Этот метод может быть легко адаптирован для модели экспоненциального сглаживания и ее обобщений (модели Холта, Брауна, Бокса— Дженкинса и др.). Начальный уровень а найдем, например, по первым трем средним значениям фактического ряда d v длину базы сглаживания положим равной, например, k< п. Задача, таким образом, будет заключаться в выборе оптимального, в некотором смысле, коэффициента сглаживания а УТОЧНИМ оптимального в смысле качества прогноза на одну точку вперед. Зададим сетку значений для а, например а = 0 0,1 0,2 . .. 0,9 1. Для каждого из этих значений ос сгладим ряд dlf. .., dft, тогда прогноз на момент времени k + 1 есть uh, а ошибкой прогноза, будет dk+i— uh ее обозначим е . Далее сдвинем базу на единицу вправо, т. е. сгладим ряд d2J d >,. .., dh+ ошибка прогноза в этом случае будет равна dh+z — uk+l = е2 и т. д. Всего таким способом будет построено п — k ошибок прогноза. Найдем среднюю ошибку. Можно взять среднюю абсолютную ошибку [c.7]
В прошлом аналитики обычно сглаживали NH-NL с помощью 10-дневных и 30-дневных скользящих средних. Если 10-дневное МА индекса NH-NL поднималось выше 30-дневного МА, это был сигнал к покупке. Если же 10-дневное МА опускалось ниже 30-дневного МА, звучал сигнал к продаже. Несглаженный NH-NL подает более четкие сигналы, однако если все же требуется его сгладить, лучше прибегнуть к экспоненциальным скользящим средним. [c.223]
Смотреть страницы где упоминается термин Экспоненциально сглаженные МА
: [c.80] [c.206]Смотреть главы в:
Forex От простого к сложному -> Экспоненциально сглаженные МА