เฉลี่ยเคลื่อนที่ ที่ใหญ่ที่สุด ล่าช้า

ค่าเฉลี่ยเคลื่อนที่ - MA. BREAKING DOWN ค่าเฉลี่ยเคลื่อนที่ - MA เป็นตัวอย่าง SMA พิจารณาการรักษาความปลอดภัยโดยมีราคาปิดดังต่อไปนี้เกินกว่า 15 วัน 1 สัปดาห์ 5 วัน 20, 22, 24, 25, 23.Week 2 5 days 26, 28 , 26, 29, 27.Week 3 5 วัน 28, 30, 27, 29, 28. MA - 10 วันเฉลี่ยจะปิดราคาปิดสำหรับ 10 วันแรกเป็นจุดข้อมูลแรกจุดข้อมูลถัดไปจะลดลงเร็วที่สุด ราคาเพิ่มราคาในวันที่ 11 และใช้ค่าเฉลี่ยและอื่น ๆ ตามที่แสดงไว้ด้านล่างตามที่ระบุไว้ก่อนหน้านี้ MAs ล่าช้าในการดำเนินการราคาปัจจุบันเพราะพวกเขาจะขึ้นอยู่กับราคาที่ผ่านมานานระยะเวลาสำหรับ MA ที่มากขึ้นล่าช้าดังนั้น MA 200 วันจะมีระดับความล่าช้ากว่า MAA 20 วันมากเกินไปเนื่องจากมีราคาสำหรับ 200 วันที่ผ่านมาความยาวของ MA ที่จะใช้ขึ้นอยู่กับวัตถุประสงค์การค้าโดยใช้ MA ที่สั้นกว่าสำหรับการซื้อขายระยะสั้น และ MAs ระยะยาวที่เหมาะสมกับนักลงทุนระยะยาวนักลงทุนและผู้ค้าจะได้รับความนิยมจากนักลงทุนและผู้ค้าทั่วไปมากขึ้นโดยมีส่วนแบ่งตลาดสูงกว่าหรือต่ำกว่าค่าเฉลี่ยที่เปลี่ยนแปลงไป dered เป็นสัญญาณการซื้อขายที่สำคัญนอกจากนี้ยังมีสัญญาณการซื้อขายที่สำคัญด้วยเช่นกันโดยสัญญาณโมเมนตัมที่เพิ่มขึ้นจะเป็นสัญญาณการซื้อขายที่สำคัญโดยตัวของมันเองหรือเมื่อค่าเฉลี่ยสองตัวขึ้นไปเหนือ MA ที่เพิ่มขึ้นแสดงว่าการรักษาความปลอดภัยอยู่ในขาขึ้นขณะที่ MA ลดลงบ่งบอกว่าอยู่ในขาลง ยืนยันกับการครอสโอเวอร์แบบ bullish ซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุเหนือโมเมนตัมเชิงมุมระยะยาวที่ได้รับการยืนยันโดยมีไขว้ขาลงซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุต่ำกว่า MA ระยะยาวในทางปฏิบัติค่าเฉลี่ยเคลื่อนที่ จะให้ค่าเฉลี่ยที่ดีของค่าเฉลี่ยของชุดข้อมูลถ้าค่าเฉลี่ยมีค่าคงที่หรือค่อยๆเปลี่ยนแปลงในกรณีค่าคงที่ค่าคงที่ค่าที่มากที่สุดของ m จะให้ค่าประมาณที่ดีที่สุดของค่าเฉลี่ยระยะเวลาการสังเกตนานขึ้นจะเฉลี่ยออกจาก ผลกระทบของความแปรปรวนวัตถุประสงค์ของการให้ m ที่มีขนาดเล็กคือเพื่อให้การคาดการณ์เพื่อตอบสนองต่อการเปลี่ยนแปลงในกระบวนการอ้างอิงเพื่อแสดงให้เรานำเสนอชุดข้อมูลที่ประกอบด้วยการเปลี่ยนแปลงในพื้นฐาน mea n ของชุดข้อมูลเวลาภาพแสดงชุดข้อมูลเวลาที่ใช้สำหรับการแสดงร่วมกับความต้องการเฉลี่ยที่ชุดได้สร้างขึ้นค่าเฉลี่ยเริ่มต้นเป็นค่าคงที่ที่ 10 เริ่มต้นที่ 21 เวลาจะเพิ่มขึ้นโดยหนึ่งหน่วยในแต่ละช่วงเวลาจนกว่าจะถึง ข้อมูลจะถูกจำลองด้วยการเพิ่มค่าเฉลี่ยเสียงสุ่มจากการแจกแจงแบบปกติพร้อมค่าศูนย์และส่วนเบี่ยงเบนมาตรฐาน 3 ผลของการจำลองจะถูกปัดเศษให้เป็นจำนวนเต็มใกล้ที่สุดตารางแสดง การสังเกตแบบจำลองที่ใช้สำหรับตัวอย่างเมื่อเราใช้ตารางเราต้องจำไว้ว่าในเวลาใดก็ตามข้อมูลที่ผ่านมาเป็นที่รู้จักเท่านั้นค่าประมาณของพารามิเตอร์แบบจำลองสำหรับค่าที่แตกต่างกันสามค่าของ m จะแสดงพร้อมกับค่าเฉลี่ยของ ช่วงเวลาในภาพด้านล่างรูปที่แสดงการประมาณค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยในแต่ละครั้งและไม่คาดการณ์การคาดการณ์จะเปลี่ยนเส้นโค้งค่าเฉลี่ยเคลื่อนที่ไปทางขวาตามระยะเวลาหนึ่งข้อสรุปคือ immediat ely apparently จากรูปสำหรับทั้งสามค่าประมาณค่าเฉลี่ยเคลื่อนที่ล่าช้าหลังแนวโน้มเชิงเส้นด้วยความล่าช้าที่เพิ่มขึ้นกับ m ความล่าช้าคือระยะห่างระหว่างแบบจำลองกับการประมาณค่าในมิติเวลาเนื่องจากความล่าช้าค่าเฉลี่ยเคลื่อนที่ประเมินค่าต่ำกว่าข้อสังเกต เป็นค่าเฉลี่ยที่เพิ่มขึ้นความลำเอียงของ estimator คือความแตกต่างในเวลาที่ระบุในค่าเฉลี่ยของแบบจำลองและค่าเฉลี่ยที่คาดการณ์โดยค่าเฉลี่ยเคลื่อนที่ค่าความลำเอียงเมื่อค่าเฉลี่ยเพิ่มขึ้นเป็นค่าลบสำหรับค่าเฉลี่ยที่ลดลงอคติคือ บวกความล่าช้าในเวลาและความลำเอียงที่นำมาใช้ในการประมาณการเป็นหน้าที่ของ m ค่า M ที่มีขนาดใหญ่กว่าขนาดของ lag และ bias สำหรับชุดที่เพิ่มขึ้นอย่างต่อเนื่องโดยมีแนวโน้มเป็นค่า lag และ bias ของ estimator ของ ค่าเฉลี่ยจะได้รับในสมการด้านล่างเส้นโค้งตัวอย่างไม่ตรงกับสมการเหล่านี้เนื่องจากแบบจำลองตัวอย่างไม่ได้เพิ่มขึ้นอย่างต่อเนื่องแทนที่จะเริ่มต้นเป็นค่าคงที่การเปลี่ยนแปลงไปสู่แนวโน้มแล้วกลายเป็น es ค่าคงที่อีกครั้งนอกจากนี้ยังมีเส้นโค้งตัวอย่างที่ได้รับผลกระทบจากเสียงการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ของงวดในอนาคตจะแสดงโดยการขยับเส้นโค้งไปทางขวาล่าช้าและอคติเพิ่มขึ้นตามสัดส่วนสมการด้านล่างแสดงความล่าช้าและอคติของระยะเวลาคาดการณ์เป็น อนาคตเมื่อเทียบกับพารามิเตอร์ของโมเดลอีกครั้งสูตรเหล่านี้เป็นชุดเวลาที่มีแนวโน้มเชิงเส้นคงที่เราไม่ควรแปลกใจที่ผลลัพธ์นี้ค่าประมาณค่าเฉลี่ยเคลื่อนที่จะขึ้นอยู่กับสมมติฐานของค่าคงที่และตัวอย่างมีค่า แนวโน้มเส้นตรงในระหว่างช่วงเวลาการศึกษาเนื่องจากชุดข้อมูลเรียลไทม์จะไม่ค่อยสอดคล้องกับสมมติฐานของรูปแบบใดก็ตามเราควรเตรียมตัวสำหรับผลลัพธ์ดังกล่าวเรายังสามารถสรุปได้จากรูปที่ความแปรปรวนของเสียงรบกวนมีค่ามากที่สุด ผลกระทบสำหรับขนาดเล็ก m ประมาณการมีความผันผวนมากขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ของ 5 กว่าค่าเฉลี่ยเคลื่อนที่ของ 20 เรามีความต้องการที่ขัดแย้งกันในการเพิ่ม m เพื่อลดผลกระทบของ ความแปรปรวนเนื่องจากเสียงและลด m เพื่อให้การคาดการณ์ตอบสนองต่อการเปลี่ยนแปลงได้มากขึ้นข้อผิดพลาดคือความแตกต่างระหว่างข้อมูลจริงและค่าที่คาดการณ์ไว้ถ้าชุดข้อมูลเวลาเป็นค่าคงที่ค่าที่คาดว่าจะเกิดข้อผิดพลาดคือ ศูนย์และความแปรปรวนของข้อผิดพลาดจะประกอบด้วยคำที่เป็นหน้าที่ของและระยะที่สองที่เป็นความแปรปรวนของเสียงระยะแรกเป็นความแปรปรวนของค่าเฉลี่ยที่ประมาณด้วยตัวอย่างของการสังเกต m สังเกตสมมติว่าข้อมูลมา จากประชากรที่มีค่าคงที่ค่าเฉลี่ยระยะนี้จะลดลงโดยการทำให้ m มีขนาดใหญ่ที่สุด m ที่มีขนาดใหญ่ทำให้การคาดการณ์ไม่ตอบสนองต่อการเปลี่ยนแปลงในชุดเวลาอ้างอิงเพื่อให้การคาดการณ์ที่ตอบสนองต่อการเปลี่ยนแปลงเราต้องการให้มีขนาดเล็กที่สุดเท่าที่จะทำได้ 1, แต่การเพิ่มขึ้นของความแปรปรวนของข้อผิดพลาดการคาดการณ์ในทางปฏิบัติต้องใช้ค่ากลางดังนั้นการคำนวณด้วย Excel การคาดการณ์ Add-in จะใช้สูตรค่าเฉลี่ยเคลื่อนที่ตัวอย่างด้านล่างแสดงการวิเคราะห์โดย add-in สำหรับ ข้อมูลตัวอย่างในคอลัมน์ B 10 ข้อสังเกตแรกมีการจัดทำดัชนี -9 ถึง 0 เมื่อเทียบกับตารางข้างต้นดัชนีระยะเวลาจะเปลี่ยนไป -10 การสังเกตสิบข้อแรกให้ค่าเริ่มต้นสำหรับการประมาณค่าและใช้คำนวณค่าเฉลี่ยเคลื่อนที่ สำหรับช่วงเวลา 0 MA 10 คอลัมน์ C แสดงค่าเฉลี่ยเคลื่อนที่ที่คำนวณค่าพารามิเตอร์ moving average m อยู่ในเซลล์ C3 Fore 1 คอลัมน์ D แสดงการคาดการณ์สำหรับระยะเวลาหนึ่งในอนาคตช่วงคาดการณ์อยู่ในเซลล์ D3 เมื่อช่วงคาดการณ์เปลี่ยนเป็น จำนวนที่มากขึ้นในคอลัมน์ Fore ถูกเลื่อนลง Err 1 คอลัมน์ E แสดงความแตกต่างระหว่างการสังเกตและการคาดการณ์ตัวอย่างเช่นการสังเกตในเวลาที่ 1 คือ 6 ค่าที่คาดการณ์ได้จากค่าเฉลี่ยเคลื่อนที่ในช่วงเวลา 0 คือ 11 1 ค่าความผิดพลาดคือ -5 1 ค่าเบี่ยงเบนมาตรฐานและ Mean Mean Deviation MAD คำนวณในเซลล์ E6 และ E7 ตามลำดับค่าเฉลี่ยเคลื่อนที่ - SMA ค่าเฉลี่ยเคลื่อนที่เฉลี่ย - SMA ค่าเฉลี่ยเคลื่อนที่เฉลี่ยอยู่ที่ izable ในที่สามารถคำนวณสำหรับช่วงเวลาต่างกันโดยการเพิ่มราคาปิดของการรักษาความปลอดภัยสำหรับช่วงเวลาหลายช่วงจากนั้นหารจำนวนรวมทั้งหมดตามจำนวนช่วงเวลาซึ่งจะทำให้ราคาเฉลี่ยของการรักษาความปลอดภัย ในช่วงเวลาค่าเฉลี่ยเคลื่อนที่ที่เรียบช่วยขจัดความผันผวนและทำให้สามารถดูแนวโน้มราคาของการรักษาความปลอดภัยได้ง่ายขึ้นหากค่าเฉลี่ยเคลื่อนที่ขึ้นเฉลี่ยหมายความว่าราคาของระบบรักษาความปลอดภัยจะเพิ่มขึ้นหากมีการชี้ลงหมายความว่า ราคาของระบบรักษาความปลอดภัยกำลังลดลงระยะเวลาที่ใช้ในการเคลื่อนที่ของค่าเฉลี่ยที่ยาวนานยิ่งขึ้นค่าเฉลี่ยเคลื่อนที่ที่เรียบขึ้นค่าเฉลี่ยเคลื่อนที่ระยะสั้นมีความผันผวนมากขึ้น แต่การอ่านมีความใกล้เคียงกับข้อมูลต้นฉบับมากขึ้นความสำคัญเชิงวิเคราะห์ค่าเฉลี่ยของค่าเฉลี่ยเป็นเครื่องมือวิเคราะห์ที่สำคัญ ใช้ในการระบุแนวโน้มราคาในปัจจุบันและศักยภาพในการเปลี่ยนแปลงแนวโน้มที่เป็นที่นิยมรูปแบบที่ง่ายที่สุดในการใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการวิเคราะห์กำลังใช้งานได้อย่างรวดเร็วเพื่อระบุว่า การรักษาความปลอดภัยอยู่ในแนวโน้มขาขึ้นหรือขาลงอีกหนึ่งความนิยมแม้ว่าจะมีการวิเคราะห์เชิงวิเคราะห์ที่ค่อนข้างซับซ้อนเล็กน้อยก็คือการเปรียบเทียบค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายโดยแต่ละช่วงเวลาต่างกันถ้าค่าเฉลี่ยเคลื่อนที่ในระยะสั้นอยู่เหนือค่าเฉลี่ยระยะยาวแนวโน้มขาขึ้น เป็นที่คาดหวังในขณะที่ค่าเฉลี่ยระยะยาวสูงกว่าค่าเฉลี่ยระยะสั้นที่สัญญาณการเคลื่อนไหวลงในแนวโน้มรูปแบบการค้าเป็นที่นิยมมากรูปแบบการค้าที่เป็นที่นิยมที่ใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ได้แก่ ความตายข้ามและกางเขนทองข้ามตาย เกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ 50 วันที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันซึ่งถือเป็นสัญญาณหยาบคายว่าการสูญเสียอื่น ๆ อยู่ในร้านโกลเด้นครอสเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ระยะสั้นอยู่เหนือเส้นค่าเฉลี่ยเคลื่อนที่ในระยะยาว Reinforced โดยปริมาณการซื้อขายที่เพิ่มขึ้นนี้อาจส่งสัญญาณกำไรต่อไปอยู่ในร้าน