Flyttande medelvärden Vad är de? Bland de mest populära tekniska indikatorerna används glidande medelvärden för att mäta riktningen för den aktuella trenden. Varje typ av rörligt medelvärde som vanligtvis skrivs i denna handledning, eftersom MA är ett matematiskt resultat som beräknas genom att medelvärdet av ett antal tidigare datapunkter En gång bestämd är det resulterande genomsnittet plottat på ett diagram för att låta handlare se på jämn data istället för att fokusera på de dagliga prisfluktuationer som är inneboende på alla finansiella marknader. Den enklaste formen av en rörelse genomsnittet, lämpligt känt som ett enkelt glidande medelvärde SMA, beräknas genom att ta det aritmetiska medelvärdet av en given uppsättning värden. För att exempelvis beräkna ett grundläggande 10-dagars glidande medelvärde skulle du lägga till slutkurserna från de senaste 10 dagarna och sedan Dela resultatet med 10 I figur 1 divideras summan av priserna för de senaste 10 dagarna 110 med antalet dagar 10 för att komma fram till 10 dagars genomsnittet Om en näringsidkare vill se ett 50-dagarsmedelvärde i stället skulle samma typ av beräkning göras men det skulle inkludera priserna under de senaste 50 dagarna. Det resulterande genomsnittet under 11 tar hänsyn till de senaste 10 datapunkterna för att ge företagen en uppfattning om hur en tillgång prissätts relativt de senaste 10 dagarna. Kanske undrar du varför tekniska handlare kallar det här verktyget ett glidande medelvärde och inte bara ett vanligt medel Svaret är att när nya värden blir tillgängliga måste de äldsta datapunkterna släppas från uppsättningen och nya datapunkter måste komma i att ersätta dem Således flyttas datasatsen kontinuerligt för att redogöra för nya data när den blir tillgänglig. Denna beräkningsmetod säkerställer att endast den aktuella informationen redovisas i figur 2, när det nya värdet på 5 läggs till i uppsättningen , den röda rutan som representerar de senaste 10 datapunkterna flyttas åt höger och det sista värdet av 15 släpps från beräkningen Eftersom det relativt lilla värdet på 5 ersätter högt värdet på 15, skulle du förvänta dig att se genomsnittet av t hans dataset minskar, vilket gör det, i det här fallet från 11 till 10.What Moving Averages Look Like När välvärdena för MA har beräknats, plottas de på ett diagram och kopplas sedan till för att skapa en rörlig genomsnittslinje Dessa kurvor linjer är vanliga på diagrammen för tekniska handlare, men hur de används kan variera drastiskt mer på detta senare. Som du kan se i Figur 3 är det möjligt att lägga till mer än ett glidande medelvärde till ett diagram genom att justera antalet tidsperioder används i beräkningen Dessa kurvor kan tyckas distraherande eller förvirrande först, men du kommer att bli vana vid dem som tiden går. Den röda linjen är helt enkelt genomsnittspriset under de senaste 50 dagarna, medan den blå linjen är genomsnittspriset över senaste 100 dagarna. Nu när du förstår vad ett rörligt medelvärde är och hur det ser ut, ska vi introducera en annan typ av rörligt medelvärde och undersöka hur det skiljer sig från det tidigare nämnda enkla rörliga genomsnittet. Det enkla glidande medlet är extremt pop ular bland handlare, men som alla tekniska indikatorer har det kritiker. Många individer hävdar att användbarheten av SMA är begränsad eftersom varje punkt i dataserien är vägd densamma, oavsett var det sker i sekvensen. Kritiker hävdar att Senaste uppgifterna är mer signifikanta än de äldre uppgifterna och borde få större inverkan på slutresultatet. På grund av denna kritik började näringsidkare lägga större vikt vid de senaste uppgifterna, som sedan lett till uppfinningen av olika typer av nya medelvärden, Den mest populära är den exponentiella glidande genomsnittliga EMA För vidare läsning, se Grunderna för viktade rörliga medelvärden och vad är skillnaden mellan en SMA och en EMA. Exponential Moving Average Det exponentiella glidande medlet är en typ av glidande medelvärde som ger mer vikt till de senaste priserna i ett försök att göra det mer mottagligt för ny information Att lära sig den något komplicerade ekvationen för att beräkna en EMA kan vara onödig för många tra eftersom nästan alla kartläggningspaket gör beräkningarna för dig Men för dig matematiska geeks där ute, här är EMA-ekvationen. När du använder formeln för att beräkna den första punkten hos EMA kan du märka att det inte finns något värde tillgängligt för använd som tidigare EMA Det här lilla problemet kan lösas genom att starta beräkningen med ett enkelt glidande medelvärde och fortsätta med ovanstående formel därifrån Vi har försett dig med ett provkalkylblad som innehåller verkliga exempel på hur man beräknar både en enkel glidande medelvärdet och ett exponentiellt rörligt medelvärde. Skillnaden mellan EMA och SMA Nu när du har en bättre förståelse för hur SMA och EMA beräknas, låt oss ta en titt på hur dessa medelvärden skiljer sig. Genom att titta på beräkningen av EMA , kommer du att märka att större vikt läggs på de senaste datapunkterna, vilket gör det till en typ av vägt genomsnitt. I Figur 5 är antalet tidsperioder som används i varje genomsnitt identiskt 15, men EMA svarar m Malm snabbt till de förändrade priserna Observera hur EMA har ett högre värde när priset stiger och faller snabbare än SMA när priset sänks. Denna responsivitet är den främsta anledningen till att många handlare föredrar att använda EMA över SMA. What Använder de olika dagarna Medflyttande medelvärden är en helt anpassningsbar indikator, vilket innebär att användaren fritt kan välja vilken tidsram de vill ha när de skapar genomsnittet. De vanligaste tidsperioderna som används i glidande medelvärden är 15, 20, 30, 50, 100 och 200 dagar Ju kortare tidsintervallet användes för att skapa medelvärdet desto känsligare blir det för prisändringar Ju längre tidspositionen är, desto mindre känslig eller mer utjämning blir medeltiden Det finns ingen rätt tidsram att använda när Skapa ditt glidande medelvärde Det bästa sättet att ta reda på vilket som passar dig bäst är att experimentera med ett antal olika tidsperioder tills du hittar en som passar din strategi. Flyttande medelvärde - MA. BREAKING DOWN Moving Average - MA. As a n SMA-exempel, betrakta en säkerhet med följande stängningskurser över 15 dagar. Vecka 1 5 dagar 20, 22, 24, 25, 23.Week 2 5 dagar 26, 28, 26, 29, 27.Week 3 5 dagar 28, 30, 27, 29, 28.A 10-dagars MA skulle genomsnittliga slutkurserna för de första 10 dagarna som första datapunkt. Nästa datapunkt skulle släppa det tidigaste priset, lägga till priset på dag 11 och ta medeltalet, Och så vidare som visas nedan. Som tidigare noterat lagrar MAs nuvarande prisåtgärd eftersom de är baserade på tidigare priser, ju längre tidsperioden för MA, desto större är fördröjningen. Således kommer en 200-dagars MA att ha en mycket större grad av fördröjning Än en 20-dagars MA eftersom den innehåller priser för de senaste 200 dagarna. MA-längden på MA är beroende av handelsmålen, med kortare MAs som används för korttidshandling och långsiktiga MAs mer lämpade för långsiktiga investerare. 200-dagars MA följs i stor utsträckning av investerare och handlare, med raster över och under detta glidande medel anses vara viktiga handelssignaler. MAs ger också impo Rantande handelssignaler på egen hand eller när två medelvärden passerar över. En stigande MA indikerar att säkerheten är i en uptrend medan en minskande MA indikerar att den ligger i en nedåtgående trend. På liknande sätt bekräftas uppåtgående moment med en bullish övergång som uppstår när en kort Term MA överstiger en längre sikt MA Nedåtgående momentum bekräftas med en bearish crossover, vilket uppstår när en kortsiktig MA korsar ett längre sikt MA. Calculating Value at Risk Exempel. Beräkning av Value at Risk Exempel. Detta värde vid Risk VaR-fallstudie visar hur man beräknar VaR i Excel med hjälp av två olika metoder Varians Covariance och Historical Simulation med allmänt tillgängliga data. Vad du behöver. Value at Risk-resursen och referenssidan. Dataset för Gold spotpriser som kan laddas ner från För perioden 1-juni-2011 till 29-jun.2012.Data som fastställs för WTI råoljeprispriser som kan laddas ner från 1-juni-2011 till 29-juni-2012.Value at Risk Exempel. Vi täcker Variansen Covaria NCE VCV och Historical Simulation HS metoder för att beräkna Value at Risk VaR. I listan nedan gäller de första 6 artiklarna för VCV-tillvägagångssätt medan de sista 3 punkterna relaterar till den historiska simuleringsmetoden. Inom VCV-metoden finns två separata metoder för att bestämma den underliggande volatiliteten hos Avkastning betraktas som Simple Moving Average SMA-metod är den exponentiellt viktade glidande EWMA-metoden VaR med Monte Carlo Simulation inte täckt av detta inlägg. Vi kommer att visa upp beräkningar för SMA-dagliga volatiliteter. Sma dagliga VaR. J-dag som innehar SMA VaR. Portfolio-innehav SMA VaR. EWMA daglig volatilitet. J-dags hållperiod EWMA VaR. Historisk simulering dagligen VaR. Historisk simulering J-dag med VaR.10-dag med historisk simulering VaR förlustbelopp för 99 konfidensnivå. Val vid risk exempel context. Our Portfölj består av fysisk exponering för 100 troy uns guld och 1000 fat WTI Crude Priset på guld per troy ounce är 1 598 50 och priset på WTI per bar Rel är 85 04 den 29-Jun-2012.Data Price time series. Historiska prisuppgifter för Gold och WTI har erhållits för perioden 1 juni 2011 till 29 juni 2012 från respektive respektive Perioden som beaktas i VaR-beräkningen Kallas back-perioden. Det är den tid då risken ska utvärderas. Figur 1 visar ett utdrag av de dagliga tidsseriensdata. Figur 1 Tidsseriedata för Guld och WTI. Return Series. Det första steget för någon av VaR-tillvägagångssätten är bestämningen av returserien. Detta uppnås genom att ta den naturliga logaritmen för förhållandet mellan successiva priser som visas i Figur 2.Figur 2 Retur-seriedata för Guld och WTI. Till exempel, den dagliga avkastningen för Guld på 2 - Jun-2011 Cell G17 beräknas som LN Cell C17 Cell C 16 ln 1539 50 1533 75 0 37.Varians Covariance Enkel Flytande Genomsnitt SMA. Nästa SMA Daglig Volatilitet Beräknas Formeln är som följer. Rt är avkastning i tid t ER är medelvärdet av returfördelningen som kan erhållas i EXCEL Genom att ta genomsnittet av returserien, dvs AVERAGE-serie av returserier Summa de kvadrerade skillnaderna mellan Rt över ER över alla datapunkter och dela resultatet med antalet avkastningar i serien mindre än för att erhålla variansen. Kvadratroten av Resultatet är standardavvikelsen eller SMA-volatiliteten i returserien. Alternativt kan volatiliteten beräknas direkt i EXCEL med hjälp av STDEV-funktionen, applicerad på returserien, som visas i Figur 3.Figur 3 Retur-seriedata för Guld och WTI. Den dagliga SMA-volatiliteten för Guld i Cell F18 beräknas som STDEV-uppsättning av Gold Return Series Den dagliga SMA-volatiliteten för Gold är 1 4377 och för WTI är 1 9856.SMA daglig VaR. Hur mycket står du för att förlora över ett visst innehav Period och med en viss sannolikhet mäter VaR den värsta förlust som sannolikt kan bokas på en portfölj över en innehavstid med en viss sannolikhet eller konfidensnivå. Till exempel, med en 99 konfidensnivå, ett VaR på 1 miljon dollar över en tio d en innehavsperiod innebär att det endast finns en procent risk att förluster kommer att överstiga USD 1 under de närmaste tio dagarna. SMA och EWMA-tillvägagångssätten till VaR antar att den dagliga avkastningen följer en normal fördelning. Den dagliga VaR som är associerad med en viss konfidensnivå är Beräknad som Daglig VaR-volatilitet eller standardavvikelse för returserie z-värdet av den inverse av den vanliga normala kumulativa fördelningsfunktions-CDF som motsvarar en specificerad konfidensnivå. Vi kan nu svara på följande fråga. Vad är det dagliga SMA VaR för Guld och WTI vid en konfidensnivå på 99. Detta visas i figur 4 nedan. Figur 4 Daglig VaR. Daily VaR för Gold beräknad i Cell F16 är produkten av den dagliga SMA-volatiliteten Cell F18 och z-värdet av invers av standarden normal CDF för 99 I EXCEL beräknas den inverse z-poängen på 99 konfidensnivå som NORMSINV 99 2 326. Därför arbetar dagligen VaR för Gold och WTI vid 99 konfidensnivå ut till 3 3446 respektive 4 6192.J-dag holdi ng SMA VaR Scenario 1.Den ovanstående definitionen av VaR betraktar tre saker, maximal förlust, sannolikhet och innehavstid. Fastighetsperioden är den tid det tar att avveckla tillgångsportföljen på marknaden. I Basel II och Basel III är en tio dag innehavsperiod är ett standardantagande. Hur införlivas innehavsperioden i dina beräkningar. Vad är innehavet SMA VaR för WTI Gold för en innehavstid 10 dagar vid en konfidensnivå på 99 Holdingperiod VaR Daglig VaR SQRT Holdingperiod i dagar. SQRT är EXCEL s kvadratrotsfunktion. Detta visas för WTI och Guld i figur 5 nedan. Figur 5 10-dagars hållperiod VaR 99 konfidensnivå. 10-dagars holding VaR for Gold vid 99 konfidensnivå Cell F15 beräknas av multiplicera Daglig VaR-cell F17 med kvotroten av innehavsperioden Cell F16 Det verkar vara 10 5767 för Guld och 14 6073 för WTI. J-dag som håller SMA VaR Scenario 2. Låt oss överväga följande fråga. Vad är innehavet SMA VaR för Guld WTI för en innehavstid 252 dagar vid en konfidensnivå på 75 Observera att 252 dagar tas för att representera handelsdagar på ett år. Metoden är densamma som tidigare använts för att beräkna det 10-dagiga innehavet SMA VaR på 99 konfidensnivå förutom att konfidensnivå och innehavstidpunkt ändras. Därför bestämmer vi först det dagliga VaR-värdet på 75 konfidensnivå. Minns att den dagliga VaR är produkten av den dagliga SMA-volatiliteten av underliggande avkastning och den inverse z-poängen här beräknas för 75 , Dvs NORMSINV 75 0 6745 Den resulterande dagliga VaR multipliceras sedan med kvadratroten på 252 dagar för att komma fram till hållaren VaR. Detta illustreras i figur 6 nedan. Fig. 6 252-dagars hållperiod VaR 75 konfidensnivå.252-dag Håller VaR vid 75 för Gold Cell F15 är produkten från den dagliga VaR beräknad till 75 konfidensnivå Cell F17 och kvotroten i hållperioden Cell F16 Det är 15 3940 för Gold och 21 2603 för WTI Den dagliga VaR är i sin tur den Produkt av det dagliga SMA-volatilitet Cell F19 och den inverse z-poängen som är förknippad med konfidensnivån Cell F18.Portfolio innehav SMA VaR. Vi har hittills endast beaktat beräkningen av VaR för enskilda tillgångar. Hur utvidgar vi beräkningen till portföljen VaR Hur är korrelationerna mellan tillgångar som redovisas vid fastställandet av portföljen VaR Låt oss överväga följande fråga. Vad är 10-dagars innehav SMA VaR för en portfölj av Gold och WTI med en konfidensnivå på 99. Det första steget i denna beräkning är viktsbestämning För Guld och WTI med avseende på portföljen Låt oss se över portföljinformationen som nämnts i början av fallstudien. Portföljen består av 100 troy uns guld och 1000 fat WTI Crude Priset på guld per troy uns är 1 598 50 och priset på WTI per fat är 85 04 den 29 juni 2012. Beräkningen av vikter visas i Figur 7 nedan. Figur 7 Vikten av enskilda tillgångar i portföljen. Vikten har bedömts utifrån marknadsvärdet av portföljen den 29 juni 2012. Marknadsvärden på tillgångar beräknas genom att multiplicera mängden av en given tillgång i portföljen med dess Marknadspriset den 29 juni 2012 Vikten beräknas sedan som marknadsvärdet av tillgången dividerat med marknadsvärdet på portföljen där marknadsvärdet på portföljen är summan av marknadsvärdena över samtliga tillgångar i portföljen. Närefter bestämde vi ett vägt genomsnitt Avkastning för portföljen för varje datapunktdatum Detta illustreras i figur 8 nedan. Figur 8 Portföljavkastning. Viktad genomsnittlig avkastning av portföljen för ett visst datum beräknas som summan över alla tillgångar i produktens tillgångar r eturn för det datumet och vikterna Till exempel för 2 juni 2011 beräknas portföljens avkastning som 0 37 65 27 0 11 34 73 0 28 Detta kan göras i EXCEL med funktionen SUMPRODUCT som visas i funktionsfältet i Figur 8 ovan appliceras på vikterna rad Cell C19 till Cell D19 och returnerar rader Cell Fxx till Cell Gxx för varje datum För att hålla viktraden konstant i formeln, när den kopieras och klistras över datapunktens räckvidd tillämpas dollartecken Till vikten radcellsreferenser, dvs C 19 D 19. För att beräkna volatiliteten gäller den dagliga VaR och innehavsperioden VaR för portföljen samma formler som används för de enskilda tillgångarna. Det är den dagliga SMA-volatiliteten för portföljen STDEV-utbudet av portföljavkastning SMA daglig VaR för portföljen Daglig volatilitet NORMSINV X och Holding period VaR för portföljen Daglig VaR SQRT Holding period. We kan nu svara på frågan Vad är 10-dagars innehav SMA VaR för en portfölj av Gold och WTI på en konfidensnivå av 99 Det är 9 1 976.Varians Covariance Approach Exponentiellt vägd glidande genomsnittlig EWMA. Vi kommer nu att titta på hur exponentiellt viktad glidande genomsnittlig EWMA VCV VaR beräknas Skillnaden mellan EWMA SMA-metoderna till VCV-tillvägagångssättet ligger i beräkningen av den underliggande volatiliteten av avkastningen Under SMA, Volatiliteten bestäms som nämnts tidigare med hjälp av följande formel. Under EWMA beräknas emellertid volatiliteten för den underliggande avkastningsfördelningen enligt följande. Medan SMA-metoden placerar lika stor betydelse för avkastningen i serien lägger EWMA större tonvikt på avkastning av senare datum Och tidsperioder som information tenderar att bli mindre relevant över tiden Detta uppnås genom att ange en parameter lambda där 0 1 och placera exponentiellt sänkta vikter på historiska data. Värdet bestämmer viktåldern för data i formeln så att Mindre värdet av desto snabbare faller tyngden Om förvaltningen förväntar sig att volatiliteten ska vara väldigt instabil så kommer den att fungera Jag kommer att lägga mycket vikt vid de senaste observationerna, om man förväntar sig att volatiliteten ska vara stabil så att den ger mer lika stora vikter till äldre observationer. Figur 9 nedan visar hur vikter som används för att bestämma EWMA-volatiliteten, beräknas i EXCEL. Figur 9 Vikter som används vid beräkning EWMA-volatilitet. Det finns 270 avkastningar i vår returserie. Vi har använt en lambda på 0 94, en industristandard. Låt oss först titta på kolumn M i figur 9 ovan. Den senaste avkastningen i serien för 29 juni 2012 tilldelas t - 1 0, retur den 28 juni 2012 kommer att tilldelas t-1 1 och så vidare så att den första avkastningen i vår tidsserie 2-juni-2011 har t-1 269 Vikten är en produkt av två objekt 1- Lambda-kolumnen K och lambda uppvuxen till kraften i t-1-kolonnen L Exempelvis kommer vikten den 2 juni 2011 Cell N25 att vara Cell K25 Cell L25.Scaled Gewights. As summan av vikterna inte är lika med 1 är det nödvändigt för att skala dem så att deras summa motsvarar enighet. Detta görs genom att dividera de vikter som beräknas ovan med 1- n, där N är antalet avkastningar i serien Figur 10 visar detta nedan. Figur 10 Skalade vikter som används för att beräkna EWMA-volatilitet. EWMA-varians. EWMA-varians är helt enkelt summan över alla datapunkter för multipliceringen av kvadrerade avkastningar och de skalade vikterna du kan Se hur produkten av de kvadrerade returerna och skalade vikterna beräknas i funktionsfältet i Figur 11 nedan. Figur 11 Viktig kvadrerad returserie som används för att bestämma EWMA-variansen. När du har fått denna produktserie av vikter gånger kvadrerad returserie, summerar du Hela serien för att få variansen se Figur 12 nedan. Vi beräknar denna varians för Guld, WTI portföljen med användning av marknadsvärdet av tillgångar viktade avkastningar bestämda tidigare. Figur 12 EWMA Variance. Daily EWMA Volatility. Den dagliga EWMA volatiliteten för Gold, WTI portföljen finns genom att ta kvadratroten av variansen bestämd ovan. Detta visas i funktionsfältet i Figur 13 nedan för Gold. Figure 13 Daily EWMA volatili ty. Daily EWMA VaR. Daily EWMA VaR Daglig EWMA-volatilitet z-värde av invers standard normal CDF Detta är samma process som används för att bestämma daglig SMA VaR efter att ha erhållit daglig SMA-volatilitet Figur 14 visar beräkningen av daglig EWMA VaR vid 99 konfidensnivå. Figure 14 Daily EWMA VaR. J-Day Holding EWMA VaR. Hållning EWMA VaR Daglig EWMA VaR SQRT Holdingperiod som är samma process som används för att bestämma innehav av SMA VaR efter att ha erhållit daglig SMA VaR Detta illustreras för 10-dagars Holding EWMA VaR i Figur 15 nedan. Figur 15 Holding EWMA VaR. VaR Historisk Simulering Approach. Ordered Returns. Under VCV-tillvägagångssättet till VaR finns det ingen antagande om den underliggande avkastningsfördelningen i det historiska simuleringsmetoden VaR är baserat på den faktiska avkastningsfördelningen som i sin tur baseras på den dataset som används i beräkningarna. Utgångspunkten för beräkningen av VaR för oss är då returserien härledd tidigare. Vår första order är att omordna serien i stigande ordning från minsta retur till största avkastning Varje beställd retur returneras till ett indexvärde Detta illustreras i Figur 16 nedan. Bild 16 Beställda dagliga avkastningar. Daglig historisk simulering VaR. Det finns 270 avkastningar i serien Vid 99 konfidensnivå, Den dagliga VaR-metoden enligt denna metod motsvarar avkastningen som motsvarar indexnumret beräknat enligt följande. 1-konfidensnivå Antal avkastningar där resultatet avrundas till närmaste heltal Detta heltal representerar indexnumret för en given avkastning som visas i figur 17 nedan. Figur 17 Bestämning av indexnummer som motsvarar konfidensnivå. Avkastningen som motsvarar det indexnummer är den dagliga historiska simuleringen VaR Detta visas i Figur 18 nedan. Figur 18 Daglig Historisk Simulering VaR. VLOOKUP-funktionen söker tillbaka till motsvarande indexvärde från Order Return Data Set. Observera att formeln tar det absoluta värdet av resultatet Till exempel vid 99 konfidensnivå verkar heltalet till 2 För Guld motsvarar detta avkastningen på -5 5384 eller 5 5384 i absoluta tal, det vill säga det finns en chans att priset på guld kommer att falla med mer än 5 5384 över en innehavsperiod på 1 dag.10-dagars innehav av Historical Simulation VaR. As för VCV-tillvägagångssättet är innehavet VaR lika med de dagliga VaR-tiderna kvotroten för innehavsperioden för guld detta fungerar till 5 5384 SQRT 10 17 5139. Antalet värsta fall förlust. Så vad är mängden värsta fallförlust för Guld över en 10-dagars innehavsperiod som endast överskrids 1 dag i 100 dagar, dvs 99 konfidensnivå beräknad Med hjälp av den historiska simuleringsmetoden. Förstasultatet för guld 99 konfidensnivå över en 10-dagars innehavsperiod Marknadsvärde av guld 10-dagars VaR 1598 50 100 17 5139 USD 27996 Det finns en chans att värdet på Guld i portföljen kommer att förlora ett belopp som överstiger USD 27996 under en innehavstid på 10 dagar. Figur 19 sammanfattar detta nedan. Figur 19 10 dagar med VaR-förlustbelopp vid 99 konfidensnivå. Relaterade inlägg.
No comments:
Post a Comment