Moving Average Forecasting. Introduction Som du kanskje antar vi ser på noen av de mest primitive tilnærmingene til prognoser, men forhåpentligvis er disse minst en verdig innføring i noen av databehandlingsproblemene knyttet til implementering av prognoser i regneark. I denne venen fortsetter vi med begynner i begynnelsen og begynner å jobbe med Moving Average Forecasts. Moving Average Forecasts Alle er kjent med å flytte gjennomsnittlige prognoser, uavhengig av om de tror de er Alle studenter gjør dem hele tiden Tenk på testpoengene dine i et kurs der du skal ha fire tester i løpet av semesteret. La oss anta at du fikk en 85 på din første test. Hva ville du forutsi for din andre test score. Hva tror du at din lærer ville forutsi for din neste test score. Hva tror du dine venner kan forutsi for din neste test score. Hva tror du at foreldrene dine kan forutsi for din neste testscore. Uansett hvilken blabbing du kan gjøre med din fr Jeg og foreldrene mine, de og din lærer, er veldig sannsynlig å forvente deg å få noe i det 85 du nettopp har fått. Vel, la oss nå anta at til tross for selvforfremmelse til vennene dine, overestimerer du deg selv og finne ut at du kan studere mindre for den andre testen, og så får du en 73. Nå er det alle de bekymrede og ubekymrede kommer til å forutse at du kommer på den tredje testen. Det er to svært sannsynlige tilnærminger for dem å utvikle et estimat uavhengig av om de vil dele det med deg. De kan si til seg selv: Denne fyren blåser alltid røyk om hans smarts. Han kommer til å få en annen 73 hvis han er heldig. Måtte foreldrene forsøke å være mer støttende og si, vel, så langt du har fått en 85 og en 73, så kanskje du burde finne ut på å få en 85 73 2 79 Jeg vet ikke, kanskje hvis du gjorde mindre fester og ikke ville veksle vevet over alt, og hvis du begynte å gjøre en mye mer å studere du kan få en høyere score. Både disse estimatene er faktiske Den bevegelige gjennomsnittlige prognosen. Den første bruker bare din siste poengsum for å prognose din fremtidige ytelse. Dette kalles en gjennomsnittlig gjennomsnittlig prognose ved hjelp av en dataperiode. Den andre er også en flytende gjennomsnittlig prognose, men bruker to perioder med data. at alle disse menneskene bråser på ditt store sinn, har slags pisset deg av og du bestemmer deg for å gjøre det bra på den tredje testen av dine egne grunner og å sette en høyere poengsum foran dine allierte. Du tar testen og poengsummen din er egentlig en 89 Alle, inkludert deg selv, er imponert. Så nå har du den endelige testen av semesteret som kommer opp, og som vanlig føler du behovet for å få alle til å gjøre sine spådommer om hvordan du skal gjøre på den siste testen. Vel, forhåpentligvis ser du pattern. Now, forhåpentligvis kan du se mønsteret som tror du er den mest nøyaktige. Whistle Mens vi jobber nå, går vi tilbake til vårt nye rengjøringsfirma som startet av din fremmedgjorte halv søster, kalt Whistle While we Work Du har noen tidligere salgsdata representert av følgende seksjon fra et regneark Vi presenterer først dataene for en tre-års glidende gjennomsnittlig prognose. Oppføringen for celle C6 skal være. Nå kan du kopiere denne celleformelen ned til de andre cellene C7 til og med C11. Notat hvordan gjennomsnittet beveger seg over de nyeste historiske dataene, men bruker nøyaktig de tre siste perioder som er tilgjengelige for hver prediksjon. Du bør også legge merke til at vi ikke virkelig trenger å gjøre spådommene for de siste perioder for å utvikle vår siste prediksjon. Dette er definitivt forskjellig fra eksponensiell utjevningsmodell Jeg har inkludert de siste spådommene fordi vi vil bruke dem på neste nettside for å måle prediksjonens gyldighet. Nå vil jeg presentere de analoge resultatene for en to-års glidende gjennomsnittlig prognose. Oppføringen for celle C5 skal være. Nå kan kopiere denne celleformelen ned til de andre cellene C6 til C11. Notat hvor nå blir bare de to siste stykkene av historiske data brukt for hver prediksjon igjen, jeg har med d de siste spådommene for illustrative formål og for senere bruk i prognose validering. Som andre ting som er viktig å legge merke til. For en m-periode beveger gjennomsnittlig prognose bare de nyeste dataverdiene er brukt til å foreta prognosen Ingenting annet er nødvendig. For en m-periode som går i gjennomsnitt, vil prognosen ved første forsinkelse oppstå i perioden m 1.Bet av disse problemene vil være svært viktig når vi utvikler vår kode. Utvikle den bevegelige gjennomsnittsfunksjonen Nå må vi utvikle koden for den bevegelige gjennomsnittlige prognosen som kan brukes mer fleksibelt Koden følger Legg merke til at inngangene er for antall perioder du vil bruke i prognosen og rekke historiske verdier. Du kan lagre den i hvilken arbeidsbok du vil. Funksjon MovingAverage Historical, NumberOfPeriods Som Single Declaration og initialisering av variabler Dim Item Som variant Dim Counter Som Integer Dim Akkumulering Som Single Dim HistoricalSize Som Integer. Initialisering av variabler Teller 1 Akkumulering 0. Bestemme størrelsen på Historisk matrise HistoricalSize. For Counter 1 til NumberOfPeriods. Akkumulere riktig antall siste tidligere observerte verdier. Akkumulasjonsakkumulering Historisk Historisk størrelse - AntallOfPeriods Counter. MovingAverage AkkumuleringsnummerOfPeriods. Koden vil bli forklart i klassen. Du vil plassere funksjonen på regnearket slik at resultatet av beregningen vises der den skal som følgende. Gjennomsnittlig gjennomsnitt Slik bruker du dem. Noen av de primære funksjonene til et bevegelig gjennomsnittsnivå er å identifisere trender og reverseringer måle styrken av en aktivums momentum og bestemme potensielle områder der et aktivum vil finne støtte eller motstand. I denne delen vi vil peke på hvordan ulike tidsperioder kan overvåke momentum og hvordan bevegelige gjennomsnittsverdier kan være fordelaktige ved å sette stoppstopp. Videre vil vi ta opp noen av evnene og begrensningene av bevegelige gjennomsnitt som man bør vurdere når de bruker dem som en del av en handelsrutinutvikling Identifiserende trender er en av hovedfunksjonene i bevegelige gjennomsnitt, som er oss utgitt av de fleste handelsfolk som forsøker å gjøre trenden til deres venn Flytte gjennomsnitt er forsinkende indikatorer, noe som betyr at de ikke forutsier nye trender, men bekrefter trender når de er etablert. Som du ser i figur 1, anses en aksje å være i en opptrending når prisen er over et bevegelige gjennomsnitt og gjennomsnittet er skråt oppover. Omvendt vil en forhandler bruke en pris under et nedadgående skråtall for å bekrefte en nedgang. Mange handlende vil bare vurdere å ha en lang stilling i en eiendel når prisen handler over et glidende gjennomsnitt Denne enkle regelen kan bidra til at trenden virker i handelshandlerens favor. Momentum Mange nybegynnere handler om hvordan det er mulig å måle momentum og hvordan bevegelige gjennomsnitt kan brukes til å takle en slik prestasjon. Det enkle svaret er å betale nært oppmerksomhet på tidsperioder som brukes til å skape gjennomsnittet, da hver tidsperiode kan gi verdifull innsikt i ulike typer momentum Generelt kan kortsiktig momentum måles ved å se på bevegelse gjennomsnitt som fokuserer på tidsperioder på 20 dager eller mindre Å se på bevegelige gjennomsnittsverdier som er opprettet med en periode på 20 til 100 dager, regnes generelt som et godt mål på mellomlangt momentum. Endelig er hvert glidende gjennomsnitt som bruker 100 dager eller mer i Beregningen kan brukes som et mål for langsiktig momentum Sunn fornuft bør fortælle deg at et 15-dagers glidende gjennomsnitt er et mer hensiktsmessig mål for kortsiktig momentum enn et 200-dagers glidende gjennomsnitt. En av de beste metodene for å bestemme Styrken og retningen til en aktivums moment er å plassere tre bevegelige gjennomsnitt på et diagram og deretter være nøye med hvordan de stabler opp i forhold til hverandre. De tre glidende gjennomsnittene som vanligvis brukes, har varierende tidsrammer i et forsøk på å representere Kortsiktige, middels og langsiktige prisbevegelser I figur 2 vises sterk oppadgående fart når kortsiktige gjennomsnitt ligger over lengre gjennomsnitt og de to gjennomsnittene er divergerende. Omvendt, når kortere te rm gjennomsnitt er plassert under de langsiktige gjennomsnittene, momentet er i nedadgående retning. Støtte En annen vanlig bruk av bevegelige gjennomsnitt er å bestemme potensielle prisstøtte. Det tar ikke mye erfaring med å håndtere glidende gjennomsnitt for å legge merke til at fallende pris på En ressurs vil ofte stoppe og reversere retningen på samme nivå som et viktig gjennomsnitt. For eksempel, i figur 3 kan du se at 200-dagers glidende gjennomsnitt kunne øke prisen på aksjen etter at den falt fra den høye nær 32 Mange handelsfolk vil forutse en sprette av store bevegelige gjennomsnitt og vil bruke andre tekniske indikatorer som bekreftelse på forventet bevegelse. Resistance Når prisen på en eiendel faller under et innflytelsesrik nivå av støtte, som det 200-dagers glidende gjennomsnittet, er det ikke uvanlig å se gjennomsnittlig handling som en sterk barriere som hindrer investorer i å presse prisen tilbake over det gjennomsnittet. Som du kan se fra diagrammet nedenfor, brukes denne motstanden ofte av handelsmenn en et tegn til å ta fortjeneste eller å lukke eksisterende eksisterende stillinger Mange korte selgere vil også bruke disse gjennomsnittene som inngangspunkter fordi prisen ofte hopper av motstanden og fortsetter å bevege seg lavere Hvis du er en investor som holder en lang stilling i en eiendel som handler under store bevegelige gjennomsnitt, kan det være best for deg å se disse nivåene nøye fordi de i stor grad kan påvirke verdien av investeringen. Stopp-tap Støtten og motstandskarakteristikkene til bevegelige gjennomsnitt gjør dem til et godt verktøy for å administrere risiko Evnen til å flytte gjennomsnitt for å identifisere strategiske steder for å sette stoppordreordrer tillater handelsmenn å kutte bort tapende stillinger før de kan vokse noe større. Som du ser i figur 5, handler handelsmenn som holder en lang posisjon i en aksje og stopper - løsningsordrer under innflytelsesrike gjennomsnitt kan spare seg for mye penger. Ved å bruke bevegelige gjennomsnitt for å sette stoppordreordninger er nøkkelen til enhver vellykket handelsstrategi. I praksis er den bevegelige ave raseri vil gi et godt estimat av gjennomsnittet av tidsseriene 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 utelukke effekten av variabilitet. Formålet med å gi en mindre m er å tillate prognosen å 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 tiden serie som brukes til å illustrere sammen med den gjennomsnittlige etterspørselen fra hvilken serien ble generert. Middelet begynner som en konstant på 10. Begynner på tid 21, øker den med en enhet i hver periode til den når verdien av 20 på tiden 30. Da blir det konstant igjen Dataene blir simulert ved å legge til i gjennomsnitt, en tilfeldig støy fra en Normal fordeling med null gjennomsnitt og standardavvik 3 Resultatene av simuleringen avrundes til nærmeste heltall. ows de simulerte observasjonene som brukes til eksempelet Når vi bruker tabellen, må vi huske at bare de siste dataene er kjent. Estimatene til modellparameteren, for tre forskjellige verdier av m, vises sammen med gjennomsnittet av tidsserien i figuren under Figuren viser det gjennomsnittlige gjennomsnittlige gjennomsnittlige estimatet på gjennomsnittet hver gang og ikke prognosen. Prognosene vil skifte de bevegelige gjennomsnittskurver til høyre etter periodene. En konklusjon vises umiddelbart fra figuren For alle tre anslår det bevegelige gjennomsnittet lags bak den lineære trenden, med laget økende med m Forsinkelsen er avstanden mellom modellen og estimatet i tidsdimensjonen På grunn av lagret undervurderer det bevegelige gjennomsnittet observasjonene etter hvert som gjennomsnittet øker. Forskjellen av estimatoren er forskjellen på en bestemt tid i middelverdien av modellen og gjennomsnittverdien forutsatt av det bevegelige gjennomsnittet. Forskjellen når gjennomsnittet øker, er negativt. For en reduksjon ing mener, bias er positiv Forsinkelsen i tid og bias introdusert i estimatet er funksjoner av m Jo større verdien av m er jo større størrelsen på lag og bias. For en kontinuerlig økende serie med trend a er verdiene for lag og bias av estimatoren av gjennomsnittet er gitt i ligningene under. 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 eksemplet kurver påvirkes av støyen. Den bevegelige gjennomsnittlige prognosen for perioder inn i fremtiden representeres ved å flytte kurvene til høyre. Lag og forspenning øker proporsjonalt. Ligningene nedenfor indikerer lag og forspenning av prognoseperioder i fremtiden sammenlignet med modellparametere Igjen er disse formlene for en tidsserie med konstant lineær trend. Vi bør ikke bli overrasket over dette resultatet. Den glidende gjennomsnittlige estimatoren er basert på antagelsen om en const ant mener, og eksemplet har en lineær trend i gjennomsnittet i en del av studietiden. Siden realtidsserier sjelden vil adlyde forutsetningene til en hvilken som helst modell, bør vi være forberedt på slike resultater. Vi kan også konkludere med figuren at Støyens variasjon har den største effekten 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 responsiv til endringer i gjennomsnitt. Feilen er forskjellen mellom de faktiske dataene og den prognostiserte 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. Den første termen er variansen av gjennomsnittet estimert med en prøve av m observasjoner, forutsatt at data kommer fra en populasjon på med konstant gjennomsnitt Denne termen er minimert ved å gjøre m så stor som mulig Et stort m gjør prognosen uforsvarlig for endring i underliggende tidsserier For å gjøre prognosen lydhør for endringer, vil vi ha så liten som mulig 1, men dette øker feilvariasjonen Praktisk prognose krever en mellomverdi. Forekasting med Excel. Forecasting-tillegget implementerer de bevegelige gjennomsnittlige formlene Eksemplet nedenfor viser analysen som tilbys av tillegget for prøvedataene i kolonne B De første 10 observasjonene er indeksert -9 til 0 Sammenlignet med tabellen over, forskyves periodeindeksene 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 den beregnede bevegelsen gjennomsnitt Den glidende gjennomsnittsparameteren m er i celle C3 Fore 1-kolonnen D viser en prognose for en periode inn i fremtiden. Prognosintervallet er i celle D3 Når prognoseperioden endres til et større tall tallene i Fore-kolonnen forskyves ned. Err 1-kolonnen E viser differansen mellom observasjonen og prognosen. For eksempel er observasjonen på tidspunkt 1 6 Den prognostiserte verdien fra det bevegelige gjennomsnittet ved tidspunktet 0 er 11 1 Feilen er da -5 1 Standardavviket og gjennomsnittlig avviks MAD beregnes i henholdsvis celler E6 og E7.
No comments:
Post a Comment