Flytende gjennomsnitt Gjennomsnitt av tidsseriedata (observasjoner like fordelt i tid) fra flere sammenhengende perioder. Kalt flytting fordi det kontinuerlig omdannes når nye data blir tilgjengelige, går det fremover ved å slippe den tidligste verdien og legge til den nyeste verdien. For eksempel kan det bevegelige gjennomsnittet på seks måneders salg beregnes ved å ta gjennomsnittet av salget fra januar til juni, deretter gjennomsnittet av salget fra februar til juli, deretter fra mars til august og så videre. Flytte gjennomsnitt (1) redusere effekten av midlertidige variasjoner i data, (2) forbedre passformen til en linje (en prosess kalt utjevning) for å vise datasendensen tydeligere, og (3) markere en verdi over eller under trend. Hvis du regner med noe med svært høy varians, er det beste du kan gjøre, å finne ut det bevegelige gjennomsnittet. Jeg ønsket å vite hva det bevegelige gjennomsnittet var av dataene, så jeg ville få en bedre forståelse av hvordan vi gjorde. Når du prøver å finne ut noen tall som endrer seg ofte, er det beste du kan gjøre å beregne det bevegelige gjennomsnittet. I praksis vil det bevegelige gjennomsnittet gi et godt estimat av gjennomsnittet av tidsserien hvis gjennomsnittet er konstant eller sakte endring. Ved konstant gjennomsnitt vil den største verdien av m gi de beste estimatene for det underliggende gjennomsnittet. En lengre observasjonsperiode vil gjennomsnittlig utvirke virkningen av variabilitet. Formålet med å gi en mindre m er å la prognosen svare på en endring i den underliggende prosessen. For å illustrere foreslår vi et datasett som inkorporerer endringer i det underliggende gjennomsnittet av tidsseriene. Figuren viser tidsseriene som brukes til illustrasjon sammen med den gjennomsnittlige etterspørselen fra hvilken serien ble generert. Middelet begynner som en konstant ved 10. Begynner på tid 21, øker den med en enhet i hver periode til den når verdien av 20 ved tid 30. Da blir det konstant igjen. Dataene blir simulert ved å legge til i gjennomsnitt, en tilfeldig støy fra en Normal-fordeling med null-middel og standardavvik 3. Resultatene av simuleringen avrundes til nærmeste heltall. Tabellen viser de simulerte observasjonene som brukes til eksemplet. Når vi bruker bordet, må vi huske at det til enhver tid bare er kjent med tidligere data. Estimatene til modellparameteren, for tre forskjellige verdier av m, vises sammen med gjennomsnittet av tidsseriene i figuren under. Figuren viser gjennomsnittlig glidende gjennomsnittlig beregning av gjennomsnittet hver gang og ikke prognosen. Prognosene ville skifte de bevegelige gjennomsnittskurver til høyre etter perioder. En konklusjon er umiddelbart tydelig fra figuren. For alle tre estimatene ligger det glidende gjennomsnittet bak den lineære trenden, idet laget øker med m. Laget er avstanden mellom modellen og estimatet i tidsdimensjonen. På grunn av lavet undervurderer det bevegelige gjennomsnittet observasjonene ettersom gjennomsnittet øker. Forskjellerens forspenning er forskjellen på en bestemt tid i middelverdien av modellen og middelverdien forutsatt av det bevegelige gjennomsnittet. Forspenningen når gjennomsnittet øker er negativt. For et avtagende middel er forspenningen positiv. Forsinkelsen i tid og bias innført i estimatet er funksjoner av m. Jo større verdien av m. jo større størrelsen på lag og forspenning. For en kontinuerlig økende serie med trend a. verdiene av lag og forspenning av estimatoren av middelet er gitt i ligningene nedenfor. Eksempelkurverne stemmer ikke overens med disse ligningene fordi eksempelmodellen ikke kontinuerlig øker, men det begynner som en konstant, endrer seg til en trend og blir konstant igjen. Også eksempelkurvene påvirkes av støyen. Den bevegelige gjennomsnittlige prognosen for perioder inn i fremtiden er representert ved å flytte kurvene til høyre. Forsinkelsen og forspenningen øker proporsjonalt. Ligningene nedenfor angir lag og forspenning av prognoseperioder i fremtiden sammenlignet med modellparametrene. Igjen, disse formlene er for en tidsserie med en konstant lineær trend. Vi bør ikke bli overrasket over dette resultatet. Den bevegelige gjennomsnittlige estimatoren er basert på antagelsen om konstant gjennomsnitt, og eksemplet har en lineær trend i gjennomsnittet i en del av studieperioden. Siden sanntidsserier sjelden vil adlyde forutsetningene til en hvilken som helst modell, bør vi være forberedt på slike resultater. Vi kan også konkludere fra figuren at variasjonen av støyen har størst effekt for mindre m. Estimatet er mye mer flyktig for det bevegelige gjennomsnittet på 5 enn det bevegelige gjennomsnittet på 20. Vi har de motstridende ønskene om å øke m for å redusere effekten av variabilitet på grunn av støyen, og å redusere m for å gjøre prognosen mer lydhør for endringer i gjennomsnitt. Feilen er forskjellen mellom de faktiske dataene og den forventede verdien. Hvis tidsseriene er virkelig en konstant verdi, er den forventede verdien av feilen null og variansen av feilen består av et begrep som er en funksjon av og et andre begrep som er variansen av støyen. Første term er variansen av gjennomsnittet estimert med en prøve av m observasjoner, forutsatt at data kommer fra en befolkning med konstant gjennomsnitt. Denne termen er minimert ved å gjøre m så stor som mulig. Et stort m gjør prognosen uansvarlig for en endring i den underliggende tidsserien. For å gjøre prognosen lydhør for endringer, ønsker vi m så liten som mulig (1), men dette øker feilvariasjonen. Praktisk prognose krever en mellomverdi. Forecasting with Excel Forecasting-tillegget implementerer de bevegelige gjennomsnittlige formlene. Eksempelet nedenfor viser analysen som ble levert av tillegget for prøvedataene i kolonne B. De første 10 observasjonene er indeksert -9 til 0. Sammenlignet med tabellen over, forskyves periodindeksene med -10. De første ti observasjonene gir oppstartsverdiene for estimatet og brukes til å beregne det bevegelige gjennomsnittet for perioden 0. MA (10) kolonnen (C) viser de beregnede bevegelige gjennomsnittene. Den bevegelige gjennomsnittsparameteren m er i celle C3. Fore (1) kolonne (D) viser en prognose for en periode inn i fremtiden. Forespørselsintervallet er i celle D3. Når prognoseperioden endres til et større tall, blir tallene i Fore-kolonnen flyttet ned. Err-kolonnen (E) viser forskjellen mellom observasjonen og prognosen. For eksempel er observasjonen ved tidspunkt 1 6. Den prognostiserte verdien fra det bevegelige gjennomsnittet ved tid 0 er 11,1. Feilen er da -5,1. Standardavviket og gjennomsnittlig avvigelse (MAD) beregnes i henholdsvis cellene E6 og E7. De 7 fallgruver med bevegelige gjennomsnitt Et gjennombruddsmiddel er gjennomsnittsprisen for en sikkerhet over en angitt tidsperiode. Analytikere bruker ofte bevegelige gjennomsnitt som et analytisk verktøy for å gjøre det lettere å følge markedstrender, ettersom verdipapirene beveger seg opp og ned. Flytte gjennomsnitt kan etablere trender og måle momentum. Derfor kan de brukes til å indikere når en investor bør kjøpe eller selge en bestemt sikkerhet. Investorer kan også bruke bevegelige gjennomsnitt for å identifisere støtte - eller motstandspunkter for å måle når prisene sannsynligvis vil endre retning. Ved å studere historiske handelsområder, opprettes støtte - og motstandspunkter hvor sikkerhetsprisen reverserer sin oppadgående eller nedadgående trend i fortiden. Disse punktene brukes da til å lage, kjøpe eller selge beslutninger. Dessverre er glidende gjennomsnitt ikke perfekte verktøy for å etablere trender, og de presenterer mange subtile, men betydelige, risikoer for investorer. Videre gjelder glidende gjennomsnitt ikke for alle typer bedrifter og næringer. Noen av de viktigste ulempene ved å flytte gjennomsnitt er: 1. Flytte gjennomsnitt trekker trender fra tidligere informasjon. De tar ikke hensyn til endringer som kan påvirke fremtidens ytelse for sikkerheten, for eksempel nye konkurrenter, høyere eller lavere etterspørsel etter produkter i bransjen, og endringer i selskapets ledelsesstruktur. 2. Ideelt sett vil et glidende gjennomsnitt vise en jevn forandring i prisen på en sikkerhet over tid. Dessverre går glidende gjennomsnitt ikke for alle bedrifter, spesielt for de i svært flyktige næringer eller de som er sterkt påvirket av dagens hendelser. Dette gjelder spesielt for oljeindustrien og høy spekulasjonsindustrien generelt. 3. Flytende gjennomsnitt kan spres over en tidsperiode. Dette kan imidlertid være problematisk fordi den generelle trenden kan endres vesentlig avhengig av tidsperioden som brukes. Kortere tidsrammer har mer volatilitet, mens lengre tidsrammer har mindre volatilitet, men tar ikke hensyn til nye endringer i markedet. Investorer må være forsiktig med hvilken tidsramme de velger, for å sikre at trenden er klar og relevant. 4. En pågående debatt er om det bør legges større vekt på de siste dagene i tidsperioden. Mange føler at nyere data bedre reflekterer retningen sikkerheten beveger seg, mens andre føler at det gir noen dager mer vekt enn andre, forstyrrer utviklingen feil. Investorer som bruker ulike metoder for å beregne gjennomsnitt kan trekke helt forskjellige trender. (Lær mer i Simple vs Exponential Moving Average.) 5. Mange investorer hevder at teknisk analyse er en meningsløs måte å forutsi markedsadferd. De sier markedet har ingen minne og fortiden er ikke en indikator for fremtiden. Videre er det betydelig forskning for å få tilbake dette. For eksempel har Roy Nersesian gjennomført en studie med fem forskjellige strategier ved hjelp av bevegelige gjennomsnitt. Suksessraten for hver strategi varierte mellom 37 og 66. Denne undersøkelsen antyder at glidende gjennomsnitt bare gir resultater omtrent halvparten av tiden, noe som kan gjøre at de bruker et risikabelt proposisjon for effektivt timing av aksjemarkedet. 6. Verdipapirer viser ofte et syklisk mønster av oppførsel. Dette gjelder også for verktøyselskaper, som har jevn etterspørsel etter produkt fra år til år, men opplever sterke sesongmessige endringer. Selv om glidende gjennomsnitt kan bidra til å utjevne disse trendene, kan de også skjule det faktum at sikkerheten trender i et oscillerende mønster. (For å lære mer, se Hold øye med Momentum.) 7. Formålet med enhver trend er å forutse hvor prisen på et sikkerhetssystem vil være i fremtiden. Hvis en sikkerhet ikke trender i begge retninger, gir den ikke mulighet til å tjene på enten å kjøpe eller selge. Den eneste måten en investor kan være i stand til å profittere ville være å implementere en sofistikert, opsjonsbasert strategi som er avhengig av den gjenværende prisen stabil. Bottom Line Moving gjennomsnitt har blitt ansett som et verdifullt analytisk verktøy av mange, men for ethvert verktøy for å være effektivt må du først forstå funksjonen, når du skal bruke den og når du ikke skal bruke den. Faren som diskuteres her, indikerer at når gjennomsnittlig flytte ikke har vært et effektivt verktøy, for eksempel når det brukes med flyktige verdipapirer, og hvordan de kan overse visse viktige statistiske opplysninger, for eksempel sykliske mønstre. Det er også tvilsomt hvor effektive glidende gjennomsnitt er for nøyaktig å indikere prisutvikling. Gitt ulempene, kan bevegelige gjennomsnitt være et verktøy som er best brukt sammen med andre. Til slutt vil personlig erfaring være den ultimate indikatoren for hvor effektiv de egentlig er for din portefølje. (For mer, se Gjør Adaptive Moving Averages Lead To Better Results)
Comments
Post a Comment