12 شهرا الحركة من المتوسط - موسمية

تنفيذ جدول البيانات من التعديل الموسمي والتجانس الأسي فمن السهل إجراء تعديل موسمي وتناسب نماذج التمهيد الأسي باستخدام إكسيل. يتم أخذ صور الشاشة والرسوم البيانية أدناه من جدول بيانات تم إعداده لتوضيح التعديل الموسمي الموسمي والتجانس الأسي الخطي على بيانات المبيعات الفصلية التالية من أوتبوارد مارين: للحصول على نسخة من ملف جدول البيانات نفسه، انقر هنا. نسخة من التجانس الأسي الخطي التي سيتم استخدامها هنا لأغراض مظاهرة هو Brown8217s الإصدار، لمجرد أنه يمكن تنفيذها مع عمود واحد من الصيغ وهناك واحد فقط ثابت تمهيد لتحسين. عادة فمن الأفضل استخدام الإصدار Holt8217s التي لديها ثوابت تمهيد منفصلة للمستوى والاتجاه. وتنتقل عملية التنبؤ على النحو التالي: '1' أولا تعدل البيانات موسميا '2'، ثم تنشأ التنبؤات للبيانات المعدلة موسميا عن طريق التمهيد الأسي الخطي؛ '3' وأخيرا، فإن التنبؤات المعدلة موسميا هي عبارة عن تنبؤات متوقعة موسميا للحصول على تنبؤات للمسلسل الأصلي . يتم إجراء عملية التعديل الموسمية في الأعمدة من D إلى G. الخطوة الأولى في التعديل الموسمية هي حساب المتوسط ​​المتحرك المركزة (يتم القيام به هنا في العمود D). ويمكن القيام بذلك عن طريق الأخذ بمتوسط ​​متوسطين على مدى سنة واحدة تقابلهما فترة واحدة بالنسبة لبعضهما البعض. (وهناك حاجة إلى مزيج من متوسطين للمقاصة بدلا من متوسط ​​واحد للأغراض المركزية عندما يكون عدد المواسم). والخطوة التالية هي حساب النسبة إلى المتوسط ​​المتحرك - أي. البيانات الأصلية مقسومة على المتوسط ​​المتحرك في كل فترة - والتي يتم تنفيذها هنا في العمود هاء (ويسمى هذا أيضا مكون كوتريند-سيكليكوت للنمط، بقدر ما يمكن اعتبار التأثيرات ودورات الأعمال على أنها كلها لا يزال بعد متوسطه على مدى سنوات كاملة من البيانات، وبطبيعة الحال، من شهر إلى آخر التغييرات التي لا تعود إلى الموسمية يمكن تحديدها من قبل العديد من العوامل الأخرى، ولكن متوسط ​​12 شهرا ينعم عليهم إلى حد كبير.) ذي يتم حساب المؤشر الموسمية المقدر لكل موسم من خلال متوسط ​​متوسط ​​جميع النسب لهذا الموسم المحدد، والذي يتم في الخلايا G3-G6 باستخدام صيغة أفيراجيف. ثم يتم تعديل النسب المتوسطة بحيث تصل إلى 100 مرة بالضبط عدد الفترات في الموسم، أو 400 في هذه الحالة، والذي يتم في الخلايا H3-H6. أسفل العمود F، يتم استخدام صيغ فلوكوب لإدراج قيمة الفهرس الموسمية المناسبة في كل صف من جداول البيانات، وفقا لربع السنة الذي يمثله. وينتهي المتوسط ​​المتحرك المركب والبيانات المعدلة موسميا على النحو التالي: لاحظ أن المتوسط ​​المتحرك يشبه عادة نسخة أكثر سلاسة من السلسلة المعدلة موسميا، وهو أقصر على كلا الطرفين. وتظهر ورقة عمل أخرى في نفس ملف إكسيل تطبيق نموذج تمهيد الأسي الخطي على البيانات المعدلة موسميا، بدءا من العمود G. وتدخل قيمة ثابت التمهيد (ألفا) فوق عمود التنبؤ (هنا في الخلية H9) و من أجل الراحة يتم تعيين اسم النطاق كوتAlpha. quot (يتم تعيين الاسم باستخدام الأمر كوتينسنامكراتيكوت). يتم تهيئة نموذج ليس عن طريق تعيين أول اثنين من التوقعات مساوية للقيمة الفعلية الأولى للسلسلة المعدلة موسميا. الصيغة المستخدمة هنا لتوقعات ليس هي النموذج المعادلة وحيد المعادلة من طراز Brown8217s: يتم إدخال هذه الصيغة في الخلية المقابلة للفترة الثالثة (هنا، الخلية H15) ونسخها من هناك. لاحظ أن توقعات ليس للفترة الحالية تشير إلى الملاحظات السابقة واثنين من أخطاء التنبؤ السابقة، فضلا عن قيمة ألفا. وهكذا، فإن صيغة التنبؤ الواردة في الصف 15 تشير فقط إلى البيانات التي كانت متاحة في الصف 14 وما قبله. (بطبيعة الحال، إذا أردنا استخدام تمهيد أسي بسيط بدلا من خطي أسي، يمكننا استبدال صيغة سيس هنا بدلا من ذلك، ويمكننا أيضا استخدام نموذج هولت 8217s بدلا من براون 8217s ليس، والذي يتطلب عمودين إضافيين من الصيغ لحساب المستوى والاتجاه التي تستخدم في التنبؤ.) وتحسب الأخطاء في العمود التالي (هنا، العمود J) بطرح التوقعات من القيم الفعلية. ويحسب خطأ متوسط ​​الجذر التربيعي باعتباره الجذر التربيعي للتباين في الأخطاء بالإضافة إلى مربع الوسط. (ويأتي ذلك من الهوية الرياضية: مس فاريانس (أخطاء) (أفيراج (أخطاء))). في حساب متوسط ​​وتفاوت الأخطاء في هذه الصيغة، يتم استبعاد الفترتين الأوليين لأن النموذج لا يبدأ فعلا التنبؤ حتى الفترة الثالثة (الصف 15 في جدول البيانات). يمكن العثور على القيمة المثلى ألفا إما عن طريق تغيير ألفا يدويا حتى يتم العثور على الحد الأدنى رمز، وإلا يمكنك استخدام كوتسولفيركوت لإجراء التقليل الدقيق. قيمة ألفا التي وجدت سولفر وجدت هنا (alpha0.471). وعادة ما تكون فكرة جيدة هي رسم أخطاء النموذج (في الوحدات المحولة)، وكذلك حساب ورسم مؤثراتهم الذاتية عند فترات تأخر تصل إلى موسم واحد. هنا هو مؤامرة سلسلة زمنية من الأخطاء (المعدلة موسميا): يتم حساب أوتوكوريلاتيونس خطأ باستخدام الدالة كوريل () لحساب الارتباطات من الأخطاء مع أنفسهم تأخرت بفترة واحدة أو أكثر - يتم عرض التفاصيل في نموذج جدول البيانات . هنا هو مؤامرة من أوتوكوريلاتيونس من الأخطاء في الفترات الخمسة الأولى: و أوتوكوريلاتيونس في الفترات من 1 إلى 3 قريبة جدا من الصفر، ولكن ارتفاع في تأخر 4 (الذي هو 0.35) هو مزعجة قليلا - فإنه يشير إلى أن عملية التعديل الموسمية لم تكن ناجحة تماما. ومع ذلك، فإنه في الواقع هامشية فقط. 95 لفحص ما إذا كانت أوتوكوريلاتيونس تختلف اختلافا كبيرا عن الصفر تقريبا زائدا أو ناقص 2SQRT (n-k)، حيث n هو حجم العينة و k هو الفارق الزمني. هنا n هو 38 و k يختلف من 1 إلى 5، وبالتالي فإن مربع الجذر من-ن-ناقص-ك حوالي 6 لجميع منهم، وبالتالي حدود لاختبار الأهمية الإحصائية للانحرافات من الصفر هي تقريبا زائد - أو ناقص 26، أو 0.33. إذا قمت بتغيير قيمة ألفا باليد في هذا النموذج إكسيل، يمكنك مراقبة تأثير على سلسلة زمنية ومؤامرات الارتباط الذاتي من الأخطاء، وكذلك على الخطأ الجذر متوسط ​​التربيع، والتي سيتم توضيحها أدناه. في الجزء السفلي من جدول البيانات، يتم إعداد صيغة التنبؤات في المستقبل عن طريق استبدال التنبؤات بالقيم الفعلية فقط عند النقطة التي يتم فيها نفاد البيانات الفعلية. حيث تبدأ كوتوركوتلكوت. (وبعبارة أخرى، في كل خلية حيث تحدث قيمة بيانات مستقبلية، يتم إدراج مرجع الخلية الذي يشير إلى التوقعات التي تم إجراؤها لتلك الفترة.) يتم نسخ جميع الصيغ الأخرى ببساطة من أسفل: لاحظ أن الأخطاء للتنبؤات من يتم حساب كل المستقبل ليكون صفر. وهذا لا يعني أن الأخطاء الفعلية ستكون صفرا، بل إنها تعكس مجرد حقيقة أنه لأغراض التنبؤ، نفترض أن البيانات المستقبلية ستساوي التوقعات في المتوسط. وتظهر توقعات ليس على البيانات المعدلة موسميا على النحو التالي: مع هذه القيمة الخاصة ألفا، وهو الأمثل للتنبؤات قبل فترة واحدة، فإن الاتجاه المتوقع هو أعلى قليلا، مما يعكس الاتجاه المحلي الذي لوحظ على مدى العامين الماضيين أو هكذا. وبالنسبة لقيم ألفا الأخرى، يمكن الحصول على إسقاط اتجاه مختلف جدا. وعادة ما تكون فكرة جيدة لمعرفة ما يحدث لإسقاط الاتجاه على المدى الطويل عندما يكون ألفا متنوعا، لأن القيمة الأفضل للتنبؤ على المدى القصير لن تكون بالضرورة أفضل قيمة للتنبؤ بالمستقبل البعيد. على سبيل المثال، هنا هي النتيجة التي يتم الحصول عليها إذا تم تعيين قيمة ألفا يدويا إلى 0.25: الاتجاه المتوقع على المدى الطويل هو الآن سلبي بدلا من إيجابي مع قيمة أصغر من ألفا، نموذج يضع المزيد من الوزن على البيانات القديمة في وتقديره للمستوى الحالي واتجاهه الحالي، وتنبؤاته الطويلة الأجل تعكس الاتجاه التنازلي الذي لوحظ خلال السنوات الخمس الماضية بدلا من الاتجاه التصاعدي الأحدث. ويوضح هذا المخطط أيضا بوضوح كيف أن النموذج مع قيمة أصغر من ألفا أبطأ للرد على نقاط كوتورنينغكوت في البيانات وبالتالي يميل إلى جعل خطأ من نفس علامة لعدة فترات متتالية. وأخطاء التنبؤ المتوقعة من خطوة واحدة أكبر في المتوسط ​​من تلك التي تم الحصول عليها من قبل (رمز 34.4 بدلا من 27.4) وترتبط ارتباطا إيجابيا قويا. ويتجاوز الترابط الذاتي المتخلف 1،56 قيمة 0،33 المحسوبة أعلاه لانحراف ذي دلالة إحصائية عن الصفر. وكبديل لتخفيض قيمة ألفا من أجل إدخال مزيد من التحفظ في التنبؤات طويلة الأجل، يضاف أحيانا عامل التخميد المعتدل إلى النموذج من أجل جعل الاتجاه المتوقع يتسطح بعد بضع فترات. وتتمثل الخطوة الأخيرة في بناء نموذج التنبؤات في التنبؤ بالتنبؤات المتوقعة من خلال ضربها بالمؤشرات الموسمية المناسبة. ومن ثم فإن التنبؤات المعاد تشكيلها في العمود الأول هي ببساطة نتاج المؤشرات الموسمية في العمود F وتوقعات ليس الموضوعة موسميا في العمود ح. ومن السهل نسبيا حساب فترات الثقة للتنبؤات من خطوة واحدة إلى الأمام التي يقدمها هذا النموذج: أولا حساب رمز (الجذر المتوسط ​​مربع الخطأ، الذي هو مجرد الجذر التربيعي للمشاريع الصغيرة والمتوسطة) ومن ثم حساب فترة الثقة للتوقعات المعدلة موسميا عن طريق طرح وطرح مرتين من رمز. (عموما فاصل الثقة 95 للتنبؤ بفترة زمنية واحدة يساوي تقريبا نقطة التنبؤ زائد أو ناقص ضعف الانحراف المعياري المقدر لأخطاء التنبؤ، على افتراض أن توزيع الخطأ طبيعي تقريبا وحجم العينة هي كبيرة بما فيه الكفاية، ويقول 20 أو أكثر. هنا، رمز بدلا من العينة الانحراف المعياري للأخطاء هو أفضل تقدير للانحراف المعياري للأخطاء التوقعات المستقبلية لأنه يأخذ التحيز وكذلك عشوائية الاختلافات في الاعتبار.) حدود الثقة من أجل التنبؤ المعدل موسميا ثم ريساوناليزد. إلى جانب التوقعات، بضربها بالمؤشرات الموسمية المناسبة. وفي هذه الحالة، يساوي الرمز رمز 27.4 والتوقعات المعدلة موسميا للفترة المقبلة الأولى (ديسمبر / كانون الأول 93) هي 273.2. بحيث تكون فترة الثقة 95 المعدلة موسميا من 273.2-227.4 218.4 إلى 273.2227.4 328.0. مضاعفة هذه الحدود من قبل ديسمرس مؤشر موسمية من 68.61. نحصل على حدود أدنى وأعلى من الثقة 149.8 و 225.0 حول توقعات ديسمبر 93 نقطة من 187.4. ومن المتوقع أن تتسع حدود الثقة للتنبؤات بأكثر من فترة واحدة مع تزايد الأفق المتوقع بسبب عدم اليقين بشأن المستوى والاتجاه فضلا عن العوامل الموسمية، ولكن من الصعب حسابها عموما بطرائق تحليلية. (الطريقة المناسبة لحساب حدود الثقة لتوقعات ليس هي باستخدام نظرية أريما، ولكن عدم اليقين في المؤشرات الموسمية هو مسألة أخرى). إذا كنت ترغب في فترة ثقة واقعية للتنبؤ أكثر من فترة واحدة المقبلة، واتخاذ جميع مصادر في الاعتبار، أفضل رهان هو استخدام طرق تجريبية: على سبيل المثال، للحصول على فترة ثقة لتوقعات من خطوتين إلى الأمام، يمكنك إنشاء عمود آخر في جدول البيانات لحساب توقعات خطوة بخطوة لكل فترة ( من خلال بوتسترابينغ توقعات خطوة واحدة إلى الأمام). ثم حساب رمز من أخطاء التنبؤ قبل خطوة 2 واستخدام هذا كأساس لفاصل الثقة 2-خطوة قدما. حساب مؤشر موسمي هذه النشرة هي لاستخدامها جنبا إلى جنب مع ملف مس إكسيل seasonalindex. xls الموجود على الصفحة الرئيسية فئة Econ437. 1. قائمة الأسعار الشهرية بالترتيب الزمني في العمود D من جدول البيانات الخاص بك. مثال. وترد مجموعة البيانات المقدمة في الفترة من كانون الثاني / يناير 1975 إلى كانون الأول / ديسمبر 1996، أي 264 ملاحظة. 2. حساب تركزت 12 شهرا مجموع تتحرك بإضافة ما يصل أسعار يناير حتى ديسمبر. يجب أن تبدأ بالملاحظة السادسة. مثال. يونيو 1975 (الملاحظة 6) 3.012.822.632.652.672.652.702.942.762.542.302.30 31.97 3. كرر الخطوة 2 لبقية مجموعة البيانات. ملحوظة. سيكون هناك 5 خلايا فارغة في بداية مجموعة البيانات في العمود E و 6 خلايا فارغة في نهاية العمود E. 4. احسب المجموع المتحرك لمدة شهرين من العمود E وأدخل هذا في العمود F بدءا من الملاحظة السابعة. سيكون هناك 6 خلايا فارغة في بداية ونهاية العمود F. مثال. للمراقبة 7، 31.9731.3363.30. 5. قم بتقسيم العمود F بنسبة 24 وأدخل هذا في العمود G بدءا من الملاحظة 7. هذا هو المتوسط ​​المتحرك المزدوج المتمركز لمدة 12 شهرا (ما). 6. تقسيم الأسعار الأصلية في العمود D من خلال المتوسط ​​المتحرك المتمركز لمدة 12 شهرا في العمود G، وإدخال هذه القيم الشهرية الفردية في العمود H بدءا من يوليو 1975، الملاحظة 7. لن تكون هناك قيم للأشهر الستة الأولى من عام 1975 و 6 أشهر من عام 1996. 7. قم بإضافة كل المؤشرات الشهرية لكل شهر ومتوسطها للحصول على قيمة مؤشر الخام. انظر الجدول أدناه. البحث عن متوسط ​​المؤشرات الخام. قم بتقسيم كل شهر مؤشر أولي حسب متوسط ​​المؤشرات الخام للحصول على الفهرس المعدل ..5.2 السلاسل الزمنية للتلميع عادة ما يتم التحميص لمساعدتنا على رؤية الأنماط والاتجاهات على سبيل المثال في السلاسل الزمنية. عموما على نحو سلس خارج خشونة غير منتظمة لرؤية إشارة أكثر وضوحا. بالنسبة للبيانات الموسمية، قد نتجنب الموسمية حتى نتمكن من تحديد هذا الاتجاه. التجانس لا يوفر لنا نموذجا، ولكن يمكن أن يكون خطوة أولى جيدة في وصف مختلف مكونات هذه السلسلة. يستخدم مصطلح المصطلح أحيانا لوصف إجراء التجانس. على سبيل المثال، إذا تم حساب القيمة الملساء لوقت معين على أنها مزيج خطي من الملاحظات للأوقات المحيطة، يمكن القول بأننا طبقنا مرشحا خطييا على البيانات (وليس نفس القول بأن النتيجة هي خط مستقيم، من خلال الطريقة). الاستخدام التقليدي للمتوسط ​​المتحرك المدى هو أنه في كل نقطة من الوقت نحدد (المرجح المرجح) متوسطات القيم الملحوظة التي تحيط بوقت معين. على سبيل المثال، في الوقت t. فإن المتوسط ​​المتحرك المركب للطول 3 مع أوزان متساوية سيكون متوسط ​​القيم في بعض الأحيان t -1. t. و t1. ولأخذ الموسمية من سلسلة، حتى نتمكن من رؤية الاتجاه بشكل أفضل، سنستخدم متوسطا متحركا بطول موسمي. وهكذا في سلسلة سلسة، تم متوسط ​​كل قيمة ممهدة في جميع الفصول. ويمكن القيام بذلك من خلال النظر في متوسط ​​متحرك من جانب واحد حيث يمكنك متوسط ​​جميع القيم للسنوات السابقة بقيمة البيانات أو المتوسط ​​المتحرك المتمركز الذي تستخدم القيم قبل وبعد الوقت الحالي. بالنسبة للبيانات ربع السنوية، على سبيل المثال، يمكن أن نحدد قيمة سلسة للوقت t (x t x t-1 x t-2 x t-3) 4، متوسط ​​هذا الوقت والأرباع الثلاثة السابقة. في R كود هذا سيكون مرشح من جانب واحد. يخلق المتوسط ​​المتحرك المركز قليلا من الصعوبة عندما يكون لدينا عدد من الفترات الزمنية في الفترة الموسمية (كما نفعل عادة). لتسهيل الموسمية بعيدا في البيانات الفصلية. من أجل تحديد الاتجاه، والاتفاقية المعتادة هي استخدام المتوسط ​​المتحرك ممهدة في الوقت ر هو لتسهيل الموسمية بعيدا في البيانات الشهرية. من أجل تحديد الاتجاه، والاتفاقية المعتادة هي استخدام المتوسط ​​المتحرك تمهيد في الوقت t هو وهذا هو، ونحن تطبيق الوزن 124 إلى القيم في بعض الأحيان t6 و t6 والوزن 112 لجميع القيم في جميع الأوقات بين t5 و t5. في الأمر R فيلتر، حدد مرشح من جانبين جيدا عندما نريد استخدام القيم التي تأتي قبل وبعد الوقت الذي تم تمهيد. تجدر الإشارة إلى أنه في الصفحة 71 من كتابنا، فإن المؤلفين يطبقون أوزانا متساوية عبر المتوسط ​​المتحرك الموسمية المركز. هذا حسنا أيضا. على سبيل المثال، يمكن تمهيد سلاسة ربع سنوية في الوقت t هو فراك x فراك x فراك شت فراك x فراك x الشهري أكثر سلاسة قد تطبق وزن 113 إلى جميع القيم من مرات t-6 إلى t6. يستفيد الرمز الذي يستخدمه المؤلفون في الصفحة 72 من أمر المكرر الذي يكرر قيمة عدد معين من المرات. لا يستخدمون عامل تصفية عامل التصفية ضمن أمر التصفية. مثال 1 إنتاج البيرة بشكل ربع سنوي في أستراليا في الدرسين الأول والدرس 4، نظرنا في سلسلة من إنتاج البيرة ربع السنوي في أستراليا. يخلق رمز R التالية سلسلة سلسة التي تمكننا من رؤية نمط الاتجاه، والمؤامرات هذا النمط الاتجاه على نفس الرسم البياني مثل سلسلة زمنية. الأمر الثاني يخلق ويخزن سلسلة ممهدة في الكائن يسمى تريندباترن. لاحظ أنه ضمن أمر التصفية، فإن المعامل المسمى بالفلتر يعطي معاملات لتلطيف وجوانبنا 2 يسبب ناعمة مركزا ليتم حسابها. (بايربرود)، مرشح c (18، 14، 14، 14، 18)، side2) مؤامرة (بيربرود، نوع b، الرئيسية تتحرك متوسط ​​الاتجاه السنوي) خطوط (تريندباترن) هيريس النتيجة: نحن قد طرح نمط الاتجاه من قيم البيانات للحصول على نظرة أفضل في الموسمية. هيريس كيفية القيام بذلك: الموسمية بيربرود - تريندباترن مؤامرة (الموسمية، نوع ب، الرئيسية نمط موسمي لإنتاج البيرة) والنتيجة يليها: إمكانية أخرى لتسلسل سلسلة لرؤية الاتجاه هو مرشح من جانب واحد مرشح filterpattern2 (بيربرود، فلتر ج (14، 14، 14، 14)، سيديس 1) مع هذا، فإن قيمة ممهدة هو متوسط ​​العام الماضي. المثال 2. البطالة الشهرية في الولايات المتحدة في الواجبات المنزلية للأسبوع 4 نظرت إلى سلسلة شهرية من البطالة في الولايات المتحدة لعام 1948-1978. هيريس تمهيد القيام به للنظر في هذا الاتجاه. (تريندونيمبلوي، ستارت c (1948،1)، فريق 12) مؤامرة (ترندونيمبلوي، مينترند في الولايات المتحدة البطالة، 1948-1978، زلاب يار) يتم رسم الاتجاه السلس فقط. يحدد الأمر الثاني خصائص وقت التقويم للسلسلة. وهذا يجعل المؤامرة لديها محور أكثر وضوحا. وتأتي هذه المؤامرة. لسلسلة غير الموسمية، كنت أرينت ملزمة لتسهيل على مدى أي فترة معينة. للتجانس يجب تجربة مع المتوسطات المتحركة من نطاقات مختلفة. ويمكن أن تكون تلك الفترات الزمنية قصيرة نسبيا. والهدف من ذلك هو ضرب قبالة حواف خشنة لمعرفة ما الاتجاه أو نمط قد يكون هناك. طرق التمهيد الأخرى (القسم 2.4) يصف القسم 2.4 العديد من البدائل المتطورة والمفيدة لتمهيد المتوسط ​​المتحرك. قد تبدو التفاصيل مبهمة، ولكن هذا بخير لأننا لا نريد الحصول على تعثرت في الكثير من التفاصيل لتلك الأساليب. من الطرق البديلة الموصوفة في القسم 2.4، قد يكون لويس (الانحدار المرجح محليا) الأكثر استخداما. مثال 2 تابع المخطط التالي هو تمهيد خط الاتجاه لسلسلة البطالة في الولايات المتحدة، وجدت باستخدام لويس أكثر سلاسة حيث ساهم مبلغ كبير (23) في كل تقدير سلس. لاحظ أن هذا تمهيد السلسلة بشكل أكثر قوة من المتوسط ​​المتحرك. وكانت الأوامر المستخدمة هي البطالة (بدء التشغيل، بدء c (1948،1)، freq12) مؤامرة (لويس (ونيمبلوي، f 23)، الرئيسية لويس تمهيد لاتجاه الولايات المتحدة البطالة) واحد الأسي تمهيد معادلة التنبؤ الأساسية للتجانس الأسي واحد في كثير من الأحيان (1-ألفا) نص نتوقع أن تكون قيمة x في الوقت t1 مجموعة مرجحة من القيمة الملاحظة في الوقت t والقيمة المتوقعة في الوقت t. على الرغم من أن الطريقة تسمى طريقة التجانس، وهي تستخدم أساسا للتنبؤ على المدى القصير. وتسمى قيمة ثابت التمهيد. لأي سبب من الأسباب، 0.2 هو الخيار الافتراضي الشعبي من البرامج. وهذا يضع وزنا من 0.2 على الملاحظة الأخيرة ووزن 1 0.2 .8 على أحدث التوقعات. مع قيمة صغيرة نسبيا، فإن تمهيد تكون أكثر شمولا نسبيا. مع قيمة كبيرة نسبيا، والتجانس هو أقل نسبيا واسعة كما سيتم وضع المزيد من الوزن على القيمة الملحوظة. هذا هو بسيط من خطوة واحدة إلى الأمام طريقة التنبؤ الذي للوهلة الأولى يبدو لا يتطلب نموذجا للبيانات. في الواقع، وهذا الأسلوب يعادل استخدام أريما (0،1،1) نموذج مع عدم وجود ثابت. الإجراء الأمثل هو لتناسب نموذج أريما (0،1،1) إلى مجموعة البيانات المرصودة واستخدام النتائج لتحديد قيمة. هذا هو الأمثل بمعنى خلق أفضل للبيانات التي لوحظت بالفعل. على الرغم من أن الهدف هو تمهيد والتنبؤ خطوة واحدة إلى الأمام، فإن التكافؤ إلى أريما (0،1،1) نموذج لا تثير نقطة جيدة. لا ينبغي لنا تطبيق عمياء تمهيد الأسي لأن العملية الكامنة قد لا تكون على غرار جيدا من قبل أريما (0،1،1). أريما (0،1،1) ومعادل التماسك الأسي يعتبر أريما (0،1،1) بمتوسط ​​0 للفروق الأولى، شت - x t-1: يبدأ قبعة أمب شت theta1 وت أمب أمب شت theta1 (شت - t t) أمبير أمبير (1 theta1) شت - theta1hat تميل. إذا تركنا (1 1) وهكذا - (1) 1، نرى التكافؤ في المعادلة (1) أعلاه. لماذا يتم استدعاء الأسلوب تمهيد أسي ينتج عن ما يلي: بدء تشغيل أمب أمب ألفا شت (1 ألفا) ألفا x (ألفا) قبعة أمبير أمبير ألفا شت ألفا (1-ألفا) س (1-ألفا) 2hat نهاية متابعة في هذه الطريقة عن طريق استبدال تباعا للقيمة المتوقعة على الجانب الأيمن من المعادلة. وهذا يؤدي إلى: ألف ألفا شت ألفا (1-ألفا) x ألفا (1-ألفا) 2 × النقاط ألفا (1-ألفا) جك النقاط ألفا (1-ألفا) x1 تشير المعادلة 2 إلى أن القيمة المتوقعة هي المتوسط ​​المرجح من جميع القيم السابقة من هذه السلسلة، مع الأوزان المتغيرة بشكل كبير ونحن نعود إلى الوراء في هذه السلسلة. الأمثل الأسي تجانس في R في الأساس، ونحن فقط تناسب أريما (0،1،1) للبيانات وتحديد معامل. يمكننا فحص تناسب السلس من خلال مقارنة القيم المتوقعة إلى السلسلة الفعلية. تميل الأسي يميل إلى أن تستخدم أكثر كأداة التنبؤ من أكثر سلاسة، لذلك كانوا يبحثون لمعرفة ما إذا كان لدينا مناسبا. المثال 3. ن 100 رصد شهري لوغاريتم مؤشر أسعار النفط في الولايات المتحدة. سلسلة البيانات هي: أن أريما (0،1،1) تناسب في R أعطى ما (1) معامل 0.3877. وهكذا (1 1) 1.3877 و 1- -0.3877. معادلة التنبؤ الأسي للتنبؤ هي قبعة 1.3877xt - 0.3877hat t في الوقت 100، القيمة الملاحظة للسلسلة هي x 100 0.86601. القيمة المتوقعة لسلسلة في ذلك الوقت هو وبالتالي التوقعات للوقت 101 هو قبعة 1.3877x - 0.3877hat 1.3877 (0.86601) -0.3877 (0.856789) 0.8696 وفيما يلي مدى سلاسة يناسب سلسلة. انها مناسبة جيدة. ثاتس علامة جيدة للتنبؤ، والغرض الرئيسي لهذا أكثر سلاسة. هنا هي الأوامر المستخدمة لتوليد الإخراج لهذا المثال: أويليندكس مسح (oildata. dat) مؤامرة (أويليندكس، نوع ب، الرئيسية سجل النفط مؤشر السلسلة) إكسسموثفيت أريما (أويليندكس، ترتيب c (0،1،1)) إكسسموثفيت لمعرفة نتائج أريما تتنبأ أويليندكس - توقعت إكسسموثفيترزيدوالس القيم مؤامرة (أويليندكس، تيب، الأسي الرئيسي تمهيد سجل مؤشر النفط) خطوط (تنبؤات) 1.3877oilindex100-0.3877predicteds100 توقعات للوقت 101 ضعف الأسي التمويه ضعف الأسي تمهيد يمكن أن تستخدم عندما ثيريس الاتجاه (إما المدى الطويل أو المدى القصير)، ولكن ليس موسميا. وبشكل أساسي، تخلق هذه الطريقة توقعات من خلال الجمع بين التقديرات الملموسة أضعافا للاتجاه (ميل الخط المستقيم) والمستوى (أساسا، اعتراض خط مستقيم). يتم استخدام اثنين من الأوزان المختلفة، أو تمهيد المعلمات، لتحديث هذين المكونين في كل مرة. مستوى ممسود هو أكثر أو أقل يعادل تعادل الأسي بسيط من قيم البيانات والاتجاه السلس هو أكثر أو أقل يعادل تمهيد الأسي بسيط من الاختلافات الأولى. هذا الإجراء هو ما يعادل تركيب أريما (0،2،2) نموذج، مع عدم وجود ثابت يمكن القيام بها مع أريما (0،2،2) مناسبا. (1-B) 2 شت (1theta1B theta2B2) بالوزن. نافيغاتيونزوبيرسيكل منهجية توقيت الموسمية ل سب-500 تحديث النموذج 8211 21 أكتوبر 2013 استراتيجية طويلة الأجل (ستم L) أداء 1.7 مرة من سب-500 شراء أمبير عقد في حين أن استراتيجية طويلة وقصيرة (ستم لس) هو أي ما يعادل 3.1 مرة من عقد الشراء من طراز سب-500 منذ يناير 2009 (الجزء الأخير من الفترة 2007-2013 من فترة العينة). ونجح كلا النموذجين في أداء سب-500 لشهر أيلول / سبتمبر من شهر تشرين الأول / أكتوبر، و سب-500 ارتفع في هذه الأشهر. 1.BACKGROUND هذا هو نموذج التداول الاكتواري الكمي ل سب-500، وذلك باستخدام إحصاءات موسمية دورية دورية سنوية بحتة للتحكم إذا تم استثمارها في السوق أم لا. ولا توجد مقاييس تقنية تقليدية مستخدمة (المتوسطات المتحركة أو اتساع السوق) ولا توجد أي نماذج اقتصادية موحدة في تحديد الموسمية. النموذج هو في الواقع زوج يطلق عليه اسم ستم-L (نموذج الموسمية نموذج التداول فقط) و ستم-لس (الموسمية نموذج تجارة 8211 الأطوال والسراويل القصيرة). كلا النموذجين نشر نفوذ مرتين في حالات نادرة عندما ترى خوارزمية الإحصائية الاحتمالات إلى (أو الجانب السلبي) لتكون مواتية للغاية والانتقال إلى النقد عندما تظهر النتائج الإحصائية غير مؤكد. في الوقت الحالي، لا تزال خصائص المعلمات المستخدمة من قبل الخوارزمية مملوكة. يوفر ستم سوق الأسهم الشهرية 8220 موسمية قوة إشارة 8221 تتراوح من -2 إلى 2 لمدة تصل إلى عدة أشهر مقدما. تحدث جميع القرارات والإجراءات التجارية في آخر يوم عمل من الشهر التقويمي. هناك خاتمة في هذه القرارات، كما يتم مراجعة إشارة أبدا، وبما أنك تعرف موقف السوق يجب أن تتحمل مقدما والتاريخ الذي يجب تنفيذ الصفقة، يمكنك التخطيط وفقا لذلك. إن الارتباط بين إشارة الموسمية ومتوسط ​​العائد الشهري سب-500 اللاحق ملحوظ، والجدول أدناه يرشد إجراءات سوق الأسهم من شهر إلى آخر وفقا لذلك: وبصرف النظر عن توقعات عوائد مذهلة، لدينا مصلحة أخرى في نموذج ستم وهذا هو وقدرتها الملحوظة على الاعتماد بحتة على العوامل الموسمية لتوقع بدقة تحمل السوق وخطر الركود. السبب الرئيسي ستم تفوق على شراء وعقد هو أنه تمكن من تجنب أسوأ تقريبا من جميع الانكماشات الكبيرة في السوق منذ عام 1957. حقيقة أن أيا من المقاييس الموسمية المستخدمة في خوارزمية الاستدلال تخضع لأي مراجعات، يجعل هذا حتى أكثر جاذبية. حتى الآن كنا نعمل على التوسع في أساليب الاقتصاد القياسي التقليدي لتحسين توقعاتنا وقياسات الاحتمالات للركود، ولكن الآن بدأنا نفهم الدور المهم الذي يمكن أن تلعبه الموسمية في تعزيز هذا المسعى. حقيقة أن البحوث حول استخدام الطرق الموسمية للتنبؤ الركود هي جديدة نسبيا (وغير موثقة) يجعل هذا أكثر جدوى. هذا هو بالطبع اهتمامنا الرئيسي، مع توقيت السوق الفوائد الثانوية. 2. استراتيجية طويلة الأجل فقط في استراتيجية طويلة فقط، ونحن نقدا عندما تكون إشارة ستم أقل من 0.5 وفي مواقف طويلة سب-500 غير مستقر خلاف ذلك. العائد الإجمالي (تري) هو ببساطة نمو إعادة استثمار 1 منذ عام 1957، باستثناء تكاليف المعاملات، أرباح الأسهم أو الفوائد الواردة في حين نقدا. إلى جانب ارتفاع معدل الفوز، فإن المقياس الهام الآخر لأي نظام تداول هو نسبة الارباح (المعروفة أيضا باسم نسبة المخاطرة) والتي توضح عدد النقاط الفائزة في جميع الصفقات الفائزة مقسوما على عدد النقاط الخاسرة هناك في كل فقدان الصفقات. تتطلب خوارزميات التداول القوية على المدى القصير نسبة 3 إلى 5 على الأقل في حين أن نماذج الاستثمار يجب أن تكون على الأقل 10 إلى 1 أو أكثر. دعونا نتحقق الآن من مكاسب التجارة المتتابعة التي تم حجزها من قبل النموذج (لا تتضمن الرافعة المالية): يوضح لنا الرسم البياني أعلاه أن الأرباح والخسائر موزعة بالتساوي ولا تميل إلى أي عقد تاريخي واحد ولا تتغير في أي اتجاه واضح. هذا النوع من الاتساق المتكرر مهم في النماذج التاريخية طويلة المدى. أيضا من الأهمية بالنسبة لنا هو كيفية توزيع المكاسب والخسائر، وهو مبين أدناه. هذا له كل السمات المميزة لنموذج تجاري جيد. أكثر بكثير من أشرطة خضراء من أشرطة حمراء وقضبان خضراء أطول بكثير من أشرطة حمراء. عدد قليل من الخسائر والفائزين يغرقون الخاسرين في الحجم. تذكر، كل هذه العوائد هي مع عدم وجود الرافعة المالية. حقيقة أنه على مدى فترة زمنية طويلة من دورات الأعمال المتعددة، يمكننا باستمرار أداء-سب-500 بعامل 37 مرة، مع عدم وجود الرافعة المالية والتعرض فقط 55.6 لسوق الأوراق المالية (نقدا ل 44.4 من الوقت ) رائع حقا. ويوضح الجدول أدناه العائدات السنوية خلال العقود مقارنة مع سب-500. في حين أن ستم ليس لديها باستمرار سنوات أكثر إيجابية من سب-500 (عمود أعلى) ولا باستمرار لديها سنوات أفضل من سب-500 (أفضل عمود)، لديها باستمرار سنوات سلبية أقل بكثير وهذا هو المسؤول الأول عن ضخمة خارج الأداء من شراء وعقد. في المتوسط، حوالي مرة كل 6 أشهر (حوالي 17 من الوقت)، ستم يرى الظروف إحصائيا 8220highly مواتية 8221 حيث احتمالات شهر إيجابي تتجاوز 80 وحيث مكاسب تاريخية تتجاوز الخسائر التاريخية من قبل أكثر من 9-إلى - 1. ستم يظهر قوة إشارة 1.25 وأكثر لهذه 8220Power شهرا 8221، ونموذج يرفع مرتين (نفوذ 2 مرات) خلال هذه الأشهر. وكلما ارتفعت إشارة ستم كلما زاد مؤشر 8220Power8221 عن العوائد المتوقعة ومقاييس الربح إلى الخسارة. هذه الأشهر (التي ليست هي نفس الأشهر من كل عام) ترفع بشكل فعال نسبة الربح الإجمالية للنموذج منذ عام 1957 من 10 إلى 15. وهذا يعني إدخال الرافعة المالية خلال تخفيضات نموذج الطاقة لمدة شهر بدلا من رفعها كما يتوقع المرء . لمثل هذه الفترة القصيرة من الوقت الذي يتم رفعه حتى، دفعة في المكاسب مذهلة، وتقديم أقل بقليل من 973 أضعاف مجموع العائد التراكمي من شراء أمبير عقد: التوزيع الإحصائي لل سب-500 عوائد أون-ليفيرد الشهرية على 114 يتم عرض أشهر الطاقة التي واجهها النموذج منذ عام 1957 أدناه. فقط مضاعفة العوائد في الرسم البياني للحصول على وجهة نظر على عوائد الرافعة الفعلية النموذج قد تم صنع خلال 8220Power8221 أشهر في السؤال. وتشمل عوائد التجارة الزمنية المبينة أدناه عوائد الأشهر المستدانة التي قد تكون موجودة في تجارة معينة. في بعض الأحيان قد تصل إلى ثلاثة أشهر رافعة في واحدة معينة التجارة ستم لعدة أشهر والتي لها تأثير على زيادة عوائد التجارة الفردية بشكل ملحوظ: لإظهار حقا قوة الأشهر المديونية، والنظر في توزيع عوائد التجارة الإحصائية من ليفيرد مقابل استراتيجيات غير مستغلة: من أهم اهتماماتنا الآن هو أن إدخال النفوذ عند نقاط مختارة (17 فقط من الوقت) يضعف خاصية السحب من النموذج. يظهر الرسمان التاليان كيف أن إدخال الرافعة المالية 2x عند نقاط مختارة جدا في الوقت المحدد (فقط 114 شهرا استفادت من إجمالي 681 شهرا منذ عام 1957) له تأثير ضئيل تقريبا على عمليات السحب التي تشهد على العائدات القوية والمتسقة أن يكون خلال 8220Power month8221: أبرز مقدمة من السحب الإضافية غير المرغوب فيها نتيجة لالرافعة هو عام 1978، ولكن هذا هو المثال الوحيد من نتائج أكثر غير مرغوب فيه بشكل ملحوظ. ملاحظة هامة على سحب المتداول 8211 أعلاه والرسوم البيانية أدناه تنظر فقط المتداول ويندوز 12 شهرا بينما في كثير من الحالات تحمل الأسواق يمكن أن تستمر لمدة تصل إلى 18 شهرا. ما تبينه كل من الرسوم البيانية أعلاه هو أن الحد الأقصى للتعادل على ستم (أون-ليفيرد) كان 15.7، وكان الحد الأقصى على ستم (ليفيرد) 15.8 والحد الأقصى ل سب-500 شراء وعقد هو المعدة متقلب 47.5. أيضا، حقيقة أن كل سب-500 تحمل السوق تقريبا كان مصحوبا انخفاضات كبيرة بشكل كبير للنموذج الموسمية يثبت وراء ظل من الشك أن فترات من الأداء الضعيف لفترات طويلة في أسواق الأسهم في الولايات المتحدة لديها عامل موسمية ذات دلالة إحصائية المرتبطة بها . يتم عرض أداء العقد تلو الآخر من ستم استراتيجية طويلة فقط مع الرافعة بويرمونث أدناه. بالإضافة إلى تحريك عوائد تصل إلى حد كبير، والأعمدة أفضل وأعلى تظهر تحسنا كبيرا على جدول طويل الأجل غير مستقر 8217s: 4. تقصير السوق من الجدول قوة موسمية إشارة في القسم 1 نرى أنه من الناحية الإحصائية يستحق الخاص بك بينما تقصير عندما تكون إشارة ستم أقل من أو تساوي -0.25. في الواقع، عندما تكون إشارة أقل من أو تساوي -0.5 يصبح حالة مقنعة لاستخدام الرافعة المالية على المدى القصير منذ هذه الأشهر تتميز خسائر أكثر من 80 من الوقت ونقاط الفوز على الصفقات الخاصة بك سوف تتجاوز نقاط الخسارة من قبل عامل من 6 إلى 1 أو أكثر. وكلما قلت قراءة ستم، كلما كانت الحالة الإحصائية أكثر إقناعا في صالح تقصير سب-500، وبالتالي كلما كان أكثر قابلية للاستمرار هو إدخال النفوذ. وتبين الإحصاءات أدناه كيف أن إدخال الاختصار إلى استراتيجية 8220Longs فقط مع باور Zones8221 يقلل من المخاطر في الواقع مع زيادة العائدات. ويبرز ذلك بشكل ملحوظ في التحسن الملحوظ في النسبة الإجمالية للربح للاستراتيجية التي تضاعفت تقريبا. ومن المهم أن نلاحظ أن التقصير من تلقاء نفسها، في حين أن استراتيجية قابلة للحياة ومربحة، لديها فقط 72 معدل فوز ونسبة الخسارة 8: 1 خسارة. ومع ذلك، فإن إدخال السروال جنبا إلى جنب مع المواقف الطويلة التي تشكل التجارة الموسمية مستمرة متعددة أشهر واحد هو حيث يحدث السحر، لأنه إذا كان من الخطأ على ما يرام، فإن المكاسب الإجمالية على الصفقات الطويلة استيعاب الخسائر القصيرة، ونائب بالعكس. تتكون الصفقات المذكورة أعلاه من 125 فصلا منفصلا في السوق، يتكون كل منها من عدة أشهر متجاورة مع عدة مراكز طويلة أو قصيرة كما تمليه مخطط إشارة ستم. ويفصل كل صفقة شهر واحد على الأقل من النقد. في اللحظة التي ننتقل إلى النقد تعتبر التجارة الحالية الانتهاء. تظهر مكاسب التجارة المتسلسلة أدناه، ويمكنك أن ترى أنها أعلى بكثير من الاستراتيجيات الطويلة فقط، وخاصة عندما يكون سب-500 في سوق الدب الطويل أو هناك ركود: فرز الصفقات أعلاه من منخفض إلى مرتفع يعطي لنا فكرة عن منحنى توزيع التجارة ومن ثم توقعا إيجابيا من الاستراتيجية: 5. الثور اختبار أداء السوق واحد اختبار ليتموس كبير لنموذج التداول، وخاصة على مستوى 8220macro على مستوى 8221 واحد الذي يحاول تجنب السحب الكبيرة، والأسواق تحمل والركود هو قدرته على التفوق على شراء وشراء في سوق الثور الهائج. إن العديد من نماذج المستوى الكلي (مثل مؤشر الصحة المركب للسوق أو مؤشر سمهي) الذي ينشر متوسطات متحركة تقليدية ومؤشرات فنية أخرى لديها القدرة على تجنب مناطق الضرر الرئيسية ولكن دفع الثمن في التأخير في العودة إلى المراحل الأولى من سوق الثور التي تستتبع ذلك. سوف يفاجأ بكمية هذا الكعب أخيل يضعف الأداء منذ جزء كبير من المكاسب التي يمكن أن يكون في أي سوق الثور تنشأ من أول 30 من وجودها. في كثير من الحالات، يقبل التجار أن نماذج التوقيت الخاصة بهم قد لا تتفوق على شراء السوق الثورية، مع الأخذ في الاعتبار فقدان الكفاءة 8220insurance8221 لديهم لدفع لتجنب الوقوع في التصحيحات الكبيرة التي تسبب كل الأضرار. قامت شركة ستم باستمرار بإجراء شراء سب-500 في 75 من أسواق الثور التي تم النظر فيها، مع عرض عام 2009 الموضح أدناه في 20 أكتوبر 2013: يتم تحديث الرسم البياني أعلاه يوميا لمشتركينا في قائمة تشارتس الحية، ويظهر كيف، حتى 20 أكتوبر 2013، كانت استراتيجية طويلة فقط نفذت سب-500 بنسبة 1.7 مرات والاستراتيجية قصيرة طويلة بنسبة 3.1 مرات. فالخطوط المنقطة الرقيقة هي ببساطة نموذج نموذج التوقيت مقسوما على نموذج سب-500 لمعرفة عدد المرات التي نفذ فيها النموذج عملية الشراء والاستمرار. عندما تتحرك الخطوط المنقطة إلى أعلى، فهذا يعني أن نموذج توقيت هو أداء أداء شراء وشراء، وعندما تنتقل الخطوط المنقطة إلى أسفل، فهذا يعني أن نموذج توقيت هو أداء أقل شراء وشراء. نحن بحاجة إلى رؤية خطوط منقط صعودا أكثر من أنها تنخفض، وتبين ارتفاع من أسفل اليسار إلى أعلى يمين الرسم البياني، وإلا فإن نماذج توقيت لا يستحق هذا الجهد. وترد أدناه إحصاءات التجارة الفردية للفترة المذكورة أعلاه. سيكون من الآمن القول بأن كلا الاستراتيجيتين لا تؤديان إلى توقعات نموذجية من منظور سعر الربح والربح، بالنظر إلى أن سب-500 قد حقق تراجعا قدره 2.1 أو 112 مكاسب مقابل المكاسب 262 و 553 المبينة في الجدول. في حين أن عودة 262 من ستم-L مقابل 112 من شراء وحجز قد لا يبدو الكثير لكتابة المنزل عن، يجب أن نعلم أن حقيقة أن ستم-L استثمرت فقط في سوق الأسهم 55.2 من الوقت إذا كان علينا أن نعدل العائد ستم إلى أخذه إلى مخاطر مماثلة من 100 تعرض السوق من نموذج شراء وعقد، ثم ستم-L تسليم 26255100476 العودة لمكافأة شراء وشراء الأوراق المالية التعرض. 6. تقييم أداء سوق الدب سوف نقوم الآن بدراسة أداء نموذج ستم فيما يتعلق ببيع وشراء سب-500 والركود الماضي وتحمل الأسواق. المثال الأول يغطي الركود الكبير. ونرى أن مؤشر سب-500 قد شهد تراجعا من القمة إلى الحوض عند 52.6 في حين أن مشتقات ستم انخفضت فقط من 14.7 إلى القمة. تقريبا كل نموذج موسمية موثقة معروفة عانى في حادث تحطم عام 2008 ولكن ستم عانى من سحجات طفيفة. في نهاية اليوم، خرجت ستم من الركود مع المزيد من المال في البنك أكثر بكثير من شراء وشراء وقد صمدت أقل بكثير من الهبوط الأمعاء السحب. ننظر الآن إلى المتوسط ​​المتحرك ل 12 شهرا ل سب-500 والذي كان سيجعلنا نتعامل مع الركود ويعودنا مباشرة بعد انتهاء الركود. في حين أن المتوسط ​​المتحرك كان من شأنه أن يتجنب الخسائر التي حققتها ستم-L كان من الممكن أن يكون قد غاب عن التجارة الكبيرة في الحوض الصغير للدورة التجارية. هذا هو شائع مع المتوسطات المتحركة (أنها تعود في وقت متأخر جدا) ويضعف عائدات بشكل كبير منذ الصفقات القليلة الأولى في الحوض دورة الأعمال وعادة ما يكون الجزء الأكبر من المكاسب التي ينبغي أن يكون. وفيما يلي عام 2000 إلى 2002 الدب السوق و 2001 الركود. في هذه الحالة على حد سواء نماذج ستم التفوق على شراء وعقد، وتسلق خلال مسار السوق الدب وتعاني من سحب لا تذكر. مرة أخرى، نرى أن المتوسط ​​المتحرك لمدة 12 شهرا للأسعار الشهرية سب-500 كان من شأنه أن يجعلنا من السوق الدببة تماما، لكنه كان متخلفا تماما في العودة مرة أخرى، وفقدان مكاسب 19.5 قبل أن يتسلق مرة أخرى إلى السوق . في هذا المثال تفوقت ستم بشكل شامل على استراتيجية المتوسط ​​المتحرك. ونحن ننظر الآن إلى شيء مختلف 8211 أي حادث بدلا من سوق الدب أو الركود. ويشير الاثنين الاسود الى يوم الاثنين 19 اكتوبر 1987 عندما تحطمت اسواق الاسهم فى جميع انحاء العالم مما ادى الى خسائر ضخمة فى وقت قصير جدا. وقد بدأ الحادث فى هونج كونج وانتشر غربا الى اوروبا حيث وصل الى الولايات المتحدة بعد ان انخفضت الاسواق الاخرى بهامش كبير. وتشمل الأسباب المحتملة التي استشهد بها التراجع تجارة البرنامج، والإفراط في التقييم، وانعدام السيولة، وعلم النفس في السوق. ولكن ما لا يتحدث عن الكثير هو أن هذه الفترة الزمنية في المرتبة سيئة من الفترة الموسمية. وعلى الرغم من أن الموسمية الفظيعة نفسها لم تكن مسؤولة عن الحادث، إلا أنها تركت الأسواق الأمريكية معرضة للخطر، وبالتالي صدمت صدمة خارجية بسبب الموسمية غير المواتية. لقد وجدنا القليل جدا من نماذج توقيت السوق الفنية الموجهة نحو التقنية التي تمكنت من التنبيه إلى تحطم 821787 (كان التحطم والانتعاش اللاحق سريعا جدا) ولكن أبحر ستم من خلال ذلك كما هو مبين أدناه. كما ترون، فإن المتوسط ​​المتحرك لمدة 12 شهرا لل سب-500 خرج من السوق عندما كان الأسوأ قد انتهى ثم شرع في تفويت على انتعاش لاحق 8211 حقيقية مزدوجة الضربة. بدأت ستم البقاء واضحة من السوق قبل 3 أشهر من الحادث و مسمر أيضا دخول القاع تماما. عادت Let8217s إلى الركود مع مثال 1974 أدناه. As with the 2008 great bear market, STM experienced one-third the peak-to-trough draw-down of the SP-500 whilst entering the new economic expansion with considerably more funds in her equity account that the buy-and-hold investor. The 12-month moving average of the SP-500 again got us deftly out the way of the bear market but got crucified by missing out on about three-quarters of the rapid 49.9 market rebound. You will also see that we had a Death-month followed straight after with a PowerMonth which considerably boosted returns of the STM LS strategy. Note how the STM models nailed the bottom entry perfectly. The final bear market we cover in detail tells much the same story 8211 agonizing 32 draw-down for the SP-500 and only 4.9 for the STM models. Again, the 12 month moving average appears to allow us to skirt the bear market but is tardy in getting us back in again on the sharp rebound. The STM models enters the new business cycle expansion with equity accounts considerably larger than the buy and hold investor. We have covered 5 large corrections in detail but there are approximately 9 in total since 1957 that all tell a very similar story. The fact that virtually every SP-500 bear market was accompanied by dramatically lower draw-downs for the seasonality models proves beyond a shadow of doubt that periods of protracted poor performances on the U. S stock markets have a statistically significant seasonality factor associated with them . Lest you let the above charts tempt you to run your investment program on a 12-month moving average of the SP-500, be warned that such a strategy delivers only 1.4 times the performance of the buy-and-hold at best as it suffers from false alarms (whipsawing) and late re-entries that significantly impair overall long run returns. The charts we showed you of the big bear markets paint the moving average in a very good light. Whilst it is true that every recession was presaged by a dip of the SP-500 below her 12-month moving average the converse is not true 8211 i. e. every dip of the SP-500 below the average did not result in a recession or bear market 7. STM Signals STM provides a monthly stock-market 8220 Seasonality Strength Signal 8221 ranging from -2 to 2 for up to several months in advance. All trading decisions and actions occur on the last working day of the calendar month. There is finality in these decisions, as the signal is never revised, and since you know the market position you should assume in advance and the date you must execute the transaction, you can plan accordingly. The correlation between the Seasonality Signal and subsequent SP-500 average monthly returns is remarkable and the table below guides your month-to-month stock-market actions accordingly: Let us examine the SP-500 return distributions for each of the 8220Death-zone8221, 8220Bearish Zone8221, 8220Bullish Zone8221 and the 8220Power Zone8221 months respectively. The tables below shows the distribution of SP-500 un-levered monthly returns. With the recommended leverage for Power-zones and Death-zones, the monthly gainslosses would have been double those shown below: The 8220Power Months8221 occur only 17 of the time but are truly not to be missed since over 85 of these months land up being positive on the SP-500 with an average un-leveraged gain of some 3.2. But what is more important is that the cumulative percentage points of all the positive months were over 12 times more than the cumulative percentage points for all the losing months This gives a riskreward ratio of over 12 times, meaning for every percentage point you lose in one Power Month, you will claw-back 12 on a subsequent Power Month This is why we recommend a 2-times leveraged position to take advantage of this high positive expectancy during these periods. Also note that whilst a great deal of the returns of the seasonal strategy come from trades conducted during the 8220Bullish Zone8221 months you must note that a sizable chunk of the months (some 32) lead to losses, sometimes of up to 10. This is why we call seasonal strategies 8220blunt instruments8221 8211 they are never perfectly right all the time but if you stick with them long enough they are mostly right and the returns of the right trades will eventually swamp the losses of the wrong trades (by a factor of 2.8-to-1 as the chart shows.) This is why you should not be the least bit surprised if the model shows a bullish month and it lands up being a negative month. Pinpoint month-by-month accuracy is not the objective here 8211 this is a game of attrition 8211 and with the odds on your side, provided you play long enough you will come out ahead. Do not let the losses in the Bullish Zone chart concern you 8211 remember, this chart shows the distribution of individual SP-500 monthly returns . which from a STM trade basis is not really of your concern since most STM trades will consist of 2 to 6 months strung together. That is why individual STM trades, composed of many months of various seasonality signals have an expectancy of over 80 and 28:1 gainloss ratios. With regards the 8220Bearish Zone8221, it is interesting to note that the statistical expectancy (win, gainloss ratio) of these months to the downside is almost identical to those months to the upside for the 8220Bullish Zone8221. Thus you have equal odds making money on the shorts in one particular month as you have making money on the longs in a bullish month. The 8220Neutral Months8221 are interesting. They are an equal mix of very negative and equally positive returns. There is a slight statistical negative expectancy on the left hand chart below (when STM0) and almost no statistical expectancy on the right chart below (when STM 0.25) 8211 and that8217s why the model prefers to stay in cash. Again, the distribution of SP-500 un-levered monthly returns during periods when the STM model is showing a 822008221 or 82200.258221 signal shows that there is an almost equal probability you will count your blessings for dodging a huge correction or curse your luck for being in cash when the market rallies hard. The reason cash is preferred in the neutral state is that if the market corrects hard, then you8217ve avoided some losses, but if the market rallies hard and you are in cash then all you have lost is opportunity and not real hard cash out of your trading account. There is a difference In the absence of any desirable statistical expectancy either way the model plays it safe and tucks away in cash. Do not confuse the neutral zone with neutral returns on the SP-500 8211 on the contrary returns can be volatile - and in any direction - during these periods, as shown on the above charts. It8217s just that in the absence of compelling odds in our favor (from a purely seasonal sense) for shorts or longs, we take the safe route to cash to fight another day. 8. STM Signal Strategy Options: The various ways you can execute the STM signals are shown below. The 8220Long-only8221 strategy goes long when the signal is gt0.25 (but uses no leverage) and is in cash otherwise. The 8220LongShort8221 does the same as the 8220Long-only8221 but also shorts when the signal is less than or equal to -0.25. The leveraged strategies deploy additional 2x leverage whenever the STM signals a PowerMonth or a Death Zone month. Note how the longs-only strategy, deploying leverage during the high-confidence Power Months actually beats the longsshorts (un-leveraged) strategy. This is the recommended strategy if you are unfamiliar, uncomfortable or incapable (due to your fund mandate) of shorting the market. 9.STM Live Signal Charts The STM strategy is live on the CHARTS menu for subscribers as a separate menu-tab 8220STM8221 next to the SP500 Market Timing Project. CMHI. Great Trough. Zweig Redux and the Selling Pressure tabs. It will provide a daily update of the SP500, the STM signal looking forward 6 months (the example below only shows 1 month forward), the projected returns as well as all LONGCASHSHORT and Power signals in a rolling 6 year window. Tall green shading (2) indicates Power Months, shorter green shading (1) indicates normal long months, normal red shading (-1) indicates shorting months and tall red shading (-2) indicates Death-zone months and no shading (0) represents months in cash. Hovering your mouse over any month will raise a tool-tip on the screen with the actual values for STM signal, SP-500 and the suggested position you should be taking. You can also click on the round blue 8220i8221 icon for more help when viewing the chart. Clicking on the 8220STM-TRI8221 tab provides a daily updated performance comparison of the long strategy (STM-L) and the longshort strategy (LS) versus the SP-500 since January 2009. The red dotted line is the total return index (equity account) of the longshort model divided by that of the SP-500 and the green dotted line is the TRI of the long-only model versus the SP-500. When these dotted lines are rising it means the respective seasonality model is out-performing the SP-500 and when the lines are falling it means the models are under-performing the SP-500. Hovering your mouse over any month will reveal a tool-tip with all the relevant values. As shown below, the tooltip is telling us that as at 21 October 2013, the long-only strategy turned 1 into 3.51 (a 251 gain since January 2009) and it has grown its account to 1.7 times that of the buy-and-hold (8220LONG REL8221). It is telling us the recommended position for October is 822008221 or CASH. You can see the SP-500 rose in October whilst both models were in cash and thus the seasonal models UNDER-performed the buy and hold as shown by the falling dotted lines from September to October. We see from the above chart that a 822018221 (normal un-levered long) position is recommended for November. In the subscriber version the chart shows up to 6 months in advance. This is very useful as this is a dynamic heuristic seasonal model meaning a position taken on one month is not usually the same position taken for that month every year. 10. Some techniques of use It is important to not use the STM Seasonality signal literally for all your stock market operations. Just because STM is forecasting a bearish 3 or 6 months does not mean you must liquidate all your investments Seasonality models are 8220blunt instruments8221 and despite their stellar returns, there are plenty of wrong way calls on the way to high returns. You can either elect to use the STM Seasonality signal as a 8220backdrop8221 signal to tell you if the stock market is likely to encounter headwinds or tailwinds, or you can trade it separately as one of many strategies in your arsenal. For more details on how we recommend you do this, read our article 8220Market Timing amp Recession Models 8211 Putting it all together. 8220 If you see a bullish few months. or even if you are lucky enough to see a Power-month coming up the next month, and we are in or have just seemingly rebounded from a reasonably sized (5 or more) correction, then you know you have an even better chance of making a success from the trade. If however the market has run up very strongly during what were supposed to be weak months then you will be more circumspect on the odds offered by upcoming bullish seasonal periods. We are commissioning further research to improve accuracy of the STM signal based on the prior rise or fall of the SP-500 2-3 months before the month being forecast, but for now you must make your own judgments on this matter. Alternatively, just follow the model blindly as done with the back-tests described in this document. You can implement 8220leverage8221 on the STM Power months and Death-zone months in one of four ways: Deploy derivatives or futures contracts on the SP-500 where a margin (deposit) will be required that is much smaller than the amount being exposed (placed) in the market Double your normal 8220bet size8221 8211 place 2 contracts in the market on Power months instead of the normal one you may use (as an example if you never bet your entire account on a trade) Bet half your account on the un-levered months and deploy the full amount on the leveraged Power months. Only trade the SP-500 on the Power months All of the above options are valid for taking advantage of the extra positive statistical outcomes provided by the Power months. 11. Conclusion There is an undeniable, long term persistent seasonality element inherent in the U. S stock markets. The STM timing model extracts 80 of these seasonal trends to produce a low risk high-reward trading model. We did not include the 2007-2013 period in STM8217s repertoire of data for its probability modelling and the performance of the model in the out-of-sample period has exceeded all expectations. However, as with any model, the decisions are based on statistical probabilities taken from past market behavior and seasonal tendencies are not guaranteed to continue persisting into the future, since past returns are no guarantee for future outcomes. However, other than having a true crystal ball that can gaze into the future, probability outcomes are our next best option. We aim to complete further research into the use of the STM in recession forecasting as well as the introduction of the Recession Forecasting Ensemble (RFE) components into the STM trading model to virtually eliminate all the bad trades STM concluded in bear markets. It makes no sense to be trading with STM if the RFE is on high alert for recession for example. This will considerably improve the winning rates for STM. For now, the STM models are offered at no additional cost for current subscribers until we complete at least a year of out-of-sample trades. About Dwaine Van Vuuren