สอง จุด เฉลี่ยเคลื่อนที่ กรอง

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 จุดข้อมูลปัจจุบันเป็นผลให้ยอดและหุบเขาถูกทำให้ราบรื่นกราฟแสดงแนวโน้มการเพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกเนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้มากพอ 9 ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วง 2 และช่วงเวลา 4. บทสรุป The la rger ช่วงเวลายิ่งยอดและหุบเขาจะราบเรียบยิ่งเท่าไรระยะห่างที่เล็กลงค่าเฉลี่ยของค่าเฉลี่ยที่เคลื่อนที่ได้ใกล้เคียงกับจุดข้อมูลที่เกิดขึ้นจริงค่าเฉลี่ยใน R. To ที่ดีที่สุดของความรู้ของฉัน R ไม่มี built-in ฟังก์ชันการคำนวณค่าเฉลี่ยเคลื่อนที่โดยใช้ฟังก์ชันการกรองอย่างไรก็ตามเราสามารถเขียนฟังก์ชันสั้น ๆ สำหรับค่าเฉลี่ยเคลื่อนที่ได้จากนั้นเราสามารถใช้ฟังก์ชันนี้กับข้อมูล mav หรือข้อมูล mav 11 ถ้าเราต้องการระบุจุดข้อมูลจำนวนอื่น กว่าค่าเริ่มต้น 5 วางแผนงานตามที่คาดหวังข้อมูล mav พล็อตนอกจากจำนวนจุดข้อมูลที่มากกว่าค่าเฉลี่ยเรายังสามารถเปลี่ยนอาร์กิวเมนต์ด้านข้างของตัวกรองด้านการทำงาน 2 ใช้ทั้งสองด้าน 1 ใช้ค่าที่ผ่านมาเท่านั้นโพสต์ ทิศทางการเดินเรือ navigation. Moving เฉลี่ยสิ่งที่พวกเขาในบรรดาตัวบ่งชี้ทางเทคนิคที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่ใช้ในการวัดทิศทางของแนวโน้มปัจจุบันทุกประเภทของค่าเฉลี่ยเคลื่อนที่ที่เขียนโดยทั่วไปในการกวดวิชานี้เป็น MA เป็น resu คณิตศาสตร์ lt ซึ่งคำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมาเมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบเรียบแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตัว ทุกรูปแบบการเงินรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่โดยทั่วไปหมายถึงค่าเฉลี่ยเคลื่อนที่เฉลี่ย SMA โดยคำนวณค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนดตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันที่คุณจะเพิ่มขึ้น ราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา 110 จะหารด้วยจำนวนวันที่ 10 เพื่อให้ได้ค่าเฉลี่ย 10 วันหากผู้ค้าต้องการ เพื่อดูค่าเฉลี่ย 50 วันแทนจะมีการคำนวณประเภทเดียวกัน แต่จะรวมราคาในช่วง 50 วันที่ผ่านมาค่าเฉลี่ยที่ต่ำกว่า 11 คำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อให้ผู้ค้าทราบว่า วิธีการที่สินทรัพย์เป็น pric ed เทียบกับ 10 วันที่ผ่านมาบางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ว่าเป็นค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ยที่เป็นกลางคำตอบก็คือค่าใหม่กลายเป็นจุดให้คะแนนข้อมูลที่เก่าที่สุดต้องถูกลดลงจากข้อมูลชุดและข้อมูลใหม่ จุดที่ต้องมาแทนที่พวกเขาดังนั้นชุดข้อมูลจะเคลื่อนย้ายบัญชีไปเรื่อย ๆ เพื่อให้มีข้อมูลใหม่เมื่อพร้อมใช้งานวิธีการคำนวณนี้ทำให้แน่ใจได้ว่ามีการบันทึกข้อมูลปัจจุบันเท่านั้นในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของ 5 ชุดสีแดงหมายถึงจุดข้อมูลที่ผ่านมา 10 ตัวเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณเนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูงของ 15 คุณคาดว่าจะเห็นค่าเฉลี่ยของ ลดข้อมูลชุดที่ไม่ในกรณีนี้จาก 11 ถึง 10.What Do Moving Averages Look Like เมื่อค่าของ MA ได้รับการคำนวณพวกเขาจะ plotted ลงบนแผนภูมิและเชื่อมต่อแล้วเพื่อสร้างเส้นเฉลี่ยเคลื่อนที่ CU เหล่านี้ ริ้วรอยเป็นเรื่องปกติในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีการใช้งานเหล่านี้อาจแตกต่างกันมากในเรื่องนี้ในภายหลังคุณสามารถเห็นได้จากรูปที่ 3 ซึ่งเป็นไปได้ที่จะเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิใด ๆ โดยการปรับจำนวนครั้ง ช่วงเวลาที่ใช้ในการคำนวณเส้นโค้งเหล่านี้อาจดูเหมือนเสียสมาธิหรือสับสนในตอนแรก แต่คุณจะเติบโตคุ้นเคยกับพวกเขาเป็นเวลาที่จะไปบนเส้นสีแดงเป็นเพียงราคาเฉลี่ยที่ผ่านมา 50 วันในขณะที่เส้นสีฟ้าเป็นราคาเฉลี่ยมากกว่า เมื่อผ่านไป 100 วันตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่อยู่ที่เท่าไรและเราจะแนะนำค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันและดูว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงข้างต้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมมากในหมู่ ผู้ค้า แต่ชอบตัวชี้วัดทางเทคนิคทั้งหมดก็มีนักวิจารณ์หลายคนยืนยันว่าประโยชน์ของ SMA จะถูก จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้น ตามลำดับนักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้ายในการตอบสนองต่อคำติชมนี้ผู้ค้าเริ่มให้ความสำคัญกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์ ประเภทของค่าเฉลี่ยใหม่ ๆ ที่ได้รับความนิยมมากที่สุดคือค่าเฉลี่ยเคลื่อนที่แบบ EMA สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA และ EMA ค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวบ่งชี้ ของค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากขึ้นกับราคาล่าสุดในความพยายามที่จะทำให้มันตอบสนองต่อข้อมูลใหม่เรียนรู้สมการค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจจะไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกแพคเกจแผนภูมิทำคำนวณสำหรับคุณอย่างไรก็ตามสำหรับ คุณ geeks คณิตศาสตร์ออกมีที่นี่เป็นสมการ EMA เมื่อใช้สูตรในการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่า มีให้ใช้เป็น EMA ก่อนหน้านี้ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและดำเนินการต่อโดยใช้สูตรข้างต้นจากที่นี้เราได้จัดเตรียมสเปรดชีตตัวอย่างซึ่งมีตัวอย่างชีวิตจริงในการคำนวณทั้งสองอย่าง ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดความแตกต่างระหว่าง EMA และ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA มีการคำนวณอย่างไรให้ลองดูที่วิธีการคำนวณค่าเฉลี่ยเหล่านี้ EMA คุณจะสังเกตเห็นว่ามีการเน้นจุดข้อมูลมากขึ้นทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนักในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเท่ากับ 15 แต่ EMA ตอบสนองต่อการเปลี่ยนแปลงได้เร็วขึ้น ราคาแจ้งให้ทราบว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลงการตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA สิ่งที่แตกต่างกันในวันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่สามารถปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกช่วงเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ยช่วงเวลาที่ใช้บ่อยที่สุดในการย้ายค่าเฉลี่ยคือ 15, 20, 30 , 50, 100 และ 200 วันช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความไวมากขึ้นก็จะเป็นการเปลี่ยนแปลงราคาช่วงเวลาที่ยาวนานขึ้นน้อยลงหรือมีความเรียบมากขึ้นค่าเฉลี่ยจะไม่มีเลย กรอบเวลาที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณวิธีที่ดีที่สุดในการหาค่าที่เหมาะสมสำหรับคุณคือการทดสอบกับช่วงเวลาที่แตกต่างกันไปจนกว่าคุณจะพบช่วงเวลาที่เหมาะกับกลยุทธ์ของคุณ