Tuesday, December 20, 2016

Идет Перевод…

Cálculo del promedio móvil en Excel En este breve tutorial, aprenderá a calcular rápidamente un promedio móvil simple en Excel, qué funciones utilizar para obtener el promedio móvil de los últimos N días, semanas, meses o años y cómo agregar un movimiento Línea de tendencia promedio a un gráfico de Excel. En un par de artículos recientes, hemos examinado de cerca el cálculo del promedio en Excel. Si has estado siguiendo nuestro blog, ya sabes cómo calcular un promedio normal y qué funciones utilizar para encontrar el promedio ponderado. En el tutorial de hoy, vamos a discutir dos técnicas básicas para calcular el promedio móvil en Excel. En general, el promedio móvil (también denominado media móvil, promedio móvil o media móvil) puede definirse como una serie de promedios para diferentes subconjuntos del mismo conjunto de datos. Se utiliza con frecuencia en estadísticas, previsiones económicas y meteorológicas ajustadas estacionalmente para comprender las tendencias subyacentes. En el comercio de valores, el promedio móvil es un indicador que muestra el valor promedio de un valor en un período de tiempo determinado. En los negocios, es una práctica común para calcular un promedio móvil de las ventas de los últimos 3 meses para determinar la tendencia reciente. Por ejemplo, el promedio móvil de las temperaturas de tres meses se puede calcular tomando el promedio de las temperaturas de enero a marzo, luego el promedio de las temperaturas de febrero a abril, luego de marzo a mayo, y así sucesivamente. Existen diferentes tipos de media móvil, tales como simple (también conocido como aritmética), exponencial, variable, triangular y ponderada. En este tutorial, estaremos estudiando el promedio móvil más comúnmente usado. Calculando el promedio móvil simple en Excel En general, hay dos maneras de obtener una media móvil simple en Excel: mediante fórmulas y opciones de línea de tendencia. Los siguientes ejemplos demuestran ambas técnicas. Ejemplo 1. Calcular el promedio móvil durante un cierto período de tiempo Se puede calcular un promedio móvil simple en ningún momento con la función MEDIA. Supongamos que tiene una lista de temperaturas medias mensuales en la columna B y desea encontrar una media móvil de 3 meses (como se muestra en la imagen anterior). Escriba una fórmula normal de promedio para los primeros 3 valores e introdúzcala en la fila correspondiente al 3er valor de la parte superior (celda C4 en este ejemplo) y luego copie la fórmula a otras celdas de la columna: Columna con una referencia absoluta (como B2) si desea, pero asegúrese de utilizar referencias de fila relativa (sin el signo) para que la fórmula se ajusta correctamente para otras celdas. Recordando que un promedio se calcula sumando valores y luego dividiendo la suma por el número de valores a promediar, puede verificar el resultado usando la fórmula SUM: Ejemplo 2. Obtenga el promedio móvil de los últimos N días / semanas / Meses / años en una columna Suponiendo que tiene una lista de datos, por ejemplo Cifras de ventas o cotizaciones bursátiles, y desea conocer el promedio de los últimos 3 meses en cualquier momento. Para ello, necesita una fórmula que recalcule el promedio tan pronto como introduzca un valor para el próximo mes. Qué función de Excel es capaz de hacer esto? La buena media antigua en combinación con OFFSET y COUNT. NOMBRE PROMEDIO (OFFSET (primera celda, COUNT (rango completo) - N, 0, N, 1)) Donde N es el número de los últimos días / semanas / meses / años para incluir en el promedio. No está seguro de cómo usar esta fórmula de promedio móvil en las hojas de cálculo de Excel El ejemplo siguiente hará las cosas más claras. Suponiendo que los valores a la media están en la columna B comenzando en la fila 2, la fórmula sería la siguiente: Y ahora, vamos a tratar de entender lo que esta fórmula de promedio móvil Excel está haciendo realmente. La función COUNT COUNT (B2: B100) cuenta cuántos valores ya están ingresados ​​en la columna B. Comenzamos a contar en B2 porque la fila 1 es el encabezado de columna. La función OFFSET toma la celda B2 (el primer argumento) como punto de partida y compensa el recuento (el valor devuelto por la función COUNT) moviendo 3 filas hacia arriba (-3 en el 2do argumento). Como resultado, devuelve la suma de valores en un rango que consta de 3 filas (3 en el 4 º argumento) y 1 columna (1 en el último argumento), que es el último 3 meses que queremos. Finalmente, la suma devuelta se pasa a la función MEDIA para calcular el promedio móvil. Propina. Si está trabajando con hojas de trabajo continuamente actualizables en las que es probable que se agreguen nuevas filas en el futuro, asegúrese de proporcionar un número suficiente de filas a la función COUNT para acomodar nuevas entradas potenciales. No es un problema si se incluyen más filas de lo que realmente se necesita, siempre y cuando tenga la primera celda derecha, la función COUNT descartará todas las filas vacías de todos modos. Como probablemente habrás notado, la tabla de este ejemplo contiene datos durante sólo 12 meses, y, sin embargo, el rango B2: B100 se suministra a COUNT, sólo para estar en el lado de guardar :) Ejemplo 3. Obtener el promedio móvil de los últimos valores N Una fila Si desea calcular una media móvil para los últimos N días, meses, años, etc. en la misma fila, puede ajustar la fórmula de desplazamiento de esta manera: Suponiendo que B2 es el primer número en la fila y desea Para incluir los últimos 3 números en el promedio, la fórmula toma la siguiente forma: Creación de un gráfico de promedio móvil de Excel Si ya ha creado un gráfico para sus datos, agregar una línea de tendencia de media móvil para ese gráfico es cuestión de segundos. Para ello, vamos a utilizar la función de Excel Trendline y los pasos detallados a continuación. Para este ejemplo, he creado un gráfico de columnas en 2D (grupo Insertar pestaña gt) para nuestros datos de ventas: Y ahora, queremos visualizar el promedio móvil durante 3 meses. En Excel 2010 y Excel 2007, vaya a Layout gt Trendline gt Más opciones de línea de tendencia. Propina. Si no necesita especificar los detalles, como el intervalo o los nombres del promedio móvil, puede hacer clic en Design gt Add Chart Elemento gt Trendline gt Promedio móvil para el resultado inmediato. El panel Formato de líneas de tendencia se abrirá en el lado derecho de la hoja de cálculo en Excel 2013 y el cuadro de diálogo correspondiente aparecerá en Excel 2010 y 2007. Para refinar su conversación, puede cambiar a la línea El panel Formato de línea de tendencia y el juego con diferentes opciones como el tipo de línea, color, ancho, etc. Para un análisis de datos potente, puede agregar algunas líneas de tendencia de media móvil con diferentes intervalos de tiempo para ver cómo evoluciona la tendencia. La siguiente captura de pantalla muestra las líneas de tendencia de 2 meses (verde) y 3 meses (rojo de ladrillo): Bueno, eso es todo sobre el cálculo del promedio móvil en Excel. La hoja de cálculo de ejemplo con las fórmulas de promedio móvil y la línea de tendencia está disponible para su descarga: hoja de cálculo de Moving Average. Le agradezco por leer y espero verle la semana que viene También puede estar interesado en: Explorar la media móvil ponderada exponencial La volatilidad es la medida más común de 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 un stock 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, podemos usar un tamaño de muestra grande pero también dar mayor peso a los retornos más recientes. El SampP 500 cerró el mes de septiembre con una pérdida mensual de 0.12, coincidentemente su segunda pérdida consecutiva de 0.12. (Para ver un tutorial de película sobre este tema, visite la Tortuga Biónica. Los tres SampP 500 MAs están señalizando invertido y los cinco MAs ETF de cartera Ivy están señalando invertido. En la tabla, los cierres mensuales que están dentro de 2 de una señal están resaltados en amarillo. La tabla anterior muestra la señal de media móvil simple (SMA) actual de 10 meses para cada uno de los cinco ETF que aparecen en The Ivy Portfolio. También incluimos una tabla de SMA de 12 meses para los mismos ETFs para esta estrategia alternativa popular. Para un análisis de facinating de la estrategia de la cartera de la hiedra, vea este artículo por Adam Butler, Mike Philbrick y Rodrigo Gordillo: Backtesting Promedios móviles Durante los últimos años weve utilizó Excel para seguir el funcionamiento de varias estrategias de la sincronización de la media móvil. Pero ahora utilizamos las herramientas de backtesting disponibles en el sitio web de ETFReplay. Cualquier persona que esté interesado en la sincronización del mercado con ETFs debe tener una mirada en este Web site. Aquí están las dos herramientas que utilizamos con más frecuencia: Antecedentes en los promedios móviles Comprar y vender basados ​​en una media móvil de cierre mensual puede ser una estrategia eficaz para manejar el riesgo de pérdidas severas de los principales mercados bajistas. En esencia, cuando el cierre mensual del índice está por encima del valor promedio móvil, usted tiene el índice. Cuando el índice se cierra a continuación, se cambia a efectivo. La desventaja es que nunca te saca en la parte superior o atrás en la parte inferior. También, puede producir el whipsaw ocasional (compra a corto plazo o señal de la venta), tal como weve experimentado de vez en cuando durante el año pasado. Sin embargo, una tabla de los cierres mensuales SampP 500 desde 1995 muestra que una estrategia de media móvil sencilla (SMA) de 10 ó 12 meses habría asegurado la participación en la mayor parte del movimiento de precios al alza, reduciendo drásticamente las pérdidas. Aquí está la variante de 12 meses: El promedio móvil exponencial de 10 meses (EMA) es una ligera variante de la media móvil simple. Esta versión aumenta matemáticamente la ponderación de nuevos datos en la secuencia de 10 meses. Desde 1995 ha producido menos whipsaws que la media móvil simple equivalente, aunque era un mes más lento señalar una venta después de estos dos tops del mercado. Un vistazo a los promedios móviles de 10 y 12 meses en el Dow durante el Crash de 1929 y la Gran Depresión muestra la efectividad de estas estrategias durante esos tiempos peligrosos. La psicología de las señales momentáneas La sincronización funciona debido a un rasgo humano básico. La gente imita el comportamiento exitoso. Cuando escuchan que otros ganan dinero en el mercado, compran. Finalmente, la tendencia se invierte. Puede ser simplemente las expansiones y contracciones normales del ciclo económico. A veces la causa es más dramática una burbuja de activos, una guerra importante, una pandemia o un shock financiero inesperado. Cuando la tendencia se invierte, los inversionistas acertados venden temprano. La imitación del éxito gradualmente convierte el impulso de compra anterior en la venta de impulso. Implementación de la Estrategia Nuestras ilustraciones del SampP 500 son sólo ilustraciones mdash. Utilizamos el SampP debido a los datos históricos extensos thats fácilmente disponibles. Sin embargo, los seguidores de una estrategia de media móvil deben tomar decisiones de compra / venta sobre las señales para cada inversión específica, no un índice amplio. Incluso si usted está invirtiendo en un fondo que rastrea el SampP 500 (por ejemplo, Vanguards VFINX o el SPY ETF) las señales de media móvil para los fondos de vez en cuando se diferencian del índice subyacente debido a la reinversión de dividendos. Los números de SampP 500 en nuestras ilustraciones no incluyen dividendos. La estrategia es más efectiva en una cuenta con ventajas fiscales con un servicio de corretaje de bajo costo. Usted quiere las ganancias para usted, no su corredor o su tío Sam. Nota . Para cualquier persona que quisiera ver los promedios móviles simples de 10 y 12 meses en el SampP 500 y las posiciones de equidad contra efectivo desde 1950, viene un archivo de Excel (formato xls) de los datos. Nuestra fuente para el cierre mensual (columna B) es Yahoo Finance. Las columnas D y F muestran las posiciones señaladas por el cierre del mes para las dos estrategias SMA. En el pasado weve recomendado Mebane Fabers artículo reflexivo Un enfoque cuantitativo de asignación de activos tácticos. El artículo ha sido actualizado y ampliado como parte tres: gestión activa de su libro The Ivy Portfolio. Coautor con Eric Richardson. Esto es una lectura obligada para cualquier persona que contemple el uso de una señal de tiempo para las decisiones de inversión. El libro analiza la aplicación de las medias móviles SampP 500 y cuatro clases de activos adicionales: el índice EAFE de Morgan Stanley Capital International (MSCI EAFE), el índice de materias primas Goldman Sachs (GSCI), el índice NAREIT (National Association of Real Estate Investment Trusts Index) Estados Unidos bonos del Tesoro a 10 años. Como característica habitual de este sitio web, tratamos de actualizar las señales al final de cada mes. Para información adicional de Mebane Faber, por favor visite su sitio web, Mebane Faber Research. Nota de pie de página sobre el cálculo de promedios móviles mensuales: Si está haciendo sus propios cálculos de los promedios móviles para acciones que pagan dividendos o ETF, ocasionalmente obtendrá resultados diferentes si no ajusta los dividendos. Por ejemplo, en 2012 VNQ se mantuvo invertido a finales de noviembre sobre la base de cierre mensual ajustado, pero hubo una señal de venta si ignoró los ajustes de dividendos. Debido a que los datos de meses anteriores cambiarán cuando se paguen dividendos, debe actualizar los datos para todos los meses en el cálculo si se pagó un dividendo desde el cierre mensual anterior. Este será el caso de cualquier acción o fondo que pague dividendos. ADX incluye algunas funciones de agregación estadística, tales como promedio, variación y desviación estándar. Otros cálculos estadísticos típicos requieren que se escriban expresiones DAX más largas. Excel, desde este punto de vista, tiene un lenguaje mucho más rico. Los patrones estadísticos son una colección de cálculos estadísticos comunes: mediana, modo, media móvil, percentil y cuartil. Queremos agradecer a Colin Banfield, Gerard Brueckl y Javier Guilln, cuyos blogs inspiraron algunos de los siguientes patrones. Ejemplo de patrón básico Las fórmulas de este patrón son las soluciones para cálculos estadísticos específicos. Promedio Puede utilizar las funciones estándar de DAX para calcular la media (promedio aritmético) de un conjunto de valores. PROMEDIO . Devuelve el promedio de todos los números en una columna numérica. AVERAGEA. Devuelve el promedio de todos los números de una columna, manejando texto y valores no numéricos (los valores de texto no numéricos y vacíos se cuentan como 0). AVERAGEX. Calcular el promedio de una expresión evaluada sobre una tabla. Promedio móvil El promedio móvil es un cálculo para analizar puntos de datos mediante la creación de una serie de promedios de diferentes subconjuntos del conjunto de datos completo. Puede utilizar muchas técnicas DAX para implementar este cálculo. La técnica más sencilla consiste en utilizar AVERAGEX, iterar una tabla de la granularidad deseada y calcular para cada iteración la expresión que genera el punto de datos único para utilizar en el promedio. Por ejemplo, la fórmula siguiente calcula el promedio móvil de los últimos 7 días, suponiendo que está utilizando una tabla de fechas en su modelo de datos. Utilizando AVERAGEX, calcula automáticamente la medida en cada nivel de granularidad. Cuando se utiliza una medida que puede agregarse (como SUM), entonces otro enfoque basado en CALCULATE puede ser más rápido. Puede encontrar este enfoque alternativo en el patrón completo de Promedio móvil. Variación Puede utilizar funciones DAX estándar para calcular la varianza de un conjunto de valores. VAR. S. Devuelve la varianza de valores en una columna que representa una población de muestra. VAR. P. Devuelve la varianza de valores en una columna que representa a toda la población. VARX. S. Devuelve la varianza de una expresión evaluada sobre una tabla que representa una población de muestra. VARX. P. Devuelve la varianza de una expresión evaluada sobre una tabla que representa a toda la población. Desviación estándar Puede utilizar las funciones DAX estándar para calcular la desviación estándar de un conjunto de valores. STDEV. S. Devuelve la desviación estándar de los valores en una columna que representa una población de muestra. STDEV. P. Devuelve la desviación estándar de los valores en una columna que representa a toda la población. STDEV. S. Devuelve la desviación estándar de una expresión evaluada sobre una tabla que representa una población de muestra. STDEV. P. Devuelve la desviación estándar de una expresión evaluada sobre una tabla que representa a toda la población. Mediana La mediana es el valor numérico que separa la mitad superior de una población de la mitad inferior. Si hay un número impar de filas, la mediana es el valor medio (clasificando las filas del valor más bajo al valor más alto). Si hay un número par de filas, es el promedio de los dos valores medios. La fórmula ignora los valores en blanco, que no se consideran parte de la población. El resultado es idéntico a la función MEDIAN en Excel. La figura 1 muestra una comparación entre el resultado devuelto por Excel y la fórmula DAX correspondiente para el cálculo mediano. Figura 1 Ejemplo de cálculo mediano en Excel y DAX. Modo El modo es el valor que aparece más a menudo en un conjunto de datos. La fórmula ignora los valores en blanco, que no se consideran parte de la población. El resultado es idéntico a las funciones MODE y MODE. SNGL en Excel, que devuelven sólo el valor mínimo cuando hay múltiples modos en el conjunto de valores considerados. La función MODE. MULT de Excel devolverá todos los modos, pero no puede implementarlo como una medida en DAX. La figura 2 compara el resultado devuelto por Excel con la fórmula DAX correspondiente para el cálculo de modo. Figura 2 Ejemplo de cálculo de modo en Excel y DAX. Percentil El percentil es el valor por debajo del cual cae un determinado porcentaje de valores en un grupo. La fórmula ignora los valores en blanco, que no se consideran parte de la población. El cálculo en DAX requiere varios pasos, descritos en la sección Patrón completo, que muestra cómo obtener los mismos resultados de las funciones de Excel PERCENTIL, PERCENTILE. INC y PERCENTILE. EXC. Cuartil Los cuartiles son tres puntos que dividen un conjunto de valores en cuatro grupos iguales, cada grupo que comprende un cuarto de los datos. Puede calcular los cuartiles usando el patrón de Percentile, siguiendo estas correspondencias: Primer cuartil cuartil inferior 25 percentil Segundo cuartil mediano 50 percentil Tercer cuartil cuartil superior 75 percentil completo Patrón completo Algunos cálculos estadísticos tienen una descripción más larga del patrón completo, porque Puede que tenga diferentes implementaciones dependiendo de los modelos de datos y otros requisitos. Promedio móvil Normalmente, se evalúa el promedio móvil haciendo referencia al nivel de granularidad del día. La plantilla general de la siguiente fórmula tiene estos marcadores: ltnumberofdaysgt es el número de días para el promedio móvil. Ltdatecolumngt es la columna de fecha de la tabla de fechas si la tiene o la columna de fecha de la tabla que contiene valores si no hay una tabla de fechas separada. Ltmeasuregt es la medida a calcular como media móvil. El patrón más sencillo utiliza la función AVERAGEX en DAX, que considera automáticamente sólo los días para los que existe un valor. Como alternativa, puede utilizar la siguiente plantilla en modelos de datos sin una tabla de fechas y con una medida que puede agregarse (como SUM) durante todo el período considerado. La fórmula anterior considera un día sin datos correspondientes como una medida que tiene valor 0. Esto sólo puede ocurrir cuando tiene una tabla de fechas separada, que puede contener días para los que no hay transacciones correspondientes. Puede fijar el denominador para el promedio utilizando sólo el número de días para los que hay transacciones utilizando el siguiente patrón, donde: ltfacttablegt es la tabla relacionada con la tabla de fechas y que contiene los valores calculados por la medida. Puede utilizar las funciones DATESBETWEEN o DATESINPERIOD en lugar de FILTER, pero éstas funcionan sólo en una tabla de fechas normal, mientras que puede aplicar el patrón descrito anteriormente también a tablas de fechas no regulares ya modelos que no tienen una tabla de fechas. Por ejemplo, considere los diferentes resultados producidos por las dos medidas siguientes. En la Figura 3, puede ver que no hay ventas el 11 de septiembre de 2005. Sin embargo, esta fecha se incluye en la tabla de fechas por lo tanto, hay 7 días (del 11 de septiembre al 17 de septiembre) que tienen sólo 6 días con datos. Figura 3 Ejemplo de un cálculo del promedio móvil considerando e ignorando las fechas sin ventas. La medida Moving Average 7 Days tiene un número menor entre el 11 de septiembre y el 17 de septiembre, porque considera el 11 de septiembre como un día con 0 ventas. Si desea ignorar días sin ventas, utilice la medida Promedio móvil 7 días sin cero. Este podría ser el enfoque correcto cuando tiene una tabla de fechas completa, pero desea ignorar los días sin transacciones. Utilizando la fórmula Moving Average 7 Days, el resultado es correcto porque AVERAGEX considera automáticamente sólo los valores no en blanco. Tenga en cuenta que puede mejorar el rendimiento de un promedio móvil al persistir el valor en una columna calculada de una tabla con la granularidad deseada, como la fecha o la fecha y el producto. Sin embargo, el enfoque de cálculo dinámico con una medida ofrece la posibilidad de utilizar un parámetro para el número de días de la media móvil (por ejemplo, reemplazar ltnumberofdaysgt con una medida que implementa el patrón de la tabla de parámetros). Mediana La mediana corresponde al percentil 50, que se puede calcular con el patrón Percentile. Sin embargo, el patrón Median le permite optimizar y simplificar el cálculo mediano con una sola medida, en lugar de las varias medidas requeridas por el patrón Percentile. Puede utilizar este enfoque cuando calcule la mediana de los valores incluidos en ltvaluecolumngt, como se muestra a continuación: Para mejorar el rendimiento, es posible que desee persistir el valor de una medida en una columna calculada, si desea obtener la mediana de los resultados de Una medida en el modelo de datos. Sin embargo, antes de realizar esta optimización, debe implementar el cálculo MedianX basado en la siguiente plantilla, utilizando estos marcadores: ltgranularitytablegt es la tabla que define la granularidad del cálculo. Por ejemplo, puede ser la tabla de fechas si desea calcular la mediana de una medida calculada en el nivel de día o puede ser VALUES (8216DateYearMonth) si desea calcular la mediana de una medida calculada al nivel de mes. Ltmeasuregt es la medida a calcular para cada fila de ltgranularitytablet para el cálculo mediano. Ltmeasuretablegt es la tabla que contiene los datos utilizados por ltmeasuregt. Por ejemplo, si el ltgranularitytablegt es una dimensión como 8216Date8217, entonces el ltmeasuretablegt será 8216Internet Sales8217 que contiene la columna Internet Sales Amount sumada por la medida Total Sales de Internet. Por ejemplo, puede escribir la mediana de ventas totales de Internet para todos los clientes en Adventure Works de la siguiente manera: Sugerencia El siguiente patrón: se utiliza para eliminar filas de ltgranularitytablegt que no tienen datos correspondientes en la selección actual. Es una manera más rápida que usar la siguiente expresión: Sin embargo, puede reemplazar toda la expresión CALCULATETABLE con sólo ltgranularitytablegt si desea considerar valores en blanco de ltmeasuregt como 0. El rendimiento de la fórmula MedianX depende del número de filas en la Tabla repetida y sobre la complejidad de la medida. Si el rendimiento es malo, puede persistir el resultado de ltmeasuregt en una columna calculada del lttablegt, pero esto eliminará la capacidad de aplicar filtros al cálculo mediano en el momento de la consulta. Percentile Excel tiene dos implementaciones diferentes de cálculo de percentil con tres funciones: PERCENTIL, PERCENTILE. INC y PERCENTILE. EXC. Todos ellos devuelven el percentil K de valores, donde K está en el rango de 0 a 1. La diferencia es que PERCENTIL y PERCENTILE. INC consideran K como un rango inclusivo, mientras que PERCENTILE. EXC considera el rango K 0 a 1 como exclusivo . Todas estas funciones y sus implementaciones DAX reciben un valor per centile como parámetro, que llamamos valor de percentil K. ltKgt está en el rango de 0 a 1. Las dos implementaciones DAX de percentil requieren algunas medidas que son similares, pero lo suficientemente diferentes como para requerir Dos diferentes conjuntos de fórmulas. Las medidas definidas en cada patrón son: KPerc. El valor percentil corresponde a ltKgt. PercPos. La posición del percentil en el conjunto ordenado de valores. ValueLow. El valor por debajo de la posición percentil. Valor Alto. El valor por encima de la posición percentil. Percentil El cálculo final del percentil. Necesita las medidas ValueLow y ValueHigh en caso de que el PercPos contenga una parte decimal, ya que entonces tiene que interpolar entre ValueLow y ValueHigh para devolver el valor percentil correcto. La figura 4 muestra un ejemplo de los cálculos realizados con fórmulas Excel y DAX, utilizando ambos algoritmos de percentil (inclusive y exclusivos). Figura 4 Cálculos de percentil usando fórmulas de Excel y el cálculo DAX equivalente. En las siguientes secciones, las fórmulas Percentile ejecutan el cálculo en valores almacenados en una columna de tabla, DataValue, mientras que las fórmulas PercentileX ejecutan el cálculo en valores devueltos por una medida calculada en una granularidad dada. Percentile Inclusive La implementación de Percentile Inclusive es la siguiente. Percentile Exclusive La implementación de Percentile Exclusive es la siguiente. PercentileX Inclusive La implementación de PercentileX Inclusive se basa en la siguiente plantilla, utilizando estos marcadores: ltgranularitytablegt es la tabla que define la granularidad del cálculo. Por ejemplo, podría ser la tabla de fechas si desea calcular el percentil de una medida en el nivel de día o puede ser VALUES (8216DateYearMonth) si desea calcular el percentil de una medida en el nivel de mes. Ltmeasuregt es la medida a calcular para cada fila de ltgranularitytablet para el cálculo del percentil. Ltmeasuretablegt es la tabla que contiene los datos utilizados por ltmeasuregt. Por ejemplo, si el ltgranularitytablegt es una dimensión tal como 8216Date, 8217 entonces el ltmeasuretablegt será 8216Sales8217 que contiene la columna de la cantidad sumada por la medida de la cantidad total. Por ejemplo, puede escribir PercentileXInc del importe total de ventas para todas las fechas de la tabla de fechas de la siguiente manera: PercentileX Exclusive La implementación de PercentileX Exclusive se basa en la siguiente plantilla, utilizando los mismos marcadores utilizados en PercentileX Inclusive: Puede escribir el PercentileXExc del monto total de ventas para todas las fechas en la tabla de fechas de la siguiente manera: Descargas Manténgame informado sobre los próximos patrones (boletín). Desmarque para descargar libremente el archivo. El patrón de Análisis de Canas permite el análisis de las relaciones de co-ocurrencia entre transacciones relacionadas con una determinada entidad, tales como productos comprados en el mismo orden o por el mismo cliente en compras diferentes . Este patrón es una especialización de la encuesta hellip ABC Clasificación Dinámica La versión dinámica del patrón de Clasificación ABC es una extensión del patrón de Segmentación Dinámica. Agrupa artículos (como Productos o Clientes) en segmentos basados ​​en sus ventas acumuladas y cuánto contribuyeron a las ventas totales hellip Dax Patterns es producido por SQLBI. Copyright copy Loader. Todos los derechos reservados. Microsoft Excel reg y todas las demás marcas y derechos de autor son propiedad de sus respectivos propietarios. Promedio de promedios - Simple y exponencial Promedios móviles - Simple y exponencial Introducción Medias móviles suavizar los datos de precios para formar una tendencia siguiente indicador. No predicen la dirección del precio, sino que definen la dirección actual con un retraso. Los promedios móviles se retrasan porque están basados ​​en precios pasados. A pesar de este retraso, las medias móviles ayudan a suavizar la acción de los precios y filtran el ruido. También forman los bloques de construcción de muchos otros indicadores técnicos y superposiciones, como Bollinger Bands. MACD y el oscilador de McClellan. Los dos tipos más populares de promedios móviles son el promedio móvil simple (SMA) y el promedio móvil exponencial (EMA). Estos promedios móviles pueden usarse para identificar la dirección de la tendencia o definir niveles potenciales de soporte y resistencia. Aquí hay un gráfico con un SMA y un EMA en él: Cálculo del promedio móvil simple Un promedio móvil simple se forma computando el precio medio de un título sobre un número específico de períodos. La mayoría de las medias móviles se basan en los precios de cierre. Una media móvil simple de 5 días es la suma de cinco días de los precios de cierre dividida por cinco. Como su nombre lo indica, un promedio móvil es un promedio que se mueve. Los datos antiguos se eliminan a medida que vienen disponibles nuevos datos. Esto hace que el promedio se mueva a lo largo de la escala de tiempo. A continuación se muestra un ejemplo de un promedio móvil de 5 días que evoluciona en tres días. El primer día de la media móvil simplemente cubre los últimos cinco días. El segundo día de la media móvil desciende el primer punto de datos (11) y añade el nuevo punto de datos (16). El tercer día de la media móvil continúa cayendo el primer punto de datos (12) y añadiendo el nuevo punto de datos (17). En el ejemplo anterior, los precios aumentan gradualmente de 11 a 17 en un total de siete días. Observe que la media móvil también aumenta de 13 a 15 durante un período de cálculo de tres días. También observe que cada valor promedio móvil es justo debajo del último precio. Por ejemplo, el promedio móvil para el primer día es igual a 13 y el último precio es 15. Los precios de los cuatro días anteriores fueron más bajos y esto hace que el promedio móvil se retrasa. Cálculo del promedio móvil exponencial Los promedios móviles exponenciales reducen el retraso aplicando más peso a los precios recientes. La ponderación aplicada al precio más reciente depende del número de periodos de la media móvil. Hay tres pasos para calcular una media móvil exponencial. En primer lugar, calcular el promedio móvil simple. Un promedio móvil exponencial (EMA) tiene que comenzar en alguna parte así que una media móvil simple se utiliza como EMA anterior del período anterior en el primer cálculo. Segundo, calcule el multiplicador de ponderación. En tercer lugar, calcular la media móvil exponencial. La siguiente fórmula es para un EMA de 10 días. Una media móvil exponencial de 10 períodos aplica una ponderación de 18.18 al precio más reciente. Un EMA de 10 periodos también puede ser llamado un EMA 18.18. Una EMA de 20 periodos aplica una ponderación de 9.52 al precio más reciente (2 / (201) .0952). Observe que la ponderación para el período de tiempo más corto es más que la ponderación para el período de tiempo más largo. De hecho, la ponderación disminuye a la mitad cada vez que el período de media móvil se duplica. Si desea un porcentaje específico para un EMA, puede usar esta fórmula para convertirlo en períodos de tiempo y luego ingresar ese valor como el parámetro EMA039s: A continuación se muestra un ejemplo de hoja de cálculo de una media móvil simple de 10 días y un valor de 10- Promedio móvil exponencial para Intel. Los promedios móviles simples son directos y requieren poca explicación. El promedio de 10 días se mueve simplemente mientras que nuevos precios están disponibles y los viejos precios caen apagado. El promedio móvil exponencial comienza con el valor de la media móvil simple (22,22) en el primer cálculo. Después del primer cálculo, la fórmula normal se hace cargo. Debido a que un EMA comienza con un promedio móvil simple, su verdadero valor no se realizará hasta 20 o más períodos más tarde. En otras palabras, el valor de la hoja de cálculo Excel puede diferir del valor del gráfico debido al corto período de revisión. Esta hoja de cálculo sólo se remonta a 30 períodos, lo que significa que el efecto de la media móvil simple ha tenido 20 períodos para disipar. StockCharts se remonta al menos 250 períodos (por lo general mucho más) para sus cálculos de modo que los efectos de la media móvil simple en el primer cálculo se han disipado completamente. El factor de Lag Cuanto más largo es el promedio móvil, más el retraso. Una media móvil exponencial de 10 días abrazará los precios de cerca y se convertirá poco después de que los precios giren. Los promedios móviles cortos son como los veleros, ágiles y rápidos de cambiar. Por el contrario, una media móvil de 100 días contiene muchos datos pasados ​​que lo ralentizan. Los promedios móviles más largos son como los petroleros oceánicos - letárgicos y lentos para cambiar. Se necesita un movimiento de precios más grande y más largo para una media móvil de 100 días para cambiar el rumbo. La tabla de arriba muestra el SampP 500 ETF con una EMA de 10 días siguiendo de cerca los precios y una molienda SMA de 100 días más alta. Incluso con la disminución de enero-febrero, la SMA de 100 días mantuvo el curso y no rechazó. La SMA de 50 días se sitúa entre los promedios móviles de 10 y 100 días cuando se trata del factor de retraso. Simples versus promedios móviles exponenciales Aunque hay claras diferencias entre promedios móviles simples y promedios móviles exponenciales, uno no es necesariamente mejor que el otro. Los promedios móviles exponenciales tienen menos retraso y, por lo tanto, son más sensibles a los precios recientes y las recientes variaciones de precios. Los promedios móviles exponenciales se convertirán antes de promedios móviles simples. Los promedios móviles simples, por otro lado, representan un verdadero promedio de precios para todo el período de tiempo. Como tales, los promedios móviles simples pueden ser más adecuados para identificar niveles de soporte o resistencia. La preferencia media móvil depende de los objetivos, el estilo analítico y el horizonte temporal. Los cartistas deben experimentar con ambos tipos de promedios móviles, así como diferentes plazos para encontrar el mejor ajuste. La siguiente tabla muestra IBM con la SMA de 50 días en rojo y la EMA de 50 días en verde. Ambos culminaron a finales de enero, pero la disminución en la EMA fue más nítida que la disminución de la SMA. La EMA apareció a mediados de febrero, pero la SMA continuó baja hasta finales de marzo. Tenga en cuenta que la SMA apareció más de un mes después de la EMA. Longitudes y plazos La longitud del promedio móvil depende de los objetivos analíticos. Promedios cortos móviles (5-20 períodos) son los más adecuados para las tendencias a corto plazo y el comercio. Los cartistas interesados ​​en las tendencias a mediano plazo optarían por promedios móviles más largos que podrían extenderse de 20 a 60 períodos. Los inversores a largo plazo preferirán las medias móviles con 100 o más períodos. Algunas longitudes móviles son más populares que otras. El promedio móvil de 200 días es quizás el más popular. Debido a su longitud, esto es claramente una media móvil a largo plazo. A continuación, el promedio móvil de 50 días es muy popular para la tendencia a mediano plazo. Muchos cartistas utilizan los promedios móviles de 50 días y 200 días juntos. A corto plazo, una media móvil de 10 días fue muy popular en el pasado porque era fácil de calcular. Uno simplemente agregó los números y movió el punto decimal. Identificación de tendencias Las mismas señales pueden generarse utilizando promedios móviles simples o exponenciales. Como se mencionó anteriormente, la preferencia depende de cada individuo. Estos ejemplos a continuación utilizarán promedios móviles simples y exponenciales. El término media móvil se aplica tanto a promedios móviles simples como exponenciales. La dirección de la media móvil transmite información importante sobre los precios. Una media móvil en ascenso muestra que los precios están aumentando. Una media móvil decreciente indica que los precios, en promedio, están cayendo. El aumento de la media móvil a largo plazo refleja una tendencia alcista a largo plazo. Una caída del promedio móvil a largo plazo refleja una tendencia a la baja a largo plazo. El gráfico anterior muestra 3M (MMM) con un promedio móvil exponencial de 150 días. Este ejemplo muestra cuán bien funcionan las medias móviles cuando la tendencia es fuerte. La EMA de 150 días rechazó en noviembre de 2007 y otra vez en enero de 2008. Observe que tomó una declinación 15 para invertir la dirección de esta media móvil. Estos indicadores rezagados identifican reversiones de tendencias a medida que ocurren (en el mejor de los casos) o después de que ocurren (en el peor). MMM continuó más bajo en marzo de 2009 y luego subió 40-50. Observe que la EMA de 150 días no apareció hasta después de este aumento. Una vez que lo hizo, sin embargo, MMM continuó más alto en los próximos 12 meses. Los promedios móviles trabajan brillantemente en fuertes tendencias. Crossovers dobles Dos medias móviles se pueden usar juntas para generar señales de cruce. En Análisis Técnico de los Mercados Financieros. John Murphy llama a esto el método de crossover doble. Los crossovers dobles implican una media móvil relativamente corta y una media móvil relativamente larga. Como con todas las medias móviles, la longitud general de la media móvil define el marco de tiempo para el sistema. Un sistema que utilice un EMA de 5 días y un EMA de 35 días se consideraría a corto plazo. Un sistema que utilizara un SMA de 50 días y un SMA de 200 días se consideraría de mediano plazo, tal vez incluso a largo plazo. Un cruce alcista ocurre cuando el promedio móvil más corto cruza por encima del promedio móvil más largo. Esto también se conoce como una cruz de oro. Un crossover bajista ocurre cuando el promedio móvil más corto cruza debajo de la media móvil más larga. Esto se conoce como una cruz muerta. Los cruces de media móvil producen señales relativamente tardías. Después de todo, el sistema emplea dos indicadores retardados. Cuanto más largo sea el promedio móvil, mayor será el desfase en las señales. Estas señales funcionan muy bien cuando una buena tendencia se apodera. Sin embargo, un sistema de crossover de media móvil producirá muchos whipsaws en ausencia de una tendencia fuerte. También hay un método triple crossover que implica tres promedios móviles. De nuevo, se genera una señal cuando la media móvil más corta cruza las dos medias móviles más largas. Un simple sistema de crossover triple puede implicar promedios móviles de 5 días, 10 días y 20 días. La tabla anterior muestra Home Depot (HD) con una EMA de 10 días (línea punteada verde) y EMA de 50 días (línea roja). La línea negra es el cierre diario. El uso de un crossover promedio móvil habría dado lugar a tres whipsaws antes de coger un buen comercio. La EMA de 10 días se rompió por debajo de la EMA de 50 días a finales de octubre (1), pero esto no duró mucho ya que los 10 días retrocedieron a mediados de noviembre (2). Esta cruz duró más tiempo, pero el siguiente cruce bajista en enero (3) ocurrió cerca de finales de noviembre los niveles de precios, dando lugar a otro whipsaw. Esta cruz bajista no duró mucho ya que la EMA de 10 días retrocedió por encima de los 50 días unos días después (4). Después de tres malas señales, la cuarta señal prefiguró un movimiento fuerte mientras que la acción avanzó sobre 20. Hay dos takeaways aquí. Primero, los crossovers son propensos al whipsaw. Se puede aplicar un filtro de precio o tiempo para ayudar a prevenir las sierras. Los operadores pueden requerir que el crossover dure 3 días antes de actuar o requiera que el EMA de 10 días se mueva por encima / por debajo del EMA de 50 días por una cierta cantidad antes de actuar. En segundo lugar, MACD se puede utilizar para identificar y cuantificar estos crossovers. MACD (10, 50, 1) mostrará una línea que representa la diferencia entre las dos medias móviles exponenciales. MACD se vuelve positivo durante una cruz de oro y negativo durante una cruz muerta. El oscilador de precio porcentual (PPO) se puede utilizar de la misma manera para mostrar diferencias porcentuales. Tenga en cuenta que MACD y el PPO se basan en promedios móviles exponenciales y no coincidirá con los promedios móviles simples. Este gráfico muestra Oracle (ORCL) con EMA de 50 días, EMA de 200 días y MACD (50.200,1). Hubo cuatro crossovers de media móvil durante un período de 2 1/2 años. Los tres primeros resultaron en whipsaws o malos oficios. Una tendencia sostenida comenzó con el cuarto crossover como ORCL avanzó a mediados de los 20s. Una vez más, los crossovers medios móviles funcionan muy bien cuando la tendencia es fuerte, pero producen pérdidas en ausencia de una tendencia. Crossovers de precios Los promedios móviles también pueden usarse para generar señales con crossovers de precios simples. Una señal alcista se genera cuando los precios se mueven por encima de la media móvil. Se genera una señal bajista cuando los precios se mueven por debajo de la media móvil. Los crossovers de precios se pueden combinar para comerciar dentro de la tendencia más grande. La media móvil más larga establece el tono para la tendencia más grande y la media móvil más corta se utiliza para generar las señales. Uno buscaría cruces de precios alcistas sólo cuando los precios ya están por encima de la media móvil más larga. Esto estaría negociando en armonía con la tendencia más grande. Por ejemplo, si el precio está por encima de la media móvil de 200 días, los cartistas sólo se centrarán en las señales cuando el precio se mueve por encima de la media móvil de 50 días. Obviamente, un movimiento por debajo de la media móvil de 50 días sería precedente de tal señal, pero tales cruces bajistas serían ignorados porque la tendencia más grande ha subido. Una cruz bajista simplemente sugeriría un retroceso dentro de una mayor tendencia alcista. Un retroceso por encima de la media móvil de 50 días señalaría una subida de los precios y la continuación de la mayor tendencia alcista. El siguiente gráfico muestra Emerson Electric (EMR) con la EMA de 50 días y EMA de 200 días. La acción se movió por encima y se mantuvo por encima de la media móvil de 200 días en agosto. Hubo bajadas por debajo de los 50 días EMA a principios de noviembre y de nuevo a principios de febrero. Los precios se movieron rápidamente por encima de la EMA de 50 días para proporcionar señales alcistas (flechas verdes) en armonía con la mayor tendencia alcista. MACD (1,50,1) se muestra en la ventana del indicador para confirmar los cruces de precios por encima o por debajo de la EMA de 50 días. El EMA de 1 día es igual al precio de cierre. El MACD (1,50,1) es positivo cuando el cierre está por encima del EMA de 50 días y negativo cuando el cierre está por debajo del EMA de 50 días. Soporte y Resistencia Los promedios móviles también pueden actuar como soporte en una tendencia alcista y resistencia en una tendencia bajista. Una tendencia alcista a corto plazo podría encontrar apoyo cerca de la media móvil simple de 20 días, que también se utiliza en bandas de Bollinger. Una tendencia alcista a largo plazo podría encontrar apoyo cerca del promedio móvil de 200 días, que es el promedio móvil más popular a largo plazo. De hecho, el promedio móvil de 200 días puede ofrecer soporte o resistencia simplemente porque es tan ampliamente utilizado. Es casi como una profecía autocumplida. El gráfico de arriba muestra el NY Composite con el promedio móvil simple de 200 días desde mediados de 2004 hasta finales de 2008. Los 200 días de apoyo brindado numerosas veces durante el avance. Una vez que la tendencia se invirtió con una ruptura de apoyo superior doble, el promedio móvil de 200 días actuó como resistencia alrededor de 9500. No espere soporte exacto y niveles de resistencia de promedios móviles, especialmente medias móviles más largas. Los mercados son impulsados ​​por la emoción, lo que los hace propensos a los rebasamientos. En lugar de los niveles exactos, las medias móviles se pueden utilizar para identificar zonas de apoyo o resistencia. Conclusiones Las ventajas de utilizar promedios móviles deben sopesarse contra las desventajas. Los promedios móviles son tendencia que sigue, o rezagada, los indicadores que serán siempre un paso detrás. Esto no es necesariamente una cosa mala. Después de todo, la tendencia es su amigo y es mejor el comercio en la dirección de la tendencia. Medias móviles aseguran que un comerciante está en línea con la tendencia actual. A pesar de que la tendencia es su amigo, los valores pasan una gran cantidad de tiempo en rangos comerciales, lo que hace que los promedios móviles sean ineficaces. Una vez en una tendencia, los promedios móviles le mantendrá en, pero también dar señales tardías. Don039t esperan vender en la parte superior y comprar en la parte inferior utilizando promedios móviles. Al igual que con la mayoría de las herramientas de análisis técnico, las medias móviles no deben usarse por sí solas, sino en conjunto con otras herramientas complementarias. Los cartistas pueden usar promedios móviles para definir la tendencia general y luego usar RSI para definir los niveles de sobrecompra o sobreventa. Adición de promedios móviles a los gráficos de StockCharts Los promedios móviles están disponibles como una función de superposición de precios en el workbench de SharpCharts. Utilizando el menú desplegable Superposiciones, los usuarios pueden elegir un promedio móvil simple o un promedio móvil exponencial. El primer parámetro se utiliza para establecer el número de períodos de tiempo. Se puede agregar un parámetro opcional para especificar el campo de precio que se debe utilizar en los cálculos: O para el Abierto, H para el Alto, L para el Bajo y C para el Cierre. Una coma se utiliza para separar los parámetros. Se puede agregar otro parámetro opcional para cambiar las medias móviles a la izquierda (pasado) oa la derecha (futuro). Un número negativo (-10) cambiaría la media móvil a la izquierda 10 períodos. Un número positivo (10) cambiaría la media móvil a los 10 periodos correctos. Múltiples promedios móviles pueden superponerse a la gráfica de precios simplemente agregando otra línea de superposición al workbench. Los miembros de StockCharts pueden cambiar los colores y el estilo para diferenciar entre varios promedios móviles. Después de seleccionar un indicador, abra Opciones avanzadas haciendo clic en el pequeño triángulo verde. Las Opciones avanzadas también se pueden usar para agregar una superposición de promedio móvil a otros indicadores técnicos como RSI, CCI y Volumen. Haga clic aquí para un gráfico en vivo con varios promedios móviles diferentes. Usando los promedios móviles con las exploraciones de StockCharts Aquí hay algunas exploraciones de la muestra que los miembros de StockCharts pueden utilizar para explorar diversas situaciones del promedio móvil: Movimiento alcista de la media cruzada: Esta exploraciones busca las poblaciones con una media móvil simple de 150 días y una cruz alcista de los 5 EMA y EMA de 35 días. La media móvil de 150 días está subiendo, siempre y cuando se está negociando por encima de su nivel hace cinco días. Una cruz alcista ocurre cuando la EMA de 5 días se mueve por encima de la EMA de 35 días sobre un volumen por encima del promedio. Media bajista media móvil: Esta escanea busca acciones con una media móvil simple descendente de 150 días y una cruz bajista de la EMA de 5 días y de la EMA de 35 días. La media móvil de 150 días está cayendo, siempre y cuando se esté negociando por debajo de su nivel hace cinco días. Una cruz bajista ocurre cuando la EMA de 5 días se mueve por debajo de la EMA de 35 días sobre un volumen por encima del promedio. Estudio adicional El libro de John Murphy tiene un capítulo dedicado a los promedios móviles ya sus diversos usos. Murphy cubre los pros y los contras de los promedios móviles. Además, Murphy muestra cómo los promedios móviles trabajan con Bollinger Bands y los sistemas comerciales basados ​​en canales. Análisis Técnico de los Mercados Financieros John Murphy


No comments:

Post a Comment