Подвывихи 

Метод скользящей средней. Описание и торговля на основе Скользящих Средних (Moving Average)

Метод скользящей средней – это статистический инструмент, с помощью которого можно решать различного рода задачи. В частности, он довольно часто используется при прогнозировании. В программе Excel для решения целого ряда задач также можно применять данный инструмент. Давайте разберемся, как используется скользящая средняя в Экселе.

Смысл данного метода состоит в том, что с его помощью происходит смена абсолютных динамических значений выбранного ряда на средние арифметические за определенный период путем сглаживания данных. Этот инструмент применяется для экономических расчетов, прогнозирования, в процессе торговли на бирже и т.д. Применять метод скользящей средней в Экселе лучше всего с помощью мощнейшего инструмента статистической обработки данных, который называется Пакетом анализа . Кроме того, в этих же целях можно использовать встроенную функцию Excel СРЗНАЧ .

Способ 1: Пакет анализа

Пакет анализа представляет собой надстройку Excel, которая по умолчанию отключена. Поэтому, прежде всего, требуется её включить.


После этого действия пакет «Анализ данных» активирован, и соответствующая кнопка появилась на ленте во вкладке «Данные» .

А теперь давайте рассмотрим, как непосредственно можно использовать возможности пакета Анализ данных для работы по методу скользящей средней. Давайте на основе информации о доходе фирмы за 11 предыдущих периодов составим прогноз на двенадцатый месяц. Для этого воспользуемся заполненной данными таблицей, а также инструментами Пакета анализа .

  1. Переходим во вкладку «Данные» и жмем на кнопку «Анализ данных» , которая размещена на ленте инструментов в блоке «Анализ» .

  2. Открывается перечень инструментов, которые доступны в Пакете анализа . Выбираем из них наименование «Скользящее среднее» и жмем на кнопку «OK» .

  3. Запускается окно ввода данных для прогнозирования методом скользящей средней.

    В поле «Входной интервал» указываем адрес диапазона, где расположена помесячно сумма выручки без ячейки, данные в которой следует рассчитать.

    В поле «Интервал» следует указать интервал обработки значений методом сглаживания. Для начала давайте установим значение сглаживания в три месяца, а поэтому вписываем цифру «3» .

    В поле «Выходной интервал» нужно указать произвольный пустой диапазон на листе, где будут выводиться данные после их обработки, который должен быть на одну ячейку больше входного интервала.

    Также следует установить галочку около параметра «Стандартные погрешности» .

    При необходимости, можно также установить галочку около пункта «Вывод графика» для визуальной демонстрации, хотя в нашем случае это и не обязательно.

    После того, как все настройки внесены, жмем на кнопку «OK» .

  4. Программа выводит результат обработки.

  5. Теперь выполним сглаживание за период в два месяца, чтобы выявить, какой результат является более корректным. Для этих целей опять запускаем инструмент «Скользящее среднее» Пакета анализа .

    В поле «Входной интервал» оставляем те же значения, что и в предыдущем случае.

    В поле «Интервал» ставим цифру «2» .

    В поле «Выходной интервал» указываем адрес нового пустого диапазона, который, опять же, должен быть на одну ячейку больше входного интервала.

    Остальные настройки оставляем прежними. После этого жмем на кнопку «OK» .

  6. Вслед за этим программа производит расчет и выводит результат на экран. Для того, чтобы определить, какая из двух моделей более точная, нам нужно сравнить стандартные погрешности. Чем меньше данный показатель, тем выше вероятность точности полученного результата. Как видим, по всем значениям стандартная погрешность при расчете двухмесячной скользящей меньше, чем аналогичный показатель за 3 месяца. Таким образом, прогнозируемым значением на декабрь можно считать величину, рассчитанную методом скольжения за последний период. В нашем случае это значение 990,4 тыс. рублей.

Способ 2: использование функции СРЗНАЧ

В Экселе существует ещё один способ применения метода скользящей средней. Для его использования требуется применить целый ряд стандартных функций программы, базовой из которых для нашей цели является СРЗНАЧ . Для примера мы будем использовать все ту же таблицу доходов предприятия, что и в первом случае.

Как и в прошлый раз, нам нужно будет создать сглаженные временные ряды. Но на этот раз действия будут не настолько автоматизированы. Следует рассчитать среднее значение за каждые два, а потом три месяца, чтобы иметь возможность сравнить результаты.

Прежде всего, рассчитаем средние значения за два предыдущих периода с помощью функции СРЗНАЧ . Сделать это мы можем, только начиная с марта, так как для более поздних дат идет обрыв значений.

  1. Выделяем ячейку в пустой колонке в строке за март. Далее жмем на значок «Вставить функцию» , который размещен вблизи строки формул.

  2. Активируется окно Мастера функций . В категории «Статистические» ищем значение «СРЗНАЧ» , выделяем его и щелкаем по кнопке «OK» .

  3. Запускается окно аргументов оператора СРЗНАЧ . Синтаксис у него следующий:

    СРЗНАЧ(число1;число2;…)

    Обязательным является только один аргумент.

    В нашем случае, в поле «Число1» мы должны указать ссылку на диапазон, где указан доход за два предыдущих периода (январь и февраль). Устанавливаем курсор в поле и выделяем соответствующие ячейки на листе в столбце «Доход» . После этого жмем на кнопку «OK» .

  4. Как видим, результат расчета среднего значения за два предыдущих периода отобразился в ячейке. Для того, чтобы выполнить подобные вычисления для всех остальных месяцев периода, нам нужно скопировать данную формулу в другие ячейки. Для этого становимся курсором в нижний правый угол ячейки, содержащей функцию. Курсор преобразуется в маркер заполнения, который имеет вид крестика. Зажимаем левую кнопку мыши и протягиваем его вниз до самого конца столбца.

  5. Получаем расчет результатов среднего значения за два предыдущих месяца до конца года.

  6. Теперь выделяем ячейку в следующем пустом столбце в строке за апрель. Вызываем окно аргументов функции СРЗНАЧ тем же способом, который был описан ранее. В поле «Число1» вписываем координаты ячеек в столбце «Доход» с января по март. Затем жмем на кнопку «OK» .

  7. С помощью маркера заполнения копируем формулу в ячейки таблицы, расположенные ниже.

  8. Итак, значения мы подсчитали. Теперь, как и в предыдущий раз, нам нужно будет выяснить, какой вид анализа более качественный: со сглаживанием в 2 или в 3 месяца. Для этого следует рассчитать среднее квадратичное отклонение и некоторые другие показатели. Для начала рассчитаем абсолютное отклонение, воспользовавшись стандартной функцией Excel ABS , которая вместо положительных или отрицательных чисел возвращает их модуль. Данное значение будет равно разности между реальным показателем выручки за выбранный месяц и прогнозируемым. Устанавливаем курсор в следующий пустой столбец в строку за май. Вызываем Мастер функций .

  9. В категории «Математические» выделяем наименование функции «ABS» . Жмем на кнопку «OK» .

  10. Запускается окно аргументов функции ABS . В единственном поле «Число» указываем разность между содержимым ячеек в столбцах «Доход» и «2 месяца» за май. Затем жмем на кнопку «OK» .

  11. С помощью маркера заполнений копируем данную формулу во все строки таблицы по ноябрь включительно.

  12. Рассчитываем среднее значение абсолютного отклонения за весь период с помощью уже знакомой нам функции СРЗНАЧ .

  13. Аналогичную процедуру выполняем и для того, чтобы подсчитать абсолютное отклонение для скользящей за 3 месяца. Сначала применяем функцию ABS . Только на этот раз считаем разницу между содержимым ячеек с фактическим доходом и плановым, рассчитанным по методу скользящей средней за 3 месяца.

  14. Далее рассчитываем среднее значение всех данных абсолютного отклонения с помощью функции СРЗНАЧ .

  15. Следующим шагом является подсчет относительного отклонения. Оно равно отношению абсолютного отклонения к фактическому показателю. Для того чтобы избежать отрицательных значений, мы опять воспользуемся теми возможностями, которые предлагает оператор ABS . На этот раз с помощью данной функции делим значение абсолютного отклонения при использовании метода скользящей средней за 2 месяца на фактический доход за выбранный месяц.

  16. Но относительное отклонение принято отображать в процентном виде. Поэтому выделяем соответствующий диапазон на листе, переходим во вкладку «Главная» , где в блоке инструментов «Число» в специальном поле форматирования выставляем процентный формат. После этого результат подсчета относительного отклонения отображается в процентах.

  17. Аналогичную операцию по подсчету относительного отклонения проделываем и с данными с применением сглаживания за 3 месяца. Только в этом случае для расчета в качестве делимого используем другой столбец таблицы, который у нас имеет название «Абс. откл (3м)» . Затем переводим числовые значения в процентный вид.

  18. После этого высчитываем средние значения для обеих колонок с относительным отклонением, как и ранее используя для этого функцию СРЗНАЧ . Так как для расчета в качестве аргументов функции мы берем процентные величины, то дополнительную конвертацию производить не нужно. Оператор на выходе выдает результат уже в процентном формате.

  19. Теперь мы подошли к расчету среднего квадратичного отклонения. Этот показатель позволит нам непосредственно сравнить качество расчета при использовании сглаживания за два и за три месяца. В нашем случае среднее квадратичное отклонение будет равно корню квадратному из суммы квадратов разностей фактической выручки и скользящей средней, деленной на количество месяцев. Для того, чтобы произвести расчет в программе, нам предстоит воспользоваться целым рядом функций, в частности КОРЕНЬ , СУММКВРАЗН и СЧЁТ . Например, для расчета среднего квадратичного отклонения при использовании линии сглаживания за два месяца в мае будет в нашем случае применяться формула следующего вида:

    КОРЕНЬ(СУММКВРАЗН(B6:B12;C6:C12)/СЧЁТ(B6:B12))

    Копируем её в другие ячейки столбца с расчетом среднего квадратичного отклонения посредством маркера заполнения.

  20. Аналогичную операцию по расчету среднего квадратичного отклонения выполняем и для скользящей средней за 3 месяца.

  21. После этого рассчитываем среднее значение за весь период для обоих этих показателей, применив функцию СРЗНАЧ .

  22. Произведя сравнение расчетов методом скользящей средней со сглаживанием в 2 и 3 месяца по таким показателям, как абсолютное отклонение, относительное отклонение и среднеквадратичное отклонение, можно с уверенностью сказать, что сглаживание за два месяца дает более достоверные результаты, чем применение сглаживания за три месяца. Об этом говорит то, что вышеуказанные показатели по двухмесячному скользящему среднему, меньше, чем по трехмесячному.

  23. Таким образом, прогнозируемый показатель дохода предприятия за декабрь составит 990,4 тыс. рублей. Как видим, это значение полностью совпадает с тем, которое мы получили, производя расчет с помощью инструментов Пакета анализа .

Мы произвели расчет прогноза при помощи метода скользящей средней двумя способами. Как видим, данную процедуру намного проще выполнить с помощью инструментов Пакета анализа . Тем не менее некоторые пользователи не всегда доверяют автоматическому расчету и предпочитают для вычислений использовать функцию СРЗНАЧ и сопутствующие операторы для проверки наиболее достоверного варианта. Хотя, если все сделано правильно, на выходе результат расчетов должен получиться полностью одинаковым.

Вначале рассмотрим несколько простейших методов прогнозирования, не учитывающих наличия сезонности во временном ряде. Предположим, что в журнале РБК приведена сводка за последние 12 дней (включая сегодняшний) цен на апельсины, сложившихся на момент закрытия биржи. Используя эти данные, нужно предсказать завтрашнюю цену на какао (также на момент закрытия биржи). Рассмотрим несколько способов сделать это.

    Если последнее (сегодняшнее) значение наиболее значимо по сравнению с остальными, то оно является наилучшим прогнозом на завтра.

    Возможно, из-за быстрого изменения цен на бирже первые шесть значений уже устарели и не актуальны, в то время как последние шесть значимы и имеют равную ценность для прогноза. Тогда в качестве прогноза на завтра можно взять среднее последних шести значений.

    Если все значения существенны, но сегодняшнее 12-е значение наиболее значимо, а предыдущие 11-е, 10-е, 9-е и т.д. имеют все меньшую и меньшую значимость, следует найти взвешенное среднее всех 12 значений. Причем весовые коэффициенты для последних значений должны быть больше, чем для предыдущих, и сумма всех весовых коэффициентов должна равняться 1.

Первый способ называется «наивным» прогнозом и достаточно очевиден. Рассмотрим подробнее остальные способы.

Метод скользящего среднего

Одним из предположений, лежащих в основе данного метода, является то, что более точный прогноз на будущее можно получить, если использовались недавние наблюдения, причем, чем «новее» данные, тем их вес для прогноза должен быть больше. Удивительно, но такой «наивный» подход оказывается чрезвычайно полезным для практики. Например, многие авиакомпании используют частный тип скользящего среднего для создания прогнозов спроса на авиаперелеты, которые, в свою очередь, используются в сложных механизмах управления и оптимизации доходов. Более того, практически все программные пакеты управления запасами содержат модули, выполняющие прогнозы на основе того или иного типа скользящего среднего.

Рассмотрим следующий пример. Маркетологу нужно спрогнозировать спрос на производимые его компанией станки. Данные по объемам продаж за последний год работы компании находятся в файле «ЛР6.Пример 1.Станки.xls».

Простое скользящее среднее . В этом методе среднее фиксированного числа N последних наблюдений используется для оценки следующего значения временно ряда. Например, используя данные о продажах станков за первые три месяца года, менеджер получает для апреля значение, используя формулу, приведённую ниже:

Менеджер вычислил объем продаж на основе простого скользящего среднего за 3 и 4 месяца. Однако требуется определить, какое количество узлов даёт более точный прогноз. Для оценки точности прогнозов используются среднее абсолютных отклонений (САО) исреднее относительных ошибок , в процентах (СООП), вычисляемые по формулам (3) и (4).

где x i –i -ое реальное значение переменной вi -й момент времени, аx ’ i –i -ое спрогнозированное значение переменной вi -й момент времени, N - количество прогнозов.

Согласно результатам, полученным на листе «Простое ск. среднее» рабочей книги «ЛР6.Пример 1.Станки.xls» (см. Рисунок 56), скользящее среднее за три месяца имеет значение САО равное 12,67 (ячейка D16 ), тогда как для скользящего среднего за 4 месяца значение САО равно 15,59 (ячейка F16 ). Тогда можно выдвинуть гипотезу, что использование большего количества статистических данных скорее ухудшает, чем улучшает точность прогноза методом скользящего среднего.

Рисунок 56. Пример 1 – результаты прогнозирования методом простого скользящего среднего

На графике (см. Рисунок 57), построенном по результатам наблюдений и прогнозов с интервалом 3 месяца, можно заметить ряд особенностей, общих для всех применений метода скользящего среднего.

Рисунок 57. Пример 1 – график кривой прогноза методом простого скользящего среднего и график реального объёма продаж

Значение прогноза, полученное методом простого скользящего среднего, всегда меньше фактического значения, если исходные данные монотонно возрастают, и больше фактического значения, если исходные данные монотонно убывают. Поэтому, если данные монотонно возрастают или убывают, то с помощью простого скользящего среднего нельзя получить точных прогнозов. Этот метод лучше всего подходит для данных с небольшими случайными отклонениями от некоторого постоянного или медленно меняющегося значения.

Основной недостаток метода простого скользящего среднего возникает в результате того, что при вычислении прогнозируемого значения самое последнее наблюдение имеет такой же вес (т. е. значимость), как и предыдущие. Это происходит потому, что вес всех N последних наблюдений, участвующих в вычислении скользящего среднего, равен 1/N. Присвоение равного веса противоречит интуитивному представлению о том, что во многих случаях последние данные могут больше сказать о том, что произойдет в ближайшем будущем, чем предыдущие.

Взвешенное скользящее среднее . Вклад различных моментов времени можно учесть, вводя вес для каждого значения показателя в скользящем интервале. В результате получается метод взвешенного скользящего среднего, который математически можно записать так:

где - вес, с которым используется показательпри расчете.

Вес - это всегда положительное число. В случае, когда все веса одинаковы, вырождается метод простого скользящего среднего.

Теперь маркетолог может использовать метод взвешенного скользящего среднего за 3 месяца. Но прежде требуется понять, как выбрать веса. Используя средство Поиск решения, можно определить оптимальный вес узлов. Чтобы определить вес узлов с помощью средства Поиск решения, при котором значение среднего абсолютных отклонений было бы минимально, выполните следующие действия:

    Выберите команду Сервис -> Поиск решения.

    В диалоговом окне Поиска решения установите ячейку G16 целевой (см. лист «Веса»), минимизируя её.

    Изменяемыми ячейками укажите диапазон В1:В3.

    Установите ограничения В4 = 1,0; В1:ВЗ ≥ 0; В1:В3 ≤ 1; B1 ≤ В2 и В2 ≤ В3.

    Запустите поиск решения (результат отображает).

Рисунок 58. Пример 1 – результат поиска весов значений показателей при использовании метода взвешенного скользящего среднего

Полученные результаты показывают, что оптимальное распределение весов таково, что весь вес сосредоточен на самом последнем наблюдении, при этом значение среднего абсолютных отклонений равно 7,56 (см. также Рисунок 59). Этот результат подтверждает предположение о том, что более поздние наблюдения должны иметь больший вес.

Рисунок 59. Пример 1 – график кривой прогноза методом взвешенного скользящего среднего и график реального объёма продаж


Средние линии – это графические построения на графике, которые строятся на основе средних значений цены за определенный промежуток времени. Moving Average встроен в торговую платформу МТ4, с его помощью можно осуществлять сглаживание скользящих средних, именно об этом мы и поговорим в этой статье.

Сглаживание скользящих средних

Moving Average позволяет осуществлять сглаживание скользящих средних. В чем преимущества этой функции? Дело в том, что при построении простой экспоненциальной средней (SMA) используются цены, обладающие одинаковой важностью, в то время как экспоненциальные скользящие средние больше полагаются на последние котировки. Последние строятся по определенной формуле, где большую роль играют последние события на рынке, а не те изменения, которые происходили ранее.

Разновидности средних линий

Всего Moving Average предлагает построение четырех линий, которые строятся по определенному принципу.

  • Simple – простая скользящая средняя. Это самая простая линия, которая строится по формуле, где все цены обладают равнозначными значениями. 2. Exponential – экспоненциальная скользящая средняя, которая строится по формуле, в которой главную роль играет последний бар. Она подходит для ведения краткосрочной торговли.
  • Smoothed – сглаженная скользящая средняя. Данная скользящая используется для долгосрочной торговли. Для того чтобы она изменила свое направление, необходим существенный скачок.
  • Linear Weighted – взвешенная скользящая средняя, при построении которой большее значение уделяется более новым изменениям на рынке.

Что лучше: простая скользящая средняя или сглаженная

Увеличив период скользящей средней, в расчете будет принимать участие больше значений стоимости. Чем больше период, тем менее чувствительная скользящая средняя и наоборот. Но что же лучше: простая скользящая средняя или сглаженная?

Для примера возьмем значение периода 15. Для построения линий будут учитываться значения баров от 1 до 15, как только появится 16 бар, в расчетах будут принимать участие бары в диапазоне 2-16. При этом, при построении обычной скользящей средней цены будут обладать одинаковым значениям, в то время как в сглаженной все будет зависеть от последнего бара.

У каждой скользящей свои плюсы и минусы, которые обязательно стоит учитывать при выборе наиболее подходящего для торговли вида. Выбор скользящей средней напрямую зависит от используемой валютной пары, тайм-фрейма и торговой стратегии. У всех скользящих линий есть один общий недостаток, который заключается в небольшом запаздывании.

Применение скользящих средних

Самый простой способ использования данного инструмента заключается в построении двух скользящих средних с разными периодами. Линия с небольшим периодом будет более подвижной. В момент, когда на рынке происходит смена господствующего тренда, быстрая скользящая линия пересекает медленную, что, в свою очередь, является сигналом для создания ордера.

На представленной ниже картинке вы можете увидеть, как описанная выше ситуация выглядит на валютном графике.

§ 2.1. Основные показатели динамики экономических явлений

Для количественной оценки динамики явлений применяются статистические показатели: абсолютные приросты, темпы роста, темпы прироста, причем они могут разделяться на цепные, базисные и средние.

В основе расчета этих показателей динамики лежит сравнение уровней временного ряда. Если сравнение осуществляется с одним и тем же уровнем, принятым за базу сравнения, то эти показатели называются базисными. Если сравнение осуществляется при переменной базе, и каждый последующий уровень сравнивается с предыдущим, то вычисленные таким образом показатели называются цепными.

Абсолютный прирост равен разности двух сравниваемых уровней.

Темп роста Т характеризует отношение двух сравниваемых уровней ряда, выраженное в процентах.

Темп прироста К характеризует абсолютный прирост в относительных величинах. Определенный в % темп прироста показывает, на сколько процентов изменился сравниваемый уровень по отношению к уровню, принятому за базу сравнения. В таблице 2.1. приведены выражения для вычисления базисных и цепных приростов, темпов роста, темпов прироста. При этом использованы следующие обозначения:

Таблица 2.1.

Основные показатели динамики

Прирост

Темп роста

Темп прироста

Цепной

Базисный

Средний

Для получения обобщающих показателей динамики развития определяются средние величины: средний абсолютный прирост, средний темп роста и прироста.

Описание динамики ряда с помощью среднего прироста соответствует его представлению в виде прямой, проведенной через две крайние точки. В этом случае, чтобы получить прогноз на один шаг вперед, достаточно к последнему наблюдению добавить значение среднего абсолютного прироста.

(2.1.),

где y n - фактическое значение в последней n - ой точке ряда;

Прогнозная оценка значения уровня в точке n+1;

Значение среднего прироста, рассчитанное для временного ряда .

Очевидно, что такой подход к получению прогнозного значения корректен, если характер развития близок к линейному. На такой равномерный характер развития могут указывать примерно одинаковые значения цепных абсолютных приростов.

Применение среднего темпа роста (и среднего темпа прироста) для описания динамики ряда соответствует его представлению в виде показательной или экспоненциальной кривой, проведенной через две крайние точки. Поэтому использование этого показателя в качестве обобщающего целесообразно для тех процессов, изменение динамики которых происходит примерно с постоянным темпом роста. В этом случае прогнозное значение на i шагов вперед может быть получено по формуле:

(2.2.),

где - прогнозная оценка значения уровня в точке n+i ;

Фактическое значение в последней n-ой точке ряда;

Средний темп роста, рассчитанный для ряда (не в % выражении).

К недостаткам среднего прироста и среднего темпа роста следует отнести то, что они учитывают лишь конечный и начальный уровни ряда, исключают влияния промежуточных уровней. Тем не менее, эти показатели имеют весьма широкую область применения, что объясняется чрезвычайной простотой их вычисления. Они могут быть использованы как приближенные, простейшие способы прогнозирования, предшествующие более глубокому количественному и качественному анализу.


§ 2.2. Сглаживание временных рядов с помощью скользящей средней

Распространенным приемом при выявлении тенденции развития является сглаживание временного ряда. Суть различных приемов сглаживания сводится к замене фактических уровней временного ряда расчетными уровнями, которые подвержены колебаниям в меньшей степени. Это способствует более четкому проявлению тенденции развития. Иногда сглаживание применяют как предварительный этап перед использованием других методов выделения тенденции (например, рассматриваемых в третьей главе).

Скользящие средние позволяют сгладить как случайные, так и периодические колебания, выявить имеющуюся тенденцию в развитии процесса, и поэтому, являются важным инструментом при фильтрации компонент временного ряда.

Алгоритм сглаживания по простой скользящей средней может быть представлен в виде следующей последовательности шагов:

1. Определяют длину интервала сглаживания g , включающего в себя g последовательных уровней ряда (g взаимопогашаются колебания, и тенденция развития носит более плавный , сглаженный характер. Чем сильнее колебания, тем шире должен быть интервал сглаживания.

2. Разбивают весь период наблюдений на участки, при этом интервал сглаживания как бы скользит по ряду с шагом, равным 1.

3. Рассчитывают арифметические средние из уровней ряда, образующих каждый участок.

4. Заменяют фактические значения ряда, стоящие в центре каждого участка, на соответствующие средние значения.

При этом удобно брать длину интервала сглаживания g в виде нечетного числа: g=2p+1, т.к. в этом случае полученные значения скользящей средней приходятся на средний член интервала.

Наблюдения, которые берутся для расчета среднего значения, называются активным участком сглаживания.

При нечетном значении g все уровни активного участка могут быть представлены в виде:

а скользящая средняя определена по формуле:

(2.3.),

где - фактическое значение i-го уровня;

Значение скользящей средней в момент t ;

2p+1- длина интервала сглаживания.

Процедура сглаживания приводит к полному устранению периодических колебаний во временном ряду, если длина интервала сглаживания берется равной или кратной циклу, периоду колебаний.

Для устранения сезонных колебаний желательно было бы использовать четырех- и двенадцатичленную скользящие средние, но при этом не будет выполняться условие нечетности длины интервала сглаживания. Поэтому при четном числе уровней принято первое и последнее наблюдение на активном участке брать с половинными весами:

(2.4.)

Тогда для сглаживания сезонных колебаний при работе с временными рядами квартальной или месячной динамики можно использовать следующие скользящие средние:

(2.5.)

(2.6.)

При использовании скользящей средней с длиной активного участка g=2p+1 первые и последние p уровней ряда сгладить нельзя, их значения теряются. Очевидно, что потеря значений последних точек является существенным недостатком, т.к. для исследователя последние "свежие" данные обладают наибольшей информационной ценностью. Рассмотрим один из приемов, позволяющих восстановить потерянные значения временного ряда. Для этого необходимо:

1) Вычислить средний прирост на последнем активном участке

,

где g - длина активного участка;

Значение последнего уровня на активном участке;

Значение первого уровня на активном участке;

Средний абсолютный прирост.

2) Получить P сглаженных значений в конце временного ряда путем последовательного прибавления среднего абсолютного прироста к последнему сглаженному значению.

Аналогичную процедуру можно реализовать для оценивания первых уровней временного ряда.

Метод простой скользящей средней применим, если графическое изображение динамического ряда напоминает прямую. Когда тренд выравниваемого ряда имеет изгибы, и для исследователя желательно сохранить мелкие волны, применение простой скользящей средней нецелесообразно.

Если для процесса характерно нелинейное развитие, то простая скользящая средняя может привести к существенным искажениям. В этих случаях более надежным является использование взвешенной скользящей средней.

При сглаживании по взвешенной скользящей средней на каждом участке выравнивание осуществляется по полиномам невысоких порядков. Чаще всего используются полиномы 2-го и 3-его порядка. Так как при простой скользящей средней выравнивание на каждом активном участке производится по прямой (полиному первого порядка), то метод простой скользящей средней может рассматриваться как частный случай метода взвешенной скользящей средней. Простая скользящая средняя учитывает все уровни ряда, входящие в активный участок сглаживания, с равными весами, а взвешенная средняя приписывает каждому уровню вес, зависящий от удаления данного уровня до уровня, стоящего в середине активного участка.

Выравнивание с помощью взвешенной скользящей средней осуществляется следующим образом.

Для каждого активного участка подбирается полином вида

,

параметры которого оцениваются по методу наименьших квадратов. При этом начало отсчета переносится в середину активного участка. Например, для длины интервала сглаживания g=5, индексы уровней активного участка будут следующими i : -2, -1, 0, 1, 2.

Тогда сглаженным значением для уровня, стоящего в середине активного участка, будет значение параметра a 0 подобранного полинома.

Нет необходимости каждый раз заново вычислять весовые коэффициенты при уровнях ряда, входящих в активный участок сглаживания, т.к. они будут одинаковыми для каждого активного участка. Причем при сглаживании по полиному к-ой нечетной степени весовые коэффициенты будут такими же, как при сглаживании по полиному (к-1) степени. В таблице 2.2. представлены весовые коэффициенты при сглаживании по полиному 2-го или 3-го порядка (в зависимости от длины интервала сглаживания).

Так как веса симметричны относительно центрального уровня, то в таблице использована символическая запись: приведены веса для половины уровней активного участка; выделен вес, относящийся к уровню, стоящему в центре участка сглаживания. Для оставшихся уровней веса не приводятся, т. к. они могут быть симметрично отражены.

Например, проиллюстрируем использование таблицы для сглаживания по параболе 2-го порядка по 5-членной взвешенной скользящей средней. Тогда центральное значение на каждом активном участке , будет оцениваться по формуле:

Отметим важные свойства приведенных весов:

1) Они симметричны относительно центрального уровня.

2) Сумма весов с учетом общего множителя, вынесенного за скобки, равна единице.

3) Наличие как положительных, так и отрицательных весов, позволяет сглаженной кривой сохранять различные изгибы кривой тренда.

Существуют приемы, позволяющие с помощью дополнительных вычислений получить сглаженные значения для Р начальных и конечных уровней ряда при длине интервала сглаживания g=2p+1.

Один из самых простых способов решить эту проблему – использовать метод скользящей средней цены (moving averages).

Метод скользящей средней дает возможность трейдеру сгладить и быстро определить направление текущего тренда, .

Виды скользящих средних

Есть три разных вида скользящих средних, которые различаются алгоритмами расчета, но все они интерпретируются одинаково. Разница в расчетах заключается в весе, который придается ценам. В одном случае все цены могут иметь одинаковый вес, в другом более свежие данные имеют больше значения.

Три самых распространенных вида скользящих средних:

  1. простая (simple)
  2. линейная взвешенная (linear weighted)
  3. экспоненциальная (exponential)

Простая скользящая средняя (SMA, Simple Moving Average)

Это самый распространенный метод для расчета скользящих средних цен. Нужно просто взять сумму цен закрытия за определенный период и разделить на количество цен, использованных для расчета. То есть, это вычисление простого среднеарифметического значения.

Например, для десятидневной простой скользящей средней мы должны взять цены закрытия за последние 10 дней, сложить их вместе и разделить на 10.

Как вы можете видеть на рисунке ниже, трейдер может делать скользящие средние более плавными, просто увеличивая количество используемых дней (часов, минут) для расчета. Большой период для расчета скользящей средней обычно используется для отображения долгосрочного тренда.

Многие сомневаются в целесообразности использования простых скользящих средних цен, поскольку каждая точка имеет одинаковое значение. Критики данного метода расчета полагают, что более свежие данные должны иметь больший вес. Именно такие аргументы привели к созданию других видов скользящих средних.

Взвешенная скользящая средняя (WMA, Linear Weighted Average)

Этот вариант скользящей средней цены самый редко используемый индикатор из трех. Изначально она должна была бороться с недостатками расчета простой скользящей средней. Чтобы построить взвешенную скользящую среднюю нужно взять сумму цен закрытия за определенный период, умноженных на порядковый номер, и разделить полученное число на количество множителей.

Например, для расчета пятидневной взвешенной скользящей средней, нужно взять сегодняшнюю цену закрытия и умножить ее на пять, затем взять вчерашнюю цену закрытия и умножить ее на четыре и так продолжать до конца периода. Затем эти значения нужно сложить и разделить на сумму множителей.

Экспоненциальная скользящая средняя (EMA, Exponential Moving Average)

Этот тип скользящих средних представляет «сглаженный» вариант WMA, где больше значения придается последним данным. Такая формула считается более эффективной, чем та, что используется для расчета взвешенной скользящей средней.

Вам совсем не обязательно досконально понимать, как рассчитываются все типы скользящих средних. Любой современный торговый терминал построит вам этот индикатор с любыми настройками.

Формула для расчета экспоненциальной скользящей средней выглядит следующим образом:

EMA = (цена закрытия – EMA (предыдущий период) * множитель + EMA (предыдущий период)

Самое главное, что вы должны знать про экспоненциальную скользящую среднюю – она более восприимчива к новым данным в сравнении с простой скользящей средней. Это является ключевым фактором, почему экспоненциальный вариант расчета пользуется большей популярностью и сегодня применяется большинством трейдеров.

Как вы можете видеть на изображении снизу, EMA с периодом 15 быстрее реагирует на изменения цен, чем SMA с тем же периодом. На первый взгляд разница кажется не значительной, но это впечатление обманчиво. Такая разница может сыграть ключевую роль во время реальной торговли.

Определение тренда по скользящи средним

Скользящие средние используются для определения текущего тренда и момента его разворота, а также для нахождения уровней сопротивления и поддержки.

Скользящие средние позволяют очень быстро понять, в какую сторону в данный момент направлен тренд.

Посмотрите на изображение снизу. Очевидно, что когда скользящая средняя двигается под графиком цен, можно уверенно сказать – тренд восходящий. И наоборот, когда скользящая средняя находится над графиком цен, тренд считается нисходящим.

Другой способ определения направления тренда заключается в использовании двух скользящих средних с разным периодом для расчета. Когда краткосрочная средняя находится над долгосрочной, тренд считается восходящим. И наоборот, когда краткосрочная средняя находится под долгосрочной, тренд считается нисходящим.

Определение разворота тренда по скользящим средним

Разворот тренда по скользящим средним определяют двумя способами.

Первый – это когда средняя пересекает график цен. Например, когда скользящая средняя с периодом 50, пересекает график цен, как на изображении снизу, то это часто означает смену тренда с восходящего на нисходящий.

Другой вариант получения сигналов о возможных разворотах тенденции – отслеживать пересечение скользящих средних, краткосрочных и долгосрочных.

Например, на изображении снизу вы можете видеть, как скользящая средняя с периодом расчета 15 пересекает скользящую среднюю с периодом 50 снизу вверх, что сигнализирует о начале восходящего тренда.

Если используемые периоды для расчета средних относительно невелики (например, 15 и 35), то их пересечения будут сигнализировать о краткосрочных разворотах тренда. С другой стороны, для отслеживания долгосрочных тенденций используются периоды значительно больше, например 50 и 200.

Скользящие средние в качестве уровней поддержки и сопротивления

Еще один довольно распространенный способ использования скользящих средних – это определение уровней поддержки и сопротивления. Для этого обычно используются скользящие средние с большими периодами.

Когда цена подбирается к линии поддержки или сопротивления, то довольно высока вероятность ее «отскока» от этого уровня, как видно на изображении снизу. Если же цена пробивает долгосрочную скользящую среднюю, то высока вероятность продолжения движения цены в том же направлении.

Вывод

Скользящие средние в техническом анализе являются одним из самых мощных и в то же время простых инструментов для анализа рынка. Они позволяют трейдеру быстро определять направление долгосрочных и краткосрочных трендов, а также уровни поддержки и сопротивления.

Каждый трейдер использует свои настройки для расчета скользящих средних. Многое тут зависит от стиля торговли и от того, на каком финансовом рынке они применяются (рынок , валютная биржа и прочее).

Скользящие средние помогают техническим аналитикам убрать с графика так называемый «шум» ежедневных колебаний цены. Традиционно скользящие средние называют трендовыми индикаторами.