyse, die durch das Add-In für die Beispieldaten in Spalte B bereitgestellt wird. Die ersten 10 Beobachtungen sind indiziert -9 bis 0. Im Vergleich zur obigen Tabelle werden die Periodenindizes um -10 verschoben. Die ersten zehn Beobachtungen liefern die Startwerte für die Schätzung und werden verwendet, um den gleitenden Durchschnitt für die Periode 0 zu berechnen. Die MA (10) - Spalte (C) zeigt die berechneten Bewegungsdurchschnitte. Der gleitende Mittelwert m ist in Zelle C3. Die Fore (1) Spalte (D) zeigt eine Prognose für einen Zeitraum in die Zukunft. Das Prognoseintervall befindet sich in Zelle D3. Wenn das Prognoseintervall auf eine größere Zahl geändert wird, werden die Zahlen in der Spalte Fore nach unten verschoben. Die Err (1) Spalte (E) zeigt den Unterschied zwischen Beobachtung und Prognose. Zum Beispiel ist die Beobachtung zum Zeitpunkt 1 gleich 6. Der prognostizierte Wert aus dem gleitenden Durchschnitt zum Zeitpunkt 0 beträgt 11,1. Der Fehler ist dann -5.1. Die Standardabweichung und die mittlere mittlere Abweichung (MAD) werden in den Zellen E6 bzw. E7 berechnet. Durchschnittliche Mittelwert von Zeitreihendaten (gleich zeitlich beabstandeten Beobachtungen) aus mehreren aufeinanderfolgenden Perioden. Angerufen, sich zu bewegen, weil es kontinuierlich neu berechnet wird, wenn neue Daten verfügbar werden, wird es fortgesetzt, indem man den frühesten Wert fällt und den letzten Wert addiert. Zum Beispiel kann der gleitende Durchschnitt von sechsmonatigen Verkäufen berechnet werden, indem man den Durchschnitt des Umsatzes von Januar bis Juni, dann den Durchschnitt der Verkäufe von Februar bis Juli, dann von März bis August und so weiter. Durchgehende Mittelwerte (1) reduzieren den Effekt von temporären Variationen in den Daten, (2) verbessern die Anpassung von Daten an eine Zeile (ein Prozess namens Glättung), um den Daten-Trend deutlicher zu zeigen und (3) einen Wert über oder unter dem Wert zu markieren Trend. Wenn du etwas mit sehr hoher Abweichung kalkst, kannst du das gleitende Durchschnitt herausfinden. Ich wollte wissen, was der gleitende Durchschnitt von den Daten war, also hätte ich ein besseres Verständnis dafür, wie wir es gemacht haben. Wenn Sie versuchen, herauszufinden, einige Zahlen, die sich ändern oft das Beste, was Sie tun können, ist die gleitenden Durchschnitt zu berechnen.