A função de média móvel (série de tempo) retorna a média móvel de um campo durante um determinado período de tempo com base na regressão linear. Parâmetros ------------------ Dados Os dados a serem usados na regressão. Isso geralmente é um campo em uma série de dados ou um valor calculado. Período O número de barras de dados a incluir na regressão, incluindo o valor atual. Por exemplo, um período de 3 inclui o valor atual e os dois valores anteriores. Função Valor ------------------------ A média móvel da série temporal é calculada ajustando uma linha de regressão linear sobre os valores para o período determinado e depois determinando O valor atual dessa linha. Uma linha de regressão linear é uma linha direta que é o mais próximo possível de todos os valores dados. A média móvel da série temporal no início de uma série de dados não é definida até que haja valores suficientes para preencher o período especificado. Note-se que uma média móvel de séries temporais difere muito de outros tipos de médias móveis em que o valor atual segue a tendência recente dos dados, e não uma média real dos dados. Por isso, o valor desta função pode ser maior ou menor do que todos os valores que estão sendo usados se a tendência dos dados geralmente estiver aumentando ou diminuindo. Uso ---------- As médias móveis são úteis para suavizar dados brutos ruidosos, como preços diários. Os dados de preços podem variar muito do dia-a-dia, obscurecendo se o preço está subindo ou desce ao longo do tempo. Ao analisar a média móvel do preço, pode-se ver uma imagem mais geral das tendências subjacentes. Uma vez que as médias móveis podem ser usadas para ver tendências, elas também podem ser usadas para ver se os dados estão atrapalhando a tendência. Os sistemas Entryexit geralmente comparam dados com uma média móvel para determinar se ele está apoiando uma tendência ou iniciando uma nova. Consulte os sistemas de entrada de entrada de amostra para obter um exemplo de usar uma média móvel em um sistema de entrada de entrada. Esta função é a mesma que o Indicador de Regressão Linear. Também é o mesmo que a Previsão da Série de Tempo com um deslocamento de média zero. moving média de dados de séries temporais (observações igualmente espaçadas no tempo) de vários períodos consecutivos. Chamado de movimento porque é continuamente recalculado à medida que novos dados se tornam disponíveis, ele progride soltando o valor mais antigo e adicionando o valor mais recente. Por exemplo, a média móvel das vendas de seis meses pode ser calculada tomando a média das vendas de janeiro a junho, depois a média das vendas de fevereiro a julho, de março a agosto, e assim por diante. As médias móveis (1) reduzem o efeito das variações temporárias nos dados, (2) melhoram o ajuste dos dados para uma linha (um processo chamado alisamento) para mostrar a tendência dos dados mais claramente e (3) realçar qualquer valor acima ou abaixo do tendência. Se você está calculando algo com variância muito alta, o melhor que você pode fazer é descobrir a média móvel. Eu queria saber qual era a média móvel dos dados, então eu teria uma melhor compreensão de como estávamos fazendo. Quando você está tentando descobrir alguns números que mudam frequentemente, o melhor que você pode fazer é calcular a média móvel. Gráficos de controle EWMA Ao calcular uma média móvel em execução, colocar a média no período de tempo médio faz sentido No exemplo anterior, calculamos a média dos três primeiros períodos de tempo e colocamos ao lado do período 3. Poderíamos ter colocado a média no meio Do intervalo de tempo de três períodos, isto é, ao lado do período 2. Isso funciona bem com períodos de tempo estranhos, mas não tão bons para períodos de tempo iguais. Então, onde colocamos a primeira média móvel quando M 4 Tecnicamente, a Média Móvel cairá em t 2,5, 3,5. Para evitar esse problema, suavizamos os MAs usando M 2. Assim, suavizamos os valores suavizados. Se medimos um número par de termos, precisamos suavizar os valores suavizados. A tabela a seguir mostra os resultados usando M 4.
No comments:
Post a Comment