तेजी से भारित चलती - average - ( ewma ) - model

आकस्मिक भारित मूविंग औसत ईडब्ल्यूएमए प्रक्रिया की निगरानी के लिए एक आंकड़ा है जो आंकड़ों के औसत से कम डेटा को कम और कम वजन देता है क्योंकि वे शेवर चार्ट नियंत्रण चार्ट और ईडब्ल्यूएमए नियंत्रण चार्ट तकनीकों के टाइमपरियन में आगे निकाल दिए जाते हैं। शेवर चार्ट नियंत्रण के लिए तकनीक, किसी भी समय प्रक्रिया के नियंत्रण की स्थिति के बारे में निर्णय, टी, केवल प्रक्रिया से सबसे हाल के माप पर निर्भर करता है और निश्चित रूप से, ऐतिहासिक डेटा से नियंत्रण की सीमा के अनुमानों की सत्यता की डिग्री EWMA के लिए नियंत्रण तकनीक, यह निर्णय ईडब्ल्यूएमए आंकड़े पर निर्भर करता है, जो सबसे हालिया मापन सहित सभी पूर्व आंकड़ों का एक तेज भारित औसत है। भारित कारक, लैम्ब्डा की पसंद से, ईडब्ल्यूएमए नियंत्रण प्रक्रिया को एक छोटे या क्रमिक प्रक्रिया में बहाव है, जबकि शेवार्ट नियंत्रण प्रक्रिया केवल तब ही प्रतिक्रिया कर सकती है जब अंतिम डेटा बिंदु एक नियंत्रण सीमा से बाहर हो। EWMA की परिभाषा। आंकड़े गणना की जाती है mbox t lambda yt 1- लैम्ब्डा mbox,,, mbox,, t 1,, 2,, ldots,, n जहां एमबॉक्स 0 ऐतिहासिक डेटा लक्ष्य का मतलब है येट समय पर अवलोकन है एन मॉनिफ़ाइड की संख्या है, जिसमें एमब्क्स 0 शामिल हैं। ईडब्ल्यूएमए नियंत्रण चार्ट की व्याख्या। लाल डॉट्स कच्चे डेटा हैं जो समय के साथ एग्माएमए आंकड़े हैं। चार्ट हमें बताता है कि प्रक्रिया नियंत्रण में है क्योंकि सभी एमबॉक्स टी झूठ नियंत्रण सीमा के बीच हालांकि, पिछले 5 दिनों के लिए एक प्रवृत्ति ऊपर की ओर बढ़ रही है। एक्सपोलिशनिंग एक्सपोलिशनिंग एक्सपोलिशनिंग एक्सपेरललीली मोस्ट मूविंग औसत। वोल्टालिटी जोखिम का सबसे सामान्य उपाय है, लेकिन यह कई जायके में आता है पिछले लेख में, हमने दिखाया कि कैसे सरल ऐतिहासिक अस्थिरता की गणना इस आलेख को पढ़ने के लिए, भविष्य की जोखिम को मापने के लिए अस्थिरता का उपयोग करना देखें हम शेयर डेटा के 30 दिनों के आधार पर दैनिक अस्थिरता की गणना करने के लिए Google के वास्तविक स्टॉक मूल्य डेटा का इस्तेमाल करते हैं इस लेख में, हम सरल अस्थिरता में सुधार करेंगे और चर्चा करेंगे तीव्र भारित चलती औसत EWMA ऐतिहासिक Vs इम्प्लाइड वाष्पशीलता सबसे पहले, इस मीट्रिक को परिप्रेक्ष्य में थोड़ा सा लगा दिया। ऐतिहासिक और निहित या अंतर्निहित दोनों व्यापक दृष्टिकोण हैं क्षमता, ऐतिहासिक दृष्टिकोण यह मानते हैं कि पिछले प्रस्तावना हम आशा में इतिहास को मापते हैं कि दूसरी बात यह है कि भविष्यवाणी अस्थिरता में है, इतिहास को नजरअंदाज कर देता है यह बाजार की कीमतों से उत्पन्न उतार-चढ़ाव के लिए हल करता है। यह उम्मीद करता है कि बाजार सबसे अच्छा जानता है और बाजार मूल्य भले ही अंतर्निहित रीडिंग के लिए असंतुलित रूप से एक सर्वसम्मति का अनुमान होता है, तो उपयोग और सीमाओं की अस्थिरता देखें। यदि हम उपरोक्त बाईं ओर सिर्फ तीन ऐतिहासिक दृष्टिकोणों पर ध्यान देते हैं, तो उनके पास दो कदम समान हैं। आवधिक रिटर्न की श्रृंखला एक भारोत्तोलन योजना लागू करें। सबसे पहले, हम आवधिक वापसी की गणना करते हैं जो आमतौर पर दैनिक रिटर्न की एक श्रृंखला होती है, जहां प्रत्येक प्रतिफल लगातार जटिल शब्दों में व्यक्त होता है, प्रत्येक दिन हम शेयरों के अनुपात का प्राकृतिक लॉग लेते हैं, अर्थात् आज का हिस्सा कल कीमत, और इतने पर। यह दैनिक रिटर्न की एक श्रृंखला का उत्पादन करती है, यूआई से यू आईएम पर निर्भर करता है कि कितने दिन मी दिन हम माप रहे हैं। यह हमें दूसरे चरण में ले जाता है यह वह जगह है जहां तीन दृष्टिकोण अलग हैं पिछले लेख में भविष्य के जोखिम को मापने के लिए अस्थिरता का उपयोग करते हुए, हमने दिखाया है कि स्वीकार्य सरलीकरण के तहत, सरल विचलन स्क्वायर रिटर्न की औसत है। नोट यह कि प्रत्येक आवधिक रिटर्न के बारे में बताता है, तो वह कुल विभाजित करता है दिन या टिप्पणियों की संख्या के द्वारा एम, तो यह वास्तव में सिर्फ चुकता आवधिक रिटर्न का एक औसत दूसरा तरीका रखता है, प्रत्येक स्क्वेर्ड रिटर्न को एक समान वजन दिया जाता है। यदि अल्फा ए विशेष रूप से एक भारिंग कारक है, तो एक 1 मीटर, फिर एक सरल भिन्नता इस तरह दिखती है। सरल विचरण पर ईडब्ल्यूएमए सुधार करता है इस दृष्टिकोण की कमजोरी यह है कि सभी लाभ एक ही वजन कम करते हैं कल की बहुत हाल ही में वापसी का पिछले महीने की वापसी की तुलना में विचरण पर और अधिक प्रभाव नहीं पड़ता है यह समस्या तेजी से भारित चलती औसत ईडब्ल्यूएमए, जिसमें अधिक हाल के रिटर्न का विचरण पर अधिक वजन होता है। तेजी से भारित चलती औसत EWMA लैम्ब्डा का परिचय देता है जिसे शीतल कहा जाता है जी पैरामीटर लैम्ब्डा एक से कम होना चाहिए, उस स्थिति के तहत बराबर वज़न के बजाय प्रत्येक स्क्वायर रिटर्न का गुणांक एक गुणक के रूप में भारित होता है। उदाहरण के लिए, जोखिम मैट्रिक्स टीएम, एक वित्तीय जोखिम प्रबंधन कंपनी, 0 94 के लैम्ब्डा का इस्तेमाल करता है, या 94 इस मामले में, सबसे हाल ही में चुकता आवधिक वापसी का श्रेय 1-0 94 94 0 6 से होता है, अगले स्क्वेयर रिटर्न केवल इस मामले में पूर्व वजन का लैम्ब्डा-मल्टीपल है, 6 गुणा करके 94 5 64 और तीसरे दिन पहले एस वजन 1-0 94 94 94 2 5 30 के बराबर है। इसका अर्थ है कि ईडब्ल्यूएमए में प्रत्येक वजन एक निरंतर गुणक यानी लैम्ब्डा है, जो पहले दिन के वजन में से कम से कम होना चाहिए यह एक विचरण सुनिश्चित करता है जो भारित होता है या अधिक हाल के डेटा की ओर पक्षपाती अधिक जानने के लिए, Google की अस्थिरता के लिए एक्सेल वर्कशीट देखें Google के लिए बस अस्थिरता और ईडब्ल्यूएमएम के बीच का अंतर नीचे दिखाया गया है। साधारण अस्थिरता का प्रभावी रूप से हमारे प्रत्येक कॉलम में दिखाए गए 0 1 9 6 के अनुसार प्रत्येक आवधिक वापसी का वजन होता है दैनिक सेंट के दो साल ओक मूल्य डेटा यह 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 इसी तरह सरल विचरण और ईडब्ल्यूएमए के बीच अंतर है। याद रखें कि हम कॉलम क्यू में पूरी श्रृंखला हमारे पास विचरण है, जो मानक विचलन का वर्ग है यदि हम अस्थिरता चाहते हैं, तो हमें उस विचरण के वर्गमूल को याद रखना चाहिए। Google में विचरण और ईडब्ल्यूएमए के बीच दैनिक अस्थिरता में क्या अंतर है यह मामला महत्वपूर्ण है, सरल विचरण ने हमें 2 4 की एक दैनिक अस्थिरता दी लेकिन ईडब्ल्यूएमए ने केवल 1 4 की दैनिक अस्थिरता को विवरण के लिए स्प्रैडशीट दिखाई दिया, जाहिर है, Google की अस्थिरता हाल ही में बसे, इसलिए एक साधारण विचलन कृत्रिम रूप से उच्च हो सकता है । आज का विचरण पियोर दिवस के भिन्नता का एक कार्य है आप देखेंगे कि हमें ज़्यादा गिरावट के वजन की एक लंबी श्रृंखला की गणना करने की आवश्यकता है हम यहां गणित नहीं जीते, लेकिन ईडब्ल्यूएमए की सबसे अच्छी सुविधाओं में से एक यह है कि संपूर्ण श्रृंखला सुविधाजनक y एक रिकर्सिव फॉर्मूला को कम करता है। पुनरावृत्त का मतलब है कि आज के विचरण संदर्भ पहले दिन के विचरण का एक कार्य है आप इस सूत्र को स्प्रेडशीट में भी पा सकते हैं, और यह सटीक रूप से उसी परिणाम का उत्पादन करता है जैसे कि लंबे समय से गणना यह आज के विचरण कहते हैं ईडब्ल्यूएमए के तहत कल के भिन्नता के बराबर लैम्ब्डा द्वारा भारित कल के स्क्वेर्ड रिटर्न का वजन एक शून्य से लैम्ब्डा होता है ध्यान दें कि हम कल की वेटेड वियरेंस और वेटेड, स्क्वेर्ड रिटर्न के साथ दो शब्दों को जोड़ते हैं। यहां तक ​​कि, लैम्ब्डा हमारे चौरसाई पैरामीटर है एक उच्च लैम्ब्डा जैसे कि जोखिम मैट्रिक की 94 श्रृंखला में धीमी क्षय दर्शाती है - सापेक्ष रूप में, हम श्रृंखला में अधिक डेटा अंक लेकर जा रहे हैं और वे धीरे-धीरे गिरने जा रहे हैं दूसरी तरफ, अगर हम लैम्ब्डा को कम करते हैं, तो हम उच्च संकेत देते हैं क्षय टूटना अधिक तेज़ी से गिरता है और, तेज़ी से क्षय के प्रत्यक्ष परिणाम के रूप में, कम डेटा पॉइंट्स का उपयोग किया जाता है स्प्रेडशीट में लैम्ब्डा एक इनपुट होता है, इसलिए आप इसकी संवेदनशीलता के साथ प्रयोग कर सकते हैं.समाप्ति अस्थिरता एक स्टॉक का तात्कालिक मानक विचलन है और सबसे आम जोखिम मीट्रिक यह भिन्नता का वर्गमूल भी है, हम ऐतिहासिक या निहित अर्थपूर्ण अस्थिरता के अनुपात को माप सकते हैं जब ऐतिहासिक रूप से मापने के लिए सबसे आसान तरीका सरल विचरण होता है लेकिन सरल विचरण के साथ कमजोरी सभी रिटर्न को वही वजन मिलता है तो हम एक क्लासिक ट्रेड-ऑफ का सामना करते हैं, हम हमेशा अधिक डेटा चाहते हैं, लेकिन हमारे जितने अधिक आंकड़े हमारे पास हैं, उतने कम प्रासंगिक आंकड़ों के जरिए पतला होता है तीव्र भारित चलती औसत EWMA वजन को निर्दिष्ट करके सरल विचरण पर सुधार करता है आवधिक रिटर्न के लिए यह करने से, हम दोनों एक बड़ा नमूना आकार का उपयोग कर सकते हैं, लेकिन अधिक हाल के रिटर्न के लिए अधिक वजन भी दे सकते हैं। इस विषय पर एक फिल्म ट्यूटोरियल देखने के लिए, बायोनिक कछुए पर जाएं। ब्याज दर जिस पर एक डिपॉजिटरी संस्था फेडरल रिजर्व में एक अन्य डिपॉजिटरी संस्था में रखी गई धनराशि देती है। किसी दिए गए सुरक्षा या बाजार सूचकांक के लिए रिटर्न के फैलाव के एक सांख्यिकीय उपाय वाष्पशीलता को या तो मापा जा सकता है। 1 9 33 में अमेरिकी कांग्रेस ने बैंकिंग अधिनियम के रूप में पारित किया, जिसने वाणिज्यिक बैंकों को निवेश में भाग लेने से मना कर दिया। नॉनफ़ॉर्म पेरोल में खेतों, निजी घरों और गैर-लाभकारी क्षेत्र के बाहर किसी भी नौकरी का उल्लेख है अमेरिकी श्रम ब्यूरो भारतीय रुपए भारतीय रूपए के लिए मुद्रा का संक्षिप्त नाम या मुद्रा प्रतीक, भारत की मुद्रा: रुपए 1 से बना होता है। दिवालिया कंपनी द्वारा चुने गए एक इच्छुक खरीदार से एक दिवालिया कंपनी की संपत्ति पर प्रारंभिक बोली बोलीदाताओं के पूल से। डीफीन दिन एन के अंत में होने वाले अनुमान के अनुसार, दिन एन-1 के बाजार वैरिएबल की अस्थिरता के रूप में विचरण दर यह है कि दिन में बाजार की चरम सीमा के मूल्य का अनुमान लगाया जा सकता है। दिन के आखिर में मैं दिन के अंत में लगातार चक्रित दर की दर है, मैं पहले दिन के अंत के बीच अर्थात i-1 और दिन के अंत में I के रूप में व्यक्त किया जाता है। अगला, ऐतिहासिक डेटा से अनुमान के मानक दृष्टिकोण का उपयोग करते हुए, हम इसका उपयोग करेंगे सबसे हालिया एम-अवलोकनों के आधार पर एक निष्पक्ष आकलनकर्ता की गणना करने के लिए। इसका मतलब क्या है। अगला, चलो मानते हैं और विचरण दर की अधिकतम संभावना का अनुमान लगाते हैं। अब तक, हमने सभी के बराबर वजन लागू किया है ताकि परिभाषा इसके बाद के संस्करण को समान रूप से भारित अस्थिरता अनुमान के रूप में जाना जाता है। पहले, हमने कहा था कि हमारा उद्देश्य अस्थिरता के वर्तमान स्तर का अनुमान करना था, इसलिए यह वृद्धों की तुलना में हाल के आंकड़ों को अधिक वजन देने के लिए समझ में आता है। भारित विचरण का अनुमान निम्नानुसार है। i - दिन पहले एक अवलोकन के लिए दिए गए वजन की मात्रा। तो, हाल के अवलोकनों को अधिक वजन देने के लिए। लंबे समय तक चलने वाले औसत विचरण। ऊपर के विचार का एक संभावित विस्तार मानना ​​है कि एक लंबा औसतन औसत विचलन और वह श ऊपर कुछ मॉडल दिया जा सकता है। ऊपर मॉडल को एंगल एम मॉडल के रूप में जाना जाता है, जिसे एंगल द्वारा 1994 में प्रस्तावित किया गया है। एचएएमए ऊपर दिए गए समीकरण का एक विशेष प्रकार है। इस मामले में, हम इसे बनाते हैं ताकि हम चर गति के वजन को तेजी से कम कर देते हैं जैसे हम आगे बढ़ते हैं पिछली बार 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 ताकि वे एकता की बाधा के बराबर हो। मूल्य के लिए. अब हम उन शर्तों को प्लग करते हैं समीकरण में वापस। अनुमान के लिए। एक बड़ा डेटा सेट के लिए, समीकरण से पर्याप्त रूप से अनदेखा होना बहुत छोटा है। ईडब्ल्यूएमए दृष्टिकोण के पास एक आकर्षक विशेषता है जिसे अपेक्षाकृत थोड़ा संग्रहीत डेटा की आवश्यकता होती है किसी भी बिंदु पर हमारे अनुमान को अपडेट करने के लिए, हमें केवल एक विचरण दर का पूर्व अनुमान और सबसे हालिया अवलोकन मूल्य। ईडब्ल्यूएमए का एक माध्यमिक उद्देश्य अस्थिरता में परिवर्तनों को ट्रैक करना है छोटे मूल्यों के लिए, हालिया टिप्पणियां तुरंत अनुमान को प्रभावित करती हैं एक के करीब मूल्य के लिए अंतर्निहित चर के रिटर्न में हाल के परिवर्तनों के आधार पर धीरे-धीरे बदलाव का अनुमान लगाया गया। जेपी मॉर्गन द्वारा उत्पादित किए गए जोखिम मैट्रिक्स डाटाबेस और सार्वजनिक उपलब्ध किए गए हैं, जिससे दैनिक वाष्पशीलता को अद्यतन करने के लिए ईडब्ल्यूएमए का उपयोग किया जाता है। महत्वपूर्ण EWMA सूत्र लंबी अवधि के औसत विचरण स्तर को नहीं मानता है, उतार-चढ़ाव की अवधारणा का मतलब है कि ईडब्ल्यूएमए द्वारा कब्जा नहीं किया गया है एआरसीएच गार्चना मॉडल इस उद्देश्य के लिए बेहतर अनुकूल हैं। ईडब्ल्यूएमए का एक माध्यमिक उद्देश्य अस्थिरता में परिवर्तनों को ट्रैक करना है, इसलिए छोटे मूल्यों के लिए, हाल ही में अवलोकन अनुमान को तुरंत प्रभावित करता है, और एक के करीब मूल्यों, अंतर्निहित चर के रिटर्न में हाल के परिवर्तनों में अनुमान धीरे-धीरे बदल जाता है। जेपी मॉर्गन द्वारा उत्पादित जोखिम ज्ञानाय डाटाबेस और 1 99 4 में सार्वजनिक रूप से उपलब्ध कराया गया, रोज़ाना अस्थिरता अनुमान को अद्यतन करने के लिए ईडब्ल्यूएमए मॉडल का उपयोग करता है कंपनी ने पाया कि बाजार चर की सीमा, इस मूल्य का विचलन का अनुमान है जो एहसास हुआ विचरण दर के निकट आता है। एहसास विचरण दर किसी विशेष दिन पर 25 दिनों के समान रूप से भारित औसत के रूप में गणना की गई थी। इसी प्रकार, हमारे डेटा सेट के लिए लैम्ब्डा का इष्टतम मूल्य की गणना करने के लिए, हमें प्रत्येक बिंदु पर प्राप्ति की अस्थिरता की गणना करने की ज़रूरत है कई तरीके हैं, इसलिए एक अगला, चुकता त्रुटियों के योग की गणना करें ईएसएमएमए अनुमान और एहसास हुआ अस्थिरता के बीच एसएसई अंत में, लैम्ब्डा मूल्य को बदलकर एसएसई को कम करें। सरल लगता है यह सबसे बड़ा चुनौती है एल्गोरिथ्म पर एहसास हुआ अस्थिरता की गणना करना, उदाहरण के लिए, लोगों को जोखिम मैट्रिक्स ने 25 दिनों का एहसास हुआ विचरण दर की गणना करने के लिए चुना है। आपके मामले में, आप एक एल्गोरिथ्म चुन सकते हैं जो दैनिक वॉल्यूम, HI LO और या OPEN-CLOSE कीमतों का उपयोग करता है। Q1 क्या हम ईडब्ल्यूएमए का अनुमान लगा सकते हैं ताकि एक कदम से अधिक अस्थिरता का अनुमान लगाया जा सके ईडब्ल्यूएमए अस्थिरता प्रतिनिधित्व लंबी-औसत औसत अस्थिरता को नहीं मानता है, और इस प्रकार, किसी भी पूर्वानुमान के क्षितिज के लिए एक-चरण से परे, ईडब्ल्यूएमए एक स्थिर मूल्य देता है। एक बड़े डेटा सेट के लिए, मान बहुत एल है गणना मूल्य पर प्रभाव पड़ता है। आगे बढ़कर, हम उपयोगकर्ता-परिभाषित प्रारंभिक अस्थिरता मान को स्वीकार करने के लिए तर्क का लाभ उठाने की योजना बना रहे हैं। Q 3 एआरएमएच गार्चना मॉडल के साथ ईडब्ल्यूएमए का रिश्ता क्या है। एचएएमए मूल रूप से एआरच मॉडल का एक विशेष रूप है निम्नलिखित विशेषताओं। एआरएसी आदेश नमूना डेटा आकार के बराबर है। वजन पूरे समय में दर पर तेजी से घट रहा है। 4Q क्या ईडब्ल्यूएमए मतलब पर वापस आ जाता है। कोई ईवएमए लंबे समय तक चलने वाले औसत के लिए एक 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 एक चरण के अनुमान मान के बराबर एक स्थिर मूल्य देता है। Q 6 मेरे पास साप्ताहिक मासिक वार्षिक डेटा मैं किस मूल्य का उपयोग करना चाहिए. आप अभी भी 0 94 को एक डिफ़ॉल्ट मान के रूप में उपयोग कर सकते हैं, लेकिन अगर आप इष्टतम मूल्य प्राप्त करना चाहते हैं, तो आपको एसडब्ल्यूएस या एमएसई को कम करने के लिए ऑप्टिमाइज़ेशन की समस्या को स्थापित करने की जरूरत है और एवल्यूएबल अस्थिरता टिप्स एंड संकेतों में हमारे अस्थिरता 101 ट्यूटोरियल देखें अधिक जानकारी और उदाहरणों के लिए हमारी वेबसाइट पर। Q7 यदि मेरे डेटा में कोई शून्य मतलब नहीं है, तो मैं इस फ़ंक्शन का उपयोग कैसे कर सकता हूं। अब के लिए, डेटा से इसका मतलब निकालने के लिए डीड्रैड फंक्शन का उपयोग करें, इससे पहले कि आप इसे ईडब्ल्यूएमए फ़ंक्शन भविष्य में एनएमएक्सएल रिलीज, ईडब्ल्यूएमए मतलब आपकी तरफ से स्वचालित रूप से मतलब निकाल देगा। हॉल, जॉन सी ऑप्शंस, फ्यूचर्स और 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। टीसे, रुइ एस ऐनालिसिस ऑफ फाइनेंशियल टाइम सीरीज जॉन विले सन्स 2005, आईएसबीएन 0-471-690740.संबंधित लिंक