Indicateur de régression linéaire L'indicateur de régression linéaire sert à identifier les tendances et à suivre les tendances de la même façon que les moyennes mobiles. L'indicateur ne doit pas être confondu avec les lignes de régression linéaire qui sont des lignes droites adaptées à une série de points de données. L'indicateur de régression linéaire trace les points d'extrémité d'une série entière de lignes de régression linéaire tirées sur des jours consécutifs. L'avantage de l'indicateur de régression linéaire sur une moyenne mobile normale est qu'il a moins de décalage que la moyenne mobile, répondant plus rapidement aux changements de direction. L'inconvénient est qu'il est plus enclin à whipsaws. L'indicateur de régression linéaire ne convient que pour les tendances fortes. Les signaux sont pris d'une manière similaire aux moyennes mobiles. Utilisez la direction de l'indicateur de régression linéaire pour entrer et sortir des opérations avec un indicateur à plus long terme comme filtre. Aller longtemps si l'indicateur de régression linéaire se présente ou quitter un commerce à découvert. Aller court (ou quitter un commerce long) si l'indicateur de régression linéaire se tourne vers le bas. Une variation de ce qui précède est d'entrer en transactions lorsque le prix croise l'indicateur de régression linéaire, mais quand même quand l'indicateur de régression linéaire se retourne. Passez la souris sur les légendes du graphique pour afficher les signaux de négociation. Aller long L quand le prix croise au-dessus de l'indicateur de régression linéaire de 100 jours alors que le 300 jours augmente Sortie X lorsque l'indicateur de régression linéaire de 100 jours se retourne Go long again at L lorsque le prix croise au-dessus de 100 jours Indicateur de régression linéaire Quitter X quand l'indicateur de régression linéaire de 100 jours se retourne vers le bas Passez long L lorsque le prix croise au-dessus de la régression linéaire de 100 jours Sortie X lorsque l'indicateur de 100 jours se retourne Go long L lorsque l'indicateur de régression linéaire de 300 jours apparaît après que le prix franchi L'indicateur de 100 jours Quitter X lorsque l'indicateur de régression linéaire de 300 jours se déclenche. Les divergences baissières sur l'indicateur mettent en garde contre une inversion majeure de la tendance. Les données lissantes suppriment les variations aléatoires et montrent les tendances et les composantes cycliques La variation inhérente à la collecte de données dans le temps est une forme quelconque de variation aléatoire. Il existe des procédés pour réduire l'annulation de l'effet dû à une variation aléatoire. Une technique souvent utilisée dans l'industrie est le lissage. Cette technique, lorsqu'elle est correctement appliquée, révèle plus clairement la tendance sous-jacente, les composantes saisonnières et cycliques. Il existe deux groupes distincts de méthodes de lissage Méthodes de moyenne Méthodes de lissage exponentielles Prendre des moyennes est le moyen le plus simple de lisser les données Nous allons d'abord étudier certaines méthodes de calcul de la moyenne, comme la moyenne simple de toutes les données passées. Un gestionnaire d'un entrepôt veut savoir combien un fournisseur typique livre en unités de 1000 dollars. Heshe prélève au hasard un échantillon de 12 fournisseurs, obtenant les résultats suivants: Moyenne ou moyenne calculée des données 10. Le gestionnaire décide d'utiliser cette estimation comme estimation des dépenses d'un fournisseur type. Est-ce une bonne ou mauvaise estimation L'erreur quadratique moyenne est un moyen de juger de la qualité d'un modèle? Nous calculons l'erreur quadratique moyenne. Le montant exact de l'erreur dépensé moins le montant estimé. L'erreur au carré est l'erreur ci-dessus, au carré. Le SSE est la somme des erreurs au carré. Le MSE est la moyenne des erreurs au carré. Les résultats sont: Erreur et carré Erreurs L'estimation 10 La question se pose: pouvons-nous utiliser la moyenne pour prévoir le revenu si nous soupçonnons une tendance Un regard sur le graphique ci-dessous montre clairement que nous ne devrions pas faire. La moyenne moyenne de toutes les observations passées est seulement une estimation utile pour la prévision quand il n'y a pas de tendances. S'il ya des tendances, utilisez des estimations différentes qui tiennent compte de la tendance. La moyenne pèse toutes les observations passées également. Par exemple, la moyenne des valeurs 3, 4, 5 est 4. On sait, bien sûr, qu'une moyenne est calculée en additionnant toutes les valeurs et en divisant la somme par le nombre de valeurs. Une autre façon de calculer la moyenne est d'ajouter chaque valeur divisée par le nombre de valeurs, ou 33 43 53 1 1.3333 1.6667 4. Le multiplicateur 13 est appelé le poids. En général: bar fraction somm de gauche (frac droite) x1 gauche (frac droite) x2,. ,, Gauche (frac droite) xn. Le (gauche (frac droite)) sont les poids et, bien sûr, ils s'élèvent à 1.
No comments:
Post a Comment