Moving genomsnittet beräkningar

Flyttande medelvärde I det här exemplet lär du dig hur du beräknar det glidande genomsnittet för en tidsserie i Excel. Ett glidande medel används för att utjämna oegentligheter (toppar och dalar) för att enkelt kunna känna igen trender. 1. Låt oss först titta på våra tidsserier. 2. Klicka på Dataanalys på fliken Data. Obs! Det går inte att hitta knappen Data Analysis Klicka här för att ladda till verktyget Analysverktyg. 3. Välj Flytta genomsnitt och klicka på OK. 4. Klicka i rutan Inmatningsområde och välj intervallet B2: M2. 5. Klicka i rutan Intervall och skriv 6. 6. Klicka i rutan Utmatningsområde och välj cell B3. 8. Skriv ett diagram över dessa värden. Förklaring: Eftersom vi ställer intervallet till 6 är det rörliga genomsnittet genomsnittet för de föregående 5 datapunkterna och den aktuella datapunkten. Som ett resultat utjämnas toppar och dalar. Diagrammet visar en ökande trend. Excel kan inte beräkna det rörliga genomsnittet för de första 5 datapunkterna eftersom det inte finns tillräckligt med tidigare datapunkter. 9. Upprepa steg 2 till 8 för intervall 2 och intervall 4. Slutsats: Ju större intervall desto mer topparna och dalarna utjämnas. Ju mindre intervallet desto närmare rörliga medelvärden är till de faktiska datapunkterna. Flyttande medelräknare Med en lista över sekventiella data kan du konstruera det n-punkts glidande medlet (eller rullande medelvärde) genom att hitta medelvärdet för varje uppsättning av n på varandra följande punkter. Om du till exempel har den beställda datasatsen 10, 11, 11, 15, 13, 14, 12, 10, 11, är det 4-punkts glidande medlet 11,75, 12,5, 13,25, 13,5, 12,25, 11,75. Flyttmedelvärden används att släta sekventiella data gör de skarpa toppar och dips mindre uttalade eftersom varje rå datapunkt ges endast en bråkdel i glidande medelvärde. Ju större värdet av n. Ju mjukare grafen för glidande medelvärde jämfört med grafen för originaldata. Aktieanalytiker tittar ofta på glidande medelvärden av aktiekursdata för att förutsäga trender och se mönster tydligare. Du kan använda räknaren nedan för att hitta ett glidande medelvärde för en dataset. Antal villkor i en enkel n-punkts rörlig genomsnittsnivå Om antalet termer i ursprungsuppsättningen är d och antalet termer som används i varje genomsnitt är n. Då kommer antalet villkor i den glidande genomsnittsföljden att vara till exempel, om du har en sekvens av 90 aktiekurser och tar det 14-dagars rullande genomsnittet av priserna, har den rullande genomsnittsföljden 90-114 1 77 poäng. Denna räknemaskin beräknar glidande medelvärden där alla termer vägs lika. Du kan också skapa viktade glidande medelvärden där vissa termer ges större vikt än andra. Till exempel lägger mer vikt på nyare data, eller skapar ett centralt viktat medelvärde där de mellanliggande termerna räknas mer. Se den viktiga glidande genomsnittsartikeln och kalkylatorn för mer information. Tillsammans med rörliga aritmetiska medelvärden, ser vissa analytiker också på den rörliga medianen av beställda data eftersom medianen är opåverkad av konstiga outliers. Weighted Moving Average Calculator Med en lista över sekventiella data kan du konstruera det n-punktsviktade glidande medlet (eller vägda Rullande medelvärde) genom att hitta det vägda genomsnittet av varje uppsättning n-på varandra följande punkter. Antag exempelvis att du har den beställda datasatsen 10, 11, 15, 16, 14, 12, 10, 11 och viktningsvektorn är 1, 2, 5, där 1 tillämpas på äldsta termen, tillämpas 2 på Medellång sikt och 5 tillämpas på den senaste termen. Då är det viktade 3-punkts glidande medlet 13.375, 15.125, 14.625, 13, 11, 10.875 Viktiga glidmedelvärden används för att släta sekventiella data samtidigt som det ger mer betydelse för vissa termer. Vissa viktade medelvärden lägger mer värde på centrala villkor, medan andra gynnar senare villkor. Aktieanalytiker använder ofta ett linjärt viktat n-punkts glidande medelvärde där viktningsvektorn är 1, 2. n-1. n. Du kan använda räknaren nedan för att beräkna det rullande vägda genomsnittet av en dataset med en given vektorgrafik. (För räknaren skriver du in vikter som en kommaseparerad lista med siffror utan parentes och parentes.) Antal termer i en viktad n-punkts rörlig genomsnittsnivå Om antalet termer i ursprungsuppsättningen är d och antalet termer som används i Varje medelvärde är n (dvs. längden på viktvektorn är n), då kommer antalet villkor i den glidande genomsnittsföljden att vara till exempel om du har en sekvens av 120 aktiekurser och tar ett 21-dagarsviktat rullande medelvärde Av priserna kommer den viktade rullande genomsnittsföljden att ha 120 - 21 1 100 datapunkter. Möjliga medelvärden: Vad är de Bland de mest populära tekniska indikatorerna används glidande medelvärden för att mäta riktningen för den nuvarande trenden. Varje typ av glidande medelvärde (vanligtvis skrivet i denna handledning som MA) är ett matematiskt resultat som beräknas genom att medelvärda ett antal tidigare datapunkter. När det är fastställt, blir det resulterande genomsnittet plottat på ett diagram för att låta handlare titta på jämnare data istället för att fokusera på de dagliga prisfluktuationerna som är inneboende på alla finansmarknader. Den enklaste formen av ett glidande medel, lämpligt känt som ett enkelt glidande medelvärde (SMA), beräknas genom att man tar det aritmetiska medelvärdet av en given uppsättning värden. Till exempel för att beräkna ett grundläggande 10 dagars glidande medelvärde skulle du lägga till slutkurserna från de senaste 10 dagarna och sedan dela resultatet med 10. I Figur 1 är summan av priserna under de senaste 10 dagarna (110) Dividerat med antalet dagar (10) för att komma fram till 10-dagars genomsnittet. Om en näringsidkare vill se ett 50-dagars genomsnitt istället, skulle samma typ av beräkning göras, men det skulle innehålla priser under de senaste 50 dagarna. Det resulterande genomsnittet under (11) tar hänsyn till de senaste 10 datapunkterna för att ge handlare en uppfattning om hur en tillgång prissätts relativt de senaste 10 dagarna. Kanske du undrar varför tekniska handlare kallar det här verktyget ett glidande medelvärde och inte bara en vanlig medelvärde. Svaret är att när de nya värdena blir tillgängliga måste de äldsta datapunkterna släppas från uppsättningen och nya datapunkter måste komma in för att ersätta dem. Således flyttar datasatsen ständigt för att redogöra för nya data när den blir tillgänglig. Denna beräkningsmetod säkerställer att endast den nuvarande informationen redovisas. I figur 2 flyttas den röda rutan (representerande de senaste 10 datapunkterna) till höger om det nya värdet på 5 och det sista värdet av 15 släpps från beräkningen. Eftersom det relativt lilla värdet på 5 ersätter det höga värdet på 15, förväntar du dig att genomsnittet av datamängden minskar, vilket det gör, i det här fallet från 11 till 10. Vad ser Moving Averages Like när värdena på MA har beräknats, de är plottade på ett diagram och sedan anslutna för att skapa en rörlig genomsnittslinje. Dessa kurvor är vanliga på diagrammen för tekniska handlare, men hur de används kan variera drastiskt (mer om detta senare). Som du kan se i Figur 3 är det möjligt att lägga till mer än ett glidande medelvärde till ett diagram genom att justera antalet tidsperioder som används i beräkningen. Dessa böjda linjer kan tyckas distraherande eller förvirrande först, men du kommer att bli vana vid dem som tiden går vidare. Den röda linjen är helt enkelt genomsnittspriset under de senaste 50 dagarna, medan den blå linjen är genomsnittspriset under de senaste 100 dagarna. Nu när du förstår vad ett rörligt medelvärde är och hur det ser ut, introducera väl en annan typ av rörligt medelvärde och undersöka hur det skiljer sig från det tidigare nämnda enkla glidande medlet. Det enkla glidande medlet är extremt populärt bland handlare, men som alla tekniska indikatorer har det sina kritiker. Många individer hävdar att användbarheten av SMA är begränsad eftersom varje punkt i dataserien är densamma, oavsett var den uppträder i sekvensen. Kritiker hävdar att de senaste uppgifterna är mer signifikanta än de äldre uppgifterna och bör ha större inverkan på slutresultatet. Som svar på denna kritik började näringsidkare lägga större vikt vid de senaste uppgifterna, som sedan lett till uppfinningen av olika typer av nya medelvärden, varav den mest populära är det exponentiella glidande genomsnittet (EMA). (För vidare läsning, se Grunderna för viktade rörliga medelvärden och vad som är skillnaden mellan en SMA och en EMA) Exponentiell rörlig genomsnitts Det exponentiella rörliga genomsnittsvärdet är en typ av rörligt medelvärde som ger större vikt till de senaste priserna i ett försök att göra det mer responsivt till ny information. Att lära sig den något komplicerade ekvationen för att beräkna en EMA kan vara onödig för många handlare, eftersom nästan alla kartläggningspaket gör beräkningarna för dig. Men för dig matte geeks där ute, här är EMA-ekvationen: När du använder formeln för att beräkna den första punkten hos EMA kan du märka att det inte finns något värde tillgängligt för att använda som tidigare EMA. Detta lilla problem kan lösas genom att starta beräkningen med ett enkelt glidande medelvärde och fortsätter med ovanstående formel därifrån. Vi har försett dig med ett provkalkylblad som innehåller verkliga exempel på hur man beräknar både ett enkelt glidande medelvärde och ett exponentiellt glidande medelvärde. Skillnaden mellan EMA och SMA Nu när du har en bättre förståelse för hur SMA och EMA beräknas, kan vi titta på hur dessa medeltal skiljer sig. Genom att titta på beräkningen av EMA kommer du att märka att större vikt läggs på de senaste datapunkterna, vilket gör det till en typ av vägt genomsnitt. I Figur 5 är antalet tidsperioder som används i varje genomsnitt identiskt (15), men EMA svarar snabbare på de förändrade priserna. Lägg märke till hur EMA har ett högre värde när priset stiger och faller snabbare än SMA när priset sjunker. Denna respons är den främsta anledningen till att många handlare föredrar att använda EMA över SMA. Vad betyder de olika dagarna? Förflyttande medelvärden är en helt anpassningsbar indikator, vilket innebär att användaren fritt kan välja vilken tidsram de vill ha när de skapar genomsnittet. De vanligaste tidsperioderna som används i glidande medelvärden är 15, 20, 30, 50, 100 och 200 dagar. Ju kortare tidsintervallet användes för att skapa medelvärdet desto känsligare blir det för prisändringar. Ju längre tidspanelen, desto mindre känslig eller mer utjämnas, blir medelvärdet. Det finns ingen rätt tidsram att använda när du ställer in dina glidande medelvärden. Det bästa sättet att ta reda på vilket som passar dig bäst är att experimentera med ett antal olika tidsperioder tills du hittar en som passar din strategi.