Desvio Padrão Desvio Padrão valor da medição da volatilidade do mercado. Este indicador descreve o intervalo de variações de preços em relação à média móvel. Assim, se o valor deste indicador é alto, o mercado é volátil, e os preços das barras são bastante espalhados em relação à média móvel. Se o valor do indicador é baixo, o mercado pode ser descrito como tendo uma baixa volatilidade, e os preços das barras são bastante próximos à média móvel. Normalmente, este indicador é utilizado como constituinte de outros indicadores. Assim, ao calcular Bollinger Bandsreg é necessário adicionar o valor do desvio padrão do símbolo à sua média móvel. O comportamento do mercado representa o intercâmbio de alta atividade comercial e mercado lânguido. Assim, o indicador pode ser interpretado facilmente: se o seu valor é muito baixo, ou seja, o mercado é absolutamente inativo, faz sentido esperar um pico logo caso contrário, se ele é extremamente alto, provavelmente significa que a atividade irá diminuir em breve. Calcula-se StdDev (i) SQRT (AMOUNT (ji - N, i) N) AMOUNT (ji - N, i) Da barra atual SQRT raiz quadrada AMOUNT (ji - N, i) soma dos quadrados de ji - N para i N período de suavização ApPRICE (j) preço aplicado da barra j MA (ApPRICE. N período na barra atual ApPRICE (i) preço aplicado da barra atual. Média móvel exponencial As médias móveis exponenciais são recomendadas como o mais confiável dos tipos de média móvel básica. Eles fornecem um elemento de ponderação, com cada dia anterior dado progressivamente menos ponderação. A suavização exponencial evita o problema encontrado com médias móveis simples. Onde a média tem uma tendência para quotbark duas vezes: uma vez no início do período de média móvel e novamente na direção oposta, no final do período. Inclinação média móvel exponencial também é mais fácil de determinar: a inclinação é sempre para baixo quando o preço fecha abaixo da média móvel e sempre para cima quando o preço está acima. Para calcular uma média móvel exponencial (EMA): Tome hoje o preço multiplicado por um EMA. Adicione isto a yesterdays EMA multiplicado por (1 - EMA). Se recalcularmos a tabela anterior, veremos que a média móvel exponencial apresenta uma tendência muito mais suave: EMA é a ponderação anexada ao valor dos dias atuais: 50 seriam usados para uma média móvel exponencial de três dias 10 para um período de 19 dias Média móvel exponencial e 1 é usado para uma média móvel exponencial de 199 dias. Para converter um período de tempo selecionado para um EMA use esta fórmula: EMA 2 (n 1) onde n é o número de dias Exemplo: O EMA por 5 dias é 2 (5 dias 1) 33.3 Incredible Charts executa esse cálculo automaticamente quando você seleciona Um período de tempo EMA. Aperfeiçoe seu mercado Timing Aprenda como controlar seu risco de mercado. Explorando a volatilidade média ponderada exponencial A volatilidade é a medida a mais comum do risco, mas vem em diversos sabores. Em um artigo anterior, mostramos como calcular a volatilidade histórica simples. (Para ler este artigo, consulte Usando a volatilidade para medir o risco futuro.) Usamos os dados reais do estoque do Google para computar a volatilidade diária com base em 30 dias de dados de estoque. Neste artigo, melhoraremos a volatilidade simples e discutiremos a média móvel exponencialmente ponderada (EWMA). Histórico vs. Volatilidade implícita Primeiro, vamos colocar esta métrica em um pouco de perspectiva. Há duas abordagens gerais: volatilidade histórica e implícita (ou implícita). A abordagem histórica pressupõe que o passado é um prólogo que medimos a história na esperança de que ela seja preditiva. A volatilidade implícita, por outro lado, ignora a história que resolve pela volatilidade implícita nos preços de mercado. Espera que o mercado conheça melhor e que o preço de mercado contenha, mesmo que implicitamente, uma estimativa consensual da volatilidade. Se focarmos apenas as três abordagens históricas (à esquerda acima), elas têm duas etapas em comum: Calcular a série de retornos periódicos Aplicar um esquema de ponderação Primeiro, nós Calcular o retorno periódico. Isso é tipicamente uma série de retornos diários onde cada retorno é expresso em termos continuamente compostos. Para cada dia, tomamos o log natural da razão dos preços das ações (ou seja, preço hoje dividido pelo preço de ontem, e assim por diante). Isso produz uma série de retornos diários, de u i para u i-m. Dependendo de quantos dias (m dias) estamos medindo. Isso nos leva ao segundo passo: é aqui que as três abordagens diferem. No artigo anterior (Usando a Volatilidade para Avaliar o Risco Futuro), mostramos que, sob algumas simplificações aceitáveis, a variância simples é a média dos retornos quadrados: Note que isto soma cada um dos retornos periódicos e depois divide esse total pela Número de dias ou observações (m). Então, é realmente apenas uma média dos retornos periódicos quadrados. Dito de outra forma, cada retorno ao quadrado é dado um peso igual. Portanto, se alfa (a) é um fator de ponderação (especificamente, um 1m), então uma variância simples é algo como isto: O EWMA Melhora na Variância Simples A fraqueza desta abordagem é que todos os retornos ganham o mesmo peso. O retorno de ontem (muito recente) não tem mais influência na variância do que nos últimos meses. Esse problema é corrigido usando-se a média móvel exponencialmente ponderada (EWMA), na qual retornos mais recentes têm maior peso na variância. A média móvel exponencialmente ponderada (EWMA) introduz lambda. Que é chamado de parâmetro de suavização. Lambda deve ser inferior a um. Sob essa condição, em vez de pesos iguais, cada retorno ao quadrado é ponderado por um multiplicador da seguinte forma: Por exemplo, RiskMetrics TM, uma empresa de gestão de risco financeiro, tende a usar um lambda de 0,94 ou 94. Neste caso, o primeiro Mais recente) é ponderado por (1-0.94) (. 94) 0 6. O próximo retomo ao quadrado é simplesmente um lambda-múltiplo do peso anterior neste caso 6 multiplicado por 94 5.64. E o terceiro dia anterior peso é igual a (1-0,94) (0,94) 2 5,30. Esse é o significado de exponencial em EWMA: cada peso é um multiplicador constante (isto é, lambda, que deve ser menor que um) do peso dos dias anteriores. Isso garante uma variância que é ponderada ou tendenciosa em direção a dados mais recentes. (Para saber mais, consulte a Planilha do Excel para a Volatilidade do Google.) A diferença entre simplesmente volatilidade e EWMA para o Google é mostrada abaixo. A volatilidade simples pesa efetivamente cada retorno periódico em 0.196, como mostrado na coluna O (tivemos dois anos de dados diários sobre os preços das ações, ou seja, 509 retornos diários e 1509 0.196). Mas observe que a Coluna P atribui um peso de 6, então 5.64, então 5.3 e assim por diante. Essa é a única diferença entre a variância simples e EWMA. Lembre-se: Depois de somarmos toda a série (na coluna Q) temos a variância, que é o quadrado do desvio padrão. Se queremos a volatilidade, precisamos nos lembrar de tomar a raiz quadrada dessa variância. Sua significativa: A variância simples nos deu uma volatilidade diária de 2,4, mas a EWMA deu uma volatilidade diária de apenas 1,4 (veja a planilha para mais detalhes). Aparentemente, volatilidade Googles estabeleceu-se mais recentemente, portanto, uma variância simples pode ser artificialmente elevado. A variação de hoje é uma função da variação dos dias de Pior Você observará que nós necessitamos computar uma série longa de pesos exponencial declinando. Nós não vamos fazer a matemática aqui, mas uma das melhores características do EWMA é que a série inteira convenientemente reduz a uma fórmula recursiva: Recursivo significa que as referências de variância de hoje (ou seja, é uma função da variação de dias anteriores). Você pode encontrar esta fórmula na planilha também, e produz o mesmo resultado exato que o cálculo de longhand Diz: A variância de hoje (sob EWMA) iguala a variância de ontem (ponderada por lambda) mais o retorno ao quadrado de ontem (pesado por um lambda negativo). Observe como estamos apenas adicionando dois termos juntos: ontem variância ponderada e ontem ponderado, retorno ao quadrado. Mesmo assim, lambda é o nosso parâmetro de suavização. Um lambda mais alto (por exemplo, como o RiskMetrics 94) indica um declínio mais lento na série - em termos relativos, vamos ter mais pontos de dados na série e eles vão cair mais lentamente. Por outro lado, se reduzimos o lambda, indicamos maior decaimento: os pesos caem mais rapidamente e, como resultado direto da rápida decomposição, são usados menos pontos de dados. (Na planilha, lambda é uma entrada, para que você possa experimentar com sua sensibilidade). Resumo A volatilidade é o desvio padrão instantâneo de um estoque ea métrica de risco mais comum. É também a raiz quadrada da variância. Podemos medir a variância historicamente ou implicitamente (volatilidade implícita). Ao medir historicamente, o método mais fácil é a variância simples. Mas a fraqueza com variância simples é todos os retornos obter o mesmo peso. Então, enfrentamos um trade-off clássico: sempre queremos mais dados, mas quanto mais dados tivermos, mais nosso cálculo será diluído por dados distantes (menos relevantes). A média móvel exponencialmente ponderada (EWMA) melhora a variância simples atribuindo pesos aos retornos periódicos. Ao fazer isso, podemos usar um grande tamanho de amostra, mas também dar maior peso a retornos mais recentes. (Para ver um tutorial de filme sobre este tópico, visite o Bionic Turtle.)
No comments:
Post a Comment