Einleitung Der vorhergehende Artikel schaute, was gleitende Durchschnitte sind und wie man sie berechnet. Dieser Artikel untersucht nun, wie diese in Web Intelligence implementiert werden. Die hier verwendete Formel ist mit der XIr3-Version von SAP BOE kompatibel, jedoch kann eine Formel in früheren Versionen funktionieren, falls verfügbar. Wir beginnen mit der Betrachtung, wie man einen einfachen gleitenden Durchschnitt berechnet, bevor man auf gewichtete und exponentielle Formen schaut. Bearbeitete Beispiele Die Beispiele unten alle verwenden den gleichen Datensatz, der von Aktienkurs Daten in einer Excel-Datei, die Sie herunterladen können. Die erste Spalte in der Akte ist der Tag des Aktienkurses und dann Spalten des Eröffnungskurses, des höchsten Preises am Tag, des niedrigsten Preises, des Schlusskurses, des Volumens und des angepassten Schlusskurses. We8217ll verwenden Schlusskurs in unserer Analyse unten zusammen mit dem Date-Objekt. Simple Moving Average Es gibt ein paar Möglichkeiten, mit denen wir einfache gleitende Durchschnitte berechnen können. Eine Option ist, die vorherige Funktion zu verwenden, um den Wert einer vorherigen Zeile zu erhalten. Zum Beispiel die folgende Formel berechnet einen gleitenden Durchschnitt auf unseren Schlusskurs für einen gleitenden durchschnittlichen Datensatz der Größe 3, Dies ist eine ganz einfache Formel aber es ist offensichtlich, dass es nicht praktisch ist, wenn wir eine große Anzahl von Perioden haben hier können wir machen Verwendung von RunningSum Formel und für einen Datensatz der Größe N haben wir Schließlich haben wir eine dritte Technik, die zwar komplizierter kann es eine bessere Leistung, da es die Berechnung der neuen Wert auf der Grundlage von früheren Wert anstelle von zwei laufenden Summen über die vollständige Daten Set. Allerdings funktioniert diese Formel nur nach dem N-ten Punkt im Gesamtdatensatz und da sie sich auf einen vorherigen Wert bezieht, müssen wir auch einen Startwert setzen. Unten ist die vollständige Formel für unsere Aktienkursanalyse verwendet, wo unsere gleitende durchschnittliche Periode 15 Tage ist, Das Datum 1252010 ist der 15. Datenpunkt in unserem Datensatz und so für diesen Punkt berechnen wir einen normalen Durchschnitt mit dem RunningSum. Für alle Daten jenseits dieses Wertes verwenden wir unsere SMA Formel und wir lassen alle Daten vor diesem Datum frei. Abbildung 1 unten ist ein Diagramm in Web Intelligence, das unsere Aktienkursdaten mit einem einfachen gleitenden Durchschnitt anzeigt. Abbildung 1. Web Intelligence-Dokument mit einem einfachen gleitenden durchschnittlichen gewichteten gleitenden Durchschnitt Eine gewichtete gleitende Durchschnittsformel mit einer Periode von 3 ist wie bei unserer ersten einfachen gleitenden Durchschnittsformel oben nur für eine kleine Anzahl von Perioden praktisch. Ich habe noch nicht in der Lage, eine einfache Formel, die für größere gleitende durchschnittliche Perioden verwendet werden kann, zu finden. Mathematisch ist es möglich, aber Einschränkungen mit Web Intelligence bedeutet, dass diese Formeln don8217t konvertieren. Wenn jemand in der Lage, dies zu tun Ich würde gerne hören Die Abbildung unten ist ein WMA von Periode 6 in Web Intelligence implementiert. Abbildung 2. Web Intelligence-Dokument eines gewichteten Moving Average Exponential Moving Average Ein exponentieller gleitender Durchschnitt ist relativ einfach, um in Web Intelligence zu implementieren und ist somit eine geeignete Alternative zu einem Weighted Moving Average. Die grundlegende Formel ist hier hart codiert 0,3 als unser Wert für Alpha. Wir verwenden diese Formel nur für Perioden, die größer sind als unsere zweite Periode, so dass wir eine if-Anweisung verwenden können, um diese auszufiltern. Für unsere erste und zweite Periode können wir den vorherigen Wert verwenden und so unsere abschließende Formel für EMA ist, ist unten ein Beispiel einer EMA, die auf unsere Bestandsdaten angewendet wird. Abbildung 3. Web Intelligence Dokument zeigt eine Exponential Moving Average Eingabesteuerung Wie unsere EMA Formel doesn8217t auf die Größe der gleitenden durchschnittlichen Periode verlassen und unsere einzige Variable ist alpha können wir Input-Steuerelemente verwenden, damit der Benutzer den Wert von Alpha anpassen können. Um dies zu tun, erstellen Sie eine neue Variable mit dem Namen 8216alpha8217 und definieren it8217s Formel wie, Aktualisieren Sie unsere EMA Formel auf, Erstellen Sie ein neues Eingabesteuerelement, das unsere Alphavariable als das Eingabesteuerungsberichtobjekt auswählt Verwenden Sie einen einfachen Schieberegler und legen Sie die folgenden Eigenschaften fest Sollte in der Lage, den Schieber bewegen und sehen sofort die Änderungen an der Trendlinie in der Grafik Fazit Wir sahen, wie die Umsetzung drei Arten von gleitenden Durchschnitt in Web Intelligence und obwohl alle möglich waren, ist der Exponential Moving Average wahrscheinlich die einfachste und flexibelste . Ich hoffe, Sie fanden diesen Artikel interessant und wie immer jedes Feedback ist sehr willkommen. Post navigation Lassen Sie eine Antwort Antworten abbrechen Sie müssen in der angemeldet um einen Kommentar schreiben. Der Trick zu Weighted Moving Average (WMA) ist es, eine Variable zu erstellen, die die Zähler von WMA repräsentiert (siehe Wikipedia als Referenz.) Dies sollte wie folgt aussehen: Previous (Self) (n Close) 8211 (Previous (RunningSum ( Schliessen)) 8211 Previous (RunningSum (Close) n1) wobei n die Anzahl der Perioden ist, dann wäre die eigentliche WMA8217s Formel wie folgt: Numerator (n (n 1) 2) wobei Numerator die Variable ist, die Sie zuvor erstellt haben. Exponential Moving Durchschnittliche (EMA) erklärt Wie wir in der vorherigen Lektion gesagt haben, können einfache gleitende Durchschnitte durch Spikes verzerrt werden. Wir8217ll beginnen mit einem Beispiel. Lass8217s sagen, wir planen eine 5-Periode SMA auf der Tages-Chart von EURUSD. Die Schlusskurse für die letzten 5 Tage sind wie folgt: Der einfache gleitende Durchschnitt würde folgendermaßen berechnet werden: (1.3172 1.3231 1.3164 1.3186 1.3293) 5 1.3209 Einfach genug, rechts Nun, was wäre, wenn es einen News-Bericht am zweiten Tag gab, der den Euro über die Tafel fallen lässt. Dies bewirkt, dass EURUSD stürzt und bei 1,3000 schließt. Let8217s sehen, was Wirkung dies auf die 5 Periode SMA haben würde. Der einfache gleitende Durchschnitt würde folgendermaßen berechnet werden: Das Ergebnis des einfachen gleitenden Durchschnitts wäre viel niedriger und es würde Ihnen die Vorstellung geben, dass der Preis tatsächlich unterging, wenn in Wirklichkeit Tag 2 nur ein einmaliges Ereignis war Verursacht durch die schlechten Ergebnisse eines Wirtschaftsberichts. Der Punkt, den wir machen wollen, ist, dass manchmal der einfache gleitende Durchschnitt zu einfach wäre. Wenn es nur eine Möglichkeit, dass Sie diese Spikes herausfiltern könnte, so dass Sie wouldn8217t die falsche Idee. Hmm8230 Warten Sie eine minute8230 Yep, gibt es einen Weg It8217s genannt Exponential Moving Average Exponential Moving Averages (EMA) geben mehr Gewicht auf die jüngsten Perioden. In unserem Beispiel oben würde die EMA mehr Gewicht auf die Preise der letzten Tage legen, was die Tage 3, 4 und 5 sein würde. Dies würde bedeuten, dass die Spike am Tag 2 von geringerem Wert sein würde und wouldn8217t so groß Eine Wirkung auf den gleitenden Durchschnitt, wie es wäre, wenn wir für einen einfachen gleitenden Durchschnitt berechnet hätten. Wenn Sie darüber nachdenken, macht dies eine Menge Sinn, denn was dies tut, ist es legt mehr Wert auf das, was Händler tun vor kurzem. Exponential Moving Average (EMA) und Simple Moving Average (SMA) Seite an Seite Let8217s nehmen einen Blick auf die 4-Stunden-Chart von USDJPY zu markieren, wie ein einfacher gleitender Durchschnitt (SMA) und exponentiellen gleitenden Durchschnitt (EMA) nebeneinander schauen würde Auf einem Diagramm. Beachten Sie, wie die rote Linie (die 30 EMA) scheint näher zu sein als die blaue Linie (die 30 SMA). Dies bedeutet, dass es genauer repräsentiert die jüngsten Preis-Aktion. Sie können wahrscheinlich erraten, warum dies geschieht. It8217s, weil die exponentiellen gleitenden Durchschnitt mehr Gewicht auf das, was in letzter Zeit passiert ist. Beim Handel ist es viel wichtiger zu sehen, was Händler tun JETZT eher, was sie taten letzte Woche oder letzten Monat. Speichern Sie Ihren Fortschritt, indem Sie sich anmelden und die Lektion vollständig markieren
No comments:
Post a Comment