Precisão Média Móvel

Evolução média móvel média. Como você pode imaginar, estamos olhando algumas das abordagens mais primitivas da previsão. Mas espero que este seja, pelo menos, uma introdução interessante para algumas das questões de informática relacionadas à implementação de previsões em planilhas. Nessa linha, continuaremos começando no início e começaremos a trabalhar com as previsões da Moeda em Movimento. Previsões médias móveis. Todos estão familiarizados com as previsões da média móvel, independentemente de acreditarem estar ou não. Todos os estudantes universitários fazem-no o tempo todo. Pense nos resultados do teste em um curso onde você terá quatro testes durante o semestre. Vamos assumir que você obteve um 85 no seu primeiro teste. O que você prever para o seu segundo resultado de teste O que você acha que seu professor prever para o seu próximo resultado de teste? O que você acha que seus amigos podem prever para o seu próximo resultado do teste? O que você acha que seus pais podem prever para o seu próximo resultado? Todos os blabbing que você pode fazer para seus amigos e pais, eles e seu professor provavelmente esperam que você consiga algo na área dos 85 que você acabou de receber. Bem, agora vamos assumir que, apesar de sua auto-promoção para seus amigos, você superestimar-se e imaginar que você pode estudar menos para o segundo teste e então você obtém um 73. Agora, o que todos os interessados ​​e desinteressados ​​vão Preveja que você obtém seu terceiro teste. Existem duas abordagens muito prováveis ​​para que eles desenvolvam uma estimativa, independentemente de compartilharem com você. Eles podem dizer a si mesmos, esse cara está sempre soprando fumaça sobre seus inteligentes. Hes vai ter outros 73 se tiver sorte. Talvez os pais tentem ser mais solidários e dizer, muito, até agora você obteve um 85 e um 73, então talvez você devesse entender sobre obter um (85 73) 2 79. Eu não sei, talvez se você fez menos festa E não mexia com a doninha em todo o lugar e se você começou a fazer muito mais estudando, você poderia obter uma pontuação mais alta. Duas dessas estimativas são, na verdade, previsões médias móveis. O primeiro está usando apenas o seu resultado mais recente para prever seu desempenho futuro. Isso é chamado de previsão média móvel usando um período de dados. O segundo é também uma previsão média móvel, mas usando dois períodos de dados. Vamos assumir que todas essas pessoas que estão se abalando na sua ótima mente ficaram chateadas e você decide fazer bem no terceiro teste por suas próprias razões e colocar uma pontuação maior na frente do quotalliesquot. Você faz o teste e sua pontuação é realmente um 89, todos, incluindo você, está impressionado. Então, agora você já fez o teste final do semestre e, como de costume, você sente a necessidade de incitar todos a fazer suas previsões sobre como você fará no último teste. Bem, espero que você veja o padrão. Agora, espero que você possa ver o padrão. O que você acredita é o Whistle mais preciso enquanto trabalhamos. Agora, retornamos à nossa nova empresa de limpeza, iniciada pela sua meia-irmã separada chamado Whistle While We Work. Você possui alguns dados de vendas passadas representados pela seção a seguir de uma planilha. Primeiro apresentamos os dados para uma previsão média móvel de três períodos. A entrada para a célula C6 deve ser Agora você pode copiar esta fórmula celular para as outras células C7 até C11. Observe como a média se move sobre os dados históricos mais recentes, mas usa exatamente os três períodos mais recentes disponíveis para cada previsão. Você também deve notar que não precisamos realmente fazer as previsões para os períodos passados ​​para desenvolver nossa previsão mais recente. Isso é definitivamente diferente do modelo de suavização exponencial. Eu incluí o quotpast predictionsquot porque vamos usá-los na próxima página da web para medir a validade da previsão. Agora, eu quero apresentar os resultados análogos para uma previsão média móvel de dois períodos. A entrada para a célula C5 deve ser Agora você pode copiar esta fórmula celular para as outras células C6 até C11. Observe como agora apenas as duas peças históricas mais recentes são usadas para cada previsão. Mais uma vez eu incluí as previsões quotpast para fins ilustrativos e para uso posterior na validação de previsão. Algumas outras coisas que são importantes para aviso prévio. Para uma previsão média móvel de m-período, apenas os valores de dados mais recentes são usados ​​para fazer a previsão. Nada mais é necessário. Para uma previsão média móvel de m-período, ao fazer previsões quotpast, observe que a primeira previsão ocorre no período m 1. Essas duas questões serão muito significativas quando desenvolvamos nosso código. Desenvolvendo a função de média móvel. Agora precisamos desenvolver o código para a previsão média móvel que pode ser usada de forma mais flexível. O código segue. Observe que as entradas são para o número de períodos que deseja usar na previsão e na matriz de valores históricos. Você pode armazená-lo em qualquer livro de trabalho que desejar. Função MovingAverage (Histórico, NumberOfPeriods) As Single Declarando e inicializando variáveis ​​Dim Item As Variant Dim Counter As Integer Dim Accumulation As Single Dim HistoricalSize As Integer Inicializando variáveis ​​Counter 1 Accumulation 0 Determinando o tamanho da matriz histórica HistoricalSize Historical. Count Para o contador 1 para NumberOfPeriods Acumulando o número apropriado dos valores mais recentes anteriormente observados Acumulação Acumulação Histórico (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods O código será explicado na classe. Você deseja posicionar a função na planilha para que o resultado do cálculo apareça onde deveria gostar do seguinte. Tenho alguns dados onde as pessoas votam sobre as coisas, e seria bom ter uma média para cada item de como todos os que Votou ele votou. Você pode pensar nos votos como um fluxo de números constantemente recebidos. Agora eu consigo descobrir a média exatamente, mas para fazê-lo, eu tenho que armazenar dois números, seja a média total ou atual e a contagem de quantos itens foram vistos até agora. Se eu fizer isso, posso usar, mas isso é uma dor, pois me obriga a armazenar duas peças de dados para cada item que eu quero ter votos. Existe uma outra maneira que eu conheço de ter chamado média móvel ou média de iteração que pode funcionar em dados de transmissão, mas só dará uma média aproximada, assim: onde o alfa é uma pequena taxa de aprendizado fixo. Isso simplesmente tenta mover a nova média na direção do novo item e por um valor proporcional à diferença entre esse novo item e a estimativa atual. Isso me dá uma maneira de apenas ter que armazenar um número (a média atual) e ainda poder atualizá-lo quando um novo item vem, mas ao custo de isso apenas sendo uma aproximação. Gostaria de saber se há algum limite conhecido sobre o erro que este método introduz. Existe uma fórmula para estimar o quão longe da verdade essa estimativa é, e também como devo escolher um alfa bom. Mais informações sobre isso nesta postagem e nesta questão. Perguntou 12 de agosto 12 em 11: 57O indicador mais confiável You039ve Nunca ouviu de John R. McGinley é um técnico de mercado certificado. Ex-editor do Market Technicians Assn. Journal of Technical Analysis e inventor do McGinley Dynamic. Trabalhando no contexto de médias móveis durante a década de 1990, McGinley procurou inventar um indicador responsivo que seria automaticamente mais sensível aos dados brutos do que as médias móveis simples ou exponenciais. SMA Vs. EMA As médias móveis simples (SMA) suavizam a ação do preço calculando os preços de fechamento do passado e dividindo pelo número de períodos. Para calcular uma média móvel simples de 10 dias. Adicione os preços de fechamento dos últimos 10 dias e divida por 10. Quanto mais suave a média móvel, mais lento ele reage aos preços. Uma média móvel de 50 dias se move mais devagar que uma média móvel de 10 dias. Uma média móvel de 10 e 20 dias pode às vezes experimentar uma volatilidade de preços que pode dificultar a interpretação de ação de preço. Podem ocorrer sinais falsos durante esses períodos, criando perdas porque os preços podem chegar muito longe do mercado. Uma média móvel exponencial (EMA) responde aos preços muito mais rapidamente do que uma média móvel simples. Isso ocorre porque o EMA dá mais peso aos dados mais recentes em vez dos dados mais antigos. É um bom indicador para o curto prazo e um ótimo método para capturar tendências de curto prazo e é por isso que os comerciantes usam médias móveis simples e exponenciais simultaneamente para entradas e saídas. No entanto, também pode deixar os dados por trás. O problema com médias móveis Em sua pesquisa sobre médias móveis que foram bem mais além dos exemplos básicos já mostrados, McGinley descobriu que as médias móveis tinham muitos problemas. O primeiro problema foi que eles foram aplicados de forma inadequada. As médias móveis em diferentes períodos operam com diferentes graus em diferentes mercados. Por exemplo, como se sabe quando utilizar uma média móvel de 10 dias a 20 dias a 50 dias em um mercado rápido ou lento. Para resolver o problema de escolher o comprimento da média móvel que se aplica ao mercado atual, o McGinley Dynamic se ajusta automaticamente à velocidade do mercado. McGinley acredita que as médias móveis devem ser usadas apenas como um mecanismo de suavização em vez de um sistema de comércio ou gerador de sinal. É um monitor de tendência. Mas uma média móvel simples de 10 dias está desligada em cinco dias ou metade do seu comprimento. As chances são boas de que o grande movimento nos preços já ocorreu no quinto dia de uma média móvel simples de 10 dias. Além disso, uma média móvel de 10 dias deve ser planejada corretamente cinco dias antes do datum presente. Além disso, McGinley descobriu que as médias móveis não conseguiram acompanhar os preços, uma vez que existem grandes separações entre os preços e as linhas médias móveis. McGinley procurou eliminar esses problemas ao inventar um indicador que abraçaria os preços de forma mais próxima, evitando a separação de preços e os whipsaws e seguisse os preços automaticamente em mercados rápidos ou lentos. McGinley Dynamic Isto ele fez com a invenção do McGinley Dynamic. A fórmula é: O McGinley Dynamic parece uma linha de média móvel, mas é um mecanismo de suavização para preços que resulta em rastrear muito melhor do que qualquer média móvel. Ele minimiza a separação de preços, whipsaws de preços e preços de abraços muito mais perto. E faz isso automaticamente, pois este é um fator da fórmula. Devido ao cálculo, a Linha Dinâmica acelera nos mercados abaixo, pois segue os preços, mas se move mais devagar nos mercados acima. Um quer ser rápido para vender em um mercado para baixo, mas montar um mercado até o máximo possível. A constante N determina o quão estreitamente o Dynamic rastreia o índice ou estoque. Se alguém estiver emulando uma média móvel de 20 dias, por exemplo, use um valor N a metade da média móvel ou neste caso 10. Evita grandemente as chicotadas porque a Linha Dinâmica segue automaticamente os preços em qualquer mercado rápido ou lento, é como Um mecanismo de direção que permanece alinhado aos preços quando os mercados aceleram ou diminuem a velocidade. Ele pode ser invocado para decisões de negociação, mas McGinley inventou o Dynamic em 1997 como uma ferramenta de mercado e não como um indicador comercial. Conclusão Se é chamado de ferramenta ou indicador, o McGinley Dynamic é um instrumento fascinante inventado por um técnico de mercado que acompanhou e estudou mercados e indicadores por quase 40 anos. Para obter mais informações sobre indicadores e ferramentas de mercado, dê uma olhada no nosso Tutorial de Análise Técnica.