Trendline Vs Moving Average

Elegir la mejor línea de tendencia para sus datos Cuando desea agregar una línea de tendencia a un gráfico en Microsoft Graph, puede elegir cualquiera de los seis diferentes tipos de tendencia / regresión. El tipo de datos que tiene determina el tipo de línea de tendencia que debe utilizar. Confiabilidad de línea de tendencia Una línea de tendencia es más confiable cuando su valor R-cuadrado está en o cerca de 1. Cuando se ajusta una línea de tendencia a sus datos, Graph calcula automáticamente su valor R-cuadrado. Si lo desea, puede mostrar este valor en su gráfico. Una línea de tendencia lineal es una línea recta de mejor ajuste que se utiliza con conjuntos de datos lineales simples. Sus datos son lineales si el patrón en sus puntos de datos se asemeja a una línea. Una línea de tendencia lineal por lo general muestra que algo está aumentando o disminuyendo a un ritmo constante. En el ejemplo siguiente, una línea de tendencia lineal muestra claramente que las ventas de refrigeradores han aumentado consistentemente en un período de 13 años. Observe que el valor R-cuadrado es 0.9036, que es un buen ajuste de la línea a los datos. Una línea de tendencia logarítmica es una línea curva mejor ajustada que es más útil cuando la tasa de cambio en los datos aumenta o disminuye rápidamente y luego se nivela. Una línea de tendencia logarítmica puede usar valores negativos y / o positivos. El siguiente ejemplo utiliza una línea de tendencia logarítmica para ilustrar el crecimiento poblacional predicho de animales en un área de espacio fijo, donde la población nivelada como espacio para los animales disminuyó. Tenga en cuenta que el valor R-cuadrado es 0.9407, que es un ajuste relativamente bueno de la línea a los datos. Una línea de tendencia polinómica es una línea curva que se usa cuando los datos fluctúan. Es útil, por ejemplo, para analizar ganancias y pérdidas en un gran conjunto de datos. El orden del polinomio puede determinarse por el número de fluctuaciones en los datos o por el número de curvas (colinas y valles) que aparecen en la curva. Una línea de tendencia polinomial de orden 2 generalmente tiene sólo una colina o valle. El orden 3 generalmente tiene una o dos colinas o valles. La orden 4 generalmente tiene hasta tres. El siguiente ejemplo muestra una línea de tendencia polinómica de Orden 2 (una colina) para ilustrar la relación entre la velocidad y el consumo de gasolina. Observe que el valor R-cuadrado es 0.9474, que es un buen ajuste de la línea a los datos. Una línea de tendencia de potencia es una línea curva que se utiliza mejor con conjuntos de datos que comparan las mediciones que aumentan a una velocidad específica, por ejemplo, la aceleración de un coche de carreras a intervalos de un segundo. No puede crear una línea de tendencia de energía si sus datos contienen valores cero o negativos. En el ejemplo siguiente, los datos de aceleración se muestran trazando la distancia en metros por segundos. La línea de tendencia de potencia demuestra claramente la creciente aceleración. Tenga en cuenta que el valor R-cuadrado es 0.9923, que es un ajuste casi perfecto de la línea a los datos. Una línea de tendencia exponencial es una línea curva que es más útil cuando los valores de los datos suben o bajan a tasas cada vez más altas. No puede crear una línea de tendencia exponencial si sus datos contienen valores cero o negativos. En el ejemplo siguiente, se utiliza una línea de tendencia exponencial para ilustrar la cantidad decreciente de carbono 14 en un objeto a medida que envejece. Tenga en cuenta que el valor R-cuadrado es 1, lo que significa que la línea se ajusta perfectamente a los datos. Una línea de tendencia de media móvil suaviza las fluctuaciones de los datos para mostrar un patrón o una tendencia más claramente. Una línea de tendencia de media móvil utiliza un número específico de puntos de datos (establecidos por la opción Período), los promedia y utiliza el valor promedio como un punto en la línea de tendencia. Si Period se establece en 2, por ejemplo, el promedio de los dos primeros puntos de datos se utiliza como el primer punto de la línea de tendencia de media móvil. El promedio de los puntos de datos segundo y tercero se utiliza como el segundo punto en la línea de tendencia, y así sucesivamente. En el siguiente ejemplo, una línea de tendencia de media móvil muestra un patrón en el número de hogares vendidos durante un período de 26 semanas. Trendlines Uno de los métodos más fáciles para adivinar una tendencia general en sus datos es agregar una línea de tendencia a un gráfico. El Trendline es un poco similar a una línea en un gráfico de líneas, pero no conecta cada punto de datos precisamente como lo hace un gráfico de líneas. Una línea de tendencia representa todos los datos. Esto significa que excepciones menores o errores estadísticos no distraerán a Excel cuando se trata de encontrar la fórmula correcta. En algunos casos, también puede utilizar la línea de tendencia para pronosticar datos futuros. Gráficos que admiten líneas de tendencia La línea de tendencia se puede agregar a gráficos en 2D, como Área, Barra, Columna, Línea, Stock, X Y (dispersión) y Burbuja. Usted no puede agregar una línea de tendencia a las cartas 3-D, Radar, Pie, Área o Donut. Adición de una línea de tendencia Después de crear un gráfico, haga clic con el botón derecho del ratón en la serie de datos y elija Agregar trendlinehellip. Aparecerá un nuevo menú a la izquierda del gráfico. Aquí, puede elegir uno de los tipos de línea de tendencia, haciendo clic en uno de los botones de opción. Debajo de las líneas de tendencia, hay una posición llamada Display R-cuadrado en el gráfico. Le muestra cómo se adapta una línea de tendencia a los datos. Puede obtener valores de 0 a 1. Cuanto más cerca esté el valor 1, mejor se ajusta a su gráfico. Tipos de líneas de tendencia Linea de tendencia lineal Esta línea de tendencia se utiliza para crear una línea recta para conjuntos de datos simples y lineales. Los datos son lineales si los puntos de datos del sistema se parecen a una línea. La línea de tendencia lineal indica que algo está aumentando o disminuyendo a una velocidad constante. Aquí hay un ejemplo de ventas de computadoras para cada mes. Línea de tendencia logarítmica La línea de tendencia logarítmica es útil cuando se tiene que tratar con datos en los que la tasa de cambio aumenta o disminuye rápidamente y luego se estabiliza. En el caso de una línea de tendencia logarítmica, puede utilizar valores negativos y positivos. Un buen ejemplo de una línea de tendencia logarítmica puede ser una crisis económica. En primer lugar, la tasa de desempleo está aumentando, pero después de un tiempo la situación se estabiliza. Línea de tendencia polinomial Esta línea de tendencia es útil cuando se trabaja con datos oscilantes, por ejemplo cuando se analizan ganancias y pérdidas en un conjunto de datos grande. El grado del polinomio puede ser determinado por el número de fluctuaciones de datos o por el número de curvas, es decir, las colinas y valles que aparecen en la curva. Una línea de tendencia polinomial de orden 2 generalmente tiene una colina o valle. El orden 3 generalmente tiene una o dos colinas o valles. La orden 4 generalmente tiene hasta tres. El siguiente ejemplo ilustra la relación entre la velocidad y el consumo de combustible. Línea de tendencia de energía Esta línea de tendencia es útil para conjuntos de datos que se utilizan para comparar resultados de medición que aumentan a una velocidad predeterminada. Por ejemplo, la aceleración de un coche de carreras a intervalos de un segundo. No puede crear una línea de tendencia de energía si sus datos contienen valores cero o negativos. Línea de tendencia exponencial La línea de tendencia exponencial es más útil cuando los valores de los datos suben o bajan a un ritmo cada vez mayor. Se utiliza a menudo en ciencias. Puede describir una población que está creciendo rápidamente en generaciones posteriores. No puede crear una línea de tendencia exponencial si sus datos contienen valores cero o negativos. Un buen ejemplo para esta línea de tendencia es la decadencia de C-14. Como puede ver, este es un ejemplo perfecto de una línea de tendencia exponencial porque el valor R-cuadrado es exactamente 1. Promedio móvil El promedio móvil suaviza las líneas para mostrar un patrón o una tendencia más claramente. Excel lo calcula calculando el promedio móvil de un cierto número de valores (establecido por una opción Period), que por defecto se establece en 2. Si aumenta este valor, el promedio se calculará a partir de más puntos de datos de modo que la línea Será aún más suave. La media móvil muestra tendencias que de otro modo sería difícil de ver debido al ruido en los datos. Un buen ejemplo de un uso práctico de esta línea de tendencia puede ser un mercado de Forex. Promedios de Movimiento - Simple y exponencial Promedios móviles - Simple y exponencial Introducción Medias móviles suavizar los datos de precios para formar una tendencia siguiente indicador. No predicen la dirección del precio, sino que definen la dirección actual con un retraso. Los promedios móviles se retrasan porque están basados ​​en precios pasados. A pesar de este retraso, las medias móviles ayudan a suavizar la acción de los precios y filtran el ruido. También forman los bloques de construcción de muchos otros indicadores técnicos y superposiciones, como Bollinger Bands. MACD y el oscilador de McClellan. Los dos tipos más populares de promedios móviles son el promedio móvil simple (SMA) y el promedio móvil exponencial (EMA). Estos promedios móviles pueden usarse para identificar la dirección de la tendencia o definir niveles potenciales de soporte y resistencia. Aquí hay un gráfico con un SMA y un EMA en él: Cálculo del promedio móvil simple Un promedio móvil simple se forma computando el precio medio de un título sobre un número específico de períodos. La mayoría de las medias móviles se basan en los precios de cierre. Una media móvil simple de 5 días es la suma de cinco días de los precios de cierre dividida por cinco. Como su nombre lo indica, un promedio móvil es un promedio que se mueve. Los datos antiguos se eliminan a medida que vienen disponibles nuevos datos. Esto hace que el promedio se mueva a lo largo de la escala de tiempo. A continuación se muestra un ejemplo de un promedio móvil de 5 días que evoluciona en tres días. El primer día de la media móvil simplemente cubre los últimos cinco días. El segundo día de la media móvil desciende el primer punto de datos (11) y añade el nuevo punto de datos (16). El tercer día de la media móvil continúa cayendo el primer punto de datos (12) y añadiendo el nuevo punto de datos (17). En el ejemplo anterior, los precios aumentan gradualmente de 11 a 17 en un total de siete días. Observe que la media móvil también aumenta de 13 a 15 durante un período de cálculo de tres días. También observe que cada valor promedio móvil es justo debajo del último precio. Por ejemplo, el promedio móvil para el primer día es igual a 13 y el último precio es 15. Los precios de los cuatro días anteriores fueron más bajos y esto hace que el promedio móvil se retrasa. Cálculo del promedio móvil exponencial Los promedios móviles exponenciales reducen el retraso aplicando más peso a los precios recientes. La ponderación aplicada al precio más reciente depende del número de periodos de la media móvil. Hay tres pasos para calcular una media móvil exponencial. En primer lugar, calcular el promedio móvil simple. Un promedio móvil exponencial (EMA) tiene que comenzar en alguna parte así que una media móvil simple se utiliza como EMA anterior del período anterior en el primer cálculo. Segundo, calcule el multiplicador de ponderación. En tercer lugar, calcular la media móvil exponencial. La siguiente fórmula es para un EMA de 10 días. Una media móvil exponencial de 10 períodos aplica una ponderación de 18.18 al precio más reciente. Un EMA de 10 periodos también puede ser llamado un EMA 18.18. Una EMA de 20 periodos aplica una ponderación de 9.52 al precio más reciente (2 / (201) .0952). Observe que la ponderación para el período de tiempo más corto es más que la ponderación para el período de tiempo más largo. De hecho, la ponderación disminuye a la mitad cada vez que el período de media móvil se duplica. Si desea un porcentaje específico para un EMA, puede usar esta fórmula para convertirlo en períodos de tiempo y luego ingresar ese valor como el parámetro EMA039s: A continuación se muestra un ejemplo de hoja de cálculo de una media móvil simple de 10 días y un valor de 10- Promedio móvil exponencial para Intel. Los promedios móviles simples son directos y requieren poca explicación. El promedio de 10 días se mueve simplemente mientras que nuevos precios están disponibles y los viejos precios caen apagado. El promedio móvil exponencial comienza con el valor de la media móvil simple (22,22) en el primer cálculo. Después del primer cálculo, la fórmula normal se hace cargo. Debido a que un EMA comienza con un promedio móvil simple, su verdadero valor no se realizará hasta 20 o más períodos más tarde. En otras palabras, el valor de la hoja de cálculo Excel puede diferir del valor del gráfico debido al corto período de revisión. Esta hoja de cálculo sólo se remonta a 30 períodos, lo que significa que el efecto de la media móvil simple ha tenido 20 períodos para disipar. StockCharts se remonta al menos 250 períodos (por lo general mucho más) para sus cálculos de modo que los efectos de la media móvil simple en el primer cálculo se han disipado completamente. El factor de Lag Cuanto más largo es el promedio móvil, más el retraso. Una media móvil exponencial de 10 días abrazará los precios de cerca y se convertirá poco después de que los precios giren. Los promedios móviles cortos son como los veleros, ágiles y rápidos de cambiar. Por el contrario, una media móvil de 100 días contiene muchos datos pasados ​​que lo ralentizan. Los promedios móviles más largos son como los petroleros oceánicos - letárgicos y lentos para cambiar. Se necesita un movimiento de precios más grande y más largo para una media móvil de 100 días para cambiar el rumbo. La tabla de arriba muestra el SampP 500 ETF con una EMA de 10 días siguiendo de cerca los precios y una molienda SMA de 100 días más alta. Incluso con la disminución de enero-febrero, la SMA de 100 días mantuvo el curso y no rechazó. La SMA de 50 días se sitúa entre los promedios móviles de 10 y 100 días cuando se trata del factor de retraso. Simples versus promedios móviles exponenciales Aunque hay claras diferencias entre promedios móviles simples y promedios móviles exponenciales, uno no es necesariamente mejor que el otro. Los promedios móviles exponenciales tienen menos retraso y, por lo tanto, son más sensibles a los precios recientes y las recientes variaciones de precios. Los promedios móviles exponenciales se convertirán antes de promedios móviles simples. Los promedios móviles simples, por otro lado, representan un verdadero promedio de precios para todo el período de tiempo. Como tales, los promedios móviles simples pueden ser más adecuados para identificar niveles de soporte o resistencia. La preferencia media móvil depende de los objetivos, el estilo analítico y el horizonte temporal. Los cartistas deben experimentar con ambos tipos de promedios móviles, así como diferentes plazos para encontrar el mejor ajuste. La siguiente tabla muestra IBM con la SMA de 50 días en rojo y la EMA de 50 días en verde. Ambos culminaron a finales de enero, pero la disminución en la EMA fue más nítida que la disminución de la SMA. La EMA apareció a mediados de febrero, pero la SMA continuó baja hasta finales de marzo. Tenga en cuenta que la SMA apareció más de un mes después de la EMA. Longitudes y plazos La longitud del promedio móvil depende de los objetivos analíticos. Promedios cortos móviles (5-20 períodos) son los más adecuados para las tendencias a corto plazo y el comercio. Los cartistas interesados ​​en las tendencias a mediano plazo optarían por promedios móviles más largos que podrían extenderse de 20 a 60 períodos. Los inversores a largo plazo preferirán las medias móviles con 100 o más períodos. Algunas longitudes móviles son más populares que otras. El promedio móvil de 200 días es quizás el más popular. Debido a su longitud, esto es claramente una media móvil a largo plazo. A continuación, el promedio móvil de 50 días es muy popular para la tendencia a mediano plazo. Muchos cartistas utilizan los promedios móviles de 50 días y 200 días juntos. A corto plazo, una media móvil de 10 días fue muy popular en el pasado porque era fácil de calcular. Uno simplemente agregó los números y movió el punto decimal. Identificación de tendencias Las mismas señales pueden generarse utilizando promedios móviles simples o exponenciales. Como se mencionó anteriormente, la preferencia depende de cada individuo. Estos ejemplos a continuación utilizarán promedios móviles simples y exponenciales. El término media móvil se aplica tanto a promedios móviles simples como exponenciales. La dirección de la media móvil transmite información importante sobre los precios. Una media móvil en ascenso muestra que los precios están aumentando. Una media móvil decreciente indica que los precios, en promedio, están cayendo. El aumento de la media móvil a largo plazo refleja una tendencia alcista a largo plazo. Una caída del promedio móvil a largo plazo refleja una tendencia a la baja a largo plazo. El gráfico anterior muestra 3M (MMM) con una media móvil exponencial de 150 días. Este ejemplo muestra cuán bien funcionan las medias móviles cuando la tendencia es fuerte. La EMA de 150 días rechazó en noviembre de 2007 y otra vez en enero de 2008. Observe que tomó una declinación 15 para invertir la dirección de esta media móvil. Estos indicadores rezagados identifican reversiones de tendencias a medida que ocurren (en el mejor de los casos) o después de que ocurren (en el peor). MMM continuó más bajo en marzo de 2009 y luego subió 40-50. Observe que la EMA de 150 días no apareció hasta después de este aumento. Una vez que lo hizo, sin embargo, MMM continuó más alto en los próximos 12 meses. Los promedios móviles trabajan brillantemente en fuertes tendencias. Crossovers dobles Dos medias móviles se pueden usar juntas para generar señales de cruce. En Análisis Técnico de los Mercados Financieros. John Murphy llama a esto el método de crossover doble. Los crossovers dobles implican una media móvil relativamente corta y una media móvil relativamente larga. Como con todas las medias móviles, la longitud general de la media móvil define el marco de tiempo para el sistema. Un sistema que utilice un EMA de 5 días y un EMA de 35 días se consideraría a corto plazo. Un sistema que utilizara un SMA de 50 días y un SMA de 200 días se consideraría de mediano plazo, tal vez incluso a largo plazo. Un cruce alcista ocurre cuando el promedio móvil más corto cruza por encima del promedio móvil más largo. Esto también se conoce como una cruz de oro. Un crossover bajista ocurre cuando el promedio móvil más corto cruza debajo de la media móvil más larga. Esto se conoce como una cruz muerta. Los cruces de media móvil producen señales relativamente tardías. Después de todo, el sistema emplea dos indicadores retardados. Cuanto más largo sea el promedio móvil, mayor será el desfase en las señales. Estas señales funcionan muy bien cuando una buena tendencia se apodera. Sin embargo, un sistema de crossover de media móvil producirá muchos whipsaws en ausencia de una tendencia fuerte. También hay un método triple crossover que implica tres promedios móviles. De nuevo, se genera una señal cuando la media móvil más corta cruza las dos medias móviles más largas. Un simple sistema de crossover triple puede implicar promedios móviles de 5 días, 10 días y 20 días. La tabla anterior muestra Home Depot (HD) con una EMA de 10 días (línea punteada verde) y EMA de 50 días (línea roja). La línea negra es el cierre diario. El uso de un crossover promedio móvil habría dado lugar a tres whipsaws antes de coger un buen comercio. La EMA de 10 días se rompió por debajo de la EMA de 50 días a finales de octubre (1), pero esto no duró mucho ya que los 10 días retrocedieron a mediados de noviembre (2). Esta cruz duró más tiempo, pero el siguiente cruce bajista en enero (3) ocurrió cerca de finales de noviembre los niveles de precios, dando lugar a otro whipsaw. Esta cruz bajista no duró mucho ya que la EMA de 10 días retrocedió por encima de los 50 días unos días después (4). Después de tres malas señales, la cuarta señal prefiguró un movimiento fuerte mientras que la acción avanzó sobre 20. Hay dos takeaways aquí. Primero, los crossovers son propensos al whipsaw. Se puede aplicar un filtro de precio o tiempo para ayudar a prevenir las sierras. Los operadores pueden requerir que el crossover dure 3 días antes de actuar o requiera que la EMA de 10 días se mueva por encima / por debajo del EMA de 50 días por una cierta cantidad antes de actuar. En segundo lugar, MACD se puede utilizar para identificar y cuantificar estos crossovers. MACD (10, 50, 1) mostrará una línea que representa la diferencia entre las dos medias móviles exponenciales. MACD se vuelve positivo durante una cruz de oro y negativo durante una cruz muerta. El oscilador de precio porcentual (PPO) se puede utilizar de la misma manera para mostrar diferencias porcentuales. Tenga en cuenta que MACD y el PPO se basan en promedios móviles exponenciales y no coincidirá con los promedios móviles simples. Este gráfico muestra Oracle (ORCL) con EMA de 50 días, EMA de 200 días y MACD (50.200,1). Hubo cuatro crossovers de media móvil durante un período de 2 1/2 años. Los tres primeros resultaron en whipsaws o malos oficios. Una tendencia sostenida comenzó con el cuarto crossover como ORCL avanzó a mediados de los 20s. Una vez más, los crossovers medios móviles funcionan muy bien cuando la tendencia es fuerte, pero producen pérdidas en ausencia de una tendencia. Crossovers de precios Los promedios móviles también pueden usarse para generar señales con crossovers de precios simples. Una señal alcista se genera cuando los precios se mueven por encima de la media móvil. Se genera una señal bajista cuando los precios se mueven por debajo de la media móvil. Los crossovers de precios se pueden combinar para comerciar dentro de la tendencia más grande. La media móvil más larga establece el tono para la tendencia más grande y la media móvil más corta se utiliza para generar las señales. Uno buscaría cruces de precios alcistas sólo cuando los precios ya están por encima de la media móvil más larga. Esto estaría negociando en armonía con la tendencia más grande. Por ejemplo, si el precio está por encima de la media móvil de 200 días, los cartistas sólo se centrarán en las señales cuando el precio se mueve por encima de la media móvil de 50 días. Obviamente, un movimiento por debajo de la media móvil de 50 días precedería a tal señal, pero tales cruces bajistas serían ignorados porque la tendencia más grande es hacia arriba. Una cruz bajista simplemente sugeriría un retroceso dentro de una mayor tendencia alcista. Un retroceso por encima de la media móvil de 50 días señalaría una subida de los precios y la continuación de la mayor tendencia alcista. El siguiente gráfico muestra Emerson Electric (EMR) con la EMA de 50 días y EMA de 200 días. La acción se movió por encima y se mantuvo por encima de la media móvil de 200 días en agosto. Hubo bajadas por debajo de los 50 días EMA a principios de noviembre y de nuevo a principios de febrero. Los precios se movieron rápidamente por encima de la EMA de 50 días para proporcionar señales alcistas (flechas verdes) en armonía con la mayor tendencia alcista. MACD (1,50,1) se muestra en la ventana del indicador para confirmar los cruces de precios por encima o por debajo de la EMA de 50 días. El EMA de 1 día es igual al precio de cierre. El MACD (1,50,1) es positivo cuando el cierre está por encima del EMA de 50 días y negativo cuando el cierre está por debajo del EMA de 50 días. Soporte y Resistencia Los promedios móviles también pueden actuar como soporte en una tendencia alcista y resistencia en una tendencia bajista. Una tendencia alcista a corto plazo podría encontrar apoyo cerca de la media móvil simple de 20 días, que también se utiliza en bandas de Bollinger. Una tendencia alcista a largo plazo podría encontrar apoyo cerca del promedio móvil de 200 días, que es el promedio móvil más popular a largo plazo. De hecho, el promedio móvil de 200 días puede ofrecer soporte o resistencia simplemente porque es tan ampliamente utilizado. Es casi como una profecía autocumplida. El gráfico de arriba muestra el NY Composite con el promedio móvil simple de 200 días desde mediados de 2004 hasta finales de 2008. Los 200 días de apoyo brindado numerosas veces durante el avance. Una vez que la tendencia se invirtió con una ruptura de apoyo superior doble, el promedio móvil de 200 días actuó como resistencia alrededor de 9500. No espere soporte exacto y niveles de resistencia de promedios móviles, especialmente medias móviles más largas. Los mercados son impulsados ​​por la emoción, lo que los hace propensos a los rebasamientos. En lugar de los niveles exactos, las medias móviles se pueden utilizar para identificar las zonas de apoyo o resistencia. Conclusiones Las ventajas de utilizar promedios móviles deben sopesarse contra las desventajas. Los promedios móviles son tendencia que sigue, o rezagada, los indicadores que serán siempre un paso detrás. Esto no es necesariamente una cosa mala. Después de todo, la tendencia es su amigo y es mejor el comercio en la dirección de la tendencia. Medias móviles aseguran que un comerciante está en línea con la tendencia actual. A pesar de que la tendencia es su amigo, los valores pasan una gran cantidad de tiempo en rangos comerciales, lo que hace que los promedios móviles sean ineficaces. Una vez en una tendencia, los promedios móviles le mantendrá en, pero también dar señales tardías. Don039t esperan vender en la parte superior y comprar en la parte inferior utilizando promedios móviles. Al igual que con la mayoría de las herramientas de análisis técnico, las medias móviles no deben usarse por sí solas, sino en conjunto con otras herramientas complementarias. Los cartistas pueden usar promedios móviles para definir la tendencia general y luego usar RSI para definir los niveles de sobrecompra o sobreventa. Adición de promedios móviles a los gráficos de StockCharts Los promedios móviles están disponibles como una función de superposición de precios en el workbench de SharpCharts. Utilizando el menú desplegable Superposiciones, los usuarios pueden elegir un promedio móvil simple o un promedio móvil exponencial. El primer parámetro se utiliza para establecer el número de períodos de tiempo. Se puede agregar un parámetro opcional para especificar el campo de precio que se debe utilizar en los cálculos: O para el Abierto, H para el Alto, L para el Bajo y C para el Cierre. Una coma se utiliza para separar los parámetros. Se puede agregar otro parámetro opcional para cambiar las medias móviles a la izquierda (pasado) oa la derecha (futuro). Un número negativo (-10) cambiaría la media móvil a la izquierda 10 períodos. Un número positivo (10) cambiaría la media móvil a los 10 periodos correctos. Múltiples promedios móviles pueden superponerse a la gráfica de precios simplemente agregando otra línea de superposición al workbench. Los miembros de StockCharts pueden cambiar los colores y el estilo para diferenciar entre varios promedios móviles. Después de seleccionar un indicador, abra Opciones avanzadas haciendo clic en el pequeño triángulo verde. Las Opciones avanzadas también se pueden usar para agregar una superposición de promedio móvil a otros indicadores técnicos como RSI, CCI y Volumen. Haga clic aquí para un gráfico en vivo con varios promedios móviles diferentes. Usando los promedios móviles con las exploraciones de StockCharts Aquí hay algunas exploraciones de la muestra que los miembros de StockCharts pueden utilizar para explorar diversas situaciones del promedio móvil: Movimiento alcista de la media cruzada: Esta exploraciones busca las poblaciones con una media móvil simple de 150 días y una cruz alcista de los 5 EMA y EMA de 35 días. La media móvil de 150 días está subiendo, siempre y cuando se está negociando por encima de su nivel hace cinco días. Una cruz alcista ocurre cuando la EMA de 5 días se mueve por encima de la EMA de 35 días sobre un volumen por encima del promedio. Media bajista media móvil: Esta escanea busca acciones con una media móvil simple descendente de 150 días y una cruz bajista de la EMA de 5 días y de la EMA de 35 días. La media móvil de 150 días está cayendo, siempre y cuando se está negociando por debajo de su nivel hace cinco días. Una cruz bajista ocurre cuando la EMA de 5 días se mueve por debajo de la EMA de 35 días sobre un volumen por encima del promedio. Estudio adicional El libro de John Murphy tiene un capítulo dedicado a los promedios móviles ya sus diversos usos. Murphy cubre los pros y los contras de los promedios móviles. Además, Murphy muestra cómo los promedios móviles trabajan con Bollinger Bands y los sistemas comerciales basados ​​en canales. Análisis Técnico de los Mercados Financieros John MurphyEl término tendencias implica un cambio con el tiempo. Un tipo de pronóstico es cuantitativo, e implica analizar datos de series de tiempo, y luego predecir lo que podría ser el futuro. Por ejemplo, las ventas en un puesto de helado en el parque de la ciudad en junio de cada uno de los últimos cinco años ha sido buena, pero en julio fue alrededor de 20 más que en junio. Si este año, el stand tomó 10.000 en junio (un nuevo récord), ¿cuánto predeciría que tomará en julio? Bueno, si estuviéramos correctos en nuestra hipótesis basada en los datos históricos, la estimación de marzo sería la cifra de julio 20 más alto, o 12.000. Microsoft Excel ofrece algunas herramientas integradas para la previsión. Una de ellas le permite agregar una línea de tendencia a los puntos de datos existentes en un gráfico. Esto permite al usuario interpolar (es decir, encontrar un punto de datos entre puntos existentes) o extrapolar (es decir, para encontrar un punto de datos pasado el final de los datos actuales, ya sea por pronóstico o quotbackcasting a un período anterior). Sin embargo, Como con las plantillas, los desarrolladores de estas herramientas han tomado algunas decisiones para el usuario, y no todos los usuarios estarían de acuerdo con esas decisiones. Si las limitaciones impuestas por las características de Microsoft Excels para la predicción son inapropiadas para una tarea de pronóstico en particular, al lector se le alienta a utilizar la manipulación numérica directa utilizando técnicas analíticas probadas como se describe en cualquiera de varios textos sobre pronóstico (como Makridakis, Wheelwright amp Hyndman, 1998). Antes de comenzar En esta página se supone que el usuario tiene Microsoft Excel8482 2010 o 2007 con el complemento Analysis ToolPak de Microsoft instalado. Veamos algunos datos referentes a lámparas fluorescentes compactas (CFLs) usando lo siguiente como un documento fuente: US Department of Energy. (2009). CFL Market Profile - Marzo de 2009. Washington, DC: Autor. Obtenido el 7 de abril de 2009 de www. energystar. gov/ia/products/downloads/CFLMarketProfile. pdf El análisis en este informe fue realizado por D amp R International, LTD (www. drintl /.) En la página 2, hay una barra (O gráfico de barras) que enumera el número de envíos de LFC por año hasta 2007, y luego predice el número de envíos en 2008, 2009 y 2010, sobre la base de esos datos. Permite utilizar los datos de este gráfico y la potencia de Microsoft Excel para hacer una predicción similar. Idealmente, tendría los valores de datos reales, pero en este caso, se hizo una estimación basada en el gráfico anterior y la siguiente se ingresó en una hoja de cálculo de Excel. Tabla 1. Datos brutos. Permite ver sólo los datos históricos de 2000 a 2007, no las estimaciones o predicciones para 2008 a 2010. Podemos recrear el gráfico de barras mostrado en el documento de origen seleccionando los datos históricos en Excel y creando un gráfico de barras: Figura 2. Datos crudos en un gráfico de barras para coincidir con original Pero en lugar de eso, permite crear un diagrama de dispersión de los valores (ya que la característica de ecuación de la línea de tendencia Excels puede producir errores con gráficos de barras o gráficos de líneas.) Figura 3. Datos brutos en un gráfico de dispersión. Adición de una línea de tendencia lineal y una ecuación de regresión Ahora, recuerde, sólo nos interesan los datos de CFL y queremos poder predecir los años futuros. Para agregar una línea de tendencia, haga clic en uno de los iconos que representan un punto de datos para CFL y, a continuación, haga clic con el botón derecho del ratón y seleccione quotAdd Trendline. quot Verá el siguiente cuadro de diálogo. En este ejemplo, asumiremos que el número de lámparas fluorescentes compactas enviadas por año aumenta a una velocidad constante o lineal. Por ahora, en el área Opciones de Tendencia, seleccione el siguiente tipo de Tendencia / Regresión: Pronóstico Lineal - Adelante 3 períodos Visualización Ecuación en el gráfico Después de mover la ecuación tenemos: Figura 5. Datos brutos con una línea de tendencia lineal y una ecuación de regresión. La ecuación es una ecuación de regresión lineal. Eso significa que es la ecuación de una línea recta que mejor se ajusta a los puntos en el gráfico. El método que utiliza Excel para determinar estas ecuaciones implica encontrar la línea que produce el menor valor para la suma de los cuadrados de las diferencias verticales entre los puntos de datos y la línea. Como todas las líneas, tiene una ecuación en la forma: y es el número a calcular, la variable dependiente o, en este caso, el número de millones de CFL enviadas por año m es la pendiente de la línea, que es igual al cambio En el valor de y dividido por el cambio en el valor de x x es el punto de datos dado o la variable dependiente, en este caso, es el año yb es la intersección de eje-y de la línea. Y 388 millones de LFCs enviados Podemos sustituir otros valores de x, como el año 2020, y como tenemos una ecuación, podemos predecir que habrá 793 millones de LFCs enviadas en el año 2020. Por supuesto, esto está haciendo un Muchos supuestos que no debemos hacer. En particular, asumimos que la tendencia es lineal y que continuará en el futuro. Método alternativo. Puede encontrar la ecuación directamente de los datos presentados, si lo desea. Seleccione dos celdas como G5 y G6 y luego comience a escribir en la fórmula: LINEST (rango) para el rango, seleccione todos los valores y conocidos, a continuación, escriba el paréntesis de cierre, pero no pulse la tecla Intro. En su lugar, pulse Control-Mayús-Intro. Youll ver la pendiente y la intercepción aparecen en estas dos celdas. Muchas tendencias no son lineales. Por ejemplo, la población humana en el planeta era bastante lineal, pero luego se disparó, como se ilustra en la línea roja de la siguiente figura: Figura 7. Tendencia no lineal de crecimiento de la población mundial a largo plazo. Naciones Unidas, 1999, p. 7. Existen varias ecuaciones predictivas no lineales. Bien mirar dos, ecuaciones exponenciales y ecuaciones polinómicas, pero se aconseja explorar otros. Tomemos los mismos datos históricos de envío de CFL que utilizamos anteriormente y aplicamos algunas líneas de tendencia no lineales. Aquí hay una línea de tendencia exponencial. Utiliza una ecuación que tiene el valor x (el año) como exponente. Hice clic en la nueva ecuación una etiqueta de línea de tendencia de quotformat seleccionada para mostrar la ecuación en notación científica con seis puntos decimales, ya que el valor predeterminado no me da suficiente precisión para predecir. Figura 8. Datos brutos con línea de tendencia exponencial. Como podemos ver, la línea de tendencia es curvada, no tanto como lo indica el relativamente alto punto de referencia de 2007, pero todavía está curvado. La ecuación predictiva es: y 1.598767 E -279 e 3.226616 E -01 x Recuerde que el capital E significa quotTimes diez a la potencia de y que el caso minúsculo e es una constante aproximadamente igual a 2.71828. En Excel, puedo escribir en la siguiente fórmula en cualquier celda: y reemplazando quot2010quot con el año, obtener una predicción para ese año. El valor para 2010 es 733 millones de LFC, y el valor para 2012 es de 1.398 millones de liras CFL. La ecuación predictiva puede ser un polinomio. Vimos que la ecuación de regresión lineal era una ecuación polinomial de segundo orden, o cuadrática, agrega un término x 2, resultando en: La gráfica de una ecuación cuadrática de esta forma es típicamente una parábola. Aquí está el mismo dato con una línea de tendencia polinomial de segundo orden: Figura 9. Línea de tendencia polinómica de segundo orden con ecuación. Es posible aumentar el orden, añadiendo un término x 3. x 4. o x 5, si hay razón para creer que tal curva será más precisa. A veces, sospechamos que los datos deben ser modificados. En nuestro ejemplo, observe cuán alto era el valor de 400 para 2007. Un analista podría tener razones para creer que este punto era un valor atípico, y debido a algunas circunstancias especiales, como una campaña de marketing de una sola vez, el alto valor de este dato Está desechando la predicción futura. Permite alterar los datos, reduciendo ese punto a 300. Tabla 2. Datos revisados. Utilizando los datos revisados ​​y la predicción de polinomios de segundo orden, obtenemos: Figura 10. El valor de 2007 fue cambiado de 400 a 300 en la creencia de que se trataba de un valor anormal. Observe cómo la Figura 10 está relativamente cerca de la predicción inicial mostrada en el documento original de la DOE de EE. UU. Hay muchas maneras de transformar y ajustar los datos, y en cada caso el analista debe tener una línea defendible de razonamiento que justifique la transformación. Al igual que con muchas formas de análisis estadístico, la extrapolación de la línea de tendencia puede estar sujeta a intentos deliberados de hacer que los datos sugieran el sesgo de los analistas. Esto es inapropiado. Donde hay proyecciones alternativas, es mejor presentarlas con explicaciones de cada una. Por ejemplo, la siguiente ilustración muestra varios caminos diferentes que la población mundial podría tomar en diferentes condiciones explicadas por los autores. Como se ve en Excels Trendline Options cuadro de diálogo, hay otros tipos de líneas de tendencia que se pueden agregar, incluyendo un logarítmico, la energía y la tendencia media móvil línea de tendencia. El complemento de Analysis ToolPak para Excel también tiene varias herramientas de previsión. Para acceder a ellos, haga clic en Análisis de datos en la ficha Datos. Verá el promedio móvil, la regresión y el suavizado exponencial allí, todos los cuales pueden usarse para pronosticar. Pero no te detengas ahí, Excel, al igual que algunos otros programas de manipulación numérica, permite al usuario controlar directamente las fórmulas utilizadas para obtener valores. No tenemos que conformarnos con la configuración predeterminada que se utiliza en la función Agregar Trendline de gráficos, pero podemos realizar los cálculos necesarios en los datos directamente. Para obtener información sobre los métodos de esta lección, y otros, como el método de Box-Jenkins, regresión dinámica, regresión múltiple, consulte un texto sobre pronóstico, como el de Makridakis, Wheelwright, amp Hyndman (1998). Makridakis. S. Wheelwright, S. amp Hyndman, R. (1998). Pronóstico: Métodos y Aplicaciones. 3ª ed. Nueva York: Wiley amp Sons. Naciones Unidas. (1998). Proyecciones mundiales de población a largo plazo: Basado en la Revisión de 1998. Resumen ejecutivo . Autor. Recuperado el 7 de abril de 2009 de www. un. org/esa/population/publications/longrange/longrangeExecSum. pdf Departamento de Energía de los Estados Unidos. (2009). CFL Market Profile - Marzo de 2009. Washington, DC: Autor. El análisis de tendencias supone que una tendencia alcista permanece intacta, siempre y cuando los nuevos máximos y mínimos (puntos de pivote) sean más altos que los máximos previos (p. Ej. Y baja una tendencia bajista asume lo contrario. Un punto de pivote es cuando la tendencia de los precios cambia de dirección. Las líneas de tendencia y los promedios móviles suelen utilizarse indistintamente y, a menudo, incorrectamente para describir una tendencia de precios. En primer lugar, no son lo mismo en absoluto. Una media móvil es el cálculo diario de un promedio de los valores de cierre reales de una serie (como el Índice SampP 500 o el precio de cierre de una acción individual) para 8220x8221 número de días anteriores (I8217m ignorando los promedios móviles exponenciales aquí). Cuando se calcula y traza cada día, el movimiento del promedio relaciona no sólo el valor actual del Índice o stock con el promedio de los precios durante el último x número de días (es mayor, o por encima del promedio), sino también compara El promedio actual con todos los promedios calculados previos. En general, se supone que una media móvil actúa como una especie de pared o que apoya la restricción o restricción del movimiento de los precios. No es así. Un promedio de 30 días o 60 días o un promedio móvil durante cualquier número de días puede o no parecer actuar como soporte (o resistencia) a una tendencia de precios, pero sólo si se selecciona el número correcto de días. Una media móvil puede funcionar bien para una acción, pero los precios de otra acción podrían mantener continuamente la misma media móvil. Por último, una serie que no está inclinada hacia arriba o hacia abajo se sitúa a la altura de cualquier promedio móvil, independientemente de la cantidad de días, por definición. Una línea de tendencia, por otro lado es la extrapolación de un vector de donde hipotético pasado y futuro potencial puntos de pivote. Una línea de tendencia conecta un mínimo de dos y preferiblemente más los precios reales en cualquier período de tiempo histórico y los proyectos de los puntos de pivote futuro probable podría ser. De hecho, si futuros puntos de pivote se materializan en algún lugar donde una línea de tendencia extrapolada afirme que podría entonces se supone que los factores que generan los puntos de pivote previos permanecen en vigor y por lo tanto la tendencia sigue en vigor. La selección de los dos (O unos pocos más) los precios históricos utilizados para generar el vector de puntos de pivote futuros (la línea de tendencia) es crítico, ya que, teóricamente, un número infinito de líneas de tendencia se pueden extrapolar en el futuro. En mi experiencia, las líneas de tendencia horizontales (por ejemplo, una extrapolación desde un punto de pivote que representa un valor alto o bajo anterior) son significativamente más confiables que las líneas de tendencia (extrapolaciones) que están inclinadas hacia abajo o hacia arriba. Por extensión, cuanto más pronunciada sea la pendiente de la línea de tendencia, menor será la fiabilidad. Un buen ejemplo de líneas de tendencia reales y promedios móviles es WRES (Warren Resources), una acción que un lector preguntó sobre el 24 de mayo, incluyendo el siguiente gráfico: En ese momento, escribí: inserté una segunda línea discontinua alrededor de 15.12, un potencial Línea de tendencia de la resistencia que conecta 5-7 puntos del pivote desde 31/12/2005 (dependiendo si usted cuenta los golpes cercanos en junio de 2006). Los compradores no fueron capaces de generar impulso suficiente cada uno de estos tiempos por razones económicas, industriales o de la empresa. Con algunos creyendo que los mejores movimientos para las acciones en los Grupos de la industria petrolera de petróleo Gas está temporalmente detrás de nosotros, puede ser tarde para más grandes movimientos. El riesgo para cualquier propietario de WRES es que si fuera capaz de romper el límite superior de ese triángulo simétrico, sería probado y estancado en esa línea de tendencia de resistencia punteada. Creo que I8217d renunciar a pasar de la actual 13,77 a 15,12 (sí, that8217s alrededor de 10) como un seguro y comprar cuando y si se rompe a través de esa línea de resistencia. Por lo menos su won8217t del dinero toma una pérdida si los vendedores comunes ganan en última instancia y la acción se rompe a través del límite inferior o del triángulo o se está sentando por semanas o meses que esperan que rompan a través de la resistencia en la línea de tendencia 15.12. Así que las cosas han salido Here8217s un gráfico udated para WRES: La acción se movió hasta la línea punteada horizontal y luego se retiró. Las líneas de tendencia que definían la falla simétrica pero la línea de tendencia horizontal, una extrapolación de posibles puntos de pivote futuros basados ​​en pivotes anteriores a ese precio, eran exactas. En este punto no está claro si la línea de tendencia inclinada hacia abajo y hacia arriba se mantendrá y, si es así, si WRES intentará que la séptima o octava vez se rompa por encima de la línea de tendencia de resistencia horizontal. Suscríbase debajo o haga clic aquí para obtener más información sobre la ayuda para navegar por mercados turbulentos.