Problemas Do Modelo De Previsão Média Móvel

Net. sourceforge. openforecast. models Class MovingAverageModel Um modelo de previsão média móvel é baseado em uma série temporal construída artificialmente, na qual o valor de um determinado período de tempo é substituído pela média desse valor e pelos valores de algum número de tempo anterior e posterior Períodos. Como você pode ter adivinhado a partir da descrição, este modelo é mais adequado para dados da série temporal, ou seja, dados que mudam ao longo do tempo. Por exemplo, muitos gráficos de ações individuais no mercado de ações mostram 20, 50, 100 ou 200 dias de média móvel como forma de mostrar tendências. Uma vez que o valor da previsão para um determinado período é uma média dos períodos anteriores, a previsão sempre parecerá atrasada por aumentos ou diminuições nos valores observados (dependentes). Por exemplo, se uma série de dados tiver uma tendência ascendente notável, então uma previsão média móvel geralmente fornecerá uma subestimação dos valores da variável dependente. O método da média móvel tem uma vantagem em relação a outros modelos de previsão, na medida em que suaviza picos e depressões (ou vales) em um conjunto de observações. No entanto, também possui várias desvantagens. Em particular, este modelo não produz uma equação real. Portanto, não é tão útil como uma ferramenta de previsão de longo alcance. Só pode ser usado de maneira confiável para prever um ou dois períodos para o futuro. O modelo de média móvel é um caso especial da média móvel ponderada mais geral. Na média móvel simples, todos os pesos são iguais. Desde: 0.3 Autor: Steven R. Gould Campos herdados da classe net. sourceforge. openforecast. models. AbstractForecastingModel MovingAverageModel () Constrói um novo modelo de previsão média móvel. MovingAverageModel (período int) Constrói um novo modelo de previsão média móvel, usando o período especificado. GetForecastType () Retorna um nome de uma ou duas palavras deste tipo de modelo de previsão. Init (DataSet dataSet) Usado para inicializar o modelo de média móvel. ToString () Isso deve ser substituído para fornecer uma descrição textual do modelo de previsão atual, incluindo, sempre que possível, qualquer parâmetro derivado usado. Métodos herdados da classe net. sourceforge. openforecast. models. WeightedMovingAverageModel MovingAverageModel Constrói um novo modelo de previsão média móvel. Para que um modelo válido seja construído, você deve chamar init e passar um conjunto de dados contendo uma série de pontos de dados com a variável de tempo inicializada para identificar a variável independente. MovingAverageModel Constrói um novo modelo de previsão média móvel, usando o nome dado como a variável independente. Parâmetros: independentVariable - o nome da variável independente a ser usada neste modelo. MovingAverageModel Constrói um novo modelo de previsão média móvel, usando o período especificado. Para que um modelo válido seja construído, você deve chamar init e passar um conjunto de dados contendo uma série de pontos de dados com a variável de tempo inicializada para identificar a variável independente. O valor do período é usado para determinar o número de observações a serem utilizadas para calcular a média móvel. Por exemplo, para uma média móvel de 50 dias onde os pontos de dados são observações diárias, o período deve ser definido como 50. O período também é usado para determinar a quantidade de períodos futuros que podem ser efetivamente previstos. Com uma média móvel de 50 dias, não podemos razoavelmente - com algum grau de precisão - prever mais de 50 dias além do último período para o qual os dados estão disponíveis. Isso pode ser mais benéfico do que, digamos, um período de 10 dias, onde apenas podemos razoavelmente prever 10 dias além do último período. Parâmetros: período - o número de observações a serem utilizadas para calcular a média móvel. MovingAverageModel Constrói um novo modelo de previsão média móvel, usando o nome dado como a variável independente e o período especificado. Parâmetros: independentVariable - o nome da variável independente a ser usada neste modelo. Período - o número de observações a serem utilizadas para calcular a média móvel. Usado para inicializar o modelo de média móvel. Esse método deve ser chamado antes de qualquer outro método na classe. Uma vez que o modelo de média móvel não obtém qualquer equação para previsão, esse método usa o DataSet de entrada para calcular valores de previsão para todos os valores válidos da variável de tempo independente. Especificado por: init in interface ForecastingModel Overrides: init in class AbstractTimeBasedModel Parâmetros: dataSet - um conjunto de dados de observações que podem ser usadas para inicializar os parâmetros de previsão do modelo de previsão. GetForecastType Retorna um nome de uma ou duas palavras deste tipo de modelo de previsão. Mantenha isso curto. Uma descrição mais longa deve ser implementada no método toString. Isso deve ser substituído para fornecer uma descrição textual do modelo de previsão atual, incluindo, sempre que possível, qualquer parâmetro derivado usado. Especificado por: toString na interface ForecastingModel Overrides: toString na classe WeightedMovingAverageModel Returns: uma representação de cadeia do modelo de previsão atual e seus parâmetros. 7 Armadilhas de médias móveis Uma média móvel é o preço médio de uma segurança em um período de tempo especificado . Os analistas freqüentemente usam médias móveis como uma ferramenta analítica para tornar mais fácil seguir as tendências do mercado, à medida que os títulos se movem para cima e para baixo. As médias móveis podem estabelecer tendências e medir o dinamismo. Portanto, eles podem ser usados ​​para indicar quando um investidor deve comprar ou vender uma segurança específica. Os investidores também podem usar médias móveis para identificar pontos de suporte ou de resistência, a fim de avaliar quando os preços provavelmente mudarão de direção. Ao estudar os intervalos comerciais históricos, os pontos de suporte e resistência são estabelecidos onde o preço de uma garantia reverteu sua tendência ascendente ou descendente, no passado. Esses pontos são usados ​​para fazer, comprar ou vender decisões. Infelizmente, as médias móveis não são ferramentas perfeitas para estabelecer tendências e apresentam muitos riscos sutis, mas significativos para os investidores. Além disso, as médias móveis não se aplicam a todos os tipos de empresas e indústrias. Algumas das principais desvantagens das médias móveis incluem: 1. As médias móveis atraem tendências de informações passadas. Eles não levam em consideração as mudanças que podem afetar o desempenho futuro de uma segurança, como novos concorrentes, demanda maior ou menor de produtos na indústria e mudanças na estrutura gerencial da empresa. 2. Idealmente, uma média móvel mostrará uma mudança consistente no preço de uma segurança, ao longo do tempo. Infelizmente, as médias móveis não funcionam para todas as empresas, especialmente para aqueles em indústrias muito voláteis ou aqueles que são fortemente influenciados pelos eventos atuais. Isto é especialmente verdadeiro para a indústria do petróleo e indústrias altamente especulativas, em geral. 3. As médias móveis podem ser distribuídas em qualquer período de tempo. No entanto, isso pode ser problemático porque a tendência geral pode mudar significativamente de acordo com o período de tempo usado. Cortes de tempo mais curtos têm mais volatilidade, enquanto marcos de tempo mais longos têm menor volatilidade, mas não contam novas mudanças no mercado. Os investidores devem ter cuidado com o prazo que eles escolherem, para garantir que a tendência seja clara e relevante. 4. Um debate em curso é se deve ou não se colocar mais ênfase nos últimos dias no período de tempo. Muitos acham que os dados recentes refletem melhor a direção em que a segurança se está movendo, enquanto outros acham que dar alguns dias mais peso do que outros, prejudica incorretamente a tendência. Os investidores que usam métodos diferentes para calcular médias podem desenhar tendências completamente diferentes. (Saiba mais em Médias móveis simples vs. Exponenciais.) 5. Muitos investidores argumentam que a análise técnica é uma maneira sem sentido de prever o comportamento do mercado. Eles dizem que o mercado não tem memória e o passado não é um indicador do futuro. Além disso, há pesquisas substanciais para apoiar isso. Por exemplo, Roy Nersesian realizou um estudo com cinco estratégias diferentes usando médias móveis. A taxa de sucesso de cada estratégia variou entre 37 e 66. Esta pesquisa sugere que as médias móveis apenas produzem resultados aproximadamente metade do tempo, o que poderia fazer com que eles usassem uma proposta de risco para efetivamente cronometrar o mercado de ações. 6. Os valores mobiliários mostram frequentemente um padrão cíclico de comportamento. Isso também é verdade para as empresas de serviços públicos, que têm uma demanda constante por seu produto ano-a-ano, mas experimentam fortes mudanças sazonais. Embora as médias móveis possam ajudar a suavizar essas tendências, elas também podem esconder o fato de que a segurança está em um padrão oscilatório. (Para saber mais, veja Keep a Eye On Momentum.) 7. O objetivo de qualquer tendência é prever onde o preço de uma garantia será no futuro. Se uma segurança não é tendência em qualquer direção, não oferece uma oportunidade de lucrar com a compra ou venda a descoberto. A única maneira que um investidor pode lucrar seria implementar uma estratégia sofisticada baseada em opções que dependa do preço restante constante. A média final As médias móveis foram consideradas uma ferramenta analítica valiosa por muitos, mas para que qualquer ferramenta seja efetiva, você deve primeiro entender sua função, quando usá-la e quando não usá-la. Os perigos aqui discutidos indicam quando as médias móveis podem não ter sido uma ferramenta efetiva, como quando usadas com títulos voláteis e como podem ignorar certas informações estatísticas importantes, como padrões cíclicos. Também é questionável como as médias móveis efetivas são para indicar com precisão as tendências de preços. Dadas as desvantagens, as médias móveis podem ser uma ferramenta mais utilizada em conjunto com outras. No final, a experiência pessoal será o último indicador de quão eficazes são realmente para o seu portfólio. (Para mais, veja As médias móveis adaptáveis ​​conduzem a melhores resultados) MÉDIA SIMPLES MÉDIA Problemas com a utilização da média móvel simples como ferramenta de previsão: a média móvel está rastreando dados reais, mas está sempre atrasada. A média móvel nunca atingirá os picos ou vales dos dados reais151it suaviza os dados Não diz muito sobre o futuro No entanto, isso não faz a média móvel inútil151 você precisa estar ciente de seus problemas. DESCRIÇÃO DA DIAPOSIÇÃO TRANSCRIÇÃO AUDIO Então, para resumir, para uma média móvel simples ou uma média móvel única, vimos alguns problemas ao usar a média móvel simples como ferramenta de previsão. A média móvel está rastreando os dados reais, mas está sempre atrasada. A média móvel nunca atingirá os picos ou vales dos dados reais151sa suaviza os dados, e realmente não diz muito sobre o futuro, porque é simplesmente prever um período de antecedência, e essa previsão é assumida como representando o melhor Valor para o período futuro, um período de antecedência, mas não diz muito além disso. Isso não faz com que a média móvel simples seja inútil. Na verdade, você vê médias móveis simples