Ho una serie storica dei prezzi delle azioni e desidero calcolare la media mobile su una finestra dieci minuti (vedi schema in basso). Come zecche prezzo verificano sporadicamente (cioè esse non sono periodiche) sembra più equo per calcolare una media mobile ponderata. Nel diagramma ci sono quattro variazioni di prezzo: A, B, C e D, con questi ultimi tre verificano all'interno della finestra. Si noti che a causa B si verifica solo un po 'di tempo nella finestra (per esempio 3 minuti), il valore di A contribuisce ancora al calcolo. Infatti, per quanto posso dire il calcolo dovrebbe essere basata esclusivamente sui valori di A, B e C (non D) e le durate tra loro e il punto successivo (o, nel caso di A: durata tra l'inizio della finestra di tempo e B). Inizialmente D non avrà alcun effetto come ponderazione temporale sarà zero. È questo corretto assumendo questo è corretto, la mia preoccupazione è che la media mobile sarà in ritardo più che il calcolo non ponderata (che spiegherebbe il valore di D immediatamente), tuttavia, il calcolo non ponderata ha i suoi svantaggi: un aspirante avere tanto effetto sul risultato come gli altri prezzi, pur essendo al di fuori della finestra temporale. Una raffica improvvisa di zecche veloce di prezzi sarebbe pesantemente BIAS la media mobile (anche se forse questo è auspicabile) Qualcuno può offrire qualche consiglio su cui approccio sembra migliore, o se ce n'è un'alternativa (o ibrido) approccio vale la pena considerare chiesto 14 Apr 12 in 21: 35 Il tuo ragionamento è corretto. Quello che vuoi utilizzare la media per se senza sapere che la sua difficile dare qualche consiglio. Forse un alternativa sarebbe quella di considerare la vostra corsa media A, e quando un nuovo valore V entra, calcolare il nuovo Una media di essere (1-c) ACV, dove c è tra 0 e 1. In questo modo le zecche più recenti hanno un'influenza più forte, e l'effetto di vecchie zecche dissipa nel tempo. Si potrebbe anche avere c dipenderà dal tempo trascorso le zecche precedenti (c diventando più piccolo, come le zecche si avvicinano). Nel primo modello (peso) la media sarebbe diversa ogni secondo (come vecchie letture ottenere minor peso e nuove letture superiori) così che sarà sempre mutevole che non può essere desiderabile. Con il secondo approccio, i prezzi fanno salti improvvisi come nuovi prezzi vengono introdotti e quelli vecchi scompaiono dalla finestra. risposto 14 Apr 12 in 21:50 Le due proposte provengono dal mondo discreta, ma si potrebbe trovare una fonte d'ispirazione per il vostro caso particolare. Date un'occhiata al livellamento esponenziale. In questo approccio si introduce il fattore di livellamento (01), che consente di modificare l'influenza degli elementi recenti sul valore di previsione (vecchi elementi vengono assegnati in modo esponenziale diminuendo i pesi): Ho creato una semplice animazione di come il livellamento esponenziale sarebbe seguire il una serie temporale uniforme x1 1 1 1 3 3 2 2 2 1 con tre diversi: hanno anche uno sguardo ad alcune delle tecniche di apprendimento di rinforzo (guardare i diversi metodi di attualizzazione) per esempio TD-learning e Q-Learning. Sì, il movimento volontà media naturalmente lag. Questo perché il suo valore è informazione storica: esso riassume i campioni di prezzo negli ultimi 10 minuti. Questo tipo di media è intrinsecamente lag. Esso è dotato di un offset di cinque minuti (perché una media di dialogo senza compensazione sarebbe basato sul - 5 minuti, incentrate sul campione). Se il prezzo è stato in A per un lungo periodo di tempo e poi cambia una volta a B, ci vogliono 5 minuti per la media da raggiungere (AB) 2. Se si vuole averagesmooth una funzione senza alcun cambiamento nel dominio, il peso ha per essere distribuito in modo uniforme in tutto il punto di campionamento. Ma questo è impossibile da fare per i prezzi che si verificano in tempo reale, dal momento che i dati futuro non è disponibile. Se si desidera un cambiamento recente, come D, per avere un impatto maggiore, utilizzare una media che dà un peso maggiore ai dati recenti, o un periodo di tempo più breve, o entrambi. Un modo per lisciare dati è semplicemente quello di utilizzare un solo accumulatore (stimatore lisciato) E e prelevare campioni periodiche dei dati S. E è aggiornato come segue: Vale a dire una frazione K (tra 0 e 1) della differenza tra la corrente del campione S prezzo e lo stimatore E è aggiunto E. Supponiamo che il prezzo è stato in A per un lungo tempo, in modo che E è in A, e quindi cambia improvvisamente a B. Lo stimatore inizierà a muoversi verso B in modo esponenziale (come heatingcooling, chargingdischarging di un condensatore, ecc). In un primo momento si farà un grande salto, e poi con incrementi più piccoli e più piccoli. Quanto velocemente si muove dipende K. Se K è 0, lo stimatore doesnt muove affatto, e se K è 1 si muove istantaneamente. Con K è possibile regolare quanto peso si dà allo stimatore contro il nuovo campione. Più peso viene dato ai campioni più recenti, in modo implicito, e la finestra del campione si estende praticamente all'infinito: E si basa su ogni campione valore che mai si è verificato. Anche se, naturalmente, quelli molto vecchi hanno vicino a nessun influenza sul valore corrente. Una molto semplice, bello metodo. risposto 14 Apr 12 in 21:50 Questo è lo stesso di Tom39s risposta. La sua formula per il nuovo valore dello stimatore è (1 - K) E KS. che è algebricamente uguale E K (S - E). è un quotlinear miscelazione functionquot tra la corrente stimatore E e il nuovo campione S in cui il valore di K 0, 1 controlla la miscela. Scrivendo in questo modo è bello e utile. Se K è 0,7, prendiamo 70 di S, e 30 E, che è la stessa come l'aggiunta di 70 della differenza tra E ed S ritorna E. ndash Kaz Apr 14 12 alle 22:15 Nell'espandere Toms risposta, la formula per prendere in considerazione la distanza tra zecche possono essere formalizzati (chiudi zecche hanno proporzionalmente inferiore ponderazione): a (tn - t n-1) T, che è, a è un rapporto di delta del tempo di arrivo sopra media intervallo v 1 (utilizzare la precedente punto) oppure v (1 - u) a (interpolazione lineare, o vu (punto successivo) Ulteriori informazioni si trovano a pagina 59 del libro Introduzione ad alta frequenza Finance. What039s la differenza tra media mobile e ponderata media mobile a 5 - periodo media mobile, sulla base dei prezzi di cui sopra, sarebbe calcolato utilizzando la seguente formula: in base alla suddetta equazione, il prezzo medio nel periodo sopra elencato è 90.66 utilizzo di media mobile è un metodo efficace per eliminare forti fluttuazioni dei prezzi il.. limitazione fondamentale è che i punti di dati dai dati precedenti non sono ponderati in modo diverso da dati punti vicino all'inizio del set di dati. Questo è dove le medie mobili ponderate entrano in gioco. medie ponderate assegnare una ponderazione più pesante a più punti di dati attuali dal momento che sono più rilevanti di punti dati in un lontano passato. La somma della ponderazione deve aggiungere fino a 1 (o 100). Nel caso della media mobile semplice, i coefficienti sono equamente distribuiti, ed è per questo che non sono riportati nella tabella sopra riportata. Prezzo di chiusura di AAPLWeighted medie mobili: I principi fondamentali Nel corso degli anni, i tecnici hanno trovato due problemi con la media mobile semplice. Il primo problema è il lasso di tempo della media mobile (MA). La maggior parte degli analisti tecnici ritengono che l'azione dei prezzi. l'apertura o la chiusura del prezzo delle azioni, non è sufficiente su cui dipendere per prevedere correttamente i segnali di acquisto o vendita delle azioni di crossover MAs. Per risolvere questo problema, gli analisti ora assegnare più peso ai dati relativi ai prezzi più recenti utilizzando la media mobile esponenziale livellata (EMA). (Per saperne di più nell'esplorazione esponenziale Pesato media mobile.) Un esempio per esempio, utilizzando un 10-giorni MA, un analista avrebbe preso il prezzo del 10 ° giorno di chiusura e moltiplicare questo numero per 10, il nono giorno per le nove, l'ottavo giorno per otto e così via alla prima della MA. Una volta che il totale è stato determinato, l'analista poi dividere il numero per l'aggiunta dei moltiplicatori. Se si aggiungono i moltiplicatori del 10-day MA esempio, il numero è 55. Questo indicatore è conosciuta come la media mobile linearmente ponderata. (Per la lettura correlata, controllare semplici medie mobili Fai Trends distinguersi.) Molti tecnici sono convinti sostenitori del esponenzialmente lisciato media mobile (EMA). Questo indicatore è stato spiegato in tanti modi diversi che confonde gli studenti e degli investitori. Forse la migliore spiegazione viene da John J. Murphys: Analisi tecnica dei mercati finanziari, (pubblicato dal New York Institute of Finance, 1999): Il modo esponenziale lisciato movimento indirizzi medi sia dei problemi connessi con la media mobile semplice. Innanzitutto, la media esponenziale livellata assegna un peso maggiore ai dati più recenti. Pertanto, è una media mobile ponderata. Ma mentre assegna minore importanza ai dati dei prezzi passati, esso include nel suo calcolo tutti i dati nella vita dello strumento. Inoltre, l'utente può regolare il coefficiente di dare maggiore o minore peso al più recente prezzo giorni, che viene aggiunta ad una percentuale del valore giorni precedente. La somma dei due valori percentuali aggiunge fino a 100. Per esempio, l'ultimo giorni prezzo potrebbe essere assegnato un peso di 10 (.10), che viene aggiunto al giorno precedente peso di 90 (.90). Questo dà l'ultimo giorno 10 del peso totale. Questo sarebbe l'equivalente di una media di 20 giorni, dando l'ultimo giorni prezzo un valore inferiore di 5 (.05). Figura 1: esponenziale Smoothed media mobile È possibile che questo grafico mostra il Nasdaq Composite Index dalla prima settimana di agosto 2000 al 1 ° giugno 2001. Come si può vedere chiaramente, l'EMA, che in questo caso utilizza i dati relativi ai prezzi di chiusura nel corso di un periodo di nove giorni, ha segnali di vendita precisi sul 8 settembre (contrassegnato da un nero freccia verso il basso). Questo era il giorno in cui l'indice rotto sotto il livello 4.000. La seconda freccia nera indica un'altra tappa verso il basso che i tecnici sono stati effettivamente aspettavano. Il Nasdaq non ha potuto generare abbastanza volume e interesse da parte degli investitori al dettaglio per rompere il marchio 3.000. E poi tuffò di nuovo a toccare il fondo a 1619,58 su aprile 4. La fase di rialzo del 12 aprile è contrassegnato da una freccia. Qui l'indice ha chiuso a 1,961.46, e tecnici ha cominciato a vedere i gestori di fondi istituzionali che iniziano a prendere alcuni affari come Cisco, Microsoft e alcuni dei problemi legati all'energia. (Leggi i nostri articoli correlati: Moving Buste media:. Raffinazione uno strumento popolare Trading and Moving Average rimbalzo) Beta è una misura della volatilità o rischio sistematico, di un titolo o di un portafoglio rispetto al mercato nel suo complesso. Un tipo di imposta riscossa sulle plusvalenze sostenute da individui e aziende. Le plusvalenze sono i profitti che un investitore. Un ordine per l'acquisto di un titolo pari o inferiore a un determinato prezzo. Un ordine di acquisto limite consente agli operatori e agli investitori di specificare. Un Internal Revenue Service (IRS) regola che consente per i prelievi senza penalità da un account IRA. La regola prevede che. La prima vendita di azioni da una società privata al pubblico. IPO sono spesso emesse da piccole, le aziende più giovani che cercano la. Rapporto DebtEquity è rapporto debito utilizzato per misurare una leva finanziaria company039s o un rapporto debito utilizzato per misurare un individual. What sono medie Parte 2 In ultimo articolo, abbiamo parlato tutto su semplici medie mobili in movimento. Che cosa sono, come calcolare loro, perché si potrebbe effettivamente desidera farlo, e tutta quella roba buona. Come avrete ipotizzato dalla presenza della parola ldquosimplerdquo nella frase ldquosimple media mobile, rdquo il tipo di media mobile abbiamo discusso l'ultima volta è in realtà solo la punta di un iceberg. Il che potrebbe portare a chiedersi: Quali sono alcuni degli altri tipi di medie mobili stanno meglio o peggio di semplici medie mobili e, soprattutto, quando e perché mai voler utilizzare uno di loro Restate sintonizzati perché quelli sono esattamente le domande wersquoll risponderanno oggi. Recensione: What sono semplici medie mobili Prima di iniziare a parlare di tutti i diversi tipi di medie mobili, letrsquos rivedere rapidamente la media mobile semplice di cui abbiamo parlato prima. Nel caso in cui yoursquove dimenticato, wersquove stato utilizzando il ldquofactrdquo che yoursquore formazione per competere nella corsa 1500 metro alle Olimpiadi del 2016 per aiutarci a capire come funzionano le medie mobili. Nell'ultimo articolo. yoursquod stato tenere traccia dei tempi di tue corse di pratica quotidiana, e si voleva venire con un modo per monitorare i progressi giorno per giorno. Il problema è che i tempi di giorno per giorno fluttuano molto, il che rende difficile vedere la tendenza a lungo termine che indica se o no miglioramento yoursquore. Come abbiamo trovato, un modo per risolvere questo enigma è quello di utilizzare una media mobile. Per trovare il tempo medio per un giorno utilizzando una media mobile semplice di 3 giorni, basta aggiungere che dayrsquos tempo ai tempi delle precedenti 2 giorni e dividere per 3 a utilizzare una media mobile semplice a 4 giorni, invece, è sufficiente aggiungere il tempo dayrsquos ai tempi delle precedenti 3 giorni e dividere per 4 e così via per tutto il molti giorni che si desidera media oltre. Itrsquos facile da fare, e la parte migliore è che tutte queste fluttuazioni distrazione giorno per giorno vengono livellati in modo che si può vedere la tendenza generale. Quanto grande Se la finestra Essere Una domanda che viene subito in mente è: In che modo la dimensione del movimento ldquowindowrdquo media influisce sul risultato in altre parole, che cosa significa utilizzare una finestra di 3 giorni contro una finestra di 4 giorni contro qualcosa come una finestra 2 settimane la semplice risposta è che la dimensione della finestra determina quanto ldquomemoryrdquo la media mobile contiene. In altre parole, una finestra più grande (nel senso più giorni nel nostro esempio) include i dati provenienti da più indietro nel tempo. Il che significa che il valore della media mobile che si calcola cambierà più lentamente dal momento che è più influenzata da valori passati. Come fai a sapere quanto è grande la finestra dovrebbe essere Dipende se si vuole guardare al breve, medio, o l'immagine a lungo termine. Ad esempio, se si dovesse rintracciare la propria tempi di gara nel corso di mesi o anni, yoursquod probabilmente vogliono usare qualcosa come una media mobile di 2 settimane per monitorare i progressi in quanto yoursquod davvero essere solo interessati a tendenze molto a lungo termine. Più grande è la finestra, la minore influenza quei giorno per giorno le fluttuazioni a breve termine saranno havehellipand più chiaramente yoursquoll vedere il quadro generale. La dimensione della finestra determina quanto ldquomemoryrdquo la media mobile contiene. Che cosa è una centrale Moving Average Ma, come si è visto, semplici medie mobili arenrsquot perfetto. Il problema più grande è che i valori di corrente possono a volte essere troppo dipendente da valori passati. Dopo tutto, tranne che per l'ultimo punto di dati, tutti i dati in un semplice calcolo della media mobile viene dal passato che è il motivo per cui a volte itrsquos meglio usare whatrsquos chiamato un ldquocentral movimento average. rdquo L'idea è quasi identico, solo che questa volta usiamo un ugual numero di punti di dati su entrambi i lati di un punto centrale per calcolare la media mobile. Per esempio, mentre una media mobile semplice di 5 giorni del tempo di gara Wednesdayrsquos userebbe Sabato, Domenica, Lunedi, Martedì, e tempi di Wednesdayrsquos una media mobile centrale 5 giorni userebbe Lunedi, Martedì, Mercoledì, Giovedi, e tempi di Fridayrsquos. Questo tipo di media mobile centrale viene utilizzato per tutto il tempo nel campo della scienza e dell'ingegneria dal therersquos meno tempo lagmdashwhich significa che di solito meglio rappresenta la media mobile ldquoactualrdquo. Naturalmente, itrsquos non così comodo da usare quando tenere traccia dei tempi di gara o il tuo peso in quanto si dovrà attendere un determinato numero di daysmdashdepending delle dimensioni del windowmdashto rendere il vostro calcolo. Il che significa che una media mobile semplice è una scelta migliore per la maggior parte delle applicazioni giorno per giorno. Quali sono medie ponderate Moving Therersquos un altro tipo di media mobile che voglio parlare oggi: ponderate medie mobili. Questo tipo di media mobile è un po 'più complicato e quindi abbiamo wonrsquot andiamo troppo nel dettaglio. Ma itrsquos uno strumento incredibilmente importante in molti settori della matematica, le scienze, l'ingegneria, e nel mondo finanziario di business e, quindi itrsquos bene capire l'idea di base. La media mobile semplice che conosciamo e l'amore è in realtà una media mobile ponderata in cui i dati sono tutti pesati ugualmente. Che cosa significa Bene, per calcolare Wednesdayrsquos tempo di gara utilizzando una media mobile semplice di 3 giorni, sommiamo Lunedi, Martedì, e tempi di Wednesdayrsquos e poi dividere per 3. Qual è la stessa cosa come l'aggiunta di: (1 x Mondayrsquos tempo) (tempo di 1 x Tuesdayrsquos) (1 volta x Wednesdayrsquos), e dividendo il risultato per 3. so che questo probabilmente sembra una cosa strana da fare, butmdashbelieve o notmdashwersquove in realtà appena visto come una ponderata in movimento opere media. Howrsquos che Beh, in questo caso, ogni giorno è stato dato un peso di 1mdashbut che donrsquot devono essere gli stessi. Ad esempio, se si assegna un peso di 1 per Lunedi, 2 per Martedì, e 3 per Mercoledì, la media mobile ponderata è individuato calcolando (1 x tempo Mondayrsquos) (2 x tempo Tuesdayrsquos) (3 x tempo Wednesdayrsquos), e quindi dividendo il risultato per 1 2 3 6 (che è la somma dei pesi). Perché vogliamo farlo Beh, se ci pensate, yoursquoll vedere che questo media mobile dà più peso al tempo Wednesdayrsquos di Tuesdayrsquos, e più peso al tempo Tuesdayrsquos di Mondayrsquos. Il che significa che i tempi più anziani diventano meno importanti nel calcolo della media mobile il passare del tempo. Va bene, thatrsquos tutta la matematica abbiamo tempo per oggi. Ricordatevi di diventare fan della matematica Amico su Facebook dove yoursquoll trovare un sacco di grande matematica pubblicato per tutta la settimana. Se yoursquore su Twitter. per favore seguire anche lì. Infine, si prega di inviare le vostre domande di matematica il mio modo tramite Facebook. Twitter. o e-mail a mathdudequickanddirtytips.
No comments:
Post a Comment