Media Móvil Exponencial Y Desviación Estándar

He incluido una captura de pantalla para ayudar a aclarar mi problema: Estoy tratando de calcular algún tipo de media móvil y la desviación estándar en movimiento. La cosa es que quiero calcular los coeficientes de variación (stdev / avg) para el valor real. Normalmente esto se hace mediante el cálculo de la stdev y avg durante los últimos 5 años. Sin embargo a veces habrá observaciones en mi base de datos para las que no tengo la información de los últimos 5 años (quizás sólo 3, 2 etc). Es por eso que quiero un código que calculará la media y stdev, incluso si no hay información para el conjunto de 5 años. Además, como ves en las observaciones, a veces tengo información de más de 5 años, cuando este es el caso necesito algún tipo de media móvil que me permite calcular el promedio y stdev durante los últimos 5 años. Así que si una empresa tiene información durante 7 años necesito algún tipo de código que calculará el promedio y el stdev para, digamos, 1997 (por 1991-1996), 1998 (1992-1997) y 1999 (1993-1998). Como im no muy familiarizado con sas comandos que debe mirar (muy, muy groseramente) como: O algo así, realmente no tengo ni idea, voy a tratar de averiguarlo, pero vale la pena publicarlo si no voy a encontrar yo mismo. La Volatilidad Media Ponderada Exponencialmente es la medida más común del riesgo, pero viene en varios sabores. En un artículo anterior, mostramos cómo calcular la volatilidad histórica simple. Utilizamos la volatilidad para medir el riesgo futuro. Utilizamos los datos reales de los precios de las acciones de Google para calcular la volatilidad diaria basada en 30 días de datos de existencias. En este artículo, mejoraremos la volatilidad simple y discutiremos el promedio móvil exponencialmente ponderado (EWMA). Vs histórico. Volatilidad implícita En primer lugar, permite poner esta métrica en un poco de perspectiva. Existen dos enfoques generales: volatilidad histórica e implícita (o implícita). El enfoque histórico supone que el pasado es un prólogo que medimos la historia con la esperanza de que sea predictivo. La volatilidad implícita, por el contrario, ignora la historia que resuelve por la volatilidad implícita en los precios de mercado. Espera que el mercado conozca mejor y que el precio de mercado contenga, aunque implícitamente, una estimación consensual de la volatilidad. Si nos centramos sólo en los tres enfoques históricos (a la izquierda de arriba), tienen dos pasos en común: Calcular la serie de retornos periódicos Aplicar un esquema de ponderación En primer lugar, Calcular el retorno periódico. Ésa es típicamente una serie de vueltas diarias donde cada vuelta se expresa en términos continuamente compuestos. Para cada día, tomamos el registro natural de la relación de precios de las acciones (es decir, el precio hoy dividido por el precio ayer, y así sucesivamente). Esto produce una serie de retornos diarios, de u i a u i-m. Dependiendo de cuántos días (m días) estamos midiendo. Eso nos lleva al segundo paso: aquí es donde los tres enfoques difieren. En el artículo anterior (Usando Volatilidad Para Calcular el Riesgo Futuro), mostramos que bajo un par de simplificaciones aceptables, la varianza simple es el promedio de los retornos cuadrados: Obsérvese que esto suma cada uno de los retornos periódicos, luego divide ese total por el Número de días u observaciones (m). Por lo tanto, su realmente sólo un promedio de los retornos cuadrados periódico. Dicho de otra manera, cada cuadrado de retorno se da un peso igual. Por lo tanto, si alfa (a) es un factor de ponderación (específicamente, 1 / m), entonces una variante simple se parece a esto: El EWMA mejora en la varianza simple La debilidad de este enfoque es que todas las ganancias ganan el mismo peso. El retorno de ayer (muy reciente) no tiene más influencia sobre la varianza que el retorno de los últimos meses. Este problema se fija mediante la media móvil ponderada exponencialmente (EWMA), en la cual los rendimientos más recientes tienen mayor peso sobre la varianza. La media móvil exponencialmente ponderada (EWMA) introduce lambda. Que se denomina parámetro de suavizado. Lambda debe ser menos de uno. Bajo esta condición, en lugar de iguales ponderaciones, cada cuadrado de retorno es ponderado por un multiplicador de la siguiente manera: Por ejemplo, RiskMetrics TM, una empresa de gestión de riesgos financieros, tiende a utilizar un lambda de 0,94 o 94. En este caso, el primero Más reciente) cuadrado es ponderado por (1-0.94) (. 94) 0 6. El próximo cuadrado de retorno es simplemente un lambda-múltiplo del peso anterior en este caso 6 multiplicado por 94 5.64. Y el tercer día anterior el peso es igual (1-0.94) (0.94) 2 5.30. Ese es el significado de exponencial en EWMA: cada peso es un multiplicador constante (es decir, lambda, que debe ser menor que uno) del peso de los días anteriores. Esto asegura una varianza que está ponderada o sesgada hacia datos más recientes. (Para obtener más información, consulte la hoja de cálculo de Excel para la volatilidad de Google.) A continuación se muestra la diferencia entre la volatilidad y EWMA para Google. La volatilidad simple pesa efectivamente cada vuelta periódica en 0.196 como se muestra en la columna O (teníamos dos años de datos de precios de acciones diarios, es decir, 509 devoluciones diarias y 1/509 0.196). Pero note que la Columna P asigna un peso de 6, luego 5.64, luego 5.3 y así sucesivamente. Esa es la única diferencia entre la varianza simple y EWMA. Recuerde: Después de sumar la serie completa (en la columna Q) tenemos la varianza, que es el cuadrado de la desviación estándar. Si queremos volatilidad, necesitamos recordar tomar la raíz cuadrada de esa varianza. ¿Cuál es la diferencia en la volatilidad diaria entre la varianza y EWMA en el caso de Googles? Su significativo: La variación simple nos dio una volatilidad diaria de 2,4 pero la EWMA dio una volatilidad diaria de sólo 1,4 (ver la hoja de cálculo para más detalles). Aparentemente, la volatilidad de Googles se estableció más recientemente, por lo tanto, una simple varianza podría ser artificialmente alta. La variación de hoy es una función de la variación de los días de Pior Usted notará que necesitábamos calcular una larga serie de pesos exponencialmente decrecientes. No haremos la matemática aquí, pero una de las mejores características de la EWMA es que toda la serie se reduce convenientemente a una fórmula recursiva: Recursiva significa que las referencias de la varianza de hoy (es decir, es una función de la variación de días anteriores). Esta fórmula también se encuentra en la hoja de cálculo, y produce exactamente el mismo resultado que el cálculo de longitud larga. Se dice: La varianza de hoy (bajo EWMA) equivale a la varianza de ayer (ponderada por lambda) más la vuelta al cuadrado de ayer (pesada por uno menos lambda). Observe cómo estamos agregando dos términos juntos: la variación ponderada de ayer y la ponderada ponderada de ayer, la vuelta al cuadrado. Aun así, lambda es nuestro parámetro de suavizado. Un lambda más alto (por ejemplo, como RiskMetrics 94) indica una disminución más lenta en la serie - en términos relativos, vamos a tener más puntos de datos en la serie y van a caer más lentamente. Por otro lado, si reducimos el lambda, indicamos una mayor decaimiento: los pesos se caen más rápidamente y, como resultado directo de la rápida decaimiento, se utilizan menos puntos de datos. (En la hoja de cálculo, lambda es una entrada, para que pueda experimentar con su sensibilidad). Resumen La volatilidad es la desviación estándar instantánea de una acción y la métrica de riesgo más común. Es también la raíz cuadrada de la varianza. Podemos medir la varianza históricamente o implícitamente (volatilidad implícita). Al medir históricamente, el método más fácil es la varianza simple. Pero la debilidad con la varianza simple es que todas las ganancias obtienen el mismo peso. Así que enfrentamos un trade-off clásico: siempre queremos más datos, pero cuanto más datos tengamos, más nuestro cálculo se diluye por datos distantes (menos relevantes). La media móvil exponencialmente ponderada (EWMA) mejora la varianza simple asignando pesos a los retornos periódicos. Haciendo esto, ambos podemos usar un tamaño grande de la muestra pero también dar mayor peso a vueltas más recientes. (Para ver un tutorial de película sobre este tema, visite la Tortuga Biónica.) Una persona que negocia derivados, materias primas, bonos, acciones o monedas con un riesgo superior al promedio a cambio de. QuotHINTquot es un acrónimo que representa para el ingreso quothigh no taxes. quot Se aplica a los altos ingresos que evitan el pago de ingresos federales. Un creador de mercado que compra y vende bonos corporativos de muy corto plazo denominados papel comercial. Un distribuidor de papel es normalmente. Una orden colocada con una correduría para comprar o vender un número determinado de acciones a un precio determinado o mejor. La compra y venta sin restricciones de bienes y servicios entre países sin la imposición de restricciones como. En el mundo de los negocios, un unicornio es una empresa, por lo general una start-up que no tiene un récord de rendimiento establecido. Keltner Canales Keltner Canales Introducción Keltner Canales son sobres basados ​​en la volatilidad establecidos por encima y por debajo de una media móvil exponencial. Este indicador es similar a Bollinger Bands, que utilizan la desviación estándar para establecer las bandas. En lugar de utilizar la desviación estándar, los canales de Keltner utilizan el rango promedio verdadero (ATR) para establecer la distancia del canal. Normalmente, los canales establecen dos valores promedio de rango verdadero por encima y por debajo del EMA de 20 días. El promedio móvil exponencial dicta la dirección y el rango verdadero promedio establece el ancho del canal. Los canales de Keltner son un indicador de tendencia siguiente que se utiliza para identificar las reversiones con las salidas de canal y la dirección del canal. Los canales también se pueden utilizar para identificar los niveles de sobrecompra y sobreventa cuando la tendencia es plana. En su libro de 1960, How to Make Money in Commodities, Chester Keltner introdujo la Regla de Negociación de Moving Average de diez días, que se acredita como la versión original de los Canales de Keltner. Esta versión original comenzó con una SMA de 10 días del precio típico como la línea central. El SMA de 10 días del rango Alto-Bajo se añadió y restó para establecer las líneas de canal superior e inferior. Linda Bradford Raschke presentó la versión más reciente de los canales de Keltner en los años ochenta. Al igual que Bollinger Bands, esta nueva versión utilizó un indicador basado en la volatilidad, Average True Range (ATR), para establecer el ancho del canal. StockCharts utiliza esta versión más reciente de los canales de Keltner. Cálculo Hay tres pasos para calcular los canales de Keltner. En primer lugar, seleccione la longitud de la media móvil exponencial. En segundo lugar, elija los períodos de tiempo para el rango promedio verdadero (ATR). En tercer lugar, elija el multiplicador para el rango promedio verdadero. El ejemplo anterior se basa en la configuración predeterminada de SharpCharts. Debido a que el promedio móvil de desfase, una media móvil más larga tendrá más retraso y una media móvil más corta tendrá menos retraso. ATR es el ajuste básico de la volatilidad. Los plazos cortos, tales como 10, producen un ATR más volátil que fluctúa a medida que fluyen y fluyen volatilidad de 10 periodos. Los intervalos de tiempo más largos, tales como 100, suavizan estas fluctuaciones para producir una lectura ATR más constante. El multiplicador tiene el mayor efecto en el ancho del canal. Simplemente cambiando de 2 a 1 cortará el ancho del canal por la mitad. Aumentar de 2 a 3 aumentará el ancho del canal en 50. Aquí hay un gráfico que muestra tres canales de Keltner establecidos a 1, 2 y 3 ATR lejos del promedio móvil central. Esta técnica particular ha sido defendida por Kerry Lovvorn de SpikeTrade por años. El gráfico de arriba muestra los canales predeterminados de Keltner en rojo, un canal más ancho en azul y un canal más estrecho en verde. Los canales azules se establecieron tres valores promedio de rango verdadero por encima y por debajo (3 x ATR). Los canales verdes utilizan un valor ATR. Los tres comparten la EMA de 20 días, que es la línea punteada en el medio. Las ventanas indicadoras muestran diferencias en el rango promedio verdadero (ATR) para 10 períodos, 50 períodos y 100 períodos. Observe cómo el ATR corto (10) es más volátil y tiene la gama más amplia. En contraste, el ATR de 100 periodos es mucho más suave con un rango menos volátil. Interpretación Los indicadores basados ​​en canales, bandas y sobres están diseñados para abarcar la mayor parte de la acción de precios. Por lo tanto, los movimientos por encima o por debajo de las líneas del canal merecen atención porque son relativamente raros. Las tendencias a menudo comienzan con movimientos fuertes en una dirección u otra. Una oleada por encima de la línea del canal superior muestra una fuerza extraordinaria, mientras que una caída por debajo de la línea del canal inferior muestra una debilidad extraordinaria. Tales movimientos fuertes pueden indicar el final de una tendencia y el comienzo de otra. Con un promedio móvil exponencial como base, los canales de Keltner son un indicador de tendencia siguiente. Al igual que con los promedios móviles y los indicadores de tendencias siguientes, los canales de Keltner demoran la acción del precio. La dirección del promedio móvil determina la dirección del canal. En general, una tendencia a la baja está presente cuando el canal se mueve hacia abajo, mientras que una tendencia alcista existe cuando el canal se mueve más alto. La tendencia es plana cuando el canal se mueve hacia los lados. Una subida del canal y una ruptura por encima de la línea de tendencia superior pueden indicar el inicio de una tendencia alcista. Un descenso del canal y una ruptura por debajo de la línea de tendencia inferior pueden indicar el inicio de una tendencia a la baja. A veces una tendencia fuerte no se apodera después de una ruptura de canal y los precios oscilan entre las líneas de canal. Dichos márgenes de negociación están marcados por una media móvil relativamente plana. Los límites del canal se pueden utilizar para identificar los niveles de sobrecompra y sobreventa con fines comerciales. Versus Bollinger Bands Hay dos diferencias entre los canales Keltner y Bollinger Bands. En primer lugar, los canales de Keltner son más suaves que las bandas de Bollinger debido a que la anchura de las bandas de Bollinger se basa en la desviación estándar, que es más volátil que el promedio de rango real (ATR). Muchos consideran esto una ventaja porque crea una anchura más constante. Esto hace que los canales de Keltner sean adecuados para el seguimiento de tendencias y la identificación de tendencias. En segundo lugar, los canales de Keltner también utilizan una media móvil exponencial, que es más sensible que el promedio móvil simple utilizado en las bandas de Bollinger. En la siguiente tabla se muestran los canales de Keltner (azul), Bollinger Bands (rosa), Average True Range (10), Standard Deviation (10) y Standard Deviation (20). Observe cómo los canales de Keltner son más suaves que las bandas de Bollinger. Observe también cómo la desviación estándar cubre un rango mayor que el rango promedio verdadero (ATR). Tendencia alcista El gráfico de abajo muestra a Archer Daniels Midland (ADM) iniciando una tendencia alcista a medida que los canales de Keltner suben y las acciones suben por encima de la línea del canal superior. ADM estaba en una clara tendencia a la baja en abril-mayo, ya que los precios siguieron perforando el canal inferior. Con un fuerte impulso en junio, los precios superaron el canal superior y el canal se presentó para iniciar una nueva tendencia alcista. Tenga en cuenta que los precios se mantienen por encima del canal inferior en las inmersiones a principios y finales de julio. Incluso con una nueva tendencia alcista establecida, a menudo es prudente esperar un retroceso o un mejor punto de entrada para mejorar la relación de recompensa a riesgo. Entonces se pueden emplear osciladores de impulso u otros indicadores para definir lecturas de sobrevendido. Este gráfico muestra StochRSI. Uno de los osciladores de momento más sensibles, sumergiéndose por debajo de .20 para sobrevenderse al menos tres veces durante la tendencia alcista. Los cruces subsiguientes por encima de 0,20 señalaron una reanudación de la tendencia alcista. Tendencia a la baja El segundo gráfico muestra Nvidia (NVDA) iniciando una tendencia a la baja con un fuerte descenso por debajo de la línea inferior del canal. Después de esta ruptura inicial, la población encontró resistencia cerca de la EMA de 20 días (línea media) desde mediados de mayo hasta principios de agosto. La incapacidad de acercarse incluso a la línea del canal superior mostró una fuerte presión descendente. Un índice de canal de mercancías de 10 periodos (CCI) se muestra como el oscilador de momento para identificar las condiciones de sobrecompra a corto plazo. Un movimiento por encima de 100 se considera sobrecompra. Un movimiento posterior por debajo de 100 indica una reanudación de la tendencia a la baja. Esta señal funcionó bien hasta septiembre. Estas señales fallidas indicaron un posible cambio de tendencia que se confirmó posteriormente con una ruptura por encima de la línea del canal superior. Tendencia plana Una vez que se ha identificado un rango comercial o un entorno comercial plano, los comerciantes pueden utilizar los canales Keltner para identificar los niveles de sobrecompra y sobreventa. Un rango de negociación se puede identificar con una media móvil plana y el Índice Direccional Promedio (ADX). El gráfico de abajo muestra IBM fluctuando entre el soporte en el área 120-122 y la resistencia en el área 130-132 de febrero a finales de septiembre. La EMA de 20 días, línea media, retrasó la acción de los precios, pero se aplastó de abril a septiembre. La ventana indicadora muestra ADX (línea negra) que confirma una tendencia débil. El ADX bajo y descendente muestra una tendencia débil. Alto y creciente ADX muestra una fuerte tendencia. ADX estaba por debajo de 40 todo el tiempo y por debajo de 30 la mayor parte del tiempo. Esto refleja la ausencia de tendencia. Además, notar que ADX alcanzó su punto máximo a principios de junio y cayó hasta finales de agosto. Armados con las perspectivas de una tendencia débil y el rango de negociación, los comerciantes pueden utilizar Keltner Canales para anticipar las reversiones. Además, tenga en cuenta que las líneas de canal a menudo coinciden con el soporte de la carta y la resistencia. IBM bajó por debajo de la línea inferior del canal tres veces desde finales de mayo hasta finales de agosto. Estas inmersiones proporcionaron puntos de entrada de bajo riesgo. La población no logró llegar a la línea del canal superior, pero se acercó al invertirse en la zona de resistencia. El gráfico de Disney muestra una situación similar. Conclusiones Los canales de Keltner son un indicador de tendencia posterior diseñado para identificar la tendencia subyacente. La identificación de tendencias es más de la mitad de la batalla. La tendencia puede ser hacia arriba, hacia abajo o plana. Utilizando los métodos descritos anteriormente, los comerciantes y los inversores pueden identificar la tendencia a establecer una preferencia comercial. Los oficios alcistas son favorecidos en una tendencia alcista y los oficios bajistas son favorecidos en una tendencia bajista. Una tendencia plana requiere un enfoque más ágil porque los precios a menudo alcanzan el pico en la línea del canal superior y el canal en la línea del canal inferior. Como con todas las técnicas de análisis, los canales de Keltner deben usarse junto con otros indicadores y análisis. Los indicadores Momentum ofrecen un buen complemento a los siguientes canales de Keltner. Los canales SharpCharts Keltner se pueden encontrar en SharpCharts como superposición de precios. Al igual que con una media móvil, los canales Keltner deben mostrarse encima de un gráfico de precios. Al seleccionar el indicador en el cuadro desplegable, el ajuste por defecto aparecerá en la ventana de parámetros (20,2,0,10). El primer número (20) establece los periodos para la media móvil exponencial. El segundo número (2.0) es el multiplicador ATR. El tercer número (10) es el número de períodos para el rango promedio verdadero (ATR). Estos parámetros predeterminados configuran los canales 2 ATR valores por encima / por debajo de los 20 días EMA. Los usuarios pueden cambiar los parámetros para adaptarlos a sus necesidades de gráficos. Haga clic aquí para ver un ejemplo en vivo. Scans supera después de la caída alcista de Canal Keltner: Este análisis busca acciones que se rompieron por encima de su canal superior de Keltner hace 20 días para afirmar o establecer una tendencia alcista. El CCI actual de 10 periodos es inferior a -100 para indicar una condición de sobreventa a corto plazo. Overbought después de la bajista Keltner Channel Breakout: Este análisis busca acciones que se rompieron por debajo de su canal Keltner inferior hace 20 días para afirmar o establecer una tendencia a la baja. El ICC actual de 10 periodos es superior a 100 para indicar una condición de sobrecompra a corto plazo. Estudio adicional En la práctica, el promedio móvil proporcionará una buena estimación de la media de la serie temporal si la media es constante o cambia lentamente. En el caso de una media constante, el mayor valor de m dará las mejores estimaciones de la media subyacente. Un período de observación más largo promediará los efectos de la variabilidad. El propósito de proporcionar un m más pequeño es permitir que el pronóstico responda a un cambio en el proceso subyacente. Para ilustrar, proponemos un conjunto de datos que incorpora cambios en la media subyacente de la serie temporal. La figura muestra las series temporales utilizadas para la ilustración junto con la demanda media a partir de la cual se generó la serie. La media comienza como una constante en 10. Comenzando en el tiempo 21, aumenta en una unidad en cada período hasta que alcanza el valor de 20 en el tiempo 30. Entonces se vuelve constante otra vez. Los datos se simulan sumando a la media un ruido aleatorio de una distribución Normal con media cero y desviación estándar 3. Los resultados de la simulación se redondean al entero más próximo. La tabla muestra las observaciones simuladas utilizadas para el ejemplo. Cuando usamos la tabla, debemos recordar que en cualquier momento dado, sólo se conocen los datos pasados. Las estimaciones del parámetro del modelo, para tres valores diferentes de m se muestran junto con la media de las series temporales de la siguiente figura. La figura muestra la media móvil de la estimación de la media en cada momento y no la previsión. Los pronósticos cambiarían las curvas de media móvil a la derecha por períodos. Una conclusión es inmediatamente aparente de la figura. Para las tres estimaciones, la media móvil se queda por detrás de la tendencia lineal, con el rezago aumentando con m. El retraso es la distancia entre el modelo y la estimación en la dimensión temporal. Debido al desfase, el promedio móvil subestima las observaciones a medida que la media aumenta. El sesgo del estimador es la diferencia en un tiempo específico en el valor medio del modelo y el valor medio predicho por el promedio móvil. El sesgo cuando la media está aumentando es negativo. Para una media decreciente, el sesgo es positivo. El retraso en el tiempo y el sesgo introducido en la estimación son funciones de m. Cuanto mayor sea el valor de m. Mayor es la magnitud del retraso y sesgo. Para una serie cada vez mayor con tendencia a. Los valores de retraso y sesgo del estimador de la media se dan en las ecuaciones siguientes. Las curvas de ejemplo no coinciden con estas ecuaciones porque el modelo de ejemplo no está aumentando continuamente, sino que comienza como una constante, cambia a una tendencia y luego se vuelve constante otra vez. También las curvas de ejemplo son afectadas por el ruido. El pronóstico de media móvil de los períodos en el futuro se representa desplazando las curvas hacia la derecha. El desfase y sesgo aumentan proporcionalmente. Las ecuaciones a continuación indican el retraso y sesgo de los períodos de previsión en el futuro en comparación con los parámetros del modelo. Nuevamente, estas fórmulas son para una serie de tiempo con una tendencia lineal constante. No debemos sorprendernos de este resultado. El estimador del promedio móvil se basa en el supuesto de una media constante, y el ejemplo tiene una tendencia lineal en la media durante una parte del período de estudio. Dado que las series de tiempo real rara vez obedecerán exactamente las suposiciones de cualquier modelo, debemos estar preparados para tales resultados. También podemos concluir de la figura que la variabilidad del ruido tiene el efecto más grande para m más pequeño. La estimación es mucho más volátil para el promedio móvil de 5 que el promedio móvil de 20. Tenemos los deseos en conflicto de aumentar m para reducir el efecto de la variabilidad debido al ruido y disminuir m para hacer el pronóstico más sensible a los cambios En promedio El error es la diferencia entre los datos reales y el valor previsto. Si la serie temporal es verdaderamente un valor constante, el valor esperado del error es cero y la varianza del error está compuesta por un término que es una función de y un segundo término que es la varianza del ruido. El primer término es la varianza de la media estimada con una muestra de m observaciones, suponiendo que los datos provienen de una población con una media constante. Este término se minimiza haciendo m tan grande como sea posible. Un m grande hace que el pronóstico no responda a un cambio en la serie temporal subyacente. Para hacer que el pronóstico responda a los cambios, queremos que m sea lo más pequeño posible (1), pero esto aumenta la varianza del error. La predicción práctica requiere un valor intermedio. Previsión con Excel El complemento de previsión implementa las fórmulas de promedio móvil. El siguiente ejemplo muestra el análisis proporcionado por el complemento para los datos de muestra en la columna B. Las primeras 10 observaciones se indexan -9 a 0. En comparación con la tabla anterior, los índices de período se desplazan en -10. Las primeras diez observaciones proporcionan los valores iniciales para la estimación y se utilizan para calcular la media móvil para el período 0. La columna MA (10) (C) muestra las medias móviles calculadas. El parámetro de la media móvil m está en la celda C3. La columna Fore (1) (D) muestra una previsión para un período en el futuro. El intervalo de pronóstico está en la celda D3. Cuando el intervalo de pronóstico se cambia a un número mayor, los números de la columna Fore se desplazan hacia abajo. La columna Err (1) (E) muestra la diferencia entre la observación y el pronóstico. Por ejemplo, la observación en el tiempo 1 es 6. El valor pronosticado a partir de la media móvil en el tiempo 0 es 11.1. El error entonces es -5.1. La desviación estándar y la media de la desviación media (MAD) se calculan en las celdas E6 y E7, respectivamente. El Indicador Técnico Promedio Tripartito Tripartito Exponencial (TEMA) fue desarrollado por Patrick Mulloy y publicado en la revista quotTechnical Analysis of Stocks amp Commoditiesquot. El principio de su cálculo es similar al DEMA (Doble Promedio Móvil Exponencial). El nombre quotTriple Exponential Moving Averagequot no refleja correctamente su algoritmo. Esta es una mezcla única de la media móvil exponencial simple, doble y triple proporcionando el retraso menor que cada uno de ellos por separado. TEMA se puede usar en lugar de los promedios móviles tradicionales. Se puede utilizar para alisar los datos de precios, así como para suavizar otros indicadores. Puede probar las señales comerciales de este indicador creando un Asesor experto en MQL5 Wizard. Cálculo Primero se calcula el DEMA, entonces se calcula el error de desviación de precio de DEMA: (i) Precio (i) DEMA (Precio, N, ii) err (i) N, i) valor DEMA actual de series de precios con periodo N. A continuación, agregue el valor del promedio exponencial del error y obtenga un valor de TEMA: TEMA (i) DEMA (Precio, N, i) EMA (Precio, N, i) N, i) 3 EMA (Precio, N, i) EMA (Precio, N, i) , I) Valor actual EMA3 (Precio, N, i) EMA3 (Precio, N, i) valor actual de la media exponencial del error err EMA3 (Precio, N, i) , I) valor actual del triple ajuste secuencial de precios.