Wie Exponentiell Gleitender Durchschnitt Wird Berechnet

Moving Average Der Moving Average Technical Indicator zeigt den durchschnittlichen Instrumentenpreis für einen bestimmten Zeitraum an. Wenn man den gleitenden Durchschnitt berechnet, berechnet man den Instrumentenpreis für diesen Zeitraum. Wenn sich der Preis ändert, steigt oder fällt sein gleitender Durchschnitt. Es gibt vier verschiedene Arten von gleitenden Durchschnitten: Einfach (auch als Arithmetik bezeichnet), Exponential. Geglättet und gewichtet. Der gleitende Durchschnitt kann für jeden sequentiellen Datensatz berechnet werden, einschließlich der Eröffnungs - und Schlusskurse, der höchsten und niedrigsten Preise, des Handelsvolumens oder anderer Indikatoren. Es ist oft der Fall, wenn doppelte gleitende Durchschnitte verwendet werden. Das Einzige, wo sich verschie - dende Durchschnittswerte verschiedener Typen erheblich voneinander unterscheiden, ist, wenn Gewichtskoeffizienten, die den letzten Daten zugeordnet sind, unterschiedlich sind. Falls wir von Simple Moving Average sprechen. Alle Preise des fraglichen Zeitraums gleich sind. Exponential Moving Average und Linear Weighted Moving Average legen mehr Wert auf die neuesten Preise. Der gängigste Weg zur Interpretation des gleitenden Durchschnitts ist es, seine Dynamik mit der Preisaktion zu vergleichen. Wenn der Instrumentenpreis über seinem gleitenden Durchschnitt ansteigt, erscheint ein Kaufsignal, wenn der Kurs unter den gleitenden Durchschnitt fällt, was wir haben, ist ein Verkaufssignal. Dieses handelnde System, das auf dem gleitenden Durchschnitt basiert, ist nicht entworfen, um Eintritt in den Markt direkt in seinem niedrigsten Punkt und seinem Ausgang direkt auf dem Höhepunkt zur Verfügung zu stellen. Es erlaubt, nach dem folgenden Trend zu handeln: bald zu kaufen, nachdem die Preise den Boden zu erreichen, und zu verkaufen, bald nachdem die Preise ihren Höhepunkt erreicht haben. Bewegungsdurchschnitte können auch auf Indikatoren angewendet werden. Das ist, wo die Interpretation der Indikatorbewegungsdurchschnitte ähnlich der Interpretation der Preisbewegungsdurchschnitte ist: wenn der Indikator über seinem gleitenden Durchschnitt steigt, bedeutet das, dass die aufsteigende Indikatorbewegung wahrscheinlich fortfährt: wenn der Indikator unter seinen gleitenden Durchschnitt fällt, dieses Bedeutet, dass es wahrscheinlich weiter nach unten gehen wird. Hier sind die Arten von gleitenden Durchschnittswerten im Diagramm: Einfacher Moving Average (SMA) Exponentieller Moving Average (EMA) Glatter Moving Average (SMMA) Linearer Gewichteter Moving Average (LWMA) Sie können die Handelssignale dieses Indikators testen, indem Sie einen Expertenratgeber erstellen Im MQL5-Assistenten. Berechnung Einfacher gleitender Mittelwert (SMA) Ein einfacher, dh arithmetisch gleitender Durchschnitt wird berechnet, indem die Preise des Instrumentenschlusses über eine bestimmte Anzahl von Einzelperioden (z. B. 12 Stunden) zusammengefasst werden. Dieser Wert wird dann durch die Anzahl dieser Perioden dividiert. SMA SUM (CLOSE (i), N) N SUM Summe CLOSE (i) aktuelle Periode enge Preis N Anzahl der Berechnungsperioden. Exponential Moving Average (EMA) Der exponentiell geglättete gleitende Durchschnitt wird durch Addition eines bestimmten Anteils des aktuellen Schlusskurses zum vorherigen Wert des gleitenden Durchschnitts berechnet. Bei exponentiell geglätteten gleitenden Durchschnitten sind die letzten engen Preise von mehr Wert. P-Prozentsatz exponentieller gleitender Durchschnitt wird folgendermaßen aussehen: EMA (CLOSE (i) P) (EMA (i - 1) (1 - P)) CLOSE (i) Einer vorherigen Periode P den Prozentsatz der Verwendung des Preiswertes. Gleitender gleitender Mittelwert (SMMA) Der erste Wert dieses geglätteten gleitenden Mittelwertes wird als einfacher gleitender Mittelwert (SMA) berechnet: SUM1 SUM (CLOSE (i), N) Der zweite gleitende Durchschnitt wird gemäß dieser Formel berechnet: SMMA (i) (I - 1) N SMMA (i) (PREVSUM - SMMA (i - 1) SCHLIESSEN (i)) N Nachfolgende gleitende Mittelwerte werden nach folgender Formel berechnet: N SUM Summe SUM1 Summe der Schlusskurse für N Perioden wird von der vorherigen Bar gezählt PREVSUM geglättete Summe der vorherigen Bar SMMA (i-1) geglättetes gleitendes Mittel der vorherigen Bar SMMA (i) geglättetes gleitendes Mittel der aktuellen Bar (Außer für die erste) SCHLIESSEN (i) gegenwärtig nahe Preis N Glättungsperiode. Nach arithmetischen Umrechnungen kann die Formel vereinfacht werden: SMMA (i) (SMMA (i - 1) (N - 1) CLOSE (i)) N Linearer gewichteter gleitender Durchschnitt (LWMA) Von mehr Wert als mehr frühe Daten. Der gewichtete gleitende Durchschnitt wird berechnet, indem jeder der Schlusskurse innerhalb der betrachteten Reihe mit einem gewissen Gewichtskoeffizienten multipliziert wird: LWMA SUM (CLOSE (i) i, N) SUM (i, N) SUM Summe CLOSE (i) aktueller Schlusskurs SUM (i, N) Gesamtsumme der Gewichtskoeffizienten N Glättungsperiode. Moving Averages - Einfache und exponentielle Bewegungsdurchschnitte - Einfache und exponentielle Einführung Die gleitenden Mittelwerte glatt machen die Preisdaten zu einem Trendfolger. Sie prognostizieren nicht die Kursrichtung, sondern definieren die aktuelle Richtung mit einer Verzögerung. Moving Averages Lag, weil sie auf vergangenen Preisen basieren. Trotz dieser Verzögerung, gleitende Durchschnitte helfen, glatte Preis-Aktion und Filter aus dem Lärm. Sie bilden auch die Bausteine ​​für viele andere technische Indikatoren und Overlays, wie Bollinger Bands. MACD und dem McClellan-Oszillator. Die beiden beliebtesten Arten von gleitenden Durchschnitten sind die Simple Moving Average (SMA) und die Exponential Moving Average (EMA). Diese Bewegungsdurchschnitte können verwendet werden, um die Richtung des Trends zu identifizieren oder potentielle Unterstützungs - und Widerstandswerte zu definieren. Here039s ein Diagramm mit einem SMA und einem EMA auf ihm: Einfache gleitende durchschnittliche Berechnung Ein einfacher gleitender Durchschnitt wird gebildet, indem man den durchschnittlichen Preis eines Wertpapiers über einer bestimmten Anzahl von Perioden berechnet. Die meisten gleitenden Mittelwerte basieren auf den Schlusskursen. Ein 5-tägiger einfacher gleitender Durchschnitt ist die fünftägige Summe der Schlusskurse geteilt durch fünf. Wie der Name schon sagt, ist ein gleitender Durchschnitt ein Durchschnitt, der sich bewegt. Alte Daten werden gelöscht, wenn neue Daten verfügbar sind. Dies bewirkt, dass sich der Durchschnitt entlang der Zeitskala bewegt. Unten ist ein Beispiel für einen 5-tägigen gleitenden Durchschnitt, der sich über drei Tage entwickelt. Der erste Tag des gleitenden Durchschnitts deckt nur die letzten fünf Tage ab. Der zweite Tag des gleitenden Mittelwerts fällt den ersten Datenpunkt (11) und fügt den neuen Datenpunkt (16) hinzu. Der dritte Tag des gleitenden Durchschnitts setzt sich fort, indem der erste Datenpunkt (12) abfällt und der neue Datenpunkt (17) addiert wird. Im obigen Beispiel steigen die Preise allmählich von 11 auf 17 über insgesamt sieben Tage. Beachten Sie, dass der gleitende Durchschnitt auch von 13 auf 15 über einen dreitägigen Berechnungszeitraum steigt. Beachten Sie auch, dass jeder gleitende Durchschnittswert knapp unter dem letzten Kurs liegt. Zum Beispiel ist der gleitende Durchschnitt für Tag eins gleich 13 und der letzte Preis ist 15. Preise der vorherigen vier Tage waren niedriger und dies führt dazu, dass der gleitende Durchschnitt zu verzögern. Exponentielle gleitende Durchschnittsberechnung Exponentielle gleitende Mittelwerte reduzieren die Verzögerung, indem mehr Gewicht auf die jüngsten Preise angewendet wird. Die Gewichtung des jüngsten Preises hängt von der Anzahl der Perioden im gleitenden Durchschnitt ab. Es gibt drei Schritte, um einen exponentiellen gleitenden Durchschnitt zu berechnen. Berechnen Sie zunächst den einfachen gleitenden Durchschnitt. Ein exponentieller gleitender Durchschnitt (EMA) muss irgendwo anfangen, so dass ein einfacher gleitender Durchschnitt als die vorherige Periode039s EMA in der ersten Berechnung verwendet wird. Zweitens, berechnen Sie die Gewichtung Multiplikator. Drittens berechnen Sie den exponentiellen gleitenden Durchschnitt. Die folgende Formel ist für eine 10-tägige EMA. Ein 10-Perioden-exponentieller gleitender Durchschnitt wendet eine 18,18 Gewichtung auf den jüngsten Preis an. Eine 10-Perioden-EMA kann auch als 18.18 EMA bezeichnet werden. Eine 20-Periode EMA wendet eine 9,52 wiegt auf den jüngsten Preis (2 (201) .0952). Beachten Sie, dass die Gewichtung für den kürzeren Zeitraum mehr ist als die Gewichtung für den längeren Zeitraum. In der Tat, die Gewichtung sinkt um die Hälfte jedes Mal, wenn die gleitende durchschnittliche Periode verdoppelt. Wenn Sie uns einen bestimmten Prozentsatz für eine EMA zuordnen möchten, können Sie diese Formel verwenden, um sie in Zeiträume zu konvertieren, und geben Sie dann diesen Wert als den EMA039s-Parameter ein: Nachstehend ist ein Kalkulationstabellenbeispiel für einen 10-tägigen einfachen gleitenden Durchschnitt und ein 10- Tag exponentiellen gleitenden Durchschnitt für Intel. Einfache gleitende Durchschnitte sind geradlinig und erfordern wenig Erklärung. Der 10-Tage-Durchschnitt bewegt sich einfach, sobald neue Preise verfügbar sind und alte Preise fallen. Der exponentielle gleitende Durchschnitt beginnt mit dem einfachen gleitenden Mittelwert (22.22) bei der ersten Berechnung. Nach der ersten Berechnung übernimmt die Normalformel. Da ein EMA mit einem einfachen gleitenden Durchschnitt beginnt, wird sein wahrer Wert erst nach 20 oder späteren Perioden realisiert. Mit anderen Worten, der Wert auf der Excel-Tabelle kann sich aufgrund des kurzen Rückblicks von dem Diagrammwert unterscheiden. Diese Kalkulationstabelle geht nur zurück 30 Perioden, was bedeutet, dass der Einfluss der einfachen gleitenden Durchschnitt hatte 20 Perioden zu zerstreuen. StockCharts geht mindestens 250 Perioden (typischerweise viel weiter) für seine Berechnungen zurück, so dass die Effekte des einfachen gleitenden Durchschnitts in der ersten Berechnung vollständig abgebaut sind. Der Lagfaktor Je länger der gleitende Durchschnitt ist, desto stärker ist die Verzögerung. Ein 10-Tage-exponentieller gleitender Durchschnitt wird die Preise sehr eng umringen und sich kurz nach dem Kursumschlag wenden. Kurze gleitende Durchschnitte sind wie Schnellboote - flink und schnell zu ändern. Im Gegensatz dazu enthält ein 100-Tage gleitender Durchschnitt viele vergangene Daten, die ihn verlangsamen. Längere gleitende Durchschnitte sind wie Ozeantanker - lethargisch und langsam zu ändern. Es dauert eine größere und längere Kursbewegung für einen 100-Tage gleitenden Durchschnitt, um Kurs zu ändern. Die Grafik oben zeigt die SampP 500 ETF mit einer 10-tägigen EMA eng ansprechender Preise und einem 100-tägigen SMA-Schleifen höher. Selbst mit dem Januar-Februar-Rückgang hielt die 100-tägige SMA den Kurs und kehrte nicht zurück. Die 50-Tage-SMA passt irgendwo zwischen den 10 und 100 Tage gleitenden Durchschnitten, wenn es um den Verzögerungsfaktor kommt. Simple vs Exponential Moving Averages Obwohl es klare Unterschiede zwischen einfachen gleitenden Durchschnitten und exponentiellen gleitenden Durchschnitten, ist eine nicht unbedingt besser als die anderen. Exponentielle gleitende Mittelwerte haben weniger Verzögerungen und sind daher empfindlicher gegenüber den jüngsten Preisen - und den jüngsten Preisveränderungen. Exponentielle gleitende Mittelwerte drehen sich vor einfachen gleitenden Durchschnitten. Einfache gleitende Durchschnitte stellen dagegen einen wahren Durchschnittspreis für den gesamten Zeitraum dar. Als solches können einfache gleitende Mittel besser geeignet sein, um Unterstützungs - oder Widerstandsniveaus zu identifizieren. Die gleitende Durchschnittspräferenz hängt von den Zielen, dem analytischen Stil und dem Zeithorizont ab. Chartisten sollten mit beiden Arten von gleitenden Durchschnitten sowie verschiedene Zeitrahmen zu experimentieren, um die beste Passform zu finden. Die nachstehende Grafik zeigt IBM mit der 50-Tage-SMA in Rot und der 50-Tage-EMA in Grün. Beide gipfelten Ende Januar, aber der Rückgang in der EMA war schärfer als der Rückgang der SMA. Die EMA erschien Mitte Februar, aber die SMA setzte weiter unten bis Ende März. Beachten Sie, dass die SMA über einen Monat nach der EMA. Längen und Zeitrahmen Die Länge des gleitenden Mittelwerts hängt von den analytischen Zielen ab. Kurze gleitende Durchschnitte (5-20 Perioden) eignen sich am besten für kurzfristige Trends und den Handel. Chartisten, die sich für mittelfristige Trends interessieren, würden sich für längere bewegte Durchschnitte entscheiden, die 20-60 Perioden verlängern könnten. Langfristige Anleger bevorzugen gleitende Durchschnitte mit 100 oder mehr Perioden. Einige gleitende durchschnittliche Längen sind beliebter als andere. Die 200-Tage gleitenden Durchschnitt ist vielleicht die beliebteste. Wegen seiner Länge ist dies eindeutig ein langfristiger gleitender Durchschnitt. Als nächstes ist der 50-Tage gleitende Durchschnitt für den mittelfristigen Trend ziemlich populär. Viele Chartisten nutzen die 50-Tage-und 200-Tage gleitenden Durchschnitte zusammen. Kurzfristig war ein 10 Tage gleitender Durchschnitt in der Vergangenheit ziemlich populär, weil er leicht zu berechnen war. Man hat einfach die Zahlen addiert und den Dezimalpunkt verschoben. Trendidentifikation Die gleichen Signale können mit einfachen oder exponentiellen gleitenden Mittelwerten erzeugt werden. Wie oben erwähnt, hängt die Präferenz von jedem Individuum ab. Die folgenden Beispiele werden sowohl einfache als auch exponentielle gleitende Mittelwerte verwenden. Der Begriff gleitender Durchschnitt gilt für einfache und exponentielle gleitende Mittelwerte. Die Richtung des gleitenden Durchschnitts vermittelt wichtige Informationen über die Preise. Ein steigender Durchschnitt zeigt, dass die Preise im Allgemeinen steigen. Ein sinkender Durchschnittswert zeigt an, dass die Preise im Durchschnitt sinken. Ein steigender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Aufwärtstrend wider. Ein sinkender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Abwärtstrend wider. Das Diagramm oben zeigt 3M (MMM) mit einem 150-Tage-exponentiellen gleitenden Durchschnitt. Dieses Beispiel zeigt, wie gut bewegte Durchschnitte arbeiten, wenn der Trend stark ist. Die 150-Tage-EMA sank im November 2007 und wieder im Januar 2008. Beachten Sie, dass es einen Rückgang von 15 nahm, um die Richtung dieses gleitenden Durchschnitts umzukehren. Diese nachlaufenden Indikatoren identifizieren Trendumkehrungen, wie sie auftreten (am besten) oder nach deren Eintritt (im schlimmsten Fall). MMM setzte unten in März 2009 und dann stieg 40-50. Beachten Sie, dass die 150-Tage-EMA nicht auftauchte, bis nach diesem Anstieg. Sobald es aber tat, setzte MMM die folgenden 12 Monate höher fort. Moving-Durchschnitte arbeiten brillant in starken Trends. Doppelte Frequenzweichen Zwei gleitende Mittelwerte können zusammen verwendet werden, um Frequenzweiche zu erzeugen. In der technischen Analyse der Finanzmärkte. John Murphy nennt dies die doppelte Crossover-Methode. Doppelte Crossover beinhalten einen relativ kurzen gleitenden Durchschnitt und einen relativ langen gleitenden Durchschnitt. Wie bei allen gleitenden Durchschnitten definiert die allgemeine Länge des gleitenden Durchschnitts den Zeitrahmen für das System. Ein System, das eine 5-Tage-EMA und eine 35-Tage-EMA verwendet, wäre kurzfristig. Ein System, das eine 50-tägige SMA - und 200-Tage-SMA verwendet, wäre mittelfristig, vielleicht sogar langfristig. Eine bullische Überkreuzung tritt auf, wenn der kürzere gleitende Durchschnitt über dem längeren gleitenden Durchschnitt kreuzt. Dies wird auch als goldenes Kreuz bezeichnet. Eine bärische Überkreuzung tritt ein, wenn der kürzere gleitende Durchschnitt unter dem längeren gleitenden Durchschnitt liegt. Dies wird als ein totes Kreuz bekannt. Gleitende Mittelübergänge erzeugen relativ späte Signale. Schließlich setzt das System zwei hintere Indikatoren ein. Je länger die gleitenden Durchschnittsperioden, desto größer die Verzögerung in den Signalen. Diese Signale funktionieren gut, wenn eine gute Tendenz gilt. Allerdings wird ein gleitender Durchschnitt Crossover-System produzieren viele whipsaws in Abwesenheit einer starken Tendenz. Es gibt auch eine Dreifach-Crossover-Methode, die drei gleitende Durchschnitte beinhaltet. Wieder wird ein Signal erzeugt, wenn der kürzeste gleitende Durchschnitt die beiden längeren Mittelwerte durchläuft. Ein einfaches Triple-Crossover-System könnte 5-Tage-, 10-Tage - und 20-Tage-Bewegungsdurchschnitte beinhalten. Das Diagramm oben zeigt Home Depot (HD) mit einer 10-tägigen EMA (grüne gepunktete Linie) und 50-Tage-EMA (rote Linie). Die schwarze Linie ist die tägliche Schließung. Mit einem gleitenden Durchschnitt Crossover hätte dazu geführt, dass drei Peitschen vor dem Fang eines guten Handels. Die 10-tägige EMA brach unterhalb der 50-Tage-EMA Ende Oktober (1), aber dies dauerte nicht lange, wie die 10-Tage zog zurück oben Mitte November (2). Dieses Kreuz dauerte länger, aber die nächste bärige Crossover im Januar (3) ereignete sich gegen Ende November Preisniveaus, was zu einer weiteren Peitsche führte. Dieses bärische Kreuz dauerte nicht lange, als die 10-Tage-EMA über die 50-Tage ein paar Tage später zurückging (4). Nach drei schlechten Signalen, schien das vierte Signal eine starke Bewegung als die Aktie vorrückte über 20. Es gibt zwei Takeaways hier. Erstens, Crossovers sind anfällig für whipsaw. Ein Preis oder Zeitfilter kann angewendet werden, um zu helfen, whipsaws zu verhindern. Händler könnten verlangen, dass die Crossover 3 Tage dauern, bevor sie handeln oder verlangen, dass die 10-Tage-EMA unterhalb der 50-Tage-EMA um einen bestimmten Betrag vor der Handlung zu bewegen. Zweitens kann MACD verwendet werden, um diese Frequenzweichen zu identifizieren und zu quantifizieren. MACD (10,50,1) zeigt eine Linie, die die Differenz zwischen den beiden exponentiellen gleitenden Mittelwerten darstellt. MACD wird positiv während eines goldenen Kreuzes und negativ während eines toten Kreuzes. Der Prozentsatz-Oszillator (PPO) kann auf die gleiche Weise verwendet werden, um Prozentunterschiede anzuzeigen. Beachten Sie, dass MACD und das PPO auf exponentiellen gleitenden Durchschnitten basieren und nicht mit einfachen gleitenden Durchschnitten zusammenpassen. Diese Grafik zeigt Oracle (ORCL) mit dem 50-Tage EMA, 200-Tage EMA und MACD (50.200,1). Es gab vier gleitende durchschnittliche Frequenzweichen über einen Zeitraum von 2 1 2 Jahren. Die ersten drei führten zu Peitschen oder schlechten Trades. Eine anhaltende Tendenz begann mit dem vierten Crossover als ORCL bis Mitte der 20er Jahre. Erneut bewegen sich die durchschnittlichen Crossover-Effekte groß, wenn der Trend stark ist, aber Verluste in Abwesenheit eines Trends erzeugen. Preis-Crossover Moving-Durchschnitte können auch verwendet werden, um Signale mit einfachen Preis-Crossover zu generieren. Ein bullisches Signal wird erzeugt, wenn die Preise über dem gleitenden Durchschnitt liegen. Ein bäres Signal wird erzeugt, wenn die Preise unter dem gleitenden Durchschnitt liegen. Preis-Crossover können kombiniert werden, um innerhalb der größeren Trend Handel. Der längere gleitende Durchschnitt setzt den Ton für den größeren Trend und der kürzere gleitende Durchschnitt wird verwendet, um die Signale zu erzeugen. Man würde bullish Preiskreuze nur dann suchen, wenn die Preise schon über dem längeren gleitenden Durchschnitt liegen. Dies würde den Handel im Einklang mit dem größeren Trend. Wenn zum Beispiel der Kurs über dem gleitenden 200-Tage-Durchschnitt liegt, würden sich die Chartisten nur auf Signale konzentrieren, wenn der Kurs über dem 50-Tage-Gleitender Durchschnitt liegt. Offensichtlich würde ein Schritt unterhalb der 50-Tage gleitenden Durchschnitt ein solches Signal vorausgehen, aber solche bearish Kreuze würden ignoriert, weil der größere Trend ist. Ein bearish Kreuz würde einfach vorschlagen, ein Pullback in einem größeren Aufwärtstrend. Ein Cross-back über dem 50-Tage-Gleitender Durchschnitt würde einen Preisanstieg und eine Fortsetzung des größeren Aufwärtstrends signalisieren. Die nächste Tabelle zeigt Emerson Electric (EMR) mit dem 50-Tage EMA und 200-Tage EMA. Die Aktie bewegte sich über und hielt über dem 200-Tage gleitenden Durchschnitt im August. Es gab Dips unterhalb der 50-Tage-EMA Anfang November und wieder Anfang Februar. Preise schnell zurück über die 50-Tage-EMA zu bullish Signale (grüne Pfeile) in Harmonie mit dem größeren Aufwärtstrend. Im Indikatorfenster wird MACD (1,50,1) angezeigt, um Preiskreuze über oder unter dem 50-Tage-EMA zu bestätigen. Die 1-tägige EMA entspricht dem Schlusskurs. MACD (1,50,1) ist positiv, wenn die Schließung oberhalb der 50-Tage-EMA und negativ ist, wenn die Schließung unterhalb der 50-Tage-EMA liegt. Unterstützung und Widerstand Der Gleitende Durchschnitt kann auch als Unterstützung in einem Aufwärtstrend und Widerstand in einem Abwärtstrend dienen. Ein kurzfristiger Aufwärtstrend könnte Unterstützung nahe dem 20-tägigen einfachen gleitenden Durchschnitt finden, der auch in Bollinger-Bändern verwendet wird. Ein langfristiger Aufwärtstrend könnte Unterstützung nahe dem 200-tägigen einfachen gleitenden Durchschnitt finden, der der populärste langfristige bewegliche Durchschnitt ist. Wenn Tatsache, die 200-Tage gleitenden Durchschnitt bieten kann Unterstützung oder Widerstand, nur weil es so weit verbreitet ist. Es ist fast wie eine sich selbst erfüllende Prophezeiung. Die Grafik oben zeigt die NY Composite mit dem 200-Tage einfachen gleitenden Durchschnitt von Mitte 2004 bis Ende 2008. Die 200-Tage-Support zur Verfügung gestellt, mehrmals während des Vorhabens. Sobald der Trend mit einem Doppel-Top-Support-Pause umgekehrt, der 200-Tage gleitenden Durchschnitt als Widerstand um 9500 gehandelt. Erwarten Sie nicht genaue Unterstützung und Widerstand Ebenen von gleitenden Durchschnitten, vor allem längeren gleitenden Durchschnitten. Märkte werden durch Emotionen gefahren, wodurch sie anfällig für Überschreitungen sind. Statt genauer Ebenen können gleitende Mittelwerte verwendet werden, um Unterstützungs - oder Widerstandszonen zu identifizieren. Schlussfolgerungen Die Vorteile der Verwendung von bewegten Durchschnitten müssen gegen die Nachteile gewogen werden. Moving-Durchschnitte sind Trend nach, oder nacheilende, Indikatoren, die immer einen Schritt hinter sich. Dies ist nicht unbedingt eine schlechte Sache. Immerhin ist der Trend ist dein Freund und es ist am besten, in die Richtung des Trends Handel. Die gleitenden Durchschnitte gewährleisten, dass ein Händler dem aktuellen Trend entspricht. Auch wenn der Trend ist dein Freund, verbringen die Wertpapiere viel Zeit in Handelsspannen, die gleitende Durchschnitte ineffektiv machen. Einmal in einem Trend, bewegte Durchschnitte halten Sie in, sondern geben auch späte Signale. Don039t erwarten, an der Spitze zu verkaufen und an der Unterseite mit bewegten Durchschnitten kaufen. Wie bei den meisten technischen Analysetools sollten die gleitenden Mittelwerte nicht allein verwendet werden, sondern in Verbindung mit anderen komplementären Tools. Chartisten können gleitende Durchschnitte verwenden, um den Gesamttrend zu definieren und dann RSI zu verwenden, um überkaufte oder überverkaufte Niveaus zu definieren. Hinzufügen von Bewegungsdurchschnitten zu StockCharts Diagrammen Gleitende Durchschnitte sind als Preisüberlagerungsfunktion auf der SharpCharts-Workbench verfügbar. Mit dem Dropdown-Menü Overlays können Benutzer entweder einen einfachen gleitenden Durchschnitt oder einen exponentiellen gleitenden Durchschnitt auswählen. Der erste Parameter wird verwendet, um die Anzahl der Zeitperioden einzustellen. Ein optionaler Parameter kann hinzugefügt werden, um festzulegen, welches Preisfeld in den Berechnungen verwendet werden soll - O für die Open, H für High, L für Low und C für Close. Ein Komma wird verwendet, um Parameter zu trennen. Ein weiterer optionaler Parameter kann hinzugefügt werden, um die gleitenden Mittelwerte nach links (vorbei) oder nach rechts (zukünftig) zu verschieben. Eine negative Zahl (-10) würde den gleitenden Durchschnitt auf die linken 10 Perioden verschieben. Eine positive Zahl (10) würde den gleitenden Durchschnitt auf die rechten 10 Perioden verschieben. Mehrere gleitende Durchschnitte können dem Preisplot überlagert werden, indem einfach eine weitere Überlagerungslinie zur Werkbank hinzugefügt wird. StockCharts-Mitglieder können die Farben und den Stil ändern, um zwischen mehreren gleitenden Durchschnitten zu unterscheiden. Nachdem Sie eine Anzeige ausgewählt haben, öffnen Sie die erweiterten Optionen, indem Sie auf das kleine grüne Dreieck klicken. Erweiterte Optionen können auch verwendet werden, um eine gleitende mittlere Überlagerung zu anderen technischen Indikatoren wie RSI, CCI und Volumen hinzuzufügen. Klicken Sie hier für ein Live-Diagramm mit mehreren verschiedenen gleitenden Durchschnitten. Verwenden von Moving Averages mit StockCharts-Scans Hier finden Sie einige Beispielscans, die die StockCharts-Mitglieder verwenden können, um verschiedene gleitende durchschnittliche Situationen zu scannen: Bullish Moving Average Cross: Diese Scans suchen nach Aktien mit einem steigenden 150-Tage-Durchschnitt und einem bullishen Kreuz der 5 Tag EMA und 35-Tage EMA. Der 150-Tage gleitende Durchschnitt steigt, solange er über seinem Niveau vor fünf Tagen handelt. Ein bullish Kreuz tritt auf, wenn die 5-Tage-EMA bewegt sich über dem 35-Tage-EMA auf überdurchschnittlichen Volumen. Bearish Moving Average Cross: Diese Scans sucht nach Aktien mit einem fallenden 150-Tage einfachen gleitenden Durchschnitt und einem bärischen Kreuz der 5-Tage EMA und 35-Tage EMA. Der 150-Tage gleitende Durchschnitt fällt, solange er unter seinem Niveau vor fünf Tagen handelt. Ein bäriges Kreuz tritt auf, wenn die 5-Tage-EMA unterhalb der 35-Tage-EMA auf überdurchschnittlichem Volumen bewegt. Weitere Studie John Murphy039s Buch hat ein Kapitel gewidmet gleitende Durchschnitte und ihre verschiedenen Verwendungen. Murphy deckt die Vor-und Nachteile der gleitenden Durchschnitte. Darüber hinaus zeigt Murphy, wie bewegte Durchschnitte mit Bollinger Bands und kanalbasierten Handelssystemen funktionieren. Technische Analyse der Finanzmärkte John Murphy

Binär Optionen Frieden Armee

Ayrex Review Besuchen Sie die Website Live-Diskussion Nehmen Sie an unserem Forum teil Ayrex-Profil bereitgestellt von AyrexOfficial, Aug 26, 2015 Ayrex ist ein innovativer Binary Options Broker, der Kunden weltweit betreut. Ayrex arbeitet in vollem Einklang mit internationalen Gesetzen und Finanzvorschriften. Ayrex Plattform wurde auf der Grundlage sorgfältiger Forschung und Ayrex teamrsquos umfangreiche Erfahrung auf den Finanzmärkten entwickelt. Durch die Einführung eines völlig neuen Ansatzes für den binären Optionshandel bietet Ayrex seinen Kunden bessere Möglichkeiten, ihre Handelskompetenz und ihren Gewinn zu steigern. Praxis ist der wichtigste Aspekt des Lernens. Übung macht den Meister und wir wollen unseren zukünftigen und bestehenden Kunden die Chance geben, fundierte Entscheidungen zu treffen, wenn es um den Handel geht. Unsere Demo ist absolut kostenlos und erfordert keine Registrierung. 5 Mindesteinzahlung zielt darauf ab, den Händlern eine Chance zu geben, sicher zu starten und ihren Weg aufzubauen, während sie ihre Handelsstrategien beherrschen. Mindestveranlagung: 5 EUR USD Mindestabnahme. 5 EUR Demo-Konto: Kostenlos, keine Anmeldung, kein Verfalldatum Frühe Verschluss möglich. JA (High Low und One Touch Optionen) Kundenbetreuung. 24 5 Wir haben unsere eigene Plattform geschaffen. Das bedeutet, dass wir es schneller ändern können und wir sind flexibler in Bezug auf die Erfüllung unserer customersrsquo Bedürfnisse. Wir sind ständig brainstorming, was wir verbessern können und was wir unseren Kunden anbieten können. Instant-Deal-Ausführung, keine Fehler, keine Plattform einfrieren. Ein Team von IT-Profis arbeitet jeden Tag, um eine hervorragende Plattformleistung zu gewährleisten. Ein Klick-Trading ist für alle Deals implementiert. Binäre Optionen Strategien Intermediate Traders Für Trader mittleren Niveau sind die eingeführten Trading-Strategien etwas komplexer. Die meisten von ihnen decken den Bereich des Risikomanagements ab. Diese Strategien sind auf die Verlängerung der Händler Investitionskapital ausgerichtet, so dass er lange genug im Spiel zu gewinnen gewinnt. Advanced Traders Um die verschiedenen Strategien zu verstehen, die hier diskutiert werden, muss man ein solides Verständnis über die verschiedenen Handelskonzepte, die in diesen Handelsstrategien verwendet werden, verstehen. Trader, die eine solide Grundlage haben, wie Optionen arbeiten, haben eine schwierige Zeit zu begreifen, wie diese Strategien funktionieren. Als solche empfehlen wir nur fortgeschrittene Händler, die Strategien, die hier erwähnt werden, zu übernehmen. Empfohlene Brokers Bonus bis zu 100 - Bedingungen gelten. Investoren können ihr gesamtes Vermögen verlieren

Fisch Forex Robot 4g Review

Fish Forex Robot 4G HAFTUNGSAUSSCHLUSS: Keine Anlageberatung für Sie Diese Website ist nicht für den Zweck der Bereitstellung persönlicher Finanzprodukte oder Anlageberatung entwickelt. Die auf dieser Website enthaltenen Informationen berücksichtigen nicht Ihre besonderen Anlageziele, die finanzielle Situation oder den Investitionsbedarf. Sie sollten prüfen, ob die auf dieser Website enthaltenen Informationen den jeweiligen Anlagezielen, der finanziellen Situation und dem Investitionsbedarf entsprechen. Sie sollten dies tun, bevor Sie eine Investitionsentscheidung treffen. Die Informationen auf dieser Website sind keine Empfehlung für Investitionen. Nutzungsbedingungen | Alle Rechte vorbehalten. Forex-MonitorSimply erwünscht zu bieten sowie zu revidieren auf meine persönliche vorherige Überblick über diese besondere fantastische Element durch FishForex. Auf 03 twelfth Wir platzieren diese insbesondere auf meine persönlichen kleinen Wohnsitz Konten betreiben, und enthält diese bestimmten Konten durch 8 erhöht. Ziemlich gut. Wir stellen auch diese auf die 50, 000 DEMONSTRATION ACCOUNTS. Das bestimmte Angebote über 10, 000 innerhalb von 6 Tagen erstellt. Für den Fall, dass das echtes Geld war, könnte ich fast aufhören zu funktionieren Klicken Sie hier, um ein neues Trading-Tool und Strategie kostenlos 2013-02-04 5Star Rita in letzter Zeit erlebt die Werbegeschenk-Marketing, um die woman8217s ABONNIERE LISTE, die die Option erlaubt Von 1 mit 3 verbundenen mit den women8217s Artikeln verbunden sind. Wir haben das ausgewählt und auch schon seit ungefähr einem Monat im Einsatz. Wir funktionieren genau so. Standorte 2 bevorstehende Käufe in einem bestimmten Zeitraum jeden Tag, danach erfordert 1 sowie storniert eine andere, basierend auf Weg vom Markt. Wenn die Industrie gelingt, zu verlieren, wird es die Erholung Industrie im umgekehrten Weg. Dies gilt für nur 10 Pips auf jede Branche. Die tatsächliche Unterbrechung ist eigentlich fünfunddreißig Pips. Bisher absolut keine Defizite. It8217s verwendet die eigentliche Rekuperationsindustrie zweimal. Für den Fall, dass bestimmte gewesen, um sich in der Reduktion, könnte es ein wenig unangenehm sein, aber sollten Sie sich an die Richtlinien über die Gefahr, eine Person würde nicht am Ende wird zerstört. I8217ve kaufte ein paar zusätzliche Bots durch Rita zuvor. Wir forderten, wie auch erhalten die Erstattung in ihr jeweils.

Weltweites Agrarhandelssystem

Landwirtschaftlicher Handel Der neueste OECD-FAO-Agrarausblick 2016-2025 ist ab sofort verfügbar und enthält zehnjährige Prognosen für Agrarrohstoffe sowie ein spezielles Kapitel über Afrika südlich der Sahara. Die AMIS-Policy-Datenbank sammelt Informationen über Handelsmaßnahmen und nationale Maßnahmen im Zusammenhang mit den vier AMIS-Kulturen (Weizen, Mais, Reis und Sojabohnen) sowie Biokraftstoffen. Das Design dieser Datenbank ermöglicht Vergleiche zwischen Ländern, über Rohstoffe und über Politikbereiche für ausgewählte Zeiträume. Dieser Bericht analysiert die Politikbereiche entlang der landwirtschaftlichen Lieferkette, insbesondere Unterstützungsmaßnahmen für Düngemittel und für Biokraftstoffe. Es verwendet die OECD-Datenbank für Düngemittel und Biofuel-Support-Policies, die die Polizei in 48 Ländern (einschließlich der EU und ihrer Mitglieder) abdeckt und die Marktwirkungen dieser Politiken mit einem berechenbaren allgemeinen Gleichgewichtsmodell, MAGNET, beurteilt. Die OECD führt eingehende Überprüfungen und Analysen von Fragen des Agrarhandels durch und gibt politischen Entscheidungsträgern und Analysten langfristige Szenarien in Lebensmittel und Landwirtschaft. Die Direktion erstellt zusammen mit der UNFAO einen jährlichen Agricultural Outlook und beteiligt sich am AMIS Market Monitor. ZwnjzwnjDie OECD-FAO Agricultural Outlook 2016-2025 enthält Produktions - und Verbrauchsprognosen für das kommende Jahrzehnt sowie ein spezielles Kapitel über Afrika südlich der Sahara. Dieser Jahresbericht bewertet die Entwicklung der Agrarmärkte und die Aussichten auf Produktion, Verbrauch, Handel, Bestände und Preise der wichtigsten Agrarrohstoffe. AMIS Market Monitor Laden Sie den aktuellen Market Monitor Report (pdf) herunter und überprüfen Sie aktuelle Entwicklungen in der Produktion und in der Politik. Diese Studie untersucht, wie Veränderungen des Welternährungs - und Landwirtschaftssystems zur Verbesserung der Ernährungssicherheit in den Entwicklungsländern beitragen können. Schwerpunkte des Agrarhandels OECD-FAO Agraraussichten Der Bericht behandelt OECD-Länder, große Volkswirtschaften wie Indien, China, Russland, Brasilien und Argentinien sowie Entwicklungsregionen in Afrika und Asien. Die Publikation wird ergänzt durch eine Online-Datenbank, die historische Daten zurück bis 1970, wo verfügbar und Prognosen für das kommende Jahrzehnt. Raquo Zugriff auf die Publikation "Agricultural Outlook" und Datenbank Bioenergy Bioenergy berührt Bereiche, die so vielfältig sind wie wissenschaftliche Entwicklungen, Umweltauswirkungen, Energiebilanzen und die Marktwirtschaft. Die OECD hat ein interdisziplinäres Forschungsprogramm gestartet, das Fachwissen aus einer Reihe weiterer Direktionen der Organisation, der Internationalen Energieagentur (IEA) und anderer Institutionen und Forscher einbezieht. Langzeitszenarien für Landwirtschaft und Ernährung Die Zukunft des Agrar - und Ernährungssystems unterliegt erheblichen Bedenken. Steigende landwirtschaftliche Nachfrage, angetrieben durch wachsende und zunehmend urbanisierte Bevölkerung, steigende Einkommen und erhebliche Anforderungen für Rohstoffe für Energie und andere Non-Food-Anwendungen. Die OECD-Arbeit konzentriert sich auf den Dialog zwischen Regierungen und anderen Stakeholdern, Experten und Modellbauern. Und bringt Aspekte aus einer Vielzahl von wirtschaftlichen, biophysikalischen, sozialen und politischen Fragen zusammen und ermöglicht so einen multidisziplinären Ansatz, der für eine informierte Debatte notwendig ist. (AMIS) Die OECD beteiligt sich aktiv am Agrarmarktinformationssystem (AMIS), das von den Landwirtschaftsministern der G20 gefordert wird, um die Volatilität der Lebensmittelpreise durch rechtzeitigere, präzisere und transparentere Informationen auf den globalen Nahrungsmittelmärkten zu erreichen. AMIS veröffentlicht monatliche Berichte über globale Märkte, die für Analysten und die Öffentlichkeit frei zugänglich sind. Andere Themen in Agricultural TradeCacao Bohnen In der tropischen Region Americas angebaut, werden Kakaobohnen häufig verwendet, um Kakao, Schokolade und Kakaobutter zu machen. Kakaobohnen schaffen das verlockende Aroma für saftige Schokolade-basierte Getränke und Süßigkeiten. Unsere Kakaobohnen werden in pulverisierten und flüssigen Präsentationen angeboten. Auf Anfrage können wir organische und Fair Trade zertifizierte Kakaos anbieten. Kakaobohnen sind Zucker frei, hoch in Nährstoffen, Aminosäuren und gesunde Fette. Diese Bohnen enthalten auch Chemikalien, die Depressionen zu reduzieren und senken den Blutzuckerspiegel. Quinoa Grains amp Quinoa Powder Das Wort Quinoa stammt aus dem Dialekt Quechua, der Sprache, die von den Inkas gesprochen wird. Der Quinoasanbau begann vor 7.000 Jahren in Südamerika. Aus 15 Proteinen, ist Quinoa und seine außergewöhnlichen Eigenschaften soll einer der besten Vermögenswerte für die Incas Entwicklung der Zivilisation gewesen sein. Angeboten sowohl in Getreide-und Pulverform, ist Quinoa extrem reich an Eisen, Phosphor und hat eine gute Versorgung mit B2 Vitaminen. Maca Pulver Maca Pulver ist eine Pflanze in Südamerika, die seit Tausenden von Jahren verbraucht wurde. Einige argumentieren sogar, dass Maca während der Jungsteinzeit verwendet wurde. Oft in Snacks und Getränke verwendet, werden Maca Wurzeln als qualitativ hochwertige Lebensmittel, die einen karamellisierten Geschmack haben. Vitamine wie B1, B2, B12 und C finden Sie in unserem Maca Pulver. Kakaobohnen Eingeboren in den Amerikas, wurde Cacao für seine gesunden und erregenden Eigenschaften genossen. In der Tat, die Geschichte zeigt, dass Zivilisationen wie die der Maya Cacao mit dem Essen, dass ihre Götter verbraucht. Wachsen in Gebieten 20 Grad nördlich und südlich des Äquators, enthalten Kakaobohnen wesentliche Mineralien in beträchtlichen Mengen. Quinoa Körner ampPowder Als eine wichtige Quelle von Protein für mehr als 7000 Jahre betrachtet, wachsen Quinoa Pflanzen in der Andenregion Südamerikas. Quinoa ist weithin bekannt in Südamerika als die Hauptquelle des Proteins. Quinoa Pflanzen stehen 1 bis 2 Meter hoch, produzieren markante Farben wie rot und gelb und schließlich braun, wenn sie Reife zu erreichen. Maca Powder Ähnlich einer kleinen Rübe, sind Maca Pflanzen Teil der Kartoffel-Familie. Maca ist in hohen Höhen gewachsen, meist über 12.000 Fuß in der Andenregion Südamerikas. Diese Pflanzen kommen aus den Höhen von Peru und Kolumbien. Kakaobohnen Ob es pflanzt, erntet oder vergärt, jeder Teil der Kakaobauernung wird am besten von Hand gemacht. Kakaoschalen werden von den Bäumen einzeln von Hand entfernt, weil nicht alle gleichzeitig reifen. Nachdem die Hülsen von Hand aufgeteilt werden, werden die Bohnen im zweistufigen Härtungsprozess herausgeschöpft, fermentiert und getrocknet. Quinoa Körner Quinoa Körner aus den salzarmen Regionen sind mit einer Schicht aus Saponin bedeckt, die vor dem Verzehr entfernt werden muss. Verarbeitet durch eine Maschine, werden Quinoakörner geröstet und geröstet, um das Saponin zu lösen. Da der manuelle Prozess zur Entfernung einer bestimmten Menge an Saponin normalerweise 6 Stunden dauert, ist die Maschine in der Lage, die gleiche Menge an Menge in 7 Minuten zu verarbeiten. In ähnlicher Weise ist die Maschine besser in der Lage, den Ring des Korns zu halten, wo das Protein und die Aminosäuren konzentriert sind. Maca-Pulver Der Maca-Prozess beginnt mit der Auswahl der Samen, die gesät und gezüchtet werden. Nach der Einhaltung der Vorschriften werden Maca-Wurzeln etwa 8 Monate nach der Kultivierung geerntet. Die Wurzeln werden dann unter Verwendung von Sonnenlicht natürlich getrocknet und zur Verarbeitung in die Pflanze übertragen. Im Inneren der Pflanze werden die Maca-Wurzeln gewaschen, desinfiziert und in Stücke gebrochen. Als nächstes laufen die Wurzeln durch die Gelatinisierung (kalter Prozess). Wenn die Wurzeln vollständig trocken sind, sind sie bereit für die Verpackung Ernährungswert Vorteile Kakaobohnen Kakaobohnen enthalten keine Zucker oder Milchprodukte, es wurde festgestellt, dass niedrig in Kalorien und Fett für jede Diät geeignet. Andere ernährungsphysiologische Vorteile von Kakaobohnen gehören: - Suppression Appetit, das hilft bei der Gewichtsabnahme - Containes Phenylethalamin, das arbeitet, um das Glück und Aufmerksamkeit zu erhöhen. - Darüber hinaus enthalten Kakaobohnen Theobromin, das die Gehirnfunktionen belebt und stimuliert. - Cacaos hohe Mengen an Magnesium zu einem gesunden Herzen beitragen Quinoa Nutrition Facts. Grainsamp Powder Hier bei Global Agricultural Trading, glauben wir, dass Quinoa verdient, die Anerkennung, die es weltweit verdient. Ein paar von Quinoas ernährungsphysiologische Vorteile, die gefunden wurden, gehören: - Aide in der Prävention von Herz-Kreislauf-Erkrankungen-Forschung zeigt, dass Quinoa Körner haben einen positiven Effekt auf Diabetiker - Fördert eine gesunde, ausgewogene Ernährung - Hoch in Protein mit einem hohen Ballaststoffgehalt gekoppelt. - Gluten kostenlos und einfach zu verdauen Maca Pulver Als energetische Stimulans, Maca soll die Menschen fühlen sich stärker fühlen, wenn sie müde und unten fühlen. Es ist bekannt, die intellektuellen Fähigkeiten wie Gedächtnis und Konzentration zu steigern. Traditionell empfehlen native Medizin Praktiker und Kräuterkundler empfehlen den Konsum von Maca für: - Treating menopausalen Symptome, wie Hitzewallungen und Depressionen, - Stimulation und Regulierung des endokrinen Systems - Regulierung und Normalisierung Menstruationszyklen - Stimulierung der Fruchtbarkeit bei Männern und Frauen - Unterstützung der Immunsystem Kakaobohnen Die Auszeichnung im Geschmack für Kakao hängt von der Kakaopflanze ab, aus der es stammt. Ungefähr 90 von allen Kakaobohnen kommen von den Forasteroplants, die Kakaobohnen einen sauberen Schokoladenaroma mit niedriger Säure geben und wird für seine Krankheitresistenz und beständige Leistung geschätzt. Unsere Kakaobohnen werden häufig in der Produktion von Schokolade, Butter und Likör verwendet. Quinoa Körner ampPowder Mit einem schönen nussigen Geschmack, Quinoa Körner gut gehen auf Ihrem Tisch als Salat oder in Salaten gemischt mit Gemüse. Darüber hinaus hat Quinoa Körner wurde an die Stelle von Reis oder Nudeln zu nehmen. Quinoa Körner und Pulver kann verwendet werden, um Mehl, Suppe, Frühstücksflocken und Alkohol zu machen. Maca Mit seinem ausgezeichneten karamellisierten Geschmack kann Maca in frischen Fruchtschalen verwendet und zu Smoothies und Säften hinzugefügt werden. Darüber hinaus ist Macas würzig-bitteren Geschmack durch seine nussigen Geschmack ergänzt. Cacao Quinoa (Getreidepulver) Maca Quinoa Getreidepulver enthalten

Emerging Markt Fx Optionen

Devisen - und Derivatemärkte in Schwellenländern und die Internationalisierung ihrer Währungen Die Derivatmärkte in Schwellenländern sind seit 2010 weiter gewachsen, vor allem durch ein sehr starkes Wachstum im OTC-Markt. Die Schwellenländer-Währungen sind internationaler geworden, da Offshore-Märkte einen wichtigen Beitrag zum Devisenumsatz leisten. Der chinesische Renminbi wird im aufstrebenden Asien aktiv gehandelt. Der Handel mit Schwellenmärkten orientiert sich positiv an der Größe der grenzüberschreitenden Finanzströme. 1 JEL Klassifizierung: F31, G15, G20, P45. In den vergangenen zehn Jahren sind die Devisen - und Derivatemärkte in Schwellenländern (EME) schnell gewachsen. In früheren Arbeiten stellten Milhaljek und Packer (2010) fest, dass EME-Derivate stark die der fortgeschrittenen Volkswirtschaften entwachsen und zunehmend international wachsen. Dieser Trend setzte sich fort In EME, welche Derivate nun gehandelt werden und wer sie tauscht Welche EME-Währungen heute am meisten gehandelt werden und wo werden sie gehandelt Haben einige EME-Währungen zu regionalen Leitwährungen Gibt es eine Beziehung zwischen Umsatz in EME-Währungen und Cross - Grenzüberschreitende Finanzströme in und aus den Schwellenländern Unsere wichtigsten Ergebnisse sind wie folgt. Erstens hat sich der durchschnittliche Tagesumsatz in EME-Derivaten seit 2010 weiter erhöht, was vor allem auf das sehr starke Wachstum im OTC-Segment zurückzuführen ist. Zweitens ist das Wachstum der FX-Derivate-Umsätze am stärksten mit anderen Finanzinstituten, die offizielle Sektor Finanzinstitute gehören. Drittens ist der Offshore-Handel von EME-Währungen gestiegen, der weit über dem Wachstum der gesamten FX-Umsätze in EME-Währungen liegt. Unter den Währungen mit dem höchsten Umsatzwachstum sind der chinesische Renminbi, der mexikanische Peso, die türkische Lira und der russische Rubel. Viertens spielt der chinesische Renminbi in den aufstrebenden Regionen Asiens eine immer wichtigere Rolle, obwohl die regionale Bedeutung anderer EME-Währungen wesentlich begrenzter ist. Fünftens ist der Handel von EME-Währungen positiv mit der Größe der grenzüberschreitenden Finanzströme verbunden. Der Rest dieses Artikels ist wie folgt organisiert. Im ersten Abschnitt werden die allgemeinen Trends des Derivatgeschäfts in den EME-Jurisdiktionen sowohl im Freiverkehrshandel als auch im Börsenhandel betrachtet. Im zweiten Teil verlagern wir unsere Fokussierung auf den EME-Devisenhandel, der weit über die Heimatländer hinausgeht. Der dritte Abschnitt analysiert den Zusammenhang zwischen den Finanzströmen und dem Devisenumsatz in EME-Währungen. Der letzte Abschnitt schließt. Die Größe und Struktur der Derivatemärkte in den EME Der Derivatemarkt in den EME ist im Vergleich zu jenen in den fortgeschrittenen Volkswirtschaften gering. Über die 32 EME, für die Daten vorliegen, belief sich der durchschnittliche Tagesumsatz in den EME-Jurisdiktionen, berechnet auf Netto-Netto-Basis (dh Korrektur sowohl für lokale als auch für grenzüberschreitende Zwischenhändler-Doppelzählungen) auf 1,1 Billionen im April 2013 4 des BIP der Länder, verglichen mit 10,3 Billionen in den fortgeschrittenen Volkswirtschaften oder 24 des BIP (Grafik 1). Das Gesamttempo des Wachstums übersteigt das der fortgeschrittenen Volkswirtschaften, obgleich es bei 13 ziemlich bescheiden ist. Wie unten erörtert, spiegelt dieses zurückgehende Handel am EME Austausch das Wachstum der OTC-Geschäfte stark ist. Ein weiterer Vorbehalt zu beachten ist, dass der Handel in Schwellenländern Jurisdictions nur einen Teil des Handels mit EME-Derivaten aufgrund der aktiven Offshore-Handel. Der Derivateumsatz in den EME-Jurisdiktionen ist tendenziell stärker im Währungssegment konzentriert. FX-Derivate machen knapp die Hälfte des gesamten Tagesumsatzes aus, Eigenkapital - und Zinsinstrumente rund ein Fünftel. Im Gegensatz dazu werden Derivate in den fortgeschrittenen Volkswirtschaften überwiegend für den Handel mit dem Zinsänderungsrisiko (rund 66 des Gesamtumsatzes) verwendet, wobei der Devisen - und der Aktienmarktderivateumsatz nur 28 bzw. 6 betragen. Die kleinere Rolle von Zinsderivaten in Emerging Markets spiegelt vermutlich die geringere Tiefe und Liquidität ihrer Anleihen - und Geldmärkte sowie die größere Bedeutung des Wechselkursrisikos für viele EME-Volkswirtschaften wider. OTC-Derivate scheinen in EMEs eine größere Rolle zu spielen als börsengehandelte Derivate. In den Schwellenländern werden rund 56 Derivate über der Theke gehandelt, bezogen auf ein Verhältnis von weniger als einer halb gehandelten Aktie in fortgeschrittenen Volkswirtschaften. 2 Dieses Verhältnis der OTC - zu den gesamten Derivatgeschäften steigt in den EMEs für den Rest des Papiers weiter an. Dabei konzentrieren wir uns auf die Entwicklung der OTC-Derivatmärkte sowie der FX-Spotmärkte. Das Wachstum der OTC-FX-Derivate in den Schwellenländern war in den letzten Jahren sehr stark gestiegen. Der Umsatz stieg von 380 Mrd. auf 535 Mrd. oder mehr als 40 im Zeitraum 2010-13 (Tabelle 1). Das Wachstum war über das gesamte Spektrum der Instrumente hinweg beträchtlich, unter anderem durch direkte Forwards (45), FX Swaps (35), Devisenswaps (29) und Optionen (102). In jedem dieser Instrumente war das Umsatzwachstum größer als in den fortgeschrittenen Wirtschaftsmärkten. Das OTC-Marktwachstum bei Devisenderivaten - mit 41 im Zeitraum 2010-2013 - übersteigt das Wachstum des Devisenmarktes deutlich (17). Die Devisentermingeschäfte beliefen sich während des Erhebungszeitraums 2013 auf 69 aller OTC-Devisentermingeschäfte, verglichen mit 65 im Jahr 2010 und 61 im Jahr 2007. Der Anteil der FX-Derivate am OTC FX-Marktumsatz ist nun deutlich höher (und der Spot - Die entsprechenden Anteile an fortgeschrittenen Volkswirtschaften. Der Hauptbeitrag der FX-Derivate zum Umsatzwachstum im EME-Währungsumsatz steht im Einklang mit der Ansicht, dass die Absicherung von Nachfrage und Spekulationen durch ausländische Portfolioinvestoren, die daran interessiert sind, die Wechselkursrisiken ihrer lokalen Währungsinvestitionen zu mindern oder auf Wechselkursschwankungen zu spekulieren, an Bedeutung gewonnen hat . Gleichzeitig haben internationale Kapitalströme zunehmend Auswirkungen auf die Stabilität der heimischen Volkswirtschaften und Finanzsysteme (Lane (2013)). Der relativ geringe Anteil des Spothandels am Devisenmarktumsatz der EME-Währungen könnte auch in diesen Währungen das noch begrenzte Ausmaß des Hochfrequenzhandels (HFT) widerspiegeln, da HFT häufiger vor Ort als auf Derivatmärkten ist. Die zunehmende Bedeutung anderer Finanzinstitute Das Wachstum der OTC-FX-Derivate in Schwellenländern hat sich bei den verschiedenen Arten von Kontrahenten deutlich verändert (Tabelle 2). Der Anstieg der Umsätze ist am deutlichsten mit anderen Finanzinstituten zu beobachten, zu denen außerbörsennotierte Banken, institutionelle Anleger, Hedgefonds und eigene Handelsfirmen sowie offizielle Finanzinstitute zählen. Der Anteil der FX-Derivate am Gesamtumsatz der OTC-Derivate stieg von 30 auf 32 im Zeitraum 2010-13, nach einem noch stärkeren Anstieg 2007-10. Unterdessen ist der Anteil des Handels mit berichtenden Händlern, in der Regel Handels - und Investmentbanken, von 61 auf 58 in den Jahren 2007 und 2010 und auf 57 im Jahr 2013 gesunken. Mehrere Faktoren untermauern diesen Trend. Insbesondere wenn der Handel in wichtigen Währungen seit geraumer Zeit sehr niedrige Transaktionskosten verursacht hat, haben viele EME-Währungen in jüngster Vergangenheit niedrigere Handelskosten (vgl. Rime und Schrimpf (2013)). 3 Es ist auch möglich, dass hohe Zinsdifferenzen und der Spielraum für Leveraged Carry Trades in einigen EME-Währungen das Interesse der Investoren erhöht haben: Besonders starkes Wachstum war zwischen April 2010 und April 2013 in vielen hochverzinslichen Währungen zu beobachten, die gemeinhin als Carry-Trade-Ziele bezeichnet wurden , Wie die indische Rupie, mexikanische Peso und türkische Lira. Die Verringerung der Barrieren für Kapitalmobilität in einigen Ländern kann auch eine zunehmende Bedeutung des Umsatzes mit anderen Finanzinstituten erklären. In der Vergangenheit reduzierte die begrenzte Kapitalkonto-Offenheit den Anteil des Handels mit Finanzkunden (Tsuyuguchi und Wooldridge (2008)). Eine andere mögliche Erklärung besteht darin, dass die Tätigkeit anderer Finanzinstitute teilweise die Interaktion des offiziellen Sektors mit Devisenmärkten widerspiegeln kann, wie beispielsweise die FX-Intervention, bei der sich der offizielle Sektor gegen den Wertsteigerungsdruck lehnt. Die neue Umfrage unterteilt die Kategorie der anderen Finanzinstitute in Unterkategorien. Insbesondere nehmen amtliche Sektor-Finanzinstitute in der Kategorie anderer Finanzinstitute in Schwellenländern (ca. 7) in der Regel einen größeren Anteil ein als in fortgeschrittenen (2). Am höchsten ist der Anteil am aufstrebenden Asien (8), noch stärker als in den Regionen, in denen die beiden grössten Finanzzentren nicht enthalten sind (10). OTC-Zinsderivate Die Märkte für Zinsderivate in EME befinden sich noch in einem frühen Entwicklungsstadium. Sie sind in den letzten drei Jahren um ein Drittel gewachsen, aber der durchschnittliche Tagesumsatz von 84 Milliarden (Tabelle 3) bleibt bei nur 15 der FX-OTC-Märkte. Der Anteil der Zinsderivate in den EME-Ländern ist in den fortgeschrittenen Volkswirtschaften ebenfalls geringer als im Vergleich zu einem deutlich höheren Anteil von 19 bei den OTC-FX-Derivatgeschäften. Wenn es um den Umsatz nur auf Börsen geht, EMEs auch lag, bei 3 des Umsatzes an fortgeschrittenen Wirtschaft Börsen. Das Wachstum der EME-Zinsderivate war fast vollständig durch Asien geprägt. Besonders stark entwickelte sich in Hongkong SAR und Singapur, die zusammen 16 Prozentpunkte des 33 Wachstums ausmachten. Demgegenüber sank der Umsatz in Lateinamerika um 35, was auf einen Rückgang der Zinsderivate in Brasilien, dem aktivsten Markt in der Region, zurückzuführen ist. Die rückläufige Entwicklung der EME-Zinsderivate gegenüber den Devisenmärkten spiegelt sich auch in dem hohen Anteil des Berichterstattungsegments wider. Fast 60 der Transaktionen gehen durch Berichterstattung Händler, nur marginal niedriger als in früheren Umfragen. Im Gegensatz dazu ist in den fortgeschrittenen Volkswirtschaften der Umsatzanteil der berichtenden Händler kaum mehr als ein Drittel. 4 Der Handel von EME-Währungen: Onshore versus Offshore Die früheren Analysen konzentrierten sich auf den Devisenhandel in den EME-Jurisdiktionen. Aber in den letzten Jahren war der Handel mit den EME-Währungen - vor allem Offshore - noch stärker. Die globalen OTC FX-Spot - und Derivatgeschäfte stiegen im Zeitraum 2010-13 um mehr als 71 (Tabelle 4). Dies liegt deutlich über dem Wachstum der FX-Transaktionen, die allein in den EME-Jurisdiktionen stattfinden. Diese Zunahme des weltweiten Umsatzes ist weit größer als die 34 steigende Umsätze für fortgeschrittene Volkswährungen. Unter den Schwellenländer-Währungen machen die Schwellenländer Asiens nach wie vor annähernd die Hälfte (47) des Gesamtumsatzes aus, während in Lateinamerika und Mittelosteuropa 22 bzw. 24 betragen. Der Umsatz in den lateinamerikanischen Währungen hat sich am stärksten erhöht, und zwar von 144 zwischen 2010 und 2013. Obwohl Lateinamerika, ausgehend von einer wesentlich niedrigeren Basis, nahezu dem Wachstum des EWE-Währungsumsatzes, wie auch Asien, zugute kam. Unter den spezifischen Währungen war das Umsatzwachstum im chinesischen Renminbi, dem mexikanischen Peso und dem brasilianischen Real besonders schnell bei 249, 171 bzw. 117. Am schnellsten wuchs der Umsatz von EME-Währungen in der Offshore-Komponente: 5 Der Offshore-Anteil der gesamten FX-Transaktionen hat sich in einem breiten Spektrum von Währungen stetig erhöht (Grafik 2). Während der Offshore-Handelsanteil einer Währung nicht der einzige Indikator ist, ist es ein wichtiges Indiz dafür, wie international eine Währung ist. 6 Insgesamt stieg das Wachstum des täglichen Offshore-Umsatzes der asiatischen Währungen im Zeitraum 2010-2013 um 35 Prozentpunkte auf ihr Gesamtwachstum von 41 an. Ein ähnliches Muster ergibt sich für die anderen großen EME-Regionen Lateinamerika und Mittelosteuropa. Dies ist auch im Einklang mit früheren Perioden wie 2007-10, wenn Offshore-Geschäfte waren ein gleichermaßen dominant Treiber des Umsatzes in EME-Währungen. 7 Das Wachstum des EME FX-Umsatzes ist auch weit über das Handelswachstum des Landes hinaus, was darauf hindeutet, dass die Finanzierung der EME-Währungen wie in früheren Perioden fortgesetzt wurde (McCauley und Scatigna (2013)). Die Rolle des Renminbi und der begrenzte regionale Handel von EME-Währungen Trotz des Wachstums im Offshore-Handel bleibt der Handel der meisten EME-Währungen in ihrer nahegelegenen geografischen Region recht begrenzt. Die Emerging-Asia-Währungen sind unter den großen Schwellenländern am stärksten regional gehandelt, mehr als ein Viertel (26) Handel findet in der Offshore-Region statt, aber in Asien (Tabelle 5). Dennoch ist der Offshore-Handel im Vereinigten Königreich (19) und den USA (8) zusammen für einen größeren Anteil am Umsatz der aufstrebenden asiatischen Währungen verantwortlich - und dies trotz der großen Offshore-Handelsknoten in Hongkong SAR und Singapur. Innerhalb des aufstrebenden Asiens spielt der chinesische Renminbi zunehmend eine herausragende Rolle, da ein erheblicher Teil seines Umsatzes in der Region offshore erzeugt wird. Der Offshore-Umsatz beläuft sich auf 86 Milliarden US-Dollar pro Tag, das entspricht 72 seiner weltweiten Gesamtmenge und fast zwei Drittel in Asien. Insofern ist der chinesische Renminbi in allen wichtigen Schwellenländern einmalig. Obwohl die hohe Offshore-Quote teilweise auf die Beschränkungen des Onshore-Handels zurückzuführen ist, spiegelt ihr stark gestiegener Umsatz in den aufstrebenden Regionen Asien die zunehmend dominierende wirtschaftliche und finanzielle Rolle in der Region (Park and Song (2011), Cheng et al (2013)). Keine andere große Schwellenlandregion besitzt eine regionale Währung mit ähnlicher Bedeutung. Obwohl sowohl die lateinamerikanischen als auch die zentral osteuropäischen (CEE) Währungen weitgehend außerhalb ihrer eigenen Rechtsprechung (Offshore-Verhältnisse von 76 bzw. 73) gehandelt werden, ist ihre Offshore-Durchdringung in ihren jeweiligen geografischen Regionen praktisch gleich Null. Während der mexikanische Peso und der brasilianische Real nun die erste und fünfte weltweit gehandelte EME-Währung sind, wurde ihr Wachstum hauptsächlich von Derivatmärkten in den USA (41) und Großbritannien (26) getragen. Mittlerweile ist die Rolle des Euro-Währungsgebiets für den Handel mit CEE-Währungen ziemlich begrenzt (8 der Gesamt - und 11 des Offshore-Umsatzes) - vielleicht das Ergebnis seiner Banken, die Handelsschalter nach London verlagern. Großbritannien als Offshore-Handelsdrehscheibe und US-Dollar als Fahrzeugwährung Als sich die EME-Währungen zunehmend international entwickelten, etablierte sich das Vereinigte Königreich als führendes Offshore-Handelszentrum. Insgesamt werden im Vereinigten Königreich 30 des gesamten FX OTC-Marktumsatzes mit EME-Währungen durchgeführt (Tabelle 5). Die nächste größte Offshore-Handelszentrum ist die Vereinigten Staaten bei 16, mit Wachstum vor allem durch den mexikanischen Peso und brasilianischen Real. Das Vereinigte Königreich beherbergt jedoch einen großen Umsatzanteil in allen EME-Währungen mit nahezu allen Ausnahmen. Und seine Rolle als ein Offshore-Handelszentrum hat sich erweitert. Im Jahr 2007 erzielte das Vereinigte Königreich einen Anteil von 13 des globalen Devisenmarktes für EME-Währungen, der bis 2010 auf 22 und bis 2013 auf 30 gestiegen war. 8 Im Einklang mit der wachsenden Internationalisierung, aber begrenzter Regionalisierung von EME-Währungen dominiert Und etablierte Rolle des US-Dollars als Fahrzeugwährung. Die verbesserte Berichterstattung von Offshore-Handelsgeschäften gegenüber großen EME-Währungen in der Umfrage 2013 ermöglicht erstmals eine genaue und umfassende Betrachtung der Emissionswährungsgeschäfte gegenüber dem US-Dollar. 9 Abbildung 3 zeigt alle EME-Währungen, für die diese Daten erhoben wurden. Die großen EME-Währungen werden überwiegend gegen den US-Dollar gehandelt - dies gilt sowohl für den Spot - als auch für den OTC-Derivatemarkt. 10 Grenzüberschreitende Finanzströme und die Internationalisierung der Schwellenländer Die starke Zunahme des Devisenumsatzes fiel zeitgleich mit steigenden grenzüberschreitenden Finanzströmen in und aus Schwellenländern im gleichen Zeitraum zusammen. Sehr niedrige Zinsen und unkonventionelle Geldpolitik in den fortgeschrittenen Volkswirtschaften während 2010-13 haben den Appetit internationaler Investoren und Banken für aufstrebende Marktwerte erhöht (Caruana (2013), Rey (2013)). Darüber hinaus haben die Krisen Europas viele internationale Investoren dazu veranlasst, ihren Fokus stärker auf die Schwellenländer zu verlagern. Während die Verknüpfung zwischen breiteren makroökonomischen Maßnahmen wie dem Pro-Kopf-BIP oder dem grenzüberschreitenden Handel und der Devisenmarktentwicklung gut dokumentiert ist, wurde die Verbindung zwischen den grenzüberschreitenden Finanzverbindungen und der Devisenmarktentwicklung weniger intensiv untersucht. 11 Wir untersuchen die potenzielle Bedeutung dieser Verbindung, indem wir die Korrelation zwischen Investmentfonds 12 und Devisenmarktumsatz analysieren. Von EPFR, einem Datenanbieter, erhalten wir wöchentliche Aktien - und Obligationenfondsfondsströme und deren Zuteilung an einzelne EMEs. Anschlie - ßend berechnen wir den täglichen absoluten Umsatz, indem wir im April (geteilt durch die durchschnittliche Anzahl der Arbeitstage) über die zwölf Monate vor dem jeweiligen Triennial-Erhebungszeitraum (April 2007, 2010 und 2013) die Summe der absoluten wöchentlichen Ströme gemittelt haben. Der FX-Marktumsatz wird als weltweiter Umsatz der jeweiligen EME-Währungen aus den Triennial Surveys gemessen. Abbildung 4 zeigt die bivariaten Korrelationen von Investmentfonds-Portfolio-Strömen und FX-Umsätzen für die großen EME-Regionen. Die Streudiagramme zeigen einen Punkt für jedes Land brutto grenzüberschreitende Portfolio-Ströme (x-Achse, in Logs) und globalen Devisenmarktumsatz in der entsprechenden Währung (y-Achse, in Logs). In jedem Panel stellen wir für die letzten drei Triennial Surveys alle verfügbaren Portfolio-Umsatzwährungspaare zusammen. In Übereinstimmung mit der Vorstellung, dass internationale Investoren ein wichtiger Treiber für die wachsende Nachfrage nach EME-Währungen sein könnten, zeigt jedes Panel in Grafik 4 eine positive und statistisch signifikante Beziehung zwischen den Portfolioströmen in und aus den Schwellenländern und dem Devisenmarktumsatz Währungen. Die geschätzte Größe der Verbindung variiert in allen EME-Regionen, ist aber in jedem Fall wirtschaftlich sinnvoll. Im Fall Asiens ist beispielsweise eine Zunahme der grenzüberschreitenden Fondsströme mit einer Zunahme des weltweiten FX-Umsatzes in den aufstrebenden Währungen Asiens in Lateinamerika verbunden, wobei die Verbindung sogar noch stärker ist Und sollten mit Vorsicht interpretiert werden, weisen sie dennoch auf eine bedeutende Rolle für die Finanzströme bei der Erklärung des gestiegenen Umsatzes in den EME-Währungen hin. Fazit Das Marktwachstum der Devisenmärkte in Schwellenmärkten wird hauptsächlich durch das Wachstum der Derivatmärkte bestimmt. Gleichzeitig wird ein wachsender Anteil der Schwellenländer-Währungen offshore gehandelt und in diesem Sinne werden diese Währungen internationaler. Allerdings ist mit der signifikanten Ausnahme der chinesischen Renminbi in aufstrebenden Asien der Offshore-Handel von EME-Währungen in ihrer Nähe geographischen Region relativ klein. Eine Erklärung für das starke Wachstum im Derivatemarkt und die Internationalisierung von EME-Währungen ist die zunehmende Nachfrage internationaler Anleger, das Währungsrisiko auszugleichen oder abzusichern, was sich in der starken Korrelation zwischen dem Wachstum der EME-Währungsumrechnung und der grenzüberschreitenden Gegenseitigkeit widerspiegelt Fondsströme. Referenzen Caruana, J (2013): Globale Liquidität: Wo stehen wir, Rede auf der Internationalen Konferenz der Bank von Korea über die Beurteilung globaler Liquidität im globalen Rahmen, Seoul, Korea, Juni. Cheng, X, D Er und C Shu (2013): Auswirkungen des Renminbi auf asiatische Währungen: Rolle des Offshore-Marktes, Mimeo. Forbes, K und F Warnock (2012): Kapitalflusswellen: Überspannungen, Stopps, Flug und Kürzung, Journal of International Economics. Bd. 88 (2), Seiten 235-51. Frankel, J (2012): Der Anstieg der RMB als internationale Währung: Lernen aus historischen Präzedenzfällen, Präsentation auf der Asia Pacific Equity Conference, Boston, Massachusetts, September. Goldberg, L (2013): Die internationale Rolle des Dollars: Ist es wichtig, wenn sich dies in F Westermann und Y Cheung (Hrsg.), Global Interdependence, De-Coupling und Re-Coupling ändert. MIT Presse. König, M und D Rime (2010): Die 4-Billionen-Frage: Was erklärt das FX-Wachstum seit der Umfrage 2007, BIZ-Quartalsbericht. Dezember. Lane, P (2013): Internationale Kapitalströme und haushaltspolitische Rahmenbedingungen, Papier auf der Bank of Thailand und Internationale Währungsfondskonferenz über die Geldpolitik in einer vernetzten Wirtschaft, Bangkok, Thailand, November. McCauley, R und M Scatigna (2013): Währungen immer mehr finanzielle, BIZ-Quartalsbericht. In den Highlights der internationalen Statistik der BIZ, Dezember. Mihlajek, D und F Packer (2010): Derivate in Schwellenländern, BIZ-Quartalsbericht. Dezember. Park, Y und C Song (2011): Renminbi-Internationalisierung: Perspektiven und Konsequenzen für die wirtschaftliche Integration in Ostasien, Asian Economic Papers. Vol 10 (3), Seiten 42-72. Rey, H (2013): Der globale Finanzzyklus und die geldpolitische Unabhängigkeit, Papier auf dem 2013 Economic Policy Symposium, Federal Reserve Bank von Kansas City, Jackson Hole, Wyoming, August. Rime, D und A Schrimpf (2013): Die Anatomie des globalen FX-Marktes durch das Objektiv der dreijährlichen Umfrage 2013, BIZ-Quartalsbericht. Dezember. Thimann, C (2008): Globale Rollen von Währungen, International Finance. Nr. 11 (3), Seiten 211 & ndash; 45. 1 Die in diesem Artikel geäußerten Ansichten sind die der Autoren und entsprechen nicht unbedingt denen der BIZ. Wir danken Claudio Borio, Robert McCauley, Andreas Schrimpf, Ilhyock Shim, Chang Shu, Christian Upper und Philip Wooldridge für Kommentare zu früheren Entwürfen des Artikels. Wir danken Jimmy Shek, Denis Petre und Bat-el Berger für ihre Hilfe bei der statistischen Analyse. 2 Dies kann auf die teilweise Deckung der Schwellenländer in den börsengehandelten Derivatdaten zurückzuführen sein. 3 Hochfrequenzhandel war ein früherer Grund für das rasante Wachstum der fortgeschrittenen Volkswirtschaften im Handel mit anderen Finanzinstituten (King and Rime (2010)). Allerdings ist es unwahrscheinlich, dass dies in den Emerging Markets, zumindest nicht im gleichen Ausmaß, der Fall ist, da HFT häufiger vor Ort als auf Derivatemärkten ist. Der Hochfrequenzhandel in EME-Währungen kann sich jedoch in Zukunft verstärken, da die EME-Währungen zunehmend auf den relevanten elektronischen Handelsplattformen präsent sind. 4 Die andere Hauptkategorie, andere Finanzinstitute, macht nur 33 OTC-Derivate der IR-Derivate in EME aus (59 in fortgeschrittenen Volkswirtschaften). Obwohl eine weitere Aufgliederung dieser Kategorie nicht verfügbar ist, spiegelt dies wahrscheinlich den geringeren Umsatzanteil institutioneller Anleger, Hedgefonds und proprietärer Händler wider. Dies ist typischerweise ein Hinweis auf ein frühes Stadium der Marktentwicklung. 5 Wir definieren Offshore-Geschäfte als alle Geschäfte außerhalb der Jurisdiktion, wo eine Währung ausgegeben wird. 6 Eine Währungsinternationalisierung beinhaltet viel mehr Dimensionen als nur die Lage ihres Handwerks. Allgemeiner ausgedrückt, impliziert Internationalisierung ein currencys Nutzung von Nichtansässigen als Wertspeicher (zB internationale Reserveguthaben), ein Tauschmittel (zB Fakturierung des Handels) und eine Rechnungseinheit (Frankel (2012)) zu erhöhen. Siehe auch die Diskussion in Goldberg (2013). 7 Seit 2013 ist die Berichterstattung von Offshore-Geschäften in 24 Nicht-G8-Währungen obligatorisch und korrigiert einen Abwärtstrend bei früheren Umfragen. Bis 2010 war die Berichterstattung für nichtwährungswirksame Währungen nur im Emissionsland obligatorisch, während die Berichterstattung von Offshore-Geschäften in nicht wichtigen Währungen dem Ermessen der Offshore-Gerichtsbarkeit überlassen blieb. 8 Da sich die Berichtspflichten im Laufe der Zeit verändert haben, spiegelt sich dieses Wachstum in gewissem Ausmaß unter - nehmend in früheren Perioden wider. Siehe auch Fußnote 5. 9 Neben Offshore-Geschäften des US-Dollars gegenüber dem brasilianischen Real, zum chinesischen Renminbi, Hongkong-Dollar, der indischen Rupie, koreanischen Won und südafrikanischen Rand sowie die G8 abgedeckt Währungen in der Umfrage 2010, die neueste Umfrage erfordert Berichterstattung über die US-Dollar-Trades gegen sechs weitere Währungen der Schwellenländer sowie zwei fortschrittliche Wirtschaft Währungen: der mexikanische Peso, der polnische Zloty, der russische Rubel, der Singapur-Dollar, die New Taiwan Dollar und die türkische Lira und den Neuseeland-Dollar und Norwegische Krone. Die Berichterstattung über den Offshore-Umsatz gegenüber dem Euro und dem japanischen Yen wurde ebenfalls verlängert (weitere Einzelheiten siehe bis. org publ rpfx13.htm). 10 Dies gilt sowohl für Onshore-Geschäfte als auch für Offshore-Geschäfte (89 bzw. 86 von Handelsgeschäften gegenüber dem US-Dollar). Eine Ausnahme bildet der polnische Zloty, der vor allem im Spotmarkt vorwiegend mit dem Euro umgetauscht wird. 11 Eine Ausnahme bildet Thimann (2008), der feststellt, dass die Entwicklung von Finanzinstrumenten, die auf eine aufstrebende Volkswährung lauten, dazu beiträgt, die Größe der grenzüberschreitenden Portfoliobeteiligungen zu erläutern. 12 Mutualfondsströme sind auch Proxy für die Investitionstätigkeit internationaler Investoren, die voraussichtlich ein wesentlicher Treiber für die Währungsabsicherung sein werden. Daher erlaubt unsere Maßnahme eine direkte Interpretation der Ergebnisse, aber sie ist enger als die Portfolio-Flüsse aus den in der Literatur verwendeten Zahlungsbilanzdaten (Forbes und Warnock (2012)). 13 Dies stellt den Gesamteffekt der Finanzströme auf den FX-OTC-Umsatz dar, einschließlich der möglichen Auswirkungen anderer Variablen wie des BIP oder des Handels mit den Finanzströmen. Wenn das BIP in die Regression einbezogen wird, bleiben die Koeffizienten der Fondsströme konstant positiv, aber die Koeffizienten zum BIP sind unbedeutend oder negativ. Schätzungen sehr ähnlich sind, wenn sie bei der Korrelation zwischen grenzüberschreitenden Verkehr und Derivatemarkt Umsatz only. BNP Paribas suchen: Absicherung Emerging Markets FX Risiko Für Unternehmen suchen Kraftstoff Entwicklung, ausländische Investitionen in wachstumsstarken, neuen Weltmärkte ist von entscheidender Bedeutung, aber Es kommt nicht ohne seine Risiken. Als Fabrice Famery, Leiter der BNP Paribas Corporate Solutions Group erklärt, neue Weltmärkten immer noch erhebliche wirtschaftliche, politische und Währungsrisiken erzeugen, die sorgfältig verwaltet werden müssen, um sicherzustellen, dass das Gleichgewicht zwischen Risiko und Rendite im Einklang mit Unternehmens Ziele ist. Die Schwellenländer weisen aufgrund der Zinsdifferenzen mit Fremdwährungen ein zyklisches Marktverhalten auf. Sie schätzen oft während der normalen Marktbedingungen stetig ab, nehmen aber in Krisenzeiten heftig ab, da sich die Anleger in den sicheren Hafen von schwach rentablen Währungen zurückziehen. Hohe Volatilität und die ungünstige Zinsdifferenz bedeuten, dass Währungsrisiken abgesichert sein können. Angesichts der schlechten durchschnittlichen Performance solcher Absicherungen befragen viele Unternehmen ihren langfristigen Nutzen. In Abbildung 1 (unten) veranschaulichen wir die historische Entwicklung eines Rolling-Forward-Hedges in EURBRL (Buy EUR Sale BRL), indem wir den 1Y-Terminkurs mit dem Kassakurs 1Y über einen Zeitraum von neun Jahren verglichen haben. Back-Tests zeigt eine durchschnittliche Rendite von -5.237 und positive Renditen nur 2937 der Zeit, was darauf hinweist, dass 7137 der Zeit der endgültigen Kassakurs nicht zu erreichen, das Niveau der direkten vorwärts. Die maximale Rendite beträgt 6737 und die Mindestrendite beträgt -4037, was die Tendenz der Schwellenländer widerspiegelt, während der normalen Marktbedingungen stetig zu schätzen, aber in Krisenzeiten heftig abschreibt. Eine Kosten-Nutzen-Analyse sollte durchgeführt werden, um ein Risikomanagement-Framework zu entwerfen, das am besten den Grad der Devisenbelastung abbildet, den ein Unternehmen toleriert. Diese schlechte historische Leistung macht die Entscheidung des Risikomanagements schwierig. Die erwartete höhere Rendite für Neuinvestitionen rechtfertigt einen höheren gewichteten durchschnittlichen Kapitalaufwand und damit höhere Absicherungskosten, aber nur bis zu einem gewissen Punkt. Unternehmen in der Regel lösen dieses Dilemma durch: Definition der maximalen Höhe der aufstrebenden Marktwährungsschulden das Geschäft aufrecht zu erhalten, unter Berücksichtigung des Aktienrisikos auf den Rest, Absicherung des Cashflow-Risiko und Verlassen Bilanzrisiko teilweise unhedged. Das resultierende Übersetzungsrisiko kann jedoch die wesentlichen Kennzahlen eines Unternehmens beeinflussen, vor allem das Eigenkapital des Buchwertes für Anteilseigner und die Kreditmeßwerte und die Covenants für Schuldner. Eine Kosten-Nutzen-Analyse sollte durchgeführt werden, um ein Risikomanagement-Framework zu entwerfen, das am besten den Grad der Devisenbelastung abbildet, den ein Unternehmen toleriert. In der Vergangenheit hat die Unterentwicklung der lokalen Märkte es den Unternehmen erschwert, ihr Wechselkursrisiko effektiv zu steuern. Wo Märkte illiquide waren, verwalteten die Haftungsmanager ihr Engagement unter Verwendung anderer regionaler Währungen als Proxy-Hedge. Da sich die lokalen Märkte entwickelt haben und die Zahl der handelbaren Währungspaare gestiegen ist, hat sich die Liquidität verbessert, die Spreads haben sich verengt und eine Reihe anspruchsvollerer optionaler Produkte entstanden. Während lokale Märkte anfälliger für Marktstörungen in Krisenzeiten sind, haben diese Entwicklungen zweifellos dazu beigetragen, dass Unternehmen ihre Risiken in Bezug auf Finanzmarktrisiken besser steuern können. Der Optionsmarkt ermöglicht es Unternehmen, das lokale Währungsrisiko zu verwalten, indem sie Low-Delta-Optionen als Form der Katastrophendeckung gegen extreme Marktbewegungen kaufen. Ein Vergleich der Verteilung der täglichen Renditen für eine Auswahl von Währungen der Schwellenländer in den letzten 20 Jahren (Bild 2) zeigt, dass die Wahrscheinlichkeit einer deutlichen Abwertung (mehr als 2.537 pro Tag) ist viel größer als die durch den normalen angegeben (Gaussian) Verteilung der Renditen. Damit unterscheiden sich die Schwellenländer-Währungen von den G3-Währungen (EURUSD und GBPUSD zum Vergleich) und führen zu einer starken Verteilung. Unternehmen, die in mehrere Schwellenländer investieren, verfügen über ein stärker diversifiziertes Engagement, das eine natürliche Absicherung des Währungsrisikos ermöglicht. Unternehmen, die in mehrere Schwellenländer investieren, verfügen über ein stärker diversifiziertes Engagement, das eine natürliche Absicherung des Währungsrisikos ermöglicht. Ein Unternehmen, das in EUR oder GBP mit Anlagen in Emerging Markets und den USA berichtet, hätte in der jüngsten Krise einen Ausgleich in ihrem Währungsrisiko erhalten. Dies wirft eine interessante Frage über die Vorzüge eines Portfolioansatzes zur Absicherung des aufstrebenden Marktwährungsrisikos auf. Unternehmen, die in die neue Welt investieren, investieren in der Regel in G12-Währungen, was bedeutet, dass Währungsbewegungen das Unternehmen auf Korbbasis beeinflussen. Korboptionen können eine kostengünstige Möglichkeit zum Schutz gegen negative Währungsbewegungen auf einer Gesamtkorbbasis sein. Der Käufer der Option hat das Recht, bei Verfall einen vordefinierten Betrag jeder Währung gegen einen festen Betrag der Referenzwährung zu verkaufen (oder zu kaufen). Der Rabatt auf den Korb über den entsprechenden Streifen von Vanille-Optionen ist, weil der Halter nicht mehr cherry-pick die Währungen, die er ausüben will. Die Höhe dieses Rabattes ist daher abhängig von der Korrelation zwischen den Komponentenwährungen im Warenkorb. Priorisierung der Währungspaare Ein alternativer Ansatz ist die Absicherung nur jener Währungen, in denen die Risikominderung die Kosten der Absicherung rechtfertigt. Dies kann durch eine einfache Portfolioanalyse erfolgen, bei der die Währungspaare durch das Verhältnis der einjährigen Zinsdifferenz zu der gewichteten einjährigen historischen Volatilität bewertet werden. Die Ergebnisse der Analyse können dazu beitragen, dass der Liability-Manager diese Währungspaare für eine Wertpapierabsicherung priorisiert. By introducing an additional correlation input into the analysis, it is also possible to identify suitable proxy hedges and assign a greater hedging proportion to those currency pairs with a lower hedging cost. For example, let39s consider a simple basket of Euro-Polish z322oty (EURPLN) and Euro-Hungarian forint (EURHUF), two highly-correlated currency pairs that may act as good proxies for each other. Since EURPLN has a lower hedging cost, the liability manager may decide to assign a greater hedging proportion to EURPLN knowing that it acts as a good but cheaper proxy for the EURHUF exposure. Emerging market currencies are susceptible to adverse moves during times of crisis. To conclude, the surge in foreign direct investment in emerging market economies since the 1990s is a reality, but the cyclical nature of their currencies makes it a difficult risk for corporates to manage. The high interest rate differential makes it costly to hedge but the carry trade tends to force local currencies to appreciate during normal market conditions, which calls into question the long-term benefit of hedging currency risk. But emerging market currencies are susceptible to adverse moves during times of crisis, whose resulting impact on a companyrsquos financial ratios means that the subject of emerging market currency hedging may not be dismissed lightly. Whereas local financial markets were previously characterised by illiquidity, wide spreads and a limited product offering, recent advances mean that liability managers now have a more comprehensive range of solutions to help them manage their emerging market currency risk. The development of the options market is one such advance, and given the tendency for emerging market currencies to depreciate by more than that suggested by the normal distribution, liability managers are increasingly purchasing low delta out-of-the-money currency options as insurance against adverse market moves. Corporates should be encouraged to view emerging market currency risk on an overall basket basis. Basket options should be considered as a cheaper alternative to strips of vanilla options and a simple portfolio analysis should be undertaken to ensure that corporates only hedge those currencies where the reduction in risk justifies the cost of hedging.

Autoregressive Integrierte Moving Average (Arima) Modell

Ein RIMA steht für Autoregressive Integrated Moving Average Modelle. Univariate (Einzelvektor) ARIMA ist eine Prognosemethode, die die zukünftigen Werte einer Serie, die vollständig auf ihrer eigenen Trägheit basiert, projiziert. Seine Hauptanwendung liegt im Bereich der kurzfristigen Prognose mit mindestens 40 historischen Datenpunkten. Es funktioniert am besten, wenn Ihre Daten eine stabile oder konsistente Muster im Laufe der Zeit mit einem Minimum an Ausreißern zeigt. Manchmal nennt man Box-Jenkins (nach den ursprünglichen Autoren), ARIMA ist in der Regel überlegen exponentielle Glättung Techniken, wenn die Daten relativ lange und die Korrelation zwischen vergangenen Beobachtungen ist stabil. Wenn die Daten kurz oder stark flüchtig sind, kann eine gewisse Glättungsmethode besser ablaufen. Wenn Sie nicht über mindestens 38 Datenpunkte verfügen, sollten Sie eine andere Methode als ARIMA betrachten. Der erste Schritt bei der Anwendung der ARIMA-Methodik ist die Überprüfung der Stationarität. Stationarität impliziert, dass die Reihe auf einem ziemlich konstanten Niveau über Zeit bleibt. Wenn ein Trend besteht, wie in den meisten wirtschaftlichen oder geschäftlichen Anwendungen, dann sind Ihre Daten nicht stationär. Die Daten sollten auch eine konstante Varianz in ihren Schwankungen im Laufe der Zeit zeigen. Dies ist leicht zu sehen mit einer Serie, die stark saisonal und wächst mit einer schnelleren Rate. In einem solchen Fall werden die Höhen und Tiefen der Saisonalität im Laufe der Zeit dramatischer. Ohne dass diese Stationaritätsbedingungen erfüllt sind, können viele der mit dem Prozess verbundenen Berechnungen nicht berechnet werden. Wenn eine grafische Darstellung der Daten Nichtstationarität anzeigt, dann sollten Sie die Serie unterscheiden. Die Differenzierung ist eine hervorragende Möglichkeit, eine nichtstationäre Serie in eine stationäre zu transformieren. Dies geschieht durch Subtrahieren der Beobachtung in der aktuellen Periode von der vorherigen. Wenn diese Transformation nur einmal zu einer Reihe erfolgt, sagen Sie, dass die Daten zuerst unterschieden wurden. Dieser Prozess im Wesentlichen eliminiert den Trend, wenn Ihre Serie wächst mit einer ziemlich konstanten Rate. Wenn es mit steigender Rate wächst, können Sie das gleiche Verfahren anwenden und die Daten erneut differenzieren. Ihre Daten würden dann zweite differenziert werden. Autokorrelationen sind Zahlenwerte, die angeben, wie sich eine Datenreihe mit der Zeit auf sich bezieht. Genauer gesagt misst es, wie stark Datenwerte bei einer bestimmten Anzahl von Perioden auseinander über die Zeit miteinander korreliert werden. Die Anzahl der Perioden wird in der Regel als Verzögerung bezeichnet. Zum Beispiel misst eine Autokorrelation bei Verzögerung 1, wie die Werte 1 Periode auseinander über die gesamte Reihe miteinander korreliert sind. Eine Autokorrelation bei Verzögerung 2 misst, wie die Daten, die zwei Perioden voneinander getrennt sind, über die gesamte Reihe miteinander korrelieren. Autokorrelationen können im Bereich von 1 bis -1 liegen. Ein Wert nahe 1 gibt eine hohe positive Korrelation an, während ein Wert nahe -1 impliziert eine hohe negative Korrelation. Diese Maßnahmen werden meist durch grafische Darstellungen, sogenannte Korrelagramme, ausgewertet. Ein Korrelationsdiagramm zeigt die Autokorrelationswerte für eine gegebene Reihe bei unterschiedlichen Verzögerungen. Dies wird als Autokorrelationsfunktion bezeichnet und ist bei der ARIMA-Methode sehr wichtig. Die ARIMA-Methodik versucht, die Bewegungen in einer stationären Zeitreihe als Funktion der so genannten autoregressiven und gleitenden Durchschnittsparameter zu beschreiben. Diese werden als AR-Parameter (autoregessiv) und MA-Parameter (gleitende Mittelwerte) bezeichnet. Ein AR-Modell mit nur einem Parameter kann als geschrieben werden. X (t) A (1) X (t-1) E (t) wobei X (t) Zeitreihen A (1) der autoregressive Parameter der Ordnung 1 X (t-1) (T) der Fehlerterm des Modells Dies bedeutet einfach, dass jeder gegebene Wert X (t) durch eine Funktion seines vorherigen Wertes X (t-1) plus einen unerklärlichen Zufallsfehler E (t) erklärt werden kann. Wenn der geschätzte Wert von A (1) 0,30 betrug, dann wäre der aktuelle Wert der Reihe mit 30 seines vorherigen Wertes 1 verknüpft. Natürlich könnte die Serie auf mehr als nur einen vergangenen Wert bezogen werden. Zum Beispiel ist X (t) A (1) X (t-1) A (2) X (t-2) E (t) Dies zeigt an, dass der aktuelle Wert der Reihe eine Kombination der beiden unmittelbar vorhergehenden Werte ist, X (t-1) und X (t-2) zuzüglich eines Zufallsfehlers E (t). Unser Modell ist nun ein autoregressives Modell der Ordnung 2. Moving Average Models: Eine zweite Art von Box-Jenkins-Modell wird als gleitendes Durchschnittsmodell bezeichnet. Obwohl diese Modelle dem AR-Modell sehr ähnlich sind, ist das Konzept dahinter ganz anders. Bewegliche Durchschnittsparameter beziehen sich auf das, was in der Periode t stattfindet, nur auf die zufälligen Fehler, die in vergangenen Zeitperioden aufgetreten sind, dh E (t-1), E (t-2) usw. anstatt auf X (t-1), X T-2), (Xt-3) wie in den autoregressiven Ansätzen. Ein gleitendes Durchschnittsmodell mit einem MA-Begriff kann wie folgt geschrieben werden. X (t) - B (1) E (t-1) E (t) Der Begriff B (1) wird als MA der Ordnung 1 bezeichnet. Das negative Vorzeichen vor dem Parameter wird nur für Konventionen verwendet und in der Regel ausgedruckt Automatisch von den meisten Computerprogrammen. Das obige Modell sagt einfach, dass jeder gegebene Wert von X (t) direkt nur mit dem Zufallsfehler in der vorherigen Periode E (t-1) und mit dem aktuellen Fehlerterm E (t) zusammenhängt. Wie im Fall von autoregressiven Modellen können die gleitenden Durchschnittsmodelle auf übergeordnete Strukturen mit unterschiedlichen Kombinationen und gleitenden mittleren Längen erweitert werden. Die ARIMA-Methodik erlaubt es auch, Modelle zu erstellen, die sowohl autoregressive als auch gleitende Durchschnittsparameter zusammenführen. Diese Modelle werden oft als gemischte Modelle bezeichnet. Obwohl dies für eine kompliziertere Prognose-Tool macht, kann die Struktur tatsächlich simulieren die Serie besser und produzieren eine genauere Prognose. Pure Modelle implizieren, dass die Struktur nur aus AR oder MA-Parameter besteht - nicht beides. Die Modelle, die von diesem Ansatz entwickelt werden, werden in der Regel als ARIMA-Modelle bezeichnet, da sie eine Kombination aus autoregressiver (AR), Integration (I) verwenden, die sich auf den umgekehrten Prozess der Differenzierung bezieht, um die Prognose zu erzeugen. Ein ARIMA-Modell wird üblicherweise als ARIMA (p, d, q) angegeben. Dies ist die Reihenfolge der autoregressiven Komponenten (p), der Anzahl der differenzierenden Operatoren (d) und der höchsten Ordnung des gleitenden Mittelwerts. Beispielsweise bedeutet ARIMA (2,1,1), dass Sie ein autoregressives Modell zweiter Ordnung mit einer ersten gleitenden Durchschnittskomponente haben, deren Serie einmal differenziert wurde, um die Stationarität zu induzieren. Auswahl der richtigen Spezifikation: Das Hauptproblem in der klassischen Box-Jenkins versucht zu entscheiden, welche ARIMA-Spezifikation zu verwenden - i. e. Wie viele AR - und / oder MA-Parameter einzuschließen sind. Dies ist, was viel von Box-Jenkings 1976 dem Identifikationsprozeß gewidmet wurde. Es hing von der graphischen und numerischen Auswertung der Stichprobenautokorrelation und der partiellen Autokorrelationsfunktionen ab. Nun, für Ihre grundlegenden Modelle, ist die Aufgabe nicht allzu schwierig. Jeder hat Autokorrelationsfunktionen, die eine bestimmte Weise aussehen. Allerdings, wenn Sie gehen in der Komplexität, die Muster sind nicht so leicht zu erkennen. Um es schwieriger zu machen, stellen Ihre Daten nur eine Probe des zugrundeliegenden Prozesses dar. Das bedeutet, dass Stichprobenfehler (Ausreißer, Messfehler etc.) den theoretischen Identifikationsprozess verzerren können. ARIMA (p, d, q) Prognose der Gleichung: ARIMA-Modelle sind in der Theorie die allgemeinste Klasse von Modellen zur Prognose einer Zeitreihe Kann durch Differenzierung (falls notwendig) 8220 stationär8221 gemacht werden, möglicherweise in Verbindung mit nichtlinearen Transformationen, wie z. B. Protokollierung oder Entleerung (falls erforderlich). Eine Zufallsvariable, die eine Zeitreihe ist, ist stationär, wenn ihre statistischen Eigenschaften alle über die Zeit konstant sind. Eine stationäre Reihe hat keinen Trend, ihre Variationen um ihren Mittelwert haben eine konstante Amplitude, und sie wackelt in einer konsistenten Weise. D. h. seine kurzzeitigen Zufallszeitmuster sehen immer im statistischen Sinne gleich aus. Die letztgenannte Bedingung bedeutet, daß ihre Autokorrelationen (Korrelationen mit ihren eigenen vorherigen Abweichungen vom Mittelwert) über die Zeit konstant bleiben oder daß ihr Leistungsspektrum über die Zeit konstant bleibt. Eine zufällige Variable dieser Form kann (wie üblich) als eine Kombination von Signal und Rauschen betrachtet werden, und das Signal (wenn eines offensichtlich ist) könnte ein Muster einer schnellen oder langsamen mittleren Reversion oder einer sinusförmigen Oszillation oder eines schnellen Wechsels im Vorzeichen sein , Und es könnte auch eine saisonale Komponente. Ein ARIMA-Modell kann als ein 8220filter8221 betrachtet werden, der versucht, das Signal vom Rauschen zu trennen, und das Signal wird dann in die Zukunft extrapoliert, um Prognosen zu erhalten. Die ARIMA-Vorhersagegleichung für eine stationäre Zeitreihe ist eine lineare (d. h. Regressionstyp) Gleichung, bei der die Prädiktoren aus Verzögerungen der abhängigen Variablen und oder Verzögerungen der Prognosefehler bestehen. Das heißt: Vorhergesagter Wert von Y eine Konstante und oder eine gewichtete Summe aus einem oder mehreren neuen Werten von Y und oder einer gewichteten Summe aus einem oder mehreren neuen Werten der Fehler. Wenn die Prädiktoren nur aus verzögerten Werten von Y bestehen, handelt es sich um ein reines autoregressives Modell (8220 selbst-regressed8221), das nur ein Spezialfall eines Regressionsmodells ist und mit einer Standard-Regressions-Software ausgestattet werden kann. Beispielsweise ist ein autoregressives Modell erster Ordnung (8220AR (1) 8221) für Y ein einfaches Regressionsmodell, bei dem die unabhängige Variable nur um eine Periode (LAG (Y, 1) in Statgraphics oder YLAG1 in RegressIt) verzögert ist. Wenn einige der Prädiktoren Verzögerungen der Fehler sind, handelt es sich bei einem ARIMA-Modell nicht um ein lineares Regressionsmodell, da es keine Möglichkeit gibt, 8220last period8217s error8221 als unabhängige Variable festzulegen: Die Fehler müssen auf einer Periodenperiode berechnet werden Wenn das Modell an die Daten angepasst ist. Aus technischer Sicht ist das Problem der Verwendung von verzögerten Fehlern als Prädiktoren, dass die Vorhersagen von model8217s keine linearen Funktionen der Koeffizienten sind. Obwohl es sich um lineare Funktionen der vergangenen Daten handelt. Daher müssen Koeffizienten in ARIMA-Modellen, die verzögerte Fehler enthalten, durch nichtlineare Optimierungsmethoden (8220hill-climbing8221) abgeschätzt werden, anstatt nur ein Gleichungssystem zu lösen. Das Akronym ARIMA steht für Auto-Regressive Integrated Moving Average. Lags der stationären Reihe in der Prognose-Gleichung werden als autoregressiveQuot-Terme bezeichnet, die Verzögerungen der Prognosefehler werden als mittlere Mittelwert-Terme bezeichnet und eine Zeitreihe, die differenziert werden muß, um stationär gemacht zu werden, wird als eine integrierte quotierte Version einer stationären Reihe bezeichnet. Random-walk und random-trend Modelle, autoregressive Modelle und exponentielle Glättungsmodelle sind alle Sonderfälle von ARIMA Modellen. Ein nicht-saisonales ARIMA-Modell wird als ein quotarIMA-Modell (p, d, q) klassifiziert, wobei p die Anzahl der autoregressiven Terme ist, d die Anzahl der für die Stationarität benötigten nicht-seasonalen Differenzen ist und q die Anzahl der verzögerten Prognosefehler ist Die Vorhersagegleichung. Die Vorhersagegleichung ist wie folgt aufgebaut. Zuerst bezeichne y die d - te Differenz von Y. Das bedeutet, daß die zweite Differenz von Y (der Fall d2) nicht die Differenz von 2 Perioden ist. Es ist vielmehr die erste Differenz der ersten Differenz. Was das diskrete Analogon einer zweiten Ableitung ist, d. h. die lokale Beschleunigung der Reihe anstatt ihres lokalen Takts. In Bezug auf y. Ist die allgemeine Prognosegleichung: Hier sind die gleitenden Durchschnittsparameter (9528217s) so definiert, daß ihre Vorzeichen in der Gleichung negativ sind, und zwar nach der Konvention von Box und Jenkins. Einige Autoren und Software (einschließlich der Programmiersprache R) definieren sie so, dass sie stattdessen Pluszeichen haben. Wenn tatsächliche Zahlen in die Gleichung gesteckt werden, gibt es keine Mehrdeutigkeit, aber es ist wichtig zu wissen, welche Konvention Ihre Software verwendet, wenn Sie die Ausgabe lesen. Oft werden dort die Parameter mit AR (1), AR (2), 8230 und MA (1), MA (2), 8230 usw. bezeichnet. Um das entsprechende ARIMA-Modell für Y zu identifizieren, beginnt man die Reihenfolge der Differenzierung zu bestimmen (D) Notwendigkeit, die Serie zu stationarisieren und die Brutto-Merkmale der Saisonalität zu entfernen, möglicherweise in Verbindung mit einer variationsstabilisierenden Transformation, wie z. B. Protokollierung oder Entleerung. Wenn Sie an diesem Punkt anhalten und voraussagen, dass die differenzierten Serien konstant sind, haben Sie lediglich ein zufälliges oder zufälliges Trendmodell platziert. Die stationäre Reihe kann jedoch noch autokorrelierte Fehler aufweisen, was nahe legt, daß in der Vorhersagegleichung auch eine Anzahl von AR-Terme (p 8805 1) und / oder einige MA-MA-Terme (q 8805 1) benötigt werden. Der Prozess der Bestimmung der Werte von p, d und q, die für eine gegebene Zeitreihe am besten sind, werden in späteren Abschnitten der Notizen (deren Links oben auf dieser Seite sind), aber eine Vorschau von einigen der Typen erörtert Von nicht-saisonalen ARIMA-Modellen, die üblicherweise angetroffen werden, ist unten angegeben. ARIMA (1,0,0) Autoregressives Modell erster Ordnung: Wenn die Serie stationär und autokorreliert ist, kann sie möglicherweise als ein Vielfaches ihres eigenen vorherigen Wertes plus einer Konstante vorhergesagt werden. Die Prognose-Gleichung ist in diesem Fall 8230, die Y auf sich selbst zurückgeblieben um eine Periode zurückgeblieben ist. Dies ist ein 8220ARIMA (1,0,0) constant8221 Modell. Wenn der Mittelwert von Y Null ist, dann würde der konstante Term nicht eingeschlossen werden. Wenn der Steigungskoeffizient 981 & sub1; positiv und kleiner als 1 in der Grße ist (er muß kleiner als 1 in der Grße sein, wenn Y stationär ist), beschreibt das Modell ein Mittelrücksetzverhalten, bei dem der nächste Periodenblockwert 981 1 mal als vorhergesagt werden sollte Weit weg vom Durchschnitt, wie dieser Zeitraum8217s Wert. Wenn 981 & sub1; negativ ist, prognostiziert es ein Mittelwert-Umkehrverhalten mit einer Veränderung von Vorzeichen, d. h. es sagt auch voraus, daß Y unterhalb der mittleren nächsten Periode liegt, wenn sie über dem Mittel dieser Periode liegt. In einem autoregressiven Modell zweiter Ordnung (ARIMA (2,0,0)), würde es auch einen Yt-2-Term auf der rechten Seite geben, und so weiter. Abhängig von den Zeichen und Größen der Koeffizienten kann ein ARIMA (2,0,0) - Modell ein System beschreiben, dessen mittlere Reversion sinusförmig oszillierend erfolgt, wie die Bewegung einer Masse auf einer Feder, die zufälligen Schocks ausgesetzt ist . ARIMA (0,1,0) zufälliger Weg: Wenn die Reihe Y nicht stationär ist, ist das einfachste Modell für sie ein zufälliges Wandermodell, das als Grenzfall eines AR (1) - Modells betrachtet werden kann, in dem die autoregressive Koeffizient ist gleich 1, dh eine Reihe mit unendlich langsamer mittlerer Reversion. Die Vorhersagegleichung für dieses Modell kann folgendermaßen geschrieben werden: wobei der konstante Term die mittlere Periodenperiodenänderung (dh die Langzeitdrift) in Y ist. Dieses Modell könnte als ein No-Intercept-Regressionsmodell eingebaut werden, in dem die Die erste Differenz von Y ist die abhängige Variable. Da es nur einen nicht sonderbaren Unterschied und einen konstanten Term enthält, wird er als quotarima (0,1,0) - Modell mit constant. quot klassifiziert. Das random-walk-ohne - driftmodell wäre ein ARIMA (0,1, 0) - Modell ohne konstantes ARIMA (1,1,0) differenziertes autoregressives Modell erster Ordnung: Wenn die Fehler eines Zufallswegmodells autokorreliert werden, kann das Problem möglicherweise durch Hinzufügen einer Verzögerung der abhängigen Variablen zu der Vorhersagegleichung - - ie Durch Rückgang der ersten Differenz von Y auf sich selbst verzögert um eine Periode. Dies würde die folgende Vorhersagegleichung ergeben, die umgeordnet werden kann: Dies ist ein autoregressives Modell erster Ordnung mit einer Ordnung der Nichtsaisonaldifferenzierung und einem konstanten Term - d. e. Ein ARIMA (1,1,0) - Modell. ARIMA (0,1,1) ohne konstante einfache exponentielle Glättung: Eine weitere Strategie zur Korrektur autokorrelierter Fehler in einem Random-Walk-Modell wird durch das einfache exponentielle Glättungsmodell vorgeschlagen. Es sei daran erinnert, daß für einige nichtstationäre Zeitreihen (z. B. solche, die geräuschvolle Fluktuationen um ein sich langsam veränderndes Mittel aufweisen) das Zufallswegmodell nicht ebenso gut funktioniert wie ein gleitender Durchschnitt von vergangenen Werten. Mit anderen Worten, anstatt die letzte Beobachtung als Prognose der nächsten Beobachtung zu nehmen, ist es besser, einen Durchschnitt der letzten Beobachtungen zu verwenden, um das Rauschen herauszufiltern und das lokale Mittel genauer zu schätzen. Das einfache exponentielle Glättungsmodell verwendet einen exponentiell gewichteten gleitenden Durchschnitt vergangener Werte, um diesen Effekt zu erzielen. Die Vorhersagegleichung für das einfache exponentielle Glättungsmodell kann in einer Anzahl mathematisch äquivalenter Formen geschrieben werden. Von denen eine die sogenannte 8220-Fehlerkorrektur8221-Form ist, in der die vorhergehende Prognose in der Richtung ihres Fehlers angepasst wird: Weil e t-1 Y t-1 - 374 t-1 per Definition umgeschrieben werden kann : Es handelt sich um eine ARIMA (0,1,1) - konstante Vorhersagegleichung mit 952 1 1 - 945. Dies bedeutet, dass Sie eine einfache exponentielle Glättung durch Angabe als ARIMA (0,1,1) - Modell ohne passen Konstant und der geschätzte MA (1) - Koeffizient entspricht 1-minus-alpha in der SES-Formel. Denken Sie daran, dass im SES-Modell das durchschnittliche Alter der Daten in den 1-Periodenprognosen 1 945 beträgt, was bedeutet, dass sie tendenziell hinter Trends oder Wendepunkten um etwa 1 945 Perioden zurückbleiben werden. Daraus folgt, dass das Durchschnittsalter der Daten in den 1-Periodenprognosen eines ARIMA-Modells (0,1,1) ohne Konstante 1 (1 - 952 1) ist. Wenn beispielsweise 952 1 0,8 beträgt, ist das Durchschnittsalter 5. Da sich 952 1 1 nähert, wird das ARIMA-Modell (0,1,1) ohne Konstante zu einem sehr langfristigen gleitenden Durchschnitt und als 952 1 Ansätze 0 wird es ein random-walk-ohne-Drift-Modell. What8217s der beste Weg, um für Autokorrelation zu korrigieren: Hinzufügen von AR-Begriffe oder Hinzufügen von MA-Begriffen In den vorherigen zwei Modellen, die oben diskutiert wurden, wurde das Problem der autokorrelierten Fehler in einem zufälligen Fußmodell auf zwei verschiedene Arten behoben: durch Hinzufügen eines verzögerten Werts der differenzierten Reihe Auf die Gleichung oder das Hinzufügen eines verzögerten Wertes des Prognosefehlers. Welcher Ansatz am besten ist Eine Regel für diese Situation, die später noch ausführlicher diskutiert wird, besteht darin, dass die positive Autokorrelation normalerweise am besten durch Hinzufügen eines AR-Terms zum Modell behandelt wird und negative Autokorrelation in der Regel am besten durch Hinzufügen eines MA-Semester. In der Wirtschafts - und Wirtschaftszeitreihe entsteht häufig eine negative Autokorrelation als Artefakt der Differenzierung. (Im allgemeinen differenziert die Differenzierung die positive Autokorrelation und kann sogar einen Wechsel von positiver zu negativer Autokorrelation bewirken.) Daher wird das ARIMA (0,1,1) - Modell, in dem die Differenzierung von einem MA-Begriff begleitet wird, häufiger als eine ARIMA (1,1,0) - Modell. ARIMA (0,1,1) mit konstanter einfacher exponentieller Glättung mit Wachstum: Durch die Implementierung des SES-Modells als ARIMA-Modell gewinnen Sie tatsächlich etwas Flexibilität. Zunächst darf der geschätzte MA (1) - Koeffizient negativ sein. Dies entspricht einem Glättungsfaktor von mehr als 1 in einem SES-Modell, das nach dem SES-Modellanpassungsverfahren üblicherweise nicht zulässig ist. Zweitens haben Sie die Möglichkeit, einen konstanten Begriff in das ARIMA-Modell aufzunehmen, wenn Sie es wünschen, um einen durchschnittlichen Trend, der nicht Null ist, abzuschätzen. Das Modell ARIMA (0,1,1) mit Konstante hat die Vorhersagegleichung: Die Ein-Perioden-Prognosen aus diesem Modell sind qualitativ denjenigen des SES-Modells ähnlich, mit der Ausnahme, dass die Trajektorie der Langzeitprognosen typischerweise a ist (Deren Neigung gleich mu ist) und nicht eine horizontale Linie. ARIMA (0,2,1) oder (0,2,2) ohne konstante lineare exponentielle Glättung: Lineare exponentielle Glättungsmodelle sind ARIMA-Modelle, die zwei nicht sonderliche Differenzen in Verbindung mit MA-Begriffen verwenden. Die zweite Differenz einer Folge Y ist nicht einfach die Differenz von Y und selbst von zwei Perioden verzögert, sondern sie ist die erste Differenz der ersten Differenz - i. e. Die Änderung in der Änderung von Y in der Periode t. Somit ist die zweite Differenz von Y in der Periode t gleich (Yt - Yt - 1) - (Yt - 1 - Yt - 2) Yt - 2Yt - 1Yt - 2. Eine zweite Differenz einer diskreten Funktion ist analog zu einer zweiten Ableitung einer stetigen Funktion: sie mißt zu einem gegebenen Zeitpunkt die Quota-Beschleunigung quot oder quotvequot in der Funktion. Das ARIMA (0,2,2) - Modell ohne Konstante sagt voraus, daß die zweite Differenz der Reihe eine lineare Funktion der letzten beiden Prognosefehler ist, die umgeordnet werden können: wobei 952 1 und 952 2 die MA (1) und MA (2) Koeffizienten. Dies ist ein allgemeines lineares exponentielles Glättungsmodell. Im Wesentlichen das gleiche wie Holt8217s Modell, und Brown8217s Modell ist ein spezieller Fall. Es verwendet exponentiell gewichtete gleitende Mittelwerte, um sowohl eine lokale Ebene als auch einen lokalen Trend in der Reihe abzuschätzen. Die Langzeitprognosen von diesem Modell konvergieren zu einer Geraden, deren Steigung von dem durchschnittlichen Trend abhängt, der gegen Ende der Reihe beobachtet wird. ARIMA (1,1,2) ohne konstante gedämpfte lineare Exponentialglättung. Dieses Modell ist in den begleitenden Dias auf ARIMA-Modellen dargestellt. Es extrapoliert die lokale Tendenz am Ende der Serie, sondern flacht es auf längere Prognose Horizonte, um eine Notiz von Konservatismus, eine Praxis, die empirische Unterstützung hat einzuführen. Siehe den Artikel auf quotWarum die Damped Trend Werke von Gardner und McKenzie und die quotGolden Rulequot Artikel von Armstrong et al. für Details. Es ist grundsätzlich ratsam, bei Modellen zu bleiben, bei denen mindestens einer von p und q nicht größer als 1 ist, dh nicht versuchen, ein Modell wie ARIMA (2,1,2) anzubringen, da dies wahrscheinlich zu Überformung führt Die in den Anmerkungen zur mathematischen Struktur von ARIMA-Modellen näher erläutert werden. Spreadsheet-Implementierung: ARIMA-Modelle wie die oben beschriebenen lassen sich einfach in einer Tabellenkalkulation implementieren. Die Vorhersagegleichung ist einfach eine lineare Gleichung, die sich auf vergangene Werte von ursprünglichen Zeitreihen und vergangenen Werten der Fehler bezieht. So können Sie eine ARIMA-Prognosekalkulation einrichten, indem Sie die Daten in Spalte A, die Prognoseformel in Spalte B und die Fehler (Daten minus Prognosen) in Spalte C speichern. Die Prognoseformel in einer typischen Zelle in Spalte B wäre einfach Ein linearer Ausdruck, der sich auf Werte in vorhergehenden Zeilen der Spalten A und C bezieht, multipliziert mit den entsprechenden AR - oder MA-Koeffizienten, die in Zellen an anderer Stelle auf der Kalkulationstabelle gespeichert sind.