A Moyenne Mobile Prévision

Moyenne mobile Cet exemple vous enseigne comment calculer la moyenne mobile d'une série temporelle dans Excel. Une moyenne mobile est utilisée pour lisser les irrégularités (pics et vallées) pour reconnaître facilement les tendances. 1. Tout d'abord, jetez un oeil à notre série chronologique. 2. Sous l'onglet Données, cliquez sur Analyse des données. Remarque: ne trouve pas le bouton Analyse des données Cliquez ici pour charger le complément Analysis ToolPak. 3. Sélectionnez Moyenne mobile, puis cliquez sur OK. 4. Cliquez dans la zone Plage d'entrée et sélectionnez la plage B2: M2. 5. Cliquez dans la zone Intervalle et tapez 6. 6. Cliquez dans la zone Plage de sortie et sélectionnez la cellule B3. 8. Tracez un graphique de ces valeurs. Explication: parce que nous définissons l'intervalle sur 6, la moyenne mobile est la moyenne des 5 points de données précédents et le point de données actuel. En conséquence, les crêtes et les vallées sont lissées. Le graphique montre une tendance à la hausse. Excel ne peut pas calculer la moyenne mobile pour les 5 premiers points de données car il n'y a pas assez de points de données antérieurs. 9. Répétez les étapes 2 à 8 pour l'intervalle 2 et l'intervalle 4. Conclusion: Plus l'intervalle est grand, plus les sommets et les vallées sont lissés. Plus l'intervalle est faible, plus les moyennes mobiles sont proches des points de données réels. Moyenne mobile - MA Qu'est-ce qu'une moyenne mobile - MA Un indicateur largement utilisé dans l'analyse technique qui aide à atténuer l'action des prix en éliminant le bruit des fluctuations de prix aléatoires . Une moyenne mobile (MA) est un indicateur de tendance ou de retard, car il est basé sur les prix passés. Les deux MA de base et couramment utilisés sont la moyenne mobile simple (SMA), qui est la moyenne simple d'une sécurité sur un nombre défini de périodes de temps, et la moyenne mobile exponentielle (EMA), ce qui donne plus de poids aux prix plus récents. Les applications les plus courantes des MAs sont d'identifier l'orientation de la tendance et de déterminer les niveaux de soutien et de résistance. Alors que les AG sont assez utiles par eux-mêmes, ils forment également la base pour d'autres indicateurs tels que la Divergence de Convergence Moyenne Mouvante (MACD). Chargement du lecteur. (5 jours) 20, 22, 24, 25, 23 Semaine 2 (5 jours) 26, 28, 26, 29, 27 Semaine 3 (5 jours) 28, 30, 27, 29, 28 Une MA de 10 jours calcule les prix de clôture pour les 10 premiers jours comme premier point de données. Le prochain point de données laisserait tomber le premier prix, ajoute le prix au jour 11 et prend la moyenne, et ainsi de suite comme montré ci-dessous. Comme on l'a noté plus haut, les AM retardent l'action actuelle du prix parce qu'elles sont basées sur des prix passés, plus la période de l'AM est longue, plus le décalage est important. Ainsi, un MA de 200 jours aura un décalage beaucoup plus grand que d'une MA de 20 jours, car il contient des prix pour les 200 derniers jours. La durée de la MA à utiliser dépend des objectifs de négociation, avec plus courte MA utilisés pour les transactions à court terme et à plus long terme MA plus adaptés pour les investisseurs à long terme. La MA de 200 jours est largement suivie par les investisseurs et les commerçants, avec des ruptures au-dessus et en dessous de cette moyenne mobile considérés comme des signaux commerciaux importants. Les MA confèrent également des signaux commerciaux importants seuls, ou lorsque deux moyennes se croisent. Une augmentation MA indique que la sécurité est dans une tendance haussière. Tandis qu'un MA en déclin indique qu'il est dans une tendance baissière. De même, la dynamique ascendante est confirmée par un croisement haussier. Qui se produit quand un MA à court terme traverse au-dessus d'un MA à plus long terme. La dynamique descendante est confirmée par un croisement baissier, qui se produit lorsqu'une MA à court terme traverse une MA à plus long terme. Moyennes de déplacement: Comment les utiliser Certaines des fonctions principales d'une moyenne mobile sont d'identifier les tendances et les renversements. Mesurer la force d'une dynamique d'actifs et déterminer les zones potentielles où un actif trouvera un soutien ou une résistance. Dans cette section, nous allons montrer comment différentes périodes peuvent contrôler l'élan et comment les moyennes mobiles peuvent être bénéfiques dans le réglage des pertes d'arrêt. En outre, nous allons aborder certaines des capacités et des limites de moyennes mobiles que l'on devrait considérer lors de leur utilisation dans le cadre d'une routine de négociation. Tendance Identifier les tendances est l'une des principales fonctions des moyennes mobiles, qui sont utilisés par la plupart des commerçants qui cherchent à faire de la tendance de leur ami. Les moyennes mobiles sont des indicateurs en retard. Ce qui signifie qu'ils ne prédisent pas les nouvelles tendances, mais confirment les tendances une fois qu'elles ont été établies. Comme vous pouvez le voir dans la figure 1, un stock est réputé être dans une tendance haussière lorsque le prix est au-dessus d'une moyenne mobile et la moyenne est en pente vers le haut. À l'inverse, un trader utilisera un prix inférieur à une moyenne en baisse pour confirmer une tendance à la baisse. Beaucoup de commerçants considéreront seulement tenir une position longue dans un actif quand le prix se négocie au-dessus d'une moyenne mobile. Cette règle simple peut aider à s'assurer que la tendance fonctionne dans la faveur des commerçants. Momentum De nombreux commerçants débutants se demandent comment il est possible de mesurer l'élan et comment les moyennes mobiles peuvent être utilisés pour faire face à un tel exploit. La réponse simple est d'accorder une attention particulière aux périodes de temps utilisées pour créer la moyenne, car chaque période de temps peut fournir des informations précieuses sur les différents types de momentum. En général, l'élan à court terme peut être mesuré en examinant les moyennes mobiles qui mettent l'accent sur des périodes de 20 jours ou moins. Le fait de considérer les moyennes mobiles qui sont créées avec une période de 20 à 100 jours est généralement considéré comme une bonne mesure du momentum à moyen terme. Enfin, toute moyenne mobile qui utilise 100 jours ou plus dans le calcul peut être utilisée comme une mesure de momentum à long terme. Le bon sens devrait vous dire qu'une moyenne mobile de 15 jours est une mesure plus appropriée de momentum à court terme qu'une moyenne mobile de 200 jours. L'une des meilleures méthodes pour déterminer la force et la direction d'un momentum d'actifs est de placer trois moyennes mobiles sur un graphique et ensuite de prêter une attention particulière à la façon dont ils s'empiler par rapport à l'autre. Les trois moyennes mobiles qui sont généralement utilisées ont des délais variables pour tenter de représenter des mouvements de prix à court, moyen et long terme. Dans la figure 2, on observe une forte dynamique ascendante lorsque les moyennes à court terme sont situées au-dessus des moyennes à plus long terme et que les deux moyennes sont divergentes. Inversement, lorsque les moyennes à court terme sont situées en deçà des moyennes à plus long terme, l'élan est dans la direction descendante. Soutien Une autre utilisation courante des moyennes mobiles est de déterminer le soutien potentiel des prix. Il ne faut pas beaucoup d'expérience en ce qui concerne les moyennes mobiles pour constater que la baisse du prix d'un actif s'arrête souvent et renverse la direction au même niveau qu'une moyenne importante. Par exemple, à la figure 3, vous pouvez voir que la moyenne mobile de 200 jours a été en mesure de soutenir le prix du stock après sa chute de son haut près de 32. Beaucoup de commerçants anticiperont un rebond sur les moyennes mobiles majeures et utiliseront d'autres Des indicateurs techniques comme confirmation du déménagement prévu. Résistance Une fois que le prix d'un actif tombe en dessous d'un niveau de soutien influent, comme la moyenne mobile de 200 jours, il n'est pas rare de voir l'acte moyen comme une barrière forte qui empêche les investisseurs de pousser le prix au-dessus de cette moyenne. Comme vous pouvez le voir dans le tableau ci-dessous, cette résistance est souvent utilisée par les commerçants comme un signe de prendre des bénéfices ou de fermer toutes les positions longues existantes. Beaucoup de vendeurs à découvert utiliseront également ces moyennes comme des points d'entrée parce que le prix rebondit souvent outre de la résistance et continue son mouvement plus bas. Si vous êtes un investisseur qui détient une position longue dans un actif qui se négocie sous les moyennes mobiles majeures, il peut être dans votre intérêt de regarder ces niveaux de près, car ils peuvent grandement affecter la valeur de votre investissement. Stop-Losses Les caractéristiques de support et de résistance des moyennes mobiles en font un excellent outil pour gérer les risques. La capacité des moyennes mobiles à identifier des endroits stratégiques pour définir des ordres stop-loss permet aux commerçants de couper les positions perdantes avant qu'ils puissent grandir plus. Comme vous pouvez le voir sur la Figure 5, les commerçants qui détiennent une position longue dans un stock et fixent leurs ordres stop-loss en dessous des moyennes influentes peuvent se sauver beaucoup d'argent. L'utilisation de moyennes mobiles pour définir des ordres stop-loss est la clé de toute stratégie commerciale réussie. En pratique, la moyenne mobile fournira une bonne estimation de la moyenne des séries chronologiques si la moyenne est constante ou change lentement. Dans le cas d'une moyenne constante, la plus grande valeur de m donnera les meilleures estimations de la moyenne sous-jacente. Une période d'observation plus longue évalue en moyenne les effets de la variabilité. Le but de fournir un plus petit m est de permettre à la prévision de répondre à un changement dans le processus sous-jacent. Pour illustrer, nous proposons un ensemble de données qui intègre des changements dans la moyenne sous-jacente de la série chronologique. La figure montre la série chronologique utilisée pour l'illustration ainsi que la demande moyenne à partir de laquelle la série a été générée. La moyenne commence comme une constante à 10. En commençant au temps 21, elle augmente d'une unité dans chaque période jusqu'à ce qu'elle atteigne la valeur de 20 au temps 30. Puis elle redevient constante. Les données sont simulées en ajoutant à la moyenne un bruit aléatoire issu d'une distribution normale avec moyenne nulle et écart-type 3. Les résultats de la simulation sont arrondis à l'entier le plus proche. Le tableau montre les observations simulées utilisées pour l'exemple. Lorsque nous utilisons la table, nous devons nous rappeler qu'à un moment donné, seules les données passées sont connues. Les estimations du paramètre du modèle, pour trois valeurs différentes de m, sont indiquées avec la moyenne des séries temporelles dans la figure ci-dessous. La figure montre l'estimation moyenne mobile de la moyenne à chaque instant et non pas la prévision. Les prévisions changeraient les courbes de moyenne mobile vers la droite par périodes. Une conclusion ressort immédiatement de la figure. Pour les trois estimations, la moyenne mobile est en retard par rapport à la tendance linéaire, le décalage augmentant avec m. Le retard est la distance entre le modèle et l'estimation dans la dimension temporelle. En raison du décalage, la moyenne mobile sous-estime les observations à mesure que la moyenne augmente. Le biais de l'estimateur est la différence à un moment précis dans la valeur moyenne du modèle et la valeur moyenne prédite par la moyenne mobile. Le biais lorsque la moyenne augmente est négatif. Pour une moyenne décroissante, le biais est positif. Le retard dans le temps et le biais introduit dans l'estimation sont des fonctions de m. Plus la valeur de m. Plus l'ampleur du décalage et du biais est grande. Pour une série en constante augmentation avec tendance a. Les valeurs de retard et de biais de l'estimateur de la moyenne sont données dans les équations ci-dessous. Les courbes d'exemple ne correspondent pas à ces équations parce que le modèle d'exemple n'est pas en augmentation continue, plutôt qu'il commence comme une constante, des changements à une tendance et devient alors à nouveau constante. Les courbes d'exemple sont également affectées par le bruit. La prévision moyenne mobile des périodes dans le futur est représentée par le déplacement des courbes vers la droite. Le décalage et le biais augmentent proportionnellement. Les équations ci-dessous indiquent le décalage et le biais d'une période de prévision dans le futur par rapport aux paramètres du modèle. Encore une fois, ces formules sont pour une série chronologique avec une tendance linéaire constante. Nous ne devrions pas être surpris de ce résultat. L'estimateur de la moyenne mobile est basé sur l'hypothèse d'une moyenne constante, et l'exemple a une tendance linéaire dans la moyenne pendant une partie de la période d'étude. Étant donné que les séries de temps réel obéiront rarement exactement aux hypothèses de n'importe quel modèle, nous devrions être préparés à de tels résultats. On peut aussi conclure de la figure que la variabilité du bruit a le plus grand effet pour m plus petit. L'estimation est beaucoup plus volatile pour la moyenne mobile de 5 que la moyenne mobile de 20. Nous avons les désirs contradictoires d'augmenter m pour réduire l'effet de la variabilité due au bruit et diminuer m pour rendre la prévision plus sensible aux changements En moyenne. L'erreur est la différence entre les données réelles et la valeur prévue. Si la série chronologique est vraiment une valeur constante, la valeur attendue de l'erreur est nulle et la variance de l'erreur est composée d'un terme qui est une fonction de et d'un second terme qui est la variance du bruit,. Le premier terme est la variance de la moyenne estimée avec un échantillon de m observations, en supposant que les données proviennent d'une population avec une moyenne constante. Ce terme est minimisé en faisant m le plus grand possible. Un grand m rend la prévision insensible à une modification de la série chronologique sous-jacente. Pour rendre la prévision sensible aux changements, nous voulons m aussi petit que possible (1), mais cela augmente la variance d'erreur. La prévision pratique nécessite une valeur intermédiaire. Prévision avec Excel Le complément de prévision met en œuvre les formules de moyenne mobile. L'exemple ci-dessous montre l'analyse fournie par l'add-in pour les données d'échantillon de la colonne B. Les 10 premières observations sont indexées -9 à 0. Par rapport au tableau ci-dessus, les indices de période sont décalés de -10. Les dix premières observations fournissent les valeurs de démarrage pour l'estimation et sont utilisées pour calculer la moyenne mobile pour la période 0. La colonne MA (10) (C) montre les moyennes mobiles calculées. Le paramètre de la moyenne mobile m est dans la cellule C3. La colonne Fore (1) (D) montre une prévision pour une période dans le futur. L'intervalle de prévision est dans la cellule D3. Lorsque l'intervalle de prévision est changé en un nombre plus grand, les nombres de la colonne Fore sont décalés vers le bas. La colonne Err (1) (E) montre la différence entre l'observation et la prévision. Par exemple, l'observation au temps 1 est 6. La valeur prévisionnelle faite à partir de la moyenne mobile au temps 0 est 11.1. L'erreur est alors de -5,1. L'écart type et l'écart moyen moyen (MAD) sont calculés respectivement dans les cellules E6 et E7.