तेजी से भारित चलती - औसत - investopedia

एक्सपोनेंसिलीली भारित मूविंग एक्सचेंजिंग अस्थिरता की खोज जोखिम का सबसे आम उपाय है, लेकिन यह कई जायके में आता है। पिछले लेख में, हमने दिखाया कि सरल ऐतिहासिक अस्थिरता की गणना कैसे करें (इस लेख को पढ़ने के लिए, भविष्य की जोखिम को मापने के लिए अस्थिरता का उपयोग करना देखें।) हम शेयर डेटा के 30 दिनों के आधार पर दैनिक उतार-चढ़ाव की गणना करने के लिए वास्तविक स्टॉक मूल्य डेटा का इस्तेमाल करते हैं। इस लेख में, हम साधारण अस्थिरता में सुधार करेंगे और तीव्रता से भारित चलती औसत (ईडब्ल्यूएमए) पर चर्चा करेंगे। ऐतिहासिक बनाम। भलीभांति अस्थिरता सबसे पहले, इस मीट्रिक को परिप्रेक्ष्य के कुछ हिस्से में डाल दें। दो व्यापक दृष्टिकोण हैं: ऐतिहासिक और निहित (या अंतर्निहित) अस्थिरता ऐतिहासिक दृष्टिकोण यह मानते हैं कि अतीत का प्रस्तावना हम आशा में इतिहास को मापते हैं कि यह भविष्यवाणी है। दूसरी ओर, भले ही अस्थिरता, इतिहास की उपेक्षा करती है, जो बाजार की कीमतों से उत्पन्न उतार-चढ़ाव के लिए हल करती है। यह आशा करता है कि बाजार सबसे अच्छा जानता है और बाजार मूल्य में है, भले ही निहित, भले ही अस्थिरता का एक सर्वसम्मत अनुमान हो। (संबंधित पढ़ने के लिए, उपयोग और अस्थिरता की सीमाएं देखें।) अगर हम सिर्फ तीन ऐतिहासिक दृष्टिकोणों (ऊपर की ओर) पर ध्यान देते हैं, तो उनके पास दो चरण समान हैं: आवधिक रिटर्न की श्रृंखला की गणना करें भारोत्तोलन योजना लागू करें सबसे पहले, हम आवधिक वापसी की गणना आम तौर पर दैनिक रिटर्न की एक श्रृंखला होती है, जहां प्रत्येक वापसी को लगातार जटिल शब्दों में व्यक्त किया जाता है। प्रत्येक दिन के लिए, हम शेयर की कीमतों के अनुपात का स्वाभाविक लॉग लेते हैं (यानी कल मूल्य से विभाजित मूल्य, और इसी तरह) यह दैनिक रिटर्न की एक श्रृंखला का उत्पादन करता है, यू i यू से i-m कितने दिन (मी दिन) हम माप रहे हैं पर निर्भर करता है यह हमें दूसरे चरण में ले जाता है: यह वह जगह है जहां तीन दृष्टिकोण अलग-अलग होते हैं। पिछले लेख में (भविष्य की जोखिम को मापने के लिए अस्थिरता का प्रयोग), हमने दिखाया कि स्वीकार्य सरलीकरण के तहत, साधारण विचलन स्क्वायर रिटर्न की औसत है: नोटिस करें कि यह प्रत्येक आवधिक रिटर्न के बारे में बताता है, फिर इसके द्वारा कुल राशि को विभाजित करता है दिनों की संख्या या टिप्पणियां (मी) तो, इसकी वास्तव में सिर्फ चुकता आवधिक रिटर्न का औसत। एक और तरीका रखो, प्रत्येक चुकता वापसी को एक समान वजन दिया जाता है। इसलिए यदि अल्फा (ए) एक भारिंग कारक (विशेष रूप से, 1 एम) है, तो एक साधारण विचरण ऐसा कुछ दिखता है: सरल विचरण पर ईडब्ल्यूएमए सुधार करता है इस दृष्टिकोण की कमजोरी यह है कि सभी लाभ एक ही वजन कम करते हैं Yesterdays (बहुत हाल ही में) वापसी पिछले महीने वापसी की तुलना में विचलन पर कोई और प्रभाव नहीं है इस समस्या को तेजी से भारित चलती औसत (ईडब्ल्यूएमए) का उपयोग करके तय किया गया है, जिसमें अधिक हाल के रिटर्न के विचरण पर अधिक वजन होता है। तीव्रता से भारित चलती औसत (ईडब्ल्यूएमए) लैम्ब्डा का परिचय देता है जिसे चिकनाई पैरामीटर कहा जाता है लैम्ब्डा एक से कम होना चाहिए। इस शर्त के तहत, बराबर वजन के बजाय, प्रत्येक स्क्वायर रिटर्न को गुणक द्वारा भारित किया जाता है: उदाहरण के लिए, जोखिम मैट्रिक्स टीएम, जो एक वित्तीय जोखिम प्रबंधन कंपनी है, 0.94 या 94 के लैम्ब्डा का उपयोग करने की आदत है। इस मामले में, पहले ( सबसे हालिया) चुकता आवधिक वापसी (1-0.94) (94) (9 4) 0 6. अगले स्क्वेर्ड रिटर्न केवल इस मामले में पूर्व वजन का एक लैम्ब्डा-मल्टीपल है जो 6 6 9 4 5.64 गुणा है। और तीसरे दिन पहले वजन बराबर (1-0.94) (0.94) 2 5.30 ईडब्ल्यूएमए में घातीय का अर्थ है: प्रत्येक भार एक पूर्ववर्ती दिनों के वजन का निरंतर गुणक (यानी लैम्ब्डा, जो एक से कम होना चाहिए) है। यह एक ऐसे विचरण को सुनिश्चित करता है जो हालिया डेटा के लिए भारित या पक्षपातपूर्ण है। (अधिक जानने के लिए, Google की वर्कशीट के लिए Google की वर्कशीट देखें।) Google के लिए बस अस्थिरता और ईडब्ल्यूएमए के बीच का अंतर नीचे दिखाया गया है स्तंभ ओ में दिखाए गए अनुसार साधारण अस्थिरता का प्रत्येक समय-सारिणी का वजन 0.1 9 6 रूप से होता है (हमें दैनिक स्टॉक मूल्य डेटा के दो वर्ष होते हैं। यह 50 9 दैनिक रिटर्न और 150 9 0.196 है)। लेकिन ध्यान दें कि कॉलम पी 6 का वजन, 5.64, फिर 5.3 और इतने पर है। सरल विचरण और ईडब्ल्यूएमए के बीच अंतर ही है याद रखें: हम पूरी श्रृंखला (कॉलम क्यू में) के योग के बाद हमारे पास भिन्नता है, जो मानक विचलन का वर्ग है। अगर हम अस्थिरता चाहते हैं, तो हमें उस विचरण के वर्गमूल को याद रखना चाहिए। गुगल्स मामले में विचरण और ईडब्ल्यूएमए के बीच दैनिक अस्थिरता में अंतर यह महत्वपूर्ण है: सरल विचरण ने हमें 2.4 की एक दैनिक अस्थिरता दी, लेकिन ईडब्ल्यूएमए ने केवल 1.4 की एक दैनिक अस्थिरता दी (विवरण के लिए स्प्रेडशीट देखें)। जाहिर है, हाल के दिनों में गोॉग्स की अस्थिरता थोड़ी कम हो गई है, इसलिए एक साधारण विचलन कृत्रिम रूप से उच्च हो सकता है। आज का विचरण पाइर डेस विरिएंस का फ़ंक्शन है आप नोटिस करेंगे कि हमें घाटे में गिरावट की भारी लंबी श्रृंखला की गणना करने की जरूरत है। हम यहां गणित नहीं करेंगे, लेकिन ईडब्ल्यूएमए की सबसे अच्छी सुविधाओं में से एक यह है कि पूरी श्रृंखला आसानी से एक रिकर्सिव फॉर्मूला को कम कर देता है: पुनरावर्ती का मतलब है कि आज के विचरण संदर्भ (यानी पूर्व दिनों के भिन्नता का एक कार्य है)। आप इस सूत्र को स्प्रेडशीट में भी पा सकते हैं, और यह सटीक रूप से उसी परिणाम का उत्पादन करता है जैसे कि लंबे समय से गणना यह कहता है: आज का विचलन (ईडब्ल्यूएमए के तहत) कल विचलन के बराबर होता है (लैम्ब्डा द्वारा भारित) प्लस बकाया चुकता वापसी (एक शून्य से लैम्ब्डा वजन होता है)। ध्यान दें कि हम कैसे बस एक साथ दो शब्दों को जोड़ रहे हैं: आजकल भारित विचरण और वेटेड, स्क्वेर्ड रिटर्न फिर भी, लैम्ब्डा हमारे चौरसाई पैरामीटर है। एक उच्च लैम्ब्डा (जैसे कि जोखिम मैट्रिक्स 94) श्रृंखला में धीमी क्षय दर्शाती है - सापेक्ष रूप में, हम श्रृंखला में अधिक डेटा अंक लेकर जा रहे हैं और वे धीरे-धीरे गिरने जा रहे हैं दूसरी ओर, यदि हम लैम्ब्डा को कम करते हैं, तो हम उच्च क्षय को इंगित करते हैं: वजन अधिक तेज़ी से गिरता है और, तेज़ी से क्षय के प्रत्यक्ष परिणाम के रूप में, कम डेटा पॉइंट का उपयोग किया जाता है (स्प्रैडशीट में लैम्ब्डा एक इनपुट है, इसलिए आप इसकी संवेदनशीलता के साथ प्रयोग कर सकते हैं) सारांश अस्थिरता एक स्टॉक का तात्कालिक मानक विचलन है और सबसे सामान्य जोखिम मीट्रिक है। यह भिन्नता का वर्गमूल भी है हम ऐतिहासिक या अप्रत्यक्ष रूप से भिन्न हो सकते हैं (अंतर्निहित अस्थिरता)। जब ऐतिहासिक रूप से मापने के लिए, सबसे आसान तरीका सरल विचरण होता है लेकिन सरल विचरण के साथ कमजोरी सभी वही वजन एक ही वजन मिलता है। तो हम एक क्लासिक ट्रेड-ऑफ का सामना करते हैं: हम हमेशा अधिक डेटा चाहते हैं, लेकिन जितना अधिक डेटा हमारे पास है, उतना ही हमारा गणना दूर (कम प्रासंगिक) डेटा से पतला होता है। आवधिक रूप से भारित चलती औसत (ईडब्ल्यूएमए) आवधिक रिटर्न के लिए भार बताकर सरल विचरण पर सुधार करता है। ऐसा करने से, हम दोनों एक बड़े नमूना आकार का उपयोग कर सकते हैं, लेकिन अधिक हाल के रिटर्न के लिए अधिक वजन भी दे सकते हैं। (इस विषय पर एक फिल्म ट्यूटोरियल देखने के लिए, बायोनिक कछुए पर जाएं।) साधारण बनाम। घातीय मूविंग एवरेज मूविंग एवरेज क्रम के क्रम में संख्याओं के अनुक्रम के अध्ययन से ज्यादा हैं। समय-सीमा विश्लेषण के प्रारंभिक चिकित्सकों वास्तव में उन डेटा के प्रक्षेपण के साथ-साथ व्यक्तिगत समय श्रृंखला संख्याओं से ज्यादा चिंतित थे। प्रक्षेप। संभावना सिद्धांतों और विश्लेषण के रूप में, बहुत बाद में आया, जैसा कि पैटर्न विकसित और सहसंबंध की खोज की गई थी। एक बार समझा जाता है कि, समय-समय पर विभिन्न आकार के घटता और रेखाएं तैयार की जाती हैं, जहां यह अनुमान लगाया जा सकता है कि डेटा अंक कहाँ जा सकते हैं। ये अब तकनीकी विश्लेषण व्यापारियों द्वारा वर्तमान में उपयोग किए जाने वाले बुनियादी तरीकों पर विचार कर रहे हैं। चार्टिंग विश्लेषण को 18 वीं सदी जापान में देखा जा सकता है, फिर भी बाजार की कीमतों पर कैसे और कब चलने की औसत पहले लागू की गई थी, वह एक रहस्य है। यह आम तौर पर समझा जाता है कि सरल चलती औसत (एसएमए) का इस्तेमाल घातीय मूविंग एवरेज (एएमए) से पहले किया गया था, क्योंकि एएमए एसएमए फ्रेमवर्क पर बनाया गया है और एसएमए कॉन्टम्यूम प्लॉटिंग और ट्रैकिंग उद्देश्यों के लिए अधिक आसानी से समझा जा सकता है। (क्या आप थोड़ा पृष्ठभूमि पढ़ना चाहते हैं चेक आउट मूविंग एवरेस: वे क्या हैं) सरल मूविंग एवरेज (एसएमए) सरल चलती औसत मार्केट की कीमतों को ट्रैक करने के लिए पसंदीदा तरीका बन गए हैं क्योंकि वे तुरंत गणना करने में आसान हैं और समझने में आसान हैं। प्रारंभिक बाजार चिकित्सकों ने उपयोग में परिष्कृत चार्ट मैट्रिक्स के उपयोग के बिना संचालित किया, इसलिए वे मुख्य रूप से बाजार की कीमतों पर उनके एकमात्र मार्गदर्शक के रूप में भरोसा करते थे। वे हाथों से बाजार की कीमतों की गणना करते थे, और प्रवृत्तियों और बाजार की दिशा को दर्शाने के लिए उन मूल्यों को गहराते थे। यह प्रक्रिया काफी थकाऊ थी, लेकिन आगे के अध्ययन की पुष्टि के साथ काफी लाभदायक साबित हुआ। 10-दिन की सरल चलती औसत की गणना करने के लिए, बस पिछले 10 दिनों के समापन मूल्यों को जोड़कर 10 से विभाजित करें। 20-दिवसीय चलती औसत की गणना 20-दिवसीय अवधि के समापन मूल्यों को जोड़कर और 20 से विभाजित करके की जाती है, और शीघ्र। यह सूत्र न केवल बंद होने की कीमतों पर आधारित है, लेकिन यह उत्पाद कीमतों का मतलब है - एक सबसेट। मूविंग एवरेज को स्थानांतरित कर कहा जाता है क्योंकि चार्ट पर बिन्दु के अनुसार गणना मूल्य में इस्तेमाल की जाने वाली कीमतों के समूह। इसका मतलब है कि पुराने दिनों को नए समापन मूल्य दिनों के पक्ष में छोड़ दिया जाता है, इसलिए एक औसत गणना की आवश्यकता हमेशा नियोजित औसत समय सीमा के अनुरूप होती है। इसलिए, 10 दिन का औसत नया दिन जोड़कर और 10 वें दिन गिरने से पुन: गणना की जाती है, और नौवें दिन दूसरे दिन गिरा दिया जाता है। (मुद्रा व्यापार में चार्ट का उपयोग कैसे किया जाता है, इसके बारे में अधिक जानने के लिए) हमारे मूल्यवर्धित मूविंग औसत (एएमए) एक्सपेंलेनेबल मूविंग एवरेज (एएमए) 1 9 60 के दशक से घातीय चलती औसत का परिष्कृत और अधिक सामान्यतः इस्तेमाल किया गया है, कंप्यूटर के साथ पहले के चिकित्सकों के प्रयोगों के लिए धन्यवाद नई ईएमए डेटा पॉइंट की लंबी श्रृंखला के बजाय हाल की कीमतों पर अधिक ध्यान केंद्रित करेगी, क्योंकि सरल चलती औसत की आवश्यकता है। वर्तमान ईएमए ((मूल्य (वर्तमान) - पिछले ईएमए)) एक्स गुणक) पिछला ईएमए। सबसे महत्वपूर्ण कारक चौरसाई स्थिरता है कि 2 (1 एन) जहां एन दिनों की संख्या। 10-दिवसीय ईएमए 2 (101) 18.8 का अर्थ यह है कि 10-अविध ईएमए वजन सबसे हाल की कीमत 18.8, 20-दिवसीय ईएमए 9.52 और 50-दिवसीय ईएमए 3.92 वजन सबसे हाल के दिन पर है। ईएमए वर्तमान अवधि मूल्य और पिछले ईएमए के बीच अंतर को भारित करती है, और परिणाम को पिछले ईएमए के साथ जोड़ता है। इस अवधि में कम, अधिक वजन सबसे हाल की कीमत पर लागू होता है। फिटिंग लाइन्स इन गणनाओं से, एक फिटिंग लाइन का खुलासा करते हुए, अंक लगाए जाते हैं। बाजार मूल्य से ऊपर या नीचे स्थित फिटिंग लाइनों का अर्थ है कि सभी चलती औसतएं संकेतक ठोकरें हैं और मुख्य रूप से निम्नलिखित रुझानों के लिए उपयोग किया जाता है वे रेंज मार्केट और भीड़ की अवधि के साथ अच्छी तरह से काम नहीं करते क्योंकि स्पष्ट उच्च ऊंचा या कम नीचियों की कमी के कारण फिटिंग लाइनें प्रवृत्ति को निरूपित नहीं कर पाती हैं। इसके अलावा, उचित दिशाओं के बिना फिटिंग लाइनें स्थिर रहती हैं। बाजार के नीचे एक बढ़ती फिटिंग लाइन का प्रतीक है, जबकि बाजार के ऊपर एक गिरने वाली फिटिंग रेखा एक छोटी सी का प्रतीक है (एक पूर्ण गाइड के लिए, हमारी मूविंग औसत ट्यूटोरियल पढ़ें।) एक सरल चलती औसत को नियोजित करने का उद्देश्य कीमतों के कई समूहों के माध्यम से डेटा को चौरसाई करके स्पॉट करना और रुझान को मापना है। एक प्रवृत्ति देखा है और एक पूर्वानुमान में extrapolated। धारणा यह है कि पूर्व प्रवृत्ति आंदोलन जारी रहेगा। सरल चलती औसत के लिए, एक लंबी अवधि की प्रवृत्ति को ईएमए की तुलना में बहुत आसान पाया जा सकता है और उचित धारणा के साथ कि उचित कीमतों पर अधिक ध्यान देने के कारण फिटिंग लाइन ईएमए लाइन से मजबूत होगी। एक हालिया कीमतों पर फोकस होने के कारण, एक ईएमए का उपयोग छोटे प्रवृत्तियों की गति को पकड़ने के लिए किया जाता है। इस पद्धति से, एक ईएमए को सरल चलती औसत में किसी भी कमी को कम करना चाहिए ताकि फिटिंग लाइन एक साधारण चलती औसत से करीब कीमतों को गले लगाए। ईएमए के साथ समस्या ये है: इसकी कीमत की कीमतों में कमी, विशेष रूप से तेजी से बाजारों और अस्थिरता की अवधि के दौरान एएमए अच्छी तरह से काम करती है जब तक कि कीमतें फिटिंग लाइन को तोड़ न दें। उच्च अस्थिरता बाजारों के दौरान, आप चलती औसत अवधि की अवधि बढ़ाने पर विचार कर सकते हैं। कोई भी ईएमए से एक एसएमए पर स्विच कर सकता है, क्योंकि एसएमए लंबे समय तक के साधनों पर अपना ध्यान केंद्रित करने के कारण एएमए की तुलना में आंकड़ों को बेहतर बनाता है। रुझान-अनुक्रमित संकेतकों के रूप में लंबे समय तक चलने वाले संकेतक, बढ़ते औसत का समर्थन और प्रतिरोध लाइनों के रूप में अच्छी तरह से सेवा करते हैं। अगर कीमतें एक 10 दिनों की फिटिंग लाइन से नीचे की ओर बढ़ती हैं, तो संभावना यह है कि ऊपर की प्रवृत्ति घटती जा सकती है या कम से कम बाजार मजबूत हो सकता है। अगर कीमतें एक डाउनट्रेन्ड में 10-दिन की चलती औसत से ऊपर टूट जाती हैं। यह प्रवृत्ति घटती या मजबूत हो सकती है इन उदाहरणों में, एक साथ 10- और 20-दिवसीय चलती औसत को रोजगार दें, और 20-दिवसीय लाइन से ऊपर या नीचे 10 दिन की रेखा के लिए प्रतीक्षा करें। यह कीमतों के लिए अगले अल्पकालिक दिशा निर्धारित करता है लंबी अवधि की अवधि के लिए, दीर्घकालिक दिशा के लिए 100- और 200-दिवसीय चलती औसत देखें। उदाहरण के लिए, 100- और 200-दिवसीय मूविंग एवरेज का उपयोग करते हुए, यदि 100-दिवसीय मूवमेंट औसत 200-दिवसीय औसत से नीचे पार करता है, तो इसका नाम मृत्यु क्रॉस कहा जाता है। और कीमतों के लिए बहुत मंदी है 100 दिवसीय चलती औसत जो 200 दिन की चलती औसत से अधिक हो जाती है उसे स्वर्ण क्रॉस कहा जाता है। और कीमतों के लिए बहुत तेजी है यह कोई फर्क नहीं पड़ता अगर कोई एसएमए या ईएमए का उपयोग किया जाता है, क्योंकि दोनों प्रवृत्ति-निम्न संकेतक हैं इसकी केवल अल्पावधि में एसएमए अपने समकक्ष, ईएमए से मामूली विचलन है। निष्कर्ष मूविंग एवरेज चार्ट और समय श्रृंखला विश्लेषण का आधार हैं। सरल चलती औसत और अधिक जटिल घातीय चलती औसत कीमत की गति को चौरसाई करके रुझान को कल्पना में मदद करते हैं। तकनीकी विश्लेषण को कभी-कभी एक विज्ञान के बजाय एक कला के रूप में जाना जाता है, जिनमें से दोनों को मास्टर करने के लिए साल लगते हैं। (हमारे तकनीकी विश्लेषण ट्यूटोरियल में अधिक जानें।) EWMA दृष्टिकोण में एक आकर्षक विशेषता है: इसमें अपेक्षाकृत कम संग्रहीत डेटा की आवश्यकता होती है किसी भी समय हमारे अनुमान को अपडेट करने के लिए, हमें केवल विचरण दर का एक पूर्व अनुमान और सबसे अवलोकन मूल्य की आवश्यकता है। EWMA का एक द्वितीयक उद्देश्य अस्थिरता में परिवर्तनों को ट्रैक करना है छोटे मूल्यों के लिए, हाल के अवलोकन के तुरंत अनुमान को प्रभावित करते हैं एक के करीब मूल्यों के लिए, अंतर्निहित चर के रिटर्न में हाल के परिवर्तनों के आधार पर अनुमान धीरे धीरे बदल जाता है। रिस्क मैट्रिक्स डाटाबेस (जेपी मॉर्गन द्वारा निर्मित और सार्वजनिक उपलब्ध कराया गया) रोज़ाना अस्थिरता को अपडेट करने के लिए ईडब्ल्यूएमए का उपयोग करता है महत्वपूर्ण: ईडब्ल्यूएमए फार्मूला एक लंबे समय तक औसत विचरण स्तर नहीं मानता है। इस प्रकार, वाष्पशीलता की अवधारणा का मतलब है कि ईडब्ल्यूएमए द्वारा कब्जा नहीं किया गया है। इस उद्देश्य के लिए ARCHGARCH मॉडल बेहतर अनुकूल हैं। ईडब्ल्यूएमए का एक माध्यमिक उद्देश्य अस्थिरता में परिवर्तनों को ट्रैक करना है, इसलिए छोटे मूल्यों के लिए, हाल के अवलोकन के अनुमान को तुरंत प्रभावित किया जाता है और एक के करीब मूल्यों के लिए, अंतर्निहित चर के रिटर्न में हाल के परिवर्तनों में अनुमान धीरे-धीरे बदल जाता है। द रिस्क मैट्रिक्स डाटाबेस (जेपी मॉर्गन द्वारा उत्पादित) और सार्वजनिक रूप से 1 99 4 में उपलब्ध कराया गया, रोज़ाना अस्थिरता अनुमान को अपडेट करने के लिए ईडब्ल्यूएमए मॉडल का उपयोग करता है। कंपनी ने पाया कि बाजार चर की एक सीमा के पार, यह मान उस प्रमेय का पूर्वानुमान देता है जो प्रसरण विचरण दर के सबसे निकट आते हैं। एक विशेष दिन पर एहसास हुआ विचरण दर अगले 25 दिनों के समान रूप से भारित औसत के रूप में गणना की गई थी। इसी तरह, हमारे डेटा सेट के लिए लैम्ब्डा का इष्टतम मूल्य की गणना करने के लिए, हमें प्रत्येक बिंदु पर प्राप्त अस्थिरता की गणना करने की आवश्यकता है। कई तरीके हैं, इसलिए एक चुनें। इसके बाद, ईडब्ल्यूएमए अनुमान और एहसास हुआ अस्थिरता के बीच चुकता त्रुटियों (एसएसई) के योग की गणना करें अंत में, लैम्ब्डा वैल्यू बदलकर एसएसई को कम करें। सरल लगता है यह है। सबसे बड़ी चुनौती का एहसास अस्थिरता की गणना करने के लिए एक एल्गोरिथ्म पर सहमत होना है उदाहरण के लिए, जोखिम मैट्रिक्स के लोगों ने बाद में 25 दिनों का एहसास हुआ कि वे विचरण दर का अनुमान लगाते हैं। आपके मामले में, आप एक एल्गोरिथम चुन सकते हैं जो दैनिक वॉल्यूम, एचआईएलओ एंड ओपन-बंद मूल्यों का उपयोग करता है। प्रश्न 1: क्या हम ईडब्ल्यूएमए का अनुमान लगा सकते हैं कि एक से अधिक कदम आगे बढ़ने (या पूर्वानुमान) अस्थिरता ईडब्ल्यूएमए वाष्पशीलता का प्रतिनिधित्व लंबे समय तक चलने वाली औसत उतार-चढ़ाव को नहीं मानता है, और इस प्रकार, एक-चरण से परे किसी भी भविष्यवाणी के क्षितिज के लिए, ईडब्ल्यूएमए स्थिरता देता है मूल्य: