Moving average alternative

Descrição O Matlab inclui funções chamadas movavg e tsmovavg (média móvel de séries temporais) na Caixa de Ferramentas Financeira, o movAv foi projetado para replicar a funcionalidade básica destes. O código aqui fornece um bom exemplo de gerenciamento de índices dentro de loops, o que pode ser confuso para começar. Ive deliberadamente mantido o código curto e simples para manter este processo claro. O movAv executa uma média móvel simples que pode ser usada para recuperar dados ruidosos em algumas situações. Ele funciona tomando a média da entrada (y) sobre uma janela de tempo deslizante, cujo tamanho é especificado por n. Quanto maior for n, maior a quantidade de suavização do efeito de n é relativa ao comprimento do vetor de entrada y. E efetivamente (bem, tipo de) cria um filtro de freqüência lowpass - veja a seção de exemplos e considerações. Como a quantidade de suavização fornecida por cada valor de n é relativa ao comprimento do vetor de entrada, sempre vale a pena testar diferentes valores para ver o que é apropriado. Lembre-se também que n pontos são perdidos em cada média se n é 100, os primeiros 99 pontos do vetor de entrada não contêm dados suficientes para uma média de 100pt. Isto pode ser evitado um pouco empilhando médias, por exemplo, o código eo gráfico abaixo comparam um número de diferentes médias de janela de comprimento. Observe como liso 1010pt é comparado a uma única 20pt média. Em ambos os casos, 20 pontos de dados são perdidos no total. Criar xaxis x1: 0.01: 5 Gerar ruído noiseReps 4 ruído repmat (randn (1, ceil (numel (x) / noiseReps)), noiseReps, 1) ruído remodelar (ruído, 1, (X) 10noise (1: length (x)) Médias de Perfrom: y2 movAv (y, 10) 10 pt y3 movAv (y2, 10) 1010 pt y4 movAv (y, 20) 20 pt y5 movAv (y, 40) 40 (X, y, y2, y3, y4, y5, y6) legenda (Dados brutos, 10pt média móvel, 1010pt, 20pt, 40pt, 100pt) xlabel (x) ylabel (Y) title (Comparação de médias móveis) movAv. m função de execução do programa movAv (y, n) A primeira linha define o nome das funções, entradas e saídas. A entrada x deve ser um vetor de dados para executar a média em, n deve ser o número de pontos a executar a média sobre a saída conterá os dados médios retornados pela função. Prealocar a saída outputNaN (1, numel (y)) Encontrar o ponto médio de n midPoint round (n / 2) O trabalho principal da função é feito no loop for, mas antes de iniciar duas coisas são preparadas. Em primeiro lugar, a saída é pré-alocada como NaNs, isso serviu dois propósitos. Em primeiro lugar, a pré-alocação é geralmente uma boa prática, pois reduz a memória que o Matlab tem de fazer, em segundo lugar, torna muito fácil colocar os dados médios numa saída do mesmo tamanho que o vector de entrada. Isso significa que o mesmo xaxis pode ser usado mais tarde para ambos, o que é conveniente para traçar, alternativamente, os NaNs podem ser removidos mais tarde em uma linha de código (output output (A variável midPoint será usada para alinhar os dados no vetor de saída. N 10, 10 pontos serão perdidos porque, para os primeiros 9 pontos do vetor de entrada, não há dados suficientes para tomar uma média de 10. Como a saída será menor que a entrada, ela precisa ser alinhada corretamente. Ser usado para que uma quantidade igual de dados seja perdida no início e no fim e a entrada seja mantida alinhada com a saída pelos buffers NaN criados quando a saída de pré-alocação for. Over (a: b) ban Calcula a média da saída (amidPoint) mean (y (a: b)) end No loop for, uma média é tomada em cada segmento consecutivo da entrada. Definida como 1 até o comprimento da entrada (y), menos os dados que serão perdidos (n). Se a entrada for 100 pontos de comprimento e n for 10, o laço irá executar de (a) 1 a 90. Isso Significa a fornece o primeiro índice do segmento a ser calculado a média. O segundo índice (b) é simplesmente an-1. Assim, na primeira iteração, a1. N10. Assim b 11-1 10. A primeira média é tomada sobre y (a: b). Ou x (1:10). A média desse segmento, que é um valor único, é armazenada na saída no índice amidPoint. Ou 156. Na segunda iteração, a2. B 210-1 11. Assim a média é tomada sobre x (2:11) e armazenada na saída (7). Na última iteração do circuito para uma entrada de comprimento 100, a91. B 9010-1 100 assim que a média é tomada sobre x (91: 100) e armazenada na saída (95). Isto deixa a saída com um total de n (10) valores de NaN no índice (1: 5) e (96: 100). Exemplos e considerações As médias móveis são úteis em algumas situações, mas nem sempre são a melhor escolha. Aqui estão dois exemplos onde eles não são necessariamente ótimos. Calibração do microfone Este conjunto de dados representa os níveis de cada freqüência produzida por um alto-falante e gravada por um microfone com uma resposta linear conhecida. A saída do alto-falante varia com a freqüência, mas podemos corrigir essa variação com os dados de calibração - a saída pode ser ajustada em nível para considerar as flutuações na calibração. Observe que os dados brutos são barulhentos - isso significa que uma pequena mudança de freqüência parece exigir uma grande alteração errática no nível a ser considerado. É este realista Ou é este um produto do ambiente de gravação É razoável, neste caso, aplicar uma média móvel que suaviza a curva de nível / freqüência para fornecer uma curva de calibração que é ligeiramente menos errático. Mas por que isso não é ótimo neste exemplo? Mais dados seriam melhores - múltiplos testes de calibração juntos resultariam em destruir o ruído no sistema (desde que seja aleatório) e fornecer uma curva com menos detalhes sutis perdidos. A média móvel só pode aproximar isso, e pode remover algumas frequências mais altas mergulhos e picos da curva que realmente existem. Seno ondas Usando uma média móvel em ondas de seno destaca dois pontos: A questão geral de escolher um número razoável de pontos para realizar a média mais. É simples, mas existem métodos mais eficazes de análise de sinal do que a média dos sinais oscilantes no domínio do tempo. Neste gráfico, a onda sinusoidal original é plotada em azul. O ruído é adicionado e plotado como a curva laranja. Uma média móvel é realizada em números diferentes de pontos para ver se a onda original pode ser recuperada. 5 e 10 pontos fornecem resultados razoáveis, mas não removam o ruído inteiramente, onde como um número maior de pontos começa a perder detalhe de amplitude como a média se estende sobre fases diferentes (lembre-se a onda oscila em torno de zero, e média (-1 1) 0) . Uma abordagem alternativa seria construir um filtro passa-baixa que possa ser aplicado ao sinal no domínio da frequência. Eu não vou entrar em detalhes, pois vai além do escopo deste artigo, mas como o ruído é consideravelmente maior freqüência do que a frequência das ondas fundamental, seria bastante fácil, neste caso, para construir um filtro passa-baixa que irá remover a alta freqüência Como um exemplo SMA, considere um título com os seguintes preços de fechamento em 15 dias: Semana 1 (5 dias) 20, 22, 24, 25, 23 Semana 2 (5 dias) 26, 28, 26, 29, 27 Semana 3 (5 dias) 28, 30, 27, 29, 28 Uma MA de 10 dias seria a média dos preços de fechamento para os primeiros 10 dias como o primeiro ponto de dados. O ponto de dados seguinte iria cair o preço mais antigo, adicionar o preço no dia 11 e tomar a média, e assim por diante, como mostrado abaixo. Conforme mencionado anteriormente, MAs atraso ação preço atual, porque eles são baseados em preços passados ​​quanto maior for o período de tempo para o MA, maior o atraso. Assim, um MA de 200 dias terá um grau muito maior de atraso do que um MA de 20 dias porque contém preços nos últimos 200 dias. A duração da MA a ser utilizada depende dos objetivos de negociação, com MAs mais curtos usados ​​para negociação de curto prazo e MAs de longo prazo mais adequados para investidores de longo prazo. O MA de 200 dias é amplamente seguido por investidores e comerciantes, com quebras acima e abaixo desta média móvel considerada como sinais comerciais importantes. MAs também transmitir sinais comerciais importantes por conta própria, ou quando duas médias se cruzam. Um aumento MA indica que a segurança está em uma tendência de alta. Enquanto um declínio MA indica que ele está em uma tendência de baixa. Da mesma forma, o impulso ascendente é confirmado com um crossover de alta. Que ocorre quando um MA de curto prazo cruza acima de um MA de longo prazo. O impulso descendente é confirmado com um crossover de baixa, que ocorre quando um MA de curto prazo cruza abaixo de um MA de longo prazo. O SampP 500 fechou em setembro com uma perda mensal de 0,12, coincidentemente sua segunda perda consecutiva de 0,12. Todos os três SampP 500 MAs estão sinalizando investido e todos os cinco Ivy Carteira ETF MAs estão sinalizando investido. Na tabela, fechamentos mensais que estão dentro de 2 de um sinal são realçados em amarelo. A tabela acima mostra o atual sinal de média móvel simples de 10 meses (SMA) para cada um dos cinco ETFs apresentados no The Ivy Portfolio. Weve também incluiu uma tabela de 12 meses SMAs para os mesmos ETFs para esta estratégia alternativa popular. Para uma análise facinating da estratégia da carteira do Ivy, veja este artigo por Adam Butler, Mike Philbrick e Rodrigo Gordillo: Backtesting Movendo Médias Durante os últimos anos weve usou Excel para seguir o desempenho de várias estratégias de sincronização da média móvel. Mas agora usamos as ferramentas de backtesting disponíveis no website do ETFReplay. Quem está interessado em timing de mercado com ETFs deve ter um olhar para este site. Aqui estão as duas ferramentas que usamos com mais freqüência: Antecedentes em médias móveis Comprar e vender com base em uma média móvel de encerramentos mensais pode ser uma estratégia eficaz para gerenciar o risco de perda grave dos principais mercados de baixa. Em essência, quando o fechamento mensal do índice está acima do valor da média móvel, você mantém o índice. Quando o índice é fechado abaixo, você move para o caixa. A desvantagem é que ele nunca recebe você no topo ou de volta na parte inferior. Além disso, ele pode produzir o whipsaw ocasional (curto prazo comprar ou vender sinal), como weve ocasionalmente experimentado ao longo do ano passado. No entanto, um gráfico do SampP 500 encerra mensalmente desde 1995 mostra que uma média de 10 ou 12 meses simples estratégia média (SMA) teria segurado participação na maior parte do movimento de preços ascendentes, reduzindo drasticamente as perdas. Aqui está a variante de 12 meses: A média móvel exponencial de 10 meses (EMA) é uma variante ligeira na média móvel simples. Esta versão aumenta matematicamente a ponderação de dados mais recentes na seqüência de 10 meses. Desde 1995 tem produzido menos whipsaws do que a média móvel simples equivalente, embora fosse um mês mais lento para sinalizar uma venda após estes dois tops do mercado. Um olhar para trás nas médias móveis 10 e 12 meses no Dow durante o Crash de 1929 e Grande Depressão mostra a eficácia destas estratégias durante aqueles tempos perigosos. A Psicologia dos Sinais Momentum Timing funciona por causa de um traço humano básico. As pessoas imitam o comportamento bem-sucedido. Quando ouvem de outro que faz o dinheiro no mercado, compram dentro. Eventualmente a tendência inverte. Pode ser meramente as expansões e contrações normais do ciclo econômico. Às vezes, a causa é mais dramática mdash uma bolha de ativos, uma grande guerra, uma pandemia, ou um choque financeiro inesperado. Quando a tendência reverte, os investidores de sucesso vendem cedo. A imitação do sucesso transforma gradualmente o momentum de compra anterior em vender o momentum. Implementando a Estratégia Nossas ilustrações do SampP 500 são apenas ilustrações mdash. Nós usamos o SampP por causa dos dados históricos extensivos thats prontamente disponíveis. No entanto, os seguidores de uma estratégia de média móvel deve tomar decisões de compra / venda sobre os sinais para cada investimento específico, e não um índice amplo. Mesmo se você está investindo em um fundo que rastreia o SampP 500 (por exemplo, Vanguards VFINX ou SPY ETF) os sinais de média móvel para os fundos, ocasionalmente, diferem do índice subjacente por causa do reinvestimento de dividendos. Os números do SampP 500 em nossas ilustrações excluem dividendos. A estratégia é mais eficaz em uma conta de vantagem fiscal com um serviço de corretagem de baixo custo. Você quer os ganhos para si mesmo, não seu corretor ou seu tio Sam. Nota . Para quem quiser ver as médias móveis simples de 10 e 12 meses no SampP 500 e as posições de equidade versus dinheiro desde 1950, está um arquivo Excel (formato xls) dos dados. Nossa fonte para os encerramentos mensais (Coluna B) é Yahoo Finance. As colunas D e F mostram as posições assinaladas pelo fim do mês para as duas estratégias SMA. No passado weve recomendado Mebane Fabers artigo pensativo Uma Abordagem Quantitativa Atribuição Táctica de Ativos. O artigo foi atualizado e expandido como parte três: Active Management seu livro The Ivy Portfolio. Co-autor com Eric Richardson. Este é um deve ler para qualquer um contemplando o uso de um sinal de tempo para decisões de investimento. O livro analisa a aplicação das médias móveis do SampP 500 e de quatro classes de ativos adicionais: o Índice EAFE Morgan Stanley Capital International (MSCI EAFE), o Goldman Sachs Commodity Index (GSCI), o National Association of Real Estate Investment Trust Index (NAREIT) Governo dos Estados Unidos 10 anos títulos do Tesouro. Como um recurso regular deste site, tentamos atualizar os sinais no final de cada mês. Para informações adicionais de Mebane Faber, visite seu site, Mebane Faber Research. Nota de rodapé sobre o cálculo das médias móveis mensais: Se você está fazendo seus próprios cálculos de médias móveis para dividendos de ações ou ETFs, você ocasionalmente obterá resultados diferentes se você não ajustar para dividendos. Por exemplo, em 2017 VNQ permaneceu investido no final de novembro com base em fechamentos mensais ajustados, mas houve um sinal de venda se você ignorou os ajustes de dividendos. Como os dados de meses anteriores serão alterados quando os dividendos forem pagos, você deve atualizar os dados para todos os meses no cálculo se um dividendo tiver sido pago desde o fechamento mensal anterior. Este será o caso de quaisquer ações ou fundos que paguem dividendos. Informações de contato Pesquisa no site Quando usar um gráfico de intervalo médio móvel Gráficos de média móvel geralmente são usados ​​para detectar pequenas mudanças na média do processo. Eles vão detectar mudanças de .5 sigma para 2 sigma muito mais rápido do que Shewhart gráficos com o mesmo tamanho da amostra. Eles são, no entanto, mais lentos na detecção de grandes mudanças na média do processo. Além disso, os testes de execução típicos não podem ser usados ​​devido à dependência de pontos de dados. Os Gráficos de Movimentação Média também podem ser preferidos quando os subgrupos são de tamanho n1. Neste caso, um gráfico alternativo pode ser o Individual X Chart, caso em que você precisa estimar a distribuição do processo para definir seus limites esperados com limites de controle. A vantagem dos gráficos Cusum, EWMA e Moving Average é que cada ponto plotado inclui várias observações, então você pode usar o teorema do limite central para dizer que a média dos pontos (ou a média móvel, neste caso) é normalmente distribuída ea Os limites de controlo estão claramente definidos. Outro uso do Moving Average Charts é para processos com ciclos intrínsecos conhecidos. Muitos processos contábeis e processos químicos se encaixam nesta categorização. Se você amostra em intervalos definidos e definir o tamanho da célula igual ao número de subgrupos por ciclo, em seguida, como você soltar a amostra mais antiga na célula, você pegar o ponto correspondente no próximo ciclo. Se a natureza cíclica do processo for alterada, então os novos pontos adicionados serão substancialmente diferentes, causando pontos fora de controle. Como com outros gráficos de controle, os Gráficos de Movimentação Média são usados ​​para monitorar processos ao longo do tempo. Os eixos x são baseados no tempo, de modo que os gráficos mostram um histórico do processo. Por esse motivo, você deve ter dados que são tempo-ordenado que é, entrou na seqüência a partir da qual ele foi gerado. Se não for esse o caso, então tendências ou mudanças no processo podem não ser detectadas, mas sim atribuídas a uma variação aleatória (causa comum). Faixas de intervalo de amplitude média móvel podem ser usadas quando o tamanho da célula é menor que dez subgrupos. Se o tamanho da célula for maior do que dez, use os gráficos do Sigma em Moving Average. Outros gráficos úteis nos cenários acima são os gráficos EWMA e Cusum. Desde 1982: A ciência da arte para melhorar sua linha de fundo A Quality America oferece software de Controle Estatístico de Processos, bem como materiais de treinamento para Lean Seis Sigma, Gerenciamento de Qualidade e SPC. Adotamos uma abordagem voltada para o cliente e lideramos em muitas inovações de software, buscando continuamente maneiras de oferecer aos nossos clientes as soluções melhores e mais acessíveis. Líderes em seu campo, a qualidade América forneceu software e produtos e serviços do treinamento aos dez dos milhares de companhias em mais de 25 países. Autor: Van Deusen, Paul C. Data: 2001 Fonte: In: Reams, Gregory A. McRoberts, Ronald E. Van Deusen, Paul C. eds. 2001. Actas do segundo simpósio anual de inventário e análise florestal 2000 17-18 de outubro Salt Lake City, UT. Gen. Tech. Rep. SRS-47. Asheville, NC: Departamento de Agricultura dos EUA, Serviço Florestal, Estação de Pesquisa do Sul. Pp. 90-93 ID Estação: - Resumo Existem muitos estimadores possíveis que poderiam ser usados ​​com dados de inventário anual. A média móvel de 5 anos foi selecionada como um estimador padrão para fornecer resultados iniciais para os estados que possuem dados de inventário anual disponíveis. Os objetivos do usuário para estas estimativas são discutidos. As características de uma média móvel são delineadas. Mostra-se que as características de média móvel não coincidem sempre com os objetivos do usuário. São propostos estimadores alternativos que podem ter características mais desejáveis ​​do que a média móvel simples. Citação: van Deusen, Paul C. 2001. Alternativas para a média móvel. Em: Reams, Gregory A. McRoberts, Ronald E. Van Deusen, Paul C. eds. 2001. Actas do segundo simpósio anual de inventário e análise florestal 2000 17-18 de outubro Salt Lake City, UT. Gen. Tech. Rep. SRS-47. Asheville, NC: Departamento de Agricultura dos EUA, Serviço Florestal, Estação de Pesquisa do Sul. Pp. 90-93. Solicitando publicações Você pode solicitar cópias impressas de nossas publicações através do nosso sistema de pedidos de publicação. Anote a publicação que deseja solicitar e visite nosso Site de Pedidos de Publicação. Notas de Publicação Este artigo foi escrito e preparado por funcionários do Governo dos EUA no horário oficial, estando, portanto, no domínio público. Nossas publicações on-line são digitalizadas e capturadas usando o Adobe Acrobat. Durante o processo de captura podem ocorrer alguns erros tipográficos. Entre em contato com o webmaster do SRS se detectar algum erro que torne esta publicação inutilizável. Para visualizar este artigo, transfira a versão mais recente do Adobe Acrobat Reader.