Précision Moyenne Mobile

Moyenne mobile Prévision Introduction. Comme vous pouvez le deviner, nous examinons certaines des approches les plus primitives en matière de prévision. Mais nous espérons que ce sont au moins une introduction utile à certains des problèmes informatiques liés à la mise en œuvre des prévisions dans les tableurs. Dans cette veine, nous allons continuer en commençant par le début et commencer à travailler avec les prévisions Moyenne mobile. Prévisions moyennes mobiles. Tout le monde est familier avec les prévisions de moyenne mobile, peu importe s'ils croient qu'ils sont. Tous les étudiants les font tout le temps. Pensez à vos résultats d'examen dans un cours où vous allez avoir quatre tests au cours du semestre. Supposons que vous avez obtenu un 85 sur votre premier test. Que penseriez-vous que votre professeur pourrait prédire pour votre score de test suivant Que pensez-vous que vos amis pourraient prédire pour votre score de test suivant Que pensez-vous que vos parents pourraient prédire pour votre score de test suivant Indépendamment de Tous les blabbing que vous pourriez faire à vos amis et parents, ils et votre professeur sont très susceptibles de vous attendre à obtenir quelque chose dans le domaine des 85 que vous venez de recevoir. Eh bien, maintenant, supposons qu'en dépit de votre auto-promotion à vos amis, vous surestimer vous-même et la figure que vous pouvez étudier moins pour le deuxième test et ainsi vous obtenez un 73. Maintenant, qu'est-ce que tous les intéressés et indifférents va Anticiper que vous obtiendrez sur votre troisième test Il ya deux approches très probables pour eux de développer une estimation indépendamment du fait qu'ils le partageront avec vous. Ils peuvent se dire, ce type est toujours souffler de la fumée sur son smarts. Hes va obtenir un autre 73 si hes chance. Peut-être que les parents vont essayer d'être plus solidaires et dire: «Bien, jusqu'à présent, vous avez obtenu un 85 et un 73, donc vous devriez peut-être figure sur obtenir un (85 73) 2 79. Je ne sais pas, peut-être si vous avez moins de fête Et werent wagging la belette partout et si vous avez commencé à faire beaucoup plus d'étude, vous pourriez obtenir un score plus élevé. quot Ces deux estimations sont en fait des prévisions moyennes mobiles. Le premier est d'utiliser uniquement votre score le plus récent pour prévoir vos performances futures. C'est ce que l'on appelle une moyenne mobile en utilisant une période de données. La seconde est également une prévision moyenne mobile, mais en utilisant deux périodes de données. Supposons que toutes ces personnes se brisant sur votre grand esprit ont sorte de pissé vous off et vous décidez de bien faire sur le troisième test pour vos propres raisons et de mettre un score plus élevé en face de vos quotalliesquot. Vous prenez le test et votre score est en fait un 89 Tout le monde, y compris vous-même, est impressionné. Donc, maintenant, vous avez le test final du semestre à venir et, comme d'habitude, vous vous sentez le besoin d'inciter tout le monde à faire leurs prédictions sur la façon dont vous allez faire sur le dernier test. Eh bien, j'espère que vous voyez le modèle. Maintenant, j'espère que vous pouvez voir le modèle. Qui pensez-vous est le sifflet le plus précis alors que nous travaillons. Maintenant, nous revenons à notre nouvelle entreprise de nettoyage a commencé par votre demi-soeur sœur appelé Whistle While We Work. Vous avez des données de ventes passées représentées par la section suivante dans une feuille de calcul. Nous présentons d'abord les données pour une moyenne mobile de trois périodes prévisionnelles. L'entrée pour la cellule C6 doit être maintenant Vous pouvez copier cette formule de cellule vers le bas pour les autres cellules C7 à C11. Remarquez comment la moyenne se déplace sur les données historiques les plus récentes, mais utilise exactement les trois périodes les plus récentes disponibles pour chaque prédiction. Vous devriez également remarquer que nous n'avons pas vraiment besoin de faire les prédictions pour les périodes passées afin de développer notre prédiction la plus récente. Ceci est certainement différent du modèle de lissage exponentiel. Ive inclus les prévisions quotpastquot parce que nous les utiliserons dans la prochaine page Web pour mesurer la validité de prédiction. Maintenant, je veux présenter les résultats analogues pour une prévision de moyenne mobile à deux périodes. L'entrée pour la cellule C5 doit être Maintenant, vous pouvez copier cette formule de cellule vers le bas pour les autres cellules C6 à C11. Remarquez que maintenant, seules les deux plus récentes données historiques sont utilisées pour chaque prédiction. Ici encore, j'ai inclus les prévisions quotpast à des fins d'illustration et pour une utilisation ultérieure dans la validation des prévisions. Quelques autres choses qui sont d'importance à remarquer. Pour une prévision moyenne mobile de la période m, seules les m valeurs de données les plus récentes sont utilisées pour faire la prédiction. Rien d'autre n'est nécessaire. Pour une prévision moyenne mobile de la période m, lorsque vous faites des prédictions quotpast, notez que la première prédiction se produit dans la période m 1. Ces deux questions seront très importantes lorsque nous développerons notre code. Développement de la fonction Moyenne mobile. Maintenant, nous devons développer le code de la moyenne mobile qui peut être utilisé avec plus de souplesse. Le code suit. Notez que les entrées sont pour le nombre de périodes que vous souhaitez utiliser dans la prévision et le tableau des valeurs historiques. Vous pouvez le stocker dans le classeur que vous voulez. Fonction DéplacementAvant (Historique, NumberOfPeriods) En tant que Déclaration unique et initialisation de variables Dim Item Comme Variante Dim Compteur Comme Entier Dim Accumulation Comme Simple Dim HistoricalSize As Integer Initialisation des variables Counter 1 Accumulation 0 Détermination de la taille de Historique HistoricalSize Historical. Count For Counter 1 To NumberOfPeriods Accumuler le nombre approprié des valeurs les plus récentes observées antérieurement Accumulation Accumulation Historique (Historique - Taille - NombreOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Le code sera expliqué en classe. Vous voulez positionner la fonction sur la feuille de calcul afin que le résultat du calcul apparaisse où il devrait comme suit. J'ai des données où les gens votent sur les choses, et il serait agréable d'avoir une moyenne pour chaque élément de la façon dont tout le monde qui A voté sur elle a voté. Vous pouvez penser aux votes comme un flux de nombres constamment entrants. Maintenant, je peux trouver la moyenne exactement, mais pour ce faire, je dois stocker deux nombres, soit la moyenne totale ou la moyenne actuelle et le nombre de combien d'éléments ont été vus jusqu'à présent. Si je fais cela, je peux utiliser, mais c'est une douleur, car il me force à stocker deux morceaux de données pour chaque élément, je veux avoir des votes pour. Il ya une autre façon que je connais de la moyenne mobile ou moyenne itérateur qui peut travailler sur les données en streaming, mais ne donnera une moyenne approximative comme: où alpha est un petit taux d'apprentissage fixe. Cela tente simplement de déplacer la nouvelle moyenne dans la direction du nouvel élément et d'un montant proportionnel à la différence entre ce nouvel élément et l'estimation courante. Cela me donne un moyen de ne pas avoir à stocker un seul nombre (la moyenne actuelle) et encore être en mesure de le mettre à jour quand un nouvel élément arrive, mais au prix de cela seulement d'être une approximation. Je voudrais savoir s'il existe des limites connues sur l'erreur que cette méthode introduit. Est-il une formule pour estimer à quel point loin de la vérité cette estimation est, et aussi comment devrais-je choisir un bon alpha Plus d'infos sur ce dans ce post et cette question. A demandé Aug 2 12 à 11: 57Le plus fiable Indicateur You039ve jamais entendu parler de John R. McGinley est un technicien de marché certifié. Ancien rédacteur en chef de la Market Technicians Assn. Journal of Technical Analysis et inventeur de la Dynamique McGinley. Travaillant dans le contexte des moyennes mobiles tout au long des années 1990, McGinley a cherché à inventer un indicateur réactif qui serait automatiquement plus sensible aux données brutes que les moyennes mobiles simples ou exponentielles. SMA Vs. EMA Les moyennes mobiles simples (SMA) lissent l'action des prix en calculant les cours de clôture passés et en les divisant par le nombre de périodes. Calculer une moyenne mobile simple de 10 jours. Ajoutez les cours de clôture des 10 derniers jours et divisez par 10. Le plus lisse la moyenne mobile, plus lentement il réagit aux prix. Une moyenne mobile de 50 jours se déplace plus lentement qu'une moyenne mobile de 10 jours. Une moyenne mobile de 10 et 20 jours peut parfois connaître une volatilité des prix qui peut rendre plus difficile d'interpréter l'action des prix. Des signaux faux peuvent se produire pendant ces périodes, créant des pertes parce que les prix peuvent être trop loin devant le marché. Une moyenne mobile exponentielle (EMA) répond aux prix beaucoup plus rapidement qu'une simple moyenne mobile. C'est parce que l'EMA donne plus de poids aux dernières données plutôt que les données plus anciennes. C'est un bon indicateur pour le court terme et une grande méthode pour attraper les tendances à court terme qui est pourquoi les commerçants utilisent à la fois simples et exponentielles des moyennes mobiles simultanément pour l'entrée et les sorties. Néanmoins, il peut également laisser les données derrière. Le problème avec les moyennes mobiles Dans sa recherche de moyennes mobiles qui est allé bien plus loin que les exemples de base déjà montrés, McGinley a constaté que les moyennes mobiles avaient beaucoup de problèmes. Le premier problème est qu'ils ont été appliqués de façon inappropriée. Moyennes mobiles en différentes périodes fonctionnent à des degrés divers sur différents marchés. Par exemple, comment peut-on savoir quand utiliser une moyenne mobile de 10 jours à 20 à 50 jours dans un marché rapide ou lent. Afin de résoudre le problème de choisir la longueur de la moyenne mobile qui s'applique au marché actuel, la Dynamique McGinley s'ajuste automatiquement à la vitesse du marché. Selon McGinley, les moyennes mobiles ne devraient être utilisées que comme un mécanisme de lissage plutôt qu'un système de négociation ou un générateur de signaux. Il est un moniteur de la tendance. Mais une moyenne mobile simple de 10 jours est désactivée de cinq jours ou la moitié de sa longueur. Les chances sont bonnes que le grand mouvement dans les prix a déjà eu lieu au cinquième jour d'une moyenne mobile simple de 10 jours. En outre, une moyenne mobile de 10 jours devrait être correctement tracée cinq jours avant la donnée actuelle. De plus, McGinley a constaté que les moyennes mobiles ne parvenaient pas à suivre les prix, car de grandes séparations existent fréquemment entre les prix et les lignes de moyenne mobile. McGinley a cherché à éliminer ces problèmes en inventant un indicateur qui serrait les prix plus étroitement, éviter la séparation des prix et whipsaws et suivrait automatiquement les prix sur les marchés rapides ou lents. McGinley Dynamic Ce qu'il a fait avec l'invention de la dynamique McGinley. La formule est la suivante: Le McGinley dynamique ressemble à une ligne de moyenne mobile, mais il est un mécanisme de lissage pour les prix qui se révèle à la trace beaucoup mieux que toute moyenne mobile. Il minimise la séparation des prix, whipsaws prix et les prix des étreintes beaucoup plus étroitement. Et il le fait automatiquement car c'est un facteur de la formule. En raison du calcul, la Dynamic Line accélère dans les marchés en baisse car elle suit les prix mais se déplace plus lentement dans les marchés en hausse. On veut être rapide à vendre dans un marché en baisse, mais monter un marché aussi longtemps que possible. La constante N détermine la mesure dans laquelle le Dynamic suit l'indice ou le stock. Si on émule une moyenne mobile de 20 jours, par exemple, utiliser une valeur de N la moitié de celle de la moyenne mobile ou dans ce cas 10. Il évite grandement Whipsaws parce que la ligne dynamique suit automatiquement les prix sur un marché rapide ou lent, c'est comme Un mécanisme de direction qui reste aligné sur les prix lorsque les marchés accélèrent ou ralentissent. Il peut être invoqué pour les décisions commerciales, mais McGinley a inventé le Dynamic en 1997 comme un outil de marché plutôt que comme un indicateur de négociation. Conclusion Qu'il s'agisse d'un outil ou d'un indicateur, le McGinley Dynamic est un instrument fascinant inventé par un technicien du marché qui a suivi et étudié les marchés et les indicateurs depuis près de 40 ans. Pour plus d'informations sur les indicateurs et les outils de marché, consultez notre Didacticiel d'analyse technique.