วิธี การใช้งาน ที่เคลื่อนไหว ค่าเฉลี่ย ใน การคาดการณ์

การคาดการณ์การเคลื่อนที่โดยเฉลี่ยขณะที่คุณอาจคาดเดาเรากำลังมองหาวิธีการดั้งเดิมบางอย่างในการคาดการณ์ แต่หวังว่าอย่างน้อยการแนะนำอย่างคุ้มค่าสำหรับประเด็นด้านคอมพิวเตอร์บางอย่างที่เกี่ยวข้องกับการคาดการณ์ในสเปรดชีตในหลอดเลือดดำนี้เราจะดำเนินต่อไป เริ่มต้นที่จุดเริ่มต้นและเริ่มทำงานกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่การคาดการณ์เฉลี่ยโดยเฉลี่ยทุกคนคุ้นเคยกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยไม่คำนึงถึงว่าพวกเขาเชื่อหรือไม่ว่าพวกเขาเป็นนักศึกษาวิทยาลัยทุกคนทำตลอดเวลาคิดถึงคะแนนการทดสอบของคุณในหลักสูตรที่คุณกำลังจะไป มีการทดสอบสี่ครั้งในระหว่างภาคการศึกษา Let s สมมติว่าคุณมี 85 คนในการทดสอบครั้งแรกคุณจะคาดการณ์อะไรสำหรับคะแนนทดสอบที่สองคุณคิดอย่างไรว่าครูของคุณจะคาดการณ์คะแนนทดสอบต่อไปคุณคิดว่าเพื่อนของคุณอาจคาดการณ์ได้ สำหรับคะแนนการทดสอบถัดไปคุณคิดว่าพ่อแม่ของคุณอาจคาดเดาคะแนนการทดสอบต่อไปของคุณได้โดยไม่ต้องคำนึงถึงการทำร้ายทั้งหมดที่คุณอาจทำกับคุณ iends และพ่อแม่พวกเขาและครูของคุณมีแนวโน้มที่จะคาดหวังว่าคุณจะได้รับบางสิ่งบางอย่างในพื้นที่ของ 85 ที่คุณเพิ่งได้ดีตอนนี้ให้สมมติว่าแม้จะมีการโปรโมตตัวเองให้กับเพื่อน ๆ ของคุณ และตัวเลขที่คุณสามารถศึกษาได้น้อยกว่าสำหรับการทดสอบที่สองและเพื่อให้คุณได้รับ 73. ตอนนี้สิ่งที่ทุกคนกังวลและไม่แยแสคาดว่าคุณจะได้รับในการทดสอบที่สามของคุณมีสองวิธีมีโอกาสมากสำหรับพวกเขาในการพัฒนาประมาณการโดยไม่คำนึงถึง ไม่ว่าพวกเขาจะแบ่งปันกับคุณพวกเขาอาจพูดกับตัวเองว่าผู้ชายคนนี้มักจะเป่าควันเกี่ยวกับสมาร์ทของเขาเขาจะได้รับอีก 73 ถ้าเขาโชคดีอาจเป็นพ่อแม่จะพยายามที่จะสนับสนุนมากขึ้นและพูดว่าดีดังนั้น ไกลคุณได้รับ 85 และ 73 ดังนั้นบางทีคุณควรจะคิดเกี่ยวกับการเกี่ยวกับ 85 73 2 79 ฉัน don t รู้บางทีถ้าคุณได้ปาร์ตี้น้อยและ weren t wagging วีเซิลทั่วสถานที่และถ้าคุณเริ่มต้นทำ มากขึ้นการศึกษาที่คุณจะได้รับคะแนนสูงกว่าทั้งสองประมาณการเหล่านี้เป็นจริง การคาดการณ์โดยเฉลี่ยของการเคลื่อนที่เป็นอันดับแรกอันดับแรกใช้เฉพาะคะแนนล่าสุดของคุณที่จะคาดการณ์ประสิทธิภาพในอนาคตของคุณซึ่งเรียกว่าการคาดการณ์ค่าเฉลี่ยโดยเฉลี่ยโดยใช้ข้อมูลระยะเวลาหนึ่งวินาทีนอกจากนี้ยังเป็นค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลสองช่วงข้อมูล ว่าคนเหล่านี้ทั้งหมด busting ในจิตใจที่ดีของคุณมีการจัดประเภทของ pissed คุณออกและคุณตัดสินใจที่จะทำดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและจะนำคะแนนที่สูงขึ้นในด้านหน้าของพันธมิตรของคุณคุณจะทดสอบและคะแนนของคุณเป็นจริง 89 ตอนนี้คุณมีการทดสอบครั้งสุดท้ายของภาคเรียนที่กำลังจะมาถึงและตามปกติแล้วคุณรู้สึกว่าจำเป็นที่จะต้องกระตุ้นให้ทุกคนคาดการณ์ว่าคุณจะทำอะไรในการทดสอบครั้งล่าสุดดีหวังว่าคุณจะได้เห็น รูปแบบขณะนี้เราหวังว่าคุณจะได้เห็นรูปแบบที่คุณเชื่อว่าเป็นสิ่งที่ถูกต้องที่สุดในขณะที่เราทำงานตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดแห่งใหม่ซึ่งเริ่มต้นโดยน้องสาวที่ถูกแยกออกจากกันของคุณชื่อ Whistle ขณะที่เราทำงานคุณมีข้อมูลการขายที่ผ่านมา เราแสดงข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 3 ช่วงโดยรายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11.Notice ค่าเฉลี่ยของการเคลื่อนย้าย มากกว่าข้อมูลทางประวัติศาสตร์ล่าสุด แต่ใช้เวลาสามช่วงล่าสุดสำหรับการคาดการณ์แต่ละครั้งนอกจากนี้คุณควรสังเกตด้วยว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อพัฒนาการคาดการณ์ล่าสุดของเราซึ่งแน่นอนว่าแตกต่างจาก exponential smoothing model I ve รวมการคาดการณ์ที่ผ่านมาเพราะเราจะใช้พวกเขาในหน้าเว็บต่อไปเพื่อวัดความถูกต้องของการทำนายตอนนี้ฉันต้องการนำเสนอผลที่คล้ายคลึงกันสำหรับสองช่วงคาดการณ์การเคลื่อนไหวเฉลี่ยรายการสำหรับเซลล์ C5 ควรจะเป็นตอนนี้คุณ สามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C6 ถึง C11.Notice ตอนนี้มีเพียงสองชิ้นล่าสุดของข้อมูลทางประวัติศาสตร์ที่ใช้สำหรับการคาดการณ์แต่ละครั้งที่ฉันได้รวมไว้ d การคาดการณ์ที่ผ่านมาเพื่อวัตถุประสงค์ในการอธิบายและเพื่อใช้ในภายหลังในการตรวจสอบการคาดการณ์สิ่งอื่น ๆ บางอย่างที่มีความสำคัญต่อการสังเกตสำหรับระยะเวลาการเคลื่อนที่เฉลี่ยของ m-m เท่านั้นค่าข้อมูล m ล่าสุดมีการใช้เพื่อทำให้การคาดการณ์ไม่มีอะไรที่จำเป็น สำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-metric เมื่อทำการคาดการณ์ที่ผ่านมาสังเกตว่าการทำนายครั้งแรกเกิดขึ้นในช่วง m 1. ปัญหาเหล่านี้จะมีความสำคัญมากเมื่อเราพัฒนาโค้ดของเราการพัฒนาฟังก์ชัน Average Moving Average ตอนนี้เราจำเป็นต้องพัฒนาขึ้น รหัสสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้ความยืดหยุ่นได้มากขึ้นโค้ดต่อไปนี้สังเกตว่าอินพุตเป็นจำนวนรอบระยะเวลาที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของค่าทางประวัติศาสตร์คุณสามารถจัดเก็บไว้ในสมุดงานที่คุณต้องการฟังก์ชั่น MovingAverage Historical, NumberOfPeriods เป็น Single Declaring และ initializing variables Dim Items เป็นตัวนับ Dim Variant เป็นจำนวนเต็ม Integer Dim เป็น Single Dim HistoricalSize As Integer Initializing variables Counter 1 Accumulation 0 การกำหนดขนาดของ Historical HistoricalSize. For Counter จำนวน 1 ต่อ NumberOfPeriods สะสมจำนวนที่เหมาะสมของค่าที่สังเกตก่อนหน้านี้สะสมสะสมข้อมูลประวัติ HistoricalSize - NumberOfPeriods Counter. MovingAverage การสะสม NumberOfPeriods รหัสจะอธิบายในชั้นเรียนคุณต้องการวางตำแหน่งฟังก์ชันในสเปรดชีตเพื่อให้ผลของการคำนวณปรากฏขึ้นที่ควร เช่นเดียวกับค่าเฉลี่ยต่อไปนี้.Meanของการสังเกตข้อมูลชุดข้อมูลเป็นระยะ ๆ เท่า ๆ กันเว้นระยะห่างจากระยะเวลาหลายติดต่อกันเรียกว่าการเคลื่อนไหวเนื่องจากมีการคำนวณใหม่อย่างต่อเนื่องจากข้อมูลใหม่จะพร้อมใช้งานดำเนินโดยการลดค่าที่เก่าสุดและเพิ่มค่าล่าสุดตัวอย่างเช่น ค่าเฉลี่ยของยอดขายตั้งแต่เดือนมกราคมถึงเดือนมิถุนายนโดยเฉลี่ยแล้วยอดขายตั้งแต่เดือนกุมภาพันธ์ถึงเดือนกรกฎาคมเดือนมีนาคมถึงเดือนสิงหาคมเป็นต้นไปค่าเฉลี่ยเคลื่อนที่ 1 จะลดผลกระทบของรูปแบบชั่วคราวใน ข้อมูล, 2 ปรับปรุงพอดีของข้อมูลไปยังสายกระบวนการที่เรียกว่าราบรื่นเพื่อแสดงแนวโน้มของข้อมูลมากขึ้น c learly และ 3 เน้นค่าใด ๆ เหนือหรือต่ำกว่าแนวโน้มหากคุณกำลังคำนวณสิ่งที่มีความแปรปรวนสูงมากที่ดีที่สุดที่คุณอาจสามารถทำคือคิดออกค่าเฉลี่ยเคลื่อนที่ฉันต้องการทราบว่าค่าเฉลี่ยเคลื่อนที่อยู่ที่เท่าไร ดังนั้นฉันจะมีความเข้าใจที่ดีขึ้นว่าเรากำลังทำอะไรอยู่ขณะที่คุณกำลังพยายามหาตัวเลขที่เปลี่ยนแปลงบ่อยครั้งที่ดีที่สุดที่คุณสามารถทำได้คือคำนวณค่าเฉลี่ยของค่าเฉลี่ยที่เคลื่อนที่โดยเฉลี่ย MAP. Moving Averages วิธีการใช้ Them. Some of หน้าที่หลักของค่าเฉลี่ยเคลื่อนที่คือการระบุแนวโน้มและการพลิกกลับวัดความแรงของโมเมนตัมของสินทรัพย์และกำหนดพื้นที่ที่อาจเป็นสินทรัพย์ที่จะได้รับการสนับสนุนหรือความต้านทานในส่วนนี้เราจะชี้ให้เห็นว่าช่วงเวลาต่างๆสามารถตรวจสอบโมเมนตัมและวิธีการเคลื่อนย้ายได้อย่างไร ค่าเฉลี่ยสามารถเป็นประโยชน์ในการตั้งค่าการหยุดขาดทุนนอกจากนี้เราจะกล่าวถึงบางส่วนของความสามารถและข้อ จำกัด ของค่าเฉลี่ยเคลื่อนที่ที่ควรพิจารณาเมื่อใช้เป็นส่วนหนึ่งของเทรนด์การเทรด Identify ing แนวโน้มเป็นหนึ่งในหน้าที่หลักของการย้ายค่าเฉลี่ยซึ่งใช้โดย traders ส่วนใหญ่ที่พยายามทำให้แนวโน้มเพื่อนของพวกเขาย้ายค่าเฉลี่ยเป็นตัวบ่งชี้ lagging ซึ่งหมายความว่าพวกเขาไม่ได้คาดการณ์แนวโน้มใหม่ แต่ยืนยันแนวโน้มเมื่อมีการกำหนดเป็น คุณสามารถเห็นในรูปที่ 1 หุ้นจะถือเป็นขาขึ้นเมื่อราคาอยู่เหนือค่าเฉลี่ยเคลื่อนที่และค่าเฉลี่ยจะแคบขึ้นไปในทางตรงกันข้ามผู้ประกอบการค้าจะใช้ราคาต่ำกว่าค่าเฉลี่ยที่ต่ำลงเพื่อยืนยันขาลงผู้ค้าจำนวนมากจะ พิจารณาเฉพาะการถือครองตำแหน่งยาวในสินทรัพย์เมื่อราคาซื้อขายสูงกว่าค่าเฉลี่ยเคลื่อนที่กฎง่ายๆนี้สามารถช่วยให้มั่นใจได้ว่าเทรนด์มีการทำงานในผู้ค้ารายย่อยผู้ค้าเริ่มต้นจำนวนมากถามว่ามีความเป็นไปได้ที่จะวัดโมเมนตัมและค่าเฉลี่ยเคลื่อนที่ที่สามารถทำได้อย่างไร จะใช้เพื่อจัดการกับความสำเร็จดังกล่าวคำตอบง่ายๆคือให้ความใส่ใจกับช่วงเวลาที่ใช้ในการสร้างค่าเฉลี่ยเนื่องจากแต่ละช่วงเวลาสามารถให้ข้อมูลเชิงลึกที่มีคุณค่าในรูปแบบต่างๆ tum โดยทั่วไปแล้วโมเมนตัมระยะสั้นสามารถวัดได้โดยดูที่ค่าเฉลี่ยเคลื่อนที่ซึ่งมุ่งเน้นไปที่ช่วงเวลา 20 วันหรือน้อยกว่าการดูค่าเฉลี่ยเคลื่อนที่ที่เกิดขึ้นในช่วง 20 ถึง 100 วันโดยทั่วไปถือว่าเป็นตัววัดที่ดีสำหรับสื่อ ค่าเฉลี่ยเคลื่อนที่เฉลี่ยที่ใช้ 100 วันหรือมากกว่าในการคำนวณสามารถใช้เป็นตัววัดความเป็นโมเมนตัมในระยะยาวสามัญสำนึกควรบอกคุณว่าค่าเฉลี่ยเคลื่อนที่ 15 วันเป็นตัววัดที่เหมาะสมสำหรับโมเมนตัมระยะสั้น มากกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันหนึ่งในวิธีที่ดีที่สุดในการกำหนดความแรงและทิศทางของโมเมนตัมของสินทรัพย์คือการวางค่าเฉลี่ยเคลื่อนที่สามตัวลงบนแผนภูมิและให้ความสนใจใกล้เคียงกันกับวิธีที่พวกเขาสร้างขึ้นเมื่อเทียบกับอีกกลุ่มหนึ่ง ค่าเฉลี่ยเคลื่อนที่ที่ใช้โดยทั่วไปมีช่วงเวลาที่แตกต่างกันในความพยายามที่จะแสดงการเคลื่อนไหวของราคาในระยะสั้นระยะกลางและระยะยาวในรูปที่ 2 แรงดึงดูดที่แข็งแกร่งขึ้นจะเห็นได้เมื่อค่าเฉลี่ยระยะสั้นอยู่เหนือเส้นค่าเฉลี่ยระยะยาว อายุเฉลี่ยและสองค่าเฉลี่ยจะ diverging ตรงกันข้ามเมื่อค่าเฉลี่ยระยะสั้นที่อยู่ด้านล่างค่าเฉลี่ยระยะยาวโมเมนตัมอยู่ในทิศทาง down. Support การใช้งานทั่วไปอื่นของค่าเฉลี่ยเคลื่อนที่ในการกำหนดราคาที่เป็นประโยชน์สนับสนุนไม่ใช้เวลามาก ประสบการณ์ในการจัดการกับค่าเฉลี่ยเคลื่อนที่เพื่อสังเกตว่าราคาที่ลดลงของสินทรัพย์มักจะหยุดและย้อนกลับทิศทางในระดับเดียวกับค่าเฉลี่ยที่สำคัญตัวอย่างเช่นในรูปที่ 3 คุณจะเห็นได้ว่าค่าเฉลี่ยเคลื่อนที่ 200 วันสามารถต้านทานได้ ราคาหุ้นหลังจากที่ร่วงลงมาจากระดับสูงที่ 32 จุดนักลงทุนจำนวนมากคาดว่าจะได้รับผลกระทบจากค่าเฉลี่ยเคลื่อนที่ที่สำคัญและจะใช้ตัวชี้วัดทางเทคนิคอื่น ๆ เพื่อยืนยันถึงการเคลื่อนไหวที่คาดว่าจะเกิดขึ้นความต้านทานเมื่อราคาของสินทรัพย์ต่ำกว่าระดับที่มีอิทธิพล การสนับสนุนเช่นค่าเฉลี่ยเคลื่อนที่ 200 วันจะเห็นได้ว่าค่าเฉลี่ยของการเป็นตัวบ่งชี้ที่เป็นอุปสรรคสำคัญในการป้องกันไม่ให้นักลงทุนกดดันราคาที่สูงกว่าค่าเฉลี่ยเมื่อคุณค. ดูจากตารางด้านล่างความต้านทานนี้มักจะใช้โดยผู้ค้าเป็นสัญลักษณ์เพื่อทำกำไรหรือเพื่อปิดตำแหน่งยาวใด ๆ ที่มีอยู่ผู้ขายสั้น ๆ จำนวนมากยังจะใช้ค่าเฉลี่ยเหล่านี้เป็นจุดเข้าเพราะราคามักจะตีกลับความต้านทานและยังคง ย้ายต่ำกว่าถ้าคุณเป็นนักลงทุนที่ถือครองตำแหน่งที่ยาวนานในสินทรัพย์ที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่สำคัญคุณอาจสนใจที่จะติดตามระดับเหล่านี้อย่างใกล้ชิดเนื่องจากอาจส่งผลกระทบต่อมูลค่าการลงทุนของคุณมากยิ่งขึ้น ลักษณะการสนับสนุนและความต้านทานของค่าเฉลี่ยเคลื่อนที่ช่วยให้สามารถเป็นเครื่องมือในการบริหารความเสี่ยงความสามารถในการเคลื่อนที่โดยเฉลี่ยเพื่อระบุสถานที่เชิงกลยุทธ์ในการกำหนดคำสั่งหยุดขาดทุนช่วยให้ผู้ค้าสามารถตัดตำแหน่งที่เสียไปก่อนที่จะสามารถเติบโตได้มากขึ้นตามที่เห็นในรูปภาพ 5 ผู้ค้าที่ถือครองตำแหน่งยาวในหุ้นและตั้งคำสั่งหยุดการขาดทุนของพวกเขาด้านล่างค่าเฉลี่ยที่มีอิทธิพลสามารถบันทึกตัวเองเป็นเงินจำนวนมากใช้ค่าเฉลี่ยเคลื่อนที่ในการตั้งค่าออร์เดอร์หยุดขาดทุน rs เป็นกุญแจสำคัญในกลยุทธ์การซื้อขายที่ประสบความสำเร็จ