Exponential Moving Average Wolfram

Prognose mit exponentiellen Bewegungsdurchschnitten Für stationäre oder nahezu stationäre Daten ist der exponentielle gleitende Durchschnitt eine einfache Methode für die Zeitreihenvorhersage. Wählen Sie zwischen Vorhersage und Glättung, um zu sehen, der Unterschied zwischen ihnen ist der Glättungsparameter im exponentiellen gleitenden Durchschnitt und ist der mittlere quadratische Fehler zwischen der Prognose (rote Kurve) und tatsächlichen Daten der Daten (blaue Kurve). Größere Werte verursachen weniger Glättung. Die zu testende Prognose Die Prognose wird zu gegebener Zeit durch den tatsächlichen Wert der Zeitreihe bestimmt. Diese Rekursion beginnt bei. Wann . Die Prognose ist für alle Zeit und wenn. Die Prognose ist die letzte Beobachtung. Für weitere Informationen über die Vorhersage mit exponentiellen Glättungsmethoden, siehe 1. Die Schüler sollten sich fragen: Gibt es eine Beziehung zwischen dem Auftreten der Daten und dem optimalen Wert für die Prognose Warum ist nicht die exponentiellen gleitenden Durchschnitt eine sehr gute Vorhersage-Methode für Daten mit einem Trend 1 SG Makridakis, SC Wheelwright und RJ Hyndman, Prognose, Methoden und Anwendungen. 3. Aufl. Hoboken, NJ: John Wiley amp Sons, Inc. 1998.Exponential Moving Average (EMA) erklärt Wie wir in der vorherigen Lektion gesagt haben, können einfache gleitende Durchschnitte durch Spikes verzerrt werden. Wir beginnen mit einem Beispiel. Let8217s sagen, wir planen eine 5-Periode SMA auf der Tages-Chart von EUR USD. Die Schlusskurse für die letzten 5 Tage sind wie folgt: Der einfache gleitende Durchschnitt würde wie folgt berechnet: (1.3172 1.3231 1.3164 1.3186 1.3293) 5 1.3209 Einfach genug, rechts Gut, wenn es einen Nachrichtenbericht am zweiten Tag gibt, der den Euro verursacht Über die Tafel fallen. Dies führt dazu, dass EUR USD stürzen und bei 1,3000 schließen. Let8217s sehen, was Wirkung dies auf die 5 Periode SMA haben würde. Der einfache gleitende Durchschnitt würde folgendermaßen berechnet werden: Das Ergebnis der einfachen gleitenden Durchschnitt wäre viel niedriger und es würde Ihnen die Vorstellung, dass der Preis tatsächlich ging hinunter, wenn in Wirklichkeit Tag 2 war nur ein einmaliges Ereignis Verursacht durch die schlechten Ergebnisse eines Wirtschaftsberichts. Der Punkt, den wir machen wollen, ist, dass manchmal der einfache gleitende Durchschnitt zu einfach wäre. Wenn es nur eine Möglichkeit, dass Sie diese Spikes herausfiltern könnte, so dass Sie wouldn8217t die falsche Idee. Hmm8230 Warten Sie eine minute8230 Yep, gibt es einen Weg It8217s genannt Exponential Moving Average Exponential Moving Averages (EMA) geben mehr Gewicht auf die jüngsten Perioden. In unserem Beispiel oben würde die EMA mehr Gewicht auf die Preise der letzten Tage legen, was die Tage 3, 4 und 5 sein würde. Dies würde bedeuten, dass die Spike am Tag 2 von geringerem Wert sein würde und wouldn8217t so groß Eine Wirkung auf den gleitenden Durchschnitt, wie es wäre, wenn wir für einen einfachen gleitenden Durchschnitt berechnet hätten. Wenn Sie darüber nachdenken, macht dies eine Menge Sinn, denn was dies tut, ist es legt mehr Wert auf das, was Händler tun vor kurzem. Exponential Moving Average (EMA) und Simple Moving Average (SMA) Seite an Seite Let8217s nehmen Sie einen Blick auf die 4-Stunden-Chart von USD JPY zu markieren, wie ein einfacher gleitender Durchschnitt (SMA) und exponentielle gleitenden Durchschnitt (EMA) aussehen würde Seite auf einem Diagramm. Beachten Sie, wie die rote Linie (die 30 EMA) scheint näher zu sein als die blaue Linie (die 30 SMA). Dies bedeutet, dass es genauer repräsentiert die jüngsten Preis-Aktion. Sie können wahrscheinlich erraten, warum dies geschieht. It8217s, weil die exponentiellen gleitenden Durchschnitt mehr Gewicht auf das, was in letzter Zeit passiert ist. Beim Handel ist es viel wichtiger zu sehen, was Händler tun JETZT eher, was sie taten letzte Woche oder letzten Monat. Speichern Sie Ihren Fortschritt, indem Sie sich anmelden und die Lektion vollständig markieren