3 จุด เฉลี่ยเคลื่อนที่

Moving Average ตัวอย่างนี้สอนวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้จุดสูงสุดและที่ราบสูงเป็นไปอย่างราบรื่นเพื่อให้ทราบถึงแนวโน้มต่างๆได้ง่ายขึ้นอันดับแรกลองดูที่ชุดข้อมูลเวลาของเรา คลิกการวิเคราะห์ข้อมูลคลิกที่นี่เพื่อโหลด Add-In Toolkit การวิเคราะห์ 3 เลือก Moving Average และคลิก OK.4 คลิกในกล่อง Input Range และเลือกช่วง B2 M2 5. คลิกที่ช่อง Interval และพิมพ์ 6.6 คลิกที่ Output Range และเลือกเซลล์ B3.8 วาดกราฟของค่าเหล่านี้การอธิบายเนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและ จุดข้อมูลปัจจุบันเป็นผลให้ยอดและหุบเขาถูกทำให้ราบเรียบกราฟแสดงแนวโน้มการเพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกเนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้มากพอ 9 ทำซ้ำตามขั้นตอนที่ 2 ถึง 8 สำหรับช่วง 2 และช่วงเวลา 4. บทสรุป The la rger ช่วงเวลาที่มีมากขึ้น peaks และหุบเขาจะเรียบออกช่วงที่มีขนาดเล็กที่ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เป็นจุดข้อมูลที่เกิดขึ้นจริงค่าเฉลี่ยสิ่งที่พวกเขาอยู่ในตัวบ่งชี้ทางเทคนิคที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัด ทิศทางของกระแสทุกประเภทของค่าเฉลี่ยเคลื่อนที่ที่เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมาเมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้าสามารถทำ มองไปที่ข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมดรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่ซึ่งเป็นที่รู้จักกันทั่วไปว่าเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย SMA คำนวณโดยการคำนวณค่าเฉลี่ยของ ให้กำหนดค่าตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 su m ของราคาสำหรับ 10 วันที่ผ่านมา 110 ถูกหารด้วยจำนวนวันที่ 10 เพื่อไปถึงค่าเฉลี่ย 10 วันหากผู้ประกอบการค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนการคำนวณแบบเดียวกันจะทำ แต่ จะรวมราคาในช่วง 50 วันที่ผ่านมาค่าเฉลี่ยที่ต่ำกว่า 11 จะคำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อให้ผู้ค้าทราบว่าสินทรัพย์มีราคาเทียบกับที่ผ่านมา 10 วันบางทีคุณอาจสงสัยว่าเหตุใดผู้ค้าทางเทคนิคจึงโทร เครื่องมือนี้เป็นค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าคงที่เฉลี่ยคำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งานจุดข้อมูลที่เก่าที่สุดจะต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ ๆ ต้องมาแทนที่เพื่อให้ได้ข้อมูลที่ตั้งอยู่ตลอดเวลา บัญชีสำหรับข้อมูลใหม่เมื่อมีพร้อมใช้งานวิธีการคำนวณนี้ทำให้แน่ใจได้ว่าจะมีการบันทึกข้อมูลปัจจุบันเท่านั้นในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดงแทนจุดข้อมูล 10 จุดที่ผ่านมาจะย้ายไปที่ ขวาและ v สุดท้าย alue ของ 15 จะลดลงจากการคำนวณเนื่องจากค่าที่ค่อนข้างเล็กของ 5 แทนค่าสูงของ 15 คุณจะคาดหวังว่าจะเห็นค่าเฉลี่ยของการลดลงของข้อมูลที่จะทำในกรณีนี้ตั้งแต่ 11 ถึง 10. สิ่งที่ต้องทำย้าย เมื่อมีการคำนวณค่าของ MA แล้วจะมีการวางแผนลงกราฟและเชื่อมต่อเพื่อสร้างเส้นค่าเฉลี่ยโดยเฉลี่ยเส้นโค้งเหล่านี้เป็นเส้นตรงในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีที่ใช้จะแตกต่างกันอย่างมาก นี้ในภายหลังคุณสามารถเห็นได้จากรูปที่ 3 ซึ่งเป็นไปได้ที่จะสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิใด ๆ โดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณเส้นโค้งเหล่านี้อาจดูเหมือนเสียสมาธิหรือเกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคย เมื่อเวลาผ่านไปเส้นสีแดงเป็นเพียงราคาเฉลี่ยในช่วง 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมาตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่อยู่ที่เท่าไรและมีลักษณะเป็นอย่างไร จะแนะนำ a ค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันและตรวจสอบความแตกต่างของค่าเฉลี่ยเคลื่อนที่ที่กล่าวมาข้างต้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมอย่างมากในหมู่ผู้ค้า แต่เป็นตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์หลายคนยืนยันว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีการถ่วงน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในซีเควนซ์นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้ายในการตอบสนองต่อคำวิจารณ์นี้, ผู้ค้าเริ่มให้ความสำคัญกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์เครื่องคิดเลขชนิดใหม่หลายประเภทซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นเลขเฉลี่ยของการเคลื่อนที่แบบเลขยกกำลัง EMA สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลเบื้องต้นเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่าง ระหว่าง SMA และ EMA. Exponential Moving Average ค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักกับราคาล่าสุดใน ความพยายามที่จะทำให้มันตอบสนองต่อข้อมูลใหม่เรียนรู้สมการค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกชุดแผนภูมิจะคำนวณสำหรับคุณอย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA เมื่อใช้สูตรในการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนหน้านี้ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและดำเนินการต่อไปตามที่กล่าวมา สูตรจากที่นี่เราได้จัดเตรียมสเปรดชีตตัวอย่างที่มีตัวอย่างชีวิตจริงของการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่แบบเสี้ยวความแตกต่างระหว่าง EMA และ SMA ตอนนี้คุณเข้าใจดีว่า SMA และคำนวณค่า EMA แล้วลองพิจารณาดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไรโดยดูที่การคำนวณ EMA คุณจะสังเกตเห็นว่ามีการเน้นที่ recen เพิ่มเติม t จุดข้อมูลทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนักในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเหมือนกัน 15 แต่ EMA ตอบสนองได้รวดเร็วยิ่งขึ้นไปยังราคาที่เปลี่ยนแปลงแจ้งให้ทราบว่า EMA มีมูลค่าที่สูงขึ้นเมื่อราคาเป็นอย่างไร เพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลงการตอบสนองนี้เป็นเหตุผลหลักว่าทำไมผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA. What Different Days หมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ปรับแต่งได้ทั้งหมดซึ่งหมายความว่าผู้ใช้ ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยคือ 15, 20, 30, 50, 100 และ 200 วันช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนจะมากขึ้น จะมีการเปลี่ยนแปลงราคาช่วงเวลาที่ยาวนานน้อยกว่าที่มีความละเอียดอ่อนหรือเรียบขึ้นค่าเฉลี่ยจะไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณวิธีที่ดีที่สุดในการพิจารณาว่ารูปแบบใดที่ดีที่สุดสำหรับคุณคือ เสื้อ o การทดลองกับช่วงเวลาที่แตกต่างกันไปจนกว่าคุณจะได้พบกับช่วงเวลาที่เหมาะสมกับกลยุทธ์ของคุณค่าเฉลี่ยเฉลี่ยหากข้อมูลนี้ถูกวางแผนไว้บนกราฟจะมีลักษณะดังนี้ข้อมูลนี้แสดงให้เห็นว่ามีความหลากหลายของจำนวนผู้เข้าชมขึ้นอยู่กับ ฤดูมีน้อยมากในฤดูใบไม้ร่วงและฤดูหนาวกว่าฤดูใบไม้ผลิและฤดูร้อนอย่างไรก็ตามถ้าเราต้องการดูแนวโน้มในจำนวนผู้เข้าชมเราสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้ 4 จุดเราทำเช่นนี้โดยการหาจำนวนเฉลี่ยของ ผู้เข้าชมในสี่สี่ของปี 2548 จากนั้นเราพบจำนวนผู้เข้าชมโดยเฉลี่ยในช่วงสามไตรมาสสุดท้ายของปี 2548 และไตรมาสแรกของปี 2549 จากนั้นในช่วงสองไตรมาสสุดท้ายของปีพ. ศ. 2548 และสองไตรมาสแรกของปี 2549 โปรดทราบว่าค่าเฉลี่ยครั้งสุดท้ายของเรา สามารถหาได้ในช่วงสองไตรมาสสุดท้ายของปี 2006 และสองไตรมาสแรกของปี 2007. เราคำนวณค่าเฉลี่ยเคลื่อนที่บนกราฟเพื่อให้แน่ใจว่าแต่ละค่าเฉลี่ยถูกวางแผนไว้ที่กึ่งกลางของสี่ส่วนที่ครอบคลุมเราสามารถเห็นได้ว่ามี มีแนวโน้มลดลงเล็กน้อยในการเข้าชม โปร