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), ultima 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 ultima 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 series 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 mas peso a los terminos mas recientes a las series de tiempo y menos peso a los datos más viejos.
  4. Una ventana de tamano pequeño (m) tendra 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 tamano 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 moviles 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

Ejemplo 1:

 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
A B C D E F
Date Data WMA WMA    
Enero 10, 2008 -0.30 -0.30 -0.30    
Enero 11, 2008 -1.28 -0.79 -0.86    
Enero 12, 2008 0.24 -0.45 -0.39 Step Weight
Enero 13, 2008 1.28 0.08 0.30 1 1
Enero 14, 2008 1.20 0.91 0.78 2 2
Enero 15, 2008 1.73 1.40 1.33 3 3
Enero 16, 2008 -2.18 0.25 0.01 4 4
Enero 17, 2008 -0.23 -0.23 -0.28    
Enero 18, 2008 1.10 -0.44 0.11    
Enero 19, 2008 -1.09 -0.07 -0.37    
Enero 20, 2008 -0.69 -0.23 -0.41    
Enero 21, 2008 -1.69 -1.16 -0.99    
Enero 22, 2008 -1.85 -1.41 -1.49    
Enero 23, 2008 -0.98 -1.51 -1.35    
Enero 24, 2008 -0.77 -1.20 -1.14    
Enero 25, 2008 -0.30 -0.68 -0.73    
Enero 26, 2008 -1.28 -0.78 -0.85    
Enero 27, 2008 0.24 -0.45 -0.42    
Enero 28, 2008 1.28 0.08 0.30    
Enero 29, 2008 1.20 0.91 0.78    
Enero 30, 2008 1.73 1.40 1.33    
Enero 31, 2008 -2.18 0.25 0.01    
Febrero 1, 2008 -0.23 -0.23 -0.28    
Febrero 2, 2008 1.10 -0.44 0.11    
Febrero 3, 2008 -1.09 -0.07 -0.37    
Febrero 4, 2008 -0.69 -0.23 -0.41    
Febrero 5, 2008 -1.69 -1.16 -0.99    
Febrero 6, 2008 -1.85 -1.41 -1.49    
Febrero 7, 2008 -0.98 -1.51 -1.35    

Ejemplos de archivos

Referencias

¿Tiene más preguntas? Enviar una solicitud

0 Comentarios