Moving Average Lag Operator

Wenn die LAG-Funktion einen Wert an eine Zeichenvariable zurückgibt, der noch keine Länge zugewiesen wurde, wird der Variablen standardmäßig eine Länge von 200 zugewiesen. Die LAG-Funktionen LAG1, LAG2 LAG n Rückgabewerte aus einer Warteschlange LAG1 können auch geschrieben werden Als LAG A LAG n Funktion speichert einen Wert in einer Warteschlange und gibt einen zuvor in dieser Warteschlange gespeicherten Wert zurück. Jedes Auftreten einer LAG n-Funktion in einem Programm erzeugt eine eigene Warteschlange. Die Warteschlange für jedes Vorkommen von LAG n wird mit n initialisiert Fehlende Werte, wobei n die Länge der Warteschlange zum Beispiel ist, wird eine LAG2-Warteschlange mit zwei fehlenden Werten initialisiert Wenn ein Auftreten von LAG n ausgeführt wird, wird der Wert am Anfang seiner Warteschlange entfernt und zurückgegeben, die verbleibenden Werte werden verschoben Nach oben, und der neue Wert des Arguments wird am unteren Rand der Warteschlange platziert. Daher werden fehlende Werte für die ersten n Ausführungen jedes Auftretens von LAG n zurückgegeben, wonach die verzögerten Werte des Arguments beginnen zu erscheinen. Hinweise Speichern von Werten an Der untere der Warteschlange und die Rückgabe von Werten aus der Oberseite der Warteschlange tritt nur auf, wenn die Funktion ausgeführt wird. Ein Auftreten der LAG n-Funktion, die bedingt ausgeführt wird, speichert und gibt Werte nur aus den Beobachtungen zurück, für die die Bedingung erfüllt ist Argument von LAG n ist ein Array-Name, eine separate Warteschlange wird für jede Variable im Array gepflegt. Wenn die LAG-Funktion kompiliert wird, gibt SAS den Speicher in einer Warteschlange zu, um die Werte der Variablen zu halten, die in der LAG-Funktion aufgeführt ist , Wenn die Variable in der Funktion LAG100 x numerisch mit einer Länge von 8 Bytes ist, dann ist der Speicher, der benötigt wird, 8 mal 100 oder 800 Bytes. Daher ist die Speichergrenze für die LAG-Funktion auf dem Speicher basiert, den SAS zuteilt, welcher Variiert mit verschiedenen Betriebsumgebungen. Moving Durchschnitte glätten das Lärm der Preis Datenströme auf Kosten der Verzögerung Verzögerung. In den alten Tagen konnten Sie Geschwindigkeit, auf Kosten der reduzierten Glättung. In den alten Tagen konnte man nur Ihre Glättung an Die Kosten von lag. Think, wie viele Stunden Sie verschwendet versuchen, um Ihre Mittel schnell und glatt. Erfahren Sie, wie ärgerlich ist es zu sehen, zunehmende Geschwindigkeit verursacht erhöhte Lärm. Erinnerung, wie Sie für niedrige Verzögerung und niedrige Geräusche gewünscht. Tired von ausarbeiten, wie zu Haben Sie Ihren Kuchen und essen it. Don t Verzweiflung, jetzt Dinge haben sich geändert, können Sie Ihren Kuchen und Sie können es essen. Precision Lagless Durchschnitt im Vergleich zu anderen fortgeschrittenen Filter-Modelle. Of der grundlegenden Industriestandard durchschnittlich Filter der gewichteten gleitenden Durchschnitt ist schneller Als die exponentielle, aber bietet keine gute Glättung, im Gegensatz dazu die exponentielle hat hervorragende Glättung, aber riesige Mengen an Verzögerung Lag. Modern High-Tech-Filter, obwohl die Verbesserung der alten Grundmodelle, haben inhärente Schwächen Einige von denen sind in der Jurik JMA beobachtet Filter und die schlimmsten dieser Schwächen ist Überschwingen. Jurik Forschung offen zugeben, dass mit minimalem Überschwingen, die dazu neigt, irgendeine Form von prädiktiven Algorithmus anzugeben, die ihren Code anspricht. Denken Sie daran, dass Filter beabsichtigt sind zu beobachten, was geschieht jetzt und in der Vergangenheit. Predicting was passieren wird Als nächstes ist eine illegale Funktion im Precision Trading Systems-Tool-Kit, die Daten werden nur geglättet und verzögert. Wenn du sagen kannst, werden Trends genau gefolgt, anstatt zu erzählen, wie es weiter geht, wie es bei diesem illegalen Filter der Fall der Fall ist Algorithmen. Die Präzision Lagless Durchschnitt nicht versuchen, den nächsten Preis Wert vorherzusagen. Der Rumpf Durchschnitt wird von vielen behauptet, so schnell und glatt wie die JMA von Jurik Forschung, hat es eine gute Geschwindigkeit und niedrige Verzögerung. Das Problem mit der Formel verwendet Im Rumpf-Durchschnitt ist das sehr einfach und führt zu Preisverzerrungen, die eine schlechte Genauigkeit haben, die durch die Gewichtung zu stark x 2 auf die aktuellsten Daten Bodenlänge 2 verursacht wird und dann die alten Daten subtrahiert, was zu schweren Überschreitungsproblemen führt. In einigen Fällen Sind viele Standardabweichungen weg von den tatsächlichen Werten. Der Präzisions-Lagless-Durchschnitt hat ein ZERO-Überschwingen. Das Diagramm unten zeigt die immense Geschwindigkeitsdifferenz auf einer 30-Periode PLA und 30 Periode Rumpf-Durchschnitt Die PLA war vier Takte vor dem Rumpf-Durchschnitt an beiden Hauptwendepunkten Auf dem 5-Minuten-Chart der FT-SE100 Zukunft, die ein 14 Unterschied in Lag. If Sie handelte die Mittelwerte an ihren Wendepunkten, um kurz auf den Schlusskurs in diesem Beispiel, PLA war Signalisierung bei 3.977 5 und Hull war ein Trifle später bei 3.937, knapp 40 5 Punkte oder monetär 405 pro Vertrag. Das lange Signal auf PLA lag bei 3936 im Vergleich zu Hull s 3.956 5, was einer Kostenersparnis von 205 pro Vertrag mit dem PLA-Signal entspricht Vogel Ist es ein Flugzeug Nein, das ist die Präzision Lagless Average. Filters wie der VIDAYA Durchschnitt von Tuscar Chande, die Volatilität verwenden, um ihre Längen zu ändern haben eine andere Art von Formel, die ihre Länge ändern, aber dieser Prozess wird nicht mit irgendeiner Logik ausgeführt Sie können sehr gut funktionieren, dies kann auch zu einem Filter führen, der sowohl Verzögerung als auch Überschwingen erleiden kann. Der Zeitreihen-Durchschnitt, der in der Tat ein sehr schneller Durchschnitt ist, könnte auch in den Überschreitungsdurchschnitt umbenannt werden. Diese Ungenauigkeit macht es für jeden unnötig Ernsthafte Einschätzung der Daten für den Handel use. The Kalman-Filter häufig hinterlässt hinter oder überschlägt Preis-Arrays aufgrund seiner über eifrigen Algorithmen. Other Filter Faktor in Preis Impuls zu versuchen, vorherzusagen, was in der nächsten Preisintervall passieren wird, und das ist auch ein Fehler Strategie, da sie überschwemmen, wenn hohe Impulsablesung umgekehrt, so dass der Filter hoch und trocken und Meilen entfernt von der tatsächlichen Preis Aktivität. Die Precision Lagless Durchschnitt verwendet reine und einfache Logik, um seine nächste Ausgangswert zu entscheiden. Viele ausgezeichnete Mathematiker haben versucht und nicht gelungen Verursachen Verzögerung freie Mittelwerte, und in der Regel der Grund ist ihre extreme Mathematik Intellekt wird nicht durch ein hohes Maß an commonsense Logik gesichert Precision Lagless durchschnittliche PLA ist aus rein logischen Grund Algorithmen, die viele verschiedene Werte, die in Arrays gespeichert sind und wählt, die Wert zu senden an output. PLA s überlegene Geschwindigkeit, Glättung und Genauigkeit machen es zu einem hervorragenden Trading-Tool für Aktien, Futures, Forex, Anleihen etc. Und wie bei allen Produkten von Precision Trading-Systeme entwickelt, ist das zugrunde liegende Thema das gleiche. Geschrieben für Händler , BY A TRADER. PLA Länge 14 und 50 auf E-Mini Nasdaq future. Die Operationen, die in den Optionen TRANSFORMIN und TRANSFORMOUT verwendet werden können, sind in Tabelle 14 gezeigt 1 Operationen werden auf jeden Wert der Serie angewendet Jeder Wert der Serie ist Ersetzt durch das Ergebnis der Operation. In Tabelle 14 1 oder x steht der Wert der Serie zu einem bestimmten Zeitpunkt t vor der Transformation, stellt den Wert der Ergebnisreihe dar und N steht für die Gesamtzahl der Beobachtungen Notation n zeigt an, dass das Argument n optional ist, ist die Voreinstellung 1 Das Notationsfenster wird als Argument für die beweglichen Statistikoperatoren verwendet und es zeigt an, dass Sie entweder eine ganzzahlige Anzahl von Perioden n oder eine Liste von n Gewichten in Klammern angeben können Notationssequenz wird als Argument für die Sequenzoperatoren verwendet, und es bedeutet, dass Sie eine Sequenz von Zahlen angeben müssen. Die Notation s gibt die Länge der Saisonalität an und es ist ein erforderliches Argument. Table 14 1 Transformation Operations. adds die angegebene Zahl. Subtrahiert die angegebene Zahl. Multiplies durch die angegebene Zahl. dividiert durch die angegebene Zahl. indiziert, dass die folgende bewegliche Fenster-Summierung oder Produktoperator für Fensterbreite angepasst werden sollte. Klassische Zerlegung unregelmäßige Komponente. Klassische Zersetzung saisonale Komponente. Klassische Zersetzung saisonbereinigte Serie. Klassische Zerlegung Tendenz-Zyklus-Komponente. Klassische Zersetzung additive unregelmäßige Komponente. Klassische Zersetzung additive saisonale Komponente. Klassische Zersetzung additive saisonbereinigte Serie. kleine Ganzzahl größer oder gleich x. zentriert gleitenden Durchschnitt. Zentralen bewegten korrigierten Summe von Quadraten. Zentriert bewegten geometrischen Mittelwert. zentriert bewegte maximale. zentrierte bewegte median. zentrierte bewegte minimale. zentrierte bewegte produkt. zentrierte bewegliche range. centered bewegende rank. centered bewegliche standardabweichung. zentrierte bewegte sum. centered bewegende t - value. centered bewegte unkorrigierte summierung von quadraten. zentrierte bewegliche abweichung Kumulative korrigierte Summe von Quadraten. Kumulative geometrische Mittel. Kumulative Standardabweichung. Kumulative t-Wert. Kumulative unkorrigierte Summe von Quadraten. span n Unterschied. exponentiell gewichteten gleitenden Durchschnitt von mit. moothing Gewicht Zahl where. This Operation wird auch als einfache exponentielle Glättung Brechungsunterschied mit Differenzreihenfolge d wo. larste Ganzzahl kleiner oder gleich x. Bezugs-Summation mit Summationsreihenfolge d wo. Hodrick-Prescott Filter-Trendkomponente, wobei lambda der nichtnegative Filterparameter ist. Hodrick-Prescott Filter-Zykluskomponente, wo Lambda die ist Nonnegative filter parameter. inverse logistic function. value der serie n periods früher. value der serie n periods later. maximum von x und number. minimum von x und number. missing value if, else x. missing value if, else x. Fehlender Wert if, sonst x. missing value if, else x. missing value if, else x. missing value if, else x. backward gleitender Durchschnitt von n benachbarten values. backward gewichtete gleitende Durchschnitt von benachbarten values. backward moving korrigierte Summe von Quadraten Rückwärts bewegte, rückwärts bewegte, rückwärts bewegliche, rückwärts bewegliche, rückwärts bewegliche, rückwärts bewegliche, rückwärts bewegliche, rückwärts bewegliche, rückwärts bewegliche, rückwärts bewegliche, Squares. backward moving varance. indikiert, dass die folgende Verschiebungszeit window. statistic operator sollte nur fehlende Werte mit der. bewegungsstatistik ersetzen und sollte nonmissing Werte unverändert verlassen. Wenn die Option MEAN angegeben ist, dann fehlende Werte werden durch den gesamten Mittelwert ersetzt Der series. changes das sign. indikate, dass die folgende bewegte zeit window. statistic operator sollte nicht fehlende values. percent differenz des aktuellen wertes und lag n. percent summation des aktuellen wertes und kumulative sum - lag periods. ratio von current Wert zu lag. reverse the series. scale Reihe zwischen und. add Sequenzwerte zu series. divide Reihe nach Sequenzwerten. subtract Sequenzwerte zu Serie. multiply Reihe nach Sequenz values. set alle Werte von to. set eingebetteten Werte von to. set Anfangswerte von to. replaces fehlende Werte in der Reihe mit der Zahl angegeben. set Endwerte von to.-1, 0 oder 1 als x ist 0, gleich 0 oder 0.Kumulative Summe von Multiples von n-Perioden-Verzögerungen. sets, um einen Wert zu fehlen, wenn or. sets, um einen Wert zu fehlen if. sets, um einen Wert zu fehlen if. Moving Time Window Operators. Some Operatoren berechnen Statistiken für einen Satz von Werten innerhalb eines bewegten Zeitfensters werden diese als Moving Time Fenster Operatoren bezeichnet Sind zentrierte und rückwärtige Versionen dieser Operatoren. Die zentrierten Laufzeitfensteroperatoren sind CMOVAVE, CMOVCSS, CMOVGMEAN, CMOVMAX, CMOVMED, CMOVMIN, CMOVPROD, CMOVRANGE, CMOVRANK, CMOVSTD, CMOVSUM, CMOVTVALUE, CMOVUSS und CMOVVAR. Diese Operatoren berechnen die Statistik der Werte für Beobachtungen Die Rückwärtsbewegungszeitfensteroperatoren sind MOVAVE, MOVCSS, MOVGMEAN, MOVMAX, MOVMED, MOVMIN, MOVPROD, MOVRANGE, MOVRANK, MOVSTD, MOVSUM, MOVTVALUE, MOVUSS und MOVVAR. Diese Operatoren berechnen die Statistik der Werte Zeitfensteroperatoren akzeptieren ein Argument, das die Anzahl der Perioden angibt, die in das Zeitfenster aufgenommen werden sollen. Beispielsweise berechnet die folgende Anweisung einen fünfmaligen rückwärts gleitenden Durchschnitt von X. In diesem Beispiel wird die resultierende Transformation durchgeführt. Die folgende Anweisung berechnet eine Fünf - Periode zentriert gleitenden Durchschnitt von X. In diesem Beispiel ist die resultierende Transformation. Wenn das Fenster mit einem zentrierten Bewegt Zeitfenster Operator ist nicht eine ungerade Zahl, ein weiterer verzögerter Wert als Leitwert ist in das Zeitfenster enthalten Zum Beispiel das Ergebnis Des Operators CMOVAVE 4. Sie können einen Vorwärtsbewegungszeitfensterbetrieb berechnen, indem Sie einen rückwärts bewegenden Zeitfensteroperator mit dem REVERSE-Operator kombinieren. Beispielsweise berechnet die folgende Anweisung einen fünfmaligen, vorwärts gleitenden Durchschnitt von X. In diesem Beispiel wird die Resultierende Transformation ist. Einige der beweglichen Zeitfenster Operatoren ermöglichen es Ihnen, eine Liste der Gewichtswerte zur Berechnung gewichteter Statistiken angeben Diese sind CMOVAVE, CMOVCSS, CMOVGMEAN, CMOVPROD, CMOVSTD, CMOVTVALUE, CMOVUSS, CMOVVAR, MOVAVE, MOVCSS, MOVGMEAN, MOVPROD, MOVSTD, MOVTVALUE, MOVUSS und MOVVAR. Um einen gewichteten Laufzeitfensteroperator anzugeben, geben Sie die Gewichtswerte in Klammern nach dem Operatornamen ein. Die Fensterbreite entspricht der Anzahl der Gewichte, die Sie nicht angeben Anweisung berechnet einen gewichteten fünfwertigen, zentrierten gleitenden Durchschnitt von X. In diesem Beispiel ist die resultierende Transformation. Die Gewichtswerte müssen größer als Null sein. Wenn die Gewichte nicht auf 1 summieren, werden die angegebenen Gewichte durch ihre Summe dividiert, um die zu erzeugen Gewichte, die zur Berechnung der Statistik verwendet werden. Ein komplettes Zeitfenster steht zu Beginn der Serie nicht zur Verfügung. Für die zentrierten Operatoren steht auch ein komplettes Fenster am Ende der Serie nicht zur Verfügung. Die Berechnung der Laufzeitfensteroperatoren wird für diese Grenze angepasst Bedingungen wie folgt. Für rückwärts bewegte Fensteroperatoren wird die Breite des Zeitfensters zu Beginn der Serie verkürzt. Zum Beispiel sind die Ergebnisse des MOVSUM 3-Betreibers. Missing Values. Sie können die Länge der Ergebnisreihe abschneiden Die TRIM-, TRIMLEFT - und TRIMRIGHT-Operatoren, um Werte zu fehlen am Anfang oder Ende der Serie festzulegen. Sie können diese Funktionen verwenden, um die Ergebnisse der bewegten Zeitfensteroperatoren zu schneiden, so dass die Ergebnisreihe nur Werte enthält, die aus einer vollen Breitenzeit berechnet werden Fenster Zum Beispiel berechnen die folgenden Aussagen einen zentrierten Fünf-Perioden-Gleitender Durchschnitt von X und sie setzen auf fehlende Werte an den Enden der Reihe, die Mittelwerte von weniger als fünf Werten sind. Normalerweise ignorieren das Bewegungszeitfenster und die kumulativen Statistikoperatoren das Fehlen Werte und berechnen ihre Ergebnisse für die nichtmissenden Werte Wenn dem NOMISS-Operator vorangestellt wird, ergeben diese Funktionen ein fehlendes Ergebnis, wenn ein Wert innerhalb des Zeitfensters fehlt. Der NOMISS-Operator führt keine Berechnungen durch, sondern dient dazu, den Betrieb des Verschiebens zu ändern Zeitfensteroperator, der darauf folgt Der NOMISS-Operator hat keine Wirkung, es sei denn, es folgt ein bewegter Zeitfensteroperator. Zum Beispiel berechnet die folgende Anweisung einen fünfwertigen gleitenden Durchschnitt der Variablen X, erzeugt aber einen fehlenden Wert, wenn einer der fünf Werte fehlen. Die folgende Anweisung berechnet die kumulative Summe der Variablen X, erzeugt aber für alle Perioden nach dem ersten fehlenden X-Wert einen fehlenden Wert. Ähnlich zum NOMISS-Operator führt der MISSONLY-Operator keine Berechnungen durch, sofern nicht die Option MEAN gefolgt ist , Aber es dient dazu, den Betrieb des bewegten Zeitfensterbetreibers zu ändern, der ihm folgt. Wenn der MISSONLY-Operator vorangestellt wird, ersetzen diese Laufzeitfensteroperatoren alle fehlenden Werte mit der bewegten Statistik und lassen unveränderte Werte unverändert zurück. Beispielsweise ersetzt die folgende Anweisung Beliebige fehlende Werte der Variablen X mit einem exponentiell gewichteten gleitenden Durchschnitt der vergangenen Werte von X und verbleibt unveränderte Werte unverändert Die fehlenden Werte werden mit dem angegebenen exponentiell gewichteten gleitenden Durchschnitt interpoliert. Dies wird auch als einfache exponentielle Glättung bezeichnet. Die folgende Aussage ersetzt fehlende Werte der Variablen X mit dem Gesamtmittelwert von X. Sie können den SETMISS-Operator verwenden, um fehlende Werte durch eine angegebene Zahl zu ersetzen. Beispielsweise ersetzt die folgende Anweisung fehlende Werte der Variablen X mit der Nummer 8 77.Klassische Zerlegungsoperatoren. Wenn saisonale Zeitreihen mit Beobachtungen pro Saison sind, brechen klassische Zerlegungsmethoden die Zeitreihen in vier Komponenten Trend, Zyklus, saisonale und unregelmäßige Komponenten Die Trend - und Fahrradkomponenten werden oft zu der Trendzykluskomponente zusammengefasst. Es gibt zwei grundlegende Formen der klassischen Zersetzung multiplikativ und additiv, die unten zu sehen sind. Beispiele der Verwendung. Die multiplikativen saisonalen Indizes sind 0 9, 1 2 0 8 und 1 1 für die vier Quartale Lassen Sie SEASADJ eine vierteljährliche Zeitreihenvariable sein, die saisonbereinigt wurde In einer multiplikativen Art und Weise Um die Saisonalität auf SEASADJ wiederherzustellen, verwenden Sie die folgende Transformation. Die additiven saisonalen Indizes sind 4 4, -1 1, -2 1 und -1 2 für die vier Quartale. Sei SEASADJ eine vierteljährliche Zeitreihenvariable, die war Saisonbereinigt in additiver Weise Zur Wiederherstellung der Saisonalität zu SEASADJ verwenden Sie die folgenden Transformation. Set Operators. Für die Set-Operatoren, der erste Parameter, stellt den zu ersetzenden Wert dar und der zweite Parameter, stellt den Ersatzwert dar Der Ersatz kann lokalisiert werden Zum Anfang, Mitte oder Ende der Serie. Examples of Usage. Stellen Sie an, dass ein Laden vor kurzem geöffnet und dass die Verkaufsgeschichte in einer Datenbank gespeichert ist, die keine fehlenden Werte erkennt Obwohl die Nachfrage vor dem Laden geöffnet ist, Diese Datenbank weist den Wert von Null zu. Die Modellierung der Verkaufshistorie kann problematisch sein, da die Verkaufshistorie meist Null ist. Um diesen Mangel zu kompensieren, sollten die führenden Nullwerte auf fehlende verbleiben, wobei die verbleibenden Nullwerte unverändert keine Anforderung darstellen Speicher ist vor kurzem geschlossen Die Nachfrage kann noch vorhanden sein und daher ein aufgezeichneter Wert von Null nicht genau reflektieren tatsächlichen Nachfrage. Scale Operator. Für den Skalenoperator, der erste Parameter, stellt den Wert mit dem minimalen Wert und der zweite Parameter, , Stellt den Wert dar, der mit dem Maximalwert der ursprünglichen Serie verknüpft ist. Der Skalenoperator gibt die ursprünglichen Daten zwischen den Parametern und wie folgt aus. Beispiele für die Verwendung. Geben Sie an, dass zwei neue Produktverkäufe in Variablen gespeichert sind und Sie bestimmen möchten Ihre Adoptionsraten Um ihre Adoptionshistorien zu vergleichen, müssen die Variablen zum Vergleich skaliert werden. Stellen Sie den Operator ein. Für die bewegten Summations - und Produktfensteroperatoren sind die Fensterbreiten am Anfang und am Ende der Serie kleiner als die in der Mitte des Serie Wenn auch eingebettete fehlende Werte vorliegen, ist die Fensterbreite kleiner als angegeben. Wenn der ADJUST-Operator vorangestellt ist, werden die bewegten Summations-MOVSUM-CMOVSUM - und bewegten Produktoperatoren MOVPROD CMOVPROD durch die Fensterbreite angepasst. Zum Beispiel nehmen die Variable 10 an Werte und der bewegte Summationsoperator der Breite 3 wird angewendet, um die Variable mit Fensterbreiteneinstellung und Variable ohne Anpassung zu erzeugen. Die obigen Transformationen ergeben sich aus der folgenden Beziehung zwischen und, weil die ersten beiden Fensterbreiten kleiner als 3 sind. Angenommen, die Variable hat 10 Werte und der sich bewegende multiplikative Operator der Breite 3 wird angewendet, um die Variable mit der Fensterbreiteneinstellung und der Variablen ohne Anpassung zu erzeugen. Die obige Transformation ergibt sich im Folgenden, denn da die ersten beiden Fensterbreiten Sind kleiner als 3.Moving T-Value Operatoren. Die bewegten t-Wert-Operatoren CUTVALUE, MOVTVALUE, CMOVTVALUE berechnen den t-Wert der kumulativen Serie oder das bewegte Fenster. Sie können als Kombinationen des gleitenden Durchschnitts CUAVE, MOVAVE, CMOVAVE und Die bewegliche Standardabweichung CUSTD, MOVSTD, CMOVSTD. Percent Operators. Die prozentualen Operatoren berechnen die prozentuale Summation und die prozentuale Differenz des aktuellen Wertes und der Prozentsatz Summationsoperator PCTSUM berechnet Wenn irgendwelche der Werte der vorhergehenden Gleichung fehlen oder Die kumulative Summe ist Null, das Ergebnis wird auf fehlen gesetzt Der prozentuale Differenzoperator PCTDIF berechnet Wenn irgendwelche der Werte der vorhergehenden Gleichung fehlen oder der Verzögerungswert Null ist, wird das Ergebnis auf fehlen gesetzt Serie Die prozentuale Summierung der Verzögerung 4 wird angewendet, um die Variable zu erzeugen. Die prozentuale Differenz der Verzögerung 4 wird angewendet, um die Variable zu erzeugen. Ratio Operatoren. Der Verhältnisoperator berechnet das Verhältnis des aktuellen Wertes und des Wertes. Der Verhältnisoperator RATIO berechnet If Einer der Werte der vorangehenden Gleichung fehlt oder der Verzögerungswert Null ist, wird das Ergebnis auf fehlen gesetzt. Zum Beispiel wird angenommen, dass die Variable die Serie enthält. Das Verhältnis des aktuellen Wertes und des Wertes der Verzögerung 4, der der Variablen zugeordnet ist Verhältnis der aktuellen Wert und Verzögerung 4 Wert von ist der Variablen zugeordnet.