10 Year Moving Average P E

Price150Ergebnisverhältnisse als Forecaster of Returns: Die Börsenaussichten im Jahr 1996 von Robert J. Shiller Die Theorie, dass der Aktienmarkt ungefähr zufällig ist, sieht überhaupt nicht aus: Abbildung 1 ist ein (log-log) Streudiagramm, das für jeden zeigt Jahr 19011501986 das Verhältnis des realen Standard - und des schlechten Index zehn Jahre später zum realen Index heute (auf der y-Achse) gegen ein bestimmtes price150earnings Verhältnis: das Verhältnis des realen Standard - und des schlechten zusammengesetzten Indexes für das erste Jahr des Zehnjahresintervalls , Dividiert durch einen verzögerten, dreißigjährigen gleitenden Durchschnitt des realen Ergebnisses entsprechend dem Standard und dem schlechten Index (auf der x-Achse). Index Werte sind für Januar, Umwandlung von Nominalwerten in reale Werte erfolgt durch den Januar Producer Price Index. Die auf der x-Achse dargestellte Variable ist zu Beginn eines jeden zehnjährigen Intervalls öffentlich bekannt. Wenn die realen Aktienkurse ein zufälliger Weg waren, sollten sie unvorhersehbar sein, und es sollte eigentlich keine Beziehung zwischen y und x geben. Es scheint hier eine deutliche negative Beziehung zu geben. Der Wert von Januar 1996 für das auf der horizontalen Achse dargestellte Verhältnis ist 29,72, in der Figur mit einer vertikalen Linie dargestellt. Mit Blick auf das Diagramm ist es schwer, wegzukommen, ohne das Gefühl, dass der Markt in den kommenden zehn Jahren voraussichtlich deutlich an Wert verlieren wird, scheint es, dass langfristig Anleger für den nächsten Jahrzehnt aus dem Markt bleiben sollten. Ist diese Schlussfolgerung richtig, wie können wir sie mit dem weitverbreiteten öffentlichen Eindruck in Einklang bringen, dass die zufällige Weghypothese zumindest annähernd zutrifft. Verhältnisse als Indikatoren der Marktüberpreisung Das in Abbildung 1 (und in der folgenden Abbildung) dargestellte Streudiagramm ist ungewöhnlich, Maßnahmen auf beiden Achsen beziehen sich auf die Langfristigkeit. Die Verhältnisse von Börsenindizes zu Kennzahlen des Grundwerts (wie z. B. Erträge) als Indikatoren für die Aussichten für den Markt scheinen am sinnvollsten zu sein, wenn sie sich auf lange Sicht korrekt beziehen. Dies ist die Lehre aus einer Reihe neuer Papiere. Der Nenner des Verhältnisses sollte ein gewisser Maßstab für den langfristigen Grundwert sein, wie das langfristige Ergebnis, und die Prognosen für den zu prognostizierenden Markt sollten langfristig sein. John Campbell und ich studierten die Beziehung in der Abbildung dargestellt in einer Reihe von Papieren in den späten 1980er Jahren geschrieben. Die R 2 in einer Regression des in 1 gezeigten Streudiagramms, dh der Logarithmenrate der Preise auf das logarithmische Einkommensverhältnis, beträgt 0,514, was bedeutet, dass über dieses Intervall von 1901 bis 1986 mehr als die Hälfte des Zeitraffer - Könnte die Varianz der (log) Preisänderung im Voraus durch dieses einfache Verhältnis erklärt worden sein. Es gibt einige Bedenken hinsichtlich der Interpretation dieser Streuung aufgrund möglicher kleiner Probeneffekte, aber die Stärke der Assoziation scheint so stark zu sein, dass diese Relation nicht mit den effizienten Märkten oder dem Zufallswanderungsmodell übereinstimmt. Das Verhältnis, das hier verwendet wird, um die Aktienkursveränderungen vorherzusagen, das Verhältnis des realen Preises zu einem dreißigjährigen gleitenden Durchschnitt des realen Ergebnisses, ist tendenziell höher als das herkömmliche Preis-Gewinn-Verhältnis, da die Gewinne tendenziell über dreißig Jahre wachsen und somit der Nenner Des Verhältnisses dazu neigt, gering zu sein. Somit ist das mittlere Verhältnis höher als man erwarten könnte, das durchschnittliche Verhältnis über die gezeigte Probe beträgt 18,28. Heute mit einem Verhältnis von 29.72, weit über dem Durchschnitt aber nicht auf Rekordniveau. Der heutige Wert für die Regression beträgt 150.479, was einen erwarteten Rückgang des realen Standard - und Poor-Index in den nächsten 10 Jahren von 38.07 bedeutet. Das in Abbildung 1 gezeigte Streudiagramm ist in zweierlei Hinsicht ungewöhnlich: Das Preis-Gewinn-Verhältnis wird in Form von dreißigjährigen Durchschnittswerten des Ergebnisses definiert und nicht länger als das Ergebnis der letzten Jahre. Das Intervall, in dem die realen Preise prognostiziert werden, beträgt zehn Jahre Als die meisten daran gewöhnt sind. Das einfachste und am meisten verwendete Verhältnis, das verwendet wird, um den Markt vorherzusagen, ist das price150earnings Verhältnis. Die Verwendung von Ein-Jahres-Einnahmen in der price150Earnings-Ratio ist eine unglückliche Konvention, die von Tradition und Bequemlichkeit eher als jede Logik empfohlen. Bereits 1934 erklärten Benjamin Graham und David Dodd in ihrem jetzt berühmten Lehrbuch Sicherheitsanalyse, dass für die Prüfung solcher Verhältnisse ein Durchschnitt der Einnahmen von nicht weniger als fünf Jahren, vorzugsweise sieben oder zehn Jahren, verwendet werden sollte (S. 452) Die Erträge in einem Jahr sind in der Regel von kurzfristigen Erwägungen betroffen, die nicht weiter zu erwarten sind. In den letzten Jahren sind die Erträge in den letzten Jahren plötzlich geschrumpft, sodass sich die Renditeabsicherungsraten drastisch verringern, aber es ist zweifelhaft, dass solche plötzlichen Veränderungen sinnvoll sind. Wir erweitern unseren gleitenden Durchschnitt noch weiter als Graham und Dodd getan haben, unter der Annahme, dass noch mehr Glättung vorteilhaft ist, und Graham und Dodd nicht die Daten haben dann eine solche Glättung zu machen. Wir haben uns für eine langfristige Rendite von zehn Jahren entschieden, da es für die meisten Anleger wirklich wichtig ist, denn in der langfristigen Investition gibt es so viel Interesse und weil in der statistischen Literatur jüngste Belege vorliegen, Horizon-Renditen sind prognostizierbarer. Dies kann im Widerspruch zu den Erwartungen, die man hätte denken können, dass es leichter ist, in die nahe Zukunft als in die ferne Zukunft zu prognostizieren, aber die Daten widersprechen dieser Intuition. Diese Prognostizierbarkeit des Marktes ist nicht die Art von Dingen, die es uns ermöglichen, zu prognostizieren, dass ein Absturz um die Ecke ist, prognostiziert er allmähliche Trends, analog zur Prognose der Perspektiven für eine Stadt auf der Grundlage von Bevölkerungsentwicklungen oder Prognosen für den Erfolg einer Universität In Bezug auf die Zahl der jungen Menschen, die einschreiben. Beachten Sie, dass die scheinbare prädiktive Beziehung nicht wirklich ein Artefakt des Crashs von 1929 ist, wie einige vermuten könnten. Das Jahr 1929 ist keine echte Herausforderung auf der Handlung, und die Nachkriegsjahre 1972 und 1966 bieten eine dramatischere Unterstützung für die Theorie, dass Preisveränderungen im Zusammenhang mit dem Preis-150-Gewinn-Verhältnis stehen. Ebenso wenig ist der Absturz von 1987 für diese Ergebnisse von großer Bedeutung: Der Punkt, der 1978 entspricht (zehn Jahre vor unserer ersten Post-Crash-Beobachtung hier im Januar 1988), ist kein besonderes Merkmal dieser Handlung. Unser Preis150Ergebnis variabel ist 11,12 im Jahr 1978, unter dem Durchschnitt von 18,28 in diesem Datensatz, und die Log-Preisänderung von 1978 bis 1988 ist 0,57, etwas höher als durchschnittliche zehn Jahre Log-Preisänderung von 0,16 und bietet einige leichte Unterstützung für unsere Theorie . Der Absturz von 1987 selbst wirkt tatsächlich gegen die Theorie, denn das Modell prognostiziert einen überdurchschnittlichen Anstieg der realen Aktienkurse über das Zehnjahresintervall 197815088, und der Absturz diente dazu, die Zunahme weniger weit über dem Durchschnitt zu machen. Abbildung 2 zeigt ein zeitgesteuertes Streudiagramm der realen (inflationskorrigierten) Brutto-Rendite auf dem Standard - und Poor Composite-Aktienkursindex gegenüber dem gleichen Verhältnis des realen Preises zum 30-jährigen Durchschnitt der verzögerten realen Gewinne. In diesem Diagramm sieht die Relation noch auffälliger aus, dh die negative Relation zwischen Preis-Gewinn-Verhältnis und spätere Rendite ist stärker, linearer im Aussehen. Der Grund für die bessere Abstimmung in dieser Relation ist, dass die Rendite auf zwei Arten von der Price150Erfolgsquote beeinflusst wird: durch die Auswirkungen auf die nachfolgenden Preisänderungen, wie in Abbildung 1 zu sehen, und auch durch ihre Auswirkung auf die Dividendenrenditen. Zeiten von sehr hohen Preis-Gewinn-Verhältnis neigen dazu, Zeiten niedriger Dividendenrenditen werden. Die niedrige Dividendenrendite unter solchen Umständen tendiert dazu, jahrelang zu bestehen und trägt so zu den niedrigen Renditen bei. Für die Prognose von drei Jahresrenditen erzielten Campbell und I 1988 einen R 2 von 0,195 mit nur einer einzigen prognostizierenden Variable für die Prognose von zehnjährigen Renditen. Im Gegensatz dazu, wenn wir die einfache Log-Gewinn-Verhältnis-Verhältnis als unabhängige Variable verwendet, war die R 2 für die Prognose der Drei-Jahres-Renditen nur 0,090, und für die Prognose zehn Jahre Rendite war 0,266. Die zusätzlichen neun Jahre Daten seit unserem 1988 Papier war freundlich zu unseren Ergebnissen: die R 2 in einer Regression der zehnjährigen realen Renditen auf unsere Verhältnis von realen Preis zu dreißig Jahren gleitenden Durchschnitt der realen Erträge steigt für die gesamte Stichprobe auf 0,624 . Durch die Erweiterung unserer Daten im Jahre 1987 können wir jetzt das Zehnjahresintervall ab 1982 beobachten und die hohen Zehnjahresrenditen, die von der niedrigen Quote im Jahre 1982 vorhergesagt werden, werden durch die tatsächliche Rendite gut bestätigt. Wenn wir den Wert von Januar 1996 für das Verhältnis, also 29,72, ersetzen, beträgt die vorhergesagte Zehnjahresrendite 1500,06, praktisch Null. Natürlich ist dies nicht das gleiche wie die erwartete Rendite. Wenn die Renditen nach rechts geneigt sind, wie es durch eine logarithmische Verteilung vorgeschlagen wird, dann kann die erwartete Rendite wesentlich höher sein. Die logarithmische Annahme und unser geschätztes Regressionsmodell würden implizieren, dass die erwartete Rendite exp (mittlere Varianz / 2) ist, wobei mean die erwartete Log-Brutto-Rendite und Varianz der quadratische Standardfehler der Regression ist Rückkehr über die folgenden zehn Jahre von .009, oder etwa ein Zehntel eines Prozent pro Jahr. Diese Prognostizierbarkeit am Markt ist nicht auf eine Reaktion des Marktes auf die Prognostizierbarkeit der Zinssätze zurückzuführen. Campbell und Shiller 1988 fanden, dass, wenn man als abhängige Variable in der Zehnjahresrückkehrgleichung das Protokoll von eins plus die Zehnjahresrückkehr auf dem Standard und dem schlechten zusammengesetzten minus das Protokoll von eins plus die Zehnjahresrendite von investieren in 41506 einsetzt Monats-Prime Commercial Paper, die Ergebnisse sind praktisch unverändert, ist die R 2 in der Regression noch 0,480. Alle diese Ergebnisse sind statistisch signifikant: Unter Verwendung eines Wald-Tests, der die überlappenden Beobachtungen der abhängigen Variablen berücksichtigt, finden wir, dass das Signifikanzniveau für die zehnjährige Real-Rendite-Gleichung 0,000 für die zehnjährige Überrendite-Gleichung ist 0,002. Mögliche Verzerrungen in der Beziehung Da die Regressionen stochastische Regressoren haben, müssen wir eine gewisse Verzerrung im geschätzten Koeffizienten erwarten. In einfachen Worten, auch wenn Aktienkurse überhaupt keine Beziehung zu einfachen Erträgen haben, solange die Gewinne geglättet werden, um das Preis-150-Rendite-Verhältnis zu generieren, wird es eine negative Korrelation kleine Proben zwischen der Preis-Gewinn-Verhältnis und die dreißig Jahre neigen Durchschnitt des Ergebnisses. Die negative Korrelation ergibt sich vor allem daraus, dass das Stichprobenmittel über die gesamte Stichprobe geschätzt wird und die Preise selbstverständlich als Mittelwert bezeichnet werden, auch wenn kein richtiger Mittelwert vorliegt. Ich habe eine einfache monte carlo Experiment, um vorzuschlagen, wie wichtig eine solche Vorurteil sein könnte. Wir erzeugten 96 (jährliche) Beobachtungen einer zufälligen Wanderung (diese Zahl entspricht den 96 Beobachtungen 1901 bis 1996, die verwendet wurden, um die 86 Punkte zu erzeugen, die in dem Streudiagramm in Fig. 2 gezeigt sind) und rezitieren zehnjährige Änderungen in der zufälligen Wanderung auf ihr Ebene zu Beginn der zufälligen zu Fuß. Diese Regression zeigt eine Art begrenzender Fall unserer Geschichte, in der das Ergebnis so geglättet wird, dass es eine Konstante ist, so dass die Einnahmen in unserer Analyse keine Rolle spielen. In diesem monte-carlo-Experiment mit 10.000 Iterationen fanden wir, dass das R 2 eher positiv war: der durchschnittliche R 2 war 0,26. In diesen Monte-Carlo-Experimenten erreichten wir jedoch einen R2 von 0,624, wobei nur 1,9 der Zeit darauf hindeuteten, dass die Ergebnisse in der Tat sehr signifikant sind. In einem anderen monte-carlo-Experiment versuchte ich, den 30-jährigen gleitenden Durchschnitt des Verdienstes als etwas anderes als eine Konstante zu repräsentieren: Wir ersetzten es durch einen dreißigjährigen gleitenden Durchschnitt von verzögerten Preisen, das schien wie ein interessantes Experiment, in diesem 30-jährigen Durchschnitt Der Log-Gewinne ähneln den 30-jährigen Durchschnittswerten des Log-Preises mit den tatsächlichen Daten bis zu einer additiven Konstante. In jeder Iteration des monte-carlo-Experiments ergab sich ein neuer 126-elementiger (jährlicher) Zufallsweg, für die Elemente 31 bis 116 wurde ein Vektor aus folgenden zehnjährigen Änderungen als abhängige Variable erstellt. Ein Vektor von unabhängigen Variablenbeobachtungen wurde entnommen, indem zuerst der Vektor der Elemente 1 bis 116 erzeugt wurde, und dann von jedem der 30-jährigen Mittel des verzögerten Preises subtrahiert wurde. In jeder Iteration haben wir diese abhängige Variable auf die unabhängige Variable zurückgerechnet und die R2 aufgezeichnet. In 100.000 Iterationen war der durchschnittliche R2 0.124, weit unter dem, was wir beobachtet haben, und in nur 0.26 der Iterationen war der R2 größer als 0,62. Mögliche Fehler im Index für die Umwandlung von Nominalwerten in Realwerte Beachten Sie, dass unser Streudiagramm auf reale Preise, reale Renditen und reale Gewinne verweist. Es ist wichtig, unsere Analyse in diesen Ausdrücken zu koordinieren, da es sich um reale, nicht nominale Mengen handelt. Aber, die Einführung von Indizes der Preisinflation führt die Möglichkeit der Fehler. Die Periode um 1920 scheint eine Menge von Hebelwirkung zu haben, und ist möglicherweise verantwortlich für zu viel von unserer Passform. Das Verhalten unserer Serie um 1920 könnte ein Artefakt unseres Preisindexes sein, ein Erzeugerpreisindex, der viel mehr Volatilität um die Rezession von 192015021 zeigen kann als andere Preisindizes. Warum Long Horizon Returns Es gibt einige populäre Verwirrung über die Bedeutung dieser Vorhersagbarkeit bei der Prognose von Long-Horizon Renditen. Eine Quelle der Besorgnis, die viele Menschen ausdrücken, ist, wenn einjährige Renditen nicht signifikant prognostizierbar sind, warum sollten die zehnjährigen Renditen, die nur zehnjährige Durchschnittswerte der Ein-Jahres-Renditen sind, signifikant prognostizierbar sein Leistung der Tests, die 10-Jahres-Renditen prognostizieren, sind in Campbell 1992 beschrieben. Eine damit zusammenhängende Verwirrung betrifft die scheinbare Zufallswanderung von Ein-Jahres-Renditen. Wie, einige werden fragen, kann es sein, dass einjährige Renditen sind so scheinbar zufällig, und doch Zehnjahresrenditen sind meist prognostizierbar Die Antwort ist, dass es bekannt ist, dass stochastische Prozesse, die in der Nähe Einheit Wurzel für einjährige Intervalle sein können Die über längere Zeiträume prognostizierbar sind. Bei der Betrachtung der Jahresrenditen sieht man viel Lärm, aber über längere Zeitintervalle mittelt dieser Lärm effektiv aus und ist weniger wichtig. Warnungen über die obige Analyse Der Abschluss dieses Papiers, dass die Börse erwartet wird, in den nächsten zehn Ohren sinken und um eine totale Rendite von fast nichts zu verdienen, muss mit großer Vorsicht interpretiert werden. Unsere Suche nach ökonomischen Beziehungen, die wir, um den Preis zu studieren, geteilt durch 30-jährigen gleitenden Durchschnitt des Einkommens können auf eine Chance Beziehung ohne Bedeutung gestolpert haben. Mit anderen Worten, die hier untersuchte Beziehung könnte eine falsche Beziehung, das Ergebnis des Data Mining sein. Weder die statistischen Tests noch die Monte-Carlo-Experimente berücksichtigen die Suche über andere mögliche Beziehungen. Es ist auch gefährlich, davon auszugehen, daß historische Beziehungen notwendigerweise auf die Zukunft anwendbar sind. Es könnten grundlegende strukturelle Veränderungen auftreten, die jetzt bedeuten, dass die Vergangenheit des Aktienmarktes nicht mehr ein Leitfaden für die Zukunft ist. Campbell, John Y. und Robert J. Shiller, quotStock Preise, Einnahmen und erwartete Dividenden, Journal of Finance. 43 (3): 661-76, Juli 1988. Das Dividend Ratio Model und Small Sample Bias: Eine Monte Carlo Studie, Economics Letters. 29: 325-31, 1989. Graham, Benjamin und David L. Dodd, Sicherheitsanalyse. H.-J., H.-J. Laster und Kevin Cole, quotStock Marktbewertung Indikatoren: ist diesmal Differentquot Federal Reserve Bank von New York Research Paper Nr. 9520, September 1995. 1996 Robert J. Shiller Raw Daten verwendet werden, um Zahlen zu produzieren sind auch auf dieser website. LOS 16f Diskutieren Sie die Stärken und Grenzen der relativen Bewertungsmodellen LOS 16g Beurteilen, ob ein Aktienmarkt unter-, relativ oder überbewertet mit einem relativen Equity-Bewertungsmodell Was genau ist Ist dieses Modell Genau wie die Fed - und Yardeni-Modelle ist dies ein ergebnisbasiertes relatives Bewertungsmodell. Es wurde von Campbell und Shiller entwickelt, basierend auf den Empfehlungen von Graham und Dodd, die faszinierend ist. Faszinierend langweilig. Was ist die Formel Sie sollten wissen, dass diese LOS weniger über das Auswendiglernen von Formeln und mehr über das Verständnis der grundlegenden Beziehungen zwischen ist. Aktueller SampP 500 Index / 10-jähriger gleitender Durchschnitt des realen Ergebnisses Warten Sie eine Minute, was das Sternchen im Wesentlichen bedeutet, dass sowohl der Zähler als auch der Nenner für die Inflation angepasst und real umgesetzt werden müssen. Lassen Sie mich raten, gibt es eine langfristige durchschnittliche KGV, Recht Ja, gut gemacht. Wenn der aktuelle Kurs über die 10-jährige gleitende durchschnittliche Ergebnis (bereinigt um die Inflation). Sie meinen das aktuelle P / E-Verhältnis NO Verwenden Sie den aktuellen Preis, aber nicht den aktuellen E 1 oder E 0. Auf jeden Fall, wenn das Verhältnis - und Hinweis waren mit P / E-Verhältnis, nicht die Ertragsausbeute, die ihre Kehrseite ist - über dem langfristigen Durchschnitt ist der Index überbewertet und das Verhältnis wird (oder zumindest sollte) schließlich fallen Zurück zum langfristigen Durchschnitt. Das Gegenteil ist auch wahr, ein Verhältnis, das unter dem langfristigen Durchschnitt liegt, ist der Index relativ unterbewertet und sein Preis wird (oder sollte) steigen, bis dieses Verhältnis sein langfristiges Durchschnittsniveau erreicht. Was sind die Vorteile dieses Modells Durch die Verwendung von CPI für die Inflation zu justieren, vermeidet es den Vergleich einer realen Variablen mit einer nominalen. Auch mit einem 10-jährigen gleitenden Durchschnitt entfernt alle Schieflagen als Folge der Konjunkturzyklus. Was sind ihre Nachteile Es ist nicht ungewöhnlich, dass niedrige / hohe Verhältnisse (relativ zum Langzeitdurchschnitt) über längere Zeiträume bestehen bleiben, was diese Maßnahme kurzfristig weniger sinnvoll macht. Des Weiteren betrachten wir die Auswirkungen der Buchhaltungsänderungen im Zeitablauf nicht als signifikant. Interessant, so würden Sie sagen. Unabhängig von Rechnungslegungsänderungen. Oh, so die wichtige Kritik an diesem Modell ist. Unabhängig von Rechnungslegungsänderungen. Ja, das sagst du immer wieder. Es muss wichtig sein. Wenn ich gebeten wurde, eine Kritik an der Prüfung zu geben. Unabhängig von Rechnungslegungsänderungen. Ich wünschte, du würdest damit aufhören. Es ist wie das einzige, was Sie wollen, dass ich über dieses Modell wissen. Unabhängig von Buchhaltungsänderungen. Moving-Mittelwerte - Einfache und exponentielle Bewegungsdurchschnitte - Einfache und exponentielle Einführung Die gleitenden Mittelwerte glatt machen die Kursdaten zu einem Trendfolger. Sie prognostizieren nicht die Kursrichtung, sondern definieren die aktuelle Richtung mit einer Verzögerung. Moving Averages Lag, weil sie auf vergangenen Preisen basieren. Trotz dieser Verzögerung, gleitende Durchschnitte helfen, glatte Preis-Aktion und Filter aus dem Lärm. Sie bilden auch die Bausteine ​​für viele andere technische Indikatoren und Overlays, wie Bollinger Bands. MACD und dem McClellan-Oszillator. Die beiden beliebtesten Arten von gleitenden Durchschnitten sind die Simple Moving Average (SMA) und die Exponential Moving Average (EMA). Diese Bewegungsdurchschnitte können verwendet werden, um die Richtung des Trends zu identifizieren oder potentielle Unterstützungs - und Widerstandswerte zu definieren. Here039s ein Diagramm mit einem SMA und einem EMA auf ihm: Einfache gleitende durchschnittliche Berechnung Ein einfacher gleitender Durchschnitt wird gebildet, indem man den durchschnittlichen Preis eines Wertpapiers über einer bestimmten Anzahl von Perioden berechnet. Die meisten gleitenden Mittelwerte basieren auf den Schlusskursen. Ein 5-tägiger einfacher gleitender Durchschnitt ist die fünftägige Summe der Schlusskurse geteilt durch fünf. Wie der Name schon sagt, ist ein gleitender Durchschnitt ein Durchschnitt, der sich bewegt. Alte Daten werden gelöscht, wenn neue Daten verfügbar sind. Dies bewirkt, dass sich der Durchschnitt entlang der Zeitskala bewegt. Unten ist ein Beispiel für einen 5-tägigen gleitenden Durchschnitt, der sich über drei Tage entwickelt. Der erste Tag des gleitenden Durchschnitts deckt nur die letzten fünf Tage ab. Der zweite Tag des gleitenden Mittelwerts fällt den ersten Datenpunkt (11) und fügt den neuen Datenpunkt (16) hinzu. Der dritte Tag des gleitenden Durchschnitts setzt sich fort, indem der erste Datenpunkt (12) abfällt und der neue Datenpunkt (17) addiert wird. Im obigen Beispiel steigen die Preise allmählich von 11 auf 17 über insgesamt sieben Tage. Beachten Sie, dass der gleitende Durchschnitt auch von 13 auf 15 über einen dreitägigen Berechnungszeitraum steigt. Beachten Sie auch, dass jeder gleitende Durchschnittswert knapp unter dem letzten Kurs liegt. Zum Beispiel ist der gleitende Durchschnitt für Tag eins gleich 13 und der letzte Preis ist 15. Preise der vorherigen vier Tage waren niedriger und dies führt dazu, dass der gleitende Durchschnitt zu verzögern. Exponentielle gleitende Durchschnittsberechnung Exponentielle gleitende Mittelwerte reduzieren die Verzögerung durch mehr Gewicht auf die jüngsten Preise. Die Gewichtung des jüngsten Preises hängt von der Anzahl der Perioden im gleitenden Durchschnitt ab. Es gibt drei Schritte, um einen exponentiellen gleitenden Durchschnitt zu berechnen. Berechnen Sie zunächst den einfachen gleitenden Durchschnitt. Ein exponentieller gleitender Durchschnitt (EMA) muss irgendwo anfangen, so dass ein einfacher gleitender Durchschnitt als die vorherige Periode039s EMA in der ersten Berechnung verwendet wird. Zweitens, berechnen Sie die Gewichtung Multiplikator. Drittens berechnen Sie den exponentiellen gleitenden Durchschnitt. Die folgende Formel ist für eine 10-tägige EMA. Ein 10-Perioden-exponentieller gleitender Durchschnitt wendet eine 18,18 Gewichtung auf den jüngsten Preis an. Eine 10-Perioden-EMA kann auch als 18.18 EMA bezeichnet werden. Ein 20-Perioden-EMA wendet einen 9,52 - Wiegen auf den jüngsten Preis an (2 / (201) .0952). Beachten Sie, dass die Gewichtung für den kürzeren Zeitraum mehr ist als die Gewichtung für den längeren Zeitraum. In der Tat, die Gewichtung sinkt um die Hälfte jedes Mal, wenn die gleitende durchschnittliche Periode verdoppelt. Wenn Sie uns einen bestimmten Prozentsatz für eine EMA zuweisen möchten, können Sie diese Formel verwenden, um sie in Zeiträume zu konvertieren, und geben Sie dann diesen Wert als den EMA039s-Parameter ein: Nachstehend ist ein Kalkulationstabellenbeispiel für einen 10-tägigen einfachen gleitenden Durchschnitt und ein 10- Tag exponentiellen gleitenden Durchschnitt für Intel. Einfache gleitende Durchschnitte sind geradlinig und erfordern wenig Erklärung. Der 10-Tage-Durchschnitt bewegt sich einfach, sobald neue Preise verfügbar sind und alte Preise fallen. Der exponentielle gleitende Durchschnitt beginnt mit dem einfachen gleitenden Mittelwert (22.22) bei der ersten Berechnung. Nach der ersten Berechnung übernimmt die Normalformel. Da ein EMA mit einem einfachen gleitenden Durchschnitt beginnt, wird sein wahrer Wert erst nach 20 oder späteren Perioden realisiert. Mit anderen Worten, der Wert auf der Excel-Tabelle kann sich aufgrund des kurzen Rückblicks von dem Diagrammwert unterscheiden. Diese Kalkulationstabelle geht nur zurück 30 Perioden, was bedeutet, dass der Einfluss der einfachen gleitenden Durchschnitt hatte 20 Perioden zu zerstreuen. StockCharts geht mindestens 250 Perioden (typischerweise viel weiter) für seine Berechnungen zurück, so dass die Effekte des einfachen gleitenden Durchschnitts in der ersten Berechnung vollständig abgebaut sind. Der Lagfaktor Je länger der gleitende Durchschnitt ist, desto stärker ist die Verzögerung. Ein 10-Tage-exponentieller gleitender Durchschnitt wird die Preise sehr eng umringen und sich kurz nach dem Kursumschlag wenden. Kurze gleitende Durchschnitte sind wie Schnellboote - flink und schnell zu ändern. Im Gegensatz dazu enthält ein 100-Tage gleitender Durchschnitt viele vergangene Daten, die ihn verlangsamen. Längere gleitende Durchschnitte sind wie Ozeantanker - lethargisch und langsam zu ändern. Es dauert eine größere und längere Kursbewegung für einen 100-Tage gleitenden Durchschnitt, um Kurs zu ändern. Die Grafik oben zeigt die SampP 500 ETF mit einer 10-tägigen EMA eng ansprechender Preise und einem 100-tägigen SMA-Schleifen höher. Selbst mit dem Januar-Februar-Rückgang hielt die 100-tägige SMA den Kurs und kehrte nicht zurück. Die 50-Tage-SMA passt irgendwo zwischen den 10 und 100 Tage gleitenden Durchschnitten, wenn es um den Verzögerungsfaktor kommt. Simple vs Exponential Moving Averages Obwohl es klare Unterschiede zwischen einfachen gleitenden Durchschnitten und exponentiellen gleitenden Durchschnitten, ist eine nicht unbedingt besser als die anderen. Exponentielle gleitende Mittelwerte haben weniger Verzögerungen und sind daher empfindlicher gegenüber den jüngsten Preisen - und den jüngsten Preisveränderungen. Exponentielle gleitende Mittelwerte drehen sich vor einfachen gleitenden Durchschnitten. Einfache gleitende Durchschnitte stellen dagegen einen wahren Durchschnittspreis für den gesamten Zeitraum dar. Als solches können einfache gleitende Mittel besser geeignet sein, um Unterstützungs - oder Widerstandsniveaus zu identifizieren. Die gleitende Durchschnittspräferenz hängt von den Zielen, dem analytischen Stil und dem Zeithorizont ab. Chartisten sollten mit beiden Arten von gleitenden Durchschnitten sowie verschiedene Zeitrahmen zu experimentieren, um die beste Passform zu finden. Die nachstehende Grafik zeigt IBM mit der 50-Tage-SMA in Rot und der 50-Tage-EMA in Grün. Beide gipfelten Ende Januar, aber der Rückgang in der EMA war schärfer als der Rückgang der SMA. Die EMA erschien Mitte Februar, aber die SMA setzte weiter unten bis Ende März. Beachten Sie, dass die SMA über einen Monat nach der EMA. Längen und Zeitrahmen Die Länge des gleitenden Mittelwerts hängt von den analytischen Zielen ab. Kurze gleitende Durchschnitte (5-20 Perioden) eignen sich am besten für kurzfristige Trends und den Handel. Chartisten, die sich für mittelfristige Trends interessieren, würden sich für längere bewegte Durchschnitte entscheiden, die 20-60 Perioden verlängern könnten. Langfristige Anleger bevorzugen gleitende Durchschnitte mit 100 oder mehr Perioden. Einige gleitende durchschnittliche Längen sind beliebter als andere. Die 200-Tage gleitenden Durchschnitt ist vielleicht die beliebteste. Wegen seiner Länge ist dies eindeutig ein langfristiger gleitender Durchschnitt. Als nächstes ist der 50-Tage gleitende Durchschnitt für den mittelfristigen Trend ziemlich populär. Viele Chartisten nutzen die 50-Tage-und 200-Tage gleitenden Durchschnitte zusammen. Kurzfristig war ein 10 Tage gleitender Durchschnitt in der Vergangenheit ziemlich populär, weil er leicht zu berechnen war. Man hat einfach die Zahlen addiert und den Dezimalpunkt verschoben. Trendidentifikation Die gleichen Signale können mit einfachen oder exponentiellen gleitenden Mittelwerten erzeugt werden. Wie oben erwähnt, hängt die Präferenz von jedem Individuum ab. Die folgenden Beispiele werden sowohl einfache als auch exponentielle gleitende Mittelwerte verwenden. Der Begriff gleitender Durchschnitt gilt für einfache und exponentielle gleitende Mittelwerte. Die Richtung des gleitenden Durchschnitts vermittelt wichtige Informationen über die Preise. Ein steigender Durchschnitt zeigt, dass die Preise im Allgemeinen steigen. Ein sinkender Durchschnittswert zeigt an, dass die Preise im Durchschnitt sinken. Ein steigender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Aufwärtstrend wider. Ein sinkender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Abwärtstrend wider. Das Diagramm oben zeigt 3M (MMM) mit einem 150-Tage-exponentiellen gleitenden Durchschnitt. Dieses Beispiel zeigt, wie gut bewegte Durchschnitte arbeiten, wenn der Trend stark ist. Die 150-Tage-EMA sank im November 2007 und wieder im Januar 2008. Beachten Sie, dass es einen Rückgang von 15 nahm, um die Richtung dieses gleitenden Durchschnitts umzukehren. Diese Nachlaufindikatoren identifizieren Trendumkehrungen, wie sie auftreten (am besten) oder nach deren Eintritt (schlimmstenfalls). MMM setzte unten in März 2009 und dann stieg 40-50. Beachten Sie, dass die 150-Tage-EMA nicht auftauchte, bis nach diesem Anstieg. Sobald es aber tat, setzte MMM die folgenden 12 Monate höher fort. Moving-Durchschnitte arbeiten brillant in starken Trends. Doppelte Frequenzweichen Zwei gleitende Mittelwerte können zusammen verwendet werden, um Frequenzweiche zu erzeugen. In der technischen Analyse der Finanzmärkte. John Murphy nennt dies die doppelte Crossover-Methode. Doppelte Crossover beinhalten einen relativ kurzen gleitenden Durchschnitt und einen relativ langen gleitenden Durchschnitt. Wie bei allen gleitenden Durchschnitten definiert die allgemeine Länge des gleitenden Durchschnitts den Zeitrahmen für das System. Ein System, das eine 5-Tage-EMA und eine 35-Tage-EMA verwendet, wäre kurzfristig. Ein System, das eine 50-tägige SMA - und 200-Tage-SMA verwendet, wäre mittelfristig, vielleicht sogar langfristig. Eine bullische Überkreuzung tritt auf, wenn der kürzere gleitende Durchschnitt über dem längeren gleitenden Durchschnitt kreuzt. Dies wird auch als goldenes Kreuz bezeichnet. Eine bärische Überkreuzung tritt ein, wenn der kürzere gleitende Durchschnitt unter dem längeren gleitenden Durchschnitt liegt. Dies wird als ein totes Kreuz bekannt. Gleitende Mittelübergänge erzeugen relativ späte Signale. Schließlich setzt das System zwei hintere Indikatoren ein. Je länger die gleitenden Durchschnittsperioden, desto größer die Verzögerung in den Signalen. Diese Signale funktionieren gut, wenn eine gute Tendenz gilt. Allerdings wird ein gleitender Durchschnitt Crossover-System produzieren viele whipsaws in Abwesenheit einer starken Tendenz. Es gibt auch eine Dreifach-Crossover-Methode, die drei gleitende Durchschnitte beinhaltet. Wieder wird ein Signal erzeugt, wenn der kürzeste gleitende Durchschnitt die beiden längeren Mittelwerte durchläuft. Ein einfaches Triple-Crossover-System könnte 5-Tage-, 10-Tage - und 20-Tage-Bewegungsdurchschnitte beinhalten. Das Diagramm oben zeigt Home Depot (HD) mit einer 10-tägigen EMA (grüne gepunktete Linie) und 50-Tage-EMA (rote Linie). Die schwarze Linie ist die tägliche Schließung. Mit einem gleitenden Durchschnitt Crossover hätte dazu geführt, dass drei Peitschen vor dem Fang eines guten Handels. Die 10-tägige EMA brach unterhalb der 50-Tage-EMA Ende Oktober (1), aber dies dauerte nicht lange, wie die 10-Tage zog zurück oben Mitte November (2). Dieses Kreuz dauerte länger, aber die nächste bärige Crossover im Januar (3) ereignete sich gegen Ende November Preisniveaus, was zu einer weiteren Peitsche führte. Dieses bärische Kreuz dauerte nicht lange, als die 10-Tage-EMA über die 50-Tage ein paar Tage später zurückging (4). Nach drei schlechten Signalen, schien das vierte Signal eine starke Bewegung als die Aktie vorrückte über 20. Es gibt zwei Takeaways hier. Erstens, Crossovers sind anfällig für whipsaw. Ein Preis oder Zeitfilter kann angewendet werden, um zu helfen, whipsaws zu verhindern. Händler könnten verlangen, dass die Crossover 3 Tage dauern, bevor sie handeln oder verlangen, dass die 10-Tage-EMA zu bewegen, über / unterhalb der 50-Tage-EMA um einen bestimmten Betrag vor handeln. Zweitens kann MACD verwendet werden, um diese Frequenzweichen zu identifizieren und zu quantifizieren. MACD (10,50,1) zeigt eine Linie, die die Differenz zwischen den beiden exponentiellen gleitenden Mittelwerten darstellt. MACD wird positiv während eines goldenen Kreuzes und negativ während eines toten Kreuzes. Der Prozentsatz-Oszillator (PPO) kann auf die gleiche Weise verwendet werden, um Prozentunterschiede anzuzeigen. Beachten Sie, dass MACD und das PPO auf exponentiellen gleitenden Durchschnitten basieren und nicht mit einfachen gleitenden Durchschnitten zusammenpassen. Diese Grafik zeigt Oracle (ORCL) mit dem 50-Tage EMA, 200-Tage EMA und MACD (50.200,1). Es gab vier gleitende durchschnittliche Kreuzungen über einen Zeitraum von 2 1/2 Jahren. Die ersten drei führten zu Peitschen oder schlechten Trades. Ein anhaltender Trend begann mit der vierten Crossover als ORCL bis Mitte der 20er Jahre. Erneut bewegen sich die durchschnittlichen Crossover-Effekte groß, wenn der Trend stark ist, erzeugen aber Verluste in Abwesenheit eines Trends. Preis-Crossover Moving-Durchschnitte können auch verwendet werden, um Signale mit einfachen Preis-Crossover zu generieren. Ein bullisches Signal wird erzeugt, wenn die Preise über dem gleitenden Durchschnitt liegen. Ein bäres Signal wird erzeugt, wenn die Preise unter dem gleitenden Durchschnitt liegen. Preis-Crossover können kombiniert werden, um innerhalb der größeren Trend Handel. Der längere gleitende Durchschnitt setzt den Ton für den größeren Trend und der kürzere gleitende Durchschnitt wird verwendet, um die Signale zu erzeugen. Man würde bullish Preiskreuze nur dann suchen, wenn die Preise schon über dem längeren gleitenden Durchschnitt liegen. Dies würde den Handel im Einklang mit dem größeren Trend. Wenn zum Beispiel der Kurs über dem gleitenden 200-Tage-Durchschnitt liegt, würden sich die Chartisten nur auf Signale konzentrieren, wenn der Kurs über dem 50-Tage-Gleitender Durchschnitt liegt. Offensichtlich würde ein Schritt unterhalb der 50-Tage gleitenden Durchschnitt ein solches Signal vorausgehen, aber solche bearish Kreuze würden ignoriert, weil der größere Trend ist. Ein bearish Kreuz würde einfach vorschlagen, ein Pullback in einem größeren Aufwärtstrend. Ein Cross-back über dem 50-Tage-Gleitender Durchschnitt würde einen Preisanstieg und eine Fortsetzung des größeren Aufwärtstrends signalisieren. Die nächste Tabelle zeigt Emerson Electric (EMR) mit dem 50-Tage EMA und 200-Tage EMA. Die Aktie bewegte sich über und hielt über dem 200-Tage gleitenden Durchschnitt im August. Es gab Dips unterhalb der 50-Tage-EMA Anfang November und wieder Anfang Februar. Die Preise schnell zurück über die 50-Tage-EMA zu bullish Signale (grüne Pfeile) in Harmonie mit dem größeren Aufwärtstrend. Im Indikatorfenster wird MACD (1,50,1) angezeigt, um Preiskreuze über oder unter dem 50-Tage-EMA zu bestätigen. Die 1-tägige EMA entspricht dem Schlusskurs. MACD (1,50,1) ist positiv, wenn das Schließen oberhalb der 50-Tage-EMA und negativ ist, wenn das Schließen unterhalb der 50-Tage-EMA liegt. Unterstützung und Widerstand Der Gleitende Durchschnitt kann auch als Unterstützung in einem Aufwärtstrend und Widerstand in einem Abwärtstrend dienen. Ein kurzfristiger Aufwärtstrend könnte Unterstützung nahe dem 20-tägigen einfachen gleitenden Durchschnitt finden, der auch in Bollinger Bändern verwendet wird. Ein langfristiger Aufwärtstrend könnte Unterstützung nahe dem 200-tägigen einfachen gleitenden Durchschnitt finden, der der populärste langfristige bewegliche Durchschnitt ist. Wenn Tatsache, die 200-Tage gleitenden Durchschnitt bieten kann Unterstützung oder Widerstand, nur weil es so weit verbreitet ist. Es ist fast wie eine sich selbst erfüllende Prophezeiung. Die Grafik oben zeigt die NY Composite mit dem 200-Tage einfachen gleitenden Durchschnitt von Mitte 2004 bis Ende 2008. Die 200-Tage-Support zur Verfügung gestellt, mehrmals während des Vorhabens. Sobald der Trend mit einem Doppel-Top-Support-Pause umgekehrt, der 200-Tage gleitenden Durchschnitt als Widerstand um 9500 gehandelt. Erwarten Sie nicht genaue Unterstützung und Widerstand Ebenen von gleitenden Durchschnitten, vor allem längeren gleitenden Durchschnitten. Märkte werden durch Emotionen gefahren, wodurch sie anfällig für Überschreitungen sind. Statt genauer Ebenen können gleitende Mittelwerte verwendet werden, um Unterstützungs - oder Widerstandszonen zu identifizieren. Schlussfolgerungen Die Vorteile der Verwendung von bewegten Durchschnitten müssen gegen die Nachteile gewogen werden. Moving-Durchschnitte sind Trend nach, oder nacheilende, Indikatoren, die immer einen Schritt hinter sich. Dies ist nicht unbedingt eine schlechte Sache. Immerhin ist der Trend ist dein Freund und es ist am besten, in die Richtung des Trends Handel. Die gleitenden Durchschnitte gewährleisten, dass ein Händler dem aktuellen Trend entspricht. Auch wenn der Trend ist dein Freund, verbringen die Wertpapiere viel Zeit in Handelsspannen, die gleitende Durchschnitte ineffektiv machen. Einmal in einem Trend, bewegte Durchschnitte halten Sie in, sondern geben auch späte Signale. Don039t erwarten, an der Spitze zu verkaufen und an der Unterseite mit bewegten Durchschnitten kaufen. Wie bei den meisten technischen Analysetools sollten die gleitenden Mittelwerte nicht allein verwendet werden, sondern in Verbindung mit anderen komplementären Tools. Chartisten können gleitende Durchschnitte verwenden, um den Gesamttrend zu definieren und dann RSI zu verwenden, um überkaufte oder überverkaufte Niveaus zu definieren. Hinzufügen von Bewegungsdurchschnitten zu StockCharts Diagrammen Gleitende Durchschnitte sind als Preisüberlagerungsfunktion auf der SharpCharts-Workbench verfügbar. Mit dem Dropdown-Menü Overlays können Benutzer entweder einen einfachen gleitenden Durchschnitt oder einen exponentiellen gleitenden Durchschnitt auswählen. Der erste Parameter wird verwendet, um die Anzahl der Zeitperioden einzustellen. Ein optionaler Parameter kann hinzugefügt werden, um festzulegen, welches Preisfeld in den Berechnungen verwendet werden soll - O für die Open, H für High, L für Low und C für Close. Ein Komma wird verwendet, um Parameter zu trennen. Ein weiterer optionaler Parameter kann hinzugefügt werden, um die gleitenden Mittelwerte nach links (vorbei) oder nach rechts (zukünftig) zu verschieben. Eine negative Zahl (-10) würde den gleitenden Durchschnitt auf die linken 10 Perioden verschieben. Eine positive Zahl (10) würde den gleitenden Durchschnitt auf die rechten 10 Perioden verschieben. Mehrere gleitende Durchschnitte können dem Preisplot überlagert werden, indem einfach eine weitere Überlagerungslinie zur Werkbank hinzugefügt wird. StockCharts-Mitglieder können die Farben und den Stil ändern, um zwischen mehreren gleitenden Durchschnitten zu unterscheiden. Nachdem Sie eine Anzeige ausgewählt haben, öffnen Sie die erweiterten Optionen, indem Sie auf das kleine grüne Dreieck klicken. Erweiterte Optionen können auch verwendet werden, um eine gleitende mittlere Überlagerung zu anderen technischen Indikatoren wie RSI, CCI und Volumen hinzuzufügen. Klicken Sie hier für ein Live-Diagramm mit mehreren verschiedenen gleitenden Durchschnitten. Verwenden von Moving Averages mit StockCharts-Scans Hier finden Sie einige Beispielscans, die die StockCharts-Mitglieder verwenden können, um verschiedene gleitende durchschnittliche Situationen zu scannen: Bullish Moving Average Cross: Diese Scans suchen nach Aktien mit einem steigenden 150-Tage-Durchschnitt und einem bullish Kreuz der 5 Tag EMA und 35-Tage EMA. Der 150-Tage gleitende Durchschnitt steigt, solange er über seinem Niveau vor fünf Tagen handelt. Ein bullish Kreuz tritt auf, wenn die 5-Tage-EMA bewegt sich über dem 35-Tage-EMA auf überdurchschnittlichen Volumen. Bearish Moving Average Cross: Diese Scans sucht nach Aktien mit einem fallenden 150-Tage einfachen gleitenden Durchschnitt und einem bärischen Kreuz der 5-Tage EMA und 35-Tage EMA. Der 150-Tage gleitende Durchschnitt fällt, solange er unter seinem Niveau vor fünf Tagen handelt. Ein bäriges Kreuz tritt auf, wenn die 5-Tage-EMA unterhalb der 35-Tage-EMA auf überdurchschnittlichem Volumen bewegt. Weitere Studie John Murphy039s Buch hat ein Kapitel gewidmet gleitende Durchschnitte und ihre verschiedenen Verwendungen. Murphy deckt die Vor-und Nachteile der gleitenden Durchschnitte. Darüber hinaus zeigt Murphy, wie bewegte Durchschnitte mit Bollinger Bands und kanalbasierten Handelssystemen funktionieren. Technische Analyse der Finanzmärkte John Murphy