Gleitende Durchschnittliche Website

Moving Average Indicator Die gleitenden Mittelwerte liefern ein objektives Maß für die Trendrichtung, indem die Preisdaten geglättet werden. In der Regel berechnet mit Schlusskursen, kann der gleitende Durchschnitt auch mit Median verwendet werden. typisch. Gewichteten Abschluss. Und hohe, niedrige oder offene Preise sowie andere Indikatoren. Kürzere bewegliche Durchschnitte sind empfindlicher und identifizieren neue Trends früher, geben aber auch mehr falsche Alarme. Längere bewegte Durchschnitte sind zuverlässiger, aber weniger reagierend, nur Abholung der großen Trends. Verwenden Sie einen gleitenden Durchschnitt, der die Hälfte der Länge des Zyklus, den Sie verfolgen. Wenn die Peak-to-Peak-Zykluslänge ungefähr 30 Tage beträgt, dann ist ein 15 Tage gleitender Durchschnitt geeignet. Wenn 20 Tage, dann ein 10 Tage gleitender Durchschnitt geeignet ist. Einige Händler werden jedoch 14 und 9 Tage gleitende Durchschnitte für die oben genannten Zyklen in der Hoffnung der Erzeugung von Signalen etwas vor dem Markt verwenden. Andere favorisieren die Fibonacci-Zahlen von 5, 8, 13 und 21. 100 bis 200 Tage (20 bis 40 Wochen) gleitende Durchschnittswerte sind für längere Zyklen 20 bis 65 Tage (4 bis 13 Wochen) gleitende Mittelwerte sind für Zwischenzyklen und 5 beliebt Bis 20 Tage für kurze Zyklen. Das einfachste gleitende Mittelsystem erzeugt Signale, wenn der Kurs den gleitenden Durchschnitt überquert: Gehen Sie lange, wenn der Kurs über dem gleitenden Durchschnitt von unten über den Kurs geht. Gehen Sie kurz, wenn der Kurs unter den gleitenden Durchschnitt von oben geht. Das System ist anfällig für whipsaws in ranging-Märkte, mit Preis-Kreuzung hin und her über den gleitenden Durchschnitt, wodurch eine große Anzahl von falschen Signalen. Aus diesem Grund verwenden gleitende Durchschnittssysteme normalerweise Filter zur Verringerung von Peitschenhieben. Komplexere Systeme verwenden mehr als einen gleitenden Durchschnitt. Zwei Moving Averages verwendet einen schnelleren gleitenden Durchschnitt als Ersatz für Schlusskurs. Drei Moving Averages beschäftigen einen dritten gleitenden Durchschnitt, um festzustellen, wann der Preis reicht. Multiple Moving Averages verwenden eine Serie von sechs schnell bewegten Durchschnitten und sechs langsam bewegten Durchschnitten, um einander zu bestätigen. Displaced Moving Averages sind nützlich für Trendfolgen, wodurch die Anzahl der Whipsaws reduziert wird. Keltner-Kanäle verwenden Banden, die in einem Vielfachen des durchschnittlichen wahren Bereichs gezeichnet sind, um gleitende Durchschnittsübergänge zu filtern. Die populäre MACD (Moving Average Convergence Divergence) - Anzeige ist eine Variation der beiden Moving-Average-System, aufgetragen als ein Oszillator, der den langsam bewegten Durchschnitt von dem schnell bewegten Durchschnitt subtrahiert. Es gibt mehrere verschiedene Arten von gleitenden Durchschnitten, jeweils mit ihren eigenen Besonderheiten. Einfache gleitende Mittelwerte sind am einfachsten zu konstruieren, aber auch am anfälligsten für Verzerrungen. Gewichtete gleitende Durchschnitte sind schwer zu konstruieren, aber zuverlässig. Exponentielle gleitende Durchschnitte erreichen die Vorteile der Gewichtung kombiniert mit der Leichtigkeit der Konstruktion. Wilder gleitende Durchschnitte werden hauptsächlich in Indikatoren verwendet, die von J. Welles Wilder entwickelt wurden. Im Wesentlichen die gleiche Formel wie exponentielle gleitende Durchschnitte, verwenden sie unterschiedliche Gewichtungen mdash, für die Benutzer zu berücksichtigen müssen. Indikatorbedienfeld zeigt, wie Sie Bewegungsdurchschnitte einrichten. Die Standardeinstellung ist ein 21-Tage-exponentieller gleitender Durchschnitt. Moving Average - MA BREAKING DOWN Moving Average - MA Als SMA-Beispiel gilt eine Sicherheit mit folgenden Schlusskursen über 15 Tage: Woche 1 (5 Tage) 20, 22, 24, 25, 23 Woche 2 (5 Tage) 26, 28, 26, 29, 27 Woche 3 (5 Tage) 28, 30, 27, 29, 28 Eine 10-tägige MA würde die Schlusskurse für die ersten 10 Tage als Durchschnitt ausrechnen Der erste Datenpunkt. Der nächste Datenpunkt würde den frühesten Preis senken, den Preis am Tag 11 addieren und den Durchschnitt nehmen, und so weiter, wie unten gezeigt. Wie bereits erwähnt, verzögert MAs die aktuelle Preisaktion, weil sie auf vergangenen Preisen basieren, je länger der Zeitraum für die MA ist, desto größer ist die Verzögerung. So wird ein 200-Tage-MA haben eine viel größere Verzögerung als eine 20-Tage-MA, weil es Preise für die letzten 200 Tage enthält. Die Länge der zu verwendenden MA hängt von den Handelszielen ab, wobei kürzere MAs für den kurzfristigen Handel und längerfristige MAs eher für langfristige Anleger geeignet sind. Die 200-Tage-MA ist weithin von Investoren und Händlern gefolgt, mit Pausen über und unter diesem gleitenden Durchschnitt als wichtige Trading-Signale. MAs auch vermitteln wichtige Handelssignale auf eigene Faust, oder wenn zwei Durchschnitte überqueren. Eine steigende MA zeigt an, dass die Sicherheit in einem Aufwärtstrend liegt. Während eine sinkende MA zeigt, dass es in einem Abwärtstrend ist. In ähnlicher Weise wird das Aufwärtsmoment mit einem bulligen Crossover bestätigt. Die auftritt, wenn eine kurzfristige MA über einem längerfristigen MA kreuzt. Abwärts-Momentum wird mit einem bärischen Übergang bestätigt, der auftritt, wenn ein kurzfristiges MA-Kreuz unter einer längerfristigen MA Einleitung Ein gleitender Durchschnitt ist eine einfache Technik zum Glätten von Zufallsdaten. Meistens finden wir bewegte Durchschnitte, um die Bewegung der Aktienkurse zu analysieren, aber wir sehen sie auch in anderen Bereichen der Geschäfts - und Datenanalyse. Dies ist der erste Teil einer Serie von zwei Artikeln. Dieser Artikel beschreibt, was sind gleitende Durchschnitte und wie sie berechnet werden. Im zweiten Teil wird untersucht, wie gleitende Durchschnittsberechnungen in SAP BusinessObjects Web Intelligence implementiert werden können. Wenn Sie bereits bewegliche Durchschnitte verstehen, können Sie zum zweiten Artikel über die Implementierung in Web Intelligence überspringen. Was sind Moving Averages Ein gleitender Durchschnitt analysiert einen Satz von Datenpunkten, indem er einen Durchschnitt über einen kleineren Satz neuer Datenpunkte berechnet. Zum Beispiel bei der Analyse der Aktienkurs über ein Jahr können wir einen gleitenden Durchschnitt zu generieren, dass für einen bestimmten Tag ist der Durchschnitt der letzten 15 Tage. Abbildung 1 unten ist ein Beispiel für einen einfachen gleitenden Durchschnitt, der mit Google Finance generiert wird. Diese Grafik zeigt Google8217s Aktienkurs über dem letzten Jahr und die rote Linie ist ein gleitender Durchschnitt mit einem Zeitraum von 15 Tagen. Abbildung 1. Chart des Google39s-Aktienkurses mit einfachem gleitendem Durchschnitt Wir sehen aus dem obigen Beispiel, dass der gleitende Durchschnitt (rote Linie) den fluktuierenden Aktienkurs glättet. Ein Merkmal eines gleitenden Durchschnitts ist, dass es hinter der ursprünglichen Kurve zurückbleibt. Dies liegt daran, dass es an jedem Datenpunkt einen Durchschnitt einer Menge von vorherigen Datenpunkten benötigt. Für eine weiterführende Diskussion, wie sich die gleitenden Durchschnitte im Finanzbereich bewegen, finden Sie unter Bewegungsdurchschnitte bei StockCharts. Das Ziel, einen gleitenden Durchschnitt zu verwenden, besteht darin, kurzfristige Schwankungen zu reduzieren und langfristige Trends hervorzuheben. Es gibt verschiedene Arten von gleitendem Durchschnitt und darunter, wie man die häufigsten Beispiele berechnen kann. Danach untersuchen wir, wie diese Berechnungen in Web Intelligence implementiert werden können. Einfacher gleitender Durchschnitt Ein einfacher gleitender Durchschnitt (SMA), wie es der Name vermuten lässt, ist der einfachste gleitende Durchschnitt. Für jeden Datenpunkt berechnen wir den Mittelwert über eine feste Anzahl von vorhergehenden Datenpunkten. Die folgende Tabelle veranschaulicht eine solche Berechnung, bei der wir einen SMA der Periode 3 verwenden. Da unsere Periode unseres gleitenden Durchschnittsdatensatzes 3 ist, berechnen wir die ersten beiden Datenpunkte. Dann berechnen wir für jeden Datenpunkt den Mittelwert über die letzten drei Datenpunkte einschließlich des aktuellen Datenpunktes. Da bei der Berechnung unseres Durchschnittswertes der letzte Wert zur Summe addiert wird und der erste Wert abfällt, können wir unsere Berechnung vereinfachen, wobei SMA (vorhergehend) das vorher berechnete Ergebnis ist, N die Größe des gleitenden Durchschnittsdatensatzes p1 ist Ist der erste Wert in unserem Satz und pN ist der letzte Wert des Satzes. Ein Zurückziehen einer SMA ist, dass sie alle vorherigen Datenpunkte in dem gleitenden Durchschnittssatz gleichmäßig behandelt, und so können wir feststellen, dass ältere Datenpunkte die Berechnung negativ beeinflussen können. Um dies zu lösen, können wir gewichtete oder exponentielle gleitende Mittelwerte verwenden. Gewichteter gleitender Durchschnitt Ein gewichteter gleitender Durchschnitt (WMA) wendet Gewichte auf die Datenpunkte in dem gleitenden Durchschnittssatz an, so dass neuere Datenpunkte eine größere Bedeutung für das Gesamtergebnis haben. Es gibt mehrere Möglichkeiten, Gewichte anzuwenden und das einfachste ist, einen abnehmenden Satz von Gewichten zu verwenden, zum Beispiel, wenn wir einen gleitenden durchschnittlichen Datensatz von 6 Datenpunkten haben, dann sind unsere Gewichte 6,5,4,3,2,1 Angewendet von den jüngsten Daten bis zum frühesten. Unsere Berechnung ist etwas komplexer und für einen gleitenden Durchschnittsdatensatz der Größe 6 ist es so, dass hier p6 unser aktueller Wert ist und multiplizieren wir diesen mit 6, dann addieren wir den 5-fachen des vorherigen Wertes, den 4-fachen Wert vor dem und bald. Dann teilen wir diese mit 6 (61) 2 auf. Dies ist die Berechnung für eine dreieckige Zahl und Wikipedia hat eine Erklärung, wie diese abgeleitet ist. Die folgende Tabelle veranschaulicht die Berechnung eines WMA der Periode 3 für denselben Datensatz, wie wir ihn im obigen SMA-Beispiel verwendet haben. Exponential Moving Average Ein exponentieller gleitender Durchschnitt (EMA) verwendet einen exponentiell abnehmenden Satz von Gewichten. In der WMA oberhalb unserer Gewichte sinkt linear, ein exponentiell abnehmender Satz von Gewichten verringert sich zunächst rasch und fällt dann ab. Wenn wir ein Diagramm dieser Gewichte produzieren, würde es wie in Abbildung 2 unten aussehen. Abbildung 2 Diagramm der abnehmenden exponentiellen Gewichte Ein EMA bietet mehr Gewicht auf die jüngsten Werte als ein WMA und es hat auch den weiteren Vorteil, leichter berechnet werden. Um eine EMA zu berechnen, nehmen wir den vorherigen EMA-Wert und addieren die Differenz zwischen dem aktuellen Datenpunktwert und dem vorherigen EMA multipliziert mit einer Konstante 8216alpha8217, wobei die Konstante alpha die Skalierung der Gewichtungsabnahme darstellt und ein Wert zwischen 0 und 1 ist Wert ändert den Betrag der Gesamtglättung, wobei Werte nahe bei Null einen hohen Glättungsgrad anwenden und Werte, die näher 1 sind, weniger erzeugen. Die folgende Abbildung verwendet dieselben Datenpunkte, zeigt aber eine EMA mit dem Wert 0.7 und 0.1 an. Fig. 3 zwei Diagramme zeigen dieselben Quelldaten mit einem exponentiellen gleitenden Mittelwert unter Verwendung von verschiedenen Werten von alpha In unseren Berechnungen verwenden wir nur die EMA von dem dritten Datenpunkt an für den ersten Datenpunkt, den es üblich ist, diesen Wert auf 0 oder keinen Wert zu setzen, und Für den zweiten Datenpunkt setzen wir den Wert gleich dem Wert des zweiten Datenpunktes. Die nachstehende Tabelle ist die Berechnung von EMA für unseren Beispieldatensatz mit einem Alpha-Wert von 0,4