Moving Average Sas Beispiel

Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Gefällt Ihnen diese kostenlose Website Bitte teilen Sie diese Seite auf GoogleMoving Durchschnitte: Was sind sie Unter den beliebtesten technischen Indikatoren werden gleitende Durchschnitte verwendet, um die Richtung des aktuellen Trends zu messen. Jede Art durchschnittlich bewegen (allgemein in diesem Tutorial als MA geschrieben) ist ein mathematisches Ergebnis, das durch Mittelung einer Anzahl vergangener Datenpunkte berechnet. Sobald bestimmt ist, wird der resultierende Mittelwert dann auf einem Diagramm aufgetragen, um Händler zu ermöglichen, bei geglätteten Daten zu suchen, anstatt sich auf den Tag-zu-Tag Preisschwankungen, die in allen Finanzmärkten inhärent sind. Die einfachste Form eines gleitenden Durchschnitts, in geeigneter Weise als ein einfacher gleitender Durchschnitt (SMA) bekannt ist, wird berechnet, indem das arithmetische Mittel aus einer gegebenen Menge von Werten berechnet. Um zum Beispiel eine grundlegende 10-Tage gleitenden Durchschnitt zu berechnen würden Sie die Schlusskurse aus den letzten 10 Tagen addieren und dann teilen Sie das Ergebnis durch 10. In Abbildung 1 ist die Summe der Preise für die letzten 10 Tage (110) Geteilt durch die Anzahl von Tagen (10), um den 10-Tage-Durchschnitt zu erreichen. Wenn ein Trader einen 50-Tage-Durchschnitt sehen möchte, würde die gleiche Art der Berechnung gemacht, aber er würde auch die Preise in den letzten 50 Tagen enthalten. Der resultierende Durchschnitt unter (11) berücksichtigt die letzten 10 Datenpunkte, um den Händlern eine Vorstellung zu geben, wie ein Gewinn für den letzten 10 Tagen relativ preiswert ist. Vielleicht fragen Sie sich, warum technische Händler nennen dieses Tool einen gleitenden Durchschnitt und nicht nur ein normaler Durchschnitt. Die Antwort ist, dass, wenn neue Werte verfügbar werden, die ältesten Datenpunkte aus dem Satz fallen gelassen werden müssen und neue Datenpunkte hereinkommen müssen, um sie zu ersetzen. Somit bewegt sich der Datensatz ständig auf neue Daten, sobald er verfügbar ist. Diese Berechnungsmethode stellt sicher, dass nur die aktuellen Informationen berücksichtigt werden. Wenn in Fig. 2 der neue Wert von 5 zu dem Satz hinzugefügt wird, bewegt sich das rote Feld (das die letzten 10 Datenpunkte darstellt) nach rechts und der letzte Wert von 15 wird aus der Berechnung entfernt. Weil der relativ kleine Wert von 5 den hohen Wert von 15 ersetzt, würden Sie erwarten, dass der Durchschnitt des Datensatzabbaus zu sehen, was er tut, in diesem Fall von 11 bis 10. Wie sehen sich die gleitenden Mittelwerte aus? MA berechnet worden sind, werden sie auf ein Diagramm aufgetragen und dann verbunden, um eine gleitende mittlere Linie zu erzeugen. Diese Kurvenlinien sind auf den Diagrammen der technischen Händler üblich, aber wie sie verwendet werden, können drastisch variieren (mehr dazu später). Wie Sie in Abbildung 3 sehen können, ist es möglich, mehr als einen gleitenden Durchschnitt zu irgendeinem Diagramm hinzuzufügen, indem man die Anzahl der Zeitperioden, die in der Berechnung verwendet werden, anpasst. Diese kurvenreichen Linien scheinen vielleicht ablenkend oder verwirrend auf den ersten, aber youll wachsen Sie daran gewöhnt, wie die Zeit vergeht. Die rote Linie ist einfach der durchschnittliche Preis in den letzten 50 Tagen, während die blaue Linie der durchschnittliche Preis in den letzten 100 Tagen ist. Nun, da Sie verstehen, was ein gleitender Durchschnitt ist und wie es aussieht, stellen Sie auch eine andere Art von gleitenden Durchschnitt ein und untersuchen, wie es sich von der zuvor genannten einfachen gleitenden Durchschnitt unterscheidet. Die einfache gleitende Durchschnitt ist sehr beliebt bei den Händlern, aber wie alle technischen Indikatoren, hat es seine Kritiker. Viele Personen argumentieren, dass die Nützlichkeit der SMA begrenzt ist, da jeder Punkt in der Datenreihe gleich gewichtet wird, unabhängig davon, wo er in der Sequenz auftritt. Kritiker argumentieren, dass die neuesten Daten bedeutender sind als die älteren Daten und sollten einen größeren Einfluss auf das Endergebnis haben. Als Reaktion auf diese Kritik begannen die Händler, den jüngsten Daten mehr Gewicht zu verleihen, was seitdem zur Erfindung verschiedener Arten von neuen Durchschnittswerten geführt hat, wobei der populärste der exponentielle gleitende Durchschnitt (EMA) ist. (Für weitere Informationen siehe Grundlagen der gewichteten gleitenden Mittelwerte und was ist der Unterschied zwischen einer SMA und einer EMA) Exponentieller gleitender Durchschnitt Der exponentielle gleitende Durchschnitt ist eine Art von gleitendem Durchschnitt, die den jüngsten Preisen mehr Gewicht verleiht, um sie reaktionsfähiger zu machen Zu neuen Informationen. Das Erlernen der etwas komplizierten Gleichung für die Berechnung einer EMA kann für viele Händler unnötig sein, da fast alle Kartierungspakete die Berechnungen für Sie durchführen. Jedoch für Sie Mathegeeks heraus dort, ist hier die EMA-Gleichung: Wenn Sie die Formel verwenden, um den ersten Punkt der EMA zu berechnen, können Sie feststellen, dass es keinen Wert gibt, der als das vorhergehende EMA benutzt werden kann. Dieses kleine Problem kann gelöst werden, indem man die Berechnung mit einem einfachen gleitenden Durchschnitt beginnt und mit der obigen Formel fortfährt. Wir haben Ihnen eine Beispielkalkulationstabelle zur Verfügung gestellt, die praktische Beispiele enthält, wie Sie sowohl einen einfachen gleitenden Durchschnitt als auch einen exponentiellen gleitenden Durchschnitt berechnen können. Der Unterschied zwischen der EMA und SMA Nun, da Sie ein besseres Verständnis haben, wie die SMA und die EMA berechnet werden, können wir einen Blick darauf werfen, wie sich diese Mittelwerte unterscheiden. Mit Blick auf die Berechnung der EMA, werden Sie feststellen, dass mehr Wert auf die jüngsten Datenpunkte gelegt wird, so dass es eine Art von gewichteten Durchschnitt. In Abbildung 5 sind die Anzahl der Zeitperioden, die in jedem Durchschnitt verwendet werden, identisch (15), aber die EMA reagiert schneller auf die sich ändernden Preise. Beachten Sie, wie die EMA einen höheren Wert hat, wenn der Preis steigt, und fällt schneller als die SMA, wenn der Preis sinkt. Diese Reaktionsfähigkeit ist der Hauptgrund, warum viele Händler es vorziehen, die EMA über die SMA zu verwenden. Was sind die verschiedenen Tage Durchschnittliche Mittelwerte sind eine völlig anpassbare Indikator, was bedeutet, dass der Benutzer frei wählen können, was Zeitrahmen sie wollen, wenn die Schaffung der Durchschnitt. Die häufigsten Zeitabschnitte, die bei gleitenden Durchschnitten verwendet werden, sind 15, 20, 30, 50, 100 und 200 Tage. Je kürzer die Zeitspanne, die verwendet wird, um den Durchschnitt zu erzeugen, desto empfindlicher wird es für Preisänderungen sein. Je länger die Zeitspanne, desto weniger empfindlich, oder mehr geglättet, wird der Durchschnitt sein. Es gibt keinen richtigen Zeitrahmen für die Einrichtung Ihrer gleitenden Durchschnitte. Der beste Weg, um herauszufinden, welche am besten für Sie arbeitet, ist es, mit einer Reihe von verschiedenen Zeitperioden zu experimentieren, bis Sie eine finden, die zu Ihrer Strategie passt. Moving Averages: So verwenden Sie Them Subscribe to News Für die neuesten Erkenntnisse und Analysen verwenden Danke für die Anmeldung zu Investopedia Insights - News zu verwenden. Der Beispielcode auf der Registerkarte Voller Code veranschaulicht, wie die gleitende Durchschnitt einer Variablen durch eine berechnet Gesamten Datensatz, über die letzten N Beobachtungen in einem Datensatz oder über die letzten N Beobachtungen innerhalb einer BY-Gruppe. Diese Beispieldateien und Codebeispiele werden von SAS Institute Inc. bereitgestellt, und zwar ohne Gewährleistung jeglicher Art, entweder ausdrücklich oder implizit, einschließlich aber nicht beschränkt auf die implizierten Garantien der Marktgängigkeit und Eignung für einen bestimmten Zweck. Die Empfänger erkennen an und stimmen zu, dass SAS Institute nicht für irgendwelche Schäden haftbar ist, die sich aus ihrer Verwendung dieses Materials ergeben. Darüber hinaus bietet das SAS Institute keine Unterstützung für die hierin enthaltenen Materialien. Diese Beispieldateien und Codebeispiele werden von SAS Institute Inc. bereitgestellt, und zwar ohne Gewährleistung jeglicher Art, entweder ausdrücklich oder implizit, einschließlich aber nicht beschränkt auf die implizierten Garantien der Marktgängigkeit und Eignung für einen bestimmten Zweck. Die Empfänger erkennen an und stimmen zu, dass SAS Institute nicht für irgendwelche Schäden haftbar ist, die sich aus ihrer Verwendung dieses Materials ergeben. Darüber hinaus bietet das SAS Institute keine Unterstützung für die hierin enthaltenen Materialien. Berechnen Sie den gleitenden Durchschnitt einer Variablen über einen gesamten Datensatz, über die letzten N Beobachtungen in einem Datensatz oder über die letzten N Beobachtungen innerhalb einer BY-Gruppe. Autoregressive Moving-Average Fehlerprozesse (ARMA-Fehler) und andere Modelle, die involvieren Können Verzögerungen von Fehlertermen durch Verwendung von FIT-Anweisungen abgeschätzt und mit Hilfe von SOLVE-Anweisungen simuliert oder prognostiziert werden. ARMA-Modelle für den Fehlerprozess werden oft für Modelle mit autokorrelierten Residuen verwendet. Mit dem AR-Makro können Modelle mit autoregressiven Fehlerprozessen spezifiziert werden. Mit dem MA-Makro können Modelle mit gleitenden Durchschnittsfehlern angegeben werden. Autoregressive Fehler Ein Modell mit autoregressiven Fehler erster Ordnung, AR (1), hat die Form, während ein AR (2) Fehlerprozess die Form hat und so weiter für Prozesse höherer Ordnung. Beachten Sie, dass die s unabhängig und identisch verteilt sind und einen Erwartungswert von 0 haben. Ein Beispiel für ein Modell mit einer AR (2) - Komponente ist usw. für Prozesse höherer Ordnung. Zum Beispiel können Sie ein einfaches lineares Regressionsmodell mit MA (2) gleitenden Durchschnittsfehlern schreiben, da MA1 und MA2 die gleitenden Mittelwerte sind. Beachten Sie, dass RESID. Y automatisch durch PROC MODEL definiert wird. Die ZLAG-Funktion muss für MA-Modelle verwendet werden, um die Rekursion der Verzögerungen zu verkürzen. Dadurch wird sichergestellt, dass die verzögerten Fehler in der Lag-Priming-Phase bei Null beginnen und keine fehlenden Werte propagieren, wenn Verzögerungsperiodenvariablen fehlen, und stellt sicher, dass die zukünftigen Fehler null sind, anstatt während Simulation oder Prognose fehlen. Einzelheiten zu den Verzögerungsfunktionen finden Sie im Abschnitt Lag Logic. Dieses mit dem MA-Makro geschriebene Modell lautet wie folgt: Allgemeine Form für ARMA-Modelle Das allgemeine ARMA-Verfahren (p, q) hat die folgende Form Ein ARMA-Modell (p, q) kann wie folgt angegeben werden: wobei AR i und MA j repräsentieren Die autoregressiven und gleitenden Durchschnittsparameter für die verschiedenen Verzögerungen. Sie können beliebige Namen für diese Variablen verwenden, und es gibt viele äquivalente Möglichkeiten, die die Spezifikation geschrieben werden könnte. Vektor-ARMA-Prozesse können auch mit PROC MODEL geschätzt werden. Beispielsweise kann ein zweidimensionaler AR (1) - Prozeß für die Fehler der beiden endogenen Variablen Y1 und Y2 wie folgt spezifiziert werden: Konvergenzprobleme mit ARMA-Modellen ARMA-Modelle können schwer abzuschätzen sein. Wenn die Parameterschätzwerte nicht innerhalb des geeigneten Bereichs liegen, wachsen exponentiell gleitende Modellrestriktionen. Die berechneten Residuen für spätere Beobachtungen können sehr groß sein oder überlaufen. Dies kann entweder geschehen, weil falsche Startwerte verwendet wurden oder weil sich die Iterationen von vernünftigen Werten entfernt haben. Bei der Auswahl der Anfangswerte für ARMA-Parameter sollte Sorgfalt angewendet werden. Startwerte von 0,001 für ARMA Parameter in der Regel funktionieren, wenn das Modell die Daten gut und das Problem passt gut konditioniert. Man beachte, dass ein MA-Modell oft durch ein höherwertiges AR-Modell angenähert werden kann und umgekehrt. Dies kann in gemischten ARMA-Modelle in hohen Kollinearität führen, was wiederum kann zu schweren Fehlkonditionierung in den Berechnungen und Instabilität der Parameterschätzungen führen. Wenn Sie Konvergenzprobleme haben, während Sie ein Modell mit ARMA-Fehlerprozessen schätzen, versuchen Sie in Schritten abzuschätzen. Verwenden Sie zunächst eine FIT-Anweisung nur die Strukturparameter mit den ARMA Parameter auf Null (oder zu vernünftigen früheren Schätzungen, wenn verfügbar), die zu schätzen. Verwenden Sie dann eine andere FIT-Anweisung nur die ARMA-Parameter zu schätzen, die strukturellen Parameterwerte aus dem ersten Lauf mit. Da die Werte der Strukturparameter sind wahrscheinlich ihre endgültigen Schätzungen nahe zu sein, könnten die ARMA Parameterschätzungen nun zusammenlaufen. Verwenden Sie schließlich eine andere FIT-Anweisung, um simultane Schätzungen aller Parameter zu erzeugen. Da die Anfangswerte der Parameter jetzt wahrscheinlich ganz nahe an ihre endgültige gemeinsame Schätzungen zu sein, sollten die Schätzungen schnell konvergieren, wenn das Modell für die Daten geeignet ist. AR Anfangsbedingungen Die Anfangsverzögerungen der Fehlerterme von AR (p) - Modellen können auf unterschiedliche Weise modelliert werden. Die autoregressiven Fehlerstartmethoden von SAS / ETS Verfahren unterstützt sind die folgenden: bedingten kleinsten Quadrate (ARIMA und MODEL Verfahren) bedingungslose kleinsten Quadrate (AUTOREG, ARIMA und MODEL Verfahren) Maximum-Likelihood (AUTOREG, ARIMA und MODEL Verfahren) Yule-Walker (AUTOREG Verfahren nur) Hildreth-Lu, die die ersten p Beobachtungen (MODEL Verfahren nur) löscht siehe Kapitel 8, Die AUTOREG Verfahren, um eine Erklärung und Diskussion über die Vorzüge der verschiedenen AR (p) den Startmethoden. Die CLS-, ULS-, ML - und HL-Initialisierungen können mit PROC MODEL durchgeführt werden. Für AR (1) Fehler können diese Initialisierungen wie in Tabelle 18.2 gezeigt erzeugt werden. Diese Verfahren sind in großen Proben äquivalent. Tabelle 18.2 Initialisierungen durchgeführt durch PROC MODELL: AR (1) ERRORS Die anfänglichen Verzögerungen der Fehlerausdrücke von MA (q) - Modellen können auch unterschiedlich modelliert werden. Die folgenden gleitenden durchschnittlichen Fehlerstartparadigmen werden von den ARIMA - und MODEL-Prozeduren unterstützt: unbedingte kleinste Fehlerquadrate bedingte kleinste Fehlerquadrate Die bedingte Methode der kleinsten Fehlerquadrate zur Schätzung der gleitenden durchschnittlichen Fehlerterme ist nicht optimal, da sie das Startproblem ignoriert. Dies verringert die Effizienz der Schätzungen, obwohl sie unverändert bleiben. Die anfänglichen verzögerten Residuen, die sich vor dem Start der Daten erstrecken, werden als 0 angenommen, ihr unbedingter Erwartungswert. Dies führt zu einer Differenz zwischen diesen Residuen und den verallgemeinerten Resten der kleinsten Quadrate für die gleitende durchschnittliche Kovarianz, die im Gegensatz zum autoregressiven Modell durch den Datensatz fortbesteht. Normalerweise konvergiert diese Differenz schnell auf 0, aber für fast nicht-invertierbare gleitende Durchschnittsprozesse ist die Konvergenz ziemlich langsam. Um dieses Problem zu minimieren, sollten Sie viele Daten haben, und die gleitenden Durchschnittsparameter-Schätzungen sollten gut innerhalb des invertiblen Bereichs liegen. Dieses Problem kann auf Kosten des Schreibens eines komplexeren Programms korrigiert werden. Unbedingte Kleinste-Quadrate-Schätzungen für das MA (1) - Prozeß können durch Spezifizieren des Modells wie folgt erzeugt werden: Gleitende Durchschnittsfehler können schwer abgeschätzt werden. Man sollte erwägen, eine AR (p) - Näherung für den gleitenden Durchschnitt zu verwenden. Ein gleitender Durchschnitt kann in der Regel durch einen autoregressiven Prozess gut approximiert werden, wenn die Daten nicht geglättet oder differenziert sind. Das AR-Makro Das SAS-Makro AR erzeugt Programmieranweisungen für PROC MODEL für autoregressive Modelle. Das AR-Makro ist Teil der SAS / ETS-Software, und es sind keine speziellen Optionen erforderlich, um das Makro zu verwenden. Das autoregressive Verfahren kann auf die strukturellen Gleichungsfehler oder auf die endogenen Reihen selbst angewendet werden. Das AR-Makro kann für folgende Arten von Autoregression verwendet werden: uneingeschränkte Vektorautoregression beschränkte Vektorautoregression Univariate Autoregression Um den Fehlerterm einer Gleichung als autoregressiven Prozess zu modellieren, verwenden Sie die folgende Anweisung nach der Gleichung: Angenommen, Y ist eine Linearen Funktion von X1, X2 und einem AR (2) Fehler. Sie würden dieses Modell wie folgt schreiben: Die Aufrufe zu AR müssen nach allen Gleichungen kommen, auf die sich der Prozess bezieht. Der vorhergehende Makroaufruf AR (y, 2) erzeugt die in der LIST-Ausgabe in Abbildung 18.58 gezeigten Anweisungen. Abbildung 18.58 LIST Optionsausgabe für ein AR (2) - Modell Die PRED-Präfixvariablen sind temporäre Programmvariablen, die verwendet werden, so dass die Verzögerungen der Residuen die korrekten Residuen sind und nicht die, die durch diese Gleichung neu definiert werden. Beachten Sie, dass dies den Aussagen entspricht, die explizit im Abschnitt Allgemeine Formulare für ARMA-Modelle beschrieben sind. Sie können die autoregressiven Parameter auch bei ausgewählten Verzögerungen auf Null setzen. Wenn Sie zum Beispiel autoregressive Parameter in den Lags 1, 12 und 13 wünschen, können Sie die folgenden Anweisungen verwenden: Diese Anweisungen erzeugen die in Abbildung 18.59 dargestellte Ausgabe. Abbildung 18.59 LIST-Option Ausgang für ein AR-Modell mit Lags bei 1, 12 und 13 Die MODEL-Prozedurauflistung der kompilierten Programmcode-Anweisung als Parsed PRED. yab x1 c x2 RESID. y PRED. y - ACTUAL. y ERROR. y PRED. Y - y OLDPRED. y PRED. y yl1 ZLAG1 (y - perdy) yl12 ZLAG12 (y - perdy) yl13 ZLAG13 (y - perdy) RESID. y PRED. y - ACTUAL. y ERROR. y PRED. y - y Es gibt Variationen der Methode der bedingten Kleinste-Quadrate, je nachdem, ob Beobachtungen am Anfang der Serie zum Aufwärmen des AR-Prozesses verwendet werden. Die AR-bedingte Methode der kleinsten Quadrate verwendet standardmäßig alle Beobachtungen und nimmt Nullen für die Anfangsverzögerungen autoregressiver Terme an. Wenn Sie die M-Option verwenden, können Sie anfordern, dass AR die unbedingte Methode der kleinsten Fehlerquadrate (ULS) oder Maximum-Likelihood (ML) anwendet. Zum Beispiel, Diskussionen dieser Methoden wird im Abschnitt AR Anfangsbedingungen zur Verfügung gestellt. Unter Verwendung der Option MCLS n können Sie anfordern, dass die ersten n Beobachtungen verwendet werden, um Schätzungen der anfänglichen autoregressiven Verzögerungen zu berechnen. In diesem Fall beginnt die Analyse mit der Beobachtung n 1. Beispielsweise können Sie mit dem AR-Makro ein autoregressives Modell an die endogene Variable anstelle des Fehlerterms über die Option TYPEV anwenden. Wenn Sie beispielsweise die fünf letzten Lags von Y der Gleichung im vorherigen Beispiel hinzufügen möchten, können Sie AR verwenden, um die Parameter und die Lags mit den folgenden Anweisungen zu generieren: Die obigen Anweisungen erzeugen die in Abbildung 18.60 dargestellte Ausgabe. Abbildung 18.60 LIST Option Ausgang für ein AR-Modell von Y Dieses Modell prognostiziert Y als lineare Kombination von X1, X2, einem Intercept und den Werten von Y in den letzten fünf Perioden. Unrestricted Vector Autoregression Um die Fehlerausdrücke eines Gleichungssystems als vektorautoregressiven Prozess zu modellieren, verwenden Sie die folgende Form des AR-Makros nach den Gleichungen: Der Name des Prozessnamens ist ein beliebiger Name, den Sie für AR verwenden, um Namen für den autoregressiven Namen zu verwenden Werden. Mit dem AR-Makro können Sie verschiedene AR-Prozesse für verschiedene Sätze von Gleichungen modellieren, indem Sie für jeden Satz unterschiedliche Prozessnamen verwenden. Der Prozessname stellt sicher, dass die verwendeten Variablennamen eindeutig sind. Verwenden Sie für den Prozess einen kurzen Prozessname-Wert, wenn Parameter-Schätzwerte in einen Ausgabedatensatz geschrieben werden sollen. Das AR-Makro versucht, Parameternamen zu erstellen, die kleiner oder gleich acht Zeichen sind, aber diese wird durch die Länge des Prozessnamens begrenzt. Die als Präfix für die AR-Parameternamen verwendet wird. Der Variablenlistenwert ist die Liste der endogenen Variablen für die Gleichungen. Beispielsweise wird angenommen, dass Fehler für die Gleichungen Y1, Y2 und Y3 durch einen autoregressiven Prozess der zweiten Ordnung erzeugt werden. Sie können die folgenden Aussagen verwenden, die für Y1 und ähnlichen Code für Y2 und Y3 erzeugen: Für Vektorprozesse kann nur die Methode der bedingten kleinsten Quadrate (MCLS oder MCLS n) verwendet werden. Sie können auch das gleiche Formular mit Einschränkungen verwenden, dass die Koeffizientenmatrix bei ausgewählten Verzögerungen 0 ist. Zum Beispiel verwenden die folgenden Aussagen einen Vektorprozess der dritten Ordnung auf die Gleichungsfehler, wobei alle Koeffizienten bei Verzögerung 2 auf 0 beschränkt sind und die Koeffizienten bei den Verzögerungen 1 und 3 unbeschränkt sind: Sie können die drei Reihen Y1Y3 als vektorautoregressiven Prozess modellieren In den Variablen statt in den Fehlern, indem Sie die Option TYPEV verwenden. Wenn Sie Y1Y3 als Funktion von vergangenen Werten von Y1Y3 und einigen exogenen Variablen oder Konstanten modellieren möchten, können Sie mit AR die Anweisungen für die Lag-Terme erzeugen. Schreiben Sie eine Gleichung für jede Variable für den nichtautoregressiven Teil des Modells und rufen Sie dann AR mit der Option TYPEV auf. Zum Beispiel kann der nichtautoregressive Teil des Modells eine Funktion von exogenen Variablen sein, oder es können Abfangparameter sein. Wenn es keine exogenen Komponenten für das Vektorautoregressionsmodell gibt, die keine Abschnitte enthalten, dann weisen Sie jeder der Variablen Null zu. Es muss eine Zuordnung zu jeder der Variablen vorhanden sein, bevor AR aufgerufen wird. Dieses Beispiel modelliert den Vektor Y (Y1 Y2 Y3) als eine lineare Funktion nur seines Werts in den vorherigen zwei Perioden und einen Weißrauschenfehlervektor. Das Modell hat 18 (3 3 3 3) Parameter. Syntax des AR-Makros Es gibt zwei Fälle der Syntax des AR-Makros. Wenn Einschränkungen für einen Vektor-AR-Prozess nicht benötigt werden, hat die Syntax des AR-Makros die allgemeine Form, die ein Präfix für AR spezifiziert, das beim Konstruieren von Namen von Variablen zum Definieren des AR-Prozesses verwendet werden soll. Wenn der Endolist nicht angegeben wird, ist die endogene Liste standardmäßig der Name. Der der Name der Gleichung sein muss, auf die der AR-Fehlerprozess angewendet werden soll. Der Name darf nicht länger als 32 Zeichen sein. Ist die Reihenfolge des AR-Prozesses. Gibt die Liste der Gleichungen an, auf die der AR-Prozess angewendet werden soll. Wenn mehr als ein Name gegeben wird, wird ein unbeschränkter Vektorprozess mit den strukturellen Residuen aller Gleichungen erzeugt, die als Regressoren in jeder der Gleichungen enthalten sind. Wenn nicht angegeben, verwendet endolist standardmäßig den Namen. Gibt die Liste der Verzögerungen an, zu denen die AR-Terme hinzugefügt werden sollen. Die Koeffizienten der Terme, die nicht aufgelistet sind, werden auf 0 gesetzt. Alle aufgelisteten Lags müssen kleiner oder gleich nlag sein. Und es dürfen keine Duplikate vorhanden sein. Wenn nicht angegeben, wird die Verzögerungsliste standardmäßig auf alle Verzögerungen 1 bis nlag gesetzt. Gibt die zu implementierende Schätzmethode an. Gültige Werte von M sind CLS (bedingte Schätzungen der kleinsten Quadrate), ULS (unbedingte Schätzungen der kleinsten Quadrate) und ML (Maximum Likelihood Estimates). MCLS ist die Voreinstellung. Nur MCLS ist erlaubt, wenn mehr als eine Gleichung angegeben wird. Die ULS - und ML-Methoden werden für AR-AR-Modelle von AR nicht unterstützt. Dass das AR-Verfahren auf die endogenen Variablen anstelle der strukturellen Residuen der Gleichungen angewendet werden soll. Eingeschränkte Vektorautoregression Sie können steuern, welche Parameter in den Prozess eingeschlossen werden, wobei die Parameter auf 0 begrenzt werden, die Sie nicht einschließen. Verwenden Sie zuerst AR mit der Option DEFER, um die Variablenliste zu deklarieren und die Dimension des Prozesses zu definieren. Verwenden Sie dann zusätzliche AR-Aufrufe, um Ausdrücke für ausgewählte Gleichungen mit ausgewählten Variablen an ausgewählten Verzögerungen zu generieren. Zum Beispiel sind die erzeugten Fehlergleichungen wie folgt: Dieses Modell besagt, daß die Fehler für Y1 von den Fehlern sowohl von Y1 als auch von Y2 (aber nicht von Y3) bei beiden Verzögerungen 1 und 2 abhängen und daß die Fehler für Y2 und Y3 davon abhängen Die vorherigen Fehler für alle drei Variablen, aber nur bei Verzögerung 1. AR-Makro-Syntax für eingeschränkten Vektor-AR Eine alternative Verwendung von AR ist es, Einschränkungen für einen Vektor-AR-Prozess durch Aufruf von AR mehrmals aufzuerlegen, um verschiedene AR-Terme und Lags für verschiedene festzulegen Gleichungen. Der erste Aufruf hat die allgemeine Form spezifiziert ein Präfix für AR zu verwenden, bei der Konstruktion von Namen von Variablen benötigt, um den Vektor AR-Prozess zu definieren. Gibt die Reihenfolge des AR-Prozesses an. Gibt die Liste der Gleichungen an, auf die der AR-Prozess angewendet werden soll. Gibt an, dass AR den AR-Prozess nicht generieren soll, sondern auf weitere Informationen warten soll, die in späteren AR-Aufrufen für denselben Namenwert angegeben sind. Die nachfolgenden Anrufe haben die allgemeine Form ist die gleiche wie im ersten Aufruf. Spezifiziert die Liste der Gleichungen, auf die die Spezifikationen in diesem AR-Aufruf angewendet werden sollen. Nur Namen, die im Endolistenwert des ersten Aufrufs für den Namenswert angegeben sind, können in der Liste der Gleichungen in eqlist erscheinen. Spezifiziert die Liste der Gleichungen, deren verzögerte strukturelle Residuen als Regressoren in die Gleichungen in eqlist aufgenommen werden sollen. Nur Namen im Endolisten des ersten Aufrufs für den Namenswert können in varlist erscheinen. Wenn nicht angegeben, wird varlist standardmäßig Endolist. Gibt die Liste der Verzögerungen an, zu denen die AR-Terme hinzugefügt werden sollen. Die Koeffizienten der Terme, die nicht aufgelistet sind, werden auf 0 gesetzt. Alle aufgelisteten Verzögerungen müssen kleiner oder gleich dem Wert von nlag sein. Und es dürfen keine Duplikate vorhanden sein. Wenn nicht angegeben, verwendet laglist standardmäßig alle Verzögerungen 1 bis nlag. Das MA-Makro Das SAS-Makro MA generiert Programmieranweisungen für PROC MODEL für gleitende Durchschnittsmodelle. Das MA-Makro ist Teil der SAS / ETS-Software, und es sind keine speziellen Optionen erforderlich, um das Makro zu verwenden. Der gleitende Mittelwertfehlerprozeß kann auf die strukturellen Gleichungsfehler angewendet werden. Die Syntax des MA-Makros entspricht dem AR-Makro, außer es gibt kein TYPE-Argument. Wenn Sie die kombinierten MA - und AR-Makros verwenden, muss das Makro MA dem AR-Makro folgen. Die folgenden SAS / IML-Anweisungen erzeugen einen ARMA-Fehlerprozeß (1, (1 3)) und speichern ihn im Datensatz MADAT2. Die folgenden PROC MODEL-Anweisungen werden verwendet, um die Parameter dieses Modells unter Verwendung der maximalen Wahrscheinlichkeitsfehlerstruktur zu schätzen: Die Schätzungen der durch diesen Durchlauf erzeugten Parameter sind in Abbildung 18.61 dargestellt. Abbildung 18.61 Schätzungen aus einem ARMA-Prozess (1, (1 3)) Es gibt zwei Fälle der Syntax für das MA-Makro. Wenn Beschränkungen für einen Vektor-MA-Prozess nicht erforderlich sind, hat die Syntax des MA-Makros die allgemeine Form, die ein Präfix für MA vorgibt, das beim Konstruieren von Namen von Variablen verwendet wird, die benötigt werden, um den MA-Prozess zu definieren, und ist der Standard-Endolist. Ist die Reihenfolge des MA-Prozesses. Spezifiziert die Gleichungen, auf die das MA-Verfahren angewendet werden soll. Wenn mehr als ein Name angegeben wird, wird die CLS-Schätzung für den Vektorprozess verwendet. Gibt die Verzögerungen an, zu denen die MA-Bedingungen hinzugefügt werden sollen. Alle aufgelisteten Verzögerungen müssen kleiner oder gleich nlag sein. Und es dürfen keine Duplikate vorhanden sein. Wenn nicht angegeben, wird die Verzögerungsliste standardmäßig auf alle Verzögerungen 1 bis nlag gesetzt. Gibt die zu implementierende Schätzmethode an. Gültige Werte von M sind CLS (bedingte Schätzungen der kleinsten Quadrate), ULS (unbedingte Schätzungen der kleinsten Quadrate) und ML (Maximum Likelihood Estimates). MCLS ist die Voreinstellung. Nur MCLS ist erlaubt, wenn mehr als eine Gleichung im Endolisten angegeben ist. MA-Makro-Syntax für eingeschränkte Vektorbewegungsmittel Eine alternative Verwendung von MA ist es, Beschränkungen für einen Vektor-MA-Prozeß durch Aufruf von MA mehrere Male aufzuerlegen, um verschiedene MA-Terme und Verzögerungen für verschiedene Gleichungen anzugeben. Der erste Aufruf hat die allgemeine Form spezifiziert ein Präfix für MA, um beim Erstellen von Namen von Variablen für die Definition der Vektor-MA-Prozess zu verwenden. Spezifiziert die Reihenfolge des MA-Prozesses. Spezifiziert die Liste der Gleichungen, auf die das MA-Verfahren angewendet werden soll. Spezifiziert, daß MA nicht den MA-Prozeß erzeugen soll, sondern auf weitere Informationen, die in späteren MA-Aufrufen für denselben Namenwert spezifiziert werden, wartet. Die nachfolgenden Anrufe haben die allgemeine Form ist die gleiche wie im ersten Aufruf. Spezifiziert die Liste der Gleichungen, auf die die Spezifikationen in diesem MA-Aufruf angewendet werden sollen. Spezifiziert die Liste der Gleichungen, deren verzögerte strukturelle Residuen als Regressoren in die Gleichungen in eqlist aufgenommen werden sollen. Gibt die Liste der Lags an, an denen die MA-Begriffe hinzugefügt werden sollen. TRADINGSIM DAY TRADING BLOG Wie man mit dem einfachen beweglichen Durchschnitt handhabt 156 Flares Twitter 0 Facebook 153 Google 3 156 Flares 215 Also, was ist der einfache gleitende Durchschnitt Sobald Sie beginnen Schälen Sie die Zwiebel zurück, der einfache gleitende Durchschnitt ist alles andere als einfach. Dieser Artikel behandelt eine Vielzahl von Themen, um nur einige zu nennen, wir werden die einfache gleitende Durchschnittsformel, die gängigen gleitenden Durchschnittswerte (5, 10, 200), einige reale, gleitende Durchschnittsbeispiele und wie einige Crossover-Strategien diskutieren. Es gibt ein paar zusätzliche Ressourcen möchte ich darauf hinweisen, bevor Sie mit dem Artikel (1) Trading Simulator (Sie müssen praktizieren, was Sie gelernt haben) und (2) zusätzliche gleitende durchschnittliche Artikel, um ein breiteres Verständnis der Mittelwerte zu erhalten (Exponential Moving Average, dreifach exponentiell gleitender Durchschnitt). Einfache gleitende Durchschnittsformel Der einfache gleitende Durchschnitt (SMA) ist der grundlegendste der gleitenden Durchschnittswerte für den Handel. Die einfache gleitende Durchschnittsformel wird berechnet, indem der durchschnittliche Schlusskurs einer Aktie über die letzten x Perioden genommen wird. Werfen wir einen Blick auf eine einfache gleitende durchschnittliche Beispiel mit MSFT. Die letzten fünf Schlusskurse für MSFT sind: Um die einfache gleitende Durchschnittsformel zu berechnen, teilen Sie die Summe der Schlusskurse und dividieren sie durch die Anzahl der Perioden. 5-Tage SMA 143.24 / 5 28.65 Beliebte Einfache Moving Averages In der Theorie gibt es eine unendliche Anzahl von einfachen gleitenden Durchschnitten. Wenn Sie denken, Sie werden kommen mit einigen seltsamen 46 SMA auf dem Markt zu schlagen, lassen Sie mich aufhören Sie jetzt. Es ist wichtig, die gebräuchlichsten SMAs zu verwenden, da diese die Mehrheit der Händler auf einer täglichen Basis verwenden werden. Während ich nicht befürworte, Sie folgen alle anderen, ist es wichtig zu wissen, was andere Händler sind auf der Suche nach Hinweisen. Im Folgenden sind die häufigsten SMAs auf dem Markt: 5 - SMA - Für den Hyper-Händler. Diese kurze von einem SMA wird Ihnen ständig Signale geben. Der beste Einsatz eines 5-SMA ist als Handelsauslöser in Verbindung mit einer längeren SMA-Periode. 10-SMA - beliebt bei den kurzfristigen Händlern. Große Schwunghändler und Tageshändler. 20-SMA - die letzte Station auf dem Bus für kurzfristige Händler. Über 20-SMA Sie sind im Grunde auf der Suche nach primären Trends. 50-SMA - nutzen Sie den Trader zu mittelfristigen Trends zu messen. 50 Periode einfach gleitenden Durchschnitt 200-SMA - Willkommen in der Welt der langfristigen Trendfolger. Die meisten Anleger werden für eine Kreuzung über oder unter diesem Durchschnitt zu repräsentieren, wenn die Aktie in einem zinsbullischen oder bärischen Trend ist zu suchen. 200 Perioden einfachen gleitenden Durchschnitt Grundregeln für den Handel mit der SMA Die meisten Händler werden Ihnen sagen, einfach zu handelnden durchschnittlichen Crossover von und die Gewinne fallen vom Himmel fallen. Nun, leider ist das nicht richtig. Oft werden die Bestände über oder unter gleitenden Durchschnittswerten ticken, um nur in der Primärrichtung fortzufahren. Dies wird Sie auf der falschen Seite des Marktes verlassen und auf Ihre Positionen. Im Folgenden sind ein paar Möglichkeiten, um Geld zu handeln, die SMA. Gehen mit dem primären Trend Suchen Sie nach Beständen, die nach oben oder unten stark brechen Übernehmen Sie die folgenden SMAs 5,10,20,40,200, um zu sehen, welche Einstellung den Preis am besten enthält Wenn Sie die richtige SMA identifiziert haben, warten Sie, bis der Preis getestet wird Die SMA erfolgreich und suchen Sie nach Preis-Bestätigung, dass die Aktie wieder in die Richtung der primären Trend Geben Sie den Handel auf der nächsten bar Fade den primären Trend mit zwei einfachen Moving Averages Suchen Sie Aktien, die brechen aus nach oben oder unten stark Wählen Sie zwei einfache gleitende Durchschnitte (ZB 5 und 10) Vergewissern Sie sich, dass der Preis die 5 SMA oder 10 SMA nicht übermäßig in den letzten 10 Takten berührt hat. Warten Sie, bis der Preis über oder unter beiden gleitenden Durchschn Primären Trend auf der gleichen Bar Geben Sie den Handel auf der nächsten bar Real-Life-Beispiel gehen mit dem primären Trend mit dem SMA Der einfache gleitende Durchschnitt ist wahrscheinlich eine der grundlegendsten Formen der technischen Analyse. Auch harte Kern grundlegenden Jungs haben ein oder zwei Dinge über den Indikator zu sagen. Ein Trader muss vorsichtig sein, da es unbegrenzte Anzahl von Mitteln, die Sie verwenden können und dann werfen Sie die mehrere Zeitrahmen in der Mischung und Sie haben wirklich eine chaotische Karte. Unten ist ein Play-by-Play für die Verwendung eines gleitenden Durchschnitt auf einer Intraday-Chart. Im nachfolgenden Beispiel werden wir uns nach dem Anlegen einer Long-Position auf die rechte Seite des Trends halten. Die folgende Tabelle ist von TIBCO (TIBX) am 24. Juni 2011. Simple Moving Average Beispiel Beachten Sie, wie die Aktie hatte einen Ausbruch auf der offenen und geschlossen in der Nähe der Höhe des Leuchters. Ein Breakout Trader würde dies als Gelegenheit nutzen, um auf den Zug zu springen und ihre Haltestelle unter dem Tiefpunkt der Eröffnungskerze zu stellen. An diesem Punkt können Sie den gleitenden Durchschnitt verwenden, um die Stärke des aktuellen Trends zu messen. In diesem Diagramm Beispiel verwenden wir die 10-Periode einfachen gleitenden Durchschnitt. Einfache Moving Average - Wann zu verkaufen Jetzt mit Blick auf die Tabelle oben, wie Sie denken, Sie hätten wissen müssen, um auf der 26,40-Ebene mit dem einfachen gleitenden Durchschnitt Lassen Sie mich Ihnen helfen, hier zu verkaufen. Du hättest keine Ahnung gehabt. Weit zu viele Händler haben versucht, den einfachen gleitenden Durchschnitt zu verwenden, um die genauen Verkaufs - und Kaufpunkte auf einem Diagramm vorherzusagen. Ein Trader könnte in der Lage, diese aus mit mehreren Durchschnitten für Trigger zu ziehen, aber ein Durchschnitt allein wird nicht genug sein. So sparen Sie sich die Zeit und Kopfschmerzen und verwenden Sie die Mittelwerte, um die Stärke der Bewegung zu bestimmen. Sehen Sie sich nun das Diagramm an. Siehst du, wie das Diagramm beginnt, um zu rollen, während der Durchschnitt beginnt, sich zu verflachen. Ein Breakout Trader möchte sich von dieser Art von Aktivität fernhalten, da das Geld in diesem Beispiel wächst, wenn die Aktie im Preis steigt. Jetzt wieder, wenn Sie auf dem Kreuz nach unten durch den Durchschnitt zu verkaufen waren, kann dies einige der Zeit arbeiten, aber im Laufe der Zeit werden Sie am Ende verlieren Geld, nachdem Sie Faktor in Provisionen. Wenn Sie nicht glauben mir, versuchen Sie einfach kaufen und verkaufen auf, wie die Preis-Chart kreuzt oder unter einem einfachen gleitenden Durchschnitt basiert. Denken Sie daran, wenn es so einfach war, würde jeder Händler in der Welt Geld zu machen Hand über Faust. Flat Simple Moving Average Ermöglicht einen weiteren Blick auf den einfachen gleitenden Durchschnitt und den primären Trend. Das nenne ich das heilige Gralsetup. Dies ist das Setup, das Sie in Büchern und Seminaren sehen werden. Kaufen Sie einfach auf dem Breakout und verkaufen, wenn die Aktie kreuzt unter dem Preis Aktion. Die unten stehende ist eine Intraday-Chart der Sina Corporation (SINA) vom 24. Juni 2011. Schauen Sie, wie die Preis-Chart bleibt sauber über dem 20-Periode einfach gleitenden Durchschnitt. Einfache Moving Average - perfektes Beispiel Isnt, dass ein schönes Diagramm Sie kaufen auf dem offenen bei 80 und verkaufen auf der Nähe bei 92. Eine schnelle 15 Gewinn an einem Tag und Sie didnt haben, um einen Finger zu heben. Das Gehirn ist eine komische Sache. Ich erinnere mich, ein Diagramm wie dieses zu sehen, als ich zuerst im Handel begann und dann würde ich die Einrichtung kaufen, die die Morgenaktivität zusammenbrachte. Ich würde für die gleiche Art von Volumen und Preis-Aktion zu suchen, nur um später im Gesicht von der Realität geschmettert werden, wenn mein Spiel nicht Trend auch. Dies ist die wahre Herausforderung mit dem Handel, was gut funktioniert auf einem Diagramm, wird nicht gut auf der anderen Seite. Denken Sie daran, die 20-SMA funktionierte gut in diesem Beispiel, aber Sie können nicht ein Geld machen System aus einem Spiel. Real-Life-Beispiel geht gegen den primären Trend mit dem SMA Eine andere Möglichkeit, mit dem einfachen gleitenden Durchschnitt zu handeln, ist, dem Trend entgegenzuwirken. Eines der Spiele mit höherer Wahrscheinlichkeit ist, Lückenbewegungen entgegenzuwirken. Es gab eine Reihe von Studien über Lücken. Abhängig von der Periode an der Börse (60s flache Linie, späte 90er Boom oder Volatilität der 2000er Jahre) ist es eine sichere Annahme, dass Lücken füllen 50 der Zeit. Eine weitere Validierung ein Händler verwenden können, wenn gehen Zähler ist eine enge unter oder über den einfachen gleitenden Durchschnitt. Im Beispiel unten hatte FSLR eine solide Lücke von 4. Nach der Lücke entwickelte sich die Aktie stark. Sie müssen sehr vorsichtig sein mit Zähler Ansätze. Wenn Sie auf der falschen Seite des Handels sind, werden Sie und andere mit Ihrer Position der Treibstoff für das nächste Bein sein. Lässt schneller Vorlauf ein paar Stunden auf der Karte. FSLR Short Trend Wann immer Sie kurz gehen und die Aktien wenig zu erholen und / oder die Volatilität trocknet, sind Sie an einem guten Ort. Beachten Sie, wie FSLR senken unteren den ganzen Tag nicht in der Lage, einen Kampf. Jetzt können wir vorspringen einen Tag bis zum 1. Juli 2011 und erraten, was passiert Sie haben es, die Lücke gefüllt. FSLR Gap gefüllt Einfache Moving Average Crossover-Strategie Die gleitenden Durchschnitte von selbst geben Ihnen eine große Roadmap für den Handel der Märkte. Aber was ist mit gleitenden durchschnittlichen Crossover als Auslöser für die Eingabe und Schließung von Geschäften. Lassen Sie mich eine klare Haltung zu diesem und sagen Im nicht ein Fan für diese Strategie. Zuerst der gleitende Durchschnitt für sich selbst ist ein nachlaufender Indikator, jetzt Sie Schicht in der Idee, dass Sie für eine nachlaufende Indikator warten müssen, um einen anderen Nachlaufindikator zu überschreiten ist einfach zu viel Verzögerung für mich. Wenn Sie sich im Web eine der beliebtesten einfachen gleitenden Durchschnitte, um mit einem Crossover-Strategie verwenden, ist die 50 und 200 Tag. Wenn der 50 einfache gleitende Durchschnitt über dem 200 einfachen gleitenden Durchschnitt kreuzt, erzeugt er ein goldenes Kreuz. Umgekehrt, wenn die 50 einfachen gleitenden Durchschnitt kreuzt unter dem 200 einfachen gleitenden Durchschnitt kreiert es ein Todeskreuz. Ich erwähne nur, so dass Sie wissen, die Einrichtung, die möglicherweise für langfristige Investitionen. Da Tradingsim konzentriert sich auf den täglichen Handel lassen Sie mich zumindest durch einige grundlegende Crossover-Strategien laufen. Moving Durchschnittliche Crossovers und Day Trading Zwei einfache Moving Average Crossover Frühe in meiner Trading-Karriere und wenn ich früh sagen, ich meine die ersten paar Monate, hatte ich die helle Idee der Verwendung einer gleitenden durchschnittlichen Strategie, um mir neue gefunden Reichtum. Ich setzte mich auf die 5 und 10 Periode SMAs und einfach gekauft, wie die 5 überquerte die 10 und verkauft kurz, wenn die 5 überquerte unter dem 10. Ich dachte, ich war wirklich fortgeschritten, wenn ich beschlossen, nicht nur dieses System blind verwenden, sondern zu laufen Diese Analyse auf Bestände, die die besten Ergebnisse hatten. Wie Sie sich vorstellen können, über die Langstrecke begann ich, Geld zu verlieren. Ich bin aus Thema, ich glaube, ich habe schon klar, ich bin kein Fan von gleitenden durchschnittlichen Crossover. Also, reden wir mit zwei einfachen Mitteln. Das erste, was zu wissen ist, dass Sie zwei gleitende Durchschnitte auswählen wollen, sind irgendwie miteinander verwandt. Zum Beispiel ist 10 die Hälfte von 20. Oder die 50 und 200 sind die beliebtesten gleitenden Durchschnitte für längerfristige Investoren. Die zweite Sache kommt, um den Auslöser für den Handel mit gleitenden durchschnittlichen Crossover zu verstehen. Ein Kauf - oder Verkaufssignal wird ausgelöst, sobald der kleinere gleitende Durchschnitt über oder unter dem größeren gleitenden Durchschnitt liegt. Kaufen Sie auf einem Kreuz oben Im untengenannten Diagrammbeispiel von Apple vom 4/9/2013 Apple das 10 Periode SMA kreuzte über dem 20 Periode SMA. Sie werden feststellen, dass die Aktie hatte eine schöne Intraday-Lauf von 424 bis 428,50 Isnt, dass nur ein schönes Diagramm Die 10 Periode SMA ist die rote Linie und die blaue ist die 20-Periode. In diesem Beispiel würden Sie gekauft haben, sobald die rote Linie über dem Blau geschlossen, die Ihnen einen Einstiegspunkt etwas über 424 gegeben hätte. Verkaufen ein Cross Down Lets werfen einen Blick, wenn ein Verkauf Aktion ausgelöst wird. In diesem Beispiel wurde eine Verkaufsaktion ausgelöst, wenn die Aktie am 15.4.2013 aufgelöst wurde. Jetzt in beiden diesen Beispielen werden Sie feststellen, wie das Lager bequem in die gewünschte Richtung mit sehr wenig Reibung ging. Nun, dies ist die weiteste Sache aus der Realität. Wenn Sie sich die gleitenden durchschnittlichen Crossover auf einem beliebigen Symbol betrachten, werden Sie mehr falsche und seitliche Signale als High Returns feststellen. Dies liegt daran, die meisten der Zeit Aktien auf der Oberfläche bewegen sich in einem zufälligen Muster. Denken Sie daran, Menschen, ist es die Aufgabe der großen Geld-Spieler zu fälschen Sie bei jeder Runde, um Sie von Ihrem Geld zu trennen. Mit dem Aufstieg von Hedgefonds und automatisierten Handelssystemen. Für jedes saubere Crossover-Spiel finde ich, kann ich wahrscheinlich zeigen Sie ein weiteres Dutzend oder mehr, die nicht gut spielen. Dies ist auch der Grund, warum ich nicht empfehlen, die Crossover-Strategie als ein echtes Mittel, um Geld zu machen Tag den Handel der Märkte. Zusammenfassung Wenn Sie havent bereits es herausgefunden haben, ist der einfache gleitende Durchschnitt kein Indikator, den Sie als eigenständiger Auslöser verwenden können. Nun, das bedeutet nicht, dass die Indikator kann nicht ein großes Werkzeug für die Überwachung der Richtung eines Trends oder helfen Sie bestimmen, wenn der Markt wird müde, nachdem eine impulsive bewegen. Denken Sie, wenn die SMA als ein sehr einfacher Kompass. Wenn Sie detaillierte Koordinaten benötigen, benötigen Sie andere Werkzeuge, aber Sie haben zumindest eine Vorstellung davon, wo Sie sich befinden. Ich bin Mitbegründer von Tradingsim und ein IT-Spezialist, der sich auf Großsyste - me-Integrationsprojekte spezialisiert hat. Ich habe die Märkte seit 2000 aktiv gehandelt und glaube, dass echte handelnde Beherrschung von der Praxis kommt. Wenn Im nicht an einer neuen Handelsstrategie arbeitet, genieße ich, Zeit mit meiner Frau und Kindern zu verbringen.