As EMA de 12 e 26 dias são as médias de curto prazo mais populares e são usadas para criar indicadores como a divergência de convergência média móvel MACD eo oscilador de preço percentual PPO Em geral, os EMAs de 50 e 200 dias são usados como sinais de tendências de longo prazo. Os traders que empregam análises técnicas encontram médias móveis muito úteis e perspicazes quando aplicadas corretamente, mas criam destruição quando usadas indevidamente ou são mal interpretadas. Todas as médias móveis Geralmente utilizados na análise técnica são, por sua própria natureza, indicadores de atraso. Consequentemente, as conclusões tiradas da aplicação de uma média móvel a um gráfico de mercado específico devem ser para confirmar um movimento de mercado ou para indicar sua força Muito frequentemente, A linha de indicador fez uma mudança para refletir uma mudança significativa no mercado, o ponto ótimo de entrada no mercado já passou Um EMA serve para aliviar este dile Mma em certa medida Porque o cálculo EMA coloca mais peso sobre os dados mais recentes, abraça a ação de preço um pouco mais apertado e, portanto, reage mais rápido Isso é desejável quando um EMA é usado para derivar um sinal de entrada de negociação. Interpretando o EMA. Like todos os movendo Indicadores médios, eles são muito mais adequados para mercados de tendências Quando o mercado está em uma tendência de alta forte e sustentada a linha de indicador de EMA também mostrará uma tendência de alta e vice-versa para uma tendência para baixo Um comerciante vigilante não só prestar atenção à direção de A linha de EMA, mas também a relação da taxa de mudança de uma barra para a próxima Por exemplo, como a ação de preço de uma forte tendência de alta começa a nivelar e reverter, a taxa de mudança da EMA de uma barra para a próxima começará a Diminuir até que a linha de indicador aplana ea taxa de mudança é zero. Por causa do efeito retardado, por este ponto, ou até mesmo algumas barras antes, a ação do preço deve já ter invertido. Uma diminuição consistente da taxa de variação da EMA poderia ser usada como um indicador que pudesse contrariar o dilema causado pelo efeito retardado da mudança de médiasmônicas. Usos da EMA. As EM são comumente usadas em conjunto com outros indicadores para confirmar significantes O EMA é mais aplicável Muitas vezes os comerciantes usam EMAs para determinar um viés de negociação Por exemplo, se um EMA em um gráfico diário mostra uma forte tendência de alta, um Estratégia do comerciante intraday pode ser o comércio apenas a partir do lado longo em um gráfico intraday. Moving médias - simples e exponencial. Moving médias - simples e exponencial. Moving médias suavizar os dados de preços para formar uma tendência seguinte indicador Eles não prevêem direção de preço , Mas sim definir a direção atual com um lag Mudanças de médias móveis, porque eles são baseados em preços passados Apesar deste atraso, médias móveis ajudam a ação de preço suave e filte R fora o ruído Eles também formam os blocos de construção para muitos outros indicadores técnicos e sobreposições, como Bollinger Bands MACD eo Oscilador McClellan Os dois tipos mais populares de médias móveis são a média móvel simples SMA ea média móvel exponencial EMA Estas médias móveis Pode ser usado para identificar a direção da tendência ou definir suporte em potencial e níveis de resistência. Here um gráfico com um SMA e um EMA nele. Clique no gráfico para uma versão ao vivo. Simple Moving Average Calculation. Uma média simples móvel é formada Calculando o preço médio de um título sobre um determinado número de períodos A maioria das médias móveis é baseada em preços de fechamento Uma média móvel simples de 5 dias é a soma de cinco dias dos preços de fechamento dividida por cinco Como seu nome indica, uma média móvel é um Média que se move Dados antigos são descartados como novos dados disponíveis Isso faz com que a média para mover ao longo da escala de tempo Abaixo está um exemplo de uma média móvel de 5 dias evoluindo ao longo de três dias. O primeiro dia da média móvel abrange simplesmente os últimos cinco dias O segundo dia da média móvel cai o primeiro ponto de dados 11 e adiciona o novo ponto de dados 16 O terceiro dia da média móvel continua caindo o primeiro ponto de dados 12 e adicionando O novo ponto de dados 17 No exemplo acima, os preços aumentam gradualmente de 11 para 17 ao longo de um total de sete dias Observe que a média móvel também aumenta de 13 para 15 durante um período de cálculo de três dias Note também que cada valor médio móvel é logo abaixo O último preço Por exemplo, a média móvel para o dia um é igual a 13 eo último preço é 15 Os preços dos quatro dias anteriores foram mais baixos e isso faz com que a média móvel a lag. Exponential Moving Average Calculation. Exponential médias móveis reduzem o atraso, aplicando mais Peso para preços recentes A ponderação aplicada ao preço mais recente depende do número de períodos na média móvel Há três etapas para calcular uma média móvel exponencial Primeiro, calcula A média móvel simples Uma média móvel exponencial EMA tem de começar em algum lugar de modo que uma média móvel simples é usada como o período anterior s EMA no primeiro cálculo Segundo, calcule o multiplicador de ponderação Terceiro, calcule a média móvel exponencial A fórmula abaixo é para um 10-dia EMA. A 10-período exponencial média móvel aplica uma 18 18 ponderação para o mais recente preço A 10-EMA período também pode ser chamado de 18 18 EMA A 20-EMA período aplica um 9 52 pesando para o preço mais recente 2 20 1 0952 Observe que a ponderação para o período de tempo mais curto é mais do que a ponderação para o período de tempo mais longo Na verdade, a ponderação cai pela metade cada vez que o período de média móvel dobra. Se você nos quer uma porcentagem específica para um EMA , Você pode usar esta fórmula para convertê-la em períodos de tempo e, em seguida, digite esse valor como o EMA s parameter. Below é um exemplo de planilha de uma média móvel simples de 10 dias e uma média móvel exponencial de 10 dias para Intel Simple moving avera Os movimentos são diretos e exigem pouca explicação A média de 10 dias simplesmente se move à medida que novos preços se tornam disponíveis e os preços antigos caem A média móvel exponencial começa com o valor médio móvel simples 22 22 no primeiro cálculo Após o primeiro cálculo, Assume o controle Porque um EMA começa com uma média móvel simples, seu valor verdadeiro não será realizado até 20 ou mais períodos mais tarde Em outras palavras, o valor na planilha do Excel pode diferir do valor do gráfico por causa do curto período de retorno A planilha só volta 30 períodos, o que significa que o efeito da média móvel simples teve 20 períodos para dissipar StockCharts volta pelo menos 250 períodos tipicamente muito mais para seus cálculos de modo que os efeitos da média móvel simples no primeiro cálculo têm plenamente Dissipated. The Lag Factor. The quanto maior a média móvel, mais o lag A média móvel exponencial de 10 dias vai abraçar os preços muito próximo e virar logo af Por outro lado, uma média móvel de 100 dias contém muitos dados passados que o desaceleram. As médias móveis mais longas são como os petroleiros oceânicos - letárgicos e demoram a mudar. Maior e mais longo movimento de preços para uma média móvel de 100 dias para mudar de curso. Clique no gráfico para uma versão ao vivo. O gráfico acima mostra o SP 500 ETF com uma EMA de 10 dias seguindo de perto os preços e 100 dias de moagem SMA maior Mesmo com o declínio de janeiro a fevereiro, o SMA de 100 dias manteve o curso e não desistiu. A SMA de 50 dias se encaixa entre as médias móveis de 10 e 100 dias, quando se trata do fator de latência. Simples vs médias exponenciais. Embora existam diferenças claras entre médias móveis simples e médias móveis exponenciais, uma não é necessariamente melhor do que as outras médias móveis exponenciais têm menos atraso e, portanto, são mais sensíveis a preços recentes - e recentes mudanças de preços Exp As médias móveis onenciais virar-se-ão antes das médias móveis simples As médias móveis simples, por outro lado, representam uma média verdadeira dos preços para o período de tempo inteiro Assim, as médias móveis simples podem ser servidas melhor identificar níveis do apoio ou da resistência. Sobre os objetivos, estilo analítico e horizonte de tempo Chartists deve experimentar com ambos os tipos de médias móveis, bem como diferentes prazos para encontrar o melhor ajuste O gráfico abaixo mostra IBM com 50 dias SMA em vermelho e os 50 dias EMA em verde Ambos pico No final de janeiro, mas o declínio na EMA foi mais nítida do que o declínio na SMA A EMA apareceu em meados de fevereiro, mas a SMA continuou inferior até o final de março Observe que a SMA apareceu mais de um mês após a EMA. Lengths E Timeframes. The comprimento da média móvel depende dos objectivos analíticos Curtas médias móveis 5-20 períodos são mais adequados para as tendências de curto prazo e comercial Chartists interessados em médio prazo Nds opt para médias móveis mais longas que podem estender 20-60 períodos Os investors a longo prazo preferirão médias móveis com 100 ou mais períodos. Alguns comprimentos móveis da média são mais populares do que outro A média movente de 200 dias é talvez a mais popular Por causa de A média móvel de 50 dias é bastante popular para a tendência de médio prazo. Muitos cartistas usam as médias móveis de 50 dias e 200 dias juntos. A curto prazo, Dia média móvel era muito popular no passado, porque era fácil de calcular Um simplesmente acrescentou os números e moveu o ponto decimal. Trend Identificação. Os mesmos sinais podem ser gerados usando médias móveis simples ou exponenciais Como mencionado acima, a preferência depende de cada Individual Estes exemplos abaixo usarão médias móveis simples e exponenciais O termo média móvel se aplica a médias móveis simples e exponenciais. A direção da média móvel transmite informações importantes ab A tendência de alta de longo prazo reflete uma tendência de alta de longo prazo A queda da média móvel de longo prazo reflete uma tendência de longo prazo O gráfico acima mostra MMM 3M com uma média móvel exponencial de 150 dias Este exemplo mostra o quão bem as médias móveis funcionam quando a tendência é forte A EMA de 150 dias recusou em novembro de 2007 e novamente em janeiro de 2008 Observe que tomou uma 15 declínio para inverter a direção desta média móvel Estes indicadores de atraso identificam inversões de tendência como ocorrem na melhor ou depois que ocorrem na pior MMM continuou menor em março de 2009 e, em seguida, aumentou 40-50 Observe que a EMA de 150 dias não aparecer Até depois deste aumento Uma vez que ele fez, no entanto, MMM continuou maior nos próximos 12 meses Média móvel trabalhar brilhantemente em tendências fortes. Duas médias móveis podem ser usadas em conjunto para gerar crossover Na análise técnica dos mercados financeiros, John Murphy chama isso de método de cruzamento duplo. Os cruzamentos duplos envolvem uma média móvel relativamente curta e uma média móvel relativamente longa. Como em todas as médias móveis, o comprimento geral da média móvel define o período para o sistema A Sistema usando um EMA de 5 dias e EMA de 35 dias seria considerado de curto prazo Um sistema usando um SMA de 50 dias e um SMA de 200 dias seria considerado de médio prazo, talvez mesmo de longo prazo. Um cruzamento de alta ocorre quando o A média móvel mais curta cruza acima da média móvel mais longa Isto é sabido também como uma cruz dourada Um cruzamento bearish ocorre quando a média movente mais curta cruza abaixo da média movente mais longa Isto é sabido como uma cruz inoperante. Os crossovers médios de produção produzem sinais relativamente atrasados Afinal, O sistema emprega dois indicadores de atraso Quanto mais longos os períodos de média móvel, maior o atraso nos sinais Esses sinais funcionam muito bem quando uma boa tendência se apóia No entanto, O sistema crossover médio produzirá lotes de whipsaws na ausência de uma tendência forte. Há também um método triplo do cruzamento que envolva três médias moventes Mais uma vez, um sinal é gerado quando a média movente a mais curta cruza as duas médias móveis mais longas Um sistema simples do cruzamento triplo Pode envolver médias móveis de 5 dias, 10 dias e 20 dias. O gráfico acima mostra Home Depot HD com uma linha pontilhada verde EMA de 10 dias e linha vermelha EMA de 50 dias A linha preta é o fechamento diário Usando uma média móvel Crossover teria resultado em três whipsaws antes de pegar um bom comércio A EMA de 10 dias quebrou abaixo da EMA de 50 dias no final de 01 de outubro, mas isso não durou enquanto os 10 dias se moveu para trás acima em meados de novembro 2 Esta cruz durou Mais longo, mas o próximo cruzamento de baixa em 03 de janeiro ocorreu perto de fins de novembro níveis de preços, resultando em outro Whipsaw Esta cruz de baixa não durou muito tempo como o EMA de 10 dias voltou acima dos 50 dias alguns dias depois 4 Depois de três sinais ruins , o quarto Sinal foreshadowed um movimento forte como o estoque avançado sobre 20.There são dois takeaways aqui Primeiro, os crossovers são prone ao whipsaw Um filtro do preço ou do tempo pode ser aplicado para ajudar impedir whipsaws Os comerciantes podem reque o crossover durar 3 dias antes de agir ou exigir o 10 dias EMA para mover acima abaixo do EMA de 50 dias por uma certa quantidade antes de agir Em segundo lugar, MACD pode ser usado para identificar e quantificar esses cruzamentos MACD 10,50,1 mostrará uma linha representando a diferença entre as duas médias móveis exponenciais MACD torna-se positivo durante uma cruz dourada e negativo durante uma cruz morta O Percentage Price Oscillator PPO pode ser usado da mesma forma para mostrar diferenças percentuais Observe que MACD eo PPO são baseados em médias móveis exponenciais e não coincidirá com médias móveis simples. Este gráfico mostra Oracle ORCL com a EMA de 50 dias, EMA de 200 dias e MACD 50,200,1 Houve quatro cruzamentos de média móvel em um período de 2 1 2 anos Os primeiros três resultaram em whipsaws ou ruim Trades Uma tendência sustentada começou com o quarto cruzamento como ORCL avançado para meados dos anos 20 Mais uma vez, crossovers média móvel funcionam muito bem quando a tendência é forte, mas produzem perdas na ausência de uma tendência. Preço Crossovers. Moving médias também pode ser usado para Gerar sinais com cruzamentos de preço simples Um sinal de alta é gerado quando os preços se movem acima da média móvel Um sinal de baixa é gerado quando os preços se movem abaixo da média móvel Os crossovers de preço podem ser combinados para negociar dentro da maior tendência A média móvel mais longa define o tom para a Maior tendência ea menor média móvel é usado para gerar os sinais Um olharia para o preço de alta se cruza apenas quando os preços já estão acima da média móvel mais Esta seria a negociação em harmonia com a maior tendência Por exemplo, se o preço está acima do 200- Dia média móvel, chartists só se concentrar em sinais quando o preço se move acima da média móvel de 50 dias Obviamente, um movimento abaixo da média móvel de 50 dias woul D precedem tal sinal, mas tais cruzes de baixa seriam ignoradas porque a tendência maior é ascendente Uma cruz bearish sugeriria simplesmente um pullback dentro de uma tendência ascendente maior Uma cruz para trás acima da média movente de 50 dias indicaria um upturn em preços e uma continuação de A maior tendência de alta. O gráfico a seguir mostra Emerson Electric EMR com a EMA de 50 dias ea EMA de 200 dias A ação moveu-se acima e manteve acima da média móvel de 200 dias em agosto Houve mergulhos abaixo da EMA de 50 dias no início de novembro e Novamente no início de fevereiro Preços rapidamente movido para trás acima da EMA de 50 dias para fornecer sinais de alta sinais verdes em harmonia com a maior tendência de alta MACD 1,50,1 é mostrado na janela do indicador para confirmar cruzamentos de preços acima ou abaixo da EMA de 50 dias O EMA de 1 dia é igual ao preço de fechamento MACD 1,50,1 é positivo quando o fechamento está acima do EMA de 50 dias e negativo quando o fechamento está abaixo dos 50 dias EMA. Support e Resistance. Moving médias também podem atuar como Suporte em uma tendência de alta e resistência em um downt Uma tendência de alta de curto prazo pode encontrar suporte perto da média móvel simples de 20 dias, que também é usada em Bandas de Bollinger Uma tendência de alta de longo prazo pode encontrar apoio perto da média móvel simples de 200 dias, que é a mais popular a longo prazo Média móvel Se fato, a média móvel de 200 dias pode oferecer suporte ou resistência simplesmente porque é tão amplamente utilizado É quase como uma profecia auto-realizável. O gráfico acima mostra o NY Composto com a média móvel simples de 200 dias a partir de meados 2004 até o fim de 2008 Os 200 dias fornecidos suportam vezes numerosas durante o avanço Uma vez que a tendência inverteu com uma ruptura de sustentação dobro do alto, a média movente de 200 dias agiu como a resistência em torno de 9500.Não esperam níveis exatos do apoio e da resistência de mover-se Médias, especialmente mais médias móveis Os mercados são impulsionados pela emoção, o que os torna propensos a overshoots Em vez de níveis exatos, as médias móveis podem ser usadas para identificar apoio ou zonas de resistência. As vantagens de usar médias móveis Precisam ser ponderadas contra as desvantagens médias móveis são tendência seguinte, ou atraso, os indicadores que será sempre um passo atrás Isso não é necessariamente uma coisa ruim apesar Depois de tudo, a tendência é seu amigo e é melhor para o comércio na direção de A tendência As médias móveis asseguram que um comerciante está em linha com a tendência atual Mesmo que a tendência seja seu amigo, as seguranças gastam uma grande quantidade de tempo em escalas negociando, que rendem as médias móveis ineficazes Uma vez em uma tendência, as médias móveis mantê-lo-ão dentro , Mas também dar sinais tardios Não espere vender no topo e comprar no final usando médias móveis Como com a maioria das ferramentas de análise técnica, médias móveis não devem ser usados por conta própria, mas em conjunto com outras ferramentas complementares Chartists pode usar movendo Médias para definir a tendência geral e, em seguida, usar RSI para definir overbought ou oversold levels. Adding média móvel para StockCharts Charts. Moving médias estão disponíveis como um recurso de sobreposição de preço na SharpCharts workbench Usando o menu suspenso Overlays, os usuários podem escolher uma média móvel simples ou uma média móvel exponencial. O primeiro parâmetro é usado para definir o número de períodos de tempo. Um parâmetro opcional pode ser adicionado para especificar qual campo de preço deve ser usado Nos cálculos - O para o Aberto, H para o Alto, L para o Baixo e C para o Fechado Uma vírgula é usada para separar os parâmetros. Outro parâmetro opcional pode ser adicionado para deslocar as médias móveis para o passado esquerdo ou futuro certo Um número negativo -10 mudaria a média móvel para a esquerda 10 períodos Um número positivo 10 mudaria a média móvel para a direita 10 períodos. Médias móveis múltiplos podem ser superados o preço parcela simplesmente adicionando uma outra linha de superposição para a mesa de trabalho Membros StockCharts Pode alterar as cores eo estilo para diferenciar entre várias médias móveis Depois de selecionar um indicador, abra Opções Avançadas clicando no pequeno triângulo verde. As Opções Avançadas também podem ser usadas para adicionar uma sobreposição de média móvel a outros indicadores técnicos como RSI, CCI e Volume. Clique aqui para um gráfico ao vivo com várias médias móveis diferentes. Usando Médias Móveis com StockCharts Scans. Here são alguns exemplos de varreduras que StockCharts Os membros podem usar para varrer para várias situações de média móvel. Bullish Moving Average Cross Este exames procura ações com uma média móvel de 150 dias de crescimento simples e um cruzamento de alta da EMA de 5 dias e EMA de 35 dias A média móvel de 150 dias Está subindo, desde que ele está negociando acima de seu nível há cinco dias Uma cruz de alta ocorre quando a EMA de 5 dias se move acima da EMA de 35 dias acima da média de volume. Bearish Moving Average Cross Esta pesquisa procura ações com uma queda de 150- Dia média simples e uma baixa de 5 dias EMA e 35 dias EMA A média móvel de 150 dias está caindo, enquanto ele está negociando abaixo do seu nível cinco dias atrás Um cruzamento de baixa ocorre quando os movimentos de 5 dias EMA Abaixo da EMA de 35 dias em abo Murphy mostra como as médias móveis trabalham com Bandas de Bollinger e sistemas de negociação baseados em canais. Técnico Análise dos Mercados Financeiros John Murphy. Moving média e modelos de suavização exponencial. Como um primeiro passo para ir além de modelos de média, modelos de caminhada aleatória, e tendências lineares, padrões e tendências não sazonais podem ser extrapolados usando um modelo de média móvel ou suavização The A suposição básica por trás dos modelos de média e suavização é que a série temporal é localmente estacionária com uma média lentamente variável. Portanto, tomamos uma média local móvel para estimar o valor atual da média e então usamos isso como a previsão para o futuro próximo. Considerada como um compromisso entre o modelo médio eo modelo randômico-sem-deriva A mesma estratégia pode ser usada para estimar e extrapolar uma tendência local Uma média móvel é muitas vezes chamado de uma versão suavizada da série original, porque a média de curto prazo tem o efeito de alisar os solavancos na série original. Ajustando o grau de suavização da largura da média móvel, podemos esperar a greve algum tipo Do equilíbrio ótimo entre o desempenho dos modelos de caminhada média e aleatória. O modelo mais simples de média é a média móvel ponderada igualmente. A previsão para o valor de Y no tempo t 1 que é feita no tempo t é igual à média simples Das últimas observações. Aqui e noutros locais, usarei o símbolo Y-hat para representar uma previsão da série de tempo Y feita na data anterior possível mais antiga por um determinado modelo. Esta média é centrada no período t m 1 2, o que implica que a estimativa de A média local tenderá a ficar aquém do verdadeiro valor da média local em cerca de m 1 2 períodos Assim, dizemos que a idade média dos dados na média móvel simples é m 1 2 em relação ao período para o qual a previsão é calculada Por exemplo, se estiver a calcular a média dos últimos 5 valores, as previsões serão cerca de 3 períodos de atraso na resposta a pontos de viragem. Note que se m 1, O modelo SMA de média móvel simples é equivalente ao modelo de caminhada aleatória sem crescimento Se m é muito grande comparável ao comprimento do período de estimação, o modelo SMA é equivalente ao modelo médio Como com qualquer parâmetro de um modelo de previsão, é costume Para ajustar o valor de ki A fim de obter o melhor ajuste para os dados, ou seja, os erros de previsão menor em média. Aqui está um exemplo de uma série que parece apresentar flutuações aleatórias em torno de uma média de variação lenta Primeiro, vamos tentar ajustá-lo com uma caminhada aleatória , O que equivale a uma média móvel simples de um termo. O modelo de caminhada aleatória responde muito rapidamente às mudanças na série, mas ao fazê-lo escolhe grande parte do ruído nos dados as flutuações aleatórias, bem como o sinal local Média Se nós preferirmos tentar uma média móvel simples de 5 termos, obtemos um conjunto de previsões mais suaves. A média móvel simples de 5 períodos produz erros significativamente menores do que o modelo de caminhada aleatória neste caso. A idade média dos dados neste Por exemplo, uma desaceleração parece ter ocorrido no período 21, mas as previsões não virem até vários períodos mais tarde. Observe que a tendência de longo prazo, Previsões de longo prazo da SMA mod Assim, o modelo SMA assume que não há tendência nos dados. No entanto, enquanto as previsões a partir do modelo de caminhada aleatória são simplesmente iguais ao último valor observado, as previsões de O modelo SMA é igual a uma média ponderada dos valores recentes. Os limites de confiança calculados pela Statgraphics para as previsões de longo prazo da média móvel simples não se alargam à medida que aumenta o horizonte de previsão. A teoria estatística que nos diz como os intervalos de confiança deve ampliar para este modelo. No entanto, não é muito difícil calcular estimativas empíricas dos limites de confiança para as previsões de horizonte mais longo. Por exemplo, você poderia configurar uma planilha em que o modelo SMA Seria usado para prever 2 passos à frente, 3 passos à frente, etc dentro da amostra de dados históricos Você poderia então calcular os desvios-padrão da amostra dos erros em cada previsão h E, em seguida, construir intervalos de confiança para previsões de longo prazo, adicionando e subtraindo múltiplos do desvio padrão apropriado. Se tentarmos uma média móvel simples de 9 termos, obteremos previsões ainda mais suaves e mais de um efeito retardado. A idade média é Agora 5 períodos 9 1 2 Se tomarmos uma média móvel de 19-termo, a idade média aumenta para 10.Notice que, de fato, as previsões estão agora atrasados por pontos de viragem por cerca de 10 períodos. Qual quantidade de suavização é melhor para esta série Aqui está uma tabela que compara suas estatísticas de erro, incluindo também uma média de três termos. O modelo C, a média móvel de 5 períodos, produz o menor valor de RMSE por uma pequena margem sobre as médias de 3 e 9 prazos e Suas outras estatísticas são quase idênticas Assim, entre os modelos com estatísticas de erro muito semelhantes, podemos escolher se preferiríamos um pouco mais de resposta ou um pouco mais de suavidade nas previsões. Voltar ao topo da página. O modelo de média móvel simples descrito acima tem a propriedade indesejável de tratar as últimas k observações igualmente e ignora completamente todas as observações precedentes Intuitivamente, os dados passados devem ser descontados de uma forma mais gradual - por exemplo, a observação mais recente deve Obter um pouco mais de peso do que o segundo mais recente, eo segundo mais recente deve ter um pouco mais de peso do que o terceiro mais recente, e assim por diante O simples exponencial suavização SES modelo realiza this. Let denotar uma constante de alisamento um número entre 0 e 1 Uma maneira de escrever o modelo é definir uma série L que represente o nível atual ie valor médio local da série como estimado a partir de dados até o presente O valor de L no tempo t é computado recursivamente a partir de seu próprio valor anterior como este. Deste modo, o valor suavizado actual é uma interpolação entre o valor suavizado anterior e a observação corrente, onde controla a proximidade do valor interpolado para o máximo A previsão para o próximo período é simplesmente o valor suavizado atual. De forma semelhante, podemos expressar a próxima previsão diretamente em termos de previsões anteriores e observações anteriores, em qualquer uma das seguintes versões equivalentes. Na primeira versão, a previsão é uma interpolação Entre a previsão anterior ea observação anterior. Na segunda versão, a próxima previsão é obtida ajustando a previsão anterior na direção do erro anterior por uma quantidade fracionada. É o erro feito no tempo t Na terceira versão, a previsão é um Ponderada exponencialmente a média móvel descontada com o fator de desconto 1. A versão de interpolação da fórmula de previsão é a mais simples de usar se você estiver implementando o modelo em uma planilha, ela se encaixa em uma única célula e contém referências de células que apontam para a previsão anterior Observação e a célula onde o valor de é armazenado. Note que se 1, o modelo SES é equivalente a um modelo de caminhada aleatória Hout growth Se 0, o modelo SES é equivalente ao modelo médio, assumindo que o primeiro valor suavizado é definido igual à média Retornar ao início da página. A idade média dos dados na previsão de suavização exponencial simples é 1 relativa Para o período para o qual a previsão é calculada Isso não é suposto ser óbvio, mas pode ser facilmente mostrado pela avaliação de uma série infinita Por isso, a média móvel simples tendência tende a ficar para trás de pontos de viragem por cerca de 1 períodos Por exemplo, quando 0 5 o atraso é 2 períodos em que 0 2 o atraso é de 5 períodos quando 0 1 o atraso é de 10 períodos, e assim por diante. Para uma dada idade média ou seja, a quantidade de atraso, a simples suavização exponencial SES previsão é um pouco superior ao movimento simples Média de SMA, porque coloca relativamente mais peso na observação mais recente --e é ligeiramente mais sensível às mudanças ocorridas no passado recente Por exemplo, um modelo SMA com 9 termos e um modelo SES com 0 2 ambos têm uma idade média De 5 para o da Ta nas suas previsões, mas o modelo SES põe mais peso nos últimos 3 valores do que o modelo SMA e, ao mesmo tempo, não esquece completamente valores superiores a 9 períodos, como mostrado neste gráfico. Outra vantagem importante de O modelo SES sobre o modelo SMA é que o modelo SES usa um parâmetro de suavização que é continuamente variável, de modo que pode ser facilmente otimizado usando um algoritmo de solução para minimizar o erro quadrático médio. O valor ótimo do modelo SES para esta série resulta Para ser 0 2961, como mostrado aqui. A idade média dos dados nessa previsão é de 1 0 2961 3 4 períodos, que é semelhante ao de uma média móvel simples de 6 períodos. As previsões de longo prazo do modelo SES são Uma linha reta horizontal como no modelo SMA eo modelo de caminhada aleatória sem crescimento. No entanto, note que os intervalos de confiança calculados por Statgraphics agora divergem de uma forma razoável e que são substancialmente mais estreitos do que os intervalos de confiança para a rand Om modelo de caminhada O modelo SES assume que a série é um pouco mais previsível do que o modelo de caminhada aleatória. Um modelo SES é realmente um caso especial de um modelo ARIMA assim que a teoria estatística de modelos ARIMA fornece uma base sólida para o cálculo de intervalos de confiança para o Modelo SES Em particular, um modelo SES é um modelo ARIMA com uma diferença não sazonal, um termo MA 1 e nenhum termo constante conhecido como modelo ARIMA 0,1,1 sem constante O coeficiente MA 1 no modelo ARIMA corresponde ao modelo ARIMA Quantidade 1- no modelo SES Por exemplo, se você ajustar um modelo ARIMA 0,1,1 sem constante para as séries analisadas aqui, o coeficiente MA 1 estimado resulta ser 0 7029, que é quase exatamente um menos 0 2961. É possível adicionar a hipótese de uma tendência linear constante não-zero para um modelo SES. Para isso, basta especificar um modelo ARIMA com uma diferença não sazonal e um termo MA 1 com uma constante, ou seja, um modelo ARIMA 0,1,1 As previsões a longo prazo serão Em seguida, ter uma tendência que é igual à tendência média observada durante todo o período de estimação Você não pode fazer isso em conjunto com o ajuste sazonal, porque as opções de ajuste sazonal são desativadas quando o tipo de modelo é definido como ARIMA No entanto, você pode adicionar uma constante longo - tendência exponencial a um modelo de suavização exponencial simples com ou sem ajuste sazonal usando a opção de ajuste de inflação no Procedimento de Previsão A taxa de crescimento de porcentagem de inflação apropriada por período pode ser estimada como o coeficiente de declive em um modelo de tendência linear ajustado aos dados em Em conjunto com uma transformação logarítmica natural, ou pode ser baseada em outras informações independentes sobre as perspectivas de crescimento a longo prazo. Os modelos SMA e SES assumem que não há tendência de Qualquer tipo nos dados que é geralmente OK ou pelo menos não-muito ruim para 1-passo-frente previsões quando os dados é relativamente noi Sy, e eles podem ser modificados para incorporar uma tendência linear constante como mostrado acima O que sobre as tendências de curto prazo Se uma série exibe uma taxa variável de crescimento ou um padrão cíclico que se destaca claramente contra o ruído, e se há uma necessidade de Previsão de mais de um período à frente, então a estimação de uma tendência local também pode ser um problema O modelo de suavização exponencial simples pode ser generalizado para obter um modelo linear de suavização exponencial LES que calcula estimativas locais de nível e tendência. A tendência mais simples variando no tempo Modelo é o modelo de suavização exponencial linear de Brown, que usa duas séries suavizadas diferentes que são centradas em diferentes pontos no tempo. A fórmula de previsão é baseada em uma extrapolação de uma linha através dos dois centros. Uma versão mais sofisticada deste modelo, Holt s, é Discutida abaixo. A forma algébrica do modelo de suavização exponencial linear de Brown, como a do modelo de suavização exponencial simples, pode ser expressa em um número diferente de Formas quivalentes A forma padrão deste modelo é usualmente expressa da seguinte forma: S S representa a série suavizada individualmente obtida pela aplicação de suavização exponencial simples à série Y. Ou seja, o valor de S no período t é dado por. Lembre-se que, sob simples alisamento exponencial, esta seria a previsão para Y no período t 1 Então, S indicam a série duplamente suavizada obtida pela aplicação de suavização exponencial simples usando o mesmo para a série S. Finalmente, a previsão para Y tk para qualquer K 1, é dado por. Isto produz e 1 0 ie trar um pouco e deixar a primeira previsão igual à primeira observação real e e 2 Y 2 Y 1 após o qual as previsões são geradas usando a equação acima Isto produz os mesmos valores ajustados Como a fórmula baseada em S e S se este último foi iniciado usando S 1 S 1 Y 1 Esta versão do modelo é usada na próxima página que ilustra uma combinação de suavização exponencial com ajuste sazonal. Holt s Linear Exponencial Smoothing. Brown O modelo LES calcula as estimativas locais de nível e tendência ao suavizar os dados recentes, mas o fato de que ele faz isso com um único parâmetro de suavização coloca uma restrição nos padrões de dados que é capaz de se ajustar ao nível e tendência não é permitido variar Em Taxas independentes Holt s LES modelo aborda esta questão, incluindo duas constantes de alisamento, um para o nível e um para a tendência Em qualquer momento t, como no modelo de Brown s, existe uma estimativa L t do nível local e uma estimativa T T da tendência local Aqui eles são computados recursivamente a partir do valor de Y observado no tempo t e as estimativas anteriores do nível e tendência por duas equações que aplicam alisamento exponencial para eles separadamente. Se o nível estimado e tendência no tempo t-1 São L t 1 e T t-1 respectivamente, então a previsão para Y t que teria sido feita no tempo t-1 é igual a L t-1 T t-1 Quando o valor real é observado, a estimativa atualizada do É calculado recursivamente pela interpolação entre Y t e sua previsão, L t-1 T t-1, usando pesos de e 1. A mudança no nível estimado, ou seja, L t L t 1 pode ser interpretada como uma medida ruidosa do Tendência no tempo t A estimativa actualizada da tendência é então calculada recursivamente pela interpolação entre L T L t 1 ea estimativa anterior da tendência, T t-1 usando pesos de e 1. A interpretação da constante tendência-alisamento é análoga à da constante de alisamento de nível Os modelos com valores pequenos assumem que a tendência muda Apenas muito lentamente ao longo do tempo, enquanto modelos com maior assumem que está mudando mais rapidamente Um modelo com um grande acredita que o futuro distante é muito incerto, porque os erros na estimativa de tendência tornam-se bastante importantes quando a previsão mais de um período adiante Voltar ao topo Da página. As constantes de suavização e podem ser estimadas da maneira usual, minimizando o erro quadrático médio das previsões de 1 passo. Quando isso é feito em Statgraphics, as estimativas são 0 3048 e 0 008 O valor muito pequeno de Significa que o modelo assume muito pouca mudança na tendência de um período para o outro, então basicamente este modelo está tentando estimar uma tendência de longo prazo Por analogia com a noção de idade média dos dados que é usada na estimativa de t Ao nível local da série, a idade média dos dados que é utilizada na estimativa da tendência local é proporcional a 1, embora não exatamente igual a ela. Neste caso, que se revela ser 1 0 006 125 Este não é um número muito preciso Na medida em que a precisão da estimativa não é realmente 3 casas decimais, mas é da mesma ordem geral de magnitude que o tamanho da amostra de 100, por isso este modelo está em média bastante história na estimativa da tendência O gráfico de previsão Abaixo mostra que o modelo LES estima uma tendência local ligeiramente maior no final da série do que a tendência constante estimada no modelo de tendência SES Também, o valor estimado de é quase idêntico ao obtido pela montagem do modelo SES com ou sem tendência , Então este é quase o mesmo modelo. Agora, eles parecem previsões razoáveis para um modelo que é suposto ser a estimativa de uma tendência local Se você olho este gráfico, parece que a tendência local virou para baixo no final do Série Wh At has happened Os parâmetros deste modelo foram estimados minimizando o erro quadrado das previsões de 1 passo, e não as previsões de longo prazo, caso em que a tendência não faz muita diferença Se tudo o que você está olhando são 1 - passar-frente erros, você não está vendo a imagem maior de tendências, digamos 10 ou 20 períodos Para obter este modelo mais em sintonia com a nossa extrapolação do globo ocular dos dados, podemos ajustar manualmente a tendência de suavização constante para que ele Usa uma linha de base mais curta para estimativa de tendência. Por exemplo, se escolhemos definir 0 1, a idade média dos dados usados na estimativa da tendência local é de 10 períodos, o que significa que estamos fazendo a média da tendência ao longo dos últimos 20 períodos Aqui está o que o gráfico de previsão parece se definimos 0 1 mantendo 0 3 Isto parece intuitivamente razoável para esta série, embora seja provavelmente perigoso extrapolar esta tendência mais do que 10 períodos no futuro. O que sobre as estatísticas de erro Aqui está Uma comparação de modelos f Ou os dois modelos mostrados acima, bem como três modelos SES O valor ideal do modelo SES é aproximadamente 0 3, mas resultados semelhantes com ligeiramente mais ou menos responsividade, respectivamente, são obtidos com 0 5 e 0 2. Um Holt s linear exp suavização Com alfa 0 3048 e beta 0 008. B Holt linear alisamento exp com alfa 0 3 e beta 0 1. C Alisamento exponencial simples com alfa 0 5. D Alisamento exponencial simples com alfa 0 3. E Alisamento exponencial simples com alfa 0 2 . Suas estatísticas são quase idênticas, então realmente não podemos fazer a escolha com base em erros de previsão de 1 passo na amostra de dados. Nós temos que recair sobre outras considerações Se acreditamos firmemente que faz sentido basear a corrente Estimativa da tendência sobre o que aconteceu ao longo dos últimos 20 períodos ou assim, podemos fazer um caso para o modelo LES com 0 3 e 0 1 Se queremos ser agnóstico sobre se há uma tendência local, então um dos modelos SES pode Ser mais fácil de explicar e dar também mais As previsões empíricas sugerem que, se os dados já tiverem sido ajustados se necessário para a inflação, então Pode ser imprudente extrapolar as tendências lineares de curto prazo muito para o futuro Tendências evidentes hoje podem afrouxar no futuro devido a causas variadas como a obsolescência do produto, o aumento da concorrência e desacelerações ou retornos cíclicos em uma indústria Por esta razão, A suavização geralmente desempenha melhor fora da amostra do que seria de esperar, apesar da sua extrapolação de tendência horizontal ingênua modificações de tendência de amortecimento do modelo de suavização linear exponencial também são frequentemente utilizados na prática para introduzir uma nota de conservadorismo em suas projeções de tendência A tendência de amortecimento O modelo LES pode ser implementado como um caso especial de um modelo ARIMA, em particular, um modelo ARIMA 1,1,2. É possível calcular intervalos de confiança arou E as previsões de longo prazo produzidas por modelos exponenciais de suavização, considerando-os como casos especiais de modelos ARIMA. Cuidado, nem todos os softwares calculam intervalos de confiança para esses modelos corretamente. A largura dos intervalos de confiança depende do erro RMS do modelo, ii do tipo De alisamento simples ou linear iii o valor s da constante de suavização s e iv o número de períodos à frente que você está prevendo Em geral, os intervalos se espalham mais rápido à medida que se torna maior no modelo SES e eles se espalham muito mais rápido quando linear em vez de simples Suavização é usada Este tópico é discutido mais na seção de modelos ARIMA das notas Voltar ao topo da página.
No comments:
Post a Comment