Moving Average Genauigkeit

Gleitender Durchschnitt Vorhersage Einleitung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie für Ihre zweite Testergebnis vorhersagen Was denken Sie Ihre Lehrer würde für Ihren nächsten Test-Ergebnis vorhersagen Was denken Sie, Ihre Freunde könnten für Ihren nächsten Test-Ergebnis vorherzusagen, was Sie denken, Sie Ihre Eltern für Ihren nächsten Test-Ergebnis vorhersagen könnte Unabhängig von Alle die blabbing Sie tun könnten, um Ihre Freunde und Eltern, sie und Ihr Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas im Bereich der 85 erhalten Sie gerade bekommen. Nun, da Sie Ihren Freunden trotz Ihrer Eigenwerbung lässt vermuten, Sie selbst überschätzen und Abbildung Sie weniger für den zweiten Test studieren können und so erhalten Sie einen 73. Nun, was all die betroffen sind und unbeteiligt gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie sie mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden die Eltern versuchen, mehr unterstützend und sagen, quotWell, so weit youve bekommen eine 85 und eine 73, so vielleicht sollten Sie auf eine über (85 73) 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger feiern Und werent wedelte das Wiesel ganz über dem Platz und wenn Sie anfingen, viel mehr zu studieren, konnten Sie einen höheren score. quot erhalten. Beide dieser Schätzungen sind wirklich gleitende durchschnittliche Prognosen. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, sauer du all diese Leute eine Art haben auf Ihrem großen Geist Zerschlagung und Sie entscheiden sich für Ihre eigenen Gründe auch im dritten Test zu machen und eine höhere Punktzahl vor Ihrem quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So jetzt haben Sie die abschließende Prüfung des Semesters herauf und wie üblich spüren Sie die Notwendigkeit, alle in die Vorhersagen zu machen, wie youll auf dem letzten Test tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive eingeschlossen das quotpast predictionsquot, weil wir sie auf der folgenden Webseite verwenden, um Vorhersagegültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Auch hier habe ich die quotpast Vorhersagequot für illustrative Zwecke und für die spätere Verwendung in der Prognose Validierung enthalten. Einige andere Dinge, die wichtig zu beachten sind. Für eine m-Periode gleitende Durchschnittsprognose werden nur die m neuesten Datenwerte verwendet, um die Vorhersage durchzuführen. Nichts anderes ist notwendig. Für eine m-Periode gleitende durchschnittliche Prognose, wenn Sie Quotpast Vorhersagequot, beachten Sie, dass die erste Vorhersage tritt im Zeitraum m 1 auf. Diese beiden Fragen werden sehr wichtig sein, wenn wir unseren Code entwickeln. Entwicklung der Moving Average Funktion. Nun müssen wir den Code für die gleitende Durchschnittsprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingaben für die Anzahl der Perioden sind, die Sie in der Prognose und dem Array der historischen Werte verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historische, NumberOfPeriods) As Single Deklarieren und Variablen Dim Artikel As Variant Dim Zähler As Integer Dim Accumulation As Single Dim HistoricalSize Initialisierung As Integer initialisieren Variablen Zähler 1 Accumulation 0 Bestimmung der Größe der historischen Array HistoricalSize Historical. Count für Zähler 1 Um NumberOfPeriods thesaurierend die entsprechende Anzahl von jüngsten zuvor Werte Accumulation Accumulation Historische beobachtet (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods der Code wird in der Klasse erklärt. Sie möchten die Funktion auf der Tabelle zu positionieren, so dass das Ergebnis der Berechnung angezeigt, in dem es die following. I einige Daten haben mögen, sollten, wo die Menschen auf die Dinge stimmen, und es wäre schön, für jedes Element, wie jeder, der einen Durchschnitt zu haben Hat abgestimmt. Sie können die Stimmen als einen Strom von ständig ankommenden Zahlen zu denken. Jetzt kann ich herausfinden, die durchschnittlich genau, aber dafür zu tun, ich habe, um zwei Zahlen, entweder die gesamte oder der aktuelle Durchschnitt und die Anzahl der, wie viele Elemente bisher gesehen worden zu speichern. Wenn ich dies tun, kann ich verwenden, aber dies ist ein Schmerz, da es zwingt mich, zwei Stücke von Daten für jedes Element, das ich für Stimmen haben zu speichern. Es gibt einen anderen Weg, den ich kenne genannt den gleitenden Durchschnitt oder Iterator Durchschnitt, die auf Streaming-Daten arbeiten können, aber nur einen ungefähren Durchschnitt wie folgt geben: wo Alpha ist eine kleine feste Lernrate. Dies versucht einfach, den neuen Durchschnitt in Richtung des neuen Elements und um einen Betrag zu verschieben, der proportional zur Differenz zwischen diesem neuen Element und dem aktuellen Schätzwert ist. Dies gibt mir einen Weg, um nur eine Zahl (den aktuellen Durchschnitt) speichern und noch in der Lage sein, es zu aktualisieren, wenn ein neues Element kommt aber auf Kosten dieser nur eine Annäherung. Ich möchte wissen, ob es irgendwelche bekannten Grenzen auf den Fehler dieser Methode eingeführt. Gibt es eine Formel zu schätzen, wie weit weg von der Wahrheit diese Schätzung ist, und auch, wie sollte ich wählen, eine gute Alpha Mehr Infos dazu in diesem Beitrag und diese Frage. Gefragt Aug 2 12 um 11: 57Die zuverlässigste Indikator You039ve nie gehört John R. McGinley ist ein Certified Market Technician. Ehemaliger Herausgeber der Market Technicians Assn. Zeitschrift für Technische Analyse und Erfinder der McGinley Dynamic. Im Rahmen der gleitenden Durchschnitte in den 1990er Jahren suchte McGinley einen reaktionsfähigen Indikator auf, der automatisch auf die Rohdaten besser reagieren würde als einfache oder exponentielle gleitende Durchschnittswerte. SMA vs. EMA Simple Moving Averages (SMA) glatt Preis-Aktion durch die Berechnung der Vergangenheit Schlusskurse und dividiert durch die Anzahl der Perioden. Um einen 10-tägigen einfachen gleitenden Durchschnitt zu berechnen. Die Schlusskurse der letzten 10 Tage addieren und durch 10 dividieren. Je glatter der gleitende Durchschnitt, desto langsamer reagiert er auf die Preise. Ein 50-Tage gleitender Durchschnitt bewegt sich langsamer als ein 10-Tage gleitender Durchschnitt. Ein 10- und 20-Tage gleitender Durchschnitt kann manchmal eine Volatilität der Preise erfahren, die es schwieriger machen können, Preisaktionen zu interpretieren. In diesen Zeiträumen können Fehlsignale auftreten, die Verluste verursachen, weil die Preise dem Markt zu weit voraus sind. Ein exponentieller gleitender Durchschnitt (EMA) reagiert auf die Preise viel schneller als ein einfacher gleitender Durchschnitt. Dies liegt daran, dass die EMA mehr Gewicht auf die neuesten Daten als die älteren Daten. Es ist ein guter Indikator für die kurzfristige und eine gute Methode, um kurzfristige Trends zu erfassen, weshalb Händler sowohl einfache als auch exponentielle Bewegungsdurchschnitte gleichzeitig für Ein - und Ausgänge verwenden. Trotzdem kann es auch die Daten hinter sich lassen. Das Problem mit sich bewegenden Durchschnitten In seiner Forschung der bewegten Durchschnitte, die viel weiter ging als die grundlegenden Beispiele, die bereits gezeigt wurden, fand McGinley, daß bewegliche Durchschnitte viele Probleme hatten. Das erste Problem war, dass sie unangemessen angewendet wurden. Gleitende Mittelwerte in verschiedenen Perioden arbeiten mit unterschiedlichem Ausmaß in verschiedenen Märkten. Zum Beispiel, wie kann man wissen, wann man einen 10-Tage zu einem 20- bis 50-Tage gleitenden Durchschnitt in einem schnellen oder langsamen Markt zu verwenden. Um das Problem der Wahl der Länge des gleitenden Durchschnitts, die auf den aktuellen Markt zutrifft, zu lösen, passt sich der McGinley Dynamic automatisch der Geschwindigkeit des Marktes an. McGinley glaubt, dass gleitende Mittelwerte nur als Glättungsmechanismus und nicht als Handelssystem oder Signalgenerator verwendet werden sollten. Es ist ein Trendmonitor. Aber ein 10-Tage einfachen gleitenden Durchschnitt ist um fünf Tage oder die Hälfte seiner Länge ausgeschaltet. Die Chancen sind gut, dass die große Verschiebung der Preise bereits am fünften Tag eines 10-tägigen einfachen gleitenden Durchschnitt aufgetreten ist. Darüber hinaus sollte ein 10-Tage gleitenden Durchschnitt richtig aufgetragen werden fünf Tage vor dem aktuellen Datum. Zudem konnte McGinley feststellen, dass die gleitenden Durchschnittswerte den Preisen nicht folgen konnten, da es häufig zu großen Trennungen zwischen Preisen und gleitenden Durchschnittslinien kam. McGinley suchte, diese Probleme zu beseitigen, indem er einen Indikator ermittelte, der Preise näher umrissen, Preisabtrennung und whipsaws vermeiden würde und Preise automatisch in schnellen oder langsamen Märkten folgen würde. McGinley Dynamic Das tat er mit der Erfindung des McGinley Dynamic. Die Formel ist: Die McGinley Dynamic sieht aus wie eine gleitende durchschnittliche Linie, aber es ist ein Glättungsmechanismus für die Preise, die sich herausstellen, weit besser als jeder gleitende Durchschnitt. Es minimiert Preisabstand, Preis whipsaws und Umarmungen Preise viel mehr eng. Und es tut dies automatisch, da dies ein Faktor der Formel ist. Aufgrund der Berechnungen beschleunigt sich die Dynamic Line in den Märkten, da sich die Preise nach wie vor langsamer in den Märkten bewegen. Man möchte schnell sein, in einem Down-Markt zu verkaufen, aber fahren ein bis Markt so lange wie möglich. Die Konstante N bestimmt, wie eng der Dynamic den Index oder den Bestand verfolgt. Wenn man einen 20-Tage gleitenden Durchschnitt emuliert, verwenden Sie beispielsweise einen N-Wert, der halb so groß ist wie der gleitende Durchschnitt oder in diesem Fall 10. Er vermeidet Whipsaws, weil die Dynamic Line automatisch die Preise in jedem Markt schnell oder langsam verfolgt Ein Lenkmechanismus, der an den Preisen orientiert bleibt, wenn Märkte beschleunigen oder verlangsamen. Man kann sich auf Handelsentscheidungen berufen, doch McGinley hat das Dynamic 1997 als Marktinstrument und nicht als Handelsindikator erfunden. Fazit Ob es sich um ein Werkzeug oder Indikator handelt, das McGinley Dynamic ist ein faszinierendes Instrument, das von einem Markttechniker erfunden wurde, der Märkte und Indikatoren seit fast 40 Jahren verfolgt und studiert hat. Weitere Informationen zu Indikatoren und Marktinstrumenten finden Sie in unserem Technical Analysis Tutorial.