Drie Eksponensieel Stryk Bewegende Gemiddelde

Drie Eksponensiële Gemiddeld Drie Eksponensiële Gemiddeld (Trix) is ontwikkel deur Jack Hutson as 'n ossillator van die oorkoop / oorverkoopte marktoestande. Dit kan ook gebruik word as die Momentum aanwyser. Drie smoothing word gebruik vir die verwydering van die sikliese komponente in prysbewegings met die tydperk minder as dié van Trix. Die sone word as aanduiding van oorkoop of oorverkoop staat (positiewe en negatiewe onderskeidelik). Die sein te koop is die kruising van die lyn nul van onder, of quotbulls39quot divergensie die sein te verkoop is die indicator39s kruising van die nul lyn van bo, of quotbears39quot divergensie met pryse. Die onderskeidende kenmerk van die aanwyser is die ideale filter van prys geluide en afwesigheid van lag dit is so tipies van die meeste bewegende gemiddeldes. Jy kan die handel seine van hierdie aanwyser te toets deur die skep van 'n kundige adviseur in MQL5 Wizard. Berekening Eerste die eksponensiële bewegende gemiddelde van 'n prys bereken word: EMA1 (i) EMO (Price, N, i) Prys (i) huidige prys N EMO tydperk EMA1 (i) huidige waarde van die eksponensiële bewegende gemiddelde. Toe die tweede glad van die verkry gemiddelde verrig - dubbel eksponensiële gladstryking: EMA2 (i) EMO (EMA1, N, i). Die dubbel Eksponensiële bewegende gemiddelde is eksponensieel weer glad nie - ons kry die Drie Eksponensiële bewegende gemiddelde: EMA3 (i) EMO (EMA2, N, i) Nou is die aanwyser self is bereken: Trix (i) (EMA3 (i) - EMA3 ( Ek - 1)) / EMA3 (i-1) Disclaimer: MetaQuotes Software Corp. is 'n sagteware-ontwikkeling maatskappy en bied geen soort belegging of makelaarsdienste in finansiële markets. Moving Gemiddeld die bewegende gemiddelde Tegniese aanwyser toon die gemiddelde instrument prys waarde vir 'n sekere tydperk van die tyd. Wanneer 'n mens word bereken dat die bewegende gemiddelde, een gemiddeldes uit die instrument prys vir hierdie tydperk. As die prys veranderinge, sy bewegende gemiddelde óf verhoog, of verminder. Daar is vier verskillende tipes bewegende gemiddeldes: Eenvoudige (ook na verwys as Rekenkundige), eksponensiële. Reëlmatige en Geweegde. Bewegende gemiddelde kan bereken word vir enige opeenvolgende datastel, insluitend die opening en sluiting pryse, hoogste en laagste pryse, handel volume of enige ander aanwysers. Dit is dikwels die geval wanneer dubbel bewegende gemiddeldes gebruik. Die enigste ding wat waar bewegende gemiddeldes van verskillende tipes divergeer aansienlik van mekaar, is wanneer gewig koëffisiënte, wat die jongste data is opgedra, is anders. In geval praat ons van Simple bewegende gemiddelde. Alle pryse van die tydperk ter sprake is gelyk in waarde. Eksponensiële bewegende gemiddelde en Lineêre Geweegde Moving Gemiddelde heg meer waarde aan die nuutste pryse. Die mees algemene manier om die interpretasie van die prys bewegende gemiddelde is om sy dinamika vergelyk met die prys aksie. Wanneer die instrument prys bo sy bewegende gemiddelde styg, blyk 'n koopsein, indien die prys val onder sy bewegende gemiddelde, wat ons het, is 'n sell sein. Dit handel stelsel, wat gebaseer is op die bewegende gemiddelde, is nie ontwerp om toegang tot die mark te voorsien reg in sy laagste punt, en sy uitgang regs op die piek. Dit maak dit moontlik om op te tree volgens die volgende tendens: te koop kort nadat die pryse die bodem bereik, en om gou te verkoop nadat die pryse hul hoogtepunt bereik het. Bewegende gemiddeldes kan ook toegepas word op aanwysers. Dit is hier waar die interpretasie van aanwyser bewegende gemiddeldes is soortgelyk aan die interpretasie van die prys bewegende gemiddeldes: As die aanwyser styg bo sy bewegende gemiddelde, wat beteken dat die stygende aanwyser beweging is waarskynlik om voort te gaan: as die aanwyser val onder sy bewegende gemiddelde, hierdie beteken dat dit waarskynlik om voort te gaan gaan afwaarts. Hier is die tipes bewegende gemiddeldes op die grafiek: Eenvoudige bewegende gemiddelde (SMA) Eksponensiële bewegende gemiddelde (EMA) Reëlmatige bewegende gemiddelde (SMMA) Lineêre Geweegde bewegende gemiddelde (LWMA) Jy kan die handel seine van hierdie aanwyser te toets deur die skep van 'n kundige adviseur in MQL5 Wizard. Berekening Eenvoudige bewegende gemiddelde (SMA) Eenvoudige, met ander woorde, rekenkundige bewegende gemiddelde word bereken deur 'n opsomming van die pryse van sluiting instrument oor 'n sekere aantal enkele periodes (byvoorbeeld 12 uur). Hierdie waarde word dan gedeel deur die getal van sodanige tydperke. SMA som (naby (i), N) / N som som BESLOTE (i) huidige tydperk naby prys N aantal periodes berekening. Eksponensiële bewegende gemiddelde (EMA) eksponensieel stryk bewegende gemiddelde word bereken deur die toevoeging van 'n sekere deel van die huidige sluitingsprys op die vorige waarde van die bewegende gemiddelde. Met eksponensieel stryk bewegende gemiddeldes, die jongste naby pryse is meer werd. P-persent eksponensiële bewegende gemiddelde sal lyk: EMA (naby (i) P) (EMO (i - 1) (1 - P)) sluit (i) huidige tydperk naby prys EMO (i - 1) waarde van die bewegende gemiddelde van 'n voorafgaande tydperk P die persentasie van die gebruik van die prys waarde. Reëlmatige bewegende gemiddelde (SMMA) Die eerste waarde van hierdie stryk bewegende gemiddelde word bereken as die eenvoudige bewegende gemiddelde (SMA): sum1 som (naby (i), N) Die tweede bewegende gemiddelde word bereken volgens die formule: SMMA (i) (SMMA1 (N-1) sluit (i)) / N Opeenvolgende bewegende gemiddeldes word bereken volgens die onderstaande formule: PREVSUM SMMA (i - 1) N SMMA (i) (PREVSUM - SMMA (i - 1) sluit (i) ) / N som som sum1 totale bedrag van die sluiting van pryse vir n periodes word dit gereken as die vorige bar PREVSUM glad som van die vorige bar SMMA (i-1) glad bewegende gemiddelde van die vorige bar SMMA (i) glad bewegende gemiddelde van die huidige bar (behalwe vir die eerste een) sluit (i) huidige naby prys N glad tydperk. Na rekenkundige Doelskoppe die formule kan vereenvoudig word: SMMA (i) (SMMA (i - 1) (N - 1) sluit (i)) / N Lineêre Geweegde bewegende gemiddelde (LWMA) In die geval van geweegde bewegende gemiddelde, die jongste data is meer werd as meer vroeë data. Geweegde bewegende gemiddelde bereken word deur elkeen van die sluitingstyd pryse binne die oorweeg reeks, deur 'n sekere gewig koëffisiënt: LWMA som (naby (i) i, N) / som (i, N) som som BESLOTE (i) huidige naby prys som (i, n) totale bedrag van die gewig koëffisiënte n glad period. Introduction Trix is ​​'n momentum ossillator wat die persent tempo van verandering van 'n driedubbele eksponensieel stryk bewegende gemiddelde vertoon. Dit is ontwikkel in die vroeë 1980039s deur Jack Hutson, 'n redakteur vir tegniese ontleding van aandele en kommoditeite tydskrif. Met sy trippel smoothing, is Trix ontwerp om onbelangrik prysbewegings filter. Rasionele agente kan Trix gebruik om seine soortgelyk aan MACD genereer. 'N sein lyn toegepas kan word om te kyk vir sein lyn CROSSOVER. 'N directional vooroordeel vasgestel kan word met die absolute vlak. Bullish en lomp verskille kan gebruik word om te verwag terugskrywings. Berekening Trix is ​​die 1-tydperk persentasie-van-verandering vir 'n driedubbele stryk eksponensiële bewegende gemiddelde (EMA), wat 'n EMO van 'n EMO van 'n EMO. Hier is 'n uiteensetting van die betrokke vir 'n 15 tydperk Trix stappe. 1. Enkellopend-stryk EMO 15-tydperk EMO van die sluitingsprys 2. Dubbelklik stryk EMO 15-tydperk EMO van Enkellopend-Reëlmatige EMO 3. Drie-stryk EMO 15-tydperk EMO van Double-Reëlmatige EMO 4. Trix 1-tydperk persent verandering in Drie-stryk EMO die onderstaande tabel en grafiek verskaf voorbeelde vir die 15-dag EMO, dubbel-stryk EMO en trippel-stryk EMO. Let op hoe elke EMO lags prys 'n bietjie meer. Selfs al is eksponensiële bewegende gemiddeldes sit meer gewig op onlangse data, hulle bevat nog afgelope data wat 'n lag produseer. Dit lag verhoog met elke glad. Die blou lyn is die prys plot vir SPY. Dit is duidelik die mees kronkelende (vlugtige) van die vier lyne. Die rooi lyn is die 15-dag EMO, wat die prys plot die naaste volg. Die groen lyn is die dubbele-stryk EMO en die pers lyn is die drie-stryk EMO. Let op hoe hierdie twee lyne draai platter as die lag verhoog. Trix negatief solank die drie-stryk 15-dag EMO is laer beweeg. Trix draai positiewe toe die drie-stryk 15-dag EMO opdaag. Die ekstra glad verseker dat up draaie en af ​​draaie is tot die minimum beperk. Met ander woorde, dit neem meer as 'n een-dag vooraf 'n verslechtering neiging om te keer. Interpretasie Trix (15,9) is baie soortgelyk aan die MACD (12,26,9). Albei is momentum ossillators wat wissel bo en onder die lyn nul. Albei het sein lyne gebaseer op 'n 9-dag EMO. Veral, beide lyne soortgelyke vorms, sein lyn CROSSOVER en middellyn kruis. Die grootste verskil tussen Trix en MACD is dat Trix is ​​gladder as MACD. Die Trix lyne is minder kronkelende en is geneig om 'n bietjie later draai. Met die ooreenkomste outweighing die verskille, seine van toepassing op MACD is ook van toepassing op Trix. Daar is drie hoof seine om te kyk vir. In die eerste plek sein lyn CROSSOVER is die mees algemene seine. Hierdie dui op 'n verandering in die rigting vir Trix en prys momentum. 'N kruis bo die sein-lyn is die eerste lomp aanduiding, terwyl 'n kruis hieronder is die eerste negatiewe implikasie. Tweede, middellyn CROSSOVER verskaf rasionele agente met 'n algemene momentum vooroordeel. Die drie-stryk bewegende gemiddelde is stygende wanneer Trix positiewe en val wanneer negatiewe is. Net so, momentum gunste van die bulle toe Trix is ​​positief en die dra wanneer negatiewe. Derde, lomp en lomp verskille kan rasionele agente van 'n moontlike tendens omkeer waarsku. Sein Line CROSSOVER sein lyn CROSSOVER is die mees algemene Trix seine. Die sein lyn is 'n 9-dag EMO van die Trix. As 'n bewegende gemiddelde van die wyser, dit roetes Trix en maak dit makliker om beurte te sien. N bullish crossover vind plaas wanneer Trix opdaag en kruisies bo die sein lyn. N lomp crossover vind plaas wanneer Trix draai af en steek onder die sein lyn. CROSSOVER kan 'n paar dae of 'n paar weke duur, dit hang alles af van die sterkte van die beweeg. Due diligence word vereis voordat vertrou op dié gereelde seine. Wisselvalligheid in die onderliggende sekuriteit kan ook die aantal CROSSOVER verhoog. bo die grafiek toon Intel (INTC) en Trix met ses sein lyn kruise in 'n tydperk van sewe maande. Dit is amper 'n per maand. Daar was drie goeie seine en drie swak seine wat lei tot whipsaws (geel area). Die lomp crossover in Junie plaasgevind het naby die top, die lomp crossover in die einde van Junie plaasgevind naby die lae en die lomp crossover in Julie plaasgevind naby die top. In die afwesigheid van 'n sterk beweeg, die lag van die drie-stryk EMO resultate aan die einde van seine wat verliese te produseer. Die lomp sein lyn kruis in Augustus vooruitsig 'n skerp daling en die lomp sein lyn kruis in die middel van September voorafskaduwing n sterk vooruit. Middellyn CROSSOVER Die middellyn crossover dui wanneer die beker halfvol (lomp) of half leeg (lomp). Dink aan die middellyn as die 50 agterplaas lyn in 'n sokker wedstryd. Die oortreding het die rand na die kruising van die 50 (middel punt), terwyl die verdediging het die rand so lank as wat die bal bly buite die 50. Soos met sein lyn CROSSOVER, hierdie middellyn CROSSOVER produseer beide goeie seine en slegte seine. Die sleutel, soos altyd, is om verliese op die slegte seine te verminder en te maksimeer winste met die goeie seine. bo die grafiek toon Raytheon (RTN) met vyf seine oor 'n tydperk van 16 maande. Die eerste drie was sleg, want die voorraad verander rigting kort na die seine. Met ander woorde, 'n tendens versuim het om in die hande te neem. Die vierde sein (November 2009) het saamgeval met 'n weerstand tempo laat verkondig en 'n 20 vooraf. Groot sein Dit is ook 'n klassieke voorbeeld van 'n kombinasie aanwyser seine met grafiek seine vir versterking. Die weerstand tempo van die prys grafiek en die middellyn kruis vir die Trix versterk mekaar. Trix het 'n mooi lomp sein Mei 2010 as RTN daarna om 20. Dive Rgen Ties gedaal Bullish en lomp verskille vorm wanneer die sekuriteit en die aanwyser nie mekaar bevestig. N bullish divergensie vorm wanneer die sekuriteit smee 'n laer laag, maar die aanwyser vorm 'n hoër lae. Hierdie hoër lae toon minder nadeel momentum wat 'n lomp ommekeer kan kondig. N lomp divergensie vorm wanneer die sekuriteit smee 'n hoër laag, maar die aanwyser vorm 'n laer hoog. Hierdie laer hoë shows besig om te kwyn onderstebo momentum wat soms 'n lomp ommekeer kan kondig. Voor op soek na 'n suksesvolle divergensie, let op die BHP Billiton (BHP) grafiek met 'n paar onsuksesvolle verskille. Lomp verskille nie goed werk in 'n sterk Uptrends. Selfs al momentum blyk te wees afneem omdat die aanwyser is die vervaardiging van 'n laer hoogtepunte, momentum het nog 'n lomp vooroordeel solank die aanwyser is bo sy middellyn. Opwaartse momentum kan minder positief wees, maar dit is steeds positief, solank die beker halfvol. Die styging is net nie so vinnig soos voorheen. Die teenoorgestelde is waar vir bullish verskille. Hierdie werk nie goed in 'n sterk downtrends. Selfs al is die aanwyser toon minder nadeel momentum met 'n hoër laagtepunte, afwaartse momentum is steeds sterker as opwaartse momentum solank die aanwyser bly onder sy middellyn. Wanneer lomp en lomp verskille te werk, het hulle 'n groot werk. Die truuk is die skeiding van die slegte seine van die goeie seine. Die grafiek hieronder toon Ebay (EBAY) met 'n suksesvolle lomp divergensie. Die voorraad verskuif na 'n laer lae vroeg in Julie, maar Trix gehou ver bo sy vorige lae en vorm n lomp divergensie. Die eerste moontlike bevestiging het gekom toe Trix bo sy sein lyn verskuif. Daar was egter geen bevestiging op die grafiek op die oomblik. Hierdie kom 'n bietjie later. Die groen pyle wys EBAY breek grafiek weerstand met 'n goeie volume en Trix beweeg in positiewe terrein. Selfs al bevestiging goed plaasgevind uit die lae, was daar genoeg tekens van krag tot die tempo te bekragtig. Gevolgtrekkings Trix is ​​'n aanduiding dat die tendens kombineer met momentum. Die trippel stryk bewegende gemiddelde dek die tendens, terwyl die 1-tydperk persentasie verandering maatreëls momentum. In hierdie verband, Trix is ​​soortgelyk aan die MACD en PPO. Die standaard instelling vir Trix is ​​15 vir die drie stryk EMO en 9 vir die sein lyn. Rasionele agente op soek na meer sensitiwiteit moet 'n korter tydperk (5 versus 15) probeer. Dit sal die aanwyser meer wisselvallig en meer geskik vir middellyn CROSSOVER maak. Rasionele agente op soek na minder sensitiwiteit moet 'n langer tydperk (45 teenoor 15) probeer. Dit sal die aanwyser glad en maak dit meer geskik vir sein lyn CROSSOVER. Soos met al die aanwysers, moet Trix gebruik word in samewerking met ander aspekte van tegniese ontleding, soos grafiek patrone. SharpCharts Trix kan ingestel word as 'n aanduiding bo, onder of agter 'n security039s prys plot. Dit is maklik om te aanwyser / prysbewegings te vergelyk wanneer die aanwyser is geplaas agter die prys plot. Sodra die aanwyser is gekies uit die drop down list, die standaard parameter instelling verskyn (15,9). Hierdie parameters kan aangepas word om te verhoog of sensitiwiteit te verminder. Die sein lyn verstek is 9, wat ook aangepas word. Klik hier vir 'n lewendige voorbeeld van Trix. Voorgestelde skanderings Trix Bullish Signal Line Cross. Dit skandering toon aandele wat aan vier kriteria. In die eerste plek moet hulle bo hul 200-dae - bewegende gemiddelde te wees in 'n algehele up tendens. In die tweede plek moet die Trix negatiewe tot 'n nadeel sein wees. Derde, die Trix gekruis sy sein-lyn en opgedaag het. Vierde, volume verskuif bo die 250-dag gemiddeld tot 'n toename in die aankoop van druk wys. Trix lomp Signal Line Cross. Dit skandering toon aandele wat aan vier kriteria. In die eerste plek moet hulle onder hul 200-dae - bewegende gemiddelde te wees in 'n algehele af tendens. In die tweede plek moet die Trix positiewe n weiering sein wees. Derde, die Trix gekruis sy sein-lyn en die hand gewys. Vierde, volume verskuif bo die 250-dag gemiddeld tot 'n toename in die verkoop van druk wys. Verdere Studie Tegniese Analise - gereedskap vir aktiewe beleggers Gerald AppelTriple Eksponensiële Gemiddeld (Trix) Die Trix aanwyser is 'n momentum aanwyser ontwerp om die persent tempo van verandering van 'n driedubbele eksponensieel stryk bewegende gemiddelde te bereken. Dit is baie soortgelyk in die manier waarop die MACD aanwyser werk. Beide aanwysers verskaf basies dieselfde metode agter genereer mark momentum en rigting beweging. Trix is ​​ontwerp om uit te filtreer die minderjarige, minder belangrike skuiwe binne 'n mark neiging. Dit word gedoen, net soos ander tradisionele aanwysers in die verlede gedoen het, deur gebruik te maak van verskeie bewegende gemiddeldes. Konvergensie en divergensie is algemene gebruike van die Trix aanwyser. Die toevoeging van die sneller lyn crossover bied die handelaar met 'n koop / verkoop Signal gegenereer uit die kruising van die twee bewegende gemiddeldes. Berekening te bereken Trix, eerste kies 'n tydperk waarmee 'n eksponensiële bewegende gemiddelde van die sluitingstyd pryse te skep. Vir 'n tydperk van 15 dae die berekeninge sal lyk: Bereken die 15-dag eksponensiële bewegende gemiddelde van die sluitingsprys. Bereken die 15-dag eksponensiële bewegende gemiddelde van die bewegende gemiddelde bereken in stap 1. Bereken die 15-dag eksponensiële bewegende gemiddelde van die bewegende gemiddelde bereken in stap 2. Die gevolg is driedubbele eksponensieel glad die bewegende gemiddelde van die sluiting van pryse, sterk vermindering van wisselvalligheid . Ten slotte, bereken die 1-dag persent verandering van die bewegende gemiddelde bereken in stap 3. koop / verkoop seine n koopsein vind plaas wanneer die Trix waarde kruise van onder die sneller lyn te bokant die sneller lyn. A verkoop sein vind plaas wanneer die Trix waarde kruise van bo die sneller lyn tot onder die sneller lyn. Voorkeure Regs-kliek op die Trix knoppie in jou aanwyser Toolbar en kies Trix instellings. Die Voorkeure Tab sal oopmaak in die Configuratiescherm en die Trix voorkeure sal vertoon word. (Sodra jy op die grafiek, sal die blad voorkeur terug te gaan na grafiek instellings.) Instellings herstel. TNT Standaard sal jou stellings terug te verander na die oorspronklike sagteware instellings. My Standaard sal huidige instellings om jou persoonlike standaard instellings verander. Geld vir alle kaarte sal jou gekies instellings van toepassing op alle oop kaarte. Slaan as my standaard jou huidige persoonlike instellings sal red. Tydperk. Spesifiseer die aantal dae wat gebruik word in die berekening van die SRSI. Line. Kies die kleur, lyn styl, en lyn dikte van jou lyn. Wys Gradient Kleur: Skakel helling kleurskakering op of af. Sneller Tydperk. Spesifiseer die aantal dae wat gebruik word in die berekening van die onderliggende RSI. Line. Kies die kleur, lyn styl, en lyn dikte van jou sneller lyn. Wys as. Kies of jy wil 'n histogram of lyn sien. Kyk tot vier Drempels op waardes en kleure van jou keuse. Kies wanneer jy wil koop / verkoop Arrows te wys en wat color. Moving gemiddelde en eksponensiële gladstryking modelle As 'n eerste stap in die beweging van buite gemiddelde modelle, ewekansige loop modelle, en lineêre tendens modelle, nonseasonal patrone en tendense kan geëkstrapoleer deur 'n moving - gemiddelde of glad model. Die basiese aanname agter gemiddelde en glad modelle is dat die tyd reeks is plaaslik stilstaande met 'n stadig wisselende gemiddelde. Vandaar, neem ons 'n bewegende (plaaslike) gemiddelde om die huidige waarde van die gemiddelde skat en dan gebruik dit as die voorspelling vir die nabye toekoms. Dit kan beskou word as 'n kompromie tussen die gemiddelde model en die ewekansige-stap-sonder-drif-model. Dieselfde strategie gebruik kan word om te skat en ekstrapoleer 'n plaaslike tendens. 'N bewegende gemiddelde is dikwels 'n quotsmoothedquot weergawe van die oorspronklike reeks, want kort termyn gemiddelde het die effek van gladstryking uit die knoppe in die oorspronklike reeks. Deur die aanpassing van die mate van gladstryking (die breedte van die bewegende gemiddelde), kan ons hoop om 'n soort van 'n optimale balans tussen die prestasie van die gemiddelde en die stogastiese wandeling modelle slaan. Die eenvoudigste soort gemiddelde model is die. Eenvoudige (ewe-geweeg) Moving Average: Die voorspelling vir die waarde van Y op tyd T1 wat gemaak word op tydstip t is gelyk aan die eenvoudige gemiddelde van die mees onlangse m waarnemings: (hier en elders sal ek die simbool 8220Y-hat8221 gebruik om op te staan vir 'n voorspelling van die tyd reeks Y gemaak op die vroegste moontlike voor datum deur 'n gegewe model.) Hierdie gemiddelde is gesentreer op tydperk t (M1) / 2, wat impliseer dat die skatting van die plaaslike gemiddelde sal neig om agter die werklike waarde van die plaaslike gemiddelde met sowat (M1) / 2 periodes. So, sê ons die gemiddelde ouderdom van die data in die eenvoudige bewegende gemiddelde is (M1) / 2 met betrekking tot die tydperk waarvoor die voorspelling is bereken: dit is die hoeveelheid tyd waarop voorspellings sal neig om agter draaipunte in die data. Byvoorbeeld, as jy gemiddeld die afgelope 5 waardes, sal die voorspellings wees oor 3 periodes laat in reaksie op draaipunte. Let daarop dat indien M1, die eenvoudige bewegende gemiddelde (SMA) model is soortgelyk aan die ewekansige loop model (sonder groei). As m is baie groot (vergelykbaar met die lengte van die skatting tydperk), die SMA model is gelykstaande aan die gemiddelde model. Soos met enige parameter van 'n voorspelling model, is dit gebruiklik om die waarde van k te pas ten einde die beste quotfitquot om die data, dit wil sê die kleinste voorspelling foute gemiddeld behaal. Hier is 'n voorbeeld van 'n reeks wat blykbaar ewekansige skommelinge toon om 'n stadig-wisselende gemiddelde. In die eerste plek kan probeer om dit aan te pas met 'n ewekansige loop model, wat gelykstaande is aan 'n eenvoudige bewegende gemiddelde van 1 kwartaal: Die ewekansige loop model reageer baie vinnig om veranderinge in die reeks, maar sodoende dit tel baie van die quotnoisequot in die data (die ewekansige skommelinge) asook die quotsignalquot (die plaaslike gemiddelde). As ons eerder probeer 'n eenvoudige bewegende gemiddelde van 5 terme, kry ons 'n gladder lyk stel voorspellings: Die 5 termyn eenvoudige bewegende gemiddelde opbrengste aansienlik kleiner foute as die ewekansige loop model in hierdie geval. Die gemiddelde ouderdom van die data in hierdie voorspelling is 3 ((51) / 2), sodat dit is geneig om agter draaipunte met sowat drie periodes. (Byvoorbeeld, blyk 'n afswaai het plaasgevind by tydperk 21, maar die voorspellings nie omdraai tot verskeie tydperke later.) Let daarop dat die langtermyn-voorspellings van die SMA model is 'n horisontale reguit lyn, net soos in die ewekansige loop model. So, die SMA model veronderstel dat daar geen neiging in die data. Maar, terwyl die voorspellings van die ewekansige loop model is eenvoudig gelyk aan die laaste waargenome waarde, die voorspellings van die SMA model is gelykstaande aan 'n geweegde gemiddelde van die afgelope waardes. Die vertroue perke bereken deur Stat Graphics vir die langtermyn-voorspellings van die eenvoudige bewegende gemiddelde nie groter as die vooruitskatting horison styg kry. Dit is natuurlik nie korrek Ongelukkig is daar geen onderliggende statistiese teorie wat ons vertel hoe die vertrouensintervalle behoort te brei vir hierdie model. Dit is egter nie te moeilik om empiriese ramings van die vertroue perke vir die langer-horison voorspellings te bereken. Byvoorbeeld, kan jy die opstel van 'n sigblad waarop die SMA model sal gebruik word om 2 stappe vooruit, 3 stappe vooruit, ens binne die historiese data monster voorspel. Jy kan dan bereken die monster standaardafwykings van die foute op elke voorspelling horison, en dan bou vertrouensintervalle vir langer termyn voorspellings deur optelling en aftrekking veelvoude van die toepaslike standaard afwyking. As ons probeer om 'n 9-termyn eenvoudige bewegende gemiddelde, kry ons selfs gladder voorspellings en meer van 'n sloerende uitwerking: Die gemiddelde ouderdom is nou 5 periodes ((91) / 2). As ons 'n 19-termyn bewegende gemiddelde te neem, die gemiddelde ouderdom toeneem tot 10: Let daarop dat, inderdaad, is die voorspellings nou agter draaipunte met sowat 10 periodes. Watter bedrag van smoothing is die beste vir hierdie reeks Hier is 'n tabel wat hulle dwaling statistieke vergelyk, ook met 'n 3-gemiddelde: Model C, die 5-termyn bewegende gemiddelde, lewer die laagste waarde van RMSE deur 'n klein marge oor die 3 - term en 9 termyn gemiddeldes, en hul ander statistieke is byna identies. So, onder modelle met 'n baie soortgelyke fout statistieke, kan ons kies of ons 'n bietjie meer responsiewe ingesteldheid of 'n bietjie meer gladheid in die voorspellings sou verkies. (Terug na bo.) Browns Eenvoudige Eksponensiële Smoothing (eksponensieel geweeg bewegende gemiddelde) Die eenvoudige bewegende gemiddelde model hierbo beskryf het die ongewenste eienskap dat dit behandel die laaste k Waarnemings ewe en heeltemal ignoreer al voorafgaande waarnemings. Intuïtief, moet afgelope data verdiskonteer in 'n meer geleidelike mode - byvoorbeeld, die mees onlangse waarneming moet 'n bietjie meer gewig kry as 2 mees onlangse, en die 2de mees onlangse moet 'n bietjie meer gewig as die 3 mees onlangse kry, en so aan. Die eenvoudige eksponensiële gladstryking (SES) model accomplishes hierdie. Laat 945 dui n quotsmoothing constantquot ( 'n getal tussen 0 en 1). Een manier om die model te skryf is om 'n reeks L dat die huidige vlak (dit wil sê die plaaslike gemiddelde waarde) van die reeks verteenwoordig as geraamde van data tot op hede te definieer. Die waarde van L op tydstip t is rekursief bereken uit sy eie vorige waarde soos volg: Dus, die huidige stryk waarde is 'n interpolasie tussen die vorige stryk waarde en die huidige waarneming, waar 945 kontroles die nabyheid van die geïnterpoleerde waarde tot die mees onlangse waarneming. Die voorspelling vir die volgende tydperk is eenvoudig die huidige stryk waarde: anders gestel ons kan die volgende voorspelling direk in terme van vorige voorspellings en vorige waarnemings uit te druk, in enige van die volgende ekwivalent weergawes. In die eerste weergawe, die voorspelling is 'n interpolasie tussen vorige skatting en vorige waarneming: In die tweede weergawe, is die volgende voorspelling verkry deur die aanpassing van die vorige skatting in die rigting van die vorige fout deur 'n breukdeel bedrag 945. is die fout gemaak by tyd t. In die derde weergawe, die voorspelling is 'n eksponensieel geweeg (dit wil sê afslag) bewegende gemiddelde met afslag faktor 1- 945: Die interpolasie weergawe van die voorspelling formule is die eenvoudigste om te gebruik as jy die uitvoering van die model op 'n spreadsheet: dit pas in 'n enkele sel en bevat selverwysings verwys na die vorige skatting, die vorige waarneming, en die sel waar die waarde van 945 gestoor. Let daarop dat indien 945 1, die SES model is gelykstaande aan 'n ewekansige loop model (sonder groei). As 945 0, die SES model is gelykstaande aan die gemiddelde model, met die veronderstelling dat die eerste stryk waarde gelyk aan die gemiddelde is ingestel. (Terug na bo.) Die gemiddelde ouderdom van die data in die eenvoudige eksponensiële-glad voorspelling is 1/945 relatief tot die tydperk waarvoor die voorspelling is bereken. (Dit is nie veronderstel duidelik te wees, maar dit kan maklik aangetoon deur die evaluering van 'n oneindige reeks.) Dus, die eenvoudige bewegende gemiddelde voorspelling is geneig om agter draaipunte met sowat 1/945 periodes. Byvoorbeeld, wanneer 945 0.5 die lag is 2 periodes wanneer 945 0.2 die lag is 5 periodes wanneer 945 0.1 die lag is 10 periodes, en so aan. Vir 'n gegewe gemiddelde ouderdom (bv bedrag van lag), die eenvoudige eksponensiële gladstryking (SES) voorspelling is 'n bietjie beter as die eenvoudige bewegende gemiddelde (SMA) voorspel, want dit plaas relatief meer gewig op die mees onlangse waarneming --i. e. dit is 'n bietjie meer quotresponsivequot om veranderinge voorkom in die onlangse verlede. Byvoorbeeld, 'n SMA model met 9 terme en 'n SES model met 945 0.2 beide het 'n gemiddelde ouderdom van 5 vir die data in hul voorspellings, maar die SES model plaas meer gewig op die laaste 3 waardes as wel die SMA model en by die Terselfdertyd is dit doesn8217t heeltemal 8220forget8221 oor waardes meer as 9 tydperke oud was, soos getoon in hierdie grafiek: nog 'n belangrike voordeel van die SES model die SMA model is dat die SES model maak gebruik van 'smoothing parameter wat voortdurend veranderlike, so dit kan maklik new deur die gebruik van 'n quotsolverquot algoritme om die gemiddelde minimum te beperk kwadraat fout. Die optimale waarde van 945 in die SES model vir hierdie reeks blyk te wees 0,2961, soos hier gewys word: die gemiddelde ouderdom van die data in hierdie voorspelling is 1 / 0,2961 3.4 tydperke, wat soortgelyk is aan dié van 'n 6-termyn eenvoudige bewegende gemiddelde. Die langtermyn-voorspellings van die SES model is 'n horisontale reguit lyn. soos in die SMA model en die ewekansige loop model sonder groei. Let egter daarop dat die vertrouensintervalle bereken deur Stat Graphics nou divergeer in 'n redelike aantreklike mode, en dat hulle aansienlik nouer as die vertrouensintervalle vir die ewekansige loop model. Die SES model veronderstel dat die reeks is 'n bietjie quotmore predictablequot as wel die ewekansige loop model. 'N SES model is eintlik 'n spesiale geval van 'n ARIMA model. sodat die statistiese teorie van ARIMA modelle bied 'n goeie basis vir die berekening van vertrouensintervalle vir die SES model. In die besonder, 'n SES model is 'n ARIMA model met een nonseasonal verskil, 'n MA (1) termyn, en geen konstante term. andersins bekend as 'n quotARIMA (0,1,1) model sonder constantquot. Die MA (1) koëffisiënt in die ARIMA model stem ooreen met die hoeveelheid 1- 945 in die SES model. Byvoorbeeld, as jy 'n ARIMA (0,1,1) model inpas sonder konstante om die reeks te ontleed hier, die beraamde MA (1) koëffisiënt blyk te wees 0,7029, wat byna presies 'n minus 0,2961. Dit is moontlik om die aanname van 'n nie-nul konstante lineêre tendens voeg by 'n SES model. Om dit te doen, net 'n ARIMA model met een nonseasonal verskil en 'n MA (1) termyn met 'n konstante, dit wil sê 'n ARIMA (0,1,1) model met 'n konstante spesifiseer. Die langtermyn-voorspellings sal dan 'n tendens wat gelyk is aan die gemiddelde tendens waargeneem oor die hele skatting tydperk is. Jy kan dit nie doen in samewerking met seisoenale aanpassing, omdat die aanpassing opsies seisoenale is afgeskakel wanneer die model tipe is ingestel op ARIMA. Jy kan egter 'n konstante langtermyn eksponensiële tendens om 'n eenvoudige eksponensiële gladstryking model voeg (met of sonder seisoenale aanpassing) deur gebruik te maak van die opsie inflasie-aanpassing in die vooruitskatting prosedure. Die toepaslike quotinflationquot (persentasie groei) koers per periode kan geskat word as die helling koëffisiënt in 'n lineêre tendens model toegerus om die data in samewerking met 'n natuurlike logaritme transformasie, of dit kan op grond van ander, onafhanklike inligting oor die langtermyn groeivooruitsigte . (Terug na bo.) Browns Lineêre (dws dubbel) Eksponensiële glad die SMA modelle en SES modelle aanvaar dat daar geen tendens van enige aard in die data (wat gewoonlik OK of ten minste nie-te-sleg vir 1- stap-ahead voorspellings wanneer die data is relatief raserig), en hulle kan verander word om 'n konstante lineêre tendens inkorporeer soos hierbo getoon. Wat van kort termyn tendense As 'n reeks vertoon 'n wisselende koers van groei of 'n sikliese patroon wat uitstaan ​​duidelik teen die geraas, en as daar 'n behoefte aan meer as 1 tydperk wat voorlê voorspel, dan skatting van 'n plaaslike tendens kan ook wees n probleem. Die eenvoudige eksponensiële gladstryking model veralgemeen kan word na 'n lineêre eksponensiële gladstryking (LES) model wat plaaslike begrotings van beide vlak en tendens bere te kry. Die eenvoudigste-time wisselende tendens model is Browns lineêr eksponensiële gladstryking model, wat twee verskillende reëlmatige reeks wat op verskillende punte gesentreer in die tyd gebruik. Die vooruitskatting formule is gebaseer op 'n ekstrapolasie van 'n streep deur die twee sentrums. ( 'N meer gesofistikeerde weergawe van hierdie model, Holt8217s, word hieronder bespreek.) Die algebraïese vorm van Brown8217s lineêr eksponensiële gladstryking model, soos dié van die eenvoudige eksponensiële gladstryking model, uitgedruk kan word in 'n aantal verskillende maar ekwivalente vorms. Die quotstandardquot vorm van hierdie model word gewoonlik uitgedruk as volg: Laat S dui die enkel-stryk reeks verkry deur die toepassing van eenvoudige eksponensiële gladstryking om reeks Y. Dit is, is die waarde van S op tydperk t gegee word deur: (Onthou dat, onder eenvoudige eksponensiële gladstryking, dit sou die voorspelling vir Y by tydperk T1 wees) Dan Squot dui die dubbel-stryk reeks verkry deur die toepassing van eenvoudige eksponensiële gladstryking (met behulp van dieselfde 945) tot reeks S:. ten slotte, die voorspelling vir Y tk. vir enige kgt1, word gegee deur: Dit lewer e 1 0 (dit wil sê kul n bietjie, en laat die eerste skatting gelyk wees aan die werklike eerste waarneming), en e 2 Y 2 8211 Y 1. waarna voorspellings gegenereer met behulp van die vergelyking hierbo. Dit gee dieselfde toegerus waardes as die formule gebaseer op S en S indien laasgenoemde is begin met behulp van S 1 S 1 Y 1. Hierdie weergawe van die model gebruik word op die volgende bladsy wat 'n kombinasie van eksponensiële gladstryking met seisoenale aanpassing illustreer. Holt8217s Lineêre Eksponensiële Smoothing Brown8217s LES model bere plaaslike begrotings van vlak en tendens deur glad die onlangse data, maar die feit dat dit nie so met 'n enkele glad parameter plaas 'n beperking op die data patrone wat dit in staat is om aan te pas: die vlak en tendens word nie toegelaat om wissel op onafhanklike tariewe. Holt8217s LES model spreek hierdie kwessie deur die insluiting van twee glad konstantes, een vir die vlak en een vir die tendens. Te eniger tyd t, soos in Brown8217s model, die daar is 'n skatting L t van die plaaslike vlak en 'n skatting T t van die plaaslike tendens. Hier is hulle rekursief bereken vanaf die waarde van Y op tydstip t en die vorige raming van die vlak en tendens waargeneem deur twee vergelykings wat eksponensiële gladstryking afsonderlik van toepassing op hulle. As die geskatte vlak en tendens op tydstip t-1 is L t82091 en T t-1. onderskeidelik, dan is die voorspelling vir Y tshy wat op tydstip t-1 sal gemaak is gelyk aan L t-1 T T-1. Wanneer die werklike waarde is waargeneem, is die opgedateer skatting van die vlak rekursief bereken deur interpol tussen Y tshy en sy voorspelling, L t-1 T T-1, die gebruik van gewigte van 945 en 1- 945. Die verandering in die geskatte vlak, naamlik L t 8209 L t82091. geïnterpreteer kan word as 'n lawaaierige meting van die tendens op tydstip t. Die opgedateer skatting van die tendens is dan rekursief bereken deur interpol tussen L t 8209 L t82091 en die vorige skatting van die tendens, T t-1. die gebruik van gewigte van 946 en 1-946: Die interpretasie van die tendens-glad konstante 946 is soortgelyk aan dié van die vlak glad konstante 945. Models met klein waardes van 946 aanvaar dat die tendens verander net baie stadig met verloop van tyd, terwyl modelle met groter 946 aanvaar dat dit vinniger is om te verander. 'N Model met 'n groot 946 is van mening dat die verre toekoms is baie onseker, omdat foute in die tendens-skatting word baie belangrik wanneer voorspel meer as een tydperk wat voorlê. (Terug na bo.) Die smoothing konstantes 945 en 946 kan in die gewone manier word beraam deur die vermindering van die gemiddelde kwadraat fout van die 1-stap-ahead voorspellings. Wanneer dit in Stat Graphics gedoen, die skattings uitdraai om te wees 945 0.3048 en 946 0,008. Die baie klein waarde van 946 beteken dat die model veronderstel baie min verandering in die tendens van een tydperk na die volgende, so basies hierdie model is besig om 'n langtermyn-tendens skat. Volgens analogie met die idee van die gemiddelde ouderdom van die data wat gebruik word in die skatte van die plaaslike vlak van die reeks, die gemiddelde ouderdom van die data wat gebruik word in die skatte van die plaaslike tendens is eweredig aan 1/946, hoewel nie presies gelyk aan Dit. In hierdie geval is dit blyk 1 / 0,006 125. Dit isn8217t n baie presiese aantal sover die akkuraatheid van die skatting van 946 isn8217t regtig 3 desimale plekke te wees, maar dit is van dieselfde algemene orde van grootte as die steekproefgrootte van 100 , so hierdie model is gemiddeld oor 'n hele klomp van die geskiedenis in die skatte van die tendens. Die voorspelling plot hieronder toon dat die LES model skat 'n effens groter plaaslike tendens aan die einde van die reeks as die konstante tendens geskat in die SEStrend model. Ook waarvan die beraamde waarde van 945 is byna identies aan die een wat deur die pas van die SES model met of sonder tendens, so dit is amper dieselfde model. Nou, doen hierdie lyk redelike voorspellings vir 'n model wat veronderstel is om te beraming 'n plaaslike tendens As jy hierdie plot 8220eyeball8221, dit lyk asof die plaaslike tendens afwaarts gedraai aan die einde van die reeks: Wat het die parameters van hierdie model gebeur is beraam deur die vermindering van die kwadraat fout van 1-stap-ahead voorspellings, nie langer termyn voorspellings, in welke geval die tendens 'n groot verskil doesn8217t maak. As alles wat jy is op soek na is 1-stap-ahead foute, is jy nie sien die groter prentjie van tendense oor (sê) 10 of 20 periodes. Ten einde hierdie model meer in harmonie te kry met ons oogbal ekstrapolasie van die data, kan ons met die hand die tendens-glad konstante pas sodat dit 'n korter basislyn vir tendens skatting. Byvoorbeeld, as ons kies om te stel 946 0.1, dan is die gemiddelde ouderdom van die gebruik in die skatte van die plaaslike tendens data is 10 periodes, wat beteken dat ons die gemiddeld van die tendens oor daardie laaste 20 periodes of so. Here8217s wat die voorspelling plot lyk asof ons '946 0.1 terwyl 945 0.3. Dit lyk intuïtief redelike vir hierdie reeks, maar dit is waarskynlik gevaarlik om hierdie tendens te ekstrapoleer nie meer as 10 periodes in die toekoms. Wat van die fout statistieke Hier is 'n model vergelyking vir die twee modelle hierbo asook drie SES modelle getoon. Die optimale waarde van 945.Vir die SES model is ongeveer 0,3, maar soortgelyke resultate (met 'n bietjie meer of minder 'n responsiewe ingesteldheid, onderskeidelik) verkry met 0,5 en 0,2. (A) Holts lineêre exp. glad met alfa 0,3048 en beta 0,008 (B) Holts lineêre exp. glad met alfa 0,3 en beta 0,1 (C) Eenvoudige eksponensiële gladstryking met alfa 0,5 (D) Eenvoudige eksponensiële gladstryking met alfa 0,3 (E) Eenvoudige eksponensiële gladstryking met alfa 0,2 hul statistieke is byna identies, so ons can8217t regtig die keuse te maak op die basis van 1-stap-ahead voorspelling foute binne die data monster. Ons het om terug te val op ander oorwegings. As ons glo dat dit sinvol om die huidige tendens skatting van wat die afgelope 20 periodes of so gebeur baseer, kan ons 'n saak vir die LES model met 945 0.3 en 946 0.1 maak. As ons wil hê agnostikus te wees oor die vraag of daar 'n plaaslike tendens, dan een van die SES modelle makliker om te verduidelik kan wees en sou ook vir meer middel-of-the-road voorspellings vir die volgende 5 of 10 periodes. (Terug na bo.) Watter tipe tendens-ekstrapolasie die beste: horisontale of lineêre empiriese bewyse dui daarop dat, indien die data is reeds aangepas (indien nodig) vir inflasie, dan is dit dalk onverstandig om kort termyn lineêre ekstrapoleer wees tendense baie ver in die toekoms. Tendense duidelik vandag mag verslap in die toekoms as gevolg van uiteenlopende oorsake soos produk veroudering, toenemende mededinging en sikliese afswaai of opwaartse fases in 'n bedryf. Om hierdie rede, eenvoudige eksponensiële gladstryking voer dikwels beter out-of-monster as wat dit andersins word verwag, ten spyte van sy quotnaivequot horisontale tendens ekstrapolasie. Gedempte tendens veranderinge van die lineêre eksponensiële gladstryking model word ook dikwels gebruik in die praktyk om 'n aantekening van konserwatisme in te voer in die tendens projeksies. Die gedempte-tendens LES model geïmplementeer kan word as 'n spesiale geval van 'n ARIMA model, in die besonder, 'n ARIMA (1,1,2) model. Dit is moontlik om vertrouensintervalle rondom langtermyn voorspellings wat deur eksponensiële gladstryking modelle bereken deur die oorweging van hulle as spesiale gevalle van ARIMA modelle. (Pasop: nie alle sagteware bereken vertrouensintervalle vir hierdie modelle korrek.) Die breedte van die vertrouensintervalle hang af van (i) die RMS fout van die model, (ii) die tipe glad (eenvoudige of lineêr) (iii) die waarde (s) van die smoothing konstante (s) en (iv) die aantal periodes voor jy voorspel. In die algemeen, die tussenposes versprei vinniger as 945 kry groter in die SES model en hulle uitgebrei, sodat baie vinniger as lineêre, eerder as eenvoudige smoothing gebruik. Hierdie onderwerp word verder in die ARIMA modelle deel van die notas bespreek. (Terug na bo.)