Weighted moving average statistics

Calculando a diferença entre a média móvel ea média móvel ponderada A média móvel de 5 períodos, com base nos preços acima, seria calculada usando a seguinte fórmula: Com base na equação acima, o preço médio durante o período listado acima foi de 90,66. Usando médias móveis é um método eficaz para eliminar flutuações de preços fortes. A principal limitação é que os pontos de dados de dados mais antigos não são ponderados de forma diferente dos pontos de dados próximos ao início do conjunto de dados. Este é o lugar onde médias ponderadas móveis entram em jogo. As médias ponderadas atribuem uma ponderação mais pesada a pontos de dados mais atuais, uma vez que são mais relevantes do que pontos de dados no passado distante. A soma da ponderação deve somar 1 (ou 100). No caso da média móvel simples, as ponderações são distribuídas igualmente, razão pela qual não são mostradas na tabela acima. Preço de Fechamento da AAPL A média ponderada é calculada multiplicando-se o preço dado pela ponderação associada e somando-se os valores. No exemplo acima, a média móvel ponderada de 5 dias seria de 90,62. Neste exemplo, o ponto de dados recente recebeu a maior ponderação de 15 pontos arbitrários. Você pode pesar os valores fora de qualquer valor que você vê o ajuste. O menor valor da média ponderada acima em relação à média simples sugere que a recente pressão de venda poderia ser mais significativa do que alguns comerciantes antecipam. Para a maioria dos comerciantes, a escolha mais popular ao usar médias móveis ponderadas é usar uma maior ponderação para valores recentes. (Para obter mais informações, consulte o Tutorial Moving Average) Leia sobre a diferença entre as médias móveis exponenciais e médias móveis ponderadas, dois indicadores de suavização que. A única diferença entre estes dois tipos de média móvel é a sensibilidade que cada um mostra às mudanças nos dados usados. Leia Resposta Veja por que as médias móveis provaram ser vantajosas para comerciantes e analistas e útil quando aplicadas a gráficos de preços e. Leia a resposta Aprenda como os comerciantes e investidores usam alfa ponderada para identificar o momento de um preço de ações e se os preços se moverão mais alto. Leia Resposta Aprenda os períodos mais comumente selecionados usados ​​por comerciantes e analistas de mercado na criação de médias móveis para superposição como técnica. Leia Resposta Compreender como calcular os pesos dos custos de diferença de capital e como este cálculo é usado para determinar. Ler Resposta Médias móveis Médias móveis Com conjuntos de dados convencionais, o valor médio é frequentemente o primeiro, e um dos mais úteis, estatísticas de resumo a calcular. Quando os dados estão na forma de uma série temporal, a média da série é uma medida útil, mas não reflete a natureza dinâmica dos dados. Os valores médios calculados em períodos em curto, anteriores ao período atual ou centrados no período atual, são freqüentemente mais úteis. Como esses valores médios variam, ou se movem, à medida que o período atual se move a partir do tempo t 2, t 3, etc., eles são conhecidos como médias móveis (Mas). Uma média móvel simples é (tipicamente) a média não ponderada de k valores anteriores. Uma média móvel exponencialmente ponderada é essencialmente a mesma que uma média móvel simples, mas com contribuições para a média ponderada pela sua proximidade ao tempo actual. Como não existe uma, mas toda uma série de médias móveis para uma dada série, o conjunto de Mas pode ser plotado em gráficos, analisado como uma série e usado na modelagem e previsão. Uma série de modelos pode ser construída usando médias móveis, e estes são conhecidos como modelos MA. Se tais modelos forem combinados com modelos autorregressivos (AR), os modelos compostos resultantes são conhecidos como modelos ARMA ou ARIMA (o I é para integrado). Médias móveis simples Uma vez que uma série temporal pode ser considerada como um conjunto de valores, t 1,2,3,4, n a média destes valores pode ser calculada. Se assumimos que n é bastante grande, e selecionamos um inteiro k que é muito menor que n. Podemos calcular um conjunto de médias de blocos, ou médias móveis simples (de ordem k): Cada medida representa a média dos valores de dados ao longo de um intervalo de k observações. Observe que o primeiro MA possível de ordem k gt0 é aquele para t k. De modo mais geral, podemos descartar o subíndice extra nas expressões acima e escrever: Isto indica que a média estimada no tempo t é a média simples do valor observado no instante t e os intervalos de tempo anteriores k-1. Se forem aplicados pesos que diminuam a contribuição das observações que estão mais distantes no tempo, a média móvel é dita ser suavizada exponencialmente. As médias móveis são frequentemente utilizadas como uma forma de previsão, pelo que o valor estimado para uma série no tempo t 1, S t 1. É tomado como MA para o período até e incluindo o tempo t. por exemplo. A estimativa de hoje é baseada em uma média de valores anteriores registrados até e inclusive ontem (para dados diários). As médias móveis simples podem ser vistas como uma forma de suavização. No exemplo ilustrado abaixo, o conjunto de dados de poluição atmosférica mostrado na introdução deste tópico foi aumentado por uma linha de 7 dias de média móvel (MA), mostrada aqui em vermelho. Como pode ser visto, a linha de MA suaviza os picos e depressões nos dados e pode ser muito útil na identificação de tendências. A fórmula padrão de cálculo de forward significa que os primeiros k -1 pontos de dados não têm nenhum valor de MA, mas a partir daí os cálculos se estendem até o ponto de dados final da série. Uma razão para computar médias móveis simples na maneira descrita é que permite que os valores sejam computados para todos os entalhes do tempo do tempo tk até o presente , E como uma nova medição é obtida para o tempo t 1, o MA para o tempo t 1 pode ser adicionado ao conjunto já calculado. Isso fornece um procedimento simples para conjuntos de dados dinâmicos. No entanto, existem alguns problemas com esta abordagem. É razoável argumentar que o valor médio nos últimos 3 períodos, digamos, deve ser localizado no tempo t -1, não no tempo t. E para um MA sobre um número par de períodos, talvez ele deve ser localizado no ponto médio entre dois intervalos de tempo. Uma solução para este problema é usar cálculos centralizados MA, em que o MA no tempo t é a média de um conjunto simétrico de valores em torno de t. Apesar de seus méritos óbvios, esta abordagem não é geralmente utilizada porque exige que os dados estão disponíveis para eventos futuros, o que pode não ser o caso. Nos casos em que a análise é inteiramente de uma série existente, o uso de Mas centralizado pode ser preferível. As médias móveis simples podem ser consideradas como uma forma de suavização, removendo alguns componentes de alta freqüência de uma série de tempo e destacando (mas não removendo) as tendências de forma semelhante à noção geral de filtragem digital. De fato, as médias móveis são uma forma de filtro linear. É possível aplicar um cálculo da média móvel a uma série que já tenha sido suavizada, isto é, suavizar ou filtrar uma série já suavizada. Por exemplo, com uma média móvel de ordem 2, podemos considerá-la como sendo calculada usando pesos, então a MA em x 2 0,5 x 1 0,5 x 2. Da mesma forma, a MA em x 3 0,5 x 2 0,5 x 3. Se nós Aplicar um segundo nível de suavização ou filtragem, temos 0,5 x 2 0,5 x 3 0,5 (0,5 x 1 0,5 x 2) 0,5 (0,5 x 2 0,5 x 3) 0,25 x 1 0,5 x 2 0,25 x 3 ou seja, a filtragem de 2 estádios Processo (ou convolução) produziu uma média móvel simétrica ponderada variável, com pesos. Várias circunvoluções podem produzir médias móveis ponderadas bastante complexas, algumas das quais foram encontradas de uso particular em campos especializados, como nos cálculos do seguro de vida. As médias móveis podem ser usadas para remover efeitos periódicos se computado com o comprimento da periodicidade como um conhecido. Por exemplo, com os dados mensais as variações sazonais podem frequentemente ser removidas (se este for o objetivo) aplicando uma média móvel simétrica de 12 meses com todos os meses ponderados igualmente, exceto o primeiro eo último que são ponderados por 1/2. Isto é porque haverá 13 meses no modelo simétrico (tempo atual, t. / - 6 meses). O total é dividido por 12. Procedimentos semelhantes podem ser adotados para qualquer periodicidade bem definida. Médias móveis exponencialmente ponderadas (EWMA) Com a fórmula da média móvel simples: todas as observações são igualmente ponderadas. Se chamássemos esses pesos iguais, alfa t. Cada um dos k pesos seria igual a 1 / k. Então a soma dos pesos seria 1, ea fórmula seria: Já vimos que múltiplas aplicações deste processo resultam em pesos variando. Com médias móveis exponencialmente ponderadas, a contribuição para o valor médio das observações que são mais removidas no tempo é deliberada reduzida, enfatizando os eventos mais recentes (locais). Essencialmente um parâmetro de suavização, 0lt alfa lt1, é introduzido, ea fórmula revisada para: Uma versão simétrica desta fórmula seria da forma: Se os pesos no modelo simétrico são selecionados como os termos dos termos da expansão binomial, (1/21/2) 2q. Eles somarão a 1, e quando q se tornar grande, aproximar-se-á da distribuição Normal. Esta é uma forma de ponderação do kernel, com o binômio agindo como a função do kernel. A convolução de dois estágios descrita na subseção anterior é precisamente esta disposição, com q 1, produzindo os pesos. Em suavização exponencial é necessário usar um conjunto de pesos que somam a 1 e que reduzem em tamanho geometricamente. Os pesos usados ​​são tipicamente da forma: Para mostrar que esses pesos somam 1, considere a expansão de 1 / como uma série. Podemos escrever e expandir a expressão entre parênteses utilizando a fórmula binomial (1-x) p. Onde x (1-) e p -1, o que dá: Isso então fornece uma forma de média móvel ponderada da forma: Esta soma pode ser escrita como uma relação de recorrência: o que simplifica muito a computação e evita o problema de que o regime de ponderação Deve ser rigorosamente infinito para os pesos a somar a 1 (para pequenos valores de alfa, isso normalmente não é o caso). A notação utilizada pelos diferentes autores varia. Alguns usam a letra S para indicar que a fórmula é essencialmente uma variável suavizada e escrevem: enquanto a literatura da teoria de controle usa freqüentemente Z em vez de S para os valores exponencialmente ponderados ou suavizados (ver, por exemplo, Lucas e Saccucci, 1990, LUC1 , Eo site do NIST para mais detalhes e exemplos trabalhados). As fórmulas citadas acima derivam do trabalho de Roberts (1959, ROB1), mas Hunter (1986, HUN1) usa uma expressão da forma: que pode ser mais apropriada para uso em alguns procedimentos de controle. Com alfa 1, a estimativa média é simplesmente o seu valor medido (ou o valor do item de dados anterior). Com 0,5 a estimativa é a média móvel simples das medições atuais e anteriores. Nos modelos de previsão, o valor, S t. É freqüentemente usado como estimativa ou valor de previsão para o próximo período de tempo, ou seja, como a estimativa para x no tempo t 1. Assim, temos: Isto mostra que o valor da previsão no tempo t 1 é uma combinação da média móvel exponencialmente ponderada anterior Mais um componente que representa o erro de previsão ponderado, epsilon. No tempo t. Supondo que uma série de tempo é dada e uma previsão é necessária, um valor para alfa é necessário. Isto pode ser estimado a partir dos dados existentes, avaliando a soma dos erros de predição quadrados obtidos com valores variáveis ​​de alfa para cada t 2,3. Definindo a primeira estimativa como sendo o primeiro valor de dados observado, x 1. Em aplicações de controle o valor de alfa é importante na medida em que é usado na determinação dos limites de controle superior e inferior, e afeta o comprimento de execução médio (ARL) esperado Antes que esses limites de controle sejam quebrados (sob o pressuposto de que as séries temporais representam um conjunto de variáveis ​​independentes aleatoriamente distribuídas, com variância comum). Nestas circunstâncias, a variância da estatística de controlo é (Lucas e Saccucci, 1990): Os limites de controlo são normalmente definidos como múltiplos fixos desta variância assintótica, p. / - 3 vezes o desvio padrão. Se alfa 0,25, por exemplo, e os dados monitorados forem assumidos como tendo uma distribuição Normal, N (0,1), quando em controle, os limites de controle serão de - 1,134 eo processo atingirá um ou outro limite em 500 Passos em média. Lucas e Saccucci (1990 LUC1) derivam as ARLs para uma ampla gama de valores alfa e sob várias suposições usando procedimentos de Cadeia de Markov. Eles tabulam os resultados, incluindo o fornecimento de ARLs quando a média do processo de controle foi alterada por algum múltiplo do desvio padrão. Por exemplo, com um deslocamento 0,5 com alfa 0,25 o ARL é menos de 50 etapas de tempo. As abordagens descritas acima são conhecidas como suavização exponencial única. Como os procedimentos são aplicados uma vez para a série de tempo e, em seguida, análises ou processos de controle são realizadas no conjunto de dados suavizado resultante. Se o conjunto de dados incluir uma tendência e / ou componentes sazonais, a suavização exponencial de dois ou três estágios pode ser aplicada como um meio de remover (explicitamente modelar) esses efeitos (consulte a seção sobre Previsão abaixo e o exemplo trabalhado do NIST ). CHA1 Chatfield C (1975) A análise de séries de tempos: teoria e prática. Chapman e Hall, Londres HUN1 Hunter J S (1986) A média móvel exponencialmente ponderada. J of Quality Technology, 18, 203-210 LUC1 Lucas J M, Saccucci M S (1990) Esquemas de Controlo de Média Móvel Ponderados Exponencialmente: Propriedades e Melhoramentos. Technometrics, 32 (1), 1-12 ROB1 Roberts S W (1959) Testes de gráficos de controle baseados em médias móveis geométricas. Technometrics, 1, 239-250 Médias móveis ponderadas: o básico Ao longo dos anos, os técnicos encontraram dois problemas com a média móvel simples. O primeiro problema reside no período de tempo da média móvel (MA). A maioria dos analistas técnicos acreditam que a ação preço. O preço de abertura ou de fechamento das ações, não é suficiente para depender para predizer adequadamente sinais de compra ou venda da ação de crossover MAs. Para resolver este problema, os analistas agora atribuem mais peso aos dados de preços mais recentes usando a média móvel exponencialmente suavizada (EMA). Exemplo: Por exemplo, usando um MA de 10 dias, um analista levaria o preço de fechamento do 10º dia e multiplicaria esse número por 10, o nono dia por nove, o oitavo Dia por oito e assim por diante para o primeiro do MA. Uma vez determinado o total, o analista dividiria o número pela adição dos multiplicadores. Se você adicionar os multiplicadores do exemplo de MA de 10 dias, o número é 55. Esse indicador é conhecido como a média móvel ponderada linearmente. (Para a leitura relacionada, verifique para fora as médias moventes simples fazem tendências estar para fora.) Muitos técnicos são crentes firmes na média movente exponencial suavizada (EMA). Este indicador tem sido explicado de tantas maneiras diferentes que confunde estudantes e investidores. Talvez a melhor explicação venha de John J. Murphys Análise Técnica dos Mercados Financeiros (publicado pelo New York Institute of Finance, 1999): A média móvel exponencialmente suavizada aborda ambos os problemas associados à média móvel simples. Primeiro, a média exponencialmente suavizada atribui um maior peso aos dados mais recentes. Portanto, é uma média móvel ponderada. Mas, embora atribua menor importância aos dados de preços passados, inclui no seu cálculo todos os dados na vida útil do instrumento. Além disso, o usuário é capaz de ajustar a ponderação para dar maior ou menor peso ao preço dos dias mais recentes, que é adicionado a uma porcentagem do valor dias anteriores. A soma de ambos os valores percentuais adiciona até 100. Por exemplo, o preço dos últimos dias poderia ser atribuído um peso de 10 (0,10), que é adicionado ao peso dias anteriores de 90 (0,90). Isto dá o último dia 10 da ponderação total. Isso seria o equivalente a uma média de 20 dias, dando ao preço dos últimos dias um valor menor de 5 (0,05). Figura 1: Média Movimentada Exponencialmente Alisada O gráfico acima mostra o índice Nasdaq Composite da primeira semana de agosto de 2000 a 1º de junho de 2001. Como você pode ver claramente, a EMA, que neste caso está usando os dados de fechamento de preços em um Período de nove dias, tem sinais de venda definitiva no dia 8 de setembro (marcado por uma seta preta para baixo). Este foi o dia em que o índice quebrou abaixo do nível de 4.000. A segunda seta preta mostra outra perna para baixo que os técnicos estavam realmente esperando. O Nasdaq não conseguiu gerar volume suficiente e juros dos investidores de varejo para quebrar a marca de 3.000. Em seguida, mergulhou novamente para baixo para fora em 1619.58 em 4 de abril. A tendência de alta de 12 de abril é marcado por uma seta. Aqui o índice fechou em 1.961,46, e os técnicos começaram a ver os gestores de fundos institucionais começando a pegar alguns negócios como Cisco, Microsoft e algumas das questões relacionadas à energia. A Scottrade recebeu a pontuação numérica mais alta no Estudo de Satisfação do Investidor Autodirigido JD Power 2017, com base em 4.242 respostas, medindo 13 empresas e as experiências e os resultados obtidos. Percepções dos investidores que usam empresas de investimento auto-dirigidas, pesquisadas em janeiro de 2017. Suas experiências podem variar. Visite jdpower. O login e acesso autorizado à conta indicam que o cliente concorda com o Contrato de Conta de Corretagem. Tal consentimento é eficaz em todos os momentos ao usar este site. O acesso não autorizado é proibido. Scottrade, Inc. e Scottrade Bank são empresas separadas, mas afiliadas e são subsidiárias integrais da Scottrade Financial Services, Inc. Produtos e serviços de corretagem oferecidos pela Scottrade, Inc. - Membro FINRA e SIPC. Depósito de produtos e serviços oferecidos pelo Scottrade Bank, Membro FDIC. Produtos de corretagem não são segurados pela FDIC não são depósitos ou outras obrigações do banco e não são garantidos pelo banco estão sujeitos a riscos de investimento, incluindo a possível perda do principal investido. Todo investimento envolve risco. O valor do seu investimento pode flutuar ao longo do tempo, e você pode ganhar ou perder dinheiro. Mercado on-line e negociações de ações limite são apenas 7 para ações com preço de 1 e acima. Custos adicionais podem ser aplicados para ações com preço inferior a 1, fundo mútuo e transações de opções. Informações detalhadas sobre nossos honorários podem ser encontradas na explicação de taxas (PDF). Você deve ter 500 na equidade em uma individual, comum, confiança, IRA, IRA Roth, ou SEP IRA conta com Scottrade para ser elegível para uma conta Scottrade Bank. Neste caso, o patrimônio líquido é definido como o valor da conta de corretagem total menos os depósitos de corretagem recentes em retenção. Os dados de desempenho citados representam desempenho passado. O desempenho passado não garante resultados futuros. A pesquisa, ferramentas e informações fornecidas não incluirão todas as informações de segurança disponíveis para o público. Embora as fontes dos instrumentos de pesquisa fornecidos neste site sejam consideradas confiáveis, a Scottrade não oferece nenhuma garantia com relação ao conteúdo, precisão, integridade, oportunidade, adequação ou confiabilidade das informações. As informações neste site são apenas para uso informativo e não devem ser consideradas conselhos de investimento ou recomendação de investimento. A Scottrade não cobra taxas de instalação, inatividade ou manutenção anual. As taxas de transação aplicáveis ​​ainda se aplicam. A Scottrade não fornece aconselhamento fiscal. O material fornecido destina-se apenas a fins informativos. Consulte o seu fiscal ou consultor jurídico para questões relacionadas com o seu imposto pessoal ou situação financeira. Quaisquer títulos específicos, ou tipos de valores mobiliários, usados ​​como exemplos são apenas para demonstração. Nenhuma das informações fornecidas deve ser considerada uma recomendação ou solicitação para investir ou liquidar um determinado título ou tipo de garantia. Os investidores devem considerar os objetivos de investimento, encargos, despesas e perfil de risco único de um fundo negociado em bolsa (ETF) antes de investir. Um prospecto contém esta e outras informações sobre o fundo e pode ser obtido on-line ou contactando a Scottrade. O prospecto deve ser lido atentamente antes de investir. Os ETFs alavancados e inversos podem não ser adequados para todos os investidores e podem aumentar a exposição à volatilidade através da utilização de alavancagem, vendas a descoberto de títulos, derivados e outras estratégias complexas de investimento. O desempenho desses fundos provavelmente será significativamente diferente do seu índice de referência em períodos superiores a um dia, eo seu desempenho ao longo do tempo pode, de facto, virar-se ao contrário do seu índice de referência. Os investidores devem monitorar essas participações, consistentes com suas estratégias, com tanta frequência quanto diariamente. Os investidores devem considerar os objetivos de investimento, riscos, encargos e despesas de um fundo mútuo antes de investir. Um prospecto contém esta e outras informações sobre o fundo e pode ser obtido on-line ou contactando a Scottrade. O prospecto deve ser lido atentamente antes de investir. Os fundos de nenhuma taxa de transação (NTF) estão sujeitos aos termos e condições do programa de fundos do NTF. A Scottrade é compensada pelos fundos que participam do programa NTF através de taxas de manutenção de registros, acionistas ou SEC 12b-1. Negociação de margem envolve encargos de juros e riscos, incluindo o potencial de perder mais do que depositado ou a necessidade de depositar garantia adicional em um mercado em queda. A Declaração e Contrato de Divulgação de Margem (PDF) está disponível para download, ou está disponível em uma de nossas filiais. Ele contém informações sobre nossas políticas de empréstimos, encargos de juros e os riscos associados às contas de margem. As opções envolvem risco e não são adequadas para todos os investidores. Informações detalhadas sobre nossas políticas e os riscos associados a opções podem ser encontradas no Scottrade Options Application and Agreement. Acordo de Conta de Corretagem. Ao fazer o download das Características e Riscos das Opções e Suplementos Padronizados (PDF) da The Options Clearing Corporation, ou solicitando uma cópia, contatando a Scottrade. Documentação de apoio para quaisquer reivindicações será fornecido a pedido. Consulte o seu consultor fiscal para obter informações sobre como os impostos podem afetar o resultado dessas estratégias. Tenha em mente que o lucro será reduzido ou a perda piorou, conforme aplicável, pela dedução de comissões e taxas. A volatilidade do mercado, o volume ea disponibilidade do sistema podem afetar o acesso à conta e a execução comercial. Tenha em mente que, embora a diversificação pode ajudar a espalhar o risco, ele não garante um lucro, ou proteger contra a perda, em um mercado para baixo. Scottrade, o logotipo da Scottrade e todas as outras marcas registradas, registradas ou não, são propriedade da Scottrade, Inc. e de suas afiliadas. Hiperlinks para sites de terceiros contêm informações que podem ser de interesse ou uso para o leitor. Sites de terceiros, pesquisas e ferramentas são de fontes consideradas confiáveis. A Scottrade não garante a exatidão ou integridade das informações e não garante que os resultados sejam obtidos com o uso. 2017 Scottrade, Inc. Todos os direitos reservados. A estranha forma de uma média móvel ferrets a tendência de uma massa de medições confusas pode ser visto por traçar a média móvel de 10 dias, juntamente com os pesos diários originais, mostrados como pequenos diamantes. As médias móveis utilizadas até agora dão igual significado a todos os dias na média. Este neednt seja assim. Se você pensar nisso, não faz muito sentido, especialmente se você estiver interessado em usar uma média móvel de longo prazo para suavizar os choques aleatórios na tendência. Suponha que você está usando uma média móvel de 20 dias. Por que deve seu peso quase três semanas atrás ser considerado igualmente relevante para a tendência atual como o seu peso esta manhã? Várias formas de médias móveis ponderadas foram desenvolvidas para resolver esta objeção. Em vez de apenas somar as medidas para uma seqüência de dias e dividir pelo número de dias, em uma média móvel ponderada cada medida é primeiro multiplicado por um fator de peso que difere de dia para dia. A soma final é dividida, não pelo número de dias, mas pela soma de todos os fatores de peso. Se fatores de peso maiores forem usados ​​para dias mais recentes e fatores menores para medições mais adiantadas no tempo, a tendência será mais responsiva a mudanças recentes sem sacrificar a suavização proporcionada por uma média móvel. Uma média móvel não ponderada é simplesmente uma média móvel ponderada com todos os fatores de peso iguais a 1. Você pode usar todos os fatores de peso que você gosta, mas um determinado conjunto com o monicker jawbreaking Exponentially Smoothed Moving Average provou ser útil em aplicações que vão desde radar de defesa aérea Para a negociação do mercado de barriga de porco de Chicago. Vamos colocá-lo para o trabalho em nossa barriga também. Este gráfico compara os fatores de peso para uma média movimentada de 20 dias exponencialmente suavizada com uma média móvel simples que pesa todos os dias igualmente. A suavização exponencial dá à medida de hoje duas vezes o significado que a média simples atribuiria, a medida de ontem um pouco menos do que isso, e cada dia sucessivo menos do que seu antecessor com o dia 20 contribuindo apenas 20 tanto para o resultado como com uma média móvel simples. Os fatores de peso em uma média móvel exponencialmente suavizada são poderes sucessivos de um número chamado constante de suavização. Uma média móvel exponencialmente suavizada com uma constante de suavização de 1 é idêntica a uma média móvel simples, uma vez que 1 para qualquer potência é 1. As constantes de suavização inferiores a 1 pesam os dados recentes mais fortemente, com a tendência para as medições mais recentes a aumentar à medida que a suavização Constante diminui em direção a zero. Se a constante de suavização exceder 1, os dados mais antigos são mais pesados ​​do que as medidas recentes. Este gráfico mostra os factores de peso resultantes de valores diferentes da constante de alisamento. Observe como os fatores de peso são todos 1 quando a constante de suavização é 1. Quando a constante de suavização está entre 0,5 e 0,9, o peso dado a dados antigos cai tão rapidamente em comparação com medidas mais recentes que não há necessidade de restringir a média móvel para Um número específico de dias podemos calcular a média de todos os dados que temos, desde o início, e deixar os fatores de peso calculados a partir da constante de suavização automaticamente descartar os dados antigos, pois se torna irrelevante para a tendência atual.