Glättung von Daten mit gleitenden Durchschnitten Wie man eine flüchtige Datenreihe glättet Das ökonomische Problem Wirtschaftswissenschaftler verwenden Glättungstechniken, um zu helfen, den ökonomischen Trend in den Daten zu entschlüsseln Tendenzen in den Datenreihen zu entschlüsseln Forscher verschiedene statistische Manipulationen. Diese Operationen werden als ldquosmoothing Techniken bezeichnet und sind entworfen, um die kurzfristige Flüchtigkeit der Daten zu reduzieren oder zu eliminieren. Eine geglättete Reihe wird einer nicht geglätteten vorgezogen, da sie Änderungen in der Richtung der Wirtschaft besser erfassen kann als die nicht eingestellte Reihe. Saisonale Anpassung ist eine Smoothing-Technik Eine gemeinsame Glättung Technik in der Wirtschaftsforschung verwendet wird, ist saisonale Anpassung. Dieses Verfahren beinhaltet die Trennung von Schwankungen der Daten, die im gleichen Monat jedes Jahr wiederkehren (saisonale Faktoren). Solche Schwankungen können auf Jahresferien zurückzuführen sein (ein Sprung im Dezember-Einzelhandelsumsatz) oder vorhersehbare Wetterverhältnisse (eine Zunahme des Hausbaus im Frühjahr). Weitere Informationen zum saisonalen Anpassungsprozess finden Sie unter Saisonbereinigte Daten. Ein gleitender Durchschnitt kann Daten glatt machen, die nach Saisonbereinigung flüchtig bleiben In anderen Fällen behält eine Datenreihe Volatilität auch nach Saisonanpassung bei. Ein gutes Beispiel sind die Wohngenehmigungen, die vor allem aufgrund vorhersehbarer Wetterverhältnisse starke saisonale Schwankungen aufweisen. Selbst nach saisonaler Anpassung werden diese vorhersehbaren Muster eliminiert, allerdings bleibt eine erhebliche Volatilität bestehen (Grafik 1). Warum Weil saisonale Anpassung nicht auf unregelmäßige Faktoren wie ungewöhnliche Wetterbedingungen oder Naturkatastrophen, unter anderem. Solche Ereignisse sind unerwartet und können nicht isoliert werden, wie saisonale Faktoren können. Zum Beispiel haben Einfamilienhäuser erlaubt im Juni fallen, weil die wirtschaftlichen Bedingungen verschlechtert, oder war es nur ein wetter Juni als üblich Ökonomen verwenden eine einfache Glättung Technik namens ldquomoving averagerdquo dazu beitragen, die zugrunde liegende Trend in Wohnungsgenehmigungen und andere volatile Daten zu bestimmen. Ein gleitender Durchschnitt glättet eine Serie durch die Konsolidierung der monatlichen Datenpunkte in längere Einheiten von timemdashnamely ein Durchschnitt von mehreren Monaten Daten. Es gibt einen Nachteil, einen gleitenden Durchschnitt zu verwenden, um eine Datenreihe zu glätten. Da die Berechnung auf historischen Daten beruht, gehen einige der Zeitvariablen verloren. Aus diesem Grund verwenden einige Forscher einen ldquoweightedrdquo gleitenden Durchschnitt, wobei die aktuellen Werte der Variablen mehr Bedeutung erhalten. Eine andere Möglichkeit, die Abhängigkeit von vergangenen Werten zu reduzieren, besteht darin, einen ldquozentrischen gleitenden Durchschnitt zu berechnen, wobei der aktuelle Wert der Mittelwert in einem Fünfmonatsdurchschnitt mit zwei Verzögerungen und zwei Ableitungen ist. Die Leitzahlen sind prognostizierte Werte. Daten, die von der Dallas Feds Web site verfügbar sind, werden unter Verwendung der einfachen gleitenden durchschnittlichen Technik, die unten erklärt wird, justiert. Die technische Lösung Die Formel für einen einfachen gleitenden Durchschnitt ist: wobei y die Variable ist (z. B. Einfamilienhäuser), t die aktuelle Zeitperiode (wie der aktuelle Monat) und n die Anzahl der Zeitperioden ist Den Durchschnitt. In den meisten Fällen verwenden Forscher drei-, vier - oder fünfmonatige Bewegungsdurchschnitte (so dass n 3, 4 oder 5), mit dem größeren der n. Desto glatter die Serie. Real-World Beispiel Texas Housing Permits sind flüchtig von Monat zu Monat einen gleitenden Durchschnitt hilft, zeigen die zugrunde liegende Trend in der Tabelle Tabelle 1 verwendet die Formel oben, um einen Fünf-Monats-gleitenden Durchschnitt der Wohngebäude Genehmigungen zu berechnen. In der dritten Spalte wird die untere Figur (7,218) ermittelt, indem der Durchschnitt des laufenden Monats und der letzten vier Monate in Spalte 2 ermittelt wird. Die Reihe in der dritten Säule wird geglättet, und wie Schaubild 2 zeigt, ist sie viel weniger flüchtig als die ursprüngliche Reihe. Unter Verwendung der geglätteten Daten kann ein Forscher einfacher die zugrunde liegenden Trends in den Daten bestimmen sowie wesentliche Richtungsänderungen erkennen. Glättungstechniken reduzieren die Volatilität in einer Datenreihe, die es Analysten ermöglicht, wichtige wirtschaftliche Trends zu identifizieren. Die gleitende durchschnittliche Technik bietet einen einfachen Weg, um Daten jedoch zu glätten, weil sie Daten aus vergangenen Zeiträumen nutzt, kann es die letzten Änderungen im Trend verdecken. Glossar auf einen Blick Gleitender Durchschnitt: Eine Berechnung, die eine flüchtige Datenreihe durch Mittelung benachbarter Datenpunkte glättet. Saisonale Anpassung: Die Art der Glättungstechnik, bei der saisonale Schwankungen der Daten abgeschätzt und entfernt werden. Glättungstechnik: Eine statistische Operation, die auf ökonomischen Datenreihen durchgeführt wird, um die kurzfristige Volatilität zu reduzieren oder zu eliminieren. Durchschnittlich verschoben 20667 Hey l8liu. Sorry für die Verzögerung bei der Beantwortung. Wir haben intern über diese ein wenig chatten. Ill Start mit dem einfachen: Auch könnte man bedenken, fügen Sie eine Moving Standard Abweichung in der Zukunft Definitiv Weve sprach darüber ein paar Mal und ich kenne Id persönlich wie ein. Wurden derzeit versucht, die beste Möglichkeit, es hinzuzufügen (dedizierte agg, oder umbenennen movingaverage zu movingfunction und implementieren std dev als eine Funktion, etc.). Ich denke, itll enden als dedizierte movingstddev agg, da das ist die einfachste. Ich erwarte, dass der gleitende Durchschnitt dem Durchschnitt des aktuellen Tages und der vorherigen 2 Tage entspricht, aber die Ergebnisse sind der Durchschnitt der vorhergehenden 3 Tage und nicht einschließlich des aktuellen Tages. Also haben wir darüber gesprochen, warum wir dies getan haben, und ich denke, das Verhalten ist richtig, weil wir mit einem linken gleitenden Durchschnitt häufig in Finanz-und anderen Nicht-Signal-Use-Fällen verwendet (zB der Wert von heute ist das Ergebnis der bisherigen Werte) . Zum Beispiel verwenden finanzielle gleitende Durchschnittswerte die Schlusskurse, und der heutige Wert ist intrinsisch unberechenbar, weil heute noch nicht geschlossen hat. Was bedeutet, dass Sie nur berechnen können gleitende Mittelwerte auf früheren Datenpunkten, nicht heute. Dies spiegelt die Wiki-Definition für eine Finanz-SMA wider: Bei Finanzanwendungen ist ein einfacher gleitender Durchschnitt (SMA) der ungewichtete Mittelwert der vorhergehenden n Daten. Für eine Anzahl von Anwendungen ist es vorteilhaft, die Verschiebung zu vermeiden, die durch die Verwendung nur vergangener Daten induziert wird. Daher kann ein zentraler gleitender Durchschnitt berechnet werden, wobei Daten verwendet werden, die beiderseits des Punktes in der Reihe gleich sind, wo der Mittelwert berechnet wird. Auch wenn heutige Werte enthalten wären, würde sich der Wert des heutigen Movavg jedesmal ändern, wenn Sie die Aggregation ausführen Eimer füllt weiter. Dies unterscheidet sich von anderen Wissenschafts - / Ingenieur - / Signalverarbeitungsnutzungsfällen, bei denen man zentrierte Bewegungsdurchschnitte einnimmt (die Bewegung eines Punktes ist der Durchschnitt von n / 2 auf jeder Seite), wobei es sinnvoll ist, den Eimer mit einzubeziehen In seinem eigenen movavg. Da wir aber momentan nur eine Orientierung unterstützen, halte ich das aktuelle Verhalten für richtig. Viele Angst Zitate oben, weil ich zustimmen, seine mehr eine Frage der Perspektive und wie Sie den gleitenden Durchschnitt verwenden möchten. Wir haben noch havent zu einer endgültigen Entscheidung kommen, aber ich glaube, so weit weve zumindest stimmte die aktuelle Umsetzung ist nicht falsch per se. ) Polyfractal Vielen Dank für Ihre Detail-Erklärung und ich stimme mit Ihrer Berücksichtigung der aktuellen gleitenden Durchschnitt Umsetzung. In der Zukunft sind Sie möglich, einen Verschiebungsparameter hinzuzufügen, also können Benutzer Optionen haben, um zu wählen, wohin sie die movavg ausgeben möchten. Wir möchten, dass sie sich an den aktuellen Tag angleichen, aber nicht am Vortag, wenn wir die statistische Kontrolle durchführen. Auch sein froh zu wissen, dass Sie die bewegliche Standardabweichung Eigenschaft zukünftig haben werden. Vielen Dank für die großartige Arbeit und wir erwarten Ihre neue Arbeit Ich denke, ein Schalt-Parameter könnte nützlich sein, obwohl Im neugierig über seinen Umfang. Wäre es nur möglich, einen Tag nach vorne zu verschieben, um den Durchschnitt auszurichten, oder sollten wir eine willkürliche Verschiebung (z. B. 10 Buckets) erlauben? Aus einer Codeperspektive ist movavg schon ziemlich kompliziert, so dass nicht so viel zusätzliche Komplexität einzuführen wäre. Vielleicht könnten wir eine dedizierte Verschiebung Pipeline agg, die vor dem movavg sitzt nicht sicher, havent dachte es durch sehr sorgfältig :) Sie können nicht diese Aktion zu diesem Zeitpunkt. Sie haben sich mit einem anderen Tab oder Fenster angemeldet. Aktualisieren Sie Ihre Sitzung neu. Sie haben sich in einem anderen Tab oder Fenster angemeldet. Aktualisieren Sie Ihre Sitzung neu.
No comments:
Post a Comment