Moving Average Outliers

Estoy utilizando un filtro de media móvil para suavizar los datos para la eliminación de valores atípicos. Al cambiar el número de puntos promedio, estoy obteniendo resultados diferentes. Mis datos son vectores de características multidimensionales. Aplicé el promedio móvil a toda la matriz y luego a las variables individuales. Da resultados diferentes. Por lo tanto, cómo elegir / adivinar el número de puntos a la media sobre y debe aplicarse en la matriz entera o en una base uno por uno Preguntó Nov 1 13 a las 21:44 Glenb 9830 148k 9679 19 9679 246 9679 511 Una aproximación a Elegir un parámetro de suavizado sería optimizar errores de predicción de un paso adelante (como sumas de cuadrados de errores de predicción de un paso adelante). Si usted está tratando de identificar los valores atípicos, usted desea una medida diferente del error de predicción - uno razonablemente robusto a los valores anómalos (y luego mover promedios parecería una opción extraña - por qué no algo más robusto a los valores atípicos) ndash Glenb 9830 Nov 2 13 at 1: 11 1 Respuesta Ninguno. Ambos. Todas. Lo siento. Pero creo que este es otro intento (aunque un inteligente) para automatizar lo que realmente puede ser automatizado. Por supuesto diferentes métodos dan resultados diferentes las únicas veces que wouldnt es donde el outlier es tan obvio que usted no necesita una prueba. Mi sugerencia es usar una variedad de métodos para identificar posibles valores atípicos, luego examinar esos valores atípicos en forma individual. Tenemos un daemon que lee datos de algunos sensores y entre las cosas que calcula (además de simplemente informar sobre el estado) El tiempo promedio que tardan los sensores en cambiar de un valor a otro. Mantiene un promedio en ejecución de 64 puntos de datos, y asume que el tiempo de ejecución es bastante constante. Desafortunadamente, como se demuestra en el siguiente gráfico, los datos de entrada no son los más prístinos: (Cada línea representa un conjunto diferente de datos, el eje x no significa realmente nada más que un vago eje de tiempo histórico). Mi solución obvia para hacer frente a esto sería crear un histograma de los datos y luego elegir el modo. Sin embargo, me preguntaba si había otros métodos que darían un mejor rendimiento o sería más adecuado para la operación con un promedio de funcionamiento. Algunas búsquedas rápidas en Wikipedia sugieren algoritmos para detectar valores atípicos. La simplicidad es un plus, ya que el daemon está escrito en C. Edit. Yo escopé a Wikipedia y surgió con estas diversas técnicas: Chauvenets criterio: utilizando la media y la desviación estándar, calcular la probabilidad de un determinado punto de datos que sucedería, y luego excluir si la probabilidad es realmente que mal es inferior a 50. Mientras esto parece Para estar bien adaptado para corregir un promedio en marcha sobre la marcha, no estoy muy convencido de su eficacia: parece que con grandes conjuntos de datos no querría descartar los puntos de datos. Prueba de Grubbs: Otro método que utiliza la diferencia de la media a la desviación estándar, y tiene alguna expresión para cuando la hipótesis de ningún outliers es rechazada Cooks distance: Mide la influencia que un punto de datos tiene en una regresión de mínimos cuadrados nuestra aplicación probablemente la rechazaría si Excedido 1 Media truncada: Descarta el extremo bajo y el extremo alto y luego toma la media como normal Cualquier persona tiene experiencia específica y puede comentar sobre estas técnicas estadísticas También, algunos comentarios sobre la situación física: estaban midiendo el tiempo promedio hasta la terminación de Una lavadora mecánica, por lo que su tiempo de ejecución debe ser bastante constante. No estoy seguro si realmente tiene una distribución normal. Editar 2. Otra pregunta interesante: cuando el daemon es bootstrapping, como en, no tiene ningún dato anterior para analizar, cómo debe tratar con los datos entrantes? Simplemente no hacer ninguna poda fuera de lugar Editar 3. Una cosa más. Si el hardware cambia de tal manera que los tiempos de ejecución se convierten en diferentes, vale la pena hacer que el algoritmo sea suficientemente robusto para que no descarte estos nuevos tiempos de ejecución, debería recordar sólo para vaciar el caché cuando eso sucede preguntó Apr 12 09 at 7 : 24How Will Apple (AAPL) acciones reaccionar a la reinstalación Samsung Patente Win Twitter (TWTR) poco probable que se adquieren en el plazo cercano, el ex COO Rowghani dice que usted piensa Wells Fargos Los banqueros son malos echar un vistazo a sus corredores Sarepta Therapeutics (SRPT) , Himno Dice que el medicamento de DMD no es médicamente necesario Yogi Berras 14 grandes yogui-Ismos para aplicar en la vida y el negocio CEO del Banco Mundial de América (BAC) Moynihan reacciona a Wells Fargo escándalo Acciones Extender las pérdidas como tasa de diciembre Caminata sigue siendo probable a pesar de Jobs Srta. BALTIMORE (Stockpickr) - En el mundo del análisis técnico, el promedio móvil, o MA, puede muy bien Ser el indicador más popular por ahí. Pero con demasiada frecuencia, los técnicos nacientes del mercado sólo tienen una comprensión pasajera del mensaje que las líneas añadidas en sus cartas técnicas les están diciendo. Hoy, estaban echando un vistazo a cómo funcionan las medias móviles - y cómo pueden señalar los oficios en el mundo real. Los promedios móviles apenas quedan relegados al mundo del comercio. De hecho, es una herramienta estadística común que se utiliza para interpretar conjuntos de datos de series de tiempo grandes haciendo puntos de datos fragmentados relacionados con el conjunto matemáticamente, moviendo promedios son suavizar las operaciones que incluso los valores atípicos estadísticos y dar una imagen más clara sobre el conjunto de datos que se está mirando. Lo que significa esencialmente es que las medias móviles pueden tomar un elemento potencialmente volátil como un precio de las acciones, y dar a los inversores un gráfico que es mucho más indicativo del movimiento de las poblaciones en general. MA corte a través del ruido del mercado. Para decirlo simplemente, el promedio móvil es sólo un promedio móvil - es decir, es el precio promedio de una acción durante un número dado de días. Cada día, los datos más recientes se añaden a la media móvil y los datos de los últimos días disminuyen. Moving Average Weighting Woes Pero los técnicos pronto descubrieron una falla importante en este simple promedio móvil (SMA): ponderación. Después de todo, los datos de precios de casi un año atrás (en el caso de la siempre popular media móvil de 200 días) no eran tan relevantes para el mercado de hoy como el precio de ayer, pero ambos tenían un impacto igual sobre el valor de la media móvil. Para remediar eso, la media móvil exponencial, o EMA, se convirtió en una alternativa popular. A diferencia de la media móvil simple, donde los precios de cada día tuvo el mismo impacto, la EMA se calcula de tal manera que cada significación de días disminuye exponencialmente. Mientras que otros esquemas de ponderación existen, la SMA y EMA son de lejos el más popular en uso por los analistas técnicos de hoy. El período de tiempo de la media móvil es también un elemento crucial. Las alternativas más populares incluyen los promedios móviles de 9 días, 50 días y 200 días (simples o exponenciales, dependiendo de la aplicación, así como la preferencia de los comerciantes). Sin embargo, mientras que los promedios móviles diarios, que representan un precio de las acciones durante los X días finales, son comunes, es esencial recordar que los promedios móviles pueden ser utilizados para cualquier período de tiempo. Moving Promedios - Simple y exponencial Media móvil - Simple y exponencial Introducción Los datos de precios para formar un indicador de tendencia siguiente. No predicen la dirección del precio, sino que definen la dirección actual con un retraso. Los promedios móviles se retrasan porque están basados ​​en precios pasados. A pesar de este retraso, las medias móviles ayudan a suavizar la acción de los precios y filtran el ruido. También forman los bloques de construcción de muchos otros indicadores técnicos y superposiciones, como Bollinger Bands. MACD y el oscilador de McClellan. Los dos tipos más populares de promedios móviles son el promedio móvil simple (SMA) y el promedio móvil exponencial (EMA). Estos promedios móviles pueden usarse para identificar la dirección de la tendencia o definir niveles potenciales de soporte y resistencia. Aquí hay un gráfico con un SMA y un EMA en él: Cálculo del promedio móvil simple Un promedio móvil simple se forma computando el precio medio de un título sobre un número específico de períodos. La mayoría de las medias móviles se basan en los precios de cierre. Una media móvil simple de 5 días es la suma de cinco días de los precios de cierre dividida por cinco. Como su nombre lo indica, un promedio móvil es un promedio que se mueve. Los datos antiguos se eliminan a medida que vienen disponibles nuevos datos. Esto hace que el promedio se mueva a lo largo de la escala de tiempo. A continuación se muestra un ejemplo de un promedio móvil de 5 días que evoluciona en tres días. El primer día de la media móvil simplemente cubre los últimos cinco días. El segundo día de la media móvil desciende el primer punto de datos (11) y añade el nuevo punto de datos (16). El tercer día de la media móvil continúa cayendo el primer punto de datos (12) y añadiendo el nuevo punto de datos (17). En el ejemplo anterior, los precios aumentan gradualmente de 11 a 17 en un total de siete días. Observe que la media móvil también aumenta de 13 a 15 durante un período de cálculo de tres días. También observe que cada valor promedio móvil es justo debajo del último precio. Por ejemplo, el promedio móvil para el primer día es igual a 13 y el último precio es 15. Los precios de los cuatro días anteriores fueron más bajos y esto hace que el promedio móvil se retrasa. Cálculo del promedio móvil exponencial Los promedios móviles exponenciales reducen el retraso aplicando más peso a los precios recientes. La ponderación aplicada al precio más reciente depende del número de periodos de la media móvil. Hay tres pasos para calcular una media móvil exponencial. En primer lugar, calcular el promedio móvil simple. Un promedio móvil exponencial (EMA) tiene que comenzar en alguna parte así que una media móvil simple se utiliza como EMA anterior del período anterior en el primer cálculo. Segundo, calcule el multiplicador de ponderación. En tercer lugar, calcular la media móvil exponencial. La siguiente fórmula es para un EMA de 10 días. Una media móvil exponencial de 10 períodos aplica una ponderación de 18.18 al precio más reciente. Un EMA de 10 periodos también puede ser llamado un EMA 18.18. Una EMA de 20 periodos aplica una ponderación de 9.52 al precio más reciente (2 / (201) .0952). Observe que la ponderación para el período de tiempo más corto es más que la ponderación para el período de tiempo más largo. De hecho, la ponderación disminuye a la mitad cada vez que el período de media móvil se duplica. Si desea un porcentaje específico para un EMA, puede usar esta fórmula para convertirlo en períodos de tiempo y luego ingresar ese valor como el parámetro EMA039s: A continuación se muestra un ejemplo de hoja de cálculo de una media móvil simple de 10 días y un valor de 10- Promedio móvil exponencial para Intel. Los promedios móviles simples son directos y requieren poca explicación. El promedio de 10 días se mueve simplemente mientras que nuevos precios están disponibles y los viejos precios caen apagado. El promedio móvil exponencial comienza con el valor de la media móvil simple (22,22) en el primer cálculo. Después del primer cálculo, la fórmula normal se hace cargo. Debido a que un EMA comienza con un promedio móvil simple, su verdadero valor no se realizará hasta 20 o más períodos más tarde. En otras palabras, el valor de la hoja de cálculo Excel puede diferir del valor del gráfico debido al corto período de revisión. Esta hoja de cálculo sólo se remonta a 30 períodos, lo que significa que el efecto de la media móvil simple ha tenido 20 períodos para disipar. StockCharts se remonta al menos 250 períodos (por lo general mucho más) para sus cálculos de modo que los efectos de la media móvil simple en el primer cálculo se han disipado completamente. El factor de Lag Cuanto más largo es el promedio móvil, más el retraso. Una media móvil exponencial de 10 días abrazará los precios de cerca y se convertirá poco después de que los precios giren. Los promedios móviles cortos son como los veleros, ágiles y rápidos de cambiar. Por el contrario, una media móvil de 100 días contiene muchos datos pasados ​​que lo ralentizan. Los promedios móviles más largos son como los petroleros oceánicos - letárgicos y lentos para cambiar. Se necesita un movimiento de precios más grande y más largo para una media móvil de 100 días para cambiar el rumbo. La tabla de arriba muestra el SampP 500 ETF con una EMA de 10 días siguiendo de cerca los precios y una molienda SMA de 100 días más alta. Incluso con la disminución de enero-febrero, la SMA de 100 días mantuvo el curso y no rechazó. La SMA de 50 días se sitúa entre los promedios móviles de 10 y 100 días cuando se trata del factor de retraso. Simples versus promedios móviles exponenciales Aunque hay claras diferencias entre promedios móviles simples y promedios móviles exponenciales, uno no es necesariamente mejor que el otro. Los promedios móviles exponenciales tienen menos retraso y, por lo tanto, son más sensibles a los precios recientes y las recientes variaciones de precios. Los promedios móviles exponenciales se convertirán antes de promedios móviles simples. Los promedios móviles simples, por otro lado, representan un verdadero promedio de precios para todo el período de tiempo. Como tales, los promedios móviles simples pueden ser más adecuados para identificar niveles de soporte o resistencia. La preferencia media móvil depende de los objetivos, el estilo analítico y el horizonte temporal. Los cartistas deben experimentar con ambos tipos de promedios móviles, así como diferentes plazos para encontrar el mejor ajuste. La siguiente tabla muestra IBM con la SMA de 50 días en rojo y la EMA de 50 días en verde. Ambos culminaron a finales de enero, pero la disminución en la EMA fue más nítida que la disminución de la SMA. La EMA apareció a mediados de febrero, pero la SMA continuó baja hasta finales de marzo. Tenga en cuenta que la SMA apareció más de un mes después de la EMA. Longitudes y plazos La longitud del promedio móvil depende de los objetivos analíticos. Promedios cortos móviles (5-20 períodos) son los más adecuados para las tendencias a corto plazo y el comercio. Los cartistas interesados ​​en las tendencias a mediano plazo optarían por promedios móviles más largos que podrían extenderse de 20 a 60 períodos. Los inversores a largo plazo preferirán las medias móviles con 100 o más períodos. Algunas longitudes móviles son más populares que otras. El promedio móvil de 200 días es quizás el más popular. Debido a su longitud, esto es claramente una media móvil a largo plazo. A continuación, el promedio móvil de 50 días es muy popular para la tendencia a mediano plazo. Muchos cartistas utilizan los promedios móviles de 50 días y 200 días juntos. A corto plazo, una media móvil de 10 días fue muy popular en el pasado porque era fácil de calcular. Uno simplemente agregó los números y movió el punto decimal. Identificación de tendencias Las mismas señales pueden generarse utilizando promedios móviles simples o exponenciales. Como se mencionó anteriormente, la preferencia depende de cada individuo. Estos ejemplos a continuación utilizarán promedios móviles simples y exponenciales. El término media móvil se aplica tanto a promedios móviles simples como exponenciales. La dirección de la media móvil transmite información importante sobre los precios. Una media móvil en ascenso muestra que los precios están aumentando. Una media móvil decreciente indica que los precios, en promedio, están cayendo. El aumento de la media móvil a largo plazo refleja una tendencia alcista a largo plazo. Una caída del promedio móvil a largo plazo refleja una tendencia a la baja a largo plazo. El gráfico anterior muestra 3M (MMM) con una media móvil exponencial de 150 días. Este ejemplo muestra cuán bien funcionan las medias móviles cuando la tendencia es fuerte. La EMA de 150 días rechazó en noviembre de 2007 y otra vez en enero de 2008. Observe que tomó una declinación 15 para invertir la dirección de esta media móvil. Estos indicadores rezagados identifican reversiones de tendencias a medida que ocurren (en el mejor de los casos) o después de que ocurren (en el peor). MMM continuó más bajo en marzo de 2009 y luego subió 40-50. Observe que la EMA de 150 días no apareció hasta después de este aumento. Una vez que lo hizo, sin embargo, MMM continuó más alto en los próximos 12 meses. Los promedios móviles trabajan brillantemente en fuertes tendencias. Crossovers dobles Dos medias móviles se pueden usar juntas para generar señales de cruce. En Análisis Técnico de los Mercados Financieros. John Murphy llama a esto el método de crossover doble. Los crossovers dobles implican una media móvil relativamente corta y una media móvil relativamente larga. Como con todas las medias móviles, la longitud general de la media móvil define el marco de tiempo para el sistema. Un sistema que utilice un EMA de 5 días y un EMA de 35 días se consideraría a corto plazo. Un sistema que utilizara un SMA de 50 días y un SMA de 200 días se consideraría de mediano plazo, tal vez incluso a largo plazo. Un cruce alcista ocurre cuando el promedio móvil más corto cruza por encima del promedio móvil más largo. Esto también se conoce como una cruz de oro. Un crossover bajista ocurre cuando el promedio móvil más corto cruza debajo de la media móvil más larga. Esto se conoce como una cruz muerta. Los cruces de media móvil producen señales relativamente tardías. Después de todo, el sistema emplea dos indicadores retardados. Cuanto más largo sea el promedio móvil, mayor será el desfase en las señales. Estas señales funcionan muy bien cuando una buena tendencia se apodera. Sin embargo, un sistema de crossover de media móvil producirá muchos whipsaws en ausencia de una tendencia fuerte. También hay un método triple crossover que implica tres promedios móviles. De nuevo, se genera una señal cuando la media móvil más corta cruza las dos medias móviles más largas. Un simple sistema de crossover triple puede implicar promedios móviles de 5 días, 10 días y 20 días. La tabla anterior muestra Home Depot (HD) con una EMA de 10 días (línea punteada verde) y EMA de 50 días (línea roja). La línea negra es el cierre diario. El uso de un crossover promedio móvil habría dado lugar a tres whipsaws antes de coger un buen comercio. La EMA de 10 días se rompió por debajo de la EMA de 50 días a finales de octubre (1), pero esto no duró mucho ya que los 10 días retrocedieron a mediados de noviembre (2). Esta cruz duró más tiempo, pero el siguiente cruce bajista en enero (3) ocurrió cerca de finales de noviembre los niveles de precios, dando lugar a otro whipsaw. Esta cruz bajista no duró mucho ya que la EMA de 10 días retrocedió por encima de los 50 días unos días después (4). Después de tres malas señales, la cuarta señal prefiguró un movimiento fuerte mientras que la acción avanzó sobre 20. Hay dos takeaways aquí. Primero, los crossovers son propensos al whipsaw. Se puede aplicar un filtro de precio o tiempo para ayudar a prevenir las sierras. Los operadores pueden requerir que el crossover dure 3 días antes de actuar o requiera que la EMA de 10 días se mueva por encima / por debajo del EMA de 50 días por una cierta cantidad antes de actuar. En segundo lugar, MACD se puede utilizar para identificar y cuantificar estos crossovers. MACD (10, 50, 1) mostrará una línea que representa la diferencia entre las dos medias móviles exponenciales. MACD se vuelve positivo durante una cruz de oro y negativo durante una cruz muerta. El oscilador de precio porcentual (PPO) se puede utilizar de la misma manera para mostrar diferencias porcentuales. Tenga en cuenta que MACD y el PPO se basan en promedios móviles exponenciales y no coincidirá con los promedios móviles simples. Este gráfico muestra Oracle (ORCL) con EMA de 50 días, EMA de 200 días y MACD (50.200,1). Hubo cuatro crossovers de media móvil durante un período de 2 1/2 años. Los tres primeros resultaron en whipsaws o malos oficios. Una tendencia sostenida comenzó con el cuarto crossover como ORCL avanzó a mediados de los 20s. Una vez más, los crossovers medios móviles funcionan muy bien cuando la tendencia es fuerte, pero producen pérdidas en ausencia de una tendencia. Crossovers de precios Los promedios móviles también pueden usarse para generar señales con crossovers de precios simples. Una señal alcista se genera cuando los precios se mueven por encima de la media móvil. Se genera una señal bajista cuando los precios se mueven por debajo de la media móvil. Los crossovers de precios se pueden combinar para comerciar dentro de la tendencia más grande. La media móvil más larga establece el tono para la tendencia más grande y la media móvil más corta se utiliza para generar las señales. Uno buscaría cruces de precios alcistas sólo cuando los precios ya están por encima de la media móvil más larga. Esto estaría negociando en armonía con la tendencia más grande. Por ejemplo, si el precio está por encima de la media móvil de 200 días, los cartistas sólo se centrarán en las señales cuando el precio se mueve por encima de la media móvil de 50 días. Obviamente, un movimiento por debajo de la media móvil de 50 días precedería a tal señal, pero tales cruces bajistas serían ignorados porque la tendencia más grande es hacia arriba. Una cruz bajista simplemente sugeriría un retroceso dentro de una mayor tendencia alcista. Un retroceso por encima de la media móvil de 50 días señalaría una subida de los precios y la continuación de la mayor tendencia alcista. El siguiente gráfico muestra Emerson Electric (EMR) con la EMA de 50 días y EMA de 200 días. La acción se movió por encima y se mantuvo por encima de la media móvil de 200 días en agosto. Hubo bajadas por debajo de los 50 días EMA a principios de noviembre y de nuevo a principios de febrero. Los precios se movieron rápidamente por encima de la EMA de 50 días para proporcionar señales alcistas (flechas verdes) en armonía con la mayor tendencia alcista. MACD (1,50,1) se muestra en la ventana del indicador para confirmar los cruces de precios por encima o por debajo de la EMA de 50 días. El EMA de 1 día es igual al precio de cierre. El MACD (1,50,1) es positivo cuando el cierre está por encima del EMA de 50 días y negativo cuando el cierre está por debajo del EMA de 50 días. Soporte y Resistencia Los promedios móviles también pueden actuar como soporte en una tendencia alcista y resistencia en una tendencia bajista. Una tendencia alcista a corto plazo podría encontrar apoyo cerca de la media móvil simple de 20 días, que también se utiliza en bandas de Bollinger. Una tendencia alcista a largo plazo podría encontrar apoyo cerca del promedio móvil de 200 días, que es el promedio móvil más popular a largo plazo. De hecho, el promedio móvil de 200 días puede ofrecer soporte o resistencia simplemente porque es tan ampliamente utilizado. Es casi como una profecía autocumplida. El gráfico de arriba muestra el NY Composite con el promedio móvil simple de 200 días desde mediados de 2004 hasta finales de 2008. Los 200 días de apoyo brindado numerosas veces durante el avance. Una vez que la tendencia se invirtió con una ruptura de apoyo superior doble, el promedio móvil de 200 días actuó como resistencia alrededor de 9500. No espere soporte exacto y niveles de resistencia de promedios móviles, especialmente medias móviles más largas. Los mercados son impulsados ​​por la emoción, lo que los hace propensos a los rebasamientos. En lugar de los niveles exactos, las medias móviles se pueden utilizar para identificar las zonas de apoyo o resistencia. Conclusiones Las ventajas de utilizar promedios móviles deben sopesarse contra las desventajas. Los promedios móviles son tendencia que sigue, o rezagada, los indicadores que serán siempre un paso detrás. Esto no es necesariamente una cosa mala. Después de todo, la tendencia es su amigo y es mejor el comercio en la dirección de la tendencia. Medias móviles aseguran que un comerciante está en línea con la tendencia actual. A pesar de que la tendencia es su amigo, los valores pasan una gran cantidad de tiempo en rangos comerciales, lo que hace que los promedios móviles sean ineficaces. Una vez en una tendencia, los promedios móviles le mantendrá en, pero también dar señales tardías. Don039t esperan vender en la parte superior y comprar en la parte inferior utilizando promedios móviles. Al igual que con la mayoría de las herramientas de análisis técnico, las medias móviles no deben usarse por sí solas, sino en conjunto con otras herramientas complementarias. Los cartistas pueden usar promedios móviles para definir la tendencia general y luego usar RSI para definir los niveles de sobrecompra o sobreventa. Adición de promedios móviles a los gráficos de StockCharts Los promedios móviles están disponibles como una función de superposición de precios en el workbench de SharpCharts. Utilizando el menú desplegable Superposiciones, los usuarios pueden elegir un promedio móvil simple o un promedio móvil exponencial. El primer parámetro se utiliza para establecer el número de períodos de tiempo. Se puede agregar un parámetro opcional para especificar el campo de precio que se debe utilizar en los cálculos: O para el Abierto, H para el Alto, L para el Bajo y C para el Cierre. Una coma se utiliza para separar los parámetros. Se puede agregar otro parámetro opcional para cambiar las medias móviles a la izquierda (pasado) oa la derecha (futuro). Un número negativo (-10) cambiaría la media móvil a la izquierda 10 períodos. Un número positivo (10) cambiaría la media móvil a los 10 periodos correctos. Múltiples promedios móviles pueden superponerse a la gráfica de precios simplemente agregando otra línea de superposición al workbench. Los miembros de StockCharts pueden cambiar los colores y el estilo para diferenciar entre varios promedios móviles. Después de seleccionar un indicador, abra Opciones avanzadas haciendo clic en el pequeño triángulo verde. Las Opciones avanzadas también se pueden usar para agregar una superposición de promedio móvil a otros indicadores técnicos como RSI, CCI y Volumen. Haga clic aquí para un gráfico en vivo con varios promedios móviles diferentes. Usando los promedios móviles con las exploraciones de StockCharts Aquí hay algunas exploraciones de la muestra que los miembros de StockCharts pueden utilizar para explorar diversas situaciones del promedio móvil: Movimiento alcista de la media cruzada: Esta exploraciones busca las poblaciones con una media móvil simple de 150 días y una cruz alcista de los 5 EMA y EMA de 35 días. La media móvil de 150 días está subiendo, siempre y cuando se está negociando por encima de su nivel hace cinco días. Una cruz alcista ocurre cuando la EMA de 5 días se mueve por encima de la EMA de 35 días sobre un volumen por encima del promedio. Media bajista media móvil: Esta escanea busca acciones con una media móvil simple descendente de 150 días y una cruz bajista de la EMA de 5 días y de la EMA de 35 días. La media móvil de 150 días está cayendo, siempre y cuando se está negociando por debajo de su nivel hace cinco días. Una cruz bajista ocurre cuando la EMA de 5 días se mueve por debajo de la EMA de 35 días sobre un volumen por encima del promedio. Estudio adicional El libro de John Murphy tiene un capítulo dedicado a los promedios móviles ya sus diversos usos. Murphy cubre los pros y los contras de los promedios móviles. Además, Murphy muestra cómo los promedios móviles trabajan con Bollinger Bands y los sistemas comerciales basados ​​en canales. Análisis Técnico de los Mercados Financieros John Murphy12 de enero de 2015 5:00 am 3 comments Views: 2726 El promedio móvil de distancia es otro filtro no lineal que proporciona la base para más investigación y exploración. En su forma tradicional, una media móvil ponderada a distancia (DWMA) está diseñada para ser una versión robusta de un promedio móvil para reducir el impacto de los valores atípicos. Aquí está el cálculo de la Enciclopedia de Matemáticas: Obsérvese en el ejemplo anterior que 12 es claramente un valor atípico con respecto a los otros puntos de datos y, por lo tanto, se le asigna menos peso en el promedio final. La ventaja de este enfoque para la winsorización simple (omitir los valores atípicos que se identifican a partir del cálculo) es que todos los datos se usan y no se requiere un umbral arbitrario. Esto es especialmente valioso para datos multidimensionales. Mediante la cuadratura de los valores de distancia en el cálculo de la DWMA en lugar de simplemente tomar el valor absoluto, es posible hacer que el promedio aún más insensible a los valores atípicos. Observe que este concepto también puede invertirse para enfatizar valores atípicos o simplemente puntos de datos más grandes. Esto puede hacerse eliminando la necesidad de invertir la distancia como una fracción y simplemente usando los pesos de distancia. Esto se puede llamar un promedio móvil de la distancia inversa o IDWMA, y es útil en las situaciones donde usted quiere ignorar pequeños movimientos en series de tiempo que se pueden considerar ruido blanco y en lugar de hacer el promedio más responsivo a los desgloses. Además, este método puede resultar más valioso para su uso en cálculos de volatilidad donde la sensibilidad al riesgo es importante. El gráfico siguiente muestra cómo estos diferentes promedios móviles responden a una serie temporal ficticia con valores atípicos: Obsérvese que el DWMA es el menos sensible a los movimientos de precios ya los grandes saltos, mientras que el IDWMA es el más sensible. Comparativamente, la respuesta SMA está entre el DWMA y el IDWMA. La clave es que ni el promedio móvil es superior al otro per se, sino que cada uno es valioso para diferentes aplicaciones y puede funcionar mejor o peor en series temporales diferentes. Con esta afirmación, vamos a ver algunos ejemplos prácticos. Mi preferencia es típicamente utilizar devoluciones en lugar de precios, por lo que en este caso examinaremos la aplicación de las diferentes variaciones de la media móvil: DWMA, IDWMA y SMA a dos series temporales diferentes 8211, SampP500 y Gold. Los comerciantes y los inversores reconocen fácilmente que el SampP500 es bastante ruidoso, especialmente a corto plazo. Por el contrario, el oro tiende a ser impredecible usando mediciones a largo plazo, pero grandes movimientos tienden a ser predecibles en el corto plazo. Aquí está el rendimiento usando un promedio móvil de 10 días con las diferentes variaciones desde 1995 hasta la actualidad. Las reglas son largas si el promedio está por encima de cero y el efectivo si está por debajo (no se supone ningún interés sobre el efectivo en este caso): De acuerdo con la observación anecdótica, el DWMA realiza lo mejor en el SampP500 mediante el filtrado de ruido grande o media Movimientos de precios. El IDWMA en contraste realiza el peor porque distorsiona el promedio enfatizando estos movimientos. Pero el patrón es completamente diferente con el oro. En este caso, el IDWMA se beneficia de destacar estas señales de tendencia grandes (y aparentemente útiles), mientras que el DWMA realiza el peor. En ambos casos, la SMA tiene un rendimiento medio. Una de las desventajas de una media móvil ponderada a distancia es que el cálculo ignora la posición en el tiempo de cada punto de datos. Un valor atípico es menos relevante si se produce por ejemplo hace más de 60 días frente a uno que ocurre hoy. Este aspecto se puede abordar mediante una manipulación inteligente del cálculo. Sin embargo, lo más importante es que es posible utilizar diferentes esquemas de ponderación para un promedio móvil para diferentes series temporales y lograr resultados potencialmente superiores. Tal vez un enfoque adaptativo daría buenos resultados. Además, una cuidadosa reflexión debe ir en el cálculo del promedio móvil adecuado para diferentes tipos de aplicaciones. Por ejemplo, puede que desee utilizar el DWMA en lugar de la mediana para calcular las correlaciones, que pueden ser muy distorsionadas por valores atípicos. Tal vez el uso de un DWMA para el rendimiento o estadísticas de comercio también tiene sentido. Como se mencionó anteriormente, el uso de un IDWMA es útil para cálculos basados ​​en la volatilidad en muchos casos. Considere esto como una herramienta muy simple para agregar a su caja de herramientas. 8211 Por David Varadi de CSSA