Ma 1 bewegende gemiddelde

Forex tegniese ontleding: EURUSD breek bo die 200 uur MA. Nuwe sessie hoogtepunte Shutter foto 200 uur MA by 1,0878 gebreek. Die EURUSD is die handel 'n nuwe sessie hoogtepunte. Beweeg bo die 200 uur bewegende gemiddelde in die proses (groen lyn in die grafiek hieronder). Dit vlak kom in op die vlak 1,0878. Die volgende teiken is nie ver weg op die vlak 1,0891. Dit is die tendenslyn verbind hoogtepunte terug te gaan na 29 Desember en Januarie 4. Bo dat die 1.0898- 1,0903 vlak moet die tydren dop vir die dag. Hierdie gebied is saamgestel uit 'n reeks van swing laagtepunte en hoogtepunte terug na die middel van Desember gaan. 2.1 bewegende gemiddelde modelle (MA modelle) Tydreeksmodelle bekend as ARIMA modelle kan die volgende insluit outoregressiewe terme en / of bewegende gemiddelde terme. In Week 1, het ons geleer 'n outoregressiewe term in 'n tydreeks model vir die veranderlike x t is 'n vertraagde waarde van x t. Byvoorbeeld, 'n lag 1 outoregressiewe termyn is x t-1 (vermenigvuldig met 'n koëffisiënt). Hierdie les definieer bewegende gemiddelde terme. 'N bewegende gemiddelde termyn in 'n tydreeks model is 'n verlede fout (vermenigvuldig met 'n koëffisiënt). Laat \ (w_t \ omslaan N (0, \ sigma ^ 2_w) \), wat beteken dat die w t is identies, onafhanklik versprei, elk met 'n normaalverdeling met gemiddelde 0 en dieselfde afwyking. Die 1 ste orde bewegende gemiddelde model, aangedui deur MA (1) is \ (X_t = \ mu + w_t + \ theta_1w_ \) Die 2de orde bewegende gemiddelde model, aangedui deur MA (2) is \ (X_t = \ mu + w_t + \ theta_1w_ + \ theta_2w_ \) Die Q de orde bewegende gemiddelde model, aangedui deur MA (Q) is \ (X_t = \ mu + w_t + \ theta_1w_ + \ theta_2w_ + \ kolle + \ theta_qw_ \) Let. Baie handboeke en sagteware programme definieer die model met negatiewe tekens voor die θ terme. Dit beteken nie die algemene teoretiese eienskappe van die model verander, hoewel dit flip die algebraïese tekens van beraamde koëffisiënt waardes en (unsquared) θ terme in formules vir ACFs en afwykings. Jy moet jou sagteware kyk om te kontroleer of negatiewe of positiewe tekens is gebruik om korrek te skryf die beraamde model. R gebruik positiewe tekens in sy onderliggende model, soos ons hier doen. Teoretiese Eienskappe van 'n tydreeks met 'n MA (1) Model Beteken is E (x t) = μ Afwyking is Var (x t) = σ w 2 (1 + θ 1 2) Outokorrelasie funksie (ACF) is \ [\ Rho_1 = \ frac \ teks \ rho_h = 0 \ teks h \ ge 2 \] Let daarop dat die enigste nie-nul waarde in die teoretiese ACF is vir lag 1. Alle ander outokorrelasies is 0. So 'n monster ACF met 'n beduidende outokorrelasie net by lag 1 is 'n aanduiding van 'n moontlike MA (1) model. Vir belangstellende studente, bewyse van hierdie eienskappe is 'n bylae tot hierdie opdragstuk. Voorbeeld 1 Veronderstel dat 'n MA (1) model is x t = 10 + w t + 0,7 w t-1. waar \ (w_t \ omslaan N (0,1) \). So het die koëffisiënt θ 1 = 0,7. Die teoretiese ACF gegee word deur \ [\ Rho_1 = \ frac = 0,4698, \ teks \ rho_h = 0 \ teks h \ ge 2 \] 'N plot van hierdie ACF volg. Die plot net aangedui is die teoretiese ACF vir 'n MA (1) met θ 1 = 0,7. In die praktyk sal 'n monster nie gewoonlik verskaf so 'n duidelike patroon. Die gebruik van R, ons gesimuleerde N = 100 monster waardes gebruik te maak van die model x t = 10 + w t + 0,7 w t-1 waar w t IID N (0,1). Vir hierdie simulasie, 'n tydreeks plot van die steekproefdata volg. Ons kan nie veel van hierdie plot vertel. Die monster ACF vir die gesimuleerde data volg. Ons sien 'n "spike" by lag 1 gevolg deur die algemeen nie-beduidende waardes vir lags afgelope 1. Let daarop dat die monster ACF kom nie ooreen met die teoretiese patroon van die onderliggende MA (1), en dit is dat al outokorrelasies vir lags afgelope 1 sal wees 0. 'n ander voorbeeld sou 'n effens verskillende monster ACF hieronder getoon, maar sal waarskynlik dieselfde breë funksies. Theroretical Eienskappe van 'n tydreeks met 'n MA (2) Model Vir die MA (2) model, teoretiese eienskappe is soos volg: Let daarop dat die enigste nie-nul waardes in die teoretiese ACF is vir lags 1 en 2. outokorrelasies vir hoër lags is 0. Dus, 'n monster ACF met 'n beduidende outokorrelasies by lags 1 en 2, maar nie-beduidende outokorrelasies vir hoër lags dui op 'n moontlike MA (2) model. IID N (0,1). Die koëffisiënte is θ 1 = 0,5 en θ 2 = 0,3. Want dit is 'n MA (2), sal die teoretiese ACF nul waardes het net by lags 1 en 2. Waardes van die twee nie-nul outokorrelasies is 'N plot van die teoretiese ACF volg. Soos byna altyd die geval is, sal steekproefdata nie gedra nogal so perfek as teorie. Ons gesimuleerde N = 150 monster waardes vir die model x t = 10 + w t + 0,5 w t-1 + 0,3 w t-2. waar w t IID N (0,1). Die tydreekse plot van die data volg. Soos met die tydreeks plot vir die MA (1) voorbeeld van die data, kan jy nie veel van dit te vertel. Die monster ACF vir die gesimuleerde data volg. Die patroon is tipies vir situasies waar 'n MA (2) model nuttig kan wees. Daar is twee statisties beduidende "are" by lags 1 en 2, gevolg deur nie-beduidende waardes vir ander lags. Let daarop dat as gevolg van steekproeffout, die monster ACF nie die teoretiese patroon presies ooreenstem. ACF vir Algemene MA (Q) Models 'N eiendom van MA (Q) modelle in die algemeen is dat daar nie-nul outokorrelasies vir die eerste Q lags en outokorrelasies = 0 vir alle lags & gt; q. Nie-uniekheid van verband tussen waardes van θ 1 en \ (\ rho_1 \) in MA (1) Model. In die MA (1) model, vir enige waarde van θ 1. die wedersydse 1 / θ 1 gee dieselfde waarde vir As 'n voorbeeld, gebruik 0,5 vir θ 1. en gebruik dan 1 / (0.5) = 2 vir θ 1. Jy kry \ (\ rho_1 \) = 0.4 in beide gevalle. Om 'n teoretiese beperking genoem inverteerbaarheid bevredig. Ons beperk MA (1) modelle om waardes met absolute waarde minder as 1. In die voorbeeld net gegee, θ 1 het = 0.5 sal 'n toelaatbare parameter waarde wees, terwyl θ 1 = 1 / 0.5 = 2 nie. Inverteerbaarheid van MA modelle 'N MA-model word gesê omkeerbare te wees indien dit algebraïes gelykstaande aan 'n konvergerende oneindige orde AR model. Bevestig deur die, bedoel ons dat die AR koëffisiënte daal tot 0 as ons terug beweeg in die tyd. Inverteerbaarheid is 'n beperking geprogrammeer in die tyd reeks sagteware wat gebruik word om die koëffisiënte van modelle te skat met MA terme. Dit is nie iets wat ons gaan vir die data-analise. Bykomende inligting oor die inverteerbaarheid beperking vir MA (1) modelle word in die bylaag. Gevorderde teorie Nota. Vir 'n MA (Q) model met 'n bepaalde ACF, daar is net een omkeerbare model. Die noodsaaklike voorwaarde vir inverteerbaarheid is dat die θ koëffisiënte waardes sodanig dat die vergelyking 1-θ 1 y. - Θ q y q = 0 het oplossings vir y wat buite die eenheidsirkel val. R-kode vir die Voorbeelde In Voorbeeld 1, ons geplot die teoretiese ACF van die model x t = 10 + w t +. 7W t-1. en dan nageboots N = 150 waardes van hierdie model en geplot die monster tydreekse en die monster ACF vir die gesimuleerde data. Die R bevele gebruik word om die teoretiese ACF plot was soos volg: acfma1 = ARMAacf (MA = c (0,7), lag. max = 10) # 10 lags van ACF vir MA (1) met theta1 = 0,7 lags = 0: 10 #creates n veranderlike genaamd lags wat wissel van 0 tot 10. plot (lags, acfma1, xlim = c (1,10), ylab = "r", type = "h", hoof = "ACF vir MA (1) met theta1 = 0.7") abline (h = 0) #adds n horisontale as om die plot Die eerste opdrag bepaal die ACF en slaan dit in 'n voorwerp genoem acfma1 (ons keuse van naam). Die plot opdrag (die 3de gebod) erwe lags teenoor die ACF waardes vir lags 1 tot 10. Die ylab parameter etikette die y-as en die "hoof" parameter sit 'n titel op die plot. Om te sien die numeriese waardes van die ACF net gebruik die opdrag acfma1. Die simulasie en erwe is gedoen met die volgende opdragte. xc = arima. sim (N = 150, lys (MA = c (0,7))) #Simulates N = 150 waardes van MA (1) x = XC +10 # voeg 10 tot gemiddelde = 10. Simulasie gebreke maak beteken = 0. plot (x, type = "b", hoof = "Gesimuleerde MA (1) data") ACF (x, xlim = c (1,10), hoof = "ACF vir gesimuleerde steekproefdata") In Voorbeeld 2, ons geplot die teoretiese ACF van die model x t = 10 + w t + 0,5 w t-1 + 0,3 w t-2. en dan nageboots N = 150 waardes van hierdie model en geplot die monster tydreekse en die monster ACF vir die gesimuleerde data. Die R bevele gebruik was acfma2 = ARMAacf (MA = c (0.5,0.3), lag. max = 10) Bewegende gemiddeldes (MA) Die bewegende gemiddelde, of eenvoudig bewegende gemiddelde, verteenwoordig die gemiddelde van die afgelope paar sluitingstyd pryse. Die bewegende gemiddelde is maklik om te bereken, maklik om te verstaan, en betroubare onder toetse. Dit eenvoud is die krag van die bewegende gemiddelde. Die basiese bewegende gemiddelde bereken word dieselfde as enige ander wiskundige gemiddelde. Die mees algemene manier van die bepaling van die bewegende gemiddelde van 'n mark is om die sluitingsprys neem oor 'n sekere aantal dae, voeg dit saam, en verdeel deur die beperkte aantal dae. Bewegende gemiddeldes is oor die algemeen gedink om aanwysers van die tendens te wees. Byvoorbeeld, konvensionele interpretasie is dat wanneer pryse te steek van onder die bewegende gemiddelde tot bo dit, is die tendens beskou word. Aan die ander kant, as die pryse gaan van bo die bewegende gemiddelde tot onder dit, die tendens van die mark word beskou as af. Die doel van die eenvoudige bewegende gemiddelde is om die vordering van die tendens te spoor. Bewegende gemiddeldes kan potensieel hou jy in die tendens vir 'n lang tyd. Die bewegende gemiddelde gee jou 'n aanduiding van die tendens om te (pryse bo die bewegende gemiddelde) of af (onder die bewegende gemiddelde). Maar die bewegende gemiddelde gee jou geen aanduiding van die lengte of duur van die tendens. Double bewegende gemiddeldes gebruik twee verskillende gemiddeldes in tandem. Die eerste gemiddelde is oor die algemeen 'n vinniger reageer gemiddelde gebruik van 'n korter tydperk van die tyd, gewoonlik 10 dae. Die tweede gemiddelde is 'n stadiger reageer gemiddelde wat langer termyn prys beweging sal aandui. Die gebruik van hierdie twee gemiddeldes saam help om whipsaws verlig deur 'n basis van vergelyking. Hoe vinniger gemiddelde breek bo die stadiger gemiddelde is 'n koopsein, hoe vinniger gemiddelde breek onder die stadiger gemiddelde is 'n sell sein. By die gebruik van twee verskillende bewegende gemiddeldes die handelaar kry 'n duideliker prentjie van die prys aanduidings. Deur die kombinasie van 'n stadiger bewegende 20-dag gemiddeld met 'n vinniger reaksie 10 dae gemiddelde, kan jy sien waar die langtermyn aanduidings gaan. Jy sal verkoop sodra die vinniger bewegende gemiddelde kruisies onder die stadiger tendens, want dit is 'n aanduiding van verandering in die tendens. Naby-termyn pryse moet styg teen 'n hoër koers as langer termyn pryse in 'n goeie opwaartse trending mark, en omgekeerd vir 'n down tendens. Die stelsel van die drie bewegende gemiddeldes is in diens van die plot drie verskillende bewegende gemiddeldes saam. Die eerste van hierdie gemiddeldes is 'n vinniger gemiddelde wat net kyk na die kort termyn prys rigting. Die tweede gemiddelde is 'n medium gemiddelde wat reageer op 'n langer tydperk, maar nie so lank as wat die finale gemiddelde. Die derde gemiddelde is die stadigste om te reageer, want dit neem 'n gemiddeld van die langste periode van tyd. A 10, 20, en 40 dae bewegende gemiddelde stelsel sou word beskou as 'n driedubbele bewegende gemiddelde. Die eerste gemiddelde, die 10-dag, is die vinnigste om te beweeg wanneer pryse te vertoon 'n verandering. Die tweede gemiddelde, die 20-dag, is die medium gemiddelde wat nie verandering nie wys totdat die pryse vir 'n langer tydperk verskuif. Ten slotte word die stadigste verskuiwing van die gemiddeldes is die 40-dag. Dit stadige gemiddelde sal 'n verskil nie dui totdat pryse 'n beduidende skuif gemaak het. Korter termyn bewegende gemiddeldes, wat meer sensitief is vir veranderinge in die prys, word gesê dat die tendens van naderby te volg. Die middel of medium gemiddelde sou minder na te volg en die stadigste of minste sensitief gemiddelde sou die mees lag. Die gebruik van die drie bewegende gemiddelde is om te koop wanneer al drie gemiddeldes beweeg om in 'n opwaartse neiging of te verkoop wanneer hierdie gemiddeldes is in 'n verslechtering neiging. Die opwaartse neiging verskyn wanneer die vinnigste gemiddelde is hoër as beide van die ander gemiddeldes, die medium is bo die stadigste, en die langer termyn bewegende gemiddelde is op die bodem. Dit lyk sou word omgekeer vir 'n sterk af tendens met 'n stadige gemiddelde bo-op, gevolg deur die medium gemiddelde, en die vinnigste op bodem. Mat = (1 +. + Pn) / n Mat: Die bewegende gemiddelde vir die huidige tydperk. PK: Die prys vir die nde interval. Bereken die gemiddeld van die afgelope N tussenposes met behulp van die gespesifiseerde vir daardie tydperk prys. Gebruik nou die werklike waardes van 'n vyf interval bewegende gemiddelde bereken. As jy die volgende pryse te aanvaar, die berekeninge is hier: Bewegende gemiddelde seine word bereken vanaf die eerste 2 bewegende gemiddelde lyne. A koopsein voorkom nadat die bewegende gemiddelde 1 beweeg bo bewegende gemiddelde 2. 'n sell sein kom na die bewegende gemiddelde 1 beweeg onder bewegende gemiddelde 2. Voorbeeld van Moving Gemiddeldes Oop te maak die Moving Gemiddeldes Voorkeure klik op die Quick Link (MA) in die onderste regterhoek van die grafiek. Of jy kan regs kliek, kies overlay Properties en dan beweeg gemiddeldes. As jy kliek op die grafiek, sal die blad Voorkeure terug te gaan na instellings te karteer. 1. Herstel instellings: TNT Standaard sal jou stellings terug na die oorspronklike sagteware-instellings te verander. My Standaard sal huidige instellings om jou persoonlike standaard instellings verander. Geld vir alle kaarte sal jou gekies instellings van toepassing op alle Bewegende Gemiddeldes overlays op alle oop kaarte. Slaan as my standaard jou huidige persoonlike instellings sal red. 2. Moving Gemiddelde Toggle: Kies om te draai op elke bewegende gemiddelde lyn. Daar is 6 bewegende gemiddeldes en 'n maksimum bewegende gemiddelde. 3. Line: Kies die kleur, lyn styl, en lyn dikte van elk van jou bewegende gemiddeldes lyne. 4. Tyd: Dui die aantal bars om gebruik te word in die berekening van die bewegende gemiddelde. * Toe te voeg 'n verreken. voeg 'n tweede getal in die tydperk boks (met net 'n spasie tussen die twee getalle, voeg 'n minusteken vir negatiewe verplasing). Dit neutraliseer die getrek bewegende gemiddelde lyn vorentoe of agtertoe. Dit word nie aanbeveel om te gebruik verreken wanneer die gebruik van koop / verkoop Arrows van die eerste 2 bewegende gemiddeldes. 5. Tipe: Verander die tipe van die bewegende gemiddelde lyn te eenvoudig, lineêre gewig of inhoudsmaat eksponensiële. Sien onder berekening hierbo vir meer inligting oor elk van hierdie tipes. 6. Data: Kies óf oop, hoog, laag, of naby die gebruik in die berekening van die bewegende gemiddelde data. 7. koop / verkoop Arrows: Toggle koop / verkoop Arrows vir die eerste 2 bewegende gemiddeldes om óf vertoon of nie vertoon. Kies die kleur van die pyle. Sien hierbo onder koop / verkoop seine vir hoe dit bereken word. Dit word nie aanbeveel om te gebruik geneutraliseer van die eerste 2 bewegende gemiddeldes by die gebruik van hierdie seine. 8. Skakel Max Gemiddeld: Hierdie bewegende gemiddelde het die aanpas lyn en tydperk, maar met geen geneutraliseer beskikbaar en geen Tipe of Data. Om te sien hoe dit bereken kyk vir Max Gemiddeld by die berekening gedeelte hierbo. 9. Max gemiddelde drywing: Eers die eksponent wat die maksimum gemiddelde berekening gebruik. As jy glo dat minder is meer en wat jy kan meer bereik deur vas aan beproefde metodes - then hierdie forex tegniek is net vir jou !! Ontwerp as een van die eerste tegnieke 'n nuwe Forex handelaar moet handel as gevolg van sy eenvoud. hierdie tegniek het so verfyn, en die blootstelling aan geheel verslaan ambagte aldus gefiltreer, dat selfs die mees ervare handelaars sal voordeel trek uit die gebruik van en die toepassing daarvan. Hoewel eenvoudige en maklik om te gebruik dit inkorporeer: • trending aanwysers, • momentum beginsel, • kandelaar formasies, • prys patrone, • basiese ondersteuning en weerstand konsepte, • optimum tyd van die dag handel benaderings. Al die basiese handel konsepte die voor-te gebruik en weet. Wie is die tegniek vir? 1. Die totale beginner: Hierdie tegniek is maklik om te verstaan ​​en het 'n baie duidelike reëls vir die invoer van 'n transaksie, 'n verblyf in die transaksie en die verlaat van die transaksie. Al die elemente 'n forex stelsel moet hê. Daarbenewens Ons het 'n 27 beginner en intermediêre video-kursus skakel waarop jy kan leer oor die forex mark, die geldeenhede, makelaars en kartering. 2. Die (verward) Forex handelaar wat deur honderde ingewikkelde tegnieke en so deurmekaar geword benaderings en wil terugkeer na 'n basiese, eenvoudige, konvensionele benadering tot handel dat dit duidelik en ondubbelsinnig. 3. Die ervaring handelaar wie wat werk en wat nie weet en moet herinner word aan hoe eenvoudig en gewone handel benaderings kan nog steeds geld maak in die uitdagende mark. Agtergrond tot die magiese bewegende gemiddelde Die magiese bewegende gemiddelde eBook Bewegende gemiddeldes (MA se) Geskryf deur Aboutcurrency Bewegende gemiddeldes (MA se) is een van die mees gewilde tegniese ontleding gereedskap wat gebruik word wanneer die handel forex. Bewegende gemiddeldes lag prys, met ander woorde, as die prys begin om skerp opwaarts of afwaarts beweeg, sal dit 'n geruime tyd duur voordat die nuwe data te filtreer in die bewegende gemiddelde berekening en daarvoor te reageer of & quot; te haal & quot ;. Die basiese idee is dat wanneer dit bo, toestande & quot; bullish & quot; en toe onder, toestande & quot; lomp & quot ;. Daarbenewens bewegende gemiddeldes sal helling opwaarts of afwaarts met verloop van tyd. Dit voeg 'n ander visuele dimensie aan die ontleding. Drie tipes Bewegende Gemiddeldes: Eenvoudige bewegende gemiddelde (SMA) Eksponensiële bewegende gemiddelde (EMA) Geweegde bewegende gemiddelde (WBA) 1) Eenvoudige bewegende gemiddelde (SMA) 'N Eenvoudige bewegende gemiddelde (SMA) studie vir 'n historiese data grafiek bereken word deur die byvoeging van 'n konstante getal van die prys datawaardes, waar die waarde van die konstante staan ​​bekend as die smoothing konstante van die bewegende gemiddelde, en die resultaat te deel deur dieselfde waarde van die konstante. Dit word herhaal vir al die data punte van die getrek grafiek om 'n reeks van bewegende gemiddelde punte gee. NRM (MVA & ndash; N) = (Som (Pi) vir i = 1 tot n) / n Waar P = die prys waarde van data punt, wat kan gekies word hoog, laag, naby of oop te wees (standaard is naby). Byvoorbeeld, 'n 20 dae eenvoudige bewegende gemiddelde te bereken, moet jy die volle getal van die sluitingstyd pryse te neem van die 20 vorige dae en deel die resultaat deur 20. 2) Eksponensiële bewegende gemiddelde 'N eksponensiële bewegende gemiddelde (EMA) is soortgelyk aan 'n eenvoudige bewegende gemiddelde, behalwe dat die EMO gee meer gewig aan onlangse pryse (eksponensieel toeneem). Dit het ook tot gevolg dat 'n groter klem word op die mees onlangse data punt geplaas. 3) Geweegde bewegende gemiddelde Die berekening van 'n geweegde bewegende gemiddelde (WBA) is soortgelyk aan dié van 'n eenvoudige bewegende gemiddelde, behalwe dat elke prys punt lineêr is geweeg volgens sy ouderdom. Die klem word dus gelê op die mees onlangse prys waardes. Hierdie tipe van bewegende gemiddelde sal reageer op 'n veranderende prys tendens vinniger as sal 'n eenvoudige bewegende gemiddelde, en sal gesien word om die prys grafiek gouer as wat 'n normale een kruis. Die geweegde bewegende gemiddelde is dus gesê word dat & ldquo; n vinnige & rdquo; Hoekom gebruik bewegende gemiddeldes in forex? Die mees kragtige punt van die bewegende gemiddeldes is dat hulle-tendens volgende in die natuur en daar doel is om te verwag die begin van nuwe tendense, of om nuwe tendense so gou moontlik identifiseer ná hul ontstaan. Hulle kan bereken word vir enige periode van tyd. Handelaars vind hulle baie handig wanneer hulle insette lewer oor die kort termyn, intermediêre en langtermyn tendense. Om hierdie rede, met behulp van verskeie bewegende gemiddeldes wat weerspieël hierdie eienskappe kan help. Bewegende gemiddeldes kan wees & quot; bespoedig & quot; deur die toepassing van 'n verdere wiskunde berekeninge. Gemeenskaplike gemiddeldes bekend as eenvoudige bewegende gemiddelde of SMA. Hierdie is geneig om baie stadig te wees. Gee meer gewig aan die huidige veranderinge in die prys eerder as dié baie bars gelede, 'n vinniger eksponensiële bewegende gemiddelde of EMO geskep kan word. Baie tegnici ten gunste van die EMO oor die SMA. Gelukkig al die basiese prys kartering sagteware programme doen die berekeninge vir jou en plot prys perfek. Mees gewilde bewegende gemiddelde tydperke Die mees algemene tydperke wat in forex is 10, 20, 50, 100 en 200 dae. Wat die beste werk? Daar is nie so iets soos & quot; die regte tyd & quot; wanneer die gebruik van bewegende gemiddeldes. Jy moet gemaklik met die tydperk (e) en tipe (s) van bewegende gemiddelde (s) wat jy gebruik voel. Beste is om te eksperimenteer met 'n aantal verskillende tydperke totdat jy die een wat jou stelsel of strategie pas te vind. Trading seine van bewegende gemiddeldes Een van die mees algemene koop of verkoop seine in al grafiek analise is die bewegende gemiddelde crossover. Dit vind plaas wanneer twee bewegende gemiddeldes verteenwoordig verskillende tendense kruis en dwars. Byvoorbeeld, wanneer 'n korttermyn-gemiddelde kruisies onder 'n langtermyn-een, 'n sell sein gegenereer. Aan die ander kant, wanneer 'n korttermyn-kruise bo die langtermyn, 'n koopsein gegenereer. Op soek na die bogenoemde grafiek, byvoorbeeld, wanneer die 10 tydperk EMO kruisies die 200 tydperk SMA van onder, sal dit 'n koopsein genereer. of, wanneer die 10 tydperk EMO kruisies die 200 tydperk SMA van bo, dit sal 'n sell sein te genereer. Let wel: Moving gemiddeldes, soos met alle ander tegniese aanwysers moet nie gebruik word deur hulself nie, maar moet gekombineer word met ander aanwysers / studies soos kandelaar patrone om 'n volledige forex stelsel te maak. bewegende gemiddeldes Met konvensionele datastelle die gemiddelde waarde is dikwels die eerste, en een van die mees bruikbare, opsommingstatistiek te bereken. Wanneer data in die vorm van 'n tydreeks, die reeks beteken is 'n nuttige maatstaf, maar nie die dinamiese aard van die data weerspieël. Gemiddelde waardes bereken oor kortsluiting periodes, hetsy voor die huidige tydperk of gesentreer op die huidige tydperk, is dikwels meer nuttig. Omdat so 'n gemiddelde waardes sal wissel, of beweeg, soos die huidige tydperk beweeg van tyd t = 2, t = 3. ens Hulle is bekend as bewegende gemiddeldes (Mas). 'N Eenvoudige bewegende gemiddelde is (tipies) die ongeweegde gemiddelde van k voor waardes. 'N eksponensieel geweeg bewegende gemiddelde is in wese dieselfde as 'n eenvoudige bewegende gemiddelde, maar met bydraes tot die gemiddelde geweegde deur hul nabyheid aan die huidige tyd. Want daar is nie een nie, maar 'n hele reeks bewegende gemiddeldes vir enige gegewe reeks, die stel van Mas kan hulself getrek word op grafieke, ontleed as 'n reeks, en gebruik in die modellering en voorspelling. 'N verskeidenheid van modelle kan gebou word met behulp van bewegende gemiddeldes, en dit is bekend as MA modelle. As sulke modelle word gekombineer met outoregressiewe (AR) modelle die gevolglike saamgestelde modelle is bekend as ARMA of ARIMA modelle (die Ek is vir geïntegreerde). Eenvoudige bewegende gemiddeldes Sedert 'n tydreeks as 'n stel waardes kan beskou,, t = 1,2,3,4, ... n die gemiddeld van hierdie waardes kan bereken word. As ons aanvaar dat N is nogal groot, en ons kies 'n heelgetal k wat is veel kleiner as n. kan ons 'n stel van blok gemiddeldes, of eenvoudig bewegende gemiddeldes (van orde k) bereken: Elke maat verteenwoordig die gemiddelde van al die datawaardes oor 'n interval van k waarnemings. Let daarop dat die eerste moontlike MA van orde K & gt; 0 is dat vir t = k. Meer in die algemeen kan ons die ekstra onderskrif val in die uitdrukkings bo en skryf: Dit bepaal dat die geskatte gemiddelde op tydstip t is die eenvoudige gemiddelde van die waargeneem waarde op tydstip t en die voorafgaande k -1 tyd stappe. As gewigte word toegepas wat die bydrae van waarnemings wat verder weg in die tyd is verminder, is die bewegende gemiddelde gesê eksponensieel word stryk. Bewegende gemiddeldes word dikwels gebruik as 'n vorm van vooruitskatting, waardeur die beraamde waarde vir 'n reeks op tydstip t 1, S t + 1. geneem word as die MA vir die tydperk tot en met tyd t. bv vandag se skatting is gebaseer op 'n gemiddelde van vorige aangeteken waardes tot en met gister se (vir daaglikse data). Eenvoudige bewegende gemiddeldes kan gesien word as 'n vorm van gladstryking. In die onderstaande diagram getoon word byvoorbeeld het die lugbesoedeling dataset getoon in die inleiding tot hierdie onderwerp is aangevul deur 'n 7-daagse bewegende gemiddelde (MA) reël, hier in rooi. Soos gesien kan word, die MA lyn glad uit die pieke en trôe in die data en kan baie nuttig wees in die identifisering van tendense wees. Die standaard toekomsgerigte berekening formule beteken dat die eerste k -1 datapunte het geen MA waarde, maar daarna berekeninge uit te brei na die finale data punt in die reeks. PM10 daaglikse gemiddelde waardes, Greenwich Bron: London Luggehalte Network, www. londonair. org. uk Een van die redes vir die berekening van eenvoudige bewegende gemiddeldes op die voorgeskrewe wyse, is dat dit in staat stel om waardes te bereken vir alle tydgleuwe van tyd t = k tot die hede, en as 'n nuwe meting verkry vir tyd t 1, die MA vir tyd t 1 kan die reeds bereken stel bygevoeg. Dit bied 'n eenvoudige prosedure vir 'n dinamiese datastelle. Daar is egter 'n paar probleme met hierdie benadering. Dit is redelik om te argumenteer dat die gemiddelde waarde van die afgelope 3 periodes, sê, moet geleë wees op tyd t -1, nie tyd t. en vir 'n MA oor 'n gelyke getal periodes miskien is dit moet geleë wees by die middelpunt tussen twee tyd intervalle. 'N oplossing vir hierdie probleem is om gesentreer MA berekeninge, waarin die MA op tydstip t is die gemiddeld van 'n simmetriese stel waardes rondom t gebruik. Ten spyte van die ooglopende meriete, is hierdie benadering nie oor die algemeen gebruik word, want dit vereis dat data is beskikbaar vir toekomstige gebeure, wat nie die geval mag wees. In gevalle waar analise is geheel en al van 'n bestaande reeks, kan die gebruik van gesentreer Mas beter wees. Eenvoudige bewegende gemiddeldes kan beskou word as 'n vorm van gladstryking, die verwydering van 'n paar hoë frekwensie komponente van 'n tydreeks en beklemtoon (maar nie die verwydering van) tendense in 'n soortgelyke wyse as die algemene opvatting van digitale filter. Inderdaad, bewegende gemiddeldes is 'n vorm van lineêre filter. Dit is moontlik om 'n bewegende gemiddelde berekening van toepassing op 'n reeks wat reeds stryk, dit wil sê glad of filter 'n reeds stryk reeks. Byvoorbeeld, met 'n bewegende gemiddelde van orde 2, ons kan dit beskou as synde bereken met behulp van gewigte, sodat die MA by x 2 = 0.5 x 1 0,5 x 2. Net so, die MA by x 3 = 0.5 x 2 0,5 x 3. As ons 'n tweede vlak van gladstryking of filtrering van toepassing, ons het 0,5 x 2 0,5 x 3 = 0.5 (0.5 x 1 0,5 x 2) 0,5 (0,5 x 2 0,5 x 3) = 0,25 x 1 0,5 x 2 0,25 x 3 dws die 2-stadium filter proses (of konvolusie) het 'n wisselvallig geweeg simmetriese bewegende gemiddelde, met gewigte vervaardig. Veelvuldige konvolusie kan ingewikkeld geweegde bewegende gemiddeldes, waarvan sommige is gevind veral gebruik in gespesialiseerde velde, soos in lewensversekering berekeninge te produseer. Bewegende gemiddeldes gebruik kan word om periodieke effekte verwyder indien bereken met die lengte van die periodisiteit as 'n bekende. Byvoorbeeld, met 'n maandelikse data seisoenale variasies dikwels verwyder kan word (indien dit die doel) deur toe te pas 'n simmetriese 12 maande bewegende gemiddelde met al maande gelyke gewigte, behalwe die eerste en laaste wat geweeg deur 1/2. Dit is omdat daar sal 13 maande in die simmetriese model (huidige tyd, t. +/- 6 maande). Die totale is gedeel deur 12. Soortgelyke prosedures kan vir enige goed gedefinieerde periodisiteit word aangeneem. Eksponensieel geweeg bewegende gemiddeldes (EWMA) Met die eenvoudige bewegende gemiddelde formule: alle waarnemings gelyke gewig. As ons noem hulle die gelyke gewigte, en alfa; t. elk van die k gewigte sou gelyk 1 / k. sodat die som van die gewigte sal wees 1, en die formule sou wees: Ons het reeds gesien dat verskeie programme van hierdie proses lei tot die gewigte wissel. Met eksponensieel geweeg bewegende gemiddeldes die bydrae tot die gemiddelde waarde van waarnemings wat meer verwyder betyds beraadslaag verminder, en sodoende meer onlangse (plaaslike) gebeure beklemtoon. In wese 'n glad parameter, 0 & lt; & Alfa; & Lt; 1, word bekendgestel, en die formule hersien om: 'N simmetriese weergawe van hierdie formule van die vorm sal wees: As die gewigte in die simmetriese model is gekies as die terme van die bepalings van die binomiale uitbreiding, (1/2 + 1/2) 2S. hulle sal vat om 1, en as Q groot word, sal die normaalverdeling benader. Dit is 'n vorm van kern gewig, met die Binomiale optree as die kern funksie. Die twee stadium konvolusie in die vorige subartikel beskryf is juis hierdie reëling, met q = 1, opbrengs die gewigte. In eksponensiële gladstryking is dit nodig om 'n stel gewigte gebruik wat som tot 1 en wat verminder in grootte meetkundig. Die gewigte gebruik is tipies van die vorm: Om te wys dat hierdie gewigte op te som tot 1, oorweeg die uitbreiding van 1 / α as 'n reeks. Ons kan skryf en uit te brei die uitdrukking in hakies gebruik te maak van die binomiale formule (1- x) p. waar x = (1-α) en p = -1, wat gee: Dit bied dan 'n vorm van geweegde bewegende gemiddelde van die vorm: Dit opsomming geskryf kan word as 'n herhaling verhouding: wat berekening vergemaklik grootliks, en vermy die probleem wat die gewig regime streng oneindige moet wees vir die gewigte op te som tot 1 (vir klein waardes van & Alpha ;. dit is tipies nie die geval). Die notasie wat gebruik word deur verskillende skrywers wissel. Sommige gebruik die letter S aan te dui dat die formule is in wese 'n reëlmatige veranderlike, en skryf: terwyl die beheer teorie literatuur gebruik dikwels Z eerder as S vir die eksponensieel geweeg of glad waardes (sien, byvoorbeeld, Lucas en Saccucci, 1990, [LUC1], en die NIST webwerf vir meer besonderhede en uitgewerkte voorbeelde). Bogenoemde aangehaal formules uit die werk van Roberts (1959 [ROB1]), maar Hunter (1986 [HUN1]) gebruik 'n uitdrukking van die vorm: wat meer geskik is vir gebruik in 'n paar prosedures kan wees. Met & alfa; = 1 die gemiddelde skatting is eenvoudig sy afgemete waarde (of die waarde van die vorige data-item). Met α = 0.5 die skatting is die eenvoudige bewegende gemiddelde van die huidige en vorige metings. In voorspellingsmodelle die waarde, S t. word dikwels gebruik as die skatting of voorspelling waarde vir die volgende tydperk, dit wil sê as die skatting vir x op tydstip t 1. So het ons: Dit dui aan dat die voorspelling waarde op tydstip t 1 is 'n kombinasie van die vorige eksponensieel geweeg bewegende gemiddelde plus 'n komponent wat die geweegde voorspelling fout verteenwoordig, en epsilon ;. op tyd t. Die aanvaarding van 'n tydreeks gegee en 'n voorspelling is nodig, 'n waarde vir & alfa; word benodig. Dit kan geskat word van die bestaande data deur die evaluering van die som van 'n vierkant voorspelling foute te kry met wisselende waardes van & alfa; vir elke t = 2,3. die opstel van die eerste skatting van die eerste waargenome data waarde wees, x 1. In beheer aansoeke ter waarde van & alfa; is belangrik in wat gebruik word in die bepaling van die boonste en onderste beheer perke, en raak die gemiddelde duur lank (ARL) verwag voordat hierdie beheer perke is gebreek (onder die aanname dat die tyd reeks verteenwoordig 'n stel van ewekansige, identies verdeelde onafhanklike veranderlikes met 'n gemeenskaplike variansie). Onder hierdie omstandighede die variansie van die beheer statistiek: is (Lucas en Saccucci, 1990): Beheer perke word gewoonlik gestel as vaste veelvoude van hierdie asimptotiese variansie, bv +/- 3 keer die standaardafwyking. As & alfa; = 0,25, byvoorbeeld, en die data wat gemonitor word aangeneem dat 'n normale verspreiding, N (0,1), wanneer 'in beheer', sal die beheer perke wees +/- 1,134 het en die proses sal een of ander perk bereik in 500 stappe op die gemiddelde. Lucas en Saccucci (1990 [LUC1]) lei die ARLs vir 'n wye verskeidenheid van & alfa; waardes en onder verskillende aannames met behulp van Markov Chain prosedures. Hulle tabuleer die resultate, insluitend die verskaffing van ARLs wanneer die gemiddelde van die beheerproses is verskuif deur sommige verskeie van die standaardafwyking. Byvoorbeeld, met 'n 0.5 verskuiwing met & alfa; = 0,25 die ARL is minder as 50 keer stappe. Die hierbo beskryf benaderings staan ​​bekend as een eksponensiële gladstryking. as die prosedures wat eenmaal aan die tydreeks toegepas en dan ontleed of beheer prosesse uit op die gevolglike stryk dataset gedra. As die dataset sluit 'n tendens en / of seisoenale komponente, twee - of drie-fase eksponensiële gladstryking kan hieronder toegedien word as 'n middel van die verwydering (uitdruklik modellering) hierdie effekte (sien verder, die afdeling oor vooruitskatting., En die NIST uitgewerkte voorbeeld ). Verwysings [CHA1] Chat Field C (1975) die ontleding van Times Reeks: teorie en praktyk. Chapman en Hall, Londen [HUN1] Hunter J S (1986) Die eksponensieel geweeg bewegende gemiddelde. J van kwaliteit Tegnologie, 18, 203-210 [LUC1] Lucas J M, Saccucci M S (1990) eksponensieel Geweegde Moving Gemiddelde beheer Skemas: Properties en verbeteringe. Technometrics, 32 (1), 1-12 [ROB1] Roberts S W (1959) beheer Chart Toetse Op grond van Meetkundige bewegende gemiddeldes. Technometrics, 1, 239-250 Bewegende gemiddeldes Denke Gemotiveer deur e-pos van Robert B. Ek kry hierdie e-pos te vra oor die Hull bewegende gemiddelde (HMA) en. > En jy nog nooit tevore gehoor nie. Uh. dit is reg. Trouens, toe ek googled ontdek ek baie bewegende gemiddeldes wat ek nooit van gehoor het, soos: Zero Lag Eksponensiële bewegende gemiddelde Wilder bewegende gemiddelde Minste Square bewegende gemiddelde Driehoekige bewegende gemiddelde Adaptive bewegende gemiddelde Jurik bewegende gemiddelde . > So? So het ek gedink ons ​​wil praat oor bewegende gemiddeldes en. Laai.