Gleitender Durchschnitt 89

Moving Averages Ein gleitender Durchschnitt ist einer der flexibelsten und am häufigsten verwendeten technischen Analyse-Indikatoren. Es ist sehr beliebt bei den Händlern, vor allem wegen seiner Einfachheit. Es funktioniert am besten in einer Trendumgebung. Einleitung In der Statistik ist ein gleitender Durchschnitt einfach ein Mittelwert aus einer bestimmten Menge von Daten. Im Falle einer technischen Analyse werden diese Daten in den meisten Fällen durch die Schlusskurse der Bestände für die jeweiligen Tage repräsentiert. Jedoch verwenden einige Händler auch separate Mittelwerte für tägliche Minima und Maxima oder sogar einen Mittelwert von Mittelwerten (die sie durch Summieren des täglichen Minimums und Maximums berechnen und durch sie zwei dividieren). Dennoch können Sie einen gleitenden Durchschnitt auch auf einem kürzeren Zeitrahmen konstruieren, zum Beispiel mit Hilfe von Tages - oder Minuten-Daten. Zum Beispiel, wenn Sie einen 10-Tage gleitenden Durchschnitt machen wollen, fügen Sie nur alle Schlusskurse während der letzten 10 Tage und dann teilen sie um 10 (in diesem Fall ist es ein einfacher gleitender Durchschnitt). Am nächsten Tag tun wir dasselbe, nur dass wir die Preise für die letzten 10 Tage wieder nehmen, was bedeutet, dass der Preis, der der letzte in unserer Berechnung für den Vortag war, nicht mehr im heutigen Durchschnitt enthalten ist - er wird ersetzt durch gestern Preis. Die Datenverschiebung auf diese Weise mit jedem neuen Handelstag, daher der Begriff gleitenden Durchschnitt. Der Zweck und die Verwendung von gleitenden Durchschnitten in der technischen Analyse Der gleitende Durchschnitt ist ein Trendfolger. Sein Ziel ist es, den Beginn eines Trends zu erkennen, seinen Fortschritt zu verfolgen und seine Stornierung zu melden, falls er auftritt. Im Gegensatz zu Charting, bewegte Durchschnitte nicht erwarten, den Beginn oder das Ende eines Trends. Sie nur bestätigen, aber nur einige Zeit nach der tatsächlichen Umkehrung auftritt. Es stammt aus ihrer sehr Konstruktion, da diese Indikatoren ausschließlich auf historischen Daten beruhen. Je weniger Tage ein gleitender Durchschnitt enthält, desto eher kann er eine Trendumkehr erkennen. Es ist wegen der Menge der historischen Daten, die stark beeinflusst den Durchschnitt. Ein gleitender 20-Tage-Durchschnitt generiert das Signal einer Trendumkehr früher als der 50-Tage-Durchschnitt. Jedoch ist es auch wahr, dass die wenigen Tage, die wir in der gleitenden Durchschnittsberechnung verwenden, die falschen Signale haben, die wir erhalten. Daher verwenden die meisten Händler eine Kombination aus mehreren Bewegungsdurchschnitten, die alle gleichzeitig ein Signal liefern müssen, bevor ein Trader seine Position auf dem Markt öffnet. Nichtsdestoweniger kann ein gleitender Durchschnitt hinter dem Trend nicht vollständig eliminiert werden. Trading Signale Jede Art von gleitenden Durchschnitt kann verwendet werden, um kaufen oder verkaufen Signale und dieser Prozess ist sehr einfach. Die Diagrammsoftware zeichnet den gleitenden Durchschnitt als Linie direkt in den Preisplan. Signale werden an Orten erzeugt, wo die Preise diese Linien schneiden. Wenn der Kurs über die gleitende Durchschnittslinie hinausgeht, bedeutet dies den Beginn eines neuen Aufwärtstrends und somit ein Kaufsignal. Auf der anderen Seite, wenn der Preis kreuzt unter der gleitenden durchschnittlichen Linie und der Markt schließt auch in diesem Bereich, signalisiert es den Beginn eines Abwärtstrend und daher stellt es ein Verkaufssignal. Using mehrere Mittelwerte Wir können auch für die Verwendung mehrerer bewegen Mittelungen gleichzeitig, um das Lärm in den Preisen und vor allem die falschen Signale (whipsaws), die die Verwendung eines einzigen gleitenden Durchschnitt ergibt, zu beseitigen. Wenn mehrere Mittelwerte verwendet werden, tritt ein Kaufsignal auf, wenn der kürzere der Durchschnittswerte über dem längeren Durchschnitt liegt, z. B. Die 50-Tage-Durchschnitt kreuzt über dem 200-Tage-Durchschnitt. Umgekehrt wird ein Verkaufssignal in diesem Fall erzeugt, wenn der 50-tägige Durchschnitt unter dem 200-Durchschnitt liegt. Ähnlich können wir auch eine Kombination von drei Durchschnittswerten verwenden, z. B. Einem 5-Tage-, 10-Tage - und 20-Tage-Durchschnitt. In diesem Fall wird ein Aufwärtstrend angezeigt, wenn die 5-Tage-Durchschnittslinie über dem 10-Tage-Durchschnitt liegt, während der 10-Tage-Durchschnitt immer noch über dem 20-Tage-Durchschnitt liegt. Jede Kreuzung von gleitenden Durchschnitten, die zu dieser Situation führt, gilt als Kaufsignal. Umgekehrt wird der Abwärtstrend durch die Situation angezeigt, wenn die 5-tägige Durchschnittslinie niedriger als der 10-Tage-Durchschnitt ist, während der 10-Tage-Durchschnitt niedriger als der 20-Tage-Durchschnitt ist. Die Verwendung von drei gleitenden Durchschnittswerten begrenzt gleichzeitig den Betrag von falsch Die durch das System generiert werden, aber auch das Gewinnpotenzial begrenzen, da ein solches System nur dann ein Handelssignal erzeugt, wenn der Trend auf dem Markt fest etabliert ist. Das Eingangssignal kann auch nur kurz vor der Trendumkehr erzeugt werden. Die Zeitintervalle, die von Händlern zur Berechnung von Bewegungsdurchschnitten verwendet werden, sind ganz anders. Zum Beispiel sind die Fibonacci-Zahlen sehr beliebt, wie die Verwendung von 5-Tage-, 21-Tage-und 89-Tage-Mittelwerte. Im Futures-Handel ist die Kombination 4-, 9- und 18-Tage sehr beliebt. Vor - und Nachteile Der Grund, warum bewegte Durchschnitte so populär gewesen sind, ist, dass sie einige grundlegende Regeln des Handels reflektieren. Die Verwendung von gleitenden Durchschnitten hilft Ihnen, Ihre Verluste zu reduzieren, während Sie Ihre Gewinne laufen lassen. Bei der Verwendung von bewegten Durchschnitten, um Handelssignale zu generieren, handeln Sie immer in Richtung Markttrend, nicht dagegen. Darüber hinaus können im Gegensatz zu Chart-Muster-Analyse oder andere sehr subjektiven Techniken, Bewegungsdurchschnitte verwendet werden, um Handelssignale nach klare Regeln zu generieren - damit Subjektivität der Handelsentscheidungen, die die Händler Psyche helfen können, zu beseitigen. Allerdings ist ein großer Nachteil der gleitenden Durchschnitte, dass sie nur funktionieren, wenn der Markt ist Trends. Daher, in Zeiten der choppy Märkte, wenn die Preise in einer bestimmten Preisspanne schwanken sie überhaupt nicht funktionieren. Diese Periode kann leicht dauern mehr als ein Drittel der Zeit, so dass sich auf bewegte Durchschnitte allein ist sehr riskant. Einige Händler empfehlen, die Kombination von gleitenden Durchschnitten mit einem Indikator, der die Stärke eines Trends misst, wie ADX, oder die Verwendung von gleitenden Durchschnittswerten nur als Bestätigung für Ihr Handelssystem. Arten von gleitenden Durchschnitten Die am häufigsten verwendeten Arten von gleitenden Durchschnitten sind Simple Moving Average (SMA) und Exponential Weighted Moving Average (EMA, EWMA). Diese Art von gleitendem Durchschnitt ist auch als arithmetisches Mittel bekannt und stellt den einfachsten und am häufigsten verwendeten Typ des gleitenden Durchschnitts dar. Wir berechnen sie, indem wir alle Schlusskurse für einen gegebenen Zeitraum zusammenfassen, den wir dann durch die Anzahl der Tage in der Periode dividieren. Allerdings sind mit dieser Art von Durchschnitt zwei Probleme verbunden: Sie berücksichtigt nur die Daten, die in der ausgewählten Periode enthalten sind (zB berücksichtigt ein 10-Tage einfacher gleitender Durchschnitt nur die Daten der letzten 10 Tage und ignoriert einfach alle anderen Daten Vor diesem Zeitraum). Es wird auch oft für die Zuteilung gleicher Gewichte zu allen Daten in dem Datensatz kritisiert (d. H. In einem 10-tägigen gleitenden Durchschnitt hat ein Preis von 10 Tagen das gleiche Gewicht wie der Preis von gestern -10). Viele Händler argumentieren, dass die Daten aus den letzten Tagen sollten mehr Gewicht als ältere Daten - was dazu führen würde, dass die Verringerung der Mittelwerte lag hinter dem Trend. Diese Art von gleitenden Durchschnitt löst beide Probleme mit einfachen gleitenden Durchschnitten verbunden. Erstens, es verteilt mehr Gewicht in seiner Berechnung auf die jüngsten Daten. Er spiegelt teilweise auch alle historischen Daten für das jeweilige Instrument wider. Diese Art von Durchschnitt wird entsprechend der Tatsache benannt, dass die Datengewichte der Vergangenheit exponentiell abnehmen. Die Steigung dieser Abnahme kann auf die Bedürfnisse der Händler angepasst werden. Moving Average Forecasting Einführung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie für Ihre zweite Testergebnis vorhersagen Was denken Sie Ihre Lehrer würde für Ihren nächsten Test-Ergebnis vorhersagen Was denken Sie, Ihre Freunde könnten für Ihren nächsten Test-Ergebnis vorherzusagen, was Sie denken, Sie Ihre Eltern für Ihren nächsten Test-Ergebnis vorhersagen könnte Unabhängig von Alle die blabbing Sie tun könnten, um Ihre Freunde und Eltern, sie und Ihr Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas im Bereich der 85 erhalten Sie gerade bekommen. Nun, jetzt gehen wir davon aus, dass trotz Ihrer Selbst-Förderung an Ihre Freunde, Sie über-schätzen Sie sich und Figur, die Sie weniger für den zweiten Test lernen können und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmerten gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie sie mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden versuchen, die Eltern stärker unterstützen und sagen, quotWell zu sein, haben Sie ein so weit gekommen 85 und 73, so sollten Sie vielleicht Abbildung auf immer über eine (85 73) 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger Party tat und waren nicht das Wiesel überall wedeln und wenn man viel mehr zu tun begann zu studieren Sie könnte eine höhere score. quot Beide Schätzungen tatsächlich gleitenden Durchschnitt Prognosen erhalten. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, sauer du all diese Leute eine Art haben auf Ihrem großen Geist Zerschlagung und Sie entscheiden sich für Ihre eigenen Gründe auch im dritten Test zu machen und eine höhere Punktzahl vor Ihrem quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So jetzt haben Sie die abschließende Prüfung des Semesters herauf und wie üblich spüren Sie die Notwendigkeit, alle in die Vorhersagen zu machen, wie youll auf dem letzten Test tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive gehörte die quotpast predictionsquot, weil wir sie in der nächsten Web-Seite verwenden Vorhersage Gültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Wieder habe ich die quotpast Vorhersagequot für illustrative Zwecke und für die spätere Verwendung in der Prognose Validierung enthalten. Einige andere Dinge, die wichtig zu beachten sind. Für eine m-Periode gleitende Durchschnittsprognose werden nur die m neuesten Datenwerte verwendet, um die Vorhersage durchzuführen. Nichts anderes ist notwendig. Für einen m-Zeitraum durchschnittliche Prognose bewegen, wenn quotpast predictionsquot machen, feststellen, dass die erste Vorhersage in Periode m 1. Beide Probleme auftritt, wird sehr bedeutend sein, wenn wir unseren Code zu entwickeln. Entwicklung der Moving Average Funktion. Nun müssen wir den Code für die gleitende Durchschnittsprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingänge für die Anzahl der Perioden sind Sie in der Prognose und dem Array von historischen Werten verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historische, NumberOfPeriods) As Single Deklarieren und Variablen Dim Artikel As Variant Dim Zähler As Integer Dim Accumulation As Single Dim HistoricalSize Initialisierung As Integer initialisieren Variablen Zähler 1 Accumulation 0 Bestimmung der Größe der historischen Array HistoricalSize Historical. Count für Zähler 1 Um NumberOfPeriods Summieren der entsprechenden Anzahl der zuletzt beobachteten Werte Accumulation Accumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Der Code wird in der Klasse erklärt. Sie möchten die Funktion auf dem Arbeitsblatt platzieren, so dass das Ergebnis der Berechnung angezeigt wird, wo es wie folgt sein soll.