Tc2000 Eksponentiell Moving Average

Markedsdata Spørsmål TC2000 Kartleggingspakke og eksponentielle flyttende gjennomsnitt Jeg er en TC2000-bruker, og har et spørsmål om deres behandling av indikatorene du har oppstått og bruker. Nedenfor finner du en beskrivelse av hvordan TC2000-programvaren gjelder din opprettelse. Dette kommer fra hjelpefilene assosiert med TC2000: T2106 McClellan Oscillator: McClellan Oscillatoren rapporteres hver dag av mange finansielle nyhetstjenester. Deres rapporterte verdi vil nesten alltid være annerledes enn vår verdi fordi, som nevnt tidligere, bruker vi alle aksjer på NYSE. Den generelle trenden av indikatoren vil imidlertid være den samme. McClellan Oscillatoren beregnes ved å trekke et 39 dagers glidende gjennomsnitt av (Forskudd - Avslag) fra et 19 dagers glidende gjennomsnitt på (Forskudd - Avslag). Det fungerer ikke bare som en overkjøpsoversold indikator, det virker ganske bra ved å gjøre kortsiktige trendendringer når den krysser nulllinjen. Her er det igjen svært viktig at du angir diagramskalering til Aritmetikk fordi McClellan Oscillator vil være negativ på noen markedsdager, og negative verdier kan ikke vises på logaritmisk skala. Spørsmål: Er deres TC20008217s måte veldig annerledes, eller gjør disse MAs bare etterligne resultatene av hvordan du beregner dem. Kartene deres og dine på rapportene ser ganske nær i form. På dette tidspunktet trenger jeg ikke nøyaktige tall for å finne det nyttig for meg selv. Er det noen andre pakkede programvare der ute som du vet om det, bruker du formler, for eksempel en der jeg kunne plugge inn et symbol og trekke opp sin pris Osc. 5 og 10 trend, Summ. Indeks, etc. De fleste av de kompetente kartleggingspakken lar deg beregne eksponentielle bevegelige gjennomsnitt (EMA). Deres terminologi er forskjellig fra vår, på grunn av at publikum fascinerer med bevegelige gjennomsnitt som tilskrives en tidsparameter. Vi bruker den opprinnelige terminologien som brukes av P. N. Haurlan, den første til å ansette EMAs, og den første fyren vest for Mississippi å bruke en datamaskin for teknisk analyse. Han henviste til bestemte EMAer ved deres utjevningskonstant, og vi har fortsatt denne tradisjonen. For å beregne en 10 trend, må du fortelle programvaren å gi deg en 19-dagers EMA. En 5-trend er en 39-dagers EMA. For å få en prisoscillator, prøv å bruke MACD-funksjonen, og velg de riktige EMA-ene. Du kan leke med forskjellige verdier for å se om du liker andre bedre. Når det gjelder brødrene fra Worden. Beskrivelse av vår indikator, det er litt forvirrende at de ville hevde at deres er forskjellig på grunn av å bruke hver bestand på NYSE. Jeg vet ikke hva de tror vi gjør, det er en merkelig kommentar. Det de ikke spesifiserte var at de bruker EMAer de bare oppgir glidende gjennomsnitt. Jeg vet ikke om de bruker enkle bevegelige gjennomsnitt (SMA) eller EMAer. Min posisjon er at hvis de vil bruke forskjellige teknikker og forskjellige data enn vi gjør, burde de si det og kalle det noe annet. Eksponensiell utjevning veier forbi observasjoner med eksponentielt avtagende vekter for å prognostisere fremtidige verdier. Denne utjevningsordningen begynner ved å sette inn (S2 ) til (y1), hvor (Si) står for jevn observasjon eller EWMA, og (y) står for den opprinnelige observasjonen. Abonnementene refererer til tidsperioder, (1, 2, ldots,, n). For tredje periode, (S3 alpha y2 (1-alfa) S2) og så videre. Det er ingen (S1) den glatte serien starter med glatt versjon av den andre observasjonen. For en hvilken som helst tidsperiode (t) blir den glatte verdien (St) funnet ved å beregne St alpha y (1-alfa) S ,,,,,,, 0 Utvidet ligning for (S5) For eksempel er den utvidede ligningen for glattet verdi (S5) er: S5 alfa venstre (1-alfa) 0 y (1-alfa) 1 y (1-alfa) 2 y høyre (1-alfa) 3 S2. Illustrerer eksponentiell oppførsel Dette illustrerer eksponensiell oppførsel. Vektene, alfa (1-alfa) t) reduseres geometrisk, og summen deres er enhet som vist under, ved hjelp av en egenskap av geometriske serier: alfa sum (1-alfa) i alfa venstre frac høyre 1 - (1-alfa) t. Fra den siste formelen kan vi se at summeringsperioden viser at bidraget til den glatte verdien (St) blir mindre i hver sammenhengende tidsperiode. Eksempel på (alfa 0,3) La (alfa 0,3). Vær oppmerksom på at vektene (alfa (1-alfa) t) reduseres eksponentielt (geometrisk) med tiden. Summen av kvadratfeilene (SSE) 208.94. Gjennomsnittet av kvadratfeilene (MSE) er SSE 11 19.0. Beregn for forskjellige verdier av (alpha) MSE ble igjen beregnet for (alfa 0,5) og viste seg å være 16,29, så i dette tilfellet foretrekker vi en (alpha) på 0,5. Kan vi gjøre det bedre Vi kunne bruke den påvist prøve-og-feil-metoden. Dette er en iterativ prosedyre som begynner med et område på (alpha) mellom 0,1 og 0,9. Vi bestemmer det beste første valget for (alpha) og deretter søke mellom (alpha - Delta) og (alpha Delta). Vi kan gjenta dette kanskje en gang til for å finne det beste (alfa) til 3 desimaler. Ikke-lineære optimalisatorer kan brukes, men det finnes bedre søkemetoder, for eksempel Marquardt-prosedyren. Dette er en ikke-lineær optimizer som minimerer summen av kvadrater av residualer. Generelt bør de fleste godt utformede statistiske programmene kunne finne verdien av (alpha) som minimerer MSE. Eksempelplott som viser glatt data for 2 verdier av (alfa) Flytte Gjennomsnitt Flytte gjennomsnitt brukes til å jevne trender. TC2000 tilbyr tre forskjellige typer bevegelige gjennomsnitt. Et enkelt glidende gjennomsnitt gir like vekt til hvert datapunkt for perioden. Hvis perioden er 3 og de tre siste datapunktene er 3, 4 og 5, vil den siste gjennomsnittsverdien være (345) 34 (divisjon med tre fordi det er tre datapunkter). Et eksponentielt glidende gjennomsnitt (EMA), noen ganger også kalt et eksponentielt vektet glidende gjennomsnitt (EWMA), gjelder vektningsfaktorer som reduseres eksponentielt. Vektingen for hvert eldre datapunkt faller eksponentielt, noe som gir mye større betydning for de siste observasjonene, mens det fremdeles ikke fjernes eldre observasjoner. Et forhåndsviktet gjennomsnitt, som et eksponentielt gjennomsnitt, tillater at de nyeste dataene blir gjennomsnittlig for å påvirke gjennomsnittsverdien mer enn eldre data. Det beregnes annerledes enn eksponentielle gjennomsnitt, men det gir også nyere data mer vekt. Et 5-veis fremvektet gjennomsnitt beregnes som følger (C er den siste linjen, C4 er 4 bar siden): Vekt foran (C5) (C14) (C23) (C32) C4) 15 Du kan se hvordan de forskjellige gjennomsnittlige typer produserer forskjellige resultater. Alle tre gjennomsnitt er plottet med en periode på 30 enkle (røde), eksponentielle (cyan) frontveide (gule). I tillegg kan du velge hvilket element av prisen som skal brukes ved beregning av gjennomsnittet: 160Last, Åpen, Høy, Lav eller Typisk pris. Flytende gjennomsnitt har en Offset-parameter som lar deg flytte gjennomsnittlig tomt fremover eller bakover (negativ offset-verdi). Dette gir deg mulighet til å plotte det som ofte refereres til som fordrevne gjennomsnittsverdier. Les mer om fordrevne glidende gjennomsnitt på Investopedia.