तेजी से भारित चलती - औसत - matlab - कोड

एक्सपोनेंनीली भारित मूविंग औसत की खोज करना। वोल्टालिटी जोखिम का सबसे सामान्य उपाय है, लेकिन यह कई जायके में आता है पिछले लेख में हमने दिखाया कि साधारण ऐतिहासिक अस्थिरता की गणना कैसे की जा सकती है इस लेख को पढ़ने के लिए, देखें भविष्य की जोखिम को मापने के लिए अस्थिरता का प्रयोग हम Google स्टॉक डेटा के 30 दिनों के आधार पर दैनिक अस्थिरता की गणना करने के लिए वास्तविक स्टॉक मूल्य डेटा इस आलेख में, हम साधारण अस्थिरता में सुधार करेंगे और तीव्रता से भारित चलती औसत EWMA ऐतिहासिक वि। इम्प्लाइड अस्थिरता पर चर्चा करेंगे, इस मीट्रिक को थोड़ा परिप्रेक्ष्य के ऐतिहासिक और निहित या अंतर्निहित अस्थिरता के दो व्यापक दृष्टिकोण हैं ऐतिहासिक दृष्टिकोण यह मानते हैं कि पिछले प्रस्तावना हम आशा में इतिहास को मापते हैं कि यह अनुमान लगाया गया है, दूसरी ओर, अस्थिरता को प्रभावित करता है, इतिहास की उपेक्षा करता है जो बाजार की कीमतों से उत्पन्न अस्थिरता के लिए हल करता है यह आशा करता है कि बाजार सबसे अच्छा जानता है और बाजार मूल्य में है, भले ही निहित, भले ही वालटिल का एक आम सहमति संबंधित रीडिंग के लिए, देखें और वाष्पशीलता की सीमाएं देखें। यदि हम उपरोक्त बाईं ओर सिर्फ तीन ऐतिहासिक तरीकों पर ध्यान देते हैं, तो उनके पास दो कदम समान हैं। आवधिक वापसी की श्रृंखला की गणना करें। भारोत्तोलन योजना लागू करें। सबसे पहले, हम गणना करते हैं आवधिक वापसी जो आमतौर पर दैनिक रिटर्न की एक श्रृंखला होती है, जहां प्रत्येक प्रतिफल को लगातार जटिल शब्दों में व्यक्त किया जाता है, प्रत्येक दिन के लिए, हम शेयरों के अनुपात का प्राकृतिक लॉग लेते हैं, अर्थात् कल कल मूल्य से विभाजित मूल्य, और इसी तरह। दैनिक रिटर्न की श्रृंखला, यूआई से यू आईएम पर निर्भर करता है कि हम कितने दिनों के दिन मापन कर रहे हैं। यह हमें दूसरे चरण में ले जाता है यह वह जगह है जहां तीन दृष्टिकोण भिन्न हैं पिछले संस्करण में अस्थिरता का उपयोग करने के लिए भविष्य के जोखिम को गेज करने के लिए, हमने दिखाया कि स्वीकार्य सरलीकरणों की एक जोड़ी, सरल विचरण चुकता रिटर्न का औसत है। यह ध्यान दें कि ये आवधिक रिटर्न के प्रत्येक अंक में है, फिर उस दिन को कुल संख्या या टिप्पणियों से विभाजित किया जाता है तो, यह वास्तव में जूस है स्क्वायर आवधिक रिटर्न का औसत एक और तरीका देता है, प्रत्येक स्क्वेर्ड रिटर्न को एक समान वजन दिया जाता है। यदि अल्फा ए एक वेटिंग कारक विशेष रूप से 1 मीटर है, तो एक साधारण विचरण ऐसा कुछ दिखता है। ईवमा सरल विचरण पर सुधार करता है इस दृष्टिकोण की कमजोरी यह है कि सभी रिटर्न उसी वज़न कम करते हैं कल की हालिया रिटर्न का पिछले महीने की वापसी की तुलना में विचलन पर और अधिक प्रभाव नहीं पड़ता है यह समस्या घाटेदार भारित चलती औसत EWMA का उपयोग करके तय की गई है, जिसमें अधिक हाल के रिटर्न का अधिक वजन है भिन्नता पर। तीव्रता से भारित चलती औसत EWMA लैम्ब्डा का परिचय देता है जिसे लम्ब्डािंग पैरामीटर कहा जाता है लम्बेडा एक से कम होना चाहिए, उस स्थिति में, समान भार के बजाय, प्रत्येक स्क्वेर्ड रिटर्न का गुणक एक गुणक के रूप में भारित होता है। उदाहरण के लिए, जोखिम मैट्रिक्स टीएम, एक वित्तीय जोखिम प्रबंधन कंपनी, 0 94 या 94 के लैम्ब्डा का उपयोग करने के लिए जाती है, इस मामले में, सबसे हाल ही में चुकता आवधिक रिटर्न 1-0 94 94 0 6 द्वारा भारित है एक्सटी स्क्वेर्ड रिटर्न केवल इस मामले में पूर्व वजन का एक लम्बाडा-मल्टीपल है, 6 गुणा 9 4 5 64 और तीसरा पहले दिन का वजन 1-0 94 94 94 2 5 30 के बराबर है। यह ईडब्ल्यूएमए में प्रत्येक वजन में घातीय का अर्थ है एक निरंतर गुणक यानी लैम्ब्डा है, जो पहले के एक दिन के वजन के कम से कम होना चाहिए यह एक भिन्नता को सुनिश्चित करता है जो अधिक हाल के डेटा पर भारित या पक्षपाती है। अधिक जानने के लिए, Google की अस्थिरता के लिए एक्सेल वर्कशीट देखें केवल अस्थिरता के बीच का अंतर और Google के लिए ईडब्ल्यूएमए नीचे दिखाया गया है। कॉलम ओ में दिखाए गए अनुसार मामूली अस्थिरता का प्रभावी रूप से प्रत्येक 1 9 6 तक प्रत्येक आवधिक वापसी का वजन होता है। हमारे पास दो साल का दैनिक स्टॉक मूल्य डेटा था जो कि 50 9 दैनिक रिटर्न और 1 50 9 0 1 9 6 है, लेकिन ध्यान दें कि कॉलम पी को असाइन किया गया है 6 का वजन, फिर 5 64, फिर 5 3 और इसी प्रकार यह सरल विचरण और ईडब्ल्यूएमए के बीच का एकमात्र अंतर है। याद रखें कि हम कॉलम क्यू में पूरी श्रृंखला को जोड़ते हैं, तो हमारे पास विचरण होता है, जो मानक विचलन का वर्ग है हम अस्थिरता चाहते हैं, हम nee उस विचरण के वर्गमूल को ले जाने के लिए याद रखना। Google के मामले में विचरण और ईडब्ल्यूएमए के बीच दैनिक अस्थिरता में क्या अंतर है यह महत्वपूर्ण है कि सरल विचरण ने हमें 2 4 की एक दैनिक अस्थिरता दी, लेकिन ईडब्ल्यूएमए ने रोज़ाना की अस्थिरता दी केवल 1 4 विवरण के लिए स्प्रैडशीट देखें जाहिर है, Google की हाल ही में अस्थिरता बनी हुई है, इसलिए एक सरल विचरण कृत्रिम रूप से ऊंचा हो सकता है। आज का विचरण पाइर डे के भिन्नता का कार्य है आप देखेंगे कि हमें एक लंबी श्रृंखला की गणना करने की आवश्यकता है गिरावट का वजन हम यहां गणित नहीं करेंगे, लेकिन ईडब्ल्यूएमए की सबसे अच्छी सुविधाओं में से एक यह है कि पूरी श्रृंखला आसानी से एक रिकर्सिव फॉर्मूला को कम कर देता है। पुनरावृत्त का अर्थ है कि आज के विचरण संदर्भ अर्थात् पहले के विचरण का एक कार्य है। स्प्रैडशीट में यह फ़ॉर्मूला भी ढूंढें, और यह सटीक रूप से उसी नतीजे का उत्पादन करता है जो लम्बे लाइन गणना के रूप में बताता है कि ईडब्ल्यूएमए के तहत टूडे का विचलन कल के कलर्स के बराबर लैम्ब्डा प्लस कल एस एस द्वारा भारित करता है एक शून्य से लैम्ब्डा द्वारा तराजू की बदली की सूचना ध्यान दें कि हम कल के भारित विचरण के साथ दो शब्दों को जोड़ते हैं और वेटेड, स्क्वेर्ड रिटर्न में भी शामिल होते हैं.इसके अलावा, लैम्ब्डा हमारे चौरसाई पैरामीटर है एक उच्च लैम्ब्डा जैसे कि जोखिम मैट्रिक की 94 श्रृंखला में धीमी क्षय दर्शाती है - रिश्तेदार शब्दों में, हम श्रृंखला में अधिक डेटा पॉइंट होने जा रहे हैं और वे धीरे धीरे गिरने जा रहे हैं दूसरी तरफ, अगर हम लैम्ब्डा को कम करते हैं, तो हम संकेत देते हैं कि अधिक गिरावट वजन अधिक तेज़ी से गिरने और प्रत्यक्ष रूप से तेजी से क्षय का नतीजा, कम डेटा पॉइंट्स का उपयोग किया जाता है स्प्रेडशीट में लैम्ब्डा एक इनपुट होता है, इसलिए आप इसकी संवेदनशीलता के साथ प्रयोग कर सकते हैं। सारांश अस्थिरता एक स्टॉक का तात्कालिक मानक विचलन है और सबसे आम जोखिम मीट्रिक यह भी वर्गमूल है विचरण की हम ऐतिहासिक या अप्रत्यक्ष रूप से उल्लिखित अस्थिरता के विचलन का आकलन कर सकते हैं जब ऐतिहासिक रूप से मापने का सबसे आसान तरीका सरल विचरण होता है लेकिन सरल विचरण के साथ कमजोरी सभी रिटर्न वही हैं आठ तो हम एक क्लासिक ट्रेड-ऑफ का सामना करते हैं, हम हमेशा अधिक डेटा चाहते हैं, लेकिन जितना अधिक आंकड़े हमारे पास हैं, उतना ही कम प्रासंगिक आंकड़ों की तुलना में हमारी गणना को पतला किया जाता है। तेजी से भारित चलती औसत EWMA आवधिक रिटर्न के लिए भार बताकर सरल विचरण पर सुधार करता है। यह, हम दोनों एक बड़े नमूना आकार का उपयोग कर सकते हैं, लेकिन अधिक हाल के रिटर्न के लिए अधिक वजन भी दे सकते हैं। इस विषय पर एक फिल्म ट्यूटोरियल देखने के लिए, बायोनिक कछुए पर जाएं। संयुक्त राज्य अमेरिका की अधिकतम राशि उधार ले सकती है। ऋण की छत दूसरी लिबर्टी बॉण्ड अधिनियम के तहत बनाई गई थी। ब्याज दर जिस पर एक डिपॉजिटरी संस्था फेडरल किसी अन्य डिपॉजिटरी संस्था को रिजर्व। 1 किसी दिए गए सुरक्षा या बाजार सूचकांक के लिए रिटर्न के फैलाव का एक सांख्यिकीय उपाय या तो या तो मापा जा सकता है। 1 9 33 में अमेरिकी कांग्रेस ने बैंकिंग अधिनियम के रूप में पारित किया, जिसने वाणिज्यिक बैंकों को निवेश में भाग लेने से मना किया नॉनफॉर्म पेरोल खेतों, निजी घरों और गैर-लाभकारी क्षेत्र के बाहर किसी भी नौकरी को संदर्भित करता है अमेरिकी श्रम ब्यूरो। भारतीय रुपए भारतीय रूपए के लिए मुद्रा संक्षेप या मुद्रा प्रतीक, भारत की मुद्रा 1 रुपए से बना है। यह उदाहरण दिखाता है घंटे के तापमान रीडिंग पर दिन के समय के आवधिक घटकों के प्रभाव को अलग करने के लिए औसत फिल्टर और रीसंपलिंग कैसे चलाना डी लाइन शोर एक ओपन-लूप वोल्टेज मापन से उदाहरण भी दिखाता है कि एक औसत सिग्नल का उपयोग करके किनारों को संरक्षित करते समय एक घड़ी सिग्नल के स्तर को आसान बनाने के लिए कैसे दिखाया जाता है उदाहरण भी दिखाता है कि बड़े आउटलेटर्स को निकालने के लिए एक Hampel फ़िल्टर का उपयोग कैसे करें। हम अपने डेटा में महत्त्वपूर्ण प्रतिमानों की खोज करते हैं, जो चीजें जो महत्वहीन हैं, बाहर छोड़ते हैं, अर्थात् शोर हम इस चौरसाई को करने के लिए फ़िल्टरिंग का उपयोग करते हैं। चौरसाई का लक्ष्य मूल्य में धीमी गति से बदलाव करना है ताकि हमारे डेटा में रुझान देखने में आसान हो। कभी-कभी जब आप जांच करते हैं इनपुट डेटा आप सिग्नल में एक प्रवृत्ति को देखने के लिए डेटा को चिकना बनाना चाहते हैं हमारे उदाहरण में हमारे पास जनवरी, 2011 के पूरे महीने के लिए लोगन हवाई अड्डे पर प्रत्येक घंटे में सेल्सियस में तापमान रीडिंग का एक सेट है। नोट करें कि हम नेत्रहीन दिन के समय के तापमान के रीडिंग पर होने वाले प्रभाव को देखें, यदि आप केवल महीने में दैनिक तापमान में बदलाव में दिलचस्पी रखते हैं, तो प्रति घंटा उतार-चढ़ाव केवल शोर का योगदान देता है, जो रोजाना बना सकते हैं विचारों को कठिन बनाना दिन के समय के प्रभाव को दूर करने के लिए, अब हम एक चल औसत फिल्टर का उपयोग करके हमारे डेटा को चिकना करना पसंद करेंगे। एक औसत मूविंग मूविंग। अपने सबसे सरल रूप में, चलने वाले औसत फिल्टर का औसत औसत तरंग के हर एन सलग नमूने। प्रत्येक डेटा बिंदु पर चलती औसत फिल्टर लागू करने के लिए, हम अपने फिल्टर के गुणांक का निर्माण करते हैं ताकि प्रत्येक बिंदु समान रूप से भारित हो और कुल औसत से 1 24 का योगदान कर सकें। इससे हमें प्रत्येक 24 पर औसत तापमान मिलता है घंटे की अवधि। फ़िल्टर करें विलंब। नोट करें कि फ़िल्टर्ड आउटपुट के बारे में बारह घंटे तक देरी हो रही है यह इस तथ्य की वजह से है कि हमारे चलने वाले औसत फ़िल्टर में विलंब होता है। लंबाई के किसी भी सममित फिल्टर N को एन -1 के 2 नमूनों की देरी होगी इस देरी के लिए मैन्युअल रूप से खाते हैं। औसत अंतर का विस्तार। वैकल्पिक रूप से, हम चल औसत औसत फिल्टर का उपयोग करके बेहतर अनुमान प्राप्त कर सकते हैं कि दिन का समय समग्र तापमान को कैसे प्रभावित करता है ऐसा करने के लिए, पहले, से चिकनी डेटा घटाएं प्रति घंटा तापमान मापन तब, अलग-अलग डेटा को दिन में विभाजित करें और महीने में सभी 31 दिनों में औसतन ले जाएं। पीक लिफाफा का विस्तार करना। कभी-कभी हम यह भी आसानी से भिन्न अनुमान करना चाहते हैं कि हमारे तापमान संकेतों के उच्च और निम्न स्तर के परिवर्तन दैनिक ऐसा करने के लिए हम 24 घंटे की अवधि के एक सबसेट पर चरम ऊंचा और चढ़ाव से जुड़ने के लिए लिफाफा फ़ंक्शन का उपयोग कर सकते हैं इस उदाहरण में, हम यह सुनिश्चित करते हैं कि प्रत्येक चरम उच्च और चरम कम के बीच कम से कम 16 घंटे हो हम भी समझ सकते हैं कैसे उच्च और नीच दोनों चरम सीमाओं के बीच औसत ले जा रहे हैं। औसत भारित औसत फ़िल्टर। अन्य प्रकार की चलती औसत फिल्टर प्रत्येक नमूने को समान रूप से भारित नहीं करते हैं। एक अन्य आम फिल्टर, इस प्रकार के फिल्टर के द्विपद विस्तार को सामान्य रूप से लगभग अनुमानित करता है एन के बड़े मूल्यों के लिए वक्र छोटे एन के लिए उच्च आवृत्ति शोर को छानने के लिए यह उपयोगी है, द्विपदीय फिल्टर के गुणांक को खोजने के लिए, खुद के साथ समेटें और फिर पुनरावृत्त करें ली ने निर्धारित समय के साथ आउटपुट को समझाया है इस उदाहरण में, पांच कुल पुनरावृत्तियों का उपयोग करें। गाऊसी विस्तार फ़िल्टर के समान एक अन्य फ़िल्टर घातीय चलती औसत फिल्टर है इस तरह के भारित चल औसत औसत फिल्टर का निर्माण करना आसान है और इसकी आवश्यकता नहीं है बड़ी खिड़की के आकार। आप शून्य और एक के बीच एक अल्फा पैरामीटर द्वारा एक तेजी से भारित चलने वाले औसत फ़िल्टर को समायोजित करते हैं एक अल्फा के उच्च मूल्य में कम चौरसाई होनी चाहिए। एक दिन के रीडिंग पर ज़ूम करें.अपने देश का चयन करें। एक्सपेन्नीयली मोटाइंग मूविंग औसत ईडब्ल्यूएमए चार्ट सांख्यिकीय प्रक्रिया नियंत्रण एसपीसी। एम्पैप्लॉट डेटा डेटा में समूहीकृत प्रतिक्रियाओं के एक ईडब्ल्यूएमए चार्ट का उत्पादन करता है डेटा की पंक्तियों में एक निश्चित समय पर ली गई प्रतिकृति टिप्पणियां शामिल होती हैं पंक्तियों को समय क्रम में होना चाहिए। एम्पैप्लेट डेटा, लैम्ब्डा समूह की प्रतिक्रियाओं का एक ईडब्ल्यूएमए चार्ट का उत्पादन करता है डेटा और निर्दिष्ट करता है कि वर्तमान भविष्यवाणी पिछले अवलोकनों से कितना प्रभावित होता है लैम्ब्डा के उच्च मूल्य पिछले अवलोकनों को अधिक वजन देते हैं डिफ़ॉल्ट, लैम्ब्डा 0 4 लैम्ब्डा 0 और 1 के बीच होना चाहिए। एम्पैप्लेट डेटा, लैम्ब्डा, अल्फा डेटा में समूहीकृत प्रतिक्रियाओं का एक ईडब्ल्यूएमए चार्ट तैयार करता है और ऊपरी और निचले प्लॉट किए गए आत्मविश्वास सीमा के महत्व स्तर को निर्दिष्ट करता है अल्फा 0 0027 डिफ़ॉल्ट रूप से यह मान तीन-सिग्मा की सीमाएं पैदा होती हैं। के-सिग्मा की सीमाएं प्राप्त करने के लिए, अभिव्यक्ति 2 1-मानक सीडीएफ कश्मीर का उपयोग करें। उदाहरण के लिए, 2-सिग्मा की सीमा के लिए सही अल्फा मान 0 0455 है, जैसा कि नीचे दिखाया गया है। एम्पैप्लेट डेटा, लैम्ब्डा, अल्फा, चश्मा पैदा करता है आंकड़ों में समूहीकृत प्रतिक्रियाओं का एक ईडब्ल्यूएमए चार्ट और प्रतिक्रिया के निचले और ऊपरी विनिर्देश सीमाओं के लिए एक दो-तत्व वेक्टर, चश्मा निर्दिष्ट करता है। ईवमप्लॉट प्लॉट किए गए लाइनों के लिए हैंडल के वेक्टर को वापस देता है। धीरे-धीरे बहती मतलब के साथ एक प्रक्रिया का विचार इस प्रकार की प्रक्रिया की निगरानी के लिए एक एक्स-बार चार्ट के लिए ईडब्ल्यूएमए चार्ट बेहतर है। नीचे दी गई अनुक्रम धीमी रेखीय बहाव के लिए ईडब्ल्यूएमए चार्ट को दर्शाता है। समूह 28 के लिए ईडब्ल्यूएमए मूल्य पूरी तरह से मौके से उम्मीद की जाती है अगर हम इस पर निगरानी रखते हैं प्रक्रिया conti नूह रूप से, हम समूह 28 को इकट्ठा करते समय बहाव का पता लगा लेते थे, और हमारे पास इसके कारण की जांच करने का मौका होता। मोंटगोमेरी, डी, स्टैटास्टिकल क्वालिटी कंट्रोल के लिए प्रयुक्त, जॉन विले सन्स 1991 पृष्ठ 29 9।