Eine nicht gewichtete Varianz wurde bereits hier und anderswo angesprochen, aber es scheint immer noch eine überraschende Verwirrung zu geben. Es scheint ein Konsens über die Formel, die in der ersten Link sowie in der Wikipedia-Artikel. Dies sieht auch wie die Formel aus, die von R, Mathematica und GSL (aber nicht MATLAB) verwendet wird. Allerdings enthält der Wikipedia-Artikel auch die folgende Zeile, die wie eine große Sanity-Check für eine gewichtete Varianz Umsetzung aussehen: Wenn zum Beispiel Werte aus der gleichen Verteilung gezogen werden, dann können wir diese Menge als eine ungewichtete Probe behandeln, oder wir behandeln können Es als die gewichtete Probe mit entsprechenden Gewichten, und wir sollten die gleichen Ergebnisse erhalten. Meine Berechnungen geben den Wert von 2.1667 für die Varianz der ursprünglichen Werte und 2.9545 für die gewichtete Varianz an. Sollte ich wirklich erwarten, dass sie die gleichen Warum oder warum nicht Ja, sollten Sie erwarten, dass beide Beispiele (ungewichtet vs gewichtet), um Ihnen die gleichen Ergebnisse. Ich habe die beiden Algorithmen aus dem Wikipedia-Artikel implementiert. Wenn alle xi aus derselben Verteilung gezogen sind und die ganzzahligen Gewichte wi die Häufigkeit des Auftretens in der Probe angeben, so ist die unbestimmte Schätzung der gewichteten Populationsabweichung gegeben durch: s2 frac sum N wi left (xi - muright) 2, Jedoch ist diese (mit fraktionalen Gewichten) nicht für mich wirksam: Wird jedes xi aus einer Gaußschen Verteilung mit Varianz 1wi gezogen, so ist die unscharfe Schätzung einer gewichteten Populationsabweichung gegeben durch: s2 frac sum N wi left (xi - muright) 2 Ich untersuche noch die Gründe, warum die zweite Gleichung nicht wie vorgesehen funktioniert. EDIT: Der Grund, warum die zweite Gleichung nicht funktionieren, wie ich dachte: Sie können die zweite Gleichung nur verwenden, wenn Sie Gewichte oder Abweichung (Zuverlässigkeit) Gewichte normalisiert haben, und es ist nicht unvoreingenommen, denn wenn Sie nicht verwenden Wiederholungsgewichte (Zählen Wie oft eine Beobachtung beobachtet wurde und sollte daher in Ihrem mathematischen Operationen wiederholt werden), verlieren Sie die Fähigkeit, die Gesamtzahl der Beobachtungen zählen, und so können Sie nicht verwenden einen Korrekturfaktor. Dies erklärt den Unterschied in Ihren Ergebnissen mit gewichteter und nicht gewichteter Varianz: Ihre Berechnung ist voreingenommen. Also, wenn Sie eine unvoreingenommene gewichtete Varianz haben wollen, verwenden Sie nur Wiederholungsgewichte und verwenden Sie die erste Gleichung, die ich oben geschrieben habe. Wenn das nicht möglich ist, gut, können Sie nicht helfen it. Weight Moving Averages: Die Grundlagen Im Laufe der Jahre haben Techniker zwei Probleme mit dem einfachen gleitenden Durchschnitt gefunden. Das erste Problem liegt im Zeitrahmen des gleitenden Durchschnitts (MA). Die meisten technischen Analysten glauben, dass Preis-Aktion. Der Eröffnungs - oder Schlussaktienkurs, reicht nicht aus, um davon abhängen zu können, ob Kauf - oder Verkaufssignale der MAs-Crossover-Aktion richtig vorhergesagt werden. Zur Lösung dieses Problems weisen die Analysten den jüngsten Preisdaten jetzt mehr Gewicht zu, indem sie den exponentiell geglätteten gleitenden Durchschnitt (EMA) verwenden. (Erfahren Sie mehr bei der Exploration der exponentiell gewogenen gleitenden Durchschnitt.) Ein Beispiel Zum Beispiel, mit einem 10-Tage-MA, würde ein Analytiker den Schlusskurs des 10. Tag nehmen und multiplizieren Sie diese Zahl mit 10, der neunte Tag um neun, der achte Tag um acht und so weiter auf die erste der MA. Sobald die Summe bestimmt worden ist, würde der Analytiker dann die Zahl durch die Addition der Multiplikatoren dividieren. Wenn Sie die Multiplikatoren des 10-Tage-MA-Beispiels hinzufügen, ist die Zahl 55. Dieses Kennzeichen wird als linear gewichteter gleitender Durchschnitt bezeichnet. (Für verwandte Themen lesen Sie in Simple Moving Averages machen Trends Stand Out.) Viele Techniker sind fest Anhänger in der exponentiell geglättet gleitenden Durchschnitt (EMA). Dieser Indikator wurde auf so viele verschiedene Weisen erklärt, dass er Studenten und Investoren gleichermaßen verwirrt. Vielleicht die beste Erklärung kommt von John J. Murphys Technische Analyse der Finanzmärkte, (veröffentlicht von der New York Institute of Finance, 1999): Der exponentiell geglättete gleitende Durchschnitt behebt beide Probleme mit dem einfachen gleitenden Durchschnitt verbunden. Erstens weist der exponentiell geglättete Durchschnitt den neueren Daten ein größeres Gewicht zu. Daher ist es ein gewichteter gleitender Durchschnitt. Doch während es den vergangenen Preisdaten eine geringere Bedeutung zuweist, enthält es in seiner Berechnung alle Daten in der Lebensdauer des Instruments. Zusätzlich ist der Benutzer in der Lage, die Gewichtung anzupassen, um ein größeres oder geringeres Gewicht zu dem letzten Tagespreis zu ergeben, der zu einem Prozentsatz des vorherigen Tageswertes addiert wird. Die Summe der beiden Prozentwerte addiert sich zu 100. Beispielsweise könnte dem letzten Tagespreis ein Gewicht von 10 (.10) zugewiesen werden, das zu dem vorherigen Tagegewicht von 90 (.90) addiert wird. Das ergibt den letzten Tag 10 der Gesamtgewichtung. Dies wäre das Äquivalent zu einem 20-Tage-Durchschnitt, indem die letzten Tage Preis einen kleineren Wert von 5 (.05). Abbildung 1: Exponentiell geglättete gleitende Durchschnittswerte Die obige Grafik zeigt den Nasdaq Composite Index von der ersten Woche im Aug. 2000 bis zum 1. Juni 2001. Wie Sie deutlich sehen können, ist die EMA, die in diesem Fall die Schlusskursdaten über einen Neun-Tage-Zeitraum, hat endgültige Verkaufssignale am 8. September (gekennzeichnet durch einen schwarzen Pfeil nach unten). Dies war der Tag, an dem der Index unter dem Niveau von 4.000 unterbrach. Der zweite schwarze Pfeil zeigt ein anderes Bein, das die Techniker tatsächlich erwartet hatten. Der Nasdaq konnte nicht genug Volumen und Interesse von den Kleinanlegern erzeugen, um die 3.000 Marke zu brechen. Danach tauchte es wieder zu Boden, um 1619.58 am 4. April. Der Aufwärtstrend vom 12. April ist durch einen Pfeil markiert. Hier schloss der Index bei 1.961,46, und Techniker begannen zu sehen, institutionelle Fondsmanager ab, um einige Schnäppchen wie Cisco, Microsoft und einige der energiebezogenen Fragen abholen. (Lesen Sie unsere verwandten Artikel: Moving Average Umschläge: Raffinieren ein beliebtes Handelswerkzeug und Moving Average Bounce.) Ein Maß für eine company039s operative Rentabilität. Er entspricht dem Ergebnis vor Zinsen, Steuern und Abschreibungen. Englisch: eur-lex. europa. eu/LexUriServ Englisch: eur-lex. europa. eu/LexUriServ/LexUri...0053: EN: HTML Eine Abkürzung zur Schätzung der Anzahl von Jahren, die erforderlich sind, um Ihr Geld mit einer gegebenen jährlichen Rendite zu verdoppeln (siehe zusammengesetzte jährliche Zinssätze), die auf einem Darlehen belastet oder auf einer Anlage über einen bestimmten Zeitraum realisiert werden Investment-Grade-Sicherheit durch einen Pool von Anleihen, Darlehen und andere Vermögenswerte gesichert. CDOs nicht in einer Art von Schulden spezialisiert. Das Jahr, in dem der erste Zustrom von Investitionskapital an ein Projekt oder ein Unternehmen geliefert wird. Dies markiert, wenn das Kapital ist.
No comments:
Post a Comment