Tc2000 Eksponensial Moving Average

Pertanyaan Data Pasar TC2000 Charting Package and Exponential Moving Averages Saya adalah pengguna TC2000, dan memiliki pertanyaan mengenai perlakuan mereka terhadap indikator yang Anda gunakan dan gunakan. Berikut adalah deskripsi tentang bagaimana program perangkat lunak TC2000 saya menerapkan ciptaan Anda. Ini berasal dari Berkas Bantuan yang terkait dengan TC2000: T2106 McClellan Oscillator: McClellan Oscillator dilaporkan setiap hari oleh banyak layanan berita keuangan. Nilai yang mereka laporkan hampir selalu berbeda dari nilai kita karena, seperti disebutkan sebelumnya, kita menggunakan setiap stok di NYSE. Tren indikator keseluruhan, bagaimanapun juga, akan sama. McClellan Oscillator dihitung dengan mengurangkan rata-rata pergerakan 39 hari (Kemajuan - Penurunan) dari rata-rata pergerakan 19 hari (Kemajuan - Penurunan). Ini tidak hanya berfungsi sebagai indikator overboughtoversold, namun hasilnya cukup baik dalam membuat perubahan tren jangka pendek saat melintasi garis nol. Di sini sekali lagi, sangat penting bahwa Anda menetapkan penskalaan grafik Anda ke Aritmatika karena McClellan Oscillator akan negatif pada beberapa hari pasar dan nilai negatif tidak dapat ditampilkan pada skala Logaritma. Pertanyaan: Apakah cara TC20008217 mereka benar-benar berbeda, atau apakah MA ini hanya meniru hasil bagaimana Anda menghitungnya Bagan mereka dan laporan Anda terlihat cukup dekat. Pada saat ini, saya tidak memerlukan angka pasti untuk menemukannya bermanfaat bagi diri saya sendiri. Apakah ada program perangkat lunak lain yang ada di luar sana yang Anda tahu tentang itu menggunakan rumus Anda Misalnya, di mana saya bisa memasang simbol dan menarik Oscos Harga. 5 dan 10 trend, Summ. Index, dll. Sebagian besar paket charting yang kompeten akan memungkinkan Anda untuk menghitung rata-rata bergerak eksponensial (EMA). Terminologi mereka berbeda dari kita, karena ketertarikan publik terhadap rata-rata bergerak dianggap berasal dari beberapa parameter waktu. Kami menggunakan terminologi asli yang digunakan oleh P. N. Haurlan, orang pertama yang menggunakan EMA, dan orang pertama di sebelah barat Mississippi menggunakan komputer untuk analisis teknis. Dia mengacu pada EMA spesifik dengan konstan smoothing mereka, dan kami melanjutkan tradisi itu. Untuk menghitung Tren 10, Anda perlu memberi tahu program perangkat lunak untuk memberi Anda EMA 19 hari. Trend 5 adalah EMA 39 hari. Untuk mendapatkan Price Oscillator, coba gunakan fungsi MACD, dan pilih EMA yang sesuai. Anda bisa bermain-main dengan nilai yang berbeda untuk melihat apakah Anda menyukai yang lain dengan lebih baik. Tentang Brothers Worden. Deskripsi indikator kami, agak membingungkan bahwa mereka akan mengklaim bahwa produk mereka berbeda karena menggunakan setiap stok di NYSE. Saya tidak tahu apa yang mereka pikir kami lakukan adalah komentar yang aneh. Apa yang tidak mereka tentukan adalah bahwa mereka menggunakan EMAs mereka hanya menyatakan moving averages. Saya tidak tahu apakah mereka menggunakan rata-rata bergerak sederhana (SMA) atau EMA. Posisi saya adalah jika mereka ingin menggunakan teknik yang berbeda dan data yang berbeda dari kita, mereka harus mengatakannya dan menyebutnya sesuatu yang berbeda. Peregangan pemulusan ekspektasi pengamatan sebelumnya dengan bobot menurun secara eksponensial untuk meramalkan nilai masa depan Skema pemulusan ini dimulai dengan pengaturan (S2 ) Ke (y1), di mana (Si) adalah singkatan dari pengamatan merapikan atau EWMA, dan (y) merupakan singkatan dari observasi asli. Subskrip mengacu pada periode waktu, (1, 2,, ldot,, n). Untuk periode ketiga, (S3 alpha y2 (1-alpha) S2) dan seterusnya. Tidak ada (S1) seri smoothing yang dimulai dengan versi smoothed dari observasi kedua. Untuk setiap periode waktu (t), nilai smoothed (St) ditemukan dengan menghitung St alpha y (1-alpha) S ,,,,,,, 0 Persamaan yang diperluas untuk (S5) Sebagai contoh, persamaan yang diperluas untuk merapikan Nilai (S5) adalah: S5 alpha left (1-alpha) 0 y (1-alpha) 1 y (1-alpha) 2 y right (1-alpha) 3 S2. Mengilustrasikan perilaku eksponensial Ini menggambarkan perilaku eksponensial. Bobot, (alpha (1-alpha) t) menurun secara geometris, dan jumlahnya adalah kesatuan seperti yang ditunjukkan di bawah ini, dengan menggunakan properti seri geometris: alpha sum (1-alpha) i alpha left frac right 1 - (1-alpha) T. Dari rumus terakhir kita dapat melihat bahwa istilah penjumlahan menunjukkan bahwa kontribusi terhadap nilai smoothed (St) menjadi kurang pada setiap periode waktu berturut-turut. Contoh untuk (alpha 0.3) Misalkan (alpha 0.3). Amati bahwa bobot (alpha (1-alpha) t) menurun secara eksponensial (secara geometris) seiring waktu. Jumlah kesalahan kuadrat (SSE) 208.94. Mean dari kesalahan kuadrat (MSE) adalah SSE 11 19.0. Hitunglah untuk berbagai nilai (alpha) The MSE dihitung lagi untuk (alpha 0.5) dan ternyata menjadi 16,29, jadi dalam kasus ini kita lebih memilih sebuah (alpha) dari 0.5. Bisakah kita berbuat lebih baik Kita bisa menerapkan metode trial-and-error yang telah terbukti. Ini adalah prosedur iteratif yang dimulai dengan kisaran (alpha) antara 0,1 dan 0,9. Kami menentukan pilihan awal terbaik untuk (alpha) dan kemudian mencari antara (alpha - Delta) dan (alpha Delta). Kita bisa mengulangi ini mungkin sekali lagi untuk menemukan yang terbaik (alpha) sampai 3 tempat desimal. Pengoptimalan nonlinier dapat digunakan Tapi ada metode pencarian yang lebih baik, seperti prosedur Marquardt. Ini adalah pengoptimal nonlinier yang meminimalkan jumlah kuadrat residu. Secara umum, program perangkat lunak statistik yang paling tepat dirancang harus dapat menemukan nilai (alpha) yang meminimalkan MSE. Contoh plot yang menunjukkan data smoothed untuk 2 nilai rata-rata Moving Average Moving Average digunakan untuk memperlancar tren. TC2000 menawarkan tiga jenis moving averages yang berbeda. Rata-rata bergerak sederhana memberikan bobot yang sama pada setiap titik data untuk periode tersebut. Jika periode tersebut adalah 3 dan tiga titik data terakhir adalah 3, 4 dan 5, nilai rata-rata terbaru adalah (345) 34 (dibagi tiga karena ada tiga titik data). Exponential moving average (EMA), kadang-kadang juga disebut rata-rata bergerak berbobot eksponensial (EWMA), menerapkan faktor pembobotan yang menurun secara eksponensial. Bobot untuk setiap titik data yang lebih tua menurun secara eksponensial, memberi lebih banyak perhatian pada pengamatan baru-baru ini sambil tetap tidak membuang pengamatan yang lebih tua sama sekali Rata-rata tertimbang di depan, seperti rata-rata eksponensial, memungkinkan data terbaru dirata-ratakan untuk memberi dampak pada nilai rata-rata lebih besar dari pada yang lebih tua data. Ini dihitung secara berbeda dari rata-rata eksponensial namun juga memberikan data terkini bobot lebih. Rata-rata tertimbang 5 periode depan dihitung sebagai berikut (C adalah bar yang paling baru, C4 adalah 4 bar yang lalu): Rata-rata Tertimbang Depan (C5) (C14) (C23) C4) 15 Anda dapat melihat bagaimana perbedaannya. Jenis rata-rata menghasilkan hasil yang berbeda. Ketiga rata-rata diplot menggunakan periode 30 sederhana (merah), eksponensial (cyan) front-weighted (kuning). Selain itu, Anda dapat memilih elemen harga yang akan digunakan dalam perhitungan rata-rata: 160Last, Open, High, Low, atau Typical Price. Moving averages memiliki parameter Offset yang memungkinkan Anda menggeser plot rata-rata ke depan atau ke belakang (nilai offset negatif). Hal ini memungkinkan Anda untuk merencanakan apa yang biasa disebut sebagai displaced160moving averages. Baca lebih lanjut tentang moving moving average di Investopedia.