तेजी से भारित चलती - औसत - गणना

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 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 अवधि के लिए एक प्रवृत्ति ऊपर की तरफ लगती है। एक्सेल में वसायुक्त चलती औसत की गणना करना एक्सपेंनेबल सॉफ़्टिंग का उपयोग करना। एक्सेल डेटा विश्लेषण डमीज, द्वितीय संस्करण के लिए। एक्सेल में घातीय चिकनाई उपकरण चलती औसत की गणना करता है हालांकि, मूल्यों को चलने वाली औसत गणनाओं में शामिल मूल्यों का घातीय चौरसाई वजन इतना अधिक है कि औसत मूल्यों पर अधिक हाल के मूल्यों का बड़ा असर होता है और पुराने मूल्यों का कम प्रभाव होता है यह भार एक चिकनाई निरंतर के माध्यम से पूरा किया जाता है। उदाहरण के लिए कैसे घातीय चिकनाई उपकरण काम करता है मान लीजिए कि आप फिर से औसत दैनिक तापमान की जानकारी को देख रहे हैं। घातांकित स्मू द्वारा भारित चलती औसत की गणना करने के लिए निम्नलिखित चरणों का पालन करें। एक तेज गति से चलती औसत की गणना करने के लिए, पहले डेटा टैब के डेटा विश्लेषण कमांड बटन पर क्लिक करें। जब एक्सेल डेटा विश्लेषण डायलॉग बॉक्स को प्रदर्शित करता है, तो सूची से एक्सपेंनेशन चिकनाई आइटम का चयन करें और फिर ठीक पर क्लिक करें.एक्ससेल डिस्प्ले घातीय चौरसाई संवाद बॉक्स। डेटा को पहचानें। डेटा को पहचानने के लिए, जिसके लिए आप एक तेज गति से चलती औसत की गणना करना चाहते हैं, इनपुट रेंज पाठ बॉक्स में क्लिक करें फिर इनपुट श्रेणी की पहचान करें, या तो वर्कशीट श्रेणी पता लिखकर या वर्कशीट श्रेणी यदि आपके इनपुट रेंज में आपके डेटा की पहचान करने या उसका वर्णन करने के लिए एक टेक्स्ट लेबल शामिल है, तो लेबल चेक बॉक्स चुनें। चिकनाई स्थिर प्रदान करें। डंपिंग फैक्टर टेक्स्ट बॉक्स में चौरसाई स्थिर मूल्य दर्ज करें एक्सेल सहायता फ़ाइल सुझाव देती है कि आप एक चिकनाई स्थिर 0 2 और 0 3 के बीच में, हालांकि, यदि आप इस उपकरण का उपयोग कर रहे हैं, तो आप के बारे में अपने खुद के विचार हैं कि सही चौरसाई स्थिर क्या है यदि आप फिर से पता नहीं चौरसाई निरंतर, शायद आप को इस उपकरण का उपयोग नहीं करना चाहिए। एक्सेल को एक्सेल दें जहां तेजी से धीमा चलने वाले औसत डेटा को रखें। आउटपुट रेंज टेक्स्ट बॉक्स का उपयोग करने के लिए वर्कशीट श्रेणी की पहचान करें जिसमें आप चलती हुई औसत आंकड़ों को रखना चाहते हैं वर्कशीट में उदाहरण के लिए, उदाहरण के लिए, आप चालू औसत डेटा को वर्कशीट श्रेणी B2 B10 में रखें। वैकल्पिक चार्ट घातीय रूप से चिकनी डेटा। तेजी से चिकनी डेटा चार्ट करने के लिए, चार्ट आउटपुट चेक बॉक्स का चयन करें। वैकल्पिक इंगित करें कि आप मानक त्रुटि की जानकारी की गणना करते हैं। मानक त्रुटियों की गणना करने के लिए, मानक त्रुटियों का चेक बॉक्स का चयन करें एक्सएक्स घाटेदार चिकनी चलती औसत मूल्यों के बगल में मानक त्रुटि मानों को स्थान देता है। आप निर्दिष्ट करते हुए कि चलती हुई औसत जानकारी किस गणना की जानी चाहिए और आप कहां चाहते हैं यह ठीक है पर क्लिक करें, ठीक पर क्लिक करें। एक्सक्सल औसत सूचना चलती है की गणना करता है। एक्सपोलिशन एक्सपोलिशन एक्सपोलोरिशन भारित मूविंग औसत। वोल्टालिटी जोखिम का सबसे सामान्य उपाय है, लेकिन यह कई स्वादों में आता है। पिछले लेख में, हमने दिखाया कि साधारण ऐतिहासिक अस्थिरता की गणना कैसे करें लेख, भविष्य की जोखिम को मापने के लिए अस्थिरता का उपयोग करना देखें स्टॉक डेटा के 30 दिनों के आधार पर दैनिक अस्थिरता की गणना करने के लिए हम Google के वास्तविक स्टॉक मूल्य डेटा का इस्तेमाल करते हैं इस लेख में, हम सरल अस्थिरता में सुधार करेंगे और तीव्र भारित चलती औसत EWMA ऐतिहासिक विमर्श के बारे में चर्चा करेंगे पहले उल्लिखित वाष्पशीलता, चलो इस मीट्रिक को परिप्रेक्ष्य में थोड़ी सी डाल दिया ऐतिहासिक और निहित या अंतर्निहित अस्थिरता को ओखाना ऐतिहासिक दृष्टिकोण यह मानते हैं कि अतीत में हम आशा में इतिहास का अनुमान लगाते हैं कि यह अनुमान लगाया जाता है कि दूसरी तरफ, अस्थिरता में प्रतीत होता है, इतिहास की उपेक्षा करता है जो बाजार की कीमतों से उत्पन्न उतार-चढ़ाव के लिए हल करता है। यह उम्मीद करता है कि बाजार जानता है सबसे अच्छा और यह कि बाजार मूल्य में भी शामिल है, भले ही परस्पर अस्थिरता का एक सर्वसाधारण अनुमान है, संबंधित रीडिंग के लिए, देखें उपयोग और सीमाओं की अस्थिरता। अगर हम उपरोक्त बाईं ओर सिर्फ तीन ऐतिहासिक दृष्टिकोणों पर ध्यान देते हैं, तो उनके पास आम में दो चरण हैं आवधिक वापसी की श्रृंखला की गणना करें। 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 स्टॉक के अनुपात के प्राकृतिक लॉग लेते हैं कीमतों का मूल्य आज कल कीमत से विभाजित है, और इसी तरह। यह दैनिक रिटर्न की एक श्रृंखला का उत्पादन करती है, यूआई से यू इम 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 भिन्न होते हैं भविष्य के जोखिम को मापने के लिए अस्थिरता का उपयोग करते हुए पिछले लेख में, हमने दिखाया है कि स्वीकार्य सरलीकरण के तहत, सरल विचरण चुकता रिटर्न की औसत है। आवधिक रिटर्न में से प्रत्येक, फिर उस दिन की संख्या या टिप्पणियों की संख्या को विभाजित करता है इसलिए, यह वास्तव में चुकता समयावधि रिटर्न की औसत है, एक और रास्ता दो, प्रत्येक स्क्वायर रिटर्न को एक समान वजन दिया जाता है तो अल्फा ए भारन है विशेष रूप से कारक, एक 1 मीटर, तो एक साधारण विचरण ऐसा कुछ दिखता है। ईवमा सरल विचरण पर 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 के विचलन पर कोई प्रभाव नहीं पड़ा है वापसी इस समस्या को तेजी से भारित चलती औसत EWMA का उपयोग करके तय किया गया है, जिसमें अधिक हाल के रिटर्न के 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 यानी लैम्ब्डा है, जो पहले दिन के वजन में से कम से कम होना चाहिए यह सुनिश्चित करता है एक विचरण जो अधिक हालिया डेटा की ओर भारित या पक्षपाती है अधिक जानने 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 1 9 6 के रूप में प्रत्येक आवधिक वापसी का वजन होता हैकॉलम में दिखाया गया है, हमारे पास दो साल का दैनिक स्टॉक मूल्य डेटा था, जो कि 50 9 दैनिक रिटर्न और 1 50 9 0 196 है, लेकिन नोटिस करते हैं कि कॉलम पी 6 का वजन, फिर 5 64, फिर 5 3 और इसी तरह के बीच में अंतर है सरल विचरण और ईडब्ल्यूएमए। हम कॉलम क्यू में पूरी श्रृंखला की समयावधि के बाद याद रखते हैं कि 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। क्या अंतर है Google के मामले में विचरण और ईडब्ल्यूएमए के बीच दैनिक उतार-चढ़ाव में 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, Google की अस्थिरता अधिक बसे हाल ही में, एक साधारण विसंगति कृत्रिम रूप से ऊंचा हो सकता है। आज का विचरण पाइर डे के विचरण का कार्य है आप देखेंगे कि हमें बहुत अधिक गिरावट के वजन की एक लंबी श्रृंखला की गणना करने की आवश्यकता है, हम यहां गणित नहीं जीते, लेकिन सर्वोत्तम सुविधाओं में से एक का ईडब्ल्यूएमए यह है कि पूरी श्रृंखला आसानी से एक रिकर्सिव फॉर्मूला को कम कर देता है। पुनरावृत्त का मतलब है कि आज के विचरण संदर्भ अर्थात् पहले के विचरण का एक कार्य है आप स्प्रेडशीट में यह सूत्र भी पा सकते हैं, और यह उसी सटीक परिणाम का उत्पादन करता है लंबे समय से गणना यह कहते हैं कि ईडब्ल्यूएमए के तहत आज के विचलन के बराबर बराबर है, कल के लेनदेन से भारित प्लस काल के स्क्वेयर रिटर्न का वजन एक शून्य से लैम्ब्डा होता है ध्यान दें कि हम कल के भारित विचरण के साथ दो शब्दों को जोड़ रहे हैं और वेटेड, स्क्वेर्ड रिटर्न। हमारा चिकनाई पैरामीटर है एक उच्च लैम्ब्डा जैसे जैसे जोखिम मैट्रिक एस 94 इंगित करता है कि श्रृंखला में धीमे क्षय - रिश्तेदार शब्दों में, हम श्रृंखला में अधिक डेटा पॉइंट होने जा रहे हैं और वे धीरे धीरे गिरने जा रहे हैं दूसरी ओर, अगर हम लैम्ब्डा को कम करने के लिए, हम संकेत देते हैं कि अधिक क्षय वजन तेजी से गिरता है और तेजी से क्षय के प्रत्यक्ष परिणाम के रूप में, कम डेटा पॉइंट का उपयोग किया जाता है स्प्रेडशीट में लैम्ब्डा एक प्रायोगिक है यूटी, तो आप अपनी संवेदनशीलता के साथ प्रयोग कर सकते हैं। सारांश अस्थिरता एक स्टॉक का तात्कालिक मानक विचलन है और सबसे आम जोखिम मीट्रिक यह विचरण का वर्गमूल भी है, हम ऐतिहासिक या अप्रत्यक्ष रूप से अंतर्निहित अस्थिरता के अनुपात को माप सकते हैं जब ऐतिहासिक रूप से, सबसे आसान तरीका सरल विचरण है लेकिन सरल विचरण के साथ कमजोरी सभी वही वजन एक ही वजन मिलता है तो हम एक क्लासिक ट्रेड-ऑफ का सामना करते हैं, हम हमेशा अधिक डेटा चाहते हैं, लेकिन जितना अधिक आंकड़े हमारे पास हैं उतना ही अधिक डेटा दूर कम प्रासंगिक डेटा से पतला होता है औसत EWMA आवधिक रिटर्न के लिए वजन बताए सरल विचरण पर सुधार करता है, ऐसा करने से हम दोनों एक बड़े 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