Algoritmo de média móvel ponderada no Brasil

Eu tenho uma série de tempo de preços das ações e deseja calcular a média móvel em uma janela de dez minutos (ver diagrama abaixo). Como os carrapatos de preços ocorrem esporadicamente (isto é, eles não são periódicos), parece mais justo calcular uma média móvel ponderada no tempo. No diagrama há quatro mudanças de preços: A, B, C e D, com os últimos três ocorrendo dentro da janela. Observe que porque B só ocorre algum tempo na janela (digamos 3 minutos), o valor de A ainda contribui para a computação. Na verdade, tanto quanto posso dizer, o cálculo deve basear-se unicamente nos valores de A, B e C (não D) e as durações entre eles eo próximo ponto (ou no caso de A: a duração entre o início Da janela de tempo e B). Inicialmente D não terá qualquer efeito, pois sua ponderação de tempo será zero. Isto é correto Assumindo que isto está correto, minha preocupação é que a média móvel seja mais atrasada do que o cálculo não ponderado (o que representaria o valor de D imediatamente). No entanto, o cálculo não ponderado tem suas próprias desvantagens: Têm tanto efeito sobre o resultado quanto os outros preços, apesar de estarem fora da janela de tempo. Uma onda repentina de carrapatos de preço rápido seria fortemente tendenciosa a média móvel (embora talvez isso seja desejável) Alguém pode oferecer qualquer conselho sobre qual abordagem parece melhor, ou se há uma abordagem alternativa (ou híbrida) vale a pena considerar pediu 14 abril às 21: 35 Seu raciocínio está correto. O que você quer usar a média para embora Sem saber que é difícil dar qualquer conselho. Talvez uma alternativa seria considerar sua média corrente A, e quando um novo valor V entrar, calcule a nova média A para ser (1-c) AcV, onde c está entre 0 e 1. Desta forma, os carrapatos mais recentes têm Uma influência mais forte, eo efeito de carrapatos velhos dissipa ao longo do tempo. Você poderia até mesmo ter c dependem do tempo desde os carrapatos anteriores (c tornando-se menor como os carrapatos se aproximar). No primeiro modelo (ponderação) a média seria diferente cada segundo (como as leituras velhas começam o peso mais baixo e as leituras novas mais altamente) assim que seu sempre mudar que não pode ser desejável. Com a segunda abordagem, os preços fazem saltos súbitos à medida que novos preços são introduzidos e os antigos desaparecem da janela. As duas sugestões vêm do mundo discreto, mas você pode encontrar uma inspiração para o seu caso particular. Dê uma olhada no suavização exponencial. Nesta abordagem você introduz o fator de suavização (01) que permite alterar a influência dos elementos recentes no valor da previsão (os elementos mais antigos são atribuídos ponderes exponencialmente decrescentes): Eu criei uma animação simples de como a suavização exponencial acompanharia o Uma série de tempo uniforme x1 1 1 1 3 3 2 2 2 1 com três diferentes: Tenha também uma olhada em algumas das técnicas de aprendizado de reforço (veja os diferentes métodos de desconto), por exemplo TD-learning e Q-Learning. Sim, a média móvel será, naturalmente, lag. Isto é porque seu valor é informação histórica: ele resume amostras do preço nos últimos 10 minutos. Esse tipo de média é inerentemente laggy. Tem um construído em deslocamento de cinco minutos (porque uma média da caixa sem deslocamento seria baseada em - 5 minutos, centrada na amostra). Se o preço estiver em A por um longo tempo e depois muda uma vez para B, leva 5 minutos para que a média atinja (AB) 2. Se você quer a média de uma função lisa sem qualquer mudança no domínio, o peso tem Para ser distribuído uniformemente ao redor do ponto de amostragem. Mas isso é impossível de fazer para os preços que ocorrem em tempo real, uma vez que os dados futuros não está disponível. Se você quiser uma mudança recente, como D, para ter um impacto maior, use uma média que dê um peso maior a dados recentes, ou um período de tempo mais curto, ou ambos. Uma forma de suavizar os dados é simplesmente utilizar um único acumulador (o estimador suavizado) E e tomar amostras periódicas dos dados S. E é actualizado como se segue: i. e. Uma fração K (entre 0 e 1) da diferença entre a amostra de preço atual S e o estimador E é adicionada a E. Suponha que o preço tenha sido em A por um longo tempo, de modo que E esteja em A, e então subitamente muda Para B. O estimador começará a mover-se em direção a B de forma exponencial (como aquecimento, carga descarga de um capacitor, etc). Em primeiro lugar ele vai fazer um grande salto, e, em seguida, cada vez menores incrementos. O quão rápido ele se move depende de K. Se K é 0, o estimador não se move de todo, e se K é 1 ele se move instantaneamente. Com K você pode ajustar quanto peso você dá ao estimador versus a nova amostra. Mais peso é dado às amostras mais recentes implicitamente, ea janela de amostra basicamente se estende ao infinito: E é baseado em cada amostra de valor que já ocorreu. Embora, naturalmente, os muito antigos têm quase nenhuma influência sobre o valor atual. Um método muito simples, bonito. Respondeu Apr 14 12 at 21:50 Este é o mesmo que Tom39s resposta. Sua fórmula para o novo valor do estimador é (1 - K) E KS. Que é algébricamente o mesmo que E K (S - E). É uma função de mistura quotlinear entre o estimador de corrente E ea nova amostra S onde o valor de K 0, 1 controla a mistura. Escrevê-lo dessa maneira é bom e útil. Se K é 0,7, tomamos 70 de S e 30 de E, o que é o mesmo que adicionando 70 da diferença entre E e S de volta a E. ndash Kaz 14 de abril de 12 às 22:15 Em Toms expansão resposta, a fórmula (Tn - t n-1) T, ou seja, a é uma razão de delta do tempo de chegada sobre o intervalo de média v 1 (use o método anterior) Para obter mais informações, consulte a página 59 do livro An Introduction To High Frequency Finance. What039s a diferença entre a média móvel ea média móvel ponderada A 5 (média ponderada), ou v (1 - u) Com base nos preços acima, seria calculada com base na seguinte fórmula: Com base na equação acima, o preço médio durante o período listado acima foi de 90,66. A utilização de médias móveis é um método eficaz para eliminar fortes flutuações de preços. Chave é que os pontos de dados de dados mais antigos são n Ponderada de forma diferente de pontos de dados próximos ao início do conjunto de dados. É aqui que as médias móveis ponderadas entram em jogo. As médias ponderadas atribuem uma ponderação mais pesada a pontos de dados mais atuais, uma vez que são mais relevantes do que pontos de dados no passado distante. A soma da ponderação deve somar 1 (ou 100). No caso da média móvel simples, as ponderações são distribuídas igualmente, razão pela qual não são mostradas na tabela acima. Preço de fechamento das médias móveis AAPLWeighted: O básico Ao longo dos anos, os técnicos encontraram dois problemas com a média móvel simples. O primeiro problema reside no período de tempo da média móvel (MA). A maioria dos analistas técnicos acreditam que a ação preço. O preço de abertura ou de fechamento das ações, não é suficiente para depender para predizer adequadamente sinais de compra ou venda da ação de crossover MAs. Para resolver este problema, os analistas agora atribuem mais peso aos dados de preços mais recentes usando a média móvel exponencialmente suavizada (EMA). Exemplo: Por exemplo, usando um MA de 10 dias, um analista levaria o preço de fechamento do décimo dia e multiplicaria esse número por 10, o nono dia por nove, o oitavo Dia por oito e assim por diante para o primeiro do MA. Uma vez determinado o total, o analista dividiria o número pela adição dos multiplicadores. Se você adicionar os multiplicadores do exemplo de MA de 10 dias, o número é 55. Esse indicador é conhecido como a média móvel ponderada linearmente. (Para a leitura relacionada, verifique para fora as médias moventes simples fazem tendências estar para fora.) Muitos técnicos são crentes firmes na média movente exponencial suavizada (EMA). Este indicador tem sido explicado de tantas maneiras diferentes que confunde estudantes e investidores. Talvez a melhor explicação venha de John J. Murphys Análise Técnica dos Mercados Financeiros (publicado pelo New York Institute of Finance, 1999): A média móvel exponencialmente suavizada aborda ambos os problemas associados à média móvel simples. Em primeiro lugar, a média exponencialmente suavizada atribui um maior peso aos dados mais recentes. Portanto, é uma média móvel ponderada. Mas, embora atribua menor importância aos dados de preços passados, inclui no seu cálculo todos os dados na vida útil do instrumento. Além disso, o usuário é capaz de ajustar a ponderação para dar maior ou menor peso ao preço dos dias mais recentes, que é adicionado a uma porcentagem do valor dos dias anteriores. A soma de ambos os valores percentuais adiciona até 100. Por exemplo, o preço dos últimos dias poderia ser atribuído um peso de 10 (0,10), que é adicionado ao peso dias anteriores de 90 (0,90). Isto dá o último dia 10 da ponderação total. Isso seria o equivalente a uma média de 20 dias, dando ao preço dos últimos dias um valor menor de 5 (0,05). Figura 1: Média móvel suavizada exponencialmente O gráfico acima mostra o índice Nasdaq Composite da primeira semana de agosto de 2000 a 1º de junho de 2001. Como você pode ver claramente, a EMA, que neste caso está usando os dados de fechamento de preços em um Período de nove dias, tem sinais de venda definitiva no dia 8 de setembro (marcado por uma seta preta para baixo). Este foi o dia em que o índice quebrou abaixo do nível de 4.000. A segunda seta preta mostra outra perna para baixo que os técnicos estavam realmente esperando. O Nasdaq não conseguiu gerar volume suficiente e juros dos investidores de varejo para quebrar a marca de 3.000. Em seguida, mergulhou novamente para baixo em 1619.58 em 4 de abril. A tendência de alta de 12 de abril é marcada por uma seta. Aqui o índice fechou em 1.961,46, e os técnicos começaram a ver os gestores de fundos institucionais começando a pegar alguns negócios como Cisco, Microsoft e algumas das questões relacionadas à energia. (Leia nossos artigos relacionados: Moving Average Envelopes: Refining Uma Ferramenta de Negociação Popular e Moving Average Bounce.)