Exponentiell Gewichtet Moving Average Finance




Exponentiell Gewichtet Moving Average FinanceExploration der exponentiell gewichteten Moving Average Volatilitat ist die haufigste Ma?nahme fur das Risiko, aber es kommt in mehreren Geschmacksrichtungen. In einem fruheren Artikel haben wir gezeigt, wie man einfache historische Volatilitat berechnet. (Um diesen Artikel zu lesen, finden Sie unter Verwenden von Volatilitat, um zukunftiges Risiko zu messen.) Wir verwendeten Googles tatsachlichen Aktienkursdaten, um die tagliche Volatilitat basierend auf 30 Tagen der Bestandsdaten zu berechnen. In diesem Artikel werden wir auf einfache Volatilitat zu verbessern und diskutieren den exponentiell gewichteten gleitenden Durchschnitt (EWMA). Historische Vs. Implied Volatility Erstens, lassen Sie diese Metrik in ein bisschen Perspektive. Es gibt zwei breite Ansatze: historische und implizite (oder implizite) Volatilitat. Der historische Ansatz geht davon aus, dass Vergangenheit ist Prolog Wir messen Geschichte in der Hoffnung, dass es pradiktive ist. Die implizite Volatilitat dagegen ignoriert die Geschichte, die sie fur die Volatilitat der Marktpreise lost. Es hofft, dass der Markt am besten wei? und dass der Marktpreis, auch wenn implizit, eine Konsensschatzung der Volatilitat enthalt. (Fur verwandte Erkenntnisse siehe Die Verwendungen und Grenzen der Volatilitat.) Wenn wir uns auf die drei historischen Ansatze (auf der linken Seite) konzentrieren, haben sie zwei Schritte gemeinsam: Berechnen Sie die Reihe der periodischen Renditen Anwendung eines Gewichtungsschemas Zuerst werden wir Berechnen die periodische Rendite. Das ist typischerweise eine Reihe von taglichen Renditen, bei denen jede Rendite in kontinuierlich zusammengesetzten Ausdrucken ausgedruckt wird. Fur jeden Tag nehmen wir das naturliche Protokoll des Verhaltnisses der Aktienkurse (d. H. Preis heute geteilt durch den Preis gestern und so weiter). Dies erzeugt eine Reihe von taglichen Renditen, von u i bis u i-m. Je nachdem wie viele Tage (m Tage) wir messen. Das bringt uns zum zweiten Schritt: Hier unterscheiden sich die drei Ansatze. Wir haben gezeigt, dass die einfache Varianz im Rahmen einiger akzeptabler Vereinfachungen der Mittelwert der quadratischen Renditen ist: Beachten Sie, dass diese Summe die periodischen Renditen zusammenfasst und dann diese Summe durch die Anzahl der Tage oder Beobachtungen (m). Also, seine wirklich nur ein Durchschnitt der quadrierten periodischen kehrt zuruck. Setzen Sie einen anderen Weg, jede quadrierte Ruckkehr wird ein gleiches Gewicht gegeben. Wenn also alpha (a) ein Gewichtungsfaktor (speziell eine 1 / m) ist, dann sieht eine einfache Varianz so aus: Die EWMA verbessert die einfache Varianz Die Schwache dieses Ansatzes ist, dass alle Renditen das gleiche Gewicht verdienen. Yesterdays (sehr jungste) Ruckkehr hat keinen Einfluss mehr auf die Varianz als die letzten Monate zuruck. Dieses Problem wird durch Verwendung des exponentiell gewichteten gleitenden Mittelwerts (EWMA), bei dem neuere Renditen ein gro?eres Gewicht auf die Varianz aufweisen, festgelegt. Der exponentiell gewichtete gleitende Durchschnitt (EWMA) fuhrt Lambda ein. Die als Glattungsparameter bezeichnet wird. Lambda muss kleiner als 1 sein. Unter dieser Bedingung wird anstelle der gleichen Gewichtungen jede quadratische Rendite durch einen Multiplikator wie folgt gewichtet: Beispielsweise neigt die RiskMetrics TM, eine Finanzrisikomanagementgesellschaft, dazu, eine Lambda von 0,94 oder 94 zu verwenden. In diesem Fall wird die erste ( (1 - 0,94) (94) 0 6. Die nachste quadrierte Ruckkehr ist einfach ein Lambda-Vielfaches des vorherigen Gewichts in diesem Fall 6 multipliziert mit 94 5,64. Und das dritte vorherige Tagegewicht ist gleich (1-0,94) (0,94) 2 5,30. Das ist die Bedeutung von exponentiell in EWMA: jedes Gewicht ist ein konstanter Multiplikator (d. h. Lambda, der kleiner als eins sein mu?) des vorherigen Gewichtes. Dies stellt eine Varianz sicher, die gewichtet oder zu neueren Daten voreingenommen ist. (Weitere Informationen finden Sie im Excel-Arbeitsblatt fur die Googles-Volatilitat.) Der Unterschied zwischen einfacher Volatilitat und EWMA fur Google wird unten angezeigt. Einfache Volatilitat wiegt effektiv jede periodische Rendite von 0,196, wie in Spalte O gezeigt (wir hatten zwei Jahre tagliche Aktienkursdaten, das sind 509 tagliche Renditen und 1/509 0,196). Aber beachten Sie, dass die Spalte P ein Gewicht von 6, dann 5,64, dann 5,3 und so weiter. Das ist der einzige Unterschied zwischen einfacher Varianz und EWMA. Denken Sie daran: Nachdem wir die Summe der ganzen Reihe (in Spalte Q) haben wir die Varianz, die das Quadrat der Standardabweichung ist. Wenn wir Volatilitat wollen, mussen wir uns daran erinnern, die Quadratwurzel dieser Varianz zu nehmen. Was ist der Unterschied in der taglichen Volatilitat zwischen der Varianz und der EWMA im Googles-Fall? Bedeutend: Die einfache Varianz gab uns eine tagliche Volatilitat von 2,4, aber die EWMA gab eine tagliche Volatilitat von nur 1,4 (Details siehe Tabelle). Offenbar lie? sich die Googles-Volatilitat in jungster Zeit verringern, so dass eine einfache Varianz kunstlich hoch sein konnte. Die heutige Varianz ist eine Funktion der Pior Tage Variance Youll bemerken wir benotigt, um eine lange Reihe von exponentiell sinkenden Gewichte zu berechnen. Wir werden die Mathematik hier nicht durchfuhren, aber eine der besten Eigenschaften der EWMA ist, da? die gesamte Reihe zweckma?igerweise auf eine rekursive Formel reduziert: Rekursiv bedeutet, da? heutige Varianzreferenzen (d. h. eine Funktion der fruheren Tagesvarianz) ist. Sie konnen diese Formel auch in der Kalkulationstabelle zu finden, und es erzeugt genau das gleiche Ergebnis wie die Langzeitberechnung Es hei?t: Die heutige Varianz (unter EWMA) ist gleichbedeutend mit der gestrigen Abweichung (gewichtet mit Lambda) plus der gestrigen Ruckkehr (gewogen von einem Minus-Lambda). Beachten Sie, wie wir nur zwei Begriffe zusammenfugen: gestern gewichtet Varianz und gestern gewichtet, quadriert zuruck. Dennoch ist Lambda unser Glattungsparameter. Ein hoheres Lambda (z. B. wie RiskMetrics 94) deutet auf einen langsameren Abfall in der Reihe hin - in relativer Hinsicht werden wir mehr Datenpunkte in der Reihe haben, und sie fallen langsamer ab. Auf der anderen Seite, wenn wir das Lambda reduzieren, deuten wir auf einen hoheren Abfall hin: die Gewichte fallen schneller ab, und als direkte Folge des schnellen Zerfalls werden weniger Datenpunkte verwendet. (In der Kalkulationstabelle ist Lambda ein Eingang, so dass Sie mit seiner Empfindlichkeit experimentieren konnen). Zusammenfassung Volatilitat ist die momentane Standardabweichung einer Aktie und die haufigste Risikomessung. Es ist auch die Quadratwurzel der Varianz. Wir konnen Varianz historisch oder implizit messen (implizite Volatilitat). Bei der historischen Messung ist die einfachste Methode eine einfache Varianz. Aber die Schwache mit einfacher Varianz ist alle Renditen bekommen das gleiche Gewicht. So stehen wir vor einem klassischen Kompromiss: Wir wollen immer mehr Daten, aber je mehr Daten wir haben, desto mehr wird unsere Berechnung durch weit entfernte (weniger relevante) Daten verdunnt. Der exponentiell gewichtete gleitende Durchschnitt (EWMA) verbessert die einfache Varianz durch Zuordnen von Gewichten zu den periodischen Renditen. Auf diese Weise konnen wir beide eine gro?e Stichprobengro?e, sondern auch mehr Gewicht auf neuere Renditen. (Um eine Film-Tutorial zu diesem Thema, besuchen Sie die Bionic Turtle.) Ein Ma? fur die aktive Teil einer economy039s Arbeitskrafte. Die Erwerbsquote bezieht sich auf die Anzahl der Personen, die sind. Der gesamte Bestand an Wahrung und anderen flussigen Instrumenten in einer Volkswirtschaft zu einer bestimmten Zeit. Die Geldmenge. 1. Im Allgemeinen eine Situation der Gleichheit. Paritat kann in vielen verschiedenen Kontexten auftreten, aber es bedeutet immer, dass zwei Dinge. Eine Klassifizierung von Handelsaktien, wenn eine deklarierte Dividende dem Verkaufer statt dem Kaufer gehort. Eine Aktie wird sein. Eine Einheit, die gleich 1 / 100th von 1 ist, und wird verwendet, um die Anderung in einem Finanzinstrument zu bezeichnen. Der Ausgangspunkt ist haufig. Die Federal Reserve Board Regulierung, die den Kunden Cash-Konten und die Hohe der Kredit, dass Maklerfirmen und. Exponential Moving Average - EMA Laden des Spielers. BREAKING DOWN Exponential Moving Average - EMA Die 12- und 26-Tage-EMAs sind die beliebtesten Kurzzeitmittelwerte und werden verwendet, um Indikatoren wie die gleitende durchschnittliche Konvergenzdivergenz (MACD) und den prozentualen Preisoszillator (PPO) zu erzeugen. Im Allgemeinen werden die 50- und 200-Tage-EMAs als Signale von langfristigen Trends verwendet. Trader, die technische Analyse verwenden finden flie?ende Mittelwerte sehr nutzlich und aufschlussreich, wenn sie richtig angewendet werden, aber Chaos verursachen, wenn sie falsch verwendet werden oder falsch interpretiert werden. Alle gleitenden Mittelwerte, die gewohnlich in der technischen Analyse verwendet werden, sind von Natur aus nacheilende Indikatoren. Folglich sollten die Schlussfolgerungen aus der Anwendung eines gleitenden Durchschnitts auf ein bestimmtes Marktdiagramm eine Marktbewegung bestatigen oder ihre Starke belegen. Sehr oft, bis eine gleitende durchschnittliche Indikatorlinie eine Anderung vorgenommen hat, um eine bedeutende Bewegung auf dem Markt zu reflektieren, ist der optimale Punkt des Markteintritts bereits vergangen. Eine EMA dient dazu, dieses Dilemma zu einem gewissen Grad zu lindern. Da die EMA-Berechnung mehr Gewicht auf die neuesten Daten setzt, umgibt sie die Preisaktion etwas fester und reagiert damit schneller. Dies ist wunschenswert, wenn ein EMA verwendet wird, um ein Handelseintragungssignal abzuleiten. Interpretation der EMA Wie alle gleitenden Durchschnittsindikatoren sind sie fur Trendmarkte viel besser geeignet. Wenn der Markt in einem starken und anhaltenden Aufwartstrend ist. Zeigt die EMA-Indikatorlinie auch einen Aufwartstrend und umgekehrt einen Abwartstrend. Ein wachsamer Handler achtet nicht nur auf die Richtung der EMA-Linie, sondern auch auf das Verhaltnis der Anderungsgeschwindigkeit von einem Balken zum nachsten. Wenn zum Beispiel die Preisaktion eines starken Aufwartstrends beginnt, sich zu verflachen und umzukehren, wird die EMA-Rate der Anderung von einem Balken zum nachsten abnehmen, bis zu dem Zeitpunkt, zu dem die Indikatorlinie flacht und die Anderungsrate null ist. Wegen der nacheilenden Wirkung, von diesem Punkt, oder sogar ein paar Takte zuvor, sollte die Preisaktion bereits umgekehrt haben. Daraus folgt, dass die Beobachtung eines konsequenten Abschwachens der Veranderungsrate der EMA selbst als Indikator genutzt werden konnte, der das Dilemma, das durch den nacheilenden Effekt von gleitenden Durchschnittswerten verursacht wird, weiter beheben konnte. Gemeinsame Verwendung der EMA-EMAs werden haufig in Verbindung mit anderen Indikatoren verwendet, um signifikante Marktbewegungen zu bestatigen und deren Gultigkeit zu messen. Fur Handler, die intraday und schnelllebigen Markten handeln, ist die EMA mehr anwendbar. Haufig benutzen Handler EMAs, um eine Handel Bias zu bestimmen. Zum Beispiel, wenn eine EMA auf einer Tages-Chart zeigt einen starken Aufwartstrend, eine Intraday-Trader-Strategie kann nur von der langen Seite auf einem Intraday-Diagramm handeln. Berechnen EWMA-Korrelation mit Excel Wir hatten vor kurzem gelernt, wie die Volatilitat mit EWMA abzuschatzen Exponentiell gewichteter gleitender Durchschnitt. Wie wir wissen, vermeidet EWMA die Fallstricke von gleich gewichteten Durchschnitten, da es den neueren Beobachtungen gegenuber den alteren Beobachtungen mehr Gewicht verleiht. Also, wenn wir extreme Renditen in unseren Daten, wie die Zeit vergeht, werden diese Daten alter und wird weniger Gewicht in unserer Berechnung. In diesem Artikel werden wir untersuchen, wie wir die Korrelation mit EWMA in Excel berechnen konnen. Wir wissen, da? die Korrelation nach folgender Formel berechnet wird: Der erste Schritt besteht darin, die Kovarianz zwischen den beiden Ruckkehrserien zu berechnen. Wir verwenden den Glattungsfaktor Lambda 0.94, wie er in RiskMetrics verwendet wird. Betrachten wir die folgende Gleichung: Wir verwenden die quadrierten Renditen r 2 als Reihe x in dieser Gleichung fur Varianzvorhersagen und Kreuzprodukte von zwei Renditen als die Reihe x in der Gleichung fur Kovarianzprognosen. Beachten Sie, dass das gleiche Lambda fur alle Varianzen und Kovarianz verwendet wird. Der zweite Schritt besteht darin, die Varianzen und die Standardabweichung jeder Ruckkehrreihe zu berechnen, wie in diesem Artikel beschrieben. Berechnen Sie die historische Volatilitat mit EWMA. Der dritte Schritt besteht darin, die Korrelation durch Einstecken der Werte von Kovarianz und Standardabweichungen in der oben angegebenen Formel fur die Korrelation zu berechnen. Die folgende Excel-Tabelle liefert ein Beispiel fur die Korrelation und die Volatilitatsberechnung in Excel. Es nimmt das Protokoll Ruckkehr von zwei Aktien und berechnet die Korrelation zwischen ihnen.