Análise Técnica: Médias Móveis A maioria dos padrões gráficos mostram uma grande variação no movimento de preços. Isso pode tornar difícil para os comerciantes 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 um título em um determinado período de tempo. Ao traçar um preço médio dos títulos, o movimento dos preços é suavizado. 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 ele vai trabalhar em seu favor. (Para saber mais, leia o tutorial de Médias Móveis.) Tipos de Médias Móveis Existem vários tipos de 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 Na prática, a média móvel proporcionará uma boa estimativa da média das séries temporais se a média for constante ou mudar lentamente. No caso de uma média constante, o maior valor de m dará as melhores estimativas da média subjacente. Um período de observação mais longo medirá os efeitos da variabilidade. A finalidade de fornecer um m menor é permitir que a previsão responda a uma mudança no processo subjacente. Para ilustrar, propomos um conjunto de dados que incorpora mudanças na média subjacente das séries temporais. A figura mostra a série de tempo usada para ilustração juntamente com a demanda média a partir da qual a série foi gerada. A média começa como uma constante em 10. Começando no tempo 21, ele aumenta em uma unidade em cada período até atingir o valor de 20 no tempo 30. Então ele se torna constante novamente. Os dados são simulados adicionando à média um ruído aleatório de uma distribuição Normal com média zero e desvio padrão 3. Os resultados da simulação são arredondados para o inteiro mais próximo. A tabela mostra as observações simuladas usadas para o exemplo. Quando usamos a tabela, devemos lembrar que a qualquer momento, apenas os dados passados são conhecidos. As estimativas do parâmetro do modelo,, para três valores diferentes de m são mostradas juntamente com a média das séries temporais na figura abaixo. A figura mostra a estimativa média móvel da média em cada momento e não a previsão. As previsões mudariam as curvas de média móvel para a direita por períodos. Uma conclusão é imediatamente aparente a partir da figura. Para as três estimativas, a média móvel está aquém da tendência linear, com o atraso aumentando com m. O atraso é a distância entre o modelo ea estimativa na dimensão temporal. Devido ao atraso, a média móvel subestima as observações à medida que a média está aumentando. O viés do estimador é a diferença em um tempo específico no valor médio do modelo eo valor médio predito pela média móvel. O viés quando a média está aumentando é negativo. Para uma média decrescente, o viés é positivo. O atraso no tempo eo viés introduzido na estimativa são funções de m. Quanto maior o valor de m. Maior será a magnitude do atraso e do viés. Para uma série continuamente crescente com tendência a. Os valores de lag e viés do estimador da média são dados nas equações abaixo. As curvas de exemplo não correspondem a essas equações porque o modelo de exemplo não está aumentando continuamente, em vez disso, ele começa como uma constante, muda para uma tendência e, em seguida, torna-se constante novamente. Também as curvas de exemplo são afetadas pelo ruído. A previsão média móvel de períodos no futuro é representada deslocando as curvas para a direita. O atraso e o viés aumentam proporcionalmente. As equações abaixo indicam o atraso e o viés de um período de previsão para o futuro quando comparado aos parâmetros do modelo. Novamente, estas fórmulas são para uma série de tempo com uma tendência linear constante. Não devemos nos surpreender com esse resultado. O estimador da média móvel é baseado no pressuposto de uma média constante, eo exemplo tem uma tendência linear na média durante uma porção do período de estudo. Como as séries de tempo real raramente obedecerão exatamente aos pressupostos de qualquer modelo, devemos estar preparados para tais resultados. Podemos também concluir a partir da figura que a variabilidade do ruído tem o maior efeito para m menor. A estimativa é muito mais volátil para a média móvel de 5 do que a média móvel de 20. Temos os desejos conflitantes de aumentar m para reduzir o efeito da variabilidade devido ao ruído e diminuir m para fazer a previsão mais sensível às mudanças Em média. O erro é a diferença entre os dados reais e o valor previsto. Se a série temporal é verdadeiramente um valor constante, o valor esperado do erro é zero ea variância do erro é composta por um termo que é uma função de e um segundo termo que é a variância do ruído,. O primeiro termo é a variância da média estimada com uma amostra de m observações, assumindo que os dados provêm de uma população com média constante. Este termo é minimizado tornando m o maior possível. Um grande m faz com que a previsão não responda a uma mudança nas séries temporais subjacentes. Para tornar a previsão responsiva às mudanças, queremos que m seja o menor possível (1), mas isso aumenta a variância do erro. A previsão prática requer um valor intermediário. Previsão com o Excel O suplemento de Previsão implementa as fórmulas de média móvel. O exemplo abaixo mostra a análise fornecida pelo add-in para os dados da amostra na coluna B. As primeiras 10 observações são indexadas -9 a 0. Em comparação com a tabela acima, os índices de período são deslocados por -10. As primeiras dez observações fornecem os valores de inicialização para a estimativa e são usadas para calcular a média móvel para o período 0. A coluna MA (10) (C) mostra as médias móveis calculadas. O parâmetro de média móvel m está na célula C3. A coluna Fore (1) (D) mostra uma previsão para um período no futuro. O intervalo de previsão está na célula D3. Quando o intervalo de previsão é alterado para um número maior, os números na coluna Fore são deslocados para baixo. A coluna Err (1) (E) mostra a diferença entre a observação e a previsão. Por exemplo, a observação no tempo 1 é 6. O valor previsto a partir da média móvel no tempo 0 é 11.1. O erro é então -5.1. O desvio padrão eo Desvio Média Média (MAD) são calculados nas células E6 e E7, respectivamente. Média móvel de dados de séries temporais (observações igualmente espaçadas no tempo) de vários períodos consecutivos. Chamado de movimento porque é continuamente recalculado à medida que novos dados se tornam disponíveis, ele progride caindo o valor mais antigo e adicionando o valor mais recente. Por exemplo, a média móvel das vendas de seis meses pode ser calculada tomando a média das vendas de janeiro a junho, depois a média das vendas de fevereiro a julho, depois de março a agosto, e assim por diante. As médias móveis (1) reduzem o efeito de variações temporárias nos dados, (2) melhoram o ajuste dos dados para uma linha (um processo chamado suavização) para mostrar a tendência dos dados mais claramente e (3) realçam qualquer valor acima ou abaixo do valor tendência. Se você está calculando algo com variação muito alta o melhor que você pode ser capaz de fazer é descobrir a média móvel. Eu queria saber qual era a média móvel dos dados, então eu teria uma melhor compreensão de como estávamos fazendo. Quando você está tentando descobrir alguns números que mudam muitas vezes o melhor que você pode fazer é calcular a média móvel.
No comments:
Post a Comment