Regressão Média Versus Linear Em Movimento

Mike, primeiro instale R (se você ainda não), execute R e instale o pacote TeachingDemos (exatamente como depende do seu sistema), carregue o pacote com a biblioteca (TeachingDemos) e digite loess. demo para abrir a página de ajuda para ver Como executá-lo, você pode rolar para a parte inferior, onde é o exemplo e copiar e colar esse código na linha de comando R39s para ver os exemplos e, em seguida, executar com seus próprios dados para explorar ainda mais. Ndash Greg Snow 23 de março 12 às 17:15 Aqui está uma resposta simples, mas detalhada. Um modelo linear se encaixa em um relacionamento através de todos os pontos de dados. Este modelo pode ser de primeira ordem (outro significado de linear) ou polinômio para explicar a curvatura, ou com splines para explicar diferentes regiões com um modelo de governo diferente. Um ajuste LOESS é uma regressão ponderada localmente movida com base nos pontos de dados originais. O que significa que A LOESS se encaixa na entrada dos valores X e Y originais, além de um conjunto de valores de saída X para os quais calcular novos valores de Y (geralmente os mesmos valores de X são usados ​​para ambos, mas muitas vezes menos valores X são usados ​​para pares XY ajustados Devido ao aumento da computação necessária). Para cada valor de saída X, uma porção dos dados de entrada é usada para calcular um ajuste. A porção dos dados, geralmente de 25 a 100, mas tipicamente 33 ou 50, é local, o que significa que é a porção dos dados originais mais próximos de cada valor de saída X específico. É um ajuste em movimento, porque cada valor de saída X requer um subconjunto diferente dos dados originais, com pesos diferentes (veja o próximo parágrafo). Este subconjunto de pontos de dados de entrada é usado para executar uma regressão ponderada, com pontos mais próximos do valor de saída X, com maior peso. Essa regressão geralmente é de segunda ordem ou superior é possível, mas requer maior poder de computação. O valor Y desta regressão ponderada calculada na saída X é usado como o valor dos modelos Y para este valor X. A regressão é recalculada em cada valor de saída X para produzir um conjunto completo de valores de saída Y. Respondido 21 de fevereiro 15 às 21: 08 Indicador de regressão linear O indicador de regressão linear é usado para identificação de tendências e seguimento de tendências de forma semelhante às médias móveis. O indicador não deve ser confundido com Linear Regression Lines, que são linhas retas instaladas em uma série de pontos de dados. O Indicador de Regressão Linear traça os pontos finais de toda uma série de linhas de regressão linear desenhadas em dias consecutivos. A vantagem do Indicador de Regressão Linear sobre uma média móvel normal é que ele tem menos lag que a média móvel, respondendo mais rápido às mudanças na direção. A desvantagem é que é mais propenso a whipsaws. O indicador de regressão linear só é adequado para negociar fortes tendências. Os sinais são feitos de forma semelhante às médias móveis. Use a direção do Indicador de Regressão Linear para entrar e sair das negociações com um indicador de longo prazo como filtro. Vá por muito tempo se o Indicador de Regressão Linear virar ou sair de um curto comércio. Vá curto (ou saia um longo comércio) se o Indicador de Regressão Linear for desativado. Uma variação no acima é entrar em negociações quando o preço cruza o Indicador de Regressão Linear, mas ainda sairá quando o Indicador de Regressão Linear se virar. Passe o mouse sobre os títulos do gráfico para exibir os sinais comerciais. Vá longo L quando o preço cruza acima do Indicador de Regressão Linear de 100 dias enquanto os 300 dias estão aumentando Sair X quando o Indicador de Regressão Linear de 100 dias se virar Vá longo novamente em L quando o preço cruza acima da saída do Indicador de Regressão Linear de 100 dias X quando o Indicador de Regressão Linear de 100 dias se desativa Vá longo L quando o preço cruza acima de 100 dias de Regressão Linear Sair X quando o indicador de 100 dias se desativa Vá longo L quando o Indicador de Regressão Linear de 300 dias aparecer após o preço cruzado acima O indicador de 100 dias sai X quando o indicador de regressão linear de 300 dias é desativado. A divergência de Downish no indicador avisa de uma grande inversão de tendência. Junte-se a nossa lista de correspondência Leia o boletim informativo do Diário de negociação Colin Twiggsrsquo, oferecendo análise fundamental da economia e análise técnica dos principais índices do mercado, ouro, petróleo bruto e forex. A função Diferença da média móvel (série de tempo) calcula a diferença entre um valor e sua Média móvel em séries temporais. Parâmetros ------------------ Dados Os dados a analisar. Isso geralmente é um campo em uma série de dados ou um valor calculado. Período O número de barras de dados a incluir na média, incluindo o valor atual. Por exemplo, um período de 3 inclui o valor atual e os dois valores anteriores. Função Valor ------------------------ A média móvel da série temporal é calculada ajustando uma linha de regressão linear sobre os valores para o período determinado e depois determinando O valor atual dessa linha. Uma linha de regressão linear é uma linha direta que é o mais próximo possível de todos os valores dados. A média móvel da série temporal no início de uma série de dados não é definida até que haja valores suficientes para preencher o período especificado. Note-se que uma média móvel de séries temporais difere muito de outros tipos de médias móveis em que o valor atual segue a tendência recente dos dados, e não uma média real dos dados. Por isso, o valor desta função pode ser maior ou menor do que todos os valores que estão sendo usados ​​se a tendência dos dados geralmente estiver aumentando ou diminuindo. A diferença da média móvel é a média móvel subtraída do valor atual. Uso ----------- As médias móveis são úteis para suavizar os dados brutos ruidosos, como os preços diários. Os dados de preços podem variar muito do dia-a-dia, obscurecendo se o preço está subindo ou desce ao longo do tempo. Ao analisar a média móvel do preço, pode-se ver uma imagem mais geral das tendências subjacentes. Uma vez que as médias móveis podem ser usadas para ver tendências, elas também podem ser usadas para ver se os dados estão atrapalhando a tendência. Isso faz a diferença da média móvel útil para destacar onde os dados estão se afastando da tendência.