الأسي المرجحة الحركة من المتوسط نصف الحياة

استكشاف معدل التذبذب المتوسط ​​المرجح أضعافا مضاعفة هو مقياس الأكثر شيوعا من المخاطر، لكنه يأتي في العديد من النكهات. في مقال سابق، أظهرنا كيفية حساب التقلبات التاريخية البسيطة. (لقراءة هذه المقالة، راجع استخدام التقلب لقياس المخاطر المستقبلية.) استخدمنا بيانات سعر السهم الفعلي من غوغل من أجل احتساب التقلبات اليومية استنادا إلى بيانات 30 يوما من بيانات المخزون. في هذه المقالة، سوف نحسن التقلبات البسيطة ونناقش المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما). تاريخي مقابل التقلب الضمني أولا، يتيح وضع هذا المقياس في القليل من المنظور. هناك نهجان واسعان: التقلب التاريخي والضمني (أو الضمني). يفترض النهج التاريخي أن الماضي هو مقدمة نقيس التاريخ على أمل أن يكون التنبؤي. ومن ناحية أخرى، فإن التقلب الضمني يتجاهل التاريخ الذي يحل فيه التقلبات التي تنطوي عليها أسعار السوق. وهي تأمل أن يعرف السوق أفضل وأن سعر السوق يتضمن، حتى ولو ضمنا، تقديرا للآراء بشأن التقلب. (للاطلاع على القراءة ذات الصلة، انظر استخدامات وحدود التقلب). إذا ركزنا على النهج التاريخية الثلاثة فقط (على اليسار أعلاه)، فإن لديهم خطوتين مشتركتين: حساب سلسلة العوائد الدورية تطبيق مخطط الترجيح أولا، نحن حساب العائد الدوري. ثاتس عادة سلسلة من العوائد اليومية حيث يتم التعبير عن كل عودة في مصطلحات معقدة باستمرار. لكل يوم، ونحن نأخذ السجل الطبيعي لنسبة أسعار الأسهم (أي السعر اليوم مقسوما على السعر أمس، وهلم جرا). هذا ينتج سلسلة من العوائد اليومية، من ش أنا ش أنا م. اعتمادا على عدد الأيام (م أيام) نحن قياس. وهذا يقودنا إلى الخطوة الثانية: هذا هو المكان الذي تختلف فيه النهج الثلاثة. في المقالة السابقة (باستخدام التقلب لقياس المخاطر المستقبلية)، أظهرنا أنه في ظل اثنين من التبسيط المقبول، التباين البسيط هو متوسط ​​العوائد التربيعية: لاحظ أن هذه المبالغ كل من الإرجاع الدوري، ثم يقسم المجموع من قبل عدد الأيام أو الملاحظات (م). لذلك، في الواقع مجرد متوسط ​​من المربعات الدورية المربعة. وبعبارة أخرى، يعطى كل مربع مربعة وزن متساو. لذلك إذا كان ألفا (a) عامل ترجيح (على وجه التحديد، 1m)، فإن التباين البسيط يبدو شبيها بهذا: إوما يحسن على التباين البسيط ضعف هذا النهج هو أن جميع العوائد تكسب نفس الوزن. يوم أمس (الأخيرة جدا) عودة ليس لها تأثير أكثر على الفرق من الأشهر الماضية العودة. يتم إصلاح هذه المشكلة باستخدام المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما)، حيث يكون لعوائد أكثر حداثة وزنا أكبر على التباين. المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما) يدخل لامدا. والتي تسمى المعلمة تمهيد. يجب أن يكون لامبدا أقل من واحد. وبموجب هذا الشرط، بدلا من الأوزان المتساوية، يتم ترجيح كل عائد مربعة بمضاعف على النحو التالي: على سبيل المثال، ريسكمتريكس تم، وهي شركة لإدارة المخاطر المالية، تميل إلى استخدام لامدا 0.94، أو 94. في هذه الحالة، (0-1.94) (.94) 0 6. العائد التربيعي التالي هو ببساطة مضاعف لامدا للوزن السابق في هذه الحالة 6 مضروبا في 94 5.64. والثالث أيام السابقة الوزن يساوي (1-0.94) (0.94) 2 5.30. ثاتس معنى الأسي في إوما: كل وزن هو مضاعف ثابت (أي لامدا، التي يجب أن تكون أقل من واحد) من وزن الأيام السابقة. وهذا يضمن التباين المرجح أو المنحاز نحو المزيد من البيانات الحديثة. (لمعرفة المزيد، راجع ورقة عمل إكسيل لتقلب غوغل.) يظهر أدناه الفرق بين تقلب ببساطة و إوما ل غوغل. التقلبات البسيطة تزن بشكل فعال كل عائد دوري بمقدار 0.196 كما هو موضح في العمود O (كان لدينا عامين من بيانات أسعار الأسهم اليومية، أي 509 عائد يومي و 1509 0.196). ولكن لاحظ أن العمود P تعيين وزن 6، ثم 5.64، ثم 5.3 وهلم جرا. هذا الفرق الوحيد بين التباين البسيط و إوما. تذكر: بعد أن نجمع السلسلة بأكملها (في العمود س) لدينا التباين، وهو مربع الانحراف المعياري. إذا أردنا التقلب، علينا أن نتذكر أن تأخذ الجذر التربيعي لهذا التباين. ما هو الفرق في التقلب اليومي بين التباين و إوما في حالة غوغل لها أهمية: التباين البسيط أعطانا تقلب يومي من 2.4 ولكن إوما أعطى تقلب يومي فقط 1.4 (انظر جدول البيانات لمزيد من التفاصيل). على ما يبدو، استقرت تقلبات غوغل في الآونة الأخيرة وبالتالي، قد يكون التباين البسيط مرتفع بشكل مصطنع. فارق اليوم هو وظيفة من بيور تباين أيام ستلاحظ أننا بحاجة إلى حساب سلسلة طويلة من الأثقال الهبوط أضعافا مضاعفة. لن نفعل الرياضيات هنا، ولكن واحدة من أفضل ملامح إوما هو أن السلسلة بأكملها يقلل بسهولة إلى صيغة عودية: ريكورسيف يعني أن المراجع التباين اليوم (أي وظيفة من التباين أيام سابقة). يمكنك أن تجد هذه الصيغة في جدول البيانات أيضا، وتنتج نفس النتيجة بالضبط كما حساب لونغاند يقول: التباين اليوم (تحت إوما) يساوي التباين الأمس (مرجحة من لامدا) بالإضافة إلى الأمتار مربعة العودة (وزنه من قبل ناقص لامدا). لاحظ كيف أننا مجرد إضافة فترتين معا: يوم أمس التباين المرجح والأمثلة المرجحة، مربعا العودة. ومع ذلك، لامدا هو لدينا تمهيد المعلمة. يشير ارتفاع اللامدا (مثل ريسكمتريكس 94) إلى انحطاط بطيء في السلسلة - من الناحية النسبية، سيكون لدينا المزيد من نقاط البيانات في السلسلة، وسوف تسقط ببطء أكثر. من ناحية أخرى، إذا قلنا من لامدا، فإننا نشير إلى انحلال أعلى: الأوزان تسقط بسرعة أكبر، ونتيجة مباشرة للتسوس السريع، يتم استخدام نقاط بيانات أقل. (في جدول البيانات، لامدا هو المدخلات، حتى تتمكن من تجربة مع حساسية لها). سوماري التقلب هو الانحراف المعياري لحظية من الأسهم ومقياس المخاطر الأكثر شيوعا. وهو أيضا الجذر التربيعي للتباين. يمكننا قياس التباين تاريخيا أو ضمنيا (التقلب الضمني). عند قياس تاريخيا، وأسهل طريقة هو التباين البسيط. ولكن الضعف مع التباين بسيط هو كل عوائد الحصول على نفس الوزن. لذلك نحن نواجه مفاضلة الكلاسيكية: نحن نريد دائما المزيد من البيانات ولكن المزيد من البيانات لدينا أكثر يتم تخفيف الحساب لدينا عن بعد (أقل أهمية) البيانات. ويحسن المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما) على التباين البسيط بتخصيص أوزان للعائدات الدورية. من خلال القيام بذلك، يمكننا على حد سواء استخدام حجم عينة كبيرة ولكن أيضا إعطاء المزيد من الوزن لعوائد أكثر حداثة. (لعرض فيلم تعليمي حول هذا الموضوع، قم بزيارة سلحفاة بيونيك). على عكس المتوسط ​​المتحرك البسيط (سما) الذي يعطي جميع نقاط البيانات نفس الوزن، فإن المتوسط ​​المتحرك الأسي (إما) يعطي وزنا أكبر للبيانات الحديثة، ومن ثم يكون أكثر فائدة عندما تكون البيانات الحديثة أكثر أهمية من المتوسط ​​التاريخي. يتم حساب إما من خلال: 1. حساب إما التي تعتمد على عدد نقاط البيانات التي تريد النظر فيها، إما 2 (n 1) حيث n هو عدد النقاط التي تريد النظر فيها، على سبيل المثال، لاستخدام آخر 5 نقاط إما (1-0.33) 0.67 3. تخيل أن نقاط البيانات الأخيرة هي p1 و p2 و p3 و p4 و p5 إما (p5 p4X p3) X2) P2 (X3) p1 (X4)) (1XX2X3X4) ما يفعله هو أنه يعطي نقاط البيانات القديمة وزن أصغر بكثير. إن المتوسط ​​المتحرك البسيط سيضاعف كل نقطة من النقاط الخمس الأخيرة بمقدار 20 نقطة ويضيفها، مما يجعلها متساوية. هنا مثال لنقاط البيانات، باستخدام آخر 5 نقاط لحساب سما و إما. يمكنك أن ترى أن إما تقترب من البيانات الحقيقية، لا تزال أكثر سلاسة من ذلك، ولكن أكثر حساسية لتقلباته. 293 المشاهدات ميدوت عرض أوبفوتس ميدوت ليس بالنسبة للمعدل المتحرك المرجح لأسفل ريبرودكتيونان على البيانات، مع ملاحظات أكثر حداثة لها وزن أعلى من تلك التي من الماضي البعيد. يتم تحديد الوزن النسبي من خلال تحديد نصف عمر معدل الاضمحلال، ويختلف بين الإصدارات القصيرة الأجل والطويلة الأجل للنموذج النسخة قصيرة الأجل لها عمر نصف أقصر يستخدم النموذج على المدى الطويل نصف عمر أطول ما يعنيه: لديهم بعض البيانات اليومية ويريدون حساب متوسط ​​خلال الأيام n الماضية (أو فترات زمنية أخرى). إذا كانت البيانات متساوية الوزن، ثم كل نقطة البيانات سيكون مجرد الوزن 1n. ولكن بدلا من ذلك، فإنهم يريدون إعطاء المزيد من الوزن للبيانات الأحدث وزنا أقل للبيانات القديمة. ربما اختيار معلمة تمهيد ثابت ل بين 0 و 1، وبالنسبة للبيانات التي k أيام من العمر، فإنها تستخدم الوزن ل ك. أصغر ل. وأسرع يتآكل الوزن مع زيادة العمر k. نصف العمر هو كم من الوقت يستغرق للوزن لتصبح 12 من وزن أحدث البيانات. حتى إذا كان الوزن ل ك 12 ثم نصف العمر k لوغ (12) سجل (ل). يحتوي هذا الرقم بالضبط نفس المعلومات ل. يمكن أن تحصل على مربكة لأن هذه النسبة من سجلات متعود عموما عدد كامل من الأيام k. وهذا هو السبب في معظم الناس يفضلون تحديد ل. 616 المشاهدات ميدوت عرض أوبفوتس ميدوت نوت فور ريبرودكتيون ميدوت الإجابة المطلوبة من قبل جوشوا شينديل ما هو المتوسط ​​المتحرك الأسي في التداول لماذا نستخدم المتوسط ​​المتحرك الأسي على المتوسط ​​المتحرك البسيط كيف أتوقع أكثر من فترة واحدة في المستقبل مع إكسيل باستخدام بيانات متغيرة واحدة على سبيل المثال المشروع قبل 6 أشهر مع التمهيد الأسي. كيف يمكنني تحديد وقف الخسارة الخاص بي، معظم الأوقات بلدي وقف الخسارة يحصل سبب بسبب ارتفاع مفاجئ والعودة، وأنا باستخدام 5،30،200 متر المتوسط ​​المتحرك ما هو متوسط ​​العمر المتوقع للمصارع السومو لماذا هو 200 يوم المتوسط ​​المتحرك الأسي يعتبر المؤشر الأكثر موثوقية من قبل تجار الأسهم المهنية كيف نطبق التوزيع الأسي في الحياة الحقيقية