Скользящие средние и сглаживание

Одна из наиболее простых рыночных систем, скользящая средняя, работа­ет почти так же хорошо, как и наилучшая из сложных сглаживающих тех­ник. Скользящая средняя — почти то же самое, что и обычная средняя с тем исключением, что она скользшп, поскольку постоянно обновляется по мере поступления новых данных. Каждая точка данных в скользящей средней имеет один и тот же вес при вычислении, поэтому, когда говорят о скользящей средней, иногда используют термин арифметическая или про­стая.

Скользящая средняя сглаживает последовательность чисел таким образом, что краткосрочные колебания снижаются, в то время как более долгосрочные остаются почти неизменными. Очевидно, что временной промежуток скользящей средней будет изменять ее характеристики.

Дж. М. Херст в своей книге «The Profit Magic of Stock Transaction Timing» (1970) объяснил эти изменения тремя общими правилами:

— скользящая средняя любой данной длины уменьшает величину ко­лебаний длительности, равной длине скользящей средней, до нуля;

— скользящая средняя также значительно снижает (но не уничтожа­ет) величину всех колебаний длительности меньшей, чем длинаскользящей средней;

— все колебания, большие чем длина скользящей средней, «пропус­каются», или присутствуют в итоговой линии скользящей средней. Колебания с длительностями, лишь немного большими, чем длина скользящей средней, значительно уменьшаются по величине.

Несколько более продвинутая техника сглаживания — экспоненци­альная скользящая средняя. В принципе она выполняет ту же задачу, что и простая (арифметическая) скользящая средняя. Экспоненциальное сгла­живание было разработано для целей радиолокационного слежения и про­ектирования маршрутов полетов. Более чувствительное отслеживание трендов требовало, чтобы самые свежие данные оказывали большее вли­яние на результат. Формула экспоненциального сглаживания кажется сложной, но это всего лишь еще один способ взвешивания компонентов данных — так, чтобы самый последний компонент имел наибольший вес. Хотя для того, чтобы получить экспоненциально сглаженную величину, достаточно всего двух точек данных, лучше использовать большее коли­чество. Все используемые данные становятся частью нового результата. Здесь дано простое объяснение экспоненциального сглаживания. Экспоненциальная средняя использует сглаживающую константу, кото­рая аппроксимирует число дней для простой скользящей средней. Эта константа умножается на разницу между сегодняшней ценой закрытия и значением скользящей средней предыдущего дня. Затем новое значе­ние прибавляется к значению скользящей средней предыдущего дня. Сгла­живающая константа равна 2 / (n + 1), где n — число дней, используемых в простой скользящей средней.