Skip to main content
Дорожка Linear regression
16 / 43
Поиск по архивуБиблиотека
Библиотека

1994выпуск C011-2

Вложенный экспоненциальный ценовой фильтр с регрессионными начальными значениями

Двухслойный экспоненциальный фильтр может открыть оба средних из одной линейной аппроксимации на начальном блоке недельных цен закрытия. После этого открытия вложенное второе среднее обновляется от первого среднего, а не от цены, а выделенный ряд фильтра равен удвоенному первому среднему минус второе.

  • Линейная аппроксимация на начальном блоке цен закрытия может дать свободный член и наклон, которыми открываются оба экспоненциальных средних.
  • Вложенное второе среднее обновляется от текущего первого среднего, а не от сырой цены закрытия.
  • На каждом шаге фильтр равен удвоенному первому среднему минус второе среднее, и этот ряд записывается как выделенный выход.
  • Если регрессионные начальные значения опущены, оба средних вместо этого можно открыть первой ценой закрытия.
Записи этого разбора2 записи
Текущая дорожкаLinear regression112 разборовExponential smoothing117 разборов

Два вложенных средних и один ряд фильтра

DEMA1 — это построенный ценовой фильтр, равный удвоенному одиночному экспоненциальному среднему минус второе экспоненциальное среднее от этого первого среднего. Двухслойная конструкция сначала формирует экспоненциальное среднее ценового ряда, затем формирует вложенное второе среднее от этого первого среднего с тем же весом сглаживания.

Рассматриваемая конструкция использует недельные цены закрытия как упорядоченный входной ряд. Ряд фильтра записывается как выделенный выход, отдельно от двух вложенных средних, из которых он формируется.

Регрессионные начальные значения для обоих слоёв

Линейная аппроксимация на начальном блоке цен закрытия даёт свободный член и наклон, которыми открываются оба средних. Регрессионное начальное значение — это уровень открытия экспоненциального среднего, вычисленный из этого свободного члена и наклона, а не из первого наблюдения.

Открывающее значение первого среднего — это подогнанный свободный член минус ((1-0.074)/0.074), умноженное на подогнанный наклон. Открывающее значение второго среднего использует те же свободный член и наклон, но вычитает удвоенное это ((1-0.074)/0.074) кратное наклона.

Обновления после шага открытия

После инициализации первое среднее обновляется как 0.074, умноженное на новую цену закрытия, плюс (1-0.074), умноженное на его предыдущее значение. После инициализации второе среднее обновляется как 0.074, умноженное на текущее первое среднее, плюс (1-0.074), умноженное на его предыдущее значение.

Экспоненциальное среднее — это рекурсивный уровень, который смешивает новый вход с предыдущим уровнем с фиксированным весом. Вложенное второе среднее берёт в качестве входа первое экспоненциальное среднее, а не сырую цену. В этой конструкции вес сглаживания равен 0.074 — фиксированной доле, применяемой к самому новому входу при каждом обновлении.

Выделенный ряд фильтра

Значение фильтра на каждом шаге равно удвоенному первому среднему минус второе среднее. Эта комбинация и есть DEMA1, записываемая как собственный ряд, а не оставляемая внутри двух вложенных средних.

Оба средних вместо этого можно открыть первой ценой закрытия, если начальные значения по линейной аппроксимации опущены.

Недельное закрытие NASDAQ против DEMA1 с регрессионной затравкой и DEMA1 с затравкой по закрытию

Трейдер должен увидеть, как после краха 1987 года два старта DEMA1 расходятся — фильтр с регрессионной затравкой идёт ниже фильтра с затравкой по закрытию, — а около середины 1988 года смыкаются; обе средние отстают от недельного закрытия NASDAQ на V-образном дне 1990–91 и плотнее следуют за ним на подъёме 1992–93. Координаты сняты с нанесённых кривых; боковая панель даёт формулы, а не таблицу цен.
Трейдер должен увидеть, как после краха 1987 года два старта DEMA1 расходятся — фильтр с регрессионной затравкой идёт ниже фильтра с затравкой по закрытию, — а около середины 1988 года смыкаются; обе средние отстают от недельного закрытия NASDAQ на V-образном дне 1990–91 и плотнее следуют за ним на подъёме 1992–93. Координаты сняты с нанесённых кривых; боковая панель даёт формулы, а не таблицу цен.NASDAQ · Weekly · 1987-08-14T00:00:00.000Z по 1993-08-27T00:00:00.000Z

Источник фиксирует константу EMA на 0.074 и открывает обе средние от LINEST по первым 26 недельным закрытиям (D2:D27). Ряд с затравкой по закрытию вместо этого копирует первое закрытие в обе средние. Считывание с растра годится лишь примерно до пяти пунктов индекса.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
16 из 43 в дорожке «Linear regression»
19941-3 с.Дальше про «Linear regression»Построение двойного экспоненциального среднего из компенсации лагаНа безышумовом точном линейном ряде, уже достигшем установившегося режима, удвоенное первое экспоненциальное среднее минус второе восстанавливает исходный ряд в каждом временном индексе.
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 году199483 разбора
Все 112 разборов с записью «Linear regression»
Тоже про «Linear regression»5 разборов
1990Построение полиномиальных сглаживателей методом наименьших квадратов1994Построение двойного экспоненциального среднего из компенсации лага1994Засев фильтров DEMA2 для построения сигнала MACD1994Инициализация TEMA и DEMA регрессией временного тренда1995Проекционные полосы по наклонам регрессии максимумов и минимумов