Wenn Sie diese Meldung sehen, hat Ihr Browser entweder deaktiviert oder unterstützt kein JavaScript. Um die vollständigen Funktionen dieses Hilfesystems, z. B. die Suche, nutzen zu können, muss Ihr Browser JavaScript-Unterstützung aktiviert haben. Weighted Moving Averages Mit Simple Moving Averages wird jeder Datenwert in dem Windowquot, in dem die Berechnung durchgeführt wird, eine gleiche Bedeutung oder Gewicht zugewiesen. Es ist oft der Fall, vor allem in der Finanzdaten-Daten-Analyse, dass mehr chronologisch jüngsten Daten ein größeres Gewicht tragen sollte. In diesen Fällen wird der gewichtete gleitende Durchschnitt (oder der exponentielle gleitende Durchschnitt - siehe das folgende Thema) häufig bevorzugt. Betrachten Sie die gleiche Tabelle der Verkaufsdatenwerte für zwölf Monate: Um einen gewichteten gleitenden Durchschnitt zu berechnen: Berechnen Sie, wie viele Intervalle von Daten an der Moving Average Berechnung beteiligt sind (d. h. die Größe des rechnerischen Windowquot). Wenn das Berechnungsfenster n ist, wird der jüngste Datenwert in dem Fenster mit n multipliziert, der nächstletzte multipliziert mit n-1, der Wert vor dem multipliziert mit n-2 und so weiter für alle Werte im Fenster. Teilen Sie die Summe aller multiplizierten Werte durch die Summe der Gewichte, um den gewichteten gleitenden Durchschnitt über diesem Fenster zu erhalten. Stellen Sie den Weighted Moving Average-Wert in eine neue Spalte entsprechend der oben beschriebenen Positionierung der mittleren Mittelwerte ein. Um diese Schritte zu veranschaulichen, sollten Sie berücksichtigen, ob ein dreimonatiger gewichteter gleitender Durchschnitt der Verkäufe im Dezember erforderlich ist (unter Verwendung der obigen Tabelle der Verkaufswerte). Der Begriff "3-monthquot" impliziert, dass das Berechnungsfenster für den Windowquot 3 ist, daher sollte der Algorithmus für den Weighted Moving Average-Berechnungsfaktor für diesen Fall sein: Oder, wenn ein 3-Monats-Weighted Moving Average über den gesamten ursprünglichen Datenbereich ausgewertet würde : 3 Monate Weighted Moving AverageWenn Sie diese Nachricht sehen, hat Ihr Browser entweder deaktiviert oder unterstützt kein JavaScript. Um die vollständigen Funktionen dieses Hilfesystems, z. B. die Suche, nutzen zu können, muss Ihr Browser JavaScript-Unterstützung aktiviert haben. Exponentialbewegungsdurchschnitte Exponentialbewegungsdurchschnitte, ähnlich wie gewichtete Bewegungsdurchschnitte, weisen auch ein höheres Gewicht auf jüngere Datenwerte zu. Anders als gewichtete Bewegungsdurchschnitte verwenden sie jedoch den vorher berechneten exponentiellen Bewegungsdurchschnittswert als eine Grundlage für die Berechnung anstelle der ursprünglichen (nicht-durchschnittlichen) Datenwerte. Auf diese Weise ist das Berechnungsverfahren, das von Exponential Moving Averages verwendet wird, kumulativ, was bedeutet, dass (im Gegensatz zu Simple Moving Averages oder Weighted Moving Averages) alle vorherigen Datenwerte einen gewissen Effekt auf den zu berechnenden Exponential Moving Average haben, obwohl dieser Effekt mit der Zeit stark abnimmt . Exponential Moving Averages tendieren dazu, genauer als die anderen Arten von Moving Average zu sein, wenn die ursprünglichen Datenwerte einen schnelleren Grad der Variation über die Zeit (oder andere Variable) zeigen. Die Formel für die Berechnung eines Exponential Moving Average (EMA) ist: X Aktuelle EMA (dh zu berechnende EMA) C Aktueller Originaldatenwert K Glättung Konstante P Vorherige EMA (Die erste EMA im berechneten Bereich ist willkürlich und kann die K-Glättung Konstante 2 (1 n) n Anzahl der Perioden für die EMA, dh das zu berechnende Fenster Diese relativ komplexe Berechnung wird am besten am Beispiel am Beispiel veranschaulicht Der monatlichen Verkaufswerte wie oben gezeigt: Wenn wir den Exponential Moving Average ähnlich wie der 3-Monats-Simple Moving Average berechnet haben, führen wir die folgenden Schritte aus:
No comments:
Post a Comment