A średnia ruchoma prognoza

Średnia ruchoma Ten przykład pokazuje, w jaki sposób obliczyć średnią ruchomą szeregu czasowego w Excelu. Średnia ruchoma służy do łagodzenia nieprawidłowości (szczytów i dolin) w celu łatwego rozpoznawania trendów. 1. Najpierw przyjrzyjmy się naszej serii czasowej. 2. Na karcie Dane kliknij Analiza danych. Uwaga: nie można znaleźć przycisku Analiza danych Kliknij tutaj, aby załadować dodatek Analysis ToolPak. 3. Wybierz średnią ruchomą i kliknij OK. 4. Kliknij pole Input Range i wybierz zakres B2: M2. 5. Kliknij w polu Interwał i wpisz 6. 6. Kliknij pole Zakres wyjściowy i wybierz komórkę B3. 8. Narysuj wykres tych wartości. Objaśnienie: ponieważ ustawiliśmy przedział na 6, średnia ruchoma jest średnią z poprzednich 5 punktów danych i bieżącego punktu danych. W rezultacie szczyty i doliny są wygładzone. Wykres pokazuje rosnący trend. Program Excel nie może obliczyć średniej ruchomej dla pierwszych 5 punktów danych, ponieważ nie ma wystarczającej liczby poprzednich punktów danych. 9. Powtórz kroki od 2 do 8 dla przedziału 2 i odstępu 4. Wniosek: Im większy przedział, tym bardziej wygładzone są szczyty i doliny. Im mniejszy przedział czasu, tym bardziej zbliżone są średnie kroczące do rzeczywistych punktów danych. Średnie ruchomych: jak ich używać Niektóre z podstawowych funkcji średniej ruchomej służą do identyfikowania trendów i odwracania. zmierzyć siłę impetu aktywów i określić potencjalne obszary, w których składnik aktywów znajdzie wsparcie lub opór. W tej części wskażemy, w jaki sposób różne okresy czasu mogą monitorować pęd i jak średnie ruchowe mogą być korzystne w ustalaniu stop-loss. Ponadto zajmiemy się niektórymi możliwościami i ograniczeniami średnich kroczących, które należy wziąć pod uwagę przy ich stosowaniu w ramach rutynowych transakcji. Trend Identyfikacja trendów jest jedną z kluczowych funkcji średnich kroczących, z których korzysta większość przedsiębiorców, którzy chcą, aby trend stał się ich przyjacielem. Średnie kroczące są wskaźnikami opóźniającymi. co oznacza, że ​​nie przewidują one nowych trendów, ale potwierdzają tendencje po ich ustaleniu. Jak widać na wykresie 1, uznaje się, że stan zapasów jest w trendzie wzrostowym, gdy cena jest powyżej średniej ruchomej, a średnia spada w górę. I odwrotnie, przedsiębiorca użyje ceny poniżej średniej nachylonej w dół, aby potwierdzić tendencję spadkową. Wielu inwestorów rozważa utrzymanie pozycji długiej w aktywach tylko wtedy, gdy cena jest wyższa od średniej ruchomej. Ta prosta reguła może pomóc zapewnić, że trend działa na korzyść traderów. Momentum Wielu początkujących handlowców pyta, w jaki sposób można zmierzyć dynamikę i jak można wykorzystać średnie ruchome, aby poradzić sobie z takim wyczynem. Prostą odpowiedzią jest zwrócenie uwagi na okresy czasu wykorzystywane do tworzenia średniej, ponieważ każdy okres może dostarczyć cennego wglądu w różne rodzaje pędu. Ogólnie, krótkoterminowy rozpęd można zmierzyć, patrząc na średnie ruchome, które koncentrują się na okresach 20 dni lub krótszych. Patrząc na średnie kroczące, które powstają w okresie od 20 do 100 dni, powszechnie uważa się za dobrą miarę średnioterminowego rozpędu. Ostatecznie, każda średnia ruchoma, która wykorzystuje 100 dni lub więcej w obliczeniach, może być używana jako miara długoterminowego rozpędu. Zdrowy rozsądek powinien Ci powiedzieć, że 15-dniowa średnia krocząca jest bardziej odpowiednią miarą krótkoterminowego rozpędu niż 200-dniowa średnia krocząca. Jedną z najlepszych metod określania siły i kierunku rozpędu aktywów jest umieszczenie trzech średnich ruchomych na wykresie, a następnie zwrócenie bacznej uwagi na to, jak układają się one względem siebie. Trzy średnie ruchome, które są ogólnie stosowane, mają różne ramy czasowe, próbując przedstawić krótkoterminowe, średnioterminowe i długoterminowe ruchy cen. Na wykresie 2 widać silny wzrost w górę, gdy krótkoterminowe wartości średnie znajdują się powyżej średnich długoterminowych, a dwie średnie są rozbieżne. Odwrotnie, gdy średnie krótkoterminowe znajdują się poniżej średnich długoterminowych, pęd jest skierowany w dół. Wsparcie Kolejnym typowym zastosowaniem średnich kroczących jest określenie potencjalnej ceny wsparcia. Nie ma dużego doświadczenia w radzeniu sobie ze średnią ruchomą, aby zauważyć, że spadająca cena składnika aktywów często zatrzyma się i odwróci kierunek na tym samym poziomie, co ważna średnia. Na przykład na wykresie 3 można zauważyć, że 200-dniowa średnia krocząca była w stanie podnieść cenę akcji po tym, jak spadła ona z jej wysokiego poziomu bliskim 32. Wielu inwestorów spodziewa się odbicia głównych średnich kroczących i wykorzysta inne wskaźniki techniczne jako potwierdzenie spodziewanego ruchu. Opór Gdy cena aktywów spadnie poniżej znaczącego poziomu wsparcia, takiego jak 200-dniowa średnia krocząca, nierzadko zdarza się, że średnia czynność stanowi silną barierę, która uniemożliwia inwestorom obniżanie ceny powyżej tej średniej. Jak widać z poniższego wykresu, opór ten jest często używany przez handlowców jako znak do czerpania zysków lub do zamykania wszelkich istniejących długich pozycji. Wiele krótkich sprzedawców będzie również używać tych średnich jako punktów wejścia, ponieważ cena często odbija się od oporu i kontynuuje ruch w dół. Jeśli jesteś inwestorem, który ma długą pozycję w aktywach, które są notowane poniżej głównych średnich kroczących, może być w twoim najlepszym interesie, aby uważnie obserwować te poziomy, ponieważ mogą one znacząco wpłynąć na wartość Twojej inwestycji. Stop-straty Charakterystyka nośności i oporu średnich kroczących sprawia, że ​​są doskonałym narzędziem do zarządzania ryzykiem. Zdolność do przesuwania średnich w celu identyfikacji strategicznych miejsc do ustalania zleceń stop-loss pozwala inwestorom odcinać przegrane pozycje, zanim będą mogli się powiększać. Jak widać na wykresie 5, inwestorzy, którzy utrzymują pozycję długą w magazynie i ustalają zlecenia stop-loss poniżej wpływowych średnich, mogą zaoszczędzić sporo pieniędzy. Używanie średnich ruchomych do ustawiania zleceń stop-loss jest kluczem do udanej strategii handlowej. W praktyce średnia krocząca zapewni dobre oszacowanie średniej z szeregu czasowego, jeśli średnia jest stała lub powoli się zmienia. W przypadku stałej średniej, największa wartość m da najlepsze oszacowanie podstawowej średniej. Dłuższy okres obserwacji uśredni skutki zmienności. Celem zapewnienia mniejszego m jest umożliwienie prognozie reakcji na zmianę w leżącym u jej podstaw procesie. Aby to zilustrować, proponujemy zestaw danych, który uwzględnia zmiany w średniej bazowej szeregu czasowego. Na rysunku przedstawiono serie czasowe stosowane do ilustracji wraz ze średnim zapotrzebowaniem, z którego wygenerowano serię. Średnia rozpoczyna się jako stała przy 10. Zaczynając od czasu 21, zwiększa się o jedną jednostkę w każdym okresie, aż osiągnie wartość 20 w czasie 30. Następnie staje się stała ponownie. Dane są symulowane przez dodanie do średniej, losowego szumu z rozkładu normalnego ze średnią zerową i odchyleniem standardowym 3. Wyniki symulacji są zaokrąglane do najbliższej liczby całkowitej. Tabela pokazuje symulowane obserwacje stosowane dla przykładu. Kiedy używamy tabeli, musimy pamiętać, że w danym momencie znane są tylko przeszłe dane. Szacunki parametru modelu, dla trzech różnych wartości m są przedstawione razem ze średnią serii czasowych na poniższym rysunku. Rysunek pokazuje średnie ruchome oszacowanie średniej za każdym razem, a nie prognozę. Prognozy przesuwają krzywą średniej ruchomej w prawo o okresy. Jeden wniosek jest natychmiast widoczny na rysunku. We wszystkich trzech szacunkach średnia ruchoma pozostaje w tyle za trendem liniowym, przy czym opóźnienie wzrasta wraz z m. Opóźnienie jest odległością między modelem a oszacowaniem w wymiarze czasowym. Z powodu opóźnienia średnia ruchoma nie docenia obserwacji, gdy średnia rośnie. Przeciążeniem estymatora jest różnica w określonym czasie w wartości średniej modelu i średniej wartości przewidywanej przez średnią ruchomą. Przeciążenie, gdy średnia rośnie, jest ujemne. Dla zmniejszenia średniej odchylenie jest dodatnie. Opóźnienie w czasie i odchylenie wprowadzone w oszacowaniu są funkcjami m. Im większa wartość m. im większa jest wielkość opóźnienia i stronniczości. Dla ciągle rosnącej serii z trendem a. wartości opóźnień i stronniczości estymatora średniej podano w równaniach poniżej. Krzywe przykładowe nie pasują do tych równań, ponieważ przykładowy model nie zwiększa się w sposób ciągły, raczej zaczyna się jako stała, zmienia się w trend, a następnie staje się stały. Również krzywe przykładowe są zakłócane przez szum. Prognozę ruchomych średnich okresów w przyszłości reprezentuje przesuwanie krzywych w prawo. Opóźnienie i odchylenie zwiększają się proporcjonalnie. Poniższe równania wskazują opóźnienie i odchylenie okresów prognozy w przyszłości w porównaniu do parametrów modelu. Ponownie, formuły te są dla szeregu czasowego ze stałym trendem liniowym. Nie powinniśmy być zaskoczeni tym wynikiem. Estymator średniej ruchomej opiera się na założeniu stałej średniej, a przykład ma tendencję liniową w średniej podczas części okresu badania. Ponieważ serie czasu rzeczywistego rzadko będą dokładnie przestrzegać założeń dowolnego modelu, powinniśmy być przygotowani na takie wyniki. Z rysunku można również wyciągnąć wniosek, że zmienność hałasu ma największy wpływ na mniejsze m. Oszacowanie to jest dużo bardziej zmienne dla średniej kroczącej wynoszącej 5 niż średnia krocząca wynosząca 20. Mamy sprzeczne pragnienia zwiększenia m, aby zmniejszyć efekt zmienności z powodu hałasu, i zmniejszyć m, aby prognoza lepiej reagowała na zmiany w średniej. Błąd jest różnicą między rzeczywistymi danymi a prognozowaną wartością. Jeżeli szereg czasowy jest rzeczywiście stałą wartością, oczekiwana wartość błędu wynosi zero, a wariancja błędu składa się z terminu będącego funkcją drugiego i będącego wariancją szumu,. Pierwszy termin to wariancja średniej oszacowanej z próbką m obserwacji, przy założeniu, że dane pochodzą z populacji o stałej średniej. Termin ten jest minimalizowany przez uczynienie m tak dużym, jak to możliwe. Duży m sprawia, że ​​prognoza nie reaguje na zmiany w podstawowych szeregach czasowych. Aby prognoza była responsywna dla zmian, chcemy m tak małe, jak to możliwe (1), ale to zwiększa wariancję błędu. Praktyczne prognozowanie wymaga wartości pośredniej. Prognozowanie za pomocą Excela Dodatek Forecasting implementuje średnie ruchome formuły. Poniższy przykład pokazuje analizę dostarczoną przez dodatek dla przykładowych danych w kolumnie B. Pierwsze 10 obserwacji jest indeksowanych od -9 do 0. W porównaniu do powyższej tabeli, indeksy okresu są przesuwane o -10. Pierwsze dziesięć obserwacji dostarcza wartości początkowe dla oszacowania i są używane do obliczenia średniej ruchomej dla okresu 0. Kolumna MA (10) (C) pokazuje obliczone średnie ruchome. Parametr m średniej ruchomej znajduje się w komórce C3. Kolumna Fore (1) (D) pokazuje prognozę na jeden okres w przyszłości. Interwał prognozy znajduje się w komórce D3. Gdy przedział prognozy zostanie zmieniony na większą liczbę, liczby w kolumnie "Fore" zostaną przesunięte w dół. Kolumna Err (1) (E) pokazuje różnicę między obserwacją a prognozą. Na przykład obserwacja w czasie 1 to 6. Prognozowana wartość wykonana z średniej ruchomej w czasie 0 wynosi 11,1. Błąd wynosi więc -5.1. Odchylenie standardowe i średnie odchylenie średnie (MAD) są obliczane odpowiednio w komórkach E6 i E7.