Przenoszenie średniej prognozy wstępnej. Jak można się domyślić, patrzymy na niektóre z najbardziej prymitywnych podejść do prognozowania. Miejmy nadzieję, że są to przynajmniej wartościowe wprowadzenie do niektórych problemów informatycznych związanych z wdrażaniem prognoz w arkuszach kalkulacyjnych. W tym duchu będziemy kontynuować od początku i zacząć pracę z prognozami średniej ruchomej. Średnie prognozy ruchome. Wszyscy znają średnie ruchome prognozy, niezależnie od tego, czy uważają, że są. Wszyscy studenci robią to cały czas. Pomyśl o swoich wynikach testowych na kursie, w którym będziesz miał cztery testy w trakcie semestru. Załóżmy, że masz 85 na pierwszym teście. Co byś przewidział dla swojego drugiego wyniku testu Jak sądzisz, co Twój nauczyciel przewidział dla twojego następnego wyniku testu Co twoim zdaniem mogą przewidzieć twoi znajomi dla twojego następnego wyniku testu Co twoim zdaniem rodzice mogą przewidzieć dla twojego następnego wyniku testu Niezależnie od wszystko, co możesz zrobić swoim przyjaciołom i rodzicom, oni i twój nauczyciel najprawdopodobniej oczekują, że dostaniesz coś w okolicy 85, którą właśnie dostałeś. Teraz załóżmy, że pomimo twojej autopromocji dla twoich przyjaciół, przeinaczasz siebie i wyobrażasz sobie, że możesz mniej uczyć się na drugi test, a więc dostajesz 73. Teraz, co się dzieje z tymi wszystkimi zainteresowanymi i beztroskimi? spodziewaj się, że dostaniesz swój trzeci test. Istnieją dwa bardzo prawdopodobne podejścia do opracowania oszacowania, niezależnie od tego, czy podzielą się nim z tobą. Mogą powiedzieć sobie: "Ten facet zawsze dmucha o swoich sprytach. Zamierza zdobyć kolejne 73, jeśli ma szczęście. Może rodzice będą starali się być bardziej pomocni i powiedzieć: "Cóż, jak dotąd dostałeś 85 i 73, więc może powinieneś pomyśleć o zdobyciu czegoś" (85 73) 2 79. Nie wiem, może gdybyś mniej imprezował i nie kręcili weasel w całym miejscu i jeśli zacząłeś robić o wiele więcej nauki, możesz uzyskać wyższy wynik. Oba te szacunki są w rzeczywistości średnią ruchomą. Pierwszym z nich jest wykorzystanie tylko ostatniego wyniku do prognozowania przyszłej skuteczności. Jest to tak zwana prognoza średniej ruchomej z użyciem jednego okresu danych. Drugi to również prognoza średniej ruchomej, ale z wykorzystaniem dwóch okresów danych. Załóżmy, że wszyscy ci ludzie, którzy wpadają w twój wielki umysł, trochę cię wkurzyli i postanawiasz zrobić dobrze w trzecim teście z własnych powodów i wystawić wyższy wynik przed swoimi cytatami. Zdajesz egzamin, a twój wynik to w sumie 89 Wszyscy, łącznie z tobą, są pod wrażeniem. Teraz masz już ostatni test semestru i jak zwykle czujesz potrzebę nakłonienia wszystkich do przedstawienia swoich przewidywań na temat ostatniego testu. Mam nadzieję, że widzisz ten wzór. Miejmy nadzieję, że widać wzór. Co według ciebie jest najdokładniejszym Gwizdkiem, podczas gdy my pracujemy. Teraz wracamy do naszej nowej firmy sprzątającej rozpoczętej przez twoją siostrę o imieniu Whistle While We Work. Masz kilka poprzednich danych dotyczących sprzedaży reprezentowanych w poniższej sekcji z arkusza kalkulacyjnego. Najpierw przedstawiamy dane dla trzyzmianowej prognozy średniej ruchomej. Wpis dla komórki C6 powinien być teraz. Teraz możesz skopiować tę formułę komórki do innych komórek od C7 do C11. Zwróć uwagę, jak średnia porusza się po najnowszych danych historycznych, ale używa dokładnie trzech ostatnich okresów dostępnych dla każdej prognozy. Powinieneś również zauważyć, że tak naprawdę nie musimy tworzyć prognoz dla przeszłych okresów, aby rozwinąć naszą najnowszą prognozę. To zdecydowanie różni się od wykładniczego modelu wygładzania. Podaję prognozy cudzysłowów, ponieważ użyjemy ich na następnej stronie internetowej do pomiaru trafności prognozy. Teraz chcę przedstawić analogiczne wyniki dla dwuletniej prognozy średniej ruchomej. Wpis dla komórki C5 powinien być teraz. Teraz możesz skopiować tę formułę komórki do innych komórek od C6 do C11. Zwróć uwagę, jak teraz dla każdej prognozy są używane tylko dwa najnowsze dane historyczne. Ponownie uwzględniłem prognozy quotpast dla celów ilustracyjnych i do późniejszego wykorzystania w walidacji prognoz. Kilka innych rzeczy, o których należy pamiętać. Dla prognozy średniej ruchomej z okresu m do prognozowania wykorzystuje się tylko m najnowsze wartości danych. Nic więcej nie jest konieczne. Dla prognozy średniej ruchomej okresu m, podczas dokonywania prognozy quotpast, zauważ, że pierwsza prognoza ma miejsce w okresie m 1. Oba te problemy będą bardzo istotne, gdy opracujemy nasz kod. Opracowanie średniej ruchomej funkcji. Teraz musimy opracować kod dla średniej ruchomej prognozy, która może być wykorzystywana bardziej elastycznie. Kod następuje. Zauważ, że dane wejściowe odnoszą się do liczby okresów, których chcesz użyć w prognozie i tablicy wartości historycznych. Możesz przechowywać go w dowolnym skoroszycie, który chcesz. Funkcja MovingAverage (Historyczne, NumberOfPeriods) Jako pojedyncze zadeklarowanie i inicjalizacja zmiennych Dim Pozycja jako zmienny licznik wymiaru jako całkowita liczba wymiarów Dim Dimit as Single Dim HistoricalSize jako liczba całkowita Inicjowanie zmiennych Counter 1 Akumulacja 0 Określanie rozmiaru tablicy historycznej HistoricalSize Historical. Count dla licznika 1 na NumberOfPeriods Kumulacja odpowiedniej liczby ostatnio obserwowanych wartości Akumulacja akumulacja Historycznie (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Kod zostanie wyjaśniony w klasie. Chcesz umieścić funkcję w arkuszu kalkulacyjnym, aby wynik obliczeń pojawiał się tam, gdzie powinien być następujący. Średnie ruchomych: Jak ich używać Niektóre z podstawowych funkcji średniej ruchomej służą do identyfikowania trendów i odwracania. zmierzyć siłę impetu aktywów i określić potencjalne obszary, w których składnik aktywów znajdzie wsparcie lub opór. W tej części wskażemy, w jaki sposób różne okresy czasu mogą monitorować pęd i jak średnie ruchowe mogą być korzystne w ustalaniu stop-loss. Ponadto zajmiemy się niektórymi możliwościami i ograniczeniami średnich kroczących, które należy wziąć pod uwagę, gdy są wykorzystywane w ramach rutynowych transakcji. Trend Identyfikacja trendów jest jedną z kluczowych funkcji średnich kroczących, z których korzysta większość przedsiębiorców, którzy chcą, aby trend stał się ich przyjacielem. Średnie kroczące są wskaźnikami opóźniającymi. co oznacza, że nie przewidują one nowych trendów, ale potwierdzają tendencje po ich ustaleniu. Jak widać na wykresie 1, uznaje się, że stan zapasów jest w trendzie wzrostowym, gdy cena jest powyżej średniej ruchomej, a średnia spada w górę. I odwrotnie, przedsiębiorca użyje ceny poniżej średniej nachylonej w dół, aby potwierdzić tendencję spadkową. Wielu inwestorów rozważa utrzymanie pozycji długiej w aktywach tylko wtedy, gdy cena jest wyższa od średniej ruchomej. Ta prosta reguła może pomóc zapewnić, że trend działa na korzyść traderów. Momentum Wielu początkujących handlowców pyta, w jaki sposób można zmierzyć dynamikę i jak można wykorzystać średnie ruchome, aby poradzić sobie z takim wyczynem. Prostą odpowiedzią jest zwrócenie uwagi na okresy czasu wykorzystywane do tworzenia średniej, ponieważ każdy okres może dostarczyć cennego wglądu w różne rodzaje pędu. Ogólnie, krótkoterminowy rozpęd można zmierzyć, patrząc na średnie ruchome, które koncentrują się na okresach 20 dni lub krótszych. Patrząc na średnie kroczące, które powstają w okresie od 20 do 100 dni, powszechnie uważa się za dobrą miarę średnioterminowego rozpędu. Ostatecznie, każda średnia ruchoma, która wykorzystuje 100 dni lub więcej w obliczeniach, może być używana jako miara długoterminowego rozpędu. Zdrowy rozsądek powinien Ci powiedzieć, że 15-dniowa średnia krocząca jest bardziej odpowiednią miarą krótkoterminowego rozpędu niż 200-dniowa średnia krocząca. Jedną z najlepszych metod określania siły i kierunku rozpędu aktywów jest umieszczenie trzech średnich ruchomych na wykresie, a następnie zwrócenie bacznej uwagi na to, jak układają się one względem siebie. Trzy średnie ruchome, które są ogólnie stosowane, mają różne ramy czasowe, próbując przedstawić krótkoterminowe, średnioterminowe i długoterminowe ruchy cen. Na wykresie 2 widać silny wzrost w górę, gdy krótkoterminowe wartości średnie znajdują się powyżej średnich długoterminowych, a dwie średnie są rozbieżne. Odwrotnie, gdy średnie krótkoterminowe znajdują się poniżej średnich długoterminowych, pęd jest skierowany w dół. Wsparcie Kolejnym typowym zastosowaniem średnich kroczących jest określenie potencjalnej ceny wsparcia. Nie ma dużego doświadczenia w radzeniu sobie ze średnią ruchomą, aby zauważyć, że spadająca cena składnika aktywów często zatrzyma się i odwróci kierunek na tym samym poziomie, co ważna średnia. Na przykład na wykresie 3 można zauważyć, że 200-dniowa średnia krocząca była w stanie podnieść cenę akcji po tym, jak spadła ona z jej wysokiego poziomu bliskim 32. Wielu inwestorów spodziewa się odbicia głównych średnich kroczących i wykorzysta inne wskaźniki techniczne jako potwierdzenie spodziewanego ruchu. Opór Gdy cena aktywów spadnie poniżej znaczącego poziomu wsparcia, takiego jak 200-dniowa średnia krocząca, nierzadko zdarza się, że średnia czynność stanowi silną barierę, która uniemożliwia inwestorom obniżanie ceny powyżej tej średniej. Jak widać z poniższego wykresu, opór ten jest często używany przez handlowców jako znak do czerpania zysków lub do zamykania wszelkich istniejących długich pozycji. Wiele krótkich sprzedawców będzie również używać tych średnich jako punktów wejścia, ponieważ cena często odbija się od oporu i kontynuuje ruch w dół. Jeśli jesteś inwestorem, który ma długą pozycję w aktywach, które są notowane poniżej głównych średnich kroczących, może być w twoim najlepszym interesie, aby uważnie przyglądać się tym poziomom, ponieważ mogą one znacząco wpłynąć na wartość Twojej inwestycji. Stop-straty Charakterystyka nośności i oporu średnich kroczących sprawia, że są doskonałym narzędziem do zarządzania ryzykiem. Zdolność do przesuwania średnich w celu identyfikacji strategicznych miejsc do ustalania zleceń stop-loss pozwala inwestorom odcinać przegrane pozycje, zanim będą mogli się powiększać. Jak widać na wykresie 5, inwestorzy, którzy utrzymują pozycję długą w magazynie i ustalają zlecenia stop-loss poniżej wpływowych średnich, mogą zaoszczędzić sporo pieniędzy. Używanie średnich ruchomych do ustawiania zleceń stop-loss jest kluczem do udanej strategii handlowej. W praktyce średnia krocząca zapewni dobre oszacowanie średniej z szeregu czasowego, jeśli średnia jest stała lub powoli się zmienia. W przypadku stałej średniej, największa wartość m da najlepsze oszacowanie podstawowej średniej. Dłuższy okres obserwacji uśredni skutki zmienności. Celem zapewnienia mniejszego m jest umożliwienie prognozie reakcji na zmianę w leżącym u jej podstaw procesie. Aby to zilustrować, proponujemy zestaw danych, który uwzględnia zmiany w średniej bazowej szeregu czasowego. Na rysunku przedstawiono serie czasowe stosowane do ilustracji wraz ze średnim zapotrzebowaniem, z którego wygenerowano serię. Średnia rozpoczyna się jako stała przy 10. Zaczynając od czasu 21, zwiększa się o jedną jednostkę w każdym okresie, aż osiągnie wartość 20 w czasie 30. Następnie staje się stała ponownie. Dane są symulowane przez dodanie do średniej, losowego szumu z rozkładu normalnego ze średnią zerową i odchyleniem standardowym 3. Wyniki symulacji są zaokrąglane do najbliższej liczby całkowitej. Tabela pokazuje symulowane obserwacje stosowane dla przykładu. Kiedy używamy tabeli, musimy pamiętać, że w danym momencie znane są tylko przeszłe dane. Szacunki parametru modelu, dla trzech różnych wartości m są przedstawione razem ze średnią serii czasowych na poniższym rysunku. Rysunek pokazuje średnie ruchome oszacowanie średniej za każdym razem, a nie prognozę. Prognozy przesuwają krzywą średniej ruchomej w prawo o okresy. Jeden wniosek jest natychmiast widoczny na rysunku. We wszystkich trzech szacunkach średnia ruchoma pozostaje w tyle za trendem liniowym, przy czym opóźnienie wzrasta wraz z m. Opóźnienie jest odległością między modelem a oszacowaniem w wymiarze czasowym. Z powodu opóźnienia średnia ruchoma nie docenia obserwacji, gdy średnia rośnie. Przeciążeniem estymatora jest różnica w określonym czasie w wartości średniej modelu i średniej wartości przewidywanej przez średnią ruchomą. Przeciążenie, gdy średnia rośnie, jest ujemne. Dla zmniejszenia średniej odchylenie jest dodatnie. Opóźnienie w czasie i odchylenie wprowadzone w oszacowaniu są funkcjami m. Im większa wartość m. im większa jest wielkość opóźnienia i stronniczości. Dla ciągle rosnącej serii z trendem a. wartości opóźnień i stronniczości estymatora średniej podano w równaniach poniżej. Krzywe przykładowe nie pasują do tych równań, ponieważ przykładowy model nie zwiększa się w sposób ciągły, raczej zaczyna się jako stała, zmienia się w trend, a następnie staje się stały. Również krzywe przykładowe są zakłócane przez szum. Prognozę ruchomych średnich okresów w przyszłości reprezentuje przesuwanie krzywych w prawo. Opóźnienie i odchylenie zwiększają się proporcjonalnie. Poniższe równania wskazują opóźnienie i odchylenie okresów prognozy w przyszłości w porównaniu do parametrów modelu. Ponownie, formuły te są dla szeregu czasowego ze stałym trendem liniowym. Nie powinniśmy być zaskoczeni tym wynikiem. Estymator średniej ruchomej opiera się na założeniu stałej średniej, a przykład ma tendencję liniową w średniej podczas części okresu badania. Ponieważ serie czasu rzeczywistego rzadko będą dokładnie przestrzegać założeń dowolnego modelu, powinniśmy być przygotowani na takie wyniki. Z rysunku można również wyciągnąć wniosek, że zmienność hałasu ma największy wpływ na mniejsze m. Oszacowanie to jest dużo bardziej zmienne dla średniej kroczącej wynoszącej 5 niż średnia krocząca wynosząca 20. Mamy sprzeczne pragnienia zwiększenia m, aby zmniejszyć efekt zmienności z powodu hałasu, i zmniejszyć m, aby prognoza lepiej reagowała na zmiany w średniej. Błąd jest różnicą między rzeczywistymi danymi a prognozowaną wartością. Jeżeli szereg czasowy jest rzeczywiście stałą wartością, oczekiwana wartość błędu wynosi zero, a wariancja błędu składa się z terminu będącego funkcją drugiego i będącego wariancją szumu,. Pierwszy termin to wariancja średniej oszacowanej z próbką m obserwacji, przy założeniu, że dane pochodzą z populacji o stałej średniej. Termin ten jest minimalizowany przez uczynienie m tak dużym, jak to możliwe. Duży m sprawia, że prognoza nie reaguje na zmiany w podstawowych szeregach czasowych. Aby prognoza była responsywna dla zmian, chcemy m tak małe, jak to możliwe (1), ale to zwiększa wariancję błędu. Praktyczne prognozowanie wymaga wartości pośredniej. Prognozowanie za pomocą Excela Dodatek Forecasting implementuje średnie ruchome formuły. Poniższy przykład pokazuje analizę dostarczoną przez dodatek dla przykładowych danych w kolumnie B. Pierwsze 10 obserwacji jest indeksowanych od -9 do 0. W porównaniu do powyższej tabeli, indeksy okresu są przesuwane o -10. Pierwsze dziesięć obserwacji dostarcza wartości początkowe dla oszacowania i są używane do obliczenia średniej ruchomej dla okresu 0. Kolumna MA (10) (C) pokazuje obliczone średnie ruchome. Parametr m średniej ruchomej znajduje się w komórce C3. Kolumna Fore (1) (D) pokazuje prognozę na jeden okres w przyszłości. Interwał prognozy znajduje się w komórce D3. Gdy przedział prognozy zostanie zmieniony na większą liczbę, liczby w kolumnie "Fore" zostaną przesunięte w dół. Kolumna Err (1) (E) pokazuje różnicę między obserwacją a prognozą. Na przykład obserwacja w czasie 1 to 6. Prognozowana wartość wykonana z średniej ruchomej w czasie 0 wynosi 11,1. Błąd wynosi więc -5.1. Odchylenie standardowe i średnie odchylenie średnie (MAD) są obliczane odpowiednio w komórkach E6 i E7.
No comments:
Post a Comment