Como usar uma média móvel para comprar ações A média móvel (MA) é uma ferramenta de análise técnica simples que suaviza os dados de preços criando um preço médio constantemente atualizado. A média é tomada durante um período específico de tempo, como 10 dias, 20 minutos, 30 semanas ou qualquer período de tempo que o comerciante escolhe. Existem vantagens em usar uma média móvel em sua negociação, bem como opções sobre o tipo de média móvel a ser usada. As estratégias de mudança de média também são populares e podem ser adaptadas a qualquer período de tempo, adequando tanto os investidores de longo prazo como os comerciantes de curto prazo. (Veja os quatro principais indicadores técnicos Tendência dos comerciantes precisam saber.) Por que usar uma média móvel Uma média móvel pode ajudar a diminuir a quantidade de ruído em um gráfico de preços. Olhe para a direção da média móvel para obter uma idéia básica de como o preço está se movendo. Angulados e o preço está subindo (ou foi recentemente) em geral, inclinado para baixo e o preço está se movendo para baixo em geral, movendo-se para o lado de fora e o preço é provável em um intervalo. Uma média móvel também pode atuar como suporte ou resistência. Em uma tendência de alta, uma média móvel de 50 dias, de 100 dias ou 200 dias pode atuar como um nível de suporte, conforme mostrado na figura abaixo. Isso ocorre porque a média funciona como um piso (suporte), então o preço salta para fora disso. Em uma tendência de baixa, uma média móvel pode atuar como resistência como um teto, o preço atinge e então começa a cair novamente. O preço não respeitará sempre a média móvel dessa maneira. O preço pode atravessá-lo ligeiramente ou parar e reverter antes de alcançá-lo. Como uma orientação geral, se o preço estiver acima de uma média móvel, a tendência está subindo. Se o preço estiver abaixo de uma média móvel, a tendência está baixa. As médias móveis podem ter comprimentos diferentes embora (discutidas em breve), então pode-se indicar uma tendência de alta enquanto outra indica uma tendência de baixa. Tipos de médias móveis Uma média móvel pode ser calculada de diferentes maneiras. Uma média móvel simples de cinco dias (SMA) simplesmente adiciona os cinco preços de fechamento diários mais recentes e divide-o por cinco para criar uma nova média a cada dia. Cada média está conectada ao próximo, criando a linha fluindo singular. Outro tipo popular de média móvel é a média móvel exponencial (EMA). O cálculo é mais complexo, mas basicamente aplica mais ponderação aos preços mais recentes. Trace um SMA de 50 dias e um EMA de 50 dias no mesmo gráfico, e você notará que o EMA reage mais rapidamente às mudanças de preços do que o SMA, devido à ponderação adicional nos dados de preços recentes. O software de gráficos e as plataformas de negociação fazem os cálculos, portanto, nenhuma matemática manual é necessária para usar um MA. Um tipo de MA não é melhor do que outro. Um EMA pode funcionar melhor em um mercado de ações ou financeiro por um tempo, e outras vezes um SMA pode funcionar melhor. O prazo escolhido para uma média móvel também desempenhará um papel significativo na eficácia (independentemente do tipo). Comprimento médio móvel Os comprimentos médios móveis comuns são 10, 20, 50, 100 e 200. Esses comprimentos podem ser aplicados em qualquer período de tempo do gráfico (um minuto, diariamente, semanal, etc.), dependendo do horizonte comercial dos comerciantes. O período de tempo ou o comprimento que você escolhe para uma média móvel, também chamado de período de retrocesso, pode desempenhar um papel importante na eficácia. Um MA com um curto período de tempo reagirá muito mais rápido para as mudanças de preços do que um MA com um longo período de retrocesso. Na figura abaixo, a média móvel de 20 dias acompanha mais o preço real do que o 100 dias. Os 20 dias podem ser de benefício analítico para um comerciante de curto prazo, uma vez que segue o preço mais próximo e, portanto, produz menos atraso do que a média móvel de longo prazo. Lag é o tempo que leva para uma média móvel para sinalizar uma reversão potencial. Lembre-se, como orientação geral, quando o preço está acima de uma média móvel, a tendência é considerada. Então, quando o preço cai abaixo dessa média móvel, ele sinaliza uma reversão potencial com base nesse MA. Uma média móvel de 20 dias proporcionará muitos mais sinais de inversão do que uma média móvel de 100 dias. Uma média móvel pode ser qualquer comprimento, 15, 28, 89, etc. Ajustar a média móvel para que ele forneça sinais mais precisos em dados históricos pode ajudar a criar melhores sinais futuros. Estratégias de Negociação - Crossovers Os Crossovers são uma das principais estratégias da média móvel. O primeiro tipo é um crossover de preço. Isso foi discutido anteriormente e é quando o preço cruza acima ou abaixo de uma média móvel para sinalizar uma mudança potencial na tendência. Outra estratégia é aplicar duas médias móveis a um gráfico, uma mais longa e mais curta. Quando o MA mais curto cruza acima do termo MA longo é um sinal de compra, pois indica que a tendência está se deslocando. Isso é conhecido como uma cruz dourada. Quando o MA mais curto passa abaixo do termo MA mais longo é um sinal de venda, pois indica que a tendência está a diminuir. Isso é conhecido como uma morte cruzada de morte As médias móveis são calculadas com base em dados históricos, e nada sobre o cálculo é de natureza preditiva. Portanto, os resultados que usam médias móveis podem ser aleatórios - às vezes o mercado parece respeitar a resistência de suporte MA e os sinais comerciais. E outras vezes não mostra respeito. Um grande problema é que, se a ação do preço se tornar agitada, o preço pode diminuir e gerar sinais de troca de inversão de tendências múltiplas. Quando isso ocorre, é melhor afastar-se ou utilizar outro indicador para ajudar a esclarecer a tendência. O mesmo pode ocorrer com cruzamentos de MA, onde os MAs se enredam por um período de tempo desencadeando vários negócios (gostando de perder). As médias móveis funcionam bastante bem em fortes condições de tendência, mas muitas vezes mal em condições agudas ou variáveis. Ajustar o período de tempo pode ajudar temporariamente, embora, em algum momento, esses problemas possam ocorrer independentemente do período escolhido para o (s) MA (s). Uma média móvel simplifica os dados de preços, suavizando-o e criando uma linha fluida. Isso facilita as tendências de isolamento. As médias móveis exponenciais reagem mais rápido às mudanças de preços do que uma média móvel simples. Em alguns casos, isso pode ser bom, e em outros pode causar sinais falsos. As médias móveis com um período de retrocesso mais curto (20 dias, por exemplo) também responderão mais rapidamente às mudanças de preços do que uma média com um período de busca mais longo (200 dias). Os cruzamentos médios móveis são uma estratégia popular para entradas e saídas. Os MAs também podem destacar áreas de potencial suporte ou resistência. Embora isso possa parecer preditivo, as médias móveis são sempre baseadas em dados históricos e simplesmente mostram o preço médio durante um determinado período de tempo. Métodos de contabilidade que se concentram em impostos, em vez de aparência de demonstrações financeiras públicas. A contabilidade tributária é regida. O efeito boomer refere-se à influência que o cluster geracional nascido entre 1946 e 1964 tem na maioria dos mercados. Um aumento no preço das ações que muitas vezes ocorre na semana entre o Natal e o Ano Novo039s Day. Existem inúmeras explicações. Um termo usado por John Maynard Keynes usado em um de seus livros econômicos. Em sua publicação de 1936, a Teoria Geral do Emprego. Um ato de legislação que faz um grande número de reformas às leis e regulamentos dos planos de previdência dos EUA. Esta lei fez vários. Uma medida da parte ativa da força de trabalho de uma economia. A taxa de participação refere-se ao número de pessoas que são. Transformação: técnicas de análise parte 4 Publicações relacionadas: a transformação é o ato de tomar um conjunto de valores de um conjunto de dados, processando-os de alguma forma (dependendo dos objetivos da pesquisa) e Chegando a um novo conjunto de valores com o objetivo de revelar algum aspecto dos dados a partir de uma nova perspectiva. (Este artigo é a quarta parte na série Deconstructing Analysis Techniques). Essa técnica é caracterizada pelo fato de que os valores são alterados que alguém que olha os novos valores não poderá trabalhar para trás com os valores originais e que, para cada dado original Ponto há um único, novo ponto de dados. Em linguagem matemática, (e você pode ignorar essa parte, se quiser), a diferença entre uma técnica de manipulação e uma técnica de transformação é que os conjuntos de dados manipulados são congruentes com o original, enquanto os dados transformados só mantêm a cardinalidade (ou seja, o mesmo número de elementos) . Então, o que tudo isso significa que falamos aqui sobre métodos de análise como: Escalar 8211 levando um conjunto de dados e massageando-os para ajustar uma distribuição ou 8216shape8217 de valores. As médias em movimento 8211 levando uma série de valores consecutivos e promediando-os como forma de 8216smoothing8217 o último valor na série. Proporções ponderadas 8211 calculam um valor médio em que é dada mais importância a 8211 8216weight8217 8211 a alguns valores. Os índices ponderados 8211 calculam uma pontuação indexada (contra uma linha de base), onde é dada mais importância a 8211 8216weight8217 a alguns valores. Ajustes sazonais 8211 um ajuste feito para um ponto de dados para contabilizar picos cíclicos e canais para destacar o 8216real8217 shift Diferenças 8211 um método de olhar as mudanças entre um valor e o próximo. Agora, inicialmente, a maioria desses métodos pode se sentir bastante técnico, quantitativo e removido da análise de pesquisa padrão. No entanto, eles formam uma poderosa coleção de métodos de análise que o equiparão melhor na pesquisa de design. Eles também representam métodos quantitativos matemáticos de baixo nível e estão disponíveis em um programa de planilhas padrão. Mais importante, usado de forma adequada, esses métodos 8211 e técnicas de transformação, em geral, abre novas vias para entender as pessoas que usarão os serviços e produtos que designamos. Usou-se adequadamente, esses métodos 8211 e técnicas de transformação geralmente 8211 abre novas avenidas para a compreensão das pessoas que usarão os serviços e produtos que designamos.8221 Em 8220Deconstructing Analysis Techniques 8221 usamos o exemplo de pontuações de teste de ajuste para uma distribuição de probabilidade pré-determinada 8211 escalando o 8211 como o exemplo das técnicas de transformação. Quando medimos uma característica populacional 8211, como a altura, ou uma pontuação de teste 8211, criamos um conjunto de dados de amostra para essa característica (a menos que estejamos medindo toda a população). Há momentos em que a distribuição bruta (a freqüência de ocorrência para cada valor em nossos dados) dos resultados não é o que foi depois. Talvez desejemos comparar a forma e os atributos de duas amostras separadas 8211 dois grupos de participantes do teste, por exemplo, 8211 e, portanto, transformamos os dois conjuntos de dados para que eles compartilhem um meio comum (o valor médio para o conjunto de dados). Normalmente, isso é feito para trazer ambos os conjuntos de dados para o que é conhecido como uma distribuição 8216normalized8217 com uma média de 0. Naturalmente, no exemplo do nosso teste de teste, queremos ajustar as pontuações para que a classe como um todo receba uma pré - determinado número de A, B, C, D amp. O que estamos fazendo aqui é ajustar a forma geral dos dados. (Nesses casos, um gráfico dos dados brutos parecerá diferente dos dados dimensionados.) Quando graficado, os dados dimensionados terão um aspecto grosso. Com o meio 8211 ou 8216hump8217 8211 representando desempenho médio, e as duas caudas finas representando alto desempenho (na extremidade superior) e falha (na parte inferior). Médias móveis Uma média móvel é usada para suavizar as flutuações do dia a dia com dados da série temporal. É, literalmente, a média dos dados anteriores x 8282 de dados. Um bom exemplo seria o número de visualizações de página recebidas por um site. Cada dia, os dados irão pular para cima e para baixo, criando uma sensação de 8220noise8221 que dificulta a análise e, quando um pequeno número de observações são analisadas de forma isolada, pode criar uma impressão falsa. Uma média móvel é útil em séries temporais ou estudos longitudinais em que medimos o valor de uma característica para um único objeto (pessoa, servidor, site, etc.) ao longo do tempo. Um exemplo bastante bem divulgado e importante disso é a série de leituras globais de temperatura que foram usadas por ambos os lados do debate sobre mudanças climáticas. Os céticos do aquecimento global apontam para um período recente de observações (2002, 8211, 2007) que mostram um declínio nas temperaturas médias globais. Quando os mesmos dados são vistos usando uma média móvel, suavizando os picos e as calhas, é visto um movimento ascendente claro. A escolha do período de tempo a ser usado ao calcular uma média móvel é baseada nas circunstâncias específicas dos dados. No entanto, o senso comum geralmente é necessário. Por exemplo, ao olhar para o tráfego da Web, uma média móvel calculada ao longo de 7 dias é suficiente para combater pontos que ocorrem durante uma determinada semana. Você também pode calcular uma média móvel ao longo de um mês se as flutuações ocorrerem ao longo de um ciclo mais longo. Média ponderada As médias ponderadas visam abordar uma das críticas de uma média móvel 8211 e outros tipos de médias 8211 que sendo todos os valores na média são tratados de forma igual. Muitas vezes, o caso é que uma observação é mais significativa ou importante que outra. Let8217s dizem, por exemplo, que medei o tempo para completar uma tarefa em uma sessão de avaliação do usuário. Temos representantes de cada um de nossos personagens (ou outros segmentos de público): 2 personagens principais, 3 personagens secundárias e uma pessoa terciária. Nesse caso, o desempenho dos dois representantes principais da personalidade é muito mais significativo do que o participante terciário. Quando calculamos o valor médio do tempo para completar, podemos aumentar os resultados de forma a refletir a importância relativa de cada participante. Podemos atribuir (e os valores exatos variam para você) uma ponderação da seguinte forma: Primário: multiplique por 9 Secundário: multiplique por 3 Terciário: não multiplicador O que nós basicamente dizemos é que nossas personagens secundárias são três vezes mais importantes do que a nossa personalidade terciária E que a nossa personalidade primária é três vezes mais importante do que a nossa secundária. Poderíamos facilmente usar um fator de 2 (em vez de 3) levando a valores de 4, 2 amp. 1 no exemplo acima, o que importa é que usamos médias ponderadas para ajustar o conjunto de dados para explicar a importância relativa de alguns dados mensuráveis Definido por alguma variável exógena. Índice ponderado Um valor indexado é medido em termos de alguma figura de linha de base. O objetivo é transmitir o movimento em torno de um ponto de partida quando não há como especificar um zero. Um exemplo de um índice pode ser um resultado de satisfação. Como a satisfação de uma medida substancialmente subjetiva, não há como definir um ponto zero. Em vez disso, normalmente medimos uma figura 8216pre8217 e mapeamos isso ao longo do tempo. Os valores comuns para um índice são zero e 100. A escolha é arbitrária e normalmente é escolhida para maior clareza na comunicação. Os índices são frequentemente calculados como um agregado de uma série de medidas. Mas também é o caso que às vezes precisamos tratar os dados que recebemos de um grupo como sendo mais importantes que outros. Este é o lugar onde um índice ponderado é útil. Um índice ponderado 8211 como a nossa média ponderada 8211 trata diferentes valores como mais ou menos importantes. Então, se é uma prática comum projetar um produto ou serviço para melhor atender às necessidades de nossos segmentos principais de audiência, também faz sentido que nosso índice de satisfação aumente mais a satisfação de nossos segmentos principais. Fazemos isso aplicando uma ponderação (algum multiplicador) a cada pedaço de dados coletados com base em sua importância relativa. Poderíamos facilmente fazer o mesmo com as respostas a uma pergunta como o 8220 Você recomendaria este serviço a um amigo8221. Esta técnica fornece uma maneira conveniente de criar um viés positivo 8211 para as necessidades de nossos importantes segmentos de público 8211 diretamente em nossos métodos de pesquisa. Ajustes sazonais Algumas das coisas que observamos na pesquisa de projeto estão sujeitas a variações cíclicas. Não podemos, no entanto, querer incluir uma alteração em nossos dados devido a flutuações 8220seasonal8221, em vez disso, queremos identificar as mudanças 8220real8221 (na freqüência de uso, por exemplo). Para analisar as mudanças reais nos nossos dados observados, devemos ter em conta a variabilidade sazonal em primeiro lugar. Um exemplo familiar pode ser olhar para o número de visualizações de página ou visitas únicas recebidas por um site. Podemos ver um grande impulso no trânsito entre o amplo domingo de segunda-feira e uma grande queda entre a sexta-feira, sábado. Para saber se uma queda observada no tráfego em algum sábado é 8220normal8221, precisamos observar o padrão regular de mudanças e 8220 até 8221 a figura de sábado. Uma maneira de fazer isso é calcular a queda média no tráfego ao longo do tempo (entre sexta-feira, sabão, e depois aplicar isso para a observação atual para sexta-feira). Isso como um preditor ou estimador para o sábado atual, que podemos então comparar com os dados reais observados. A diferença média atua como nosso ajuste sazonal. O conceito Adaptive Path Aurora usa um cenário onde um fazendeiro mostra que sua fazenda ainda terá chuva, usando o ajuste sazonal. Ver vídeo Diferenças Existem momentos em que o que interessa saber não é o valor bruto de uma observação, mas a mudança entre uma observação e a próxima. O cálculo (transformação) é simples: para cada par de observações, subtrair um do outro. Mais interesse é por que queremos saber tal coisa. Considere um teste de um novo design em que testamos primeiro o tempo para completar uma tarefa com o design atual e, em seguida, a mesma tarefa com um novo design. Em todos os participantes do teste, as observações em bruto (ou seja, o tempo de conclusão) são muito menos interessantes do que a mudança naquele tempo como resultado do novo design. (Observe que talvez possamos expressar essa mudança como uma porcentagem em vez de um valor bruto.) Podemos usar a mesma técnica para destacar a variabilidade de algumas observações ao longo do tempo. Por exemplo, podemos estar rastreando o número de conexões ou 8216friends8217 que uma pessoa tem em alguma rede social para entender a relação entre o número atual de conexões e a taxa na qual novos pedidos de conexão entram. Para identificar o número de novas conexões, simplesmente Calcular a diferença entre observações sucessivas. Embora se apliquem principalmente a dados quantitativos, as técnicas de transformação são úteis em uma ampla gama de atividades de pesquisa de design além do quantitativo. A transformação de nossos dados de pesquisa pode atuar como uma forma de reduzir o ruído e trazer características de alívio acentuado do comportamento do usuário subjacente. O ato de transformar nos remove dos dados originais, mas, ao fazê-lo, podemos aproveitar a oportunidade para descobrir conhecimentos significativos escondidos de nós de outra forma. Steve Baty Steve Baty, diretor da Meld Studios. Tem mais de 14 anos de experiência como profissional de design e estratégia. Steve é bem conhecido na área de estratégia e design de experiência, contribuindo para o discurso público sobre esses tópicos através de artigos e conferências. Steve atua como vice-presidente da Interaction Design Association (IxDA) é um colaborador regular da UXMatters como editor e colaborador da Johnny Holland (johnnyholland. org) e é o fundador do UX Book Club, uma iniciativa mundial que reúne usuários Experimente profissionais em mais de 80 locais para ler, conectar e discutir livros sobre o design da experiência do usuário. Steve é co-presidente da conferência líder da UX Australia Australias para profissionais da experiência do usuário e presidente da Interaction 12, a conferência anual da IxDA para 2012.
No comments:
Post a Comment