Algoritma Weighted Moving Average

Saya memiliki time series harga saham dan ingin menghitung moving average di atas jendela sepuluh menit (lihat diagram di bawah). Karena kutu harga terjadi secara sporadis (yaitu tidak berkala) tampaknya paling bagus untuk menghitung rata-rata pergerakan tertimbang waktu. Dalam diagram ada empat perubahan harga: A, B, C dan D, dengan tiga yang terakhir terjadi di dalam jendela. Perhatikan bahwa karena B hanya terjadi beberapa waktu ke jendela (katakanlah 3 menit), nilai A masih berkontribusi terhadap perhitungan. Sebenarnya, sejauh yang saya tahu, perhitungannya harus didasarkan pada nilai A, B dan C (bukan D) dan jangka waktu antara mereka dan titik berikutnya (atau dalam kasus A: durasi antara awal Dari jendela waktu dan B). Awalnya D tidak akan berpengaruh karena bobot waktunya akan menjadi nol. Apakah ini benar Dengan asumsi ini benar, perhatian saya adalah bahwa rata-rata bergerak akan tertinggal lebih banyak daripada perhitungan non-tertimbang (yang akan menjelaskan nilai D dengan segera), Namun, perhitungan non-tertimbang memiliki kelemahan sendiri: A akan Memiliki banyak efek pada hasil seperti harga lainnya meski berada di luar jendela waktu. Kebingungan mendadak harga cepat akan sangat bias rata-rata bergerak (walaupun mungkin ini diinginkan) Ada yang bisa memberikan saran mengenai pendekatan mana yang terbaik, atau apakah ada pendekatan alternatif (atau hybrid) yang perlu dipertimbangkan pada 14 April di 21: 35 Alasan Anda benar Apa yang ingin Anda gunakan rata-rata untuk itu meskipun Tanpa mengetahui bahwa sulit untuk memberikan saran. Mungkin alternatifnya adalah mempertimbangkan rata-rata A yang sedang Anda jalani, dan ketika nilai baru V masuk, hitung rata-rata A baru menjadi (1-c) AcV, di mana c adalah antara 0 dan 1. Dengan cara ini kutu yang lebih baru memiliki Pengaruh yang lebih kuat, dan efek kutu tua menghilang dari waktu ke waktu. Anda bahkan bisa memiliki c bergantung pada waktu sejak ticks sebelumnya (c menjadi lebih kecil saat kutu semakin dekat). Pada model pertama (pembobotan) rata-rata akan berbeda setiap detik (seperti pembacaan lama mendapatkan bobot lebih rendah dan bacaan baru lebih tinggi) jadi selalu berubah yang mungkin tidak diinginkan. Dengan pendekatan kedua, harga membuat lompatan mendadak saat harga baru mulai diperkenalkan dan yang lama menghilang dari jendela. Menjawab 14 Apr 12 at 21:50 Dua saran datang dari dunia diskrit, tapi Anda mungkin menemukan inspirasi untuk kasus khusus Anda. Lihat smoothing eksponensial. Dalam pendekatan ini, Anda mengenalkan faktor penghalusan (01) yang memungkinkan Anda mengubah pengaruh elemen terkini pada nilai perkiraan (elemen yang lebih tua diberi bobot yang menurun secara eksponensial): Saya telah membuat animasi sederhana tentang bagaimana pemulusan eksponensial akan melacak Seri waktu seragam x1 1 1 1 3 3 2 2 2 1 dengan tiga berbeda: Lihat juga beberapa teknik pembelajaran penguatan (lihat metode diskon yang berbeda) misalnya TD-learning dan Q-Learning. Ya, rata-rata bergerak tentu saja akan tertinggal. Ini karena nilainya adalah informasi bersejarah: ini merangkum contoh harga selama 10 menit terakhir. Rata-rata jenis ini secara inheren laggy. Ini memiliki offset lima menit yang dibangun (karena kotak rata-rata tanpa offset akan didasarkan pada - 5 menit, berpusat pada sampel). Jika harga telah berada di A untuk waktu yang lama dan kemudian berubah satu kali ke B, dibutuhkan waktu 5 menit untuk mencapai rata-rata (AB) 2. Jika Anda ingin rata-rata berfungsi tanpa adanya pergeseran dalam domain, bobotnya telah Untuk didistribusikan secara merata di sekitar titik sampel. Tapi ini tidak mungkin dilakukan untuk harga yang terjadi secara real time, karena data masa depan tidak tersedia. Jika Anda ingin perubahan baru-baru ini, seperti D, memiliki dampak yang lebih besar, gunakan rata-rata yang memberi bobot lebih besar pada data terbaru, atau periode waktu yang lebih singkat, atau keduanya. Salah satu cara untuk memperlancar data adalah dengan menggunakan satu akumulator tunggal (estimator yang merapikan) E dan mengambil sampel data secara periodik S. E diperbarui sebagai berikut: I. e. Fraksi K (antara 0 dan 1) selisih antara sampel harga saat ini S dan estimator E ditambahkan ke E. Misalkan harga telah berada di A untuk waktu yang lama, sehingga E berada pada A, dan kemudian tiba-tiba berubah Ke B. Penaksir akan mulai bergerak ke arah B secara eksponensial (seperti memanaskan pemanas, mengisi daya dari kapasitor, dll.). Awalnya akan membuat lompatan besar, dan kemudian bertambah kecil dan lebih kecil. Seberapa cepat bergerak tergantung pada K. Jika K adalah 0, estimator tidak bergerak sama sekali, dan jika K bergerak lurus ke depan. Dengan K Anda dapat menyesuaikan berapa banyak berat yang Anda berikan kepada estimator versus sampel baru. Lebih banyak bobot diberikan pada sampel yang lebih baru secara implisit, dan jendela sampel pada dasarnya meluas sampai tak terhingga: E didasarkan pada setiap sampel nilai yang pernah terjadi. Padahal tentu saja yang sangat tua sama sekali tidak berpengaruh pada nilai saat ini. Metode yang sangat sederhana dan indah. Jawab 14 Apr 12 at 21:50 Ini sama dengan jawaban Tom. Rumusnya untuk nilai estimator baru adalah (1 - K) E KS. Yang secara aljabar sama dengan E K (S - E). Ini adalah fungsi pencampuran quotlinear blending antara estimator E saat ini dan sampel baru S dimana nilai K 0, 1 mengendalikan campuran. Menulis dengan cara itu bagus dan berguna. Jika K adalah 0,7, kita mengambil 70 dari S, dan 30 E, yang sama dengan menambahkan 70 dari perbedaan antara E dan S kembali ke E. ndash Kaz 14 April 12 di 22:15 Dalam memperluas jawaban Toms, rumus Untuk mempertimbangkan jarak antara kutu dapat diformalkan (kutu dekat memiliki bobot yang proporsional dengan proporsional): a (tn - t n - 1) T yaitu, a adalah rasio delta waktu kedatangan selama interval rata - rata v 1 (gunakan sebelumnya Titik), atau v (1 - u) a (interpolasi linier, atau vu (titik berikutnya) Informasi lebih lanjut dapat ditemukan di halaman 59 buku An Introduction To High Frequency Finance. Apa perbedaan antara moving average dan weighted moving average A 5 Rata-rata pergerakan bergerak berdasarkan harga di atas dihitung dengan rumus sebagai berikut: Berdasarkan persamaan di atas, harga rata-rata selama periode yang tercantum di atas adalah 90.66 Dengan menggunakan moving averages adalah metode efektif untuk menghilangkan fluktuasi harga yang kuat. Keterbatasan utama adalah bahwa titik data dari data yang lebih tua n Atau tertimbang secara berbeda dari pada titik data di dekat awal kumpulan data. Di sinilah bobot rata-rata tertimbang mulai dimainkan. Rata-rata tertimbang menetapkan bobot yang lebih berat ke titik data lebih saat ini karena lebih relevan daripada titik data di masa lalu yang jauh. Jumlah pembobotan harus menambahkan hingga 1 (atau 100). Dalam kasus rata-rata bergerak sederhana, pembobotan didistribusikan secara merata, oleh karena itu tidak ditunjukkan pada tabel di atas. Harga Penutupan AAPLWeighted Moving Averages: Dasar-dasar Selama bertahun-tahun, teknisi telah menemukan dua masalah dengan rata-rata pergerakan sederhana. Masalah pertama terletak pada kerangka waktu moving average (MA). Sebagian besar analis teknikal percaya bahwa aksi harga. Harga saham pembukaan atau penutupan, tidak cukup untuk mengandalkan prediksi apakah membeli atau menjual sinyal dari tindakan crossover MA. Untuk mengatasi masalah ini, analis sekarang menetapkan bobot lebih banyak pada data harga terbaru dengan menggunakan rata-rata pergerakan rata-rata yang dipercepat secara eksponensial (EMA). (Pelajari lebih lanjut dalam Menjelajahi Nilai Pindah Yang Dipengaruhi Secara Eksponensial) Contoh Misalnya, menggunakan MA 10 hari, seorang analis akan mengambil harga penutupan pada hari ke 10 dan memperbanyak angka ini dengan angka 10, hari kesembilan dengan pukul sembilan, kedelapan Hari ke delapan dan seterusnya ke MA yang pertama. Setelah total telah ditentukan, analis kemudian akan membagi jumlahnya dengan penambahan pengganda. Jika Anda menambahkan pengganda contoh MA 10 hari, jumlahnya adalah 55. Indikator ini dikenal sebagai rata-rata bergerak tertimbang linear. (Untuk bacaan terkait, lihat Simple Moving Averages Making Trends Stand Out.) Banyak teknisi percaya diri dengan rata-rata moving average yang dipercepat secara eksponensial (EMA). Indikator ini telah dijelaskan dengan berbagai cara sehingga membingungkan para siswa dan investor. Mungkin penjelasan terbaiknya berasal dari John J. Murphys Technical Analysis Of The Financial Markets, (diterbitkan oleh New York Institute of Finance, 1999): Rata-rata moving average yang dipercepat secara eksponensial membahas kedua masalah yang terkait dengan moving average sederhana. Pertama, rata-rata merapikan secara eksponensial memberi bobot lebih besar pada data yang lebih baru. Oleh karena itu, ini adalah rata-rata bergerak tertimbang. Tapi sementara itu memberi informasi yang kurang penting untuk data harga terakhir, itu termasuk dalam perhitungan semua data dalam kehidupan instrumen. Selain itu, pengguna dapat menyesuaikan bobot untuk memberi bobot lebih besar atau lebih kecil ke harga hari terakhir, yang ditambahkan ke persentase nilai hari sebelumnya. Jumlah dari kedua nilai persentase tersebut menambahkan hingga 100. Misalnya, harga hari terakhir dapat diberi bobot 10 (0,10), yang ditambahkan ke hari sebelumnya dengan berat 90 (0,90). Ini memberi hari terakhir 10 dari total bobot. Ini setara dengan rata-rata 20 hari, dengan memberikan harga hari terakhir dengan nilai lebih kecil dari 5 (0,05). Gambar 1: Rata-rata Moving Exponentially Moving Bagan di atas menunjukkan Indeks Komposit Nasdaq dari minggu pertama di bulan Agustus 2000 sampai 1 Juni 2001. Seperti yang dapat Anda lihat dengan jelas, EMA, yang dalam kasus ini menggunakan data harga penutupan selama suatu Periode sembilan hari, memiliki sinyal jual yang pasti pada 8 September (ditandai dengan panah bawah hitam). Ini adalah hari dimana indeks menembus di bawah level 4.000. Panah hitam kedua menunjukkan kaki lain yang benar-benar diharapkan teknisi. Nasdaq tidak bisa menghasilkan volume dan minat yang cukup dari para investor ritel untuk menembus angka 3.000. Kemudian turun lagi ke bawah pada 1619.58 pada 4 April. Uptrend 12 Apr ditandai dengan panah. Di sini indeks ditutup pada 1.961,46, dan teknisi mulai melihat fund manager institusional mulai mengambil beberapa penawaran seperti Cisco, Microsoft dan beberapa isu terkait energi. (Baca artikel terkait kami: Memindahkan Amplop Rata-rata: Menyempurnakan Alat Perdagangan Populer dan Memindahkan Rata-rata Bounce.)