Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Eine bewegte Avearge wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der vorherigen 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte, um die tatsächlichen Datenpunkte. Moving Average Forecasting Einführung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie vorhersagen, für Ihre zweite Test-Score Was glauben Sie, Ihr Lehrer würde für Ihre nächste Test-Punkt vorhersagen Was denken Sie, Ihre Freunde könnten für Ihre nächste Test-Punkt vorherzusagen Was denken Sie, Ihre Eltern könnten für Ihre nächste Test-Score Unabhängig davon vorhersagen alle gequatscht Sie an Ihre Freunde und Eltern tun können, sie und Ihre Lehrer sind sehr wahrscheinlich, dass Sie bekommen etwas in den Bereich der 85 Sie ist jetzt noch zu erwarten. Nun, jetzt gehen wir davon aus, dass trotz Ihrer Selbst-Förderung an Ihre Freunde, Sie über-schätzen Sie sich und Figur, die Sie weniger für den zweiten Test lernen können und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmerten gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie sie mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden versuchen, die Eltern stärker unterstützen und sagen, quotWell zu sein, so weit youve ein 85 und ein 73, bekommen so vielleicht sollten Sie heraus auf immer über eine (85 73) / 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger haben Partying und werent wedelte das Wiesel ganz über dem Platz und wenn Sie anfingen, viel mehr zu studieren, konnten Sie einen höheren score. quot erhalten. Beide dieser Schätzungen sind wirklich gleitende durchschnittliche Prognosen. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Performance zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass alle diese Leute, die auf deinem großen Verstand zerschmettern, Art von dich angepisst haben und du entscheidest, auf dem dritten Test aus deinen eigenen Gründen gut zu tun und eine höhere Kerbe vor deinen quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So, jetzt haben Sie die letzte Prüfung des Semesters kommen und wie immer Sie das Gefühl der Notwendigkeit, alle stacheln in ihre Prognosen über zu machen, wie youll auf dem letzten Test zu tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive eingeschlossen das quotpast predictionsquot, weil wir sie auf der folgenden Webseite verwenden, um Vorhersagegültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Auch hier habe ich die quotpast Vorhersagequot für illustrative Zwecke und für die spätere Verwendung in der Prognose Validierung enthalten. Einige andere Dinge, die wichtig zu beachten sind. Für eine m-Periode gleitende Durchschnittsprognose werden nur die m neuesten Datenwerte verwendet, um die Vorhersage durchzuführen. Nichts anderes ist notwendig. Für einen m-Zeitraum durchschnittliche Prognose bewegen, wenn quotpast predictionsquot machen, feststellen, dass die erste Vorhersage in Periode m 1. Beide Probleme auftritt, wird sehr bedeutend sein, wenn wir unseren Code zu entwickeln. Entwicklung der Moving Average Funktion. Nun müssen wir den Code für die gleitende Durchschnittsprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingaben für die Anzahl der Perioden sind, die Sie in der Prognose und dem Array der historischen Werte verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historische, NumberOfPeriods) As Single Deklarieren und Variablen Dim Artikel As Variant Dim Zähler As Integer Dim Accumulation As Single Dim HistoricalSize Initialisierung As Integer initialisieren Variablen Zähler 1 Accumulation 0 Bestimmung der Größe der historischen Array HistoricalSize Historical. Count für Zähler 1 Um NumberOfPeriods thesaurierend die entsprechende Anzahl von jüngsten zuvor beobachteten Werte Accumulation Accumulation Historisch (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation / NumberOfPeriods der Code wird in der Klasse erklärt. Sie wollen die Funktion in der Tabelle platzieren, so dass das Ergebnis der Berechnung erscheint, wo es die folgenden. Eine andere Art von Moving Average Cross praktisch jeder Händler mit oder irgendeine Art von gleitenden Durchschnitt experimentiert hat. Was ich Ihnen in dieser Lektion vorstellen möchte, ist eine andere Art von Moving Average Cross-Methode, die ich gefunden habe, um sehr gut zu identifizieren kurzfristigen Trend ändert. Wie wir wissen, wird ein gleitender Durchschnitt normalerweise unter Verwendung des Schließens einer Leiste, z. B. Wenn Sie eine dreidimensionale gleitende Durchschnitt plotten, dann würden Sie die letzten drei Schließungen hinzufügen und teilen Sie die insgesamt von drei, um einen einfachen gleitenden Durchschnitt zu bekommen. Dies ist, wo ich möchte, dass Sie ein wenig anders denken. Ich war schon immer ein Befürworter des traditionellen Denkens und der Umwandlung. Was passiert, wenn Sie die offenen statt der engen verwendet haben Was passiert, wenn Sie den Abschluss einer Periode von einem gleitenden Durchschnitt und der Öffnung eines anderen ersten verwendet, können die meisten Charting-Pakete können Sie die offene, hohe, niedrige oder in der Nähe eine Handlung durchschnittlich. Im Beispiel unten des täglichen Dow Jones habe ich einen 5-Perioden-exponentiellen gleitenden Durchschnitt des Schließens und einen 6-Perioden-exponentiellen gleitenden Durchschnitt der offenen verwendet. Wie Sie sehen können, fängt es die kurzfristigen Trendveränderungen wirklich schön. Im nächsten Beispiel der 1 Stunde EUR / USD, können Sie sehen, dass die nah / offene Kombination gut funktioniert hat. Natürlich werden Sie durch die Zeiten der Konsolidierung mit jedem Markt gehen und jede gleitende durchschnittliche Methode, die Sie verwenden, wird gepeitscht werden. Um dies zu umgehen, brauchen Sie eine Art von Filter oder Ansatz, der Ihnen hilft, aus der niedrigen Wahrscheinlichkeit Trades. Sie könnten ADX, Stochastic oder MACD verwenden, um das Rauschen zu filtern, aber ich mag auch einen Zeitrahmen hinzufügen. Im nächsten Beispiel der 4-Stunden-GBP / USD können Sie sehen, dass am 24. September 04 um 4:00 ein Kreuz des 5-Perioden-exponentiellen gleitenden Durchschnitts des Schlusses über dem 6-Perioden-exponentiellen gleitenden Durchschnitt der offenen war. Dieses Signal bleibt bis heute erhalten, wie ich am 27. September schreibe. Obwohl es ein Signal auf der 4 Stunde, um zu identifizieren, noch bessere Einstiegspunkte können Sie fallen ein paar Zeitrahmen auf die 30-Minuten-Chart. Wie Sie aus dem 30-minütigen Chart sehen konnten, gab es ziemlich viele Kreuze der 5-Perioden-Exponentialbewegung des Schlusses über oder unter dem 6-Perioden-exponentiellen gleitenden Durchschnitt der offenen. Geben Sie Ihren Namen und eine gültige E-Mail für den sofortigen Zugriff ein:
No comments:
Post a Comment