Suavização Exponencial Explicada. Cópia Copyright. O conteúdo do InventoryOps é protegido por direitos de autor e não está disponível para republicação. Quando as pessoas primeiro encontro o termo suavização exponencial podem pensar que soa como um inferno de um lote de suavização. Seja qual for a suavização. Eles então começam a imaginar um cálculo matemático complicado que provavelmente requer um grau em matemática para entender, e espero que haja uma função embutida do Excel disponível se eles precisam fazer isso. A realidade da suavização exponencial é muito menos dramática e muito menos traumática. A verdade é, suavização exponencial é um cálculo muito simples que realiza uma tarefa bastante simples. Ele só tem um nome complicado porque o que tecnicamente acontece como resultado deste cálculo simples é realmente um pouco complicado. Para entender a suavização exponencial, ajuda a começar com o conceito geral de alisamento e um par de outros métodos comuns usados para obter suavização. O que é suavização A suavização é um processo estatístico muito comum. De fato, nós encontramos regularmente dados alisados em várias formas em nossas vidas do dia-a-dia. Toda vez que você usar uma média para descrever algo, você está usando um número suavizado. Se você pensar sobre porque você usa uma média para descrever algo, você compreenderá rapidamente o conceito do alisamento. Por exemplo, nós apenas experimentamos o inverno mais quente no registro. Como somos capazes de quantificar este Bem, começamos com conjuntos de dados das temperaturas altas e baixas diárias para o período que chamamos de Inverno para cada ano na história registrada. Mas isso nos deixa com um monte de números que saltam um pouco (não é como todos os dias este inverno foi mais quente do que os dias correspondentes de todos os anos anteriores). Precisamos de um número que elimine tudo isso pulando em torno dos dados para que possamos mais facilmente comparar um inverno para o próximo. Removendo o salto em torno dos dados é chamado de suavização, e neste caso, podemos apenas usar uma média simples para realizar a suavização. Na previsão de demanda, usamos suavização para remover a variação aleatória (ruído) de nossa demanda histórica. Isso nos permite identificar melhor os padrões de demanda (principalmente tendência e sazonalidade) e os níveis de demanda que podem ser usados para estimar a demanda futura. O ruído na demanda é o mesmo conceito que o saltar diário dos dados da temperatura. Não é de surpreender que a forma mais comum de as pessoas removerem o ruído da história de demanda seja usar uma média simples ou mais especificamente uma média móvel. Uma média móvel apenas usa um número predefinido de períodos para calcular a média, e esses períodos se movem com o passar do tempo. Por exemplo, se eu estou usando uma média móvel de 4 meses, e hoje é 01 de maio, estou usando uma média de demanda que ocorreu em janeiro, fevereiro, março e abril. No dia 1º de junho, estarei usando a demanda de fevereiro, março, abril e maio. Média móvel ponderada. Ao usar uma média, estamos aplicando a mesma importância (peso) a cada valor no conjunto de dados. Na média móvel de 4 meses, cada mês representava 25 da média móvel. Ao usar o histórico de demanda para projetar a demanda futura (e especialmente a tendência futura), é lógico chegar à conclusão de que você gostaria que a história mais recente tivesse um impacto maior em sua previsão. Podemos adaptar nosso cálculo de média móvel para aplicar vários pesos a cada período para obter os resultados desejados. Nós expressamos esses pesos como porcentagens eo total de todos os pesos para todos os períodos deve somar 100. Portanto, se decidimos que queremos aplicar 35 como o peso para o período mais próximo em nossa média móvel ponderada de 4 meses, podemos Subtrair 35 de 100 para encontrar temos 65 restantes para dividir sobre os outros 3 períodos. Por exemplo, podemos terminar com uma ponderação de 15, 20, 30 e 35, respectivamente, para os 4 meses (15 20 30 35 100). Suavização exponencial. Se voltarmos ao conceito de aplicar um peso ao período mais recente (como 35 no exemplo anterior) e espalhar o peso restante (calculado subtraindo o peso do período mais recente de 35 de 100 para obter 65), temos Os blocos de construção básicos para o nosso cálculo de suavização exponencial. A entrada de controle do cálculo de suavização exponencial é conhecida como o fator de suavização (também chamado de constante de suavização). Representa essencialmente a ponderação aplicada aos períodos mais recentes de procura. Então, onde usamos 35 como ponderação para o período mais recente no cálculo da média móvel ponderada, também poderíamos escolher usar 35 como o fator de suavização em nosso cálculo de suavização exponencial para obter um efeito semelhante. A diferença com o cálculo de suavização exponencial é que, em vez de termos que calcular também quanto peso aplicar a cada período anterior, o fator de suavização é usado para fazer isso automaticamente. Então aqui vem a parte exponencial. Se usarmos 35 como o fator de alisamento, a ponderação dos períodos mais recentes exigirá 35. A ponderação dos próximos períodos mais recentes demanda (o período antes do mais recente) será 65 de 35 (65 vem de subtrair 35 de 100). Isso equivale a 22,75 ponderação para esse período, se você fizer a matemática. Os próximos períodos mais recentes demanda será de 65 de 65 de 35, o que equivale a 14,79. O período antes disso será ponderado como 65 de 65 de 65 de 35, o que equivale a 9,61, e assim por diante. E isso vai de volta através de todos os seus períodos anteriores todo o caminho de volta para o início do tempo (ou o ponto em que você começou a usar suavização exponencial para esse item específico). Você provavelmente está pensando que está olhando como um monte de matemática. Mas a beleza do cálculo de suavização exponencial é que, ao invés de ter que recalcular cada período anterior cada vez que você recebe uma nova demanda de períodos, basta usar a saída do cálculo de suavização exponencial do período anterior para representar todos os períodos anteriores. Você está confuso ainda Isso fará mais sentido quando olharmos para o cálculo real Normalmente nos referimos à saída do cálculo de suavização exponencial como a próxima previsão de período. Na realidade, a previsão final precisa de um pouco mais de trabalho, mas para os propósitos deste cálculo específico, nós nos referiremos a ele como a previsão. O cálculo de suavização exponencial é o seguinte: Os períodos mais recentes demandam multiplicado pelo fator de suavização. PLUS Previsão dos períodos mais recentes multiplicada por (um menos o factor de suavização). D os períodos mais recentes exigem S o fator de suavização representado em forma decimal (então 35 seria representado como 0,35). F os períodos mais recentes previstos (a saída do cálculo de suavização do período anterior). OR (assumindo um fator de suavização de 0,35) (D 0,35) (F 0,65) Não é muito mais simples do que isso. Como você pode ver, tudo o que precisamos para entradas de dados aqui são os períodos mais recentes de demanda e os períodos mais recentes previstos. Aplicamos o fator de suavização (ponderação) aos períodos mais recentes exigir da mesma forma que faria no cálculo da média móvel ponderada. Aplicamos então a ponderação restante (1 menos o factor de alisamento) aos períodos mais recentes previstos. Uma vez que a previsão de períodos mais recente foi criada com base na demanda de períodos anteriores e nos períodos anteriores, que se baseou na demanda do período anterior e na previsão para o período anterior, baseada na demanda do período anterior E a previsão para o período anterior, que se baseou no período anterior. Bem, você pode ver como todos os períodos anteriores demanda são representados no cálculo sem realmente voltar e recalcular qualquer coisa. E isso é o que levou a popularidade inicial de suavização exponencial. Não era porque fêz um trabalho melhor de suavização do que a média móvel ponderada, era porque era mais fácil de calcular em um programa de computador. E, porque você não precisa pensar sobre o que ponderar para dar períodos anteriores ou quantos períodos anteriores para usar, como você faria na média móvel ponderada. E, porque soava mais frio do que a média móvel ponderada. Na verdade, pode-se argumentar que a média móvel ponderada proporciona maior flexibilidade, uma vez que você tem mais controle sobre a ponderação dos períodos anteriores. A realidade é que qualquer um destes pode fornecer resultados respeitáveis, então por que não ir com soar mais fácil e mais fresco. Suavização exponencial no Excel Permite ver como isso seria realmente olhar em uma planilha com dados reais. Cópia Copyright. O conteúdo do InventoryOps é protegido por direitos de autor e não está disponível para republicação. Na Figura 1A, temos uma planilha Excel com 11 semanas de demanda, e uma previsão exponencial suavizada calculada a partir dessa demanda. Eu usei um fator de suavização de 25 (0,25 na célula C1). A célula ativa atual é Cell M4 que contém a previsão para semana 12. Você pode ver na barra de fórmula, a fórmula é (L3C1) (L4 (1-C1)). Portanto, as únicas entradas diretas a esse cálculo são a demanda de períodos anteriores (célula L3), os períodos prévios previstos (célula L4) e o fator de suavização (célula C1, mostrada como referência de célula absoluta C1). Quando começamos um cálculo de suavização exponencial, precisamos conectar manualmente o valor da 1ª previsão. Assim, na célula B4, em vez de uma fórmula, acabamos de digitar a demanda a partir do mesmo período que a previsão. Na Célula C4 temos o nosso primeiro cálculo exponencial de suavização (B3C1) (B4 (1-C1)). Podemos então copiar Célula C4 e colá-lo em Células D4 através de M4 para preencher o resto de nossas células de previsão. Agora você pode clicar duas vezes em qualquer célula de previsão para ver se é baseado na célula de previsão de períodos anteriores e na célula de demanda de períodos anteriores. Assim, cada subsequente cálculo de suavização exponencial herda a saída do cálculo de suavização exponencial anterior. É assim que cada demanda de períodos anteriores é representada no cálculo dos períodos mais recentes, mesmo que esse cálculo não faça referência direta a esses períodos anteriores. Se você quiser obter fantasia, você pode usar Excels trace antecedentes função. Para fazer isso, clique em Célula M4 e, em seguida, na barra de ferramentas da faixa de opções (Excel 2007 ou 2010), clique na guia Fórmulas e, em seguida, clique em Rastrear precedentes. Ele irá desenhar linhas de conector para o primeiro nível de precedentes, mas se você continuar clicando em Trace Precedents, desenhará linhas de conector para todos os períodos anteriores para mostrar os relacionamentos herdados. Agora vamos ver o que suavização exponencial fez por nós. A Figura 1B mostra um gráfico linear de nossa demanda e previsão. Você pode ver como a previsão exageradamente suavizada remove a maior parte do jaggedness (saltando ao redor) da demanda semanal, mas ainda consegue seguir o que parece ser uma tendência ascendente na demanda. Você também notará que a linha de previsão suavizada tende a ser menor do que a linha de demanda. Isso é conhecido como atraso de tendência e é um efeito colateral do processo de alisamento. Toda vez que você usar suavização quando uma tendência está presente sua previsão ficará atrás da tendência. Isto é verdade para qualquer técnica de suavização. De fato, se continuássemos esta planilha e começássemos a inserir números de demanda mais baixos (fazendo uma tendência descendente), veríamos a queda da linha de demanda ea linha de tendência se mover acima dela antes de começar a seguir a tendência descendente. É por isso que eu mencionei anteriormente a saída do cálculo exponencial suavização que chamamos de uma previsão, ainda precisa de algum trabalho mais. Há muito mais a previsão do que apenas alisar as colisões na demanda. Precisamos fazer ajustes adicionais para coisas como defasagem de tendência, sazonalidade, eventos conhecidos que podem afetar a demanda, etc. Mas tudo isso está além do escopo deste artigo. Provavelmente, você também corre em termos como suavização exponencial dupla e suavização tripla exponencial. Esses termos são um pouco enganador, uma vez que você não está re-suavização da demanda várias vezes (você poderia se você quiser, mas isso não é o ponto aqui). Estes termos representam o uso de suavização exponencial em elementos adicionais da previsão. Assim, com a suavização exponencial simples, você está suavizando a demanda básica, mas com a suavização exponencial dupla você está suavizando a demanda base mais a tendência e com a suavização exponencial tripla você está suavizando a demanda base mais a tendência mais a sazonalidade. A outra pergunta mais comumente questionada sobre a suavização exponencial é onde faço para obter o meu fator de suavização Não há nenhuma resposta mágica aqui, você precisa testar vários fatores de suavização com seus dados de demanda para ver o que você recebe os melhores resultados. Existem cálculos que podem definir automaticamente (e alterar) o fator de suavização. Estes se enquadram no termo alisamento adaptativo, mas você precisa ter cuidado com eles. Simplesmente não há uma resposta perfeita e você não deve aplicar cegamente qualquer cálculo sem testes minuciosos e desenvolver uma compreensão completa do que esse cálculo faz. Você também deve executar cenários de ocorrência para ver como esses cálculos reagem às mudanças de demanda que talvez não existam atualmente nos dados de demanda que você está usando para testes. O exemplo de dados que eu usei anteriormente é um bom exemplo de uma situação em que você realmente precisa testar alguns outros cenários. Esse exemplo de dados particulares mostra uma tendência ascendente um tanto consistente. Muitas grandes empresas com software de previsão muito caro entrou em grande problema no passado não tão distante quando suas configurações de software que foram ajustadas para uma economia em crescimento não reagiram bem quando a economia começou a estagnar ou encolher. Coisas como esta acontecem quando você não entende o que seus cálculos (software) está realmente fazendo. Se eles entendessem seu sistema de previsão, eles teriam sabido que precisavam pular e mudar algo quando havia mudanças súbitas e dramáticas em seus negócios. Então, você tem o básico de suavização exponencial explicado. Quer saber mais sobre o uso de suavização exponencial em uma previsão real, confira o meu livro Inventory Management Explained. Cópia Copyright. O conteúdo do InventoryOps é protegido por direitos de autor e não está disponível para republicação. Dave Piasecki. É owneroperator de Inventário Operations Consulting LLC. Uma empresa de consultoria que presta serviços relacionados à gestão de inventário, manuseio de materiais e operações de armazém. Possui mais de 25 anos de experiência em gestão de operações e pode ser alcançado através de seu website (inventoryops), onde mantém informações adicionais relevantes. My BusinessDEMA. mq4 DEMARLH. mq4 DEMA - resumo rápido O Double Exponential Moving Average (DEMA) é uma média móvel mais suave e rápida desenvolvida com o objetivo de reduzir o tempo de latência encontrado nas médias móveis tradicionais. DEMA foi introduzido pela primeira vez em 1994, no artigo Alisando dados com médias móveis mais rápidas por Patrick G. Mulloy em Análise Técnica da revista Stocks amp Commodities. Neste artigo Mulloy diz: médias móveis têm um tempo de atraso prejudicial que aumenta à medida que o comprimento médio móvel aumenta. A solução é uma versão modificada de suavização exponencial com menos tempo de latência. DEMA fórmula de indicador DEMA padrão período (t) 21. DEMA não é apenas um duplo EMA. DEMA também não é uma média móvel de uma média móvel. É uma combinação de um único EMA duplo para um menor atraso do que qualquer um dos dois originais. Como negociar com DEMA DEMA pode ser usado em vez de médias móveis tradicionais ou a fórmula pode ser aplicada para suavizar os dados de preços para outros indicadores, que são baseados em médias móveis. DEMA pode ajudar a detectar reversões de preços mais rápido, em comparação com a EMA regular. Tal método de negociação popular como passagem média móvel, ganhará um novo significado com DEMA. Vamos comparar 2 crossover EMA vs 2 sinais de crossover DEMA. DEMA MACD para MT4 Alguns dos Mulloys testes originais do indicador DEMA foram feitos no MACD, onde ele descobriu que o DEMA suavizado MACD foi mais rápido para responder, e apesar de produzir menos sinais, deu resultados mais elevados do que o MACD regular. DEMAMACD. mq4 MACD3DEMA. mq4 MACD3DEMAv101.mq4 Além do MACD, o método de suavização DEMA pode ser aplicado a vários indicadores. Patrick G. Mulloy diz: .. Implementando esta versão mais rápida do EMA em indicadores como a média móvel convergencedivergência (MACD), Bollinger bandas ou TRIX pode fornecer diferentes buysell sinais que estão à frente (ou seja, chumbo) e responder mais rápido do que aqueles Fornecido pelo único EMA .. Outro método de alisamento desenvolvido por Mulloy é conhecido como TEMA. Que é um Triple Exponential Moving Average ou, ainda outra versão Triple EMA, desenvolvido por Jack Hutson - indicador TRIX. Copyright copy Forex-indicators Oi, eu gosto de fazer EA (Expert Advisor) usando DEMA. A fórmula DEMA que fiz abaixo parece incorreta, porque eu testa-lo e ele perder dinheiro. Você poderia me dizer o correto. Meu nome é Jeffrey e meu e-mail é jyoungaus (at) yahoo. au. Obrigado. Double ema1 iMA (NULL, PERIODH1,14,0, MODEEMA, PRICECLOSE, 0) double ema1a iMA (NULL, PERIODH1,14,0, MODEEMA, ema1,0) double ema2 iMA (NULL, PERIODH1,28,0, MODEEMA, (Ema2 2) - ema2a se (dema1 dema2) if (análise dema1Technical: Médias Móveis A maioria dos padrões gráficos mostram uma grande variação no movimento dos preços. Isso pode tornar difícil para os comerciantes para ter uma idéia de uma tendência global de segurança. Um método simples comerciantes usar para combater isso é aplicar médias móveis. Uma média móvel é o preço médio De uma garantia ao longo de um determinado período de tempo. Para traçar um preço médio dos títulos, o movimento do preço é suavizada. Uma vez que as flutuações do dia-a-dia são removidas, os comerciantes são mais capazes de identificar a verdadeira tendência e aumentar a probabilidade de que Irá trabalhar em seu favor. (Para saber mais, leia o tutorial Médias Móveis.) Tipos de médias móveis Há uma série de diferentes tipos de As médias móveis que variam no modo como são calculadas, mas como cada média é interpretada permanece a mesma. Os cálculos diferem apenas em relação à ponderação que eles colocam nos dados de preços, passando de uma ponderação igual de cada ponto de preço para mais peso sendo colocado em dados recentes. Os três tipos mais comuns de médias móveis são simples. Linear e exponencial. Média Móvel Simples (SMA) Este é o método mais comum usado para calcular a média móvel dos preços. Ele simplesmente leva a soma de todos os últimos preços de fechamento durante o período de tempo e divide o resultado pelo número de preços utilizados no cálculo. Por exemplo, em uma média móvel de 10 dias, os últimos 10 preços de fechamento são somados e depois divididos por 10. Como você pode ver na Figura 1, um comerciante é capaz de tornar a média menos responsiva à mudança de preços, aumentando o número Dos períodos utilizados no cálculo. Aumentar o número de períodos de tempo no cálculo é uma das melhores maneiras de medir a força da tendência de longo prazo e a probabilidade de que ele vai reverter. Muitos indivíduos argumentam que a utilidade deste tipo de média é limitada porque cada ponto da série de dados tem o mesmo impacto no resultado independentemente de onde ele ocorre na seqüência. Os críticos argumentam que os dados mais recentes são mais importantes e, portanto, ele também deve ter uma maior ponderação. Este tipo de crítica tem sido um dos principais fatores que levaram à invenção de outras formas de médias móveis. Média Ponderada Linear Este indicador de média móvel é o menos comum entre os três e é usado para resolver o problema da ponderação igual. A média móvel ponderada linear é calculada tomando a soma de todos os preços de fechamento durante um determinado período de tempo e multiplicando-os pela posição do ponto de dados e dividindo então pela soma do número dos períodos. Por exemplo, em uma média linear ponderada de cinco dias, o preço de fechamento de hoje é multiplicado por cinco, ontem por quatro e assim por diante até que o primeiro dia na faixa do período seja atingido. Estes números são então somados e divididos pela soma dos multiplicadores. Média Móvel Exponencial (EMA) Este cálculo de média móvel utiliza um factor de suavização para colocar um peso mais elevado em pontos de dados recentes e é considerado muito mais eficiente do que a média linear ponderada. Ter uma compreensão do cálculo não é geralmente exigido para a maioria dos comerciantes porque a maioria dos pacotes gráficos fazer o cálculo para você. A coisa mais importante a lembrar sobre a média móvel exponencial é que ele é mais responsivo a novas informações relativas à média móvel simples. Esta responsividade é um dos principais fatores de por que esta é a média móvel de escolha entre muitos comerciantes técnicos. Como você pode ver na Figura 2, um EMA de 15 períodos aumenta e cai mais rapidamente do que um SMA de 15 períodos. Esta pequena diferença não parece muito, mas é um fator importante para estar ciente, pois pode afetar retornos. Principais usos das médias móveis As médias móveis são usadas para identificar tendências atuais e reversões de tendências, bem como para estabelecer níveis de suporte e resistência. As médias móveis podem ser usadas para identificar rapidamente se uma segurança está se movimentando em uma tendência de alta ou em uma tendência de baixa, dependendo da direção da média móvel. Como você pode ver na Figura 3, quando uma média móvel está indo para cima eo preço está acima dela, a segurança está em uma tendência de alta. Por outro lado, uma média móvel em declive com o preço abaixo pode ser usada para sinalizar uma tendência de baixa. Outro método para determinar o momento é olhar para a ordem de um par de médias móveis. Quando uma média de curto prazo está acima de uma média de longo prazo, a tendência é para cima. Por outro lado, uma média de longo prazo acima de uma média de curto prazo sinaliza um movimento descendente na tendência. Movendo inversões de tendência média são formados de duas maneiras principais: quando o preço se move através de uma média móvel e quando se move através de cruzamentos de média móvel. O primeiro sinal comum é quando o preço se move através de uma média móvel importante. Por exemplo, quando o preço de um título que estava em uma tendência de alta cai abaixo de uma média móvel de 50 períodos, como na Figura 4, é um sinal de que a tendência de alta pode estar se reverter. O outro sinal de uma inversão de tendência é quando uma média móvel atravessa outra. Por exemplo, como você pode ver na Figura 5, se a média móvel de 15 dias cruza acima da média móvel de 50 dias, é um sinal positivo de que o preço começará a aumentar. Se os períodos usados no cálculo forem relativamente curtos, por exemplo, 15 e 35, isso poderia indicar uma reversão da tendência de curto prazo. Por outro lado, quando duas médias com intervalos de tempo relativamente longos se cruzam (50 e 200, por exemplo), isso é usado para sugerir uma mudança de tendência em longo prazo. Outra maneira principal de se usar médias móveis é identificar níveis de suporte e resistência. Não é raro ver um estoque que tem sido queda parar o seu declínio e sentido inverso, uma vez que atinge o apoio de uma grande média móvel. Um movimento através de uma grande média móvel é muitas vezes usado como um sinal por comerciantes técnicos que a tendência é inverter. Por exemplo, se o preço rompe a média móvel de 200 dias em uma direção descendente, é um sinal de que a tendência de alta está se revertindo. As médias móveis são uma ferramenta poderosa para analisar a tendência em uma segurança. Eles fornecem suporte útil e pontos de resistência e são muito fáceis de usar. Os intervalos de tempo mais comuns que são usados ao criar médias móveis são 200 dias, 100 dias, 50 dias, 20 dias e 10 dias. Calcula-se que a média de 200 dias seja uma boa medida de um ano comercial, uma média de 100 dias de meio ano, uma média de 50 dias de um quarto de ano, uma média de 20 dias de um mês e 10 Média diária de duas semanas. As médias móveis ajudam os comerciantes técnicos a suavizar um pouco do ruído que é encontrado nos movimentos de preços do dia-a-dia, dando aos comerciantes uma visão mais clara da tendência de preços. Até agora temos focado no movimento de preços, através de gráficos e médias. Na próxima seção, olhe bem algumas outras técnicas usadas para confirmar movimento de preços e padrões. Análise Técnica: Indicadores E Osciladores
No comments:
Post a Comment