Ruchoma średnia sezonowość

Przenoszenie średnich kopert Przesuwanie średnich kopert Wstęp Przesuwanie średnich kopert to koperty procentowe ustawione powyżej i poniżej średniej ruchomej. Średnia krocząca, która stanowi podstawę dla tego wskaźnika, może być prostą lub wykładniczą średnią kroczącą. Każda koperta jest następnie ustawiana o taki sam procent powyżej lub poniżej średniej ruchomej. Tworzy to równoległe pasma, które śledzą akcję cenową. Jako średnią ruchomą jako podstawę, jako wskaźnik trendu można użyć ruchomych średnich kopert. Ten wskaźnik nie jest jednak ograniczony do następującego trendu. Koperty mogą również służyć do określania poziomu wykupienia i wyprzedania, gdy trend jest względnie płaski. Obliczanie obliczeń dla średnich ruchomych kopert jest proste. Najpierw wybierz prostą średnią ruchomą lub wykładniczą średnią kroczącą. Proste średnie ruchome w równym stopniu obciążają każdy punkt danych (cenę). Wykładnicze średnie ruchome mają większy wpływ na ostatnie ceny i mają mniejsze opóźnienie. Po drugie, wybierz liczbę okresów dla średniej ruchomej. Po trzecie ustaw procent kopert. 20-dniowa średnia krocząca z kopertą 2,5 zawierałaby następujące dwie linie: Powyższy wykres przedstawia IBM z 20-dniowym SMA i 2,5 koperty. Zauważ, że 20-dniowa SMA została dodana do tego SharpChart jako odniesienie. Zauważ, jak koperty poruszają się równolegle z 20-dniowym SMA. Pozostają one na stałym poziomie 2,5 powyżej i poniżej średniej ruchomej. Wskaźniki interpretacji oparte na kanałach, pasmach i kopertach mają na celu objęcie większości działań cenowych. Dlatego ruchy powyżej lub poniżej kopert zasługują na uwagę. Trendy często zaczynają się od silnych ruchów w tym czy innym kierunku. Skok powyżej górnej koperty pokazuje niezwykłą siłę, podczas gdy zanurzenie poniżej dolnej koperty pokazuje nadzwyczajną słabość. Takie silne ruchy mogą sygnalizować koniec jednego trendu i początek kolejnego. Ze średnią ruchomą jako podstawą, średnie ruchome koperty są naturalnym wskaźnikiem następującego trendu. Podobnie jak w przypadku średnich kroczących, koperty będą opóźnione w stosunku do ceny. Kierunek średniej ruchomej określa kierunek kanału. Ogólnie rzecz biorąc, trend zniżkowy występuje, gdy kanał porusza się niżej, a trend wzrostowy występuje, gdy kanał porusza się wyżej. Trend jest płaski, gdy kanał porusza się na boki. Czasami silny trend nie może się utrzymać po przerwie na koperty, a ceny zmieniają się w zakres handlu. Takie zakresy transakcji są oznaczone względnie płaską średnią kroczącą. Koperty można następnie wykorzystać do określenia poziomów wykupienia i wyprzedaży w celach handlowych. Ruch powyżej górnej obwiedni oznacza sytuację wykupienia, natomiast ruch poniżej dolnej obwiedni oznacza stan wyprzedania. Parametry Parametry dla ruchomych średnich kopert zależą od twoich celów inwestycyjnych i cech bezpieczeństwa. Handlowcy będą prawdopodobnie używać krótszych (szybszych) średnich kroczących i stosunkowo wąskich kopert. Inwestorzy będą prawdopodobnie preferować dłuższe (wolniejsze) średnie kroczące z szerszymi kopertami. Zmienność security039s będzie miała również wpływ na parametry. Bollinger Bands i Keltner Channels mają wbudowane mechanizmy, które automatycznie dostosowują się do zmienności zabezpieczeń. Bollinger Bands używają standardowego odchylenia, aby ustawić szerokość pasma. Kanały Keltnera używają Średniego zakresu rzeczywistego (ATR), aby ustawić szerokość kanału. Te automatycznie dostosowują się do zmienności. Osoby planujące muszą samodzielnie uwzględniać zmienność podczas ustawiania ruchomych średnich kopert. Papiery wartościowe o dużej zmienności wymagają szerszych pasm, aby objąć większość akcji cenowych. Papiery wartościowe o niskiej lotności mogą używać węższych pasm. Przy wyborze właściwych parametrów często pomaga się nakładać kilka różnych ruchomych średnich kopert i porównywać. Powyższy wykres pokazuje ETAP SampP 500 z trzema ruchomymi przeciętnymi kopertami opartymi na 20-dniowym SMA. 2,5 koperty (czerwone) zostały dotknięte kilka razy, a 5 kopert (zielone) zostały tylko dotknięte podczas lipcowej fali. 10 kopert (różowych) nigdy nie zostało dotkniętych, co oznacza, że ​​ten zespół jest zbyt szeroki. Średnioterminowy przedsiębiorca może wykorzystać 5 kopert, podczas gdy krótkoterminowy przedsiębiorca może wykorzystać 2,5 koperty. Indeksy giełdowe i fundusze ETF wymagają ściślejszych kopert, ponieważ są zwykle mniej zmienne niż poszczególne akcje. Na wykresie Alcoa znajdują się te same średnie koperty ruchome, co wykres SPY. Należy jednak zauważyć, że Alcoa wielokrotnie naruszała 10 kopert, ponieważ jest bardziej niestabilna. Identyfikacja trendu Ruchome średnie koperty mogą być używane do identyfikacji silnych ruchów, które sygnalizują początek rozszerzonego trendu. Sztuczka, jak zawsze, polega na wybieraniu poprawnych parametrów. To wymaga praktyki, prób i błędów. Poniższy wykres przedstawia Dow Chemical (DOW) z ruchomymi przeciętnymi kopertami (20,10). Stosowane są ceny zamknięcia, ponieważ średnie ruchome są obliczane z cenami zamknięcia. Niektórzy wolą sztaby lub świeczniki, aby wykorzystać dzień i noc w dzień. Zwróć uwagę, jak DOW wzrósł powyżej górnej koperty w połowie lipca i kontynuował przesuwanie się powyżej tej koperty do początku sierpnia. To pokazuje niezwykłą siłę. Zwróć też uwagę, że średnie ruchome koperty pojawiły się i podążały za postępem. Po przejściu z 14 na 23, akcje były wyraźnie wykupione. Jednak ten ruch ustanowił silny precedens, który wyznaczył początek rozszerzonej tendencji. Ponieważ DOW wkrótce stracił przytomność po ustaleniu trendu wzrostowego, nadszedł czas, aby poczekać na wycofanie gry. Handlowcy mogą wyszukiwać pullbacks z podstawową analizą wykresu lub ze wskaźnikami. Wyciągi często występują w postaci spadających flag lub klinów. DOW utworzył w sierpniu obraz idealnie spadającą flagę i przełamał opór we wrześniu. Kolejna flaga powstała pod koniec października z przełomem w listopadzie. Po listopadowym wzroście akcje wycofały się z pięciotygodniową flagą do grudnia. Indeks kanału towarowego (CCI) jest wyświetlany w oknie wskaźnika. Ruchy poniżej -100 pokazują wyprzedane odczyty. Kiedy trend jest większy, odczyty wyprzedaży można wykorzystać do identyfikacji zwrotów w celu poprawy profilu ryzyka i zysku dla transakcji. Momentum znów zwyżkuje, gdy CCI wraca do pozytywnego terytorium (zielone linie przerywane). Logika odwrotna może być zastosowana do trendu spadkowego. Silny ruch poniżej dolnej otoczki sygnalizuje nadzwyczajną słabość, która może zapowiadać przedłużony trend zniżkowy. Poniższy wykres pokazuje, że International Game Tech (IGT) złamał poniżej 10 koperty, aby ustalić tendencję spadkową pod koniec października 2009 roku. Ponieważ zapasy te były dość wyprzedane po tym gwałtownym spadku, byłoby rozsądnie czekać na odbicie. Możemy następnie użyć podstawowej analizy cen lub innego wskaźnika momentu, aby zidentyfikować odbicia. Okno wskaźnika pokazuje Oscylator Stochastyczny używany do identyfikacji wyskakujących wyskoków. Ruch powyżej 80 uważany jest za wykupienie. Po przekroczeniu 80, karty mogą wyszukać sygnał mapy lub cofnąć się poniżej 80, aby zasygnalizować spadek (czerwone linie przerywane). Pierwszy sygnał został potwierdzony z przerwą na wsparcie. Drugi sygnał zaowocował biczem (stratą), ponieważ stado przesunęło się powyżej 20 kilka tygodni później. Trzeci sygnał został potwierdzony z przerwą linii trendu, która spowodowała dość gwałtowny spadek. Podobny do oscylatora cen Zanim przejdziemy do poziomu wykupienia i wyprzedania, warto zauważyć, że średnie ruchome koperty są podobne do oscylatora cen procentowych (PPO). Ruchome średnie koperty informują nas, kiedy papier wartościowy handluje określoną wartością procentową powyżej określonej średniej kroczącej. PPO pokazuje procentową różnicę między krótką wykładniczą średnią kroczącą a dłuższą wykładniczą średnią kroczącą. PPO (1,20) pokazuje różnicę procentową między jednokresową EMA a 20-okresową EMA. Jednodniowy EMA jest równy bliskiemu. 20-okresowe wykładnicze ruchome średnie koperty odzwierciedlają te same informacje. Powyższy wykres przedstawia ETF Russell 2000 (IWM) z PPO (1,20) i 2,5 Exponential Moving Average Envelopes. Linie poziome zostały ustawione na PPO na 2,5 i -2,5. Zauważ, że ceny przekraczają 2,5, gdy PPO przesuwa się powyżej 2,5 (żółte cieniowanie), a ceny spadają poniżej 2,5, gdy PPO przesuwa się poniżej -2,5 (pomarańczowe cieniowanie). PPO jest oscylatorem pędu, który może być użyty do identyfikacji poziomów wykupienia i wyprzedania. Dzięki temu ruchome średnie koperty mogą być również wykorzystywane do identyfikacji poziomów wykupienia i wyprzedania. PPO używa wykładniczej średniej kroczącej, więc należy ją porównać do ruchomych średnich kopert za pomocą EMA, a nie SMA. OverboughtOversold Pomiar warunków wykupienia i wyprzedania jest trudny. Papiery wartościowe mogą zostać wykupione i pozostają wykupione w silnym trendzie wzrostowym. Podobnie, papiery wartościowe mogą zostać wyprzedane i pozostają wyprzedane w silnym trendzie spadkowym. W silnym trendzie wzrostowym ceny często przesuwają się powyżej górnej koperty i kontynuują powyżej tej linii. W rzeczywistości górna koperta wzrośnie w miarę, jak cena będzie kontynuowana powyżej górnej koperty. To może wydawać się technicznie wykupione, ale jest oznaką siły, aby pozostać wykupienia. Odwrotność jest prawdą w przypadku wyprzedania. Wykupione i wyprzedane odczyty najlepiej stosować, gdy tendencja się zmniejsza. Wykres dla Nokia ma wszystko. Różowe linie przedstawiają ruchome średnie koperty (50,10). Prosta średnia ruchoma na 50 dni znajduje się pośrodku (czerwona). Koperty są ustawione powyżej 10 i powyżej tej średniej ruchomej. Wykres zaczyna się od poziomu wykupienia, który pozostał wykupiony, ponieważ silny trend pojawił się w kwietniu-maju. Akcje cenowe zaczęły się wahać od czerwca do kwietnia, co jest idealnym scenariuszem dla wykupionych i wyprzedanych poziomów. Wykupienie poziomu we wrześniu i połowie marca zapowiadało odwrócenie. Podobnie wyprzedane poziomy w sierpniu i pod koniec października zapowiadały pewne postępy. Wykres kończy się stanem wyprzedaży, który pozostaje zawyżony, gdy pojawia się silny trend spadkowy. Warunki wykupienia i wyprzedania powinny służyć jako ostrzeżenia do dalszej analizy. Wykupione poziomy należy potwierdzić oporem wykresu. Chartiści mogą również szukać słabych wzorów, aby wzmocnić potencjał odwrócenia na poziomie wykupienia. Podobnie, poziomy wyprzedaży należy potwierdzić za pomocą wykresów. Chartist może również szukać zwyżkowych wzorców, aby wzmocnić potencjał odwrócenia na poziomach wyprzedania. Wnioski Średnie koperty w ruchu są najczęściej używane jako wskaźnik trendu, ale mogą również służyć do określenia warunków wykupienia i wyprzedania. Po okresie konsolidacji silna przerwa na koperty może sygnalizować początek rozszerzonego trendu. Po zidentyfikowaniu trendu wzrostowego, osoby odpowiedzialne za wykresy mogą zwrócić się do wskaźników momentum i innych technik, aby zidentyfikować czytelników wyprzedających i wycofać się z tego trendu. Warunki wykupienia i odbicia mogą być wykorzystane jako okazje do sprzedaży w ramach większego spadku. W przypadku braku silnego trendu, średnie ruchome koperty mogą być używane podobnie jak oscylator ceny procentowej. Przesunięcia powyżej górnego sygnału koperty wyrównały odczyty, podczas gdy ruchy poniżej dolnego sygnału obwiedni spowodowały nadpisanie odczytów. Ważne jest również uwzględnienie innych aspektów analizy technicznej w celu potwierdzenia wykupienia i wyprzedaży. Odporność i słabe wzorce odwrócenia można wykorzystać do potwierdzenia odczytów wykupionych. Wsparcie i zwyżkowe wzorce odwrotne mogą być stosowane do potwierdzania warunków wyprzedania. SharpCharts Przenoszenie średnich kopert można znaleźć w SharpCharts jako nakładkę ceny. Podobnie jak w przypadku średniej ruchomej, koperty powinny być wyświetlane na szczycie wykresu cenowego. Po wybraniu wskaźnika z rozwijanego menu, domyślne ustawienie pojawi się w oknie parametrów (20,2.5). Koperty MA są oparte na prostej średniej kroczącej. Koperty EMA są oparte na wykładniczej średniej kroczącej. Pierwsza liczba (20) określa okresy dla średniej ruchomej. Druga liczba (2.5) ustawia procentowe przesunięcie. Użytkownicy mogą zmieniać parametry w celu dostosowania ich do potrzeb wykresów. Odpowiednią średnią ruchomą można dodać jako osobną nakładkę. Kliknij tutaj, aby zobaczyć przykład na żywo. Przelew po przekroczeniu górnej koperty: ten skan wyszukuje akcje, które dwadzieścia dni temu przekroczyły górną wykładniczą średnią ruchomą kopertę (50,10), aby potwierdzić lub ustalić trend wzrostowy. Obecny 10-okresowy CCI jest poniżej -100, aby wskazać krótkoterminowy stan wyprzedaży. Wykupienie po Przerwa poniżej dolnej koperty: Ten skan wyszukuje zasoby, które dwadzieścia dni temu złamały się poniżej ich dolnej wykładniczej średniej ruchomej (50,10), aby potwierdzić lub ustalić trend spadkowy. Obecny 10-okresowy CCI wynosi powyżej 100, aby wskazać krótkoterminowy stan wykupienia. Dalsze badanie trendów w handlu dla średnich wartości Thomasa Carr'a - proste i wykładnicze średnie kroczące - proste i wykładnicze wprowadzenie Średnie ruchome wygładzają dane o cenach, tworząc trend następujący po wskaźniku. Nie przewidują one kierunku cen, ale raczej określają bieżący kierunek z opóźnieniem. Średnie opóźnienie ruchu, ponieważ są one oparte na cenach z przeszłości. Pomimo tego opóźnienia, średnie ruchy pomagają w płynnej akcji cenowej i odfiltrowują hałas. Stanowią one również elementy składowe wielu innych wskaźników technicznych i nakładek, takich jak Bollinger Bands. MACD i oscylator McClellana. Dwa najbardziej popularne typy średnich kroczących to średnia ruchoma (SMA) i wykładnicza średnia ruchoma (EMA). Te średnie ruchome można wykorzystać do określenia kierunku trendu lub określenia potencjalnych poziomów wsparcia i oporu. Tutaj znajduje się wykres zawierający zarówno SMA, jak i EMA: Prosta średnia ruchoma Prosta średnia ruchoma powstaje przez obliczenie średniej ceny papieru wartościowego na określoną liczbę okresów. Większość średnich kroczących opiera się na cenach zamknięcia. 5-dniowa prosta średnia krocząca to pięciodniowa suma cen zamknięcia podzielona przez pięć. Jak sama nazwa wskazuje, średnia ruchoma jest średnią, która się porusza. Stare dane są usuwane, gdy dostępne są nowe dane. Powoduje to, że średnia przemieszcza się wzdłuż skali czasu. Poniżej znajduje się przykład pięciodniowej średniej ruchomej ewoluującej w ciągu trzech dni. Pierwszy dzień średniej ruchomej obejmuje jedynie ostatnie pięć dni. Drugi dzień średniej ruchomej obniża pierwszy punkt danych (11) i dodaje nowy punkt danych (16). Trzeci dzień średniej ruchomej kontynuowany jest przez zrzucenie pierwszego punktu danych (12) i dodanie nowego punktu danych (17). W powyższym przykładzie ceny stopniowo rosną od 11 do 17 w sumie przez siedem dni. Zauważ, że średnia ruchoma również wzrasta z 13 do 15 w trzydniowym okresie obliczeniowym. Zauważ również, że każda średnia krocząca jest tuż poniżej ostatniej ceny. Na przykład średnia krocząca z pierwszego dnia wynosi 13, a ostatnia cena to 15. Ceny poprzednich czterech dni były niższe, a to spowodowało opóźnienie średniej ruchomej. Wykładnicza średnia ruchoma Wykładnicza średnia ruchoma zmniejsza opóźnienie, stosując większą wagę do ostatnich cen. Współczynnik zastosowany do najnowszej ceny zależy od liczby okresów w średniej ruchomej. Istnieją trzy kroki do obliczenia wykładniczej średniej kroczącej. Najpierw oblicz prostą średnią ruchomą. Wykładnicza średnia ruchoma (EMA) musi się gdzieś zacząć, aby w pierwszej kalkulacji użyć prostej średniej kroczącej jako EMA z poprzedniego okresu. Po drugie, oblicz mnożnik wagi. Po trzecie, oblicz wykładniczą średnią ruchomą. Poniższy wzór dotyczy 10-dniowego EMA. 10-okresowa wykładnicza średnia krocząca stosuje 18,13 wagi do najnowszej ceny. 10-okresowa EMA może być również nazywana 18,18 EMA. 20-okresowa EMA stosuje wagę 9,52 do ostatniej ceny (2 (201) 0,0952). Zwróć uwagę, że ważenie w krótszym okresie jest większe niż ważenie w dłuższym okresie czasu. W rzeczywistości waga zmniejsza się o połowę za każdym razem, gdy podwaja się średni okres kroczący. Jeśli chcesz nam konkretną wartość procentową dla EMA, możesz użyć tej formuły, aby przekonwertować ją na przedziały czasowe, a następnie wprowadzić tę wartość jako parametr EMA039: Poniżej znajduje się przykład 10-dniowej prostej średniej kroczącej z 10-dniowego arkusza kalkulacyjnego dzienna wykładnicza średnia krocząca dla Intela. Proste średnie ruchome są proste i nie wymagają wielu wyjaśnień. Średnia z 10 dni po prostu przesuwa się, gdy pojawiają się nowe ceny i spadają stare ceny. Wykładnicza średnia ruchowa rozpoczyna się od prostej wartości średniej ruchomej (22.22) w pierwszym obliczeniu. Po pierwszych obliczeniach przejmuje normalna formuła. Ponieważ EMA zaczyna się od prostej średniej kroczącej, jej prawdziwa wartość nie zostanie zrealizowana przed upływem 20 lub więcej okresów. Innymi słowy, wartość arkusza kalkulacyjnego Excela może różnić się od wartości wykresu z powodu krótkiego okresu obserwacji. Ten arkusz kalkulacyjny cofa się tylko o 30 okresów, co oznacza, że ​​wpływ prostej średniej kroczącej miał 20 okresów do rozproszenia. StockCharts ma co najmniej 250-okresów (zwykle znacznie więcej) do swoich obliczeń, więc skutki prostej średniej ruchomej w pierwszym obliczeniu zostały w pełni rozproszone. Czynnik opóźnienia Im dłużej średnia ruchoma, tym więcej opóźnienia. 10-dniowa wykładnicza średnia krocząca będzie dość uważnie wiązać się z cenami i wkrótce nastąpi po zmianie cen. Krótkie średnie ruchome są jak łodzie motorowe - zwinne i szybkie do zmiany. Natomiast 100-dniowa średnia ruchoma zawiera wiele przeszłych danych, które spowalniają ją. Dłuższe średnie ruchome są jak cysterny oceaniczne - letargiczne i wolno się zmieniają. Aby zmienić kurs, trwająca 100 dni średnia ruchoma wymaga większego i dłuższego ruchu cenowego. Powyższy wykres przedstawia ETF SampP 500 z 10-dniową autoryzacją EMA podążającą za cenami i 100-dniowym szlifowaniem SMA. Nawet przy spadku z stycznia do lutego, 100-dniowa SMA odbyła kurs i nie została odrzucona. 50-dniowa SMA mieści się pomiędzy 10 a 100-dniową średnią kroczącą, jeśli chodzi o współczynnik opóźnienia. Proste i wykładnicze średnie ruchome Mimo że istnieją wyraźne różnice pomiędzy prostymi średnimi ruchomymi a wykładniczymi wartościami ruchomymi, jedno nie musi być lepsze od drugiego. Wykładnicze średnie kroczące mają mniejsze opóźnienie i dlatego są bardziej wrażliwe na ostatnie ceny - i ostatnie zmiany cen. Wykładnicze średnie ruchome obrócą się przed prostymi średnimi ruchomymi. Zwykłe średnie ruchome reprezentują rzeczywistą średnią cen w całym okresie. W związku z tym proste średnie ruchome mogą lepiej nadawać się do określania poziomów wsparcia lub oporu. Średnia preferencja ruchu zależy od celów, stylu analitycznego i horyzontu czasowego. Aby znaleźć najlepsze dopasowanie, osoby prowadzące wykresy powinny eksperymentować z obydwoma typami średnich kroczących oraz różnymi ramami czasowymi. Poniższy wykres pokazuje IBM z 50-dniowym SMA na czerwono i 50-dniowym EMA na zielono. Oba osiągnęły szczyt pod koniec stycznia, ale spadek EMA był ostrzejszy niż spadek SMA. EMA pojawiła się w połowie lutego, ale SMA była kontynuowana do końca marca. Zauważ, że SMA pojawił się ponad miesiąc po EMA. Długości i ramy czasowe Długość średniej ruchomej zależy od celów analitycznych. Krótkie średnie ruchome (5-20 okresów) najlepiej nadają się do krótkoterminowych trendów i obrotu. Osoby zainteresowane trendami średniookresowymi zdecydowałyby się na dłuższe średnie ruchome, które mogłyby przedłużyć okresy o 20-60. Inwestorzy długoterminowi będą preferować średnie kroczące o 100 lub więcej okresach. Niektóre ruchome średnie długości są bardziej popularne niż inne. 200-dniowa średnia krocząca jest prawdopodobnie najbardziej popularna. Ze względu na jego długość jest to wyraźnie długoterminowa średnia ruchoma. Następnie 50-dniowa średnia krocząca jest dość popularna ze względu na średnioterminowy trend. Wiele osób używających statystyk ruchomych 50-dniowych i 200-dniowych. Krótkoterminowa, 10-dniowa średnia ruchoma była dość popularna w przeszłości, ponieważ łatwo ją obliczyć. Jeden po prostu dodał cyfry i przeniósł kropkę dziesiętną. Identyfikacja trendów Te same sygnały mogą być generowane za pomocą prostych lub wykładniczych średnich kroczących. Jak wspomniano powyżej, preferencje zależą od każdej osoby. Poniższe przykłady wykorzystują zarówno proste, jak i wykładnicze średnie kroczące. Termin średnia ruchoma dotyczy zarówno prostych, jak i wykładniczych średnich kroczących. Kierunek średniej ruchomej przekazuje ważne informacje o cenach. Rosnąca średnia ruchoma pokazuje, że ceny generalnie rosną. Spadek średniej ruchomej wskazuje, że średnie ceny spadają. Rosnąca długoterminowa średnia ruchoma odzwierciedla długoterminowy trend wzrostowy. Spadająca długoterminowa średnia ruchoma odzwierciedla długoterminowy trend zniżkowy. Powyższy wykres pokazuje 3M (MMM) z 150-dniową wykładniczą średnią kroczącą. Ten przykład pokazuje, jak dobrze przenoszą się średnie, gdy trend jest silny. 150-dniowa EMA została odrzucona w listopadzie 2007 r. I ponownie w styczniu 2008 r. Zwróć uwagę, że zmiana kierunku w kierunku tej średniej ruchomej zajęła 15 minut. Te opóźniające się wskaźniki identyfikują odwrócenie tendencji w momencie ich wystąpienia (w najlepszym przypadku) lub po ich wystąpieniu (w najgorszym). MMM kontynuował spadki do marca 2009 r., A następnie wzrósł o 40-50. Zauważ, że 150-dniowa EMA pojawiła się dopiero po tym wzroście. Jednak kiedy to nastąpiło, MMM kontynuował wzrost przez następne 12 miesięcy. Średnie kroczące doskonale sprawdzają się w silnych trendach. Podwójne zwrotnice Dwie ruchome wartości średnie mogą być używane razem do generowania sygnałów zwrotnych. W analizie technicznej rynków finansowych. John Murphy nazywa to metodą podwójnego crossovera. Podwójne zwrotnice obejmują jedną względnie krótką średnią ruchomą i jedną względnie długą średnią ruchomą. Podobnie jak w przypadku wszystkich średnich ruchomych, ogólna długość średniej ruchomej określa ramy czasowe systemu. System wykorzystujący 5-dniową EMA i 35-dniową EMA zostanie uznany za krótkoterminową. System wykorzystujący 50-dniową SMA i 200-dniową SMA byłby uważany za średnioterminowy, a może nawet długoterminowy. Uparty crossover występuje, gdy krótsza średnia krocząca przekracza dłuższą średnią ruchomą. Jest to również znane jako złoty krzyż. Niedźwiedzia zwrotnica występuje wtedy, gdy krótsza średnia ruchowa przekracza średnią ruchomą. Jest to tzw. Martwy krzyż. Średnie ruchy zwrotne wytwarzają stosunkowo późne sygnały. W końcu system wykorzystuje dwa opóźniające wskaźniki. Im dłuższe okresy średniej ruchomej, tym większe opóźnienie sygnałów. Sygnały te działają świetnie, gdy pojawia się dobry trend. Jednakże, ruchomy przeciętny system crossover będzie wytwarzał wiele whipsaws w przypadku braku silnego trendu. Istnieje również metoda potrójnego crossover, która obejmuje trzy średnie ruchome. Ponownie, sygnał jest generowany, gdy najkrótsza średnia ruchowa przekracza dwie dłuższe ruchome. Prosty potrójny system crossover może obejmować 5-dniowe, 10-dniowe i 20-dniowe średnie ruchome. Powyższy wykres pokazuje Home Depot (HD) z 10-dniową EMA (zielona linia przerywana) i 50-dniową EMA (czerwona linia). Czarna linia to codzienne zamknięcie. Korzystanie z ruchomej średniej crossover spowodowałoby trzy whippaws przed złapaniem dobrego handlu. 10-dniowa EMA zerwała poniżej 50-dniowej EMA pod koniec października (1), ale nie trwało to długo, ponieważ 10-dniowy ruch powrócił powyżej w połowie listopada (2). Ten krzyż trwał dłużej, ale następny niedoszły zwrot w styczniu (3) nastąpił pod koniec listopada, w wyniku czego nastąpiła kolejna bicz. Ten niedźwiedzi krzyż nie trwał długo, ponieważ 10-dniowa EMA wycofała się ponad 50 dni kilka dni później (4). Po trzech złych sygnałach, czwarty sygnał zapowiadał mocny ruch, gdy kurs przeszedł powyżej 20. Są tu dwa dania na wynos. Po pierwsze, crossovers są podatne na whipsaw. Filtr cenowy lub czasowy może być zastosowany w celu zapobiegania biczom. Handlowcy mogą wymagać przejścia na 3 dni przed podjęciem działań lub wymagają, aby 10-dniowa EMA przesunęła się ponad 50-dniową EMA o określoną kwotę przed podjęciem działań. Po drugie, MACD może służyć do identyfikacji i kwantyfikacji tych zwrotnic. MACD (10,50,1) pokaże linię przedstawiającą różnicę między dwiema wykładniczymi ruchomymi wartościami średnimi. MACD zmienia się w pozytywny podczas złotego krzyża i ujemny podczas martwego krzyża. Oscylator cen procentowych (PPO) może być używany w taki sam sposób, aby pokazać różnice procentowe. Zwróć uwagę, że MACD i PPO są oparte na wykładniczych średnich kroczących i nie są zgodne z prostymi średnimi ruchomymi. Ten wykres pokazuje Oracle (ORCL) z 50-dniową EMA, 200-dniową EMA i MACD (50 200,1). Były cztery średniej ruchomej crossover w ciągu 2 12 lat. Pierwsze trzy spowodowały baty lub złe transakcje. Trwały trend rozpoczął się od czwartego crossovera, gdy ORCL awansował do połowy lat 20-tych. Po raz kolejny, średnie ruchome crossovery działają świetnie, gdy trend jest silny, ale generują straty przy braku tendencji. Współbieżności cen Średnie ruchome mogą być również wykorzystywane do generowania sygnałów za pomocą prostych zwrotów cenowych. Pozytywny sygnał generowany jest, gdy ceny przekraczają średnią ruchomą. Niedźwiecki sygnał generowany jest, gdy ceny spadają poniżej średniej ruchomej. Rozgraniczenia cen można łączyć w celu handlu w ramach większego trendu. Dłuższa średnia ruchoma ustawia ton dla większego trendu, a krótsza średnia ruchowa jest używana do generowania sygnałów. Można spodziewać się byczych krzyżyk cenowych tylko wtedy, gdy ceny są już powyżej dłuższej średniej ruchomej. Byłoby to zgodne z większym trendem. Na przykład, jeśli cena jest powyżej średniej ruchomej wynoszącej 200 dni, kartownicy będą koncentrować się tylko na sygnałach, gdy cena wzrośnie powyżej 50-dniowej średniej kroczącej. Oczywiście, ruch poniżej 50-dniowej średniej ruchomej poprzedzałby taki sygnał, ale takie niedźwiedzie krzyże byłyby ignorowane, ponieważ większy trend jest wyższy. Niedźwiecki krzyż sugerowałby jedynie wycofanie się z większego trendu wzrostowego. Przesunięcie powyżej 50-dniowej średniej kroczącej oznaczałoby wzrost cen i kontynuację większego trendu wzrostowego. Następny wykres pokazuje Emerson Electric (EMR) z 50-dniową EMA i 200-dniową EMA. Akcje przesunęły się powyżej i utrzymywały ponad 200-dniową średnią ruchomą w sierpniu. Były spadki poniżej 50-dniowej EMA na początku listopada i ponownie na początku lutego. Ceny szybko wróciły powyżej 50-dniowej EMA, aby zapewnić sygnały zwyżkujące (zielone strzałki) w harmonii z większym trendem wzrostowym. MACD (1,50,1) jest pokazane w oknie wskaźnika, aby potwierdzić krzyże cen powyżej lub poniżej 50-dniowej EMA. Jednodniowy EMA jest równy cenie zamknięcia. MACD (1,50,1) jest dodatni, gdy zamknięcie jest powyżej 50-dniowej EMA i jest ujemne, gdy zamknięcie jest poniżej 50-dniowej EMA. Wsparcie i opór Średnie ruchome mogą również działać jako wsparcie w trendzie wzrostowym i oporze w okresie spadkowym. Krótkoterminowy trend wzrostowy może znaleźć wsparcie w pobliżu 20-dniowej prostej średniej kroczącej, która jest również używana w pasmach Bollinger. Długoterminowy trend wzrostowy może znaleźć wsparcie w pobliżu 200-dniowej prostej średniej kroczącej, która jest najpopularniejszą długoterminową średnią kroczącą. Jeśli tak, 200-dniowa średnia krocząca może zaoferować wsparcie lub opór tylko dlatego, że jest tak szeroko stosowana. To prawie jak samospełniające się proroctwo. Powyższy wykres pokazuje NY Composite z 200-dniową prostą średnią kroczącą od połowy 2004 r. Do końca 2008 r. 200-dniowy okres zapewniał wsparcie wiele razy podczas zaliczki. Po odwróceniu trendu z dwupiętrową przerwą na wsparcie, 200-dniowa średnia ruchoma działała jako opór około 9500. Nie oczekuj dokładnego poziomu wsparcia i oporu ze średnich kroczących, zwłaszcza dłuższych średnich kroczących. Rynki są napędzane emocjami, co sprawia, że ​​są podatne na przeinaczenia. Zamiast dokładnych poziomów, średnie ruchome mogą służyć do identyfikacji stref wsparcia lub oporu. Wnioski Zalety stosowania średnich kroczących należy porównać z wadami. Średnie kroczące to następujące po trendach lub opóźnione wskaźniki, które zawsze będą o krok za sobą. Niekoniecznie jest to jednak złe. W końcu trend jest twoim przyjacielem i najlepiej jest handlować w kierunku tego trendu. Średnie ruchome zapewniają, że inwestor jest zgodny z obecnym trendem. Mimo że trend jest Twoim przyjacielem, papiery wartościowe poświęcają dużo czasu na zakresy transakcji, co sprawia, że ​​średnie ruchome są nieefektywne. Będąc w trendzie, średnie ruchy będą Cię utrzymywać, ale także dawać późne sygnały. Don039t spodziewać się sprzedaży na górze i kupić na dole za pomocą średnich ruchomych. Podobnie jak w przypadku większości narzędzi analizy technicznej, średnich kroczących nie należy używać samodzielnie, lecz w połączeniu z innymi uzupełniającymi się narzędziami. Za pomocą średnich ruchomych można określić ogólny trend, a następnie użyć RSI do określenia poziomów wykupienia lub wyprzedania. Dodawanie średnich kroczących do wykresów StockCharts Średnie kroczące są dostępne jako nakładka ceny na stole warsztatowym SharpCharts. Korzystając z menu rozwijanego Nakładki, użytkownicy mogą wybrać prostą średnią ruchomą lub wykładniczą średnią kroczącą. Pierwszy parametr służy do ustawiania liczby okresów. Opcjonalny parametr można dodać, aby określić, które pole cenowe powinno być użyte w obliczeniach - O dla otwartego, H dla wysokiego, L dla niskiego i C dla zamknięcia. Przecinek służy do rozdzielania parametrów. Kolejny opcjonalny parametr można dodać, aby przesunąć średnie ruchome w lewo (w przeszłości) lub w prawo (w przyszłości). Liczba ujemna (-10) przesunęłaby średnią ruchomą na lewe 10 okresów. Dodatnia liczba (10) przesunęłaby średnią ruchomą do właściwych 10 okresów. Wielokrotne średnie ruchome mogą zostać nałożone na wykres cenowy, po prostu dodając kolejną linię nakładki do stołu warsztatowego. Członkowie StockCharts mogą zmieniać kolory i styl, aby rozróżnić wiele średnich kroczących. Po wybraniu wskaźnika otwórz Opcje zaawansowane, klikając mały zielony trójkąt. Opcje zaawansowane mogą również służyć do dodawania ruchomej średniej nakładki do innych wskaźników technicznych, takich jak RSI, CCI i Volume. Kliknij tutaj, aby zobaczyć wykres na żywo z kilkoma różnymi średnimi ruchomymi. Używanie średnich kroczących za pomocą wykresów StockCharts Oto kilka przykładowych skanów, które członkowie StockCharts mogą wykorzystać do skanowania w różnych średnich ruchomych sytuacjach: Przeciążający ruchomy średni krzyż: to skanowanie szuka zapasów z rosnącą 150-dniową prostą średnią kroczącą i wzrostem o 5 - dzień EMA i 35-dniowa EMA. 150-dniowa średnia krocząca rośnie tak długo, jak długo utrzymuje się powyżej poziomu sprzed pięciu dni. Przeciążenie występuje, gdy 5-dniowa EMA przenosi się powyżej 35-dniowej EMA na ponad średnią głośność. Niedźwiedzia średnia ruchoma: te skany szukają zapasów o spadającej 150-dniowej prostej średniej kroczącej i niedźwiedzim krzyżu 5-dniowej EMA i 35-dniowej EMA. 150-dniowa średnia krocząca spada tak długo, jak utrzymuje się poniżej poziomu sprzed pięciu dni. Niedźwiedzia krzyż występuje, gdy 5-dniowa EMA przenosi się poniżej 35-dniowej EMA na ponad przeciętną objętość. Dalsze badania Książka Johna Murphy'ego39 zawiera rozdział poświęcony ruchomym średnim i ich różnym zastosowaniom. Murphy opisuje zalety i wady średnich kroczących. Ponadto Murphy pokazuje, jak średnie ruchome współdziałają z zespołami Bollinger Bands i systemami handlu opartymi na kanałach. Analiza techniczna rynków finansowych John Murphy Wprowadzenie do ARIMA: modele niesezonowe Równanie prognostyczne ARIMA (p, d, q): Modele ARIMA są w teorii najbardziej ogólną klasą modeli do prognozowania szeregu czasowego, który może być 8220stacja stacjonarna 8221 przez różnicowanie (jeśli to konieczne), być może w połączeniu z nieliniowymi przekształceniami, takimi jak rejestracja lub deflacja (w razie potrzeby). Zmienna losowa, która jest szeregiem czasowym, jest nieruchoma, jeśli jej właściwości statystyczne są stałe w czasie. Seria stacjonarna nie ma trendu, jej wahania wokół średniej mają stałą amplitudę i poruszają się w spójny sposób. tj. jego krótkoterminowe wzorce czasu losowego zawsze wyglądają tak samo w sensie statystycznym. Ten ostatni warunek oznacza, że ​​jego autokorelacje (korelacje z jego własnymi wcześniejszymi odchyleniami od średniej) pozostają stałe w czasie, lub równoważnie, że jego widmo mocy pozostaje stałe w czasie. Zmienna losowa tej postaci może być oglądana (jak zwykle) jako kombinacja sygnału i szumu, a sygnał (jeśli jest widoczny) może być wzorem szybkiej lub wolnej średniej rewersji, lub sinusoidalnej oscylacji, lub szybkiej przemiany w znaku , a także może mieć składnik sezonowy. Model ARIMA może być postrzegany jako 8220filter8221, który próbuje oddzielić sygnał od szumu, a sygnał jest następnie ekstrapolowany w przyszłość w celu uzyskania prognoz. Równanie prognostyczne ARIMA dla stacjonarnych szeregów czasowych jest równaniem liniowym (to jest typu regresyjnym), w którym predyktory składają się z opóźnień zmiennej zależnej i opóźnień błędów prognoz. Oznacza to: Przewidywaną wartość Y stałej stałej lub ważoną sumę jednej lub więcej ostatnich wartości Y i lub ważoną sumę jednej lub więcej ostatnich wartości błędów. Jeśli predykatory składają się tylko z opóźnionych wartości Y., jest to model czysto autoregresyjny (8220a-regressed8221), który jest tylko szczególnym przypadkiem modelu regresji i który może być wyposażony w standardowe oprogramowanie regresyjne. Na przykład, autoregresyjny model pierwszego rzędu (8220AR (1) 8221) dla Y jest prostym modelem regresji, w którym zmienna niezależna jest po prostu Y opóźniona o jeden okres (LAG (Y, 1) w Statgraphics lub YLAG1 w RegressIt). Jeśli niektóre z predyktorów są opóźnieniami błędów, to model ARIMA NIE jest modelem regresji liniowej, ponieważ nie ma sposobu, aby określić 8220last okres8217s błąd8221 jako zmienną niezależną: błędy muszą być obliczane na podstawie okresu do okresu kiedy model jest dopasowany do danych. Z technicznego punktu widzenia problem z wykorzystaniem opóźnionych błędów jako czynników predykcyjnych polega na tym, że przewidywania model8217 nie są liniowymi funkcjami współczynników. mimo że są liniowymi funkcjami przeszłych danych. Współczynniki w modelach ARIMA, które zawierają opóźnione błędy, muszą być oszacowane przez nieliniowe metody optymalizacji (8220hill-climbing8221), a nie przez samo rozwiązanie układu równań. Akronim ARIMA oznacza Auto-Regressive Integrated Moving Average. Lagi z stacjonarnej serii w równaniu prognostycznym nazywane są "wartościami dodatnimi", opóźnienia błędów prognoz są nazywane "przesunięciem średniej", a szeregi czasowe, które muszą być różnicowane, aby stały się stacjonarne, są uważane za "podzielone" wersje stacjonarnej serii. Modele random-walk i random-tendencja, modele autoregresyjne i modele wygładzania wykładniczego są szczególnymi przypadkami modeli ARIMA. Niesezonowy model ARIMA jest klasyfikowany jako model DAIMIMA (p, d, q), gdzie: p to liczba terminów autoregresyjnych, d to liczba niesezonowych różnic potrzebnych do stacjonarności, a q to liczba opóźnionych błędów prognozy w równanie predykcji. Równanie prognostyczne jest skonstruowane w następujący sposób. Po pierwsze, niech y oznacza różnicę d Y. Oznacza to: Zwróć uwagę, że druga różnica Y (przypadek d2) nie jest różnicą od 2 okresów temu. Jest to raczej różnica między pierwszą a różnicą. który jest dyskretnym analogiem drugiej pochodnej, tj. lokalnym przyspieszeniem szeregu, a nie jego lokalnym trendem. Pod względem y. ogólne równanie prognostyczne jest następujące: Tutaj parametry średniej ruchomej (9528217 s) są zdefiniowane w taki sposób, że ich znaki są ujemne w równaniu, zgodnie z konwencją wprowadzoną przez Boxa i Jenkinsa. Niektórzy autorzy i oprogramowanie (w tym język programowania R) definiują je, aby zamiast tego mieli znaki plus. Kiedy rzeczywiste liczby są podłączone do równania, nie ma dwuznaczności, ale ważne jest, aby wiedzieć, którą konwencję używa twoje oprogramowanie podczas odczytu danych wyjściowych. Często parametry są tam oznaczone przez AR (1), AR (2), 8230 i MA (1), MA (2), 8230 itd. Aby zidentyfikować odpowiedni model ARIMA dla Y. zaczynasz od określenia kolejności różnicowania (d) konieczność stacjonowania serii i usunięcia ogólnych cech sezonowości, być może w połączeniu z transformacją stabilizującą warianty, taką jak rejestracja lub deflacja. Jeśli zatrzymasz się w tym momencie i będziesz przewidywał, że zróżnicowana seria jest stała, dopasowałeś jedynie model losowego spaceru lub losowego trendu. Jednak stacjonarne serie mogą nadal mieć błędy związane z auto - korelacjami, co sugeruje, że w równaniu prognostycznym potrzebna jest również pewna liczba terminów AR (p 8805 1) i kilka warunków MA (q 8805 1). Proces określania wartości p, d i q, które są najlepsze dla danej serii czasowej, zostanie omówiony w późniejszych sekcjach notatek (których linki znajdują się na górze tej strony), ale podgląd niektórych typów nietypowych modeli ARIMA, które są powszechnie spotykane, podano poniżej. ARIMA (1,0,0) Model autoregresyjny pierwszego rzędu: jeśli seria jest stacjonarna i autokorelowana, być może można ją przewidzieć jako wielokrotność jej poprzedniej wartości plus stałą. Równanie prognostyczne w tym przypadku wynosi 8230, co oznacza, że ​​Y cofnął się sam w sobie o jeden okres. Jest to model 8220ARIMA (1,0,0) constant8221. Jeżeli średnia z Y wynosi zero, wówczas nie zostałoby uwzględnione stałe wyrażenie. Jeśli współczynnik nachylenia 981 1 jest dodatni i mniejszy niż 1 w skali (musi być mniejszy niż 1 waga, jeśli Y jest nieruchomy), model opisuje zachowanie polegające na odwróceniu średniej, w którym należy przypisać wartość kolejnego okresu 817 razy 981 razy jako daleko od średniej, jak ta wartość okresu. Jeżeli 981 1 jest ujemny, przewiduje zachowanie średniej odwrócenia z naprzemiennością znaków, tj. Przewiduje również, że Y będzie poniżej średniego następnego okresu, jeśli jest powyżej średniej tego okresu. W modelu autoregresyjnym drugiego rzędu (ARIMA (2,0,0)), po prawej stronie pojawi się również termin Y t-2 i tak dalej. W zależności od znaków i wielkości współczynników, model ARIMA (2,0,0) może opisywać układ, którego średnia rewersja zachodzi w sposób oscylacyjny sinusoidalnie, podobnie jak ruch masy na sprężynie poddanej losowym wstrząsom . Próba losowa ARIMA (0,1,0): Jeśli seria Y nie jest nieruchoma, najprostszym możliwym modelem jest model losowego spaceru, który można uznać za ograniczający przypadek modelu AR (1), w którym autoregresyjny Współczynnik jest równy 1, tzn. szeregowi z nieskończenie powolną średnią rewersją. Równanie predykcji dla tego modelu można zapisać jako: gdzie stałym terminem jest średnia zmiana okresu do okresu (tj. Dryf długoterminowy) w Y. Ten model może być dopasowany jako model regresji bez przechwytywania, w którym pierwsza różnica Y jest zmienną zależną. Ponieważ zawiera on (tylko) niesezonową różnicę i stały termin, jest klasyfikowany jako model DAIMA (0,1,0) ze stałą. Często Model bezładnego spaceru byłby ARIMA (0,1; 0) model bez stałego ARIMA (1,1,0) różny model autoregresyjny pierwszego rzędu: Jeśli błędy modelu losowego spaceru są autokorelowane, być może problem można rozwiązać, dodając jedno opóźnienie zmiennej zależnej do równania predykcji - - to znaczy przez regresję pierwszej różnicy Y, która sama w sobie jest opóźniona o jeden okres. To przyniosłoby następujące równanie predykcji: które można przekształcić w To jest autoregresyjny model pierwszego rzędu z jednym rzędem niesezonowego różnicowania i stałym terminem - tj. model ARIMA (1,1,0). ARIMA (0,1,1) bez stałego prostego wygładzania wykładniczego: Inna strategia korekcji błędów związanych z autokorelacją w modelu losowego spaceru jest zasugerowana przez prosty model wygładzania wykładniczego. Przypomnijmy, że w przypadku niektórych niestacjonarnych szeregów czasowych (na przykład takich, które wykazują głośne wahania wokół wolno zmieniającej się średniej), model spaceru losowego nie działa tak dobrze, jak średnia ruchoma wartości z przeszłości. Innymi słowy, zamiast brać ostatnią obserwację jako prognozę następnej obserwacji, lepiej jest użyć średniej z ostatnich kilku obserwacji w celu odfiltrowania hałasu i dokładniejszego oszacowania średniej lokalnej. Prosty model wygładzania wykładniczego wykorzystuje wykładniczo ważoną średnią ruchomą przeszłych wartości, aby osiągnąć ten efekt. Równanie predykcji dla prostego modelu wygładzania wykładniczego można zapisać w wielu matematycznie równoważnych formach. jedną z nich jest tak zwana forma 8220, korekta zera 8221, w której poprzednia prognoza jest korygowana w kierunku popełnionego błędu: Ponieważ e t-1 Y t-1 - 374 t-1 z definicji, można to przepisać jako : co jest równaniem ARIMA (0,1,1) - bez stałej prognozy z 952 1 1 - 945. Oznacza to, że możesz dopasować proste wygładzanie wykładnicze, określając je jako model ARIMA (0,1,1) bez stała, a szacowany współczynnik MA (1) odpowiada 1-minus-alfa w formule SES. Przypomnijmy, że w modelu SES średni wiek danych w prognozach z wyprzedzeniem 1 roku wynosi 1 945. Oznacza to, że będą one pozostawać w tyle za trendami lub punktami zwrotnymi o około 1 945 okresów. Wynika z tego, że średni wiek danych w prognozach 1-okresowych modelu ARIMA (0,1,1) - bez stałej wynosi 1 (1 - 952 1). Tak więc, na przykład, jeśli 952 1 0.8, średnia wieku wynosi 5. Ponieważ 952 1 zbliża się do 1, ARIMA (0,1,1) - bez stałego modelu staje się bardzo długookresową średnią ruchomą, a jako 952 1 zbliża się do 0, staje się modelem losowego chodzenia bez dryfu. Jaki jest najlepszy sposób korekcji autokorelacji: dodawanie terminów AR lub dodawanie terminów MA W dwóch poprzednich modelach omówionych powyżej, problem związanych z autokorelacją błędów w modelu losowego spaceru został ustalony na dwa różne sposoby: przez dodanie opóźnionej wartości różnej serii do równania lub dodanie opóźnionej wartości błędu prognozy. Które podejście jest najlepsze Zasada praktyczna dla tej sytuacji, która zostanie omówiona bardziej szczegółowo w dalszej części, polega na tym, że pozytywna autokorelacja jest zwykle najlepiej traktowana przez dodanie do modelu warunku AR, a negatywna autokorelacja jest zwykle najlepiej traktowana przez dodanie Termin magisterski. W biznesowych i ekonomicznych szeregach czasowych negatywna autokorelacja często pojawia się jako artefakt różnicowania. (Ogólnie rzecz biorąc, różnicowanie zmniejsza pozytywną autokorelację, a nawet może spowodować przełączenie z autokorelacji dodatniej na ujemną). Tak więc model ARIMA (0,1,1), w którym różnicowanie jest połączone z terminem MA, jest częściej używany niż Model ARIMA (1,1,0). ARIMA (0,1,1) o stałym prostym wygładzaniu wykładniczym ze wzrostem: Dzięki wdrożeniu modelu SES jako modelu ARIMA można uzyskać pewną elastyczność. Po pierwsze, szacowany współczynnik MA (1) może być ujemny. odpowiada to współczynnikowi wygładzania większemu niż 1 w modelu SES, co zwykle nie jest dozwolone w procedurze dopasowania modelu SES. Po drugie, masz możliwość włączenia stałego warunku w modelu ARIMA, jeśli chcesz, aby oszacować średni niezerowy trend. Model ARIMA (0,1,1) ze stałą ma równanie prognozy: prognozy jednokresowe z tego modelu są jakościowo podobne do tych z modelu SES, z tym że trajektoria prognoz długoterminowych jest zwykle linia nachylenia (której nachylenie jest równe mu) zamiast linii poziomej. ARIMA (0,2,1) lub (0,2,2) bez stałego liniowego wygładzania wykładniczego: liniowe modele wygładzania wykładniczego są modelami ARIMA, które wykorzystują dwie niesezonowe różnice w połączeniu z terminami MA. Druga różnica w serii Y nie jest po prostu różnicą między Y a nią opóźnioną o dwa okresy, ale raczej jest pierwszą różnicą pierwszej różnicy - a. e. zmiana w Y w okresie t. Tak więc druga różnica Y w okresie t jest równa (Y t - Y t-1) - (Y t-1 - Y t-2) Y t - 2Y t-1 Y t-2. Druga różnica funkcji dyskretnej jest analogiczna do drugiej pochodnej funkcji ciągłej: mierzy ona przyspieszenie cytadania lub inną krzywiznę w funkcji w danym punkcie czasu. Model ARIMA (0,2,2) bez stałej przewiduje, że druga różnica szeregu równa się funkcji liniowej dwóch ostatnich błędów prognozy: która może być uporządkowana jako: gdzie 952 1 i 952 2 to MA (1) i Współczynniki MA (2). Jest to ogólny liniowy model wygładzania wykładniczego. w zasadzie taki sam jak model Holt8217s, a model Brown8217s to szczególny przypadek. Wykorzystuje wykładniczo ważone średnie ruchome do oszacowania zarówno lokalnego poziomu, jak i lokalnego trendu w serii. Długoterminowe prognozy z tego modelu zbiegają się do linii prostej, której nachylenie zależy od średniej tendencji obserwowanej pod koniec serii. ARIMA (1,1,2) bez stałego liniowego tłumienia wykładniczego. Ten model jest zilustrowany na załączonych slajdach w modelach ARIMA. Ekstrapoluje lokalny trend pod koniec serii, ale spłaszcza go na dłuższych horyzontach prognozy, wprowadzając nutę konserwatyzmu, praktykę, która ma empiryczne wsparcie. Zobacz artykuł na ten temat: "Dlaczego działa Damped Trend" autorstwa Gardnera i McKenziego oraz artykuł "Zgodny z legendą" Armstronga i in. dla szczegółów. Ogólnie zaleca się trzymać modele, w których co najmniej jedno z p i q jest nie większe niż 1, tj. Nie próbować dopasować modelu takiego jak ARIMA (2,1,2), ponieważ może to prowadzić do przeuczenia oraz pytania o współczynniku równomolowym, które omówiono bardziej szczegółowo w uwagach dotyczących struktury matematycznej modeli ARIMA. Implementacja arkusza kalkulacyjnego: modele ARIMA, takie jak opisane powyżej, można łatwo wdrożyć w arkuszu kalkulacyjnym. Równanie predykcyjne jest po prostu równaniem liniowym, które odnosi się do przeszłych wartości pierwotnych szeregów czasowych i przeszłych wartości błędów. W ten sposób można skonfigurować arkusz kalkulacyjny prognozowania ARIMA, przechowując dane w kolumnie A, formułę prognozowania w kolumnie B i błędy (dane minus prognozy) w kolumnie C. Formuła prognozowania w typowej komórce w kolumnie B byłaby po prostu wyrażenie liniowe odnoszące się do wartości w poprzednich wierszach kolumn A i C, pomnożone przez odpowiednie współczynniki AR lub MA przechowywane w komórkach w innym miejscu arkusza kalkulacyjnego.