Les 7 pièges des moyennes mobiles Une moyenne mobile est le prix moyen d'un titre sur une période de temps spécifiée. Les analystes utilisent fréquemment les moyennes mobiles comme outil analytique pour faciliter le suivi des tendances du marché, à mesure que les titres se déplacent de haut en bas. Les moyennes mobiles peuvent établir des tendances et mesurer l'élan. Par conséquent, ils peuvent être utilisés pour indiquer quand un investisseur doit acheter ou vendre un titre spécifique. Les investisseurs peuvent également utiliser des moyennes mobiles pour identifier des points de soutien ou de résistance afin de mesurer quand les prix sont susceptibles de changer de direction. En étudiant les gammes historiques de négociation, des points de soutien et de résistance sont établis lorsque le prix d'un titre a inversé sa tendance à la hausse ou à la baisse, par le passé. Ces points sont ensuite utilisés pour faire, acheter ou vendre des décisions. Malheureusement, les moyennes mobiles ne sont pas des outils parfaits pour établir des tendances et présentent de nombreux risques subtils mais importants pour les investisseurs. En outre, les moyennes mobiles ne s'appliquent pas à tous les types d'entreprises et d'industries. Voici quelques-uns des principaux inconvénients des moyennes mobiles: 1. Les moyennes mobiles tirent les tendances des informations passées. Ils ne tiennent pas compte des changements qui peuvent affecter les performances futures des titres, comme les nouveaux concurrents, la demande plus ou moins forte de produits dans l'industrie et les changements dans la structure de gestion de l'entreprise. 2. Idéalement, une moyenne mobile montrera un changement constant dans le prix d'un titre, au fil du temps. Malheureusement, les moyennes mobiles ne fonctionnent pas pour toutes les entreprises, en particulier pour ceux dans les industries très volatiles ou ceux qui sont fortement influencés par les événements actuels. Cela est particulièrement vrai pour l'industrie pétrolière et les industries hautement spéculatives, en général. 3. Moyennes mobiles peuvent être étalées sur toute période de temps. Cependant, cela peut être problématique car la tendance générale peut changer considérablement selon la période de temps utilisée. Les délais plus courts ont plus de volatilité, alors que les délais plus longs ont moins de volatilité, mais ne tiennent pas compte des nouveaux changements sur le marché. Les investisseurs doivent être prudents dans le temps qu'ils choisissent, afin de s'assurer que la tendance est claire et pertinente. 4. Un débat en cours est de savoir s'il convient ou non de mettre davantage l'accent sur les derniers jours de la période. Beaucoup estiment que les données récentes reflètent mieux l'orientation de la sécurité, tandis que d'autres estiment que donner quelques jours plus de poids que d'autres, fausse de façon incorrecte la tendance. Les investisseurs qui utilisent différentes méthodes pour calculer des moyennes peuvent tirer des tendances complètement différentes. (En savoir plus sur les moyennes mobiles simples et exponentielles.) 5. Beaucoup d'investisseurs soutiennent que l'analyse technique est une façon dénuée de sens de prédire le comportement du marché. Ils disent que le marché n'a pas de mémoire et que le passé n'est pas un indicateur de l'avenir. De plus, il y a des recherches substantielles pour étayer cela. Par exemple, Roy Nersesian a mené une étude avec cinq stratégies différentes en utilisant des moyennes mobiles. Le taux de réussite de chaque stratégie variait entre 37 et 66. Cette recherche suggère que les moyennes mobiles ne donnent des résultats que sur la moitié du temps, ce qui pourrait faire de leur utilisation une proposition risquée pour un timing efficace du marché boursier. 6. Les titres présentent souvent un comportement cyclique. Cela vaut également pour les entreprises de services publics, qui ont une demande constante pour leur produit d'une année à l'autre, mais connaissent de fortes variations saisonnières. Bien que les moyennes mobiles peuvent aider à lisser ces tendances, ils peuvent également cacher le fait que la sécurité est tendue dans un modèle oscillatoire. (Pour en savoir plus, consultez Gardez un œil sur l'élan.) 7. L'objectif de toute tendance est de prédire où le prix d'un titre sera à l'avenir. Si un titre n'est pas tendance dans l'une ou l'autre direction, il ne fournit pas une occasion de tirer profit de l'achat ou de la vente à découvert. La seule façon dont un investisseur peut être en mesure de réaliser des bénéfices serait de mettre en œuvre une stratégie sophistiquée basée sur les options qui repose sur le prix restant stable. Le fond Les moyennes mobiles ont été jugées un outil analytique précieux par beaucoup, mais pour n'importe quel outil pour être efficace vous devez d'abord comprendre sa fonction, quand l'employer et quand ne pas l'employer. Les risques décrits ici indiquent que les moyennes mobiles n'ont peut-être pas été un outil efficace, par exemple lorsqu'ils sont utilisés avec des titres volatils, et comment ils peuvent négliger certaines informations statistiques importantes, comme les modèles cycliques. On peut également se demander comment les moyennes mobiles sont efficaces pour indiquer avec exactitude les tendances des prix. Compte tenu des inconvénients, les moyennes mobiles peuvent être un outil mieux utilisé en conjonction avec d'autres. En fin de compte, l'expérience personnelle sera l'indicateur ultime de l'efficacité qu'ils sont vraiment pour votre portefeuille. (Pour en savoir plus, voir Les moyennes mobiles adaptables mènent à de meilleurs résultats) Analyse technique: moyennes mobiles La plupart des modèles montrent une grande variation dans le mouvement des prix. Cela peut rendre difficile pour les commerçants d'avoir une idée de la tendance générale des titres. Une méthode simple que les commerçants utilisent pour combattre ceci est d'appliquer des moyennes mobiles. Une moyenne mobile est le prix moyen d'un titre sur une période déterminée. En traçant un prix moyen des titres, le mouvement des prix est lissé. Une fois les fluctuations quotidiennes supprimées, les commerçants sont mieux en mesure d'identifier la vraie tendance et d'augmenter la probabilité qu'il travaillera en leur faveur. Types de moyennes mobiles Il existe un certain nombre de différents types de moyennes mobiles qui varient dans la façon dont ils sont calculés, mais comment chaque moyenne est interprétée reste la même. Les calculs ne diffèrent que par rapport à la pondération qu'ils placent sur les données de prix, passant d'une pondération égale de chaque point de prix à un poids plus élevé étant placé sur les données récentes. Les trois types les plus courants de moyennes mobiles sont simples. Linéaire et exponentielle. Moyenne mobile simple (SMA) C'est la méthode la plus courante utilisée pour calculer la moyenne mobile des prix. Il prend simplement la somme de tous les derniers cours de clôture sur la période et divise le résultat par le nombre de prix utilisés dans le calcul. Par exemple, dans une moyenne mobile de 10 jours, les 10 derniers prix de clôture sont ajoutés ensemble, puis divisés par 10. Comme vous pouvez le voir sur la figure 1, un commerçant est capable de rendre la moyenne moins sensible à l'évolution des prix en augmentant le nombre Des périodes utilisées dans le calcul. L'augmentation du nombre de périodes de temps dans le calcul est l'une des meilleures façons de mesurer la force de la tendance à long terme et la probabilité qu'il va inverser. Beaucoup d'individus soutiennent que l'utilité de ce type de moyenne est limitée parce que chaque point de la série de données a le même impact sur le résultat indépendamment de l'endroit où il se produit dans la séquence. Les critiques soutiennent que les données les plus récentes sont plus importantes et, par conséquent, il devrait également avoir une pondération plus élevée. Ce type de critique a été l'un des principaux facteurs conduisant à l'invention d'autres formes de moyennes mobiles. Moyenne pondérée linéaire Cet indicateur de la moyenne mobile est le moins commun parmi les trois et est utilisé pour résoudre le problème de la pondération égale. La moyenne mobile pondérée linéaire est calculée en prenant la somme de tous les cours de clôture sur une certaine période de temps et en les multipliant par la position du point de données puis en divisant par la somme du nombre de périodes. Par exemple, dans une moyenne pondérée linéaire de cinq jours, le cours de clôture d'aujourd'hui est multiplié par cinq, hier par quatre et ainsi de suite jusqu'à ce que le premier jour de la période soit atteint. Ces nombres sont ensuite additionnés et divisés par la somme des multiplicateurs. Moyenne mobile exponentielle (EMA) Ce calcul de la moyenne mobile utilise un facteur de lissage pour placer un poids plus élevé sur les points de données récents et est considéré comme beaucoup plus efficace que la moyenne pondérée linéaire. Avoir une compréhension du calcul n'est généralement pas nécessaire pour la plupart des commerçants parce que la plupart des forfaits de cartographie faire le calcul pour vous. La chose la plus importante à retenir sur la moyenne mobile exponentielle est qu'il est plus sensible aux nouvelles informations relatives à la moyenne mobile simple. Cette réactivité est l'un des facteurs clés de pourquoi c'est la moyenne mobile de choix parmi de nombreux commerçants techniques. Comme vous pouvez le voir sur la figure 2, une EMA de 15 périodes augmente et diminue plus rapidement qu'une SMA de 15 périodes. Cette légère différence ne semble pas beaucoup, mais c'est un facteur important à prendre en compte car il peut affecter les retours. Principales utilisations des moyennes mobiles Les moyennes mobiles sont utilisées pour identifier les tendances actuelles et les inversions de tendance ainsi que pour établir des niveaux de soutien et de résistance. Les moyennes mobiles peuvent être utilisées pour identifier rapidement si une sécurité se déplace dans une tendance haussière ou une tendance à la baisse en fonction de la direction de la moyenne mobile. Comme vous pouvez le voir sur la figure 3, quand une moyenne mobile est en hausse et le prix est au-dessus, la sécurité est dans une tendance haussière. Inversement, une moyenne mobile en pente descendante avec le prix ci-dessous peut être utilisée pour signaler une tendance à la baisse. Une autre méthode pour déterminer l'impulsion est de regarder l'ordre d'une paire de moyennes mobiles. Lorsqu'une moyenne à court terme est supérieure à une moyenne à long terme, la tendance est à la hausse. D'autre part, une moyenne à long terme supérieure à une moyenne à court terme signale une tendance à la baisse de la tendance. Les inversions de tendance moyenne mobile se forment de deux manières principales: quand le prix se déplace à travers une moyenne mobile et quand il se déplace au moyen de croisements moyens mobiles. Le premier signal commun est quand le prix passe par une moyenne mobile importante. Par exemple, lorsque le prix d'un titre qui était dans une tendance haussière tombe en dessous d'une moyenne mobile de 50 périodes, comme dans la figure 4, c'est un signe que la tendance à la hausse peut être inverser. L'autre signal d'inversion de tendance est quand une moyenne mobile traverse une autre. Par exemple, comme vous pouvez le voir à la figure 5, si la moyenne mobile de 15 jours dépasse la moyenne mobile de 50 jours, c'est un signe positif que le prix commencera à augmenter. Si les périodes utilisées dans le calcul sont relativement courtes, par exemple 15 et 35, cela pourrait signaler une inversion de tendance à court terme. D'autre part, lorsque deux moyennes avec des intervalles de temps relativement longs se croisent (50 et 200 par exemple), ceci est utilisé pour suggérer un changement de tendance à long terme. Une autre façon importante d'utiliser les moyennes mobiles est d'identifier les niveaux de soutien et de résistance. Il n'est pas rare de voir un stock qui a été en baisse d'arrêter son déclin et inverser la direction une fois qu'il touche le soutien d'une moyenne mobile majeur. Un mouvement à travers une moyenne mobile majeure est souvent utilisé comme un signal par les traders techniques que la tendance est inverser. Par exemple, si le prix atteint la moyenne mobile de 200 jours dans une direction vers le bas, c'est un signe que la tendance haussière est en marche arrière. Les moyennes mobiles sont un outil puissant pour analyser la tendance d'une sécurité. Ils fournissent un support utile et des points de résistance et sont très faciles à utiliser. Les cadres de temps les plus courants qui sont utilisés lors de la création de moyennes mobiles sont les 200 jours, 100 jours, 50 jours, 20 jours et 10 jours. La moyenne de 200 jours est considérée comme une bonne mesure d'une année de négociation, d'une moyenne de 100 jours d'une demi-année, d'une moyenne de 50 jours d'un trimestre d'une année, d'une moyenne de 20 jours d'un mois et de 10 Moyenne journalière de deux semaines. Moyennes mobiles aider les commerçants techniques à lisser un peu du bruit qui se trouve dans les mouvements de prix au jour le jour, donnant aux commerçants une vision plus claire de la tendance des prix. Jusqu'à présent, nous nous sommes concentrés sur le mouvement des prix, grâce à des graphiques et des moyennes. Dans la section suivante, bien regarder quelques autres techniques utilisées pour confirmer le mouvement des prix et les modèles. Analyse Technique: Indicateurs Et Oscillateurs En pratique, la moyenne mobile fournira une bonne estimation de la moyenne des séries chronologiques si la moyenne est constante ou change lentement. Dans le cas d'une moyenne constante, la plus grande valeur de m donnera les meilleures estimations de la moyenne sous-jacente. Une période d'observation plus longue évalue en moyenne les effets de la variabilité. Le but de fournir un plus petit m est de permettre à la prévision de répondre à un changement dans le processus sous-jacent. Pour illustrer, nous proposons un ensemble de données qui intègre des changements dans la moyenne sous-jacente de la série chronologique. La figure montre la série chronologique utilisée pour l'illustration ainsi que la demande moyenne à partir de laquelle la série a été générée. La moyenne commence comme une constante à 10. En commençant au temps 21, elle augmente d'une unité dans chaque période jusqu'à ce qu'elle atteigne la valeur de 20 au temps 30. Puis elle redevient constante. Les données sont simulées en ajoutant à la moyenne un bruit aléatoire issu d'une distribution normale avec moyenne nulle et écart-type 3. Les résultats de la simulation sont arrondis à l'entier le plus proche. Le tableau montre les observations simulées utilisées pour l'exemple. Lorsque nous utilisons la table, nous devons nous rappeler qu'à un moment donné, seules les données passées sont connues. Les estimations du paramètre du modèle, pour trois valeurs différentes de m, sont indiquées avec la moyenne des séries temporelles dans la figure ci-dessous. La figure montre l'estimation moyenne mobile de la moyenne à chaque instant et non pas la prévision. Les prévisions changeraient les courbes de la moyenne mobile vers la droite par périodes. Une conclusion ressort immédiatement de la figure. Pour les trois estimations, la moyenne mobile est en retard par rapport à la tendance linéaire, le décalage augmentant avec m. Le retard est la distance entre le modèle et l'estimation dans la dimension temporelle. En raison du décalage, la moyenne mobile sous-estime les observations à mesure que la moyenne augmente. Le biais de l'estimateur est la différence à un moment précis dans la valeur moyenne du modèle et la valeur moyenne prédite par la moyenne mobile. Le biais lorsque la moyenne augmente est négatif. Pour une moyenne décroissante, le biais est positif. Le retard dans le temps et le biais introduit dans l'estimation sont des fonctions de m. Plus la valeur de m. Plus l'ampleur du décalage et du biais est grande. Pour une série en constante augmentation avec tendance a. Les valeurs de retard et de biais de l'estimateur de la moyenne sont données dans les équations ci-dessous. Les courbes d'exemple ne correspondent pas à ces équations parce que le modèle d'exemple n'est pas en augmentation continue, plutôt qu'il commence comme une constante, des changements à une tendance et devient alors à nouveau constante. Les courbes d'exemple sont également affectées par le bruit. La prévision moyenne mobile des périodes dans le futur est représentée par le déplacement des courbes vers la droite. Le décalage et le biais augmentent proportionnellement. Les équations ci-dessous indiquent le décalage et le biais d'une période de prévision dans le futur par rapport aux paramètres du modèle. Encore une fois, ces formules sont pour une série chronologique avec une tendance linéaire constante. Nous ne devrions pas être surpris de ce résultat. L'estimateur de la moyenne mobile est basé sur l'hypothèse d'une moyenne constante, et l'exemple a une tendance linéaire dans la moyenne pendant une partie de la période d'étude. Étant donné que les séries de temps réel obéiront rarement exactement aux hypothèses de n'importe quel modèle, nous devrions être préparés à de tels résultats. On peut aussi conclure de la figure que la variabilité du bruit a le plus grand effet pour m plus petit. L'estimation est beaucoup plus volatile pour la moyenne mobile de 5 que la moyenne mobile de 20. Nous avons les désirs contradictoires d'augmenter m pour réduire l'effet de la variabilité due au bruit et diminuer m pour rendre la prévision plus sensible aux changements En moyenne. L'erreur est la différence entre les données réelles et la valeur prévue. Si la série chronologique est vraiment une valeur constante, la valeur attendue de l'erreur est nulle et la variance de l'erreur est composée d'un terme qui est une fonction de et d'un second terme qui est la variance du bruit,. Le premier terme est la variance de la moyenne estimée avec un échantillon de m observations, en supposant que les données proviennent d'une population avec une moyenne constante. Ce terme est minimisé en faisant m le plus grand possible. Un grand m rend la prévision insensible à une modification de la série chronologique sous-jacente. Pour rendre la prévision sensible aux changements, nous voulons m aussi petit que possible (1), mais cela augmente la variance d'erreur. La prévision pratique nécessite une valeur intermédiaire. Prévision avec Excel Le complément de prévision implémente les formules de moyenne mobile. L'exemple ci-dessous montre l'analyse fournie par l'add-in pour les données d'échantillon de la colonne B. Les 10 premières observations sont indexées -9 à 0. Par rapport au tableau ci-dessus, les indices de période sont décalés de -10. Les dix premières observations fournissent les valeurs de démarrage pour l'estimation et sont utilisées pour calculer la moyenne mobile pour la période 0. La colonne MA (10) (C) montre les moyennes mobiles calculées. Le paramètre de la moyenne mobile m est dans la cellule C3. La colonne Fore (1) (D) montre une prévision pour une période dans le futur. L'intervalle de prévision est dans la cellule D3. Lorsque l'intervalle de prévision est changé en un nombre plus grand, les nombres de la colonne Fore sont décalés vers le bas. La colonne Err (1) (E) montre la différence entre l'observation et la prévision. Par exemple, l'observation au temps 1 est 6. La valeur prévisionnelle faite à partir de la moyenne mobile au temps 0 est 11.1. L'erreur est alors de -5,1. L'écart type et l'écart moyen moyen (MAD) sont calculés respectivement dans les cellules E6 et E7.
No comments:
Post a Comment