Verschieben von durchschnittlichen Umschlägen Verschieben von durchschnittlichen Umschlägen Einleitung Verschieben von durchschnittlichen Umschlägen sind prozentuale Umschläge, die über und unter einem gleitenden Durchschnitt liegen. Der gleitende Durchschnitt, der die Basis für diesen Indikator bildet, kann ein einfacher oder exponentieller gleitender Durchschnitt sein. Jeder Umschlag wird dann den gleichen Prozentsatz über oder unter dem gleitenden Durchschnitt gesetzt. Dies schafft parallele Bands, die der Preisaktion folgen. Mit einem gleitenden Durchschnitt als Basis können Moving Average Envelopes als Trend folgender Indikator verwendet werden. Dieser Indikator beschränkt sich jedoch nicht nur auf den Trend. Die Umschläge können auch verwendet werden, um überkaufte und überverkaufte Ebenen zu identifizieren, wenn der Trend relativ flach ist. Berechnungsberechnung für das Verschieben von durchschnittlichen Umschlägen ist einfach. Zuerst wählen Sie einen einfachen gleitenden durchschnittlichen oder exponentiellen gleitenden Durchschnitt. Einfache gleitende Durchschnitte Gewicht jedes Datenpunkt (Preis) gleichermaßen. Exponentielle gleitende Durchschnitte setzen mehr Gewicht auf die jüngsten Preise und haben weniger Verzögerung. Zweitens wählen Sie die Anzahl der Zeiträume für den gleitenden Durchschnitt aus. Drittens setzen Sie den Prozentsatz für die Umschläge. Ein 20-Tage-Gleitender Durchschnitt mit einem 2,5-Umschlag würde die folgenden zwei Zeilen zeigen: Die obige Grafik zeigt IBM mit einem 20-Tage-SMA - und 2,5-Umschlag. Beachten Sie, dass die 20-Tage-SMA zu diesem SharpChart als Referenz hinzugefügt wurde. Beachten Sie, wie sich die Umschläge parallel zum 20-Tage-SMA bewegen. Sie bleiben eine konstante 2,5 über und unter dem gleitenden Durchschnitt. Interpretation Indikatoren, die auf Kanälen, Bändern und Umschlägen basieren, sollen die meisten Preisaktionen umfassen. Deshalb bewegen sich über oder unter den Umschlägen Aufmerksamkeit. Trends beginnen oft mit starken Bewegungen in die eine oder andere Richtung. Ein Anstieg über dem oberen Umschlag zeigt außerordentliche Kraft, während ein Sprung unter den unteren Umschlag eine außergewöhnliche Schwäche zeigt. Solche starken Bewegungen können das Ende eines Trends und den Anfang eines anderen signalisieren. Mit einem gleitenden Durchschnitt als Fundament sind Moving Average Envelopes ein natürlicher Trend nach Indikator. Wie bei gleitenden Durchschnitten werden die Umschläge auf Preisvorgänge verzichten. Die Richtung des gleitenden Durchschnitts diktiert die Richtung des Kanals. Im Allgemeinen ist ein Abwärtstrend vorhanden, wenn sich der Kanal tiefer bewegt, während ein Aufwärtstrend existiert, wenn sich der Kanal höher bewegt. Der Trend ist flach, wenn sich der Kanal seitwärts bewegt. Manchmal fällt ein starker Trend nicht nach einem Umschlag und die Preise bewegen sich in eine Handelsspanne. Solche Handelsbereiche sind durch einen relativ flachen gleitenden Durchschnitt gekennzeichnet. Die Umschläge können dann verwendet werden, um überkaufte und überverkaufte Ebenen für Handelszwecke zu identifizieren. Eine Bewegung über dem oberen Umschlag bezeichnet eine übertriebene Situation, während eine Bewegung unterhalb der unteren Hüllkurve eine überverkaufte Bedingung markiert. Parameter Die Parameter für die Moving Average Envelopes hängen von Ihren Handelsinvestitionszielen und den Merkmalen der Sicherheit ab. Händler werden wahrscheinlich kürzere (schnellere) gleitende Durchschnitte und relativ enge Umschläge verwenden. Anleger werden voraussichtlich längere (langsamer) bewegte Durchschnitte mit breiteren Umschlägen bevorzugen. Eine security039s Volatilität wird auch die Parameter beeinflussen. Bollinger Bands und Keltner Kanäle haben in Mechanismen gebaut, die sich automatisch an eine Sicherheitsphase anpassen. Bollinger Bands verwenden die Standardabweichung, um Bandbreite einzustellen. Keltner Kanäle verwenden den durchschnittlichen True Range (ATR), um die Kanalbreite einzustellen. Diese passen sich automatisch an die Volatilität an. Chartisten müssen bei der Festlegung der Moving Average Envelopes selbstverständlich Volatilität berücksichtigen. Wertpapiere mit hoher Volatilität erfordern breitere Bands, um die meisten Preisaktionen zu umfassen. Wertpapiere mit geringer Volatilität können schmalere Bands verwenden. Bei der Auswahl der richtigen Parameter, hilft es oft, ein paar verschiedene Moving Average Envelopes zu überlagern und zu vergleichen. Die obige Grafik zeigt die SampP 500 ETF mit drei Moving Average Envelopes auf Basis der 20-Tage-SMA. Die 2,5 Umschläge (rot) wurden mehrmals berührt, die 5 Umschläge (grün) wurden nur im Juli-Anstieg berührt. Die 10 Umschläge (rosa) wurden nie berührt, was bedeutet, dass diese Band zu breit ist. Ein mittelfristiger Trader könnte die 5 Umschläge verwenden, während ein kurzfristiger Trader die 2,5 Umschläge verwenden könnte. Aktienindizes und ETFs erfordern engere Umschläge, weil sie typischerweise weniger volatil sind als einzelne Aktien. Das Alcoa-Diagramm hat die gleichen Moving Average Envelopes wie das SPY-Diagramm. Allerdings bemerken, dass Alcoa die 10 Umschläge mehrmals verletzt hat, weil es flüchtiger ist. Trend Identification Moving Average Envelopes können verwendet werden, um starke Bewegungen zu identifizieren, die den Beginn eines erweiterten Trends signalisieren. Der Trick, wie immer, pflückt die richtigen Parameter. Das braucht Praxis, Versuch und Irrtum. Die folgende Grafik zeigt Dow Chemical (DOW) mit den Moving Average Envelopes (20,10). Die Schlusspreise werden verwendet, da die Durchlaufwerte mit Schlusskursen berechnet werden. Einige Chartisten bevorzugen Bars oder Leuchter, um den Intraday-Tag hoch und niedrig zu nutzen. Beachten Sie, wie DOW Mitte Juli über dem oberen Umschlag stieg und sich bis Anfang August weiter über diesen Umschlag bewegte. Das zeigt außergewöhnliche Stärke. Beachten Sie auch, dass die Moving Average Envelopes auftauchten und dem Fortschritt folgten. Nach einem Umzug von 14 auf 23 wurde die Aktie deutlich überkauft. Allerdings hat dieser Schritt einen starken Präzedenzfall, der den Beginn eines ausgedehnten Trends markierte. Mit DOW, der bald nach dem Aufstieg seines Aufwärtstrends überkauft wurde, war es Zeit, auf einen spielbaren Pullback zu warten. Händler können nach Pullbacks mit Basisdiagrammanalyse oder mit Indikatoren suchen. Pullbacks kommen oft in Form von fallenden Fahnen oder Keilen. DOW bildete ein Bild perfekte fallende Flagge im August und brach Widerstand im September. Eine weitere Flagge, die Ende Oktober mit einem Ausbruch im November gebildet wurde. Nach dem November-Aufschwung zog sich die Aktie mit einer fünfwöchigen Flagge ins Dezember zurück. Der Commodity Channel Index (CCI) wird im Indikatorfenster angezeigt. Verschiebungen unter -100 zeigen überverkaufte Messwerte. Wenn der größere Trend auf ist, können überverkaufte Lesungen verwendet werden, um Pullbacks zu identifizieren, um das Risiko-Belohnungsprofil für einen Handel zu verbessern. Momentum wird wieder bullisch, wenn CCI in ein positives Territorium zurückkehrt (grüne punktierte Linien). Die inverse Logik kann für einen Abwärtstrend angewendet werden. Eine starke Bewegung unterhalb der unteren Hüllkurve signalisiert außerordentliche Schwäche, die einen ausgedehnten Abwärtstrend vorhersehen kann. Die untenstehende Tabelle zeigt, dass International Game Tech (IGT) unter dem 10 Umschlag unterbrochen wird, um einen Abwärtstrend Ende Oktober 2009 zu etablieren. Weil die Aktie nach diesem starken Rückgang ziemlich überverkauft war, wäre es umsichtig gewesen, auf einen Sprung zu warten. Wir können dann grundlegende Preisanalyse oder einen anderen Impulsindikator verwenden, um Bounces zu identifizieren. Das Indikatorfenster zeigt den Stochastischen Oszillator, der verwendet wird, um überkaufte Bounces zu identifizieren. Eine Bewegung über 80 gilt als überkauft. Sobald über 80, können Chartisten dann nach einem Diagrammsignal oder einem Rücklauf unter 80 suchen, um einen Abschwung zu signalisieren (rote gepunktete Linien). Das erste Signal wurde mit einem Support-Break bestätigt. Das zweite Signal führte zu einem Whipsaw (Verlust), weil die Aktie über 20 ein paar Wochen später bewegt wurde. Das dritte Signal wurde mit einem Trendlinienbruch bestätigt, der zu einem eher starken Rückgang führte. Ähnlich wie bei Preis-Oszillator Bevor Sie zu überkauften und überverkauften Ebenen übergehen, ist es sinnvoll, darauf hinzuweisen, dass Moving Average Envelopes dem Percent Price Oscillator (PPO) ähnlich sind. Moving Average Envelopes erzählen uns, wann eine Sicherheit einen bestimmten Prozentsatz über einem bestimmten gleitenden Durchschnitt handelt. PPO zeigt die prozentuale Differenz zwischen einem kurzen exponentiellen gleitenden Durchschnitt und einem längeren exponentiellen gleitenden Durchschnitt. PPO (1,20) zeigt die prozentuale Differenz zwischen einer 1-Periode EMA und einer 20-Periode EMA. Eine 1-tägige EMA ist gleich der Nähe. 20-Perioden-Exponential Moving Average Envelopes spiegeln die gleichen Informationen wider. Die obige Grafik zeigt die Russell 2000 ETF (IWM) mit PPO (1,20) und 2,5 Exponential Moving Average Envelopes. Horizontale Linien wurden auf 2,5 und -2,5 auf dem PPO gesetzt. Beachten Sie, dass sich die Preise über dem 2,5-Umschlag bewegen, wenn sich PPO über 2,5 bewegt (gelbe Schattierung) und die Preise unterhalb des 2,5-Umschlags liegen, wenn sich PPO unter -2,5 (Orangenschattierung) bewegt. PPO ist ein Impuls-Oszillator, der verwendet werden kann, um überkaufte und überverkauft Ebenen zu identifizieren. Mit der Erweiterung können verschiebende durchschnittliche Umschläge auch verwendet werden, um überkaufte und überverkaufte Ebenen zu identifizieren. PPO verwendet exponentielle gleitende Durchschnitte, so dass es mit Moving Average Envelopes mit EMAs, nicht SMAs verglichen werden muss. OverboughtOversold Die Messung von überkauften und überverkauften Bedingungen ist schwierig. Wertpapiere können überkauft werden und bleiben in einem starken Aufwärtstrend überkauft. Ebenso können Wertpapiere überverkauft und in einem starken Abwärtstrend überverkauft bleiben. In einem starken Aufwärtstrend bewegen sich die Preise oft über den oberen Umschlag und fahren über diese Linie weiter. In der Tat wird der obere Umschlag steigen, wenn der Preis über dem oberen Umschlag fortschreitet. Das mag technisch überkauft sein, aber es ist ein Zeichen der Kraft, überkauft zu bleiben. Das umgekehrte gilt für überverkauft. Überbeanspruchte und überverkaufte Lesungen werden am besten genutzt, wenn der Trend abläuft. Das Diagramm für Nokia hat alles. Die rosa Linien repräsentieren die Moving Average Envelopes (50,10). Ein 50-Tage einfacher gleitender Durchschnitt liegt in der Mitte (rot). Die Umschläge sind 10 und unterhalb dieses gleitenden Durchschnitts. Die Grafik beginnt mit einem überkauften Niveau, das überkauft wurde, als ein starker Trend im April-Mai auftauchte. Preis-Aktion wurde von Juni bis April abgehackt, was das perfekte Szenario für überkaufte und überverkauft Ebenen ist. Überholte Levels im September und Mitte März haben Umkehrungen vorhergesagt. Ähnlich überstieg das Niveau im August und Ende Oktober die Fortschritte. Die Karte endet mit einem überverkauften Zustand, der überverkauft bleibt, wenn ein starker Abwärtstrend auftaucht. Überbeanspruchte und überverkaufte Bedingungen sollten als Warnhinweise für die weitere Analyse dienen. Overbought Levels sollten mit Chartwiderstand bestätigt werden. Chartisten können auch nach bärischen Mustern Ausschau halten, um das Umkehrpotenzial bei überkauften Ebenen zu verstärken. Ebenso sollten überverkaufte Ebenen mit Chartunterstützung bestätigt werden. Chartist kann auch nach bullischen Mustern suchen, um das Umkehrpotenzial auf überverkauft zu stärken. Schlussfolgerungen Moving Average Umschläge werden meist als Trendfolger verwendet, können aber auch zur Identifizierung von überkauften und überverkauften Bedingungen verwendet werden. Nach einer Konsolidierungsperiode kann eine starke Hüllkurve den Beginn eines ausgedehnten Trends signalisieren. Sobald ein Aufwärtstrend identifiziert ist, können sich Chartisten zu Impulsindikatoren und anderen Techniken wenden, um überverkaufte Leser und Pullbacks innerhalb dieses Trends zu identifizieren. Überkaufte Bedingungen und Bounces können als Verkaufsmöglichkeiten in einem größeren Abwärtstrend genutzt werden. In Abwesenheit eines starken Trends können die Moving Average Envelopes wie der Percent Price Oscillator verwendet werden. Bewegt sich oberhalb der oberen Hüllkurven-Signal-Overbought-Messungen, während sie sich unterhalb der unteren Hüllkurven-Signal-Überverkaufswerte bewegt. Es ist auch wichtig, andere Aspekte der technischen Analyse zu übernehmen, um überkaufte und überverkaufte Lesung zu bestätigen. Widerstands - und Bären-Umkehrmuster können verwendet werden, um überkaufte Lesungen zu bestätigen. Unterstützung und bullish Umkehrmuster können verwendet werden, um überverkauft Bedingungen zu bestätigen. SharpCharts Moving Average Envelopes finden Sie in SharpCharts als Preisauflage. Wie bei einem gleitenden Durchschnitt sollten die Umschläge auf einem Preisplot angezeigt werden. Nach Auswahl der Anzeige aus dem Dropdown-Feld erscheint die Standardeinstellung im Parameterfenster (20.2.5). MA Umschläge basieren auf einem einfachen gleitenden Durchschnitt. EMA-Briefumschläge basieren auf einem exponentiellen gleitenden Durchschnitt. Die erste Zahl (20) setzt die Perioden für den gleitenden Durchschnitt. Die zweite Zahl (2.5) setzt den prozentualen Offset. Benutzer können die Parameter entsprechend ihren Charting-Anforderungen ändern. Der entsprechende gleitende Durchschnitt kann als separates Overlay hinzugefügt werden. Klicken Sie hier für ein Live-Beispiel. Oversold after Break über Upper Envelope: Dieser Scan sucht nach Aktien, die über ihren oberen exponentiellen Moving Average Envelope (50,10) vor zwanzig Tagen brachen, um zu bestätigen oder einen Aufwärtstrend zu etablieren. Die aktuelle 10-Perioden-CCI liegt unter -100, um eine kurzfristige überverkaufte Bedingung anzuzeigen. Overbought after Break under Lower Envelope: Dieser Scan sucht nach Aktien, die unter ihrem niedrigeren exponentiellen Moving Average Envelope (50,10) vor zwanzig Tagen, um zu bestätigen oder einen Abwärtstrend zu unterbrechen. Die aktuelle 10-Perioden-CCI liegt über 100, um eine kurzfristige überkaufte Bedingung anzuzeigen. Weitere Studie Trend Trading für ein Leben Thomas CarrMoving Durchschnitte - Einfache und exponentielle Moving Averages - Einfache und exponentielle Einleitung Moving Mittelwerte glatt die Preisdaten zu einem Trend folgen Indikator. Sie prognostizieren nicht die Preisrichtung, sondern definieren die aktuelle Richtung mit einer Verzögerung. Umzugsdurchschnitte verzögern, weil sie auf vergangenen Preisen basieren. Trotz dieser Verzögerung, gleitende Durchschnitte helfen glatte Preis-Aktion und filtern die Lärm. Sie bilden auch die Bausteine für viele andere technische Indikatoren und Overlays wie Bollinger Bands. MACD und der McClellan Oszillator. Die beiden beliebtesten Arten von gleitenden Durchschnitten sind der Simple Moving Average (SMA) und der Exponential Moving Average (EMA). Diese gleitenden Durchschnitte können genutzt werden, um die Richtung des Trends zu identifizieren oder mögliche Unterstützungs - und Widerstandsniveaus zu definieren. Hier ist ein Diagramm mit einem SMA und einem EMA darauf: Einfache bewegliche Durchschnittsberechnung Ein einfacher gleitender Durchschnitt wird durch die Berechnung des Durchschnittspreises einer Sicherheit über eine bestimmte Anzahl von Perioden gebildet. Die meisten gleitenden Durchschnitte basieren auf Schlusskursen. Ein 5-tägiger einfacher gleitender Durchschnitt ist die Fünf-Tage-Summe der Schlusskurse geteilt durch fünf. Wie der Name schon sagt, ist ein gleitender Durchschnitt ein Durchschnitt, der sich bewegt. Alte Daten werden gelöscht, da neue Daten verfügbar sind. Dies bewirkt, dass sich der Durchschnitt entlang der Zeitskala bewegt. Unten ist ein Beispiel für einen 5-tägigen gleitenden Durchschnitt, der sich über drei Tage entwickelt. Der erste Tag des gleitenden Durchschnitts deckt einfach die letzten fünf Tage ab. Der zweite Tag des gleitenden Durchschnitts sinkt den ersten Datenpunkt (11) und fügt den neuen Datenpunkt (16) hinzu. Der dritte Tag des gleitenden Mittels setzt sich fort, indem er den ersten Datenpunkt (12) fällt und den neuen Datenpunkt (17) addiert. Im obigen Beispiel steigen die Preise allmählich von 11 auf 17 über insgesamt sieben Tage. Beachten Sie, dass der gleitende Durchschnitt auch von 13 auf 15 über einen Zeitraum von drei Tagen steigt. Beachten Sie auch, dass jeder gleitende Mittelwert knapp unter dem letzten Preis liegt. Zum Beispiel ist der gleitende Durchschnitt für Tag eins gleich 13 und der letzte Preis ist 15. Preise der vorherigen vier Tage waren niedriger und dies bewirkt, dass der gleitende Durchschnitt zu verzögern. Exponentielle Verschiebung Durchschnittliche Berechnung Exponentielle gleitende Durchschnitte reduzieren die Verzögerung, indem sie mehr Gewicht auf die jüngsten Preise anwenden. Die Gewichtung, die auf den jüngsten Preis angewendet wird, hängt von der Anzahl der Perioden im gleitenden Durchschnitt ab. Es gibt drei Schritte zur Berechnung eines exponentiellen gleitenden Durchschnitts. Zuerst berechnen Sie den einfachen gleitenden Durchschnitt. Ein exponentieller gleitender Durchschnitt (EMA) muss irgendwann anfangen, so dass ein einfacher gleitender Durchschnitt als vorhergehende Periode verwendet wird039s EMA in der ersten Berechnung. Zweitens berechnen Sie den Gewichtungsmultiplikator. Drittens berechnen Sie den exponentiellen gleitenden Durchschnitt. Die folgende Formel gilt für eine 10-tägige EMA. Ein 10-stelliger exponentieller gleitender Durchschnitt gilt eine 18,18 Gewichtung auf den letzten Preis. Eine 10-Perioden-EMA kann auch als 18.18 EMA bezeichnet werden. Eine 20-Punkte-EMA wendet ein 9,52-Gewicht auf den letzten Preis an (2 (201) .0952). Beachten Sie, dass die Gewichtung für den kürzeren Zeitraum mehr als die Gewichtung für den längeren Zeitraum ist. In der Tat, die Gewichtung sinkt um die Hälfte jedes Mal, wenn die gleitende durchschnittliche Periode verdoppelt. Wenn Sie uns einen bestimmten Prozentsatz für eine EMA wünschen, können Sie diese Formel verwenden, um sie in Zeiträume umzuwandeln und diesen Wert als den EMA039s-Parameter einzugeben: Unten ist ein Tabellenkalkulationsbeispiel für einen 10-tägigen, einfachen gleitenden Durchschnitt und einen 10- Tag exponentieller gleitender Durchschnitt für Intel. Einfache gleitende Durchschnitte sind einfach und erfordern wenig Erklärung. Der 10-Tage-Durchschnitt bewegt sich einfach, wenn neue Preise verfügbar sind und die alten Preise fallen. Der exponentielle gleitende Durchschnitt beginnt mit dem einfachen gleitenden Mittelwert (22.22) in der ersten Berechnung. Nach der ersten Berechnung übernimmt die normale Formel. Weil eine EMA mit einem einfachen gleitenden Durchschnitt beginnt, wird ihr wahrer Wert erst 20 Jahre später realisiert. Mit anderen Worten, der Wert auf der Excel-Tabelle kann sich aufgrund der kurzen Rückblickzeit von dem Diagrammwert unterscheiden. Diese Kalkulationstabelle geht nur zurück 30 Perioden, was bedeutet, dass der Einfluss des einfachen gleitenden Durchschnittes 20 Perioden hat, um zu zerstreuen. StockCharts geht zurück mindestens 250-Perioden (typischerweise viel weiter) für seine Berechnungen, so dass die Effekte des einfachen gleitenden Durchschnitts in der ersten Berechnung vollständig zerstreut sind. Der Lag-Faktor Je länger der gleitende Durchschnitt, desto mehr die Lag. Ein 10-tägiger, exponentieller gleitender Durchschnitt wird die Preise ganz genau verkleinern und kurz nach dem Preis drehen. Kurze bewegte Durchschnitte sind wie Schnellboote - flink und schnell zu ändern. Im Gegensatz dazu enthält ein 100-Tage-Gleitender Durchschnitt viele vergangene Daten, die ihn verlangsamen. Längere gleitende Durchschnitte sind wie Ozean-Tanker - lethargisch und langsam zu ändern. Es dauert eine größere und längere Preisbewegung für einen 100-tägigen gleitenden Durchschnitt, um den Kurs zu wechseln. Die obige Grafik zeigt die SampP 500 ETF mit einer 10-tägigen EMA genau nach den Preisen und einem 100-Tage-SMA-Schleifen höher. Sogar mit dem Januar-Februar-Rückgang hielt die 100-Tage-SMA den Kurs und ging nicht ab. Die 50-Tage-SMA passt irgendwo zwischen den 10 und 100 Tage gleitenden Durchschnitten, wenn es um den Lagfaktor geht. Einfache vs exponentielle Verschiebungsdurchschnitte Auch wenn es deutliche Unterschiede zwischen einfachen gleitenden Durchschnitten und exponentiellen gleitenden Durchschnitten gibt, ist man nicht unbedingt besser als die andere. Exponentielle gleitende Durchschnitte haben weniger Verzögerung und sind daher empfindlicher gegenüber den jüngsten Preisen - und die jüngsten Preisänderungen. Exponentielle gleitende Durchschnitte werden sich vor einfachen gleitenden Durchschnitten drehen. Einfache gleitende Durchschnitte stellen dagegen einen wahren Durchschnittspreis für den gesamten Zeitraum dar. Als solche können einfache gleitende Durchschnitte besser geeignet sein, um Unterstützung oder Widerstand Ebenen zu identifizieren. Die Verschiebung der durchschnittlichen Präferenz hängt von den Zielen, dem analytischen Stil und dem Zeithorizont ab. Chartisten sollten mit beiden Arten von gleitenden Durchschnitten sowie verschiedene Zeitrahmen experimentieren, um die beste Passform zu finden. Die folgende Grafik zeigt IBM mit dem 50-Tage-SMA in Rot und der 50-Tage-EMA in grün. Beide erreichten Ende Januar, aber der Rückgang der EMA war schärfer als der Rückgang der SMA. Die EMA tauchte Mitte Februar auf, aber die SMA setzte sich bis Ende März fort. Beachten Sie, dass die SMA über einen Monat nach der EMA auftauchte. Längen und Zeitrahmen Die Länge des gleitenden Durchschnitts hängt von den analytischen Zielen ab. Kurze bewegte Durchschnitte (5-20 Perioden) eignen sich am besten für kurzfristige Trends und Handel. Chartisten, die sich für mittelfristige Trends interessieren, würden sich für längere gleitende Durchschnitte entscheiden, die sich über 20-60 Perioden erstrecken könnten. Langfristige Investoren bevorzugen gleitende Durchschnitte mit 100 oder mehr Perioden. Einige gleitende durchschnittliche Längen sind beliebter als andere. Der 200-Tage-Gleitender Durchschnitt ist vielleicht der beliebteste. Wegen seiner Länge ist dies eindeutig ein langfristiger gleitender Durchschnitt. Als nächstes ist der 50-Tage-Gleitender Durchschnitt für den mittelfristigen Trend sehr beliebt. Viele Chartisten verwenden die 50-Tage - und 200-Tage-Gruppendurchschnitte zusammen. Kurzfristig war ein 10-tägiger gleitender Durchschnitt in der Vergangenheit sehr beliebt, weil es leicht zu berechnen war. Man hat einfach die Zahlen hinzugefügt und den Dezimalpunkt verschoben. Trend Identifikation Die gleichen Signale können mit einfachen oder exponentiellen gleitenden Durchschnitten erzeugt werden. Wie oben erwähnt, hängt die Präferenz von jedem einzelnen ab. In diesen Beispielen werden sowohl einfache als auch exponentielle gleitende Durchschnitte verwendet. Der Begriff Gleitender Durchschnitt gilt für einfache und exponentielle gleitende Mittelwerte. Die Richtung des gleitenden Durchschnitts vermittelt wichtige Informationen über die Preise. Ein steigender gleitender Durchschnitt zeigt, dass die Preise im Allgemeinen zunehmen. Ein fallender gleitender Durchschnitt zeigt an, dass die Preise im Durchschnitt fallen. Ein steigender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Aufwärtstrend wider. Ein fallender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Abwärtstrend wider. Die obige Grafik zeigt 3M (MMM) mit einem 150-Tage-exponentiellen gleitenden Durchschnitt. Dieses Beispiel zeigt, wie gut bewegte Mittelwerte arbeiten, wenn der Trend stark ist. Die 150-tägige EMA hat sich im November 2007 und wieder im Januar 2008 abgelehnt. Beachten Sie, dass es einen Rückgang der Rückkehr in die Richtung dieses gleitenden Durchschnittes gab. Diese nacheilenden Indikatoren identifizieren Trendumkehrungen, wie sie auftreten (am besten) oder nachdem sie auftreten (im schlimmsten Fall). MMM setzte sich im März 2009 fort und stieg dann 40-50 an. Beachten Sie, dass die 150-Tage-EMA erst nach diesem Anstieg auftauchte. Sobald es so war, fuhr MMM in den nächsten zwölf Monaten weiter an. Durchgehende Durchschnitte arbeiten brillant in starken Trends. Double Crossovers Zwei gleitende Mittelwerte können zusammen verwendet werden, um Crossover-Signale zu erzeugen. In der technischen Analyse der Finanzmärkte. John Murphy nennt dies die doppelte Crossover-Methode. Doppelte Übergänge beinhalten einen relativ kurzen gleitenden Durchschnitt und einen relativ langen gleitenden Durchschnitt. Wie bei allen gleitenden Durchschnitten definiert die allgemeine Länge des gleitenden Durchschnitts den Zeitrahmen für das System. Ein System mit einer 5-tägigen EMA und 35-Tage-EMA wäre kurzfristig. Ein System, das eine 50-Tage-SMA - und 200-Tage-SMA verwendet, wäre mittelfristig, vielleicht sogar langfristig. Ein bullish crossover tritt auf, wenn der kürzere gleitende Durchschnitt über dem längeren gleitenden Durchschnitt kreuzt. Dies ist auch als goldenes Kreuz bekannt. Eine bärige Überkreuzung tritt auf, wenn der kürzere gleitende Durchschnitt unter dem längeren gleitenden Durchschnitt liegt. Dies ist bekannt als ein totes Kreuz. Durchgehende durchschnittliche Crossover produzieren relativ späte Signale. Schließlich verwendet das System zwei nacheilende Indikatoren. Je länger die gleitenden Mittelperioden sind, desto größer ist die Verzögerung der Signale. Diese Signale funktionieren gut, wenn ein guter Trend greift. Allerdings wird ein gleitendes durchschnittliches Crossover-System in der Abwesenheit eines starken Trends viele Peitschen produzieren. Es gibt auch eine Triple-Crossover-Methode, die drei gleitende Durchschnitte umfasst. Wieder wird ein Signal erzeugt, wenn der kürzeste gleitende Durchschnitt die beiden längeren Durchschnitte überschreitet. Ein einfaches Triple-Crossover-System könnte 5-tägige, 10-tägige und 20-tägige gleitende Durchschnitte beinhalten. Die Grafik oben zeigt Home Depot (HD) mit einer 10-Tage EMA (grüne gepunktete Linie) und 50-Tage EMA (rote Linie). Die schwarze Linie ist die tägliche Schließung. Mit einem gleitenden durchschnittlichen Crossover hätte drei Whipsaws zu einem guten Handel geführt. Die 10-tägige EMA brach unterhalb der 50-Tage-EMA Ende Oktober (1), aber das dauerte nicht lange, als die 10-Tage nach oben Mitte (2) zurückblieben. Dieses Kreuz dauerte länger, aber die nächste Baisse Crossover im Januar (3) trat in der Nähe Ende November Preisniveau, was zu einer anderen Whipsaw. Dieses bärische Kreuz dauerte nicht lange, als die 10-tägige EMA über die 50-Tage ein paar Tage später (4) zurückging. Nach drei schlechten Signalen zeigte das vierte Signal einen starken Zug, als die Aktie über 20 vorrückte. Es gibt zwei Takeaways hier. Zuerst sind Crossover anfällig für peitschen. Ein Preis - oder Zeitfilter kann angewendet werden, um Whipsaw zu verhindern. Trader könnten verlangen, dass die Crossover bis 3 Tage vor dem Handeln oder verlangen die 10-Tage-EMA, um über die 50-Tage-EMA um einen bestimmten Betrag vor dem Handeln zu bewegen. Zweitens kann MACD verwendet werden, um diese Crossover zu identifizieren und zu quantifizieren. MACD (10,50,1) zeigt eine Linie, die die Differenz zwischen den beiden exponentiellen gleitenden Mittelwerten darstellt. MACD dreht sich positiv während eines goldenen Kreuzes und negativ während eines toten Kreuzes. Der Prozentsatz-Preis-Oszillator (PPO) kann auf die gleiche Weise verwendet werden, um prozentuale Unterschiede zu zeigen. Beachten Sie, dass MACD und das PPO auf exponentiellen gleitenden Durchschnitten basieren und nicht mit einfachen gleitenden Durchschnitten übereinstimmen. Diese Grafik zeigt Oracle (ORCL) mit der 50-Tage-EMA, 200-Tage EMA und MACD (50.2001). Es gab vier gleitende durchschnittliche Übergänge über einen Zeitraum von 2 12 Jahren. Die ersten drei führten zu Whipsaws oder schlechten Trades. Eine anhaltende Tendenz begann mit dem vierten Crossover als ORCL bis Mitte der 20er Jahre. Noch einmal, gleitende durchschnittliche Übergänge funktionieren gut, wenn der Trend stark ist, aber produzieren Verluste in der Abwesenheit eines Trends. Preis-Crossovers Moving-Mittelwerte können auch verwendet werden, um Signale mit einfachen Preis-Crossover zu generieren. Ein bullisches Signal wird erzeugt, wenn sich die Preise über dem gleitenden Durchschnitt bewegen. Ein bärisches Signal wird erzeugt, wenn die Preise unter dem gleitenden Durchschnitt liegen. Preisübergänge können kombiniert werden, um im größeren Trend zu handeln. Der längere gleitende Durchschnitt setzt den Ton für den größeren Trend und der kürzere gleitende Durchschnitt wird verwendet, um die Signale zu erzeugen. Man würde bullish Preiskreuze nur dann suchen, wenn die Preise bereits über dem längeren gleitenden Durchschnitt liegen. Dies würde im Einklang mit dem größeren Trend handeln. Zum Beispiel, wenn der Preis über dem 200-Tage-Gleitender Durchschnitt liegt, würden sich die Chartisten nur auf Signale konzentrieren, wenn der Preis über den 50-Tage-Gleitender Durchschnitt geht. Offensichtlich würde ein Umzug unter dem 50-Tage-Gleitender Durchschnitt einem solchen Signal vorausgehen, aber solche bärigen Kreuze würden ignoriert werden, weil der größere Trend auf ist. Ein bärisches Kreuz würde einfach einen Pullback in einem größeren Aufwärtstrend vorschlagen. Eine Kreuzung über dem 50-Tage-Gleitender Durchschnitt würde einen Aufschwung der Preise und die Fortsetzung des größeren Aufwärtstrends signalisieren. Die nächste Grafik zeigt Emerson Electric (EMR) mit der 50-Tage-EMA und 200-Tage-EMA. Die Aktie bewegte sich oben und hielt über dem 200-Tage gleitenden Durchschnitt im August. Es gab Dips unter der 50-Tage-EMA Anfang November und wieder Anfang Februar. Die Preise sind schnell über die 50-Tage-EMA zurückgekehrt, um bullische Signale (grüne Pfeile) im Einklang mit dem größeren Aufwärtstrend zu liefern. MACD (1,50,1) wird im Indikatorfenster angezeigt, um Preiskreuze über oder unter der 50-Tage-EMA zu bestätigen. Die 1-tägige EMA entspricht dem Schlusskurs. MACD (1,50,1) ist positiv, wenn das Schließen über dem 50-Tage-EMA liegt und negativ ist, wenn das Schließen unterhalb der 50-Tage-EMA liegt. Unterstützung und Widerstand Bewegliche Mittelwerte können auch als Unterstützung in einem Aufwärtstrend und Widerstand in einem Abwärtstrend dienen. Ein kurzfristiger Aufwärtstrend könnte Unterstützung in der Nähe des 20-tägigen einfachen gleitenden Durchschnitts finden, der auch in Bollinger Bands verwendet wird. Ein langfristiger Aufwärtstrend könnte Unterstützung in der Nähe der 200-Tage einfachen gleitenden Durchschnitt, die die beliebtesten langfristigen gleitenden Durchschnitt ist. Wenn die Tatsache, die 200-Tage gleitenden Durchschnitt kann Unterstützung oder Widerstand bieten, nur weil es so weit verbreitet ist. Es ist fast wie eine sich selbst erfüllende Prophezeiung. Die Grafik oben zeigt die NY Composite mit dem 200-Tage einfachen gleitenden Durchschnitt von Mitte 2004 bis Ende 2008. Die 200-Tage-Unterstützung unterstützt mehrmals während des Vormarsches. Sobald der Trend mit einer doppelten Top-Support-Pause umgekehrt, fuhr der 200-Tage-Gleitender Durchschnitt als Widerstand um 9500. Erwarten Sie nicht genaue Unterstützung und Widerstand Ebenen von bewegten Durchschnitten, vor allem längere gleitende Durchschnitte. Die Märkte werden von Emotionen angetrieben, was sie zu Überschwemmungen macht. Anstelle von exakten Ebenen können gleitende Mittelwerte verwendet werden, um Stütz - oder Widerstandszonen zu identifizieren. Schlussfolgerungen Die Vorteile der Verwendung von gleitenden Durchschnitten müssen gegen die Nachteile gewogen werden. Durchgehende Durchschnitte sind Trendfolgen oder Nachlauf, Indikatoren, die immer ein Schritt dahinter sein werden. Das ist aber nicht unbedingt eine schlechte Sache. Immerhin ist der Trend dein Freund und es ist am besten, in Richtung des Trends zu handeln. Durchgehende Durchschnitte versichern, dass ein Händler mit dem aktuellen Trend übereinstimmt. Auch wenn der Trend Ihr Freund ist, verbringen die Wertpapiere viel Zeit in Handelsbereichen, die gleitende Durchschnitte ineffektiv machen. Einmal in einem Trend, bewegte Durchschnitte halten Sie in, aber auch späte Signale. Don039t erwarten, an der Spitze zu verkaufen und an der Unterseite zu kaufen, indem bewegte Durchschnitte. Wie bei den meisten technischen Analysewerkzeugen sollten gleitende Durchschnitte nicht allein verwendet werden, sondern in Verbindung mit anderen komplementären Werkzeugen. Chartisten können gleitende Durchschnitte verwenden, um den Gesamttrend zu definieren und dann RSI zu verwenden, um überkaufte oder überverkaufte Ebenen zu definieren. Hinzufügen von Moving Averages zu StockCharts Charts Verschieben von Durchschnittswerten sind als Preisüberlagerungsfunktion auf der SharpCharts Workbench verfügbar. Mit dem Dropdown-Menü Overlays können Benutzer entweder einen einfachen gleitenden Durchschnitt oder einen exponentiellen gleitenden Durchschnitt wählen. Mit dem ersten Parameter wird die Anzahl der Zeiträume eingestellt. Ein optionaler Parameter kann hinzugefügt werden, um festzulegen, welches Preisfeld in den Berechnungen verwendet werden soll - O für das Open, H für das Hoch, L für das Niedrige und C für das Schließen. Ein Komma wird verwendet, um Parameter zu trennen. Ein weiterer optionaler Parameter kann hinzugefügt werden, um die gleitenden Mittelwerte nach links (vergangene) oder rechts (Zukunft) zu verschieben. Eine negative Zahl (-10) würde den gleitenden Durchschnitt nach links verschieben 10 Perioden. Eine positive Zahl (10) würde den gleitenden Durchschnitt auf die richtigen 10 Perioden verschieben. Mehrere gleitende Durchschnitte können das Preisplot überlagert werden, indem man einfach eine weitere Overlay-Linie zur Workbench hinzufügt. StockCharts-Mitglieder können die Farben und den Stil ändern, um zwischen mehreren gleitenden Durchschnitten zu unterscheiden. Nach Auswahl eines Indikators öffnen Sie die erweiterten Optionen, indem Sie auf das kleine grüne Dreieck klicken. Erweiterte Optionen können auch verwendet werden, um eine gleitende durchschnittliche Überlagerung zu anderen technischen Indikatoren wie RSI, CCI und Volume hinzuzufügen. Klicken Sie hier für eine Live-Chart mit mehreren verschiedenen gleitenden Durchschnitten. Mit Moving Averages mit StockCharts Scans Hier sind einige Beispiel-Scans, die StockCharts-Mitglieder verwenden können, um für verschiedene gleitende durchschnittliche Situationen zu scannen: Bullish Moving Average Cross: Diese Scans sucht nach Aktien mit einem steigenden 150-Tage-einfachen gleitenden Durchschnitt und einem bullish Kreuz der 5 - Tag EMA und 35-Tage-EMA. Der 150-Tage-Gleitender Durchschnitt steigt, solange er über seinem Niveau vor fünf Tagen gehandelt wird. Ein bullisches Kreuz tritt auf, wenn die 5-Tage-EMA über die 35-Tage-EMA auf überdurchschnittliche Lautstärke bewegt. Bearish Moving Average Cross: Diese Scans suchen nach Aktien mit einem fallenden 150-Tage-einfachen gleitenden Durchschnitt und einem bärischen Kreuz der 5-tägigen EMA und 35-Tage-EMA. Der 150-Tage-Gleitender Durchschnitt fällt, solange er unter seinem Niveau vor fünf Tagen gehandelt wird. Ein bärisches Kreuz tritt auf, wenn die 5-tägige EMA unterhalb der 35-Tage-EMA auf überdurchschnittlichem Volumen bewegt. Weitere Studie John Murphy039s Buch hat ein Kapitel gewidmet, um die Durchschnitte und ihre verschiedenen Verwendungen gewidmet. Murphy deckt die Vor-und Nachteile der gleitenden Durchschnitte. Darüber hinaus zeigt Murphy, wie bewegte Mittelwerte mit Bollinger Bands und kanalbasierten Handelssystemen arbeiten. Technische Analyse der Finanzmärkte John MurphyEinführung in ARIMA: Nichtseasonale Modelle ARIMA (p, d, q) Prognose Gleichung: ARIMA Modelle sind in der Theorie die allgemeinste Klasse von Modellen für die Prognose einer Zeitreihe, die gemacht werden kann, um 8220stationary8221 von Differenziert (falls nötig), vielleicht in Verbindung mit nichtlinearen Transformationen wie Protokollierung oder Entleerung (falls nötig). Eine zufällige Variable, die eine Zeitreihe ist, ist stationär, wenn ihre statistischen Eigenschaften alle über die Zeit konstant sind. Eine stationäre Serie hat keinen Trend, ihre Variationen um ihre Mittel haben eine konstante Amplitude, und es wackelt in einer konsistenten Weise. D. h. seine kurzzeitigen zufälligen Zeitmuster sehen immer in einem statistischen Sinn gleich aus. Die letztere Bedingung bedeutet, daß ihre Autokorrelationen (Korrelationen mit ihren eigenen vorherigen Abweichungen vom Mittelwert) über die Zeit konstant bleiben oder äquivalent, daß sein Leistungsspektrum über die Zeit konstant bleibt. Eine zufällige Variable dieses Formulars kann (wie üblich) als eine Kombination von Signal und Rauschen betrachtet werden, und das Signal (wenn man offensichtlich ist) könnte ein Muster der schnellen oder langsamen mittleren Reversion oder sinusförmigen Oszillation oder eines schnellen Wechsels im Zeichen sein , Und es könnte auch eine saisonale Komponente haben. Ein ARIMA-Modell kann als 8220filter8221 betrachtet werden, das versucht, das Signal vom Rauschen zu trennen, und das Signal wird dann in die Zukunft extrapoliert, um Prognosen zu erhalten. Die ARIMA-Prognosegleichung für eine stationäre Zeitreihe ist eine lineare (d. h. regressionstypische) Gleichung, bei der die Prädiktoren aus Verzögerungen der abhängigen Variablen und Verzögerungen der Prognosefehler bestehen. Das heißt: vorhergesagter Wert von Y eine Konstante undeiner gewichteten Summe von einem oder mehreren neueren Werten von Y und einer gewichteten Summe von einem oder mehreren neueren Werten der Fehler. Wenn die Prädiktoren nur aus verzögerten Werten von Y bestehen, ist es ein reines autoregressives Modell (8220 selbst-regressed8221), das nur ein Spezialfall eines Regressionsmodells ist und mit Standardregressionssoftware ausgestattet werden kann. Zum Beispiel ist ein autoregressives (8220AR (1) 8221) Modell erster Ordnung für Y ein einfaches Regressionsmodell, bei dem die unabhängige Variable nur Y um eine Periode (LAG (Y, 1) in Statgraphics oder YLAG1 in RegressIt hinterlässt). Wenn einige der Prädiktoren die Fehler der Fehler sind, ist es ein ARIMA-Modell, es ist kein lineares Regressionsmodell, denn es gibt keine Möglichkeit, 828last period8217s error8221 als unabhängige Variable anzugeben: Die Fehler müssen auf einer Periodenperiode berechnet werden Wenn das Modell an die Daten angepasst ist. Aus technischer Sicht ist das Problem bei der Verwendung von verzögerten Fehlern als Prädiktoren, dass die Vorhersagen des Modells8217 nicht lineare Funktionen der Koeffizienten sind. Obwohl sie lineare Funktionen der vergangenen Daten sind. So müssen Koeffizienten in ARIMA-Modellen, die verzögerte Fehler enthalten, durch nichtlineare Optimierungsmethoden (8220hill-climbing8221) geschätzt werden, anstatt nur ein Gleichungssystem zu lösen. Das Akronym ARIMA steht für Auto-Regressive Integrated Moving Average. Die Verzögerungen der stationärisierten Serien in der Prognosegleichung werden als quartalspezifische Begriffe bezeichnet, die Verzögerungen der Prognosefehler werden als quadratische Begrenzungsterme bezeichnet, und eine Zeitreihe, die differenziert werden muss, um stationär zu sein, wird als eine quotintegrierte Quotversion einer stationären Serie bezeichnet. Random-Walk - und Random-Trend-Modelle, autoregressive Modelle und exponentielle Glättungsmodelle sind alle Sonderfälle von ARIMA-Modellen. Ein Nicht-Seasonal-ARIMA-Modell wird als ein Quoten-Modell von quaremA (p, d, q) klassifiziert, wobei p die Anzahl der autoregressiven Terme ist, d die Anzahl der für die Stationarität benötigten Nichtseasondifferenzen und q die Anzahl der verzögerten Prognosefehler in Die Vorhersagegleichung. Die Prognosegleichung wird wie folgt aufgebaut. Zuerst bezeichne y die d-te Differenz von Y. Das bedeutet: Beachten Sie, dass die zweite Differenz von Y (der Fall d2) nicht der Unterschied von 2 Perioden ist. Vielmehr ist es der erste Unterschied zwischen dem ersten Unterschied. Welches das diskrete Analog einer zweiten Ableitung ist, d. h. die lokale Beschleunigung der Reihe und nicht deren lokaler Trend. In Bezug auf y. Die allgemeine Prognosegleichung lautet: Hier werden die gleitenden Durchschnittsparameter (9528217s) so definiert, dass ihre Zeichen in der Gleichung nach der von Box und Jenkins eingeführten Konventionen negativ sind. Einige Autoren und Software (einschließlich der R-Programmiersprache) definieren sie so, dass sie stattdessen Pluszeichen haben. Wenn tatsächliche Zahlen in die Gleichung gesteckt sind, gibt es keine Mehrdeutigkeit, aber it8217s wichtig zu wissen, welche Konvention Ihre Software verwendet, wenn Sie die Ausgabe lesen. Oft werden die Parameter dort mit AR (1), AR (2), 8230 und MA (1), MA (2), 8230 usw. bezeichnet. Um das entsprechende ARIMA-Modell für Y zu identifizieren, beginnen Sie mit der Bestimmung der Reihenfolge der Differenzierung (D) die Serie zu stationieren und die Brutto-Merkmale der Saisonalität zu entfernen, vielleicht in Verbindung mit einer abweichungsstabilisierenden Transformation wie Protokollierung oder Entleerung. Wenn Sie an dieser Stelle anhalten und vorhersagen, dass die differenzierte Serie konstant ist, haben Sie nur einen zufälligen Spaziergang oder ein zufälliges Trendmodell ausgestattet. Allerdings können die stationärisierten Serien immer noch autokorrelierte Fehler aufweisen, was darauf hindeutet, dass in der Prognosegleichung auch eine Anzahl von AR-Terme (p 8805 1) und einigen einigen MA-Terme (q 8805 1) benötigt werden. Der Prozess der Bestimmung der Werte von p, d und q, die am besten für eine gegebene Zeitreihe sind, wird in späteren Abschnitten der Noten (deren Links oben auf dieser Seite), aber eine Vorschau auf einige der Typen diskutiert werden Von nicht-seasonalen ARIMA-Modellen, die häufig angetroffen werden, ist unten angegeben. ARIMA (1,0,0) Autoregressives Modell erster Ordnung: Wenn die Serie stationär und autokorreliert ist, kann man sie vielleicht als Vielfaches ihres eigenen vorherigen Wertes und einer Konstante voraussagen. Die prognostizierte Gleichung in diesem Fall ist 8230which ist Y regressed auf sich selbst verzögerte um einen Zeitraum. Dies ist ein 8220ARIMA (1,0,0) constant8221 Modell. Wenn der Mittelwert von Y Null ist, dann wäre der konstante Term nicht enthalten. Wenn der Steigungskoeffizient 981 & sub1; positiv und kleiner als 1 in der Grße ist (er muß kleiner als 1 in der Grße sein, wenn Y stationär ist), beschreibt das Modell das Mittelwiederkehrungsverhalten, bei dem der nächste Periode8217s-Wert 981 mal als vorher vorausgesagt werden sollte Weit weg von dem Mittelwert als dieser Zeitraum8217s Wert. Wenn 981 & sub1; negativ ist, prognostiziert es ein Mittelrückkehrverhalten mit einem Wechsel von Zeichen, d. h. es sagt auch, daß Y unterhalb der mittleren nächsten Periode liegt, wenn es über dem Mittelwert dieser Periode liegt. In einem autoregressiven Modell zweiter Ordnung (ARIMA (2,0,0)) wäre auch ein Y-t-2-Term auf der rechten Seite und so weiter. Abhängig von den Zeichen und Größen der Koeffizienten könnte ein ARIMA (2,0,0) Modell ein System beschreiben, dessen mittlere Reversion in einer sinusförmig oszillierenden Weise stattfindet, wie die Bewegung einer Masse auf einer Feder, die zufälligen Schocks ausgesetzt ist . ARIMA (0,1,0) zufälliger Spaziergang: Wenn die Serie Y nicht stationär ist, ist das einfachste Modell für sie ein zufälliges Spaziergangmodell, das als Begrenzungsfall eines AR (1) - Modells betrachtet werden kann, in dem das autoregressive Koeffizient ist gleich 1, dh eine Serie mit unendlich langsamer mittlerer Reversion. Die Vorhersagegleichung für dieses Modell kann wie folgt geschrieben werden: wobei der konstante Term die mittlere Periodenänderung (dh die Langzeitdrift) in Y ist. Dieses Modell könnte als ein Nicht-Intercept-Regressionsmodell eingebaut werden, in dem die Die erste Differenz von Y ist die abhängige Variable. Da es (nur) eine nicht-seasonale Differenz und einen konstanten Term enthält, wird es als ein quotARIMA (0,1,0) Modell mit constant. quot eingestuft. Das random-walk-without - drift-Modell wäre ein ARIMA (0,1, 0) Modell ohne Konstante ARIMA (1,1,0) differenzierte Autoregressive Modell erster Ordnung: Wenn die Fehler eines zufälligen Walk-Modells autokorreliert werden, kann das Problem eventuell durch Hinzufügen einer Verzögerung der abhängigen Variablen zu der Vorhersagegleichung behoben werden - - ie Durch den Rücktritt der ersten Differenz von Y auf sich selbst um eine Periode verzögert. Dies würde die folgende Vorhersagegleichung ergeben: die umgewandelt werden kann Dies ist ein autoregressives Modell erster Ordnung mit einer Reihenfolge von Nicht-Seasonal-Differenzen und einem konstanten Term - d. h. Ein ARIMA (1,1,0) Modell. ARIMA (0,1,1) ohne konstante, einfache exponentielle Glättung: Eine weitere Strategie zur Korrektur autokorrelierter Fehler in einem zufälligen Walk-Modell wird durch das einfache exponentielle Glättungsmodell vorgeschlagen. Erinnern Sie sich, dass für einige nichtstationäre Zeitreihen (z. B. diejenigen, die geräuschvolle Schwankungen um ein langsam variierendes Mittel aufweisen), das zufällige Wandermodell nicht so gut wie ein gleitender Durchschnitt von vergangenen Werten ausführt. Mit anderen Worten, anstatt die jüngste Beobachtung als die Prognose der nächsten Beobachtung zu nehmen, ist es besser, einen Durchschnitt der letzten Beobachtungen zu verwenden, um das Rauschen herauszufiltern und das lokale Mittel genauer zu schätzen. Das einfache exponentielle Glättungsmodell verwendet einen exponentiell gewichteten gleitenden Durchschnitt von vergangenen Werten, um diesen Effekt zu erzielen. Die Vorhersagegleichung für das einfache exponentielle Glättungsmodell kann in einer Anzahl von mathematisch äquivalenten Formen geschrieben werden. Eine davon ist die so genannte 8220error Korrektur8221 Form, in der die vorherige Prognose in Richtung des Fehlers eingestellt wird, die es gemacht hat: Weil e t-1 Y t-1 - 374 t-1 per Definition, kann dies wie folgt umgeschrieben werden : Das ist eine ARIMA (0,1,1) - ohne Konstante Prognose Gleichung mit 952 1 1 - 945. Dies bedeutet, dass Sie eine einfache exponentielle Glättung passen können, indem Sie es als ARIMA (0,1,1) Modell ohne Konstant und der geschätzte MA (1) - Koeffizient entspricht 1-minus-alpha in der SES-Formel. Erinnern daran, dass im SES-Modell das Durchschnittsalter der Daten in den 1-Perioden-Prognosen 1 945 beträgt. Dies bedeutet, dass sie dazu neigen, hinter Trends oder Wendepunkten um etwa 1 945 Perioden zurückzukehren. Daraus folgt, dass das Durchschnittsalter der Daten in den 1-Periodenprognosen eines ARIMA (0,1,1) - without-constant-Modells 1 (1 - 952 1) beträgt. So, zum Beispiel, wenn 952 1 0.8, ist das Durchschnittsalter 5. Wenn 952 1 sich nähert, wird das ARIMA (0,1,1) - without-konstantes Modell zu einem sehr langfristigen gleitenden Durchschnitt und als 952 1 Nähert sich 0 wird es zu einem zufälligen Walk-ohne-Drift-Modell. Was ist der beste Weg, um Autokorrelation zu korrigieren: Hinzufügen von AR-Terme oder Hinzufügen von MA-Terme In den vorangegangenen zwei Modellen, die oben diskutiert wurden, wurde das Problem der autokorrelierten Fehler in einem zufälligen Walk-Modell auf zwei verschiedene Arten festgelegt: durch Hinzufügen eines verzögerten Wertes der differenzierten Serie Zur Gleichung oder Hinzufügen eines verzögerten Wertes des Prognosefehlers. Welcher Ansatz ist am besten Eine Faustregel für diese Situation, die später noch ausführlicher erörtert wird, ist, dass eine positive Autokorrelation in der Regel am besten durch Hinzufügen eines AR-Termes zum Modell behandelt wird und eine negative Autokorrelation wird meist am besten durch Hinzufügen eines MA-Term. In geschäftlichen und ökonomischen Zeitreihen entsteht oftmals eine negative Autokorrelation als Artefakt der Differenzierung. (Im Allgemeinen verringert die Differenzierung die positive Autokorrelation und kann sogar einen Wechsel von positiver zu negativer Autokorrelation verursachen.) So wird das ARIMA (0,1,1) - Modell, in dem die Differenzierung von einem MA-Term begleitet wird, häufiger als ein ARIMA (1,1,0) Modell. ARIMA (0,1,1) mit konstanter, einfacher, exponentieller Glättung mit Wachstum: Durch die Implementierung des SES-Modells als ARIMA-Modell erhalten Sie gewisse Flexibilität. Zunächst darf der geschätzte MA (1) - Koeffizient negativ sein. Dies entspricht einem Glättungsfaktor größer als 1 in einem SES-Modell, was in der Regel nicht durch das SES-Modell-Anpassungsverfahren erlaubt ist. Zweitens haben Sie die Möglichkeit, einen konstanten Begriff im ARIMA-Modell einzubeziehen, wenn Sie es wünschen, um einen durchschnittlichen Trend ungleich Null abzuschätzen. Das ARIMA (0,1,1) - Modell mit Konstante hat die Vorhersagegleichung: Die Prognosen von einem Periodenvorhersage aus diesem Modell sind qualitativ ähnlich denen des SES-Modells, mit der Ausnahme, dass die Trajektorie der Langzeitprognosen typischerweise ein Schräge Linie (deren Steigung gleich mu ist) anstatt einer horizontalen Linie. ARIMA (0,2,1) oder (0,2,2) ohne konstante lineare exponentielle Glättung: Lineare exponentielle Glättungsmodelle sind ARIMA-Modelle, die zwei Nichtseason-Differenzen in Verbindung mit MA-Terme verwenden. Der zweite Unterschied einer Reihe Y ist nicht einfach der Unterschied zwischen Y und selbst, der um zwei Perioden verzögert ist, sondern vielmehr der erste Unterschied der ersten Differenz - i. e. Die Änderung der Änderung von Y in der Periode t. Somit ist die zweite Differenz von Y in der Periode t gleich (Y t - Y t - 1) - (Y t - 1 - Y t - 2) Y t - 2Y t - 1 Y t - 2. Eine zweite Differenz einer diskreten Funktion ist analog zu einer zweiten Ableitung einer stetigen Funktion: sie misst die quotaccelerationquot oder quotcurvaturequot in der Funktion zu einem gegebenen Zeitpunkt. Das ARIMA (0,2,2) - Modell ohne Konstante prognostiziert, dass die zweite Differenz der Serie gleich einer linearen Funktion der letzten beiden Prognosefehler ist: die umgeordnet werden kann: wobei 952 1 und 952 2 die MA (1) und MA (2) Koeffizienten Dies ist ein allgemeines lineares exponentielles Glättungsmodell. Im Wesentlichen das gleiche wie Holt8217s Modell, und Brown8217s Modell ist ein Sonderfall. Es verwendet exponentiell gewichtete Bewegungsdurchschnitte, um sowohl eine lokale Ebene als auch einen lokalen Trend in der Serie abzuschätzen. Die langfristigen Prognosen von diesem Modell konvergieren zu einer geraden Linie, deren Hang hängt von der durchschnittlichen Tendenz, die gegen Ende der Serie beobachtet wird. ARIMA (1,1,2) ohne konstante gedämpfte Trend-lineare exponentielle Glättung. Dieses Modell wird in den beiliegenden Folien auf ARIMA-Modellen dargestellt. Es extrapoliert den lokalen Trend am Ende der Serie, aber erhebt es bei längeren Prognosehorizonten, um eine Note des Konservatismus einzuführen, eine Praxis, die empirische Unterstützung hat. Sehen Sie den Artikel auf quotWhy der Damped Trend Workquot von Gardner und McKenzie und die quotGolden Rulequot Artikel von Armstrong et al. für Details. Es ist grundsätzlich ratsam, an Modellen zu bleiben, bei denen mindestens eines von p und q nicht größer als 1 ist, dh nicht versuchen, ein Modell wie ARIMA (2,1,2) zu passen, da dies wahrscheinlich zu Überfüllung führen wird Und quotcommon-factorquot-Themen, die ausführlicher in den Anmerkungen zur mathematischen Struktur von ARIMA-Modellen diskutiert werden. Spreadsheet-Implementierung: ARIMA-Modelle wie die oben beschriebenen sind einfach in einer Kalkulationstabelle zu implementieren. Die Vorhersagegleichung ist einfach eine lineare Gleichung, die sich auf vergangene Werte der ursprünglichen Zeitreihen und vergangene Werte der Fehler bezieht. So können Sie eine ARIMA-Prognosekalkulationstabelle einrichten, indem Sie die Daten in Spalte A, die Prognoseformel in Spalte B und die Fehler (Daten minus Prognosen) in Spalte C speichern. Die Prognoseformel in einer typischen Zelle in Spalte B wäre einfach Ein linearer Ausdruck, der sich auf Werte in vorhergehenden Zeilen der Spalten A und C bezieht, multipliziert mit den entsprechenden AR - oder MA-Koeffizienten, die in anderen Zellen auf der Kalkulationstabelle gespeichert sind.
No comments:
Post a Comment