وريما لتقف على نماذج الانحدار المتكاملة المتوسط المتحرك النماذج. أحادي المتغير (ناقلات واحد) أريما هو أسلوب التنبؤ أن المشاريع قيم المستقبل من سلسلة يستند كليا على الجمود الخاصة به. تطبيق الرئيسي هو في مجال التنبؤ على المدى القصير تتطلب لا يقل عن 40 نقاط البيانات التاريخية. أنه يعمل بشكل أفضل عندما يعرض بياناتك على نمط مستقر أو ثابت على مر الزمن مع الحد الأدنى من القيم المتطرفة. تسمى أحيانا بوكس جينكينز (بعد الكتاب الأصلي)، اريما عادة ما تكون متفوقة على الأسية تقنيات تمهيد عندما تكون البيانات طويل معقول والترابط بين الملاحظات الماضية مستقرة. إذا كانت البيانات قصيرة أو شديدة التقلب، ثم بعض طريقة تنعيم قد أداء أفضل. إذا لم يكن لديك ما لا يقل عن 38 نقاط البيانات، يجب عليك أن تنظر بعض الطرق الأخرى من أريما. الخطوة الأولى في تطبيق منهجية أريما هو للتحقق من السكون. السكون يعني أن سلسلة تظل عند مستوى ثابت إلى حد ما مع مرور الوقت. في حالة وجود اتجاه، كما هو الحال في معظم التطبيقات الاقتصادية أو التجارية، ثم البيانات غير ساكنة. وينبغي أيضا أن تظهر البيانات تباين مستمر في التقلبات على مر الزمن. ويعتبر هذا بسهولة مع سلسلة هذا هو موسمي بشكل كبير وينمو بمعدل أسرع. في مثل هذه الحالة، فإن الصعود والهبوط في المواسم تصبح أكثر دراماتيكية على مر الزمن. بدون هذه الشروط السكون يتم الوفاء بها، العديد من الحسابات المرتبطة بعملية لا يمكن حسابها. إذا كان مؤامرة رسومية من البيانات تشير إلى عدم السكون، ثم يجب عليك الفرق السلسلة. يفرق هو وسيلة ممتازة لتحويل سلسلة غير الثابتة إلى واحدة ثابتة. ويتم ذلك عن طريق طرح الملاحظة في الفترة الحالية عن سابقتها. وإذا تم هذا التحول مرة واحدة فقط لسلسلة، ويقول لك أن البيانات قد تم differenced أولا. هذه العملية يزيل أساسا الاتجاه إذا سلسلة الخاص بك ينمو بمعدل ثابت إلى حد ما. إذا كان ينمو بمعدل متزايد، يمكنك تطبيق نفس الإجراء والاختلاف البيانات مرة أخرى. أن البيانات الخاصة بك ثم يكون differenced الثانية. ترابط تلقائي هي القيم العددية تشير إلى كيفية ارتباط سلسلة بيانات لنفسها مع مرور الوقت. بتعبير أدق، فهو يقيس مدى قوة قيم البيانات في عدد محدد من فترات ما ترتبط بصرف النظر لبعضهما البعض مع مرور الوقت. عدد الفترات بعيدا وعادة ما تسمى تأخر. على سبيل المثال، الارتباط الذاتي في تأخر 1 تدابير كيف تقدر 1 الفترة بصرف النظر ترتبط مع بعضها البعض في جميع أنحاء سلسلة. والارتباط الذاتي في تأخر 2 التدابير كيفية البيانات فترتين هي مرتبطة بصرف النظر طوال هذه السلسلة. قد تتراوح ترابط تلقائي من 1 إلى -1. قيمة وثيقة إلى 1 يشير إلى وجود علاقة إيجابية عالية في حين أن قيمة وثيقة إلى -1 تعني وجود علاقة سلبية عالية. وغالبا ما تقييم هذه التدابير من خلال المؤامرات الرسومية دعا correlagrams. وcorrelagram يرسم القيم ارتباط صناعة السيارات في لسلسلة معينة في التخلف مختلفة. ويشار إلى هذا على أنه وظيفة الارتباط الذاتي ومهم جدا في طريقة أريما. محاولات منهجية أريما لوصف الحركات في سلسلة زمنية ثابتة بوصفها وظيفة من ما يسمى الانحدار ومتوسط المعلمات تتحرك. ويشار الى هذه المعلمات كما AR (autoregessive) والمعلمات MA (المتوسطات المتحركة). نموذج AR مع المعلمة 1 فقط قد تكون مكتوبة كما. X (ر) ألف (1) X (تي 1) E (ر) حيث X (ر) السلاسل الزمنية قيد التحقيق ألف (1) المعلمة الانحدار من النظام 1 X (تي 1) السلاسل الزمنية تخلفت 1 الفترة E (ر) على المدى الخطأ من طراز يعني هذا ببساطة أن أي X قيمة معينة (ر) ويمكن تفسير بعض من وظيفة من قيمتها السابقة، X (تي 1)، بالإضافة إلى بعض الخطأ العشوائي غير قابل للتفسير، E (ر). إذا (1) كان القيمة التقديرية للو0.30، ثم أن تكون متعلقة القيمة الحالية للسلسلة إلى 30 من قيمته منذ 1 الفترة. بالطبع، يمكن أن تكون ذات صلة سلسلة لأكثر من قيمة الماضية واحدة فقط. على سبيل المثال، X (ر) ألف (1) X (تي 1) (2) X (تي 2) E (ر) وهذا يدل على أن القيمة الحالية للسلسلة هو مزيج من اثنين من القيم السابقة مباشرة، X (تي 1) والعاشر (تي 2)، بالإضافة إلى بعض الخطأ العشوائي E (ر). لدينا النموذج هو الآن نموذج الانحدار الذاتي من أمر 2. نقل متوسط نماذج: ويسمى النوع الثاني من نموذج بوكس جنكنز متوسط نموذج متحرك. على الرغم من أن هذه النماذج تبدو مشابهة جدا لنموذج AR، مفهوم وراءها مختلف تماما. المتوسط المتحرك المعلمات تتعلق بما يحدث في فترة ر فقط على الأخطاء العشوائية التي وقعت في فترات زمنية سابقة، أي E (تي 1)، E (تي 2)، الخ بدلا من X (تي 1)، X ( تي 2)، (XT-3) كما في نهج الانحدار. ومتوسط نموذج تتحرك مع المدى MA يجوز لأحد أن تكون مكتوبة على النحو التالي. X (ر) - B (1) E (تي 1) E (ر) المصطلح ب (1) يسمى شهادة الماجستير من أجل 1. يستخدم علامة سلبية أمام المعلمة لاتفاقية فقط، وعادة ما يتم طباعة من صناعة السيارات matically من قبل معظم برامج الكمبيوتر. وتقول النموذج أعلاه ببساطة أن أي قيمة معينة من العاشر (ر) يرتبط مباشرة فقط على الخطأ العشوائي في الفترة السابقة، E (تي 1)، وإلى حد الخطأ الحالي، E (ر). كما هو الحال بالنسبة للنماذج الانحدار، فإن متوسط نماذج التحرك يمكن أن تمتد إلى الهياكل ترتيب أعلى تغطي مجموعات مختلفة والمتوسط المتحرك أطوال. كما يسمح منهجية أريما النماذج التي سيتم بناؤها التي تضم كلا من الانحدار والمتوسط المتحرك المعلمات معا. وغالبا ما يشار إلى هذه النماذج نماذج مختلطة كما. على الرغم من أن هذا يجعل لأداة التنبؤ أكثر تعقيدا، وهيكل قد محاكاة الواقع سلسلة أفضل وتنتج توقعات أكثر دقة. نماذج نقية تدل على أن الهيكل يتكون فقط من المعلمات AR أو ماجستير - ليس على حد سواء. النماذج التي وضعها هذا النهج عادة ما تسمى نماذج أريما لأنها تستخدم مزيجا من الانحدار (AR)، والتكامل (I) - في اشارة الى عملية عكسية من يفرق لإنتاج التنبؤات، ومتوسط العمليات (MA) تتحرك. عادة ما ورد نموذج اريما كما أريما (ع، د، ف). هذا يمثل ترتيب المكونات الانحدار (ع)، وعدد من يفرق مشغلي (د)، وعلى أعلى مستوى من المدى المتوسط المتحرك. على سبيل المثال، اريما (2،1،1) يعني أن لديك نموذج أجل الانحدار الثاني مع الترتيب الأول المتوسط المتحرك المكون الذي تم differenced مرة واحدة للحث على السكون سلسلة. اختيار مواصفات اليمين: المشكلة الرئيسية في الكلاسيكية بوكس جنكنز تحاول أن تقرر أي مواصفات أريما لاستخدام - i. e. كم عدد المعلمات AR و / أو ماجستير لتشمل. هذا ما كرس الكثير من بوكس Jenkings عام 1976 لعملية تحديد الهوية. ذلك يتوقف على الرسوم البيانية والعددية uation eval - من الارتباط الذاتي عينة وظائف الارتباط الذاتي الجزئي. حسنا، لالنماذج الأساسية الخاصة بك، والمهمة ليست صعبة للغاية. كل لها وظائف الارتباط الذاتي التي تبدو بطريقة معينة. ومع ذلك، عند ترتفع في التعقيد، لا يتم الكشف عن ذلك بسهولة الأنماط. لجعل الأمور أكثر صعوبة، والبيانات تمثل سوى عينة من العملية الأساسية. وهذا يعني أن أخطاء أخذ العينات (القيم المتطرفة، خطأ في القياس، وما إلى ذلك) قد يشوه عملية تحديد الهوية النظرية. هذا هو السبب في النمذجة أريما التقليدي هو فن وليس علما. في بلدي مؤخرا كتاب العملي التنبؤ السلاسل الزمنية: دليل عملي. وشملت أنا مثال باستخدام Microsoft Excel الصورة متوسط مؤامرة تتحرك لقمع موسمية الشهري. ويتم ذلك عن طريق إنشاء خط مؤامرة من سلسلة مرور الوقت، وفوق إضافة خط اتجاه المتوسط المتحرك (انظر منصبي عن قمع موسمية). والغرض من إضافة متوسط خط الترند الانتقال إلى مؤامرة الوقت لرؤية أفضل وجود اتجاه في البيانات، من خلال قمع موسمية. المتوسط المتحرك بعرض نافذة ث الوسائل المتوسط عبر كل مجموعة من القيم ث على التوالي. لتصور سلسلة زمنية، ونحن عادة استخدام المتوسط المتحرك تركزت مع موسم ث. في المتوسط المتحرك محورها، ويتم احتساب قيمة المتوسط المتحرك في الوقت t (MA ر) التي تركز على نافذة حول الزمن t والمتوسط عبر قيم ث داخل النافذة. على سبيل المثال، إذا كان لدينا بيانات يومية ونشك تأثير يوم من الأسبوع، يمكننا أن قمع من قبل المتوسط المتحرك تركزت مع ث 7، ثم بالتآمر خط MA. مشاركا ملاحظ في بلدي على الانترنت بالطبع التنبؤ اكتشف أن Excel الصورة المتوسط المتحرك لا تنتج ما كنا د نتوقع: بدلا من المتوسط خلال النافذة التي تتمحور حول الفترة الزمنية من الفائدة، فإنه يأخذ ببساطة متوسط الأشهر ث الماضية (وتسمى زائدة المتوسط المتحرك). في حين زائدة المتوسطات المتحركة مفيدة للتنبؤ، فهي أقل شأنا عن التصور، وخصوصا عندما سلسلة لديه الاتجاه. والسبب هو أن متوسط زائدة تتحرك متخلفة. نظرة على الشكل التالي، ويمكنك ان ترى الفرق بين إكسل الصورة زائدة المتوسط المتحرك (أسود)، وتركزت المتوسط المتحرك (الحمراء). حقيقة أن Excel تنتج زائدة المتوسط المتحرك في القائمة خط اتجاه مقلق جدا ومضللة. حتى أكثر إثارة للقلق هي الوثائق. الذي يصف بشكل غير صحيح MA زائدة التي يتم إنتاجها: إذا تم تعيين الفترة إلى 2، على سبيل المثال، يتم استخدام متوسط النقاط الأولين البيانات مثل النقطة الأولى في متوسط خط اتجاه التحرك. يتم استخدام متوسط نقاط البيانات الثانية والثالثة كما في النقطة الثانية في خط الترند، وهلم جرا. لمعرفة المزيد عن المتوسطات المتحركة، انظر هنا: كوفمان الصورة التكيف المتوسط المتحرك (كاما) كوفمان الصورة التكيف المتوسط المتحرك (كاما) مقدمة وضعتها بيري كوفمان، كوفمان الصورة التكيف المتوسط المتحرك (كاما) هو المتوسط المتحرك مصمم لحساب ضجيج السوق أو التقلب. وكاما تتابع عن كثب أسعار عندما يتأرجح سعر صغيرة نسبيا وضوضاء منخفضة. وكاما ضبط عند اتساع الموجات السعرية وتابع الأسعار من مسافة أكبر. ويمكن استخدام هذا المؤشر التالية الاتجاه لتحديد الاتجاه العام، والوقت نقطة تحول والحركات سعر التصفية. حساب وهناك العديد من الخطوات المطلوبة لحساب بداية أول كوفمان الصورة مع الإعدادات الموصى بها من قبل بيري كوفمان، والتي هي كاما (10،2،30). 10 هو عدد الفترات المحددة لنسبة الكفاءة (ER). 2 هو عدد الفترات لأسرع ثابت EMA. 30 هو عدد الفترات أبطأ ثابت EMA. قبل احتساب كاما، ونحن بحاجة لحساب نسبة الكفاءة (ER) وتنعيم المستمر (SC). تحطيم الصيغة في شذرات حجم دغة يجعل من الاسهل لفهم منهجية وراء المؤشر. لاحظ أن ABS لتقف على القيمة المطلقة. نسبة الكفاءة (ER) وER هو في الأساس تغيير السعر المعدل لالتقلبات اليومية. في المصطلحات الإحصائية، ونسبة كفاءة يخبرنا كفاءة كسورية تغيرات الأسعار. يتقلب ER بين 1 و 0، ولكن هذين النقيضين هي الاستثناء وليس القاعدة. سوف ER يكون 1 إذا تحركت الأسعار بنسبة 10 فترات متتالية أو بنسبة 10 فترات متتالية. سوف ER يكون صفرا إذا كان السعر لم يتغير على مدى 10 نقاط. تمهيد المستمر (SC) ثابت تجانس يستخدم ER واثنين من الثوابت تجانس على أساس المتوسط المتحرك الأسي. كما كنت قد لاحظت، وثابت تنعيم هو استخدام الثوابت تمهيد لمدة متوسطها المتحرك الأسي في تركيبته. (2/30 1) هو تمهيد ثابت لEMA 30 الفترة. أسرع SC هو ثابت تمهيد للأقصر EMA (2 حصص). أبطأ SC هو ثابت الانسيابى أبطأ EMA (30 فترات). لاحظ أن 2 في نهاية المطاف هو أن يربع المعادلة. كاما مع نسبة الكفاءة (ER) وتنعيم المستمر (SC)، ونحن الآن على استعداد لحساب كوفمان الصورة التكيف المتوسط المتحرك (كاما). وبما أننا في حاجة إلى القيمة الأولية لبدء الحساب، أول كاما هو مجرد المتوسط المتحرك البسيط. تستند الحسابات التالية على الصيغة أدناه. حساب مثال / الرسم البياني الصور أدناه تظهر لقطة شاشة من جداول البيانات إكسل المستخدمة لحساب كاما والرسم البياني QQQ المقابلة. يمكن استخدام وإشارات الجارتيون استخدام كاما مثل أي اتجاه آخر التالية المؤشر، مثل المتوسط المتحرك. يمكن الجارتيون بحث عن الصلبان السعر، والتغيرات الاتجاه والإشارات التي تمت تصفيتها. أولا، عبر أعلاه أو أدناه كاما يشير تغييرات الاتجاه في الأسعار. كما هو الحال مع أي المتوسط المتحرك، ونظام انتقال بسيط تولد الكثير من الإشارات والكثير من مناشير ثنائية. يمكن الجارتيون تقليل مناشير ثنائية عن طريق تطبيق سعر أو فلتر الوقت لعمليات الانتقال. واحد قد تتطلب سعر لعقد الصليب لعدد محدد من الأيام أو تتطلب الصليب فاقت كاما حسب النسبة المحددة. ثانيا، يمكن الجارتيون استخدام اتجاه كاما لتحديد الاتجاه العام للأمن. وهذا قد يتطلب تعديل المعلمة لضمان سلاسة مؤشر آخر. يمكن الجارتيون تغيير المعلمة الوسطى، والتي هي أسرع ثابت EMA، لضمان سلاسة كاما والبحث في التغيرات الاتجاه. الاتجاه إلى أسفل طالما كاما سيقع وتزوير أدنى مستوياتها الدنيا. الاتجاه هو ما يصل طالما كاما آخذ في الارتفاع وتزوير أعلى المستويات. يظهر المثال كروجر أدناه كاما (10،5،30) مع اتجاه صعودي حاد من ديسمبر إلى مارس، واتجاه صعودي أقل حاد من مايو إلى أغسطس. وأخيرا، يمكن الجارتيون الجمع بين الإشارات والتقنيات. يمكن الجارتيون استخدام كاما على المدى الطويل لتحديد اتجاه أكبر وكاما على المدى القصير لإشارات التداول. على سبيل المثال، كاما (10،5،30) يمكن استخدامها كعامل تصفية الاتجاه وتعتبر الصاعد عند الارتفاع. مرة واحدة الصعودي، قد الجارتيون ثم ابحث عن تقاطعات صعودية عندما يتحرك السعر فوق كاما (10،2،30). يوضح المثال التالي MMM مع ارتفاع طويل الأجل كاما وتقاطعات صعودية في ديسمبر ويناير وفبراير. التفت على المدى الطويل كاما عليها في أبريل، وكانت هناك تقاطعات هبوطية مايو ويونيو ويوليو. ويمكن الاطلاع على SharpCharts كاما كما تراكب المؤشر في طاولة العمل SharpCharts. سوف تظهر الإعدادات الافتراضية تلقائيا في مربع المعلمة مرة واحدة محددة، ويمكن أن الجارتيون تتغير هذه المعلمات لتلائم الاحتياجات التحليلية. المعلمة الأولى هي لنسبة كفاءة ويجب الجارتيون الامتناع عن زيادة هذا العدد. بدلا من ذلك، يمكن الجارتيون تنخفض إلى زيادة حساسية. الجارتيون تبحث لتسهيل كاما لتحليل الاتجاه على المدى الطويل يمكن أن تزيد من المعلمة الوسطى تدريجيا. على الرغم من أن الفرق هو فقط 3، كاما (10،5،30) هو أكثر سلاسة بكثير من كاما (10،2،30). مزيد من الدراسة من الخالق، والكتاب يقدم أدناه معلومات مفصلة عن المؤشرات والبرامج والخوارزميات، والنظم، بما في ذلك تفاصيل عن كاما ومتوسط غيرها من نظم تتحرك. أنظمة التداول وطرق بيري كوفمان
No comments:
Post a Comment