أضعافا مضاعفة المرجحة - المتوسط المتحرك ل تصفية - matlab

استكشاف المتوسط ​​المتحرك الموزون أسي. فولياتيليتي هو المقياس الأكثر شيوعا من المخاطر، لكنه يأتي في العديد من النكهات في مقال سابق، أظهرنا كيفية حساب التقلبات التاريخية البسيطة لقراءة هذه المقالة، انظر استخدام التقلب لقياس المخاطر في المستقبل استخدمنا جوجل s البيانات الفعلية لأسعار الأسهم من أجل حساب التقلب اليومي استنادا إلى 30 يوما من بيانات المخزون في هذه المقالة، سوف نقوم بتحسين التقلبات البسيطة ومناقشة المتوسط ​​المتحرك المرجح أضعافا إوما التاريخية المتضمنة التقلب الضمني أولا، دعونا نضع هذا المقياس في قليلا من منظور هناك نهجان واسعان التقلب التاريخي والضمني أو الضمني النهج التاريخي يفترض أن الماضي هو مقدمة نحن قياس التاريخ على أمل أن يكون التنبؤية التقلب الضمني، من ناحية أخرى، يتجاهل التاريخ الذي يحل للتقلبات التي تنطوي عليها أسعار السوق وهي تأمل في أن يعرف السوق على أفضل وجه وأن سعر السوق يحتوي، حتى ولو ضمنا، على تقدير للآراء المتقلبة إتي للقراءة ذات الصلة، انظر استخدامات وحدود التقلب. إذا كنا نركز على النهج التاريخية الثلاثة فقط على اليسار أعلاه، لديهم خطوتين في common. Calculate سلسلة من العائدات الدورية. تطبيق مخطط الترجيح. أولا، نحسب العائد الدوري هذا هو عادة سلسلة من العائدات اليومية حيث يتم التعبير عن كل عودة في مصطلحات معقدة بشكل متواصل لكل يوم، ونحن نأخذ السجل الطبيعي لنسبة أسعار الأسهم أي السعر اليوم مقسوما على سعر أمس، وهلم جرا. هذا ينتج سلسلة من العوائد اليومية، من أوي إلى u إم اعتمادا على عدد الأيام أيام م نحن قياس. وهذا يحصلنا على الخطوة الثانية هذا هو المكان الذي تختلف فيه ثلاثة نهج في المقالة السابقة باستخدام التقلب لقياس المخاطر في المستقبل، أظهرنا أن تحت اثنين من التبسيط مقبول، والتباين البسيط هو متوسط ​​العوائد التربيعية. لاحظ أن هذا المبلغ كل من العائدات الدورية، ثم يقسم هذا المجموع من قبل عدد من الأيام أو الملاحظات م لذلك، انها حقا جوس t متوسط ​​العوائد الدورية المربعة بطريقة أخرى، يعطى لكل عائد مربعة وزن متساوي لذلك إذا كان ألفا هو عامل ترجيح على وجه التحديد، 1 م، فإن التباين البسيط يبدو شبيها بهذا. إن إوما يحسن التباين البسيط. ضعف هذا النهج هو أن جميع العائدات كسب نفس الوزن يوم أمس s عودة الأخيرة جدا ليس له تأثير أكثر على التباين من العودة في الشهر الماضي يتم إصلاح هذه المشكلة باستخدام المتوسط ​​المتحرك المرجح أضعافا إوما، التي عوائد أكثر حداثة وزنا أكبر على التباين. المتوسط ​​المتحرك المرجح أضعافا إوما يدخل لامدا وهو ما يسمى معلمة التمهيد يجب أن يكون لامبا أقل من واحد في ظل هذا الشرط، بدلا من الأوزان متساوية، يتم ترجيح كل مربعات العائد من مضاعف على النحو التالي. على سبيل المثال، ريسمتريكس تم، وهي شركة إدارة المخاطر المالية، تميل إلى استخدام لامدا من 0 94، أو 94 وفي هذه الحالة، يتم ترجيح أول عائد دوري مربعة الأحدث بنسبة 1-0 94 94 0 6 ن إرجاع التربيع الموسع هو ببساطة لامدا متعددة من الوزن السابق في هذه الحالة 6 مضروبا في 94 5 64 والثالث في اليوم السابق الوزن s يساوي 1-0 94 0 94 2 5 30. وهذا معنى الأسي في إوما كل وزن هو المضاعف المستمر أي لامدا، والتي يجب أن تكون أقل من واحد من وزن اليوم السابق s وهذا يضمن التباين الذي هو مرجح أو منحازة نحو أحدث البيانات لمعرفة المزيد، راجع ورقة عمل إكسيل لتقلب غوغل s الفرق بين ببساطة التقلب و إوما ل غوغل هو موضح أدناه. التذبذب البسيط يزن بشكل فعال كل عودة دورية من قبل 0 196 كما هو مبين في العمود O كان لدينا عامين من بيانات سعر السهم اليومي وهذا هو 509 عوائد يومية و 1 509 0 196 ولكن لاحظ أن تعيينات العمود P ووزن 6، ثم 5 64، ثم 5 3 وهلم جرا هذا الفرق الوحيد بين التباين البسيط و EWMA. Remember بعد أن نجمع السلسلة بأكملها في العمود Q لدينا التباين، وهو مربع الانحراف المعياري إذا نحن نريد تقلب، نحن ني د لتذكر أن تأخذ الجذر التربيعي لهذا التباين. ما الفرق في التقلب اليومي بين التباين و إوما في حالة غوغل s انها كبيرة التباين البسيط أعطانا تقلب يومي من 2 4 ولكن إوما أعطى تقلب يومي من فقط 1 4 انظر جدول البيانات للحصول على التفاصيل على ما يبدو، استقر تقلب جوجل في أسفل في الآونة الأخيرة وبالتالي، قد يكون التباين البسيط مصطنع high. Today s التباين هو وظيفة بيور يوم ق الفرق سوف نلاحظ أننا بحاجة إلى حساب سلسلة طويلة من أضعافا مضاعفة انخفاض الأوزان فزنا ر تفعل الرياضيات هنا، ولكن واحدة من أفضل ملامح إوما هو أن السلسلة بأكملها يقلل بشكل ملائم إلى صيغة عودية. الاسترداد يعني أن اليوم مراجع الفرق أي أي وظيفة من اليوم السابق الصورة التباين يمكنك العثور على هذه الصيغة في جدول البيانات أيضا، وتنتج نفس النتيجة بالضبط مثل حساب لونغاند يقول اليوم الفرق s تحت إوما يساوي فارق التباين بالأوزان لامدا زائد أمس سس كواريد عودة يزنها ناقص لامدا لاحظ كيف نضيف فقط اثنين من المصطلحات معا يوم أمس التباين المرجح والأمثلة المرجحة، مربعة العودة. حتى ذلك، لامدا هو لدينا تمهيد المعلمة أعلى لامدا مثل ريسكمتريك s 94 يشير إلى تسوس أبطأ في سلسلة - من الناحية النسبية، سنحصل على المزيد من نقاط البيانات في السلسلة، وسوف تسقط ببطء أكثر من ناحية أخرى، إذا قلنا من لامدا، فإننا نشير إلى انحلال أعلى في الأوزان تسقط بسرعة أكبر، نتيجة التسوس السريع، وتستخدم نقاط بيانات أقل في جدول البيانات، لامدا هو المدخلات، حتى تتمكن من تجربة مع حساسية لها. تقلب سوماري هو الانحراف المعياري لحظية من الأسهم ومقياس المخاطر الأكثر شيوعا بل هو أيضا الجذر التربيعي من التباين يمكننا قياس التباين تاريخيا أو ضمنا تقلب ضمني عند قياس تاريخيا، وأسهل طريقة هو التباين البسيط ولكن الضعف مع التباين البسيط هو كل عوائد الحصول على نفس w ثمانية لذلك نحن نواجه المفاضلة الكلاسيكية نحن نريد دائما المزيد من البيانات ولكن المزيد من البيانات لدينا أكثر يتم تخفيف حسابنا من قبل البيانات أقل ذات الصلة المتوسط ​​المتحرك أضعافا مضاعفة إوما يحسن على التباين البسيط عن طريق تعيين الأوزان للعائدات الدورية عن طريق القيام هذا، يمكننا على حد سواء استخدام حجم عينة كبيرة ولكن أيضا إعطاء المزيد من الوزن لعوائد أكثر حداثة. لعرض برنامج تعليمي حول هذا الموضوع، قم بزيارة استطلاع بيونيك تورتل. A الذي أجراه مكتب الولايات المتحدة لإحصاءات العمل للمساعدة في قياس الوظائف الشاغرة. جمع البيانات من أرباب العمل. الحد الأقصى للمبلغ الذي يمكن للولايات المتحدة اقتراضه كان سقف الدين التي تم إنشاؤها بموجب قانون السندات الحرية الثانية. معدل الفائدة الذي مؤسسة الإيداع تضفي الأموال المحفوظة في مجلس الاحتياطي الاتحادي إلى مؤسسة إيداع أخرى. 1 مقياس إحصائي لتشتت العائد لمؤشر الأمن أو السوق معين ويمكن قياس التقلب إما. وهو قانون أقره الكونجرس الأمريكي في عام 1933 باعتباره قانون المصارف الذي يحظر على المصارف التجارية المشاركة في الاستثمار. وتشير الرواتب غير الزراعية إلى أي وظيفة خارج المزارع والأسر المعيشية الخاصة والقطاع غير الربحي. مكتب العمل الأمريكي. المتوسط ​​المتحرك المرجح أضعافا مضاعفة إوما هو إحصائية لرصد العملية التي متوسط ​​البيانات بطريقة تعطي وزن أقل وأقل للبيانات كما أنها مزيد من ريمو في الوقت المناسب من مخطط التحكم شيوهارت و إوما تقنيات الرسم البياني السيطرة. للتخطيط شيوهارت أسلوب التحكم، القرار بشأن حالة السيطرة على العملية في أي وقت، ر، يعتمد فقط على أحدث قياس من العملية، وبطبيعة الحال ، درجة دقة تقديرات حدود المراقبة من البيانات التاريخية بالنسبة لتقنية التحكم إوما، يعتمد القرار على إوما إحصائية، وهو متوسط ​​مرجح أضعافا مضاعفة لجميع البيانات السابقة، بما في ذلك القياس الأخير. بإختيار عامل الترجيح، لامدا، يمكن أن يكون إجراء التحكم إوما حساسا للانجراف صغير أو تدريجي في العملية، في حين أن إجراء التحكم شيوهارت يمكن أن تتفاعل فقط عندما تكون نقطة البيانات الأخيرة خارج حد التحكم. تعريف إوما. الاحصاء الذي هو محسوبة هي مبوكس t لامدا يت 1- لامدا مبوكس،، مبوكس،، t 1،، 2،، لدوتس، n حيث. مبوكس 0 هو متوسط ​​هدف البيانات التاريخية. يت هو الملاحظة في الوقت t. n هو عدد الملاحظات التي سيتم رصدها بما في ذلك مبوكس 0. تفسير إوما التحكم في الرسم البياني. النقاط الحمراء هي البيانات الخام خط خشنة هو إوما إحصائية مع مرور الوقت يخبرنا المخطط أن العملية هي في السيطرة لأن كل مبوكس t كذبة بين حدود السيطرة ومع ذلك، يبدو أن هناك اتجاها صعودا لمدة 5 فترات الماضية. فلتر إكسوننتيال تصف هذه الصفحة التصفية الأسية، وأبسط والأكثر شعبية مرشح هذا جزء من القسم تصفية جزء من دليل للكشف عن خطأ والتشخيص. المرحلة الزمنية، ثابت الوقت، والتكافئ التناظرية. أبسط مرشح هو مرشح الأسي لديها معلمة ضبط واحد فقط غير الفاصل الزمني العينة يتطلب تخزين متغير واحد فقط - الإخراج السابق وهو مرشح الانتصاف التلقائي إير - فإن آثار تغيير المدخلات تتحلل أضعافا مضاعفة حتى حدود شاشات العرض أو الحساب الحاسوبي إخفاء ذلك. في مختلف التخصصات، ويشار إلى استخدام هذا الفلتر أيضا باسم التمهيد الأسي في بعض التخصصات مثل تحليل الاستثمار، يسمى الفلتر الأسي المتوسط ​​المتحرك إزون المتوسط ​​المرجح، أو المتوسط ​​المتحرك المتحرك الأسي فقط. هذا يسيء استخدام المصطلحات المتوسطة المتحركة أرما التقليدية لتحليل السلاسل الزمنية، نظرا لعدم وجود سجل الإدخال المستخدم فقط الإدخال الحالي. هو الوقت المكافئ منفصلة من تأخر النظام الأول يشيع استخدامها في النمذجة التناظرية من أنظمة التحكم في الوقت المستمر في الدوائر الكهربائية، مرشح فلتر أرسي مع المقاوم واحد ومكثف واحد هو تأخر الدرجة الأولى عند التأكيد على القياس إلى الدوائر التناظرية، المعلمة ضبط واحد هو ثابت الوقت، وعادة مكتوبة باسم الحرف اليوناني تاو الحالة الأدنى في الواقع، والقيم في أوقات عينة منفصلة تتطابق تماما ما يعادل التأخير الوقت المستمر مع نفس الوقت ثابت العلاقة بين التنفيذ الرقمي ويظهر ثابت الوقت في المعادلات أدناه. معادلات التصفية الهامة والتهيئة. الأسية f إلتر هو مزيج مرجح من الناتج تقدير السابقة مع أحدث بيانات المدخلات، مع مجموع من الأوزان يساوي 1 بحيث الإخراج يطابق الإدخال في حالة مستقرة بعد ترشيح الترشيح أدخلت بالفعل. ykay k-1 1-أكسل ك. وهو شك هو المدخلات الخام في الوقت خطوة كيك هو إخراج تصفيتها في خطوة الوقت كا هو ثابت بين 0 و 1، وعادة ما بين 0 8 و 0 99 أ -1 أو يسمى أحيانا ثابت تجانس. لأنظمة مع الخطوة الزمنية الثابتة T بين العينات، يتم حساب ثابت a وتخزينها للراحة فقط عندما يحدد مطور التطبيق قيمة جديدة من الوقت المطلوب time. where تاو هو ثابت الوقت مرشح، في نفس الوحدات من الوقت كما T. For النظم مع أخذ العينات البيانات على فترات غير منتظمة، يجب أن تستخدم الدالة الأسية أعلاه مع كل خطوة زمنية، حيث T هو الوقت منذ العينة السابقة. وعادة ما يتم تهيئة إخراج مرشح لتتناسب مع الإدخال الأول. كما يقترب الوقت الثابت 0، يذهب إلى الصفر ، لذلك ليس هناك تصفية الإخراج يساوي المدخلات الجديدة كما يحصل على الوقت ثابت كبير جدا، نهج 1، بحيث يتم تجاهل المدخلات الجديدة تقريبا تصفية الثقيلة جدا. معادلة تصفية أعلاه يمكن إعادة ترتيبها في ما يلي التنبؤ-مصحح المكافئ. ويجعل هذا النموذج أكثر وضوحا أن متغير تقدير ناتج الفلتر يتنبأ بأنه لم يتغير عن التقدير السابق y k-1 زائد مصطلح تصحيح يستند إلى الابتكار غير المتوقع - الفرق بين المدخلات هك الجديدة والتنبؤ y k - 1 هذا النموذج هو أيضا نتيجة اشتقاق المرشح الأسي كحالة خاصة بسيطة لمرشح كالمان وهو الحل الأمثل لمشكلة تقدير مع مجموعة معينة من الافتراضات. استجابة الخطوة. طريقة واحدة لتصور تشغيل الفلتر الأسي هو رسم استجابتها مع مرور الوقت إلى إدخال خطوة وهذا هو، بدءا من المدخلات والمخرجات مرشح في 0، يتم تغيير قيمة المدخلات فجأة إلى 1 يتم رسم القيم الناتجة أدناه. في فوق المؤامرة، يتم تقسيم الوقت على الوقت تاو ثابت التصفية حتى تتمكن من التنبؤ بسهولة أكثر النتائج لأي فترة زمنية، عن أي قيمة ثابت الوقت مرشح بعد وقت يساوي ثابت الوقت، يرتفع الناتج مرشح إلى 63 21 من قيمته النهائية بعد وقت يساوي الثوابت الزمنية الثانية، ترتفع القيمة إلى 86 47 من قيمته النهائية المخرجات بعد أوقات تساوي 3،4 و 5 ثوابت زمنية هي 95 02 و 98 17 و 99 33 من النهائي القيمة، على التوالي منذ مرشح هو الخطية، وهذا يعني أن هذه النسب المئوية يمكن استخدامها لأي حجم من خطوة التغيير، وليس فقط لقيمة 1 المستخدمة هنا. على الرغم من أن استجابة الخطوة من الناحية النظرية يأخذ وقتا لانهائي، من الناحية العملية ، والتفكير في المرشح الأسي كما 98 إلى 99 القيام به بعد وقت يساوي 4 إلى 5 مرشح الوقت الثوابت. التغيرات على مرشح الأسي. هناك تباين مرشح الأسي يسمى مرشح الأسي غير الخطية ويبر، 1980 تهدف إلى تصفية بشكل كبير الضوضاء داخل سيرتا في السعة النموذجية، ولكن بعد ذلك الاستجابة بسرعة أكبر إلى تغييرات أكبر. حقوق الطبع والنشر 2010-2013، غريغ ستانلي. مشاركة هذه الصفحة.