Moving Averages Ein gleitender Durchschnitt ist einer der flexibelsten und am häufigsten verwendeten technischen Analyse-Indikatoren. Es ist sehr beliebt bei den Händlern, vor allem wegen seiner Einfachheit. Es funktioniert am besten in einer Trendumgebung. Einleitung In der Statistik ist ein gleitender Durchschnitt einfach ein Mittelwert aus einer bestimmten Menge von Daten. Im Falle einer technischen Analyse werden diese Daten in den meisten Fällen durch die Schlusskurse der Bestände für die jeweiligen Tage repräsentiert. Jedoch verwenden einige Händler auch separate Mittelwerte für tägliche Minima und Maxima oder sogar einen Mittelwert von Mittelwerten (die sie durch Summieren des täglichen Minimums und Maximums berechnen und durch sie zwei dividieren). Dennoch können Sie einen gleitenden Durchschnitt auch auf einem kürzeren Zeitrahmen konstruieren, zum Beispiel mit Hilfe von Tages - oder Minuten-Daten. Zum Beispiel, wenn Sie einen 10-Tage gleitenden Durchschnitt machen wollen, fügen Sie nur alle Schlusskurse während der letzten 10 Tage und dann teilen sie um 10 (in diesem Fall ist es ein einfacher gleitender Durchschnitt). Am nächsten Tag tun wir dasselbe, nur dass wir die Preise für die letzten 10 Tage wieder nehmen, was bedeutet, dass der Preis, der der letzte in unserer Berechnung für den Vortag war, nicht mehr im heutigen Durchschnitt enthalten ist - er wird ersetzt durch gestern Preis. Die Datenverschiebung auf diese Weise mit jedem neuen Handelstag, daher der Begriff gleitenden Durchschnitt. Der Zweck und die Verwendung von gleitenden Durchschnitten in der technischen Analyse Der gleitende Durchschnitt ist ein Trendfolger. Sein Ziel ist es, den Beginn eines Trends zu erkennen, seinen Fortschritt zu verfolgen und seine Stornierung zu melden, falls er auftritt. Im Gegensatz zu Charting, bewegte Durchschnitte nicht erwarten, den Beginn oder das Ende eines Trends. Sie bestätigen es nur, aber nur einige Zeit nach der eigentlichen Umkehrung. Es stammt aus ihrer sehr Konstruktion, da diese Indikatoren ausschließlich auf historischen Daten basieren. Je weniger Tage ein gleitender Durchschnitt enthält, desto eher kann er eine Trendumkehr erkennen. Es ist wegen der Menge der historischen Daten, die stark beeinflusst den Durchschnitt. Ein gleitender 20-Tage-Durchschnitt generiert das Signal einer Trendumkehr früher als der 50-Tage-Durchschnitt. Jedoch ist es auch wahr, dass die wenigen Tage, die wir in der gleitenden Durchschnittsberechnung verwenden, die falschen Signale haben, die wir erhalten. Daher verwenden die meisten Händler eine Kombination aus mehreren Bewegungsdurchschnitten, die alle gleichzeitig ein Signal liefern müssen, bevor ein Trader seine Position auf dem Markt öffnet. Nichtsdestoweniger kann ein gleitender Durchschnitt hinter dem Trend nicht vollständig eliminiert werden. Trading Signale Jede Art von gleitenden Durchschnitt kann verwendet werden, um kaufen oder verkaufen Signale und dieser Prozess ist sehr einfach. Die Diagrammsoftware zeichnet den gleitenden Durchschnitt als Linie direkt in den Preisplan. Signale werden an Orten erzeugt, wo die Preise diese Linien schneiden. Wenn der Kurs über die gleitende Durchschnittslinie hinausgeht, bedeutet dies den Beginn eines neuen Aufwärtstrends und somit ein Kaufsignal. Auf der anderen Seite, wenn der Preis kreuzt unter der gleitenden durchschnittlichen Linie und der Markt schließt auch in diesem Bereich, signalisiert es den Beginn eines Abwärtstrend und daher stellt es ein Verkaufssignal. Using mehrere Mittelwerte Wir können auch für die Verwendung mehrerer bewegen Mittelungen gleichzeitig, um das Lärm in den Preisen und vor allem die falschen Signale (whipsaws), die die Verwendung eines einzigen gleitenden Durchschnitt ergibt, zu beseitigen. Wenn mehrere Mittelwerte verwendet werden, tritt ein Kaufsignal auf, wenn der kürzere der Durchschnittswerte über dem längeren Durchschnitt liegt, z. B. Die 50-Tage-Durchschnitt kreuzt über dem 200-Tage-Durchschnitt. Umgekehrt wird ein Verkaufssignal in diesem Fall erzeugt, wenn der 50-tägige Durchschnitt unter dem 200-Durchschnitt liegt. Ähnlich können wir auch eine Kombination von drei Durchschnittswerten verwenden, z. B. Einem 5-Tage-, 10-Tage - und 20-Tage-Durchschnitt. In diesem Fall wird ein Aufwärtstrend angezeigt, wenn die 5-Tage-Durchschnittslinie über dem 10-Tage-Durchschnitt liegt, während der 10-Tage-Durchschnitt immer noch über dem 20-Tage-Durchschnitt liegt. Jede Kreuzung von gleitenden Durchschnitten, die zu dieser Situation führt, gilt als Kaufsignal. Umgekehrt wird der Abwärtstrend durch die Situation angezeigt, wenn die 5-tägige Durchschnittslinie niedriger als der 10-Tage-Durchschnitt ist, während der 10-Tage-Durchschnitt niedriger als der 20-Tage-Durchschnitt ist. Unter Verwendung von drei gleitenden Durchschnittswerten wird gleichzeitig der Betrag von falsch begrenzt Die durch das System generiert werden, aber auch das Gewinnpotenzial begrenzen, da ein solches System nur dann ein Handelssignal erzeugt, wenn der Trend im Markt fest etabliert ist. Das Eingangssignal kann auch nur kurz vor der Trendumkehr erzeugt werden. Die Zeitintervalle, die von Händlern zur Berechnung von Bewegungsdurchschnitten verwendet werden, sind ganz anders. Zum Beispiel sind die Fibonacci-Zahlen sehr beliebt, wie die Verwendung von 5-Tage-, 21-Tage-und 89-Tage-Mittelwerte. Im Futures-Handel ist die Kombination 4-, 9- und 18-Tage sehr beliebt. Vor - und Nachteile Der Grund, warum bewegte Durchschnitte so populär gewesen sind, ist, dass sie einige grundlegende Regeln des Handels reflektieren. Die Verwendung von gleitenden Durchschnitten hilft Ihnen, Ihre Verluste zu reduzieren, während Sie Ihre Gewinne laufen lassen. Bei der Verwendung von gleitenden Durchschnitten, um Handelssignale zu generieren, handeln Sie immer in Richtung Markttrend, nicht dagegen. Darüber hinaus können im Gegensatz zu Chart-Muster-Analyse oder andere sehr subjektiven Techniken, Bewegungsdurchschnitte verwendet werden, um Handelssignale nach klare Regeln zu generieren - damit Subjektivität der Handelsentscheidungen, die die Händler Psyche helfen können, zu beseitigen. Allerdings ist ein großer Nachteil der gleitenden Durchschnitte, dass sie nur funktionieren, wenn der Markt tendiert. Daher, in Zeiten der choppy Märkte, wenn die Preise in einer bestimmten Preisspanne schwanken sie überhaupt nicht funktionieren. Diese Periode kann leicht dauern mehr als ein Drittel der Zeit, so dass sich auf bewegte Durchschnitte allein ist sehr riskant. Einige Händler empfehlen, die Kombination von gleitenden Durchschnitten mit einem Indikator, der die Stärke eines Trends misst, wie ADX, oder die Verwendung von gleitenden Durchschnittswerten nur als Bestätigung für Ihr Handelssystem. Arten von gleitenden Durchschnitten Die am häufigsten verwendeten Arten von gleitenden Durchschnitten sind Simple Moving Average (SMA) und Exponential Weighted Moving Average (EMA, EWMA). Diese Art von gleitendem Durchschnitt ist auch als arithmetisches Mittel bekannt und stellt den einfachsten und am häufigsten verwendeten Typ des gleitenden Durchschnitts dar. Wir berechnen sie, indem wir alle Schlusskurse für einen gegebenen Zeitraum zusammenfassen, den wir dann durch die Anzahl der Tage in der Periode dividieren. Allerdings sind mit dieser Art von Durchschnitt zwei Probleme verbunden: Sie berücksichtigt nur die Daten, die in der ausgewählten Periode enthalten sind (zB berücksichtigt ein 10-Tage einfacher gleitender Durchschnitt nur die Daten der letzten 10 Tage und ignoriert einfach alle anderen Daten Vor diesem Zeitraum). Es wird auch oft für die Zuteilung gleicher Gewichte zu allen Daten in dem Datensatz kritisiert (d. H. In einem 10-tägigen gleitenden Durchschnitt hat ein Preis von 10 Tagen das gleiche Gewicht wie der Preis von gestern -10). Viele Händler argumentieren, dass die Daten aus den letzten Tagen sollten mehr Gewicht als ältere Daten - was dazu führen würde, dass die Verringerung der Mittelwerte lag hinter dem Trend. Diese Art von gleitenden Durchschnitt löst beide Probleme mit einfachen gleitenden Durchschnitten verbunden. Erstens, es verteilt mehr Gewicht in seiner Berechnung auf die jüngsten Daten. Er spiegelt teilweise auch alle historischen Daten für das jeweilige Instrument wider. Diese Art von Durchschnitt wird entsprechend der Tatsache benannt, dass die Datengewichte der Vergangenheit exponentiell abnehmen. Die Steigung dieser Abnahme kann auf die Bedürfnisse des Händlers angepasst werden. Erforschung der exponentiell gewichteten Moving Average Volatility ist die häufigste Maßnahme des Risikos, aber es kommt in mehreren Geschmacksrichtungen. In einem früheren Artikel haben wir gezeigt, wie man einfache historische Volatilität berechnet. (Um diesen Artikel zu lesen, lesen Sie unter Verwenden der Volatilität, um zukünftiges Risiko zu messen.) Wir verwendeten Googles tatsächliche Aktienkursdaten, um die tägliche Volatilität basierend auf 30 Tagen der Bestandsdaten zu berechnen. In diesem Artikel werden wir auf einfache Volatilität zu verbessern und diskutieren den exponentiell gewichteten gleitenden Durchschnitt (EWMA). Historische Vs. Implied Volatility Erstens, lassen Sie diese Metrik in ein bisschen Perspektive. Es gibt zwei breite Ansätze: historische und implizite (oder implizite) Volatilität. Der historische Ansatz geht davon aus, dass Vergangenheit ist Prolog Wir messen Geschichte in der Hoffnung, dass es prädiktive ist. Die implizite Volatilität dagegen ignoriert die Geschichte, die sie für die Volatilität der Marktpreise löst. Es hofft, dass der Markt am besten weiß und dass der Marktpreis, auch wenn implizit, eine Konsensschätzung der Volatilität enthält. (Für verwandte Erkenntnisse siehe Die Verwendungen und Grenzen der Volatilität.) Wenn wir uns auf die drei historischen Ansätze (auf der linken Seite) konzentrieren, haben sie zwei Schritte gemeinsam: Berechnen Sie die Reihe der periodischen Renditen Berechnen die periodische Rendite. Das ist typischerweise eine Reihe von täglichen Renditen, bei denen jede Rendite in kontinuierlich zusammengesetzten Ausdrücken ausgedrückt wird. Für jeden Tag nehmen wir das natürliche Protokoll des Verhältnisses der Aktienkurse (d. H. Preis heute geteilt durch den Preis gestern und so weiter). Dies erzeugt eine Reihe von täglichen Renditen, von u i bis u i-m. Je nachdem wie viele Tage (m Tage) wir messen. Das bringt uns zum zweiten Schritt: Hier unterscheiden sich die drei Ansätze. Wir haben gezeigt, dass die einfache Varianz im Rahmen einiger akzeptabler Vereinfachungen der Mittelwert der quadratischen Renditen ist: Beachten Sie, dass diese Summe die periodischen Renditen zusammenfasst und dann diese Summe durch die Anzahl der Tage oder Beobachtungen (m). Also, seine wirklich nur ein Durchschnitt der quadrierten periodischen kehrt zurück. Setzen Sie einen anderen Weg, jede quadratische Rückkehr wird ein gleiches Gewicht gegeben. Also, wenn alpha (a) ein Gewichtungsfaktor (speziell eine 1m) ist, dann eine einfache Varianz sieht etwa so aus: Die EWMA verbessert auf einfache Varianz Die Schwäche dieser Ansatz ist, dass alle Renditen das gleiche Gewicht zu verdienen. Yesterdays (sehr jüngste) Rückkehr hat keinen Einfluss mehr auf die Varianz als die letzten Monate zurück. Dieses Problem wird durch Verwendung des exponentiell gewichteten gleitenden Mittelwerts (EWMA), bei dem neuere Renditen ein größeres Gewicht auf die Varianz aufweisen, festgelegt. Der exponentiell gewichtete gleitende Durchschnitt (EWMA) führt Lambda ein. Die als Glättungsparameter bezeichnet wird. Lambda muss kleiner als 1 sein. Unter dieser Bedingung wird anstelle der gleichen Gewichtungen jede quadratische Rendite durch einen Multiplikator wie folgt gewichtet: Beispielsweise neigt die RiskMetrics TM, eine Finanzrisikomanagementgesellschaft, dazu, eine Lambda von 0,94 oder 94 zu verwenden. In diesem Fall wird die erste ( (1 - 0,94) (94) 0 6. Die nächste quadrierte Rückkehr ist einfach ein Lambda-Vielfaches des vorherigen Gewichts in diesem Fall 6 multipliziert mit 94 5,64. Und das dritte vorherige Tagegewicht ist gleich (1-0,94) (0,94) 2 5,30. Das ist die Bedeutung von exponentiell in EWMA: jedes Gewicht ist ein konstanter Multiplikator (d. h. Lambda, der kleiner als eins sein muß) des vorherigen Gewichtes. Dies stellt eine Varianz sicher, die gewichtet oder zu neueren Daten voreingenommen ist. (Weitere Informationen finden Sie im Excel-Arbeitsblatt für die Googles-Volatilität.) Der Unterschied zwischen einfacher Volatilität und EWMA für Google wird unten angezeigt. Einfache Volatilität wiegt effektiv jede periodische Rendite von 0,196, wie in Spalte O gezeigt (wir hatten zwei Jahre täglich Aktienkursdaten, das sind 509 tägliche Renditen und 1509 0,196). Aber beachten Sie, dass die Spalte P ein Gewicht von 6, dann 5,64, dann 5,3 und so weiter. Das ist der einzige Unterschied zwischen einfacher Varianz und EWMA. Denken Sie daran: Nachdem wir die Summe der ganzen Reihe (in Spalte Q) haben wir die Varianz, die das Quadrat der Standardabweichung ist. Wenn wir Volatilität wollen, müssen wir uns daran erinnern, die Quadratwurzel dieser Varianz zu nehmen. Was ist der Unterschied in der täglichen Volatilität zwischen der Varianz und der EWMA im Googles-Fall? Bedeutend: Die einfache Varianz gab uns eine tägliche Volatilität von 2,4, aber die EWMA gab eine tägliche Volatilität von nur 1,4 (Details siehe Tabelle). Offenbar ließ sich die Googles-Volatilität in jüngster Zeit verringern, so dass eine einfache Varianz künstlich hoch sein könnte. Die heutige Varianz ist eine Funktion der Pior Tage Variance Youll bemerken wir benötigt, um eine lange Reihe von exponentiell sinkende Gewichte zu berechnen. Wir werden die Mathematik hier nicht durchführen, aber eine der besten Eigenschaften der EWMA ist, daß die gesamte Reihe zweckmäßigerweise auf eine rekursive Formel reduziert: Rekursiv bedeutet, daß heutige Varianzreferenzen (d. h. eine Funktion der früheren Tagesvarianz) ist. Sie können diese Formel auch in der Kalkulationstabelle zu finden, und es erzeugt genau das gleiche Ergebnis wie die Langzeitberechnung Es heißt: Die heutige Varianz (unter EWMA) ist gleichbedeutend mit der gestrigen Abweichung (gewichtet mit Lambda) plus der gestrigen Rückkehr (gewogen durch ein Minus-Lambda). Beachten Sie, wie wir sind nur das Hinzufügen von zwei Begriffe zusammen: gestern gewichtet Varianz und gestern gewichtet, quadriert zurück. Dennoch ist Lambda unser Glättungsparameter. Ein höheres Lambda (z. B. wie RiskMetrics 94) deutet auf einen langsameren Abfall in der Reihe hin - in relativer Hinsicht werden wir mehr Datenpunkte in der Reihe haben, und sie fallen langsamer ab. Auf der anderen Seite, wenn wir das Lambda reduzieren, deuten wir auf einen höheren Abfall hin: die Gewichte fallen schneller ab, und als direkte Folge des schnellen Zerfalls werden weniger Datenpunkte verwendet. (In der Kalkulationstabelle ist Lambda ein Eingang, so dass Sie mit seiner Empfindlichkeit experimentieren können). Zusammenfassung Volatilität ist die momentane Standardabweichung einer Aktie und die häufigste Risikomessung. Es ist auch die Quadratwurzel der Varianz. Wir können Varianz historisch oder implizit messen (implizite Volatilität). Bei der historischen Messung ist die einfachste Methode eine einfache Varianz. Aber die Schwäche mit einfacher Varianz ist alle Renditen bekommen das gleiche Gewicht. So stehen wir vor einem klassischen Kompromiss: Wir wollen immer mehr Daten, aber je mehr Daten wir haben, desto mehr wird unsere Berechnung durch weit entfernte (weniger relevante) Daten verdünnt. Der exponentiell gewichtete gleitende Durchschnitt (EWMA) verbessert die einfache Varianz durch Zuordnen von Gewichten zu den periodischen Renditen. Auf diese Weise können wir beide eine große Stichprobengröße, sondern auch mehr Gewicht auf neuere Renditen. (Um einen Film Anleitung zu diesem Thema finden Sie auf der Bionic-Schildkröte.) Eine Finanzierungsrunde, wo Anleger auf die Aktie von einem Unternehmen mit einer niedrigeren Bewertung als die Bewertung gelegt erwerben. Englisch: eur-lex. europa. eu/LexUriServ/LexUri...0053: EN: HTML Eine Abkürzung zur Schätzung der Anzahl von Jahren, die erforderlich sind, um Ihr Geld mit einer gegebenen jährlichen Rendite zu verdoppeln (siehe zusammengesetzte jährliche Zinssätze), die auf einem Darlehen belastet oder auf einer Anlage über einen bestimmten Zeitraum realisiert werden Investment-Grade-Sicherheit durch einen Pool von Anleihen, Darlehen und andere Vermögenswerte gesichert. CDOs nicht in einer Art von Schulden spezialisiert. Das Jahr, in dem der erste Zustrom von Investitionskapital an ein Projekt oder ein Unternehmen geliefert wird. Dies markiert, wenn das Kapital ist. Leonardo Fibonacci war ein italienischer Mathematiker, geboren im 12. Jh. Es ist bekannt, dass er die Fibonacci-Zahlen entdeckt hat.
No comments:
Post a Comment