तेजी से भारित चलती - औसत - विधि

चल औसत और भारित चल औसत के बीच अंतर क्या है। ऊपर की कीमतों के आधार पर, 5-अवधि की चलती औसत, निम्न सूत्र का उपयोग करके गणना की जाएगी। ऊपर के समीकरण पर आधारित, ऊपर सूचीबद्ध अवधि के औसत मूल्य 90 66 स्थिर औसत उतार-चढ़ाव को नष्ट करने के लिए चलती औसत का उपयोग करना एक प्रभावी तरीका है महत्वपूर्ण सीमा यह है कि डेटा के डेटा डेटा से आंकड़ों का डेटा डेटा सेट की शुरुआत के निकट डेटा पॉइंटों की तुलना में अलग नहीं होता है, यह वह जगह है जहां भारित चलती औसत प्ले में आती है। अधिक वर्तमान डेटा बिंदुओं के लिए भारी भार क्योंकि वे दूर के समय में डेटा बिंदुओं की तुलना में अधिक प्रासंगिक हैं भार का योग 1 या 100 तक जोड़ना चाहिए सरल चलती औसत के मामले में वेटिंग समान रूप से वितरित की जाती है, यही वजह है वे उपर्युक्त तालिका में नहीं दिखाए जाते हैं। एएपीएल की कीमत को समाप्त करना। दिन एन के अंत में होने वाले अनुमान के अनुसार बाज़ार चर की अस्थिरता के रूप में परिभाषित करें, विचरण दर टी वह दिन में अस्थिरता का वर्ग है। दिन के अंत में बाजार चर के मूल्य पर विचार करें। दिन के अंत में मैं दिन के दौरान लगातार चक्रित दर की दर है, अर्थात i-1 और दिन के अंत में मुझे व्यक्त किया गया है। इसके बाद, ऐतिहासिक डेटा से अनुमान लगाने के लिए मानक दृष्टिकोण का उपयोग करते हुए, हम विचलन के निष्पक्ष आवेदक की गणना करने के लिए सबसे हालिया एम-टिप्पणियों का उपयोग करेंगे। अगला का अर्थ है। अगला, चलो मानिए और विचरण के अधिकतम संभावना अनुमान का उपयोग करें अब तक, हम सभी के बराबर वजन लागू कर चुके हैं, इसलिए उपरोक्त परिभाषा को अक्सर बराबर-वेटेड अस्थिरता अनुमान के रूप में जाना जाता है। पहले, हमने कहा था कि हमारा लक्ष्य वर्तमान स्तर की अस्थिरता का अनुमान करना था, इसलिए यह उच्च भार देने में समझ में आता है पुराने लोगों की तुलना में हाल के आंकड़ों के अनुसार, ऐसा करने के लिए, भारित विचरण अनुमान को निम्नानुसार व्यक्त करें। I - दिन पहले एक अवलोकन के लिए दिए गए वजन की मात्रा। इसलिए, हाल के अवलोकनों को अधिक वजन देने के लिए। लंबे समय तक चलने वाले औसत विचरण Ide का एक संभावित विस्तार एक ऊपर यह मानना ​​है कि एक लंबे समय तक चलने वाला औसत विचरण होता है और इसे कुछ भार दिया जाना चाहिए। ऊपर मॉडल को एंगल मॉडल के रूप में जाना जाता है, जो एंगल द्वारा 1994 में प्रस्तावित किया गया था। एचएएमए ऊपर समीकरण का एक विशेष प्रकार है। मामले में, हम इसे बनाते हैं ताकि हम समय के माध्यम से आगे बढ़ते हुए चर की वज़न में तेजी लाए। पहले की प्रस्तुति के विपरीत, ईडब्ल्यूएमए में सभी पूर्व टिप्पणियां शामिल हैं, लेकिन पूरे समय में भारी मात्रा में गिरावट आती है। अगला, हम वजन के योग को लागू करते हैं वे एकता की बाधा के बराबर हैं। मूल्य के लिए. अब हम उन शब्दों को वापस समीकरण में प्लगित करते हैं अनुमान के लिए। एक बड़ा डेटा सेट के लिए, समीकरण से पर्याप्त रूप से अनदेखा होना छोटा है। ईडब्ल्यूएमए दृष्टिकोण के पास एक आकर्षक विशेषता है जिसके लिए यह आवश्यक है अपेक्षाकृत थोड़ा संग्रहीत डेटा किसी भी बिंदु पर हमारे अनुमान को अपडेट करने के लिए, हमें केवल विचरण दर का एक पूर्व अनुमान और सबसे हाल के अवलोकन मूल्य की आवश्यकता है। ईडब्ल्यूएमए का एक माध्यमिक उद्देश्य अस्थिरता में परिवर्तनों को ट्रैक करना है छोटे मूल्यों के लिए हालिया अवलोकन तुरंत अनुमान को प्रभावित करते हैं, एक के करीब मूल्यों के लिए, अंतर्निहित चर के रिटर्न में हाल के परिवर्तनों के आधार पर अनुमान धीरे-धीरे बदलता है। जेपी मॉर्गन द्वारा उत्पादित जोखिम ज्ञात डेटाबेस और सार्वजनिक उपलब्ध कराया गया रोज़ाना अस्थिरता को अद्यतन करने के लिए ईडब्ल्यूएमए का उपयोग करता है। महत्वपूर्ण ईडब्ल्यूएमए सूत्र लंबे समय तक औसत विचरण स्तर ग्रहण नहीं करता है, इसलिए, वाष्पशीलता का अर्थ यह है कि ईडब्ल्यूएमए द्वारा प्रतिवर्ती कब्जा नहीं किया गया है इस उद्देश्य के लिए ARCH Garch मॉडल बेहतर अनुकूल हैं। ईडब्ल्यूएमए का एक माध्यमिक उद्देश्य अस्थिरता में परिवर्तनों को ट्रैक करना है, इसलिए छोटे मूल्य, हालिया अवलोकन तुरंत अनुमान को प्रभावित करते हैं, और एक के करीब मूल्यों के लिए, अंतर्निहित चर की रिटर्न में हाल के परिवर्तनों में अनुमान धीरे-धीरे बदलता है। जेपी मॉर्गन द्वारा उत्पादित जोखिम ज्ञात डेटाबेस और सार्वजनिक रूप से 1 99 4 में बनाया, ईवएमए मॉडल का उपयोग करता है दैनिक वाष्पशीलता के अनुमान को अद्यतन करने के लिए कंपनी ने पाया कि बाजार चर की एक सीमा के पार, यह मान विचलन का पूर्वानुमान देता है जो एहसास हुआ विचरण दर के निकट आते हैं। किसी खास दिन की एहसास विचरण दर को अगले 25 दिनों में समान रूप से भारित औसत के रूप में माना जाता था। इसी प्रकार, हमारे डेटा सेट के लिए लैम्ब्डा के इष्टतम मूल्य की गणना करने के लिए, हमें एहसास करने की आवश्यकता है प्रत्येक बिंदु पर अस्थिरता कई तरीके हैं, तो एक अगला चुनें, चुकता त्रुटियों के योग की गणना करें EWMA अनुमान और एहसास हुआ अस्थिरता के बीच SSE अंत में, लैम्ब्डा मूल्य को अलग करके एसएसई को कम करें। सरल लगता है यह सबसे बड़ी चुनौती है कि एक एल्गोरिथ्म का आकलन अस्थिरता की गणना करने के लिए, उदाहरण के लिए, जोखिम मैट्रिक्स के लोगों ने 25 दिनों के लिए एहसास हुआ विचरण दर का आकलन किया। आपके मामले में, आप एक एल्गोरिदम चुन सकते हैं जो दैनिक वॉल्यूम, HI LO और या OPEN-CLOSE कीमतों का उपयोग करता है। 1Q क्या हम ईडब्ल्यूएमए अस्थिरता प्रतिनिधित्व एक लंबी-अवधि की औसत उतार-चढ़ाव नहीं मानता है, और इस प्रकार, किसी भी पूर्वानुमान के क्षितिज के लिए एक कदम से आगे, ईडब्ल्यूएमए एक स्थिर मूल्य देता है। एक बड़े डेटा सेट के लिए, मान का परिकल्पित मूल्य पर बहुत कम प्रभाव पड़ता है। आगे बढ़कर, हम उपयोगकर्ता-परिभाषित प्रारंभिक अस्थिरता मान को स्वीकार करने के लिए एक तर्क का लाभ उठाने की योजना बना रहे हैं। Q3 ईडब्ल्यूएमए के रिश्ते क्या है एआरएचएच गार्चे मॉडल। एचएएमए मूल रूप से निम्नलिखित विशेषताओं के साथ एक एआरच मॉडल का एक विशेष रूप है। एआरसीएच आदेश नमूना डेटा आकार के बराबर है। वजन पूरे समय में दर पर तेजी से घट रहा है। 4Q क्या ईडब्ल्यूएमए मतलब को वापस ले जाता है। कोई ईडब्ल्यूएमए में लंबे समय तक चलने वाले औसत के लिए कोई शब्द नहीं है, यह किसी भी मूल्य पर वापस नहीं आता है। Q5 एक दिन या आगे के आगे क्षितिज के लिए विचरण अनुमान क्या है। Q1 में, EWMA फ़ंक्शन स्थिरांक देता है एक-चरण अनुमान मूल्य के बराबर मान। Q6 मेरे पास साप्ताहिक मासिक वार्षिक डेटा है जिसका उपयोग मुझे करना चाहिए। आप अभी भी 0 94 को एक डिफ़ॉल्ट मान के रूप में उपयोग कर सकते हैं, लेकिन यदि आप इष्टतम मूल्य ढूंढना चाहते हैं, तो आपको EWMA के बीच एसएसई या एमएसई को कम करने के लिए एक अनुकूलन समस्या की स्थापना डी का एहसास अस्थिरता। अधिक जानकारी और उदाहरणों के लिए हमारी वेबसाइट पर टिप्स एंड संकेत्स में हमारी अस्थिरता 101 ट्यूटोरियल देखें। Q7 यदि मेरे डेटा में कोई शून्य मतलब नहीं है, तो मैं फ़ंक्शन का उपयोग कैसे कर सकता हूं। अब के लिए, निकालने के लिए डिटेट्रैण्ड फंक्शन का उपयोग करें इससे पहले कि आप इसे ईडब्ल्यूएमए फ़ंक्शन से पास करते हैं, उसके बारे में डेटा का मतलब। भविष्य में एनएमएक्सएल विज्ञप्ति में, ईडब्ल्यूएमए आपकी ओर से स्वचालित रूप से मतलब को निकाल देगा। हॉल, जॉन सी ऑप्शंस, फ्यूचर्स एंड अन्य डेरिवेटिव्स फाइनेंशियल टाइम्स प्रेंटिस हॉल 2003, पीपी 372-374 , आईएसबीएन 1-405-886145। हैमिल्टन, जेडी टाइम सीरीज़ विश्लेषण प्रिंसटन यूनिवर्सिटी प्रेस 1994, आईएसबीएन 0-691-0428 9-6 टीएसए, रुइ एस ऐनालिसिस ऑफ फाइनेंशियल टाइम सीरीज जॉन विले सन्स 2005, आईएसबीएन 0-471-690740.संबंधित लिंक। एक्सपेनोनियल व्हीटेड मूविंग एवरल एक्सप्लोरिंग। वोल्टालिटी जोखिम का सबसे सामान्य उपाय है, लेकिन यह कई जायके में आता है पिछले लेख में, हमने दिखाया है कि कैसे साधारण ऐतिहासिक अस्थिरता की गणना करना इस लेख को पढ़ने के लिए देखें, भविष्य की जोखिम को मापने के लिए अस्थिरता का प्रयोग करना Google का वास्तविक स्टॉक मूल्य इस्तेमाल किया स्टॉक डेटा के 30 दिनों के आधार पर दैनिक उतार-चढ़ाव की गणना करने के लिए डेटा इस आलेख में, हम साधारण अस्थिरता में सुधार करेंगे और तीव्रता से भारित चलती औसत EWMA ऐतिहासिक वि। इम्प्लाइड वालटिलिटी पहले पर चर्चा करेंगे, इस मीट्रिक को परिप्रेक्ष्य में थोड़ा सा लगा दिया ऐतिहासिक और निहित या अंतर्निहित अस्थिरता के दो व्यापक दृष्टिकोण ऐतिहासिक दृष्टिकोण यह मानते हैं कि अतीत से हम आशा में इतिहास को मापते हैं कि यह अनुमान लगाया जाता है कि दूसरी तरफ, अस्थिरता में प्रतीत होता है, इतिहास की उपेक्षा करता है, यह बाजार की कीमतों से उत्पन्न उतार-चढ़ाव के लिए हल करता है। बाजार में सबसे अच्छी बात है और बाजार मूल्य में भी शामिल है, भले ही परस्पर रूप से, अस्थिरता का एक सर्वसाधारण अनुमान, संबंधित रीडिंग के लिए, उपयोग और अस्थिरता की सीमाएं देखें। यदि हम उपरोक्त बाईं ओर सिर्फ तीन ऐतिहासिक दृष्टिकोणों पर ध्यान देते हैं, तो उनके पास दो चरण हैं सामान्य। आवधिक वापसी की श्रृंखला का वर्गीकरण करें। एक भारोत्तोलन योजना लागू करें। सबसे पहले, हम आवधिक वापसी की गणना करते हैं जो आम तौर पर दैनिक रेटू की एक श्रृंखला होती है आरएनएस जहां प्रत्येक प्रतिफल को लगातार जटिल शब्दों में व्यक्त किया जाता है, प्रत्येक दिन के लिए, हम स्टॉक की कीमतों के अनुपात का स्वाभाविक लॉग लेते हैं, आज की कीमत कल कल कीमत से विभाजित है, और इसी तरह। यह दैनिक रिटर्न की एक श्रृंखला का उत्पादन करती है, यूआई से यू आईएम कितने दिन मी दिन हम माप रहे हैं पर निर्भर करता है। यह हमें दूसरे चरण में ले जाता है यह वह जगह है जहां तीन दृष्टिकोण अलग हैं भविष्य के जोखिम को मापने के लिए अस्थिरता का उपयोग करते हुए पिछले लेख में हमने दिखाया कि स्वीकार्य सरलीकरण के तहत, सरल विचरण स्क्वायर रिटर्न का औसत। नोट करें कि यह प्रत्येक आवधिक रिटर्न के बारे में बताता है, फिर उस दिन की संख्या या टिप्पणियों की संख्या को विभाजित करता है। तो, यह सच है कि चुकता आवधिक रिटर्न का औसत सिर्फ एक और तरीका है, प्रत्येक चुकता वापसी है एक बराबर वजन दिया तो अगर अल्फा ए विशेष रूप से एक वेटिंग कारक है, तो एक 1 मीटर, तो एक साधारण विचरण ऐसा कुछ दिखता है। सरल विचरण पर ईडब्ल्यूएमए में सुधार इस दृष्टिकोण की कमजोरी यह है कि सभी रिटर्न कमाते हैं वही वजन कल की हाल ही में वापसी का पिछले महीने की वापसी की तुलना में विचलन पर और अधिक प्रभाव नहीं पड़ा है यह समस्या तेजी से भारित चलती औसत EWMA का उपयोग करके तय की गई है, जिसमें अधिक हाल के रिटर्न का विचरण पर अधिक वजन होता है। तेजी से भारित चलती औसत EWMA लैम्ब्डा का परिचय देता है जिसे लम्बाई पैरामीटर कहा जाता है लम्बेडा एक से कम होना चाहिए, उस स्थिति में बराबर वज़न के बजाय प्रत्येक स्क्वायर रिटर्न का गुणांक एक गुणक के रूप में भारित होता है। उदाहरण के लिए, जोखिम मुद्रीकरण टीएम, एक वित्तीय जोखिम प्रबंधन कंपनी, एक 0 94 या 94 के लैम्ब्डा, इस मामले में, सबसे पहले चुकता आवधिक वापसी का श्रेय 1-0 94 94 0 6 से होता है, अगले स्क्वेर्ड रिटर्न केवल इस मामले में पूर्व वजन का एक लैम्ब्डा-मल्टीपल होता है जो 6 गुणा 9 5 64 और तीसरा पहले दिन का वजन 1-0 94 94 94 2 5 30 के बराबर है। इसका अर्थ है कि ईडब्ल्यूएमए में प्रत्येक वजन एक निरंतर गुणक है, अर्थात् लैम्ब्डा, जो पहले दिन के वजन में से एक से कम होना चाहिए। अधिक भिन्न जानकारी के लिए भारित या पक्षपाती है यह सुनिश्चित करने के लिए, Google की अस्थिरता के लिए एक्सेल वर्कशीट देखें Google के लिए बस अस्थिरता और ईडब्ल्यूएमए के बीच का अंतर नीचे दिखाया गया है। साधारण अस्थिरता का प्रभावी रूप से 0 से हर आवधिक वापसी का वजन होता है 1 9 6 जैसा कि कॉलम ओ में दिखाया गया है, हमारे पास दो साल का दैनिक स्टॉक मूल्य डेटा था, जो कि 50 9 दैनिक रिटर्न और 1 50 9 0 1 9 6 है, लेकिन ध्यान दें कि कॉलम पी 6 का वजन, फिर 5 64, फिर 5 3 और इतना ही है सरल विचरण और ईडब्ल्यूएमए के बीच का अंतर। याद रखें कि हम कॉलम क्यू में पूरी श्रृंखला को जोड़ते हैं, तो हमारे पास विचरण होता है, जो मानक विचलन का वर्ग है यदि हम अस्थिरता चाहते हैं, हमें उस विचरण के वर्गमूल को याद रखना चाहिए। Google के मामले में विचरण और ईडब्ल्यूएमए के बीच दैनिक अस्थिरता में अंतर यह महत्वपूर्ण है कि सरल विचरण ने हमें 2 4 की एक दैनिक अस्थिरता दी, लेकिन ईडब्ल्यूएमए ने केवल 1 4 की एक दैनिक अस्थिरता को विवरण के लिए स्प्रैडशीट दिया, जाहिर है, जाओ आलोक की अस्थिरता अधिक हाल ही में बसे, इसलिए एक साधारण विचरण कृत्रिम रूप से ऊंचा हो सकता है। आज का विचरण पाइर डे के विचरण का कार्य है आप ध्यान देंगे कि हमें ज़्यादा गिरावट वाले वजन की लंबी श्रृंखला की गणना करने की आवश्यकता है हम यहां गणित नहीं जीते, लेकिन ईडब्ल्यूएमए की सबसे अच्छी विशेषताओं में से एक यह है कि पूरी श्रृंखला आसानी से एक रिकर्सिव फॉर्मूला को कम कर देता है। पुनरावृत्त का मतलब है कि आज के विचरण संदर्भ यानी पहले के विचरण का एक कार्य है आप स्प्रेडशीट में यह सूत्र भी पा सकते हैं, और यह यह बताता है कि ईडब्ल्यूएमए के तहत आज के विचलन के बराबर बराबर होता है, कल के लेन-देन से गिरे हुए कल के विचरण के बराबर प्लस कल शून्य चुकता होता है, एक शून्य से लैम्ब्डा द्वारा तौला जाता है ध्यान दें कि हम कल के भारित विचरण के साथ दो शब्दों को जोड़ते हैं और वेटेड, चुकता लौटा.इसके अलावा, लैम्ब्डा हमारा चौरसाई पैरामीटर है एक उच्च लैम्ब्डा उदा जैसे किस्कमैट्रिक 94 श्रृंखला में धीमी क्षय दर्शाता है - सापेक्ष रूप में, हम हैं श्रृंखला में अधिक डेटा अंक होने जा रहा है और वे अधिक धीरे धीरे गिरने जा रहे हैं दूसरी तरफ, अगर हम लैम्ब्डा को कम करते हैं, तो हम संकेत देते हैं कि अधिक तेज़ वजन तेजी से गिर जाते हैं और, तेज़ी से क्षय के प्रत्यक्ष परिणाम के रूप में, कम डेटा पॉइंट्स का उपयोग किया जाता है स्प्रैडशीट में लैम्ब्डा एक इनपुट होता है, इसलिए आप अपनी संवेदनशीलता के साथ प्रयोग कर सकते हैं। सारांश अस्थिरता एक स्टॉक का तात्कालिक मानक विचलन है और सबसे आम जोखिम मीट्रिक यह भिन्नता का वर्गमूल भी है जो हम विचरण को माप सकते हैं ऐतिहासिक या निहित अर्थपूर्ण अस्थिरता जब ऐतिहासिक रूप से मापने के लिए, सबसे आसान तरीका सरल विचरण होता है लेकिन सरल विचरण के साथ कमजोरी सभी वही वजन एक ही वजन मिलता है इसलिए हम एक क्लासिक ट्रेड-ऑफ का सामना करते हैं, हम हमेशा अधिक डेटा चाहते हैं, लेकिन अधिक डेटा में हमारे पास अधिक गणना को दूर कम प्रासंगिक आंकड़ों से पतला किया जाता है तीव्रता से भारित चलती औसत EWMA आवधिक रिटर्न के लिए वजन बताकर सरल विचरण पर सुधार करता है, ऐसा करने से हम दोनों एक लावार का उपयोग कर सकते हैं जीई नमूना आकार लेकिन अधिक हाल के रिटर्न के लिए अधिक वजन भी देते हैं। इस विषय पर एक फिल्म ट्यूटोरियल देखने के लिए, बायोनिक कछुए पर जाएं। संयुक्त राज्य राज्य ब्यूरो ऑफ लेबर स्टेटस द्वारा किए गए एक सर्वेक्षण में रोजगार की रिक्तियों को मापने में मदद करने के लिए यह नियोक्ताओं से डेटा एकत्र करता है। संयुक्त राज्य अमेरिका की अधिकतम राशि उधार ले सकती है ऋण की सीमा द्वितीय लिबर्टी बॉण्ड अधिनियम के तहत बनाई गई। ब्याज दर जिस पर एक डिपॉजिटरी संस्था फेडरल रिजर्व में एक अन्य डिपॉजिटरी संस्था में रखी गई धनराशि रखती है। किसी दिए गए सुरक्षा या बाजार सूचकांक के लिए रिटर्न के फैलाव का एक सांख्यिकीय उपाय वाष्पशीलता या तो मापा जा सकता है। एक अधिनियम अमेरिकी कांग्रेस ने 1 9 33 में बैंकिंग अधिनियम के रूप में पारित किया, जिसने वाणिज्यिक बैंकों को निवेश में भाग लेने से मना किया। नॉनफ़ॉर्म पेरोल में खेतों, निजी घरों और गैर-लाभकारी क्षेत्र के बाहर किसी भी नौकरी का उल्लेख है अमेरिकी श्रम ब्यूरो