What039s der Unterschied zwischen gleitendem Durchschnitt und gewichtetem gleitendem Durchschnitt Ein gleitender 5-Periodendurchschnitt, der auf den oben genannten Preisen basiert, würde nach folgender Formel berechnet: Basierend auf der obigen Gleichung betrug der Durchschnittspreis der oben genannten Periode 90,66. Die Verwendung von gleitenden Durchschnitten ist eine wirksame Methode zur Beseitigung starker Preisschwankungen. Die Schlüsselbegrenzung besteht darin, dass Datenpunkte von älteren Daten nicht anders gewichtet werden als Datenpunkte nahe dem Anfang des Datensatzes. Hier kommen gewichtete gleitende Mittelwerte ins Spiel. Gewichtete Mittelwerte weisen eine höhere Gewichtung auf aktuellere Datenpunkte zu, da sie relevanter sind als Datenpunkte in der fernen Vergangenheit. Die Summe der Gewichtung sollte bis zu 1 (oder 100) addieren. Im Fall des einfachen gleitenden Durchschnitts sind die Gewichtungen gleichmäßig verteilt, weshalb sie in der obigen Tabelle nicht dargestellt sind. Closing Preis von AAPLIntroduction Der vorherige Artikel untersucht, welche gleitenden Durchschnitte sind und wie sie zu berechnen. Dieser Artikel untersucht nun, wie diese in Web Intelligence implementiert werden. Die hier verwendete Formel ist mit der XIr3-Version von SAP BOE kompatibel, jedoch kann eine Formel in früheren Versionen funktionieren, falls verfügbar. Wir beginnen mit der Betrachtung, wie man einen einfachen gleitenden Durchschnitt berechnet, bevor man auf gewichtete und exponentielle Formen schaut. Bearbeitete Beispiele Die Beispiele unten alle verwenden den gleichen Datensatz, der von Aktienkurs Daten in einer Excel-Datei, die Sie herunterladen können. Die erste Spalte in der Akte ist der Tag des Aktienkurses und dann Spalten des Eröffnungskurses, des höchsten Preises am Tag, des niedrigsten Preises, des Schlusskurses, des Volumens und des angepassten Schlusskurses. We8217ll verwenden Schlusskurs in unserer Analyse unten zusammen mit dem Date-Objekt. Simple Moving Average Es gibt ein paar Möglichkeiten, mit denen wir einfache gleitende Durchschnitte berechnen können. Eine Option ist, die vorherige Funktion zu verwenden, um den Wert einer vorherigen Zeile zu erhalten. Zum Beispiel die folgende Formel berechnet einen gleitenden Durchschnitt auf unseren Schlusskurs für einen gleitenden durchschnittlichen Datensatz der Größe 3, Dies ist eine ganz einfache Formel aber es ist offensichtlich, dass es nicht praktisch ist, wenn wir eine große Anzahl von Perioden haben hier können wir machen Verwendung von RunningSum Formel und für einen Datensatz der Größe N haben wir Schließlich haben wir eine dritte Technik, die zwar komplizierter kann es eine bessere Leistung, da es die Berechnung der neuen Wert auf der Grundlage von früheren Wert anstelle von zwei laufenden Summen über die vollständige Daten Set. Allerdings funktioniert diese Formel nur nach dem N-ten Punkt im Gesamtdatensatz und da sie sich auf einen vorherigen Wert bezieht, müssen wir auch einen Startwert setzen. Unten ist die vollständige Formel für unsere Aktienkursanalyse verwendet, wo unsere gleitende durchschnittliche Periode 15 Tage ist, Das Datum 1252010 ist der 15. Datenpunkt in unserem Datensatz und so für diesen Punkt berechnen wir einen normalen Durchschnitt mit dem RunningSum. Für alle Daten jenseits dieses Wertes verwenden wir unsere SMA Formel und wir lassen alle Daten vor diesem Datum frei. Abbildung 1 unten ist ein Diagramm in Web Intelligence, das unsere Aktienkursdaten mit einem einfachen gleitenden Durchschnitt anzeigt. Abbildung 1. Web Intelligence-Dokument mit einem einfachen gleitenden durchschnittlichen gewichteten gleitenden Durchschnitt Eine gewichtete gleitende Durchschnittsformel mit einer Periode von 3 ist wie bei unserer ersten einfachen gleitenden Durchschnittsformel oben nur für eine kleine Anzahl von Perioden praktisch. Ich habe noch nicht in der Lage, eine einfache Formel, die für größere gleitende durchschnittliche Perioden verwendet werden kann, zu finden. Mathematisch ist es möglich, aber Einschränkungen mit Web Intelligence bedeutet, dass diese Formeln don8217t konvertieren. Wenn jemand in der Lage, dies zu tun Ich würde gerne hören Die Abbildung unten ist ein WMA von Periode 6 in Web Intelligence implementiert. Abbildung 2. Web Intelligence-Dokument eines gewichteten Moving Average Exponential Moving Average Ein exponentieller gleitender Durchschnitt ist relativ einfach, um in Web Intelligence zu implementieren und ist somit eine geeignete Alternative zu einem Weighted Moving Average. Die grundlegende Formel ist hier hart codiert 0,3 als unser Wert für Alpha. Wir verwenden diese Formel nur für Perioden, die größer sind als unsere zweite Periode, so dass wir eine if-Anweisung verwenden können, um diese auszufiltern. Für unsere erste und zweite Periode können wir den vorherigen Wert verwenden und so unsere abschließende Formel für EMA ist, ist unten ein Beispiel einer EMA, die auf unsere Bestandsdaten angewendet wird. Abbildung 3. Web Intelligence Dokument zeigt eine Exponential Moving Average Eingabesteuerung Wie unsere EMA Formel doesn8217t auf die Größe der gleitenden durchschnittlichen Periode verlassen und unsere einzige Variable ist alpha können wir Input-Steuerelemente verwenden, damit der Benutzer den Wert von Alpha anpassen können. Um dies zu tun, erstellen Sie eine neue Variable mit dem Namen 8216alpha8217 und definieren it8217s Formel wie, Aktualisieren Sie unsere EMA Formel auf, Erstellen Sie ein neues Eingabesteuerelement, das unsere Alphavariable als das Eingabesteuerungsberichtobjekt auswählt Verwenden Sie einen einfachen Schieberegler und legen Sie die folgenden Eigenschaften fest Sollte in der Lage, den Schieber bewegen und sehen sofort die Änderungen an der Trendlinie in der Grafik Fazit Wir sahen, wie die Umsetzung drei Arten von gleitenden Durchschnitt in Web Intelligence und obwohl alle möglich waren, ist der Exponential Moving Average wahrscheinlich die einfachste und flexibelste . Ich hoffe, Sie fanden diesen Artikel interessant und wie immer jedes Feedback ist sehr willkommen. Post navigation Lassen Sie eine Antwort Antworten abbrechen Sie müssen in der angemeldet um einen Kommentar schreiben. Der Trick zu Weighted Moving Average (WMA) ist es, eine Variable zu erstellen, die die Zähler von WMA repräsentiert (siehe Wikipedia als Referenz.) Dies sollte wie folgt aussehen: Previous (Self) (n Close) 8211 (Previous (RunningSum ( Dann ist die aktuelle WMA8217s-Formel wie folgt: Numerator (n (n 1) 2) wobei Numerator die Variable ist, die Sie zuvor erstellt haben.
No comments:
Post a Comment