أضعافا مضاعفة المرجحة الحركة المتوسط ، مقابل - garch

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 أسعار الأسهم اليومية 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 أكثر ببطء من ناحية أخرى، إذا قلنا من لامدا، فإننا نشير إلى انحلال أعلى في الأوزان تسقط بسرعة أكبر، نتيجة التسوس السريع، يتم استخدام نقاط بيانات أقل في جدول البيانات، لامدا هو المدخلات، حتى تتمكن من التجربة مع حساسية لها. الذبذبات 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 إلى العوائد الدورية عن طريق القيام هذا، يمكننا على حد سواء استخدام حجم عينة كبيرة ولكن أيضا إعطاء المزيد من الوزن لعوائد أكثر حداثة. لعرض فيلم تعليمي حول هذا الموضوع، قم بزيارة بيونيك تورتل. الحد الأقصى للمبلغ من الأموال التي يمكن للولايات المتحدة الاقتراض تم إنشاء سقف الديون بموجب قانون السندات الحرية الثانية. سعر الفائدة الذي مؤسسة الإيداع تضفي الأموال المحفوظة في الاتحادية احتياطي إلى مؤسسة إيداع أخرى (1). مقياس إحصائي لتشتت العائدات لمؤشر أمني أو سوق معين يمكن قياس التقلب. وقد تصرف الكونغرس الأمريكي في عام 1933 باعتباره قانون المصارف الذي يحظر على المصارف التجارية المشاركة في الاستثمار . نونفارم الرواتب تشير إلى أي وظيفة خارج المزارع والأسر الخاصة والقطاع غير الربحي مكتب الولايات المتحدة للعمل. اختصار العملة أو رمز العملة للروبية الهندية إنر، عملة الهند الروبية تتكون من 1.The أضعافا مضاعفة المتوسط ​​المتحرك إوما هو إحصائية لمراقبة العملية التي تقوم بقياس البيانات بطريقة تعطي وزن أقل وأقل للبيانات كلما تمت إزالتها بشكل أكبر 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 السيطرة من البيانات التاريخية بالنسبة إلى تقنية التحكم إوما، يعتمد القرار على إوما إحصائية، وهو متوسط ​​مرجح أضعافا مضاعفة لجميع البيانات السابقة، بما في ذلك أحدث قياس. من خلال اختيار الترجيح عامل، لامدا، يمكن أن يكون إجراء التحكم إوما حساسة 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 تم حسابه هي مبوكس t لامبدا يت 1- لامدا مبوكس،،، مبوكس،، t 1،، 2،، لدوتس،، n وير. 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 الرقابة ومع ذلك، يبدو أن هناك اتجاها صعوديا على مدى 5 فترات الماضية. تحديد كما تقلب متغير السوق في اليوم ن، كما هو مقدر في نهاية اليوم n-1 معدل التباين هو مربع من التقلبات، في اليوم n. Suppose قيمة متغير السوق في نهاية اليوم ط هو معدل معقد بشكل مستمر من العائد خلال اليوم ط بين نهاية اليوم السابق أي i-1 ونهاية اليوم وأنا يعبر عنها. بعد ذلك، باستخدام معيار نهج لتقدير من البيانات التاريخية، وسوف نستخدم أحدث م - الملاحظات لحساب مقدر غير منحازة من التباين. أين هو المتوسط. في وقت لاحق، دعونا نفترض واستخدام تقدير احتمال أقصى من معدل التباين. حتى الآن، طبقنا أوزانا متساوية على الجميع حتى التعريف أعلاه، غالبا ما يشار إليها بتقييم التقلبات المرجح بالتساوي. وبالتالي، ذكرنا أن هدفنا هو تقدير المستوى الحالي للتذبذب بحيث يكون من المنطقي إعطاء أوزان أعلى للبيانات الحديثة مقارنة بالبيانات القديمة. وللقيام بذلك، تقدير التباين المرجح كما يلي. هو مقدار الوزن المعطاة للمراقبة i-أيام مضت. لذلك، لإعطاء وزن أعلى للملاحظات الأخيرة. التباين المتوسط ​​المدى الطويل. الامتداد المحتمل للفكرة أعلاه هو أن نفترض أن هناك فترة طويلة - رون متوسط ​​التباين وأنه ينبغي أن تعطى بعض الوزن. و النموذج أعلاه يعرف باسم نموذج m م، التي اقترحها إنغل في 1994.WMA هو حالة خاصة من المعادلة أعلاه في هذه الحالة، ونحن جعله بحيث الأوزان من انخفاض متغير أضعافا مضاعفة ونحن نتحرك مرة أخرى من خلال time. Unlic العرض السابق، و إوما يتضمن جميع الملاحظات السابقة، ولكن مع الأوزان انخفاض أضعافا مضاعفة طوال الوقت. بعد ذلك، نطبق مجموع الأوزان بحيث تساوي القيد الوحدة. للمؤشر الخامس على سبيل المثال. نحن الآن سد تلك الشروط مرة أخرى في المعادلة للحصول على تقدير. لمجموعة بيانات أكبر، وهو صغير بما فيه الكفاية ليتم تجاهلها من المعادلة. منهج إوما لديه ميزة جذابة واحدة يتطلب البيانات المخزنة قليلا نسبيا لتحديث تقديراتنا في أي لحظة، نحن بحاجة فقط إلى تقدير مسبق لمعدل التباين وأحدث قيمة للمراقبة. الهدف الثانوي ل إوما هو تتبع التغيرات في التقلب بالنسبة للقيم الصغيرة، تؤثر الملاحظات الأخيرة على التقدير الفوري للقيم الأقرب إلى واحد، تقدير التغيرات ببطء استنادا إلى التغيرات الأخيرة في عوائد المتغير الأساسي. قاعدة بيانات ريسكمتريكس التي تنتجها جب مورغان والمتاحة للجمهور تستخدم إوما مع لتحديث التقلبات اليومية. الموثوقية صيغة إوما لا يفترض مستوى التباين متوسط ​​المدى الطويل وهكذا، فإن مفهوم التقلب يعني عكس لا يتم التقاطها من قبل إوما نماذج أرش غارتش هي الأنسب لهذا الغرض. الهدف الثانوي من إوما هو تتبع التغيير s في التقلب، وذلك لقيم صغيرة، الملاحظة الأخيرة تؤثر على التقدير على الفور، والقيم أقرب إلى واحد، وتغير التقديرات ببطء إلى التغيرات الأخيرة في عوائد المتغير الأساسي. قاعدة بيانات ريسكمتريكس التي تنتجها جب مورغان وجعل المتاحة للجمهور في عام 1994، يستخدم نموذج إوما مع لتحديث تقديرات التقلبات اليومية وجدت الشركة أن عبر مجموعة من المتغيرات السوق، وهذه القيمة يعطي توقعات التباين التي تأتي الأقرب إلى معدل التباين المحقق تم احتساب معدلات التباين المحققة في يوم معين على النحو التالي ومتوسط ​​مرجح بالتساوي على 25 يوما لاحقة. وبالمثل، لحساب القيمة المثلى لل لامدا لمجموعة البيانات لدينا، ونحن بحاجة لحساب التقلبات المحققة في كل نقطة هناك عدة طرق، لذلك اختيار واحد التالي، وحساب مجموع تربيع أخطاء سس بين تقدير إوما والتقلبات المحققة وأخيرا، تقليل سس عن طريق تغيير قيمة لامدا. سوند بسيط هو التحدي الأكبر هو الاتفاق على آل غوريثم لحساب التقلبات المحققة على سبيل المثال، اختار الناس في ريسكمتريكس لاحقة 25 يوما لحساب معدل التباين المحقق في حالتك، يمكنك اختيار الخوارزمية التي تستخدم حجم اليومية، مرحبا لو و أوبين-كلوز الأسعار. س 1 يمكننا استخدام إوما لتقدير التقلبات أو التنبؤ بها أكثر من خطوة واحدة إلى الأمام. لا يفترض تمثيل التقلب إوما متوسط ​​التقلب على المدى الطويل، وبالتالي، لأي أفاق التنبؤ خارج خطوة واحدة، إوما ترجع قيمة ثابتة. لبيانات كبيرة مجموعة، والقيمة لها تأثير ضئيل جدا على القيمة المحسوبة. الذهاب إلى الأمام، ونحن نخطط للاستفادة من حجة لقبول المستخدم قيمة التقلب الأولي. س 3 ما هو علاقة إوما ل أرش غارتش نموذج. ويوما هو في الأساس شكل خاص من نموذج أرش مع الخصائص التالية. إن ترتيب أرش يساوي حجم بيانات العينة. أوزان الترجيح تنخفض بشكل مطرد بمعدل على مدار الوقت. Q 4 هل تعود إوما إلى المتوسط. لا يوجد إوما لمدة طويلة - run فار وبالتالي لا تعود إلى أي قيمة. Q 5 ما هو تقدير التباين في الأفق بعد يوم واحد أو خطوة إلى الأمام. وكما هو الحال في Q1، ترجع الدالة إوما قيمة ثابتة تساوي قيمة تقدير خطوة واحدة. Q 6 لدي بيانات سنوية شهرية أسبوعية أي قيمة يجب أن أستخدمها. قد لا تزال تستخدم 0 94 كقيمة افتراضية، ولكن إذا كنت ترغب في العثور على القيمة المثلى، تحتاج إلى إعداد مشكلة تحسين لتقليل سس أو مس بين إوما والتقلبات المحققة. انظر تقلبنا 101 البرنامج التعليمي في نصائح وتلميحات على موقعنا على الانترنت لمزيد من التفاصيل والأمثلة. س 7 إذا لم يكن البيانات الخاصة بي يعني صفر، كيف يمكنني استخدام الدالة. لآن، استخدم الدالة ديترند إلى إزالة المتوسط ​​من البيانات قبل تمريره إلى وظائف إوما. في المستقبل نومكسل الإصدارات، فإن إوما إزالة المتوسط ​​تلقائيا نيابة عنك. هول، جون C الخيارات، العقود الآجلة وغيرها من المشتقات المالية الفترات برنتيس هول 2003، ص 372- 374، إيسبن 1-405-886145.Hamilton، جد تحليل سلسلة الوقت برينست على مطبعة جامعة 1994، إيسبن 0-691-04289-6.Tsay، روي S تحليل المالية سلسلة الوقت جون وايلي سونس 2005، إيسبن 0-471-690740.Related لينكس.