EWMA

Pengertian EWMA (Rata-Rata Pergerakan Tertimbang Eksponensial)

Exponentially Weighted Moving Average (EWMA) mengacu pada rata-rata data yang digunakan untuk melacak pergerakan portofolio dengan memeriksa hasil dan keluaran dengan mempertimbangkan berbagai faktor dan memberi bobot. Kemudian, hasil pelacakan untuk mengevaluasi kinerja dan melakukan perbaikan.

Bobot untuk EWMA berkurang secara eksponensial untuk setiap periode yang berjalan lebih jauh di masa lalu. Selain itu, karena EWMA berisi rata-rata yang dihitung sebelumnya, maka hasil Rata-Rata Pergerakan Tertimbang Eksponensial akan bersifat kumulatif. Oleh karena itu, semua poin data akan berkontribusi pada hasil, namun faktor kontribusi akan turun seperti yang dihitung pada periode EWMA berikutnya.

Penjelasan

Rumus EWMA ini menunjukkan nilai moving average pada waktu t.

EWMA(t) = a * x(t) + (1-a) * EWMA(t-1)

Anda bebas menggunakan gambar ini di situs web Anda, templat, dll., Harap berikan kami tautan atribusiBagaimana Memberikan Atribusi? Tautan Artikel menjadi Hyperlink
Misalnya: Sumber: EWMA (wallstreetmojo.com)

Di mana

• EWMA(t) = rata-rata bergerak pada waktu t
• a = derajat pencampuran nilai parameter antara 0 dan 1
• x(t) = nilai sinyal x pada waktu t

Rumus ini menyatakan nilai moving averageMoving AverageMoving Average (MA), yang biasa digunakan di pasar modal, dapat didefinisikan sebagai suksesi rata-rata yang berasal dari periode angka atau nilai yang berurutan dan hal yang sama akan dihitung secara terus menerus sebagai data baru. tersedia. Ini bisa menjadi indikator lagging atau trend-following karena ini akan didasarkan pada angka sebelumnya. Baca lebih lanjut pada waktu t. Di sini, parameter menunjukkan tingkat penghitungan data lama. Nilai a akan antara 0 sampai 1.

Misalkan a=1 berarti hanya data terbaru yang digunakan untuk mengukur EWMA. Jika a mendekati 0, itu berarti lebih banyak bobot untuk data yang lebih lama. Jika a mendekati 1, data yang lebih baru memberikan bobot lebih.

Contoh EWM

Di bawah ini adalah contoh Rata-Rata Pergerakan Tertimbang Eksponensial

Contoh 1

Mari pertimbangkan 5 poin data sesuai tabel di bawah ini:

Dan parameter a = 30% atau 0,3

Jadi EWMA(1) = 40

EWMA untuk waktu 2 adalah sebagai berikut

• EWMA(2) = 0,3*45 + (1-0,3)*40,00
• = 41,5

Demikian pula, hitung rata-rata pergerakan tertimbang secara eksponensial untuk waktu tertentu:

• EWMA(3) = 0,3*43 + (1-0,3)*41,5 = 41,95
• EWMA(4) = 0,3*31 + (1-0,3)*41,95 = 38,67
• EWMA(5) = 0,3*20 + (1-0,3)*38,67 = 33,07

Contoh #2

Kami memiliki suhu kota dalam derajat Celcius dari hari Minggu hingga Sabtu. Dengan menggunakan =10%, kita akan menemukan suhu rata-rata pergerakan untuk setiap hari dalam seminggu. Dengan menggunakan =10%, kita akan menemukan rata-rata pergerakan tertimbang secara eksponensial untuk setiap hari pada tabel di bawah ini:

Dengan menggunakan =10%, kita akan menemukan rata-rata pergerakan tertimbang secara eksponensial untuk setiap hari dalam tabel di bawah ini:

Di bawah ini adalah grafik yang menunjukkan perbandingan antara suhu aktual dan EWMA:

Seperti yang bisa kita lihat, smoothing cukup kuat, menggunakan =10%. Dengan cara yang sama, kita dapat menyelesaikan rata-rata pergerakan tertimbang eksponensial untuk berbagai jenis deret waktu atau kumpulan data berurutan.

Keuntungan

• Seseorang dapat menemukan rata-rataTemukan Rata-rataRata-rata adalah nilai yang digunakan untuk mewakili kumpulan nilai data seperti rata-rata yang dihitung dari seluruh data dan rumus ini dihitung dengan menambahkan semua nilai dari kumpulan yang diberikan, dilambangkan dengan penjumlahan dari X dan membaginya itu dengan jumlah nilai yang diberikan dalam set yang dilambangkan dengan N.baca lebih lanjut menggunakan seluruh riwayat data atau keluaran. Semua bagan lainnya cenderung memperlakukan setiap data secara individual.
• Pengguna dapat memberikan bobot ke setiap titik data sesuai keinginan mereka. Seseorang dapat mengubah bobot ini untuk membandingkan berbagai rata-rata.
• EWMA menampilkan data secara geometris. Oleh karena itu, data tidak terlalu terpengaruh saat outlier terjadi.
• Setiap titik data dalam Exponentially Weighted Moving Average mewakili rata-rata pergerakan poin.

Keterbatasan

• Seseorang hanya dapat menggunakannya ketika data kontinu tersedia.
• Satu dapat menggunakannya hanya ketika kita ingin mendeteksi pergeseran kecil dalam proses.
• Satu dapat menggunakan metode ini untuk menghitung rata-rata. Pemantauan varian mengharuskan pengguna untuk menggunakan beberapa teknik lain.

Poin Penting

• Kami ingin mendapatkan rata-rata pergerakan tertimbang secara eksponensial untuk data yang ingin kami urutkan berdasarkan waktu.
• Bermanfaat dalam mengurangi noise pada titik data deret waktu yang bising, yang bisa disebut smooth.
• Setiap output diberi bobot. Data yang lebih baru adalah bobot tertinggi yang akan didapat.
• Cukup bagus dalam mendeteksi pergeseran yang lebih kecil tetapi lebih lambat dalam mendeteksi pergeseran yang besar.
• Seseorang dapat menggunakannya ketika ukuran sampel subkelompokUkuran SampelRumus ukuran sampel menggambarkan rentang populasi yang relevan tempat eksperimen atau survei dilakukan. Itu diukur dengan menggunakan ukuran populasi, nilai kritis dari distribusi normal pada tingkat kepercayaan yang diperlukan, proporsi sampel dan margin kesalahan. Baca lebih lanjut lebih besar dari 1.
• Satu dapat menggunakan metode ini dalam kimia dan proses akuntansi sehari-hari di dunia nyata.
• Seseorang juga dapat menggunakannya untuk menunjukkan fluktuasi pengunjung situs web pada hari-hari dalam seminggu.

Kesimpulan

EWMA adalah alat untuk mendeteksi pergeseran yang lebih kecil dalam rata-rata proses terikat waktu. Rata-rata pergerakan tertimbang secara eksponensial juga sangat dipelajari dan digunakan sebagai model untuk menemukan rata-rata pergerakan data. Ini juga sangat berguna dalam meramalkan kejadian berdasarkan data masa lalu.

Rata-Rata Pergerakan Tertimbang Eksponensial adalah asumsi dasar bahwa pengamatan terdistribusi secara normalDistribusi NormalDistribusi Normal adalah kurva distribusi frekuensi berbentuk lonceng yang membantu menggambarkan semua kemungkinan nilai yang dapat diambil oleh variabel acak dalam rentang tertentu dengan sebagian besar area distribusi berada di tengah dan sedikit yang berada di bagian ekor, paling ekstrem. Distribusi ini memiliki dua parameter utama: rata-rata (µ) dan standar deviasi (σ) yang berperan penting dalam perhitungan pengembalian aset dan dalam strategi manajemen risiko.baca lebih lanjut. Itu mempertimbangkan data masa lalu berdasarkan bobotnya. Karena datanya lebih banyak dari masa lalu, bobotnya untuk perhitungan akan berkurang secara eksponensial.

Pengguna juga dapat memberi bobot pada data sebelumnya untuk menemukan kumpulan bobot yang berbeda berdasarkan EWMA. Selain itu, karena data yang ditampilkan secara geometris, data tidak terlalu terpengaruh karena outlier. Oleh karena itu, data yang lebih halus dapat dicapai dengan menggunakan metode ini.

Artikel yang Direkomendasikan

Artikel ini telah menjadi panduan untuk EWMA (Exponentially Weighted Moving Average). Di sini, kami membahas rumusnya untuk menghitung EWMA beserta contoh langkah demi langkah untuk memahaminya dengan lebih baik. Anda dapat mempelajari lebih lanjut dari artikel berikut: –

• Rata- rata vs. Rata-rata Tertimbang
• Rata-rata Tertimbang di Excel
• Rata-rataIF dalam Contoh Excel
• Rumus Rata-Rata Tertimbang