میانگین های حرکت چیست و چگونه دانشمندان داده می توانند از آنها برای مشاهده روند استفاده کنند؟

هنگام تلاش برای پیش بینی روند ، چه در خرده فروشی ، امور مالی ، مهمان نوازی و غیره ، بسیاری از ابزارهای قدرتمند وجود دارد که توسط تئوری های پیچیده ریاضی و معادلات دلهره آور پشتیبانی می شوند. گفته می شود ، آیا از شنیدن اینکه یکی از ساده ترین شاخص ها برای درک یکی از قدرتمندترین آنها است ، تعجب خواهید کرد؟

میانگین های متحرک را ملاقات کنید.

بیایید انگشتان پا را در آب بچسبانیم. یک جستجوی ساده ویکی پدیا در مورد میانگین های متحرک نتیجه زیر را به دست می آورد:

"میانگین متحرک (با نام مستعار. میانگین نورد یا میانگین در حال اجرا) محاسبه ای برای تجزیه و تحلیل نقاط داده با ایجاد سری میانگین زیر مجموعه های مختلف مجموعه داده های کامل است"

به عبارتی لایمن ، میانگین حرکت داده های خود را "صاف" می کند تا لکه بینی روند آشکارتر شود.

توجه به این نکته حائز اهمیت است که طول زیر مجموعه مورد استفاده در محاسبه میانگین متحرک ثابت است. به عنوان مثال ، اگر زمان (به طور خاص روزها) متغیر مستقل شما باشد و شما علاقه مند به محاسبه میانگین حرکت 20 روزه هستید ، زیر مجموعه شما یک روز بعد به 21 عنصر رشد نمی کند. در عوض ، زیر مجموعه شما قدیمی ترین عنصر را رها می کند و یک عنصر جدید جدید را بدست می آورد - در حالی که در 20 عنصر باقی مانده است.

انواع مختلفی از میانگین های متحرک

اکنون در مورد سه میانگین متحرک مختلف بحث می کنیم: میانگین حرکت ساده (SMA) ، میانگین متحرک وزنی (WMA) و میانگین متحرک نمایی (EMA).

میانگین حرکت ساده ، به سادگی ، میانگین حساب زیر مجموعه شما است. دوره زمانی.

میانگین متحرک وزنی همان ایده متوسط حرکت ساده را دنبال می کند اما هر عنصر زیر مجموعه را با استفاده از یک فاکتور خطی در حال افزایش (یا کاهش) وزن می کند. پس از وزنه برداری عناصر ، میانگین متحرک وزنی میانگین حرکت ساده زیر مجموعه جدید را برمی گرداند. به عنوان مثال ، محاسبه میانگین متحرک وزنی X-Day می تواند یک عامل وزنی X را به جدیدترین نقطه داده ، x-1 به نقطه داده های اخیر بعدی اختصاص دهد ، برای قدیمی ترین نقطه داده به 1 کاهش می یابد. این روش مقدار بالاتری را برای داده های جدیدتر قرار می دهد.

به طور مشابه با میانگین متحرک وزنی ، میانگین متحرک نمایی هر عنصر زیر مجموعه را وزن می کند. با این حال ، میانگین متحرک نمایی از ضریب وزنی در حال افزایش (یا کاهش) استفاده می کند (به هموار سازی نمایی مراجعه کنید). این روش بالاترین مقدار را در نقاط داده های اخیر قرار می دهد.

با استفاده از میانگین های متحرک

در حالی که میانگین حرکت می تواند توسط دانشمندان داده از بسیاری جهات مورد استفاده قرار گیرد (به عنوان مثال ، پیش بینی فصلی در زنجیره های هتل ، مدیریت موجودی در انبارهای خرده فروشی یا تجزیه و تحلیل داده های بیمار در زمان واقعی در مراقبت های بهداشتی) ، باقیمانده این وبلاگ بر اساس اصول متمرکز خواهد شدتجزیه و تحلیل فنی در رابطه با تجارت سهام.

Moving averages are at the foundation of some of the most complicated trading strategies utilized on the street today. For now, we will keep it simple and explore a relatively common stock price trend indicator called a crossover . To explain what a crossover is, let us consider a M -period moving average, a N -period moving average (let’s assume M>n) ، یک متغیر مستقل برابر با زمان (مشخص شده توسط همان دوره هایی که برای تعریف میانگین های متحرک استفاده می شود) و یک متغیر وابسته برابر با قیمت امنیت اساسی که می خواهیم تجزیه و تحلیل کنیم. متقاطع زمانی اتفاق می افتد که قیمت متوسط نورد N از قیمت متوسط (یا کمتر از) M متوسط است. به صورت محاوره ای ، این "عبور از بالا (در زیر)" نامیده می شود.

یک صلیب طلایی زمانی اتفاق می افتد که میانگین متحرک کوتاه مدت (میانگین متحرک کوتاه مدت در تجزیه و تحلیل فنی 50 روز باشد) صلیب بالاتر از میانگین متحرک بلند مدت (میانگین متحرک طولانی مدت مشترک 200 روز است). این نشانگر این است که قیمت سهام باید در آینده افزایش یابد زیرا روند کوتاه مدت حرکت بیشتری دارد (یعنی قوی تر از آن) روند طولانی مدت. یک صلیب مرگ برعکس است: میانگین متحرک کوتاه مدت در حال عبور از میانگین متحرک طولانی مدت است که نشانگر از دست دادن حرکت مثبت یا عدم حمایت از خرید است.

نمودار زیر قیمت سهم روزانه Apple ، Inc (AAPL) از ژوئیه 2012 تا مارس 2014 است. هر نوار عمودی یا شمعدان ، دامنه روزانه قیمت سهم را نشان می دهد. قسمت بالای فتیله ، خط عمودی نازک که از طریق مستطیل امتداد دارد ، حداکثر قیمت روزانه است و پایین آن حداقل قیمت روزانه است. بالا و پایین مستطیل های رنگی نشان دهنده قیمت های باز و بسته آن روز است. اگر جعبه به رنگ سیاه باشد ، قیمت افتتاح شما کمتر از قیمت بسته شدن بود (سهام در طول جلسه روز معامله شد). اگر جعبه به رنگ قرمز رنگ باشد ، قیمت افتتاح شما از قیمت بسته شدن شما بیشتر بود (سهام معامله شد).

همانطور که نمودار فوق نشان می دهد ، در اوایل دسامبر 2012 میانگین حرکت 50 روزه از زیر حرکت 200 روزه عبور کرد و نمایانگر یک صلیب مرگ بود و به معامله گران سیگنال فروش می داد. اگر مدت طولانی AAPL بودید و سهام خود را فروختید ، از دستاوردهای تعبیه شده خود محافظت می کنید. اگر شما AAPL ندارید اما سهام را در کوتاه مدت ادامه دهید~550 دلار (به عنوان مثال ، شما سهام AAPL را از سهامدار دیگری وام گرفته اید و آنها را در بازار فروخته اید~550 دلار/سهم) ، می توانستید موقعیت کوتاه خود را پوشش دهید (یعنی ، مبلغ مساوی از سهام را که قبلاً در آن فروخته اید خریداری کرده اید~550 دلار/سهم) در هر کجا از~375 دلار به~450 دلار بین اواسط آوریل 2013 و اواسط سپتامبر 2013. این نشان دهنده سود 18-32 ٪ (کمیسیون کمتر و هزینه های وام) پس از بازگشت سهام به وام دهنده اصلی است. علاوه بر این ، نمودار فوق نشان می دهد که یک صلیب طلایی در اواسط سپتامبر 2013 رخ داده است. این به معامله گران سیگنال خرید حدود 450 دلار داد. فقط چند ماه بعد ، در مارس 2014 ، AAPL در حال تجارت بود~530 دلار (18 ٪ سود کمسیون کمتر در خرید).

موارد فوق فقط یکی از نمونه های بسیاری است. همچنین یک نمونه است که در آن کراس اوور نشان دهنده معاملات سودآور است (آیا می توانید انتخاب کنید انتخاب گیلاس؟). نمونه های زیادی از منفی های دروغین در آنجا وجود دارد ، و من شما را تشویق می کنم که به تنهایی آنها را کشف کنید. فقط بخاطر بسپار که ضایعات توقف به یک دلیل اختراع شده است.

آیا جرات می گویم در نتیجه؟

همانطور که دیدیم ، میانگین حرکت ابزاری ساده اما مؤثر است که هر دانشمند داده باید در جعبه ابزار خود داشته باشد. اما میانگین حرکت به تنهایی کافی نیست. یک پیش بینی کننده مؤثر می داند که چگونه می تواند میانگین های متحرک را با سایر شاخص های روند آماری ترکیب کند (به اینجا ، اینجا و اینجا مراجعه کنید) برای تولید نتایج دقیق.