การย้าย ค่าเฉลี่ย ง่าย ชี้แจง ความเรียบเนียน

การพยากรณ์โดย Smoothing Techniques เว็บไซต์นี้เป็นส่วนหนึ่งของ JavaScript E-labs สำหรับการเรียนรู้ในการตัดสินใจ JavaScript อื่น ๆ ในชุดนี้มีการแบ่งประเภทภายใต้พื้นที่ที่แตกต่างของการใช้งานในส่วนของเมนูบนหน้านี้ ชุดเวลาเป็นลำดับของการสังเกตที่มีการสั่งซื้อในช่วงเวลาที่ โดยธรรมชาติในการเก็บรวบรวมข้อมูลดำเนินการในช่วงเวลาที่เป็นรูปแบบของการเปลี่ยนแปลงบางอย่างสุ่ม มีวิธีการลดการยกเลิกผลกระทบเนื่องจากรูปแบบสุ่ม ใช้เทคนิคที่ใช้กันอย่างแพร่หลาย เทคนิคเหล่านี้เมื่อนำมาประยุกต์ใช้อย่างถูกต้องจะแสดงให้เห็นถึงแนวโน้มที่ชัดเจนขึ้นอย่างชัดเจน ป้อนลำดับเวลาชุดข้อมูลเป็นแถวตามลำดับจากมุมซ้ายบนและพารามิเตอร์จากนั้นคลิกปุ่มคำนวณเพื่อขอรับการคาดการณ์ล่วงหน้าหนึ่งรอบ ช่องว่างเปล่าไม่รวมอยู่ในการคำนวณ แต่มีศูนย์อยู่ ในการป้อนข้อมูลของคุณเพื่อย้ายจากเซลล์ไปยังเซลล์ในข้อมูลเมทริกซ์ใช้แป้น Tab ไม่ใช่ลูกศรหรือป้อนคีย์ คุณลักษณะของชุดเวลาซึ่งอาจถูกเปิดเผยโดยการตรวจสอบกราฟ กับค่าคาดการณ์และพฤติกรรมที่เหลือรูปแบบการพยากรณ์สภาพ ค่าเฉลี่ยเคลื่อนที่: การย้ายอันดับเฉลี่ยเป็นหนึ่งในเทคนิคที่ได้รับความนิยมมากที่สุดสำหรับการประมวลผลล่วงหน้าของชุดข้อมูลเวลา ใช้เพื่อกรองสัญญาณรบกวนสีขาวแบบสุ่มจากข้อมูลเพื่อให้ชุดข้อมูลเวลาทำงานราบรื่นขึ้นหรือแม้แต่เพื่อเน้นองค์ประกอบข้อมูลที่มีอยู่ในชุดข้อมูลเวลา Exponential Smoothing: นี่เป็นรูปแบบที่ได้รับความนิยมมากในการผลิต Time Series เรียบ ในขณะที่ Moving Average การสังเกตการณ์ในอดีตมีการถ่วงน้ำหนักเท่ากัน Exponential Smoothing จะกำหนดค่าน้ำหนักที่ลดลงอย่างมากเมื่อการสังเกตมีอายุมากขึ้น กล่าวอีกนัยหนึ่งการสังเกตล่าสุดมีน้ำหนักมากขึ้นในการคาดการณ์มากกว่าการสังเกตที่เก่ากว่า Double Exponential Smoothing ดีกว่าในการจัดการกับแนวโน้ม Triple Exponential Smoothing ดีกว่าในการจัดการแนวโน้มพาราโบลา ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนัก exponenentially กับราบเรียบคง a. หมายถึงประมาณค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยของความยาว (ระยะเวลา) n โดยที่ a และ n มีความสัมพันธ์กันโดย: a 2 (n1) หรือ n (2 - a) a. ดังนั้นตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักที่อธิบายด้วยค่าความยาวคลื่นและค่าคงที่การให้ราบเรียบเท่ากับ 0.1 จะสอดคล้องกับค่าเฉลี่ยเคลื่อนที่ 19 วัน และค่าเฉลี่ยเคลื่อนที่เฉลี่ย 40 วันจะสอดคล้องกับค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบทวีคูณและมีค่าคงที่ที่ราบเรียบเท่ากับ 0.04878 การจัดแจงแบบเสียดสีเชิงเส้นของ Holts: สมมติว่าซีรี่ส์เวลาไม่ใช่ตามฤดูกาล แต่ไม่แสดงแนวโน้ม วิธีการของ Holts ประเมินทั้งระดับปัจจุบันและแนวโน้มในปัจจุบัน สังเกตว่าค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นกรณีพิเศษของการทำให้เรียบโดยการตั้งค่าระยะเวลาของค่าเฉลี่ยเคลื่อนที่ไปเป็นส่วนจำนวนเต็มของอัลฟ่า (2 อัลฟ่า) สำหรับข้อมูลธุรกิจส่วนใหญ่พารามิเตอร์อัลฟาที่มีขนาดเล็กกว่า 0.40 มักมีประสิทธิภาพ อย่างไรก็ตามหนึ่งอาจดำเนินการค้นหาตารางพื้นที่พารามิเตอร์ด้วย 0.1 ถึง 0.9 โดยเพิ่มขึ้นเป็น 0.1 จากนั้นอัลฟาที่ดีที่สุดมีค่า Mean Absolute Error (MA Error) น้อยที่สุด วิธีการเปรียบเทียบวิธีการเรียบ: แม้ว่าจะมีตัวบ่งชี้ตัวเลขสำหรับการประเมินความถูกต้องของเทคนิคการคาดการณ์วิธีที่กว้างที่สุดคือการใช้การเปรียบเทียบภาพการคาดการณ์หลายอย่างเพื่อประเมินความถูกต้องและเลือกวิธีการคาดการณ์ต่างๆ ในวิธีนี้ผู้ใช้จะต้องพล็อต (ใช้เช่น Excel) บนกราฟเดียวกันค่าเดิมของตัวแปรชุดเวลาและค่าที่คาดการณ์ไว้จากวิธีการพยากรณ์อากาศต่างๆซึ่งจะช่วยให้สามารถเปรียบเทียบภาพได้ คุณอาจต้องการใช้การคาดการณ์ในอดีตโดยใช้เทคนิคการทำให้เรียบ JavaScript เพื่อรับค่าคาดการณ์ที่ผ่านมาโดยใช้เทคนิคการปรับให้เรียบโดยใช้พารามิเตอร์เพียงอย่างเดียว Holt และ Winters ใช้พารามิเตอร์สองและสามตามลำดับดังนั้นจึงไม่ใช่เรื่องง่ายที่จะเลือกค่าที่ดีที่สุดหรือใกล้เคียงกับค่าทดลองและข้อผิดพลาดของพารามิเตอร์ การเรียบแบบเอกพจน์เป็นแบบเดี่ยวจะเน้นย้ำมุมมองในระยะสั้นที่กำหนดระดับไว้เป็นข้อสังเกตสุดท้ายและขึ้นอยู่กับเงื่อนไขที่ไม่มีแนวโน้ม การถดถอยเชิงเส้นซึ่งเหมาะกับเส้นสี่เหลี่ยมจัตุรัสน้อยที่สุดต่อข้อมูลทางประวัติศาสตร์ (หรือเปลี่ยนข้อมูลทางประวัติศาสตร์) หมายถึงช่วงยาวซึ่งขึ้นอยู่กับแนวโน้มพื้นฐาน การคำนวณหาค่าความละเอียดเชิงเส้นแบบ Holts จับข้อมูลเกี่ยวกับแนวโน้มล่าสุด พารามิเตอร์ในรูปแบบ Holts คือพารามิเตอร์ระดับซึ่งควรจะลดลงเมื่อจำนวนของการแปรปรวนข้อมูลมีขนาดใหญ่และควรเพิ่มพารามิเตอร์ของเทรนด์หากทิศทางแนวโน้มล่าสุดได้รับการสนับสนุนจากสาเหตุบางประการ การคาดการณ์ในระยะสั้น: โปรดสังเกตว่า JavaScript ทุกหน้าจะให้การคาดการณ์ล่วงหน้าเพียงอย่างเดียว เพื่อให้ได้การคาดการณ์ล่วงหน้าสองขั้นตอน เพียงเพิ่มค่าที่คาดการณ์ไว้ในตอนท้ายของข้อมูลชุดข้อมูลตามเวลาและจากนั้นคลิกที่ปุ่ม Calculate เดียวกัน คุณอาจทำซ้ำขั้นตอนนี้เป็นเวลาสองสามครั้งเพื่อให้ได้ข้อมูลที่จำเป็นในระยะสั้นการคาดการณ์ของข้อมูลเกี่ยวกับการตลาดกับข้อมูลเฉลี่ยที่มีการเคลื่อนไหวแบบง่าย Hi Tom - ฉันเป็นสมาชิกของคุณและสงสัยว่าคุณมีแผนภูมิแนวโน้มสำหรับการแปลงค่าแนวโน้มหรือไม่ เป็นเอ็มพีเอ็มอาร์เอ็กซ์ ตัวอย่างเช่น 10 แนวโน้มใกล้เคียงกับ EMA 19 ช่วงเวลา 1 แนวโน้มถึง 200EMA เป็นต้นขอขอบคุณล่วงหน้า สูตรสำหรับการแปลงค่าเฉลี่ยการเคลื่อนตัวแบบเอ็กซ์โปเนนเชียล (EMA) ที่คงที่ไปเป็นจำนวนวันคือ: 2 mdashmdashmdash - N 1 โดยที่ N คือจำนวนวัน ดังนั้น 19 วัน EMA จะพอดีกับสูตรดังต่อไปนี้: 2 2 mdashmdashmdashmdash - mdashmdashmdash - 0.10 หรือ 10 19 1 20 สิ่งนี้เกิดขึ้นจากแนวคิดว่าค่าคงที่ที่ราบเรียบถูกเลือกเพื่อให้อายุเฉลี่ยของข้อมูลเท่ากัน เช่นเดียวกับที่จะมีค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย หากคุณมีค่าเฉลี่ยเคลื่อนที่แบบเรียบง่าย 20 ครั้งอายุเฉลี่ยของการป้อนข้อมูลแต่ละครั้งเท่ากับ 9.5 หนึ่งอาจคิดว่าอายุเฉลี่ยควรเป็น 10 เนื่องจากเป็นครึ่งหนึ่งของ 20 หรือ 10.5 เนื่องจากเป็นค่าเฉลี่ยของตัวเลขตั้งแต่ 1 ถึง 20 แต่ในการประชุมเชิงสถิติอายุของข้อมูลล่าสุดคือ 0 ดังนั้น การหาอายุโดยเฉลี่ยของจุดข้อมูล 20 จุดที่ผ่านมาทำได้โดยการหาค่าเฉลี่ยของชุดข้อมูลนี้: ดังนั้นอายุโดยเฉลี่ยของข้อมูลในเซตของช่วง N คือ: N - 1 mdashmdashmdashmdash - 2 สำหรับการทำให้เรียบโดยใช้ความลื่นของเอ็กซ์เรย์แนล , มันจะเปิดออกจากคณิตศาสตร์ของทฤษฎีรวมที่อายุเฉลี่ยของข้อมูลคือ 1 - mdashmdashmdashmdash - A รวมทั้งสองสม: 1 - AN - 1 mdashmdashmdash mdashmdashmdashmdash 2 เราสามารถแก้ค่าของ A ที่ equates EMA ให้มีความยาวเฉลี่ยที่เคลื่อนที่ได้ง่าย: 2 A mdashmdashmdashmdash - N 1 คุณสามารถอ่านชิ้นส่วนต้นฉบับที่เขียนเกี่ยวกับแนวคิดนี้ได้โดยไปที่ McClellanMTAaward. pdf ที่นี่เราตัดตอนมาจาก P. N. หนังสือเล่มล่าสุดของ Haurlanrsquos, ldquoMeasuring Trend Valuesrdquo Haurlan เป็นหนึ่งในคนกลุ่มแรกที่ใช้ค่าเฉลี่ยเคลื่อนที่แบบเสวนาเพื่อติดตามราคาหุ้นย้อนหลังในทศวรรษที่ 1960 และเรายังคงชอบคำศัพท์ดั้งเดิมของแนวโน้ม XX แทนที่จะเรียกค่าเฉลี่ยเคลื่อนที่เป็นรูปธรรมตามจำนวนวัน สาเหตุหนึ่งที่สำคัญคือนี่คือค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย (SMA) คุณจะมองย้อนกลับไปในช่วงเวลาที่กำหนดเท่านั้น อะไรที่เก่ากว่าช่วงเวลามองย้อนกลับนั้นไม่ได้เป็นปัจจัยในการคำนวณ แต่ด้วยข้อมูล EMA ข้อมูลเก่า ๆ จะไม่หายไปเพียงน้อยนิดและมีความสำคัญน้อยกว่ากับค่าเฉลี่ยที่เคลื่อนที่ได้ เพื่อให้เข้าใจว่าเหตุใดช่างเทคนิคจึงให้ความสำคัญกับ EMAs กับ SMAs การดูอย่างรวดเร็วที่แผนภูมินี้แสดงภาพประกอบของความแตกต่าง ในช่วงแนวโน้มจะเคลื่อนขึ้นหรือลงแนวโน้มที่ 10 และ SMA ระยะเวลา 19 วันส่วนใหญ่จะอยู่ในแนวเดียวกัน ในช่วงเวลาที่ราคาเปลี่ยนแปลงเร็วหรือเมื่อทิศทางของแนวโน้มมีการเปลี่ยนแปลงเราจะเห็นว่าทั้งสองเริ่มแยกออกจากกัน ในกรณีดังกล่าวเทรนด์ 10 จะกอดการดำเนินการด้านราคาให้ใกล้ชิดมากขึ้นและอยู่ในตำแหน่งที่ดีกว่าในการส่งสัญญาณการเปลี่ยนแปลงเมื่อราคาข้ามไป สำหรับคนจำนวนมากสถานที่ให้บริการนี้ทำให้ EMA ldquobetterrdquo กว่า SMA แต่ ldquobetterrdquo อยู่ในสายตาของผู้ชม เหตุผลที่วิศวกรได้ใช้ EMA มานานหลายปีโดยเฉพาะอย่างยิ่งในด้านอุปกรณ์อิเล็คทรอนิคส์ก็คือพวกเขาสามารถคำนวณได้ง่ายขึ้น ในการพิจารณามูลค่าปัจจุบันของ EMA todaybyquos ใหม่คุณต้องใช้ค่า EMA เมื่อวานนี้เพียงครั้งเดียวค่าคงที่ที่ราบเรียบและราคาปิดใหม่ของ todayrsquos (หรือค่าอื่น ๆ ) แต่ในการคำนวณ SMA คุณจำเป็นต้องทราบค่าทุกอย่างกลับคืนมาในช่วงเวลาที่มองย้อนกลับทั้ง ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยอยู่ที่มากกว่าการศึกษาลำดับของตัวเลขตามลำดับ ผู้ปฏิบัติงานช่วงต้นของการวิเคราะห์อนุกรมเวลาเป็นเรื่องที่เกี่ยวข้องกับตัวเลขลำดับเวลาของแต่ละบุคคลมากกว่าที่พวกเขามีอยู่กับการแก้ไขข้อมูลดังกล่าว การแก้ไข ในรูปแบบของทฤษฎีความน่าจะเป็นและการวิเคราะห์มามากในภายหลังเป็นรูปแบบการพัฒนาและ correlations ค้นพบ เมื่อเข้าใจเส้นโค้งที่มีรูปร่างต่างๆและเส้นถูกวาดตามลำดับเวลาในความพยายามที่จะคาดการณ์ที่จุดข้อมูลอาจจะไป ตอนนี้ถือว่าเป็นวิธีการขั้นพื้นฐานที่ใช้โดยนักวิเคราะห์ด้านเทคนิคในปัจจุบัน การวิเคราะห์แผนภูมิสามารถโยงย้อนกลับไปถึงศตวรรษที่ 18 ในประเทศญี่ปุ่นได้อย่างไร แต่อย่างไรและเมื่อใดที่ค่าเฉลี่ยความเคลื่อนไหวเมื่อถูกนำมาประยุกต์ใช้กับราคาในตลาดเป็นเรื่องลึกลับ เป็นที่เข้าใจกันโดยทั่วไปว่าค่าเฉลี่ยเคลื่อนที่แบบธรรมดา (SMA) ใช้มานานก่อนค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) เนื่องจาก EMA สร้างขึ้นจากกรอบ SMA และ SMA continuum สามารถเข้าใจได้ง่ายขึ้นสำหรับการวางแผนและการติดตาม Simple Moving Average (SMA) ค่าเฉลี่ยเคลื่อนที่ง่ายกลายเป็นวิธีที่ต้องการในการติดตามราคาตลาดเนื่องจากสามารถคำนวณได้ง่ายและเข้าใจได้ง่าย ผู้ประกอบการตลาดในยุคต้น ๆ ดำเนินการโดยปราศจากการใช้เมตริกแผนภูมิแบบซับซ้อนในการใช้งานในปัจจุบันดังนั้นพวกเขาจึงพึ่งพาราคาตลาดเป็นคำแนะนำ แต่เพียงผู้เดียว พวกเขาคำนวณราคาตลาดด้วยมือและกราฟราคาดังกล่าวเพื่อแสดงแนวโน้มและทิศทางตลาด กระบวนการนี้ค่อนข้างน่าเบื่อ แต่ก็ได้รับการพิสูจน์ว่ามีผลกำไรมากพอสมควรกับการยืนยันการศึกษาเพิ่มเติม ในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันให้เพิ่มราคาปิดของ 10 วันที่ผ่านมาและหารด้วย 10 ค่าเฉลี่ยเคลื่อนที่ 20 วันคำนวณโดยการเพิ่มราคาปิดในช่วง 20 วันและหารด้วย 20 และ อื่น ๆ สูตรนี้ไม่ได้ขึ้นอยู่เฉพาะในราคาปิด แต่ผลิตภัณฑ์เป็นราคาเฉลี่ยของ - เซตย่อย ค่าเฉลี่ยเคลื่อนที่หมายถึงการเคลื่อนไหวเนื่องจากกลุ่มของราคาที่ใช้คำนวณจะย้ายไปตามจุดบนแผนภูมิ ซึ่งหมายความว่าวันเก่าจะลดลงในความโปรดปรานของราคาปิดวันใหม่ดังนั้นการคำนวณใหม่จำเป็นเสมอที่สอดคล้องกับกรอบเวลาของการจ้างงานโดยเฉลี่ย ดังนั้นการคำนวณค่าเฉลี่ย 10 วันโดยการเพิ่มวันใหม่และลดลงวันที่ 10 และวันที่เก้าจะลดลงในวันที่สอง Exponential Moving Average (EMA) ค่าเฉลี่ยเคลื่อนที่เชิงเส้น (Exponential Moving Average - EMA) ค่าเฉลี่ยเคลื่อนที่เชิงตัวเลขได้รับการปรับแต่งและใช้กันอย่างแพร่หลายตั้งแต่ทศวรรษที่ 1960 เนื่องจากการทดลองกับคอมพิวเตอร์ก่อนหน้านี้ EMA ใหม่จะให้ความสำคัญกับราคาล่าสุดมากกว่าในชุดข้อมูลยาว ๆ ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย EMA ปัจจุบัน ((ราคา (ปัจจุบัน) - EMA ที่ผ่านมา)) ตัวคูณ X) EMA ก่อนหน้า ปัจจัยที่สำคัญที่สุดคือค่าคงที่ที่ราบเรียบที่ 2 (1N) โดยที่ N จำนวนวัน EMA 10 วัน 2 (101) 18.8 หมายถึง EMA 10 ช่วงน้ำหนักล่าสุด 18.8 วัน EMA 20 วัน EMA 9.52 และ 50 วัน EMA 3.92 ในวันล่าสุด EMA ทำงานโดยการชั่งน้ำหนักความแตกต่างระหว่างราคาในงวดปัจจุบันกับ EMA ก่อนหน้าและเพิ่มผลการค้นหาไปยัง EMA ก่อนหน้านี้ ระยะเวลาที่สั้นกว่าจะมีการใช้น้ำหนักมากขึ้นกับราคาล่าสุด เส้นขีดโดยการคำนวณเหล่านี้จุดจะพล็อตเผยให้เห็นเส้นที่เหมาะสม เส้นที่ติดตั้งอยู่เหนือหรือต่ำกว่าราคาตลาดบ่งชี้ว่าค่าเฉลี่ยเคลื่อนที่ทั้งหมดเป็นตัวชี้วัดที่ล่าช้า และใช้เป็นหลักสำหรับแนวโน้มดังต่อไปนี้ พวกเขาไม่ได้ทำงานได้ดีกับตลาดช่วงและช่วงเวลาของความแออัดเนื่องจากสายการประกอบไม่ได้แสดงถึงแนวโน้มเนื่องจากการขาดความชัดเจนสูงขึ้นหรือต่ำกว่าที่ต่ำกว่า นอกจากนี้สายกระชับยังคงมีค่าคงที่โดยไม่ต้องมีคำแนะนำ แนวรับที่เพิ่มขึ้นด้านล่างของตลาดมีความหมายยาวนานในขณะที่สายการผลิตที่พอดีกับขาขึ้นเหนือตลาดหมายถึงระยะสั้น วัตถุประสงค์ของการใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆคือการวัดและแนวโน้มโดยการทำให้ข้อมูลมีความเรียบโดยใช้วิธีการหลายกลุ่มของราคา มีแนวโน้มที่จะได้รับการคาดการณ์และคาดการณ์ไว้ สมมติฐานคือการเคลื่อนไหวของแนวโน้มก่อนหน้าจะดำเนินต่อไป สำหรับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆแนวโน้มระยะยาวสามารถพบได้และง่ายขึ้นกว่า EMA โดยมีข้อสันนิษฐานที่สมเหตุสมผลว่าสายพอดีจะแข็งแกร่งกว่าเส้น EMA เนื่องจากมุ่งเน้นไปที่ราคาเฉลี่ย EMA ใช้เพื่อจับภาพการเคลื่อนย้ายแนวโน้มที่สั้นลงเนื่องจากมุ่งเน้นไปที่ราคาล่าสุด โดยวิธีนี้ EMA ควรจะลดความล่าช้าใด ๆ ในค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเพื่อให้เส้นที่เหมาะสมจะกอดราคาใกล้กว่าค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ปัญหาที่เกิดขึ้นกับ EMA คือ: มันมีแนวโน้มที่จะแบ่งราคาโดยเฉพาะอย่างยิ่งในช่วงตลาดที่รวดเร็วและช่วงเวลาของความผันผวน EMA ทำงานได้ดีจนกว่าราคาจะพังทลายลง ในช่วงที่ตลาดมีความผันผวนสูงขึ้นคุณสามารถพิจารณาเพิ่มระยะเวลาเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ได้ หนึ่งสามารถเปลี่ยนจาก EMA เป็น SMA เนื่องจาก SMA ทำให้ข้อมูลดีขึ้นกว่า EMA เนื่องจากมุ่งเน้นไปที่วิธีการในระยะยาว ตัวบ่งชี้ที่เป็นตัวบ่งชี้ความเป็นไปได้ในการไต่ระดับต่อเนื่อง หากราคาพุ่งขึ้นต่ำกว่าแนวเส้น 10 วันที่มีแนวโน้มสูงขึ้นโอกาสดีที่แนวโน้มขาลงอาจลดลงหรืออย่างน้อยตลาดอาจรวมตัวกัน หากราคาพุ่งขึ้นเหนือเส้นค่าเฉลี่ย 10 วันในระยะสั้น แนวโน้มอาจลดลงหรือรวมกัน ในกรณีเหล่านี้ให้ใช้ค่าเฉลี่ยเคลื่อนที่ 10 และ 20 วันพร้อมกันและรอให้เส้น 10 วันข้ามด้านบนหรือด้านล่างเส้น 20 วัน ซึ่งจะเป็นตัวกำหนดทิศทางระยะสั้นสำหรับราคาต่อไป สำหรับระยะยาวให้ดูค่าเฉลี่ยเคลื่อนที่ 100 และ 200 วันสำหรับทิศทางในระยะยาว ตัวอย่างเช่นหากใช้ค่าเฉลี่ยเคลื่อนที่ 100 และ 200 วันหากค่าเฉลี่ยเคลื่อนที่ 100 วันต่ำกว่าค่าเฉลี่ย 200 วันจะเรียกว่าเครื่องหมายการเสียชีวิต และเป็นหยาบคายมากสำหรับราคา ค่าเฉลี่ยเคลื่อนที่ 100 วันที่ข้ามค่าเฉลี่ยเคลื่อนที่ 200 วันเรียกว่าไม้กางเขนสีทอง และเป็นที่พอใจมากสำหรับราคา ไม่ว่าจะเป็น SMA หรือ EMA เนื่องจากทั้งสองแบบเป็นตัวบ่งชี้แนวโน้ม โดยเฉพาะในระยะสั้นที่ SMA มีการเบี่ยงเบนเล็กน้อยจากคู่สัญญา EMA บทสรุป Moving averages เป็นพื้นฐานของการวิเคราะห์แผนภูมิและลำดับเวลา ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดที่ซับซ้อนมากขึ้นจะช่วยให้เห็นภาพแนวโน้มโดยการทำให้การเคลื่อนไหวของราคาดีขึ้น การวิเคราะห์ทางเทคนิคบางครั้งเรียกว่าศิลปะมากกว่าวิทยาศาสตร์ซึ่งทั้งสองใช้เวลาหลายปีในการควบคุม (เรียนรู้เพิ่มเติมในบทแนะนำการวิเคราะห์ทางเทคนิคของเรา) ประเภทของภาษีที่เรียกเก็บจากผลกำไรจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎกำหนดให้ การขายหุ้นครั้งแรกโดย บริษัท เอกชนต่อสาธารณชน การเสนอขายหุ้นหรือไอพีโอมักจะออกโดย บริษัท ขนาดเล็กที่มีอายุน้อยกว่าที่แสวงหา อัตราส่วนหนี้สิน DebtEquity Ratio คืออัตราส่วนหนี้สินที่ใช้ในการวัดอัตราส่วนหนี้สินของ บริษัท หรืออัตราส่วนหนี้สินที่ใช้ในการวัดแต่ละบุคคล ประเภทของโครงสร้างค่าชดเชยที่ผู้จัดการกองทุนป้องกันความเสี่ยงมักใช้ในส่วนของค่าตอบแทนที่เป็นผลการปฏิบัติงานความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่ทั้งสองแบบนี้คือความไวที่แต่ละค่าแสดง การเปลี่ยนแปลงข้อมูลที่ใช้ในการคำนวณ โดยเฉพาะอย่างยิ่งค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) ให้น้ำหนักที่สูงกว่าราคาล่าสุดเมื่อเทียบกับค่าเฉลี่ยเคลื่อนที่แบบเรียบ (SMA) ขณะที่ SMA กำหนดค่าน้ำหนักให้เท่ากับค่าทั้งหมด ทั้งสองค่าเฉลี่ยมีความคล้ายคลึงกันเนื่องจากถูกตีความในลักษณะเดียวกันและทั้งสองใช้กันโดยทั่วไปโดยผู้ค้าทางเทคนิคเพื่อทำให้เกิดความผันผวนของราคา SMA เป็นประเภทเฉลี่ยที่ใช้กันโดยทั่วไปโดยนักวิเคราะห์ทางเทคนิคและคำนวณโดยการหารผลรวมของชุดราคาโดยจำนวนราคาทั้งหมดที่พบในชุด ตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่เจ็ดช่วงสามารถคำนวณได้ด้วยการเพิ่มราคาต่อไปนี้เจ็ดราคาเข้าด้วยกันและหารผลตามเจ็ด (ผลที่ได้จะเรียกว่าค่าเฉลี่ยเฉลี่ยเลขคณิต) ตัวอย่างการกำหนดราคาต่อไปนี้: 10, 11, 12, 16, 17, 19, 20 การคำนวณ SMA จะมีลักษณะดังนี้: 10111216171920 105 105 ระยะเวลา 7 ช่วงเวลา SMA 1057 15 เนื่องจาก EMA ให้ความสำคัญกับข้อมูลล่าสุดมากกว่าข้อมูลที่เก่ากว่า พวกเขามีปฏิกิริยาตอบสนองต่อการเปลี่ยนแปลงราคาล่าสุดมากกว่า SMA ซึ่งทำให้ผลลัพธ์จาก EMA ได้ทันท่วงทีมากขึ้นและอธิบายว่าทำไม EMA เป็นค่าเฉลี่ยที่ต้องการของผู้ค้าจำนวนมาก ตามที่คุณสามารถดูได้จากตารางด้านล่างผู้ค้าที่มีมุมมองในระยะสั้นอาจไม่สนใจว่าจะใช้ค่าเฉลี่ยใดเนื่องจากความแตกต่างระหว่างสองค่าเฉลี่ยโดยปกติจะเป็นเรื่องของเซนต์เท่านั้น ในทางกลับกันผู้ค้าที่มีมุมมองในระยะยาวควรให้ความสำคัญกับค่าเฉลี่ยที่พวกเขาใช้เนื่องจากค่าที่สามารถเปลี่ยนแปลงได้โดยไม่กี่ดอลลาร์ซึ่งเพียงพอสำหรับความแตกต่างของราคาเพื่อพิสูจน์ว่ามีอิทธิพลต่อผลตอบแทนที่แท้จริงโดยเฉพาะอย่างยิ่งเมื่อคุณอยู่ ซื้อขายหุ้นจำนวนมาก เช่นเดียวกับตัวชี้วัดทางเทคนิคทั้งหมด ไม่มีประเภทใดประเภทหนึ่งที่ผู้ค้าสามารถใช้เพื่อรับประกันความสำเร็จ แต่โดยการทดลองใช้และข้อผิดพลาดคุณสามารถเพิ่มระดับความสะดวกสบายของคุณได้อย่างง่ายดายด้วยตัวบ่งชี้ทุกประเภทและเพิ่มโอกาสในการตัดสินใจซื้อขายอย่างชาญฉลาด หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับค่าเฉลี่ยเคลื่อนที่โปรดดูข้อมูลเบื้องต้นเกี่ยวกับค่าเฉลี่ยเคลื่อนที่และข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนัก ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎกำหนดให้ การขายหุ้นครั้งแรกโดย บริษัท เอกชนต่อสาธารณชน การเสนอขายหุ้นหรือไอพีโอมักจะออกโดย บริษัท ขนาดเล็กที่มีอายุน้อยกว่าที่แสวงหา อัตราส่วนหนี้สิน DebtEquity Ratio คืออัตราส่วนหนี้สินที่ใช้ในการวัดอัตราส่วนหนี้สินของ บริษัท หรืออัตราส่วนหนี้สินที่ใช้ในการวัดแต่ละบุคคล ประเภทของโครงสร้างค่าตอบแทนที่ผู้จัดการกองทุนป้องกันความเสี่ยงมักใช้ในการชดเชยผลตอบแทนจากผลการปฏิบัติงาน