Hp - फिल्टर चलती - औसत

एचड्रिक प्रेस्कॉट फ़िल्टर एचपी फ़िल्टर, जो हॉदरिक और प्रेस्कॉट द्वारा प्रस्तुत किया गया है 1980, एक लचीली डिटेन्डिंग पद्धति है जो व्यापक रूप से अनुभवजन्य मैक्रो अनुसंधान में उपयोग की जाती है। चलो सोते हैं कि मूल श्रृंखला एक प्रवृत्ति घटक और एक चक्रीय घटक से बना है। एचपी फ़िल्टर न्यूनतम घटाने की समस्या का अनुसरण करके चक्र घटक को अलग करता है। पहला कार्यकाल समय श्रृंखला की फिटनेस का एक उपाय है, जबकि दूसरी अवधि चिकनाई का एक उपाय है फिट और चिकनाई की भलाई के बीच एक संघर्ष है इस समस्या का ट्रैक रखने के लिए एक ट्रेड-ऑफ-पैरामीटर जो 0 है, प्रवृत्ति घटक मूल श्रृंखला के बराबर हो जाता है, जबकि अनन्तता की ओर जाता है, प्रवृत्ति घटक एक रेखीय प्रवृत्ति पर पहुंच जाता है। जैसा कि आप देख सकते हैं कि हिमाचल प्रदेश फिल्टर डेटा को हल करके एक प्रवृत्ति को दूर करने के लिए कार्य करता है कम से कम वर्ग की समस्या मैट्रिक्स संकेतन में हमें मिलती है। यह दिखाया जा सकता है कि कम से कम समस्या का समाधान दिया जाता है जहां आयाम T के साथ पहचान मैट्रिक्स है। मूल्य की ऊंचाई निर्भर करती है डेटा की आवृत्ति पर साहित्य में निम्नलिखित मूल्यों का सुझाव दिया जाता है। एचपी फिल्टर के समाधान को संतुष्ट करना चाहिए। गणना एक मूल गाऊस एल्गोरिथ्म द्वारा किया जा सकता है दुर्भाग्य से यह विधि बहुत कुशल नहीं है, खासकर यदि आप चाहते हैं कि डेटा अंक ध्यान दें, कि गाऊसी उन्मूलन की कम्प्यूटेशनल जटिलता मैट्रिक्स पर एक सटीक नज़र है कि यह मैट्रिक्स एक पेंट डिगोनाल संरचना प्राप्त करता है, अगर हम इस प्रॉपर्टी का इस्तेमाल करते हैं, तो हम गणना को तेजी से बढ़ा सकते हैं। एचपी फिल्टर ऐड-इन में मैंने इस्तेमाल किया एक एल्गोरिथ्म जिसे स्पथ में वर्णित किया गया है, हेल्मुथ न्यूमेरिक एइन एन्फ्रुंग फ्र गणितिकैकर एंड इंफॉर्मेटर व्यूग-वर्लग ब्रॉन्स्चिव विस्बैडेन 1994. सभी लिंक एक नई विंडो में खुले होंगे। विकिपीडिया एचडीएमएल पर एचड्रिक प्रेस्कॉट फिल्टर का एक विवरण। Hydongwoo द्वारा हादिक प्रेस्कॉट संदर्भ किम एक संक्षिप्त परिचय PDF. Hodrick Prescott फ़िल्टर Yossi Yakhin एक संक्षिप्त परिचय पीडीएफ। इन पृष्ठों से अन्य साइटों के लिए लिंक जानकारी के लिए ही हैं और आर. एन. एनेन एचपी-फिल्टर ऐड-इन। मिव्वाइव ऐवरेज - सरल और एक्स्पोनेंशियल। मैव्वेज औसत - सरल और घातीय के बीच से जुड़ी हुई किसी भी साइट पर या किसी भी साइट पर पहुंचने के लिए, या किसी भी साइट पर पहुंचने की जिम्मेदारी या दायित्व स्वीकार नहीं करता है। चलती औसत मूल्य डेटा को सुगम बनाने के लिए निम्न प्रवृत्ति बनाने के लिए सुगमता देते हैं वे मूल्य दिशा की भविष्यवाणी नहीं करते हैं, बल्कि पिछला मूल्यों के आधार पर मौजूदा दिशा को परिभाषित करते हैं क्योंकि वे पिछली कीमतों पर आधारित हैं, इस अवधि के बावजूद, शोर के बाहर वे कई अन्य तकनीकी संकेतकों और ओवरले के लिए बिल्डिंग ब्लॉक्स भी बनाते हैं, जैसे बोलिंगर बैंड मैएसीडी और मैक्क्लेलन ओसीलेटर। दो सबसे लोकप्रिय प्रकार की चलती औसत सरल चलते औसत एसएमए और घातीय मूविंग औसत ईएमए हैं ये बढ़ते औसत प्रवृत्ति की दिशा की पहचान करने के लिए या संभावित समर्थन और प्रतिरोध स्तर को परिभाषित करने के लिए उपयोग किया जाता है। यहां पर एसएमए और एएमए दोनों के साथ चार्ट करें। चार्ट के लिए क्लिक करें एक लाइव संस्करण। सरल मूविंग एवरेज परिकलन। एक सरल चलती औसत एक विशिष्ट अवधि की अवधि में सुरक्षा की औसत कीमत की गणना करके बनाई जाती है सबसे अधिक चलती औसत बंद होने की कीमतों पर आधारित हैं 5 दिन की सरल चलती औसत पांच दिन का योग है समापन कीमतों को पांच से विभाजित किया गया है, जैसा कि इसके नाम का अर्थ है, चलती औसत एक औसत है जो चलता है पुराने आंकड़ों को गिरा दिया जाता है क्योंकि नया डेटा उपलब्ध होता है यह समय के पैमाने पर आगे बढ़ने के लिए औसत का कारण है नीचे 5-दिवसीय चलती औसत का एक उदाहरण है तीन दिन। चलती औसत का पहला दिन केवल आखिरी पांच दिन को कवर करता है चलती औसत का दूसरा दिन पहले डेटा बिंदु 11 को छोड़ देता है और नया डेटा बिंदु जोड़ता है 16 चलती औसत का तीसरा दिन पहले डेटा बिंदु को छोड़कर जारी रहता है 12 और नया डाटा बिन्दु जोड़ना 17 ऊपर दिए गए उदाहरण में, सात दिनों के दौरान कीमतें धीरे-धीरे 11 से 17 तक बढ़ जाती हैं ध्यान दें कि चलती औसत 13 से 15 दिनों में तीन दिन की गणना अवधि में भी बढ़ जाता है। हर चल औसत मूल्य केवल अंतिम कीमत से नीचे है उदाहरण के लिए, दिन के लिए चलती औसत 13 के बराबर होती है और अंतिम कीमत 15 होती है, पहले चार दिन कम थे और इसने चलती औसत को अंतराल करने का कारण बनता है। एक्सपेन्नीय मूविंग औसत परिकलन एक्सपेंनेलीली मूविंग एवरेज हालिया कीमतों पर अधिक वजन लगाने से अंतराल को कम करते हैं सबसे हाल की कीमत पर लागू भार औसत चलने वाले औसत की अवधि पर निर्भर करता है एक घातीय चलती औसत की गणना करने के लिए तीन चरण होते हैं सबसे पहले, औसत चलती औसत की गणना एक घातीय चलती औसत ईएमए को कहीं शुरू करना है, इसलिए एक सरल चलती औसत पहले की गणना में पिछली अवधि के ईएमए के रूप में प्रयोग किया जाता है दूसरा, भार गुणक की तीसरी गणना, घातीय चलती औसत की गणना, नीचे दिया गया सूत्र 10-दिवसीय ईएमए के लिए है। 10 - पाठ्य घातीय चलती औसत 18 18 सबसे हाल की कीमत के आधार पर लागू होता है ए 10-अवधि ईएमए को भी 18 18 ईएमए कहा जा सकता है एक 20-अवधि ईएमए 9 पर लागू होता है 52 सबसे हाल की कीमत पर वजन 2 20 1 0952 ध्यान दें कि कम समय अवधि के लिए भार अधिक समय की अवधि के भार से अधिक है वास्तव में, भार हर बार चलती औसत अवधि के दोगुने आधे से गिर जाता है। यदि आप चाहते हैं हम एक ईएमए के लिए एक विशिष्ट प्रतिशत, आप इस सूत्र को इसे समय अवधि में बदलने के लिए और फिर उस मूल्य को एएमए के पैरामीटर के रूप में दर्ज कर सकते हैं। नीचे 10-दिन की सरल चलती औसत और 10-दिन के घातीय चलने का एक स्प्रैडशीट उदाहरण है इंटेल सरल मूविंग एवरेज के लिए औसत सीधे आगे हैं और थोड़ा स्पष्टीकरण की आवश्यकता होती है 10-दिन की औसत आसानी से चलता है क्योंकि नई कीमतें उपलब्ध हो जाती हैं और पुरानी कीमतों में कमी आती है घातीय चलती औसत शुरू होता है, सरल चलती औसत मूल्य 22 22 पहले गणना में पहले गणना, सामान्य सूत्र खत्म हो जाता है क्योंकि एक ईएमए सरल चलती औसत से शुरू होता है, इसका वास्तविक मान 20 या उससे अधिक समय तक नहीं समझा जाएगा दूसरे शब्दों में, एक्सेल प्रसार का मूल्य शॉर्ट लुक-बैक अवधि के कारण चार्ट वैल्यू से भिन्न हो सकता है यह स्प्रैडशीट केवल 30 अवधियों को वापस जाती है, जिसका अर्थ है कि सरल चलती औसत के प्रभाव में स्टॉक कार्टर को नष्ट करने के लिए 20 अवधियों का समय कम से कम 250-बार हो जाता है, आमतौर पर बहुत अधिक है इसकी गणना इसलिए पहली गणना में सरल चलती औसत के प्रभाव पूरी तरह से समाप्त हो गए हैं.लगा फैक्टर। अब चलती औसत, अधिक समय अंतराल एक 10 दिन का घातीय चलती औसत कीमतों को काफी बारीकी से गले लगाएगा और कीमतों की बारी के तुरंत बाद छोटी चलती औसत गति नौकाओं की तरह हैं - तेज और तेज बदलाव इसके विपरीत, एक 100 दिवसीय चल औसत में बहुत सारे पिछले डेटा शामिल हैं जो इसे धीमा कर देते हैं लंबी चलती औसत समुद्री टैंकरों की तरह हैं - सुस्त और बदलने में धीमा यह एक बड़ा और अधिक समय लेता है एक 100 दिवसीय चल औसत के लिए मूल्य आंदोलन पाठ्यक्रम को बदलने के लिए। एक लाइव संस्करण के लिए चार्ट पर क्लिक करें। ऊपर दिए गए चार्ट में एसपी 500 ईटीएफ को 10-दिवसीय ईएमए के साथ निकटता से कीमतों और 100-दा वाई एसएमए उच्च पीसकर जनवरी-फरवरी की गिरावट के साथ ही, 100-दिवसीय एसएमए ने कोर्स किया और इसे बंद नहीं किया। 50-दिवसीय एसएमए 10 और 100 दिनों की चलती औसत के बीच कहीं फिट बैठता है जब यह लीग कारक की बात आती है। सरल बनाम घातीय मूविंग एवरेज। हालांकि, सरल चलती औसत और घातीय मूविंग एवरेज के बीच स्पष्ट मतभेद हैं, एक अन्य एक्सपेंनेबल मूविंग एवरेज की तुलना में जरूरी बेहतर नहीं है, इसलिए हालिया कीमतों के लिए अधिक संवेदनशील हैं - और हाल के मूल्य में बदलाव घातीय मूविंग एवरेज सरल चलती औसत से पहले की तरफ दूसरी तरफ औसत चलती औसत, पूरे समय की अवधि के लिए कीमतों का सही औसत दर्शाते हैं, जैसे कि सरल चलने वाली औसत समर्थन या प्रतिरोध स्तरों की पहचान करने के लिए बेहतर अनुकूल हो सकते हैं। औसत प्राथमिकता औसत उद्देश्य, विश्लेषणात्मक पर निर्भर करता है शैली और समय क्षितिज चार्टिस्ट्स को दोनों तरह की मूविंग एवरेज और साथ ही अलग-अलग टाइमफ्रेम के साथ सबसे अच्छा फिट खोजने के लिए प्रयोग करना चाहिए आरटी नीचे आईबीएम से 50-दिवसीय एसएमए और हरे रंग की 50-दिवसीय ईएमए दोनों के साथ जनवरी से आखिरी दिनों में दिखाया गया था, लेकिन एएमए में गिरावट एसएमए में गिरावट से तेज थी, ईएमए फरवरी के मध्य में बढ़ी, लेकिन एसएमए मार्च के अंत तक कम रहता है नोटिस कि एसएमए ईएमए के एक महीने बाद बदल गया है। लंबाई और टाइमफ्रेम। चलती औसत की लंबाई विश्लेषणात्मक उद्देश्यों पर निर्भर करती है लघु चलने वाली औसत 5-20 अवधि सर्वश्रेष्ठ अवधि के लिए उपयुक्त हैं रुझान और व्यापार मध्यम अवधि के रुझान में दिलचस्पी चार्टिस्ट लंबे समय तक चलने वाली औसत के लिए विकल्प चुनते हैं जो 20-60 अवधि तक बढ़ा सकते हैं लंबी अवधि के निवेशक 100 या अधिक अवधि के साथ चलती औसत पसंद करेंगे। कुछ चलती औसत लंबाई दूसरों की तुलना में अधिक लोकप्रिय हैं 200-दिन चलती औसत शायद सबसे लोकप्रिय है इसकी लंबाई के कारण, यह स्पष्ट रूप से एक दीर्घकालिक चलती औसत है, 50-दिन की चलती औसत मध्यम अवधि की प्रवृत्ति के लिए काफी लोकप्रिय है कई चार्टर्स 50-दिन और 200-दिवसीय गति का उपयोग करते हैं एक साथ शोर औसत टी-टर्म, एक 10-दिवसीय चल औसत अतीत में बहुत लोकप्रिय था क्योंकि यह गणना करना आसान था, केवल एक संख्या को जोड़कर और दशमलव बिंदु को स्थानांतरित किया गया.ट्रेन्ड पहचान। एक ही संकेत सरल या घातीय मूविंग एवरेज का उपयोग करके जेनरेट किया जा सकता है जैसा कि नोट किया गया है उपरोक्त, वरीयता प्रत्येक व्यक्ति पर निर्भर करती है नीचे दिए गए इन उदाहरणों में दोनों सरल और घातीय चलती औसत का प्रयोग होगा। चलती औसत अवधि दोनों सरल और घातीय चलती औसत पर लागू होती है। चलती औसत की दिशा में कीमतों के बारे में महत्वपूर्ण जानकारी बताती है एक बढ़ती हुई औसत दर्शाती है कि कीमतें आम तौर पर बढ़ रहे हैं एक गिरने की औसत औसत इंगित करता है कि कीमतें गिर रही हैं औसतन, बढ़ती लंबी अवधि की चलती औसत एक दीर्घकालिक उतार-चढ़ाव को दर्शाती है एक दीर्घकालिक चलती औसत गिरने से दीर्घकालिक डाउनट्रेन्ड को दर्शाया जाता है। ऊपर चार्ट 3 एम एमएमएम दिखाता है 150 दिवसीय घातीय चलती औसत यह उदाहरण दिखाता है कि प्रवृत्ति मजबूत होने पर कितनी अच्छी तरह से चलती औसत काम करती है 150-दिवसीय ईएमए 2 नवंबर 007 और फिर जनवरी 2008 में ध्यान दें कि इस चलती औसत की दिशा बदलने के लिए 15 में गिरावट आई है। ये हारे हुए संकेतकों की प्रवृत्ति उल्लघंनियों की पहचान होती है क्योंकि वे सबसे अच्छे होते हैं या जब वे सबसे खराब एमएमएम होते हैं, तो मार्च 200 9 में निम्न में गिरावट आई और फिर 40-50 नोटिस कि 150-दिवसीय ईएमए इस उछाल के बाद तक चालू नहीं हुआ, लेकिन एक बार ऐसा हुआ, लेकिन अगले 12 महीनों में एमएमएम ने उच्च प्रदर्शन जारी रखा। औसत बढ़ते हुए अच्छे रुझानों में शानदार ढंग से काम करते हैं। डबल क्रॉसओवर। दो चलने वाली औसत क्रॉसओवर संकेतों को उत्पन्न करने के लिए एक साथ इस्तेमाल किया जा सकता है वित्तीय बाजारों के तकनीकी विश्लेषण में जॉन मर्फी ने इसे डबल क्रॉसओवर विधि कहा है डबल क्रॉसओवर में एक अपेक्षाकृत छोटी चलती औसत और एक अपेक्षाकृत लंबी चलती औसत शामिल है। सभी चलती औसत के साथ, चलती औसत की सामान्य लंबाई प्रणाली के लिए समय सीमा को परिभाषित करती है एक प्रणाली 5-दिवसीय ईएमए और 35-दिवसीय ईएमए का उपयोग करके 50-दिवसीय एसएमए और 200-दिवसीय एसएमए का उपयोग करके अल्पकालिक ए प्रणाली समझा जाएगा, शायद मध्यम अवधि समझे जाएंगे, शायद ओग टर्म। एक तेजी से क्रॉसओवर तब होता है जब छोटी चलती औसत लंबी चलती औसत से अधिक हो जाती है यह भी सुनहरा क्रॉस के रूप में जाना जाता है एक बियरिश क्रॉसओवर तब होता है जब कम चलती औसत अब चलती औसत से नीचे जाता है यह एक मरे हुए क्रॉस के रूप में जाना जाता है। औसत क्रोसओवर चलते हुए अपेक्षाकृत देर से संकेत मिलता है, आखिरकार, सिस्टम दो हदबंदी संकेतक कार्य करता है अब चलती औसत अवधि, सिग्नल में अधिक से अधिक अंतराल जब एक अच्छी प्रवृत्ति को पकड़ लेता है तो ये संकेत महान काम करते हैं, लेकिन चलती औसत क्रॉसओवर सिस्टम बहुत सारे उत्पादन करेगा एक सशक्त प्रवृत्ति के अभाव में सचेतक की। यहां तीन ट्रॉली क्रॉसओवर पद्धति भी होती है जिसमें तीन चलती औसत शामिल होते हैं, एक संकेत उत्पन्न होता है जब सबसे कम चलती औसत दो लंबी चलती औसत से पार होती है एक सरल ट्रिपल क्रॉसओवर सिस्टम में 5-दिन, 10-दिवसीय और 20-दिवसीय मूविंग एवरेज। 10% एएमए हरे रंग की रेखा और 50-दिवसीय ईएमए लाल रेखा के साथ होम डिपो एचडी दिखाता है ई दैनिक बंद एक चलती औसत क्रॉसओवर का उपयोग करना एक अच्छे व्यापार को पकड़ने से पहले तीन whipsaws के परिणामस्वरूप होता है 10 दिवसीय ईएमए 1 अक्टूबर के अंत में 50-दिवसीय ईएमए से नीचे तोड़ दिया, लेकिन यह 10 दिन तक आगे नहीं बढ़ेगा 2 नवंबर के मध्य में यह क्रॉस लंबे समय तक चली, लेकिन 3 जनवरी को अगले मंदी का क्रॉसओवर देर से नवंबर के मूल्य स्तर के करीब आ गया, जिसके परिणामस्वरूप एक और whipsaw था इस मंदी का क्रॉस लंबे समय तक नहीं था क्योंकि 10-दिवसीय ईएमए 50-दिन से कुछ ऊपर दिन बाद 4 तीन सिग्नल के बाद, चौथा संकेत एक मजबूत कदम को दर्शाता है, क्योंकि स्टॉक 20 से अधिक उन्नत होता है। यहां दो टेकएव हैं। पहले, क्रॉसओवर विस्फोट की संभावना है एक कीमत या समय फिल्टर लागू किया जा सकता है whipsaws को रोकने के लिए ट्रेडर्स की आवश्यकता हो सकती है अभिनय से पहले पिछले 3 दिनों के लिए क्रॉसओवर या 10-दिवसीय ईएमए को दूसरे की कार्यवाही से पहले एक निश्चित राशि से ऊपर ले जाने के लिए आवश्यक है, एमएसीडी को इन क्रोससोवरों की पहचान और मात्रा निर्धारित करने के लिए इस्तेमाल किया जा सकता है MACD 10,50,1 रेखा का प्रतिनिधित्व दो घातीय मूविंग एवरेज के बीच का अंतर एक मरे हुए क्रॉस के दौरान एक गोल्डन क्रॉस और नकारात्मक के दौरान सकारात्मक हो जाता है प्रतिशत प्रतिशत ऑस्सीलेटर पीपीओ का उपयोग प्रतिशत मतभेदों को दिखाने के लिए ही किया जा सकता है ध्यान रखें कि एमएसीडी और पीपीओ घातीय मूविंग एवरेज पर आधारित हैं और नहीं सरल चलती औसत के साथ मेल खाता है। यह चार्ट ओरेकल ORCL को 50-दिवसीय ईएमए, 200-दिवसीय ईएमए और 50,200,1 एमएसीडी दिखाता है 1 2 साल की अवधि में चार चलती औसत क्रॉसओवर थे, पहले तीन में व्हाट्सएव या खराब ट्रेड एक निरंतर प्रवृत्ति चौथी क्रॉसओवर के साथ शुरू हुई क्योंकि ओआरसीएल 20 के मध्य में बढ़ी थी, एक बार फिर, औसत क्रॉसओवर चल रहा है जब यह प्रवृत्ति मजबूत होती है, लेकिन एक प्रवृत्ति की अनुपस्थिति में नुकसान का उत्पादन करते हैं। मुख्य क्रॉसओवर। मूविंग एवरेज भी उत्पन्न करने के लिए इस्तेमाल किया जा सकता है सरल मूल्य क्रॉसओवर के साथ सिग्नल चलते औसत से ऊपर की कीमतें बढ़ने पर एक तेजी से संकेत उत्पन्न होता है जब मंदी की औसत कीमत क्रॉसओवर नीचे जाते हैं तो एक मंदी का संकेत उत्पन्न होता है बड़ी प्रवृत्ति के भीतर व्यापार करने के लिए जोड़ा जा सकता है लंबी चलती औसत बड़ी प्रवृत्ति के लिए टोन सेट करता है और कम चलती औसत संकेतों को उत्पन्न करने के लिए उपयोग किया जाता है एक बुलबुला मूल्य की खोज करेगा जब कीमत पहले से ही लंबे समय तक चलती औसत से ऊपर होगी बड़ी प्रवृत्ति के साथ सामंजस्य में व्यापार होना उदाहरण के लिए, यदि कीमत 200-दिवसीय चलती औसत से ऊपर है, तो चार्टर्स केवल सिग्नल पर ध्यान केंद्रित करते हैं जब कीमत 50-दिवसीय चलती औसत से ऊपर चलता है, जाहिर है, 50-दिवसीय चलती औसत से नीचे एक कदम होता है इस तरह के संकेत से पहले, लेकिन इस तरह के मंदी के पार को नजरअंदाज किया जाएगा क्योंकि बड़े प्रवृत्ति ऊपर है एक मंदी का क्रॉस सिर्फ एक पुलबैक का सुझाव देगा जो 50 दिन की औसत चलती औसत से ऊपर एक क्रॉस वापस कीमतों में सुधार और निरंतरता को जारी रखेगा। बड़ा अपट्रेंड। अगला चार्ट 50 दिन के ईएमए और 200-दिवसीय ईएमए के साथ एमर्सन इलेक्ट्रिक ईएमआर को दिखाता है स्टॉक ऊपर चढ़ा और अगस्त में 200-दिवसीय चलती औसत से ऊपर रखे हुए थे 50-दा के नीचे डुबकी वाई एएमए के शुरुआती नवंबर में और फिर से शुरुआती फरवरी में कीमतें तेजी से 50-दिवसीय ईएमए के ऊपर वापस चली गईं ताकि बड़े अपट्रेंड एमएसीडी 1,50,1 के साथ सद्भाव में तेजी से संकेतों को हरी तीर उपलब्ध कराया जा सके ताकि ऊपर की कीमत को पार करने के लिए संकेत मिलता है या 50 दिवसीय ईएमए के नीचे 1-दिवसीय ईएमए समापन मूल्य के बराबर है एमएसीडी 1,50,1 पॉजिटिव है जब 50 दिन के एएमए से ऊपर होता है और जब 50 दिन के एएमए बंद हो जाता है। समर्थन और प्रतिरोध डाउनथ्रेन्ड में अपट्रेन्ड और प्रतिरोध में समर्थन के रूप में कार्य करना भी कम हो सकता है। अल्पकालिक उतार-चढ़ाव 20-दिवसीय सरल चलती औसत के पास समर्थन मिल सकता है, जो बोलिंगर बैंड में भी उपयोग किया जाता है एक दीर्घकालिक अपट्रेंड को 200 के पास समर्थन मिल सकता है - दिन सरल चलती औसत, जो सबसे लोकप्रिय दीर्घकालिक चलती औसत है यदि वास्तव में, 200 दिन की चलती औसत समर्थन या विरोध की पेशकश कर सकता है क्योंकि यह बहुत व्यापक रूप से इस्तेमाल किया जाता है यह लगभग एक आत्म-भविष्यवाणी भविष्यवाणी की तरह है। 200-दिन की सरल चलती के साथ NY कम्पोजिट दिखाता है 2004 के मध्य तक 2008 के अंत तक औसत 200-दिन अग्रिम के दौरान कई बार सहायता प्रदान की गई, जब एक बार डबल शीर्ष समर्थन विराम के साथ रुझान गिर गया, तो 200 दिन की चलती औसत 9 500 के आसपास प्रतिरोध के रूप में काम करती थी। चलती औसत, विशेष रूप से लंबे समय तक चलने वाले औसत के स्तर, बाजार भावनाओं से प्रेरित होते हैं, जिससे उन्हें झटके का सामना करना पड़ता है सटीक स्तरों के बजाय, चलती औसत का इस्तेमाल समर्थन या प्रतिरोध क्षेत्र की पहचान करने के लिए किया जा सकता है। चलती औसत का उपयोग करने के फायदे नुकसान मूविंग एवरेन्स निम्नलिखित रुझान हैं, या पीछे की ओर संकेतक, संकेतक जो हमेशा पीछे एक कदम होंगे यह जरूरी नहीं कि एक बुरी चीज है, हालांकि सभी के बाद, यह प्रवृत्ति आपके दोस्त है और चलने वाली औसत बीमा की दिशा में व्यापार करना सबसे अच्छा है एक व्यापारी मौजूदा प्रवृत्ति के अनुरूप है, हालांकि यह प्रवृत्ति आपके दोस्त है, प्रतिभूतियां व्यापारिक सीमाओं में काफी समय बिताती हैं, जो औसत में चलती रहती हैं प्रभावी एक बार एक प्रवृत्ति में, चलती औसत आप में रखेंगे, लेकिन देर से संकेत दे सकते हैं डॉन 'टी शीर्ष पर बेचना और नीचे चलती औसत की तुलना में खरीदते हैं सबसे तकनीकी विश्लेषण उपकरणों के साथ, चलती औसत अपने स्वयं के इस्तेमाल नहीं की जानी चाहिए , लेकिन अन्य पूरक उपकरणों के साथ संयोजन में चार्टिस्ट समग्र प्रवृत्ति को परिभाषित करने के लिए औसत चलती का उपयोग कर सकते हैं और फिर ओवरसीट या ओव्हरस्टॉल स्तर को परिभाषित करने के लिए आरएसआई का उपयोग कर सकते हैं। शेयरिंग चार्ट्स को जोड़ते हुए औसत जोड़ना। औसत औसत शार्पकार्स वर्कबैंच पर कीमत ओवरले सुविधा के रूप में उपलब्ध हैं Overlays ड्रॉप-डाउन मेनू, उपयोगकर्ता या तो एक सरल चलती औसत या एक घातीय चलती औसत चुन सकते हैं पहला पैरामीटर समय की अवधि निर्धारित करने के लिए उपयोग किया जाता है। गणना करने के लिए कौन सा मूल्य फ़ील्ड का उपयोग किया जाना चाहिए, यह निर्दिष्ट करने के लिए एक वैकल्पिक पैरामीटर जोड़ा जा सकता है ओ ओपन के लिए, एच के लिए उच्च, कम के लिए एल, और सी के लिए बंद करें एक अल्पविराम पैरामीटर को अलग करने के लिए उपयोग किया जाता है। आगे बढ़ने वाले एविएशन को बदलने के लिए एक अन्य वैकल्पिक पैरामीटर जोड़ा जा सकता है बाएं अतीत या सही भविष्य के लिए ऋषि एक ऋणात्मक संख्या -10 चलती औसत को बायीं 10 अवधि में स्थानांतरित करेगी एक सकारात्मक संख्या 10 चलती औसत को सही 10 अवधि में स्थानांतरित करेगी। कई चलती औसतों को बस जोड़कर कीमत की साजिश को मढ़ा जा सकता है कार्यक्षेत्र StockCharts के सदस्यों को एक और ओवरले लाइन कई चलती औसत के बीच अंतर करने के लिए रंग और शैली को बदल सकता है एक सूचक को चुनने के बाद, छोटे हरी त्रिकोण पर क्लिक करके उन्नत विकल्प खोलें। उन्नत विकल्प का इस्तेमाल अन्य तकनीकी संकेतकों जैसे कि आरएसआई, सीसीआई, और वॉल्यूम पर चलती औसत ओवरले के लिए भी किया जा सकता है। कई अलग-अलग चलती औसत के साथ एक लाइव चार्ट के लिए यहां क्लिक करें। शेयर चार्ट स्कर्ट के साथ चलने की औसत का उपयोग करें। यहां कुछ नमूना स्कैन किए गए हैं जो स्टॉक कार्टर सदस्य विभिन्न चलती औसत स्थितियों के लिए स्कैन करने के लिए उपयोग कर सकते हैं। बुलिव मूविंग औसत क्रॉस यह स्कैन स्टॉक के लिए बढ़ते हुए 150-दिवसीय सरल चलती औसत और 5-दिवसीय ईएमए और 35-दिवसीय ईएमएम का तेजी से क्रॉस के लिए दिखता है 150 दिवसीय चलती औसत जब तक यह पांच दिनों पहले अपने स्तर से ऊपर कारोबार कर रहा है तब तक बढ़ रहा है जब 5 दिन का ईएमए औसत से अधिक औसत मात्रा पर 35 दिन के ईएमए ऊपर चलता है, तो एक तेजी से क्रॉस तब होता है। बियरिश मूविंग औसत क्रॉस यह स्कैन स्टॉक के लिए 150- दिन की सरल चलती औसत और 5 दिवसीय ईएमए और 35-दिवसीय ईएमए के मंदी का क्रॉस 150 दिन की चलती औसत तब तक गिर रही है जब तक यह पांच दिनों पहले अपने स्तर से नीचे कारोबार कर रहा है एक बियरिश क्रॉस तब होता है जब 5 दिवसीय ईएमए चालें एबीओ पर 35-दिवसीय ईएमए के नीचे औसत मात्रा। आगे का अध्ययन। जॉन मर्फी की पुस्तक में एक अध्याय चल रहा है, जो औसत बढ़ने के लिए समर्पित है और उनके विभिन्न उपयोग मर्फी में बढ़ते औसत के पेशेवरों और विपक्ष को शामिल किया गया है, मर्फी दिखाती है कि बोलिंगर बैंड और चैनल आधारित व्यापार प्रणालियों के साथ चलने वाली औसत काम कैसे चल रहे हैं। तकनीकी वित्तीय बाजारों का विश्लेषण जॉन मर्फी। टाइम सीरीज़ विश्लेषण मौसमी समायोजन की प्रक्रिया। मौसमी समायोजन के दो मुख्य दर्शन क्या हैं.एक फिल्टर क्या है। अंत बिंदु समस्या क्या है। हम किस फ़िल्टर का उपयोग करने का फैसला करते हैं? क्या है एक लाभकारी कार्य है। चरण परिवर्तन क्या है। हेंडरसन चलने की औसत क्या हैं। हम अंत बिंदु समस्या से कैसे निपटते हैं। मौसमी चलने की औसत क्या हैं। प्रवृत्ति का अनुमान संशोधित क्यों है। स्वीकार्य मौसम समायोजित अनुमान प्राप्त करने के लिए कितना डेटा आवश्यक है दो मौसमी समायोजन दर्शन किस तरह से तुलना करते हैं। मौसम समायोजन के दो प्रमुख फिलीपॉइज़ हैं। मौसमी समायोजन के लिए दो मुख्य दर्शन मॉडल आधारित पद्धति और फ़िल्टर बीए हैं। sed विधि.फिल्टर आधारित विधियों.इस पद्धति में चलने वाले फिक्स्ड फिल्टर का एक सेट लागू होता है जो समय-सीमा को एक प्रवृत्ति, मौसमी और अनियमित घटक में विघटित करती है। अंतर्निहित धारणा यह है कि आर्थिक आंकड़े चक्रों की एक श्रृंखला से बना है, जिनमें व्यापारिक चक्र शामिल हैं प्रवृत्ति, मौसमी चक्र मौसमी और अनियमित घटक शोर एक फिल्टर अनिवार्य रूप से इनपुट डेटा से कुछ चक्रों की ताकत को कम करता है या कम कर देता है। मासिक एकत्रित डेटा से एक मौसम समायोजित श्रृंखला तैयार करने के लिए, प्रत्येक 12, 6, 4, 3, 2 4 और 2 महीने को निकालना जरूरी है ये प्रति वर्ष 1, 2, 3, 4, 5 और 6 चक्रों के मौसमी आवृत्तियों से मेल खाती हैं अब गैर-मौसमी चक्र को इस प्रवृत्ति का हिस्सा माना जाता है और छोटे गैर-मौसमी चक्र अनियमित बनाते हैं हालांकि, प्रवृत्ति और अनियमित चक्रों के बीच की सीमा, एबीएस मौसमी समायोजन में रुझान को प्राप्त करने के लिए इस्तेमाल किए जाने वाले फिल्टर की लंबाई के साथ भिन्न हो सकती है, चक्र जो कि प्रवृत्ति में काफी योगदान करते हैं, आमतौर पर मासिक श्रृंखला के लिए 8 महीने और त्रैमासिक श्रृंखला के लिए 4 क्वार्टर की तुलना में सरदार। प्रवृत्ति, मौसमी और अनियमित घटकों को अलग-अलग मॉडल की ज़रूरत नहीं है अनियमित घटक को परिभाषित किया जाता है कि प्रवृत्ति और मौसमी घटकों को फ़िल्टर द्वारा हटाए जाने के बाद क्या रहता है अनियमितताएं नहीं सफेद शोर विशेषताओं को प्रदर्शित करें। फ़िलटर आधारित विधियों को अक्सर X11 शैली विधियों के रूप में जाना जाता है। इसमें यूएस सेंसस ब्यूरो द्वारा विकसित X11, सांख्यिकी कनाडा द्वारा विकसित X11ARIMA, अमेरिकी जनगणना ब्यूरो, एसटीएल, एसएबीएल और एसईएएसएबीएएस द्वारा विकसित एबीएसवादवादी अंतर X11 परिवार में विभिन्न तरीकों मुख्यतः समय श्रृंखला के अंत में इस्तेमाल की जाने वाली विभिन्न तकनीकों का नतीजा है, उदाहरण के लिए, कुछ तरीके समाप्त होने पर असममित फिल्टर का उपयोग करते हैं, जबकि अन्य विधियों समय श्रृंखला का विस्तार करते हैं और विस्तारित श्रृंखला में सममित फिल्टर लागू करते हैं। मॉडल आधारित तरीकों। इस दृष्टिकोण के लिए प्रवृत्ति, समय श्रृंखला की मौसमी और अनियमित घटकों को मीटर की आवश्यकता है अलग-थलग हो जाता है यह मानता है कि अनियमित घटक सफेद शोर है - यह है कि सभी चक्र लंबाई समान रूप से प्रदर्शित होते हैं अनियमितताओं का शून्य मतलब और एक निरंतर विचरण है मौसमी घटक का अपना शोर तत्व है। दो व्यापक रूप से इस्तेमाल किए गए सॉफ़्टवेयर संकुल मॉडल आधारित तरीकों को लागू करते हैं STAMP और बैंक ऑफ स्पेन द्वारा विकसित सीट्स ट्रम। विभिन्न मॉडल आधारित तरीकों के बीच मुख्य कम्प्यूटेशनल अंतर सामान्यतया मॉडल विनिर्देशों के कारण होते हैं कुछ मामलों में, घटक सीधे मॉडल किए जाते हैं अन्य विधियों के लिए मूल समय श्रृंखला को पहले मॉडलिंग की आवश्यकता होती है, और घटक मॉडल विघटित उस से। एक और अधिक उन्नत स्तर पर दो दर्शन की तुलना के लिए, देखें कि दो मौसमी समायोजन दर्शन किस तरह से तुलना करते हैं। WHAT है एक फिल्टर फ़िल्टर एक प्रवृत्ति, मौसमी और अनियमित घटक मूविंग एवर में समय श्रृंखला सड़ने के लिए इस्तेमाल किया जा सकता है एक प्रकार का फिल्टर जो क्रमशः डेटा के स्थानांतरण समय अवधि को औसत करता है ताकि एक का अनुमान लगाया जा सके समय श्रृंखला इस चिकनी सीरीज़ को एक प्रक्रिया श्रृंखला के माध्यम से एक इनपुट श्रृंखला चलाने के द्वारा प्राप्त किया जा सकता है, जो कि कुछ चक्रों को फ़िल्टर करता है, परिणामस्वरूप, चलती औसत को अक्सर फिल्टर के रूप में जाना जाता है। मूल प्रक्रिया में लंबाई के भार का एक सेट मीटर 1 एम 2 1 के रूप में। वजन के एक सममित सेट को नोट करें एम 1 एम 2 और समय पर wjw - jA फ़िल्टर किए गए मान द्वारा गणना की जा सकती है। जहां वाई टी समय समय सीमा के मूल्य का वर्णन करता है। उदाहरण के लिए, विचार करें निम्न श्रृंखला। एक सरल 3 टर्म सममित फिल्टर Iem 1 एम 2 1 का उपयोग करना और सभी वजन 1 3 हैं, तो निर्बाध श्रृंखला का पहला कार्य मूल श्रृंखला के पहले तीन शब्दों के लिए वजन को लागू करके प्राप्त किया जाता है। दूसरा स्मुथर्ड वैल्यू मूल श्रृंखला में दूसरे, तीसरे और चौथे पदों के लिए वजन को लागू करके उत्पादित किया जाता है। WHAT अंत बिंदु की समस्या है। श्रृंखला का पुनरीक्षण करें। इस श्रृंखला में 8 शब्द हैं, हालांकि मूल डेटा में सममित फिल्टर लगाने से प्राप्त की गई सुगम श्रृंखला केवल 6 शब्द हैं। इसका कारण यह है कि श्रृंखला के छोर पर एक सममित फिल्टर को लागू करने के लिए अपर्याप्त डेटा है, चिकनी श्रृंखला का पहला कार्य तीन शब्दों का भारित औसत है, मूल श्रृंखला के दूसरे कार्यकाल पर केन्द्रित एक भारित औसत केंद्रित मूल बिंदु के पहले पद पर डेटा के रूप में प्राप्त नहीं किया जा सकता है इससे पहले कि यह बिंदु उपलब्ध नहीं है इसी प्रकार, श्रृंखला के आखिरी अवधि में केंद्रित भारित औसत की गणना करना संभव नहीं है, क्योंकि इस बिंदु के बाद कोई डेटा नहीं है। इसके लिए कारण, श्रृंखला के किसी भी रूप में सममित फिल्टर का उपयोग नहीं किया जा सकता है इसे अंत बिंदु समस्या के रूप में जाना जाता है टाइम सीरीज के विश्लेषकों ने असममित फिल्टर का उपयोग इन क्षेत्रों में सुस्पष्ट अनुमान के लिए कर सकता है इस स्थिति में, समतल मूल्य को केंद्र की गणना की जाती है, औसत निर्धारित किया जा रहा है कि अन्य के मुकाबले दूसरे बिंदु से अधिक डेटा का उपयोग करके जो उपलब्ध है, वैकल्पिक रूप से, मॉडलिंग तकनीकों का इस्तेमाल समय श्रृंखला के एक्सट्रपलेशन के लिए किया जा सकता है और फिर symm विस्तारित श्रृंखला में एट्रिक फिल्टर। हम किस प्रकार तय करते हैं कि फ़िल्टर का उपयोग करने के लिए। समय श्रृंखला विश्लेषक उसके गुणों पर आधारित एक उपयुक्त फिल्टर का चयन करता है, जैसे कि फ़िल्टर को हटाते समय फ़िल्टर को हटाया जाता है एक फिल्टर के गुणों का लाभ फ़ंक्शन का उपयोग करके जांच की जा सकती है गेन फ़ंक्शंस का उपयोग एक विशेष समय श्रृंखला के लिए एक चक्र के आयाम पर किसी आवृत्ति पर दिए गए आवृत्ति की जांच करने के लिए किया जाता है, लाभ कार्यों से जुड़े गणित के अधिक विवरण के लिए, आप टाइम सीरीज कोर्स नोट्स, एक परिचयात्मक गाइड डाउनलोड कर सकते हैं एबीएस के टाइम सीरीज़ विश्लेषण अनुभाग द्वारा प्रकाशित समय श्रृंखला विश्लेषण के लिए धारा 4 4 देखें। निम्नलिखित चित्र हम पहले समझाए गए सममित 3 अवधि के फिल्टर के लिए लाभ कार्य है। सममित 3 टर्म फ़िल्टर के लिए फिक्चर 1 लाभ फ़ंक्शन। क्षैतिज अक्ष मूल समय श्रृंखला में अवलोकन बिंदुओं के बीच की अवधि के सापेक्ष एक इनपुट चक्र की लंबाई का प्रतिनिधित्व करता है इसलिए लंबाई 2 का एक इनपुट चक्र दो अवधि में पूरा किया जाता है, जो प्रतिनिधि एक मासिक सीरीज़ के लिए 2 महीने और त्रैमासिक श्रृंखला के लिए 2 क्वार्टर रिसेन्ट करता है, ऊर्ध्वाधर अक्ष इनपुट चक्र के सापेक्ष आउटपुट चक्र के आयाम को दर्शाता है। यह फिल्टर 3 अवधि चक्र की शक्ति को शून्य पर कम करता है, यह पूरी तरह से चक्र को हटा देता है लगभग इस लम्बाई का मतलब यह है कि समय श्रृंखला के लिए जहां डेटा एकत्र किया जाता है, किसी भी मौसमी प्रभाव, जो तिमाही होते हैं, इस फ़िल्टर को मूल श्रृंखला में लागू करके समाप्त कर दिया जाएगा। एक चरण बदलाव फ़िल्टर्ड चक्र और अनफ़िल्टर्ड चक्र ए सकारात्मक चरण बदलाव का मतलब है कि फ़िल्टर्ड चक्र पीछे की ओर स्थानांतरित हो जाता है और एक नकारात्मक चरण बदलाव इसे समय के अंदर आगे स्थानांतरित किया जाता है। उदाहरण के लिए, जब मोड़ अंक की घड़ी विकृत हो जाती है, उदाहरण के लिए जब चलती औसत असममित फिल्टर द्वारा ऑफ-सेंटर रखा जाता है क्या वे एबीएस द्वारा उपयोग किए गए मूल ओड लम्बाई सममित मूविंग एवरेज की तुलना में फ़िल्टर्ड सीरीज़ में या तो पहले या बाद के समय में पाएंगे, जहां परिणाम है केंद्रस्थ रूप से रखा गया, समय चरण बदलने का कारण नहीं है समय के चरण को बनाए रखने के लिए प्रवृत्त करने के लिए उपयोग किए जाने वाले फ़िल्टरों के लिए यह महत्वपूर्ण है, और इसलिए किसी भी मोड़ के समय का समय। 2 और 3 की परिमाण 2x12 सममित गति चलती औसत को लागू करने के प्रभाव दिखाती है ऑफ-सेंटर निरंतर घटता प्रारंभिक चक्र का प्रतिनिधित्व करते हैं और टूटे हुए घटता चलती औसत फिल्टर को लागू करने के बाद आउटपुट चक्र का प्रतिनिधित्व करते हैं। फिक्चर 2 24 महीना चक्र, चरण -5 5 महीना आयाम 63.फिचर 3 8 महीना चक्र, चरण -1 5 महीनों एम्प्लीट्यूड 22। हाटर्सन मूविंग एवरेज हैं। हेंडरसन मूविंग एवरेज फ़िल्टर हैं जो रॉबर्ट हेंडरसन द्वारा 1 9 16 में बीमांकिक अनुप्रयोगों में इस्तेमाल के लिए व्युत्पन्न किए गए थे, वे प्रवृत्ति फ़िल्टर हैं, आमतौर पर समय-सीमा विश्लेषण में उपयोग किया जाता है, ताकि रुझान अनुमान अनुमान उत्पन्न करने के लिए मौसमी समायोजित अनुमानों को चिकना हो सके उनका उपयोग सरल मूविंग औसत के लिए प्राथमिकता में किया जाता है क्योंकि वे 3 डिग्री तक के बहुपदों को पुन: उत्पन्न कर सकते हैं, जिससे रुझान बदलते हुए अंक कैप्चर किया जा सकता है। एबीएस हेंडरसन का उपयोग बढ़ता जा रहा है औसत मौसम से समायोजित श्रृंखला से प्रवृत्ति अनुमानों का उत्पादन करने के लिए औसत एबीएस द्वारा प्रकाशित प्रवृत्ति अनुमानों को आम तौर पर मासिक श्रृंखला के लिए 13 टर्म हेंडरसन फ़िल्टर और त्रैमासिक श्रृंखला के लिए एक 7 शब्द हेन्डरसन फ़िल्टर का उपयोग करके प्राप्त किया जाता है। हेंडरसन फिल्टर या तो सममित या असममित सममित हो सकते हैं औसत उन बिंदुओं पर लागू किया जा सकता है जो एक समय श्रृंखला के अंत से पर्याप्त रूप से दूर हैं इस मामले में, समय सीमा में दिए गए बिंदु के लिए समूहीकृत मूल्य डेटा बिंदु के दोनों तरफ समान मूल्यों से गणना की जाती है। वज़न प्राप्त करने के लिए, दो विशेषताओं की आम तौर पर एक प्रवृत्ति श्रृंखला की अपेक्षा के बीच एक समझौता किया गया है ये हैं कि प्रवृत्ति को एक विस्तृत श्रेणी की वक्रता का प्रतिनिधित्व करने में सक्षम होना चाहिए और यह भी संभव के रूप में चिकनी होना चाहिए वजन के गणितीय व्युत्पत्ति के लिए , टाइम सीरीज़ पाठ्यक्रम नोट्स के अनुभाग 5 3 को देखें, जिन्हें एबीएस वेब साइट से मुफ्त डाउनलोड किया जा सकता है। सममित की एक श्रेणी के भार पैटर्न हेंडरसन मूविंग एवरेज निम्न तालिका में दिए गए हैं। हेंडरसन मूविंग औसत के लिए सममित भार पैटर्न। सामान्य तौर पर, प्रवृत्ति फ़िल्टर, चिकनी परिणामस्वरूप प्रवृत्ति, जैसा कि एक 5 अवधि के ऊपर लाभ कार्यों की तुलना में स्पष्ट है, हेंडरसन चक्र को कम कर देता है लगभग 2 4 अवधि या कम से कम 80 तक, जबकि एक 23 अवधि के हेंडरसन ने कम से कम 90 दिनों के बारे में 8 अवधियों या उससे कम के चक्र को कम कर दिया है वास्तव में एक 23 शब्द हेंडरसन फिल्टर पूरी तरह 4 से कम अवधि के चक्र को हटा देता है। अलग-अलग डिग्री के मौसमी चक्र हालांकि आंकड़े 4-8 में लाभ कार्यों से पता चलता है कि मासिक और त्रैमासिक श्रृंखला में वार्षिक चक्र काफी हद तक मूल अनुमानों पर सीधे हेंडरसन फ़िल्टर को लागू करने के लिए पर्याप्त रूप से पर्याप्त नहीं हैं क्योंकि वे केवल एक मौसम समायोजित करने के लिए लागू होते हैं श्रृंखला, जहां कैलेंडर संबंधित प्रभाव पहले से ही विशेष रूप से डिज़ाइन किए गए फ़िल्टर के साथ हटा दिए गए हैं। फिक्चर 9 एक हेन्डे को लागू करने के चौरसाई प्रभावों को दिखाता है एक श्रृंखला के लिए आरएसएन फ़िल्टर। फिगर 9 23-टर्म हेंडरसन फ़िल्टर - गैर-आवासीय बिल्डिंग की मंजूरी का मूल्य। हम अंत बिंदु की समस्या से कैसे निपटते हैं। सममित हेंडरसन फ़िल्टर केवल उन डेटा के क्षेत्रों पर लागू किया जा सकता है जो पर्याप्त रूप से दूर हैं the ends of the series For example the standard 13 term Henderson can only be applied to monthly data that is at least 6 observations from the start or end of the data This is because the filter smoothness the series by taking a weighted average of the 6 terms on either side of the data point as well as the point itself If we attempt to apply it to a point that is less than 6 observations from the end of the data, then there is not enough data available on one side of the point to calculate the average. To provide trend estimates of these data points, a modified or asymmetric moving average is used Calculation of asymmetric Henderson filters can be generated by a number of different methods which produce similar, but not identical results The four main methods are the Musgrave method, the Minimisation of the Mean Square Revision method, the Best Linear Unbiased Estimates BLUE method, and the Kenny and Durbin method Shiskin et al 1967 derived the original asymmetric weights for the Henderson moving average which are used within the X11 packages For information on the derivation of the asymmetric weights, see section 5 3 of the Time Series Course Notes. Consider a time series where the last observed data point occurs at time N Then a 13 term symmetric Henderson filter cannot be applied to data points which are measured at any time after and including time N-5 For all these points, an asymmetric set of weights must be used The following table gives the asymmetric weighting pattern for a standard 13 term Henderson moving average. The asymmetric 13 term Henderson filters do not remove or dampen the same cycles as the symmetric 13 term Henderson filter In fact the asymmetric weighting pattern used to estimate the trend at the l ast observation amplifies the strength of 12 period cycles Also asymmetric filters produce some time phase shifting. WHAT ARE SEASONAL MOVING AVERAGES. Almost all of the data investigated by the ABS have seasonal characteristics Since the Henderson moving averages used to estimate the trend series do not eliminate seasonality, the data must be seasonally adjusted first using seasonal filters. A seasonal filter has weights which are applied to same period over time An example of the weighting pattern for a seasonal filter would be. 1 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1 3.where, for instance, a weight of one third is applied to three consecutive Januarys. Within X11, a range of seasonal filters are available to choose from These are a weighted 3-term moving average ma S 3x1 weighted 5-term ma S 3x3 weighted 7-term ma S 3x5 and a weighted 11-term ma S 3x9.The weighting structure of weighted moving averages of the form, S nxm is that a simple average of m terms calculated, and then a moving average of n of these averages is determined This means that n m-1 terms are used to calculate each final smoothed value. For example, to calculate an 11-term S 3x9 a weight of 1 9 is applied to the same period in 9 consecutive years Then a simple 3 term moving average is applied across the averaged values. This gives a final weighting pattern of 1 27, 2 27, 1 9, 1 9, 1 9, 1 9, 1 9, 1 9, 1 9, 2 27, 1 27.The gain function for an 11 term seasonal filter, S 3x9 looks like. Figure 10 Gain Function for 11 Term S 3x9 Seasonal Filter. Applying a seasonal filter to data will generate an estimate of the seasonal component of the time series, as it preserves the strength of seasonal harmonics and dampens cycles of non-seasonal lengths. Asymmetric seasonal filters are used at the ends of the series The asymmetric weights for each of the seasonal filters used in X11 can be found in section 5 4 of the Time Series Course Notes. WHY ARE TREND ESTIMATES REVISED. At the current end of a time series, it is not possible to use symmetric filters to estimate the trend because of the end point problem Instead, asymmetric filters are used to produce provisional trend estimates However, as more data becomes available, it is possible to recalculate the trend using symmetric filters and improve the initial estimates This is known as a trend revision. HOW MUCH DATA IS REQUIRED TO OBTAIN ACCEPTABLE SEASONALLY ADJUSTED ESTIMATES. If a time series exhibits relatively stable seasonality and is not dominated by the irregular component, then 5 years of data can be considered an acceptable length to derive seasonally adjusted estimates from For a series that shows particularly strong and stable seasonality, a crude adjustment can be made with 3 years of data It is generally preferable to have at least 7 years of data for a normal time series, to precisely identify seasonal patterns, trading day and moving holiday effects, trend and seasonal breaks, as well as outliers. ADVANCED HOW DO THE TWO SEASONAL ADJUSTMENT PHILOSOPHIES COMPARE. Model based approaches allow for the stochastic properties randomness of the series under analysis, in the sense that they tailor the filter weights based on the nature of the series The model s capability for accurately describing the behaviour of the series can be evaluated, and statistical inferences for the estimates are available based on the assumption that the irregular component is white noise. Filter based methods are less dependent on the stochastic properti es of the time series It is the time series analyst s responsibility to select the most appropriate filter from a limited collection for a particular series It is not possible to perform rigorous checks on the adequacy of the implied model and exact measures of precision and statistical inference are not available Therefore, a confidence interval cannot be built around the estimate. The following diagrams compare the presence of each of the model components at the seasonal frequencies for the two seasonal adjustment philosophies The x axis is the period length of the cycle and the y axis represents the strength of the cycles which comprise each component. Figure 11 Comparison of the two seasonal adjustment philosophies. Filter based methods assume that the each component exists only a certain cycle lengths The longer cycles form the trend, the seasonal component is present at seasonal frequencies and the irregular component is defined as cycles of any other length. Under a model based phil osophy, the trend, seasonal and irregular component are present at all cycle lengths The irregular component is of constant strength, the seasonal component peaks at seasonal frequencies and the trend component is strongest in the longer cycles. This page first published 14 November 2005, last updated 25 July 2008.