Exponential Gleitende Durchschnittsberechnungsformel

Exponentielle Glättung erklärt. Kopie des Urheberrechts. Inhalt auf InventoryOps ist urheberrechtlich geschützt und steht nicht für die Wiederveröffentlichung zur Verfügung. Wenn die Menschen zuerst den Begriff Exponential Smoothing begegnen sie denken, dass klingt wie eine Hölle von viel Glättung. Was Glättung ist. Sie beginnen dann eine komplizierte mathematische Berechnung vorstellen, die wahrscheinlich erfordert einen Abschluss in Mathematik zu verstehen, und hoffe, es ist eine eingebaute Excel-Funktion verfügbar, wenn sie es jemals tun müssen. Die Wirklichkeit der exponentiellen Glättung ist weit weniger dramatisch und weit weniger traumatisch. Die Wahrheit ist, ist exponentielle Glättung eine sehr einfache Berechnung, die eine ziemlich einfache Aufgabe erfüllt. Es hat nur einen komplizierten Namen, weil was technisch passiert als Folge dieser einfachen Berechnung ist eigentlich ein wenig kompliziert. Um zu verstehen, exponentielle Glättung, hilft es, mit dem allgemeinen Konzept der Glättung und ein paar andere gängige Methoden, um Glättung zu erreichen beginnen. Was ist Glättung Glättung ist ein sehr häufiger statistischer Prozess. Tatsächlich begegnen wir regelmäßig geglättete Daten in verschiedenen Formen in unserem Alltag. Jedes Mal, wenn Sie einen Durchschnitt verwenden, um etwas zu beschreiben, verwenden Sie eine geglättete Zahl. Wenn Sie darüber nachdenken, warum Sie einen Durchschnitt verwenden, um etwas zu beschreiben, werden Sie schnell verstehen, das Konzept der Glättung. So erlebten wir zum Beispiel den wärmsten Winter. Wie können wir das quantifizieren? Nun beginnen wir mit Datensätzen der täglichen hohen und niedrigen Temperaturen für den Zeitraum, den wir Winter für jedes Jahr in der aufgezeichneten Geschichte nennen. Aber das lässt uns mit einer Menge von Zahlen, die um einiges herumspringen (es ist nicht wie jeden Tag dieser Winter war wärmer als die entsprechenden Tage aus allen früheren Jahren). Wir brauchen eine Zahl, die alle diese Sprünge aus den Daten entfernt, so dass wir besser vergleichen können einen Winter zum nächsten. Das Entfernen der Sprünge in den Daten heißt Glättung, und in diesem Fall können wir einfach einen einfachen Durchschnitt verwenden, um die Glättung zu erreichen. In der Bedarfsprognose verwenden wir die Glättung, um zufällige Variation (Lärm) aus unserer historischen Nachfrage zu entfernen. Dies ermöglicht es uns, die Bedarfsmuster (vor allem die Trend - und Saisonalität) und die Nachfrage, die zur Abschätzung der zukünftigen Nachfrage genutzt werden können, besser zu identifizieren. Der Lärm in der Nachfrage ist das gleiche Konzept wie das tägliche Springen der Temperaturdaten. Nicht überraschend, die häufigste Art und Weise Menschen entfernen Rauschen aus der Nachfrage Geschichte ist es, einen einfachen Durchschnitt verwenden oder genauer, ein gleitender Durchschnitt. Ein gleitender Durchschnitt verwendet nur eine vordefinierte Anzahl von Perioden, um den Durchschnitt zu berechnen, und diese Perioden bewegen sich mit der Zeit. Zum Beispiel, wenn Im mit einem 4-Monats-gleitenden Durchschnitt, und heute ist der 1. Mai, Im mit einem Durchschnitt der Nachfrage, die im Januar, Februar, März und April aufgetreten. Am 1. Juni werde ich die Nachfrage von Februar, März, April und Mai nutzen. Gewichteter gleitender Durchschnitt. Wenn wir einen Durchschnitt verwenden, wenden wir die gleiche Wichtigkeit (Gewicht) auf jeden Wert im Datensatz an. Im gleitenden 4-Monatsdurchschnitt stellte jeder Monat 25 des gleitenden Durchschnitts dar. Bei der Verwendung der Nachfragegeschichte, um die zukünftige Nachfrage (und insbesondere die zukünftige Entwicklung) zu prognostizieren, ist es logisch, zu der Schlussfolgerung zu kommen, dass die jüngere Geschichte eine größere Auswirkung auf Ihre Prognose haben möchte. Wir können unsere gleitende durchschnittliche Berechnung anpassen, um verschiedene Gewichte auf jede Periode anzuwenden, um die gewünschten Ergebnisse zu erzielen. Wir geben diese Gewichte als Prozentsätze an, und die Summe aller Gewichte für alle Perioden muss zu 100 addieren. Wenn wir also entscheiden, dass wir 35 als Gewicht für die nächste Periode in unserem 4-monatigen gewichteten gleitenden Durchschnitt anwenden wollen, können wir Subtrahieren 35 von 100 zu finden, wir haben 65 übrig geblieben, um über die anderen 3 Perioden zu teilen. Zum Beispiel können wir am Ende mit einer Gewichtung von 15, 20, 30 und 35 für die 4 Monate (15 20 30 35 100). Exponentielle Glättung. Wenn wir auf das Konzept der Anwendung eines Gewichtes auf die jüngste Periode (wie z. B. 35 im vorigen Beispiel) und das Verbreiten des Restgewichts (berechnet durch Subtrahieren des letzten Periodengewichts von 35 von 100 auf 65) zurückgehen, haben wir Die Grundbausteine ​​für unsere exponentielle Glättungsberechnung. Der Steuereingang der Exponentialglättungsberechnung ist als Glättungsfaktor (auch Glättungskonstante genannt) bekannt. Es handelt sich im Wesentlichen um die Gewichtung für die jüngsten Zeiträume Nachfrage. Wenn wir also 35 als Gewichtung für die letzte Periode in der gewichteten gleitenden Durchschnittsberechnung verwendeten, konnten wir auch 35 als Glättungsfaktor in unserer exponentiellen Glättungsberechnung verwenden, um einen ähnlichen Effekt zu erhalten. Der Unterschied zu der exponentiellen Glättungsberechnung ist, dass anstelle von uns auch herauszufinden, wie viel Gewicht auf jede vorhergehende Periode anzuwenden ist, der Glättungsfaktor verwendet, um das automatisch zu tun. Also hier kommt der exponentielle Teil. Wenn wir 35 als Glättungsfaktor verwenden, beträgt die Gewichtung der letzten Periodennachfrage 35. Die Gewichtung der nächsten letzten Periodennachfrage (der Zeitraum vor dem jüngsten) beträgt 65 von 35 (65 ergibt sich aus der Subtraktion von 35 von 100). Dies entspricht 22,75 Gewichtung für diesen Zeitraum, wenn Sie die Mathematik. Die nächste Nachfrage nach der letzten Zeit wird 65 von 65 von 35 sein, was 14,79 entspricht. Der Zeitraum davor wird gewichtet mit 65 von 65 von 65 von 35, was 9,61 entspricht, und so weiter. Und das geht zurück durch alle Ihre früheren Perioden den ganzen Weg zurück zum Anfang der Zeit (oder der Punkt, an dem Sie begonnen haben, exponentielle Glättung für das jeweilige Element). Youre wahrscheinlich denken, dass aussehen wie eine ganze Menge Mathe. Aber die Schönheit der exponentiellen Glättung Berechnung ist, dass, anstatt zu jeder vorherigen Periode neu berechnen müssen, jedes Mal, wenn Sie eine neue Perioden Nachfrage erhalten, verwenden Sie einfach die Ausgabe der exponentiellen Glättung Berechnung aus der vorherigen Periode, um alle vorherigen Perioden zu repräsentieren. Sind Sie noch verwirrt Dies wird mehr Sinn machen, wenn wir die tatsächliche Berechnung betrachten Normalerweise beziehen wir uns auf die Ausgabe der exponentiellen Glättung Berechnung als die nächste Periode Prognose. In Wirklichkeit braucht die endgültige Prognose etwas mehr Arbeit, aber für die Zwecke dieser spezifischen Berechnung werden wir sie als die Prognose bezeichnen. Die exponentielle Glättungsberechnung ist wie folgt: Die letzte Periodenforderung multipliziert mit dem Glättungsfaktor. PLUS Die Prognose der letzten Perioden multipliziert mit (minus Glättungsfaktor). D die letzten Perioden S den Glättungsfaktor, der in dezimaler Form dargestellt ist (also 35 als 0,35 dargestellt werden). F die letzten Periodenprognosen (die Ausgabe der Glättungsberechnung aus der vorherigen Periode). OR (unter Annahme eines Glättungsfaktors von 0,35) (D 0,35) (F 0,65) Es wird nicht viel einfacher als das. Wie Sie sehen können, benötigen wir für die Dateneingaben hier nur die jüngsten Zeiträume und die letzten Prognosezeiträume. Wir wenden den Glättungsfaktor (Gewichtung) auf die letzten Perioden an, die in der gewichteten gleitenden Durchschnittsberechnung dieselbe Weise erfordern. Anschließend legen wir die verbleibende Gewichtung (1 minus Glättungsfaktor) auf die jeweils aktuellsten Perioden an. Da die Prognose der letzten Perioden auf Basis der vorherigen Periodennachfrage und der vorherigen Periodenprognosen erstellt wurde, die auf der Nachfrage nach dem vorherigen Zeitraum und der Prognose für den Zeitraum vor der Prognose beruhte, der auf der Nachfrage für den Zeitraum zuvor beruhte Dass und die Prognose für den Zeitraum vor, dass auf der Grundlage der Zeitraum vor, dass. Gut, können Sie sehen, wie alle vorherigen Perioden Nachfrage sind in der Berechnung dargestellt, ohne tatsächlich zurück und Neuberechnung alles. Und das ist, was fuhr die anfängliche Popularität der exponentiellen Glättung. Es war nicht, weil es einen besseren Job des Glättens als gewogenen gleitenden Durchschnitt machte, war es, weil es einfacher war, in einem Computerprogramm zu berechnen. Und weil Sie didnt brauchen, um darüber nachzudenken, welche Gewichtung früheren Perioden zu geben oder wie viele vorherige Perioden zu verwenden, wie Sie in gewichteten gleitenden Durchschnitt. Und, weil es klang nur kühler als gewichtet gleitenden Durchschnitt. Tatsächlich könnte man argumentieren, dass der gewichtete gleitende Durchschnitt eine größere Flexibilität bietet, da Sie mehr Kontrolle über die Gewichtung früherer Perioden haben. Die Realität ist entweder von diesen können respektable Ergebnisse liefern, also warum nicht mit einfacher und kühler klingen gehen. Exponentielle Glättung in Excel Lets sehen, wie dies tatsächlich in einer Kalkulationstabelle mit realen Daten aussehen würde. Kopie des Urheberrechts. Inhalt auf InventoryOps ist urheberrechtlich geschützt und steht nicht für die Wiederveröffentlichung zur Verfügung. In Abbildung 1A haben wir eine Excel-Tabelle mit 11 Wochen Nachfrage und eine exponentiell geglättete Prognose aus dieser Nachfrage berechnet. Ive verwendete einen Glättungsfaktor von 25 (0,25 in Zelle C1). Die aktuelle aktive Zelle ist Zelle M4, die die Prognose für Woche 12 enthält. In der Formelleiste sehen Sie die Formel (L3C1) (L4 (1-C1)). Die einzigen direkten Eingaben zu dieser Berechnung sind die vorherigen Periodennachfrage (Zelle L3), die vorherigen Periodenvorhersage (Zelle L4) und der Glättungsfaktor (Zelle C1, dargestellt als absolute Zelle Bezug C1). Wenn wir eine exponentielle Glättungsberechnung starten, müssen wir den Wert für die 1. Prognose manuell stecken. So in der Zelle B4, anstatt einer Formel, tippten wir nur in die Nachfrage aus dem gleichen Zeitraum wie die Prognose. In der Zelle C4 haben wir unsere erste exponentielle Glättungsberechnung (B3C1) (B4 (1-C1)). Wir können dann kopieren Cell C4 und fügen Sie es in den Zellen D4 bis M4, um den Rest unserer prognostizierten Zellen zu füllen. Sie können nun auf eine beliebige Prognosezelle doppelklicken, um zu sehen, dass sie auf der vorherigen Periodenprognosezelle und den vorherigen Periodennachfragezellen basiert. Somit erbt jede nachfolgende exponentielle Glättungsberechnung die Ausgabe der vorherigen exponentiellen Glättungsberechnung. Das ist, wie jede vorherige Periodenanforderung in der letzten Periodenrechnung dargestellt wird, obwohl diese Berechnung nicht direkt auf die vorherigen Perioden bezieht. Wenn Sie Lust bekommen wollen, können Sie Excels Trace Präzedenzfall-Funktion. Klicken Sie dazu auf Cell M4, klicken Sie dann in der Multifunktionsleiste (Excel 2007 oder 2010) auf die Registerkarte Formeln, und klicken Sie dann auf Vorverfolgung. Es wird Verbindungslinien auf die erste Ebene der Präzedenzfälle ziehen, aber wenn Sie auf Trace Precedents klicken, zieht es Verbindungslinien zu allen vorherigen Perioden, um Ihnen die vererbten Beziehungen anzuzeigen. Jetzt können Sie sehen, was exponentielle Glättung für uns getan hat. Abbildung 1B zeigt ein Liniendiagramm unserer Nachfrage und Prognose. Sie sehen, wie die exponentiell geglättete Prognose die meiste Zersiedelung (das Springen um) von der wöchentlichen Nachfrage entfernt, aber dennoch gelingt, dem zu folgen, was ein Aufwärtstrend bei der Nachfrage zu sein scheint. Youll auch bemerken, dass die geglättete Vorhersagelinie tendenziell niedriger als die Nachfrage Linie ist. Dies wird als Trendverzögerung bezeichnet und ist ein Nebeneffekt des Glättprozesses. Jedes Mal, wenn Sie Glättung verwenden, wenn ein Trend vorliegt, wird Ihre Prognose hinter dem Trend zurückbleiben. Dies gilt für jede Glättungstechnik. In der Tat, wenn wir diese Tabellenkalkulation fortsetzen und beginnen Eingabe niedrigeren Nachfrage-Nummern (einen Abwärtstrend) würden Sie sehen, die Nachfrage Linie fallen, und die Trendlinie über sie vor dem Beginn der Abwärtstrend folgen. Thats, warum ich zuvor erwähnt, die Ausgabe aus der exponentiellen Glättung Berechnung, die wir eine Prognose nennen, braucht noch etwas mehr Arbeit. Es gibt viel mehr zu Prognosen als nur Glättung der Beulen in der Nachfrage. Wir müssen zusätzliche Anpassungen für Dinge wie Trend lag, Saisonalität, bekannte Ereignisse, die die Nachfrage beeinflussen können, etc. Aber alle, die über den Rahmen dieses Artikels. Sie werden wahrscheinlich auch in Begriffe wie double-exponentielle Glättung und Triple-exponentielle Glättung. Diese Begriffe sind ein wenig irreführend, da Sie nicht re-Glättung der Nachfrage mehrfach (Sie könnten, wenn Sie wollen, aber das ist nicht der Punkt hier). Diese Begriffe repräsentieren die Verwendung einer exponentiellen Glättung für zusätzliche Elemente der Prognose. Also mit einfacher exponentieller Glättung glätten Sie die Grundanforderung, aber mit doppelt exponentieller Glättung glätten Sie die Grundanforderung plus den Trend und mit dreifach-exponentieller Glättung glätten Sie die Grundanforderung plus Trend und Saisonalität. Die andere am häufigsten gestellte Frage über exponentielle Glättung ist, wo bekomme ich meinen Glättungsfaktor Es gibt keine magische Antwort hier, müssen Sie verschiedene Glättungsfaktoren mit Ihren Nachfrage Daten testen, um zu sehen, was Ihnen die besten Ergebnisse zu testen. Es gibt Berechnungen, die den Glättungsfaktor automatisch einstellen (und ändern) können. Diese fallen unter den Begriff adaptive Glättung, aber Sie müssen vorsichtig mit ihnen sein. Es gibt einfach keine perfekte Antwort und Sie sollten nicht blind implementieren keine Berechnung ohne gründliche Prüfung und Entwicklung eines gründlichen Verständnis dessen, was die Berechnung tut. Sie sollten auch What-If-Szenarios ausführen, um zu sehen, wie diese Berechnungen auf Bedarfsänderungen reagieren, die möglicherweise nicht in den Bedarfsdaten vorhanden sind, die Sie für Tests verwenden. Das Datenbeispiel, das ich vorher verwendet habe, ist ein sehr gutes Beispiel für eine Situation, in der Sie wirklich einige andere Szenarien testen müssen. Dieses besondere Datenbeispiel zeigt einen etwas konsequenten Aufwärtstrend. Viele große Unternehmen mit sehr teuren Prognose-Software bekam in großen Schwierigkeiten in der nicht so fernen Vergangenheit, wenn ihre Software-Einstellungen, die für eine wachsende Wirtschaft gezwickt wurden nicht gut reagiert, wenn die Wirtschaft begann stagnieren oder schrumpfen. Dinge wie dieses passieren, wenn Sie nicht verstehen, was Ihre Berechnungen (Software) tatsächlich tun. Wenn sie ihr Prognosesystem verstanden, hätten sie gewußt, daß sie nötig waren, um zu springen und etwas zu ändern, als es plötzlich dramatische Veränderungen in ihrem Geschäft gab. So dort haben Sie es die Grundlagen der exponentiellen Glättung erklärt. Wollen Sie mehr über die Verwendung exponentieller Glättung in einer aktuellen Prognose wissen, lesen Sie in meinem Buch Inventory Management Explained. Kopie des Urheberrechts. Inhalt auf InventoryOps ist urheberrechtlich geschützt und steht nicht für die Wiederveröffentlichung zur Verfügung. Dave Piasecki. Ist Eigentümer von Inventory Operations Consulting LLC. Ein Beratungsunternehmen, das Dienstleistungen im Zusammenhang mit Bestandsführung, Materialhandling und Lagerbetrieb anbietet. Er hat über 25 Jahre Erfahrung in der Betriebsführung und kann über seine Website (inventoryops) erreicht werden, wo er zusätzliche relevante Informationen unterhält. Meine BusinessMoving-Durchschnitte Die höchsten Handelsgewinne werden in der Regel in stark tendenziellen Märkten getätigt, und der beste Weg, Trends und Trends zu erkennen, ist der Einsatz von gleitenden Durchschnitten. Gleitende Durchschnitte sind Durchschnittspreise eines Wertpapiers oder Indexes über ein bestimmtes Zeitintervall, das ständig aktualisiert wird. Da die Preise gemittelt werden, werden die täglichen Schwankungen in eine glattere Linie gedämpft, die den aktuellen Trend besser wiedergibt. Die Stärke des Trends wird durch die Steigung des gleitenden Durchschnitts, insbesondere der längerfristigen gleitenden Durchschnittswerte, angezeigt. Bewegungsdurchschnitte werden auch in anderen technischen Indikatoren wie Bollinger-Bändern, Umschlägen und Richtungsbewegungsindikatoren verwendet. Simple Moving Averages (SMA) Ein einfacher gleitender Durchschnitt (SMA) ist einfach der Durchschnitt der Preise eines Wertpapiers oder Indexes über einen bestimmten Zeitraum, wie 5, 10, 20 oder 50 Tage. Sie werden bewegte Durchschnitte genannt, da sie für jeden Handelstag für den vorherigen Zeitraum berechnet werden, so dass am Ende eines Handelstages der letzte Tag hinzugefügt wird, während der früheste Tag des vorherigen Durchschnitts fallen gelassen wird. Die meisten gleitenden Mittelwerte basieren auf den Schlusskursen, können aber auf den Öffnungs-, Hoch-, Tief - oder Durchschnittspreisen basieren. Unabhängig davon, welcher Preis gewählt wird, muss konsistent verwendet werden, um die beste Trendanzeige zu liefern. Um beispielsweise einen 10-Tage-einfachen gleitenden Durchschnitt zu berechnen, der als SMA (10) auf der Grundlage der Schlusskurse bezeichnet werden kann, werden die Schlusskurse der letzten 10 Tage addiert, geteilt durch 10. Nach dem nächsten Handelstag, Wird der früheste Tag des vorherigen Durchschnitts durch den letzten Tag ersetzt. Preis am Tag k Anzahl Tage Beispiel - Berechnung eines einfachen gleitenden Durchschnitts Wenn die letzten 3 Schlusskurse einer Aktie 9, 11 und 12 sind, was ist ihre 3-tägige einfache gleitende durchschnittliche SMA (3) (9 11 12) 3 32 3 10.67 Da ein einfacher gleitender Durchschnitt nur ein Durchschnitt ist, bei dem der letzte Wert addiert wird und der erste Wert für jeden Tag fallengelassen wird, kann ein einfacher gleitender Durchschnitt auch mit Hilfe einer Tabellenkalkulationsfunktion berechnet werden. Somit kann mit Microsoft Excel dieser gleitende Durchschnitt folgendermaßen berechnet werden: SMA (3) AVERAGE (9,11,12) 10,67 Die Eingangsvariablen der Funktion AVERAGE können Bezugnahmen auf Zellen mit importierten Aktienkursen sein, was ihre Berechnung noch einfacher macht . Da die gleitenden Mittelwerte auf Daten in einer vorhergehenden Periode beruhen, sind sie nacheilende Indikatoren. Sie können nur einen bereits vorhandenen Trend angeben. Bewegungsdurchschnitte, die auf kürzeren Zeitspannen basieren, reflektieren stärker den zugrunde liegenden aktuellen Trend, sind aber auch empfindlicher gegenüber der Volatilität der Märkte, die viele falsche Signale erzeugen können. Grafik des Dow Jones Industrial Average (DJIA) vom 5. März 2007 bis 3. März 2009 mit den 50-Tage-, 20-Tage - und 5-Tage-Durchschnitten. Beachten Sie, dass der 5-tägige gleitende Durchschnitt die DJIA wesentlich genauer verfolgt als die anderen gleitenden Mittelwerte. Yahoo Finance Um falsche Signale zu minimieren, vor allem in einem whipsaw Markt, der in einem engen Bereich handelt, werden mehrere gleitende Durchschnittswerte verschiedener Zeitspannen zusammen verwendet. Händler verwenden oft Crossover. Wo sich der Graph des kürzeren gleitenden Durchschnittes über einen längeren gleitenden Durchschnitt als guter Hinweis auf einen neuen Trend bewegt. Händler benutzen häufig die Übergänge als Kauf oder Verkaufssignal und als guter Preis, um nachlaufende Anschläge einzustellen. Wenn also der kürzere gleitende Durchschnitt über dem längerfristigen Durchschnitt liegt, zeigt dies einen Beginn eines Aufwärtstrends an, während ein abwärts gerichteter Kreuz den Beginn eines Abwärtstrends anzeigt. Allerdings können sogar Crossover falsche Signale geben, vor allem in den Märkten für Peitsche, so dass gleitende Durchschnitte häufig mit anderen technischen Indikatoren als Bestätigung des Trendwechsels verwendet werden. Exponential Moving Averages (EMA) Das Problem mit einfachen gleitenden Durchschnitten ist, dass der früheste Tag der Zeit das gleiche Gewicht im Durchschnitt hat wie der letzte Tag. Wenn der früheste Tag volatil war, aber der Markt sich erst vor kurzem beruhigt hat, dann wird der volatile Tag einen großen Einfluss auf den Durchschnitt haben, der als Drop-off-Effekt bekannt ist, der den gegenwärtigen Markt am besten nicht repräsentieren würde. Um diese Anomalie zu korrigieren, werden exponentielle gleitende Mittelwerte (EMA) verwendet, wobei ein höheres Gewicht auf neuere Preise gegeben wird. Dieses größere Gewicht veranlasst die EMA, den zugrunde liegenden Preisen die meisten der Zeit näher zu folgen als die SMA der gleichen Dauer. Obwohl gleitende Mittelwerte auf viele verschiedene Weisen berechnet werden können, ist die traditionelle Methode der Berechnung der EMA, um einen zusätzlichen Tag dem einfachen gleitenden Durchschnitt hinzuzufügen, aber um dem letzten Tag ein größeres Gewicht zu verleihen. So für einen 10-tägigen gleitenden Durchschnitt, verwendet die EMA 11 Tage, mit dem letzten Tag ein Gewicht von 211 der Durchschnitt, was 18,18 entspricht. Die Formel für die Berechnung des Gewichts des letzten Tages ist: Gewichtsstrom 2 (Anzahl der Tage im Moving Average 1) Da die Summe aller Gewichte gleich 100 ist, müssen die Gewichte der vorhergehenden 10 Tage gleich: Gewicht MA 100 Gewicht Strom Für dieses Beispiel beträgt das Gewicht der vorhergehenden 10 Tage 100 - 18,18 81,82. Daher ist die Formel für die Berechnung der exponentiellen gleitenden Durchschnitt: EMA Last Day Gewicht Last Day Preis Gewicht der vorherigen Exponential Moving Average Zurück Exponential Moving Average So, wenn XYZ Aktie hatte einen 10-Tage gleitenden Durchschnitt von 25 gestern. Und die Aktie geschlossen bei 26 heute, dann: EMA XYZ 26 18,18 25 81,82 4,73 20,46 25,18 Für jeden Handelstag wird die vorherige EMA verwendet, um die neue EMA zu berechnen, so dass, wenn am 12. Tag XYZ Lager bei 27 geschlossen EMA entspricht: EMA XYZ 27 18,18 25,18 81,82 4,91 20,60 25,51 Es gibt viele Variationen des exponentiellen gleitenden Durchschnitts. Viele dieser Variationen stützen ihre Berechnungen der EMA auf die Volatilität des Marktes. Trading-Strategien mit Moving Averages und Crossovers Moving-Mittelwerte können leicht mit Hilfe einer Tabelle oder der Software einer Handelsplattform berechnet werden. Die meisten großen Websites, die Aktienkurse, wie Yahoo. Google. Und Bloomberg. Bieten auch kostenlose Charting-Tools, die gleitende Durchschnitte enthalten. Die meisten dieser Werkzeuge erlauben auch mehrere gleitende Mittelwerte, die in demselben Grapheven gezeichnet werden sollen. SMAs und EMAs können in demselben Graphen kombiniert werden. Wie bereits erwähnt, können die gleitenden Mittelwerte in vielerlei Hinsicht berechnet werden und können ebenso in vielfältiger Weise verwendet werden. Es gibt keine überzeugenden Beweise, dass jede Methode besser als jede andere ist, zumal es unendlich viele Kombinationen von gleitenden Durchschnitten und anderen technischen Indikatoren gibt. Die beste Verwendung von gleitenden Durchschnitten ist die Bestimmung von Trends. Je größer die Steigung des gleitenden Durchschnitts, desto größer die Stärke des Trends. Im Allgemeinen werden Händler eine Zeitdauer wählen, die ihrem Investitionszeitrahmen angemessen ist. So wird ein langfristiger Trader einen 200-Tage-Durchschnitt oder länger verwenden, während ein Schwunghändler viel kürzere Zeitrahmen verwenden wird. Übergänge von 1 oder mehr bewegten Durchschnitten über einen längerfristigen gleitenden Durchschnitt bedeuten in der Regel eine Trendveränderung und werden auch als Trading-Signale oder zur Einstellung von Schleppstopps verwendet. Eine andere Verwendung der gleitenden Durchschnitte ist, extreme Preise zu erkennen und zu profitieren. Preise, die sich plötzlich weit von dem Durchschnitt entfernt befinden, tendieren dazu, kurzfristig auf den Durchschnitt zurückzukehren, vor allem, wenn es keine signifikanten Nachrichten zur Preisabweichung gibt, so dass kurzfristige Händler von diesen Abweichungen profitieren können. Moving Average Convergence-Divergence (MACD) Indikator Ein gleitender Durchschnitt liefert kein Trading-Signal und ein Crossover von 2 oder mehr bewegten Durchschnitten kann zu spät kommen, um die Trendwende voll auszuschöpfen. Einige Trader, in der Hoffnung, früh zu handeln, um die Vorteile von antizipierten Signalen zu nutzen, betrachten die konvergierenden Linien, um zu sehen, ob sie wahrscheinlich überkreuzen oder wenn die Leitungen divergieren, wodurch die Wahrscheinlichkeit eines Crossover reduziert wird. Aber das ist der Handel durch Intuition. Konvergenz und Divergenz können quantifiziert werden, um ein Signal zu erzeugen. Konvergenz ist das Zusammenkommen von 2 oder mehr Indikatoren. Mit gleitenden Durchschnitten könnte es das Zeichen einer bevorstehenden Trendwende sein. Divergenz ist das Bewegen von zwei oder mehr Indikatoren. Bei gleitenden Durchschnittswerten deutet dies darauf hin, dass sich der Trend weiter fortsetzen wird. Allerdings, wenn die Divergenz zu scharf ist, dann sind die Preise wahrscheinlich erreicht ein extremes Niveau und sind wahrscheinlich zurückziehen in naher Zukunft. Ein einfacher Weg, um Konvergenz und Divergenz zu berechnen, ist, den langfristigen gleitenden Durchschnitt von dem kurzfristigen Durchschnitt zu subtrahieren und dann als Liniengraph zu zeichnen. Wenn die Linie auf Null geht, dann konvergieren die sich bewegenden Mittelwerte, und wenn sie kreuzen, ist die Differenz Null. Wenn jedoch die Differenz größer wird, dann sind die 2 Bewegungsdurchschnitte divergierend. Gerald Appel dachte, dass durch die Auftragung der Differenz zwischen den 2 Bewegungsdurchschnitten gegen einen gleitenden Durchschnitt der Differenz können spezifische Handelssignale erzeugt werden. Dies nennt man den gleitenden durchschnittlichen Konvergenz-Divergenz-Indikator (alias MACD-Indikator). Obwohl die meisten gleitenden Durchschnittswerte verwendet werden können, um entweder die gleitenden Durchschnittswerte der Sicherheit oder den gleitenden Durchschnitt der MACD-Indikatoren darzustellen, verwendete Appel den 12- und 26-Tage-Gleitenden Durchschnitt für die Sicherheit und den 9-Tage-Gleitender Durchschnitt für Die MACD-Anzeige. Dies wird im Diagramm von Google (GOOG) unten gezeigt. Beachten Sie, dass der MACD-Indikator meistens vor den 2 gleitenden Durchschnitten des Wertpapiers gut kreuzt und die Trendänderung an mehreren Stellen erfolgreich markiert. Der MACD ist immer noch ein nachlaufender Indikator, aber er ist viel weniger als die gleitenden Mittelwerte der Sicherheit. Denken Sie daran, wie gleitende Durchschnitte, die MACD-Indikator manchmal falsche Signale. 1-Jahres-Grafik von Google (GOOG) vom 14. März 2008 bis 13. März 2009 und zeigt die 12-Tage und 26 Tage gleitenden Mittelwerte über dem Diagramm der MACD-Indikator der gleitenden Durchschnitte und Volumen. Das Histogramm zeigt die Differenz zwischen den 2 gleitenden Durchschnittswerten, die ebenfalls als blaue Linie im Graphen der MACD-Kennzahl und deren 9-tägiger gleitender Durchschnitt aufgetragen wird. Beachten Sie, wie die 2 Zeilen des MACD-Indikators weit vor den gleitenden Durchschnitten des Googles-Bestands kreuzen. BigCharts - Interaktive Charting Datenschutzbestimmungen Für diesen Inhalt werden Cookies verwendet, um Inhalte und Anzeigen persönlich zu personalisieren, Social Media-Funktionen bereitzustellen und den Traffic zu analysieren. Informationen werden auch über Ihre Nutzung dieser Website mit unseren Social Media-, Werbe - und Analytik-Partnern geteilt. Einzelheiten, einschließlich Opt-out-Optionen, werden in der Datenschutzerklärung zur Verfügung gestellt. Senden Sie eine eMail an thismatter für Vorschläge und Anmerkungen Seien Sie sicher, die Wörter ohne Spam in das Thema einzuschließen. Wenn Sie die Wörter nicht enthalten, wird die E-Mail automatisch gelöscht. Die Informationen sind so wie sie sind und ausschließlich für Bildung, nicht für Handelszwecke oder professionelle Beratung. Copyright-Kopie 1982 - 2017 von William C. Spaulding Google