Indicatori: Moving Mean, Running Mean e Running Variance





Moving Mean

Con il termine “moving mean” (media mobile) si indica uno strumento costruito per l’analisi delle serie storiche. In ambito economico le medie mobili vengono utilizzate nell’analisi tecnica, in cui si studia l’andamento dei prezzi dei mercati finanziari e consentono infatti ai trader di capire qual è l’andamento dei prezzi nel corso del tempo. Questi indicatori smorzano l’andamento delle osservazioni e rappresentano un andamento “di fondo”, privo di rumore. Esistono molti tipi di medie mobili, ognuna con i suoi pro/contro. Qui facciamo l’esempio della media mobile semplice, che può essere calcolata con la seguente formula:



Con questa formula possiamo calcolare una media mobile a K termini partendo dall’istante t.

Running Mean e Running Variance

Stiamo parlando di due indicatori che consentono di aggiornare media e varianza di una lista di osservazioni man mano che nuovi valori si aggiungono ai dati considerati, pensiamo ad esempio alla ricezione di prezzi in tempo reale. I due indicatori possono essere calcolati con le seguenti formule ricorsive




Vediamone la sintassi in VB.net in cui si calcola running mean e running variance di una serie storica di prezzi:
Mostriamo un codice VB.NET che implementa il calcolo della running mean e della running variance.


RUNNING MEAN & RUNNING VARIANCE- PREZZO BID


ListaRunningMean = New List(Of SingolaOss)


ListaRunningVariance = New List(Of SingolaOss)


Dim RunningMean As Decimal = 0


Dim RunningMean_PassoPrecedente As Decimal = 0


Dim RunningVariance As Decimal = 0


Dim RunningVariance_PassoPrecedente As Decimal = 0


Dim Passo As Integer = 0


For Each oss As SingolaOss In ListaBID


Passo += 1


RunningMean = RunningMean_PassoPrecedente + (oss.Prezzo - RunningMean_PassoPrecedente) / Passo


RunningVariance = RunningVariance_PassoPrecedente + (oss.Prezzo - RunningMean_PassoPrecedente) * (oss.Prezzo - RunningMean)


Dim OsservazioneMedia As New SingolaOss


With OsservazioneMedia


.Istante = oss.Istante


.Prezzo = RunningMean


End With


Me.RichTextBox1.AppendText("prices:" & oss.Prezzo & "mean:" & Math.Round(RunningMean, 2) & "var:" & Math.Round(RunningVariance, 6) & Environment.NewLine)


Dim OsservazioneVarianza As New SingolaOss


With OsservazioneVarianza


.Istante = oss.Istante


.Prezzo = RunningVariance


End With


ListaRunningMean.Add(OsservazioneMedia)


ListaRunningVariance.Add(OsservazioneVarianza)


RunningMean_PassoPrecedente = RunningMean


RunningVariance_PassoPrecedente = RunningVariance


Next

Commenti

Posta un commento

Post popolari in questo blog

Il moto browniano geometrico

Immagine
Il moto browniano geometrico (a volte detto moto browniano esponenziale) è un processo stocastico in tempo continuo in cui il logaritmo della quantità variabile nel tempo segue un moto browniano, o, forse più precisamente, un processo di Wiener. Il processo è ritenuto appropriato per modellizzare alcuni fenomeni dei mercati finanziari. In particolare, tale processo assume particolare rilevanza in ambito finanziario, in particolare nell’option pricing, in quanto nel modello di Black-Scholes-Merton viene ipotizzato che il prezzo dell’azione sottostante segua un tale processo. Il moto browniano geoemetrico soddisfa la seguente equazione differenziale stocastica: dove è un moto browniano standard e , il drift percentuale istantaneo, e , la volatilità percentuale istantanea, sono costanti reali. L’equazione ha una soluzione analitica nella forma: La variabile aleatoria ha distribuzione Normale con media e varianza . Segue il codice in VB.NET per generare una serie storica dei p
Continua a leggere

Resampling dei dati

Immagine
Il Resampling , anche detto ricampionamento dei dati, rappresenta un'interessante procedura inferenziale che permette di aumentare il potenziale informativo di un campione attraverso l'estrazione di sottocampioni dello stesso. In statistica, con i metodi di resampling dei dati o di ricampionamento si indicano differenti metodi per: stimare la precisione di campioni statistici (mediana, varianza, percentili) usando sottoinsiemi dei dati o scelti casualmente mediante sostituzioni a partire da un insieme dei dati; scambiare etichette sui dati quando si eseguono test di significatività; confermare modelli usando sottoinsiemi casuali. Si può quindi distinguere tra metodi basati sull’estrazione casuale di sottoinsiemi dei dati campionari e metodi nei quali il resampling avviene secondo una procedura non randomizzata.  Appartengono alla prima categoria il bootstrap e sue varianti come il subsampling .  Rientrano invece nella seconda procedure come il jackknif
Continua a leggere

Generazioni di variabili aleatorie

Immagine
Sono detti numeri pseudo-casuali (in inglese pseudo-random numbers ) i numeri generati da un algoritmo deterministico che produce una sequenza con, approssimativamente, le stesse proprietà statistiche di una sequenza di numeri generata da un processo casuale. Tale algoritmo è detto generatore di numeri pseudo-casuali (PRNG, dall'inglese pseudo-random numbers generator ). Le sequenze di numeri pseudo-casuali vengono solitamente generate da un computer e utilizzate per algoritmi basati su processi casuali, come i metodi di tipo Monte Carlo o le applicazioni di crittografia. Quando invece occorrono sequenze di numeri realmente casuali, si utilizza un generatore hardware di numeri casuali. La classe Random nel linguaggio VB Net rappresenta un generatore di numeri pseudo-casuali, ovvero un dispositivo che produce una sequenza di numeri che soddisfano determinati requisiti statistici di casualità. La sintassi è la seguente: VB <SerializableAttribute> <ComVisi
Continua a leggere