Mouvement Moyenne En Sève

Moyenne mobile exponentielle (EMA) expliquée Comme nous l'avons dit dans la leçon précédente, les moyennes mobiles simples peuvent être déformées par des pointes. Commençons par un exemple. Let8217s dire que nous tracer une SMA de 5 périodes sur le graphique quotidien de EURUSD. Les prix de clôture pour les 5 derniers jours sont les suivants: La moyenne mobile simple serait calculée comme suit: (1.3172 1.3231 1.3164 1.3186 1.3293) 5 1.3209 Simple assez bien, bien Et s'il y avait un reportage sur le Jour 2 qui cause l'euro Pour tomber à travers le conseil. Cela provoque EURUSD plonger et fermer à 1.3000. Voyons quel effet cela aurait sur la période 5 SMA. La moyenne mobile simple serait calculée comme suit: Le résultat de la moyenne mobile simple serait beaucoup plus bas et il vous donnerait la notion que le prix était effectivement en baisse, alors qu'en réalité, le jour 2 était juste un événement ponctuel Causée par les mauvais résultats d'un rapport économique. Le point que nous essayons de faire est que parfois la moyenne mobile simple pourrait être trop simple. Si seulement il y avait une manière que vous pourriez filtrer dehors ces pointes de sorte que vous ne receviez pas l'idée fausse. Hmm8230 Attendez une minute8230 Yep, il ya une façon It8217s appelé la moyenne mobile exponentielle Moyennes mobiles exponentielles (EMA) donner plus de poids aux périodes les plus récentes. Dans notre exemple ci-dessus, l'EMA mettrait plus de poids sur les prix des jours les plus récents, qui seraient les jours 3, 4 et 5. Cela signifierait que la pointe du jour 2 serait de moindre valeur et aurait pas aussi grand Un effet sur la moyenne mobile comme ce serait si nous avions calculé pour une moyenne mobile simple. Si vous y réfléchissez, cela a beaucoup de sens parce que ce que cela fait, c'est qu'il met davantage l'accent sur ce que les commerçants font récemment. La moyenne mobile exponentielle (EMA) et la moyenne mobile simple (SMA) côte à côte Let8217s regarder le graphique de 4 heures de USDJPY pour mettre en évidence comment une simple moyenne mobile (SMA) et exponentielle moyenne mobile (EMA) serait regarder côte à côte Sur un graphique. Remarquez comment la ligne rouge (l'EMA 30) semble être plus proche du prix que la ligne bleue (la 30 SMA). Cela signifie qu'il représente plus précisément l'action récente des prix. Vous pouvez probablement deviner pourquoi cela arrive. It8217s parce que la moyenne mobile exponentielle met davantage l'accent sur ce qui s'est passé dernièrement. Lors de la négociation, il est beaucoup plus important de voir ce que les commerçants font maintenant plutôt ce qu'ils faisaient la semaine dernière ou le mois dernier. Enregistrez vos progrès en vous connectant et en marquant la leçon complèteIntroduction L'article précédent a examiné les moyennes mobiles et la façon de les calculer. Cet article examine maintenant comment implémenter ces fonctionnalités dans Web Intelligence. La formule utilisée ici est compatible avec la version XIr3 de SAP BOE cependant une formule peut fonctionner dans les versions précédentes si disponible. Nous commencerons par regarder comment calculer une moyenne mobile simple avant d'examiner les formes pondérées et exponentielles. Exemples exploités Les exemples ci-dessous utilisent tous le même ensemble de données qui est des données sur les cours des actions dans un fichier Excel que vous pouvez télécharger. La première colonne dans le fichier est le jour du prix de l'action, puis les colonnes du prix d'ouverture, le prix le plus élevé dans la journée, le prix le plus bas, le cours de clôture, le volume et le prix de clôture ajusté. We8217ll utiliser le cours de clôture dans notre analyse ci-dessous avec l'objet Date. Moyenne mobile simple Il existe plusieurs façons de calculer des moyennes mobiles simples. Une option consiste à utiliser la fonction Précédent pour obtenir la valeur d'une ligne précédente. Par exemple, la formule suivante calcule une moyenne mobile sur notre cours de clôture pour un ensemble de données de moyenne mobile de taille 3. Il s'agit d'une formule tout à fait simple mais il est évident qu'il n'est pas pratique quand nous avons un grand nombre de périodes ici nous pouvons faire L'utilisation de la formule de RunningSum et pour un ensemble de données de taille N nous avons Enfin nous avons une 3ème technique qui, bien que plus compliquée, il peut avoir de meilleures performances car il est de calculer la nouvelle valeur basée sur la valeur précédente plutôt que deux sommes courantes sur les données complètes ensemble. Cependant, cette formule ne fonctionne qu'après le Nième point dans l'ensemble de données et puisqu'elle fait référence à une valeur précédente, nous devons également définir une valeur de départ. Voici la formule complète utilisée pour notre analyse du prix des actions où notre période moyenne mobile est de 15 jours. La date 1252010 est le 15e point de données de notre ensemble de données. Nous calculons donc une moyenne normale en utilisant le Sondage. Pour toutes les dates au-delà de cette valeur nous utilisons notre formule SMA et nous laissons en blanc toutes les dates avant cette date. La figure 1 ci-dessous est un graphique de Web Intelligence affichant nos données sur les cours des actions avec une moyenne mobile simple. Figure 1. Document de Web Intelligence affichant une Moyenne mobile moyenne simple Moyenne mobile pondérée Une formule de moyenne mobile pondérée avec une période de 3 est, comme avec notre première formule de moyenne mobile simple ci-dessus n'est pratique que pour un petit nombre de périodes. Je n'ai pas encore été en mesure de trouver une formule simple qui peut être utilisé pour les grandes moyennes mobiles périodes. Mathématiquement, il est possible, mais les limitations avec Web Intelligence signifie que ces formules don8217t convertir. Si quelqu'un est capable de faire cela, j'aimerais entendre La figure ci-dessous est un WMA de période 6 mis en œuvre dans Web Intelligence. Figure 2. Document Web Intelligence d'une moyenne mobile pondérée Moyenne mobile exponentielle Une moyenne mobile exponentielle est assez simple à mettre en œuvre dans Web Intelligence et constitue donc une alternative appropriée à une moyenne mobile pondérée. La formule de base est Ici we8217ve codé 0,3 comme notre valeur pour alpha. Nous n'appliquons cette formule que pour des périodes supérieures à notre seconde période, de sorte que nous pouvons utiliser une instruction if pour filtrer ces sorties. Pour notre première et deuxième période, nous pouvons utiliser la valeur précédente et donc notre formule finale pour EMA est, ci-dessous est un exemple d'une EMA appliquée à nos données de stock. Figure 3. Afficheur de document Web Intelligence a Commandes d'entrée moyenne mobile exponentielle Comme notre formule EMA ne repose pas sur la taille de la période de moyenne mobile et notre seule variable est alpha, nous pouvons utiliser les contrôles d'entrée pour permettre à l'utilisateur d'ajuster la valeur de alpha. Pour ce faire, créez une nouvelle variable appelée 8216alpha8217 et définissez la formule comme: Mettre à jour notre formule EMA, Créez un nouveau contrôle d'entrée en sélectionnant notre variable alpha comme objet de rapport de contrôle d'entrée Utilisez un curseur simple et définissez les propriétés suivantes Devrait être en mesure de déplacer le curseur et immédiatement voir les changements à la ligne de tendance dans le graphique Conclusion Nous avons examiné comment mettre en œuvre trois types de moyenne mobile dans Web Intelligence et bien que tous étaient possibles, la Moyenne mobile exponentielle est probablement la plus facile et plus flexible . J'espère que vous avez trouvé cet article intéressant et comme toujours toute réaction est très bienvenue. Post navigation Laisser un commentaire Annuler la réponse Vous devez être connecté pour poster un commentaire. L'astuce à la Moyenne mobile pondérée (WMA) est que vous devez créer une variable qui représente les numérateurs de WMA (voir Wikipédia pour référence.) Cela devrait ressembler à ce qui suit: Précédent (Self) (n Close) 8211 (Previous (RunningSum ( (N (n 1) 2) où Numerator est la variable que vous avez créée plus tôt. 8211 Précédent (RunningSum (Close) n1) où n est le nombre de périodes.