Metode yang Diusulkan:
Diberikan seri waktu , Saya ingin menghitung rata - rata bergerak tertimbang dengan jendela rata - rata poin, di mana pembobotan mendukung nilai yang lebih baru daripada nilai yang lebih lama.
Dalam memilih bobot, saya menggunakan fakta yang umum bahwa deret geometri konvergen menjadi 1, yaitu , asalkan tak terhingga banyak istilah diambil.
Untuk mendapatkan jumlah bobot tertentu yang menyatukan menjadi satu, saya hanya mengambil yang pertama ketentuan seri geometris , dan kemudian dinormalisasi dengan jumlah mereka.
Kapan , misalnya, ini memberikan bobot yang tidak dinormalisasi
0.0625 0.1250 0.2500 0.5000
yang, setelah dinormalisasi dengan jumlah mereka, memberi
0.0667 0.1333 0.2667 0.5333
Rata-rata bergerak adalah jumlah produk dari 4 nilai terbaru terhadap bobot yang dinormalisasi ini.
Metode ini menggeneralisasi dengan cara yang jelas untuk memindahkan panjang jendela , dan tampaknya komputasi juga mudah.
Pertanyaan:
Apakah ada alasan untuk tidak menggunakan cara sederhana ini untuk menghitung rata-rata bergerak tertimbang menggunakan 'bobot eksponensial'?
Saya bertanya karena entri Wikipedia untuk EWMA tampaknya lebih rumit. Yang membuat saya bertanya-tanya apakah definisi buku teks tentang EWMA mungkin memiliki beberapa sifat statistik yang tidak dimiliki definisi sederhana di atas? Atau apakah mereka sebenarnya setara?
sumber
Jawaban:
Saya telah menemukan bahwa komputasi menggunakan rata-rata berjalan tertimbang secara eksponensialx¯¯¯←x¯¯¯+α(x−x¯¯¯) , α<1 adalah
Secara teknis, pendekatan ini memasukkan semua sejarah ke dalam rata-rata. Dua keuntungan utama menggunakan jendela penuh (tidak seperti jendela terpotong yang dibahas dalam pertanyaan) adalah bahwa dalam beberapa kasus dapat memudahkan karakterisasi analitik penyaringan, dan mengurangi fluktuasi yang disebabkan jika data sangat besar (atau kecil) nilai adalah bagian dari kumpulan data. Sebagai contoh, pertimbangkan hasil filter jika semua data nol kecuali satu datum yang nilainya106 .
sumber