Skip to main content
Дорожка Linear regression
23 / 43
Поиск по архивуБиблиотека
Библиотека

1996выпуск C021-4

Построение концевой скользящей средней по прямой наименьших квадратов

Один и тот же период можно записать как скользящее среднее или как последнюю точку короткой подгонки цены по времени. Эта архивная заметка восстанавливает, как вводится концевая скользящая средняя, как сдвигается её окно и при каких периодах получаются целочисленные коэффициенты.

  • Концевая скользящая средняя определяется для каждого целого периода из двух и более наблюдений как последнее подогнанное значение прямой наименьших квадратов цены по времени.
  • Скользящее окно сдвигается на один период за раз для среднего, корреляции или регрессии, а парная регрессия вводится одной общей формулой массива.
  • Периоды с целочисленными коэффициентами возникают, когда период плюс единица кратен трём, включая 2, 5, 8 и 11. При периоде из двух наблюдений концевая средняя равна последней цене.
  • Два выражения в замкнутой форме для общей концевой скользящей средней дают одинаковые численные результаты, потому что внутренняя сумма является арифметической прогрессией.
Записи этого разбора2 записи
Текущая дорожкаLinear regression112 разборовMoving average449 разборов

Один и тот же период, два построения

Концевая скользящая средняя определяется для каждого целого периода из двух и более наблюдений. Это построенный сглаживатель, равный последнему подогнанному значению прямой наименьших квадратов через ценовое окно такой длины, а не среднему арифметическому окна.

Концевое усреднение — это и есть эта прямая наименьших квадратов: упорядоченные цены подгоняются по времени, а расхождение поглощается только по оси цены. Последняя точка на подогнанной прямой и есть сглаживатель.

Как вводится формула

26-недельная регрессия, записанная в двух ячейках таблицы, вводится одной общей формулой массива, а не двумя независимо набранными формулами ячеек. Формула массива держит парные результаты в одном выражении, чтобы многовыходная регрессия оставалась внутренне согласованной.

Как сдвигается окно

30-недельный показатель корреляции вычисляется на скользящем окне из 30 наблюдений, которое сдвигается на один период за раз, так же как сдвигается скользящая средняя. То же правило скользящего окна заново вычисляет среднее, корреляцию или регрессию при каждом новом наблюдении.

30-недельный показатель регрессии можно сформировать как отношение оценки к факту: подогнанная оценка для текущего интервала, делённая на одновременное фактическое значение объясняемого ряда.

Какие коэффициенты даёт алгебра

Целочисленные коэффициенты концевой средней возникают, когда период плюс единица кратен трём. К таким периодам с целочисленными коэффициентами относятся 2, 5, 8 и 11.

При периоде из двух наблюдений концевая средняя равна последней цене, потому что единственная прямая через две точки заканчивается на этой последней цене.

Две замкнутые формы, один численный результат

Два разных выражения в замкнутой форме для общей концевой скользящей средней дают одинаковые численные результаты. Эти выражения совпадают, потому что внутренняя сумма является арифметической прогрессией с итогом в замкнутой форме, первый и последний члены которой зависят от периода.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
23 из 43 в дорожке «Linear regression»
19961-1 с.Дальше про «Linear regression»Оценка согласованности траектории эквити с оверлеем k-ratioПроцедура оценки не выдаёт сигналов на покупку или продажу. Она предназначена для одновременной работы с отдельной системой генерации сделок и записи k-ratio этой системы в журнал.
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 году199680 разборов
Все 112 разборов с записью «Linear regression»
Тоже про «Linear regression»5 разборов
1990Построение полиномиальных сглаживателей методом наименьших квадратов1990Двое часов для меди: факторный режим, регрессионная базовая линия и остаточный тайминг по скользящей средней1991Тренд как устойчивость, а не прямая линия1993Построение walk-forward прогнозов с базовыми моделями линейной регрессии и скользящих средних1994Построение двойного экспоненциального среднего из компенсации лага