11 ปี เฉลี่ยเคลื่อนที่

ค่าเฉลี่ยเคลื่อนที่ตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้เกิดความผิดปกติ (ยอดเขาและหุบเขา) เพื่อรับรู้แนวโน้มได้ง่ายขึ้น 1. ขั้นแรกให้ดูที่ซีรี่ส์เวลาของเรา 2. ในแท็บข้อมูลคลิกการวิเคราะห์ข้อมูล หมายเหตุ: ไม่สามารถหาปุ่ม Data Analysis คลิกที่นี่เพื่อโหลด Add-in Analysis ToolPak 3. เลือก Moving Average และคลิก OK 4. คลิกที่กล่อง Input Range และเลือกช่วง B2: M2 5. คลิกที่ช่อง Interval และพิมพ์ 6. 6. คลิกที่ Output Range box และเลือก cell B3 8. วาดกราฟของค่าเหล่านี้ คำอธิบาย: เนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและจุดข้อมูลปัจจุบัน เป็นผลให้ยอดเขาและหุบเขาจะเรียบออก กราฟแสดงแนวโน้มที่เพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกได้เนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงที่ 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้น ช่วงเวลาที่มีค่าน้อยกว่าค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ที่ใกล้เคียงกับค่าเฉลี่ยที่แท้จริง Stata: การวิเคราะห์ข้อมูลและซอฟต์แวร์ทางสถิติ Nicholas J. Cox, Durham University, UK Christopher Baum, Boston College egen, ma () และข้อ จำกัด Statarsquos คำสั่งที่ชัดเจนที่สุด สำหรับการคำนวณค่าเฉลี่ยเคลื่อนที่คือฟังก์ชัน ma () ของ egen ให้นิพจน์สร้างค่าเฉลี่ยเคลื่อนที่ของการแสดงออกดังกล่าว โดยค่าเริ่มต้นจะถูกนำมาเป็น 3 ต้องเป็นเลขคี่ อย่างไรก็ตามเนื่องจากรายการคู่มือระบุว่า egen, ma () อาจไม่สามารถรวมเข้ากับ varlist ได้:. และด้วยเหตุนี้เพียงอย่างเดียวจึงไม่สามารถใช้กับข้อมูลแผงได้ ในกรณีใด ๆ มันยืนอยู่นอกชุดของคำสั่งที่เขียนโดยเฉพาะสำหรับชุดเวลาดูชุดเวลาสำหรับรายละเอียด วิธีการทางเลือกวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับข้อมูลแผงมีอย่างน้อยสองทางเลือก ทั้งสองขึ้นอยู่กับชุดข้อมูลที่ได้รับก่อนหน้า tsset นี่เป็นสิ่งที่ควรค่ามาก: ไม่เพียง แต่ช่วยให้คุณสามารถกำหนดตัวแปรตัวแปรและตัวแปรตามเวลาได้อย่างสม่ำเสมอ แต่ Stata จะทำงานอย่างชาญฉลาดสำหรับช่องว่างในข้อมูล 1. เขียนนิยามของคุณเองโดยใช้การสร้างใช้ตัวดำเนินการแบบอนุกรมเช่น L. และ F. ให้นิยามค่าเฉลี่ยเคลื่อนที่เป็นอาร์กิวเมนต์ที่สร้างขึ้น ถ้าคุณทำเช่นนี้คุณจะเป็นธรรมชาติไม่ จำกัด เพียงค่าเฉลี่ยเคลื่อนที่ที่ศูนย์กลางซึ่งถ่วงน้ำหนักเท่ากัน (unweighted) ที่คำนวณโดย egen, ma () ตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่สามช่วงที่ถ่วงน้ำหนักเท่ากันจะถูกกำหนดโดยและคุณสามารถระบุน้ำหนักได้โดยง่าย: คุณสามารถระบุนิพจน์เช่น log (myvar) แทนชื่อตัวแปรเช่น myvar ข้อได้เปรียบอย่างหนึ่งของแนวทางนี้คือ Stata จะทำสิ่งที่ถูกต้องสำหรับข้อมูลแผง: ค่าชั้นนำและค่าปกคลุมด้วยวัตถุฉนวนจะถูกสร้างขึ้นภายในแผงควบคุมเช่นเดียวกับตรรกะที่พวกเขาควรจะเป็น ข้อเสียที่โดดเด่นที่สุดคือบรรทัดคำสั่งจะยาวขึ้นถ้าค่าเฉลี่ยเคลื่อนที่เกี่ยวข้องกับข้อกำหนดหลายข้อ อีกตัวอย่างหนึ่งคือค่าเฉลี่ยเคลื่อนที่ด้านเดียวขึ้นอยู่กับค่าก่อนหน้าเท่านั้น สิ่งนี้อาจเป็นประโยชน์ในการสร้างความคาดหวังในการปรับตัวของตัวแปรที่จะอิงกับข้อมูลในปัจจุบันเท่านั้น: อะไรที่สามารถคาดการณ์ได้สำหรับช่วงเวลาปัจจุบันตามค่าที่ผ่านมาสี่โดยใช้รูปแบบการถ่วงน้ำหนักแบบคงที่ (ความล้าหลัง 4 ช่วงเวลาอาจเป็น 2. ใช้ egen, filter () จาก SSC ใช้ตัวกรอง egen function ที่ผู้ใช้เขียนไว้ () จากแพคเกจ egenmore บน SSC ใน Stata 7 (อัพเดตหลังจาก 14 พฤศจิกายน 2544) คุณสามารถติดตั้งแพคเกจนี้ได้โดยหลังจากที่ช่วยให้ egenmore ชี้ไปที่รายละเอียดเกี่ยวกับ filter () ทั้งสองตัวอย่างข้างต้นจะแสดงผล (ในการเปรียบเทียบวิธีการสร้างนี้อาจโปร่งใสกว่า แต่เราจะเห็นตัวอย่างของสิ่งที่ตรงกันข้ามในชั่วระยะเวลาหนึ่ง) ความล่าช้าคือ numlist นำไปสู่ความล่าช้าเชิงลบ: ในกรณีนี้ -11 ขยายเป็น -1 0 1 หรือนำ 1, ล่าช้า 0, ล้าหลัง 1. Coef ficients, numlist อื่นคูณ lagging ที่สอดคล้องกันหรือนำรายการ: ในกรณีนี้รายการเหล่านี้คือ F1.myvar . myvar และ L1.myvar ผลสัมฤทธิ์ของตัวเลือกปกติคือการปรับค่าสัมประสิทธิ์แต่ละตัวโดยรวมของสัมประสิทธิ์เพื่อให้ coef (1 1 1) เป็น normalize เท่ากับค่าสัมประสิทธิ์ของ 13 13 13 และ coef (1 2 1) normalize เท่ากับค่าสัมประสิทธิ์ของ 14 12 14 คุณต้องระบุไม่เพียง แต่ความล่าช้า แต่ยังค่าสัมประสิทธิ์ เนื่องจากตัวชี้วัด () ให้กรณีที่ถ่วงน้ำหนักอย่างเท่าเทียมกันเหตุผลหลักสำหรับ egen, filter () คือการสนับสนุนกรณีถ่วงน้ำหนักที่ไม่เท่ากันซึ่งคุณต้องระบุค่าสัมประสิทธิ์ นอกจากนี้ยังอาจกล่าวได้ว่าการบังคับให้ผู้ใช้ระบุค่าสัมประสิทธิ์เป็นแรงกดดันเล็กน้อยต่อพวกเขาที่จะคิดถึงค่าสัมประสิทธิ์ที่ต้องการ เหตุผลหลักสำหรับน้ำหนักที่เท่ากันคือเราคาดเดาความเรียบง่าย แต่น้ำหนักเท่ากันมีคุณสมบัติโดเมนความถี่ที่ไม่ดีนักกล่าวถึงการพิจารณาเพียงอย่างเดียว ตัวอย่างที่สามข้างต้นสามารถเป็นได้ทั้งที่เป็นเพียงเกี่ยวกับที่ซับซ้อนเป็นวิธีการสร้าง มีกรณีที่ egen, filter () ให้สูตรที่เรียบง่ายกว่าการสร้าง ถ้าคุณต้องการตัวกรองแบบทวินามระยะ 9 ระยะซึ่งนักภูมิอากาศวิทยาหาประโยชน์แล้วอาจดูน่ากลัวกว่าและง่ายกว่าเช่นเดียวกับวิธีการสร้าง egen filter () ทำงานได้ดีกับข้อมูลของแผง ในความเป็นจริงตามที่ระบุไว้ข้างต้นจะขึ้นอยู่กับชุดข้อมูลที่ได้รับก่อนหน้า tsset ปลายกราฟฟิกหลังจากคำนวณค่าเฉลี่ยเคลื่อนที่ของคุณแล้วคุณอาจต้องการดูกราฟ คำสั่งที่ผู้ใช้เขียนด้วย tsgraph เป็นสมาร์ทเกี่ยวกับชุดข้อมูล tsset ติดตั้งใน Stata 7 ที่อัปเดตโดย ssc inst tsgraph สิ่งที่เกี่ยวกับการเซตย่อยด้วยถ้าไม่มีตัวอย่างข้างต้นใช้ประโยชน์จากข้อ จำกัด ในความเป็นจริง egen, ma () จะไม่อนุญาตถ้ามีการระบุ บางครั้งคนต้องการใช้ถ้าคำนวณค่าเฉลี่ยเคลื่อนที่ แต่การใช้งานมีความซับซ้อนมากกว่าปกติ คุณคาดหวังอะไรจากค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ถ้า ให้เราระบุสองความเป็นไปได้: การตีความอ่อนแอ: ฉันไม่ต้องการเห็นผลใด ๆ สำหรับข้อสังเกตที่ยกเว้น การตีความที่แข็งแกร่ง: ฉันไม่ต้องการให้คุณใช้ค่าสำหรับข้อสังเกตที่ยกเว้น นี่คือตัวอย่างที่เป็นรูปธรรม สมมติว่าเป็นผลมาจากสภาพถ้าเงื่อนไขข้อสังเกต 1-42 รวมอยู่ด้วย แต่ไม่สังเกต 43 แต่ค่าเฉลี่ยเคลื่อนที่เฉลี่ย 42 จะขึ้นอยู่กับค่าสังเกต 43 ถ้าค่าเฉลี่ยถอยหลังไปข้างหน้าและมีความยาวอย่างน้อย 3 และจะขึ้นอยู่กับข้อสังเกตบางข้อในบางสถานการณ์ในบางกรณี เราคาดเดาได้ว่าคนส่วนใหญ่จะไปตีความอ่อนแอ แต่ไม่ว่าจะถูกต้อง egen ตัวกรอง () ไม่สนับสนุนหรือไม่ถ้าอย่างใดอย่างหนึ่ง คุณสามารถละเว้นสิ่งที่คุณ donrsquot ต้องการหรือแม้กระทั่งการตั้งค่าที่ไม่พึงประสงค์ให้หายไปหลังจากนั้นโดยใช้แทน หมายเหตุเกี่ยวกับผลลัพธ์ที่หายไปที่ส่วนท้ายของชุดเนื่องจากค่าเฉลี่ยเคลื่อนที่คือหน้าที่ของความล่าช้าและโอกาสในการขาย egen, ma () ก่อให้เกิดความสูญเสียในกรณีที่ไม่มีความล่าช้าและโอกาสในการขายที่จุดเริ่มต้นและจุดสิ้นสุดของชุดข้อมูล ตัวเลือก nomiss บังคับให้คำนวณค่าเฉลี่ยเคลื่อนที่ที่สั้นลงโดยไม่ได้วัดสำหรับหาง ในทางตรงกันข้ามไม่สร้างหรือ egen, filter () ไม่หรืออนุญาตอะไรพิเศษเพื่อหลีกเลี่ยงผลลัพธ์ที่ขาดหายไป หากไม่มีค่าที่จำเป็นสำหรับการคำนวณหายไปผลลัพธ์ที่ได้จะหายไป ขึ้นอยู่กับผู้ใช้ในการตัดสินใจว่าจะต้องมีการแก้ไขอะไรและจำเป็นต้องมีข้อสังเกตสำหรับการสังเกตการณ์เหล่านี้อย่างแน่นอนหลังจากดูที่ชุดข้อมูลและพิจารณาเรื่องวิทยาศาสตร์ใด ๆ ที่สามารถนำมาได้ Bear Bulkowski8217s กิจกรรมการลงทุนที่ประสบความสำเร็จทำให้เขาสามารถเกษียณอายุได้เมื่ออายุ 36 ปี เป็นนักเขียนและผู้ประกอบการที่มีชื่อเสียงระดับนานาชาติที่มีประสบการณ์ด้านการลงทุนในตลาดหุ้น 30 ปีและได้รับการยกย่องอย่างกว้างขวางว่าเป็นผู้เชี่ยวชาญชั้นนำด้านรูปแบบแผนภูมิ เขาอาจจะไปถึงไซต์สนับสนุนคลิกลิงก์ (ด้านล่าง) เพื่อพาคุณไปที่ Amazon หากคุณซื้ออะไรที่พวกเขาจ่ายสำหรับการอ้างอิง Bulkowskis ค่าเฉลี่ยเคลื่อนที่ 12 เดือนเขียนโดยและสำเนาลิขสิทธิ์ 2005-2017 โดย Thomas N. Bulkowski สงวนลิขสิทธิ์. ข้อจำกัดความรับผิดชอบ: คุณมีส่วนรับผิดชอบต่อการตัดสินใจลงทุนของคุณ ดูข้อมูลเพิ่มเติมที่ PrivacyDisclaimer บทความนี้กล่าวถึงวิธีใช้ค่าเฉลี่ยเคลื่อนที่ 12 เดือนเพื่อตรวจจับตลาดวัวและหมี การเคลื่อนไหวเฉลี่ย 12 เดือนข้างต้นภาพวาดด้านบนเป็นแผนภูมิเส้นของราคาปิดรายเดือนของดัชนี SampP 500 พร้อมกับค่าเฉลี่ยเคลื่อนที่ของช่วงปิดบัญชี 12 เดือน (แสดงเป็นสีแดง) สังเกตว่าในช่วงเริ่มต้นของตลาดหมี 2000 - 2002 ดัชนีลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่ A. นั่นคือสัญญาณที่จะขายและย้ายเข้าสู่เงินสด ในช่วงที่ตลาดหมีในปี 2007 ถึง 2009 ดัชนีร่วงลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (B) ในทั้งสองกรณีดัชนียังคงต่ำกว่าค่าเฉลี่ยเคลื่อนที่จนกว่าการฟื้นตัวจะเริ่มที่ C และ D หากคุณใช้ค่าเฉลี่ยเคลื่อนที่ 10 เดือนแทนที่จะเป็น 12 ราคาจะเจาะค่าเฉลี่ยในวงกลมสีน้ำเงินและไปตาม CB ย้ายที่สัมผัสครั้งแรก ผู้ที่อาจก่อให้เกิดธุรกรรมที่ไม่จำเป็น (ซื้อแล้วขายหรือย้อนกลับ) ดังนั้นค่าเฉลี่ยเคลื่อนที่ 12 เดือนจึงทำงานได้ดีขึ้น ค่าเฉลี่ยเคลื่อนที่เล็กน้อยอีกเล็กน้อยจะช่วยให้คุณกลับเข้าสู่ตลาดได้เล็กน้อยในภายหลังที่ C และ D มากกว่าค่าเฉลี่ยเคลื่อนที่ 10 เดือน หากคุณต้องการทดสอบนี้โปรดตรวจสอบว่าคุณใช้ราคาปิดรายเดือนและไม่สูงหรือต่ำในช่วงเดือน คุณจะพบว่าค่าเฉลี่ยเคลื่อนที่จะช่วยลดความเสี่ยงและความเสี่ยงในการซื้อและระงับ กฎการซื้อขายการซื้อขายเฉลี่ย 12 เดือนนี่คือกฎการซื้อขาย ซื้อเข้าสู่ตลาดเมื่อดัชนี Sampamp 500 ขึ้นเหนือ 12 เดือนของค่าเฉลี่ยการปิดตัวของราคาปิด ขายเมื่อดัชนีลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ การทดสอบค่าเฉลี่ยเคลื่อนที่ 12 เดือนผมถาม Dr. Tom Helget ให้ทำแบบจำลองในดัชนี SampP 500 ตั้งแต่เดือนมกราคม 1950 ถึงมีนาคม 2010 ตารางต่อไปนี้แสดงผลการค้นหาของเขาบางส่วน นี่คือสิ่งที่เขาพูดเกี่ยวกับการทดสอบ การทดสอบของฉันเริ่มจาก 131950 ถึง 3312010 (20,515 วันหรือ 56.17 ปี) ใน GSPC การซื้อขายถูกถ่ายเมื่อปิดการข้ามเส้นค่าเฉลี่ยเคลื่อนที่เป็นเดือนที่ n เมื่อเปิดวันหลังจากสัญญาณ ตำแหน่งว่างลงเมื่อระยะสั้นปิดต่ำกว่าช่วงเดียวกันของค่าเฉลี่ยเคลื่อนที่ที่ n ในช่วงเวลาเปิดหลังจากวันที่สัญญาณ อนุญาตเศษหุ้นที่จะซื้อ ค่าเริ่มต้นของฉันคือ 100 ช่วงเวลาของค่าเฉลี่ยเคลื่อนที่แบบรายเดือนมีค่าตั้งแต่ 6 ถึง 14 การเพิ่มประสิทธิภาพแสดงประสิทธิภาพที่ดีที่สุดเป็น SMA 12 เดือนโดยมีอัตราผลตอบแทนรายปีเฉลี่ย 7.15 หากมีการซื้อเมื่อ 1291954 (วันที่การค้าครั้งแรกที่สร้างขึ้นโดยระบบ) และถือจนถึงวันที่สิ้นสุด CAR จะเป็น 7.36 คุณสามารถดาวน์โหลดสำเนาผลสเปรดชีตของเขาได้โดยคลิกที่ลิงค์ เขียนโดยและสำเนาลิขสิทธิ์ 2005-2017 โดย Thomas N. Bulkowski สงวนลิขสิทธิ์. ข้อจำกัดความรับผิดชอบ: คุณมีส่วนรับผิดชอบต่อการตัดสินใจลงทุนของคุณ ดูข้อมูลเพิ่มเติมที่ PrivacyDisclaimer มนุษย์เป็นคอมพิวเตอร์ที่ดีที่สุดที่เราสามารถนำยานอวกาศขึ้นมาและเป็นคนเดียวที่สามารถผลิตได้ด้วยแรงงานที่ไม่มีฝีมือ