เฉลี่ยเคลื่อนที่ จำลอง

Simple Moving Averages ทำให้แนวโน้มโดดเด่น MA. MAC เฉลี่ย MA เป็นหนึ่งในตัวบ่งชี้ทางเทคนิคที่เป็นที่นิยมมากที่สุดและมักใช้ดัชนีค่าเฉลี่ยเคลื่อนที่ง่ายต่อการคำนวณและเมื่อพล็อตกราฟเป็นเครื่องมือที่มีแนวโน้มในการมองเห็นภาพที่มีประสิทธิภาพคุณมักจะได้ยิน เกี่ยวกับสามประเภทของการเคลื่อนย้ายค่าเฉลี่ยที่เรียบง่ายและเชิงเส้นที่ดีที่สุดสถานที่ที่จะเริ่มต้นคือโดยการทำความเข้าใจพื้นฐานมากที่สุด SMA เฉลี่ยเคลื่อนที่ง่ายลองดูที่ตัวบ่งชี้นี้และวิธีที่จะช่วยให้ผู้ค้าทำตามแนวโน้มที่มีต่อผลกำไรมากขึ้นสำหรับข้อมูลเพิ่มเติมเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ ดู Forex Walkthrough. Trendlines ของเราอาจไม่มีความเข้าใจอย่างสมบูรณ์เกี่ยวกับการย้ายค่าเฉลี่ยโดยไม่มีการทำความเข้าใจกับแนวโน้มแนวโน้มเป็นเพียงราคาที่ยังคงเคลื่อนไหวไปในทิศทางที่แน่นอนมีแนวโน้มที่แท้จริงเพียงอย่างเดียวที่การรักษาความปลอดภัยสามารถทำตามแนวโน้มขาขึ้น หรือแนวรุกซึ่งหมายความว่าราคามีการเคลื่อนไหวสูงขึ้นแนวโน้มขาลงหรือขาลงหมายถึงราคาที่มีการเคลื่อนไหวต่ําลงแนวโน้มขากลับซึ่งราคากำลังไต่ระดับไป สิ่งที่น่ารำคาญที่ต้องจำเกี่ยวกับแนวโน้มก็คือราคาไม่ค่อยเคลื่อนไหวในเส้นตรงดังนั้นเส้นเฉลี่ยที่เคลื่อนที่ได้ถูกใช้เพื่อช่วยให้นักลงทุนสามารถระบุทิศทางของแนวโน้มได้ง่ายขึ้นสำหรับการอ่านขั้นสูงในหัวข้อนี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับกลุ่ม Bollinger Bands และ การย้ายเฉลี่ยค่าเฉลี่ยความหมายของค่าเฉลี่ยเคลื่อนที่เป็นค่าเฉลี่ยของราคาสำหรับการรักษาความปลอดภัยโดยใช้ช่วงเวลาที่กำหนด Let s ใช้ค่าเฉลี่ยเคลื่อนที่ 50 วันที่ได้รับความนิยมเป็นตัวอย่างการย้าย 50 วัน ค่าเฉลี่ยคำนวณโดยใช้ราคาปิดของช่วง 50 วันที่ผ่านมาของการรักษาความปลอดภัยใด ๆ และรวมกันผลลัพธ์ที่ได้จากการบวกคำนวณหารด้วยจำนวนงวดในกรณีนี้ 50 เพื่อคำนวณค่าเฉลี่ยเคลื่อนที่ต่อไป ทุกวันเปลี่ยนตัวเลขที่เก่าแก่ที่สุดด้วยราคาปิดล่าสุดและทำคณิตศาสตร์ไม่ว่าระยะเวลาหรือสั้นของค่าเฉลี่ยเคลื่อนที่ที่คุณต้องการพล็อตการคำนวณขั้นพื้นฐาน s ยังคงเหมือนเดิมการเปลี่ยนแปลงจะอยู่ในจำนวนของราคาปิดที่คุณใช้ดังนั้นตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ 200 วันคือราคาปิด 200 วันรวมกันแล้วหารด้วย 200 คุณจะเห็นค่าเฉลี่ยเคลื่อนที่ทุกชนิด จากค่าเฉลี่ยเคลื่อนที่สองวันเป็นค่าเฉลี่ยเคลื่อนที่ 250 วันซึ่งเป็นสิ่งสำคัญที่ต้องจำไว้ว่าคุณต้องมีราคาปิดจำนวนหนึ่งเพื่อคำนวณค่าเฉลี่ยเคลื่อนไหวหากความปลอดภัยเป็นแบรนด์ใหม่หรือเพียงเดือนเดียวคุณจะไม่สามารถ เพื่อทำค่าเฉลี่ยเคลื่อนที่ 50 วันเนื่องจากคุณจะไม่มีจุดข้อมูลที่เพียงพอนอกจากนี้โปรดทราบว่าเราได้เลือกใช้ราคาปิดในการคำนวณ แต่ค่าเฉลี่ยเคลื่อนที่สามารถคำนวณโดยใช้ราคารายเดือนรายสัปดาห์ ราคาเปิดหรือราคา intraday สำหรับข้อมูลเพิ่มเติมโปรดดูบทแนะนำของ Moving Averages ของเรารูปที่ 1 ค่าเฉลี่ยเคลื่อนที่ที่ง่ายใน Google Inc. รูปที่ 1 เป็นตัวอย่างของค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยในแผนภูมิหุ้นของ Google Inc Nasdaq GOOG เส้นสีน้ำเงินหมายถึง 50 วันย้าย avera ในตัวอย่างข้างต้นคุณจะเห็นว่าแนวโน้มลดลงตั้งแต่ช่วงปลายปี 2550 ราคาหุ้นของ Google ลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 50 วันในเดือนมกราคมปี 2008 และยังคงลดลงต่อไปเมื่อราคาต่ำกว่าค่าเฉลี่ยเคลื่อนที่ การปรับตัวลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ตามที่แสดงไว้ด้านบนบ่งชี้ว่าหมีอยู่ในการควบคุมการดำเนินการด้านราคาและสินทรัพย์มีแนวโน้มลดลงในทางตรงกันข้ามการข้ามด้านบนค่าเฉลี่ยเคลื่อนที่หมายความว่าวัวอยู่ในเกณฑ์ การควบคุมและราคาอาจจะได้รับพร้อมที่จะให้ย้ายที่สูงขึ้นอ่านเพิ่มเติมในราคาหุ้นแทร็คด้วย Trendlines วิธีอื่น ๆ ที่จะใช้ค่าเฉลี่ยเคลื่อนที่การย้ายค่าเฉลี่ยที่ใช้โดยผู้ค้าจำนวนมากที่ไม่เพียง แต่ระบุแนวโน้มปัจจุบัน แต่ยังเป็นรายการและออก กลยุทธ์หนึ่งในกลยุทธ์ที่ง่ายที่สุดอาศัยการข้ามของสองหรือมากกว่าค่าเฉลี่ยเคลื่อนที่ค่าพื้นฐานจะได้รับเมื่อค่าเฉลี่ยระยะสั้นข้ามด้านบนหรือด้านล่างค่าเฉลี่ยเคลื่อนที่ระยะยาวสองคนหรือมากกว่าค่าเฉลี่ยเคลื่อนที่ทั้งหมด คุณเห็นแนวโน้มในระยะยาวเมื่อเทียบกับค่าเฉลี่ยระยะสั้นที่สั้นกว่านั้นเป็นวิธีที่ง่ายสำหรับการพิจารณาว่าแนวโน้มกำลังได้รับความแรงหรือถ้ากำลังจะย้อนกลับสำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการนี้โปรดอ่าน A Primer On The MACD. Figure 2 ค่าเฉลี่ยของค่าเฉลี่ยระยะยาวและระยะสั้นใน Google Inc. รูปที่ 2 ใช้ค่าเฉลี่ยเคลื่อนที่สองค่าหนึ่งในระยะยาว 50 วันซึ่งแสดงโดยเส้นสีน้ำเงินและอีกระยะสั้น 15 วันซึ่งแสดงโดยเส้นสีแดงนี่คือ แผนภูมิ Google เดียวกันในรูปที่ 1 แต่มีการเพิ่มค่าเฉลี่ยเคลื่อนที่สองค่าเพื่อแสดงความแตกต่างระหว่างสองช่วงเวลาคุณจะสังเกตเห็นว่าค่าเฉลี่ยเคลื่อนที่ 50 วันจะช้ากว่าเพื่อปรับค่าเปลี่ยนแปลงราคาเพราะใช้จุดข้อมูลมากกว่า ในการคำนวณของในทางกลับกันค่าเฉลี่ยเคลื่อนที่ 15 วันจะตอบสนองต่อการเปลี่ยนแปลงราคาได้อย่างรวดเร็วเนื่องจากแต่ละค่ามีน้ำหนักมากขึ้นในการคำนวณเนื่องจากระยะเวลาอันสั้นในกรณีนี้โดยใช้กลยุทธ์ข้าม จะดูค่าเฉลี่ยเฉลี่ย 15 วัน ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 50 วันเป็นรายการสำหรับตำแหน่งสั้น ๆ รูปที่ 3 A สามเดือนข้างต้นเป็นแผนภูมิสามเดือนของ United States Oil AMEX USO มีสองค่าเฉลี่ยเคลื่อนที่ง่ายเส้นสีแดงคือสั้น 15- วันโดยเฉลี่ยแล้วค่าเฉลี่ยของเส้นค่าเฉลี่ยเคลื่อนที่ในระยะยาว 50 วันส่วนเส้นสีน้ำเงินหมายถึงค่าเฉลี่ยเคลื่อนที่ที่ยาวนานกว่า 50 วันผู้ค้าส่วนใหญ่จะใช้ค่าเฉลี่ยของค่าเฉลี่ยระยะสั้นที่สูงกว่าค่าเฉลี่ยเคลื่อนที่ระยะยาวเพื่อเริ่มต้นระยะยาวและระบุจุดเริ่มต้นของแนวโน้มขาขึ้น เรียนรู้เพิ่มเติมเกี่ยวกับการใช้กลยุทธ์นี้ในการเทรดดิ้ง MACD Divergence. Support มีการจัดตั้งขึ้นเมื่อราคามีแนวโน้มลดลงมีจุดที่ความดันการขายลดลงและผู้ซื้อยินดีที่จะก้าวเข้าสู่ในคำอื่น ๆ มีการจัดตั้งชั้นความต้านทานเกิดขึ้นเมื่อ ราคามีแนวโน้มสูงขึ้นมีมาถึงจุดเมื่อความแข็งแรงของการซื้อลดลงและผู้ขายขั้นตอนในการนี้จะสร้างเพดานสำหรับคำอธิบายเพิ่มเติมอ่านพื้นฐานความต้านทานการสนับสนุนในทั้งสองกรณีค่าเฉลี่ยเคลื่อนที่อาจจะเป็นสัญญาณ แนวรับเริ่มต้นหรือระดับความต้านทานตัวอย่างเช่นถ้าความปลอดภัยล่องลอยไปในทิศทางขาขึ้นก็ไม่น่าแปลกใจที่หุ้นจะหาแนวรับที่ค่าเฉลี่ยเคลื่อนที่ระยะยาว 200 วันในทางกลับกันหากราคา เป็นแนวโน้มที่ต่ำกว่าผู้ค้าจำนวนมากจะเฝ้าดูหุ้นที่จะเด้งความต้านทานของค่าเฉลี่ยเคลื่อนที่ที่สำคัญ 50 วัน 100 วัน SMAs 200 วันสำหรับข้อมูลเพิ่มเติมเกี่ยวกับการใช้การสนับสนุนและความต้านทานในการระบุแนวโน้มอ่าน Trend-Spotting With The Accumulating การแจกแจง Line. Conclusion ค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือที่มีประสิทธิภาพค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายสามารถคำนวณได้ง่ายซึ่งช่วยให้สามารถใช้งานได้อย่างรวดเร็วและง่ายดายค่าเฉลี่ยความแรงที่มากที่สุดในการเคลื่อนที่คือความสามารถในการช่วยให้ผู้ประกอบการค้าปลีกระบุแนวโน้มปัจจุบันหรือสังเกตแนวโน้มที่เป็นไปได้ การพลิกกลับค่าเฉลี่ยเคลื่อนที่สามารถระบุระดับของการสนับสนุนหรือความต้านทานต่อความปลอดภัยหรือทำหน้าที่เป็นรายการง่ายๆหรือสัญญาณออกวิธีที่คุณเลือกใช้ค่าเฉลี่ยเคลื่อนที่จะขึ้นอยู่กับคุณในทางปฏิบัติค่าเฉลี่ยเคลื่อนที่จะเป็นค่าเฉลี่ย rovide ค่าประมาณค่าเฉลี่ยของชุดข้อมูลเวลาถ้าค่าเฉลี่ยมีค่าคงที่หรือค่อยๆเปลี่ยนแปลงในกรณีค่าคงที่ค่าคงที่ค่าที่มากที่สุดของ m จะให้ค่าประมาณที่ดีที่สุดของค่าเฉลี่ยระยะเวลาการสังเกตนานขึ้นจะมีค่าเฉลี่ยผลกระทบ ของความแปรปรวนวัตถุประสงค์ของการให้ m ที่เล็กกว่าคือการให้การคาดการณ์เพื่อตอบสนองต่อการเปลี่ยนแปลงในกระบวนการอ้างอิงเพื่อแสดงให้เรานำเสนอชุดข้อมูลที่รวมเอาการเปลี่ยนแปลงค่าเฉลี่ยของชุดค่าผสมเวลาชุดภาพแสดงชุดเวลาที่ใช้ หมายถึงเริ่มต้นเป็นค่าคงที่ที่ 10 เริ่มต้นที่ 21 เวลาจะเพิ่มขึ้นโดยหนึ่งหน่วยในแต่ละงวดจนกว่าจะถึงค่า 20 ที่เวลา 30 แล้วมันจะกลายเป็นค่าคงที่อีกครั้ง ข้อมูลถูกจำลองด้วยการเพิ่มค่าเฉลี่ยเสียงสุ่มจากการแจกแจงแบบปกติโดยมีค่าเฉลี่ยศูนย์และส่วนเบี่ยงเบนมาตรฐาน 3 ผลของการจำลองจะถูกปัดเศษให้เป็นจำนวนเต็มใกล้ที่สุดตารางแสดงซิม เมื่อเราใช้ตารางเราต้องจำไว้ว่าในเวลาใดก็ตามข้อมูลที่ผ่านมาเป็นที่รู้จักกันเท่านั้นการประมาณค่าพารามิเตอร์ของแบบจำลองสำหรับค่าที่แตกต่างกันสามค่าของ m จะแสดงพร้อมกับค่าเฉลี่ยของ เวลาในรูปด้านล่างรูปที่แสดงค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยในแต่ละครั้งและไม่ใช่การคาดการณ์การคาดการณ์จะเปลี่ยนเส้นโค้งค่าเฉลี่ยเคลื่อนที่ไปทางขวาตามช่วงเวลาหนึ่งข้อสรุปจะเห็นได้ชัดทันทีจากตัวเลขสำหรับทั้งสามค่าประมาณ ค่าเฉลี่ยเคลื่อนที่ล่าช้าหลังแนวโน้มเชิงเส้นโดยมีความล่าช้าเพิ่มขึ้นด้วย m ความล่าช้าคือระยะห่างระหว่างแบบจำลองกับการประมาณค่าในมิติเวลาเนื่องจากความล่าช้าค่าเฉลี่ยเคลื่อนที่จะประเมินค่าความสังเกตต่ำกว่าค่าเฉลี่ยที่เพิ่มขึ้นค่าความลำเอียงของตัวประมาณ ความแตกตางในเวลาที่ระบุในคาเฉลี่ยของแบบจําลองและคาเฉลี่ยที่คํานวณจากคาเฉลี่ยถวงน้ําหนักอคติเมื่อคาเฉลี่ยเพิ่มขึ้นเปนลบ เขาอคติเป็นบวกความล่าช้าในเวลาและอคติที่นำมาใช้ในการประมาณการเป็นหน้าที่ของ m ค่า m ยิ่งใหญ่ขนาดของความล่าช้าและความลำเอียงมากขึ้นสำหรับชุดที่เพิ่มขึ้นอย่างต่อเนื่องโดยมีแนวโน้มที่ค่าของความล่าช้าและความลำเอียงของ estimator ของค่าเฉลี่ยจะได้รับในสมการด้านล่างเส้นโค้งตัวอย่างไม่ตรงกับสมการเหล่านี้เนื่องจากตัวอย่างรูปแบบไม่ได้เพิ่มขึ้นอย่างต่อเนื่องแทนที่จะเริ่มต้นเป็นค่าคงที่เปลี่ยนเป็นแนวโน้มและกลายเป็นค่าคงที่อีกครั้งนอกจากนี้เส้นโค้งตัวอย่างจะได้รับผลกระทบ โดยค่าดังกล่าวการคาดการณ์ค่าเฉลี่ยของช่วงเวลาในอนาคตจะแสดงโดยการขยับเส้นโค้งไปทางขวาความล่าช้าและความลำเอียงเพิ่มขึ้นตามสัดส่วนสมการด้านล่างแสดงถึงความล่าช้าและความลำเอียงของระยะเวลาคาดการณ์ในอนาคตเมื่อเทียบกับพารามิเตอร์ของโมเดลอีกครั้ง , สูตรเหล่านี้เป็นชุดเวลาที่มีแนวโน้มเชิงเส้นคงที่เราไม่ควรแปลกใจที่ผลนี้ประมาณการค่าเฉลี่ยเคลื่อนที่จะขึ้นอยู่กับสมมติฐานของค่าคงที่หมายถึง nd ตัวอย่างมีแนวโน้มเป็นเส้นตรงระหว่างช่วงเวลาการศึกษาเนื่องจากชุดข้อมูลเรียลไทม์จะไม่ค่อยตรงตามสมมติฐานของรูปแบบใดก็ตามเราควรเตรียมพร้อมสำหรับผลลัพธ์ดังกล่าวเรายังสามารถสรุปจากรูปที่ความแปรปรวนของ เสียงมีผลมากที่สุดสำหรับ m เล็ก ๆ ค่าประมาณมีความผันผวนมากขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ 5 กว่าค่าเฉลี่ยเคลื่อนที่ของ 20 เรามีความต้องการที่ขัดแย้งกันในการเพิ่ม m เพื่อลดผลกระทบของความแปรปรวนเนื่องจากเสียงรบกวนและลดลง m เพื่อให้การคาดการณ์ตอบสนองต่อการเปลี่ยนแปลงได้มากขึ้นข้อผิดพลาดคือความแตกต่างระหว่างข้อมูลจริงและค่าที่คาดการณ์ไว้ถ้าชุดข้อมูลเวลาเป็นค่าคงที่มูลค่าที่คาดไว้ของข้อผิดพลาดจะเป็นศูนย์และความแปรปรวนของข้อผิดพลาดจะประกอบด้วย ระยะที่เป็นหน้าที่ของและระยะที่สองที่เป็นความแปรปรวนของเสียงระยะแรกเป็นความแปรปรวนของค่าเฉลี่ยที่ประมาณด้วยตัวอย่างของการสังเกต m, สมมติว่าข้อมูลมาจากประชากรที่มี ac หมายถึงระยะสั้นระยะนี้จะลดลงโดยการทำให้ m เป็นขนาดใหญ่ที่สุด m ที่มีขนาดใหญ่ทำให้การคาดการณ์ไม่ตอบสนองต่อการเปลี่ยนแปลงชุดข้อมูลอ้างอิงเพื่อให้การคาดการณ์สามารถตอบสนองต่อการเปลี่ยนแปลงได้เราต้องการให้ m มีขนาดเล็กที่สุดเท่าที่จะทำได้ 1 แต่จะเพิ่มข้อผิดพลาด ความแปรปรวนการคาดการณ์ในทางปฏิบัติต้องใช้ค่ากลางค่าการคำนวณด้วย Excel การคาดการณ์ add-in จะใช้สูตรค่าเฉลี่ยเคลื่อนที่ตัวอย่างด้านล่างแสดงการวิเคราะห์โดย add-in สำหรับข้อมูลตัวอย่างในคอลัมน์ B การสังเกตแรกมีการทำดัชนี -9 ถึง 0 เมื่อเทียบกับตารางด้านบนดัชนีระยะเวลาจะเปลี่ยนไป -10 การสังเกตสิบข้อแรกให้ค่าเริ่มต้นสำหรับการประมาณค่าและใช้คำนวณค่าเฉลี่ยเคลื่อนที่สำหรับช่วงเวลา 0 MA 10 คอลัมน์ C แสดงค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้การเคลื่อนที่ พารามิเตอร์เฉลี่ย m อยู่ในเซลล์ C3 Fore 1 คอลัมน์ D แสดงการคาดการณ์สำหรับระยะเวลาหนึ่งในอนาคตช่วงคาดการณ์อยู่ในเซลล์ D3 เมื่อช่วงคาดการณ์มีการเปลี่ยนแปลงไปเป็น nu ขนาดใหญ่ mber ตัวเลขในคอลัมน์ Fore จะถูกเลื่อนลง Err 1 คอลัมน์ E แสดงความแตกต่างระหว่างการสังเกตและการคาดการณ์ตัวอย่างเช่นการสังเกตในเวลาที่ 1 คือ 6 ค่าที่คาดการณ์ได้จากค่าเฉลี่ยเคลื่อนที่ในช่วงเวลา 0 คือ 11 1 ข้อผิดพลาดคือ -5 1 ค่าเบี่ยงเบนมาตรฐานและ Mean Mean Deviation MAD คำนวณในเซลล์ E6 และ E7 ตามลำดับแบบจำลองการเคลื่อนที่แบบเฉลี่ยถ่วงน้ำหนักแบบอัตโนมัติ First Order การสาธิตถูกตั้งค่าให้มีการใช้จุดสุ่มแบบเดียวกับที่ไม่ว่าจะเป็นค่าคงที่ และแตกต่างกันอย่างไรก็ตามเมื่อมีการกดปุ่ม randomize ชุดแบบสุ่มใหม่จะถูกสร้างขึ้นและใช้ Keeping random series ident ช่วยให้ผู้ใช้สามารถมองเห็นผลกระทบของชุดค่าผสม ARMA ทั้งสองค่าคงที่ค่าคงที่ถูก จำกัด ไว้ที่ - 1,1 เนื่องจากความแตกต่างของผลลัพธ์ของชุด ARMA เมื่อการสาธิตเป็นขั้นตอนการสั่งซื้อครั้งแรกเท่านั้นข้อกำหนด AR เพิ่มเติมจะทำให้สามารถสร้างชุดที่ซับซ้อนขึ้นได้มากขึ้น เพิ่มรายละเอียดของกระบวนการ ARMA ดูตัวอย่างเช่น G Box, G M Jenkins และ G Reinsel, การพยากรณ์การคาดการณ์การวิเคราะห์อนุกรมเวลาและการควบคุมหน้าผา Englewood ที่ 3, NJ Prentice-Hall, 1994.RELATED LINKS