المرجحة أضعافا مضاعفة - الحركة - متوسط - المعايير الانحراف

مرحبا لقد جمعت بعض البيانات العملية لمدة 3 سنوات وأريد أن تحاكي إوما تحليل المحتملين، لمعرفة ما إذا كان بلدي مجموعة تجانس المعلمة سيكون الكشف عن جميع التغييرات الهامة (دون الكثير من الإنذارات الكاذبة). يبدو أن معظم الكتب المدرسية والأدبيات التي كنت قد بدا أن استخدام المتوسط ​​والانحراف المعياري لحساب حدود التحكم. وعادة ما يكون هذا هو متوسط ​​السيطرة والانحراف المعياري عن بعض البيانات التاريخية، أو متوسط ​​وسكان السكان الذين تجتذب العينات. ليس لدي أي معلومات. هل هناك طريقة أخرى لحساب حدود التحكم هل هناك تباين في مخطط إوما الذي لا يستخدم المتوسط ​​والانحراف المعياري أي أفكار إبداعية شكرا لكم مقدما للتأكد من أنني أفهم هذا: هل يمكن حساب متوسط ​​إوما والتباين، ولكنك دون 39t لديها خط الأساس لمقارنتها ل يبدو لي وكأنه لديك تقنية تحت الإشراف (الذي يفترض يمكنك تحديد ما هو كوتشولدكوت تبدو)، ولكنك تريد تقنية غير خاضعة للرقابة (التي تبحث فقط عن الاختلافات دون استدعاء دولة واحدة كوغودكوت وآخر quotbadquot). وفيما يتعلق بالأساليب غير الخاضعة للرقابة، فإن التكتل يتبادر إلى الذهن، ولكن يجب تعديله ليتم تطبيقه على المواقف. ماذا عن نسبة الإحتمال المعمم (غلر) نداش جيم بيفارسكي جون 25 14 في 2:49 إذا نشير إلى en. wikipedia. orgwikiEWMAchart. يمكنني حساب زي لبلدي لامدا معين، ولكن عندما يتعلق الأمر إلى حدود السيطرة، وأنا don39t لديها البيانات التاريخية لحساب T و S. شكرا لك وسوف ننظر في غل وأيضا نشر على الصليب المصادق عليه. نداش user3295481 جون 25 14 في 2:54 نعم، T و S هي المتوسط ​​والانحراف المعياري لتوزيع خط الأساس، والتي إما أن تعطى مسبقا أو تحدد من مجموعة بيانات التدريب. وتمثل مجموعة بيانات التدريب ما تبدو عليه البيانات التي تبدو كالتالي، ومن ثم فهي تقنية تخضع للإشراف وتريد تقنية غير خاضعة للرقابة. غلر isn39t ترجيح أضعافا مضاعفة، لكنه يجد حيوي كسر في البيانات بين توزيعين مختلفين ويجمع البيانات على كل جانب من الفاصل للحصول على نتائج أكثر قوة. يمكن أن يكون ما تريد. نداش جيم بيفارسكي 25 يونيو 14 في 3:00 من وجهة نظر العملي العملي، واستخدام التحليل الإحصائي للبيانات التاريخية وحدها، أمر نادر الحدوث. نعم، فإنه يوفر بعض التوجيهات حول كيفية العملية (ونظام التحكم بها) أداء، ولكن الشيء الأكثر أهمية حتى الآن هو أن يكون هناك فهم جيد ومعرفة حدود الهندسة. وأشير إلى الحدود التشغيلية التي تحددها مواصفات وخصائص أداء مختلف قطع المعدات. هذا يسمح واحد لتطوير فهم جيد لكيفية من المفترض أن تتصرف العملية (من حيث نقطة التشغيل المثلى وحدود التحكم أبليفلور) وحيث المناطق من أكبر الانحراف عن الأمثل. هذا قليل جدا للقيام مع التحليل الإحصائي للبيانات التاريخية، والكثير للقيام مع عملية الهندسةالمعادن - اعتمادا على نوع العملية التي تتعامل معها. يتم تحديد حدود التحكم في نهاية المطاف من ما هو عملية عملية مدير عمليات ونتس، والتي عادة (ولكن ليس دائما) ضمن قدرة لوحة من المعدات. إذا كنت تعمل ضمن الحدود التشغيلية، وكنت في مجال التحسين العملية، ثم نعم، التحليل الإحصائي هو أكثر استخداما ويمكن أن تقدم نظرة جيدة. اعتمادا على تقلب العملية الخاصة بك، ومدى إعداد نظام التحكم الخاص بك، وتجانس منتج الأعلاف الخاص بك، وسوف تختلف حدود التحكم أوفيرلور التي تم اختيارها. نقطة البداية الجيدة هي نقطة التشغيل المثلى (على سبيل المثال 100 M3hr)، ثم استخدام كمية معقولة من البيانات التاريخية لحساب الانحراف المعياري، وجعل الحد الأعلى 100 1 ديف القياسية، والحد الأدنى الخاص بك 100-1 ديف القياسية. هذه ليست بأي حال من الأحوال قاعدة صعبة وسريعة، ولكنها نقطة انطلاق معقولة. أجاب في فبراير 12 16 في 12: 12Exploring تعد تحركات متوسط ​​التذبذب المرجح أضعافا مضاعفة هو مقياس الأكثر شيوعا من المخاطر، لكنه يأتي في العديد من النكهات. في مقال سابق، أظهرنا كيفية حساب التقلبات التاريخية البسيطة. (لقراءة هذه المقالة، راجع استخدام التقلب لقياس المخاطر المستقبلية.) استخدمنا بيانات سعر السهم الفعلي من غوغل من أجل احتساب التقلبات اليومية استنادا إلى بيانات 30 يوما من بيانات المخزون. في هذه المقالة، سوف نحسن التقلبات البسيطة ونناقش المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما). تاريخي مقابل التقلب الضمني أولا، يتيح وضع هذا المقياس في القليل من المنظور. هناك نهجان واسعان: التقلب التاريخي والضمني (أو الضمني). يفترض النهج التاريخي أن الماضي هو مقدمة نقيس التاريخ على أمل أن يكون التنبؤي. ومن ناحية أخرى، فإن التقلب الضمني يتجاهل التاريخ الذي يحل فيه التقلبات التي تنطوي عليها أسعار السوق. وهي تأمل أن يعرف السوق أفضل وأن سعر السوق يتضمن، حتى ولو ضمنا، تقديرا للآراء بشأن التقلب. (للاطلاع على القراءة ذات الصلة، انظر استخدامات وحدود التقلب). إذا ركزنا على النهج التاريخية الثلاثة فقط (على اليسار أعلاه)، فإن لديهم خطوتين مشتركتين: حساب سلسلة العوائد الدورية تطبيق مخطط الترجيح أولا، نحن حساب العائد الدوري. ثاتس عادة سلسلة من العوائد اليومية حيث يتم التعبير عن كل عودة في مصطلحات معقدة باستمرار. لكل يوم، ونحن نأخذ السجل الطبيعي لنسبة أسعار الأسهم (أي السعر اليوم مقسوما على السعر أمس، وهلم جرا). هذا ينتج سلسلة من العوائد اليومية، من ش أنا ش أنا م. اعتمادا على عدد الأيام (م أيام) نحن قياس. وهذا يقودنا إلى الخطوة الثانية: هذا هو المكان الذي تختلف فيه النهج الثلاثة. في المقالة السابقة (باستخدام التقلب لقياس المخاطر المستقبلية)، أظهرنا أنه في ظل اثنين من التبسيط المقبول، التباين البسيط هو متوسط ​​العوائد التربيعية: لاحظ أن هذه المبالغ كل من الإرجاع الدوري، ثم يقسم المجموع من قبل عدد الأيام أو الملاحظات (م). لذلك، في الواقع مجرد متوسط ​​من المربعات الدورية المربعة. وبعبارة أخرى، يعطى كل مربع مربعة وزن متساو. لذلك إذا كان ألفا (a) عامل ترجيح (على وجه التحديد، 1m)، فإن التباين البسيط يبدو شبيها بهذا: إوما يحسن على التباين البسيط ضعف هذا النهج هو أن جميع العوائد تكسب نفس الوزن. يوم أمس (الأخيرة جدا) عودة ليس لها تأثير أكثر على الفرق من الأشهر الماضية العودة. يتم إصلاح هذه المشكلة باستخدام المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما)، حيث يكون لعوائد أكثر حداثة وزنا أكبر على التباين. المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما) يدخل لامدا. والتي تسمى المعلمة تمهيد. يجب أن يكون لامبدا أقل من واحد. وبموجب هذا الشرط، بدلا من الأوزان المتساوية، يتم ترجيح كل عائد مربعة بمضاعف على النحو التالي: على سبيل المثال، ريسكمتريكس تم، وهي شركة لإدارة المخاطر المالية، تميل إلى استخدام لامدا 0.94، أو 94. في هذه الحالة، (0-1.94) (.94) 0 6. العائد التربيعي التالي هو ببساطة مضاعف لامدا للوزن السابق في هذه الحالة 6 مضروبا في 94 5.64. والثالث أيام السابقة الوزن يساوي (1-0.94) (0.94) 2 5.30. ثاتس معنى الأسي في إوما: كل وزن هو مضاعف ثابت (أي لامدا، التي يجب أن تكون أقل من واحد) من وزن الأيام السابقة. وهذا يضمن التباين المرجح أو المنحاز نحو المزيد من البيانات الحديثة. (لمعرفة المزيد، راجع ورقة عمل إكسيل لتقلب غوغل.) يظهر أدناه الفرق بين تقلب ببساطة و إوما ل غوغل. التقلبات البسيطة تزن بشكل فعال كل عائد دوري بمقدار 0.196 كما هو موضح في العمود O (كان لدينا عامين من بيانات أسعار الأسهم اليومية، أي 509 عائد يومي و 1509 0.196). ولكن لاحظ أن العمود P تعيين وزن 6، ثم 5.64، ثم 5.3 وهلم جرا. هذا الفرق الوحيد بين التباين البسيط و إوما. تذكر: بعد أن نجمع السلسلة بأكملها (في العمود س) لدينا التباين، وهو مربع الانحراف المعياري. إذا أردنا التقلب، علينا أن نتذكر أن تأخذ الجذر التربيعي لهذا التباين. ما هو الفرق في التقلب اليومي بين التباين و إوما في حالة غوغل لها أهمية: التباين البسيط أعطانا تقلب يومي من 2.4 ولكن إوما أعطى تقلب يومي فقط 1.4 (انظر جدول البيانات لمزيد من التفاصيل). على ما يبدو، استقرت تقلبات غوغل في الآونة الأخيرة وبالتالي، قد يكون التباين البسيط مرتفع بشكل مصطنع. فارق اليوم هو وظيفة من بيور تباين أيام ستلاحظ أننا بحاجة إلى حساب سلسلة طويلة من الأثقال الهبوط أضعافا مضاعفة. لن نفعل الرياضيات هنا، ولكن واحدة من أفضل ملامح إوما هو أن السلسلة بأكملها يقلل بسهولة إلى صيغة عودية: ريكورسيف يعني أن المراجع التباين اليوم (أي وظيفة من التباين أيام سابقة). يمكنك أن تجد هذه الصيغة في جدول البيانات أيضا، وتنتج نفس النتيجة بالضبط كما حساب لونغاند يقول: التباين اليوم (تحت إوما) يساوي التباين الأمس (مرجحة من لامدا) بالإضافة إلى الأمتار مربعة العودة (وزنه من قبل ناقص لامدا). لاحظ كيف أننا مجرد إضافة فترتين معا: يوم أمس التباين المرجح والأمثلة المرجحة، مربعا العودة. ومع ذلك، لامدا هو لدينا تمهيد المعلمة. يشير ارتفاع اللامدا (مثل ريسكمتريكس 94) إلى انحطاط بطيء في السلسلة - من الناحية النسبية، سيكون لدينا المزيد من نقاط البيانات في السلسلة، وسوف تسقط ببطء أكثر. من ناحية أخرى، إذا قلنا من لامدا، فإننا نشير إلى انحلال أعلى: الأوزان تسقط بسرعة أكبر، ونتيجة مباشرة للتسوس السريع، يتم استخدام نقاط بيانات أقل. (في جدول البيانات، لامدا هو المدخلات، حتى تتمكن من تجربة مع حساسية لها). سوماري التقلب هو الانحراف المعياري لحظية من الأسهم ومقياس المخاطر الأكثر شيوعا. وهو أيضا الجذر التربيعي للتباين. يمكننا قياس التباين تاريخيا أو ضمنيا (التقلب الضمني). عند قياس تاريخيا، وأسهل طريقة هو التباين البسيط. ولكن الضعف مع التباين بسيط هو كل عوائد الحصول على نفس الوزن. لذلك نحن نواجه مفاضلة الكلاسيكية: نحن نريد دائما المزيد من البيانات ولكن المزيد من البيانات لدينا أكثر يتم تخفيف الحساب لدينا عن بعد (أقل أهمية) البيانات. ويحسن المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما) على التباين البسيط بتخصيص أوزان للعائدات الدورية. من خلال القيام بذلك، يمكننا على حد سواء استخدام حجم عينة كبيرة ولكن أيضا إعطاء المزيد من الوزن لعوائد أكثر حداثة. (لعرض برنامج تعليمي حول هذا الموضوع، قم بزيارة سلحفاة بيونيك.) حساب الترابط إوما باستخدام إكسيل لقد تعلمنا مؤخرا عن كيفية تقدير التقلب باستخدام إوما المتوسط ​​المتحرك أضعافا مضاعفة. كما نعلم، إوما يتجنب المزالق من المتوسطات المرجح على قدم المساواة لأنها تعطي المزيد من الوزن إلى الملاحظات الأحدث مقارنة مع الملاحظات القديمة. لذلك، إذا كان لدينا عوائد متطرفة في بياناتنا، مع مرور الوقت، تصبح هذه البيانات القديمة ويحصل على وزن أقل في حسابنا. في هذه المقالة سوف ننظر في كيفية حساب الارتباط باستخدام إوما في إكسيل. ونحن نعلم أن الارتباط يحسب باستخدام الصيغة التالية: الخطوة الأولى هي حساب التباين بين سلسلتي العودة. نحن نستخدم عامل تمهيد لامدا 0.94، كما هو مستخدم في ريسكمتريكس. النظر في المعادلة التالية: نستخدم عوائد التربيع r 2 كسلسلة x في هذه المعادلة لتنبؤات التباين والمنتجات المتقاطعة لعائدين كسلسلة x في معادلة التنبؤات التغايرية. لاحظ أن نفس لامدا يستخدم لجميع الفروق والتباين. الخطوة الثانية هي حساب الفروق والانحراف المعياري لكل سلسلة عودة، كما هو موضح في هذه المقالة حساب التقلب التاريخي باستخدام إوما. الخطوة الثالثة هي حساب الارتباط من خلال توصيل قيم التباين، والانحرافات المعيارية في الصيغة المعطاة أعلاه للارتباط. توفر ورقة إكسيل التالية مثالا على حساب الارتباط والتذبذب في إكسيل. فإنه يأخذ سجل عوائد اثنين من الأسهم ويحسب الارتباط بينهما.