photosdematures.com

Kahulugan ng EWMA (Exponentially Weighted Moving Average)

Ang Exponentially weighted moving average (EWMA) ay tumutukoy sa isang average ng data na ginagamit upang subaybayan ang paggalaw ng portfolio sa pamamagitan ng pagsuri sa mga resulta at output sa pamamagitan ng pagsasaalang-alang sa iba't ibang mga kadahilanan at pagbibigay sa kanila ng mga timbang at pagkatapos ay pagsubaybay sa mga resulta upang suriin ang pagganap at sa gumawa ng mga pagpapabuti

Ang timbang para sa isang EWMA ay nagbabawas ng exponentially na paraan para sa bawat panahon na higit na lumipas sa nakaraan. Gayundin, dahil ang EWMA ay naglalaman ng dating kinakalkula na average, kaya't ang resulta ng Exponentially Weighted Moving Average ay pinagsama-sama. Dahil dito, ang lahat ng mga puntos ng data ay mag-aambag sa resulta, ngunit ang factor ng kontribusyon ay bababa habang ang susunod na panahon ay kinakalkula ang EWMA.

Paliwanag

Ipinapakita ng EWMA Formula na ito ang halaga ng average na paglipat sa isang oras t.

EWMA (t) = a * x (t) + (1-a) * EWMA (t-1)

Kung saan

• EWMA (t) = average na paglipat sa oras t
• isang = antas ng paghahalo ng halaga ng parameter sa pagitan ng 0 at 1
• x (t) = halaga ng signal x sa oras t

Ang pormulang ito ay nagsasaad ng halaga ng average na paglipat sa oras t. Narito ang isang parameter na nagpapakita ng rate kung saan magkakaroon ng pagkalkula ang mas matandang data. Ang halaga ng a ay nasa pagitan ng 0 hanggang 1.

Kung ang isang = 1 na nangangahulugang ang pinakabagong data lamang ang ginamit upang masukat ang EWMA. Kung ang isang ay malapit na sa 0, nangangahulugan iyon na mas maraming timbang ang ibinibigay sa mas matandang data at kung ang isang malapit sa 1 nangangahulugan na ang mas bagong data ay nabigyan ng mas maraming timbang.

Mga halimbawa ng EWMA

Nasa ibaba ang mga halimbawa ng Exponentially Weighted Moving Average

Maaari mong i-download ang EWMA Excel Template dito - EWMA Excel Template

Halimbawa # 1

Isaalang-alang natin ang 5 mga puntos ng data ayon sa talahanayan sa ibaba:

At parameter a = 30% o 0.3

Kaya EWMA (1) = 40

Ang EWMA para sa oras 2 ay ang mga sumusunod

• EWMA (2) = 0.3 * 45 + (1-0.3) * 40.00
• = 41.5

Gayundin kalkulahin ang exponentially weighted paglipat average para sa mga naibigay na oras -

• EWMA (3) = 0.3 * 43 + (1-0.3) * 41.5 = 41.95
• EWMA (4) = 0.3 * 31 + (1-0.3) * 41.95 = 38.67
• EWMA (5) = 0.3 * 20 + (1-0.3) * 38.67 = 33.07

Halimbawa # 2

Nagkakaroon kami ng temperatura ng isang lungsod sa degree Celsius mula Linggo hanggang Sabado. Gamit ang isang = 10% mahahanap namin ang average na paglipat ng temperatura para sa bawat araw ng linggo.

Gamit a = 10% mahahanap namin ang isang exponentially weighted Moving average para sa bawat araw sa talahanayan sa ibaba:

Nasa ibaba ang grap na nagpapakita ng paghahambing sa pagitan ng aktwal na temperatura at EWMA:

Tulad ng nakikita natin ang paglinis ay medyo malakas gamit ang = 10%. Ang parehong paraan maaari naming malutas ang exponentially weighted paglipat average para sa maraming mga uri ng mga serye ng oras o sunud-sunod na mga data.

Mga kalamangan

• Maaari itong magamit upang makahanap ng average gamit ang isang buong kasaysayan ng data o output. Lahat ng iba pang mga tsart ay may posibilidad na tratuhin ang bawat data sa isang indibidwal na paraan.
• Maaaring bigyan ng timbang ng gumagamit ang bawat data point ayon sa kanyang kaginhawaan. Ang weightage na ito ay maaaring mabago upang ihambing ang iba't ibang mga average.
• Ipinapakita ng EWMA ang data nang geometriko. Dahil sa data na iyon ay hindi masyadong naapektuhan kapag nangyari ang mga labas.
• Ang bawat data point sa Exponentially Weighted Moving Average ay kumakatawan sa isang gumagalaw na average ng mga puntos.

Mga limitasyon

• Magagamit lamang ito kapag magagamit ang tuluy-tuloy na data sa paglipas ng panahon.
• Maaari lamang itong magamit kapag nais naming makita ang isang maliit na paglilipat sa proseso.
• Ang pamamaraang ito ay maaaring magamit upang makalkula ang average. Ang pagkakaiba-iba ng pagsubaybay ay nangangailangan ng gumagamit na gumamit ng ibang iba pang pamamaraan.

Mahahalagang Punto

• Ang data kung saan nais naming makakuha ng isang exponentially weighted paglipat average ay dapat na order ng oras.
• Napakatulong nito sa pagbawas ng ingay sa mga maiingay na puntos ng data ng serye ng oras na maaaring tawaging makinis.
• Ang bawat output ay binibigyan ng isang weightage. Ang mas kamakailang data ay, ang pinakamataas na timbang na makukuha nito.
• Medyo mahusay ito sa pagtuklas ng mas maliit na shift ngunit mas mabagal sa pagtuklas ng malaking shift.
• Maaari itong magamit kapag ang laki ng sample ng subgroup ay mas malaki sa 1.
• Sa totoong mundo, ang pamamaraang ito ay maaaring magamit sa mga proseso ng kemikal at pang-araw-araw na proseso ng accounting.
• Maaari din itong magamit sa pagpapakita ng mga pagbagu-bago ng mga bisita sa website sa mga araw ng linggo.

Konklusyon

Ang EWMA ay isang tool para sa pagtuklas ng mga mas maliliit na paglilipat sa ibig sabihin ng proseso na itinakda ng oras. Ang isang exponentially weighted Moving average ay lubos ding pinag-aralan at ginamit ang isang modelo upang makahanap ng gumagalaw na average ng data. Kapaki-pakinabang din ito sa pagtataya ng batayan sa kaganapan ng nakaraang data. Exponentially Weighted Moving Average ay isang ipinapalagay na batayan na ang mga obserbasyon ay karaniwang ipinamamahagi. Isinasaalang-alang nito ang nakaraang data batay sa kanilang timbang. Tulad ng data ay higit pa sa nakaraan, ang timbang nito para sa pagkalkula ay bababa nang exponentially.

Maaari ring bigyan ng timbang ng mga gumagamit ang nakaraang data upang malaman ang isang iba't ibang mga hanay ng EWMA na batayan ng iba't ibang timbang. Dahil din sa ipinakitang heometriko na data, ang data ay hindi masyadong naapektuhan dahil sa mga lumalabas, kaya't higit na makinis na data ang maaaring makamit gamit ang pamamaraang ito.