Skip to main content
Дорожка Linear regression
22 / 43
Поиск по архивуБиблиотека
Библиотека

1995выпуск C101-8

Оценка скользящей средней по конечной точке метода наименьших квадратов на известном тестовом ряде

Скользящая средняя по конечной точке метода наименьших квадратов берёт текущее значение из конца прямой, подогнанной к окну lookback. Эта архивная заметка показывает, как такую конструкцию сопоставляли с обычными скользящими средними на известной последовательности «линия плюс разворот» до того, как был показан более поздний рыночный оверлей.

  • Скользящая средняя по конечной точке метода наименьших квадратов — это текущая конечная точка прямой, подогнанной к окну lookback, и архив помещает эту конструкцию среди других сглаживателей по окну lookback, а не как самостоятельное рыночное правило.
  • На сконструированном прямом восходящем участке, который достиг пика в день 26, 11-дневная простая скользящая средняя оставалась на $5.00 ниже ряда и развернулась вниз через пять дней после пика, тогда как 11-дневная экспоненциальная скользящая средняя к дню 25 находилась на $4.95 ниже и развернулась на два дня раньше, чем эта простая средняя.
  • Сопоставимая 11-дневная средняя по конечной точке отслеживала тот же ряд с дня 10 по день 25, достигла пика через один день после разворота, затем расходилась девять дней с наибольшим разрывом $2.55 в дни 28 и 29.
  • Редакторское прочтение: сначала завершите сравнение на известной последовательности. Более поздний рыночный оверлей относится к историческому рабочему процессу и не является основанием доверять оверлею раньше тестового ряда.
Записи этого разбора3 записи
Least squares moving average3 разбораТекущая дорожкаLinear regression112 разборовMoving average449 разборов

Что сопоставляется

Эта заметка объясняет, как сглаживатель по конечной точке метода наименьших квадратов можно сопоставить с обычными скользящими средними на известной последовательности «линия плюс разворот». Скользящая средняя — это сглаживатель по окну lookback, который снижает шум в упорядоченных ценах, чтобы базовый тренд можно было сравнить между методами.

Линейная регрессия в том виде, в каком она используется здесь, — это подгонка прямой к окну упорядоченных наблюдений. Скользящая средняя метода наименьших квадратов — это скользящая средняя, текущее значение которой есть конечная точка этой подогнанной прямой.

Сконструированный ряд «линия плюс разворот»

Архив использовал сконструированный тестовый ряд с прямым восходящим участком, который достиг пика в день 26. 11-дневная простая скользящая средняя оставалась на $5.00 ниже этого восходящего участка и развернулась вниз через пять дней после пика ряда.

11-дневная экспоненциальная скользящая средняя, начатая с первой цены, равной нулю, к дню 25 находилась на $4.95 ниже тестового ряда и развернулась на два дня раньше, чем сопоставимая простая скользящая средняя.

11-дневная скользящая средняя по конечной точке — это конечная точка прямой метода наименьших квадратов. На том же тестовом ряде она совпадала с ценами с дня 10 по день 25, затем достигла пика через один день после разворота ряда.

Что произошло после разворота

После разворота тестового ряда 11-дневная скользящая средняя по конечной точке расходилась девять дней, с наибольшим разрывом $2.55 в дни 28 и 29.

Более поздний рыночный оверлей в том же рабочем процессе

Архив также сообщил о 28-месячном оверлее Dow Jones Industrial Average. 200-дневная скользящая средняя по конечной точке выдала сигнал продажи на 18 дней раньше и на 138 пунктов выше, чем самый ранний сигнал продажи от 200-дневных простой или экспоненциальной средних вокруг пика 1987.

Тот же 200-дневный оверлей по конечной точке, по сообщению, завершил окно September 1985 to October 1987 с чистым результатом 1025 пунктов, описанным как 2.33 раза путь «купи и держи» на этом интервале.

Где конструкция стоит среди сглаживателей

Архив сообщил о результате обзора: 42 процента каталогизированных технических индикаторов использовали скользящую среднюю в той или иной форме. Этот результат помещает конструкцию по конечной точке среди других сглаживателей по окну lookback, а не как самостоятельное рыночное правило.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
22 из 43 в дорожке «Linear regression»
19961-4 с.Дальше про «Linear regression»Построение концевой скользящей средней по прямой наименьших квадратовКонцевая скользящая средняя определяется для каждого целого периода из двух и более наблюдений как последнее подогнанное значение прямой наименьших квадратов цены по времени.
Все разборы дорожки · 43 разбора
  1. 1990Построение базовых линий доллара по ставкам, инфляции и остаткам
  2. 1990Построение номинального значения индекса по форвардным прибылям и подогнанной доходности
  3. 1990Построение номинальной цены индекса из прибыли и подобранной доходности
  4. 1990Ценовые траектории с фиксацией конечных точек — это не прогнозы
  5. 1990Построение полиномиальных сглаживателей методом наименьших квадратов
  6. 1991Темпы роста по конечным точкам против согласованности линейной регрессии
  7. 1991Вневыборочные проверки линейных аппроксимаций роста
  8. 1991Тренд как устойчивость, а не прямая линия
  9. 1991Квадратичный тренд, осциллятор остатков и вторичный календарь циклов
  10. 1991Смещение начала отсчёта времени и дивергенция остатков и цены на квадратичной аппроксимации методом наименьших квадратов
  11. 1991Линия тренда наименьших квадратов по упорядоченным ценам
  12. 1992Построение скринингов лог-линейного роста и надёжности
  13. 1992Построение лог-линейных базовых линий темпа роста
  14. 1992Максимум, минимум и закрытие следующей сессии по скользящей линейной регрессии
  15. 1993Проверка индексного мультипликатора цена/прибыль регрессией на краткосрочную ставку
  16. 1994Вложенный экспоненциальный ценовой фильтр с регрессионными начальными значениями
  17. 1994Построение двойного экспоненциального среднего из компенсации лага
  18. 1994Оценка денежной массы как линейной базовой модели опережающего индекса
  19. 1995Построение трендовых каналов методом наименьших квадратов
  20. 1995Holdout-проверки линейного базового прогноза годовых ставок по векселям
  21. 1995Проекционные полосы по наклонам регрессии максимумов и минимумов
  22. 1995Оценка скользящей средней по конечной точке метода наименьших квадратов на известном тестовом ряде
  23. 1996Построение концевой скользящей средней по прямой наименьших квадратов
  24. 1996Оценка согласованности траектории эквити с оверлеем k-ratio
  25. 1996Оценка month-end разрывов доходности для режимов рынка акций
  26. 1996Построение полос стандартной ошибки с сессионным индексом
  27. 1998Оценка линейных регрессионных базовых моделей для стоимостной оценки индекса
  28. 1998R-squared как двухсостоятельный трендовый фильтр на основе подгонки цена-время
  29. 2000Коррекция лага скользящего среднего второго порядка
  30. 2002Линия регрессии цены против беты при отслеживании индекса
  31. 2003Наклон регрессии с гейтом уверенности тренда по r-squared
  32. 2003Построение дивергенции finite-volume-element через сравнение наклонов
  33. 2004Построение дневного балла из регрессии, коррекции и объёма
  34. 2004Построение линий тренда методом наименьших квадратов по упорядоченным ценам
  35. 2007Цели пробоя прямоугольника выше высоты
  36. 2007Подтверждение ценового тренда наклоном регрессии и r-squared
  37. 2008Угол линейной регрессии, собранный как один тренд-фильтр
  38. 2010Свинг-машина с двумя состояниями из четырёх скользящих экстремумов
  39. 2016Оцените тесноту нефтяного комплекса перед дивергенцией или регрессией
  40. 2017Межрыночная дивергенция Nikkei–иена как кейс рыночного режима
  41. 2017Построение коэффициента Калмара и базовых линий линейной регрессии
  42. 2019Послойное построение pair-trade против управления по средней цене спреда
  43. 2020Наклон convolution, построенный из вложенной линейной регрессии
По областиИндикаторы и фильтры682 разбораПо году199575 разборов
Все 112 разборов с записью «Linear regression»
Тоже про «Linear regression»5 разборов
2006Построение пользовательских индикаторов на основе Commodity Channel Index, least squares moving average и входа по правиламLeast squares moving average2014Walk-forward фильтры velocity на шумных внутридневных трендахLeast squares moving average1990Построение полиномиальных сглаживателей методом наименьших квадратов1990Двое часов для меди: факторный режим, регрессионная базовая линия и остаточный тайминг по скользящей средней1991Тренд как устойчивость, а не прямая линия