» »

Методы без сезонной составляющей. Взвешенное скользящее среднее
29.09.2019

.
Скользящее среднее относится к классу индикаторов, следующих за трендом, оно помогает определить начало новой тенденции и ее завершение, по его углу наклона можно определить силу (скорость движения), оно же в качестве основы (или сглаживающего фактора) применяется в большом количестве других технических индикаторов. Иногда называют линией тренда.

Формула простой скользящей средней:

Где Pi - Цены на рынке (обычно берутся цены Close, но иногда используют Open, High, Low, Median Price, Typical Price).

N - основной параметр - длина сглаживания или период (количество цен входящих в расчет скользящего). Иногда этот параметр называют порядком скользящего среднего .

Пример скольязщего среднего :
с параметром 5.

Описание:
Простое является обычным арифметическим средним от цен за определенный период. представляет собой некий показатель цены равновесия (равновесие спроса и предложения на рынке) за определенный период, чем короче скользящее среднее, тем за меньший период берется равновесие. Усредняя цены, оно всегда следует с определенным лагом за главной тенденцией рынка, фильтруя мелкие колебания. Чем меньше параметр (говорят, что короче), тем оно быстрее определяет новую тенденцию, но и одновременно делает больше ложных колебаний, и наоборот чем больше параметр (говорят длинное , тем медленнее определяется новый тренд, но поступает меньше ложных колебаний.

Использование:
Применение скользящих средних достаточно простое. Скользящие средние не спрогнозируют изменения в тренде, а лишь просигналят об уже появившемся тренде. Так как скользящие средние являются следующими за индикаторамито их лучше использовать в периоды тренда, а когда на рынке не присутствует, они становятся абсолютно неэффективными. Поэтому до использования этих индикаторов необходимо провести отдельный анализ свойств конкретной валютной пары. В простейшем виде мы знаем несколько путей использования скользящего среднего.

Существует 7 основных методов скользящего среднего :

  1. Определение стороны торговли с помощью скользящей средней. Если она направлена вверх, то вы делаете только покупки, если вниз - то только продажи. При этом точки входа и выхода из рынка определяются на основе других методов скользящих средних (в том числе и на основе более быстрой скользящей).
  2. Разворот снизу вверх при положительном наклоне самого ценового рассматривается как сигнал на покупку, разворот сверху вниз при отрицательном наклоне самого ценового рассматривается как сигнал на продажу.
  3. Метод скользящего среднего , основанный на пересечение ценой своего скользящего сверху вниз (при отрицательном наклоне обоих) рассматривается как сигнал на продажу, пересечение ценой своего скользящего среднего снизу вверх (при положительном наклоне обоих) рассматривается как сигнал на покупку.
  4. Пересечение длинного коротким снизу вверх рассматривается как сигнал к покупке и наоборот.
  5. Скользящие средние с круглыми периодами (50, 100, 200) иногда рассматриваются как скользящие уровни и сопротивления.
  6. Исходя из того, какие скользящие направлены вверх, а какие вниз определяют какой восходящий а какой нисходящий (краткосрочный, среднесрочный, долгосрочный).
  7. Моменты наибольшего расхождения двух средних с разными параметрами понимают как сигнал к возможному изменению тренда.

Недостатки метода скользящего среднего:

  1. При использовании метода для торговли по запаздывание на входе и на выходе из как правило очень значительно, поэтому в большинстве случаев теряется большая часть движения.
  2. В и особенно в боковом в виде пилы, дает очень много ложных сигналов и ведет к убыткам. При этом трейдер, торгующий на основе простой скользящей не может пропустить эти сигналы, поскольку каждый из них является потенциальным сигналом входа в тренд.
  3. При входе в расчет цены, отличающееся от уровня цен на рынке сильно меняется. При выходе этой цены из расчета скользящего сильное изменение происходит вторично. Этот эффект А.Элдер называл "плохая собака лает дважды".
  4. Один из наиболее серьезных недостатков метода скользящей средней , заключается в том что она придает одинаковые веса как более новым ценам, так и более старым ценам, хотя логичнее было бы предположить, что новые цены важнее, так как отражают более близкую к текущему моменту рыночную ситуацию.

Примечание 1: На рынке в состоянии лучше использовать более короткую скользящую, на рынке в лучше использовать более длинную скользящую, как подающую меньше ложных сигналов.

Примечание 2: имеет достаточно много более эффективных современных вариаций: экспоненциальная скользящая средняя, взвешенная скользящая средняя, существует также ряд адаптивных скользящих средних AMA, KAMA, Jurik MA и т.д.

Предупреждение о рисках: мы не рекомендуем использовать никакие индикаторы на реальных счетах без предварительного тестирования их работы на демонстрационном счете или тестирования в качестве торговой стратеги. Любой, даже самый лучший индикатор, применяемый неправильно, дает множества ложных сигналов и как следствие, может принести значительные убытки в процессе торговли.


Средние линии – это графические построения на графике, которые строятся на основе средних значений цены за определенный промежуток времени. Moving Average встроен в торговую платформу МТ4, с его помощью можно осуществлять сглаживание скользящих средних, именно об этом мы и поговорим в этой статье.

Сглаживание скользящих средних

Moving Average позволяет осуществлять сглаживание скользящих средних. В чем преимущества этой функции? Дело в том, что при построении простой экспоненциальной средней (SMA) используются цены, обладающие одинаковой важностью, в то время как экспоненциальные скользящие средние больше полагаются на последние котировки. Последние строятся по определенной формуле, где большую роль играют последние события на рынке, а не те изменения, которые происходили ранее.

Разновидности средних линий

Всего Moving Average предлагает построение четырех линий, которые строятся по определенному принципу.

  • Simple – простая скользящая средняя. Это самая простая линия, которая строится по формуле, где все цены обладают равнозначными значениями. 2. Exponential – экспоненциальная скользящая средняя, которая строится по формуле, в которой главную роль играет последний бар. Она подходит для ведения краткосрочной торговли.
  • Smoothed – сглаженная скользящая средняя. Данная скользящая используется для долгосрочной торговли. Для того чтобы она изменила свое направление, необходим существенный скачок.
  • Linear Weighted – взвешенная скользящая средняя, при построении которой большее значение уделяется более новым изменениям на рынке.

Что лучше: простая скользящая средняя или сглаженная

Увеличив период скользящей средней, в расчете будет принимать участие больше значений стоимости. Чем больше период, тем менее чувствительная скользящая средняя и наоборот. Но что же лучше: простая скользящая средняя или сглаженная?

Для примера возьмем значение периода 15. Для построения линий будут учитываться значения баров от 1 до 15, как только появится 16 бар, в расчетах будут принимать участие бары в диапазоне 2-16. При этом, при построении обычной скользящей средней цены будут обладать одинаковым значениям, в то время как в сглаженной все будет зависеть от последнего бара.

У каждой скользящей свои плюсы и минусы, которые обязательно стоит учитывать при выборе наиболее подходящего для торговли вида. Выбор скользящей средней напрямую зависит от используемой валютной пары, тайм-фрейма и торговой стратегии. У всех скользящих линий есть один общий недостаток, который заключается в небольшом запаздывании.

Применение скользящих средних

Самый простой способ использования данного инструмента заключается в построении двух скользящих средних с разными периодами. Линия с небольшим периодом будет более подвижной. В момент, когда на рынке происходит смена господствующего тренда, быстрая скользящая линия пересекает медленную, что, в свою очередь, является сигналом для создания ордера.

На представленной ниже картинке вы можете увидеть, как описанная выше ситуация выглядит на валютном графике.

2.3.1. Задание*

В первых двух столбцах таблицы 17 приведены данные, отражающие спрос на некоторый товар за восьмилетний период. Провести сглаживание данных методом скользящего среднего с окном сглаживания k =3.

2.3.2. Выполнение задания

Скользящее среднее вычисляется с помощью функции СРЗНАЧ. Результаты расчета представлены в третьем столбце таблицы 16 и иллюстрируются рисунком 8.

Таблица 17. Спроса на товар

2.4. Выделение трендовой и циклической компонент временного ряда**

Задание 1

В таблице 18 представлены данные об объеме y потребления энергии за четыре года (время t измеряется в кварталах). Сгладить временной ряд методом скользящего среднего, самостоятельно подобрав размер k окна сглаживания.

2.4.2. Выполнение задания 1

Из графика зависимости y (t ) (см. рис. 9) видно, что временной ряд содержит циклическую компоненту с периодом T п =4. Рассчитав с помощью функции КОРРЕЛ выборочный коэффициент автокорреляции r (1,t) (см. таблицу 19) и построив коррелограмму (с помощью мастера диаграмм – см. рис.10), получаем, что максимум коэффициента автокорреляции имеет место при значениях t, кратных четырем; это подтверждает (см. §1.2), что T п =4. Окно сглаживания следует выбрать равным (см. §1.5) периоду циклической составляющей: k=T п =4. Тогда результатом сглаживания будет являться приближенный тренд (за период положительные и отрицательные значения циклической составляющей будут компенсировать друг друга).

В третьем столбце таблицы 18 приведены результаты расчета скользящего среднего u 1 (t ) для k =4. Средняя точка t ср окна сглаживания находится между вторым и третьим моментом времени окна. Так, например, для первого окна (содержащего моменты времени t =1, 2, 3, 4) t ср =2,5; такого момента времени в наших данных нет, и мы приписываем среднее значение наблюдений по окну моменту t =2. Для второго окна t ср =3,5, и среднее значение наблюдений по второму окну будет приписано моменту t =3. Аналогично, среднее значение наблюдений для каждого следующего скользящего окна мы будем приписывать второму моменту времени этого окна.

Для установки соответствия между средним значением наблюдений по окну и серединой окна t ср необходимо применить к u 1 (t ) метод скользящего среднего с окном сглаживания, равным двум: u 2 (t )=[u 1 (t -1)+u 1 (t )]/2. Результаты расчета приведены в таблице 18 (четвертый столбец). Напомним (см. также §1.5), что расчет u 2 нужен только в случае четного k . Для нечетного k средняя точка окна сглаживания t ср совпадает с одним из имеющихся в таблице моментов времени.


Таблица 18. Расчет тренда и циклической составляющей

t y u 1 u 2 S 1 =y -u 2 S 2 S 3 S T+E =Y -S T E
0,581 5,419 5,902 -0,483
4,4 6,100 -1,977 6,377 6,088 0,289
6,400 6,250 -1,250 -1,275 -1,294 -1,294 6,294 6,275 0,019
6,500 6,450 2,550 2,708 2,690 2,690 6,310 6,461 -0,151
7,2 6,750 6,625 0,575 0,600 0,581 0,581 6,619 6,648 -0,029
4,8 7,000 6,875 -2,075 -1,958 -1,977 -1,977 6,777 6,834 -0,057
7,200 7,100 -1,100 -1,294 7,294 7,020 0,273
7,400 7,300 2,700 2,690 7,310 7,207 0,104
7,500 7,450 0,550 0,581 7,419 7,393 0,026
5,6 7,750 7,625 -2,025 -1,977 7,577 7,580 -0,003
6,4 8,000 7,875 -1,475 -1,294 7,694 7,766 -0,072
8,250 8,125 2,875 2,690 8,310 7,952 0,358
8,400 8,325 0,675 0,581 8,419 8,139 0,280
6,6 8,350 8,375 -1,775 -1,977 8,577 8,325 0,252
Сумма 0,075 0,000 -1,294 8,294 8,512 -0,218
10,8 Среднее 0,019 0,000 2,690 8,110 8,698 -0,588

Задание 2

Вычислить значения циклической компоненты временного ряда по данным таблицы 18. Результаты записать в эту же таблицу.

2.4.4. Выполнение задания 2

Рассматриваемый временной ряд описывается аддитивной моделью, так как амплитуда колебаний уровней ряда практически не зависит от времени (см. рис. 9). По формуле (43) (учитывая, что T »u 2) рассчитываем S

Значения S 2 получены усреднением S 1 по периодам. Так как среднее значение циклической компоненты за период для аддитивной модели ряда должно равняться нулю, то выравниваем значения S 2: S 3 = S 2 -S 2 ср, где через S 2 ср обозначено среднее значение S S получены копированием S 3 по всем периодам.

Получив циклическую компоненту, вычислим следующее приближение тренда в предположении, что тренд линеен. Рассчитаем зашумленные значения тренда: T +E =Y -S (см. формулу (40)). Применив к этим значениям МНК (с помощью функции ЛИНЕЙН), получим следующую формулу: T (t )=0,186t +5,72. По этой формуле вычислим значения тренда, а затем, учитывая, что E =Y -T -S , – значения случайной компоненты E .

На рис. 9 компоненты ряда показаны графически. Так как случайная компонента существенно меньше остальных компонент ряда, можно считать, что полученные оценки тренда и циклической составляющей вполне приемлемы.

Задание 3

В первых двух столбцах таблицы 20 приведены поквартальные данные о прибыли компании (в усл. ед.) за последние четыре года. Определить трендовую, циклическую и случайную компоненты временного ряда.

2.4.6. Выполнение задания 3

Из графика зависимости y (t ) (см. рис. 11,а) видно, что временной ряд со­держит циклическую компоненту с периодом T п =4. Построив коррелограмму (которая здесь не приводится), можно удостовериться, что максимум коэффи­циента автокорреляции имеет место при значениях t, кратных четырем; это подтверждает, что T п =4. Окно сглаживания выбираем равным (см. §1.5) пе­риоду циклической составляющей: k=T п =4.

В третьем и четвертом столбце таблицы 20 приведены результаты рас­чета приближений тренда u 1 (t ) и u 2 (t ), полученные так же, как в таблице 18.

Для рассматриваемого временного ряда следует выбрать мультиплика­тивную модель, так как амплитуда колебаний уровней ряда изменяется про­порционально тренду (см. рис. 11,а). По формуле (44) (учитывая, что T »u 2) рас­считываем S 1 – первое приближение циклической компоненты ряда.

Значения S 2 получены усреднением S 1 по периодам. Так как среднее зна­чение циклической компоненты за период для мультипликативной модели должно равняться единице, то от S 2 переходим к следующему приближению циклической компоненты: S 3 = S 2 /S 2 ср, где S 2 ср – среднее значение S 2 . Значения циклической компоненты S получены копированием S 3 по всем периодам.

Далее вычислим следующее приближение тренда в предположении, что тренд линеен. Рассчитаем зашумленные значения тренда: TE =Y /S (см. формулу (41)). Применив к этим значениям МНК (с помощью функции ЛИНЕЙН), по­лучим формулу для тренда: T (t )=-2,77t +90,57. По этой формуле вычислим зна­чения тренда, а затем – значения случайной компоненты E (E =Y /(TS )). Абсо­лютная погрешность модели рассчитывается по формуле: Eabs =Y -TS .

На рис. 11 компоненты ряда показаны графически. Заметим, что абсо­лютная погрешность существенно меньше уровней ряда и тренда. Кроме того, случайная компонента практически для всех значе­ний t близка к единице. По­этому оценки тренда и циклической составляю­щей вполне приемлемы.


Таблица 20. Данные о прибыли компании

t y u 1 u 2 S 1 S 2 S 3 S T *E =Y /S T E Eabs
0,914 78,804 87,792 0,898 -8,212
81,5 1,202 83,182 85,019 0,978 -2,208
81,25 1,108 1,088 1,082 1,082 83,153 82,245 1,011 0,982
0,800 0,806 0,802 0,802 79,819 79,472 1,004 0,278
76,5 77,75 0,900 0,918 0,914 0,914 76,615 76,699 0,999 -0,077
75,75 1,215 1,208 1,202 1,202 76,527 73,926 1,035 3,127
1,081 1,082 73,914 71,152 1,039 2,989
71,5 0,811 0,802 72,336 68,379 1,058 3,173
68,5 0,905 0,914 67,859 65,606 1,034 2,059
64,5 65,75 1,217 1,202 66,545 62,833 1,059 4,463
63,25 1,075 1,082 62,827 60,059 1,046 2,995
59,5 0,807 0,802 59,865 57,286 1,045 2,067
52,5 54,75 0,950 0,914 56,914 54,513 1,044 2,194
50,25 1,194 1,202 49,909 51,740 0,965 -2,201
Сумма 4,021 1,082 46,196 48,966 0,943 -2,998
Среднее 1,005 0,802 37,415 46,193 0,810 -7,038


3. Задание на самостоятельную работу

1. В таблице 21* представлены данные о производительности труда Y для некоторого предприятия с 1987 по 1996 г. Получить уравнения и графики трендов: линейного, логарифмического, степенного, полиномиального, экспоненциального. Выбрать из них тренд, наиболее соответствующий наблюдениям (сравни­вая значение R 2). Для выбранного тренда проверить гипотезу независимости остатков по критерию Дарбина-Уотсона (при n =10 d н =0,88 d в =1,32). Зачем надо проверять эту гипотезу?

2. В таблице 22** приведено среднее число y яиц на несушку на каждый месяц по США с 1938 по 1940 г. Требуется:

1) построить график y (t ) и коррелограмму. Анализируя их, ответить на вопросы: содержит ли ряд линейный тренд? Содержит ли ряд циклическую со­ставляющую? Чему равен период циклической составляющей Тц? Какая модель подходит для описания ряда – аддитивная или мультипликативная?

2) определить компоненты ряда.

Таблица 22. Среднее число y яиц на несушку

3. В таблице 23 даны уровни некоторого ряда, время t измеряется в кварталах. Провести для этих данных исследования, аналогичные п.2.

Таблица 23. Уровни ряда

t
y

Практическая работа №5. Использование фиктивных
переменных при решении задач эконометрики

Теоретическая часть

Это один из самых старых и широко известных способов сглаживания временного ряда. Сглаживание представляет собой некоторый способ локального усреднения данных, при котором несистематические компоненты взаимно погашают друг друга. Так, метод скользящей средней основан на переходе от начальных значений ряда к их средним значениям на интервале времени, длина которого выбрана заранее (данный интервал времени часто называют "окном"). При этом сам выбранный интервал скользит вдоль ряда.

Получаемый таким образом ряд скользящих средних ведет себя более гладко чем исходный ряд, за счет усреднения отклонений исходного ряда. Таким образом, эта процедура дает представление об общей тенденции поведения ряда. Ее применение особенно полезно для рядов с сезонными колебаниями и неясным характером тренда.

Формальное определение метода скользящей средней для окна сглаживания, длина которого выражается нечетным числом p=2m+1. Пусть имеются измерения во времени: y 1 , y 2 …y n .

Тогда метод скользящей средней состоит в том, что исходный временной ряд преобразуется в ряд сглаженных значений (оценок) по формуле:

Где р – размер окна, j – порядковый номер уровня в окне сглаживания, m – величена, определяемая по формуле: m = (p-1) / 2.

При применении метода скользящей средней выбор размера окна сглаживания p должен осуществляться исходя из соображений и привязанности к периоду сезонности для сезонных волн. Если процедура скользящего среднего используется для сглаживания не сезонных рядов, то окно выбирают равным трем, пяти или семи. Чем больше размер окна, тем более гладкий вид имеет график скользящих средних.

Задача 2. На основе данных о производстве стиральных машин фирмой за 15 месяцев 2002-2003 гг. нужно произвести сглаживание ряда методом трехчленной скользящей средней.

Стиральные

машины, тыс. шт.

Трехчленные

скользящие суммы

Трехчленные

скользящие средние

Взяв данные за первые три месяца, исчисляем трехчленные суммы, а затем среднюю:

и т.д.

Для реализации процедуры скользящей средней можно воспользоваться функцией Microsoft Excel. В закладке "Анализ данных" выбираем "скользящее среднее". Этот режим работы служит для сглаживания уровней временного ряда на основе метода простой скользящей средней. Указывается интервал – т.е. размер окна сглаживания. По умолчанию р=3. Получаем на выходе следующий результат:

Стиральные

машины, тыс. шт.

Трехчленные

скользящие средние, полученные с помощью инструмента "Скользящее среднее"

Трехчленные

скользящие средние, полученные выше вручную

На графике отображен исходный ряд и сглаженный. Теперь для сглаженного ряда проще и точнее можно определить основную тенденцию (например, подобрать линию тренда).

Углубленный анализ временных рядов требует использования более сложных методик математической статистики. При наличии в динамических рядах значительной случайной ошибки (шума) применяют один из двух простых приемов - сглаживание или выравнивание путем укрупнения интервалови вычисления групповых средних. Этот метод позволяет повысить наглядность ряда, если большинство «шумовых» составляющих находятся внутри интервалов. Однако, если «шум» не согласуется с периодичностью, распределение уровней показателей становится грубым, что ограничивает возможности детального анализа изменения явления во времени.

Более точные характеристики получаются, если используют скользящие средние - широко применяемый способ для сглаживания показателей среднего ряда. Он основан на переходе от начальных значений ряда к средним в определенном интервале времени. В этом случае интервал времени при вычислении каждого последующего показателя как бы скользит по временному ряду.

Применение скользящего среднего полезно при неопределенных тенденциях динамического ряда или при сильном воздействии на показатели циклически повторяющихся выбросов (резко выделяющиеся варианты или интервенция).

Чем больше интервал сглаживания, тем более плавный вид имеет диаграмма скользящих средних. При выборе величины интервала сглаживания необходимо исходить из величины динамического ряда и содержательного смысла отражаемой динамики. Большая величина динамического ряда с большим числом исходных точек позволяет использовать более крупные временные интервалы сглаживания (5, 7, 10 и т.д.). Если процедура скользящего среднего используется для сглаживания не сезонного ряда, то чаще всего величину интервала сглаживания принимают равной 3 или 5. https://tvoipolet.ru/iz-moskvi-v-nyu-jork/ - отличная возможность выбрать авиакомпанию на перелет из Москвы в Нью-Йорк

Приведем пример вычисления скользящего среднего числа хозяйств с высокой урожайностью (более 30 ц/га) (табл. 10.3).

Таблица 10.3 Сглаживание динамического ряда укрупнением интервалов искользящим средним

Учетный год

Число хозяйств с высокой урожайностью

Суммы за три года

Скользящие за три года

Скользящие средние

90,0

89,7

1984

88,7

87,3

87,3

87,0

86,7

83,0

83,0

82,3

82,3

82,6

82,7

82,7

Примеры вычисления скользящего среднего:

1982 г.(84 + 94 + 92) / 3 = 90,0;

1983 г. (94 + 92 + 83) / 3 = 89,7;

1984 г.(92 + 83 + 91) / 3 = 88,7;

1985 г.(83 + 91 + 88) / 3 = 87,3.

Составляется график. На оси абсцисс указываются годы, на оси ординат - число хозяйств с высокой урожайностью. Указываются координаты числа хозяйств на графике и соединяют полученные точки ломаной линией. Затем указываются координаты скользящей средней по годам на графике и соединяются точки плавной полужирной линией.

Более сложным и результативным методом является сглаживание (выравнивание) рядов динамики с помощью различных функций аппроксимации. Они позволяют формировать плавный уровень общей тенденции и основную ось динамики.

Наиболее эффективным методом сглаживания с помощью математических функций является простое экспоненциальное сглаживание. Этим методом учитываются все предшествующие наблюдения ряда по формуле:

S t = α∙X t + (1 - α ) ∙S t - 1 ,

где S t - каждое новое сглаживание в момент времени t ; S t - 1 - сглаженное значение в предыдущий момент времени t -1; X t - фактическое значение ряда в момент времени t ; α - параметр сглаживания.

Если α = 1, то предыдущие наблюдения полностью игнорируются; при величине α = 0 игнорируются текущие наблюдения; значения α между 0 и 1 дают промежуточные результаты. Изменяя значения этого параметраможно подобрать наиболее приемлемый вариант выравнивания. Выбор оптимального значения α осуществляется путем анализа полученных графических изображений исходной и выравненной кривых, либо на основе учета суммы квадратов ошибок (погрешностей) вычисленных точек. Практическое использование этого метода следует проводить с использованием ЭВМ в программе MS Excel . Математическое выражение закономерности динамики данных можно получить с помощью функции экспоненциального сглаживания.

Похожие статьи:
Категории
Популярное