Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Gefällt Ihnen diese kostenlose Website Bitte teilen Sie diese Seite auf GoogleWhen Berechnung eines gleitenden Durchschnitt, die Platzierung der Durchschnitt in der mittleren Zeitspanne macht Sinn Im vorherigen Beispiel haben wir den Durchschnitt der ersten 3 Zeiträume berechnet und legte es neben Periode 3. Wir könnten den Durchschnitt in der Mitte des Zeitintervalls von drei Perioden platziert haben, das heißt, neben Periode 2. Dies funktioniert gut mit ungeraden Zeitperioden, aber nicht so gut für sogar Zeitperioden. Also wo würden wir den ersten gleitenden Durchschnitt platzieren, wenn M 4 Technisch, würde der Moving Average bei t 2,5, 3,5 fallen. Um dieses Problem zu vermeiden, glätten wir die MAs unter Verwendung von M 2. So glätten wir die geglätteten Werte Wenn wir eine gerade Anzahl von Ausdrücken mitteln, müssen wir die geglätteten Werte glätten Die folgende Tabelle zeigt die Ergebnisse unter Verwendung der erfolgreichen Investitionstätigkeit M 4.Thomas Bulkowski8217s Ihn im Alter von 36 Jahren im Ruhestand. Er ist ein international bekannter Autor und Trader mit 30 Jahren Börsenerfahrung und weithin als ein führender Experte auf Chart-Muster angesehen. Er kann erreicht werden Unterstützen Sie diese Seite Klicken Sie auf die Links (unten) führt Sie zu Amazon. Wenn Sie irgendwelche kaufen, zahlen sie für die Überweisung. Bulkowskis 12-Monate Moving Average Geschrieben von und Copyright-Kopie 2005-2016 von Thomas N. Bulkowski. Alle Rechte vorbehalten. Disclaimer: Sie allein sind für Ihre Anlageentscheidungen verantwortlich. Siehe Datenschutz / Haftungsausschluss für weitere Informationen. Dieser Artikel beschreibt, wie die 12-Monats-gleitenden Durchschnitt verwenden, um Stier und Bär Märkte zu erkennen. 12-Monats-Gleitender Durchschnitt Einleitung Im Folgenden finden Sie ein Liniendiagramm für die monatlichen Schlusskurse des SampP 500-Index und einen 12-monatigen gleitenden Durchschnitt der geschlossenen Positionen (rot dargestellt). Beachten Sie, dass zu Beginn der 2000 bis 2002 Bärenmarkt, fiel der Index unter dem gleitenden Durchschnitt bei A. Das war ein Signal zu verkaufen und in bar bewegen. In der Baisse 2007 bis 2009 sank der Index auch unter den gleitenden Durchschnitt (bei B). In beiden Fällen blieb der Index unter dem gleitenden Durchschnitt, bis die Erholung bei C und D begann. Wenn Sie den 10-monatigen gleitenden Durchschnitt anstelle der 12 verwenden würden, würde der Preis den Durchschnitt im blauen Kreis und auch entlang der CB durchbohren Bewegen Sie sich bei der ersten Berührung. Diese hätten eine unnötige Transaktion verursacht (kaufen dann verkaufen oder umgekehrt), so dass ein 12-monatiger einfacher gleitender Durchschnitt besser funktioniert. Die etwas längeren einfachen gleitenden Durchschnitt erhalten Sie wieder in den Markt etwas später bei C und D als würde der 10-Monats-einfachen gleitenden Durchschnitt. Wenn Sie dies testen sollten, stellen Sie sicher, dass Sie monatliche Schlusskurse und nicht die Höhen oder Tiefs während des Monats verwenden. Youll finden, dass der gleitende Durchschnitt Reduzierung Drawdown und Risiko über Buy-and-Hold. 12-Monate Gleitende Durchschnittliche Handelsregeln Hier sind die Handelsregeln. Kaufen Sie auf dem Markt, wenn der SampP 500 Index über den 12-Monats-einfachen gleitenden Durchschnitt der Schlusskurse steigt. Verkaufen, wenn der Index unter dem gleitenden Durchschnitt sinkt. 12-Monate Gleitende Durchschnittliche Prüfung Ich bat Dr. Tom Helget, eine Simulation auf dem SampP 500 Index von Januar 1950 bis März 2010 laufen zu lassen. Die folgende Tabelle zeigt einen Teil seiner Ergebnisse. Hier ist, was er über den Test sagt. Mein Test lief von 1/3/1950 bis 31.03.2010 (20.515 Tage oder 56.17 Jahre) auf GSPC. Trades wurden getroffen, wenn die enge über die n-Periode monatlich einfach gleitenden Durchschnitt auf der offenen des Tages nach dem Signal gekreuzt. Positionen wurden verlassen, wenn die enge Kreuzung unterhalb der gleichen n Periode einfachen gleitenden Durchschnitt auf der offenen des Tages nach dem Signal. Ich erlaubte mir, fraktionierte Aktien zu kaufen. Mein Ausgangswert war 100. Die Perioden der monatlichen einfachen gleitenden Durchschnitt reichten von 6 bis 14. Optimierung ergab die beste Leistung, um die 12-Monats-SMA mit einem Compound Annual Return von 7,15. Würde man am 1/29/1954 (dem Zeitpunkt des ersten Handels, den das System erzeugt hat) kaufen und bis zum Enddatum halten, wäre das AUTO 7,36 gewesen. Sie können eine Kopie seiner Spreadsheet-Ergebnisse herunterladen, indem Sie auf den Link klicken. Siehe auch Geschrieben von und Copyright-Kopie 2005-2016 von Thomas N. Bulkowski. Alle Rechte vorbehalten. Disclaimer: Sie allein sind für Ihre Anlageentscheidungen verantwortlich. Siehe Datenschutz / Haftungsausschluss für weitere Informationen. Der Mensch ist der beste Computer, den wir an Bord eines Raumfahrzeugs setzen können, und der einzige, der mit ungelernter Arbeit massenhaft produziert werden kann. Rolling 12 Monate Durchschnitt im DAX Die Berechnung des rollenden 12-Monats-Durchschnitts im DAX sieht wie eine einfache Aufgabe aus, Komplexität. Dieser Artikel beschreibt, wie die beste Formel zu schreiben, um häufige Fallstricke mit Zeit Intelligenz Funktionen zu vermeiden. Wir beginnen mit dem üblichen AdventureWorks Datenmodell mit Produkten, Verkauf und Kalender Tabelle. Der Kalender wurde als Kalender-Tabelle markiert (es ist notwendig, mit jeder Zeit Intelligenz-Funktion zu arbeiten) und wir bauten eine einfache Hierarchie Jahr-Monat-Datum. Mit dieser Einrichtung ist es sehr einfach, eine erste PivotTable zu erstellen, die den Umsatz im Laufe der Zeit zeigt: Wenn Trendanalysen durchgeführt werden, wenn der Verkauf saisonal bedingt ist oder allgemeiner, wenn Sie den Effekt von Spitzen und Tropfen im Verkauf entfernen möchten, Gemeinsame Technik ist, dass der Berechnung der Wert über einen bestimmten Zeitraum, in der Regel 12 Monate, und durchschnittlich. Der rollende Durchschnitt über 12 Monate bietet einen reibungslosen Indikator für den Trend und ist sehr nützlich in Charts. Angesichts eines Datums können wir den zwölfmonatigen fortlaufenden Durchschnitt mit dieser Formel berechnen, die noch einige Probleme hat, die wir später lösen werden: Das Verhalten der Formel ist einfach: es berechnet den Wert von Sales nach dem Erstellen eines Filters auf dem Kalender, der Zeigt genau ein Jahr voller Daten. Der Kern der Formel ist das DATESBETWEEN, das einen inklusiven Satz von Daten zwischen den beiden Grenzen zurückgibt. Der untere Punkt lautet: Lesen aus dem Innersten: Wenn wir Daten für einen Monat zeigen, sagen wir Juli 2007, nehmen wir das letzte sichtbare Datum mit LASTDATE, das den letzten Tag im Juli 2007 zurückgibt. Dann benutzen wir NEXTDAY, um den 1. zu nehmen Von August 2007 und wir verwenden schließlich SAMEPERIODLASTYEAR, um es zurück zu verschieben ein Jahr, mit dem 1. August 2006. Die obere Grenze ist einfach LASTDATE, dh Ende Juli 2007. Wenn wir diese Formel in einer PivotTable verwenden, sieht das Ergebnis gut aus, aber wir Haben Sie ein Problem für das letzte Datum: In der Tat, wie Sie in der Figur sehen können, wird der Wert bis 2008 korrekt berechnet. Dann gibt es keinen Wert im Jahr 2009 (was richtig ist, haben wir nicht Umsatz im Jahr 2009), aber es gibt Ein überraschender Wert im Dezember 2010, wo unsere Formel zeigt die Gesamtsumme statt einen leeren Wert, wie wir erwarten würden. In der Tat, am Dezember gibt LASTDATE den letzten Tag des Jahres und NEXTDAY sollte am 1. Januar 2011 zurückgegeben werden. Aber NEXTDAY ist eine Zeit-Intelligenz-Funktion und es wird erwartet, dass Sätze von bestehenden Daten zurückzugeben. Diese Tatsache ist nicht sehr offensichtlich und es ist ein paar Worte mehr wert. Zeit-Intelligenz-Funktionen führen keine mathematische Daten aus. Wenn Sie den Tag nach einem bestimmten Datum nehmen möchten, können Sie einfach 1 zu einer beliebigen Datumsspalte hinzufügen und das Ergebnis ist der nächste Tag. Stattdessen verschieben Zeit-Intelligenz-Funktionen Mengen von Datum hin und her im Laufe der Zeit. So nimmt NEXTDAY seine Eingabe (in unserem Fall eine einreihige Tabelle mit dem 31. Dezember 2010) auf und verschiebt es einen Tag später. Das Problem ist, dass das Ergebnis 1. Januar 2011 sein sollte, aber da die Kalendertabelle dieses Datum nicht enthält, ist das Ergebnis BLANK. So berechnet unser Ausdruck Umsatz mit einem leeren unteren Grenze, die den Beginn der Zeit bedeutet, was als Ergebnis der Gesamtsumme der Verkäufe bedeutet. Um die Formel zu korrigieren, genügt es, die Auswertungsreihenfolge der unteren Grenze zu ändern: Wie Sie sehen können, wird NEXTDAY nach der Umschaltung von einem Jahr aufgerufen. Auf diese Weise nehmen wir 31 Dezember 2010, verschieben Sie es auf 31 Dezember 2009 und nehmen Sie am nächsten Tag, die 1. Januar 2010 ist: ein vorhandenes Datum in der Kalender-Tabelle. Das Ergebnis ist nun das Erwartete: An dieser Stelle müssen wir nur diese Zahl durch 12 dividieren, um den rollenden Durchschnitt zu erhalten. Aber, wie Sie sich leicht vorstellen können, können wir nicht immer durch 12 teilen. In der Tat, am Anfang der Zeit gibt es nicht 12 Monate zu aggregieren, sondern eine niedrigere Zahl. Wir müssen die Anzahl der Monate berechnen, für die es Verkäufe gibt. Dies kann durch Cross-Filterung der Kalender-Tabelle mit der Verkaufstabelle, nachdem wir den neuen 12 Monate Kontext angewendet werden, erreicht werden. Wir definieren eine neue Kennzahl, die die Anzahl der bestehenden Monate im Zeitraum von 12 Monaten berechnet: Sie können in der nächsten Abbildung sehen, dass die Months12M-Methode einen korrekten Wert berechnet: Es ist zu beachten, dass die Formel nicht funktioniert, wenn Sie einen Zeitraum wählen Länger als 12 Monate, da der CalendarMonthName nur 12 Werte hat. Wenn Sie längere Zeiträume benötigen, müssen Sie eine YYYYMM-Spalte verwenden, um mehr als 12 zählen zu können. Der interessante Teil dieser Formel, die die Kreuzfilterung verwendet, ist die Tatsache, dass sie die Anzahl der verfügbaren Monate berechnet, auch wenn Sie andere Filter verwenden Attribute. Wenn Sie zum Beispiel die blaue Farbe mit einem Slicer auswählen, dann starten Sie im Juli 2007 (nicht im Jahr 2005, wie es für viele andere Farben passiert). Mit dem Cross-Filter von Sales berechnet die Formel korrekt, dass es im Juli 2007 einen einmonatigen Verkaufsumsatz für Blue gibt: An diesem Punkt ist der rollende Durchschnitt nur ein DIVIDE weg: Wenn wir ihn in einer Pivot-Tabelle verwenden, sind wir noch Haben ein kleines Problem: Tatsächlich wird der Wert auch für Monate berechnet, für die es keine Verkäufe gibt (dh zukünftige Monate): Dies kann mit einer IF-Anweisung gelöst werden, um zu verhindern, dass die Formel Werte anzeigt, wenn es keine Verkäufe gibt. Ich habe nichts gegen IF, aber für die Performance-süchtig unter euch, es ist immer daran zu erinnern, dass IF ein Performance-Killer sein könnte, weil es DAX Formel-Motor in Kraft treten könnte. In diesem speziellen Fall ist der Unterschied vernachlässigbar, aber , In der Regel der beste Weg, um den Wert zu entfernen, wenn es keine Verkäufe gibt, ist auf reine Speicher-Engine-Formeln wie folgt verlassen: Vergleich eines Diagramms mit dem Avg12M mit einem anderen, die Verkäufe zeigt, können Sie leicht zu schätzen wissen, wie der rollende Durchschnitt Umreißt Trends in viel sauberer Weise: Download Halten Sie mich über kommende Artikel informiert (Newsletter). Deaktivieren Sie, um die Datei frei herunterzuladen. SampP 500 geschlossen September mit einem monatlichen Verlust von 0,12, zufälligerweise seinen zweiten aufeinander folgenden Verlust von 0,12. Alle drei SampP 500 MAs sind signalisiert investiert und alle fünf Ivy Portfolio ETF MAs signalisiert investiert. In der Tabelle werden die monatlichen Schließungen, die innerhalb eines Signals von 2 liegen, gelb hervorgehoben. Die obige Tabelle zeigt das aktuelle 10-Monats-Simple Moving Average (SMA) - Signal für jede der fünf ETFs, die im Ivy Portfolio vorgestellt werden. Weve enthielt auch eine Tabelle von 12-monatigen SMAs für die gleichen ETFs für diese populäre alternative Strategie. Für eine auffällige Analyse der Ivy-Portfolio-Strategie, siehe diesen Artikel von Adam Butler, Mike Philbrick und Rodrigo Gordillo: Backtesting Moving Averages In den letzten Jahren haben wir mit Excel die Performance der verschiedenen gleitenden durchschnittlichen Timing-Strategien verfolgen. Aber jetzt nutzen wir die Backtesting-Tools auf der ETFReplay-Website. Wer sich für den Börsengang mit ETFs interessiert, sollte sich diese Website anschauen. Hier sind die beiden Werkzeuge, die wir am häufigsten verwenden: Hintergrund auf den gleitenden Durchschnitten Kauf und Verkauf auf der Grundlage einer gleitenden Durchschnitt der monatlichen Schließungen kann eine wirksame Strategie für das Management der Gefahr des schweren Verlustes von großen Bärenmärkten sein. Im Wesentlichen, wenn das monatliche Schließen des Index über dem gleitenden Durchschnittswert liegt, halten Sie den Index. Wenn der Index unten schließt, bewegen Sie sich zu Bargeld. Der Nachteil ist, dass es Sie nie raus an der Spitze oder zurück in an der Unterseite. Auch kann es die gelegentliche whipsaw (kurzfristige Kauf oder Verkauf Signal), wie weve gelegentlich erlebt im vergangenen Jahr produzieren. Dennoch zeigt ein Chart der SampP 500 monatlich schließt seit 1995 zeigt, dass eine 10- oder 12-monatige einfache gleitende Durchschnitt (SMA) - Strategie die Teilnahme an den meisten der oberen Kursbewegung versichert haben, während drastisch reduziert Verluste. Hier ist die 12-Monats-Variante: Der 10-monatige exponentielle gleitende Durchschnitt (EMA) ist eine leichte Variante des einfachen gleitenden Durchschnitts. Diese Version erhöht mathematisch die Gewichtung neuerer Daten in der 10-monatigen Sequenz. Seit 1995 hat es weniger Peitschen als der gleichwertige einfache gleitende Durchschnitt produziert, obwohl es einen Monat langsamer war, um einen Verkauf nach diesen beiden Marktspitzen zu signalisieren. Ein Blick zurück auf die 10- und 12-monatigen gleitenden Durchschnitte im Dow während des Crash von 1929 und der Großen Depression zeigt die Wirksamkeit dieser Strategien während dieser gefährlichen Zeiten. Die Psychologie der Momentumsignale Das Timing funktioniert aufgrund eines grundlegenden menschlichen Merkmals. Menschen imitieren erfolgreiches Verhalten. Wenn sie von anderen hören, die Geld auf dem Markt verdienen, kaufen sie ein. Irgendwann kehrt sich der Trend um. Es können nur die normalen Erweiterungen und Kontraktionen des Konjunkturzyklus sein. Manchmal ist die Ursache dramatischer mdash eine Vermögensblase, ein großer Krieg, eine Pandemie oder ein unerwarteter finanzieller Schock. Wenn der Trend rückläufig ist, verkaufen erfolgreiche Investoren frühzeitig. Die Nachahmung des Erfolges macht den bisherigen Kaufimpuls allmählich zum Verkaufsmomentum. Umsetzung der Strategie Unsere Illustrationen aus dem SampP 500 sind nur diese Mdash-Illustrationen. Wir verwenden die SampP wegen der umfangreichen historischen Daten, die leicht verfügbar sind. Jedoch sollten Anhänger einer gleitenden Durchschnittsstrategie Kauf - / Verkaufsentscheidungen über die Signale für jede einzelne Investition und nicht über einen breiten Index treffen. Selbst wenn Sie in einem Fonds investieren, der den SampP 500 verfolgt (z. B. Vanguards VFINX oder SPY ETF), werden sich die gleitenden Durchschnittssignale der Fonds gelegentlich von dem zugrunde liegenden Index unterscheiden, da Dividenden reinvestiert werden. Die SampP 500 Zahlen in unseren Abbildungen schließen Dividenden aus. Die Strategie ist am effektivsten in einem steuerbegünstigten Konto mit einem Low-Cost-Brokerage-Service. Sie wollen die Gewinne für sich selbst, nicht für Ihren Broker oder Ihren Uncle Sam. Hinweis . Für alle, die die zehn - und zwölfmonatigen einfachen gleitenden Durchschnitte im SampP 500 und den Equity-versus-cash Positionen seit 1950 sehen möchten, gibt es eine Excel-Datei (xls-Format) der Daten. Unsere Quelle für die monatlichen Schließungen (Spalte B) ist Yahoo Finance. Die Spalten D und F zeigen die Positionen, die vom Monatsende für die beiden SMA-Strategien signalisiert werden. In der Vergangenheit empfehlen wir Mebane Fabers nachdenklich Artikel Eine quantitative Ansatz für die taktische Asset Allocation. Der Artikel wurde jetzt aktualisiert und erweitert als Dritter Teil: Active Management sein Buch The Ivy Portfolio. Co-Autor mit Eric Richardson. Dies ist ein Muss für jeden, der die Verwendung eines Timing-Signal für Investitionsentscheidungen zu lesen. Das Buch analysiert die Anwendung von gleitenden Durchschnitten des SampP 500 und vier zusätzliche Assetklassen: den Morgan Stanley Capital International EAFE Index (MSCI EAFE), den Goldman Sachs Commodity Index (GSCI), den Nationalen Verein für Immobilieninvestmentfonds (NAREIT) und die Regierung 10-jährige Staatsanleihen. Als regelmäßiges Feature dieser Website versuchen wir, die Signale am Ende eines jeden Monats zu aktualisieren. Für weitere Einblicke von Mebane Faber, besuchen Sie bitte seine Website, Mebane Faber Research. Fußnote zur Berechnung der monatlichen gleitenden Durchschnitte: Wenn Sie eigene Berechnungen von gleitenden Durchschnittswerten für dividendenbezahlende Aktien oder ETFs vornehmen, erhalten Sie gelegentlich unterschiedliche Ergebnisse, wenn Sie sich nicht für Dividenden anpassen. Zum Beispiel blieb VNQ im Jahr 2012, basierend auf den bereinigten monatlichen Schließungen, Ende November investiert, doch gab es ein Verkaufssignal, wenn Sie Dividendenanpassungen ignorierten. Da die Daten für frühere Monate sich ändern, wenn Dividenden gezahlt werden, müssen Sie die Daten für alle Monate in der Berechnung aktualisieren, wenn seit dem vorherigen Monatsabschluss eine Dividende gezahlt wurde. Dies gilt für Dividendenausschüttungen.
No comments:
Post a Comment