Fórmula De Média Móvel De 3ª Geração

3ª Geração Média Móvel 3ª Geração Média Móvel MetaTrader Indicador O mdash é uma versão avançada da média móvel padrão (MA), que implementa um procedimento de redução de lag bastante simples baseado no período MA mais longo. O método foi descrito pela primeira vez por M. Duerschner no seu artigo Gleitende Durchschnitte 3.0 (em alemão). A versão apresentada utiliza lambda 2. que proporciona a melhor redução de atraso possível. Maior lambda aumenta a similaridade com a média móvel clássica. O indicador está disponível para MT4 e MT5. Ele não requer o uso de qualquer DLL. Parâmetros de entrada: MAPeriod (padrão 50) mdash um período da média móvel da 3ª geração. MAMethod (padrão 1) método mdash da média móvel. 0 mdash SMA, 1 mdash EMA, 2 mdash SMMA, 3 mdash LWMA. MAAppliedPrice (padrão 5) mdash preço aplicado para a média móvel. 0 mdash PRICECLOSE, 1 mdash PRICEOPEN, 2 mdash PRICEHIGH, 3 mdash PRICELOW, 4 mdash PRICEMEDIAN, 5 mdash PRICETYPICAL, 6 mdash PRICEWEEDED. Como você pode ver, a MA de terceira geração (linha vermelha) oferece um atraso ligeiramente menor do que a EMA convencional (linha azul) e reage às mudanças de preços mais rapidamente. Infelizmente, ainda é propenso a atraso e pode produzir sinais falsos. Você pode usar o indicador de Forex de média móvel da 3ª Geração igual ao padrão mdash de média móvel para detectar a direção da tendência atual. Este indicador é usado para negociação no consultor especializado MA 3G para MA. Downloads: Discussão: A Forecast Calculation Examples A.1 Previsão Cálculo Métodos Doze métodos de cálculo de previsões estão disponíveis. A maioria desses métodos fornece controle limitado do usuário. Por exemplo, o peso colocado nos dados históricos recentes ou o intervalo de datas dos dados históricos utilizados nos cálculos pode ser especificado. Os exemplos seguintes mostram o procedimento de cálculo para cada um dos métodos de previsão disponíveis, dado um conjunto idêntico de dados históricos. Os exemplos a seguir usam os mesmos dados de vendas de 2004 e 2005 para produzir uma previsão de vendas de 2006. Além do cálculo da previsão, cada exemplo inclui uma previsão simulada de 2005 para um período de retenção de três meses (opção de processamento 19 3), que é usado para os cálculos de precisão e desvio absoluto médio (vendas reais em comparação com a previsão simulada). A.2 Critérios de Avaliação de Desempenho de Previsão Dependendo da sua seleção de opções de processamento e das tendências e padrões existentes nos dados de vendas, alguns métodos de previsão terão um desempenho melhor do que outros para um dado conjunto de dados históricos. Um método de previsão apropriado para um produto pode não ser apropriado para outro produto. Também é improvável que um método de previsão que forneça bons resultados numa fase do ciclo de vida de um produto permaneça apropriado ao longo de todo o ciclo de vida. Você pode escolher entre dois métodos para avaliar o desempenho atual dos métodos de previsão. Estes são Desvio Médio Absoluto (MAD) e Porcentagem de Precisão (POA). Ambos os métodos de avaliação de desempenho requerem dados de vendas históricos para um período de tempo especificado pelo usuário. Esse período de tempo é chamado de período de retenção ou período de melhor ajuste (PBF). Os dados neste período são usados ​​como base para recomendar qual dos métodos de previsão usar na realização da projeção de projeção seguinte. Essa recomendação é específica para cada produto e pode mudar de uma geração de projeção para outra. Os dois métodos de avaliação de desempenho de previsão são demonstrados nas páginas que seguem os exemplos dos doze métodos de previsão. A.3 Método 1 - Percentual especificado no último ano Este método multiplica os dados de vendas do ano anterior por um fator especificado pelo usuário, por exemplo, 1,10 para um aumento de 10 ou 0,97 para uma diminuição de 3. Histórico de vendas necessário: Um ano para calcular a previsão mais o número de períodos de tempo especificado pelo usuário para avaliar o desempenho da previsão (opção de processamento 19). A.4.1 Cálculo de Previsão Faixa do histórico de vendas a ser usado no cálculo do fator de crescimento (opção de processamento 2a) 3 neste exemplo. Soma dos últimos três meses de 2005: 114 119 137 370 Soma dos mesmos três meses do ano anterior: 123 139 133 395 O fator calculado 370395 0,9367 Calcule as previsões: Janeiro de 2005 vendas 128 0,9367 119,8036 ou cerca de 120 de fevereiro de 2005 vendas 117 0,9367 109,5939 ou cerca de 110 de março de 2005 vendas 115 0,9367 107,7205 ou cerca de 108 A.4.2 Cálculo de Previsão Simulado Soma dos três meses de 2005 antes do período de retenção (julho, agosto, setembro): 129 140 131 400 Soma os mesmos três meses para o Ano anterior: 141 128 118 387 O fator calculado 400387 1.033591731 Calcula a previsão simulada: Outubro, 2004 vendas 123 1.033591731 127.13178 Vendas de novembro de 2004 139 1.033591731 143.66925 Vendas de dezembro de 2004 133 1.033591731 137.4677 A.4.3 Por cento de Precisão Cálculo POA (127.13178 143.66925 137.4677) (114 119 137) 100 408,26873 370 100 110,3429 A.4.4 Cálculo do Desvio Absoluto Médio MAD (127,13178 - 114 143,66925 - 119 137,4677 - 137) 3 (13.13178 24.66925 0.4677) 3 12.75624 A.5 Método 3 - Último ano até este ano Este método copia os dados de vendas do ano anterior para o próximo ano. Histórico de vendas necessário: Um ano para calcular a previsão mais o número de períodos de tempo especificados para avaliar o desempenho da previsão (opção de processamento 19). A.6.1 Cálculo da Previsão Número de períodos a incluir na média (opção de processamento 4a) 3 neste exemplo Para cada mês da previsão, faça a média dos dados dos três meses anteriores. Previsão de Janeiro: 114 119 137 370, 370 3 123.333 ou 123 Previsão de Fevereiro: 119 137 123 379, 379 3 126.333 ou 126 Previsão de Março: 137 123 126 379, 386 3 128.667 ou 129 A.6.2 Cálculo Previsto Simulado Outubro 2005 140 131) 3 133.3333 Vendas de Novembro de 2005 (140 131 114) 3 128.3333 Vendas de Dezembro de 2005 (131 114 119) 3 121.3333 A.6.3 Percentagem de Precisão Cálculo POA (133.3333 128.3333 121.3333) (114 119 137) 100 103.513 A.6.4 Média Absoluta Cálculo do Desvio MAD (133.3333 - 114 128.3333 - 119 121.3333 - 137) 3 14.7777 A.7 Método 5 - Aproximação linear A aproximação linear calcula uma tendência baseada em dois pontos de dados do histórico de vendas. Esses dois pontos definem uma linha de tendência reta projetada para o futuro. Use esse método com cautela, pois as previsões de longo alcance são alavancadas por pequenas alterações em apenas dois pontos de dados. Histórico de vendas necessário: O número de períodos a incluir em regressão (opção de processamento 5a), mais 1 mais o número de períodos de tempo para avaliar o desempenho da previsão (opção de processamento 19). A.8.1 Cálculo de Previsão Número de períodos a incluir em regressão (opção de processamento 6a) 3 neste exemplo Para cada mês da previsão, adicione o aumento ou diminuição durante os períodos especificados antes do período de retenção do período anterior. Média dos três meses anteriores (114 119 137) 3 123.3333 Resumo dos três meses anteriores com ponderação considerada (114 1) (119 2) (137 3) 763 Diferença entre os valores 763 - 123.3333 (1 2 3) 23 Relação ( 12 22 32) - 2 3 14 - 12 2 Valor1 DiferençaRatio 232 11,5 Valor2 Relação média - valor1 123,3333 - 11,5 2 100,333 Previsão (1 n) valor1 valor2 4 11,5 100,3333 146,333 ou 146 Previsão 5 11,5 100,3333 157,8333 ou 158 Previsão 6 11,5 100,3333 169,3333 Ou 169 A.8.2 Cálculo de Previsão Simulado Vendas de Outubro de 2004: Média dos três meses anteriores (129 140 131) 3 133.3333 Resumo dos três meses anteriores com ponderação considerada (129 1) (140 2) (131 3) 802 Diferença entre Valores 802 - 133.3333 (1 2 3) 2 Relação (12 22 32) - 2 3 14 - 12 2 Valor1 DiferençaRatio 22 1 Valor2 Relação média - valor1 133.3333 - 1 2 131.3333 Previsão (1 n) valor1 valor2 4 1 131.3333 135.3333 Novembro de 2004 vendas Média dos três meses anteriores (140 131 114) 3 128.3333 Resumo dos três meses anteriores com peso considerado (140 1) (131 2) (114 3) 744 Diferença entre os valores 744 - 128.3333 (1 2 3) -25.9999 Valor1 DiferençaRatio -25,99992 -12,9999 Valor2 Relação média-valor1 128,3333 - (-12,9999) 2 154,3333 Previsão 4 -12,9999 154,3333 102,3333 Vendas de Dezembro de 2004 Média dos três meses anteriores (131 114 119) 3 121.3333 Resumo dos três meses anteriores com ponderação considerada 131 1) (114 2) (119 3) 716 Diferença entre os valores 716 - 121.3333 (1 2 3) -11.9999 Valor1 DiferençaRatio -11.99992 -5.9999 Valor2 Relação média-valor1 121.3333 - (-5.9999) 2 133.3333 Previsão 4 (-5.9999 ) 133,3333 109,3333 A.8.3 Percentagem de Precisão Cálculo POA (135,33 102,33 109,33) (114 119 137) 100 93,78 A.8,4 Cálculo do Desvio Absoluto Média MAD (135,33-1 114 102,33 - 119 109,33-137) 3 21,88 A.9 Método 7 - Secon D Grau de Aproximação A Regressão Linear determina os valores de aeb na fórmula de previsão Y a bX com o objetivo de ajustar uma linha reta aos dados do histórico de vendas. Aproximação de segundo grau é semelhante. No entanto, este método determina valores para a, b e c na fórmula de previsão Y a bX cX2 com o objetivo de ajustar uma curva aos dados do histórico de vendas. Este método pode ser útil quando um produto está na transição entre fases de um ciclo de vida. Por exemplo, quando um novo produto passa da introdução para os estádios de crescimento, a tendência de vendas pode acelerar. Devido ao termo de segunda ordem, a previsão pode aproximar-se rapidamente do infinito ou cair para zero (dependendo se o coeficiente c é positivo ou negativo). Portanto, este método é útil apenas no curto prazo. Especificações de previsão: As fórmulas encontram a, b e c para encaixar uma curva em exatamente três pontos. Você especifica n na opção de processamento 7a, o número de períodos de tempo de dados a serem acumulados em cada um dos três pontos. Neste exemplo n 3. Portanto, os dados de vendas reais de abril a junho são combinados no primeiro ponto, Q1. Julho a setembro são adicionados em conjunto para criar Q2, e de outubro a dezembro somam para Q3. A curva será ajustada aos três valores Q1, Q2 e Q3. Histórico de vendas necessário: 3 n períodos para o cálculo da previsão mais o número de períodos necessários para avaliar o desempenho da previsão (PBF). Número de períodos a incluir (opção de processamento 7a) 3 neste exemplo Utilize os meses anteriores (3 n) em blocos de três meses: Q1 (Abr - Jun) 125 122 137 384 Q2 (Jul - Set) 129 140 131 400 Q3 O passo seguinte envolve o cálculo dos três coeficientes a, b e c a serem utilizados na fórmula de previsão Y a bX cX2 (1) Q1 a bX cX2 (onde X1) abc (2) Q2 A b c c X 2 (onde X 2) a 2b 4c (3) Q3 a bX cX2 (onde X 3) a 3b 9c Resolva as três equações simultaneamente para encontrar b, ae c: Subtraia a equação (1) da equação (2) E resolva para b (2) - (1) Q2 - Q1 b 3c Substitua esta equação para b na equação (3) (3) Q3 a 3 (Q2 - Q1) - 3c c Finalmente, substitua essas equações por aeb por (Q3 - Q2) (Q1 - Q2) 2 O método de Aproximação de Segundo Grau calcula a, b e c da seguinte forma: a Q3 (Q2 - Q1) 3 (Q2 - Q1) 370 - 3 (400 - 384) 322 c (Q3 - Q2) (Q1 - Q2) 2 (370-400) (384-400) 2 -23 b (Q2 - Q1) - 3c (400 - 384) - (3 -23) 85 Y a bX cX2 322 85X (-23) X2 Previsão de Janeiro a Março (X4): (322 340 - 368) 3 2943 98 Por período Previsão de Abril a Junho (X5): (322 425-575) 3 57.333 ou 57 por período Previsão de Julho a Setembro (X6): (322 510 - 828) 3 1.33 ou 1 por período de Outubro a Dezembro (X7) 595 - 11273 -70 A.9.2 Cálculo de Previsão Simulado Vendas de outubro, novembro e dezembro de 2004: Q1 (jan - mar) 360 Q2 (abril a junho) 384 Q3 (jul - set) 400 a 400 - 3 (384 - 360) 328 c (400 - 384) (360 - 384) 2 -4 b (384 - 360) - 3 (-4) 36 328 36 4 (-4) 163 136 A.9.3 Percentagem do cálculo da precisão POA (136 136 136) (114 119 137) 100 110,27 A.9.4 Cálculo do Desvio Absoluto Médio MAD (136 - 114 136 - 119 136 - 137) 3 13,33 A.10 Método 8 - Método Flexível O Método Flexível (Percentagem sobre n Meses Anterior) é semelhante ao Método 1, Percentagem em relação ao ano passado. Ambos os métodos multiplicam os dados de vendas de um período de tempo anterior por um fator especificado pelo usuário e projetam o resultado para o futuro. No método Percent Over Last Year, a projeção é baseada em dados do mesmo período do ano anterior. O método flexível adiciona a capacidade de especificar um período de tempo diferente do mesmo período do ano passado para usar como base para os cálculos. Fator de multiplicação. Por exemplo, especifique 1.15 na opção de processamento 8b para aumentar os dados do histórico de vendas anteriores em 15. Período de base. Por exemplo, n 3 fará com que a primeira previsão se baseie nos dados de vendas em outubro de 2005. Histórico mínimo de vendas: O usuário especificou o número de períodos de volta ao período base, mais o número de períodos necessários para avaliar o desempenho da previsão PBF). A.10.4 Cálculo do Desvio Absoluto Médio MAD (148 - 114 161 - 119 151 - 137) 3 30 A.11 Método 9 - Média Móvel Ponderada O método Média Móvel Ponderada (WMA) é semelhante ao Método 4, Média Móvel (MA). No entanto, com a Média Móvel Ponderada, você pode atribuir pesos desiguais aos dados históricos. O método calcula uma média ponderada do histórico de vendas recente para chegar a uma projeção para o curto prazo. Os dados mais recentes geralmente são atribuídos a um peso maior do que os dados mais antigos, o que torna a WMA mais responsiva às mudanças no nível de vendas. No entanto, o viés de previsão e erros sistemáticos ainda ocorrem quando o histórico de vendas do produto exibe tendência forte ou padrões sazonais. Esse método funciona melhor para as projeções de curto prazo de produtos maduros do que para produtos em estágios de crescimento ou obsolescência do ciclo de vida. N o número de períodos de histórico de vendas a serem utilizados no cálculo da previsão. Por exemplo, especifique n 3 na opção de processamento 9a para usar os três períodos mais recentes como base para a projeção para o próximo período de tempo. Um grande valor para n (como 12) requer mais histórico de vendas. Isso resulta em uma previsão estável, mas será lento para reconhecer mudanças no nível de vendas. Por outro lado, um pequeno valor para n (como 3) responderá mais rapidamente às mudanças no nível de vendas, mas a previsão pode flutuar tão amplamente que a produção não pode responder às variações. O peso atribuído a cada um dos períodos de dados históricos. Os pesos atribuídos devem totalizar 1,00. Por exemplo, quando n 3, atribua pesos de 0,6, 0,3 e 0,1, com os dados mais recentes recebendo o maior peso. Histórico de vendas mínimo necessário: n mais o número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). MAD (133,5 - 114 121,7 - 119 118,7 - 137) 3 13,5 A.12 Método 10 - Suavização linear Este método é semelhante ao Método 9, Média Móvel Ponderada (WMA). No entanto, em vez de atribuir arbitrariamente ponderações aos dados históricos, uma fórmula é usada para atribuir pesos que diminuem linearmente e somam a 1,00. O método calcula então uma média ponderada do histórico de vendas recente para chegar a uma projeção para o curto prazo. Como acontece com todas as técnicas de projeção de média móvel linear, o viés de previsão e os erros sistemáticos ocorrem quando o histórico de vendas do produto exibe tendência forte ou padrões sazonais. Esse método funciona melhor para as projeções de curto prazo de produtos maduros do que para produtos em estágios de crescimento ou obsolescência do ciclo de vida. N o número de períodos de histórico de vendas a serem utilizados no cálculo da previsão. Isto é especificado na opção de processamento 10a. Por exemplo, especifique n 3 na opção de processamento 10b para usar os três períodos mais recentes como base para a projeção para o próximo período de tempo. O sistema atribuirá automaticamente os pesos aos dados históricos que diminuem linearmente e somam a 1,00. Por exemplo, quando n3, o sistema atribuirá pesos de 0,5, 0,3333 e 0,1, com os dados mais recentes recebendo o maior peso. Histórico de vendas mínimo necessário: n mais o número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). A.12.1 Cálculo de Previsão Número de períodos a incluir na média de suavização (opção de processamento 10a) 3 neste exemplo Razão para um período anterior 3 (n2 n) 2 3 (32 3) 2 36 0,5 Razão para dois períodos anteriores 2 (n2 n ) 2 2 (32 3) 2 26 0,3333 .. Proporção para três períodos anteriores 1 (n2 n) 2 1 (32 3) 2 16 0,1666 .. Previsão de Janeiro: 137 0,5 119 13 114 16 127,16 ou 127 Previsão de Fevereiro: 127 0,5 137 13 119 16 129 Previsão de Março: 129 0,5 127 13 137 16 129,666 ou 130 A.12.2 Cálculo Previsto Simulado Outubro 2004 vendas 129 16 140 26 131 36 133,6666 Novembro 2004 vendas 140 16 131 26 114 36 124 Dezembro 2004 vendas 131 16 114 26 119 36 119.3333 A.12.3 Cálculo do Desvio Absoluto Médio MAD (133.6666 - 114 124 - 119 119.3333 - 137) 3 14.1111 A.13 Método 11 - Suavização Exponencial Este método é semelhante ao Método 10, Linear Smoothing. No Linear Smoothing, o sistema atribui pesos aos dados históricos que diminuem linearmente. Na suavização exponencial, o sistema atribui pesos que decrescem exponencialmente. A equação de previsão de suavização exponencial é: Previsão a (Vendas reais anteriores) (1 - a) Previsão Anterior A previsão é uma média ponderada das vendas reais do período anterior e da previsão do período anterior. A é o peso aplicado às vendas reais do período anterior. (1-a) é o peso aplicado à previsão do período anterior. Valores válidos para um intervalo de 0 a 1, e geralmente caem entre 0,1 e 0,4. A soma dos pesos é 1,00. A (1-a) 1 Você deve atribuir um valor para a constante de suavização, a. Se você não atribui valores para a constante de suavização, o sistema calcula um valor assumido com base no número de períodos do histórico de vendas especificado na opção de processamento 11a. A constante de suavização utilizada no cálculo da média suavizada para o nível geral ou magnitude das vendas. Valores válidos para um intervalo de 0 a 1. n o intervalo de dados do histórico de vendas a incluir nos cálculos. Geralmente um ano de dados de histórico de vendas é suficiente para estimar o nível geral de vendas. Para este exemplo, foi escolhido um pequeno valor para n (n 3) para reduzir os cálculos manuais necessários para verificar os resultados. A suavização exponencial pode gerar uma previsão baseada em apenas um ponto de dados históricos. Histórico de vendas mínimo necessário: n mais o número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). A.13.1 Cálculo de Previsão Número de períodos a incluir na média de suavização (opção de processamento 11a) 3 e factor alfa (opção de processamento 11b) em branco neste exemplo um factor para os dados de vendas mais antigos 2 (11) ou 1 quando alfa é especificado Um fator para os dados de vendas mais antigos 2 (12), ou alfa quando alfa é especificado um fator para os dados de vendas mais antigos 3 2 (13), ou alfa quando alfa é especificado um fator para os dados de vendas mais recentes 2 (1n) , Ou alfa quando alfa é especificado Novembro Sm. Média. A (Outubro Real) (1 - a) Outubro Sm. Média. 1 114 0 0 114 Dezembro Sm. Média. A (Novembro Real) (1 - a) Novembro Sm. Média. 23 119 13 114 117.3333 Janeiro Previsão a (Dezembro Real) (1 - a) Dezembro Sm. Média. 24 137 24 117.3333 127.16665 ou 127 Fevereiro Previsão Janeiro Previsão Previsão Janeiro Previsão 127 A.13.2 Previsão simulada Cálculo Julho, 2004 Sm. Média. 22 129 129 Agosto Sm. Média. 23 140 13 129 136,333 Setembro Sm. Média. 24 131 24 136.3333 133.6666 Outubro, 2004 vendas Setembro Sm. Média. 133,6666 Agosto, 2004 Sm. Média. 22 140 140 Setembro Sm. Média. 23 131 13 140 134 Outubro Sm. Média. 24 114 24 134 124 Novembro, 2004 vendas Setembro Sm. Média. 124 Setembro 2004 Sm. Média. 22 131 131 Outubro Sm. Média. 23 114 13 131 119,6666 Novembro Sm. Média. 24 119 24 119,6666 119,3333 Dezembro 2004 vendas Setembro Sm. Média. 119.3333 A.13.3 Percentagem de Precisão Cálculo POA (133.6666 124 119.3333) (114 119 137) 100 101.891 A.13.4 Cálculo do Desvio Absoluto Médio MAD (133.6666 - 114 124 - 119 119.3333 - 137) 3 14.1111 A.14 Método 12 - Suavização Exponencial Com Tendência e Sazonalidade Este método é semelhante ao Método 11, Suavização Exponencial em que uma média suavizada é calculada. No entanto, o Método 12 também inclui um termo na equação de previsão para calcular uma tendência suavizada. A previsão é composta por uma média suavizada ajustada para uma tendência linear. Quando especificada na opção de processamento, a previsão também é ajustada pela sazonalidade. A constante de suavização utilizada no cálculo da média suavizada para o nível geral ou magnitude das vendas. Valores válidos para alfa variam de 0 a 1. b a constante de suavização utilizada no cálculo da média suavizada para a componente de tendência da previsão. Os valores válidos para o intervalo beta variam de 0 a 1. Se um índice sazonal é aplicado à previsão aeb são independentes uns dos outros. Eles não precisam adicionar 1.0. Histórico de vendas mínimo exigido: dois anos mais o número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). O método 12 usa duas equações exponenciais de suavização e uma média simples para calcular uma média suavizada, uma tendência suavizada e um fator sazonal médio simples. A.14.1 Cálculo de Previsão A) Uma média exponencialmente suavizada MAD (122.81 - 114 133.14 - 119 135.33 - 137) 3 8.2 A.15 Avaliação das Previsões Você pode selecionar métodos de previsão para gerar até doze previsões para cada produto. Cada método de previsão provavelmente criará uma projeção ligeiramente diferente. Quando milhares de produtos são previstos, é impraticável tomar uma decisão subjetiva sobre qual das previsões usar em seus planos para cada um dos produtos. O sistema avalia automaticamente o desempenho de cada um dos métodos de previsão selecionados e para cada um dos produtos previstos. Você pode escolher entre dois critérios de desempenho, Desvio Médio Absoluto (MAD) e Porcentagem de Precisão (POA). MAD é uma medida do erro de previsão. POA é uma medida do viés de previsão. Ambas as técnicas de avaliação de desempenho requerem dados de histórico de vendas reais para um período de tempo especificado pelo usuário. Esse período da história recente é chamado de período de retenção ou período de melhor ajuste (PBF). Para medir o desempenho de um método de previsão, use as fórmulas de previsão para simular uma previsão para o período de retenção histórico. Geralmente, haverá diferenças entre os dados de vendas reais ea previsão simulada para o período de retenção. Quando vários métodos de previsão são selecionados, esse mesmo processo ocorre para cada método. Várias previsões são calculadas para o período de retenção e comparadas com o histórico de vendas conhecido para esse mesmo período de tempo. O método de previsão que produz o melhor ajuste (melhor ajuste) entre a previsão e as vendas reais durante o período de retenção é recomendado para uso em seus planos. Essa recomendação é específica para cada produto e pode mudar de uma geração de projeção para outra. A.16 Desvio Médio Absoluto (MAD) MAD é a média (ou média) dos valores absolutos (ou magnitude) dos desvios (ou erros) entre os dados reais e os previstos. MAD é uma medida da magnitude média de erros a esperar, dado um método de previsão e histórico de dados. Como os valores absolutos são usados ​​no cálculo, os erros positivos não cancelam os erros negativos. Ao comparar vários métodos de previsão, aquele com o menor MAD mostrou ser o mais confiável para esse produto para esse período de retenção. Quando a previsão é imparcial e os erros são normalmente distribuídos, existe uma relação matemática simples entre MAD e duas outras medidas comuns de distribuição, desvio padrão e erro quadrático médio: A.16.1 Porcentagem de Precisão (POA) Porcentagem de Precisão (POA) é Uma medida do viés de previsão. Quando as previsões são consistentemente muito altas, os estoques se acumulam e os custos de estoque aumentam. Quando as previsões são consistentemente duas baixas, estoques são consumidos e serviço ao cliente declina. Uma previsão que é 10 unidades muito baixo, então 8 unidades muito alto, então 2 unidades muito alto, seria uma previsão imparciais. O erro positivo de 10 é cancelado por erros negativos de 8 e 2. Erro real - previsão Quando um produto pode ser armazenado no inventário e quando a previsão é imparcial, uma pequena quantidade de estoque de segurança pode ser usado para amortecer os erros. Nesta situação, não é tão importante eliminar os erros de previsão como é gerar previsões imparciais. No entanto, no sector dos serviços, a situação acima seria encarada como três erros. O serviço seria insuficiente no primeiro período, então overstaffed para os próximos dois períodos. Nos serviços, a magnitude dos erros de previsão é geralmente mais importante do que o viés previsto. A soma durante o período de retenção permite erros positivos para cancelar erros negativos. Quando o total de vendas reais excede o total de vendas previstas, a proporção é superior a 100. Naturalmente, é impossível ser mais de 100 precisos. Quando uma previsão é imparcial, a razão POA será 100. Portanto, é mais desejável ser 95 precisos do que 110 precisos. O critério POA seleciona o método de previsão que tem uma razão POA mais próxima de 100. Scripting nesta página melhora a navegação de conteúdo, mas não altera o conteúdo de qualquer maneira. Análise Técnica no Excel: Parte I 8211 SMA, EMA, Bollinger Bands Neste Em três partes série ou artigos 8220 Análise Técnica em Excel8221 vamos explorar como os comerciantes podem usar Excel para aplicar a análise técnica (TA) para dados históricos do mercado. Isso incluirá a computação de alguns dos mais populares indicadores de análise técnica e implementação de uma estratégia de negociação backtesting planilha (na Parte III). O backtesting envolverá geração de sinais de compra e venda com base em indicadores TA e cálculo da estratégia P038L. We8217d gostaria de salientar antecipadamente que todos os cálculos nesses artigos serão realizados usando funções padrão do Excel disponíveis no Excel 2011 e posterior. Não usaremos macros do VBAcustom Excel. Isso é feito de propósito para manter planilhas simples e funcionalidade compreensível por não-programadores. Na primeira parte desta série do artigo nós criaremos uma planilha de Excel onde nós usaremos fórmulas alguns indicadores comuns da análise técnica tais como: Média Móvel Simples, Bandas de Bollinger, e Média Móvel Exponencial. Bem, explique as fórmulas e inclua instruções passo a passo abaixo. Além disso, estamos fornecendo uma planilha we8217ve criada pelas seguintes etapas listadas neste artigo para que você possa usá-lo para sua própria análise de dados de mercado ou como base para a construção de suas próprias planilhas. Exemplo de arquivo Excel Arquivo de Excel (download) contendo fórmulas para cálculo da média móvel simples, Bandas de Bollinger e média móvel exponencial, conforme descrito neste post. Para este exemplo weve obteve um arquivo CSV com 6 meses de dados horários SPY, abrangendo 3 de setembro de 2013 8211 28 de fevereiro de 2014. SPY é um ETF tracking SampP500 índice. Temos quase 2000 pontos de dados neste arquivo. O arquivo contém colunas de preço OHCL, volume e coluna timestamp. Disclaimer: este arquivo foi gerado usando o IB Data Downloader. Arquivo de dados: historicaldataSPY1hour20140301 (arquivo de texto 8211 para fazer o download 8211 clique com o botão direito do mouse e selecione 8220Save Linked File As8221) Simples Moving Average Cálculo básico Simples Moving Average (SMA) é simplesmente o preço médio sobre o último N número de barras. Permite calcular SMA para os preços próximos de nosso arquivo de dados de amostra. Bem estar calculando uma média móvel de 20 dias com base no preço de fechamento SPY (coluna D). Let8217s adicionar cabeçalho de coluna SMA-20 na coluna G e digite o seguinte valor de fórmula na célula G21 (uma vez que a linha 21 é o primeiro que tem dados suficientes para calcular 20-dia SMA): Depois de bater retorno para salvar a fórmula você deve Ver valor 164.57 ou próximo do da célula G21. Para calcular o SMA-20 para todas as células restantes abaixo de 8211, basta selecionar a célula G21, mover o cursor sobre a célula e clicar duas vezes no pequeno quadrado no canto inferior direito da célula. Agora você deve ver os valores na coluna G calculada para o restante dos preços SPY. Generalizando o Cálculo da SMA Agora, calculamos os valores da média móvel simples de 20 dias na coluna G. É ótimo, mas o que se queremos calcular SMA de 50 dias ou 200 dias Atualizando os valores da fórmula toda vez que você quiser alterar o intervalo SMA Bastante tedioso e propenso a erros. Vamos fazer nosso cálculo mais genérico adicionando um parâmetro 8220length8221. Podemos começar por armazenar parâmetro de intervalo SMA em uma célula separada para que possamos fazer referência a ele ou fórmula. Aqui estão os passos que seguimos para implementar um cálculo SMA genérico em nossa planilha: Let8217s começar por criar uma pequena tabela no lado onde podemos armazenar alguns valores de parâmetros de entrada para os nossos indicadores. Na célula O1 deixa o tipo Nome da variável, na pilha P1 deixa o tipo Valor. Na célula O2 deixa o tipo nome de nossa variável: PERÍODO. Na célula P2, especificamos o valor da variável PERIOD que bem está sendo usado para especificar o comprimento do período para nosso cálculo SMA generalizado. A alteração desta variável provocará o recálculo do SMA com o valor do período actual. Vamos usar o valor 14 por enquanto. Permite que o tipo de cabeçalho de coluna SMA na coluna H1 da coluna H contenha valores para o nosso indicador SMA genérico. Na célula H2 digite esta fórmula: Permite dissecar esta fórmula. Agora estamos usando o valor de nossa variável PERIOD da célula P2. Tivemos que adicionar na frente dos números de coluna e linha para congelar a referência à célula P2 como copiar a fórmula SMA para outras células na coluna H. Weve também substituiu a referência absoluta para o intervalo de preço de coluna Fechar com a função OFFSET Excel. OFFSET retorna um intervalo de células com base no deslocamento em termos de número de linhas e colunas de uma determinada célula 8220reference8221. O primeiro parâmetro é a célula de referência (no caso H2), o segundo é uma expressão que calcula a primeira linha do intervalo com base no valor do parâmetro de comprimento (P2), o terceiro parâmetro é o deslocamento da coluna para a coluna Fechar (-4) , O valor negativo representa o deslocamento para a esquerda enquanto o positivo é deslocado para o lado direito da célula de referência eo último parâmetro da função com o valor 1 representa a largura do intervalo retornado pela função OFFSET, que no nosso caso é apenas uma coluna: D ( FECHAR). Salve a fórmula na célula em H2 e expanda-a para o resto das células na coluna H clicando duas vezes no pequeno quadrado no canto inferior direito da célula ou arrastando a fórmula para baixo. Removendo Erros de Fórmula Agora, você notará que as primeiras linhas na coluna têm valor de erro REF. Isso acontece porque não há linhas suficientes em nosso conjunto de dados para calcular o valor SMA eo intervalo retornado pela função OFFSET passa sobre a borda da planilha para algumas linhas. Existe um número de várias técnicas para ocultar valores de erro no Excel. Alguns deles envolvem fórmulas que retornam valores em branco ou zero se um valor de célula contém um erro. Embora esta seja uma técnica perfeitamente válida - complica as fórmulas celulares e as torna difíceis de ler. Em vez disso, use formatação condicional para simplesmente ocultar valores de erro estar mudando a cor do primeiro plano para o branco. Para alterar a cor da fonte das células para branco e não usar nenhum destaque de erro, siga estas instruções: Selecione colunas H-N No Excel: Home - gt Formatação condicional - gt Destaque regras de célula - gt Mais regras. Na caixa de diálogo Nova regra de formatação, selecione Erros e, em Formato, selecione Formato personalizado e, em seguida, defina Cor de preenchimento como branco e cor de fonte como branco. Bandas de Bollinger Introdução As Bandas de Bollinger são um indicador simples, mas útil, que fornece informações valiosas sobre a volatilidade histórica dos preços de um instrumento financeiro, bem como o desvio de preço atual de uma média móvel. Quando os movimentos de preços se tornam mais voláteis, as bandas se alargam, nos períodos de relativa calma 8211 aproximam-se. A posição relativa do preço atual para as faixas também pode ser usada para estimar se o mercado está sobre-comprado ou sobrevendido. Se o preço atual estiver perto ou cruzado da faixa superior 8211, o preço é considerado em território de sobrecompra, enquanto que o preço subjacente ao mercado subjacente é considerado sobrevendido. Cálculo Básico O indicador de Bandas de Bollinger pode ser calculado usando a média móvel simples ou a média móvel exponencial como base. Bollinger Bands consiste de três séries de dados: média móvel (simples ou exponencial) e duas linhas de desvio padrão (limite), uma acima e outra abaixo da média móvel, geralmente em 2 desvios padrão da média móvel. A média móvel exponencial (coberta abaixo) dá mais peso à ação de preço mais recente, enquanto a média móvel Simples fornece um indicador mais estável e menos inquieto. Há um total de 2 parâmetros de entrada: 1) período de média móvel (número de barras), 2) número de desvios padrão para as bandas inferiores da banda superior. Neste exemplo, use a média móvel simples já calculada na coluna H (ver instruções na seção acima). Tudo o que resta é adicionar colunas para bandas superior e inferior. Ainda estamos usando o valor do período médio móvel de 14 dias. A primeira linha que tem dados suficientes para 14-dia SMA é linha 15 (desde linha 1 é utilizado para cabeçalho de coluna). A banda superior estará na coluna I, então na célula I15 digitaremos a seguinte fórmula: Nesta fórmula estamos simplesmente adicionando dois desvios padrão dos preços Close das células D2: D15 ao valor SMA. Aqui a única diferença da fórmula anterior é que estamos subtraindo dois desvios padrão de SMA. A fórmula do Excel STDEV () calcula o desvio padrão para uma série de valores. Neste caso, estamos multiplicando valor por 2 para obter 2 desvios-padrão, e addingsubtracting o resultado da média móvel para gerar os valores upperlower banda. Para expandir as fórmulas 8211 basta rolar e clique duplo em um pequeno quadrado no canto inferior direito da célula para replicar fórmula para o resto do intervalo de dados. Cálculo da banda generalizada de Bollinger agora. Como sobre generalizar a fórmula Bollinger Band para que não temos que atualizar nossas fórmulas cada vez que queremos calcular bandas de Bollinger para o número diferente de desvios padrão de MA ou quando mudamos de tamanho médio móvel. Permite adicionar outro parâmetro à nossa tabela de variáveis ​​genéricas à direita da planilha. Permite o tipo Std devs: na célula O3 e 2.0 em P3. Em seguida, let8217s adiciona a seguinte fórmula em I15: Nesta fórmula weve substituído 2 com P3 8211 que aponta para a nossa variável na célula P3 contendo número de desvios padrão para as bandas e calcular o deslocamento com base na variável PERIOD na célula P2. A única diferença da fórmula no passo anterior é que weve substituído após H15 com 8211 (menos), para subtrair o número de desvios padrão de SMA, e tivemos que mudar o deslocamento para o preço columnd. Aviso -6, em vez de -5 no parâmetro cols para a função OFFSET para se referir à coluna D (CLOSE). Não se esqueça de copiar novas fórmulas nas células I15 e J15 para o restante das respectivas células da coluna. Agora você pode alterar os valores das variáveis ​​PERIOD e Std devs nas células P2 amp P3 e ter os valores de SMA e Bollinger Band automaticamente recalculados. Gráfico de Bandas de Bollinger no Excel Veja este vídeo com instruções para adicionar um gráfico de Bollinger Band à planilha que criamos acima. Média Móvel Exponencial A Média Móvel Exponencial (EMA) é o tipo de média móvel que é semelhante a uma média móvel simples, exceto que mais peso é dado aos dados mais recentes. A média móvel exponencial também é conhecida como 8220 média móvel ponderada exponencialmente8221. Instruções de Computação Use bem a coluna K para calcular EMA. Vamos definir o nosso valor PERIOD para 1 (célula P2), para que possamos inserir fórmula no topo da nossa folha e ter alguns valores que podemos ver inserindo as fórmulas. Podemos definir PERÍODO para qualquer valor depois de concluído e ter EMA (e SMA) automaticamente recalculado. Na célula K2, definimos o primeiro valor da série EMA como sendo simplesmente igual ao valor Close (D2) na mesma linha, só porque precisamos semear a computação EMA com algum valor sensível. Em seguida, na célula K3 entramos uma fórmula EMA padrão que usa a função de expoente padrão da indústria 2 (1número de períodos em MA). Para entender melhor a matemática por trás disso, consulte esta página. Nesta fórmula, multiplicamos as linhas Close price (D3) pela função exponente, usando P2 para referenciar nosso número de períodos variable e adicionando ao resultado o valor EMA anterior (K2) , Multiplicado 1- o expoente. Esta é a fórmula padrão EMA. Agora, expanda a fórmula para o resto da coluna, clicando em um quadrado no canto inferior direito da célula K3. Agora podemos alterar o valor do PERÍODO para qualquer outro número, certifique-se de que sua regra de formatação condicional é atualizada para ocultar valores de erro exibidos em células que não têm dados suficientes voltando para calcular seus valores. Parte I Conclusão Nesta primeira parte da nossa parte 3 Série, calculamos a Média Móvel Simples, as Bandas de Bollinger e os indicadores de análise técnica de Exponential Moving Average para nosso conjunto de dados históricos de amostra. Na próxima parte bem cobrir dois dos mais famosos indicadores de análise técnica: MACD e RSI. Antes de continuar a ler esta série de artigos, gostaria de chamar sua atenção para um par de livros escolhidos a partir de um grande número de volumes disponíveis sobre os temas de análise técnica e negociação com o Microsoft Excel. Descobrimos que as seleções listadas a seguir fornecem informações fundamentais inestimáveis ​​sobre o uso da análise técnica e da geração, teste e execução de ideias de negociação com base no Excel. A combinação de materiais descritos nesses livros permitirá que você desenvolva e teste seus próprios sistemas de negociação e os leve para mercados mais cedo e com mais confiança. IB Data Downloader O IB Data Downloader versão 3.3 já está disponível Faça o download dos dados históricos do Interactive Brokers. Stocks, futuros, ETFs, índices, Forex, opções, FOPs. Agora suporta opções de download de dados históricos Funciona em Windows, MacOS, Linux. Controla automaticamente as violações de estimulação da API IB, sem restrições quanto à duração devido a limitações de estimulação. Suporta dados históricos para contratos de futuros vencidos. IB Excel Trader IB Excel Trader versão 1.6 já está disponível Comércio de Ações, ETFs, Futuros e Forex diretamente do Excel. Implementar regras de negociação personalizadas usando fórmulas de planilha ou VBA. Regras de entrada do programa para ordens de saída simples ou de suporte. Market, Stop, Limit, Stop-Limit, bem como ordens complexas de algo são suportados. Folha de registro da ordem (nova). Contém uma lista detalhada de cada alteração de status de pedido em uma tabela do Excel filtrable. Use nosso Serviço de Personalização para estender o IB Excel Trader e contratar nossos programadores para desenvolver suas estratégias de negociação personalizadas. Interactive Brokers (IB) é um provedor de baixo custo de execução comercial e serviços de compensação para indivíduos, consultores, grupos de negociação de prop, corretores e hedge funds. A primeira tecnologia da IBs oferece acesso direto a ações, opções, futuros, forex, títulos e fundos em mais de 100 mercados em todo o mundo a partir de uma única conta do IB Universal. Membro NYSE, FINRA, SIPC. Visite os agentes interativos para obter mais informações. Postagens recentes