Différence Entre La Régression Linéaire Et La Moyenne Mobile

Indicateur de régression linéaire L'indicateur de régression linéaire sert à identifier les tendances et à suivre les tendances de la même façon que les moyennes mobiles. L'indicateur ne doit pas être confondu avec les lignes de régression linéaire qui sont des lignes droites adaptées à une série de points de données. L'indicateur de régression linéaire trace les points d'extrémité d'une série entière de lignes de régression linéaire tirées sur des jours consécutifs. L'avantage de l'indicateur de régression linéaire sur une moyenne mobile normale est qu'il a moins de décalage que la moyenne mobile, répondant plus rapidement aux changements de direction. L'inconvénient est qu'il est plus enclin à whipsaws. L'indicateur de régression linéaire ne convient que pour les tendances fortes. Les signaux sont pris d'une manière similaire aux moyennes mobiles. Utilisez la direction de l'indicateur de régression linéaire pour entrer et sortir des opérations avec un indicateur à plus long terme comme filtre. Aller longtemps si l'indicateur de régression linéaire se présente ou quitter un commerce à découvert. Aller court (ou quitter un commerce long) si l'indicateur de régression linéaire se tourne vers le bas. Une variation de ce qui précède est d'entrer en transactions lorsque le prix croise l'indicateur de régression linéaire, mais quand même quand l'indicateur de régression linéaire se retourne. Passez la souris sur les légendes du graphique pour afficher les signaux de trading. Aller long L quand le prix croise au-dessus de l'indicateur de régression linéaire de 100 jours alors que le 300 jours augmente Sortie X lorsque l'indicateur de régression linéaire de 100 jours se retourne Go long again at L lorsque le prix croise au-dessus de 100 jours Indicateur de régression linéaire Quitter X quand l'indicateur de régression linéaire de 100 jours se retourne vers le bas Passez long L lorsque le prix croise au-dessus de la régression linéaire de 100 jours Sortie X lorsque l'indicateur de 100 jours se retourne Go long L lorsque l'indicateur de régression linéaire de 300 jours apparaît après que le prix franchi L'indicateur de 100 jours Quitter X lorsque l'indicateur de régression linéaire de 300 jours se déclenche. Une divergence baissière sur l'indicateur met en garde contre une inversion majeure des tendances. La fonction Différence de la moyenne mobile (série temporelle) calcule la différence entre une valeur et sa moyenne mobile de la série chronologique. Paramètres ------------------ Données Les données à analyser. Il s'agit généralement d'un champ d'une série de données ou d'une valeur calculée. Période Nombre de barres de données à inclure dans la moyenne, y compris la valeur actuelle. Par exemple, une période de 3 comprend la valeur courante et les deux valeurs précédentes. Valeur de la fonction ------------------------ La moyenne mobile de la série chronologique est calculée en ajustant une droite de régression linéaire sur les valeurs pour la période donnée, puis en déterminant La valeur actuelle pour cette ligne. Une droite de régression linéaire est une droite qui est aussi proche de toutes les valeurs données que possible. La moyenne mobile des séries chronologiques au début d'une série de données n'est pas définie jusqu'à ce qu'il y ait suffisamment de valeurs pour remplir la période donnée. Il est à noter qu'une moyenne mobile de la série chronologique diffère considérablement des autres types de moyennes mobiles en ce que la valeur actuelle suit la tendance récente des données, et non une moyenne réelle des données. De ce fait, la valeur de cette fonction peut être supérieure ou inférieure à toutes les valeurs utilisées si la tendance des données est en général croissante ou décroissante. La différence par rapport à la moyenne mobile est la moyenne mobile soustraite de la valeur actuelle. Utilisation ----------- Moyennes mobiles sont utiles pour lisser les données bruyantes brut, comme les prix quotidiens. Les données de prix peuvent varier considérablement d'un jour à l'autre, ce qui obscurcit si le prix augmente ou diminue au fil du temps. En regardant la moyenne mobile du prix, on peut voir un tableau plus général des tendances sous-jacentes. Puisque les moyennes mobiles peuvent être utilisés pour voir les tendances, ils peuvent également être utilisés pour voir si les données sont contrer la tendance. Cela fait la différence de la moyenne mobile utile pour mettre en évidence où les données sont rupture de la trend. mike, d'abord installer R (si vous n'avez pas déjà), exécutez R et installer le paquet TeachingDemos (exactement comment dépend de votre système) Chargez le paquet avec la bibliothèque (TeachingDemos) puis tapez loess. demo pour afficher la page d'aide pour voir comment l'exécuter, vous pouvez faire défiler jusqu'au bas où l'exemple est et copier et coller ce code à la ligne de commande R39s pour voir les exemples , Puis exécutez avec vos propres données pour explorer davantage. Ndash Greg Snow Mar 23 12 à 17:15 Voici une réponse simple mais détaillée. Un modèle linéaire correspond à une relation à travers tous les points de données. Ce modèle peut être de premier ordre (un autre sens de linéaire) ou polynomial pour tenir compte de la courbure, ou avec des splines pour tenir compte de différentes régions ayant un modèle de gouvernance différent. Un ajustement LOESS est une régression pondérée localement basée sur les points de données d'origine. Qu'est-ce que cela signifie? Un réglage LOESS ajoute les valeurs X et Y d'origine, plus un ensemble de valeurs de sortie X pour lesquelles on calcule de nouvelles valeurs Y (habituellement les mêmes valeurs X sont utilisées pour les deux, mais on utilise souvent moins de X pour les paires XY ajustées En raison du calcul accru requis). Pour chaque valeur X de sortie, une partie des données d'entrée est utilisée pour calculer un ajustement. La partie des données, généralement 25 à 100, mais typiquement 33 ou 50, est locale, ce qui signifie que c'est la partie des données originales la plus proche de chaque valeur X de sortie particulière. C'est un ajustement en mouvement, car chaque valeur de sortie X nécessite un sous-ensemble différent des données d'origine, avec des poids différents (voir paragraphe suivant). Ce sous-ensemble de points de données d'entrée est utilisé pour effectuer une régression pondérée, les points les plus proches de la valeur de sortie X étant donné un poids plus important. Cette régression est habituellement de premier ordre ou de deuxième ordre est possible, mais nécessitent une plus grande puissance de calcul. La valeur Y de cette régression pondérée calculée à la sortie X est utilisée comme valeur Y des modèles pour cette valeur X. La régression est recalculée à chaque valeur X de sortie pour produire un ensemble complet de valeurs Y de sortie. Répondre fév 21 15 at 21:08