Kleinstekwadrate bewegende gemiddelde definisie

Bewegende gemiddeldes dinge Gemotiveer deur e-pos van Robert B. Ek kry hierdie e-pos te vra oor die Hull bewegende gemiddelde (HMA) en. En jy nog nooit gehoor het nie. Uh. dit is reg. Trouens, toe ek googled ek ontdek baie van die bewegende gemiddeldes wat Id nooit van gehoor, soos: Zero Lag Eksponensiële bewegende gemiddelde Wilder bewegende gemiddelde Minste Square bewegende gemiddelde Driehoekige bewegende gemiddelde Adaptive bewegende gemiddelde Jurik bewegende gemiddelde. So So het ek gedink wed praat oor bewegende gemiddeldes and. Havent jy dit voorheen gedoen, soos hier en hier en hier en hier en. Ja, ja, maar dit was voor ek geweet het van al hierdie ander bewegende gemiddeldes. Trouens, die enigstes wat ek gespeel met was hierdie, waar P 1. P 2. P N is die laaste N aandeelpryse (P N synde die mees onlangse). Eenvoudige bewegende gemiddelde (SMA) (P 1 P 2. P N) / K waar K N. Geweegde bewegende gemiddelde (WBA) (P 1 2 P 2 3 P 3. N P N) / K waar K (12. N) N (N1) / 2. Eksponensiële bewegende gemiddelde (EMA) (P N 945 P N-1 945 2 P N-2 945 3 P N-3.) / K waar K 1 945945 2. 1 / (1-945). Whoa Ive nooit dat EMO formule voor gesien. Ek thoguht altyd dit was. Ja, sy gewoonlik verskillend geskryf, maar ek wou om te wys dat hierdie drie soortgelyke voorskrifte. (Sien die EMO dinge hier en hier.) Trouens, hulle almal lyk: Let daarop dat, indien al die Ps gelyk aan is, sê, Po, dan die bewegende gemiddelde gelyk Po sowel. en dis die manier enige selfrespek gemiddelde behoort op te tree. So wat is die beste definieer beste. Hier is 'n paar bewegende gemiddeldes, 'n poging om 'n reeks van aandele pryse wat wissel in 'n sinusvormige mode dop: Aandele pryse wat 'n sine kurwe Waar het jy 'n voorraad te vind soos wat Skenk aandag Kennisgewing volg dat die algemeen gebruik bewegende gemiddeldes (SMA, WBG en EMO) bereik hul maksimum later as die sinus kurwe. Dis lag en. Maar wat van daardie HMA man. Hy lyk redelik goed Ja, en dis wat ons wil om te praat oor. Inderdaad. En whats wat 6 in HMA (6) en ek sien iets genoem MMA (36) en. Geduld. Hull Moving Gemiddelde Ons begin deur die berekening van die 16-dag Geweegde bewegende gemiddelde (WBA) soos so: 1 WBG (16) (. P 1 2 P 2 3 P 3 16 P N) / K met K 12. 16 136. Hoewel sy mooi en smoooth, itll 'n lag groter as wed soos: So ons kyk na die 8-dag WBG: Ek hou van dit Ja, dit volg die prys variasies baie mooi. maar daar is nog baie meer. Terwyl WBG (8) kyk na meer onlangse pryse, is dit nog steeds 'n lag, so ons sien hoeveel die WBG het verander toe gaan van 8-dag tot 16 dae. Dit verskil sou lyk soos volg: In 'n sekere sin, wat verskil gee 'n aanduiding van hoe WBG is aan die verander. sodat ons voeg hierdie verandering aan ons vroeër WBG (8) te gee: 2 MMA (16) WBG (8) WBG (8) - WBG (16) 2 WBG (8) - WBG (16). Plaasmoorde Hoekom noem dit Plaasmoorde ek hakkel. In elk geval, MMA (16) sou lyk: Siek neem dit geduld. Theres meer. Nou begin ons die magie transformasie en kry. ta-DUM Dis Hull Ja. soos ek dit verstaan, maar whats die magie ritueel Nadat gegenereer 'n reeks van MMA se waarby die 8-dag en 16-dag geweeg bewegende gemiddeldes, staar ons stip na hierdie reeks getalle. Dan bereken ons die WBG oor die afgelope 4 dae. Dit gee die Hull bewegende gemiddelde wat weve genoem HMA (4). Huh 16 dae dan 8 dae dan 4 dae. Het jy 'n muntstuk om te sien hoeveel gooi. Jy kies 'n paar aantal dae, soos N 16. Dan moet jy kyk na WBG (N) en WBG (N / 2) en bereken Plaasmoorde 2 WBG (N / 2) - WBG (N). (In ons voorbeeld, thatd 2 WBG wees (8) -. WBG (16) Toe bereken jy WBG (sqrt (n)) met net die laaste sqrt (n) getalle van die MMA reeks (in ons voorbeeld, thatd word bereken. 'n WBG (4), met behulp van die MMA reeks) En vir daardie snaakse SINE grafiek Howd dit doen wheres die sigblad Im nog besig met dit. MA-stuff. xls Sy interessant om te sien hoe die verskillende bewegende gemiddeldes te reageer op spykers: Is HMA regtig 'n geweegde bewegende gemiddelde Wel, laat sien: Ons het: Plaasmoorde 2 WBG (8) - WBG (16) 2 (. P 1 2 P 2 3 P 3 8 P n) / 36 - (P 1 2 P 2 3 . P 3 16 P N) / 136 of MMA 2 (1/36) -. (1/136) P 1 2 P 2 8 P 8 -. (1/136) 9 P 9 10 P 10 16 P 16 Vir sanitêre redes, goed skryf soos hierdie so:... MMA w 1 P 1 W 2 P 2 W 16 P 16 Let daarop dat al die gewigte te voeg tot 1 Verder wk 2 (1/36) - (1/136) K vir K 1, 2. 8 en wk - (1/136) K vir K 9, 10. 16. Dan doen die towervierkant-wortel ritueel (waar sqrt (16) 4) ons (onthou dat P 16 is die mees. onlangse waarde). HMA die 4-dag WBG van die bogenoemde MMaS (w 1 P 1 W 2 P 2. w 16 P 16) 2 (w 1 P 0 w 2 P 1. W 16 P 15) 3 (w 1 P -1 W 2 P 0. w 16 P 14) 4 (w 1 P -2 w 2 P -1 . w 16 P 13) / 10 (let op dat 1234 10). Huh P 0. P -1. Wat. Die MMA (16) gebruik die laaste 16 dae, terug na die prys is callling P 1. Indien ons die 4-dag geweegde gemiddelde van hulle thar MMaS, goed gebruik van gister se MMA (en dit geld terug 1 dag voor P 1) en die dag voor dit, die Plaasmoorde gaan terug na 2 dae voor P 1 en die dag voordat that. Okay, sodat julle noem hulle pryse P 0. P -1 Ens ens. Jy het dit. So 'n 16-dag HMA gebruik eintlik inligting wat terug gaan meer as 16 dae, reg Jy het dit. Maar daar is negatiewe gewigte vir hulle ou pryse Is dit reg Die bewys is in die. Ja, ja. die bewys is in die poeding. So, wat doen die sigblad doen Tot dusver lyk dit soos volg: (Klik op die foto om te laai.) Jy kan kies 'n sine reeks of 'n ewekansige reeks van aandele pryse. Vir die laasgenoemde, elke keer as jy klik op 'n knoppie wat jy 'n ander stel van pryse te kry. Dan kan jy die aantal dae te kies: dis ons n. (Byvoorbeeld, gebruik ons ​​N 16 vir ons 'n voorbeeld, hierbo.) Verder, as jy kies om die sinus-reeks, kan jy spykers in te voer en skuif dit langs die grafiek. soos hierdie . Let daarop dat weve gebruik N 16 en N 36 (in die beeld van die sigblad) veroorsaak N / 2 en sqrt (n) is albei heelgetalle. As jy iets soos n 15 gebruik dan die sigblad gebruik die INT Eger deel van N / 2 en sqrt (n), naamlik 7 en 3. So, is die Hull bewegende gemiddelde die beste definieer beste. Wat van daardie Jurik Gemiddeld Ek weet niks oor dit. Dit eiendom en jy moet betaal om dit te gebruik. Maar laat speel met bewegende gemiddeldes. Nog 'n bewegende gemiddelde Veronderstel dat, in plaas van die geweegde bewegende gemiddelde (waar die gewigte is eweredig aan 1, 2, 3). Ons gebruik die magie Hull ritueel met die eksponensiële bewegende gemiddelde. Dit is, ons kyk na: Mag 2 EMO (N / 2) - EMO (N) Mag Ja, dis M Oving neem Gemiddelde aantal g immick of M Oving neem Gemiddelde aantal g eneralized of M Oving neem Gemiddelde aantal g rand of. Of M Oving neem Gemiddelde aantal g ummy aandag Ons pluk ons ​​gunsteling aantal dae betaal nie, soos N 16 en bereken MAG (N, 945, k) 945 EMO (N / k) - (1-945) EMO (N). Ons kan speel met 945 en k en sien wat ons kry: Byvoorbeeld, hier is 'n paar mags (waar was vas aan 16 dae, maar die verandering van die waardes van 945 en k): Mag (16) 2 EMO (4) - EMO ( 16) Mag (16) 1.5 EMO (5) - 0,5 EMO (16) Let daarop dat wanneer ons kies k 3 kry ons N / k 16/3 5,333 wat ons verander om plain-en-eenvoudige 5.0. Hoekom hoef jy vashou met Hulls keuses: 945 2 en k 2 goeie idee. Wed kry hierdie: Mag (16) 2 EMO (8) - EMO (16) Dit lyk asof die grafiek met 945 1.5 en k 3. Dit beteken, maak nie dit het jy domkop. weer Moontlik. So, wat oor die vierkant-wortel ritueel laat ek dit as 'n oefening. vir jou Goed, terwyl speel met daardie Mag ding wat ek vind dat Hulls k 2 werk baie goed. so goed vashou aan dit. Maar ons kry dikwels 'n aardige gemiddelde wanneer ons net 'n klein stukkie van die verandering te voeg: EMA (N / 2) - EMO (N). Trouens, goed voeg net 'n fraksie 946 van daardie verandering. Thatd gee MAG (N, 946) EMO (N / 2) 946 EMO (N / 2) - EMO (N). Dit is, ons kies 946 0.5 of dalk net 946 0,25 of wat ook al en gebruik: Byvoorbeeld, as ons ons snateren van bewegende gemiddeldes te vergelyk as hulle 'n stap funksie by te hou, kry ons hierdie, waar ons by te voeg (vir MAG) net 946 1 / 2 van die verandering. Ja, maar whats die beste waarde van beta. Definieer die beste: Let daarop dat beta 1 is die Hull keuse. behalwe gebruik het EMA in plaas van WBGe. En jy laat dat vierkante-wortel ding. Uh, ja. Ek het vergeet dat. Let. Die sigblad verander van uur tot uur. Dit lyk op die oomblik soos hierdie Iets om mee te speel Ek het my 'n sigblad wat so lyk. Klik op die foto om te laai. Jy kies 'n voorraad en klik op 'n knoppie en kry 'n jaar se daaglikse pryse. Die wat jy kies óf HMA of MAG, die verandering van die aantal dae en vir MAG, die parameter en sien as jy ro VERKOOP moet koop. Wanneer Op grond van watter kriteria As die bewegende gemiddelde is af x van sy maksimum gedurende die afgelope 2 dae, koop jy. (In die voorbeeld, x 1,0) As sy UP y uit sy minimum in die afgelope 2 dae, jy verkoop. (In die voorbeeld, y 1.5) Jy kan die waardes van x en y verander. Is dit 'n goeie. hierdie kriteria Ek sê dit iets om mee te speel nie. Theres hierdie ander glad tegniek bekend as die Hodrick-Prescott Filter. Met die hulp van Ron McEwan, sy nou ingesluit in hierdie sigblad: Is dit 'n goeie speel met dit. Jy sal kennis dat 'n parameter wat jy kan verander in sel M3 Theres. en koop en verkoop signals. Least kwadrate, passing 'n wiskundige proses vir die vind van die beste pas kurwe om 'n gegewe stel punte deur die vermindering van die som van die vierkante van die skyf (quotthe residualsquot) van die punte van die kurwe. Die som van die kwadrate van die skyf is gebruik word in plaas van die verreken absolute waardes, want dit laat die residue as 'n deurlopende differensieerbaar hoeveelheid wat behandel moet word. Maar omdat blokkies van die skyf gebruik, afgeleë punte kan 'n oneweredige uitwerking op die pas het, 'n eiendom wat mag of nie mag nie wenslik wees, afhangende van die spesifieke probleem uit. In die praktyk word die vertikale skyf van 'n lyn (polinoom, oppervlak, hyper plane, ens) byna altyd tot die minimum beperk in plaas van die loodregte neutraliseer. Dit bied 'n gepaste funksie vir die onafhanklike veranderlike wat skat vir 'n gegewe (meestal wat 'n eksperimenteerder wil), kan onsekerhede van die data punte langs die - en - asse te eenvoudig word opgeneem, en bied ook 'n baie makliker analitiese vorm vir die pas parameters as sou word verkry deur 'n geskikte gebaseer op loodreg neutraliseer. Daarbenewens kan die gepaste tegniek maklik veralgemeen van 'n beste-pas lyn om 'n beste-pas polinoom wanneer bedrae vertikale afstande gebruik word. In elk geval, vir 'n redelike aantal lawaaierige datapunte, die verskil tussen vertikale en loodreg pas is redelik klein. Die lineêre kleinste kwadrate pas tegniek is die eenvoudigste en mees toegepaste vorm van lineêre regressie en bied 'n oplossing vir die probleem van die vind van die beste pas reguit lyn deur 'n stel van punte. In werklikheid, as die funksionele verhouding tussen die twee hoeveelhede wat weergegee is bekend om binne toevoeging of vermenigvuldiging konstantes, is dit algemene praktyk om die data te omskep in so 'n manier dat die gevolglike lyn is 'n reguit lyn, sê deur die plot teen in plaas van teen in die geval van die ontleding van die tydperk van 'n pendulum as 'n funksie van sy lengte. Om hierdie rede, standaard vorms vir eksponensiële. logaritmiese. en mag wette is dikwels uitdruklik bereken. Die formules vir lineêre kleinste kwadrate, passing is onafhanklik verkry deur Gauss en Legendre. Vir nie-lineêre kleinste kwadrate, passing van 'n aantal onbekende parameters, kan lineêre kleinste kwadrate pas iteratief toegepas word op 'n geliniariseerde vorm van die funksie tot konvergensie bereik. Dit is egter dikwels ook moontlik om 'n nie-lineêre funksie logskaal liniariseer aan die begin en nog steeds gebruik lineêre metodes vir die bepaling van geskikte parameters sonder om iteratiewe prosedure. Hierdie benadering beteken algemeen in stryd met die implisiete aanname dat die verspreiding van foute is normaal. maar gee dikwels nog aanvaarbaar resultate met behulp van normale vergelykings, 'n pseudoinverse. ens Afhangende van die soort passing en aanvanklike parameters gekies, kan die nie-lineêre passing goeie of swak konvergensie eienskappe. As onsekerhede (in die meeste algemene geval, fout ellipse) gegee word vir die punte, punte kan verskillend ten einde die hoë-gehalte punte meer gewig te gee geweeg. Vertikale kleinste kwadrate, passing opbrengs deur die vind van die som van die kwadrate van die vertikale afwykings van 'n stel datapunte uit 'n funksie. Let daarop dat hierdie proses nie die werklike afwykings van die lyn (wat loodreg sou word gemeet aan die gegewe funksie) is die minimum te beperk. Daarbenewens, hoewel die unsquared som van afstande kan 'n meer geskikte hoeveelheid lyk verminder, gebruik van die absolute waarde resultate in diskontinue afgeleides wat nie analities kan behandel word. Die vierkante afwykings van elke punt word dus opgesom, en die gevolglike oorblywende word dan tot die minimum beperk tot die beste passing lyn vind. Hierdie proses lei tot afgeleë punte gegee buite verhouding groot gewig. Die voorwaarde vir 'n minimum wees is dat Chatterjee, S. Hadi, A. en Prys, B. quotSimple Lineêre Regression. quot Ch. 2 in Regressie-analise deur Voorbeeld, 3rd ed. New York:. Wiley, pp 21-50, 2000. Edwards, A. L. quotThe regressielyn op. quot Ch. 3 in 'n Inleiding tot lineêre regressie en korrelasie. San Francisco, CA:. W. H. Freeman, pp 20-32, 1976. Gauss, C. F. quotTheoria combinationis obsevationum erroribus minimis obnoxiae. quot Werke, Vol. 4. Goumlttingen, Duitsland: p. 1, 1823 Kenney, J. F. en hou, E. S. quotLinear Regressie, Simple korrelasie, en Contingency. quot Ch. 8 in Wiskunde vir Statistiek, Pt. 2, 2nd ed. Princeton, NJ: van die Kollege, pp 199-237, 1951. Kenney, J. F. en hou, E. S. quotLinear Regressie en Correlation. quot Ch.. 15 in Wiskunde vir Statistiek, Pt. 1, 3 ed. Princeton, NJ: van die Kollege, pp 252-285, 1962. Laplace, P. S. quotDes meacutethodes analytiques du calcul des Probabiliteacutes. quot Ch.. 4 in Theacuteorie analytique des probabiliteacutes, Livre 2, 3 ed. Parys: Courcier, 1820. Lawson, C. en Hanson, R. Oplos Least Squares probleme. Englewood Cliffs, NJ: Prentice-Hall, 1974. Ledvij, M. quotCurve Pas Made Easy. quot Industrial Fisikus 9. 24-27, Apr./May 2003 Press, WH Flannery, BP Teukolsky, SA en Vetterling, WT quotFitting data na 'n reguit Linequot quotStraight-line data met foute in albei Koördinate, quot en quotGeneral Lineêre Minste Squares. quot sect15.2 , 15.3 en 15.4 in Numeriese resepte in FORTRAN: The Art of wetenskaplike Berekening, 2nd ed. Cambridge, Engeland. Cambridge University Press, pp 655-675, 1992. York, D. quotLeast-Square Passing van 'n reguit Line. quot Canad. J. Phys. 44. 1079-1086, 1966. Wolfram Web ResourcesLinear kleinste kwadrate regressie is by verre die mees gebruikte modelle metode. Dit is wat die meeste mense bedoel wanneer hulle sê dat hulle regressie, lineêre regressie of kleinste kwadrate gebruik om 'n model om hul data te pas. Nie net is lineêre kleinste kwadrate regressie die mees gebruikte modelle metode, maar dit is aangepas om 'n wye verskeidenheid van situasies wat buite sy direkte omvang. Dit speel 'n sterk onderliggende rol in baie ander modellering metodes, insluitende die ander metodes in hierdie afdeling bespreek: lineêre kleinste kwadrate regressie. geweegde kleinste kwadrate regressie en loess. Definisie van 'n lineêre Least Squares Model direk gebruik word, met 'n toepaslike datastel. lineêre kleinste kwadrate regressie gebruik kan word om die data te pas met 'n funksie van die vorm f (PAC PAC) beta0 beta1x1 beta2x2 ldots waarin elke verklarende veranderlike in die funksie vermenigvuldig met 'n onbekende parameter is daar hoogstens een onbekende parameter met geen ooreenstemmende verklarende veranderlike, en al die individuele terme opgesom om die finale funksiewaarde produseer. In statistiese terme, sou 'n funksie wat aan hierdie kriteria 'n lineêre funksie genoem. Die term lineêre gebruik word, selfs al is die funksie nie 'n reguit lyn kan wees, want as die onbekende parameters word beskou as veranderlikes en die verklarende veranderlikes word beskou as bekend koëffisiënte wat ooreenstem met dié veranderlikes wees, dan is die probleem word 'n stelsel (gewoonlik oorbepaalde) lineêre vergelykings wat opgelos kan word vir die waardes van die onbekende parameters. Om die verskillende betekenisse van die woord lineêre onderskei, die lineêre modelle wat hier bespreek word dikwels gesê dat dit lineêr in die parameters of statisties linear. Why Least Squares Lineêre kleinste kwadrate regressie kry ook sy naam aan die manier waarop die raming van die onbekende parameters is bereken. Die metode van kleinste kwadrate wat gebruik word om parameterberaming verkry is onafhanklik in die laat 1700's en die vroeë 1800's ontwikkel is deur die wiskundiges Karl Friedrich Gauss, Adrien Marie Legendre en (moontlik) Robert Adrain Stigler (1978) Harter (1983) Stigler (1986 ) werk in Duitsland, Frankryk en Amerika, onderskeidelik. In die kleinste kwadrate metode die onbekende parameters beraam deur die vermindering van die bedrag van die kwadraat afwykings tussen die data en die model. Die vermindering proses verminder die oorbepaalde stelsel van vergelykings wat gevorm word deur die data om 'n sinvolle stelsel van (p), (waar (p) is die aantal parameters in die funksionele deel van die model) vergelykings in (p) onbekendes. Hierdie nuwe stelsel van vergelykings word dan opgelos die parameter ramings te verkry. Vir meer inligting oor hoe die metode van kleinste kwadrate gebruik word om die parameters te beraam, sien Afdeling 4.4.3.1 leer. Voorbeelde van lineêre funksies Soos net bogenoemde, lineêre modelle is nie beperk tot reguit lyne of vliegtuie, maar sluit 'n redelik wye verskeidenheid van vorms. Byvoorbeeld, 'n eenvoudige kwadratiese kurwe, f (xvec) beta0 beta1x beta x2. lineêr in die statistiese sin. 'N reguitlyngrondslag model in (log (x)), f (xvec) beta0 beta1ln (x). of 'n polinoom in (sin (x)), f (xvec) beta0 beta1sin (x) beta2sin (2x) beta3sin (3x). is ook lineêr in die statistiese sin, want hulle is lineêr in die parameters, maar nie ten opsigte van die waargeneem verklarende veranderlike, (x). Nie-lineêre model Voorbeeld Net soos modelle wat lineêr in die statistiese sin hoef nie te wees lineêr met betrekking tot die verklarende veranderlikes, kan nie-lineêre modelle word lineêr met betrekking tot die verklarende veranderlikes, maar nie ten opsigte van die parameters. Byvoorbeeld, f (xvec) beta0 beta0beta1x lineêr in (x), maar dit kan nie geskryf word in die algemene vorm van 'n lineêre model hierbo aangebied. Dit is omdat die helling van hierdie lyn word uitgedruk as die produk van twee parameters. As gevolg hiervan, kan lineêre kleinste kwadrate regressie gebruik word om hierdie model te pas, maar lineêre kleinste kwadrate kan nie gebruik word nie. sien die volgende afdeling, afdeling 4.1.4.2 vir verdere voorbeelde en bespreking van nie-lineêre modelle. Voordele van Lineêre Least Squares Lineêre kleinste kwadrate regressie het sy plek verdien as die primêre instrument vir prosesmodellering as gevolg van sy doeltreffendheid en volledigheid. Hoewel daar tipes data wat beter beskryf deur funksies wat nie-lineêre in die parameters is baie prosesse in wetenskap en ingenieurswese is goed beskryf deur lineêre modelle. Dit is omdat óf die prosesse inherent lineêre of omdat, oor kort reekse, 'n proses kan goed benader word deur 'n lineêre model. Die raming van die onbekende parameters verkry vanaf lineêre kleinste kwadrate regressie is die optimale skattings van 'n breë klas van moontlike parameterberaming onder die gewone aannames wat vir prosesmodellering. Prakties gesproke, lineêre kleinste kwadrate regressie maak baie doeltreffende gebruik van die data. Goeie resultate kan verkry word met 'n relatief klein datastelle. Ten slotte, die teorie wat verband hou met lineêre regressie is goed verstaan ​​en maak voorsiening vir die konstruksie van verskillende tipes maklik-interpreteerbare statistiese intervalle vir voorspellings, kalibrasies en optimalisaties. Hierdie statistiese intervalle kan dan gebruik word om duidelike antwoorde op wetenskaplike en ingenieurswese vrae gee. Nadele van Lineêre Least Squares Die belangrikste nadele van lineêre kleinste kwadrate is beperkinge in die vorms wat lineêre modelle kan oor lang rye, moontlik swak ekstrapolasie eienskappe, en sensitiwiteit vir uitskieters aanvaar. Lineêre modelle met lineêre terme in die kurwe voorspeller veranderlikes relatief stadig, so vir inherent lineêre prosesse word dit toenemend moeilik om 'n lineêre model wat die data sowel as die omvang van die data verhoog pas te vind. Soos die verklarende veranderlikes geword uiterste, die uitset van die lineêre model sal ook altyd meer ekstreme. Dit beteken dat lineêre modelle nie effektief vir ekstrapolering die resultate van 'n proses waarvoor data nie kan afgehaal word in die omgewing van belang kan wees. Natuurlik ekstrapolasie is potensieel gevaarlik ongeag die model tipe. Ten slotte, terwyl die metode van kleinste kwadrate gee dikwels optimale skattings van die onbekende parameters, dit is baie sensitief vir die teenwoordigheid van ongewone datapunte in die gebruik om 'n model te pas data. Een of twee uitskieters kan soms ernstig skeef die resultate van 'n kleinste kwadrate ontleding. Dit maak model bekragtiging. veral ten opsigte van uitskieters. van kritieke belang om die verkryging van klank antwoorde op die vrae te motiveer die konstruksie van die model. Mean Reversion: hedendaagse Bewegende Gemiddeldes outeur: GunjanDuaa 4 Oktober 2012 bewegende gemiddeldes is een van die mees gebruikte aanwysers in studies tegniese ontleding. Wat begin met die eenvoudige bewegende gemiddelde en dan na eksponensiële bewegende gemiddelde het met die verloop van tyd en koms van die rekenaar geprogrammeer sagteware het tegnici om te eksperimenteer en kom met nuwe vorme van berekening data gemaak. DEFINISIE Gemiddelde terugkeer dui daarop dat die batepryse uiteindelik sal omkeer na sy gemiddelde of gemiddelde voordat tendens hervatting of tendens omkeer, dit kan wees dat die pryse sal terugkeer na die gemiddelde of te konsolideer vir 'n rukkie tot die tyd wat dit nader aan die gemiddelde kom, dit is 'n proses waar baie handel stelsels is gebaseer op waar opgetree word wanneer die onlangse prestasie het verskil van hul historiese gemiddeldes. MODERNE bewegende gemiddeldes Eenvoudige bewegende gemiddeldes is nog steeds gebruik word deur baie, maar met verloop van tyd en 'n vereiste is om te meet prys verskillend gemaak vir nuwe denke en nuwe gemiddeldes. In hierdie artikel sal ek nuwer bewegende gemiddeldes wat ontwikkel het met die tyd en behoefte te verduidelik. Dubbeleksponensiaalverdeling (Dema) en drie (Tema) 'n bewegende gemiddelde is 'n gladde buig lyn wat die visuele bevestiging van die langer tendens termyn van 'n gemiddelde bied, is hulle agter aanwysers waar vinniger bewegende gemiddeldes is woelig en langer termyn gemiddeldes is gladder, om verminder die tydsverloop hierdie gemodifiseerde eksponensiële gemiddeldes is gedink. Hulle word gebruik vir die verskaffing van seine in crossover of tendens bepaling vroeër as ander bewegende gemiddeldes. DOEN die wiskunde Double Eksponensiële MA Formule: Dema 2EMA - EMO (EMA) Drie Eksponensiële MA Formule: TEMA (3EMA - 3EMA (EMA)) EMO (EMO (EMA)) EMO EMO (1). (Close - EMO (1)) N Die smoothing tydperk. Grafiek 1 het bewegende gemiddelde crossover, dit duidelik blyk dat TEMA gee sein die vroegste gevolg deur Dema en dan Eenvoudige bewegende gemiddelde. So het die lag verminder en ons kan die tendens vroeër betree. Verplaas bewegende gemiddelde (DispMA) 'n DispMA is 'n bewegende gemiddelde wat vorentoe of agtertoe deur 'n spesifieke tyd interval kan aangepas word. Verskuiwing van die bewegende gemiddelde agtertoe om te bly in die lang termyn tendens, sal dit 'n sloerende effek te skep verskuiwing van die bewegende gemiddelde uit na 'n tydige uitgang te maak wanneer die toonbank tendens ontwikkel, sal dit 'n leidende effek te skep. Die doel van die DisMA is om skielike whipsaws wat gewoonlik in die ryp tendens of nuus wat verband hou gebeure kom vermy, sal die verplasing minder aantal valse seine veroorsaak. Die gewone verplasing vlakke 3 dae 5 dae vorentoe of terug. Dit kan gebruik word vir die vind van ondersteuning en weerstand of as 'n crossover sein en ook baie nuttig in sikliese studies. Grafiek 2 toon dat hoe langer bewegende gemiddelde vorentoe geplaas hou ons in die tendens terwyl die korter bewegende gemiddelde wat agtertoe geplaas help ons kry 'n tydige uitgang. GEWEEGDE bewegende gemiddelde (WBA) Kom ons neem 'n blik op 'n ander tipe van bewegende gemiddelde. Die doel van WBG is die lag weg te neem en die verhoging van die sensitiwiteit faktor tot die prys. Die geweegde bewegende gemiddelde is geweegde gemiddelde van die laaste N pryse, waar die gewig verminder deur 1 met elke vorige prys. MEER MATH Berekening: ((n pn) ((n - 1) Pn-1) ((n - 2) Pn-2) ((n - (N - 1)) Pn - (N-1)) / (. N (N - 1). (N - (N - 1)).) WBG vinniger reageer op prysveranderinge, want dit plaas meer belang op die onlangse prysbewegings op die manier is dit toon die tendens vinniger in vergelyking met die eenvoudige bewegende gemiddelde. kleinstekwadrate bewegende gemiddelde dit bewegende gemiddelde soms ook genoem as eindpunt bewegende gemiddelde. dit is gebaseer op liniêre regressie, maar neem dit 'n stap vorentoe deur skat dat wat sou gebeur het as die regressielyn voortgegaan, maak dit meer reageer op tendense en spot die tendense vroeër in vergelyking met ander bewegende gemiddeldes. die gebruike hoofsaaklik gebruik as 'n crossover sein met sy eie of met ander bewegende gemiddelde of kan gebruik word met die prys beweeg bo of onder dit as 'n koop of te verkoop sein. In Grafiek 3 plot ons drie bewegende gemiddeldes in een grafiek die eerste een die kleinste Square bewegende gemiddelde (groen) ook genoem as eindpunt bewegende gemiddelde. die rooi sirkels wys die prys styg bo die gemiddelde vertoning verandering in die tendens of eindpunt van die tendens op en af ​​help om die uitgang posisie of neem die teenoorgestelde handel. Die ander twee is WBG (dik violet) en EMO (verpletter Red), berekening van beide die gemiddeldes is byna dieselfde, maar in WBG meer gewig gegee aan die huidige prys so dit blyk dat WBG is nader aan prys in vergelyking met EMO WILDERS BEWEEG GEMIDDELDE Soos die naam aandui hierdie is geskep deur Welles Wilder die groot tegnikus sy werke sluit in relatiewe sterkte-indeks (RSI), Gemiddelde Directional indeks (ADX). Paraboliese Sar en Gemiddelde Ware Range (ATR). Dit word soms as die van die gewysigde bewegende gemiddelde die doel is om die prys bewegings glad te prystendense identifiseer. Wilder EMO prys vandag K EMO gister (1-k) waar k 1 / N, N aantal periodes Die formule is soortgelyk aan EMO wat 2 parameters, 'n tydreeks en 'n blik terug tydperk het en dit gee 'n gladde lyn. Prys verblyf en sluiting bo die gemiddelde is genoem as 'n uptrend en daaronder as 'n verslechtering neiging. Grafiek 4 toon twee gemiddeldes onder Wilders berekening. Hoe langer bewegende gemiddelde gebruik kan word vir tendens vasberadenheid en korter vir verhandeling vir die aankoop op dip en te verkoop op toeneem. Crossover bied handel seine, maar met 'n lag. RISING EKWITEIT CRUVE Byna almal gebruik bewegende gemiddeldes in die handel prystendense, sal hierdie nuwe bewegende gemiddeldes te help handelaars vang tendens in 'n beter manier en bou 'n fyner handel stelsel teenoor tendense verstaan ​​mark beter opbrengs van 'n stygende aandele curve. Linear Regressie aanwyser Die lineêre regressie aanwyser word gebruik vir tendens identifikasie en tendens volgende in 'n soortgelyke wyse aan bewegende gemiddeldes. Die aanwyser moet nie verwar word met lineêre regressie Lines wat reguit lyne toegerus om 'n reeks van data punte is. Die lineêre regressie aanwyser plotte die eindpunte van 'n hele reeks van lineêre getrek op agtereenvolgende dae regressielyne. Die voordeel van die lineêre regressie aanwyser oor 'n normale bewegende gemiddelde is dat dit minder lag as die bewegende gemiddelde, reageer vinniger op veranderinge in die rigting. Die nadeel is dat dit meer geneig is tot whipsaws. Die lineêre regressie aanwyser is slegs geskik vir die handel sterk tendense. Seine geneem in 'n soortgelyke wyse aan bewegende gemiddeldes. Gebruik die rigting van die lineêre regressie aanwyser om te betree en die uitgang ambagte met 'n aanwyser langer termyn as 'n filter. Gaan lank as die lineêre regressie aanwyser opdaag of verlaat 'n kort handel. Gaan kort (of verlaat 'n lang handel) as die lineêre regressie aanwyser draai af. 'N Variasie op die bogenoemde is om ambagte te voer wanneer die prys gaan oor die lineêre regressie aanwyser, maar nog steeds verlaat wanneer die lineêre regressie aanwyser draai af. Voorbeeld Muis oor grafiek onderskrifte te handel seine te vertoon. Gaan lank L wanneer die prys kruise bo die 100-dag lineêre regressie aanwyser terwyl die 300-dag styg afrit X wanneer die 100-dag lineêre regressie aanwyser draai afgaan lank weer by L wanneer die prys kruise bo die 100-dag lineêre regressie aanwyser afrit X wanneer die 100-dag lineêre regressie aanwyser draai afgaan lang L wanneer die prys kruise bo 100-dag lineêre regressie afrit X wanneer die 100-dag aanwyser draai afgaan lang L wanneer die 300-dag lineêre regressie aanwyser opdaag nadat die prys bo gekruis die 100-dag aanwyser afrit X wanneer die 300-dag lineêre regressie aanwyser draai af. Lomp divergensie op die aanwyser waarsku van 'n groot tendens omkeer. Sluit aan by ons Mailing List Lees Colin Twiggsrsquo Trading Dagboek nuusbrief, die aanbied van fundamentele analise van die ekonomie en tegniese ontleding van die belangrikste markindekse, goud, ru-olie en forex.