Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte, um die tatsächlichen Datenpunkte. Meb Faber Forschung Timing-Modell Häufig gestellte Fragen Ich versuche, so offen und ehrlich über die Vorteile sowie die Nachteile jeder Strategie und Ansatz I Forschung. Von größter Bedeutung ist die Suche nach einem Asset-Management-Programm und Prozess, der das Richtige für Sie ist. Das Timing-Modell wurde nur als ein einfaches Beispiel veröffentlicht. Es gibt erhebliche Verbesserungen, die an dem Modell vorgenommen werden können, und wir führen keine Client-Fonds mit den genauen Parametern im Weißbuch oder Buch. Im Folgenden sind die am häufigsten gestellten Fragen per E-Mail. Wenn Sie irgendwelche Fragen haben, mailen Sie mich bitte an email160protected mit Betreffzeile FAQ: 1. Wie aktualisierst du dieses Modell Was meinst du mit monatlichem Preis Das Modell, wie veröffentlicht, wird nur einmal monatlich am letzten Tag aktualisiert Monat. Marktwirkung wird inzwischen ignoriert. Das veröffentlichte Modell sollte nur breit repräsentativ für die Leistung sein, die man von einem so einfachen System erwarten kann. 2. Haben Sie eine All-In-Version untersucht, in die Sie 100 der Vermögenswerte investieren, unabhängig davon, welche Anlageklassen sich auf einem Kaufsignal befinden. Ja, aber dies beseitigt die Vorteile der Diversifikation und macht das Portfolio großen Risiken ausgesetzt, wenn nur wenige Anlageklassen vorhanden sind Ein Kaufsignal. Darüber hinaus führt es unnötige Transaktionskosten. Die Renditen sind höher, aber mit einer unnötigen Erhöhung des Risikos. 3. Haben Sie eine Long-Short-Version untersucht, wo Sie die Asset-Klasse zu beenden, anstatt sich zu Bargeld Ja. Die Ergebnisse sind in den Büchern Anhang. 4. Mischen Sie die Asset-Klassen monatlich Ja. Obwohl wir in dem Buch zeigen, dass es wichtig ist, einmal auszugleichen, ist die Häufigkeit nicht so wichtig. Wir empfehlen eine jährliche Neuverteilung in steuerfreien Konten und eine Neuausrichtung auf der Grundlage von Zahlungsströmen in steuerpflichtigen Konten. 5. Haben Sie versucht, verschiedene gleitende Durchschnitte Ja. Es gibt eine breite Parameterstabilität von 3 Monaten auf über 12 Monate. Ditto für EMAs. 6. Ich mag die Strategie und möchte es implementieren, sollte ich bis zum nächsten Gleichgewicht warten Wir investieren in der Regel sofort an der Rebalance-Punkt. Während dies einen signifikanten Effekt auf kurzfristige Ergebnisse haben kann, sollte es eine waschen auf lange Sicht sein. Investoren, die kurzfristig besorgt sind, können ihre Einkäufe über mehrere Monate oder Quartale hinweg taumeln. 7. Wo kann ich verfolgen die Strategie 8. Was über die Verwendung von täglichen oder wöchentlichen Daten Doesn8217t nur Aktualisierung monatlich setzen einen Investor zu dramatischen Preisbewegungen in der Zwischenzeit Wir haben Bestätigung der Daten für verschiedene Zeitrahmen, einige überlegen, einige minderwertig. Ihre Frage ist gültig, aber auch das Gegenteil. Was passiert mit einem System, das täglich aktualisiert, wo ein Markt geht schnell, dann kehrt und geht direkt zurück Der Investor wäre Whipshawed und Kapital verloren. 9. Was ist der beste Weg für eine Person, um das gehebelte Modell zu implementieren Dies ist schwierig. Idealerweise können sie Hebelwirkung zu einem vernünftigen Margin-Rate nutzen. Interactive Brokers ist konsequent fair hier. Mit Hebel ETFs ist eine schreckliche Idee. Für Investoren, die mit dem Produkt vertraut sind, sind Futures eine gute Wahl. Man kann auch ein All-in-Kreuz-Markt Rotation System. 10. Hast du jemals daran gedacht, die Timing - und Rotationssysteme zu kombinieren 11. Warum nimmst du das Guthaben für die Verwendung des 200-Tage-Gleitenden Durchschnittsmodells 12 an. Für das Rotationssystem hast du darüber geschrieben, wo du den Top-Performer über die letzten 3, 12 Monate, verwenden Sie einfach den Mittelwert der 3, 6, 12 Monate Leistung, um die Top-Performer zu berechnen 13. Ist die 10 Monate sma Crossover für alle (fünf) Asset-Klassen optimiert, oder ist es möglich, dass verschiedene Zeitrahmen funktionieren könnte Besser für verschiedene Assetklassen Unterschiedliche Zeitrahmen werden sicherlich besser funktionieren (in der Vergangenheit), aber es gibt eine breite Parameterstabilität über viele verschiedene gleitende durchschnittliche Längen. 14. Haben Sie jemals versucht das Hinzufügen von Gold zu Ihrem Modell (oder einer anderen Assetklasse) Ja, verwenden wir mehr als 50 Asset-Klassen bei Cambria 8211 das Papier soll lehrreich sein. 15. Warum haben Sie sich für die 10-Monats-SMA nur als Vertreter der Strategie, und es entspricht auch am nächsten 200 Tage gleitenden Durchschnitt. Wir wählten monatlich, da die täglichen Daten nicht so weit zurückgehen für viele der Assetklassen. 16. Woher erhielten Sie Ihre historischen Daten Global Financial Data. 17. Welche Software haben Sie verwendet, um die historischen Backtests durchzuführen 18. Manchmal erwähnen Sie mit BND oder AGG anstelle von IEF. Warum ist, dass Wir erwähnen in dem Buch, dass das Timing der niedrigeren Volatilität Anleihen macht nicht viel Unterschied (höhere Vol-Anleihen wie Corporates, emerging und Junk-Arbeit gut aber). Wir erwähnen, dass ein Anleger einen Anleiheindex wie AGG oder BND anstatt IEF kaufen und halten könnte. 19. Ich versuche, Ihre Ergebnisse mit X (Yahoo, Google, etc.) Datenbank zu replizieren und meine Ergebnisse don8217t übereinstimmen. Was gibt die Indizes, die in Papier und Buch veröffentlicht werden, erhalten von Global Financial Data. Ich kann nicht wirklich alle Datenquellen überprüfen, um zu sehen, wie sie ihre Zahlen berechnen, aber stellen Sie sicher, dass die Zahlen Gesamtertrag einschließlich Dividenden und Einkommen sind. Für Yahoo Finance muss man die eingestellten Zahlen 8211 verwenden und sicherstellen, dass sie jeden Monat anpassen (oder die neuen Renditen für diesen Monat aufzeichnen), ein langwieriger Prozess. Meb Faber ist Mitbegründer und Chief Investment Officer von Cambria Investment Management und Autor von fünf Büchern. In der Praxis wird der gleitende Durchschnitt eine gute Schätzung des Mittelwerts der Zeitreihe liefern, wenn der Mittelwert konstant oder langsam verändert wird. Im Fall eines konstanten Mittelwertes wird der grßte Wert von m die besten Schätzungen des zugrunde liegenden Mittels liefern. Ein längerer Beobachtungszeitraum wird die Effekte der Variabilität ausmachen. Der Zweck der Bereitstellung eines kleineren m ist es, die Prognose auf eine Änderung in dem zugrunde liegenden Prozess zu ermöglichen. Um zu veranschaulichen, schlagen wir einen Datensatz vor, der Änderungen im zugrundeliegenden Mittel der Zeitreihen enthält. Die Abbildung zeigt die Zeitreihen für die Darstellung zusammen mit der mittleren Nachfrage, aus der die Serie erzeugt wurde. Der Mittelwert beginnt als eine Konstante bei 10. Ab dem Zeitpunkt 21 erhöht er sich um eine Einheit in jeder Periode, bis er zum Zeitpunkt 30 den Wert von 20 erreicht. Dann wird er wieder konstant. Die Daten werden simuliert, indem dem Mittelwert ein Zufallsrauschen aus einer Normalverteilung mit Nullmittelwert und Standardabweichung 3 zugeführt wird. Die Ergebnisse der Simulation werden auf die nächste Ganzzahl gerundet. Die Tabelle zeigt die simulierten Beobachtungen für das Beispiel. Wenn wir die Tabelle verwenden, müssen wir bedenken, dass zu einem gegebenen Zeitpunkt nur die letzten Daten bekannt sind. Die Schätzwerte des Modellparameters, für drei verschiedene Werte von m, werden zusammen mit dem Mittelwert der Zeitreihen in der folgenden Abbildung gezeigt. Die Abbildung zeigt die gleitende durchschnittliche Schätzung des Mittelwerts zu jedem Zeitpunkt und nicht die Prognose. Die Prognosen würden die gleitenden Durchschnittskurven nach Perioden nach rechts verschieben. Eine Schlussfolgerung ergibt sich unmittelbar aus der Figur. Für alle drei Schätzungen liegt der gleitende Durchschnitt hinter dem linearen Trend, wobei die Verzögerung mit m zunimmt. Die Verzögerung ist der Abstand zwischen dem Modell und der Schätzung in der Zeitdimension. Wegen der Verzögerung unterschätzt der gleitende Durchschnitt die Beobachtungen, während der Mittelwert zunimmt. Die Vorspannung des Schätzers ist die Differenz zu einer bestimmten Zeit im Mittelwert des Modells und dem Mittelwert, der durch den gleitenden Durchschnitt vorhergesagt wird. Die Vorspannung, wenn der Mittelwert zunimmt, ist negativ. Bei einem abnehmenden Mittelwert ist die Vorspannung positiv. Die Verzögerung in der Zeit und die Bias in der Schätzung eingeführt sind Funktionen von m. Je größer der Wert von m. Desto größer ist die Größe der Verzögerung und der Vorspannung. Für eine stetig wachsende Serie mit Trend a. Die Werte der Verzögerung und der Vorspannung des Schätzers des Mittelwerts sind in den folgenden Gleichungen gegeben. Die Beispielkurven stimmen nicht mit diesen Gleichungen überein, weil das Beispielmodell nicht kontinuierlich zunimmt, sondern als Konstante beginnt, sich in einen Trend ändert und dann wieder konstant wird. Auch die Beispielkurven sind vom Rauschen betroffen. Die gleitende Durchschnittsprognose der Perioden in die Zukunft wird durch die Verschiebung der Kurven nach rechts dargestellt. Die Verzögerung und die Vorspannung nehmen proportional zu. Die nachstehenden Gleichungen zeigen die Verzögerung und die Vorspannung von Prognoseperioden in die Zukunft im Vergleich zu den Modellparametern. Diese Formeln sind wiederum für eine Zeitreihe mit einem konstanten linearen Trend. Wir sollten dieses Ergebnis nicht überraschen. Der gleitende Durchschnittsschätzer basiert auf der Annahme eines konstanten Mittelwerts, und das Beispiel hat einen linearen Trend im Mittel während eines Teils des Studienzeitraums. Da Echtzeitreihen den Annahmen eines Modells nur selten genau gehorchen, sollten wir auf solche Ergebnisse vorbereitet sein. Wir können auch aus der Figur schließen, dass die Variabilität des Rauschens den größten Effekt für kleinere m hat. Die Schätzung ist viel volatiler für den gleitenden Durchschnitt von 5 als der gleitende Durchschnitt von 20. Wir haben die widerstrebenden Wünsche, m zu erhöhen, um den Effekt der Variabilität aufgrund des Rauschens zu verringern und um m zu verringern, um die Prognose besser auf Veränderungen anzupassen Im Mittel. Der Fehler ist die Differenz zwischen den tatsächlichen Daten und dem prognostizierten Wert. Wenn die Zeitreihe wirklich ein konstanter Wert ist, ist der erwartete Wert des Fehlers Null und die Varianz des Fehlers besteht aus einem Term, der eine Funktion von und ein zweiter Term ist, der die Varianz des Rauschens ist. Der erste Term ist die Varianz des Mittelwertes mit einer Stichprobe von m Beobachtungen, vorausgesetzt, die Daten stammen aus einer Population mit einem konstanten Mittelwert. Dieser Begriff wird minimiert, indem man m so groß wie möglich macht. Ein großes m macht die Prognose auf eine Änderung der zugrunde liegenden Zeitreihen unempfänglich. Um die Prognose auf Veränderungen anzupassen, wollen wir m so klein wie möglich (1), aber dies erhöht die Fehlerabweichung. Praktische Voraussage erfordert einen Zwischenwert. Prognose mit Excel Das Prognose-Add-In implementiert die gleitenden Durchschnittsformeln. Das folgende Beispiel zeigt die Analyse des Add-In für die Beispieldaten in Spalte B. Die ersten 10 Beobachtungen sind mit -9 bis 0 indexiert. Im Vergleich zur obigen Tabelle werden die Periodenindizes um -10 verschoben. Die ersten zehn Beobachtungen liefern die Startwerte für die Schätzung und werden verwendet, um den gleitenden Durchschnitt für die Periode 0 zu berechnen. Die Spalte MA (10) zeigt die berechneten Bewegungsdurchschnitte. Der gleitende Mittelwert m ist in Zelle C3. Die Fore (1) Spalte (D) zeigt eine Prognose für einen Zeitraum in die Zukunft. Das Prognoseintervall ist in Zelle D3. Wenn das Prognoseintervall auf eine größere Zahl geändert wird, werden die Zahlen in der Spalte Vorwärts verschoben. Die Err (1) - Spalte (E) zeigt die Differenz zwischen der Beobachtung und der Prognose. Zum Beispiel ist die Beobachtung zum Zeitpunkt 1 6. Der prognostizierte Wert, der aus dem gleitenden Durchschnitt zum Zeitpunkt 0 gemacht wird, beträgt 11,1. Der Fehler ist dann -5.1. Die Standardabweichung und mittlere mittlere Abweichung (MAD) werden in den Zellen E6 bzw. E7 berechnet.
No comments:
Post a Comment