A glidande medelvärde prognos

Flyttande medelvärde I det här exemplet lär du dig hur du beräknar glidande medelvärdet för en tidsserie i Excel. Ett glidande medel används för att jämna ut oegentligheter (toppar och dalar) för att enkelt kunna känna igen trender. 1. Låt oss först titta på våra tidsserier. 2. Klicka på Dataanalys på fliken Data. Obs! Kan inte hitta knappen Data Analysis Klicka här för att ladda verktyget Analysis ToolPak. 3. Välj Flytta genomsnitt och klicka på OK. 4. Klicka i rutan Inmatningsområde och välj intervallet B2: M2. 5. Klicka i rutan Intervall och skriv 6. 6. Klicka i rutan Utmatningsområde och välj cell B3. 8. Skriv ett diagram över dessa värden. Förklaring: Eftersom vi ställer intervallet till 6 är det rörliga genomsnittet genomsnittet för de föregående 5 datapunkterna och den aktuella datapunkten. Som ett resultat utjämnas toppar och dalar. Diagrammet visar en ökande trend. Excel kan inte beräkna det rörliga genomsnittet för de första 5 datapunkterna, eftersom det inte finns tillräckligt med tidigare datapunkter. 9. Upprepa steg 2 till 8 för intervall 2 och intervall 4. Slutsats: Ju större intervall desto mer toppar och dalar släpper ut. Ju mindre intervallet desto närmare de rörliga medelvärdena ligger till de faktiska datapunkterna. Möjliga medelvärden: Hur man använder dem Några av de primära funktionerna i ett rörligt medelvärde är att identifiera trender och reverseringar. mäta styrkan i en tillgångs momentum och bestämma potentiella områden där en tillgång kommer att hitta stöd eller motstånd. I det här avsnittet kommer vi att påpeka hur olika tidsperioder kan övervaka momentum och hur glidande medelvärden kan vara fördelaktiga vid inställning av stoppförluster. Dessutom kommer vi att ta itu med några av de möjligheter och begränsningar som gäller för glidande medelvärden som man bör överväga när man använder dem som en del av en handelsrutin. Trend Identifierande trender är en av nyckelfunktionerna för glidande medelvärden, som används av de flesta handlare som försöker göra trenden till sin vän. Flyttande medelvärden är fördröjande indikatorer. vilket innebär att de inte förutsäger nya trender, men bekräftar trenderna när de har blivit etablerade. Som du kan se i figur 1 anses ett lager vara i en uptrend när priset ligger över ett glidande medelvärde och medeltalet är sluttande uppåt. Omvänt kommer en näringsidkare att använda ett pris under ett nedåtgående lutande medel för att bekräfta en nedåtgående trend. Många handlare kommer bara att överväga att hålla en lång position i en tillgång när priset handlas över ett glidande medelvärde. Denna enkla regel kan hjälpa till att se till att trenden fungerar i branschens favor. Momentum Många nybörjare handlar om hur det är möjligt att mäta momentum och hur glidande medelvärden kan användas för att hantera en sådan prestation. Det enkla svaret är att uppmärksamma de tidsperioder som används för att skapa medelvärdet, eftersom varje tidsperiod kan ge värdefull inblick i olika typer av momentum. I allmänhet kan kortsiktiga momentum mätas genom att titta på glidande medelvärden som fokuserar på tidsperioder på 20 dagar eller mindre. Att se på glidande medelvärden som skapas med en period av 20 till 100 dagar anses allmänt som ett bra mått på medellång sikt. Slutligen kan varje glidande medelvärde som använder 100 dagar eller mer i beräkningen användas som ett mått på långsiktigt momentum. Sunt förnuft bör säga att ett 15-dagars glidande medelvärde är en lämpligare åtgärd av kortsiktig moment än ett 200-dagars glidande medelvärde. En av de bästa metoderna för att bestämma styrkan och riktningen för en tillgångsmoment är att placera tre glidande medelvärden på ett diagram och sedan uppmärksamma hur de staplar upp i förhållande till varandra. De tre glidande medelvärdena som brukar användas har olika tidsramar i ett försök att representera kortsiktiga, medellånga och långsiktiga prisrörelser. I Figur 2 ses stark uppåtgående moment när kortare medelvärden ligger över längre siktvärden och de två genomsnittet är divergerande. Omvänt, när de kortare medelvärdena ligger under de längre siktvärdena är momentet i nedåtriktad riktning. Stöd En annan gemensam användning av glidande medelvärden är att bestämma potentiella prisstöd. Det tar inte mycket erfarenhet av att hantera rörliga medelvärden för att märka att det fallande priset på en tillgång ofta kommer att stoppa och vända riktningen på samma nivå som ett viktigt medelvärde. I figur 3 kan man till exempel se att 200-dagars glidande medel kunde förhöja priset på beståndet efter att det föll från dess höga nära 32. Många handlare kommer att förutse en studsning av stora glidande medelvärden och kommer att använda andra tekniska indikatorer som bekräftelse på det förväntade flyget. Motstånd När priset på en tillgång faller under en inflytelserik stödnivå, som det 200-dagars glidande genomsnittet, är det inte ovanligt att se den genomsnittliga lagen som en stark barriär som hindrar investerare från att trycka tillbaka priset över det genomsnittet. Som du kan se från diagrammet nedan används detta motstånd ofta av handlare som ett tecken för att ta vinst eller att stänga av befintliga långa positioner. Många korta säljare kommer också att använda dessa medelvärden som ingångspunkter eftersom priset ofta stöter på motståndet och fortsätter sin flyttning lägre. Om du är en investerare som håller en lång position i en tillgång som handlar under stora glidande medelvärden, kan det vara ditt bästa att titta på dessa nivåer noga, eftersom de kan påverka värdet av din investering väldigt mycket. Stopp-förluster Stöd och resistansegenskaperna hos glidande medelvärden gör dem till ett utmärkt verktyg för hantering av risker. Förmågan att flytta medelvärden för att identifiera strategiska ställen för att fastställa slutförlustorder gör det möjligt för handlare att skära av förlorade positioner innan de kan växa något större. Som du kan se i Figur 5, kan handlare som håller en lång position i ett lager och sätter sina order för förlustförluster under inflytelserika medelvärden spara mycket pengar. Med hjälp av glidande medelvärden för att ställa in stoppförlustorder är nyckeln till en lyckad handelsstrategi. I praktiken ger det glidande medelvärdet en bra uppskattning av medelvärdet av tidsserierna om medelvärdet är konstant eller långsamt förändrat. I händelse av ett konstant medelvärde kommer det största värdet av m att ge de bästa uppskattningarna av det underliggande genomsnittet. En längre observationsperiod kommer att medeltala effekterna av variationen. Syftet med att tillhandahålla en mindre m är att tillåta prognosen att svara på en förändring i den underliggande processen. För att illustrera föreslår vi en dataset som innehåller förändringar i underliggande medelvärden av tidsserierna. Figuren visar tidsserien som används för illustration tillsammans med den genomsnittliga efterfrågan från vilken serien genererades. Medelvärdet börjar som en konstant vid 10. Börjar vid tid 21 ökar den med en enhet i varje period tills den når värdet 20 vid tidpunkten 30. Då blir det konstant igen. Uppgifterna simuleras genom att lägga till i genomsnitt ett slumpmässigt brus från en normalfördelning med nollvärde och standardavvikelse 3. Resultaten av simuleringen avrundas till närmsta heltal. Tabellen visar de simulerade observationer som används för exemplet. När vi använder bordet måste vi komma ihåg att vid varje given tidpunkt endast endast tidigare data är kända. Uppskattningarna av modellparametern, för tre olika värden på m visas tillsammans med medelvärdet av tidsserierna i figuren nedan. Figuren visar den genomsnittliga rörliga genomsnittliga beräkningen av medelvärdet vid varje tidpunkt och inte prognosen. Prognoserna skulle flytta de glidande medelkurvorna till höger av perioder. En slutsats framgår omedelbart av figuren. För alla tre uppskattningar ligger glidande medelvärde bakom den linjära trenden, där fördröjningen ökar med m. Lagen är avståndet mellan modellen och uppskattningen i tidsdimensionen. På grund av fördröjningen underskattar det rörliga genomsnittet observationerna när medelvärdet ökar. Estimatorns förspänning är skillnaden vid en viss tid i modellens medelvärde och medelvärdet förutspått av det rörliga genomsnittet. Förspänningen när medelvärdet ökar är negativt. För ett minskande medelvärde är förspänningen positiv. Fördröjningen i tid och den bias som införs i uppskattningen är funktionerna i m. Ju större värdet av m. desto större är storleken på fördröjning och förspänning. För en kontinuerligt ökande serie med trend a. värdena för fördröjning och förspänning av estimatorn av medelvärdet ges i ekvationerna nedan. Exemplet kurvorna stämmer inte överens med dessa ekvationer eftersom exemplet modellen inte ökar kontinuerligt, utan det börjar som en konstant, ändras till en trend och blir sedan konstant igen. Även kurvorna påverkas av bruset. Den glidande genomsnittliga prognosen för perioder i framtiden representeras genom att man ändrar kurvorna till höger. Fördröjningen och förskjutningen ökar proportionellt. Ekvationerna nedan anger fördröjningen och förspänningen av prognosperioder i framtiden jämfört med modellparametrarna. Återigen är dessa formler för en tidsserie med en konstant linjär trend. Vi borde inte bli förvånad över resultatet. Den rörliga genomsnittliga estimatorn är baserad på antagandet om ett konstant medelvärde och exemplet har en linjär trend i medelvärdet under en del av studieperioden. Eftersom realtidsserier sällan exakt kommer att följa antagandena till en modell, borde vi vara beredda på sådana resultat. Vi kan också dra av slutsatsen att brusets variabilitet har störst effekt för mindre m. Uppskattningen är mycket mer flyktig för det glidande medlet på 5 än det glidande medlet på 20. Vi har de motstridiga önskningarna att öka m för att minska effekten av variationer på grund av bullret och att minska m för att göra prognosen mer mottaglig för förändringar i medelvärdet. Felet är skillnaden mellan den faktiska data och det prognostiserade värdet. Om tidsserierna verkligen är ett konstant värde är det förväntade värdet av felet noll och variansen av felet består av en term som är en funktion av och en andra term som är brusets varians. Den första termen är medelvärdet av det medelvärde som uppskattas med ett urval av m-observationer, förutsatt att data kommer från en population med konstant medelvärde. Denna term minimeras genom att göra m så stor som möjligt. En stor m gör prognosen inte svarande mot en förändring i underliggande tidsserier. För att prognosen ska kunna reagera på förändringar vill vi m vara så liten som möjligt (1), men detta ökar felvariationen. Praktisk prognos kräver ett mellanvärde. Prognoser med Excel Prognosen för prognoser implementerar de glidande medelformlerna. Exemplet nedan visar analysen som tillhandahålls av tillägget för provdata i kolumn B. De första 10 observationerna indexeras -9 till 0. Jämfört med tabellen ovan förskjuts periodens index med -10. De första tio observationerna ger startvärdena för uppskattningen och används för att beräkna det glidande medlet för period 0. MA (10) kolumnen (C) visar de beräknade glidande medelvärdena. Den rörliga genomsnittsparametern m är i cell C3. Fore (1) kolumnen (D) visar en prognos för en period framåt. Prognosintervallet ligger i cell D3. När prognosintervallet ändras till ett större antal, flyttas numren i Fore-kolumnen nedåt. Err-kolumnen (E) visar skillnaden mellan observationen och prognosen. Till exempel är observationen vid tidpunkten 1 6. Det prognostiserade värdet som gjorts från det glidande medlet vid tidpunkten 0 är 11,1. Felet är då -5,1. Standardavvikelsen och genomsnittlig avvikelse (MAD) beräknas i cellerna E6 respektive E7.