Moving Gjennomsnittet Distribusjon

Flytte gjennomsnitt: Hva er de Blant de mest populære tekniske indikatorene, er glidende gjennomsnitt brukt til å måle retningen for den nåværende trenden. Hver type bevegelige gjennomsnitt (vanligvis skrevet i denne opplæringen som MA) er et matematisk resultat som beregnes ved å beregne et antall tidligere datapunkter. Når det er bestemt, blir det resulterende gjennomsnittet plottet på et diagram for å tillate handelsmenn å se på glatt data, i stedet for å fokusere på de daglige prisfluktuasjonene som er iboende i alle finansmarkeder. Den enkleste formen for et bevegelige gjennomsnitt, riktig kjent som et enkelt glidende gjennomsnitt (SMA), beregnes ved å ta det aritmetiske gjennomsnittet av et gitt sett av verdier. For eksempel, for å beregne et grunnleggende 10-dagers glidende gjennomsnitt vil du legge til sluttkursene fra de siste 10 dagene, og deretter dele resultatet med 10. I figur 1 er summen av prisene for de siste 10 dagene (110) dividert med antall dager (10) for å komme fram til 10-dagers gjennomsnittet. Hvis en forhandler ønsker å se et 50-dagers gjennomsnitt i stedet, vil samme type beregning bli gjort, men det vil inkludere prisene i løpet av de siste 50 dagene. Det resulterende gjennomsnittet under (11) tar hensyn til de siste 10 datapunktene for å gi handelsmenn en ide om hvordan en eiendel er priset i forhold til de siste 10 dagene. Kanskje du lurer på hvorfor tekniske handelsfolk kaller dette verktøyet et bevegelige gjennomsnitt og ikke bare en vanlig gjennomsnitt. Svaret er at når nye verdier blir tilgjengelige, må de eldste datapunktene slippes fra settet og nye datapunkter må komme inn for å erstatte dem. Dermed går datasettet kontinuerlig til å regne for nye data etter hvert som det blir tilgjengelig. Denne beregningsmetoden sikrer at bare den nåværende informasjonen blir regnskapsført. I figur 2 flyttes den røde boksen (som representerer de siste 10 datapunktene) til høyre, og den siste verdien av 15 blir tapt fra beregningen når den nye verdien av 5 er lagt til settet. Fordi den relativt små verdien av 5 erstatter den høye verdien på 15, ville du forvente å se gjennomsnittet av datasettets reduksjon, som det gjør, i dette tilfellet fra 11 til 10. Hva ser Moving Averages Like Når verdiene til MA har blitt beregnet, de er plottet på et diagram og deretter koblet til for å skape en bevegelig gjennomsnittslinje. Disse svingete linjene er vanlige på diagrammer av tekniske handelsfolk, men hvordan de brukes kan variere drastisk (mer om dette senere). Som du kan se i figur 3, er det mulig å legge til mer enn ett glidende gjennomsnitt i et diagram ved å justere antall tidsperioder som brukes i beregningen. Disse svingete linjene kan virke distraherende eller forvirrende i begynnelsen, men du vil bli vant til dem når tiden går videre. Den røde linjen er bare gjennomsnittsprisen de siste 50 dagene, mens den blå linjen er gjennomsnittsprisen de siste 100 dagene. Nå som du forstår hva et glidende gjennomsnitt er, og hvordan det ser ut, kan du godt presentere en annen type glidende gjennomsnitt og undersøke hvordan det er forskjellig fra det tidligere nevnte enkle glidende gjennomsnittet. Det enkle glidende gjennomsnittet er ekstremt populært blant handelsfolk, men som alle tekniske indikatorer har det kritikere. Mange individer hevder at bruken av SMA er begrenset fordi hvert punkt i dataserien vektes det samme, uavhengig av hvor det forekommer i sekvensen. Kritikere hevder at de nyeste dataene er mer signifikante enn de eldre dataene, og bør ha større innflytelse på sluttresultatet. Som svar på denne kritikken begynte handelsmenn å gi mer vekt på nyere data, som siden har ført til oppfinnelsen av ulike typer nye gjennomsnitt, hvorav den mest populære er det eksponentielle glidende gjennomsnittet (EMA). (For videre lesing, se Grunnleggende om vektede bevegelige gjennomsnitt og hva som er forskjellen mellom en SMA og en EMA) Eksponentiell flytende gjennomsnitt Det eksponentielle glidende gjennomsnittet er en type bevegelige gjennomsnitt som gir mer vekt til de siste prisene i et forsøk på å gjøre det mer responsivt til ny informasjon. Å lære den noe kompliserte ligningen for å beregne en EMA kan være unødvendig for mange forhandlere, siden nesten alle kartleggingspakker gjør beregningene for deg. Men for deg matematiske geeks der ute, her er EMA-ligningen: Når du bruker formelen til å beregne det første punktet til EMA, kan det hende du merker at det ikke er noen verdi tilgjengelig for bruk som den forrige EMA. Dette lille problemet kan løses ved å starte beregningen med et enkelt glidende gjennomsnitt og fortsette videre med den ovennevnte formelen derfra. Vi har gitt deg et eksempelkart som inneholder virkelige eksempler på hvordan du kan beregne både et enkelt glidende gjennomsnitt og et eksponentielt glidende gjennomsnitt. Forskjellen mellom EMA og SMA Nå som du har en bedre forståelse av hvordan SMA og EMA beregnes, kan vi se på hvordan disse gjennomsnittene er forskjellige. Ved å se på beregningen av EMA, vil du legge merke til at det legges større vekt på de siste datapunktene, noe som gjør det til en type vektet gjennomsnitt. I figur 5 er antall tidsperioder som brukes i hvert gjennomsnitt identisk (15), men EMA reagerer raskere på de endrede prisene. Legg merke til hvordan EMA har en høyere verdi når prisen stiger, og faller raskere enn SMA når prisen senker. Denne responsen er den viktigste grunnen til at mange handelsmenn foretrekker å bruke EMA over SMA. Hva betyr de forskjellige dagene Gjennomsnittlig flytteverdi er en helt tilpassbar indikator, noe som betyr at brukeren fritt kan velge hvilken tidsramme de vil ha når man lager gjennomsnittet. De vanligste tidsperioder som brukes i bevegelige gjennomsnitt er 15, 20, 30, 50, 100 og 200 dager. Jo kortere tidsrammen som brukes til å skape gjennomsnittet, jo mer følsomt blir det for prisendringer. Jo lengre tidsrom, jo ​​mindre følsomt, eller mer utjevnet, vil gjennomsnittet være. Det er ingen riktig tidsramme som skal brukes når du oppretter dine bevegelige gjennomsnitt. Den beste måten å finne ut hvilken som passer best for deg, er å eksperimentere med en rekke forskjellige tidsperioder til du finner en som passer til din strategi. Akkumuleringsfordelingslinje Akkumuleringsfordelingslinje Innledning Utviklet av Marc Chaikin, er akkumuleringsfordelingslinjen et volum - basert indikator designet for å måle den kumulative strømmen av penger inn i og ut av et sikkerhetssystem. Chaikin refererte opprinnelig til indikatoren som den kumulative pengestrømmen. Som med kumulative indikatorer er akkumuleringsfordelingslinjen en løpende sum i hver periode039s pengestrømvolum. For det første beregnes en multiplikator basert på forholdet mellom nær og høyt nivå. For det andre multipliseres pengestrømmultiplikatoren med period039s volum for å komme opp med et pengestrømvolum. En løpende sum av pengestrømvolumet danner akkumuleringsfordelingslinjen. Chartister kan bruke denne indikatoren til å bekrefte en underliggende trend of security039 eller forutse reverseringer når indikatoren avviger fra sikkerhetsprisen. Beregning Det er tre trinn for å beregne akkumuleringsfordelingslinjen (ADL). Først beregner du pengestrømmultiplikatoren. For det andre, multipliser denne volumverdien for å finne pengestrømvolumet. For det tredje, opprett en løpende sum av pengestrømvolum for å danne akkumuleringsfordelingslinjen (ADL). Money Flow Multiplikator svinger mellom 1 og -1. Som sådan holder den nøkkelen til pengestrømvolumet og akkumuleringsfordelingslinjen. Multiplikatoren er positiv når lukken er i den øvre halvdelen av høyt lavt område og negativt når det er i den nedre halvdelen. Dette gir perfekt mening. Kjøpstrykk er sterkere enn å selge press når prisene nærmer seg i øvre halvdel av perioden039s rekkevidde (og omvendt). Akkumulasjonsfordelingslinjen stiger når multiplikatoren er positiv og faller når multiplikatoren er negativ. Multiplikatoren justerer mengden volum som ender opp i pengestrømvolumet. Volumet er faktisk redusert med mindre pengestrømmultiplikatoren er i ekstremer (1 eller -1). Multiplikatoren er 1 når lukken er på høy og -1 når lukken er på lav. Alt volum er positivt når 1 og alt volum er negativt når -1. På .50, overskrider bare halvparten av volumet i perioden039s pengestrømvolum. Tabellen nedenfor viser pengestrømmultiplikatorene, pengestrømvolumet og akkumuleringsfordelingslinjen for forskning i bevegelse (RIMM). Legg merke til hvordan multiplikatoren er mellom .50 og 1 når lukkene er sterke og mellom -50 og -1 når lukkene er svake. Klikk her for en beregning av akkumuleringsfordelingslinjen i et Excel-regneark. Tolkning Akkumuleringsfordelingslinjen er et kumulativt mål for hver periodes volumstrøm eller pengestrøm. En høy positiv multiplikator kombinert med høyt volum viser sterk kjøpstrykk som skyver indikatoren høyere. Omvendt, et lavt negativt tall kombinert med høyt volum reflekterer sterkt salgstrykk som skyver indikatoren lavere. Pengestrømvolum akkumuleres for å danne en linje som enten bekrefter eller motsetter den underliggende prisutviklingen. I denne forbindelse brukes indikatoren til enten å styrke den underliggende trenden eller kaste tvil på bærekraftigheten. En oppvekst i prisene med en nedgang i akkumuleringsfordelingslinjen antyder underliggende salgstrykk (distribusjon) som kunne foreskygge en bearish reversering på prisdiagrammet. En nedgang i prisene med en opptrend i akkumulasjonsfordelingslinjen indikerer underliggende kjøpetrykk (akkumulering) som kunne foreskygge en bullish reversering i prisene. ADL versus OBV Akkumulasjonsdistribusjonslinjen og påbalansevolumet (OBV) er kumulative volumbaserte indikatorer som noen ganger beveger seg i motsatt retning fordi deres grunnleggende formler er forskjellige. Joe Granville utviklet på balanse volum (OBV) som et kumulativt mål for positiv og negativ volumstrøm. OBV legger til en total volum i perioden039 når lukkingen er opp og trekker den ned når lukken er nede. En kumulativ total av denne positive og negative volumstrøm danner OBV-linjen. Denne linjen kan da sammenlignes med prisdiagrammet for den underliggende sikkerheten for å se etter avvik eller bekreftelse. Som formelen ovenfor viser, tok Chaikin en annen tilnærming ved å helt ignorere endringen fra en periode til den neste. I stedet fokuserer akkumuleringsdistribusjonslinjen på nivået av nært forhold til høyt lavt område for en gitt periode (dag, uke, måned). Med denne formelen kan en sikkerhet skli ned og lukke seg betydelig lavere, men akkumulasjonsfordelingslinjen vil stige hvis lukkingen var over midtpunktet for det høye lavspekteret. Tabellen over viser Clorox (CLX) med et stort gap og en nær nær toppen av dagens039s høyt lave utvalg. OBV flyttet kraftig lavere fordi lukkingen var under forrige lukke. Akkumulasjonsdistribusjonslinjen flyttet høyere fordi lukkingen var nær dagens høyde. Trendbekreftelse Trend-bekreftelse er et ganske rettfremt konsept. En opptrinn i akkumuleringsdistribusjonslinjen forsterker en uptrend på prisdiagrammet og omvendt. Tabellen nedenfor viser Freeport McMoran (FCX) og akkumuleringsdistribusjonslinjen som går framover i februar-mars, og faller fra april til juni og fortsetter deretter fra juli til januar. Akkumulasjonsdistribusjonslinjen bekreftet hver av disse prisutviklingene. Divergenser Bullish og bearish differanser er hvor det begynner å bli interessant. En bullish divergens danner når prisen flytter til nye nedturer, men akkumuleringsdistribusjonslinjen bekrefter ikke disse lavene og beveger seg høyere. En stigende akkumulasjonsdistribusjonslinje viser vel, akkumulering. Tenk på dette som i utgangspunktet stealth kjøpe trykk. Basert på teorien om at volumet ligger foran pris, bør kartleggere være på vakt for en bullish reversering på prisdiagrammet. Tabellen over viser Nordstrom (JWN) med akkumuleringsfordelingslinjen. Legg merke til hvordan det er enkelt å sammenligne prishandling når indikatoren er plassert bak prisplottet. Indikatoren (rosa) og prisutviklingen gikk sammen fra februar til juni. Tegn på akkumulering oppstod som indikatoren bunnet tidlig i juli og begynte å bevege seg høyere. JWN flyttet til en ny lav i slutten av august. Selv om indikatoren viste tegn på å kjøpe trykk, var det viktig å vente på en bullish katalysator eller bekreftelse på prisdiagrammet. Denne katalysatoren kom når aksjene gikk opp og økte på stort volum. En bearish divergens danner når prisen flytter til nye høyder, men akkumuleringsdistribusjonslinjen bekrefter ikke og beveger seg lavere. Dette viser distribusjon eller underliggende salgstrykk som kan skape en bearish reversering på prisdiagrammet. Tabellen over viser Southwest Airlines (LUV) med akkumuleringsdistribusjonslinjen som topp to måneder foran prisene. Indikatoren har ikke bare toppet, men det gikk også lavere i mars og april, noe som førte til noe salgstrykk. LUV bekreftet svakhet med en støttepause på prisdiagrammet og RSI flyttet under 40 kort tid etterpå. RSI handler ofte i oksesoner (40-80) og bjørnsoner (20-60). RSI holdt i oksen sone til begynnelsen av mai og deretter flyttet inn i en bjørn sone. Koble fra med priser Akkumulasjonsfordelingslinjen er en indikator basert på et derivat av pris og volum. Dette gjør det minst to trinn fjernet fra den faktiske prisen på den underliggende sikkerheten. Videre tar ikke pengestrømmultiplikatoren hensyn til prisendringer fra periode til periode. Som sådan kan det ikke forventes å alltid bekrefte pristiltak eller vellykket forutse prisomslag med avvik. Noen ganger er det en, gisp, kobling mellom priser og indikatoren. Noen ganger fungerer akkumuleringsdistribusjonslinjen ganske enkelt ikke. Dette er grunnen til at det er viktig å bruke akkumuleringsfordelingslinjen, og alle indikatorer for den saks skyld, i forbindelse med pricetrendanalyse og andre indikatorer. Konklusjoner Akkumuleringsfordelingslinjen kan brukes til å måle den generelle volumstrømmen. En opptrend indikerer at kjøpetrykket er regelmessig, mens en nedtrend indikerer at salgstrykket er rådende. Bullish og bearish differanser tjener som varsler for en potensiell reversering på prisdiagrammet. Som med alle indikatorer er det viktig å bruke akkumulasjonsfordelingslinjen sammen med andre aspekter av teknisk analyse, for eksempel momentum-oscillatorer og diagrammønstre. Det er ikke en frittstående indikator. SharpCharts Akkumulasjonsfordelingslinjen er tilgjengelig i SharpCharts som en indikator. Etter valg kan indikatoren plasseres over, under eller bak prisen på den underliggende sikkerheten. Posisjonering bak pris gjør det enkelt å sammenligne med den underliggende sikkerheten. Chartister kan også legge til et bevegelige gjennomsnitt for indikatoren ved å bruke de avanserte alternativene. Klikk her for et live diagram med akkumuleringsdistribusjonslinjen. Foreslåtte skanninger Bullish Divergens i OBV og ADL. Denne skanningen starter med en base av aksjer som er gjennomsnittlig minst 10 i pris og 100 000 daglige volum i løpet av de siste 60 dagene. Potensielle bullish divergenser er funnet ved å lete etter aksjer hvor prisen er under den 65-dagers SMA og 20-dagers SMA, men OBV og akkumuleringsdistribusjonslinjen er over 65-dagers SMA og 20-dagers SMA. Bearish divergens i OBV og ADL. Denne skanningen starter med en base av aksjer som er gjennomsnittlig minst 10 i pris og 100 000 daglige volum i løpet av de siste 60 dagene. Potensielle baisseforskjeller er funnet ved å lete etter aksjer hvor prisen er over 65-dagers SMA og 20-dagers SMA, men OBV og akkumuleringsdistribusjonslinjen er BELOW den 65-dagers SMA og 20-dagers SMA. Videre studie Denne boken dekker alt med forklaringer som er enkle og klare. Murphy dekker de fleste større diagrammer mønstre og indikatorer. Et komplett kapittel er viet til forståelsesvolum og åpen interesse. Teknisk analyse av de finansielle markedene John J. MurphySimple Moving Gjennomsnitt Gjør trendene stående ut Flytte gjennomsnitt (MA) er en av de mest populære og ofte brukte tekniske indikatorene. Det bevegelige gjennomsnittet er enkelt å beregne, og når det er tegnet på et diagram, er det et kraftig visuelt trendspottingsverktøy. Du vil ofte høre om tre typer glidende gjennomsnitt: enkelt. eksponentiell og lineær. Det beste stedet å starte er å forstå de mest grunnleggende: det enkle glidende gjennomsnittet (SMA). La oss ta en titt på denne indikatoren, og hvordan det kan hjelpe handelsfolk å følge trender mot større fortjeneste. (For mer om å flytte gjennomsnitt, se vår Forex Walkthrough.) Trendlines Det kan ikke være noen fullstendig forståelse av bevegelige gjennomsnitt uten å forstå trender. En trend er rett og slett en pris som fortsetter å bevege seg i en bestemt retning. Det er bare tre virkelige trender som en sikkerhet kan følge: En uptrend. eller bullish trend, betyr at prisen beveger seg høyere. En downtrend. eller bearish trend, betyr at prisen beveger seg lavere. En sidelengs trend. hvor prisen beveger seg sidelengs. Det viktige å huske om trender er at prisene sjelden beveger seg i en rett linje. Derfor brukes glidende gjennomsnittlige linjer for å hjelpe en næringsdrivende lettere å identifisere retningen av trenden. (For mer avansert lesing om dette emnet, se Grunnleggende om Bollinger-bånd og Flytte gjennomsnittlige konvolutter: Raffinere et populært handelsverktøy.) Flytende gjennomsnittlig konstruksjon Håndbokdefinisjonen for et bevegelig gjennomsnitt er en gjennomsnittspris for en sikkerhet ved hjelp av en angitt tidsperiode. La oss ta det svært populære 50-dagers glidende gjennomsnittet som et eksempel. Et 50-dagers glidende gjennomsnitt beregnes ved å ta sluttpriser for de siste 50 dagene av sikkerhet og legge dem sammen. Resultatet av tilleggsberegningen deles deretter av antall perioder, i dette tilfellet 50. For å fortsette å beregne det bevegelige gjennomsnittet daglig, erstatt det eldste tallet med den siste sluttprisen og gjør samme matte. Uansett hvor lenge eller kort av et glidende gjennomsnitt du ønsker å plotte, forblir de grunnleggende beregningene de samme. Endringen vil være i antall sluttkurser du bruker. Så for eksempel et 200-dagers glidende gjennomsnitt er sluttprisen i 200 dager summert sammen og deretter delt med 200. Du vil se alle slags bevegelige gjennomsnitt, fra to-dagers glidende gjennomsnitt til 250-dagers glidende gjennomsnitt. Det er viktig å huske at du må ha et visst antall sluttpriser for å beregne det bevegelige gjennomsnittet. Hvis en sikkerhet er helt ny eller bare en måned gammel, vil du ikke kunne gjøre et 50-dagers glidende gjennomsnitt fordi du ikke har tilstrekkelig antall datapunkter. Det er også viktig å merke seg at weve valgt å bruke sluttkurs i beregningene, men glidende gjennomsnitt kan beregnes ved hjelp av månedlige priser, ukentlige priser, åpningspriser eller til og med intradagpriser. (For mer, se vår veiledende gjennomsnitt-veiledning.) Figur 1: Et enkelt glidende gjennomsnitt i Google Inc. Figur 1 er et eksempel på et enkelt bevegelige gjennomsnitt på et lageroversikt over Google Inc. (Nasdaq: GOOG). Den blå linjen representerer et 50-dagers glidende gjennomsnitt. I eksemplet ovenfor kan du se at trenden har beveget seg lavere siden slutten av 2007. Prisen på Google-aksjer falt under 50-dagers glidende gjennomsnitt i januar 2008 og fortsatte nedover. Når prisen krysser under et glidende gjennomsnitt, kan det brukes som et enkelt handelssignal. Et trekk under det bevegelige gjennomsnittet (som vist ovenfor) antyder at bjørnene har kontroll over prishandlingen, og at aktiva vil sannsynligvis bevege seg lavere. Omvendt antyder et kryss over et glidende gjennomsnitt at oksene er i kontroll og at prisen kan bli klar til å gjøre et trekk høyere. (Les mer i Sporprisene med Trendlines.) Andre måter å bruke Flytte Gjennomsnitt Gjeldende gjennomsnitt brukes av mange handelsfolk til å ikke bare identifisere en nåværende trend, men også som en inngangs - og utgangsstrategi. En av de enkleste strategiene er avhengig av krysset av to eller flere bevegelige gjennomsnitt. Det grunnleggende signalet gis når kortsiktig gjennomsnitt krysser over eller under lengre sikt glidende gjennomsnitt. To eller flere bevegelige gjennomsnitt gir deg mulighet til å se en langsiktig trend sammenlignet med et kortere sikt glidende gjennomsnitt. Det er også en enkel metode for å avgjøre om trenden er i ferd med å oppnå styrke eller om det er i ferd med å reversere. (For mer om denne metoden, les A Primer på MACD.) Figur 2: Et langsiktig og kortere termen glidende gjennomsnitt i Google Inc. Figur 2 bruker to bevegelige gjennomsnitt, en langsiktig (50-dagers, vist av blå linje) og den andre kortere sikt (15-dagers, vist ved den røde linjen). Dette er det samme Google-kartet som er vist i Figur 1, men med tillegg av de to bevegelige gjennomsnittene for å illustrere forskjellen mellom de to lengdene. Du vil merke at 50-dagers glidende gjennomsnitt er tregere for å tilpasse seg prisendringer. fordi det bruker flere datapunkter i beregningen. På den annen side er 15-dagers glidende gjennomsnitt raskt til å reagere på prisendringer, fordi hver verdi har større vekt i beregningen på grunn av den relativt korte tidshorisonten. I dette tilfellet, ved å bruke en kryssstrategi, vil du se etter at 15-dagers gjennomsnittet krysser under 50-dagers glidende gjennomsnitt som en oppføring for en kort posisjon. Figur 3: En tre måneder Ovennevnte er et tre måneders diagram av United States Oil (AMEX: USO) med to enkle bevegelige gjennomsnitt. Den røde linjen er det kortere 15-dagers glidende gjennomsnittet, mens den blå linjen representerer det lengre, 50-dagers glidende gjennomsnittet. De fleste handelsfolk vil bruke korset av det kortsiktige glidende gjennomsnittet over det langsiktige glidende gjennomsnittet for å starte en lang posisjon og identifisere starten på en bullish trend. (Lær mer om hvordan du bruker denne strategien i Trading The MACD Divergence.) Støtte er etablert når en pris trender nedover. Det er et punkt der salgstrykket avtar og kjøpere er villige til å gå inn. Med andre ord er et gulv etablert. Motstand skjer når en pris trender oppover. Det kommer et poeng når kjøpsstyrken minker og selgerne går inn. Dette ville etablere et tak. (For mer omklaring, les Support amp Resistance Basics.) I begge tilfeller kan et glidende gjennomsnitt kunne signalere et tidlig støtte - eller motstandsnivå. For eksempel, hvis en sikkerhet dør lavere i en etablert opptrend, ville det ikke være overraskende å se aksjene finner støtte på et langsiktig 200-dagers glidende gjennomsnitt. På den annen side, hvis prisen trender lavere, vil mange handelsmenn se etter at aksjen spretter ut motstanden av store bevegelige gjennomsnitt (50-dagers, 100-dagers, 200-dagers SMAer). (For mer om bruk av støtte og motstand for å identifisere trender, les Trend-Spotting With The AccumulationDistribution Line.) Konklusjon Flytte gjennomsnitt er kraftige verktøy. Et enkelt glidende gjennomsnitt er enkelt å beregne, noe som gjør at det kan brukes relativt raskt og enkelt. En bevegelig gjennomsnittlig største styrke er dens evne til å hjelpe en næringsdrivende å identifisere en nåværende trend eller se en mulig trendomvendelse. Flytte gjennomsnitt kan også identifisere et nivå av støtte eller motstand for sikkerheten, eller fungere som et enkelt inngangs - eller utgangssignal. Hvordan du velger å bruke bevegelige gjennomsnitt er helt opp til deg. Beta er et mål for volatiliteten, eller systematisk risiko, av en sikkerhet eller en portefølje i forhold til markedet som helhet. En type skatt belastet kapitalgevinster pådratt av enkeltpersoner og selskaper. Kapitalgevinst er fortjenesten som en investor. En ordre om å kjøpe en sikkerhet til eller under en spesifisert pris. En kjøpsgrenseordre tillater handelsmenn og investorer å spesifisere. En IRS-regelen (Internal Revenue Service) som tillater straffefri uttak fra en IRA-konto. Regelen krever det. Det første salg av aksjer av et privat selskap til publikum. IPO er ofte utstedt av mindre, yngre selskaper som søker. Gjeldsgrad er gjeldsraten som brukes til å måle selskapets økonomiske innflytelse eller en gjeldsgrad som brukes til å måle en person.2.1 Moving Average Models (MA modeller) Tidsseriemodeller kjent som ARIMA-modeller kan omfatte autoregressive vilkår og / eller flytende gjennomsnittlige vilkår. I uke 1 lærte vi et autoregressivt uttrykk i en tidsseriemodell for variabelen x t er en forsinket verdi på x t. For eksempel er et lag 1 autoregressivt uttrykk x t-1 (multiplisert med en koeffisient). Denne leksjonen definerer glidende gjennomsnittlige vilkår. En glidende gjennomsnittlig term i en tidsseriemodell er en tidligere feil (multiplisert med en koeffisient). La (wt overset N (0, sigma2w)), noe som betyr at w t er identisk, uavhengig distribuert, hver med en normalfordeling med gjennomsnittlig 0 og samme varians. Den første ordre-flytende gjennomsnittsmodellen, betegnet med MA (1), er (xt mu wt theta1w) Den andre ordens bevegelige gjennomsnittsmodellen, betegnet med MA (2), er (xt mu wt theta1w theta2w) , betegnet med MA (q) er (xt mu wt theta1w theta2w punkter thetaqw) Merknad. Mange lærebøker og programvare definerer modellen med negative tegn før betingelsene. Dette endrer ikke de generelle teoretiske egenskapene til modellen, selv om den ikke flipper de algebraiske tegnene på estimerte koeffisientverdier og (unsquared) termer i formler for ACFer og avvik. Du må sjekke programvaren for å verifisere om negative eller positive tegn har blitt brukt for å skrive riktig estimert modell. R bruker positive tegn i sin underliggende modell, som vi gjør her. Teoretiske egenskaper av en tidsrekkefølge med en MA (1) modell Merk at den eneste ikke-nullverdien i teoretisk ACF er for lag 1. Alle andre autokorrelasjoner er 0. Således er en prøve-ACF med en signifikant autokorrelasjon bare ved lag 1 en indikator på en mulig MA (1) modell. For interesserte studenter er bevis på disse egenskapene et vedlegg til denne utdelingen. Eksempel 1 Anta at en MA (1) modell er x t 10 w t .7 w t-1. hvor (wt overset N (0,1)). Dermed er koeffisienten 1 0,7. Den teoretiske ACF er gitt av Et plott av denne ACF følger. Plottet som nettopp er vist er den teoretiske ACF for en MA (1) med 1 0,7. I praksis vil en prøve vanligvis ikke gi et slikt klart mønster. Ved hjelp av R simulerte vi n 100 prøveverdier ved hjelp av modellen x t 10 w t .7 w t-1 hvor w t iid N (0,1). For denne simuleringen følger en tidsserie-plott av prøvedataene. Vi kan ikke fortelle mye fra denne plottet. Prøven ACF for de simulerte dataene følger. Vi ser en spike i lag 1 etterfulgt av generelt ikke signifikante verdier for lags forbi 1. Merk at prøven ACF ikke samsvarer med det teoretiske mønsteret til den underliggende MA (1), som er at alle autokorrelasjoner for lags forbi 1 vil være 0 . En annen prøve ville ha en litt annen prøve-ACF vist nedenfor, men vil trolig ha de samme brede funksjonene. Terapeutiske egenskaper av en tidsserie med en MA (2) modell For MA (2) modellen er teoretiske egenskaper følgende: Merk at de eneste ikke-nullverdiene i teoretisk ACF er for lags 1 og 2. Autokorrelasjoner for høyere lags er 0 . En ACF med signifikant autokorrelasjoner på lags 1 og 2, men ikke-signifikante autokorrelasjoner for høyere lags indikerer en mulig MA (2) modell. iid N (0,1). Koeffisientene er 1 0,5 og 2 0,3. Fordi dette er en MA (2), vil den teoretiske ACF bare ha null nullverdier ved lags 1 og 2. Verdier av de to ikke-null-autokorrelasjonene er Et plot av teoretisk ACF følger. Som nesten alltid er tilfellet, vil prøvedataene ikke oppføre seg så perfekt som teori. Vi simulerte n 150 utvalgsverdier for modellen x t 10 w t .5 w t-1 .3 w t-2. hvor det er N (0,1). Tidsserien av dataene følger. Som med tidsserien for MA (1) eksempeldata, kan du ikke fortelle mye om det. Prøven ACF for de simulerte dataene følger. Mønsteret er typisk for situasjoner der en MA (2) modell kan være nyttig. Det er to statistisk signifikante pigger på lags 1 og 2 etterfulgt av ikke-signifikante verdier for andre lags. Merk at på grunn av prøvetakingsfeil, samsvarte ACF ikke nøyaktig det teoretiske mønsteret. ACF for General MA (q) Modeller En egenskap av MA (q) - modeller generelt er at det finnes ikke-null autokorrelasjoner for de første q lagene og autokorrelasjonene 0 for alle lagene gt q. Ikke-entydighet av sammenhengen mellom verdier av 1 og (rho1) i MA (1) Modell. I MA (1) - modellen, for en verdi på 1. Den gjensidige 1 1 gir samme verdi. For eksempel, bruk 0,5 for 1. og bruk deretter 1 (0,5) 2 for 1. Du får (rho1) 0,4 i begge tilfeller. For å tilfredsstille en teoretisk begrensning kalt invertibility. vi begrenser MA (1) - modeller for å ha verdier med absolutt verdi mindre enn 1. I eksemplet som er gitt, vil 1 0,5 være en tillatelig parameterverdi, mens 1 10,5 2 ikke vil. Invertibility av MA modeller En MA-modell sies å være invertibel hvis den er algebraisk tilsvarer en konvergerende uendelig rekkefølge AR-modell. Ved konvergering mener vi at AR-koeffisientene reduseres til 0 da vi beveger oss tilbake i tid. Invertibility er en begrensning programmert i tidsserier programvare som brukes til å estimere koeffisientene av modeller med MA termer. Det er ikke noe vi ser etter i dataanalysen. Ytterligere opplysninger om inverterbarhetsbegrensningen for MA (1) - modeller er gitt i vedlegget. Avansert teorienotat. For en MA (q) modell med en spesifisert ACF, er det bare en inverterbar modell. Den nødvendige betingelsen for invertibilitet er at koeffisientene har verdier slik at ligningen 1- 1 y-. - q y q 0 har løsninger for y som faller utenfor enhetens sirkel. R-kode for eksemplene I eksempel 1, plotte vi den teoretiske ACF av modellen x t10 w t. 7w t-1. og deretter simulert n 150 verdier fra denne modellen og plottet prøve tidsseriene og prøven ACF for de simulerte dataene. R-kommandoene som ble brukt til å plotte den teoretiske ACF var: acfma1ARMAacf (mac (0,7), lag. max10) 10 lag av ACF for MA (1) med theta1 0,7 lags0: 10 skaper en variabel som heter lags som varierer fra 0 til 10. plot (lags, acfma1, xlimc (1,10), ylabr, typh, main ACF for MA (1) med theta1 0,7) abline (h0) legger til en horisontal akse på plottet. Den første kommandoen bestemmer ACF og lagrer den i en gjenstand kalt acfma1 (vårt valg av navn). Plot-kommandoen (den tredje kommandoen) plots lags versus ACF-verdiene for lags 1 til 10. ylab-parameteren merker y-aksen og hovedparameteren setter en tittel på plottet. For å se de numeriske verdiene til ACF, bruk bare kommandoen acfma1. Simuleringen og tomtene ble gjort med følgende kommandoer. xcarima. sim (n150, liste (mac (0.7))) Simulerer n 150 verdier fra MA (1) xxc10 legger til 10 for å gjøre gjennomsnitt 10. Simuleringsstandarder betyr 0. Plot (x, typeb, mainSimulated MA (1) data) acf (x, xlimc (1,10), mainACF for simulerte prøvedata) I eksempel 2 skisserte vi den teoretiske ACF av modellen xt 10 wt .5 w t-1 .3 w t-2. og deretter simulert n 150 verdier fra denne modellen og plottet prøve tidsseriene og prøven ACF for de simulerte dataene. R-kommandoene som ble brukt var acfma2ARMAacf (mac (0,5,0,3), lag. max10) acfma2 lags0: 10 plot (lags, acfma2, xlimc (1,10), ylabr, typh, hoved ACF for MA (2) med theta1 0,5, theta20.3) abline (h0) xcarima. sim (n150, liste (mac (0,5, 0,3)) xxc10 plot (x, typeb, hoved Simulert MA (2) Serie) acf (x, xlimc (1,10) mainACF for simulert MA (2) Data) Vedlegg: Bevis på egenskaper av MA (1) For interesserte studenter, her er bevis for teoretiske egenskaper av MA (1) modellen. Varians: (tekst (xt) tekst (mu wt theta1 w) 0 tekst (wt) tekst (theta1w) sigma2w theta21sigma2w (1theta21) sigma2w) Når h 1, er det forrige uttrykket 1 w 2. For ethvert h 2, . Årsaken er at ved definisjon av uavhengighet av wt. E (w k w j) 0 for noen k j. Videre, fordi w t har middelverdien 0, E (w jw j) E (w j 2) w 2. For en tidsserie, Bruk dette resultatet for å få ACF gitt ovenfor. En inverterbar MA-modell er en som kan skrives som en uendelig rekkefølge AR-modell som konvergerer slik at AR-koeffisientene konvergerer til 0 mens vi beveger oss uendelig tilbake i tiden. Vel demonstrere invertibility for MA (1) modellen. Vi erstatter deretter forholdet (2) for w t-1 i ligning (1) (3) (zt wt theta1 (z-theta1w) wt theta1z-tet2w) Ved tid t-2. (2) blir vi da erstatter forholdet (4) for w t-2 i ligning (3) (zt wt theta1z-teteta21wt theta1z-teteta21 (z-theta1w) wt theta1z-theta12z theta31w) Hvis vi skulle fortsette uendelig), ville vi få den uendelige rekkefølgen AR-modellen (zt wt theta1z - theta21z theta31z - theta41z prikker) Merk imidlertid at hvis 1 1, vil koeffisientene som multipliserer lagene av z, øke (uendelig) i størrelse når vi beveger oss tilbake i tid. For å forhindre dette, trenger vi 1 lt1. Dette er betingelsen for en inverterbar MA (1) modell. Uendelig Order MA-modell I uke 3 ser du at en AR (1) - modell kan konverteres til en uendelig rekkefølge MA-modell: (xt - mu wt phi1w phi21w prikker phik1 w dots sum phij1w) Denne summeringen av tidligere hvite støybetingelser er kjent som årsakssammenheng av en AR (1). Med andre ord, x t er en spesiell type MA med et uendelig antall vilkår som går tilbake i tid. Dette kalles en uendelig ordre MA eller MA (). En endelig ordre MA er en uendelig orden AR og en hvilken som helst endelig rekkefølge AR er en uendelig rekkefølge MA. Tilbakekall i uke 1, bemerket vi at et krav til en stasjonær AR (1) er at 1 lt1. Lar beregne Var (x t) ved hjelp av årsakssammensetningen. Dette siste trinnet bruker et grunnfakta om geometrisk serie som krever (phi1lt1) ellers ser serien ut. Navigasjon