Eu tenho uma série de tempo de preços das ações e deseja calcular a média móvel em uma janela de dez minutos (ver diagrama abaixo). Como os carrapatos de preços ocorrem esporadicamente (isto é, eles não são periódicos), parece mais justo calcular uma média móvel ponderada no tempo. No diagrama há quatro mudanças de preços: A, B, C e D, com os últimos três ocorrendo dentro da janela. Observe que porque B só ocorre algum tempo na janela (digamos 3 minutos), o valor de A ainda contribui para a computação. Na verdade, tanto quanto posso dizer, o cálculo deve basear-se unicamente nos valores de A, B e C (não D) e as durações entre eles eo próximo ponto (ou no caso de A: a duração entre o início Da janela de tempo e B). Inicialmente D não terá qualquer efeito, pois sua ponderação de tempo será zero. Isto é correto Assumindo que isto está correto, minha preocupação é que a média móvel seja mais atrasada do que o cálculo não ponderado (o que representaria o valor de D imediatamente). No entanto, o cálculo não ponderado tem suas próprias desvantagens: Têm tanto efeito sobre o resultado quanto os outros preços, apesar de estarem fora da janela de tempo. Uma onda repentina de carrapatos de preço rápido seria fortemente tendenciosa a média móvel (embora talvez isso seja desejável) Alguém pode oferecer qualquer conselho sobre qual abordagem parece melhor, ou se há uma abordagem alternativa (ou híbrido) vale a pena considerar pediu Apr 14 12 às 21: 35 Seu raciocínio está correto. O que você quer usar a média para embora Sem saber que é difícil dar qualquer conselho. Talvez uma alternativa seria considerar sua média corrente A, e quando um novo valor V entrar, calcule a nova média A para ser (1-c) AcV, onde c está entre 0 e 1. Desta forma, os carrapatos mais recentes têm Uma influência mais forte, eo efeito de carrapatos velhos dissipa ao longo do tempo. Você poderia até mesmo ter c depender do tempo desde os carrapatos anteriores (c tornando-se menor como os carrapatos se aproximar). No primeiro modelo (ponderação) a média seria diferente cada segundo (como as leituras velhas começam o peso mais baixo e as leituras novas mais altamente) assim que seu sempre mudar que não pode ser desejável. Com a segunda abordagem, os preços fazem saltos súbitos à medida que novos preços são introduzidos e os antigos desaparecem da janela. As duas sugestões vêm do mundo discreto, mas você pode encontrar uma inspiração para o seu caso particular. Dê uma olhada no suavização exponencial. Nesta abordagem você introduz o fator de suavização (01) que permite alterar a influência dos elementos recentes no valor da previsão (os elementos mais antigos são atribuídos ponderes exponencialmente decrescentes): Eu criei uma animação simples de como a suavização exponencial acompanharia o Uma série de tempo uniforme x1 1 1 1 3 3 2 2 2 1 com três diferentes: Tenha também um olhar para algumas das técnicas de aprendizagem de reforço (olhar para os diferentes métodos de desconto), por exemplo TD-aprendizagem e Q-Learning. Sim, a média móvel será, naturalmente, lag. Isto é porque seu valor é informação histórica: ele resume amostras do preço nos últimos 10 minutos. Esse tipo de média é inerentemente laggy. Tem um construído em deslocamento de cinco minutos (porque uma média da caixa sem deslocamento seria baseada em - 5 minutos, centrada na amostra). Se o preço estiver em A por um longo tempo e depois muda uma vez para B, leva 5 minutos para que a média atinja (AB) 2. Se você quer a média de uma função lisa sem qualquer mudança no domínio, o peso tem Para ser distribuído uniformemente ao redor do ponto de amostragem. Mas isso é impossível de fazer para os preços que ocorrem em tempo real, uma vez que os dados futuros não está disponível. Se você quiser uma mudança recente, como D, para ter um impacto maior, use uma média que dê um peso maior a dados recentes, ou um período de tempo mais curto, ou ambos. Uma forma de suavizar os dados é simplesmente utilizar um único acumulador (o estimador suavizado) E e tomar amostras periódicas dos dados S. E é actualizado como se segue: i. e. Uma fração K (entre 0 e 1) da diferença entre a amostra de preço atual S e o estimador E é adicionada a E. Suponha que o preço tenha sido em A por um longo tempo, de modo que E esteja em A, e então subitamente muda Para B. O estimador começará a mover-se em direção a B de forma exponencial (como aquecimento, carga descarga de um capacitor, etc). Em primeiro lugar ele vai fazer um grande salto, e, em seguida, cada vez menores incrementos. O quão rápido ele se move depende de K. Se K é 0, o estimador não se move de todo, e se K é 1 ele se move instantaneamente. Com K você pode ajustar quanto peso você dá ao estimador versus a nova amostra. Mais peso é dado às amostras mais recentes implicitamente, ea janela de amostra basicamente se estende ao infinito: E é baseado em cada amostra de valor que já ocorreu. Embora, naturalmente, os muito antigos têm quase nenhuma influência sobre o valor atual. Um método muito simples, bonito. Respondeu Apr 14 12 at 21:50 Este é o mesmo que Tom39s resposta. Sua fórmula para o novo valor do estimador é (1 - K) E KS. Que é algébricamente o mesmo que E K (S - E). É uma função de mistura quotlinear entre o estimador de corrente E ea nova amostra S onde o valor de K 0, 1 controla a mistura. Escrevê-lo dessa maneira é bom e útil. Se K é 0,7, tomamos 70 de S e 30 de E, o que é o mesmo que adicionando 70 da diferença entre E e S de volta a E. ndash Kaz 14 de abril de 12 às 22:15 Em Toms expansão resposta, a fórmula (Tn - t n-1) T, ou seja, a é uma razão de delta do tempo de chegada sobre o intervalo de média v 1 (use o método anterior) Para obter mais informações, consulte a página 59 do livro Introdução à alta freqüência Finance. What039s a diferença entre média móvel e média móvel ponderada A 5 Com base nos preços acima, seria calculada com base na seguinte fórmula: Com base na equação acima, o preço médio durante o período listado acima foi de 90,66. A utilização de médias móveis é um método eficaz para eliminar fortes flutuações de preços. Chave é que os pontos de dados de dados mais antigos são n Ponderada de forma diferente de pontos de dados próximos ao início do conjunto de dados. É aqui que as médias móveis ponderadas entram em jogo. As médias ponderadas atribuem uma ponderação mais pesada a pontos de dados mais atuais, uma vez que são mais relevantes do que pontos de dados no passado distante. A soma da ponderação deve somar 1 (ou 100). No caso da média móvel simples, as ponderações são distribuídas igualmente, razão pela qual não são mostradas na tabela acima. Preço de fechamento das médias móveis AAPLWeighted: O básico Ao longo dos anos, os técnicos encontraram dois problemas com a média móvel simples. O primeiro problema reside no período de tempo da média móvel (MA). A maioria dos analistas técnicos acreditam que a ação preço. O preço de abertura ou de fechamento das ações, não é suficiente para depender para predizer adequadamente sinais de compra ou venda da ação de crossover MAs. Para resolver este problema, os analistas agora atribuem mais peso aos dados de preços mais recentes usando a média móvel exponencialmente suavizada (EMA). Exemplo: Por exemplo, usando um MA de 10 dias, um analista levaria o preço de fechamento do décimo dia e multiplicaria esse número por 10, o nono dia por nove, o oitavo Dia por oito e assim por diante para o primeiro do MA. Uma vez determinado o total, o analista dividiria o número pela adição dos multiplicadores. Se você adicionar os multiplicadores do exemplo de MA de 10 dias, o número é 55. Esse indicador é conhecido como a média móvel ponderada linearmente. (Para a leitura relacionada, verifique para fora as médias moventes simples fazem tendências estar para fora.) Muitos técnicos são crentes firmes na média movente exponencial suavizada (EMA). Este indicador tem sido explicado de tantas maneiras diferentes que confunde estudantes e investidores. Talvez a melhor explicação venha de John J. Murphys Análise Técnica dos Mercados Financeiros (publicado pelo New York Institute of Finance, 1999): A média móvel exponencialmente suavizada aborda ambos os problemas associados à média móvel simples. Em primeiro lugar, a média exponencialmente suavizada atribui um maior peso aos dados mais recentes. Portanto, é uma média móvel ponderada. Mas, embora atribua menor importância aos dados de preços passados, inclui no seu cálculo todos os dados na vida útil do instrumento. Além disso, o usuário é capaz de ajustar a ponderação para dar maior ou menor peso ao preço dos dias mais recentes, que é adicionado a uma porcentagem do valor dos dias anteriores. A soma de ambos os valores percentuais adiciona até 100. Por exemplo, o preço dos últimos dias poderia ser atribuído um peso de 10 (0,10), que é adicionado ao peso dias anteriores de 90 (0,90). Isto dá o último dia 10 da ponderação total. Isso seria o equivalente a uma média de 20 dias, dando ao preço dos últimos dias um valor menor de 5 (0,05). Figura 1: Média móvel suavizada exponencialmente O gráfico acima mostra o índice Nasdaq Composite desde a primeira semana de agosto de 2000 até 1º de junho de 2001. Como você pode ver claramente, a EMA, que neste caso está usando os dados de fechamento de preços em um Período de nove dias, tem sinais de venda definitiva no dia 8 de setembro (marcado por uma seta preta para baixo). Este foi o dia em que o índice quebrou abaixo do nível de 4.000. A segunda seta preta mostra outra perna para baixo que os técnicos estavam realmente esperando. O Nasdaq não conseguiu gerar volume suficiente e juros dos investidores de varejo para quebrar a marca de 3.000. Em seguida, mergulhou novamente para baixo em 1619.58 em 4 de abril. A tendência de alta de 12 de abril é marcada por uma seta. Aqui o índice fechou em 1.961,46, e os técnicos começaram a ver os gestores de fundos institucionais começando a pegar alguns negócios como Cisco, Microsoft e algumas das questões relacionadas à energia. (Leia nossos artigos relacionados: Envelopes Móveis em Movimento: Refinando uma Ferramenta de Negociação Popular e Saldo Médio em Movimento.) Beta é uma medida da volatilidade ou risco sistemático de um título ou carteira em comparação com o mercado como um todo. Um tipo de imposto incidente sobre ganhos de capital incorridos por pessoas físicas e jurídicas. Os ganhos de capital são os lucros que um investidor. Uma ordem para comprar um título igual ou inferior a um preço especificado. Uma ordem de limite de compra permite que traders e investidores especifiquem. Uma regra do Internal Revenue Service (IRS) que permite retiradas sem penalidade de uma conta IRA. A regra exige que. A primeira venda de ações por uma empresa privada para o público. IPOs são muitas vezes emitidos por empresas menores, mais jovens à procura da. DebtEquity Ratio é o rácio da dívida utilizada para medir a alavancagem financeira de uma empresa ou uma taxa de endividamento utilizada para medir um indivíduo. O que estão a mover-se médias de partes 2 No último artigo, falamos tudo sobre médias móveis simples. O que eles são, como calculá-los, por que você pode realmente querer fazê-lo, e todas essas coisas boas. Como você pode ter suposto a presença da palavra ldquosimplerdquo na frase ldquosimple média móvel, rdquo o tipo de média móvel que discutimos última vez é realmente apenas a ponta do iceberg. O que pode levá-lo a perguntar: Quais são alguns dos outros tipos de médias móveis São eles melhores ou piores do que simples médias móveis E, o mais importante, quando e por que você nunca iria querer usar um deles Fique atento porque esses são exatamente os Perguntas wersquoll estar respondendo hoje. Antes de começar a falar sobre todos os diferentes tipos de médias móveis, letrsquos rapidamente rever a média móvel simples de que falamos antes. No caso do seu esqueceu, wersquove foi usando o ldquofactrdquo que yoursquore treinamento para competir na corrida de 1500 metros nas Olimpíadas de 2016 para nos ajudar a entender como as médias móveis funcionam. No último artigo. Você estava acompanhando os tempos de sua prática diária corre, e você queria chegar a uma maneira de acompanhar o seu dia-a-dia progresso. O problema é que o seu dia-a-dia vezes flutuam muito, o que torna difícil ver a tendência a longo prazo que lhe diz se ou não yoursquore melhorando. Como descobrimos, uma maneira de resolver este enigma é usar uma média móvel. Para encontrar o tempo médio para um dia usando uma média móvel simples de 3 dias, basta adicionar que dayrsquos tempo para os tempos dos 2 dias anteriores e dividir por 3 para usar uma média móvel simples de 4 dias em vez disso, basta adicionar o tempo dayrsquos Para os tempos dos 3 dias anteriores e dividir por 4 e assim por diante, no entanto, muitos dias você quer média. Itrsquos fácil de fazer, ea melhor parte é que todas aquelas flutuações diárias distraindo são suavizadas para que você possa ver a tendência geral. Como grande deve a janela ser Uma pergunta que imediatamente vem à mente é: Como o tamanho da média móvel ldquowindowrdquo afeta o resultado Em outras palavras, o que significa usar uma janela de 3 dias versus uma janela de 4 dias versus algo Como uma janela de 2 semanas A resposta simples é que o tamanho da janela determina o quanto ldquomemoryrdquo a média móvel contém. Em outras palavras, uma janela maior (que significa mais dias em nosso exemplo) inclui dados de mais distante no tempo. O que significa que o valor da média móvel que você calcula irá mudar mais lentamente, uma vez que é mais influenciado por valores passados. Como você sabe o quão grande a janela deve ser Depende se você quer olhar para a imagem de curto, médio ou longo prazo. Por exemplo, se você estava monitorando seus tempos de corrida ao longo de meses ou anos, yoursquod provavelmente quer usar algo como uma média móvel de 2 semanas para acompanhar o seu progresso desde yoursquod realmente só estar interessado em tendências de longo prazo. Quanto maior a janela, menos influência aquelas flutuações diárias de curto prazo terão mais e mais claramente o seu ver o quadro geral. O tamanho da janela determina quanto ldquomemoryrdquo a média móvel contém. O que é uma média móvel Central Mas, como se vê, simples médias móveis arenrsquot perfeito. O maior problema é que os valores atuais às vezes podem ser muito dependentes de valores passados. Afinal de contas, exceto para o mais novo ponto de dados, todos os dados em um simples cálculo de média móvel vem do passado. É por isso que itrsquos às vezes melhor usar whatrsquos chamado uma média móvel ldquocentral. A idéia é quase idêntica, exceto que desta vez Usamos um número igual de pontos de dados em ambos os lados de um ponto central para calcular a média móvel. Por exemplo, enquanto uma média móvel simples de 5 dias da quarta-feira de quarta-feira utilizaria os tempos de sábado, domingo, segunda-feira, terça-feira e quarta-feira, uma média móvel central de 5 dias usaria segunda, terça, quarta-feira, quinta-feira e sexta-feira. Este tipo de média móvel central é usado todo o tempo em ciência e engenharia desde therersquos menos tempo lagmdashwhich significa que geralmente representa melhor a média móvel ldquoactualrdquo. Claro, itrsquos não é quase tão conveniente de usar quando manter o controle de tempos de corrida ou o seu peso, uma vez que você teria que esperar algum número de daysmdashdepending sobre o tamanho do windowmdashto fazer o seu cálculo. O que significa que uma média móvel simples é uma escolha melhor para a maioria de suas aplicações do dia-a-dia. Quais são as médias móveis ponderadas? Therersquos um outro tipo de média móvel que eu quero falar hoje: média móvel ponderada. Este tipo de média móvel é um bocado mais complicado assim que nós wonrsquot entram em demasiado detalhe. Mas itrsquos uma ferramenta incrivelmente importante em muitas áreas de matemática, ciências, engenharia e no mundo financeiro e de negócios, por isso itrsquos bom para entender a idéia básica. A média móvel simples que conhecemos e amamos é realmente uma média móvel ponderada em que os dados são todos pesados igualmente. O que isso significa? Bem, para calcular o tempo de corrida Wednesdayrsquos usando uma média móvel simples de 3 dias, adicionamos segunda-feira, terça-feira e quarta-feira vezes e, em seguida, dividir por 3. Qual é a mesma coisa que adicionar: (1 x Mondayrsquos tempo) (1 x horário de terça-feira), e dividindo este resultado por 3. Sei que isso provavelmente parece uma coisa estranha a fazer, mas acredite ou não, na verdade, apenas vi como funciona uma média móvel ponderada. Howrsquos que Bem, neste caso, cada dia foi dado um peso de 1mdashbut eles donrsquot tem que ser o mesmo. Por exemplo, se atribuirmos um peso de 1 para segunda-feira, 2 para terça-feira e 3 para quarta-feira, a média móvel ponderada é encontrada calculando (1 x hora de segunda-feira) (2 x horário de terça-feira) (3 x quarta-feira) Dividindo este resultado por 1 2 3 6 (que é a soma dos pesos). Por que queremos fazer isso Bem, se você pensar sobre isso, yoursquoll ver que esta média móvel dá mais peso para Wednesdayrsquos tempo do que Tuesdayrsquos, e mais peso para terça-feira de tempo do que Mondayrsquos. O que significa que os tempos mais antigos se tornam menos importantes no cálculo da média móvel à medida que o tempo avança. Ok, thatrsquos toda a matemática que temos tempo para hoje. Lembre-se de se tornar um fã do Math Dude no Facebook, onde yoursquoll encontrar lotes de matemática grande publicado ao longo da semana. Se yoursquore no Twitter. Por favor, siga-me lá, também. Finalmente, envie suas perguntas de matemática através do Facebook. Twitter. Ou e-mail em mathdudequickanddirtytips.
No comments:
Post a Comment