8.5 Endpunkt Gleitender Durchschnitt Der Endpunkt Gleitender Durchschnitt (EPMA) legt einen Durchschnittspreis fest, indem er eine Gerade der kleinsten Quadrate (siehe Lineare Regression) über die letzten N Tage schließt und den Endpunkt der Linie (dh die Linie wie letztes) nimmt Tag) als Durchschnitt. Diese Berechnung wird durch eine Reihe von anderen Namen, einschließlich der kleinsten Quadrate gleitenden Durchschnitt (LSQMA), bewegte lineare Regression und Zeitreihenvorhersage (TSF). Joe Sharprsquos ldquomodified bewegt averagerdquo ist die gleiche Sache zu. Die Formel endet als ein einfacher gewichteter Durchschnitt der vergangenen N Preise, mit Gewichten gehen von 2N-1 bis - N2. Dies ist leicht aus den Formeln der kleinsten Quadrate abgeleitet, aber nur auf der Gewichtung der Verbindung zu den kleinsten Quadraten ist überhaupt nicht offensichtlich. Wenn p1 ist heute rsquos schließen, p2 yesterdays, etc, dann Die Gewichte sinken um 3 für jeden älteren Tag, und gehen für das älteste Drittel der N Tage negativ. Die folgende Grafik zeigt, dass für N15. Die Negative bedeuten, dass der Durchschnitt ldquooverweightrdquo auf die jüngsten Preise und kann Überschreitung Preisaktion nach einem plötzlichen Sprung. Im Allgemeinen jedoch, weil die gepaßte Linie bewusst durch die Mitte der neuen Preise geht, die EPMA neigt, in der Mitte der neuen Preise zu sein, oder eine Projektion von, wo sie schien, zu trimmen. Itrsquos interessant, die EPMA mit einem einfachen SMA zu vergleichen (siehe Simple Moving Average). Ein SMA zieht eine horizontale Linie durch die Vergangenheit N Tage Preise (ihre Mittel), während die EPMA eine schräge Linie zeichnet. Die Trägheitsanzeige (siehe Trägheitsmoment) nutzt die EPMA. Kevin Ryde Chart ist freie Software, die Sie es neu verteilen können, und es unter den Bedingungen der GNU General Public License zu ändern, wie sie von der Free Software Foundation Version 3 veröffentlicht wird, oder (Nach Ihrer Wahl) jede spätere version. Add einen Trend oder eine gleitende durchschnittliche Zeile zu einem Diagramm Betrifft: Excel 2016 Word 2016 PowerPoint 2016 Excel 2013 Word 2013 Outlook 2013 PowerPoint 2013 Mehr. Weniger Zeigt Datentrends oder gleitende Durchschnitte in einem von Ihnen erstellten Diagramm an. Können Sie eine Trendlinie hinzufügen. Sie können auch eine Trendlinie über Ihre tatsächlichen Daten hinaus erweitern, um zukünftige Werte vorherzusagen. So prognostiziert die folgende lineare Trendlinie zwei Quartale voraus und zeigt deutlich einen Aufwärtstrend, der für den zukünftigen Umsatz vielversprechend aussieht. Sie können eine Trendlinie zu einem 2-D Diagramm hinzufügen, das nicht gestapelt wird, einschließlich Bereich, Stab, Spalte, Linie, Vorrat, Streuung und Luftblase. Sie können keine Trendlinie zu einem gestapelten, 3-D-, Radar-, Kuchen-, Oberflächen - oder Donut-Diagramm hinzufügen. Hinzufügen einer Trendlinie Klicken Sie in Ihrem Diagramm auf die Datenreihe, zu der Sie eine Trendlinie oder einen gleitenden Durchschnitt hinzufügen möchten. Die Trendlinie beginnt am ersten Datenpunkt der gewählten Datenreihe. Aktivieren Sie das Kontrollkästchen Trendline. Um einen anderen Trendlinienbereich zu wählen, klicken Sie auf den Pfeil neben Trendline. Und klicken Sie dann auf Exponential. Lineare Vorhersage. Oder Zwei Periodenbewegungsdurchschnitt. Klicken Sie für weitere Trendlinien auf Weitere Optionen. Wenn Sie Mehr Optionen wählen. Klicken Sie unter Trendlinienoptionen im Fenster "Trendlinie formatieren" auf die gewünschte Option. Wenn Sie Polynom wählen. Geben Sie die höchste Leistung für die unabhängige Variable im Feld Auftrag ein. Wenn Sie Moving Average wählen. Geben Sie die Anzahl der Perioden ein, die verwendet werden, um den gleitenden Durchschnitt im Feld Zeitraum zu berechnen. Tipp: Eine Trendlinie ist am genauesten, wenn ihr R-Quadratwert (eine Zahl von 0 bis 1, die angibt, wie genau die Schätzwerte für die Trendlinie mit Ihren tatsächlichen Daten übereinstimmen) bei oder nahe bei 1. Wenn Sie eine Trendlinie zu Ihren Daten hinzufügen , Berechnet Excel automatisch seinen R-Quadrat-Wert. Sie können diesen Wert in Ihrem Diagramm anzeigen, indem Sie den Wert "R-Quadrat anzeigen" im Diagrammfenster (Bereich "Trendlinie", "Trendlinienoptionen") anzeigen. In den folgenden Abschnitten erfahren Sie mehr über alle Trendlinienoptionen. Lineare Trendlinie Verwenden Sie diese Art von Trendlinie, um eine optimale Gerade für einfache lineare Datensätze zu erstellen. Ihre Daten sind linear, wenn das Muster in seinen Datenpunkten wie eine Linie aussieht. Eine lineare Trendlinie zeigt in der Regel, dass etwas mit steiler Geschwindigkeit steigt oder sinkt. Eine lineare Trendlinie verwendet diese Gleichung zur Berechnung der kleinsten Quadrate, die für eine Linie passen: wobei m die Steigung und b der Intercept ist. Die folgende lineare Trendlinie zeigt, dass die Verkäufe der Kühlschränke über einen Zeitraum von 8 Jahren kontinuierlich zugenommen haben. Beachten Sie, dass der R-squared-Wert (eine Zahl von 0 bis 1, die angibt, wie genau die Schätzwerte für die Trendlinie Ihren tatsächlichen Daten entsprechen) 0,9792 ist, was eine gute Übereinstimmung der Zeile zu den Daten ist. Diese Trendlinie ist nützlich, wenn die Rate der Änderung in den Daten schnell ansteigt oder abnimmt und dann abnimmt. Eine logarithmische Trendlinie kann negative und positive Werte verwenden. Eine logarithmische Trendlinie verwendet diese Gleichung zur Berechnung der kleinsten quadratischen Anpassung durch Punkte: wobei c und b Konstanten sind und ln die natürliche Logarithmusfunktion ist. Die folgende logarithmische Trendlinie zeigt das vorhergesagte Bevölkerungswachstum von Tieren in einem festen Raum, in dem die Population ausgeglichen wurde, als der Platz für die Tiere abnahm. Beachten Sie, dass der R-Quadrat-Wert 0,933 ist, was eine relativ gute Passung der Zeile zu den Daten ist. Diese Trendlinie ist nützlich, wenn Ihre Daten schwanken. Zum Beispiel, wenn Sie Gewinne und Verluste über einen großen Datensatz analysieren. Die Reihenfolge des Polynoms kann durch die Anzahl der Fluktuationen in den Daten oder durch die Anzahl der Biegungen (Hügel und Täler) in der Kurve bestimmt werden. Typischerweise hat eine Order-2-Polynom-Trendlinie nur einen Hügel oder ein Tal, eine Order 3 hat ein oder zwei Hügel oder Täler und eine Order 4 hat bis zu drei Hügeln oder Tälern. Eine polynomische oder krummlinige Trendlinie nutzt diese Gleichung, um die kleinsten Quadrate durch Punkte zu berechnen: wobei b und Konstanten sind. Die folgende Polynom-Trendlinie (ein Hügel) der Ordnung 2 zeigt die Beziehung zwischen Fahrgeschwindigkeit und Kraftstoffverbrauch. Beachten Sie, dass der R-Quadrat-Wert 0,979 ist, was nahe bei 1 liegt, so dass die Linien eine gute Anpassung an die Daten aufweisen. Diese Trendlinie, die eine gekrümmte Linie darstellt, ist für Datensätze nützlich, die Messungen vergleichen, die mit einer bestimmten Rate zunehmen. Zum Beispiel die Beschleunigung eines Rennwagens im 1-Sekunden-Intervall. Sie können keine Power-Trendline erstellen, wenn Ihre Daten Null - oder negative Werte enthalten. Eine Leistungs-Trendlinie verwendet diese Gleichung, um die kleinsten Quadrate durch Punkte zu berechnen: wobei c und b Konstanten sind. Hinweis: Diese Option ist nicht verfügbar, wenn Ihre Daten negative oder Nullwerte enthalten. Die folgende Distanzmesskarte zeigt den Abstand in Metern pro Sekunde an. Die Leistung Trendlinie zeigt deutlich die zunehmende Beschleunigung. Beachten Sie, dass der R-Quadrat-Wert 0,986 ist, was eine nahezu perfekte Passung der Zeile zu den Daten ist. Diese Kurve zeigt eine gekrümmte Linie, wenn Datenwerte mit stetig steigenden Werten steigen oder fallen. Sie können keine exponentielle Trendlinie erstellen, wenn Ihre Daten Null - oder negative Werte enthalten. Eine exponentielle Trendlinie nutzt diese Gleichung, um die kleinsten Quadrate durch Punkte zu berechnen: wobei c und b Konstanten sind und e die Basis des natürlichen Logarithmus ist. Die folgende exponentielle Trendlinie zeigt die abnehmende Menge an Kohlenstoff 14 in einem Objekt, während es altert. Beachten Sie, dass der R-Quadrat-Wert 0.990 ist, was bedeutet, dass die Linie die Daten nahezu perfekt passt. Moving Average trendline Diese Trendlinie gleicht Schwankungen in den Daten aus, um ein Muster oder einen Trend deutlicher darzustellen. Ein gleitender Durchschnitt verwendet eine bestimmte Anzahl von Datenpunkten (die durch die Option "Periode" festgelegt wurden), sie mittelt sie und verwendet den Durchschnittswert als Punkt in der Zeile. Wenn beispielsweise Period auf 2 gesetzt ist, wird der Durchschnitt der ersten beiden Datenpunkte als erster Punkt in der gleitenden durchschnittlichen Trendlinie verwendet. Der Mittelwert der zweiten und dritten Datenpunkte wird als zweiter Punkt in der Trendlinie usw. verwendet. Eine gleitende durchschnittliche Trendlinie verwendet diese Gleichung: Die Anzahl der Punkte in einer gleitenden durchschnittlichen Trendlinie entspricht der Gesamtzahl der Punkte in der Reihe minus Die Sie für den Zeitraum angeben. In einem Streudiagramm basiert die Trendlinie auf der Reihenfolge der x-Werte im Diagramm. Für ein besseres Ergebnis sortieren Sie die x-Werte, bevor Sie einen gleitenden Durchschnitt hinzufügen. Die folgende gleitende durchschnittliche Trendlinie zeigt ein Muster in der Zahl der Häuser, die über einen Zeitraum von 26 Wochen verkauft werden. Moving Averages Stuff Motiviert per E-Mail von Robert B. Ich erhalte diese E-Mail, die nach dem Hull Moving Average (HMA) fragt. Und du hast noch nie davon gehört. Uh. Stimmt. In der Tat, wenn ich gegoogelt entdeckte ich viele Bewegungsdurchschnitte, die Id noch nie gehört, wie: Zero Lag Exponential Moving Average Wilder Gleitender Durchschnitt Least Square Gleitender Durchschnitt Dreieckig Gleitender Durchschnitt Adaptiver Gleitender Durchschnitt Jurik Gleitender Durchschnitt. Also dachte ich wed reden über bewegte Durchschnitte und. Havent Sie getan, dass vor, wie hier und hier und hier und hier und. Ja, ja, aber das war, bevor ich von all diesen anderen bewegenden Durchschnitten wusste. Tatsächlich waren die einzigen, mit denen ich spielte, diese, wobei P 1. P 2. P n die letzten n Aktienkurse sind (wobei P n der jüngste ist). Ein einfacher gleitender Mittelwert (SMA) (P 1 P 2, P n) K mit K n. Gewichteter gleitender Mittelwert (WMA) (P 1 2 P 2 3 P 3 n P n) K, wobei K (12 n) n (n 1) 2 ist. Exponential Moving Average (EMA) (P n 945 P n-1 945 2 P n-2 945 3 P n-3) K wobei K 1 945945 2 ist. 1 (1-945). Whoa Ive nie gesehen, dass EMA Formel vor. Ich habe immer thoguht es war. Yeah, seine normalerweise anders geschrieben, aber ich wollte zeigen, dass diese drei ähnliche Rezepte haben. (Siehe das EMA-Material hier und hier.) Tatsächlich sehen sie alle folgendermaßen aus: Wenn alle Ps gleich sind, z. B. Po, dann ist der gleitende Durchschnitt gleich Po. Und das ist der Weg, den jeder sich selbst respektierende Durchschnitt verhalten sollte. Also, was ist am besten definieren am besten. Hier sind ein paar bewegte Durchschnitte, die versuchen, eine Reihe von Aktienkursen, die in einer sinusoidalen Mode variieren verfolgen: Aktienkurse, die eine Sinuskurve folgen Wo haben Sie eine Aktie wie finden Sie beachten, dass die häufig verwendete gleitende Mittelwerte (SMA, WMA Und EMA) ihr Maximum später als die Sinuskurve erreichen. Thats lag und. Aber was ist mit dem HMA-Kerl. Er sieht ziemlich gut aus, und das ist es, worüber wir sprechen wollen. Tatsächlich. Und was ist das 6 in HMA (6) und ich sehe etwas namens MMA (36) und. Geduld. Hull Moving Average Wir beginnen mit der Berechnung des 16-Tage-Weighted Moving Average (WMA) wie folgt: 1 WMA (16) (P 1 2 P 2 3 P 3 16 P n) K mit K 12 16 136. Obwohl es schön ist Und smoooth, itll haben einen lag größer als wed wie: Also schauen wir uns die 8-Tage-WMA an: Ich mag es ja, folgt es den Preisvariationen ganz schön. Aber theres mehr. Während WMA (8) auf neuere Preise schaut, hat es immer noch eine Verzögerung, so dass wir sehen, wie viel die WMA hat sich geändert, wenn von 8-Tage bis 16-Tage. Dieser Unterschied würde so aussehen: In gewissem Sinne gibt dieser Unterschied einige Hinweise darauf, wie sich WMA verändert. (8) - WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16) addieren wir diese Änderung zu unserer früheren WMA (8). MMA Warum nennen es MMA Ich stottern. Wie auch immer, MMA (16) würde so aussehen: Ill nehmen Sie Geduld. es gibt mehr. Jetzt stellen wir die magische Transformation vor und bekommen. Ta-DUM Das ist Rumpf Ja. Wie ich es verstehe Aber was ist das magische Ritual Nachdem wir eine Serie von MMAs mit den 8-Tage - und 16-Tage-gewichteten gleitenden Durchschnitten erzeugt haben, starren wir aufmerksam auf diese Sequenz von Zahlen. Dann berechnen wir die WMA in den letzten 4 Tagen. Das ergibt den Hull Moving Average, den wir HMA nennen (4). Huh 16 Tage dann 8 Tage dann 4 Tage. Werfen Sie eine Münze zu sehen, wie viele. Sie wählen eine Anzahl von Tagen aus, wie n 16. Dann schauen Sie sich WMA (n) und WMA (n2) an und berechnen MMA 2 WMA (n2) - WMA (n). (In unserem Beispiel, das ist 2 WMA (8) - WMA (16).) Dann berechnen Sie WMA (sqrt (n)) mit nur die letzten sqrt (n) Zahlen aus der MMA-Serie (In unserem Beispiel thatd zu berechnen Ein WMA (4), unter Verwendung der MMA-Reihe.) Und für das lustige SINE Diagramm Howd es tun So wheres das Spreadsheet Im, das noch an ihm arbeitet: MA-stuff. xls Sein interessant, zu sehen, wie die verschiedenen bewegenden Durchschnitte auf Spitzen reagieren: Ist HMA wirklich ein gewichteter gleitender Durchschnitt Nun können wir sehen: Wir haben: MMA 2 WMA (8) - WMA (16) 2 (P 1 2 P 2 3 P 3 8 P n) 36 - (P 1 2 P 2 3 P 3 16 P n) 136 oder MMA 2 (136) - (1136) P 1 2 P 2 8 P 8 - (1136) 9 P 9 10 P 10. 16 P 16 Aus gesundheitlichen Gründen schreibe dies bitte so: (1136) K für K 1, 2, 8 und wk - (1136) K, wobei wk 2 (136) - (1136) K für K 1, 2, 8 und wk - (1136) K ist Für K 9, 10. 16. Dann haben wir das magische Quadratwurzelritual (wobei sqrt (16) 4) (wir erinnern uns, dass P 16 der jüngste Wert ist) HMA die 4-tägige WMA der oben genannten MMAs (W & sub1; P & sub1; w & sub2; P & sub2 ;. (W & sub1; P & sub1; & sub1; P & sub1; & sub2; P & sub1; & sub6; W 16 P 13) 10 (unter Hinweis darauf, dass 1234 10). Huh P 0. P -1. Was. Die MMA (16) verwendet die letzten 16 Tage, zurück zum Preis rufen P 1 an. Wenn wir den 4-Tage-gewogenen Mittelwert von ihnen Thar-MMA berechnen, gut mit gestern s MMA (und das geht zurück 1 Tag vor P 1) und am Tag davor, die MMA geht zurück zu 2 Tage vor P 1 und den Tag Vor, dass. Okay, so dass Sie rufen sie Preise P 0. P -1 etc. etc. Du hast es. So ein 16-Tage-HMA verwendet tatsächlich Informationen, die zurück geht mehr als 16 Tage, rechts Du hast es. Aber es gibt negative Gewichte für sie alte Preise Ist das legal Der Beweis ist in der. Ja ja. Der Beweis ist im Pudding. Also, was macht die Tabelle so weit es sieht so aus: (Klicken Sie auf das Bild zum herunterladen.) Sie können wählen, eine SINE-Serie oder eine RANDOM Reihe von Aktienkursen. Für die letzteren, jedes Mal, wenn Sie auf eine Schaltfläche klicken Sie einen weiteren Satz von Preisen. Dann können Sie die Anzahl der Tage: das ist unser n. (Beispielsweise haben wir für unser Beispiel n 16 verwendet.) Wenn Sie sich für die SINE-Serie entscheiden, können Sie Spikes einführen und diese entlang des Diagramms verschieben. so was . Beachten Sie, dass wir mit n 16 und n 36 (im Bild der Tabellenkalkulation) n2 und sqrt (n) beide ganze Zahlen verwenden. Wenn Sie so etwas wie n 15 verwenden, verwendet die Kalkulationstabelle den INT-eger-Teil von n2 und sqrt (n), nämlich 7 und 3. So ist der Hull Moving Average die beste Definition am besten. Was ist mit dem Jurik Durchschnitt ich weiß nichts davon. Es proprietär und du musst zahlen, um es zu benutzen. Jedoch können wir mit gleitenden Durchschnitten spielen. Ein anderer gleitender Durchschnitt Angenommen, anstelle des gewichteten gleitenden Durchschnitts (wobei die Gewichte proportional zu 1, 2, 3 sind). Wir verwenden das magische Hull-Ritual mit dem Exponential Moving Average. Das heißt, wir betrachten: MAg 2 EMA (n2) - EMA (n) MAg Ja, das ist M oving A verage g immick oder M oving A veree g eneralized or M oving A verage g rand or. Oder M oving A verage g ummy Lohnaufmerksamkeit Wir wählen unsere Lieblingszahl von Tagen, wie n 16, und berechnen MAg (n, 945, k) 945 EMA (nk) - (1-945) EMA (n). Wir können mit 945 und k spielen und sehen, was wir bekommen: Zum Beispiel, hier sind ein paar MAgs (wo waren 16 Tage bleiben, aber die Werte von 945 und k): MAg (16) 2 EMA (4) - EMA (16) MAE (16) 1.5 EMA (5) - 0.5 EMA (16) Beachten Sie, dass wir, wenn wir k 3 wählen, nk 163 5.333 erhalten, die wir in einfach und einfach ändern. Warum dont Sie Stick mit Hulls Entscheidungen: 945 2 und k 2 Gute Idee. Mi bekommen diese: MAG (16) 2 EMA (8) - EMA (16) Sieht aus wie die Tabelle mit 945 1,5 und k 3. Es tut, nicht Sie haben goof. Wieder Möglich. Also, was über das Quadrat-Root-Ritual Ich lasse das als Übung. Für Sie Okay, beim Spielen mit dieser MAg Sache finde ich, dass Hulls k 2 ziemlich gut funktioniert. So gut bleiben. Allerdings bekommen wir oft einen hübschen Durchschnitt, wenn wir nur ein kleines Stück der Änderung hinzufügen: EMA (n2) - EMA (n). In der Tat, fügen Sie nur einen Bruchteil 946 dieser Änderung. Dies ergibt: MAg (n, 946) EMA (n2) 946 EMA (n & sub2;) - EMA (n). Das heißt, wählen wir 946 0,5 oder vielleicht nur 946 0,25 oder was auch immer und verwenden Sie: Wenn wir zum Beispiel vergleichen unsere gaggle von gleitenden Durchschnitten, wie sie eine STEP-Funktion verfolgen, erhalten wir diese, wo wir hinzufügen (für MAg) nur 946 12 von der Wechsel. Ja, aber was ist der beste Wert der Beta. Bestimmen Sie am besten: Beachten Sie, dass Beta 1 die Option Hull ist. Außer, dass EMAs anstelle von WMAs verwendet wurden. Und Sie lassen das Quadrat-Wurzel-Ding. Äh, ja. Ich habe es vergessen. Hinweis . Die Kalkulationstabelle ändert sich von Stunde zu Stunde. Es sieht jetzt wie folgt aus Etwas zum Spielen Ich habe mir eine Tabelle, die so aussieht. Klicken Sie auf das Bild zum herunterladen. Sie wählen eine Aktie und klicken Sie auf eine Schaltfläche und erhalten ein Jahr im Wert von Tagespreisen. Sie wählen entweder HMA oder MAg, ändern die Anzahl der Tage und, für MAg, den Parameter, und sehen, wenn Sie KAUFEN VERKAUFEN sollten. Wenn Basierend auf welchen Kriterien Wenn der gleitende Durchschnitt in den letzten 2 Tagen DOWN x von seinem Maximum abweicht, kaufst du. (In dem Beispiel, x 1,0) Wenn seine UP y von seinem Minimum in den letzten 2 Tagen, Sie SELL. (Im Beispiel y 1.5) Sie können die Werte von x und y ändern. Taugt es etwas. Diese Kriterien Ich sagte, es war etwas zu spielen. Theres diese andere Glättung Technik genannt Hodrick-Prescott Filter. Mit Hilfe von Ron McEwan, ist es jetzt in diesem Kalkulationstabelle enthalten: Ist es ein gutes Spiel mit ihm. Sie werden bemerken, dass theres ein Parameter, den Sie in Zelle M3 ändern können. Und KAUF und SELL-Signale.
No comments:
Post a Comment