Cómo Calcular La Tendencia Usando El Método Del Promedio Móvil

Cuando se calcula una media móvil en ejecución, colocar el promedio en el período de tiempo medio tiene sentido En el ejemplo anterior se calculó el promedio de los primeros 3 períodos de tiempo y lo colocó al lado del período 3. Podríamos haber colocado el promedio en el medio de la Intervalo de tiempo de tres períodos, es decir, al lado del período 2. Esto funciona bien con períodos de tiempo impares, pero no tan bueno para incluso períodos de tiempo. Entonces, ¿dónde colocaríamos el primer promedio móvil cuando M 4 Técnicamente, el promedio móvil caería en t 2,5, 3,5. Para evitar este problema, suavizar las MA con M 2. Así, suavizar los valores suavizados Si la media de un número par de términos, tenemos que suavizar los valores suavizados La siguiente tabla muestra los resultados utilizando M 4.Calculating una tendencia ponderada Tengo Una tabla de datos (enero-diciembre) donde se rellenarán los datos mensuales al final de cada mes. Debajo de eso, tengo una tabla YTD que suma simplemente los valores de la tabla mensual. Durante meses que aún no han transcurrido, quiero insertar una proyección, posiblemente usando la función TREND, pero no puedo conseguir que haga lo que quiero (una tendencia ponderada). Por ejemplo, TREND ((D16: G16), (D1: G1), H1) es la fórmula estándar de tendencia. Sin embargo, me gustaría hacer que los valores más recientes proporcionalmente más impactante en la proyección final, así que si tengo 4 puntos de datos, tal vez el último punto de datos se pondera x4, el punto anterior x3, el punto anterior x2 y el punto inicial sólo x1 . Intenté insertar varios rangos en la fórmula de tendencia, pero no tuve éxito. Cualquier idea sobre la mejor manera de hacer esto 1 persona tuvo esta pregunta Historial de abuso Yo escribí: gt Si necesita más ayuda y desea consejos educados, gt será útil si ha publicado algunos datos históricos, idealmente para gt por lo menos el período Que desea pronosticar. Keith escribió anteriormente: Por ejemplo, si me quedo con un simple ejemplo de Jan: 2, Feb: 12, Mar 3. Pronóstico utiliza la regresión lineal para darme un resultado final de 6,7. No es realista tratar de pronosticar basado en 3 puntos de datos. Puedes hacerlo. Pero no esperes que el pronóstico sea exacto. Es poco realista extender un promedio móvil basado en sólo 3 puntos de datos. A lo sumo, eso reduce a 2 puntos de datos promediados, que puede ser un segmento de cualquier tipo de línea de tendencia. La filosofía general de la media ponderada es correcta, pero el problema con el uso es que no puede dar una proyección real imaginar un escenario donde Jan1, Feb2, Mar3 entonces (ponderado o no ponderado , Serían los mismos en este caso) se espera que sea 4, mientras que un promedio ponderado seguirá siendo inferior a 3. Existen muchas maneras de pronosticar tendencias, por ejemplo, lineales (TREND, FORECAST), exponenciales o logarítmicas, etc. Una media móvil (ponderada) es sólo otro método. La tendencia a utilizar es una decisión subjetiva. Idealmente, se basa en tendencias históricas que cubren por lo menos el mismo período para el cual usted desea pronosticar. IMHO, una media móvil (ponderada) se debe utilizar para suavizar curvas - reducir el efecto de golpes en los datos. Estoy de acuerdo con usted: no es un método de pronóstico, IMHO. Simplemente estaba proporcionando lo que pediste. Usted escribió: gt Otro enfoque posible es que puedo construir una tabla auxiliar (o UDF), gt y ejecutar la línea de tendencia para cada rango de fechas. Y hacer un promedio ponderado gt de esas pendientes, y luego calcular el siguiente punto de datos de gt que el valor de la pendiente ponderada. Creo que usted ahora está haciendo la pregunta correcta, a saber: cómo puede usted crear un modelo de pronóstico yo comenzaría con 12 o más meses de datos. Me gustaría graficar los datos y ver si hay una línea de tendencia estándar (o no estándar) que se ajusta a los datos históricos. Inicialmente, me quedaría con las líneas de tendencia estándar que el asistente de gráficos de Excel proporciona en la medida de lo posible. Y sí, podría ser útil dividir los datos en subperíodos, cada uno con su propia línea de tendencia. Creo que cada subperíodo debe ser una serie de datos por separado en el asistente de gráficos. Obviamente, sería preferible evitar esa complicación, si es posible. Si fuera útil, aplicaría una media móvil (ponderada) a los datos históricos, no a los datos de la línea de tendencia. En otras palabras, haría un gráfico de los puntos de datos de media móvil, y luego ajustar una línea de tendencia para ellos. Una vez que encuentre una tendínea apropiada (esperemos que sea lineal, exponencial, logarítmica o poder), entonces podemos discutir fórmulas y funciones. Puede comenzar con la opción de fórmula proporcionada en el asistente de gráficos para mostrar la fórmula. (Nota: A menudo es tentador usar una línea de tendencia polinómica de alto grado que se ajuste a datos históricos de 6 o 7 puntos de datos o menos, lo que suele ser engañoso, como verá al extender la línea de tendencia muchos puntos). Hay muchas tendencias históricas que no pueden ser representadas por las sencillas opciones de línea de tendencia proporcionadas por el asistente de gráficos. Es posible que necesite un modelo estocástico, p. Simulación de Monte Carlo. Hay más de una manera de hacer eso también. Sugerencia: no asuma una distribución normal a menos que los datos históricos lo sugieran. La predicción es tanto un arte como una ciencia quizás más. Es lamentable que Excel (Lotus) optó por llamar a su función de tendencia lineal PREVISIÓN. Mucha gente ve eso y piensa que es la función correcta de usar, sin mirar primero los datos históricos. Si necesita más ayuda y quiere consejos educados, será útil si ha publicado algunos datos históricos, idealmente durante al menos el período que desea pronosticar. De lo contrario, sólo podemos proporcionarle una gran cantidad de métodos que lo abruman y engañan. Sea la primera persona en marcar esto útil No lo he confirmado todavía a través de un cálculo largo, pero sospecho que me dará resultados similares a TREND, y tampoco puedo conseguir que tome múltiples intervalos no contiguos como un parámetro. Por ejemplo, si me quedo con un ejemplo simple de Jan: 2, Feb: 12, Mar 3. Pronóstico utiliza la regresión lineal para darme un resultado final de 6,7. Si asemejaba la ponderación para que el punto de datos más reciente afectara más al pronóstico, entonces el primer punto de datos podría ser casi insignificante en valor, por lo que espero que los resultados proyecten el valor final mucho más cercano (y posiblemente menor que ) 3. Cuando yo emular esta ponderación con una serie de datos: el pronóstico sale alrededor de 3,5 (Im todavía no estoy seguro de que esto es lo que estoy buscando) Pero para emular que desde mi conjunto de datos (sin los duplicados incrustados), Id necesidad de ajustar La fórmula que sólo toma los datos originales: a algo como probablemente pueda dejar de seguir este camino, ya que no parece proporcionar un resultado ponderado, pero aún así sería problemático porque esta sintaxis no funciona, y cada célula tendría que ser construido A mano, ya que se añadiría un nuevo rango para cada fórmula subsiguiente, por ejemplo El mes siguiente sería: Cualquier gente de las estadísticas que podría decirme la manera correcta de ponderar la tendencia de modo que los puntos más recientes de los datos llevan más peso Identificación pienso que esto es una tarea bastante común, para todo de temperaturas anuales al precio común. Sea la primera persona en marcar esto útil Tengo una tabla de datos (enero-diciembre) donde los datos mensuales serán rellenados al final de cada mes. Debajo de eso, tengo una tabla YTD que suma simplemente los valores de la tabla mensual. Durante meses que aún no han transcurrido, quiero insertar una proyección, posiblemente usando la función TREND, pero no puedo conseguir que haga lo que quiero (una tendencia ponderada). Por ejemplo, TREND ((D16: G16), (D1: G1), H1) es la fórmula estándar de tendencia. Sin embargo, me gustaría hacer que los valores más recientes proporcionalmente más impactante en la proyección final, así que si tengo 4 puntos de datos, tal vez el último punto de datos se pondera x4, el punto anterior x3, el punto anterior x2 y el punto inicial sólo x1 . Creo que lo que buscas es una media móvil ponderada. La fórmula matemática general es Sum (xiwi, i1,2,3,4) / Sum (wi, i1,2,3,4). En su caso, wi y Sum (wi) 10. EDITAR. Una fórmula matemática más correcta es: xk Sum (xk-iwk-i, i1,2,3,4) / Sum (wi, i1,2,3,4) para k5. N, suponiendo que el primer punto de datos es x1. En ese caso, wi. Pero tenga en cuenta que xi son generalmente los datos mensuales, no las cantidades de YTD. No creo que tenga sentido aplicar una media móvil ponderada a las cantidades de YTD. Tendré que pensar en eso. Asuma que D15: G15 es el dato mensual de enero-abril. La fórmula en D16 es D15. Y la fórmula en E16 es D16E15, que se copia a través de O16. Luego, coloque la siguiente fórmula en H15 y copie a través de O15: Sea la primera persona en marcar esta útil Nota de gtBut que xi normalmente son los datos mensuales, no las cantidades de YTD. No creo que tenga sentido aplicar una media móvil ponderada a las cantidades de YTD. De acuerdo - Estoy calculando el YTD real, pero las proyecciones para los meses futuros deben basarse en datos mensuales. ) La filosofía general del promedio ponderado es correcta, pero el problema con el uso es que no puede dar una proyección real imaginar un escenario donde Jan1, Feb2, Mar3 entonces (ponderado o no ponderado, serían los mismos en este caso) Abril a ser 4, mientras que un promedio ponderado seguiría siendo inferior a 3. Otro enfoque posible es que puedo construir una tabla auxiliar (o UDF), y ejecutar la línea de tendencia para cada rango de fechas ((n-1: n-2 ), (N-1: n-3), (n-1: n-4), etc.) y hacer un promedio ponderado de esas pendientes y luego calcular el siguiente punto de datos a partir de ese valor de pendiente ponderado. Tengo que pensar un poco más acerca de cómo calcular realmente una proyección a partir de ese valor revisado de la pendiente (específicamente, qué intersecar el valor a utilizar para b en la fórmula ymxb. Im todavía pegado en la aplicación final, y todavía abierto a cualquier / todas las sugerencias: ) La filosofía general del promedio ponderado es correcta, pero el problema con el uso es que no puede dar una verdadera proyección imaginar un escenario donde Jan1, Feb2, Mar3 entonces (ponderado o No ponderadas, serían las mismas en este caso) wed esperan que abril sea 4, mientras que un promedio ponderado sería todavía menor que 3. Hay muchas maneras de predecir tendencias por ejemplo, lineal (TREND, FORECAST), exponencial o logarítmico, Etc. Una media móvil (ponderada) es simplemente otro método. La tendencia a utilizar es una decisión subjetiva. Idealmente, se basa en tendencias históricas que cubren por lo menos el mismo período para el cual usted desea pronosticar. IMHO, una media móvil (ponderada) se debe utilizar para suavizar curvas - reducir el efecto de golpes en los datos. Estoy de acuerdo con usted: no es un método de pronóstico, IMHO. Simplemente estaba proporcionando lo que pediste. Usted escribió: gt Otro enfoque posible es que puedo construir una tabla auxiliar (o UDF), gt y ejecutar la línea de tendencia para cada rango de fechas. Y hacer un promedio ponderado gt de esas pendientes, y luego calcular el siguiente punto de datos de gt que el valor de la pendiente ponderada. Creo que usted ahora está haciendo la pregunta correcta, a saber: cómo puede usted crear un modelo de pronóstico yo comenzaría con 12 o más meses de datos. Me gustaría graficar los datos y ver si hay una línea de tendencia estándar (o no estándar) que se ajusta a los datos históricos. Inicialmente, me quedaría con las líneas de tendencia estándar que el asistente de gráficos de Excel proporciona en la medida de lo posible. Y sí, podría ser útil dividir los datos en subperíodos, cada uno con su propia línea de tendencia. Creo que cada subperíodo debe ser una serie de datos por separado en el asistente de gráficos. Obviamente, sería preferible evitar esa complicación, si es posible. Si fuera útil, aplicaría una media móvil (ponderada) a los datos históricos, no a los datos de la línea de tendencia. En otras palabras, haría un gráfico de los puntos de datos de media móvil, y luego ajustar una línea de tendencia para ellos. Una vez que encuentre una tendínea apropiada (esperemos que sea lineal, exponencial, logarítmica o poder), entonces podemos discutir fórmulas y funciones. Puede comenzar con la opción de fórmula proporcionada en el asistente de gráficos para mostrar la fórmula. (Nota: A menudo es tentador usar una línea de tendencia polinómica de alto grado que se ajuste a datos históricos de 6 o 7 puntos de datos o menos, lo que suele ser engañoso, como verá al extender la línea de tendencia muchos puntos). Hay muchas tendencias históricas que no pueden ser representadas por las sencillas opciones de línea de tendencia proporcionadas por el asistente de gráficos. Es posible que necesite un modelo estocástico, p. Simulación de Monte Carlo. Hay más de una manera de hacer eso también. Sugerencia: no asuma una distribución normal a menos que datos históricos lo sugieran. La predicción es tanto un arte como una ciencia quizás más. Es lamentable que Excel (Lotus) optó por llamar a su función de tendencia lineal PREVISIÓN. Mucha gente ve eso y piensa que es la función correcta de usar, sin mirar primero los datos históricos. Si necesita más ayuda y quiere consejos educados, será útil si ha publicado algunos datos históricos, idealmente durante al menos el período que desea pronosticar. De lo contrario, sólo podemos proporcionarle una gran cantidad de métodos que lo abruman y engañan. Sé la primera persona que marca esto útil escribí: gt Si necesitas más ayuda y quieres consejo educado, gt será útil si publicas algunos datos históricos, idealmente para gt por lo menos el período que deseas pronosticar. Keith escribió anteriormente: Por ejemplo, si me quedo con un simple ejemplo de Jan: 2, Feb: 12, Mar 3. Pronóstico utiliza la regresión lineal para darme un resultado final de 6,7. No es realista tratar de pronosticar basado en 3 puntos de datos. Puedes hacerlo. Pero no esperes que el pronóstico sea exacto. Es poco realista extender un promedio móvil basado en sólo 3 puntos de datos. A lo sumo, eso reduce a 2 puntos de datos promediados, que puede ser un segmento de cualquier tipo de línea de tendencia. Sea la primera persona en marcar esta útil Historia del abuso Todavía tiene preguntas63 Este sitio en otros idiomasSimple Promedios móviles hacen que las tendencias se destacan Los promedios móviles (MA) son uno de los indicadores técnicos más populares y utilizados con más frecuencia. El promedio móvil es fácil de calcular y, una vez trazada en un gráfico, es una poderosa herramienta de detección de tendencias visuales. A menudo se oye hablar de tres tipos de media móvil: simple. Exponencial y lineal. El mejor lugar para comenzar es entender lo más básico: el promedio móvil simple (SMA). Echemos un vistazo a este indicador y cómo puede ayudar a los comerciantes a seguir las tendencias hacia mayores beneficios. (Para obtener más información sobre los promedios móviles, consulte nuestro tutorial de Forex.) Líneas de tendencia No puede haber una comprensión completa de los promedios móviles sin una comprensión de las tendencias. Una tendencia es simplemente un precio que sigue moviéndose en una dirección determinada. Hay sólo tres tendencias reales que una seguridad puede seguir: Una tendencia alcista. O tendencia alcista, significa que el precio se está moviendo más alto. Una tendencia a la baja. O tendencia bajista, significa que el precio se está moviendo más bajo. Una tendencia lateral. Donde el precio se está moviendo hacia los lados. Lo importante para recordar acerca de las tendencias es que los precios rara vez se mueven en línea recta. Por lo tanto, las líneas de media móvil se utilizan para ayudar a un comerciante más fácilmente identificar la dirección de la tendencia. (Para obtener una lectura más avanzada sobre este tema, vea Los fundamentos de las bandas de Bollinger y los sobres de media móvil: Refinación de una herramienta de comercio popular.) Construcción de media móvil La definición de un promedio móvil de un libro es un precio promedio para un valor que utiliza un período de tiempo especificado. Tomemos la media móvil muy popular de 50 días como ejemplo. Un promedio móvil de 50 días se calcula tomando los precios de cierre de los últimos 50 días de cualquier valor y agregándolos juntos. El resultado del cálculo de la adición se divide entonces por el número de períodos, en este caso 50. Para continuar calculando la media móvil diariamente, reemplace el número más antiguo por el precio de cierre más reciente y haga la misma matemática. No importa cuán largo o corto de un promedio móvil que está buscando para trazar, los cálculos básicos siguen siendo los mismos. El cambio será en el número de precios de cierre que utiliza. Así, por ejemplo, una media móvil de 200 días es el precio de cierre de 200 días sumados y luego divididos por 200. Verá todo tipo de promedios móviles, desde promedios móviles de dos días a promedios móviles de 250 días. Es importante recordar que debe tener un cierto número de precios de cierre para calcular el promedio móvil. Si una garantía es nueva o sólo tiene un mes de antigüedad, no podrá hacer una media móvil de 50 días porque no tendrá un número suficiente de puntos de datos. Además, es importante tener en cuenta que hemos elegido utilizar los precios de cierre en los cálculos, pero las medias móviles se pueden calcular usando precios mensuales, precios semanales, precios de apertura o incluso precios intradía. Figura 1: Un promedio móvil simple en Google Inc. La Figura 1 es un ejemplo de una media móvil simple en un gráfico de acciones de Google Inc. (Nasdaq: GOOG). La línea azul representa una media móvil de 50 días. En el ejemplo anterior, se puede ver que la tendencia se ha estado moviendo más bajo desde finales de 2007. El precio de las acciones de Google cayó por debajo de la media móvil de 50 días en enero de 2008 y continuó hacia abajo. Cuando el precio cruza por debajo de un promedio móvil, puede ser utilizado como una simple señal comercial. Un movimiento por debajo de la media móvil (como se muestra arriba) sugiere que los osos están en control de la acción del precio y que el activo probablemente se moverá más bajo. Por el contrario, una cruz por encima de un promedio móvil sugiere que los toros están en control y que el precio puede estar listo para hacer un movimiento más alto. Otras maneras de utilizar los promedios móviles Los promedios móviles son utilizados por muchos comerciantes para no sólo identificar una tendencia actual, sino también como una estrategia de entrada y salida. Una de las estrategias más simples se basa en el cruce de dos o más promedios móviles. La señal básica se da cuando el promedio a corto plazo cruza por encima o por debajo del promedio móvil a más largo plazo. Dos o más promedios móviles le permiten ver una tendencia a largo plazo en comparación con una media móvil a corto plazo es también un método fácil para determinar si la tendencia está ganando fuerza o si está a punto de revertir. Figura 2: Un promedio móvil a largo plazo ya corto plazo en Google Inc. La Figura 2 usa dos medias móviles, una de largo plazo (50 días, mostrada por el Línea azul) y el otro plazo más corto (15 días, indicado por la línea roja). Este es el mismo gráfico de Google que se muestra en la Figura 1, pero con la adición de las dos medias móviles para ilustrar la diferencia entre las dos longitudes. Notará que la media móvil de 50 días es más lenta para ajustarse a los cambios de precios. Porque utiliza más puntos de datos en su cálculo. Por otro lado, la media móvil de 15 días es rápida para responder a los cambios de precios, ya que cada valor tiene una mayor ponderación en el cálculo debido al horizonte temporal relativamente corto. En este caso, usando una estrategia cruzada, usted observaría el promedio de 15 días para cruzar por debajo de la media móvil de 50 días como entrada para una posición corta. Figura 3: Un período de tres meses Lo anterior es un gráfico de tres meses de United States Oil (AMEX: USO) con dos promedios móviles simples. La línea roja es el promedio móvil más corto de 15 días, mientras que la línea azul representa el promedio móvil más largo de 50 días. La mayoría de los comerciantes utilizarán el cruce de la media móvil a corto plazo por encima de la media móvil a largo plazo para iniciar una posición larga e identificar el inicio de una tendencia alcista. (Obtenga más información acerca de cómo aplicar esta estrategia en Trading The MACD Divergence.) El soporte se establece cuando un precio es tendencia hacia abajo. Hay un punto en el que la presión de venta disminuye y los compradores están dispuestos a intervenir. En otras palabras, se establece un piso. La resistencia ocurre cuando un precio está tendiendo hacia arriba. Llega un punto cuando la fuerza de compra disminuye y los vendedores paso pulg Esto establecería un techo. (Para más explicaciones, lea Apoyo a la Resistencia Básica.) En cualquier caso, un promedio móvil puede ser capaz de señalar un soporte temprano o un nivel de resistencia. Por ejemplo, si una seguridad está a la deriva más baja en una tendencia alcista establecida, entonces no sería sorprendente ver el soporte de encontrar acciones en un largo plazo de 200 días de media móvil. Por otro lado, si el precio es más bajo, muchos comerciantes verán que el stock rebote la resistencia de los principales promedios móviles (SMAs de 50 días, 100 días y 200 días). (Para más información sobre el uso de soporte y resistencia para identificar tendencias, lea Trend-Spotting con la línea de acumulación / distribución). Conclusión Los promedios móviles son herramientas poderosas. Un simple promedio móvil es fácil de calcular, lo que le permite ser empleado con bastante rapidez y facilidad. Una fuerza más grande de los medios móviles es su capacidad de ayudar a un comerciante a identificar una tendencia actual oa manchar una inversión posible de la tendencia. Las medias móviles también pueden identificar un nivel de soporte o resistencia para la seguridad, o actuar como una simple señal de entrada o salida. La forma en que elija utilizar los promedios móviles depende exclusivamente de usted.