Flytting Gjennomsnitt Naive Modellen

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 vennene dine 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 til 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. I praksis vil det bevegelige gjennomsnittet gi et godt estimat av gjennomsnittet av tidsseriene dersom gjennomsnittet er konstant eller sakte endring. Ved konstant gjennomsnitt vil den største verdien av m gi de beste estimatene av det underliggende mener En lengre observasjonsperiode vil gjennomsnittse effektene 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 tidsserien Figuren viser tidsserier som brukes til illustrasjon sammen med den gjennomsnittlige etterspørselen som se ries ble generert Middel 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 er avrundet til nærmeste heltall. Tabellen viser de simulerte observasjonene som brukes til eksempelet. Når vi bruker bordet, må vi huske at til enhver tid, bare de siste dataene er kjent. Estimatene til modellparameteren, for tre forskjellige verdier av m, vises sammen med gjennomsnittet av tidsseriene i figuren under. Figuren viser gjennomsnittlig gjennomsnittlig gjennomsnittlig gjennomsnittlig beregning av gjennomsnittet hver gang og ikke prognosen Prognosene vil skifte de bevegelige gjennomsnittskurver til høyre etter periodene. En konklusjon er umiddelbart tydelig fra figuren. For alle tre estimatene ligger det glidende gjennomsnittet bak den lineære trenden, med lag-stigningen ng 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 er estimert forskjell på en bestemt tid i middelverdien av modellen og middelverdien spådd av det bevegelige gjennomsnittet Forskjellen når gjennomsnittet er økende er negativt For et avtagende middel er forspenningen positiv. Forsinkelsen i tid og forspenningen introdusert i estimatet er funksjoner av m Jo større verdien av m jo større størrelsen av lag og bias. For en kontinuerlig økende serie med trend a er verdiene av lag og forspenning av estimatoren av middelet gitt i ligningene nedenfor. Eksempelkurverne samsvarer ikke med disse ligningene fordi eksemplet modellen er ikke kontinuerlig økende, heller begynner den som en konstant, endrer seg til en trend og blir konstant igjen Også eksempelkurver 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 en prognoseperiode inn i fremtiden sammenlignet med modellparametrene. Disse formlene er igjen i en tidsserie med en konstant lineær trend . Vi bør ikke bli overrasket over dette resultatet. Den glidende gjennomsnittlige estimatoren er basert på antagelsen om konstant gjennomsnitt, og eksemplet har en lineær trend i gjennomsnittet i en del av studieperioden. Siden sanntidsseriene sjelden vil adlyde nøyaktig antagelsene av hvilken som helst modell, bør vi være forberedt på slike resultater. Vi kan også konkludere fra figuren at støyens variabilitet har størst effekt for mindre m. Estimatet er mye mer flyktig for det bevegelige gjennomsnittet på 5 enn det glidende 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 for endringer i gjennomsnitt. Feilen er di forskjell 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 en andre term som er variansen av støy. Den første termen 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 En stor m gjør prognosen ikke reagerende til en 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 flyttingen gjennomsnittlige formler Eksemplet nedenfor viser analysen gitt av tillegget for prøvedata i kolonne B De første 10 observasjonene er indeksert -9 til 0 Sammenlignet med tabellen over, er perioden inn ices blir skiftet med -10. De første ti observasjonene gir oppstartsverdiene for estimatet og brukes til å beregne det bevegelige gjennomsnittet for periode 0 MA 10-kolonnen C viser de beregnede bevegelige gjennomsnittene. Den bevegelige gjennomsnittsparameteren m er i celle C3 The Fore 1 kolonne D viser en prognose for en periode inn i fremtiden Prognoseintervallet er i celle D3 Når prognoseperioden endres til et større tall, flyttes tallene i Fore-kolonnen 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 avviksmodus beregnes i henholdsvis celler E6 og E7.Virkende gjennomsnitt Slik bruker du dem. Noen av de primære funksjonene i et bevegelig gjennomsnitt 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 vil vi påpeke hvordan ulike tidsperioder kan overvåke momentum og hvordan bevegelige gjennomsnittsverdier kan være fordelaktige ved å sette stoppstopp. Videre vil vi ta opp noen av evner og begrensninger av bevegelige gjennomsnitt som man bør vurdere når de bruker dem som del av en trading rutine Trend Identifiserende trender er en av nøkkelfunksjonene til bevegelige gjennomsnitt, som brukes 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 har blitt etablert Som du ser på figur 1, anses en aksje å være i en opptrinn når prisen er over et bevegelige gjennomsnitt og gjennomsnittet er skråt oppover. Omvendt vil en forhandler bruke en pris under et nedadgående skråstilt gjennomsnitt til bekrefte en nedgang Mange forhandlere vil bare vurdere å ha en lang posisjon i en eiendel når prisen handler over et glidende gjennomsnitt. Denne enkle regelen kan bidra til at treet nd arbeider i handelsfolkets favor. Momentum Mange nybegynnere handler om hvordan det er mulig å måle momentum og hvordan bevegelige gjennomsnittsverdier kan brukes til å takle en slik prestasjon. Det enkle svaret er å være nøye oppmerksom på tidsperioder som brukes til å skape gjennomsnittet, som hver tidsperiode kan gi verdifull innsikt i ulike typer momentum Generelt kan kortsiktig momentum vurderes ved å se på bevegelige gjennomsnitt som fokuserer på tidsperioder på 20 dager eller mindre. Se på flytte gjennomsnitt som er opprettet med en periode på 20 til 100 dager regnes generelt som et godt mål på mellomlangt momentum. Endelig kan hvert glidende gjennomsnitt som bruker 100 dager eller mer i beregningen, brukes som et mål for langsiktig momentum. Sunn fornuft bør fortælle deg at en 15-dagers bevegelse 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 Vær så oppmerksom på hvordan de stabler opp i forhold til hverandre. De tre bevegelige gjennomsnittene som vanligvis brukes, har varierende tidsrammer i et forsøk på å representere kortsiktige, mellomlangs og langsiktige prisbevegelser. På figur 2, sterk oppadgående momentum er sett når kortsiktige gjennomsnitt ligger over lengre gjennomsnitt og de to gjennomsnittene er divergerende Omvendt, når kortere gjennomsnitt er plassert under lengre gjennomsnitt, er momentet i nedadgående retning. Støtte En annen vanlig bruk av bevegelige gjennomsnitt er å bestemme potensielle prisstøtte. Det tar ikke mye erfaring med å håndtere flytteverdier for å legge merke til at den fallende prisen på en eiendel ofte vil stoppe og reversere retningen på samme nivå som et viktig gjennomsnitt. For eksempel i figur 3 du kan se at 200-dagers glidende gjennomsnitt kunne klare aksjekursen etter at det falt fra det høye i nærheten av 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 den gjennomsnittlige handlingen som en sterk barriere som forhindrer investorer i å presse prisen tilbake over det gjennomsnittet. Som du kan se fra diagrammet nedenfor, brukes denne motstanden ofte av handelsmenn som et tegn for å ta fortjeneste eller å lukke eksisterende eksisterende stillinger. Mange korte selgere vil også bruke disse gjennomsnittene som oppføring poeng fordi prisen ofte hopper av motstanden og fortsetter sin bevegelse lavere Hvis du er en investor som holder en lang posisjon i en eiendel som handler under store bevegelige gjennomsnitt, kan det være i din beste å se disse nivåene tett fordi de kan i stor grad påvirke verdien av investeringen. Stopp-Tap Støtten og motstandskarakteristikkene til bevegelige gjennomsnitt gjør dem til et godt verktøy for å håndtere risiko. Evnen til å flytte gjennomsnitt til identifisere strategiske steder for å sette stoppordreordninger tillater handelsmenn å kutte bort tapende stillinger før de kan vokse noe større Som du kan se i figur 5, kan handlere som holder en lang posisjon i en aksje og stiller sine stopp-tap ordrer under innflytelsesrike gjennomsnitt kan spare seg for mye penger Ved å bruke bevegelige gjennomsnittsverdier for å sette stopp-ordre er nøkkelen til enhver vellykket handelsstrategi.