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 kroczące: Jakie są jednymi z najpopularniejszych wskaźników technicznych, średnie kroczące służą do pomiaru kierunku aktualnego trendu. Każdy typ średniej ruchomej (zwykle napisany w tym samouczku jako MA) jest wynikiem matematycznym, który jest obliczany przez uśrednienie liczby przeszłych punktów danych. Po ustaleniu, uzyskana średnia jest następnie nanoszona na wykres w celu umożliwienia handlowcom spojrzenia na wygładzone dane zamiast koncentrowania się na codziennych wahaniach cen, które są nieodłączne na wszystkich rynkach finansowych. Najprostszą formę średniej ruchomej, znaną jako prosta średnia ruchoma (SMA), oblicza się, przyjmując średnią arytmetyczną z danego zestawu wartości. Na przykład, aby obliczyć podstawową 10-dniową średnią ruchomą, należy dodać ceny zamknięcia z ostatnich 10 dni, a następnie podzielić wynik przez 10. Na rysunku 1 suma cen z ostatnich 10 dni (110) jest równa podzielona przez liczbę dni (10), aby osiągnąć średnią 10-dniową. Jeśli przedsiębiorca chce zamiast tego uzyskać średnią 50-dniową, zostanie wykonany ten sam rodzaj obliczeń, ale będzie obejmował ceny w ciągu ostatnich 50 dni. Wynikowa średnia poniżej (11) uwzględnia 10 ostatnich punktów danych, aby dać handlowcom pojęcie, jak wyceniany jest majątek w stosunku do ostatnich 10 dni. Być może zastanawiasz się, dlaczego techniczni handlowcy nazywają to narzędzie średnią ruchomą, a nie zwykłą średnią. Odpowiedź jest taka, że gdy stają się dostępne nowe wartości, najstarsze punkty danych muszą zostać usunięte z zestawu i nowe punkty danych muszą wejść, aby je zastąpić. W związku z tym zbiór danych stale się rozlicza dla nowych danych, gdy tylko stają się dostępne. Ta metoda obliczania zapewnia uwzględnianie wyłącznie bieżących informacji. Na rysunku 2, po dodaniu do zestawu nowej wartości 5, czerwone pole (reprezentujące ostatnie 10 punktów danych) przesuwa się w prawo, a ostatnia wartość 15 zostaje usunięta z obliczeń. Ponieważ stosunkowo mała wartość 5 zastępuje wysoką wartość 15, można by oczekiwać, że średnia zestawu danych zmniejszy się, co ma miejsce w tym przypadku od 11 do 10. Jak wyglądają średnie kroczące Po wartościach MA zostały obliczone, są nanoszone na wykres, a następnie łączone w celu utworzenia średniej ruchomej linii. Te linie krzywoliniowe są powszechne na wykresach handlowców technicznych, ale sposób ich użycia może się drastycznie różnić (więcej o tym później). Jak widać na rys. 3, można dodać więcej niż jedną średnią ruchomą do dowolnego wykresu, dostosowując liczbę przedziałów czasowych użytych w obliczeniach. Te zakrzywione linie mogą początkowo wydawać się rozpraszające lub mylące, ale z biegiem czasu przyzwyczaisz się do nich. Czerwona linia to po prostu średnia cena z ostatnich 50 dni, a niebieska linia to średnia cena z ostatnich 100 dni. Teraz, gdy rozumiesz, czym jest średnia ruchoma i jak wygląda, dobrze jest wprowadzić inny typ średniej ruchomej i zbadać, jak różni się ona od poprzednio wspomnianej prostej średniej kroczącej. Prosta średnia ruchoma jest niezwykle popularna wśród handlowców, ale jak wszystkie wskaźniki techniczne, ma swoich krytyków. Wiele osób twierdzi, że przydatność SMA jest ograniczona, ponieważ każdy punkt w serii danych jest ważony tak samo, niezależnie od tego, gdzie występuje w sekwencji. Krytycy twierdzą, że najnowsze dane są ważniejsze niż dane starsze i powinny mieć większy wpływ na końcowy wynik. W odpowiedzi na tę krytykę handlowcy zaczęli przykładać większą wagę do najnowszych danych, co od tego czasu doprowadziło do wynalezienia różnego rodzaju nowych średnich, z których najpopularniejszą jest wykładnicza średnia ruchoma (EMA). (Aby uzyskać więcej informacji, zobacz Podstawy ważonych średnich kroczących i jaka jest różnica między wartością SMA a wartością EMA) Wykładnicza średnia ruchoma Wykładnicza średnia krocząca jest rodzajem średniej ruchomej, która zwiększa wagę ostatnich cen w celu zwiększenia jej elastyczności do nowych informacji. Nauka nieco skomplikowanego równania do obliczania EMA może być niepotrzebna dla wielu handlowców, ponieważ prawie wszystkie pakiety wykresów wykonują obliczenia dla ciebie. Jednakże, dla was, maniaków matematyki, macie tutaj równanie EMA: Używając wzoru do obliczenia pierwszego punktu EMA, możecie zauważyć, że nie ma żadnej dostępnej wartości do wykorzystania jako poprzednia EMA. Ten mały problem można rozwiązać, rozpoczynając obliczenia za pomocą prostej średniej ruchomej i kontynuując z powyższą formułą. Dostarczyliśmy przykładowy arkusz kalkulacyjny, który zawiera rzeczywiste przykłady obliczania zarówno prostej średniej kroczącej, jak i wykładniczej średniej kroczącej. Różnica między EMA i SMA Teraz, gdy masz już lepsze zrozumienie sposobu obliczania SMA i EMA, przyjrzyjmy się, jak te średnie różnią się. Patrząc na obliczenia EMA, zauważysz, że większy nacisk kładzie się na ostatnie punkty danych, co czyni je typem średniej ważonej. Na rysunku 5 liczby okresów stosowanych w każdej średniej są identyczne (15), ale EMA reaguje szybciej na zmieniające się ceny. Zwróć uwagę, że EMA ma wyższą wartość, gdy cena rośnie, i spada szybciej niż SMA, gdy cena spada. Ta responsywność jest głównym powodem, dla którego wielu inwestorów woli używać EMA przez SMA. Co oznaczają różne dni Średnie ruchome są całkowicie konfigurowalnym wskaźnikiem, co oznacza, że użytkownik może swobodnie wybierać dowolne ramy czasowe, jakie chcą uzyskać przy tworzeniu średniej. Najczęstsze okresy stosowane w średnich kroczących to 15, 20, 30, 50, 100 i 200 dni. Im krótszy jest przedział czasowy do stworzenia średniej, tym bardziej wrażliwy będzie na zmiany cen. Im dłuższy przedział czasu, tym mniej wrażliwy lub bardziej wygładzony, średnia będzie. Podczas ustawiania średnich kroczących nie ma odpowiednich ram czasowych. Najlepszym sposobem na sprawdzenie, który z nich działa najlepiej, jest eksperymentowanie z wieloma różnymi okresami czasu, dopóki nie znajdziesz takiego, który pasuje do Twojej strategii. Średnie kroczące: jak używać ich w praktyce średnia ruchoma zapewni dobre oszacowanie średniej z szeregów czasowych, 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.
Comments
Post a Comment