WMA - Promedio Móvil ponderado

Devuelve el promedio móvil de peso (móvil) usando los puntos de datos previos m.

Sintaxis

WMA(X, Order, W, T)

X

son los datos de la serie de tiempo univariante (una matriz unidimensional de celdas (Ej. filas o columnas)).

Order

es el orden de tiempo en las series de datos (Ej. el primer punto de datos corresponde (fecha mas temprana = 1 (defecto), última fecha = 0)).

Orden	Descripción
1	Ascendente (el primer punto de datos corresponde a la fecha más temprana) (defecto).
0	Descendente (el primer punto de datos corresponde a la última fecha).

W

es el tamaño de la ventana de igual peso, o una matriz de factores multiplicativos (Es decir, peso) de las ventanas móviles.

T

es el pronóstico tiempo/horizonte más allá del fin de X. Si falta, se asume un valor por defecto de 0 (ultimo o final de X).

Observaciones

1. El promedio móvil ponderado (WMA) es definido como: $$\mathit{wma}_t^k=\frac{\sum_{i=1}^{k} x_{t-i}\times w_i}{\sum_{i=1}^{k} w_i}$$ Donde:
   • $w_i$ es el peso de los puntos de dato i-th en la ventana móvil.
   • $k$ es el tamaño de la ventana móvil.
   • $x_t$ es el valor de la serie de tiempo en el tiempo $t$.
2. IMPORTANTE: The first value in the weights array corresponds to the latest point in the MA window.
3. En la práctica, los factores de peso son a menudo escogidos para dar más peso a los términos más recientes a las series de tiempo y menos peso a los datos más viejos.
4. Una ventana de tamaño pequeño (m) tendrá menos efecto de alisamiento y mayor respuesta a los cambios recientes en los datos, mientras una ventana más grande m tendrá un mayor efecto alisador y producirá un lag más pronunciado en la secuencia de alisamiento.
5. La matriz de peso debe tener un tamaño mayor a cero y consiste en valores no negativos.
6. La ventana de tamaño (m) debe ser menor que el tamaño de las series de tiempo, o bien devuelve un valor de error (#VALUE!)
7. Los WMA promedios móviles ponderados asume una serie de tiempo estacional, entonces si existe una tendencia, los lags de los WMA (promedios móviles ponderados) destrás de estos.
8. This technique has the disadvantage that it cannot be used until at least k observations have been made.
9. Las series de tiempo son homogéneas o igualmente espaciadas.
10. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Media móvil.

Referencias

• D. S.G. Pollock; Handbook of Time Series Analysis, Signal Processing, and Dynamics; Academic Press; Har/Cdr edition(Nov 17, 1999), ISBN: 125609906.
• James Douglas Hamilton; Time Series Analysis; Princeton University Press; 1st edition(Jan 11, 1994), ISBN: 691042896.
• Tsay, Ruey S.; Analysis of Financial Time Series; John Wiley & SONS; 2nd edition(Aug 30, 2005), ISBN: 0-471-690740.
• Box, Jenkins and Reisel; Time Series Analysis: Forecasting and Control; John Wiley & SONS.; 4th edition(Jun 30, 2008), ISBN: 470272848.
• Walter Enders; Applied Econometric Time Series; Wiley; 4th edition(Nov 03, 2014), ISBN: 1118808568.