Czym jest przykład obliczeniowy SMA? (Proste, weryfikowalne wyliczenie)
Bezpośrednia odpowiedź
Przykład obliczeniowy SMA (prostej średniej kroczącej) to obliczenie krok po kroku, w którym wybierasz rozmiar okna N, podajesz wartości wejściowe i obliczasz średnią z ostatnich N wartości w każdym punkcie.
Kluczowym wymogiem weryfikowalnego przykładu jest podanie wszystkich założeń: rozmiaru okna, dokładnych liczb wejściowych oraz sposobu, w jaki „na każdym kroku” jest dopasowane do danych, które uśredniasz.
Mechanizm lub definicja
SMA oznacza prostą średnią kroczącą (Simple Moving Average). „Prosta” oznacza, że używa nieważonej średniej arytmetycznej (wszystkie N wartości liczą się równo).
Definicja (czas dyskretny): jeśli masz ciąg wartości (x_1, x_2, \dots), to SMA z oknem o rozmiarze N w czasie t (gdzie (t \ge N)) wynosi: [ \text{SMA}t = \frac{x{t-N+1}+x_{t-N+2}+\dots+x_t}{N} ] Założenia, które musisz jawnie podać w każdym przykładzie obliczeniowym:
- Rozmiar okna N (ile ostatnich wartości jest uśrednianych).
- Dokładny ciąg wejściowy (x_t).
- Reguła dopasowania (SMA_t używa wartości kończących się na t, więc jest „oparta” na ostatnich N wartościach, w tym bieżącej).
Dowód lub przykład
Przykład liczbowy z podanymi wszystkimi założeniami.
Założenia:
- Rozmiar okna: N = 3.
- Wartości wejściowe (w kolejności występowania):
- x1 = 10
- x2 = 12
- x3 = 14
- x4 = 13
- x5 = 15
- Dopasowanie: SMA jest obliczane w każdym czasie t ≥ 3 przy użyciu ostatnich 3 wartości kończących się na t.
Obliczenia:
- SMA3 = (x1 + x2 + x3) / 3 = (10 + 12 + 14) / 3 = 36/3 = 12
- SMA4 = (x2 + x3 + x4) / 3 = (12 + 14 + 13) / 3 = 39/3 = 13
- SMA5 = (x3 + x4 + x5) / 3 = (14 + 13 + 15) / 3 = 42/3 = 14
Istotne ograniczenie pokazane przez mechanikę tego przykładu:
- SMA zaczyna się dopiero, gdy jest co najmniej N wartości (tutaj, przy t=3). Wcześniejsze punkty nie mają zdefiniowanej wartości SMA, chyba że dodasz regułę (na przykład uzupełnianie lub użycie mniejszych okien). Każda taka reguła zmienia wyniki.
Ograniczenia i ryzyka
SMA to matematyczna transformacja danych historycznych, a nie gwarancja przyszłych ruchów.
Typowe ograniczenia, które należy zrozumieć przed użyciem SMA w jakiejkolwiek analizie:
- Opóźnienie (lag): ponieważ SMA uśrednia ostatnie N wartości, generalnie reaguje wolniej niż najnowsza wartość. Przy N=3 każda zmiana musi pojawić się w kilku punktach, aby znacząco wpłynąć na średnią.
- Wrażliwość na okno: różne wartości N dają różne ścieżki SMA. Krótkie N szybciej śledzi zmiany; długie N bardziej wygładza, ale może ukrywać punkty zwrotne.
- Zależność od danych i przetwarzania wstępnego: wyniki SMA zależą od dokładnie tego, co uśredniasz (np. surowe wartości vs. skorygowane wartości) oraz od sposobu obsługi brakujących danych lub nieregularnego próbkowania.
- Tryb awarii podczas zmian reżimu: gdy podstawowy wzorzec w ciągu wejściowym zmienia się gwałtownie, średnia krocząca może pozostać „pomiędzy” stanami, ponieważ odzwierciedla mieszankę starych i nowych wartości.
- Brak trwałości historycznej: nawet jeśli zachowanie SMA pasowało do przeszłych wzorców w wybranych danych, nie dowodzi to, że ta sama zależność się powtórzy.
Weryfikacja lub kolejne pytanie
Możesz niezależnie zweryfikować przykład obliczeniowy, przeliczając SMA przy użyciu tych samych podanych założeń (N=3, dokładne wartości wejściowe 10, 12, 14, 13, 15 oraz dopasowanie, że SMA_t używa ostatnich N wartości kończących się na t).
Kolejne przydatne pytanie brzmi: jaki rozmiar okna N zmienia wygładzenie i opóźnienie dla Twojego konkretnego zbioru danych? Każda odpowiedź powinna nadal podawać założenia (N i ciąg wejściowy), aby obliczenie pozostało powtarzalne.