Wednesday, 25 October 2017

Förhållandet till glidande medelvärde metod pdf


Moving Average - MA BREAKING DOWN Moving Average - MA Som ett SMA-exempel, överväga en säkerhet med följande stängningskurser över 15 dagar: Vecka 1 (5 dagar) 20, 22, 24, 25, 23 Vecka 2 (5 dagar) 26, 28, 26, 29, 27 Vecka 3 (5 dagar) 28, 30, 27, 29, 28 En 10-dagars MA skulle medeltala slutkurserna för de första 10 dagarna som första datapunkt. Nästa datapunkt skulle släppa det tidigaste priset, lägga till priset på dag 11 och ta medeltalet, och så vidare som visas nedan. Som tidigare noterat lagrar MAs nuvarande prisåtgärd eftersom de är baserade på tidigare priser, ju längre tidsperioden för MA, desto större är fördröjningen. Således kommer en 200-dagars MA att ha en mycket större grad av fördröjning än en 20-dagars MA eftersom den innehåller priser för de senaste 200 dagarna. Längden på MA som ska användas beror på handelsmålen, med kortare MAs som används för kortfristig handel och långsiktiga MAs mer lämpade för långsiktiga investerare. 200-dagars MA följs i stor utsträckning av investerare och handlare, med raster över och under detta glidande medel anses vara viktiga handelssignaler. MAs ger också viktiga handelssignaler på egen hand eller när två genomsnitt övergår. En stigande MA indikerar att säkerheten är i en uptrend. medan en minskande MA indikerar att den ligger i en nedåtgående trend. På samma sätt bekräftas uppåtgående momentum med en haussead crossover. som uppstår när en kortsiktig MA passerar över en längre tid MA. Nedåtgående momentum bekräftas med en baisse crossover, som uppstår när en kortsiktig MA korsar under en längre tid MA. För några månader sedan hade jag ett inlägg om Momentum Echo (klicka här för att läsa inlägget). Jag sprang över en annan relativ styrka (eller momentum om du föredrar) papper som testar ytterligare en faktor. I Seung-Chan Parks papper, The Moving Average Ratio och Momentum, ser han på förhållandet mellan ett kort och långsiktigt glidande medelvärde av priset för att rangordna värdepapper med styrka. Detta skiljer sig från de flesta andra akademiska litteraturerna. De flesta andra studier använder enkla point-to-point-prisavkastning för att rangordna värdepapperen. Tekniker har använt glidande medelvärden i åratal för att utjämna prisrörelsen. För det mesta ser vi att människor använder korsningen av ett glidande medelvärde som en signal för handel. Park använder en annan metod för sina signaler. I stället för att titta på enkla korsar jämför han förhållandet mellan ett glidande medelvärde och en annan. Ett lager med 50-dagars glidande medelvärde betydligt över (nedan) 200-dagars glidande medelvärde kommer att ha en hög (låg) ranking. Värdepapper med 50-dagars glidande medelvärde mycket nära 200-dagars glidande medelvärde kommer att hamna i mitten av förpackningen. I papperet är Park delvis till 200-dagars glidande medelvärde som det långsiktiga glidande medlet, och han tester en mängd kortfristiga medelvärden från 1 till 50 dagar. Det borde inte överraska att de alla arbetar Faktum är att de tenderar att fungera bättre än enkla prisavkastningsbaserade faktorer. Det kom inte som en stor överraskning för oss, men bara för att vi har spårat en liknande faktor i flera år som använder två glidande medelvärden. Vad som alltid har förvånat mig är hur bra den faktorn gör jämfört med andra beräkningsmetoder över tiden. Den faktor vi har spårat är det glidande medelvärdet för ett 65-dagars glidande medelvärde till 150-dagars glidande medelvärde. Inte exakt samma som vilken park som testades, men likvärdig. Jag drog de uppgifter vi har om denna faktor för att se hur det jämförs med standardpriserna för 6- och 12-månaders prisavkastning. För detta test används toppens dekilering. Portföljer bildas varje månad och återbalanseras varje månad. Allt körs på vår databas, vilket är ett universum som mycket liknar SP 500 SP 400. (Klicka för att förstora) Våra data visar samma sak som Parks-tester. Att använda ett förhållande av glidande medelvärden är betydligt bättre än bara genom att använda enkla prisavkastningsfaktorer. Våra tester visar det glidande medelvärdet som ger cirka 200 bps per år vilket inte är en liten prestation. Det är också intressant att notera att vi kom fram till exakt samma slutsats med olika parametrar för det rörliga genomsnittet och en helt annan dataset. Det går bara för att visa hur robust konceptet relativ styrka är. För de läsare som har läst våra vitbok (tillgänglig här och här) kanske du undrar hur denna faktor utför med vår Monte Carlo testprocess. Jag kommer inte att publicera dessa resultat i det här inlägget, men jag kan säga att den här glidande medelfaktorn är konsekvent nära toppen av de faktorer vi spårar och har mycket rimlig omsättning för avkastningen den genererar. Att använda ett glidande medelvärde är ett mycket bra sätt att rangordna värdepapper för en relativ styrstrategi. Historiska data visar att det fungerar bättre än enkla prisfaktorer över tiden. Det är också en mycket robust faktor eftersom flera formuleringar fungerar, och det fungerar på flera dataset. Den här inlägget publicerades torsdagen den 26 augusti 2010 klockan 1:39 och är arkiverad under Relative Strength Research. Du kan följa alla svar på denna post via RSS 2.0-flödet. Du kan lämna ett svar. eller trackback från din egen webbplats. 9 Responses to Moving Average Ratio och Momentum Ett annat rörligt medelbaserat alternativ till att använda punkt-till-punkt-momentum tar det rörliga medeltalet av momentum 8230 Om du till exempel kontrollerar enkla momentum rankas dagligen, är it8217s mycket bullrigt har den primära lösningen varit , 8220don8217t kontrollera dagligen, 8221 dvs check månadsvis eller kvartalsvis och återanvänd och balansera innehav. Du kan dock kontrollera dagligen och eventuellt återbalansera dagligen, med mycket mindre ljud om du använder det 21-dagars glidande medlet på 252-dagars momentum istället för att använda 12 månaders momentum. Detta är också ekvivalent, BTW, till förhållandet mellan today8217s 21-dagars glidande medelvärde och 21-dagars glidande medelvärde. Fördelen med att använda momentumgenomsnittet är att du har mer lyhördhet för förändringar i momentum än vad du gör om du kontrollerar universum oncemonth eller oncequarter. Visst är det mycket mer hanterbart att använda MA-tekniken om du har ett mindre universum att tillämpa det på eftersom jag använder en grupp ETF som mitt universum, fungerar det bra för mig. Med tanke på att you8217re arbetar i ett universum på 900 aktier och avslöjar innehav i ett fondformat, kanske det inte är tillämpligt på dig, men jag trodde du kanske tycker det är intressant. Detta är också ekvivalent, BTW, till förhållandet mellan dagens 21-dagars glidande medelvärde och 21-dagars glidande genomsnitt FRÅN 252 DAGAR AGO 8211 EDIT. John Lewis säger: Vi spårar också faktorer som tar ett rörligt medelvärde av en momentumberäkning eller poäng. Den gamla tekniken8217 trick att använda en MA för att jämna ut bruset fungerar på relativ styrka precis som det gör på råpris. Frekvensen av återbalans bestämmer ofta vilken typ av modell du kan använda. Vi driver strategier som bara kan balanseras en gång i kvartalet, och vi måste använda olika modeller för dem än vi gör för strategier som vi tittar på dagligen eller veckovis. Båda metoderna fungerar om du använder rätt faktor, och vi har funnit att en ökning av återbalansfrekvensen automatiskt ökar avkastningen. Ibland tar det bort från avkastningen. Det beror helt på faktorn och hur du implementerar den (åtminstone i min erfarenhet). Med universerna och parametrarna I8217ve testade det på, har jag inte noterat vad jag skulle kalla 8220 statistiskt signifikant8221 förbättringar i gengäld när man bytte från månatliga rebeller till flyttande genomsnittliga tekniker som möjliggör (möjligen åtminstone) dagliga rebeller. Vad jag noterat har varit för det mesta vad I8217d kallar likvärdiga avkastningar i backtestdata. Jag har särskilt noterat att det genomsnittliga antalet handelsrundturer är bara mycket lite högre med den dagliga förändringspotentialen, dvs det finns några whipsaws, men bara några. Vad jag personligen tycker om potentialen för dagliga förändringar är, om hypotetiskt en av de problem som I8217m kraschar och bränner, skulle MA-tekniken gå ut snabbare (och ersätta med en annan säkerhet). Självklart skedde det inte tillräckligt under backtestens gång för att driva en signifikant skillnad i resultat, men det ger en fin salva till min psyke. Jag antar att när I8217m gick i pension och körde mitt program från någon strand någonstans föredrar I8217ll bara att checka in varje månad. That8217s senare. För närvarande medan I8217m på datorn dagligen ändå, kan lika bra springa mina scanningar Paul Montgomery säger: 8220 Jag kommer inte att publicera dessa resultat i det här inlägget, men jag kan säga att den här glidande medelfaktorn är konsekvent nära toppen av de faktorer vi spårar och har mycket rimlig omsättning för avkastningen det genererar8221 Stora post 8211 skulle älska att se mer på denna John Intressant post faktiskt 8211 Jag har läst mycket av papper på detta och undersöker sin effektivitet8230 Det enda jag inte kan förstå är hur en fond som AQR, som föreslår en annan form av momentuminvestering, gör så illa. Deras teoretiska avkastning är cirka 13 per år, men den faktiska fonden är fortfarande i minus. Undrar om att investera i den här ideen av din kommer att ge resultat nära de testade beloppen82306.2 Flytta medeltal ma 40 elecsales, beställa 5 41 I den andra kolumnen i denna tabell visas ett glidande medelvärde av order 5, vilket ger en uppskattning av trendcykeln. Det första värdet i denna kolumn är medeltalet av de första fem observationerna (1989-1993) det andra värdet i 5-MA kolumnen är medelvärdet av värdena 1990-1994 och så vidare. Varje värde i 5-MA kolumnen är genomsnittet av observationerna under femårsperioden centrerad på motsvarande år. Det finns inga värden för de två första åren eller de senaste två åren eftersom vi inte har två observationer på vardera sidan. I ovanstående formel innehåller kolumn 5-MA värden på hatt med k2. För att se hur trendcykeln uppskattar ser vi ut det tillsammans med de ursprungliga uppgifterna i Figur 6.7. plot 40 elecsales, huvudsakliga quotResidential electricity salesquot, ylab quotGWhquot. xlab quotYearquot 41 linjer 40 ma 40 elecsales, 5 41. col quotredquot 41 Lägg märke till hur trenden (i rött) är mjukare än originaldata och fångar huvudrörelsen för tidsserierna utan alla mindre svängningar. Den rörliga genomsnittsmetoden tillåter inte uppskattningar av T där t ligger nära seriens ändar, därför sträcker sig den röda linjen inte till kanterna på grafen på båda sidor. Senare kommer vi att använda mer sofistikerade metoder för trendcykeluppskattning som tillåter uppskattningar nära slutpunkterna. Ordningen för glidande medel bestämmer jämnheten i trendcykeluppskattningen. I allmänhet betyder en större ordning en mjukare kurva. Nedanstående diagram visar effekten av att ändra ordningen för glidande medelvärdet för elförsäljningsdata för bostäder. Enkla glidande medelvärden som dessa är vanligtvis oddliga ordningar (t ex 3, 5, 7 osv.) Det här är så att de är symmetriska: I ett glidande medelvärde av ordningen m2k1 finns k tidigare observationer, k senare observationer och mittenobservationen som är genomsnittliga. Men om m var jämn, skulle det inte längre vara symmetrisk. Flytta medelvärden för glidande medelvärden Det är möjligt att använda ett glidande medelvärde till ett glidande medelvärde. En anledning till att göra detta är att skapa en jämn ordning med glidande medelvärde. Till exempel kan vi ta ett glidande medelvärde av order 4 och sedan tillämpa ett annat glidande medelvärde av order 2 till resultaten. I tabell 6.2 har detta gjorts under de första åren av australiensiska kvartalsvisa ölproduktionsdata. beer2 lt - window 40 ausbeer, start 1992 41 ma4 lt 40 beer2, order 4. center FALSE 41 ma2x4 lt 40 beer2, order 4. center TRUE 41 Notationen 2times4-MA i den sista kolumnen betyder en 4-MA följt av en 2-MA. Värdena i den sista kolumnen erhålls genom att ta ett glidande medelvärde av ordning 2 av värdena i föregående kolumn. De första två värdena i 4-MA-kolumnen är exempelvis 451,2 (443410420532) 4 och 448,8 (410420532433) 4. Det första värdet i kolumnen 2times4-MA är medelvärdet av dessa två: 450,0 (451.2448.8) 2. När en 2-MA följer ett glidande medelvärde av jämn ordning (till exempel 4) kallas det ett centrerat glidande medelvärde av order 4. Detta beror på att resultaten nu är symmetriska. För att se att så är fallet kan vi skriva 2times4-MA enligt följande: starta huvuden från Bigfrac (y y y y) frac (y y y y) Stor amp frac y frac14y frac14y frac14y frac18y. slutet Det är nu ett vägt genomsnitt av observationer, men det är symmetriskt. Andra kombinationer av rörliga medelvärden är också möjliga. Till exempel används en 3times3-MA ofta och består av ett glidande medelvärde av order 3 följt av ett annat glidande medelvärde av order 3. Generellt bör en jämn order MA följas av en jämn order MA för att göra den symmetrisk. På liknande sätt bör en udda order MA följas av en udda order MA. Beräkning av trendcykeln med säsongsdata Den vanligaste användningen av centrerade glidmedel är att uppskatta trendcykeln från säsongsdata. Tänk på 2times4-MA: hat frac y frac14y frac14y frac14y frac18y. När de tillämpas på kvartalsdata får varje kvartal av året lika stor vikt som de första och sista villkoren gäller för samma kvartal i efterföljande år. Följaktligen kommer säsongsvariationen att medelvärdes ut och de resulterande värdena på hatt t kommer att ha liten eller ingen säsongsvariation kvar. En liknande effekt skulle erhållas med användning av en 2 x 8-MA eller 2 x 12-MA. I allmänhet motsvarar en 2-timmars m-MA ett vägat glidande medelvärde av ordning m1 med alla observationer som tar vikt 1m förutom de första och sista termerna som tar vikter 1 (2m). Så om säsongsperioden är jämn och i ordning m, använd en 2-timmars m-MA för att uppskatta trendcykeln. Om säsongsperioden är udda och av ordning m, använd en m-MA för att uppskatta trendcykeln. I synnerhet kan en 2-timmars 12-MA användas för att uppskatta trendcykeln för månadsdata och en 7-MA kan användas för att uppskatta trendcykeln för dagliga data. Andra val för MA-ordningen kommer vanligen att resultera i att trendcykeluppskattningar är förorenade av säsongsmässigheten i data. Exempel 6.2 Tillverkning av elektrisk utrustning Figur 6.9 visar en 2times12-MA applicerad på elutrustningens orderindex. Observera att den släta linjen inte visar någon säsongsmässighet är nästan lika med trendcykeln som visas i Figur 6.2, som uppskattades med en mycket mer sofistikerad metod än glidande medelvärden. Något annat val för ordningen för glidande medelvärde (förutom 24, 36 etc.) skulle ha resulterat i en jämn linje som visar vissa säsongsvariationer. plot 40 elecequip, ylab quotNew orders indexquot. col quotgrayquot, huvudkvotproduktionstillverkning (Euro area) cv 41 linjer 40 ma 40 elecequip, order 12 41. col quotredquot 41 Vägt glidmedelvärde Kombinationer av glidande medelvärden resulterar i viktade glidmedelvärden. Exempelvis motsvarar 2x4-MA diskuterade ovan en vägd 5-MA med vikter som ges av frac, frac, frac, frac, frac. I allmänhet kan en vägd m-MA skrivas som hat t sum k aj y, där k (m-1) 2 och vikterna ges med a, prickar, ak. Det är viktigt att vikterna alla summerar till en och att de är symmetriska så att aj a. Den enkla m-MA är ett speciellt fall där alla vikter är lika med 1m. En stor fördel med viktade glidande medelvärden är att de ger en jämnare uppskattning av trendcykeln. Istället för observationer som går in i och lämnar beräkningen vid full vikt, ökar deras vikter långsamt och sakta sakta minskar vilket resulterar i en jämnare kurva. Vissa specifika uppsättningar vikter används i stor utsträckning. Några av dessa anges i tabell 6.3.

No comments:

Post a Comment