Скользящие средние в техническом анализе (Moving Averages). Метод скользящей средней

§ 2.1. Основные показатели динамики экономических явлений

Для количественной оценки динамики явлений применяются статистические показатели: абсолютные приросты, темпы роста, темпы прироста, причем они могут разделяться на цепные, базисные и средние.

В основе расчета этих показателей динамики лежит сравнение уровней временного ряда. Если сравнение осуществляется с одним и тем же уровнем, принятым за базу сравнения, то эти показатели называются базисными. Если сравнение осуществляется при переменной базе, и каждый последующий уровень сравнивается с предыдущим, то вычисленные таким образом показатели называются цепными.

Абсолютный прирост равен разности двух сравниваемых уровней.

Темп роста Т характеризует отношение двух сравниваемых уровней ряда, выраженное в процентах.

Темп прироста К характеризует абсолютный прирост в относительных величинах. Определенный в % темп прироста показывает, на сколько процентов изменился сравниваемый уровень по отношению к уровню, принятому за базу сравнения. В таблице 2.1. приведены выражения для вычисления базисных и цепных приростов, темпов роста, темпов прироста. При этом использованы следующие обозначения:

Таблица 2.1.

Основные показатели динамики

	Прирост	Темп роста	Темп прироста
Цепной
Базисный
Средний

Для получения обобщающих показателей динамики развития определяются средние величины: средний абсолютный прирост, средний темп роста и прироста.

Описание динамики ряда с помощью среднего прироста соответствует его представлению в виде прямой, проведенной через две крайние точки. В этом случае, чтобы получить прогноз на один шаг вперед, достаточно к последнему наблюдению добавить значение среднего абсолютного прироста.

(2.1.),

где y n - фактическое значение в последней n - ой точке ряда;

Прогнозная оценка значения уровня в точке n+1;

Значение среднего прироста, рассчитанное для временного ряда .

Очевидно, что такой подход к получению прогнозного значения корректен, если характер развития близок к линейному. На такой равномерный характер развития могут указывать примерно одинаковые значения цепных абсолютных приростов.

Применение среднего темпа роста (и среднего темпа прироста) для описания динамики ряда соответствует его представлению в виде показательной или экспоненциальной кривой, проведенной через две крайние точки. Поэтому использование этого показателя в качестве обобщающего целесообразно для тех процессов, изменение динамики которых происходит примерно с постоянным темпом роста. В этом случае прогнозное значение на i шагов вперед может быть получено по формуле:

(2.2.),

где - прогнозная оценка значения уровня в точке n+i ;

Фактическое значение в последней n-ой точке ряда;

Средний темп роста, рассчитанный для ряда (не в % выражении).

К недостаткам среднего прироста и среднего темпа роста следует отнести то, что они учитывают лишь конечный и начальный уровни ряда, исключают влияния промежуточных уровней. Тем не менее, эти показатели имеют весьма широкую область применения, что объясняется чрезвычайной простотой их вычисления. Они могут быть использованы как приближенные, простейшие способы прогнозирования, предшествующие более глубокому количественному и качественному анализу.

§ 2.2. Сглаживание временных рядов с помощью скользящей средней

Распространенным приемом при выявлении тенденции развития является сглаживание временного ряда. Суть различных приемов сглаживания сводится к замене фактических уровней временного ряда расчетными уровнями, которые подвержены колебаниям в меньшей степени. Это способствует более четкому проявлению тенденции развития. Иногда сглаживание применяют как предварительный этап перед использованием других методов выделения тенденции (например, рассматриваемых в третьей главе).

Скользящие средние позволяют сгладить как случайные, так и периодические колебания, выявить имеющуюся тенденцию в развитии процесса, и поэтому, являются важным инструментом при фильтрации компонент временного ряда.

Алгоритм сглаживания по простой скользящей средней может быть представлен в виде следующей последовательности шагов:

1. Определяют длину интервала сглаживания g , включающего в себя g последовательных уровней ряда (g взаимопогашаются колебания, и тенденция развития носит более плавный , сглаженный характер. Чем сильнее колебания, тем шире должен быть интервал сглаживания.

2. Разбивают весь период наблюдений на участки, при этом интервал сглаживания как бы скользит по ряду с шагом, равным 1.

3. Рассчитывают арифметические средние из уровней ряда, образующих каждый участок.

4. Заменяют фактические значения ряда, стоящие в центре каждого участка, на соответствующие средние значения.

При этом удобно брать длину интервала сглаживания g в виде нечетного числа: g=2p+1, т.к. в этом случае полученные значения скользящей средней приходятся на средний член интервала.

Наблюдения, которые берутся для расчета среднего значения, называются активным участком сглаживания.

При нечетном значении g все уровни активного участка могут быть представлены в виде:

а скользящая средняя определена по формуле:

(2.3.),

где - фактическое значение i-го уровня;

Значение скользящей средней в момент t ;

2p+1- длина интервала сглаживания.

Процедура сглаживания приводит к полному устранению периодических колебаний во временном ряду, если длина интервала сглаживания берется равной или кратной циклу, периоду колебаний.

Для устранения сезонных колебаний желательно было бы использовать четырех- и двенадцатичленную скользящие средние, но при этом не будет выполняться условие нечетности длины интервала сглаживания. Поэтому при четном числе уровней принято первое и последнее наблюдение на активном участке брать с половинными весами:

(2.4.)

Тогда для сглаживания сезонных колебаний при работе с временными рядами квартальной или месячной динамики можно использовать следующие скользящие средние:

(2.5.)

(2.6.)

При использовании скользящей средней с длиной активного участка g=2p+1 первые и последние p уровней ряда сгладить нельзя, их значения теряются. Очевидно, что потеря значений последних точек является существенным недостатком, т.к. для исследователя последние "свежие" данные обладают наибольшей информационной ценностью. Рассмотрим один из приемов, позволяющих восстановить потерянные значения временного ряда. Для этого необходимо:

1) Вычислить средний прирост на последнем активном участке

где g - длина активного участка;

Значение последнего уровня на активном участке;

Значение первого уровня на активном участке;

Средний абсолютный прирост.

2) Получить P сглаженных значений в конце временного ряда путем последовательного прибавления среднего абсолютного прироста к последнему сглаженному значению.

Аналогичную процедуру можно реализовать для оценивания первых уровней временного ряда.

Метод простой скользящей средней применим, если графическое изображение динамического ряда напоминает прямую. Когда тренд выравниваемого ряда имеет изгибы, и для исследователя желательно сохранить мелкие волны, применение простой скользящей средней нецелесообразно.

Если для процесса характерно нелинейное развитие, то простая скользящая средняя может привести к существенным искажениям. В этих случаях более надежным является использование взвешенной скользящей средней.

При сглаживании по взвешенной скользящей средней на каждом участке выравнивание осуществляется по полиномам невысоких порядков. Чаще всего используются полиномы 2-го и 3-его порядка. Так как при простой скользящей средней выравнивание на каждом активном участке производится по прямой (полиному первого порядка), то метод простой скользящей средней может рассматриваться как частный случай метода взвешенной скользящей средней. Простая скользящая средняя учитывает все уровни ряда, входящие в активный участок сглаживания, с равными весами, а взвешенная средняя приписывает каждому уровню вес, зависящий от удаления данного уровня до уровня, стоящего в середине активного участка.

Выравнивание с помощью взвешенной скользящей средней осуществляется следующим образом.

Для каждого активного участка подбирается полином вида

параметры которого оцениваются по методу наименьших квадратов. При этом начало отсчета переносится в середину активного участка. Например, для длины интервала сглаживания g=5, индексы уровней активного участка будут следующими i : -2, -1, 0, 1, 2.

Тогда сглаженным значением для уровня, стоящего в середине активного участка, будет значение параметра a 0 подобранного полинома.

Нет необходимости каждый раз заново вычислять весовые коэффициенты при уровнях ряда, входящих в активный участок сглаживания, т.к. они будут одинаковыми для каждого активного участка. Причем при сглаживании по полиному к-ой нечетной степени весовые коэффициенты будут такими же, как при сглаживании по полиному (к-1) степени. В таблице 2.2. представлены весовые коэффициенты при сглаживании по полиному 2-го или 3-го порядка (в зависимости от длины интервала сглаживания).

Так как веса симметричны относительно центрального уровня, то в таблице использована символическая запись: приведены веса для половины уровней активного участка; выделен вес, относящийся к уровню, стоящему в центре участка сглаживания. Для оставшихся уровней веса не приводятся, т. к. они могут быть симметрично отражены.

Например, проиллюстрируем использование таблицы для сглаживания по параболе 2-го порядка по 5-членной взвешенной скользящей средней. Тогда центральное значение на каждом активном участке , будет оцениваться по формуле:

Отметим важные свойства приведенных весов:

1) Они симметричны относительно центрального уровня.

2) Сумма весов с учетом общего множителя, вынесенного за скобки, равна единице.

3) Наличие как положительных, так и отрицательных весов, позволяет сглаженной кривой сохранять различные изгибы кривой тренда.

Существуют приемы, позволяющие с помощью дополнительных вычислений получить сглаженные значения для Р начальных и конечных уровней ряда при длине интервала сглаживания g=2p+1.

Один из самых простых способов решить эту проблему – использовать метод скользящей средней цены (moving averages).

Метод скользящей средней дает возможность трейдеру сгладить и быстро определить направление текущего тренда, .

Виды скользящих средних

Есть три разных вида скользящих средних, которые различаются алгоритмами расчета, но все они интерпретируются одинаково. Разница в расчетах заключается в весе, который придается ценам. В одном случае все цены могут иметь одинаковый вес, в другом более свежие данные имеют больше значения.

Три самых распространенных вида скользящих средних:

простая (simple)
линейная взвешенная (linear weighted)
экспоненциальная (exponential)

Простая скользящая средняя (SMA, Simple Moving Average)

Это самый распространенный метод для расчета скользящих средних цен. Нужно просто взять сумму цен закрытия за определенный период и разделить на количество цен, использованных для расчета. То есть, это вычисление простого среднеарифметического значения.

Например, для десятидневной простой скользящей средней мы должны взять цены закрытия за последние 10 дней, сложить их вместе и разделить на 10.

Как вы можете видеть на рисунке ниже, трейдер может делать скользящие средние более плавными, просто увеличивая количество используемых дней (часов, минут) для расчета. Большой период для расчета скользящей средней обычно используется для отображения долгосрочного тренда.

Многие сомневаются в целесообразности использования простых скользящих средних цен, поскольку каждая точка имеет одинаковое значение. Критики данного метода расчета полагают, что более свежие данные должны иметь больший вес. Именно такие аргументы привели к созданию других видов скользящих средних.

Взвешенная скользящая средняя (WMA, Linear Weighted Average)

Этот вариант скользящей средней цены самый редко используемый индикатор из трех. Изначально она должна была бороться с недостатками расчета простой скользящей средней. Чтобы построить взвешенную скользящую среднюю нужно взять сумму цен закрытия за определенный период, умноженных на порядковый номер, и разделить полученное число на количество множителей.

Например, для расчета пятидневной взвешенной скользящей средней, нужно взять сегодняшнюю цену закрытия и умножить ее на пять, затем взять вчерашнюю цену закрытия и умножить ее на четыре и так продолжать до конца периода. Затем эти значения нужно сложить и разделить на сумму множителей.

Экспоненциальная скользящая средняя (EMA, Exponential Moving Average)

Этот тип скользящих средних представляет «сглаженный» вариант WMA, где больше значения придается последним данным. Такая формула считается более эффективной, чем та, что используется для расчета взвешенной скользящей средней.

Вам совсем не обязательно досконально понимать, как рассчитываются все типы скользящих средних. Любой современный торговый терминал построит вам этот индикатор с любыми настройками.

Формула для расчета экспоненциальной скользящей средней выглядит следующим образом:

EMA = (цена закрытия – EMA (предыдущий период) * множитель + EMA (предыдущий период)

Самое главное, что вы должны знать про экспоненциальную скользящую среднюю – она более восприимчива к новым данным в сравнении с простой скользящей средней. Это является ключевым фактором, почему экспоненциальный вариант расчета пользуется большей популярностью и сегодня применяется большинством трейдеров.

Как вы можете видеть на изображении снизу, EMA с периодом 15 быстрее реагирует на изменения цен, чем SMA с тем же периодом. На первый взгляд разница кажется не значительной, но это впечатление обманчиво. Такая разница может сыграть ключевую роль во время реальной торговли.

Определение тренда по скользящи средним

Скользящие средние используются для определения текущего тренда и момента его разворота, а также для нахождения уровней сопротивления и поддержки.

Скользящие средние позволяют очень быстро понять, в какую сторону в данный момент направлен тренд.

Посмотрите на изображение снизу. Очевидно, что когда скользящая средняя двигается под графиком цен, можно уверенно сказать – тренд восходящий. И наоборот, когда скользящая средняя находится над графиком цен, тренд считается нисходящим.

Другой способ определения направления тренда заключается в использовании двух скользящих средних с разным периодом для расчета. Когда краткосрочная средняя находится над долгосрочной, тренд считается восходящим. И наоборот, когда краткосрочная средняя находится под долгосрочной, тренд считается нисходящим.

Определение разворота тренда по скользящим средним

Разворот тренда по скользящим средним определяют двумя способами.

Первый – это когда средняя пересекает график цен. Например, когда скользящая средняя с периодом 50, пересекает график цен, как на изображении снизу, то это часто означает смену тренда с восходящего на нисходящий.

Другой вариант получения сигналов о возможных разворотах тенденции – отслеживать пересечение скользящих средних, краткосрочных и долгосрочных.

Например, на изображении снизу вы можете видеть, как скользящая средняя с периодом расчета 15 пересекает скользящую среднюю с периодом 50 снизу вверх, что сигнализирует о начале восходящего тренда.

Если используемые периоды для расчета средних относительно невелики (например, 15 и 35), то их пересечения будут сигнализировать о краткосрочных разворотах тренда. С другой стороны, для отслеживания долгосрочных тенденций используются периоды значительно больше, например 50 и 200.

Скользящие средние в качестве уровней поддержки и сопротивления

Еще один довольно распространенный способ использования скользящих средних – это определение уровней поддержки и сопротивления. Для этого обычно используются скользящие средние с большими периодами.

Когда цена подбирается к линии поддержки или сопротивления, то довольно высока вероятность ее «отскока» от этого уровня, как видно на изображении снизу. Если же цена пробивает долгосрочную скользящую среднюю, то высока вероятность продолжения движения цены в том же направлении.

Вывод

Скользящие средние в техническом анализе являются одним из самых мощных и в то же время простых инструментов для анализа рынка. Они позволяют трейдеру быстро определять направление долгосрочных и краткосрочных трендов, а также уровни поддержки и сопротивления.

Каждый трейдер использует свои настройки для расчета скользящих средних. Многое тут зависит от стиля торговли и от того, на каком финансовом рынке они применяются (рынок , валютная биржа и прочее).

Скользящие средние помогают техническим аналитикам убрать с графика так называемый «шум» ежедневных колебаний цены. Традиционно скользящие средние называют трендовыми индикаторами.

1. Сглаживание с помощью скользящей средней.

2. Прогнозирование на основе экспоненциального сглаживания.

1. Сглаживание временных рядов осущ-ся с целью выявления тенденции изменения исследуемого показателя. Сущность сглаживания по скользящей средней состоит в замене исходных уравнений динамического ряда средними величинами, исчисленными для определенного интервала. Средние величины обязательно д.б. центрированы и соответствовать уровню определенной точки исходного ряда. Интервалы определения средней при выравнивании одного ряда д.б. одинаковыми. В расчетах скользящей средней участвуют все уровни динамического ряда, сглаженный ряд короче первоначального на (к-1) наблюдение, где к – величина интервала сглаживания. При нечетных интервалах средняя всегда центрирована исходя из расчетов. При четком интервале сглаживания к=2, 4, 6… скользящая средняя д.б. отнесена к средней точке в результате центрирования 2-х смежных скользящих средних. Длина интервала сглаживания зависит от траектории колеблемости исследуемого показателя и от числа уровней исходного динамического ряда. Длина интервала сглаживания часто определяется в соответствии с наилучшими вариантами исследуемых временных периодов. Более точные результаты выравнивания рядов дает применение взвешенных скользящих средних при этом каждому уровню ряда в пределах интервала сглаживания приписывается вес, зависящий от расстояния, от данного уровня до середины интервала сглаживания. Расчет сглаженных уровней ряда осущ-ся на основе уравнений поленомов разных степеней.

2. Суть метода экспоненциального сглаживания состоит в том, что временной ряд сглаживается с помощью взвешенной скользящей средней, в кот. приписываемые уровнем ряда подчиняются экспоненциальному закону, взвешенные уровни ряда характеризуют значение исследуемого показателя на конец интервала сглаживания. Т.о. придавая последним членам динамического ряда большую значимость чем первым. Основная цель экспоненциального сглаживания состоит в вычислении рекурентных поправок к коэф-ам уравнения тренда. Для прямолинейной зависимости вида у=а+вt расчеты ведутся след. образом:

Определяются начальные условия сглаживания первого S0¹ и второго S0² порядка след. образом:

S0¹= a-(1-α)/α*b

S0² = a-2(1-α)/α*b

a, b – параметры уравнения тренда, построенного на основе анализа тенденции исходного временного ряда.

n – число уровней динамического ряда

Рассчитывается экспоненциальные средние первого и второго порядка

St¹(y)=α*yt + (1-α) * S¹t-1(y)

St²(y)=α * St¹(y) + (1-α) * S²t-1(y)

yt – начальный уровень исходного динамического ряда.

S¹t-1(y) – расчетное значение соответствующее начальному уровню сглаживания (для первого расчета) и экспоненциальной средней первого порядка для предыдущих расчетов (в случае последующих вычислений)

S²t-1(y) – расчетное значение соответствующее начальным условиям сглаживания и экспоненциальной средней предыдущего расчета второго порядка.

Осуществляется оценка коэф-тов исходного уравнения трнда с учетом экспоненциальных весов.

аэ = 2 * St¹(y) - St²(y)

вэ = a/1-a * (St¹(y) - St²(y))

Определяются расчетные уровни сглаженного ряда

yt1 = аэ + вэt1

yt2 = аэ + вэt2 и т.д.

T1, t2… - это порядковый номер временного периода, соотв-щий рассматриваемому сглаженному уровню. Использование этих расчетов позволяет определять прогнозное значение показателей для разных уравнений тренда. При увеличении кол-ва параметров в исходном уравнении тренда увелич-ся кол-во расчетов для начальных условий сглаживания и определяемых экспоненциальных средних.

Тема: Прогнозирование по корреляционно-регрессионным моделям

1. Особенности прогнозирования по парным регрессионным моделям.

2. Многофакторное прогнозирование.

4. Методы исключения автокорреляции из рядов динамики.

1. Корреляционный анализ предполагает изучение взаимосвязи м/у двумя и более показателями. Различают след. виды связей:

Функциональные

Статистические

Функциональная связь имеет место, если изменения одних явлений вызывают вполне определенное изменение других. Такие связи выражаются уравнениями строго определенного вида.

Статистическая связь – это разновидность статистических связей, хар-ся тем, что изменение одного признака под воздействием др. признаков явл. общим случаем, хар-им среднюю колеблемость рассматриваемых показателей.

Уравнение, отражающее статистическую связь м/у показателями называется уравнением регрессии. Разработка этого ур-я явл. способом кол-го представления влияния фактора и нескольких факторов на исследуемый показатель. Парные корреляционно-регрессионные модели отражают взаимосвязь м/у исследуемым показателем у и одним фактором х. в общем виде: y=f(x) частные:

y=a±bx; y=a+b/x

у – исследуемый (прогн-мый) показатель

х – фактор, оказывающий влияние на исследуемый показатель.

Прогнозирование по парным КРМ² включает след. этапы:

Выбор независимой переменной существенно влияющий на исследуемый показатель. Существенность влияния фактора на исследуемый показатель опред-ся по коэффициенту парной корреляции.

r = n*Σy*x – Σy * Σx / √n * Σy² - Σy² * √n * Σx² - Σx²

Для прогнозов используются такие связи, в кот. коэф-т парной корреляции превышает 0,8

Определяется форма уравнения регрессии

Оцениваются параметры уравнения регрессии с использованием метода наименьших квадратов

∑y = a*n + b∑x

∑y*x = a∑x + b∑x²

Рассчитываются прогнозные значения исследуемого показателя у путем подстановки в построенное КР уравнение значения фактора х определяемого для периода упреждения след. способами:

· путем расчета прогнозного значения фактора по уравнению тренда вида x = f(t)

· путем подстановки в КР модель планируемого (нормативного) значения фактора х на перспективу.

2. Сущность многофакторного прогнозирования состоит в расчете прогнозных значений исследуемого показателя по уравнению множественного КР анализа, построенного на основе изучения взаимосвязей м/у показателем у и несколькими факторами х1, х2, …, хn существенно влияющими на него. В общем виде: полином 1-й степени:

у = а1х1 + а2х2 + … + аnxn

Этапы многофакторного прогнозирования:

Анализ динамики исследуемого показателя;

Установление факторов влияющих на исследуемый показатель и отбор наиболее существенных. Отбор наиболее существенных факторов для включения в модель множественной корреляции может осуществляться след. способами:

а) на основе расчета парных коэф-тов корреляции м/у у и каждым из факторов. В модель включаются факторы с наибольшими показателями парного коэф-та корреляции.

б) на основе расчета частных коэф-тов корреляции, кот. предлагают изучения воздействия 1-го из факторов на показатель у при закреплении других на постоянном уровне.

в) на основе пошагового КР анализа. В этом случае в результате последовательного включения факторов в модель оцениваются показатели расчетного критерия Стьюдента коэф-т множественной корреляции, частные коэф-ты корреляции и коэф-ты детерминации.

Окончательный отбор факторов осущ-ся для случая с наилучшими хар-ми модели. Если м/у факторами модели сущ-ет тесная связь, то такие факторы одновременно включать в модель нельзя. |r|>0,6 в этом случае наблюдается явление мультиколениарности. Количество факторов включаемых в модель многофакторного прогнозирования д.б. в 5-6 раз меньше числа наблюдений.

Устанавливается форма связи м/у у и факторами х путем анализа различных коэф-тов статистической оценки, а именно: коэф-т множественной корреляции хар-ет тесноту связи м/у у и всеми факторами; коэф-т детерминации хар-ет долю изменения у обусловленную воздействием включенных в модель факторов; анализом F, T- критериев; анализом ошибки аппроксимации Е< 10-15% хар-ет соответствие выбранного уравнения регрессии реальным экономическим условиям.

Осущ-ся качественно-логический и статистический анализ многофакторного уравнения

Рассчитываются прогнозные значения показателя у на основе предварительной экстраполяции тенденции для факторов х.

Многофакторный анализ позволяет устанавливать тенденции изменения показателей и оценивать варианты воздействия факторов на исследуемый показатель в перспективе.

3. Прогнозирование по авторегрессионым моделям основывается на выявлении и изучении взаимосвязей м/у последовательными значениями одной и той же случайной величины. Это имеет место в тех случаях, когда изменения исследуемого показателя обусловлены не столько действием на него каких-либо факторов, сколько внутренними объективными причинами.

Yt = a1Yt-1 + a2Yt-2 + … + anYt-n, где

Yt-1 – значение исследуемого показателя (t-1) уровня ряда, отнесена к t-му уровню.

Yt-2 – значение исслед-го к уровню t

Σ(Yt*Yt-1) = a1 * ΣYt-1² + a2 * ΣYt-1 * Yt-2

Σ(Yt * Yt-2) = a1 * ΣYt-1 * Yt-2 + a2 * Σyt-2²

d = 2 * (1 – Σγt * γt-1 / Σγt², .где

γt – это отклонение фактических уровней исходного динамического ряда от их расчетных величин

γt = yф – yр

Расчетные величины – это те, кот. получены из уравнения тренда

γt-1 – отклонение уф от ур (t-1)-го уровня ряда, отнесенные к уровню t/

N – число уровней ряда.

Если расчетный критерий Дарбина-Уотсона

d = 0, то имеет место сильная положительная автокорреляция

d = 4, то имеет место сильная отрицательная автокорреляция

d = 2, то автокорреляция в рядах динамики отсутствует.

Если рассчитанный критерий d не соответствует определенным уровням, то наличие автокорреляции определяется в зависимости от длины динамического ряда по разработанной таблице с нижним и верхним уровнем критерия. Если ddв (верхний уровень критерия), то автокорреляция отсутствует. Если критерий находится в пределах dн и dв (dн<=d<=dв), то наличие корреляции или ее отсутствие м. подтвердиться только путем дополнительных вычислений для большего числа уровней ряда.

Причинами автокорреляции в динамических рядах м.б.:

Неправильный выбор формы связи м/у переменными;

Ошибки измерения исследуемых показателей, относящихся к разным уровням ряда;

В моделях корреляционно-регрессионного анализа не полный учет факторов, влияющих на у.

При прогнозировании по одиночным временным рядам наличие автокорреляции в исследуемом ряду уточняет прогнозные оценки. При прогнозировании по корреляционно-регрессионным моделям автокорреляция снижает точность и достоверность прогноза и является недопустимой, поэтому построение, анализ и использование в прогнозировании корреляционно-регрессионных зависимостей д. осущ-ся вместе с исключением явления автокорреляции из динамических рядов показателей у и х.

4. Для исключения автокорреляции из рядов динамики используют след. методы:

Метод конечных разностей. В этом случае при использовании этого метода в качестве числовых величин, подлежащих обработке, выступают не исходные уровни динамических рядов, а разности последующего и предыдущего членов ряда к-го порядка, если связь м/у показателями у и х является линейной, то рассчитываются разности 1-го порядка, а уравнение парной корреляции имеет вид:

Δу = f(Δx) или Δу = а ± bΔx, где Δу = уt+1 – yi, где i – это номер уровня ряда

Δх = хi+1 – xi

Параметры а и b определяются по методу наименьших квадратов с соответственным преобразованием системы нормальных уравнений. Расчет прогнозных значений исследуемого показателя у осущ-ся на основе предварительного расчета его приращения в зависимости от предполагаемого изменения фактора х.

Метод исключения тенденций основан на замене исходных уровней динамических рядов их отклонениями.

γt = yф – ур, где ур, хр явл. ур-ем тренда, εt = хф – хр

Простейшим способом прогнозирования по отклонениям явл. функция γt = t(εt) и ее частный случай – прямолинейная зависимость вида: γt = α * εt/

α – параметр уравнения, вычисляемый из соотношения след. вида:

∑γtεt = α∑εt²

Прогноз исследуемого показателя определяется на основе ожидаемого отклонения показателя у по заданному отклонению фактора х.

Метод Фримна – Воу. Основан на включении времени в уравнение регрессии. При этом прогнозирующая функция имеет след. вид:

у = a + bx + ct

Параметры уравнения рассчитываются по системе нормальных уравнений след. вида:

Σy = a * n + bΣx + cΣt

Σy*x = a∑x + bΣx² + cΣxt

Σyt = a*Σt + b∑t + cΣt²

Прогнозное значение исследуемого показателя у рассчитывается по данному уравнению с предварительным прогнозом фактора х и соответствующей подстановкой параметра времени t.

Тема: Методология планирования

1. Принципы, методы и типы планирования.

2. Система планов экономической организации.

4. Сущность и виды стратегий.

5. Сущность бизнес планирования и структура бизнес-плана.

1. Принципы планирования:

Системность;

Непрерывность;

Гибкость;

Точность и целенаправленность.

Точность – это в какой степени план д.б. конкретизирован, детализирован.

Альтернативность и оптимальность

Методы планирования:

По аналогии;

Эвристический – интуитивные знания, опыт, экспертные оценки;

С использованием математических моделей;

Методы социально-экономического анализа;

Балансовый;

Нормативный;

Программно-целевой: разработка плана с поиском способов решения, реализации.

Типы планирования:

1. В зависимости от временной ориентации идей планирования выделяют:

Реактивное планирование (прошлый опыт);

Преактивное планирование;

Интерактивное планирование (творческие подходы к решению)

2. В зависимости от степени неопределенности различают:

Детерминированное пл-е (действия в полностью определенной среде);

Вероятностное (пл-е вне определенной ситуации).

3. В зависимости от горизонта планирования;

Краткосрочные;

Среднесрочные;

Долгосрочные;

2. Планы классифицируются след. образом:

По периоду планирования:

а) перспективные;

б) текущие;

в) оперативно-календарные;

По реализуемым функциям:

а) план мк;

б) план производства;

в) план мн;

г) план развития

В зависимости от целей организации:

а) наступательные;

б) оборонительные (удержание позиций, предупреждение банкротства);

в) ликвидационный.

Способы представления планов:

Ординарное представление;

Планы-графики, используются при ведении взаимообусловленных работ;

Сетевые графики;

Циклограммы.

3. Стратегическое планирование предполагает разработку альтернативных вариантов будущего развития фирмы и связано с решением след. задач:

Совершенствование управленческих функций;

Развитие бизнеса;

Привлечение инвестиций;

Разработки и внедрения инноваций;

Кадровой политики.

Процесс стратегического планирования состоит из след. этапов:

а) Установление миссии и целей.

б) Исследование внешней и внутренней среды;

в) стратегический анализ, предполагает сравнение целей и результатов в поведении фирмы в текущем периоде и на перспективу. В том числе конкурентный анализ.

г) формулировка стратегии;

д) конечный стратегический план включает:

Миссию и цели фирмы;

Стратегию организации;

Политику действий фирмы.

Политика – это система ориентиров, устанавливающих способы решения задач и условия выполнения планов. Политика должна соответствовать след. принципам:

Определенность;

Стабильность и гибкость;

Использование известных законов и фактов;

Реалистичность руководства.

4. Понятие и виды стратегий

Стратегия – это качественно определенное направление развития на основе координации и распределения ресурсов, учета и адекватного реагирования на изменение факторов внешней среды с целью достижения конкурентных преимуществ в долгосрочной перспективе.

Виды стратегий:

1. Портфельная стратегия касается субъекта хозяйствования в целом и предполагает решение след. проблем:

Привлечения инвестиций;

Совершенствование инвестиционной деят-ти;

Внедрение новых организационно-правовых структур хоз-я;

Разработка и совершенствование структур управления и др.

Среди портфельных стратегий различают:

Стратегии роста;

Стратегии стабильности;

Сокращения.

2. Деловая стратегия касается отдельных деловых единиц с целью решения основных проблем.

3. Функциональная стратегия разрабатывается для отдельных функциональных подразделений и структур.

Тема: Особенности прогнозирования цен и инфляции

1. Методы прогнозирования цен.

2. Прогнозирование инфляции.

1. Методы прогнозирования цен:

Метод экспертных оценок. Применяется при анализе и прогнозе товарных рынков. При оценке уровня кредитоспособности товара, при формировании системы свойств изделия и определения их значимости для потребителя. Опрос осущ-ся среди специалистов и среди покупателей.

Методы корреляционно-регрессионного анализа. Разновидностью кор-рег-й модели явл. изучение взаимосвязи му ценой реализации товара и разницей м/у спросом и предложением товара на рынке.

Расчеты прогнозной цены ведутся след. образом;

А) Формируются динамические ряды цены реализации товара, объемов спроса и предложения товаров;

Б) Ранжируются динамический ряд цен и динамический ряд отклонения предложения от спроса;

В) Определяется форма связи, рассчитываются параметры модели;

Г) Осущ-ся расчет прогнозных значений цены на основе анализа перспектив прогнозно-коммерческой деят-ти;

Методы моделирования наибольшее распространение получили:

А) Статистическая теория игр предполагает обоснование оптимальных решений по ценам в зависимости от ситуации на рынке. При этом рассматриваются варианты снижения цены, предполагаемая реакция на это покупателей и возможные цены реализации товаров у конкурентов. В результате решение игровой модели определяется наилучная стратегия фирмы в сфере ценообразования, обеспечивающая min потерь.

Б) линейное программирование, предполагает решение задач оптимизации с учетом заданных условий.

Параметрическое прогнозирование цен. Основываются на анализе качественных зависимостей м/у ценами и основными потребительскими свойствами товара. Прогнозируемая цена опред-ся след. образом:

Ц = ∑Бi * Квi * Об, где

Бi – бальная оценка i-го параметра нового изделия

Квi – коэф-т весомости i-го параметра

Об – средняя оценка одного балла базового изделия.

Об = Цб / ∑Бiб* Квi

Цб – цена базового изделия

Бiб – бальная оценка i-го параметра базового изделия.

Прогнозирование цен на основе анализа эластичности товаров

Кэ = ∆с/с ׃ ∆ц/ц

2. Способы прогнозирования инфляции:

На основе индексов потребительских цен;

Ји = Јцt – Јцt-1 / Јцt-1 * 100%

Јцt – индексы цен в периоде t.

С учетом скрытой инфляции

Јц = Јц * Јд / Јто

Јд – индекс денежных доходов

Јто – индекс товарооборота

Корреляционно-регрессионный метод. В качестве факторов модели выступают:

А) изменения денежных доходов;

Б) изменения экспортных и импортных цен;

В) скорость денежного обращения;

Г) процентные ставки банков;

Д) объем валового внутреннего продукта.

Тема: Прогнозирование финансовых показателей

Анализ и прогноз фин-го показателя осущ-ся с целью:

1. Определение тенденции фин-го показателя и параметров;

2. Выявление факторов, влияющих на финансовые показатели с целью управления ими.

3. Расчет показателей и параметров на перспективу.

Методы прогнозирования финансовых показателей;

Нормативное прогн-е в основе прогнозных расчетов лежат нормативы по статьям расходов по технологическим процессам, видам изделий, по центрам ответ-ти, а также желаемые состояния одних параметров и прогнозирование на их основе др.

Методы анализа критического объема продаж.

Методы корреляционно-регрессионного анализа. Управление взаимосвязями финансовых показателей состоит в определении перспективной величины одного при изменении др. в соответствии с разработанной стратегией.

Моделирование предполагает построение прогнозной бухгалтерской отчетности, основная задача – формирование прогнозного баланса обеспечения его сводимости. При этом используются след. способы:

1. Метод процента от продаж. Предполагает прогнозирование отдельных статей фин-ой отчетности исходя из динамики объема реализации. Дает хорошие результаты, если фирма работает стабильно, произ-ые и коммерческие возможности используются полностью, рост объема продаж требует привлечения инвестиций.

2. Метод «пробки». Связан с прогнозированием отдельных статей баланса с обоснованием финансовых решений по изменению др. статей.

3. Прогнозирование отдельных статей отчетности исходя из их динамики и взаимосвязей. Прогноз финансовых показателей целесообразно представлять в вариантном и интервальном виде, что позволяет определять наилучшую стратегию управления финансами в краткосрочном и долгосрочном периодах при значительной степени неопределенности. Вариантное представление прогноза связано с использованием метода «анализа чувствительности прогноза» и основывается на определении пессимистических и оптимистических оценок разрабатываемого сценария. В основе расчетов лежат темпы изменения объемов продаж, хар-ер изменения издержек, варианты и величины обновления активов, результаты проводимой кредитной политики и т.д. Представление фин-ых показателей в интервальном виде связано с расчетом доверительной зоны прогнозных значений показателей ликвидности, рентабельности, платежеспособности и др., а также структуры финансирования и объема инвестирования средств.

Тема: Прогнозные модели внешнеэкономической деят-ти

Прогнозирование и планирование внешнеэк-кой деят-ти осущ-ся с целью выбора наиболее эффективных вариантов организации экспорта и импорта, определения емкости внутреннего и внешних рынков развития межгосударственного кооперирования и специализации. При пр-и и пл-и внешней торговли определяются динамика и структура экспорта и импорта, спрос и предложение на отдельные товары и торговые группы на конкретном рынке, динамика и уровень цен, внутренние издержки на товары, вовлекаемые в межгос-й оборот. Наибольшее распространение пр. внешнеэк-й деят-ти получили след. способы:

Многофакторные модели. В таких моделях в кач-ве у выступают:

Общие показатели экспорта и импорта;

Показатели внешн. торговли на уровне отрасли;

Объем продаж конкретных товаров.

В качестве факторов модели выступают:

1. при прогнозировании экспорта:

Экспортные возможности экспортера, т.е. величина ВВП и объем НД, показатели объема пр-ва;

Спрос на экспортную продукцию;

Показатели к/сп-ти продукции. уровень качества товара;

Показатели эффективности экспорта. Это отношение выручки от экспорта к затратам, если >1, то экспорт выгоден;

Показатель курса валют, соотн-е валют влияет на экспорт и импорт;

Расстояние м/у странами, показатель Тимбергена:

у = а0 * х1ª * х2ª * х3ª

х1 – ВВП экспортируемый;

х2 – ВВП импортируемый;

х3 – расстояние м/у странами.

2. при прогнозировании импорта: В качестве х м. выступать:

Потребность страны, отрасли в импортных товарах;

Эф-ть импорта;

Курс валют;

Соотн-е мировых и внутренних цен на товары;

Показатели доступности и эффективности кредитования.

С экономическими институтами РАН, как было в практике Госплана, непосредственно не взаимодействуют. «Научные» рекомендации исходят не оттуда. 2.2 Переход к программно-целевым методам бюджетного планирования Долгосрочные целевые программы разрабатываются органом исполнительной государственной власти или органом исполнительной власти местного самоуправления и утверждаются соответствующим...

Объектам, регионам. Например, используются нормативы: социального развития – потребление на душу населения, прожиточный минимум, площадь жилая и др. 2. Система бюджетного прогнозирования и планирования РФ Финансовое планирование на общегосударственном и территориальных уровнях обеспечивается системой финансовых планов, которые увязываются с материальными и трудовыми балансами в стоимостном...

Это один из самых старых и широко известных способов сглаживания временного ряда. Сглаживание представляет собой некоторый способ локального усреднения данных, при котором несистематические компоненты взаимно погашают друг друга. Так, метод скользящей средней основан на переходе от начальных значений ряда к их средним значениям на интервале времени, длина которого выбрана заранее (данный интервал времени часто называют "окном"). При этом сам выбранный интервал скользит вдоль ряда.

Получаемый таким образом ряд скользящих средних ведет себя более гладко чем исходный ряд, за счет усреднения отклонений исходного ряда. Таким образом, эта процедура дает представление об общей тенденции поведения ряда. Ее применение особенно полезно для рядов с сезонными колебаниями и неясным характером тренда.

Формальное определение метода скользящей средней для окна сглаживания, длина которого выражается нечетным числом p=2m+1. Пусть имеются измерения во времени: y 1 , y 2 …y n .

Тогда метод скользящей средней состоит в том, что исходный временной ряд преобразуется в ряд сглаженных значений (оценок) по формуле:

Где р – размер окна, j – порядковый номер уровня в окне сглаживания, m – величена, определяемая по формуле: m = (p-1) / 2.

При применении метода скользящей средней выбор размера окна сглаживания p должен осуществляться исходя из соображений и привязанности к периоду сезонности для сезонных волн. Если процедура скользящего среднего используется для сглаживания не сезонных рядов, то окно выбирают равным трем, пяти или семи. Чем больше размер окна, тем более гладкий вид имеет график скользящих средних.

Задача 2. На основе данных о производстве стиральных машин фирмой за 15 месяцев 2002-2003 гг. нужно произвести сглаживание ряда методом трехчленной скользящей средней.

Стиральные машины, тыс. шт.	Трехчленные скользящие суммы	Трехчленные скользящие средние

Взяв данные за первые три месяца, исчисляем трехчленные суммы, а затем среднюю:

и т.д.

Для реализации процедуры скользящей средней можно воспользоваться функцией Microsoft Excel. В закладке "Анализ данных" выбираем "скользящее среднее". Этот режим работы служит для сглаживания уровней временного ряда на основе метода простой скользящей средней. Указывается интервал – т.е. размер окна сглаживания. По умолчанию р=3. Получаем на выходе следующий результат:

Стиральные машины, тыс. шт.	Трехчленные скользящие средние, полученные с помощью инструмента "Скользящее среднее"	Трехчленные скользящие средние, полученные выше вручную

На графике отображен исходный ряд и сглаженный. Теперь для сглаженного ряда проще и точнее можно определить основную тенденцию (например, подобрать линию тренда).

Индикатор Moving Average — является одним из самых основных инструментов технического анализа на Форекс. Он представляет собой запаздывающую линию на графике, которая сглаживает ценовое действие. Причина отставания в том, что скользящая средняя усредняет определенное количество периодов на графике.

Основная функция которую даёт Скользящая Средняя, заключается в предоставлении трейдеру смысла полного направления тренда, а также может обеспечить сигналы для предстоящих ценовых движений. Кроме того, Скользящая Средняя может выступать в качестве важной области поддержки и сопротивления. Причина этого заключается в том, что ценовое действие имеет тенденцию соответствовать определенным психологическим уровням на графике.

Расчёт Скользящей Средней

Каждая Скользящая Средняя подлежит расчету, который дает выходной сигнал, который может быть построен на ценовом графике. Представьте, что у вас есть Простая Скользящая Средняя с 5 периодами на графике EUR/USD. Это означает, что каждый период на SMA даст вам среднее число этих 5 предыдущих периодов на графике. Таким образом, если цена EUR/USD начинает увеличиваться, SMA начнет увеличение 5 периодов позже. Если EUR/USD составляет 1.1000, 1.1100, 1.1200, 1.1300 и 1.1400 в течение пяти последовательных периодов, то SMA 5-периода даст нам значение:

(1.1000 + 1.1100 + 1.1200 + 1.1300 + 1.1400) / 5 = 1.1200

Поэтому Скользящая Средняя является запаздывающим индикатором — потому что необходимо определенное количество периодов, чтобы показать значение. Что касается этого, скользящая средняя может быть установлена на любой период который вы хотите.

Вот как выглядит Скользящая Средняя на графике:

Это ценовой график с двумя Простыми Скользящими Средними. Синяя линия представляет собой SMA 5-периода, которая учитывает 5 периодов на графике, чтобы показать значение. Красная линия представляет собой SMA 20-периода, который учитывает 20 периодов на графике, чтобы показать значение.

Обратите внимание на то, что красная SMA 20-периода медленнее, чем синяя SMA 5-периода. Она более гладкая и не реагирует на небольшие колебания цен. Причина этого заключается в том, что SMA 20-периода принимает во внимание большее количество периодов. Таким образом, если у нас есть быстрое изменение цены, которая длится в течение одного периода, а затем цена возвращается в нормальное русло, остальные 19 периодов нейтрализуют это колебание. Смотрите расчет ниже:

Скажем цена зависла на 1,50 в течение 10 периодов. На одиннадцатом периоде цена достигает 1,55 — существенное движение в 500 пипсов. Затем в течение последующих 9 периодов цена возвращается и остается на 1,50. Что покажет SMA 20-периода?

(19 х 1,55 + 1,50) / 20 = 1,5025 (значение SMA 20-периода)

Теперь скажем, старт цены на 1,50 в течение первого периода. Затем в течение второго периода цена достигает 1,55. Затем в течение следующих трех периодов цена возвращается и остается на 1,50. Что покажет SMA 5-периода?

(4 х 1,55 + 1,50) / 5 = 1,5100 (значение SMA 5-периода)

Таким образом, в первом случае мы имеем значение 1.5025, которое едва дифференцирует от основного диапазона цены в 1,50. Во втором случае мы имеем значение 1.5100, что на 75 пунктов больше. Таким образом, SMA с большим периодом сглаживает цену лучше и меньше реагирует на отдельные барные колебания.

Типы Скользящих Средних

В зависимости от того, как рассчитываются скользящие средние, их существует несколько различных типов. Например, некоторые из линий Moving Average измеряют недавнее ценовое действие в большей степени, чем прошлое ценовое действие, другие рассматривают все ценовое действие одинаково за весь период. Давайте теперь взглянем на самые популярные типы Скользящих Средних:

Простая (Simple Moving Average или SMA)

Выше вы видели структуру наиболее распространенной Скользящей Средней — Простая Скользящая Средняя. Она просто дает среднее арифметическое периодов на графике.

Экспоненциальная (Exponential Moving Average или EMA)

Экспоненциальная Скользящая Средняя (EMA) является еще одной скользящей средней, которую часто используют трейдеры. Она выглядит так же, как и простая скользящая средняя на графике. Однако вычисление EMA отличается от расчета SMA. Причина этого заключается в том, что ЕМА делает больший акцент на более поздние периоды.

М: множитель
P: текущая цена

Предыдущая EMA: предыдущее значение EMA; Если нет предыдущее значение EMA, используется значение того же периода SMA.

Теперь мы должны вычислить множитель. Он относится к другой формуле:

М = 2 / n + 1
М: множитель
n: соответствующие периоды
Давайте теперь вычислим EMA 20-периода. Сначала мы вычислим множитель.
М = 2/20 + 1
М = 2/21
M = 0,095 (0,0952380952380952)

Теперь мы будем вычислять текущую EMA. Тем не менее, нам потребуется предыдущее значение EMA. Скажем, предыдущее значение EMA равно 1.40, а текущая цена составляет 1,38. Значения которые мы имеем, мы будем использовать в формуле:

EMA = М х Р + (1 — М) х (предыдущая EMA)
M = 0,095
P = 1,38
Предыдущая EMA = 1,40
EMA = 0,095 х 1,38 + (1 — 0,095) х 1,40
EMA = 0,1311 + 0,905 х 1,40
EMA = 0,1311 + 1,267
EMA = 1,3981

Множитель, который мы рассчитали определяет акцент на недавние периоды. Таким образом, чем больше существует периодов, тем меньше будет акцент, так как он будет охватывать больше периодов. Теперь позвольте мне показать вам на графике чем ЕМА отличается от SMA:

Это дневной график EUR/USD с красными и синими Скользящими Средними 50-периода. Красная является SMA 50-периода, а синяя является EMA 50-периода. Как мы уже говорили, EMA и SMA отличаются, и они не двигаются вместе, потому что EMA делает акцент на более поздние периоды. Теперь посмотрим на черный эллипс и черную стрелку на графике. Обратите внимание на то, что свечи в эллипсе большие и бычьи, что указывает на сильное повышение цены. Это когда синяя EMA выходит выше красной SMA, потому что акцент ЕМА больше падает на эти свечи.

Взвешенная (Weighted Moving Average или WMA)

Взвешенная Скользящая Средняя имеет аналогичную структуру Экспоненциальной Скользящей Средней. Разница заключается в том, что WMA делает акцент на периоды с более высоким объемом. Вот как вычисляется WMA 5-периода:

WMA 5-периода = (P1 х V1) + (P2 х V2) + (P3 х V3) + (P4 х В4) + (P5 х V5) / (V1 + V2 + V3 + V4 + V5)
P: цена соответствующего периода
V: объем в соответствующем периоде

Таким образом, чем выше объем периода, тем больше акцент будет сделан на этот период. Посмотрите на изображение ниже.

Этот часовой график EUR/USD показывает быстрый рост цен на больших объемах. У нас есть две скользящие средние на графике. Красная линия представляет собой 50-период Простой Скользящей Средней, а розовая линия является 50-периодом Взвешенного Скользящего Среднего Значениея.

В черном эллипсу мы видим стремительный рост цен. В черном квадрате мы видим, что рост цен происходит из-за высоких объемов торгов по паре EUR/USD. Именно поэтому WMA в это время переключается выше SMA — высокие объемы, а WMA делает акцент на более высокие показания объема.

Анализ тренда

Индикаторы Скользящих Средних (МА) могут помочь нам определить начало и конец тренда. Метод торговли включает в себя несколько сигналов, которые говорят нам, когда быть готовым для входа и выхода из рынка. Давайте поговорим о них еще…

Цена пересекает линию МА
Самый основной сигнал состоит в пересечении ценой самой Скользящей Средней.
Когда цена пробивает МА вверх, мы получаем бычий сигнал.
А если на оборот, когда цена пробивает Скользящую Среднюю вниз, мы получаем медвежий сигнал.

Это 4 часовой график USD/JPY с январь по февраль 2016 года, у нас на графике SMA 20-периода. На рисунке показаны четыре сигнала, вызванные ценовым действием и взаимодействия скользящей средней линии.

В первом случае цена пробивает SMA 20-периода в бычьем направлении. Это создает длинный сигнал. И в впоследствии рост цены. Второй сигнал на графике является медвежьим. Тем не менее сигнал — ложный прорыв, и цена быстро возвращается выше SMA. Затем цена пробивает SMA 20-периода в медвежьем направлении, создавая короткий сигнал. Следующее падение является довольно сильным и устойчивым.

Если вы торгуете по этой стратегии, вы должны помнить, что в целом, чем больше периодов, включенных в Скользящее среднее значение, тем надежнее сигнал. И многие трейдеры, которые следуют за простой системой скользящего среднего значения, очень тесно наблюдают за 50-дневной скользящей средней и 200-дневной линией скользящего среднего значения. Тем не менее, при использовании более высокой скользящей средней, отставание скользящей средней линии к действию текущей цены будет также большим. Это означает, что каждый сигнал будет приходить позже, чем когда мы используем Скользящую Среднюю с меньшим количеством периодов.

Это тот же самый график USD/JPY, но на этот раз у нас на графике размещена SMA 30-периода вместе с оригинальной 20-периодной SMA. Обратите внимание на то, что синяя SMA 30-периода изолирует фальшивый сигнал. Тем не менее, сигнал для сильного медвежьего тренда наступает позднее, чем на 20-периодной SMA (красная). Длинный сигнал в конце тренда наступает также позже. Имейте в виду, что не существует оптимального значения скользящей средней линии, которая может использоваться на всех рынках или даже на одном.

Пересечение скользящих средних

Пересекающийся сигнал Скользящего среднего значения включает в себя использование более одной скользящей средней. Для того, чтобы получить пересечение скользящих средних, мы должны видеть, что более быстрое Скользящее среднее значение ломает более медленное скользящее среднее значение. Если переход находится в бычьем направлении, мы получим длинный сигнал. Если переход находится в медвежьем направлении, мы получаем короткий сигнал.

Это месячный график пары EUR/USD за период с 2007 по 2016 год. Синяя линия на графике представляет собой SMA 150-периода. Обратите внимание на то, что пару раз цена EUR/USD тестировала SMA 150-периода в качестве поддержки. Два теста произошли в середине 2010 года и в середине 2012 года. В середине 2014 года цена снизилась до SMA 150-периода для нового теста. Тем не менее, SMA была резко сломана в медвежьем направлении, в результате чего цена EUR/USD упала до 12-летнего минимума.

Это еще один пример Скользящей Средней на дневном графике USD/JPY. Изображение показывает 200 дневную скользящую среднюю линию на графике. Цена пробивает 200-дневный SMA, а затем проверяет его в качестве сопротивления. Это говорит о важности 200-периода SMA на дневном таймфрейме.

Торговля по Фибоначчи и Скользящим Средним

Существует психологическая связь между отношениями Фибоначчи и некоторыми Скользящими средними значениями. Трейдеры могут использовать скользящие средние на основе чисел Фибоначчи, для помощи в обнаружении динамической области поддержки и сопротивления на ценовом графике. Давайте посмотрим на пример:

Изображение выше показывает дневной график GBP/USD с сентября 2013 года по август 2014 года. На графике отображаются три Простых Скользящих Средних, что соответствует следующим числам Фибоначчи:

Синий: SMA 8-периода
Красный: SMA 21-периода
Желтый: SMA 89-периода

Как вы видите, периоды чисел этих SMA взяты из известной последовательности Фибоначчи:

1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144 и т.д.

На приведенном выше графике мы используем желтую Простую Скользящую Среднюю 89 периода в качестве поддержки сильного восходящего тренда. В то же время, пересечения синего 8 периода и красного 21 периода SMA могут использоваться для точных точек входа и выхода на потенциальных торговых позициях. На нашем примере, мы имеем 5 потенциально хороших торговых условий на пути вверх. Когда цена тестирует желтый 89 период SMA в качестве поддержки и отскакивает вверх, происходит длинный сигнал, когда синяя и красная SMA пересекаются вверх после отскока (зеленые кружки). Сигнал выхода приходит после того, как происходит пересечение в противоположном направлении (красный круг).

Обратите внимание на то, что после последней длинной сделки, цена уменьшается через желтую SMA 89-периода, что дает сильный сигнал разворота.

Во всех примерах выше мы использовали Простые Скользящие Средние, потому что они являются одними из наиболее часто используемых в торговле на Форекс. Тем не менее, торговые стратегии описанные выше будут работать точно так же и с другими типами скользящих средних — экспоненциальное, Volume Weighted, и т.д.

Во всех примерах выше мы использовали Простые Скользящие средние значения, потому что это — то, обычно используемое в торговле Форекса. Тем не менее, торговые стратегии выше работали бы тот же самый путь с различными скользящими средними значениями – Экспоненциальной, Взвешенной, и т.д.

Заключение

Индикатор Moving Average является одним из наиболее важных инструментов технического анализа на Форекс.

Существуют различные типы скользящих средних на основе критериев для усреднения периодов. Некоторые из наиболее широко используемых скользящих средних:
Простая скользящая средняя (SMA): Это простое среднее арифметическое из выбранных периодов.
Экспоненциальная скользящая средняя (EMA): Она делает акцент на более поздних периодах.
Взвешенная Скользящая Средняя (WMA): Она делает акцент на периоды с более высокими объемами торгов

Скользящие средние могут быть использованы для получения сигналов входа и выхода. Два основных сигнала Moving Average:

Цена пересекает скользящую среднюю
Многократное пересечение скользящих средних

Некоторые самые важные уровни Скользящего Среднего Значения:

SMA с 50 периодом
SMA с 100 периодом
SMA с 150 периодом
SMA с 200 периодом

Трейдеры могут осуществлять с добавлением Скользящих Средних, которые отвечают на хорошо известную последовательность чисел Фибоначчи. Некоторые наиболее используемые:

8-период SMA
21-период SMA
89-период SMA