Na prática, a média móvel proporcionará uma boa estimativa da média das séries temporais se a média for constante ou se mudar lentamente. No caso de uma média constante, o maior valor de m dará as melhores estimativas da média subjacente. Um período de observação mais longo significará os efeitos da variabilidade. O objetivo de fornecer um m menor é permitir que a previsão responda a uma mudança no processo subjacente. Para ilustrar, propomos um conjunto de dados que incorpora mudanças na média subjacente das séries temporais. A figura mostra as séries temporais usadas para ilustração juntamente com a demanda média da qual a série foi gerada. A média começa como uma constante em 10. Começando no tempo 21, ela aumenta em uma unidade em cada período até atingir o valor de 20 no tempo 30. Então, torna-se constante novamente. Os dados são simulados adicionando à média, um ruído aleatório de uma distribuição Normal com média zero e desvio padrão 3. Os resultados da simulação são arredondados para o inteiro mais próximo. A tabela mostra as observações simuladas usadas para o exemplo. Quando usamos a tabela, devemos lembrar que em qualquer momento, apenas os dados passados são conhecidos. As estimativas do parâmetro do modelo, para três valores diferentes de m, são mostradas em conjunto com a média das séries temporais na figura abaixo. A figura mostra a estimativa média móvel da média em cada momento e não a previsão. As previsões mudariam as curvas médias móveis para a direita por períodos. Uma conclusão é imediatamente aparente da figura. Para as três estimativas, a média móvel está atrasada por trás da tendência linear, com o atraso crescente com m. O atraso é a distância entre o modelo e a estimativa na dimensão temporal. Por causa do atraso, a média móvel subestima as observações à medida que a média está aumentando. O viés do estimador é a diferença em um momento específico no valor médio do modelo e o valor médio previsto pela média móvel. O viés quando a média está aumentando é negativo. Para uma média decrescente, o viés é positivo. O atraso no tempo e o viés introduzido na estimativa são funções de m. Quanto maior o valor de m. Maior a magnitude do atraso e do viés. Para uma série de crescimento contínuo com tendência a. Os valores de lag e tendência do estimador da média são dados nas equações abaixo. As curvas de exemplo não combinam essas equações porque o modelo de exemplo não está aumentando continuamente, antes ele começa como uma constante, muda para uma tendência e depois se torna constante novamente. Também as curvas de exemplo são afetadas pelo ruído. A previsão média móvel de períodos no futuro é representada pela mudança das curvas para a direita. O atraso e o desvio aumentam proporcionalmente. As equações abaixo indicam o atraso e a polarização de um período de previsão para o futuro em relação aos parâmetros do modelo. Novamente, essas fórmulas são para uma série de tempo com uma tendência linear constante. Não devemos nos surpreender com esse resultado. O estimador da média móvel é baseado na suposição de uma média constante, e o exemplo tem uma tendência linear na média durante uma parcela do período de estudo. Uma vez que as séries em tempo real raramente obedecerão exatamente aos pressupostos de qualquer modelo, devemos estar preparados para esses resultados. Também podemos concluir a partir da figura que a variabilidade do ruído tem o maior efeito para m menores. A estimativa é muito mais volátil para a média móvel de 5 do que a média móvel de 20. Temos os desejos conflitantes de aumentar m para reduzir o efeito da variabilidade devido ao ruído e diminuir m para tornar a previsão mais sensível às mudanças Em média. O erro é a diferença entre os dados reais e o valor previsto. Se a série temporal é verdadeiramente um valor constante, o valor esperado do erro é zero e a variância do erro é composta por um termo que é uma função e um segundo termo que é a variância do ruído,. O primeiro termo é a variância da média estimada com uma amostra de observações m, assumindo que os dados provêm de uma população com um meio constante. Este termo é minimizado fazendo m o maior possível. Um grande m faz com que a previsão não responda a uma mudança nas séries temporais subjacentes. Para tornar as previsões sensíveis às mudanças, queremos m o mais pequeno possível (1), mas isso aumenta a variação do erro. A previsão prática requer um valor intermediário. Previsão com o Excel O suplemento de previsão implementa as fórmulas de média móvel. O exemplo abaixo mostra a análise fornecida pelo suplemento para os dados da amostra na coluna B. As primeiras 10 observações são indexadas -9 a 0. Comparadas com a tabela acima, os índices do período são deslocados em -10. As primeiras dez observações fornecem os valores de inicialização para a estimativa e são usadas para calcular a média móvel para o período 0. A coluna MA (10) (C) mostra as médias móveis calculadas. O parâmetro médio móvel m está na célula C3. A coluna Fore (1) (D) mostra uma previsão para um período no futuro. O intervalo de previsão está na célula D3. Quando o intervalo de previsão é alterado para um número maior, os números na coluna Fore são deslocados para baixo. A coluna Err (1) (E) mostra a diferença entre a observação e a previsão. Por exemplo, a observação no tempo 1 é 6. O valor previsto feito a partir da média móvel no tempo 0 é 11,1. O erro então é -5.1. O desvio padrão e o Desvio Médico Médio (MAD) são calculados nas células E6 e E7, respectivamente.8.4 Modelos médios em movimento Em vez de usar valores passados da variável de previsão em uma regressão, um modelo de média móvel usa erros de previsão passados em um modelo de regressão . Y c e theta e theta e dots theta e, onde et é ruído branco. Nós nos referimos a isso como um modelo de MA (q). Claro, não observamos os valores de et, portanto, não é realmente regressão no sentido usual. Observe que cada valor de yt pode ser pensado como uma média móvel ponderada dos últimos erros de previsão. No entanto, os modelos de média móvel não devem ser confundidos com o alisamento médio móvel que discutimos no Capítulo 6. Um modelo de média móvel é usado para prever valores futuros, ao passo que o alavanca média móvel é usada para estimar o ciclo de tendência dos valores passados. Figura 8.6: Dois exemplos de dados de modelos em média móveis com diferentes parâmetros. Esquerda: MA (1) com y t 20e t 0.8e t-1. Direito: MA (2) com t e t - e t-1 0.8e t-2. Em ambos os casos, e t é normalmente distribuído ruído branco com zero médio e variância um. A Figura 8.6 mostra alguns dados de um modelo MA (1) e um modelo MA (2). Alterando os parâmetros theta1, dots, thetaq resulta em diferentes padrões de séries temporais. Tal como acontece com os modelos autorregressivos, a variância do termo de erro e só alterará a escala da série, e não os padrões. É possível escrever qualquer modelo AR (p) estacionário como modelo MA (infty). Por exemplo, usando a substituição repetida, podemos demonstrar isso para um modelo AR (1): begin yt amp phi1y et amp phi1 (phi1y e) et amp phi12y phi1 e et phi13y phi12e phi1e phi1e e amptext end Provided -1 lt phi1 lt 1, o valor de phi1k ficará menor quando k for maior. Então, eventualmente, obtemos et et phi1 e phi12 e phi13 e cdots, um processo MA (infty). O resultado inverso é válido se impomos algumas restrições nos parâmetros MA. Então, o modelo MA é chamado de inversível. Ou seja, podemos escrever qualquer processo de MA (q) inversível como um processo AR (infty). Os modelos invertidos não são simplesmente para nos permitir converter de modelos MA para modelos AR. Eles também têm algumas propriedades matemáticas que os tornam mais fáceis de usar na prática. As restrições de invertibilidade são semelhantes às restrições de estacionaria. Para um modelo MA (1): -1lttheta1lt1. Para um modelo MA (2): -1lttheta2lt1, theta2theta1 gt-1, theta1 - theta2 lt 1. Condições mais complicadas mantêm-se para qge3. Novamente, R irá cuidar dessas restrições ao estimar os modelos. Parâmetros médios de migração Três parâmetros médios móveis Então, você deseja adicionar uma média móvel em seus gráficos. Quais são os parâmetros que você precisa definir ou escolher Existem apenas alguns (três): os preços que serão utilizados para calcular a média: fechar, média de alta e baixa, média de alta, baixa e fechada, etc. Comprimento do período da média móvel quantos barras serão usados para calcular a média móvel, ou em outras palavras, quantas barras de volta queremos ver em cada momento. Tipo de média móvel da fórmula utilizada: simples vs. exponencial vs. outros tipos. Let8217s agora exploram cada um dos parâmetros. Parâmetro 1: Preço Usado para Cálculo médio em movimento A maioria das pessoas usa o preço de fechamento de cada bar8217 para calcular as médias móveis. Em muitos casos, isto é justificado pelo papel especial que o preço de fechamento tem. Por exemplo, a cada dia, o preço de fechamento de um índice de ações representa o consenso do mercado de ações no final desse dia de negociação, quando os comerciantes estão fechando suas posições intradiárias e preparando suas carteiras para a noite em que não estarão olhando para o mercado. Por outro lado, os preços de fechamento dos bares são muito menos significativos nos gráficos intradiários, a informação sobre o preço no qual o mercado estava negociando exatamente no final de um período específico de 5 ou 10 minutos durante o dia tem pouco significado para a maioria dos participantes no mercado. Portanto, você pode olhar para métodos alternativos de cálculo de médias móveis quando você está trabalhando com dados intraday: as médias móveis podem ser calculadas a partir das médias de alta e baixa de cada barra, ou do chamado preço típico (a média de alta, baixa , E fechar), ou da média dos quatro preços (aberto, alto, baixo e próximo). Parâmetro 2: Comprimento médio do período móvel O comprimento da média móvel ou, mais precisamente, o número de barras incluídas no cálculo da média móvel é provavelmente o mais discutido dos três parâmetros. Você pode calcular a média móvel de apenas algumas (por exemplo, 8) barras de preços mais recentes e você verá que reage muito rapidamente a cada pequena mudança na direção do mercado8217s. Alternativamente, você pode incluir dezenas ou centenas de barras de preço no cálculo (por exemplo, 200 barras é uma configuração popular). Desta forma, você irá filtrar todo o ruído bar-to-bar, a média móvel do período longo refletirá apenas as tendências de preços significativas a longo prazo. Além de olhar para o número de barras. Você naturalmente também tem que levar em consideração quanto tempo cada barra é. Enquanto 10 barras representam 2 semanas em um gráfico diário, elas são menos de uma hora em um gráfico de 5 minutos. Não existe um comprimento de período médio móvel ideal. Como diferentes estilos de negociação e estratégias exigem a análise de informações diferentes. O problema de encontrar um bom período de média móvel foi discutido aqui: Período médio móvel. Parâmetro 3: Tipo de média móvel O tipo de média móvel mais comum é a média móvel simples. Como o próprio nome sugere, é também o mais simples de calcular e entender (isto é, provavelmente, a principal razão pela qual isso é o mais popular). A média móvel simples é (simplesmente) a média aritmética das últimas barras N (N é o período médio móvel discutido acima). Você resume N preços mais recentes e divide o resultado por N. Além da média móvel simples, existem outros tipos. Há apenas poucas variações nas fórmulas e às vezes é difícil dizer qual tipo de média móvel é apenas olhando um gráfico. Por exemplo, a média móvel exponencial coloca mais peso nos preços mais recentes e, portanto, parece estar reagindo um pouco mais rápido às mudanças de preços em comparação com a média móvel simples. Outros tipos de média móvel usados com freqüência incluem média móvel de mínimos quadrados. Média móvel adaptativa. Ou média móvel ponderada. Se você é criativo e bom com números, você pode até projetar seus próprios métodos proprietários (no entanto, a utilidade de tal esforço é questionável, tendo em conta as poucas diferenças e poucas informações extras que você obtém). Quais parâmetros médios em mudança para usar Se você não fez muitos testes quantitativos e não tem idéia de qual método de cálculo da média móvel pode ser efetivo para sua abordagem comercial, eu sugiro que você comece com o muito básico. Tire uma média móvel simples calculada a partir de preços de fechamento (esta é a configuração que o seu software de gráficos provavelmente tem como padrão) e concentre sua energia em encontrar um bom período de tempo médio móvel. Também tenha em mente que a média móvel é apenas uma ferramenta, apenas uma parte da análise, e você provavelmente precisará incluir outras coisas (como os fundamentos, o volume ou a ação de preços) em sua tomada de decisão para construir uma estratégia de negociação sólida. Ao permanecer neste site e usando o conteúdo do Macroption, você confirma que leu e concorda com o Contrato de Termos de Uso, como se você o assinasse. O Acordo também inclui Política de Privacidade e Política de Cookies. Se você não concorda com nenhuma parte deste Contrato, deixe o site e pare de usar qualquer conteúdo Macroption agora. Todas as informações são apenas para fins educacionais e podem ser imprecisas, incompletas, desatualizadas ou erradas. A Macroption não é responsável por quaisquer danos resultantes da utilização do conteúdo. Nenhum conselho financeiro, de investimento ou comercial é dado a qualquer momento. Copie 2017 Macroption ndash Todos os direitos reservados.
No comments:
Post a Comment