Definicao De Media Movel De Minimos Quadrados




Definição De Média Móvel De Mínimos QuadradosMotivando as Medias Coisas Motivado por e-mail de Robert B. Recebo este e-mail perguntando sobre o Hull Moving Average (HMA) e. E voce nunca ouviu falar dele antes. Uh. esta certo. Na verdade, quando eu googled eu descobri muitas medias moveis que eu nunca ouvi falar, tais como: Zero Lag Exponencial Media Movel Wilder Media Movel Minimo Praca Media Movel Triangular Media Movel Media Movel Adaptativa Media Movel Jurik. Entao, eu pensei em conversar sobre as medias moveis e. Voce fez isso antes, como aqui e aqui e aqui e aqui e. Sim, sim, mas isso foi antes de eu saber de todas essas outras medias moveis. Na verdade, os unicos com quem eu joguei foram estes, onde P 1. P 2. P n sao os ultimos n precos das acoes (sendo P n o mais recente). Media Movel Simples (SMA) (P 1 P 2. P n) / K onde K n. Media Movel Ponderada (WMA) (P 1 2 P 2 3 P 3. N P n) / K onde K (12.n) n (n1) / 2. Media Movel Exponencial (EMA) (P n 945 P n-1 945 2 P n-2 945 3 P n-3) / K onde K 1 945945 2. 1 / (1-945). Whoa Ive nunca visto que EMA formula antes. Eu sempre thoguht foi. Sim, normalmente e escrito de forma diferente, mas eu queria mostrar que esses tres tem prescricoes semelhantes. (Veja as coisas EMA aqui e aqui.) Na verdade, todos eles parecem: Note que, se todos os Ps sao iguais, digamos, Po, entao a media movel e igual a Po tambem. E essa e a maneira que qualquer media que se preze deve se comportar. Entao, qual e o melhor Definir melhor. Aqui estao algumas medias moveis, tentando acompanhar uma serie de precos de acoes que variam de uma forma sinusoidal: Precos de acoes que seguem uma curva senoidal Onde voce encontrou um estoque como aquele Preste atencao Observe que as medias moveis comumente usadas (SMA, WMA E EMA) atingem seu maximo mais tarde do que a curva sinusoidal. Isso e atraso e. Mas e esse cara da HMA? Ele parece muito bem Sim, e e disso que queremos falar. De fato. E o que e que 6 em HMA (6) e eu vejo algo chamado MMA (36) e. Paciencia. Hull Moving Average Comecamos calculando a Media Movel Ponderada (WMA) de 16 dias assim: 1 WMA (16) (P 1 2 P 2 3 P 3. 16 P n) / K com K 12 16 136. Embora o seu Agradavel e smoooth, itll tem um lag maior do que wed como: Entao, olhe para o 8-dia WMA: Eu gosto Sim, segue as variacoes de precos bastante bem. Mas ha mais. Enquanto WMA (8) olha para precos mais recentes, ainda tem um atraso, por isso vemos o quanto a WMA mudou quando vai de 8 dias para 16 dias. Essa diferenca seria assim: Em certo sentido, essa diferenca da alguma indicacao de como a WMA esta mudando. Por isso, adicionamos esta alteracao ao nosso WMA anterior (8) para dar: 2 WMA (16) WMA (16) WMA (8) WMA (8) - WMA (16) 2 WMA (8) - WMA (16). MMA Por que chama-lo de MMA Eu gaguejo. De qualquer forma, o MMA (16) seria assim: eu vou leva-lo Paciencia. tem mais. Agora vamos introduzir a transformacao magica e obter. Ta-DUM Isso e casco Sim. Como eu o entendo Mas o que e o ritual magico Tendo gerado uma serie de MMAs envolvendo as medias moveis ponderadas de 8 dias e 16 dias, nos olhamos atentamente para essa sequencia de numeros. Entao nos calculamos o WMA nos ultimos 4 dias. Isso da a Hull Moving Average que weve chamado HMA (4). Huh 16 dias, em seguida, 8 dias, em seguida, 4 dias. Voce joga uma moeda para ver quantos. Voce escolhe um numero de dias, como n 16. Entao voce olha para WMA (n) e WMA (n / 2) e calcula MMA 2 WMA (n / 2) - WMA (n). (No nosso exemplo, thatd ser 2 WMA (8) - WMA (16).Em seguida, voce calcular WMA (sqrt (n)) usando apenas o ultimo sqrt (n) numeros da serie MMA. (No nosso exemplo, thatd ser calculadora Um WMA (4), usando a serie de MMA.) E para esse grafico engracado de SINE Howd ele faz Assim wheres a planilha Im que trabalha ainda nele: MA-stuff. xls E interessante ver como as varias medias moveis reagem aos picos: E HMA realmente uma media movel ponderada Bem, vamos ver: Temos: MMA 2 WMA (8) - WMA (16) 2 (P 1 2 P 2 3 P 3. 8 P n) / 36 - (P 1 2 P 2 3 (1/136) P 1 2 P 2 8 P 8 - (1/136) 9 P 9 10 P 10 16 P 16 Para medidas sanitarias Razoes, escreva isto bem: MMA w 1 P 1 w 2 P 2 w 16 P 16. Note que todos os pesos adicionam a 1. Alem disso, wk 2 (1/36) - (1/136) K para K 1, 2. 8 e wk - (1/136) K para K 9, 10. 16. Entao, fazendo o ritual magico de raiz quadrada (onde sqrt (16) 4) temos (lembrando que P 16 e o mais Valor recente) HMA a WMA de 4 dias dos MMAs acima (w 1 P 1 w 2 P 2. W 16 P 16) 2 (w 1 P 0 w 2 P 1 w 16 P 15) 3 (w 1 P -1 w 2 P 0. W 16 P 14) 4 (w 1 P -2 w 2 P -1 W 16 P 13) / 10 (observando que 1234 10). Huh P 0. P -1. O que. O MMA (16) usa os ultimos 16 dias, de volta ao preco foram callling P 1. Se calcularmos a media ponderada de 4 dias dos MMAs, bem estaremos usando o MMA de ontem (e isso vai um dia antes de P 1) eo dia antes disso, o MMA volta a 2 dias antes de P 1 eo dia Antes disso. Ok, entao voce esta chamando-lhes precos P 0. P -1 etc. etc. Voce entendeu. Assim, um HMA de 16 dias realmente usa informacoes que remontam mais de 16 dias, certo. Voce entendeu. Mas ha pesos negativos para eles precos antigos E que legal A prova esta no. Sim sim. A prova esta no pudim. Entao, o que faz a planilha fazer Ate agora parece que isto: (Clique na imagem para fazer o download.) Voce pode escolher uma serie SINE ou uma serie RANDOM de precos das acoes. Para o ultimo, cada vez que voce clica em um botao voce recebe outro conjunto de precos. Entao voce pode escolher o numero de dias: thats nosso n. (Por exemplo, usamos n 16 para o nosso exemplo, acima.) Alem disso, se voce escolher a serie SINE, voce pode introduzir picos e move-los ao longo do grafico. como isso . Note que usamos n 16 e n 36 (na imagem da planilha) porque n / 2 e sqrt (n) sao ambos inteiros. Se voce usa algo como n 15, entao a planilha usa a parte INT eger de n / 2 e sqrt (n), ou seja, 7 e 3. Entao, e o Hull Moving Average o melhor Definir melhor. Eu nao sei nada sobre isso. E proprietario e voce tem que pagar para usa-lo. No entanto, permite jogar com medias moveis. Outra Media Movel Suponha que, em vez da Media Movel Ponderada (onde os pesos sao proporcionais a 1, 2, 3). Nos usamos o ritual magico do casco com a media movente exponencial. Ou seja, consideramos: MAg 2 EMA (n / 2) - EMA (n) MAg Sim, isso e M oving A verage g imnick ou M oving A verage g ererial ou M oving A verage g rand ou. Atencao Atencao Nos escolhemos nosso numero favorito de dias, como n 16, e calculamos MAg (n, 945, k) 945 EMA (n / k) - (1-945) EMA (n). Podemos jogar com 945 e k e ver o que temos: Por exemplo, aqui estao algumas MAgs (onde estavam aderindo a 16 dias, mas mudando os valores de 945 e k): MAg (16) 2 EMA (4) - EMA 16) Nota: quando escolhemos k 3 obtemos n / k 16/3 5.333 que mudamos para simples e simples 5.0. Por que voce nao fica com as escolhas de Hulls: 945 2 e k 2 Boa ideia. Veja isto: MAg (16) 2 EMA (8) - EMA (16) Parece que o grafico com 945 1,5 e k 3. Ele faz, nao faz Voce goof. Novamente Possivelmente. Entao, o que sobre esse ritual de raiz quadrada eu deixo isso como um exercicio. Para voce Ok, enquanto joga com essa coisa MAg eu acho que Hulls k 2 funciona muito bem. Tao bem aderir a isso. No entanto, muitas vezes temos uma media bastante agradavel quando adicionamos apenas um pequeno pedaco da mudanca: EMA (n / 2) - EMA (n). Na verdade, bem, adicione apenas uma fracao 946 dessa mudanca. Obteve-se MAg (n, 946) EMA (n / 2) 946 EMA (n / 2) - EMA (n). Ou seja, nos escolhemos 946 0,5 ou talvez apenas 946 0,25 ou qualquer coisa e use: Por exemplo, se compararmos o nosso bando de medias moveis como eles rastreiam uma funcao STEP, obtemos isto, onde somamos (para MAg) apenas 946 1 / 2 da alteracao. Sim, mas qual e o melhor valor do beta. Definir melhor: Note que beta 1 e a escolha Hull. Exceto que estavam usando EMAs em vez de WMAs. E voce deixa de fora aquela coisa de raiz quadrada. Uh, sim. Eu esqueci disso. Nota . A planilha muda de hora para hora. Ele atualmente se parece com isso Algo para brincar Comigo tenho uma planilha que se parece com isso. Clique na imagem para fazer o download. Voce escolhe um estoque e clica em um botao e recebe um ano de precos diarios. O que voce escolher ou HMA ou MAg, alterando o numero de dias e, para MAg, o parametro, e ver quando voce deve comprar RO VENDA. Quando Com base em quais criterios Se a media movel e DOWN x de seu maximo nos ultimos 2 dias, voce COMPRA. (No exemplo, x 1.0) Se sua UP y de seu minimo nos ultimos 2 dias, VENDER. (No exemplo, y 1.5) Voce pode alterar os valores de xey. E bom. Esses criterios eu disse que era algo para brincar. Theres esta outra tecnica de suavizacao chamada o Filtro de Hodrick-Prescott. Com a ajuda de Ron McEwan, agora esta incluido nesta planilha: E bom jogar com ele. Youll aviso que theres um parametro que voce pode alterar na celula M3. E COMPRAR e VENDER sinais. Ajuste de quadrados inferiores Um procedimento matematico para encontrar a curva que melhor se ajusta a um dado conjunto de pontos, minimizando a soma dos quadrados dos deslocamentos (quothe residualsquot) dos pontos da curva. A soma dos quadrados dos deslocamentos e usada em vez dos valores absolutos de offset porque isto permite que os residuos sejam tratados como uma quantidade diferenciavel continua. No entanto, como os quadrados dos deslocamentos sao utilizados, os pontos perifericos podem ter um efeito desproporcionado no ajuste, uma propriedade que pode ou nao ser desejavel dependendo do problema em questao. Na pratica, os deslocamentos verticais de uma linha (polinomial, superficie, hiperplano, etc.) sao quase sempre minimizados em vez dos deslocamentos perpendiculares. Isto fornece uma funcao apropriada para a variavel independente que estima para um dado (o mais frequentemente o que um experimentador quer), permite que as incertezas dos pontos de dados ao longo dos eixos sejam incorporadas simplesmente e tambem fornece uma forma analitica muito mais simples para o Ajustando parametros que seriam obtidos usando um ajuste baseado em deslocamentos perpendiculares. Alem disso, a tecnica de encaixe pode ser facilmente generalizada a partir de uma linha de melhor ajuste para um polinomio de melhor ajuste quando as somas de distancias verticais sao usadas. Em qualquer caso, para um numero razoavel de pontos de dados ruidosos, a diferenca entre os ajustes vertical e perpendicular e bastante pequena. A tecnica de encaixe linear dos minimos quadrados e a forma mais simples e mais comumente aplicada de regressao linear e fornece uma solucao para o problema de encontrar a melhor linha reta de montagem atraves de um conjunto de pontos. De facto, se a relacao funcional entre as duas quantidades que estao a ser representadas graficamente e conhecida por dentro de constantes aditivas ou multiplicativas, e pratica comum transformar os dados de tal forma que a linha resultante seja uma linha recta, por exemplo plotando vs. em vez de Vs no caso de analisar o periodo de um pendulo em funcao do seu comprimento. Por esta razao, os formularios padrao para exponencial. Logaritmica. E as leis de potencia sao frequentemente explicitamente computadas. As formulas para o encaixe linear dos minimos quadrados foram derivadas independentemente por Gauss e Legendre. Para o ajuste de minimos quadrados nao lineares a um numero de parametros desconhecidos, o encaixe linear de minimos quadrados pode ser aplicado iterativamente a uma forma linearizada da funcao ate que a convergencia seja alcancada. No entanto, muitas vezes tambem e possivel linearizar uma funcao nao-linear no inicio e ainda usar metodos lineares para determinar parametros de ajuste sem recorrer a procedimentos iterativos. Esta abordagem costuma violar a suposicao implicita de que a distribuicao de erros e normal. Mas muitas vezes ainda da resultados aceitaveis ??usando equacoes normais, um pseudoinverse. Etc. Dependendo do tipo de ajuste e dos parametros iniciais escolhidos, o ajuste nao linear pode ter boas ou mas propriedades de convergencia. Se forem dadas incertezas (no caso mais geral, elipses de erro) para os pontos, os pontos podem ser ponderados de forma diferente para dar maior peso aos pontos de alta qualidade. O ajustamento dos minimos quadrados verticais prossegue encontrando a soma dos quadrados dos desvios verticais de um conjunto de pontos de dados de uma funcao. Note que este procedimento nao minimiza os desvios reais da linha (que seriam medidos perpendicularmente a funcao dada). Alem disso, embora a soma de distancias nao quadradas possa parecer uma quantidade mais adequada para minimizar, a utilizacao do valor absoluto resulta em derivadas descontinuas que nao podem ser tratadas analiticamente. Os desvios quadrados de cada ponto sao, portanto, somados, eo residual resultante e entao minimizado para encontrar a melhor linha de ajuste. Este procedimento resulta em pontos externos recebendo peso desproporcionalmente grande. A condicao para ser um minimo e que Chatterjee, S. Hadi, A. e Price, B. quotSimple Linear Regression. quot Ch. 2 em Analise de Regressao por Exemplo, 3a ed. New York: Wiley, pp. 21-50, 2000. Edwards, A. L. quot A Linha de Regressao em. quot Ch. 3 em Uma Introducao a Regressao Linear e Correlacao. San Francisco, CA: W. H. Freeman, pp. 20-32, 1976. Gauss, C. F., Theory combinationis obsevationum erroribus minimis obnoxiae. quot Werke, Vol. 4. Goumlttingen, Alemanha: p. 1, 1823. Kenney, J. F. e Keeping, E. S. Regressao Linear Linear, Correlacao Simples e Contingencia. 8 em Matematica da Estatistica, Pt. 2, 2a ed. Princeton, NJ: Van Nostrand, pp. 199-237, 1951. Kenney, J. F. e Keeping, E. S. quotLinear Regression and Correlation. quot Ch. 15 em Matematica de Estatistica, Pt. 1, 3a ed. Princeton, NJ: Van Nostrand, pp. 252-285, 1962. Laplace, P. S. quotDes meacutethodes analytiques du Calcul des Probabiliteacutes. quot Ch. 4 em Theacuteorie analytique des probabiliteacutes, Livre 2, 3a ed. Paris: Courcier, 1820. Lawson, C. e Hanson, R. Resolvendo problemas dos minimos quadrados. Englewood Cliffs, NJ: Prentice-Salao, 1974. Ledvij, M. quotCurve Fitting Made Easy. quot Fisico Industrial 9. 24-27, abril / maio de 2003. Press, WH Flannery, BP Teukolsky, SA e Vetterling, WT, Colocando Dados em uma Linha Direta, Dados de Linha Direta com Erros em Ambas as Coordenadas, quot e quot. , 15.3 e 15.4 em Recetas Numericas em FORTRAN: The Art of Scientific Computing, 2? ed. Cambridge, Inglaterra: Cambridge University Press, pags. 655-675, 1992. York, D. Colocacao de uma Linha Direta. J. Phys. 44. 1079-1086, 1966. Wolfram Web ResourcesLinear minimos quadrados regressao e de longe o metodo de modelagem mais amplamente utilizado. E o que a maioria das pessoas quer dizer quando diz que usou regressao, regressao linear ou minimos quadrados para encaixar um modelo em seus dados. Nao so a regressao linear por minimos quadrados e o metodo de modelagem mais utilizado, mas foi adaptada a um amplo leque de situacoes que estao fora de seu escopo direto. Ele desempenha um forte papel subjacente em muitos outros metodos de modelagem, incluindo os outros metodos discutidos nesta secao: regressao nao linear de minimos quadrados. Regressao dos minimos quadrados ponderados e LOESS. Definicao de um modelo de minimos quadrados linear Usado diretamente, com um conjunto de dados apropriado. A regressao linear de minimos quadrados pode ser usada para ajustar os dados com qualquer funcao da forma f (vec vec) beta0 beta1x1 beta2x2 ldots em que cada variavel explicativa na funcao e multiplicada por um parametro desconhecido, ha no maximo um parametro desconhecido sem Correspondente variavel explicativa, e todos os termos individuais sao somados para produzir o valor final da funcao. Em termos estatisticos, qualquer funcao que atenda a esses criterios seria chamada de funcao linear. O termo linear e usado, embora a funcao nao seja uma linha reta, porque se os parametros desconhecidos sao considerados variaveis ??e as variaveis ??explicativas sao consideradas coeficientes conhecidos correspondentes a essas variaveis, entao o problema se torna um sistema (geralmente Sobredeterminada) de equacoes lineares que podem ser resolvidas para os valores dos parametros desconhecidos. Para diferenciar os varios significados da palavra linear, os modelos lineares aqui discutidos sao frequentemente ditos lineares nos parametros ou estatisticamente lineares. Por que os minimos quadrados A regressao linear dos minimos quadrados tambem obtem seu nome pela forma como as estimativas dos parametros desconhecidos sao Computado. O metodo de minimos quadrados que e usado para obter estimativas de parametros foi desenvolvido independentemente no final do seculo XVIII e inicio do seculo XIX pelos matematicos Karl Friedrich Gauss, Adrien Marie Legendre e (possivelmente) Robert Adrain Stigler (1978) Harter ) Que trabalham na Alemanha, Franca e America, respectivamente. No metodo dos minimos quadrados, os parametros desconhecidos sao estimados minimizando a soma dos desvios quadrados entre os dados eo modelo. O processo de minimizacao reduz o sistema sobredeterminado de equacoes formado pelos dados a um sistema sensivel de (p), (onde (p) e o numero de parametros na parte funcional do modelo) equacoes em (p) incognitas. Este novo sistema de equacoes e entao resolvido para obter as estimativas dos parametros. Para saber mais sobre como o metodo de minimos quadrados e usado para estimar os parametros, consulte a Secao 4.4.3.1. Exemplos de funcoes lineares Como acabamos de mencionar acima, os modelos lineares nao se limitam a linhas retas ou planos, mas incluem uma ampla gama de formas. Por exemplo, uma curva quadratica simples, f (xvec) beta0 beta1x beta x2. E linear no sentido estatistico. Um modelo de linha reta em (log (x)), f (xvec) beta0 beta1ln (x). Ou um polinomio em (sin (x)), f (xvec) beta0 beta1sina (x) beta2sina (2x) beta3sina (3x). E tambem linear no sentido estatistico porque sao lineares nos parametros, embora nao com relacao a variavel explicativa observada, (x). Modelo Nao-Linear Exemplo Assim como os modelos que sao lineares no sentido estatistico nao precisam ser lineares em relacao as variaveis ??explicativas, os modelos nao lineares podem ser lineares em relacao as variaveis ??explicativas, mas nao com relacao aos parametros. Por exemplo, f (xvec) beta0 beta0beta1x e linear em (x), mas nao pode ser escrito na forma geral de um modelo linear apresentado acima. Isto e porque a inclinacao desta linha e expressa como o produto de dois parametros. Como resultado, regressao de minimos quadrados nao-lineares poderia ser usada para ajustar este modelo, mas os minimos quadrados lineares nao podem ser usados. Para exemplos adicionais e discussao de modelos nao-lineares veja a proxima secao, Secao 4.1.4.2. Vantagens dos minimos quadrados lineares A regressao linear dos minimos quadrados ganhou seu lugar como principal ferramenta para a modelagem de processos devido a sua efetividade e completude. Embora existam tipos de dados que sao melhor descritos por funcoes nao-lineares nos parametros, muitos processos em ciencia e engenharia sao bem descritos por modelos lineares. Isso ocorre porque os processos sao inerentemente lineares ou porque, em intervalos curtos, qualquer processo pode ser bem aproximado por um modelo linear. As estimativas dos parametros desconhecidos obtidos a partir da regressao linear de minimos quadrados sao as estimativas otimas de uma ampla classe de possiveis estimativas de parametros sob as suposicoes usuais utilizadas para a modelagem de processos. Praticamente falando, a regressao linear por minimos quadrados faz uso muito eficiente dos dados. Bons resultados podem ser obtidos com conjuntos de dados relativamente pequenos. Finalmente, a teoria associada a regressao linear e bem compreendida e permite a construcao de diferentes tipos de intervalos estatisticos facilmente interpretaveis ??para as previsoes, calibracoes e otimizacoes. Estes intervalos estatisticos podem entao ser usados ??para dar respostas claras a questoes cientificas e de engenharia. Desvantagens de minimos quadrados lineares As principais desvantagens de minimos quadrados lineares sao limitacoes nas formas que os modelos lineares podem assumir em longas escalas, possivelmente com poucas propriedades de extrapolacao e sensibilidade a valores atipicos. Modelos lineares com termos nao-lineares nas variaveis ??de preditores variam de forma relativamente lenta, portanto para processos inerentemente nao-lineares torna-se cada vez mais dificil encontrar um modelo linear que se ajuste bem aos dados a medida que o intervalo de dados aumenta. A medida que as variaveis ??explicativas se tornam extremas, a saida do modelo linear tambem sera sempre mais extrema. Isto significa que os modelos lineares podem nao ser eficazes para extrapolar os resultados de um processo para o qual os dados nao podem ser coletados na regiao de interesse. E claro que a extrapolacao e potencialmente perigosa, independentemente do tipo de modelo. Por fim, embora o metodo dos minimos quadrados, muitas vezes, forneca estimativas otimas dos parametros desconhecidos, e muito sensivel a presenca de pontos de dados incomuns nos dados usados ??para ajustar um modelo. Um ou dois outliers podem as vezes distorcer seriamente os resultados de uma analise dos minimos quadrados. Isso torna a validacao do modelo. Especialmente em relacao aos outliers. Critico para a obtencao de respostas solidas para as perguntas motivando a construcao do modelo. Meio de reversao: Modern Day Medias moveis Author: GunjanDuaa 04 de outubro de 2012 As medias moveis sao um dos indicadores mais utilizados em estudos de analise tecnica. O que comecou com a media movel simples e, em seguida, em direcao a media movel exponencial tem com a passagem do tempo e advento de softwares programados por computador fizeram tecnicos para experimentar e chegar a novos tipos de calculo de dados. DEFINICAO A reversao media sugere que os precos dos ativos acabarao por reverter para sua media ou media antes da retomada da tendencia ou da reversao da tendencia, pode ser que os precos retornem para a media ou consolidem por um tempo ate o momento em que se aproxima da media, Este e um processo em que muitos sistemas de negociacao sao baseados em onde a acao e tomada quando o desempenho recente foi diferente de suas medias historicas. MEDIA MOVEL MODERNA As medias moveis simples ainda sao usadas por muitos, mas com o tempo e uma exigencia para medir o preco diferentemente feito caminho para novos pensamentos e novas medias. Neste artigo vou explicar novas medias moveis que evoluiram com o tempo ea necessidade. Uma media movel e uma linha de curvatura suave que fornece a confirmacao visual da tendencia de longo prazo de uma media, sao indicadores de atraso em que as medias de movimentacao mais rapidas sao intermitentes e as medias de longo prazo sao mais suaves, para Diminuir o intervalo de tempo que estas medias exponenciais modificadas foram pensadas. Eles sao usados ??para fornecer sinais em crossover ou determinacao de tendencia mais cedo do que outras medias moveis. DOING THE MATH Formula Exponencial Duplo MA: DEMA 2EMA - EMA (EMA) Formula Exponencial Tripla de EM: TEMA (EMEA) EMA (EMA) EMA EMA (1). (Close - EMA (1)) N O periodo de suavizacao. O grafico 1 tem cruzamento medio movel, mostra claramente que TEMA da o sinal mais cedo seguido por DEMA e, em seguida, a media movel simples. Assim, o atraso e reduzido e podemos entrar na tendencia mais cedo. MEDIA MOVIDA DESLOCADA (DispMA) A DispMA e uma media movel que pode ser ajustada para frente ou para tras em um intervalo de tempo especifico. Mudando a media movel para tras para permanecer na tendencia a longo prazo, criara um efeito retardado que muda a media movente para fazer uma saida oportuna quando a tendencia contraria se torna, criara um efeito principal. O objetivo do DisMA e evitar sibilos repentinos que geralmente vem na tendencia amadurecida ou eventos relacionados com noticias, o deslocamento ira causar menos numero de sinais falsos. Os niveis de deslocamento habituais sao de 3 dias a 5 dias para a frente ou para tras. Ele pode ser usado para encontrar suporte e resistencias ou como um sinal de crossover e tambem bastante util em estudos ciclicos. O Grafico 2 mostra que a media movel mais longa colocada para a frente mantem-nos na tendencia enquanto a media movel mais curta que e colocada para tras nos ajuda a obter uma saida oportuna. MEDIA MOVIDA PONDERADA (WMA) Permite dar uma olhada em outro tipo de media movel. O objetivo da WMA e eliminar o atraso e aumentar o fator de sensibilidade para o preco. A media movel ponderada e a media ponderada dos ultimos n precos, onde a ponderacao diminui em 1 com cada preco anterior. MAIS MATEMATICA Calculo: ((n Pn) ((n - 1) Pn - 1) ((n - 2) Pn - 2) ((n - (n - 1)) Pn - A WMA reage mais rapidamente as mudancas de precos, porque da mais importancia aos recentes movimentos de precos, mostrando assim a tendencia mais rapidamente em comparacao com a media movel simples (n - 1). QUADRADOS MENOS QUADRADOS MOVIENDO A MEDIA Esta media movel as vezes tambem e chamada de Media Movel de Ponto Final Baseada na regressao linear, mas leva um passo adiante, estimando que o que teria acontecido se a linha de regressao continuasse, tornando-a mais responsiva as tendencias e manchas As tendencias anteriores, em comparacao com outras medias moveis. SONS USOS Usado principalmente como um sinal de cruzamento com si ou com outra media movel ou pode ser usado com o preco se movendo acima ou abaixo dele como um sinal de compra ou venda. No grafico 3, Movendo medias em um grafico o primeiro e Meio Minimo Quadrado (verde) tambem chamado como Ponto final de media movel. Os Circulos Vermelhos mostram o aumento de precos acima da media mostrando mudanca na tendencia ou ponto final da tendencia para cima e para baixo ajudando a sair do Posicao ou tomar o comercio oposto. Os outros dois sao WMA (violeta espessa) e EMA (vermelho tracejado), o calculo de ambas as medias e quase o mesmo, mas em WMA mais peso e dado ao preco atual por isso mostra que WMA esta mais perto do preco em comparacao com EMA WILDERS MOVING MEDIA Como o nome sugere este foi criado por Welles Wilder o grande tecnico, cujas obras incluem Indice de Forca Relativa (RSI), Indice Direcional Media (ADX). Parabolico Sar e Media Verdadeiro Alcance (ATR). Isso as vezes e chamado como a media movel modificada, o objetivo e suavizar os movimentos de precos para identificar tendencias de precos. (1-k) Onde k 1 / N, N Numero de periodos A formula e semelhante a EMA que tem 2 parametros, uma serie de tempo e um periodo de retrocesso e retorna uma linha suave. Preco ficar e fechar acima da media e denominado como uma tendencia de alta e abaixo dela como uma tendencia de baixa. O grafico 4 mostra duas medias no calculo de Wilders. A media movel mais longa pode ser usada para determinacao de tendencia e mais curta para negociacao para compra em mergulho e vender em alta. Crossover fornece sinais de negociacao, mas com um atraso. Rising EQUITY CRUVE Quase todo mundo usa medias moveis em tendencias de precos de negociacao, estas medias moveis mais recentes irao ajudar os comerciantes a captar a tendencia de uma maneira melhor e construir um sistema de negociacao mais fino para entender as tendencias do mercado melhor rendendo uma curva de equidade de aumento. Linear Regression Indicator The Linear Regression Indicator E usado para a tendencia de identificacao e tendencia seguinte de forma semelhante as medias moveis. O indicador nao deve ser confundido com Linhas de Regressao Linear que sao linhas retas instaladas em uma serie de pontos de dados. O Indicador de Regressao Linear traca os pontos finais de toda uma serie de linhas de regressao linear desenhadas em dias consecutivos. A vantagem do Indicador de Regressao Linear sobre uma media movel normal e que ela tem menos atraso que a media movel, respondendo mais rapidamente as mudancas de direcao. A desvantagem e que e mais propenso a whipsaws. O Indicador de Regressao Linear e adequado apenas para negociacao de tendencias fortes. Os sinais sao tomados de forma semelhante as medias moveis. Use a direcao do Indicador de Regressao Linear para entrar e sair com um indicador de longo prazo como um filtro. Va longo se o indicador de regressao linear virar para cima ou sair de um comercio curto. Ir curto (ou sair de um comercio longo) se o Indicador de Regressao Linear virar para baixo. Uma variacao acima e entrar em negociacoes quando o preco cruza o Indicador de Regressao Linear, mas ainda sai quando o Indicador de Regressao Linear se torna negativo. Exemplo Passe o mouse sobre as legendas dos graficos para exibir os sinais de negociacao. Va longo L quando o preco cruza acima do Indicador de Regressao Linear de 100 dias enquanto o 300-dia esta subindo Sair X quando o Indicador de Regressao Linear de 100 dias virar para baixo Va longamente de novo em L quando o preco cruza acima do Indicador de Regressao Linear de 100 dias Sair X quando o Indicador de Regressao Linear de 100 dias virar para baixo Va L longo quando o preco cruza acima de 100 dias de Regressao Linear Sair X quando o indicador de 100 dias virar para baixo Va L longo quando o Indicador de Regressao Linear de 300 dias aparecer apos o preco cruzado acima O Indicador de 100 dias Saia de X quando o Indicador de Regressao Linear de 300 dias se desligar. A divergencia bearish no indicador adverte de uma reversao principal da tendencia. Junte-se a nossa lista de discussao Leia o boletim Diario de Negociacao da Colin Twiggsrsquo, oferecendo analise fundamental da economia e analise tecnica dos principais indices do mercado, ouro, petroleo bruto e forex.