Einfache Moving Averages Machen Trends Stand Out. Moving Durchschnitte MA sind einer der beliebtesten und oft benutzten technischen Indikatoren Der gleitende Durchschnitt ist einfach zu berechnen und, einmal auf einem Diagramm gezeichnet, ist ein leistungsfähiges visuelles Trend-Spotting-Tool Sie werden oft hören Etwa drei Arten von gleitenden Durchschnitt einfach exponentiell und linear Der beste Ort, um zu beginnen ist durch das Verständnis der einfachsten die einfache gleitende durchschnittliche SMA Lassen Sie uns einen Blick auf diese Indikator und wie es helfen kann Händler folgen Trends in Richtung mehr Gewinne Für mehr auf bewegte Durchschnitte , Sehen Sie unsere Forex Walkthrough. Trendlines Es gibt kein vollständiges Verständnis der bewegten Durchschnitte ohne Verständnis von Trends Ein Trend ist einfach ein Preis, der sich weiterhin in einer bestimmten Richtung bewegen Es gibt nur drei echte Trends, die eine Sicherheit folgen kann. Ein Aufwärtstrend Oder bullish Trend, bedeutet, dass der Preis höher wird. Ein Abwärtstrend oder bearish Trend, bedeutet, dass der Preis sinkt niedriger. Antweit Trend, wo der Preis bewegt sich seitwärts. Die wichtige Sache, um über Trends zu erinnern ist, dass die Preise nur selten in einer geraden bewegen Line Daher werden gleitende durchschnittliche Linien verwendet, um einem Händler helfen, leichter zu identifizieren, die Richtung des Trends Für mehr fortgeschrittene Lesung zu diesem Thema, siehe Die Grundlagen der Bollinger Bands und Moving Average Envelopes Refining ein beliebtes Trading Tool. Moving Durchschnittliche Konstruktion Das Lehrbuch Definition eines gleitenden Durchschnitts ist ein durchschnittlicher Preis für eine Sicherheit mit einem bestimmten Zeitraum Lassen Sie die sehr beliebten 50-Tage gleitenden Durchschnitt als Beispiel Ein 50-Tage gleitenden Durchschnitt wird berechnet, indem Sie die Schlusskurse für die letzten 50 Tage von Jede Sicherheit und addiert sie zusammen Das Ergebnis aus der Addition Berechnung wird dann durch die Anzahl der Perioden geteilt, in diesem Fall 50 Um weiterhin den gleitenden Durchschnitt auf einer täglichen Basis zu berechnen, ersetzen Sie die älteste Zahl mit dem letzten Schlusskurs und Mache die gleiche Mathematik. Nicht egal wie lange oder kurz von einem gleitenden Durchschnitt Sie suchen, um zu plotten, die grundlegenden Berechnungen bleiben die gleichen Die Änderung wird in der Anzahl der Schlusskurse, die Sie verwenden So, zum Beispiel ein 200-Tage gleitenden Durchschnitt Ist der Schlusskurs für 200 Tage zusammengefasst und dann durch 200 geteilt Sie sehen alle Arten von gleitenden Durchschnitten, von zweitägigen gleitenden Durchschnitten bis zu 250-Tage gleitende Durchschnitte. Es ist wichtig zu erinnern, dass Sie eine gewisse Anzahl von Schließung haben müssen Preise, um den gleitenden Durchschnitt zu berechnen Wenn eine Sicherheit nagelneu oder nur ein Monat alt ist, werden Sie nicht in der Lage sein, einen 50-Tage-Gleitender Durchschnitt zu machen, weil Sie nicht über eine ausreichende Anzahl von Datenpunkten verfügen. Auch ist es wichtig zu beachten Dass wir uns dafür entschieden haben, die Schlusskurse in den Berechnungen zu nutzen, aber bewegliche Durchschnitte können mit monatlichen Preisen, wöchentlichen Preisen, Eröffnungskursen oder sogar Intraday-Preisen berechnet werden. Weitere Informationen finden Sie in unserem Moving Averages Tutorial. Figure 1 Ein einfacher gleitender Durchschnitt in Google Inc. Abbildung 1 ist ein Beispiel für einen einfachen gleitenden Durchschnitt auf einem Aktienplan von Google Inc Nasdaq GOOG Die blaue Linie stellt einen 50-Tage-Gleitender Durchschnitt dar. Im obigen Beispiel sehen Sie, dass sich der Trend seit Ende 2007 niedriger verschoben hat. Der Preis von Google-Aktien fielen unter dem 50-Tage-gleitenden Durchschnitt im Januar 2008 und setzten sich nach unten fort. Wenn der Preis unter einem gleitenden Durchschnitt liegt, kann er als einfaches Handelssignal verwendet werden. Ein Umzug unter dem gleitenden Durchschnitt, wie oben gezeigt, deutet darauf hin, dass die Bären sind In der Kontrolle über die Preis-Aktion und dass die Asset wird wahrscheinlich niedriger zu bewegen Umgekehrt, ein Kreuz über einem gleitenden Durchschnitt deutet darauf hin, dass die Bullen in der Kontrolle sind und dass der Preis kann immer bereit sein, einen Umzug höher zu machen Lesen Sie mehr in Track Stock Preise mit Trendlines. Andere Weisen, gleitende Mittelwerte zu verwenden Bewegungsdurchschnitte werden von vielen Händlern verwendet, um nicht nur einen aktuellen Trend zu identifizieren, sondern auch als Einstiegs - und Ausstiegsstrategie Eine der einfachsten Strategien beruht auf der Überquerung von zwei oder mehr gleitenden Durchschnitten. Das Grundsignal wird gegeben, wenn Die kurzfristigen durchschnittlichen Kreuze über oder unterhalb der längerfristigen gleitenden Durchschnitt Zwei oder mehr gleitende Durchschnitte erlauben Ihnen, einen längerfristigen Trend zu sehen, im Vergleich zu einem kürzeren Begriff gleitenden Durchschnitt ist es auch eine einfache Methode, um festzustellen, ob der Trend an Stärke gewinnt oder wenn Es ist im Begriff, umzukehren Für mehr auf dieser Methode lesen Sie einen Primer auf dem MACD. Figure 2 Ein langfristiger und kürzerer bewegter Durchschnitt in Google Inc. Figure 2 verwendet zwei gleitende Durchschnitte, eine langfristige 50-Tage, gezeigt durch Die blaue Linie und der andere kürzere Begriff 15-Tage, gezeigt durch die rote Linie Dies ist das gleiche Google-Diagramm in Abbildung 1 gezeigt, aber mit dem Hinzufügen der beiden gleitenden Durchschnitte, um den Unterschied zwischen den beiden Längen zu veranschaulichen. Sie werden das merken Der 50-Tage-Gleitender Durchschnitt ist langsamer, um Preisänderungen anzupassen, weil er mehr Datenpunkte in seiner Berechnung verwendet. Andererseits ist der 15-Tage-Gleitender Durchschnitt schnell auf Preisänderungen zu reagieren, da jeder Wert eine größere Gewichtung in der Berechnung aufgrund des relativ kurzen Zeithorizonts In diesem Fall würden Sie mit einem Cross-Strategie den 15-Tage-Durchschnitt beobachten, um den 50-Tage-Gleitender Durchschnitt als Eintrag für eine Short-Position zu überschreiten. Abbildung 3 Ein Dreimonats -.Das oben ist ein dreimonatiges Diagramm von United States Oil AMEX USO mit zwei einfachen gleitenden Durchschnitten Die rote Linie ist die kürzere, 15-Tage gleitenden Durchschnitt, während die blaue Linie die längeren, 50-Tage gleitenden Durchschnitt Die meisten Händler verwenden wird Das Kreuz des kurzfristigen gleitenden Durchschnittes über dem längerfristigen gleitenden Durchschnitt, um eine lange Position einzuleiten und den Anfang eines bullish Trend zu ermitteln Erfahren Sie mehr über die Anwendung dieser Strategie im Handel Die MACD Divergence. Support wird festgestellt, wenn ein Preis nach unten tendiert Es gibt einen Punkt, an dem der Verkaufsdruck nachlässt und Käufer sind bereit zu treten in Mit anderen Worten, ein Boden ist etabliert. Resistance passiert, wenn ein Preis nach oben tendiert Es kommt ein Punkt, wenn die Kaufkraft abnimmt und die Verkäufer Schritt in Dies würde Eine Obergrenze festlegen Für mehr Erläuterungen lesen Sie die Grundlagen des Stützwiderstandes. In jedem Fall kann ein gleitender Durchschnitt in der Lage sein, eine frühe Stütz - oder Widerstandsstufe zu signalisieren. Wenn zum Beispiel eine Sicherheit in einem etablierten Aufwärtstrend niedriger wird, dann wäre es nicht überraschend Um zu sehen, die Aktie finden Unterstützung zu einem langfristigen 200-Tage gleitenden Durchschnitt Auf der anderen Seite, wenn der Preis niedriger ist, werden viele Händler für die Aktie zu hüpfen aus dem Widerstand der großen gleitenden Durchschnitte 50-Tage, 100- Tag, 200-Tage-SMAs Für mehr über die Verwendung von Unterstützung und Widerstand zu identifizieren Trends, lesen Trend-Spotting mit der Akkumulation Distribution Line. Conclusion Moving Mittelwerte sind leistungsstarke Werkzeuge Ein einfacher gleitender Durchschnitt ist einfach zu berechnen, die es erlaubt, ziemlich schnell eingesetzt werden Und leicht Ein gleitender Durchschnitt die größte Stärke ist seine Fähigkeit, einem Händler zu helfen, einen aktuellen Trend zu identifizieren oder eine mögliche Trendumkehr zu lokalisieren. Durchgehende Mittelwerte können auch ein Maß an Unterstützung oder Widerstand für die Sicherheit identifizieren oder als einfaches Einstiegs - oder Ausgangssignal fungieren Sie wählen, um gleitende Durchschnitte zu verwenden ist völlig bis zu Ihnen. Der Zinssatz, bei dem ein Depotinstitut leiht Gelder in der Federal Reserve an eine andere Depot Institution gehalten.1 Eine statistische Maßnahme der Streuung der Renditen für eine bestimmte Sicherheit oder Marktindex Volatilität kann Entweder gemessen werden. Es handeln die US-Kongress verabschiedet im Jahr 1933 als Banking Act, die Geschäftsbanken von der Teilnahme an der Investition verboten. Nonfarm Gehaltsliste bezieht sich auf jede Arbeit außerhalb der landwirtschaftlichen Betriebe, private Haushalte und die Non-Profit-Sektor Die US Bureau of Labor. The Währungs-Abkürzung oder Währungssymbol für die indische Rupie INR, die Währung von Indien Die Rupie besteht aus 1.Angebot auf einem Bankrott Unternehmen Vermögenswerte von einem interessierten Käufer gewählt von der Bankrott Unternehmen aus einem Pool von Bietern. Spreadsheet Umsetzung von Saisonale Anpassung und exponentielle Glättung. Es ist einfach zu saisonalen Anpassung und passen exponentielle Glättung Modelle mit Excel Die Bildschirmbilder und Diagramme unten sind aus einer Kalkulationstabelle, die eingerichtet wurde, um multiplikative saisonale Anpassung und lineare exponentielle Glättung auf die folgenden vierteljährlichen Umsatz zu illustrieren Daten von Outboard Marine. Um eine Kopie der Tabellenkalkulation selbst zu erhalten, klicken Sie hier Die Version der linearen exponentiellen Glättung, die hier zum Zwecke der Demonstration verwendet wird, ist Browns Version, nur weil sie mit einer einzigen Spalte von Formeln und implementiert werden kann Es gibt nur eine Glättungskonstante zu optimieren Normalerweise ist es besser, Holt-Version zu verwenden, die separate Glättungskonstanten für Level und Trend hat. Der Prognoseprozess verläuft wie folgt: Zuerst werden die Daten saisonbereinigt ii, dann werden Prognosen für die saisonbereinigten Daten generiert Über lineare exponentielle Glättung und iii endlich werden die saisonbereinigten Prognosen wiederhergestellt, um Prognosen für die ursprüngliche Serie zu erhalten. Der saisonale Anpassungsprozess wird in den Spalten D bis G durchgeführt. Der erste Schritt in der saisonalen Anpassung besteht darin, einen zentrierten gleitenden Durchschnitt zu berechnen, der hier in Spalte durchgeführt wird D Dies kann getan werden, indem man den Durchschnitt von zwei einjährigen Durchschnitten nimmt, die um eine Periode relativ zueinander versetzt sind. Eine Kombination von zwei Offset-Mittelwerten anstatt einem einzigen Durchschnitt wird für Zentrierungszwecke benötigt, wenn die Anzahl der Jahreszeiten gleich ist Der nächste Schritt ist, das Verhältnis zum gleitenden Durchschnitt zu berechnen - die ursprünglichen Daten geteilt durch den gleitenden Durchschnitt in jeder Periode - die hier in Spalte E durchgeführt wird. Dies wird auch als Trendzykluskomponente des Musters bezeichnet, insofern Trend Und Business-Cycle-Effekte könnte als alles, was bleibt, nachdem Mittelwert über ein ganzes Jahr im Wert von Daten Natürlich Monat-zu-Monat-Änderungen, die nicht aufgrund der Saisonalität könnte durch viele andere Faktoren bestimmt werden, aber die 12- Monatsdurchschnitt glättet über sie zu einem großen Teil Der geschätzte saisonale Index für jede Jahreszeit wird berechnet, indem zuerst alle Verhältnisse für die jeweilige Jahreszeit, die in den Zellen G3-G6 mit einer AVERAGEIF Formel durchgeführt wird, berechnet werden. Die durchschnittlichen Verhältnisse werden dann so skaliert, dass sie Summe auf genau 100 Mal die Anzahl der Perioden in einer Saison oder 400 in diesem Fall, die in den Zellen durchgeführt wird H3-H6 Unten in Spalte F werden VLOOKUP-Formeln verwendet, um den entsprechenden saisonalen Indexwert in jede Zeile der Datentabelle einzufügen , Nach dem Quartal des Jahres stellt es Der zentrierte gleitenden Durchschnitt und die saisonbereinigten Daten am Ende aussehen wie this. Hinweis, dass der gleitende Durchschnitt sieht in der Regel wie eine glattere Version der saisonbereinigten Serien, und es ist kürzer an beiden Enden. Ein weiteres Arbeitsblatt in der gleichen Excel-Datei zeigt die Anwendung des linearen exponentiellen Glättungsmodells auf die saisonbereinigten Daten, beginnend im Spalten-GA-Wert für die Glättungskonstante alpha wird hier über die Prognosespalte eingegeben, in Zelle H9 und der Bequemlichkeit wird ihm die Bereichsname Alpha Der Name wird mit dem Befehl "Name erstellen" zugewiesen. Das LES-Modell wird initialisiert, indem die ersten beiden Prognosen gleich dem ersten Istwert der saisonbereinigten Serie gesetzt werden. Die hier verwendete Formel für die LES-Prognose ist das rekursive Formularelement Des Browns-Modells. Diese Formel wird in die Zelle eingegeben, die der dritten Periode hier entspricht, Zelle H15 und von dort abgemeldet. Beachten Sie, dass die LES-Prognose für die aktuelle Periode auf die beiden vorhergehenden Beobachtungen und die beiden vorherigen Prognosefehler hinweist Im Hinblick auf den Wert von alpha So bezieht sich die Prognoseformel in Zeile 15 nur auf Daten, die in Zeile 14 und früher verfügbar waren. Natürlich, wenn wir einfach anstelle der linearen exponentiellen Glättung verwenden wollten, könnten wir hier die SES-Formel ersetzen Könnte auch Holts anstelle von Browns LES-Modell verwenden, was zwei weitere Spalten von Formeln erfordern würde, um das Niveau und den Trend zu berechnen, die in der Prognose verwendet werden. Die Fehler werden in der nächsten Spalte hier berechnet, Spalte J durch Subtrahieren der Prognosen von Die tatsächlichen Werte Der Wurzel-Mittelquadratfehler wird als Quadratwurzel der Varianz der Fehler plus dem Quadrat des Mittels berechnet. Dies folgt aus der mathematischen Identität MSE VARIANCE-Fehler AVERAGE-Fehler 2 Bei der Berechnung des Mittelwertes und der Varianz der Fehler in dieser Formel Werden die ersten beiden Perioden ausgeschlossen, weil das Modell eigentlich nicht mit der Prognose beginnt, bis die dritte Periode Zeile 15 auf der Kalkulationstabelle ist. Der optimale Wert von alpha kann entweder durch manuelles Ändern von alpha bis zum minimalen RMSE gefunden werden, sonst können Sie die Solver, um eine exakte Minimierung durchzuführen Der Wert von alpha, dass der Solver gefunden wird hier gezeigt alpha 0 471.Es ist in der Regel eine gute Idee, um die Fehler des Modells in transformierten Einheiten zu plotten und auch zu berechnen und plotten ihre Autokorrelationen bei Verzögerungen bis zu Eine Saison Hier ist ein Zeitreihenplot der saisonbereinigten Fehler. Die Fehlerautokorrelationen werden mit der CORREL-Funktion berechnet, um die Korrelationen der Fehler mit sich selbst zu berechnen, die von einer oder mehreren Perioden verzögert sind - Details werden im Kalkulationsblatt angezeigt. Hier ist Eine Handlung der Autokorrelationen der Fehler bei den ersten fünf Verzögerungen. Die Autokorrelationen bei den Verzögerungen 1 bis 3 sind sehr nahe bei null, aber die Spitze bei Verzögerung 4, deren Wert 0 35 ist, ist etwas lästig - es deutet darauf hin, dass der saisonale Anpassungsprozess Ist nicht ganz erfolgreich gewesen. Allerdings sind es eigentlich nur marginal signifikante 95 Signifikanzbänder zum Testen, ob Autokorrelationen signifikant von Null verschieden sind, etwa plus-oder-minus 2 SQRT nk, wobei n die Stichprobengröße und k die Verzögerung hier n ist 38 und k variiert von 1 bis 5, so dass die Quadratwurzel-von-n-minus-k für alle von ihnen etwa 6 ist und daher die Grenzen für die Prüfung der statistischen Signifikanz von Abweichungen von Null etwa plus-oder-minus sind 2 6 oder 0 33 Wenn Sie den Wert von alpha per Hand in diesem Excel-Modell variieren, können Sie den Effekt auf die Zeitreihen und Autokorrelationsdiagramme der Fehler sowie auf den root-mean-squared-Fehler beobachten Wird unten dargestellt. An der Unterseite der Kalkulationstabelle wird die Prognoseformel in die Zukunft bootstrapiert, indem sie lediglich Prognosen für Istwerte an der Stelle, an der die tatsächlichen Daten ausgehen, dh, wo die Zukunft beginnt, mit anderen Worten in jeder Zelle, wo Ein zukünftiger Datenwert würde auftreten, wird eine Zelle Referenz eingefügt, die auf die Prognose für diesen Zeitraum zeigt Alle anderen Formeln werden einfach von oben kopiert. Notice, dass die Fehler für Prognosen der Zukunft sind alle berechnet, um Null Dies nicht Dass die tatsächlichen Fehler null sein werden, sondern vielmehr nur die Tatsache, dass für die Zwecke der Vorhersage wir davon ausgehen, dass die zukünftigen Daten die Prognosen im Durchschnitt entsprechen werden. Die daraus resultierenden LES-Prognosen für die saisonbereinigten Daten sehen so aus. Mit diesem besonderen Wert Von alpha, die für eine Periodenvorhersage optimal ist, ist der projizierte Trend leicht nach oben gerichtet und spiegelt den lokalen Trend wider, der in den letzten 2 Jahren beobachtet wurde. Für andere Werte von alpha könnte eine sehr unterschiedliche Trendprojektion erhalten werden Ist in der Regel eine gute Idee zu sehen, was mit der langfristigen Trendprojektion passiert, wenn Alpha abwechslungsreich ist, denn der Wert, der am besten für kurzfristige Prognosen ist, ist nicht unbedingt der beste Wert für die Vorhersage der weiter entfernten Zukunft Das Ergebnis, das erhalten wird, wenn der Wert von alpha manuell auf 0 25 gesetzt wird. Der projizierte Langzeittrend ist jetzt eher negativ als positiv Mit einem kleineren Wert von alpha, setzt das Modell mehr Gewicht auf ältere Daten in seiner Schätzung der Aktuelles Niveau und Trend und seine langfristigen Prognosen spiegeln den in den letzten 5 Jahren beobachteten Abwärtstrend und nicht den jüngsten Aufwärtstrend dar. Diese Grafik zeigt auch deutlich, wie das Modell mit einem kleineren Wert von Alpha langsamer auf Wendepunkte reagiert Die Daten und neigt daher dazu, für viele Perioden in einer Reihe einen Fehler des gleichen Vorzeichens zu machen. Die pro-Schritt-Prognosefehler sind im Durchschnitt größer als die, die vor RMSE von 34 4 statt 27 4 und stark positiv autokorreliert wurden. Die Lag - 1 Autokorrelation von 0 56 übersteigt den oben berechneten Wert von 0 33 für eine statistisch signifikante Abweichung von Null. Als Alternative zum Anfahren des Wertes von alpha, um mehr Konservatismus in langfristige Prognosen einzuführen, wird manchmal ein Trenddämpfungsfaktor hinzugefügt Zu dem Modell, um den projizierten Trend nach wenigen Perioden abzubauen. Der letzte Schritt beim Aufbau des Prognosemodells besteht darin, die LES-Prognosen durch Multiplikation mit den entsprechenden saisonalen Indizes zu vernetzen. So sind die reseasonalisierten Prognosen in Spalte I einfach die Produkt der saisonalen Indizes in Spalte F und der saisonbereinigten LES-Prognosen in Spalte H. Es ist relativ einfach, Konfidenzintervalle für einstufige Prognosen zu berechnen, die von diesem Modell gemacht wurden, zuerst den RMSE-Wurzel-Mittel-Quadrat-Fehler, der ist Nur die Quadratwurzel der MSE und berechnen dann ein Konfidenzintervall für die saisonbereinigte Prognose durch Addition und Subtraktion zweimal der RMSE Im Allgemeinen ist ein 95-Konfidenzintervall für eine Prognose von einer Periode vorausgehend gleich der Punktprognose plus-oder - minus-zweimal die geschätzte Standardabweichung der Prognosefehler unter der Annahme, dass die Fehlerverteilung annähernd normal ist und die Stichprobengröße groß genug ist, z. B. 20 oder mehr Hier ist die RMSE anstelle der Probenstandardabweichung der Fehler am besten Schätzung der Standardabweichung von zukünftigen Prognosefehlern, da es Bias sowie zufällige Variationen berücksichtigt Die Konfidenzgrenzen für die saisonbereinigte Prognose werden dann zusammen mit der Prognose neu vervielfacht, indem sie mit den entsprechenden saisonalen Indizes multipliziert werden. In diesem Fall ist die RMSE gleich Auf 27 4 und die saisonbereinigte Prognose für die erste zukünftige Periode Dez-93 ist 273 2 so ist das saisonbereinigte 95 Konfidenzintervall von 273 2-2 27 4 218 4 bis 273 2 2 27 4 328 0 Multiplikation dieser Grenzen bis Dezember s Saisonale Index von 68 61 erhalten wir niedrigere und obere Konfidenzgrenzen von 149 8 und 225 0 um die Dez-93-Punkt-Prognose von 187 4.Confidence-Limits für Prognosen mehr als eine Periode im Vorfeld wird sich generell erweitern, wenn der Prognosehorizont aufgrund der Unsicherheit zunimmt Über das Niveau und den Trend sowie die saisonalen Faktoren, aber es ist schwierig, sie im Allgemeinen durch analytische Methoden zu berechnen. Der geeignete Weg, um die Vertrauensgrenzen für die LES-Prognose zu berechnen, ist die Verwendung der ARIMA-Theorie, aber die Unsicherheit in den Saisonindizes ist eine weitere Materie Wenn Sie ein realistisches Konfidenzintervall für eine Prognose mehr als eine Periode vor sich haben wollen, unter Berücksichtigung aller Fehlerquellen, ist Ihre beste Wette, empirische Methoden zum Beispiel zu verwenden, um ein Konfidenzintervall für eine 2-Schritt voraus Prognose zu erhalten Könnte eine weitere Spalte auf der Kalkulationstabelle erstellen, um eine 2-Stufen-Prognose für jede Periode zu berechnen, indem sie die Einstufen-Prognose bootet. Dann die RMSE der 2-Stufen-Prognosefehler berechnen und diese als Basis für eine 2 - Step-ahead Konfidenz Intervall. Wenn die Berechnung eines laufenden gleitenden Durchschnitt, Platzierung der Durchschnitt in der mittleren Zeitspanne macht Sinn. In dem vorherigen Beispiel berechneten wir den Durchschnitt der ersten 3 Zeiträume und platziert sie neben Periode 3 Wir hätten platzieren können Der Durchschnitt in der Mitte des Zeitintervalls von drei Perioden, das heißt, neben Periode 2 Das funktioniert gut mit ungeraden Zeiträumen, aber nicht so gut für gleichmäßige Zeiträume Also wo würden wir den ersten gleitenden Durchschnitt platzieren, wenn M 4.Technisch , Würde der Moving Average auf t 2 5, 3 fallen 5. Um dieses Problem zu vermeiden, glatt wir die MA s mit M 2 So weglassen wir die geglätteten Werte. Wenn wir eine gerade Anzahl von Begriffen beurteilen, müssen wir die geglätteten Werte glätten. Die folgende Tabelle zeigt die Ergebnisse mit M 4.
No comments:
Post a Comment