Promedio móvil numérico

Antes de comenzar nuestro tema, comprendamos qué es el promedio móvil. En estadística, un promedio móvil es una técnica para calcular y analizar puntos de datos. Calcula puntos de datos creando una serie de valores promedio de diferentes subconjuntos de un conjunto de datos completo. Entonces, un promedio móvil es una medida que captura el cambio típico en un conjunto de información a lo largo del tiempo. El movimiento es uno de los indicadores de análisis técnico más flexibles y ampliamente utilizados. Debido a que es tan fácil de usar, los inversores profesionales lo utilizan como un medio para obtener un conjunto específico de datos en las estadísticas. También podemos calcular un promedio móvil en un marco de tiempo más corto aplicándolo a datos diarios o de minutos. Por ejemplo: en nuestro caso, si estamos determinando un promedio móvil de 10 días, simplemente sumamos los precios de cierre de uno de los últimos 10 días y dividimos el resultado por 10. Al día siguiente también calculamos el precio de los últimos diez días, es decir, no calculamos el precio del primer día. Más bien, será reemplazado por nuestro precio de ayer. Los datos cambian de esta manera con cada día móvil, por eso se llama media móvil. El propósito del promedio móvil es determinar el inicio de una tendencia, luego seguir su progreso y también informar su reversión si ocurre. La fórmula para calcular la media móvil es Ft = (Dt1+Dt2+Dt3…+Dtn)/n. Donde Dt es la demanda en el período t y Ft es el pronóstico en el tiempo t.

Sintaxis:

Podemos calcular la media móvil de varias formas que son las siguientes:

Método 1:

Devuelve la suma de los elementos de la matriz dada. Podemos calcular el promedio móvil dividiendo la salida de cumsum() por el tamaño de la matriz.

Método 2:

Tiene los siguientes parámetros. a: Datos en forma de matriz para promediar. Axis: Su tipo de dato es int y es un parámetro opcional. Peso: también es una matriz y un parámetro opcional. Puede tener la misma forma que una forma 1-D. En el caso de una matriz unidimensional, debe tener la misma longitud que la matriz «a». Tenga en cuenta que no parece haber una función de promedio móvil estándar en NumPy, por lo que se puede hacer usando algunos otros métodos.

Método 3:

Otro método que se puede usar para calcular el promedio móvil es: np.convolve(a, v, mode=’full’) En esta sintaxis, a es el valor de entrada de la primera dimensión y v es el valor de entrada de la segunda dimensión. modo es el valor opcional, puede ser completo, igual y válido.

Ejemplo #01:

Ahora, para explicar más sobre el promedio móvil en Numpy, demos un ejemplo. En este ejemplo, sacamos el promedio móvil de una matriz usando la función Convolve de NumPy. Entonces tomamos una matriz «a» con 1,2,3,4,5 como sus elementos. Ahora llamamos a la función np.convolve y almacenamos su salida en nuestra variable «b». Después de eso imprimimos el valor de nuestra variable «b». Esta función calcula la suma móvil de nuestra matriz de entrada. Imprimimos la salida para ver si nuestra salida es correcta o no. Después de eso, convertimos nuestra salida en promedio móvil usando el mismo método de convolución. Para calcular el promedio móvil, solo necesitamos dividir la suma móvil por el número de muestras. Sin embargo, el principal problema aquí es que, dado que es un promedio móvil, la cantidad de muestras cambia constantemente según la ubicación en la que nos encontremos. Para resolver este problema, simplemente creamos una lista de denominadores y necesitamos convertirlos en un promedio. Para hacer esto, inicializamos otra variable «denom» para el denominador. Con el truco del rango, es fácil para la comprensión de la lista. Nuestra matriz tiene cinco elementos distintos, por lo que el número de muestras en cada ubicación aumenta de uno a cinco y luego vuelve a disminuir de cinco a uno. Así que simplemente concatenamos dos listas y las almacenamos en nuestro parámetro «denom». Ahora imprimiremos esta variable para verificar si el sistema nos dio los verdaderos denominadores o no. Después de eso, dividimos nuestra suma móvil por los denominadores y la imprimimos, almacenando la salida en la variable «c». Ejecutemos nuestro código para verificar los resultados. importar numpy como npa = [1,2,3,4,5]b = np.convolve(a,np.ones_like(a))print(«Moving Sum»,b)denom = list(range(1,5)) + list(range(5,0,-1)))print ( «denominador»,denom)c = np.convolve(a,np.ones_like(a)) / denomprint(«Promedio móvil»,c)

Después de ejecutar con éxito nuestro código, obtenemos el siguiente resultado. En la primera línea hemos impreso el “Total móvil”. Podemos ver que tenemos «1» al principio y «5» al final de la matriz, al igual que en nuestra matriz original. El resto de los números son las sumas de diferentes elementos de nuestra matriz. Por ejemplo, seis en el tercer índice de la matriz es la suma de 1, 2 y 3 de nuestra matriz de entrada. Diez en el cuarto índice es 1, 2, 3 y 4. Quince es la suma de todos los números, y así sucesivamente. Ahora, en la segunda línea de nuestra salida, hemos impreso los denominadores de nuestra matriz. De nuestra salida podemos ver que todos los denominadores son exactos, lo que significa que podemos dividirlos con nuestra matriz de suma móvil. Ahora ve a la última línea de la salida. En la última línea podemos ver que el primer elemento de nuestra matriz de medias móviles es 1. El promedio de 1 es 1, por lo que nuestro primer elemento es correcto. El promedio de 1+2/2 es 1.5. Podemos ver que el segundo elemento de nuestra matriz de salida es 1,5, por lo que el segundo promedio también es correcto. El promedio de 1,2,3 será 6/3=2. También hace que nuestra salida sea correcta. Entonces, a partir de la salida, podemos decir que hemos calculado con éxito el promedio móvil de una matriz.

Conclusión

En esta guía aprendimos sobre las medias móviles: ¿qué es una media móvil, para qué sirve y cómo se calcula la media móvil? Lo hemos examinado en detalle desde un punto de vista matemático y de programación. En NumPy no existe una función o proceso específico para calcular la media móvil. Pero hay varias otras funciones que podemos usar para calcular el promedio móvil. Hemos creado un ejemplo de cálculo de promedio móvil y describimos cada paso de nuestro ejemplo. Los promedios móviles son un enfoque útil para predecir resultados futuros utilizando datos existentes.