المرجحة أضعافا مضاعفة ، الحركة المتوسط

المتوسط ​​المتحرك الموزون أسي إوما هو إحصائية لرصد العملية التي متوسط ​​البيانات بطريقة تعطي أقل وأقل وزنا للبيانات كما تتم إزالتها في الوقت المناسب من مخطط التحكم شيوهارت وتقنيات التحكم إوما الرسم البياني. للسيطرة على مخطط شيوهارت التقنية، فإن القرار المتعلق بحالة السيطرة على العملية في أي وقت، t، يعتمد فقط على أحدث قياس من العملية، وبطبيعة الحال، درجة تفاؤل تقديرات حدود المراقبة من البيانات التاريخية بالنسبة ل إوما فإن هذا القرار يعتمد على إوما إحصائية، وهو متوسط ​​مرجح أضعافا مضاعفة لجميع البيانات السابقة، بما في ذلك القياس الأخير. بإختيار عامل الترجيح، لامدا، يمكن أن يكون إجراء التحكم إوما حساسا لصغير أو تدريجي الانجراف في هذه العملية، في حين أن إجراءات التحكم شيوهارت يمكن أن تتفاعل فقط عندما تكون نقطة البيانات الأخيرة خارج حد السيطرة. تعريف إوما. الاحصاء أن يتم حساب مبوكس t لامدا يت 1- لامدا مبوكس،، مبوكس،، t 1،، 2،، لدوتس، n حيث. مبوكس 0 هو متوسط ​​هدف البيانات التاريخية. يت هو الملاحظة في الوقت t. n هو عدد الملاحظات التي سيتم رصدها بما في ذلك مبوكس 0. تفسير إوما التحكم في الرسم البياني. النقاط الحمراء هي البيانات الخام خط خشنة هو إوما إحصائية مع مرور الوقت يخبرنا المخطط أن العملية هي في السيطرة لأن كل مبوكس t كذبة بين حدود الرقابة ومع ذلك، يبدو أن هناك اتجاها صعوديا على مدى 5 فترات الماضية. تحديد كما تقلب متغير السوق في اليوم ن، كما هو مقدر في نهاية اليوم n-1 معدل التباين هو مربع من التقلبات، في اليوم n. Suppose قيمة متغير السوق في نهاية اليوم ط هو معدل معقد بشكل مستمر من العائد خلال اليوم ط بين نهاية اليوم السابق أي i-1 ونهاية اليوم وأنا يعبر عنها. بعد ذلك، باستخدام معيار نهج لتقدير من البيانات التاريخية، وسوف نستخدم أحدث م - الملاحظات لحساب مقدر غير منحازة من التباين. أين هو المتوسط. في وقت لاحق، دعونا نفترض واستخدام تقدير الاحتمال الأقصى لمعدل التباين. حتى الآن، طبقنا أوزانا متساوية على الجميع حتى التعريف أعلاه، غالبا ما يشار إليها بتقييم التقلبات المرجح بالتساوي. وبالتالي، ذكرنا أن هدفنا هو تقدير المستوى الحالي للتذبذب بحيث يكون من المنطقي إعطاء أوزان أعلى للبيانات الحديثة مقارنة بالبيانات القديمة. وللقيام بذلك، تقدير التباين المرجح كما يلي. هو مقدار الوزن المعطاة للمراقبة i-دايس أغو. لذلك، لإعطاء وزن أعلى للملاحظات الأخيرة. متوسط ​​المدى الطويل التباين. التوسيع المحتمل للفكرة أعلاه هو أن نفترض أن هناك فترة طويلة - رون متوسط ​​التباين وأنه ينبغي أن تعطى بعض الوزن. و النموذج أعلاه يعرف باسم نموذج m م، التي اقترحها إنغل في 1994.WMA هو حالة خاصة من المعادلة أعلاه في هذه الحالة، ونحن جعله بحيث الأوزان من انخفاض متغير أضعافا مضاعفة ونحن نتحرك مرة أخرى من خلال time. Unlic العرض السابق، و إوما يتضمن جميع الملاحظات السابقة، ولكن مع الأوزان انخفاض أضعافا مضاعفة طوال الوقت. بعد ذلك، نطبق مجموع الأوزان بحيث تساوي القيد الوحدة. للمؤشر الخامس على سبيل المثال. نحن الآن سد تلك الشروط مرة أخرى في المعادلة للحصول على تقدير. لمجموعة بيانات أكبر، وهو صغير بما فيه الكفاية ليتم تجاهلها من المعادلة. نهج إوما لديه ميزة جذابة واحدة يتطلب البيانات المخزنة قليلا نسبيا لتحديث تقديراتنا في أي لحظة، نحن بحاجة فقط إلى تقدير مسبق لمعدل التباين وأحدث قيمة للمراقبة. الهدف الثانوي ل إوما هو تتبع التغيرات في التقلب بالنسبة للقيم الصغيرة، تؤثر الملاحظات الأخيرة على التقدير الفوري للقيم الأقرب إلى واحد، تقدير التغيرات ببطء استنادا إلى التغيرات الأخيرة في عوائد المتغير الأساسي. قاعدة بيانات ريسكمتريكس التي تنتجها جب مورغان والمتاحة للجمهور تستخدم إوما مع لتحديث التقلبات اليومية. الموثوقية صيغة إوما لا يفترض مستوى التباين متوسط ​​المدى الطويل وهكذا، فإن مفهوم التقلب يعني عكس لا يتم التقاطها من قبل إوما نماذج أرش غارتش هي الأنسب لهذا الغرض. الهدف الثانوي من إوما هو تتبع التغيير s في التقلب، وذلك لقيم صغيرة، الملاحظة الأخيرة تؤثر على التقدير على الفور، والقيم أقرب إلى واحد، وتغير التقديرات ببطء إلى التغيرات الأخيرة في عوائد المتغير الأساسي. قاعدة بيانات ريسكمتريكس التي تنتجها جب مورغان وجعل المتاحة للجمهور في عام 1994، يستخدم نموذج إوما مع لتحديث تقديرات التقلبات اليومية وجدت الشركة أن عبر مجموعة من المتغيرات السوق، وهذه القيمة يعطي توقعات التباين التي تأتي الأقرب إلى معدل التباين المحقق تم احتساب معدلات التباين المحققة في يوم معين على النحو التالي ومتوسط ​​مرجح بالتساوي على 25 يوما لاحقة. وبالمثل، لحساب القيمة المثلى لل لامدا لمجموعة البيانات لدينا، ونحن بحاجة لحساب التقلبات المحققة في كل نقطة هناك عدة طرق، لذلك اختيار واحد التالي، وحساب مجموع تربيع أخطاء سس بين تقدير إوما والتقلبات المحققة وأخيرا، تقليل سس عن طريق تغيير قيمة لامدا. سوند بسيط هو التحدي الأكبر هو الاتفاق على آل غوريثم لحساب التقلب المحقق على سبيل المثال، اختار الناس في ريسكمتريكس 25 يوما لاحقة لحساب معدل التباين المحقق في حالتك، يمكنك اختيار الخوارزمية التي تستخدم حجم اليومية، مرحبا لو و أوبين-كلوز الأسعار. س 1 يمكننا استخدام إوما لتقدير التقلبات أو التنبؤ بها أكثر من خطوة واحدة إلى الأمام. لا يفترض تمثيل التقلب إوما متوسط ​​التقلب على المدى الطويل، وبالتالي، لأي أفاق التنبؤ خارج خطوة واحدة، إوما ترجع قيمة ثابتة. لبيانات كبيرة مجموعة، والقيمة لها تأثير ضئيل جدا على القيمة المحسوبة. الذهاب إلى الأمام، ونحن نخطط للاستفادة من حجة لقبول المستخدم قيمة التذبذب الأولي. س 3 ما هو علاقة إوما ل أرش غارتش نموذج. ويوما هو في الأساس شكل خاص من نموذج أرش، مع الخصائص التالية. إن ترتيب أرش يساوي حجم بيانات العينة. أوزان الترجيح تنخفض بشكل كبير في المعدل طوال الوقت. Q 4 هل تعود إوما إلى المتوسط. لا يوجد إوما لمدة طويلة - run فار وبالتالي لا تعود إلى أي قيمة. Q 5 ما هو تقدير التباين في الأفق بعد يوم واحد أو خطوة إلى الأمام. وكما هو الحال في Q1، ترجع الدالة إوما قيمة ثابتة تساوي قيمة تقدير خطوة واحدة. Q 6 لدي بيانات سنوية شهرية أسبوعية أي قيمة يجب أن أستخدمها. قد لا تزال تستخدم 0 94 كقيمة افتراضية، ولكن إذا كنت ترغب في العثور على القيمة المثلى، تحتاج إلى إعداد مشكلة تحسين لتقليل سس أو مس بين إوما والتقلبات المحققة. انظر تقلبنا 101 البرنامج التعليمي في نصائح وتلميحات على موقعنا على الانترنت لمزيد من التفاصيل والأمثلة. س 7 إذا كان البيانات الخاصة بي ليس لديها صفر يعني، كيف يمكنني استخدام الدالة. لآن، استخدم دترند وظيفة إلى إزالة المتوسط ​​من البيانات قبل تمريره إلى وظائف إوما. في المستقبل نومكسل الإصدارات، فإن إوما إزالة المتوسط ​​تلقائيا نيابة عنك. هول، جون C الخيارات، العقود الآجلة وغيرها من المشتقات المالية الفترات برنتيس هول 2003، ص 372- 374، إيسبن 1-405-886145.Hamilton، جد تحليل سلسلة الوقت برينست على مطبعة جامعة 1994، إيسبن 0-691-04289-6.Tsay، روي S تحليل سلسلة الوقت المالية جون وايلي سونس 2005، إيسبن 0-471-690740.Related links. Exploring من المتوسط ​​المتحرك أضعافا مضاعفة. التطور هو الأكثر شيوعا قياس المخاطر، لكنه يأتي في العديد من النكهات في مقال سابق، أظهرنا كيفية حساب التقلب التاريخي البسيط لقراءة هذه المقالة، راجع استخدام التقلب لقياس المخاطر المستقبلية استخدمنا بيانات سعر السهم الفعلي من غوغل من أجل حساب التقلبات اليومية على أساس على 30 يوما من بيانات المخزون في هذه المقالة، سوف نقوم بتحسين التقلب البسيط ومناقشة المتوسط ​​المتحرك المرجح أضعافا إوا التاريخية التاريخية المتضمنة التقلب أولا، دعونا نضع هذا المقياس في قليلا من المنظور هناك نوعان من النهج واسعة التاريخية والضمنية أو الضمنية التقلب يفترض النهج التاريخي أن الماضي هو مقدمة نحن قياس التاريخ على أمل أن يكون التنبؤية التقلب الضمني، من ناحية أخرى، يتجاهل التاريخ أنه لا يحل لتقلب التي تنطوي عليها أسعار السوق تأمل أن السوق يعرف أفضل وأن سعر السوق يحتوي، حتى لو ضمنا، تقدير إجماع التقلب لقراءة ذات الصلة، انظر استخدامات وحدود التقلب. إذا كنا نركز على النهج التاريخية الثلاثة فقط على تركت أعلاه، لديهم خطوتين في المشترك. حساب سلسلة من العائدات الدورية. تطبيق مخطط الترجيح. أولا، نحسب العائد الدوري أن s عادة سلسلة من العوائد اليومية حيث يتم التعبير عن كل عودة في مصطلحات متشابكة باستمرار لكل يوم، ونحن نأخذ السجل الطبيعي لنسبة أسعار الأسهم أي السعر اليوم مقسوما على السعر أمس، وهلم جرا. هذا ينتج سلسلة من العوائد اليومية، من أوي إلى يو إم اعتمادا على عدد الأيام م أيام نحن قياس. هذا يحصل لنا إلى الخطوة الثانية هذا هو المكان الذي تختلف فيه المقاربات الثلاثة في المقالة السابقة باستخدام التقلب لقياس المخاطر المستقبلية، أظهرنا أنه في ظل اثنين من التبسيط المقبول، التباين البسيط هو متوسط ​​مربع أوريد ريتورنيس. لاحظ أن هذا المبلغ كل من العائدات الدورية، ثم يقسم ذلك مجموع عدد الأيام أو الملاحظات م لذلك، انها حقا مجرد متوسط ​​العوائد الدورية التربيعية طريقة أخرى، ويعطى كل مربعة عودة متساوية الوزن إذا كان ألفا هو عامل الترجيح على وجه التحديد، 1 م، ثم تباين بسيط يبدو شيئا من هذا القبيل. إوما يحسن على التباين البسيط ضعف هذا النهج هو أن جميع العائدات كسب نفس الوزن يوم أمس s عودة الأخيرة جدا لا أكثر التأثير على التباين عن عودة الشهر الماضي تم إصلاح هذه المشكلة باستخدام المتوسط ​​المتحرك المرجح أضعافا مضاعفة إوما، حيث عوائد أكثر حجما لها وزن أكبر على التباين. المتوسط ​​المتحرك المرجح أوما إوما يدخل لامدا الذي يسمى معلمة تمهيد لامدا يجب يكون أقل من واحد في ظل هذا الشرط، بدلا من الأوزان متساوية، يتم ترجيح كل مربعات العائد من مضاعف على النحو التالي. على سبيل المثال، ريسكمتريكس تم، وهو المخاطر المالية أماه شركة يمنج، يميل إلى استخدام لامدا من 0 94، أو 94 في هذه الحالة، يتم ترجيح أول عائد دوري مربعة الأحدث بنسبة 1-0 94 94 0 6 العائد التربيعي التالي هو ببساطة لامدا متعددة من الوزن السابق في هذه الحالة 6 مضروبة في 94 5 64 والثالث في اليوم السابق الوزن s يساوي 1-0 94 0 94 2 5 30. وهذا هو معنى الأسي في إوما كل وزن هو مضاعف ثابت أي لامدا، والتي يجب أن تكون أقل من واحد من وزن اليوم السابق وهذا يضمن التباين الذي تم ترجيحه أو منحازة نحو المزيد من البيانات الحديثة لمعرفة المزيد، راجع ورقة عمل إكسيل لتقلب غوغل يظهر الفرق بين التقلب ببساطة و إوما ل غوغل أدناه. التقلب البسيط يزن بشكل فعال لكل من كل عائد دوري بنسبة 0 196 كما هو مبين في العمود O كان لدينا عامين من بيانات سعر السهم اليومي وهذا هو 509 عوائد يومية و 1 509 0 196 ولكن لاحظ أن العمود P تعيين وزن 6، ثم 5 64، ثم 5 3 وهكذا على هذا الفرق الوحيد بين التباين البسيط و إوما. تذكر بعد أن نلخص سلسلة كاملة في العمود Q لدينا التباين، وهو مربع الانحراف المعياري إذا أردنا التقلب، ونحن بحاجة إلى تذكر أن تأخذ الجذر التربيعي لهذا التباين. ما الفرق في التقلب اليومي بين التباين و إوما في حالة غوغل s s التباين البسيط أعطانا تقلب يومي من 2 4 ولكن إوما أعطى تقلب يومي فقط 1 4 انظر جدول البيانات للحصول على التفاصيل على ما يبدو، استقر تقلب جوجل في الآونة الأخيرة وبالتالي، بسيطة التباين قد يكون مصطنع high. Today s التباين هو وظيفة بيور يوم s الفرق سوف نلاحظ نحن بحاجة لحساب سلسلة طويلة من أضعاف انخفاض أضعافا مضاعفة فزنا ر القيام الرياضيات هنا، ولكن واحدة من أفضل ملامح إوما هو أن السلسلة بأكملها يقلل بشكل ملائم إلى صيغة عودية. الاسترداد يعني أن المراجع S التباين اليوم أي وظيفة من اليوم السابق s التباين يمكنك أن تجد هذه الصيغة في جدول البيانات أيضا، وتنتج ث ه نفس النتيجة بالضبط كحساب لونغاند يقول التباين اليوم تحت إوما يساوي التباين بالأمس مرجحة لامدا زائد أمس تربيع عودة يزنها واحد ناقص لامدا لاحظ كيف نضيف فقط اثنين من المصطلحات معا يوم أمس التباين المرجح والأمثلة المرجح، مربع ريتيمتريك s 94 يشير إلى تسوس أبطأ في سلسلة - من حيث النسبية، ونحن في طريقنا إلى مزيد من النقاط البيانات في سلسلة وأنها سوف تسقط أكثر ببطء على ومن ناحية أخرى، إذا قلنا من لامدا، فإننا نشير إلى ارتفاع الاضمحلال تسقط الأوزان بسرعة أكبر، ونتيجة مباشرة للتسوس السريع، يتم استخدام نقاط بيانات أقل في جدول البيانات، لامدا هو المدخلات، حتى تتمكن من تجربة مع حساسية لها. الذبذبات هو الانحراف المعياري لحظية من الأسهم ومقياس المخاطر الأكثر شيوعا بل هو أيضا الجذر التربيعي للتباين يمكننا قياس التباين تاريخيا أو ضمنا ضمنيا التقلبات المتقاربة عند قياس التاريخ، أسهل طريقة هي التباين البسيط ولكن الضعف مع التباين البسيط هو كل العوائد الحصول على نفس الوزن لذلك نحن نواجه المفاضلة الكلاسيكية نحن نريد دائما المزيد من البيانات ولكن المزيد من البيانات لدينا المزيد من حسابنا هو المخفف من خلال بيانات أقل بعيدة ذات صلة المتوسط ​​المتحرك المرجح أضعافا مضاعفة إوما يحسن على التباين البسيط عن طريق تعيين الأوزان للعائدات الدورية من خلال القيام بذلك، يمكننا أن نستخدم على حد سواء حجم عينة كبيرة ولكن أيضا إعطاء وزنا أكبر للعائدات أكثر حداثة. لعرض فيلم تعليمي حول هذا الموضوع، قم بزيارة بيونيك تورتل.