net. sourceforge. openforecast. models Klasse MovingAverageModel En flytende gjennomsnittlig prognosemodell er basert på en kunstig konstruert tidsserie hvor verdien for en gitt tidsperiode er erstattet av gjennomsnittet av den verdien og verdiene for et eller annet antall foregående og etterfølgende tid perioder. Som du kanskje har gjettet fra beskrivelsen, passer denne modellen best til tidsseriedata, dvs. data som endres over tid. For eksempel viser mange diagrammer av enkelte aksjer på aksjemarkedet 20, 50, 100 eller 200 dagers glidende gjennomsnitt som en måte å vise trender på. Siden prognosen for en gitt periode er et gjennomsnitt av de foregående periodene, vil prognosen alltid synes å ligge etter enten økninger eller reduksjoner i de observerte (avhengige) verdiene. For eksempel, hvis en dataserie har en merkbar oppadgående trend, vil en flytende gjennomsnittlig prognose generelt gi et undervurdering av verdiene av den avhengige variabelen. Den bevegelige gjennomsnittlige metoden har en fordel i forhold til andre prognosemodeller ved at det glir ut topper og troughs (eller daler) i et sett med observasjoner. Det har imidlertid også flere ulemper. Spesielt produserer denne modellen ikke en egentlig ligning. Derfor er det ikke alt som er nyttig som et middels langsomt prognoseverktøy. Det kan bare pålidelig brukes til å prognose en eller to perioder inn i fremtiden. Den bevegelige gjennomsnittsmodellen er et spesielt tilfelle av det mer generelle vektede glidende gjennomsnittet. I det enkle glidende gjennomsnittet er alle vekter like. Siden: 0.3 Forfatter: Steven R. Gould Felt arvet fra klassen net. sourceforge. openforecast. models. AbstractForecastingModel MovingAverageModel () Konstruerer en ny flytende gjennomsnittlig prognosemodell. MovingAverageModel (int periode) Konstruerer en ny flytende gjennomsnittlig prognosemodell, med den angitte perioden. getForecastType () Returnerer et eller to ordnavn på denne typen prognosemodell. init (DataSet dataSet) Brukes til å initialisere den bevegelige gjennomsnittsmodellen. toString () Dette bør overstyres for å gi en tekstlig beskrivelse av den nåværende prognosemodellen inkludert, hvor det er mulig, noen avledede parametere som brukes. Metoder arvet fra klassen net. sourceforge. openforecast. models. WeightedMovingAverageModel MovingAverageModel Konstruerer en ny flytende gjennomsnittlig prognosemodell. For en gyldig modell som skal bygges, bør du ringe init og passere i et datasett som inneholder en serie datapunkter med tidsvariabelen initialisert for å identifisere den uavhengige variabelen. MovingAverageModel Konstruerer en ny flytende gjennomsnittlig prognosemodell, ved å bruke det oppgitte navnet som den uavhengige variabelen. Parametre: independentVariable - navnet på den uavhengige variabelen som skal brukes i denne modellen. MovingAverageModel Konstruerer en ny flytende gjennomsnittlig prognosemodell, ved hjelp av den angitte perioden. For en gyldig modell som skal bygges, bør du ringe init og passere i et datasett som inneholder en serie datapunkter med tidsvariabelen initialisert for å identifisere den uavhengige variabelen. Periodens verdi brukes til å bestemme antall observasjoner som skal brukes til å beregne det bevegelige gjennomsnittet. For eksempel for et 50-dagers glidende gjennomsnitt der datapunktene er daglige observasjoner, bør perioden settes til 50. Perioden brukes også til å bestemme mengden fremtidige perioder som effektivt kan prognose. Med et 50 dagers glidende gjennomsnitt, kan vi ikke med rimelighet - med noen grad av nøyaktighet - prognose mer enn 50 dager utover den siste perioden for hvilke data som er tilgjengelige. Dette kan være mer fordelaktig enn, si en 10-dagers periode, hvor vi bare kunne forutsi rimelig 10 dager utover den siste perioden. Parametre: periode - antall observasjoner som skal brukes til å beregne glidende gjennomsnitt. MovingAverageModel Konstruerer en ny flytende gjennomsnittlig prognosemodell, ved å bruke det oppgitte navnet som den uavhengige variabelen og den angitte perioden. Parametre: independentVariable - navnet på den uavhengige variabelen som skal brukes i denne modellen. periode - antall observasjoner som skal brukes til å beregne det bevegelige gjennomsnittet. Brukes til å initialisere den bevegelige gjennomsnittsmodellen. Denne metoden må kalles før noen annen metode i klassen. Siden den bevegelige gjennomsnittsmodellen ikke utleder en ligning for prognoser, bruker denne metoden inngangsdataet til å beregne prognoseverdier for alle gyldige verdier av den uavhengige tidsvariabelen. Spesifisert av: init i grensesnitt ForecastingModel Overrides: init i klassen AbstractTimeBasedModel Parameters: dataSet - et datasett med observasjoner som kan brukes til å initialisere prognoseparametrene til prognosemodellen. getForecastType Returnerer et eller to ordnavn på denne typen prognosemodell. Hold dette kort. En lengre beskrivelse bør implementeres i toString-metoden. Dette bør overstyres for å gi en tekstlig beskrivelse av den nåværende prognosemodellen, inkludert, hvor det er mulig, hvilke avledede parametere som brukes. Spesifisert av: toString i grensesnitt ForecastingModel Overrides: toString i klassen WeightedMovingAverageModel Returns: en strengrepresentasjon av den nåværende prognosemodellen og dens parametre. SIMPLE FLYGGJENNOMFØRING Problemer med å bruke det enkle glidende gjennomsnittet som et prognoseverktøy: Det bevegelige gjennomsnittet sporer aktuelle data , men det ligger alltid etter det. Det bevegelige gjennomsnittet kommer aldri til å nå toppene eller dalene til de faktiske dataene. 15Det slipper ut dataene. Forteller deg ikke veldig mye om fremtiden. Dette gjør imidlertid ikke det bevegelige gjennomsnittet ubrukelig. Du trenger bare å være klar over problemene sine. SLID BESKRIVELSE AUDIO TRANSCRIPTION Så for å oppsummere, for et enkelt glidende gjennomsnitt eller et enkelt bevegelig gjennomsnitt, har vi sett noen problemer med å bruke det enkle glidende gjennomsnittet som et prognoseverktøy. Det bevegelige gjennomsnittet sporer de faktiske dataene, men det ligger alltid etter det. Det bevegelige gjennomsnittet vil aldri nå toppene eller dalene til de faktiske dataene, slik at dataene blir jevnere, og det forteller deg ikke veldig mye om fremtiden, fordi det bare forutsetter en periode på forhånd, og at prognosen antas å representere det beste verdi for fremtiden, en periode på forhånd, men det forteller deg ikke mye utover det. Det gjør ikke det enkle glidende gjennomsnittet ubrukelig151Faktisk ser du enkle bevegelige gjennomsnitt De 7 fallgruver med bevegelige gjennomsnitt Et glidende gjennomsnitt er gjennomsnittsprisen på et sikkerhet over en angitt tidsperiode. Analytikere bruker ofte bevegelige gjennomsnitt som et analytisk verktøy for å gjøre det lettere å følge markedstrender, ettersom verdipapirene beveger seg opp og ned. Flytte gjennomsnitt kan etablere trender og måle momentum. Derfor kan de brukes til å indikere når en investor bør kjøpe eller selge en bestemt sikkerhet. Investorer kan også bruke bevegelige gjennomsnitt for å identifisere støtte - eller motstandspunkter for å måle når prisene sannsynligvis vil endre retning. Ved å studere historiske handelsområder, opprettes støtte - og motstandspunkter hvor sikkerhetsprisen reverserer sin oppadgående eller nedadgående trend i fortiden. Disse punktene brukes da til å lage, kjøpe eller selge beslutninger. Dessverre er glidende gjennomsnitt ikke perfekte verktøy for å etablere trender, og de presenterer mange subtile, men betydelige, risikoer for investorer. Videre gjelder glidende gjennomsnitt ikke for alle typer bedrifter og næringer. Noen av de viktigste ulempene med bevegelige gjennomsnitt er: 1. Flytende gjennomsnitt trekker trender fra tidligere informasjon. De tar ikke hensyn til endringer som kan påvirke fremtidens ytelse for sikkerheten, for eksempel nye konkurrenter, høyere eller lavere etterspørsel etter produkter i bransjen, og endringer i selskapets ledelsesstruktur. 2. Ideelt sett vil et glidende gjennomsnitt vise en jevn forandring i prisen på en sikkerhet over tid. Dessverre går glidende gjennomsnitt ikke for alle bedrifter, spesielt for de i svært flyktige næringer eller de som er sterkt påvirket av dagens hendelser. Dette gjelder spesielt for oljeindustrien og høy spekulasjonsindustrien generelt. 3. Flytende gjennomsnitt kan spres over en tidsperiode. Dette kan imidlertid være problematisk fordi den generelle trenden kan endres vesentlig avhengig av tidsperioden som brukes. Kortere tidsrammer har mer volatilitet, mens lengre tidsrammer har mindre volatilitet, men tar ikke hensyn til nye endringer i markedet. Investorer må være forsiktig med hvilken tidsramme de velger, for å sikre at trenden er klar og relevant. 4. En pågående debatt er om det bør legges større vekt på de siste dagene i tidsperioden. Mange føler at nyere data bedre reflekterer hvilken retning sikkerheten beveger seg, mens andre føler at det gir noen dager mer vekt enn andre, forstyrrer utviklingen feil. Investorer som bruker ulike metoder for å beregne gjennomsnitt kan trekke helt forskjellige trender. (Lær mer i Simple vs Exponential Moving Average.) 5. Mange investorer hevder at teknisk analyse er en meningsløs måte å forutsi markedsadferd. De sier markedet har ingen minne og fortiden er ikke en indikator for fremtiden. Videre er det betydelig forskning for å få tilbake dette. For eksempel har Roy Nersesian gjennomført en studie med fem forskjellige strategier ved hjelp av bevegelige gjennomsnitt. Suksessraten for hver strategi varierte mellom 37 og 66. Denne undersøkelsen antyder at glidende gjennomsnitt bare gir resultater omtrent halvparten av tiden, noe som kan gjøre at de bruker et risikabelt proposisjon for effektivt timing av aksjemarkedet. 6. Verdipapirer viser ofte et syklisk mønster av oppførsel. Dette gjelder også for verktøyselskaper, som har jevn etterspørsel etter produkt fra år til år, men opplever sterke sesongmessige endringer. Selv om glidende gjennomsnitt kan bidra til å utjevne disse trendene, kan de også skjule det faktum at sikkerheten trender i et oscillerende mønster. (For å lære mer, se Hold øye med Momentum.) 7. Formålet med enhver trend er å forutse hvor prisen på et sikkerhetssystem vil være i fremtiden. Hvis en sikkerhet ikke trender i begge retninger, gir den ikke mulighet til å tjene på enten å kjøpe eller selge. Den eneste måten en investor kan være i stand til å profittere ville være å implementere en sofistikert, opsjonsbasert strategi som er avhengig av den gjenværende prisen stabil. Bottom Line Moving gjennomsnitt har blitt ansett som et verdifullt analytisk verktøy av mange, men for ethvert verktøy for å være effektivt må du først forstå funksjonen, når du skal bruke den og når du ikke skal bruke den. Faren som diskuteres her, indikerer at når gjennomsnittlig flytte ikke har vært et effektivt verktøy, for eksempel når det brukes med flyktige verdipapirer, og hvordan de kan overse visse viktige statistiske opplysninger, for eksempel sykliske mønstre. Det er også tvilsomt hvor effektive glidende gjennomsnitt er for nøyaktig å indikere prisutvikling. Gitt ulempene, kan bevegelige gjennomsnitt være et verktøy som er best brukt sammen med andre. Til slutt vil personlig erfaring være den ultimate indikatoren for hvor effektiv de egentlig er for din portefølje. (For mer, se Gjør Adaptive Moving Averages Lead To Better Results)
Comments
Post a Comment