Ratio Bevegelig Gjennomsnitt Metode

Flytte gjennomsnittlig - MA BREAKING DOWN Moving Average - MA Som et SMA-eksempel, vurder en sikkerhet med følgende lukkepriser over 15 dager: Uke 1 (5 dager) 20, 22, 24, 25, 23 Uke 2 (5 dager) 26, 28, 26, 29, 27 Uke 3 (5 dager) 28, 30, 27, 29, 28 En 10-dagers MA ville gjennomsnittlig sluttprisene de første 10 dagene som det første datapunktet. Det neste datapunktet vil slippe den tidligste prisen, legge til prisen på dag 11 og ta gjennomsnittet, og så videre som vist nedenfor. Som nevnt tidligere lagrer MAs nåværende prishandling fordi de er basert på tidligere priser, jo lengre tidsperioden for MA, desto større er lagret. Dermed vil en 200-dagers MA ha en mye større grad av forsinkelse enn en 20-dagers MA fordi den inneholder priser for de siste 200 dagene. Lengden på MA å bruke, avhenger av handelsmålene, med kortere MA'er som brukes til kortvarig handel og langsiktig MAs som er mer egnet for langsiktige investorer. 200-dagers MA er mye etterfulgt av investorer og forhandlere, med brudd over og under dette bevegelige gjennomsnittet regnes som viktige handelssignaler. MAs gir også viktige handelssignaler på egen hånd, eller når to gjennomsnitt overgår. En stigende MA indikerer at sikkerheten er i en uptrend. mens en fallende MA indikerer at den er i en downtrend. På samme måte er oppadgående momentum bekreftet med en bullish kryssovergang. som oppstår når en kortsiktig MA krysser over en langsiktig MA. Nedadgående momentum er bekreftet med en bearish crossover, som oppstår når en kortsiktig MA krysser under en langsiktig MA. For noen måneder siden hadde jeg et innlegg om Momentum Echo (klikk her for å lese innlegget). Jeg sprang over en annen relativ styrke (eller momentum hvis du foretrekker) papir som tester enda en faktor. I Seung-Chan Parks-papiret, The Moving Average Ratio og Momentum, ser han på forholdet mellom et kortsiktig og langsiktig glidende gjennomsnitt av prisen for å rangere verdipapirer etter styrke. Dette er forskjellig fra det meste av den andre faglitteraturen. De fleste andre studier bruker enkle point-to-point prisavkastning for å rangere verdipapirene. Teknikere har brukt flytende gjennomsnitt i årevis for å jevne ut prisbevegelsen. Mesteparten av tiden ser vi at folk bruker krysset av et bevegelige gjennomsnitt som et signal for handel. Park bruker en annen metode for sine signaler. I stedet for å se på enkle kryss, sammenligner han forholdet mellom ett glidende gjennomsnitt til et annet. En aksje med 50-dagers glidende gjennomsnitt betydelig over (under) 200-dagers glidende gjennomsnitt vil ha høy (lav) rangering. Verdipapirer med 50-dagers glidende gjennomsnitt svært nær 200-dagers glidende gjennomsnitt vil komme opp i midten av pakken. I papiret er Park delvis til 200-dagers glidende gjennomsnitt som det langsiktige glidende gjennomsnittet, og han tester en rekke kortvarige gjennomsnitt på mellom 1 og 50 dager. Det bør ikke komme som en overraskelse at de alle jobber. De har faktisk en tendens til å jobbe bedre enn enkle prisavkastningsbaserte faktorer. Det kom ikke som en stor overraskelse for oss, men bare fordi vi har sporet en lignende faktor i flere år som bruker to bevegelige gjennomsnitt. Det som alltid har overrasket meg, er hvor bra den faktoren gjør når sammenlignet med andre beregningsmetoder over tid. Faktoren vi har sporet er det bevegelige gjennomsnittlige forholdet mellom et 65-dagers glidende gjennomsnitt og 150-dagers glidende gjennomsnitt. Ikke akkurat det samme som Park testet, men lik nok. Jeg trakk dataene vi har på denne faktoren for å se hvordan den sammenligner med standard 6- og 12-måneders prisavkastningsfaktorer. For denne testen brukes toppdekilden til rekkene. Porteføljer dannes månedlig og rebalanseres hver måned. Alt kjøres på vår database, som er et univers som ligner SP 500 SP 400. (Klikk for å forstørre) Våre data viser det samme som Parks-tester. Å bruke et forhold mellom bevegelige gjennomsnitt er vesentlig bedre enn bare å bruke enkle prisavkastningsfaktorer. Våre tester viser det bevegelige gjennomsnittlige forholdet, og legger til omtrent 200 bps per år, noe som ikke er en liten bedrift. Det er også interessant å merke seg at vi kom til nøyaktig samme konklusjon ved å bruke forskjellige parametere for det bevegelige gjennomsnittet og et helt annet datasett. Det går bare å vise hvor robust konceptet relativ styrke er. For de leserne som har lest våre hvite papirer (tilgjengelig her og her), lurer du kanskje på hvordan denne faktoren utfører ved hjelp av vår Monte Carlo testprosess. Jeg kommer ikke til å publisere disse resultatene i dette innlegget, men jeg kan fortelle deg at denne bevegelige gjennomsnittsfaktoren er konsekvent nær toppen av faktorene vi sporer og har svært rimelig omsetning for avkastningen den genererer. Å bruke et bevegelige gjennomsnittsforhold er en veldig god måte å rangere verdipapirer for en relativ styrkestrategi. Historiske data viser at det fungerer bedre enn enkle prisfaktorer over tid. Det er også en veldig robust faktor fordi flere formuleringer fungerer, og det fungerer på flere datasett. Denne oppføringen ble postet torsdag 26. august 2010 klokka 13:39 og er arkivert under Relative Strength Research. Du kan følge eventuelle svar på denne oppføringen gjennom RSS 2.0-feed. Du kan legge igjen et svar. eller trackback fra ditt eget nettsted. 9 Responses to Moving Average Ratio og Momentum Et annet flytte-gjennomsnittsbasert alternativ til å bruke punkt-til-punkt-momentum, tar det bevegelige gjennomsnittet av momentum 8230 For eksempel, hvis du sjekker enkelt momentum rangerer daglig, er it8217s veldig støyende, har den primære løsningen vært , 8220don8217t sjekke daglig, 8221 dvs. sjekke månedlig eller kvartalsvis og gjenopprettholde og balansere beholdninger. Du kan imidlertid sjekke daglig, og muligens balansere daglig, med mye mindre støy hvis du bruker det 21-dagers glidende gjennomsnittet på 252-dages momentum i stedet for å bruke 12 måneders momentum. Dette er også ekvivalent, BTW, til forholdet mellom today8217s 21-dagers glidende gjennomsnitt og 21-dagers glidende gjennomsnitt. Fordelen ved å bruke momentum gjennomsnittet er at du har større respons til endringer i momentum enn du gjør hvis du sjekker universet på samme måte eller one-quarter. Det er sikkert mye mer overkommelig å bruke MA-teknikken hvis du har et mindre univers å bruke det på siden jeg bruker en gruppe ETFer som mitt univers, fungerer det bra for meg. Gitt at du arbeider i et univers på 900 aksjer og avslører beholdninger i et fondformat, kan det ikke være aktuelt for deg, men jeg trodde du kunne finne det interessant. Dette er også ekvivalent, BTW, til forholdet mellom dagens 21-dagers glidende gjennomsnitt og 21-dagers glidende gjennomsnitt FROM 252 DAYS AGO 8211 EDIT. John Lewis sier: Vi sporer også faktorer som tar et glidende gjennomsnitt av en momentumberegning eller poengsum. Den gamle technicians8217 trick å bruke en MA for å jevne ut støyen, virker på relativ styrke, akkurat som det gjør på rå pris. Hyppigheten av gjenbalanse bestemmer ofte hva slags modell du kan bruke. Vi driver strategier som bare kan balanseres en gang i kvartalet, og vi må bruke forskjellige modeller for dem enn vi gjør for strategier vi ser på daglig eller ukentlig. Begge metodene fungerer hvis du bruker den riktige faktoren, og vi har funnet at økt gjenbalansefrekvens automatisk øker avkastningen. Noen ganger tar det vekk fra retur. Det er helt avhengig av faktoren og hvordan du implementerer den (minst i min erfaring). Med universene og parametrene I8217ve testet det på, har jeg ikke merket hva jeg ville kalle 8220 statistisk signifikante8221 forbedringer i retur når du bytter fra månedlige opprørere til å flytte gjennomsnittlige teknikker som gir mulighet for (muligens minst) daglige opprørere. Hva jeg har notert har vært for det meste hva I8217d kalder ekvivalent avkastning i backtest-dataene. Jeg har spesielt bemerket at gjennomsnittlig antall handelsrundturer er bare svært litt høyere med det daglige byttepotensialet, det vil si at det er noen whipsaws, men bare noen få. Det jeg personlig synes om potensialet for de daglige endringene er, hvis hypotetisk en av problemene i8217m krasjer og brenner, vil MA-teknikken gå ut raskere (og erstatte med et annet sikkerhetssystem). Det var klart at det ikke skjedde nok i løpet av backtestene for å gi en betydelig forskjell i resultatet, men det gir en fin salve til min psyke. Jeg antar at når I8217m trakk seg tilbake og kjører programmet fra en eller annen strand, foretrekker jeg bare å sjekke inn månedlig. That8217s senere. For nå, mens I8217m på datamaskinen, uansett, kan jeg like godt kjøre skannene mine Paul Montgomery sier: 8220 Jeg skal ikke publisere disse resultatene i dette innlegget, men jeg kan fortelle deg at denne bevegelige gjennomsnittsfaktoren er konsekvent nær toppen av faktorene vi sporer og har svært rimelig omsetning for avkastningen det genererer8221 Flott innlegg 8211 ville elske å se mer på denne John Interessante innlegg faktisk 8211 Jeg har lest mye papir om dette og undersøker effektiviteten8230 Den eneste tingen jeg ikke kan forstå er hvordan et fond slik som AQR som foreslår en annen form for momentum som investerer, gjør det så dårlig. Deres teoretiske avkastning er rundt 13 i året, men selve fondet er fortsatt i minus. Lurer på om det å investere i denne ideen av deg, vil gi resultater nær de testede beløpene82306.2 Flytte gjennomsnitt, ma 40 elecsales, rekkefølge 5 41 I den andre kolonnen i denne tabellen vises et glidende gjennomsnitt av rekkefølge 5, noe som gir et estimat av trend-syklus. Den første verdien i denne kolonnen er gjennomsnittet av de fem første observasjonene (1989-1993). Den andre verdien i 5-MA kolonnen er gjennomsnittet av verdiene 1990-1994 og så videre. Hver verdi i 5-MA kolonnen er gjennomsnittet av observasjonene i femårsperioden sentrert på tilsvarende år. Det er ingen verdier for de to første årene eller de siste to årene fordi vi ikke har to observasjoner på hver side. I formelen ovenfor inneholder kolonne 5-MA verdiene for hatten med k2. For å se hva trendsyklusestimatet ser ut, plotter vi det sammen med de opprinnelige dataene i figur 6.7. plot 40 elecsales, main quotResidential electricity salesquot, ylab quotGWhquot. xlab quotYearquot 41 linjer 40 ma 40 elecsales, 5 41. col quotredquot 41 Legg merke til hvordan trenden (i rødt) er jevnere enn de opprinnelige dataene og fanger hovedrørelsen til tidsseriene uten alle de små svingningene. Den bevegelige gjennomsnittlige metoden tillater ikke estimater av T hvor t er nær seriens ender, derfor strekker den røde linjen ikke til kantene på grafen på hver side. Senere vil vi bruke mer sofistikerte metoder for trendsyklusestimering som gjør det mulig å anslå estimater nær endepunktene. Ordren av det bevegelige gjennomsnittet bestemmer glattheten i trend-syklusestimatet. Generelt betyr en større ordre en jevnere kurve. Følgende graf viser effekten av å endre rekkefølgen på det bevegelige gjennomsnittet for el-salgsdata for bolig. Enkle bevegelige gjennomsnitt som disse er vanligvis av merkelig rekkefølge (f. eks. 3, 5, 7 osv.) Dette er slik at de er symmetriske: I et bevegelige gjennomsnitt av rekkefølge m2k1 er det k tidligere observasjoner, k senere observasjoner og midtobservasjonen som er i gjennomsnitt. Men hvis m var jevn, ville det ikke lenger være symmetrisk. Flytte gjennomsnitt av glidende gjennomsnitt Det er mulig å bruke et glidende gjennomsnitt til et glidende gjennomsnitt. En grunn til å gjøre dette er å lage en jevn rekkefølge som beveger gjennomsnittlig symmetrisk. For eksempel kan vi ta et glidende gjennomsnitt på rekkefølge 4, og deretter bruke et annet glidende gjennomsnitt av rekkefølge 2 til resultatene. I tabell 6.2 er dette gjort for de første årene av australske kvartalsvise ølproduksjonsdata. beer2 lt - window 40 ausbeer, start 1992 41 ma4 lt 40 øl2, rekkefølge 4. senter FALSK 41 ma2x4 lt 40 øl2, orden 4. senter SANN 41 Notatet 2times4-MA i den siste kolonnen betyr en 4-MA etterfulgt av en 2-MA. Verdiene i siste kolonne er oppnådd ved å ta et glidende gjennomsnitt av rekkefølge 2 av verdiene i forrige kolonne. For eksempel er de to første verdiene i 4-MA-kolonnen 451,2 (443410420532) 4 og 448,8 (410420532433) 4. Den første verdien i kolonnen 2times4-MA er gjennomsnittet av disse to: 450,0 (451.2448.8) 2. Når en 2-MA følger et glidende gjennomsnitt av like rekkefølge (som 4), kalles det et sentrert glidende gjennomsnitt på rekkefølge 4. Dette skyldes at resultatene nå er symmetriske. For å se at dette er tilfelle, kan vi skrive 2times4-MA på følgende måte: start hodes amp frac Bigfrac (y y y y) frac (y y y y) Stor forsterker frac14y frac14y frac14y frac18y. ende Det er nå et veid gjennomsnitt av observasjoner, men det er symmetrisk. Andre kombinasjoner av bevegelige gjennomsnitt er også mulige. For eksempel brukes en 3times3-MA ofte, og består av et glidende gjennomsnitt av rekkefølge 3 etterfulgt av et annet glidende gjennomsnitt av rekkefølge 3. Generelt bør en jevn rekkefølge MA følges av en jevn rekkefølge MA for å gjøre den symmetrisk. På samme måte bør en merkelig ordre MA følges av en merkelig ordre MA. Beregner trendsyklusen med sesongdata Det vanligste bruket av sentrert glidende gjennomsnitt er å estimere trendsyklusen fra sesongdata. Vurder 2times4-MA: hatten frac y frac14y frac14y frac14y frac18y. Når det gjelder kvartalsdata, blir hvert kvartal av året gitt like vekt som de første og siste vilkårene gjelder for samme kvartal i påfølgende år. Følgelig vil sesongvariasjonen bli gjennomsnittet ut, og de resulterende verdiene av hat t vil ha liten eller ingen sesongvariasjon igjen. En lignende effekt ville bli oppnådd ved bruk av en 2 x 8-MA eller en 2 x 12-MA. Generelt er en 2-timers m-MA ekvivalent med et vektet glidende gjennomsnitt av rekkefølge m1 med alle observasjoner som tar vekt 1m unntatt de første og siste vilkårene som tar vekter 1 (2m). Så hvis sesongperioden er jevn og av rekkefølge m, bruk en 2-timers m-MA for å estimere trendsyklusen. Hvis sesongperioden er merkelig og av ordre m, bruk en m-MA for å estimere trendsyklusen. Spesielt kan en 2times 12-MA brukes til å estimere trendsyklusen av månedlige data, og en 7-MA kan brukes til å estimere utviklingssyklusen av daglige data. Andre valg for rekkefølgen av MA vil vanligvis resultere i at trend-syklus estimater blir forurenset av sesongmessigheten i dataene. Eksempel 6.2 Produksjon av elektrisk utstyr Figur 6.9 viser en 2times12-MA anvendt på ordreindeksen for elektrisk utstyr. Legg merke til at den glatte linjen viser ingen sesongmessighet, det er nesten det samme som trend-syklusen vist i figur 6.2, som ble beregnet ved hjelp av en mye mer sofistikert metode enn flytende gjennomsnitt. Ethvert annet valg for rekkefølge av glidende gjennomsnitt (unntatt 24, 36, etc.) ville ha resultert i en jevn linje som viser noen sesongmessige fluktuasjoner. plott 40 elecequip, ylab quotNew ordre indexquot. Col quotgrayquot, hovedkurselektrisk produksjonsproduksjon (euroområde) kvitt 41 linjer 40 ma 40 elecequip, rekkefølge 12 41. kol quotequot 41 Veidede glidende gjennomsnitt Sammendrag av bevegelige gjennomsnitt resulterer i veide glidende gjennomsnitt. For eksempel er 2x4-MA diskutert ovenfor ekvivalent med en vektet 5-MA med vekter gitt av frac, frac, frac, frac, frac. Generelt kan en vektet m-MA skrives som hat t sum k aj y, hvor k (m-1) 2 og vekter er gitt med a, prikker, ak. Det er viktig at vektene alle summerer til en og at de er symmetriske slik at aj a. Den enkle m-MA er et spesielt tilfelle der alle vekter er lik 1m. En stor fordel ved vektede glidende gjennomsnitt er at de gir et jevnere estimat av trend-syklusen. I stedet for observasjoner som går inn og ut av beregningen i full vekt, økes vektene langsomt og senker sakte ned, noe som resulterer i en jevnere kurve. Noen spesifikke sett med vekter er mye brukt. Noen av disse er gitt i tabell 6.3.