Tutor2u Bewegungsdurchschnitte

Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte, um die tatsächlichen Datenpunkte. Making Verwendung von gleitenden Durchschnitte - bei tutor2u HQ Ive versucht, meinen Kopf runden, wo unsere Website wird in 1-2 Jahren Zeit - eine Art von Verkaufsprognose, aber mit Volumen nicht Wert-Daten. So dachte ich, dass Id versuchen einige gleitende Durchschnitte (BUSS3 - Verkaufsprognose). Was mich dazu veranlasste, die Übung auszuprobieren, war eine gute Nachricht von unserem Google Analytics-Service (ein kleines Stück Code auf jeder Webseite von T2U erfasst alle erdenklichen Aktivitäten auf der Website.) Wir haben letzte Woche einen wichtigen Meilenstein für uns gemacht - 1 Million monatlich einzigartig Benutzer auf der tutor2u. net Seite für den ersten Monat, seit wir mit Google Analytics begonnen haben (zurück im August 2006).Ich war bewusst, dass die tägliche Website Traffic (Nachfrage) geht auf und ab in einem ähnlichen Muster jede Woche (besetzt von Montag bis Donnerstag Sehr viel ruhiger am Freitag, Samstag und Sonntag), und es gibt auch gut etablierte saisonale Gipfel und Täler in unserem Website Traffic. Seine sehr beschäftigt im Vorfeld der Prüfungen und während der Semesterferien geht es viel ruhiger während der Schulferien (obwohl Nicht so viel während der entscheidenden Osterrevision Zeitraum) Aber was ist mit dem Trend Was können die Daten zeigen, und können wir extrapolieren einen ähnlichen Trend in den nächsten zwei Jahren begann ich mit Blick auf ein Maß für die Website-Aktivität - die Zahl der Menschen Die den täglichen Google Feedburner-RSS-Feed von unserem Economics Blog erhalten, der an ihren Posteingang geliefert wird. Economics war unser erstes Thema, und weve angeboten RSS-Feed für knapp über drei Jahren (Feeds für andere Themen wurden später hinzugefügt). Die Daten von Google Feedburner zeigten eine große Variation in der Anzahl der Personen, die jeden Tag auf einen Content-Link klicken. Diese Schwankungen, verursacht durch die zeitlichen und saisonalen Probleme oben, sondern auch durch das Volumen und die Art der neuen Inhalte in der täglichen Futtermittel enthalten. Allerdings zeigt der 30-tägige Moving Average von Personen, die den Economics Blog via Feedburner besuchen, eine deutlich klarere Trendlinie: Kann ich das weitere Wachstum in diesen Daten für 2010 und 2011 sinnvoll extrapolieren? Theres nichts in den historischen Daten, um eine wahrscheinlich Abstrich in RSS Abonnements vorzuschlagen. Und Im im Vertrauen, daß wir fortfahren können, Lose nützliche Inhalte dem Wirtschaft Blog hinzuzufügen, der Abonnenten ermutigt, auf ihre RSS Zufuhren oder tägliche eMail zu klicken. Aber da die Zahl der Konkurrenten wächst (zum Beispiel hat die EBEA ein Economics Blog gestartet, ebenso wie Philip Allan Updates), dann müssen wir härter für unsere Nutzer Aufmerksamkeit konkurrieren. Auf der anderen Seite nutzen immer mehr Lehrer RSS-Feeds, um ihnen zu helfen, die verfügbaren Informationen im Web zu filtern. Vielleicht können wir diesen Trend auch weiterhin nutzen. Wenn ich den Datensatz der täglichen Website-Besucher betrachte, ist ein anderer gleitender Durchschnitt erforderlich. Ich brauche etwas, das die wöchentlichen und saisonalen Schwankungen ideal glättet. Also dieses Mal entschied ich mich für einen 365-Tage gleitenden Durchschnitt. D. h. Die durchschnittliche Anzahl der täglich einzigen Website-Nutzer, sondern berechnet in den letzten 365 Tage. Die folgende Grafik zeigt die jeweilige Trendlinie: Die Trendlinie zeigt einen weniger überzeugenden Fall für die Extrapolation. Es sieht so aus, als hätten wir Mitte und Ende 2007 und Anfang 2008 ein Jahr zurückgelegt. Erst seit der Einführung unserer neuen Blog-Blogs haben wir ein rasantes Wachstum der täglichen Website-Nutzer gesehen. Es scheint, dass wir eine neue Tageshöhe fast jede Woche vor kurzem getroffen haben. Aber jemand, der an der Investition in die Web site schaut, möchte eine schärfere Steigung zu jenem 365-tägigen gleitenden Durchschnitt sehen, den ich verdächtigeMoving Durchschnitte: Was sind sie Unter den populärsten technischen Indikatoren werden bewegliche Durchschnitte benutzt, um die Richtung des gegenwärtigen Tendenzes zu messen. Jede Art von gleitendem Durchschnitt (gemeinhin in diesem Tutorial als MA geschrieben) ist ein mathematisches Ergebnis, das durch Mittelung einer Anzahl von vergangenen Datenpunkten berechnet wird. Sobald es bestimmt ist, wird der daraus resultierende Mittelwert dann auf eine Tabelle aufgetragen, um es den Händlern zu ermöglichen, auf geglättete Daten zu schauen, anstatt sich auf die täglichen Preisschwankungen zu konzentrieren, die in allen Finanzmärkten inhärent sind. Die einfachste Form eines gleitenden Durchschnitts, der als einfacher gleitender Durchschnitt (SMA) bekannt ist, wird berechnet, indem das arithmetische Mittel eines gegebenen Satzes von Werten genommen wird. Um beispielsweise einen gleitenden 10-Tage-Durchschnitt zu berechnen, würden Sie die Schlusskurse der letzten 10 Tage addieren und dann das Ergebnis mit 10 teilen. In Abbildung 1 ist die Summe der Preise für die letzten 10 Tage (110) Geteilt durch die Anzahl von Tagen (10), um den 10-Tage-Durchschnitt zu erreichen. Wenn ein Trader einen 50-Tage-Durchschnitt sehen möchte, würde die gleiche Art der Berechnung gemacht, aber er würde auch die Preise in den letzten 50 Tagen enthalten. Der daraus resultierende Durchschnitt unter (11) berücksichtigt die letzten 10 Datenpunkte, um den Händlern eine Vorstellung davon zu geben, wie ein Vermögenswert im Verhältnis zu den vergangenen 10 Tagen bewertet wird. Vielleicht fragen Sie sich, warum technische Händler nennen dieses Tool einen gleitenden Durchschnitt und nicht nur ein normaler Durchschnitt. Die Antwort ist, dass, wenn neue Werte verfügbar werden, die ältesten Datenpunkte aus dem Satz fallen gelassen werden müssen und neue Datenpunkte hereinkommen müssen, um sie zu ersetzen. Somit bewegt sich der Datensatz ständig, um neue Daten, wie er verfügbar wird, zu berücksichtigen. Diese Berechnungsmethode stellt sicher, dass nur die aktuellen Informationen berücksichtigt werden. Wenn in Fig. 2 der neue Wert von 5 zu dem Satz hinzugefügt wird, bewegt sich das rote Feld (das die letzten 10 Datenpunkte darstellt) nach rechts und der letzte Wert von 15 wird aus der Berechnung entfernt. Weil der relativ kleine Wert von 5 den hohen Wert von 15 ersetzt, würden Sie erwarten, dass der Durchschnitt des Datensatzabbaus zu sehen, was er tut, in diesem Fall von 11 bis 10. Wie sehen sich die gleitenden Mittelwerte aus? MA berechnet worden sind, werden sie auf ein Diagramm aufgetragen und dann verbunden, um eine gleitende mittlere Linie zu erzeugen. Diese Kurvenlinien sind auf den Diagrammen der technischen Händler üblich, aber wie sie verwendet werden, können drastisch variieren (mehr dazu später). Wie Sie in Abbildung 3 sehen können, ist es möglich, mehr als einen gleitenden Durchschnitt zu irgendeinem Diagramm hinzuzufügen, indem man die Anzahl der Zeitperioden, die in der Berechnung verwendet werden, anpasst. Diese kurvenreichen Linien scheinen vielleicht ablenkend oder verwirrend auf den ersten, aber youll wachsen Sie daran gewöhnt, wie die Zeit vergeht. Die rote Linie ist einfach der durchschnittliche Preis in den letzten 50 Tagen, während die blaue Linie der durchschnittliche Preis in den letzten 100 Tagen ist. Nun, da Sie verstehen, was ein gleitender Durchschnitt ist und wie es aussieht, stellen Sie auch eine andere Art von gleitenden Durchschnitt ein und untersuchen, wie es sich von der zuvor genannten einfachen gleitenden Durchschnitt unterscheidet. Die einfache gleitende Durchschnitt ist sehr beliebt bei den Händlern, aber wie alle technischen Indikatoren, hat es seine Kritiker. Viele Personen argumentieren, dass die Nützlichkeit der SMA begrenzt ist, da jeder Punkt in der Datenreihe gleich gewichtet wird, unabhängig davon, wo er in der Sequenz auftritt. Kritiker argumentieren, dass die neuesten Daten bedeutender sind als die älteren Daten und sollten einen größeren Einfluss auf das Endergebnis haben. Als Reaktion auf diese Kritik begannen die Händler, den jüngsten Daten mehr Gewicht zu verleihen, was seitdem zur Erfindung verschiedener Arten von neuen Durchschnittswerten geführt hat, wobei der populärste der exponentielle gleitende Durchschnitt (EMA) ist. (Für weitere Messwerte siehe Grundlagen der gewichteten gleitenden Mittelwerte und was ist der Unterschied zwischen einer SMA und einer EMA) Exponentieller gleitender Durchschnitt Der exponentielle gleitende Durchschnitt ist eine Art von gleitendem Durchschnitt, die den jüngsten Preisen mehr Gewicht verleiht, um sie reaktionsfähiger zu machen Zu neuen Informationen. Das Erlernen der etwas komplizierten Gleichung für die Berechnung einer EMA kann für viele Händler unnötig sein, da fast alle Kartierungspakete die Berechnungen für Sie durchführen. Jedoch für Sie Mathegeeks heraus dort, ist hier die EMA-Gleichung: Wenn Sie die Formel verwenden, um den ersten Punkt der EMA zu berechnen, können Sie feststellen, dass es keinen Wert gibt, der als das vorhergehende EMA benutzt werden kann. Dieses kleine Problem kann gelöst werden, indem man die Berechnung mit einem einfachen gleitenden Durchschnitt beginnt und mit der obigen Formel fortfährt. Wir haben Ihnen eine Beispielkalkulationstabelle zur Verfügung gestellt, die praktische Beispiele enthält, wie Sie sowohl einen einfachen gleitenden Durchschnitt als auch einen exponentiellen gleitenden Durchschnitt berechnen können. Der Unterschied zwischen der EMA und SMA Nun, da Sie ein besseres Verständnis haben, wie die SMA und die EMA berechnet werden, können wir einen Blick darauf werfen, wie sich diese Mittelwerte unterscheiden. Mit Blick auf die Berechnung der EMA, werden Sie feststellen, dass mehr Wert auf die jüngsten Datenpunkte gelegt wird, so dass es eine Art von gewichteten Durchschnitt. In Abbildung 5 sind die Anzahl der Zeitperioden, die in jedem Durchschnitt verwendet werden, identisch (15), aber die EMA reagiert schneller auf die sich ändernden Preise. Beachten Sie, wie die EMA einen höheren Wert hat, wenn der Preis steigt, und fällt schneller als die SMA, wenn der Preis sinkt. Diese Reaktionsfähigkeit ist der Hauptgrund, warum viele Händler es vorziehen, die EMA über die SMA zu verwenden. Was sind die verschiedenen Tage Durchschnittliche Mittelwerte sind eine völlig anpassbare Indikator, was bedeutet, dass der Benutzer frei wählen können, was Zeitrahmen sie bei der Schaffung der durchschnittlichen wollen. Die häufigsten Zeitabschnitte, die bei gleitenden Durchschnitten verwendet werden, sind 15, 20, 30, 50, 100 und 200 Tage. Je kürzer die Zeitspanne, die verwendet wird, um den Durchschnitt zu erzeugen, desto empfindlicher wird es für Preisänderungen sein. Je länger die Zeitspanne, desto weniger empfindlich, oder mehr geglättet, wird der Durchschnitt sein. Es gibt keinen richtigen Zeitrahmen für die Einrichtung Ihrer gleitenden Durchschnitte. Der beste Weg, um herauszufinden, welche am besten für Sie arbeitet, ist es, mit einer Reihe von verschiedenen Zeitperioden zu experimentieren, bis Sie eine finden, die zu Ihrer Strategie passt. Moving Averages: Wie Sie sie verwenden