เฉลี่ยเคลื่อนที่ วิธี spss

Moving Averages สิ่งที่พวกเขาอยู่ในตัวบ่งชี้ทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัดทิศทางของแนวโน้มในปัจจุบันค่าเฉลี่ยเคลื่อนที่ที่เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA เป็นผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนที่ผ่านมา จุดข้อมูลเมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมดรูปแบบที่ง่ายที่สุดของการย้าย เฉลี่ยที่รู้จักกันอย่างเหมาะสมว่าเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย SMA คำนวณโดยใช้ค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนดตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและจากนั้น หารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา 110 หารด้วยจำนวนวันที่ 10 เพื่อให้ได้ค่าเฉลี่ย 10 วันหากผู้ค้าต้องการเห็นค่าเฉลี่ย 50 วันใน แต่จะรวมถึงราคาที่เกิดขึ้นในช่วง 50 วันที่ผ่านมาค่าเฉลี่ยที่ต่ำกว่า 11 จะคำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อให้ผู้ค้าทราบว่าสินทรัพย์มีราคาเทียบเคียงกับ ที่ผ่านมา 10 วันบางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ว่าค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ยความหมายคำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งานจุดข้อมูลที่เก่าที่สุดต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ต้องมา in เพื่อแทนที่พวกเขาดังนั้นชุดข้อมูลมีการเคลื่อนไหวอย่างต่อเนื่องเพื่อบัญชีสำหรับข้อมูลใหม่เมื่อมีวิธีการคำนวณนี้ช่วยให้มั่นใจได้ว่ามีการบันทึกข้อมูลปัจจุบันเท่านั้นในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุด 5 ลงในชุด กล่องสีแดงที่แสดงถึง 10 จุดข้อมูลที่ผ่านมาจะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณเนื่องจากค่าที่ค่อนข้างเล็กของ 5 จะแทนที่ค่าที่สูงของ 15 คุณคาดว่าจะเห็นค่าเฉลี่ยของ t เขาลดการตั้งค่าข้อมูลซึ่งเป็นไปได้ในกรณีนี้ตั้งแต่ 11 ถึง 10. ค่าเฉลี่ยของการเคลื่อนย้ายจะทำอย่างไรเมื่อค่าของ MA ถูกคำนวณแล้วพวกเขาจะถูกวางแผนลงกราฟและเชื่อมต่อกันเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่เส้นโค้งเหล่านี้ เส้นที่ใช้ทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีที่ใช้จะแตกต่างกันไปมากขึ้นในภายหลังเนื่องจากคุณสามารถเห็นได้จากรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิใด ๆ โดยการปรับจำนวนช่วงเวลา ใช้ในการคำนวณเส้นโค้งเหล่านี้อาจดูเหมือนสับสนหรือสับสนในตอนแรก แต่คุณจะเติบโตคุ้นเคยกับพวกเขาเป็นเวลาที่จะไปสายสีแดงเป็นเพียงราคาเฉลี่ยที่ผ่านมา 50 วันในขณะที่เส้นสีฟ้าเป็นราคาเฉลี่ยกว่า เมื่อผ่านไป 100 วันตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่อยู่ที่เท่าไรและเราจะแนะนำค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันอย่างไรและตรวจสอบว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวมาข้างต้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นอย่างมาก ผู้ค้าหลายคนอ้างว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในซีเควนซ์นักวิจารณ์ยืนยันว่า ข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้ายในการตอบสนองต่อคำติชมนี้ผู้ค้าเริ่มให้ความสำคัญกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์ประเภทของค่าเฉลี่ยใหม่ ๆ ประเภทต่างๆ ความนิยมมากที่สุดคือค่าเฉลี่ยเคลื่อนที่แบบ EMA สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA และ EMA ค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากขึ้น กับราคาล่าสุดในความพยายามที่จะทำให้มันตอบสนองต่อข้อมูลใหม่เรียนรู้สมการค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจจะไม่จำเป็นสำหรับปลาจำนวนมาก ders เนื่องจากเกือบทุกแพคเกจแผนภูมิทำคำนวณสำหรับคุณอย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA เมื่อใช้สูตรการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าพร้อมใช้งาน ใช้เป็น EMA ก่อนหน้านี้ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยการเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและดำเนินการต่อโดยใช้สูตรข้างต้นจากที่นี้เราได้จัดเตรียมสเปรดชีตตัวอย่างซึ่งมีตัวอย่างชีวิตจริงในการคำนวณทั้งแบบง่ายๆ ความแตกต่างระหว่าง EMA และ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA มีการคำนวณอย่างไรให้ลองดูที่วิธีการคำนวณค่าเฉลี่ยเหล่านี้โดยดูที่การคำนวณ EMA , คุณจะสังเกตเห็นว่ามีการเน้นที่จุดข้อมูลล่าสุดทำให้เป็นประเภทของถัวเฉลี่ยถ่วงน้ำหนักในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเป็นเหมือนกัน 15 แต่ EMA ตอบสนอง m แร่ได้อย่างรวดเร็วเพื่อให้ราคาที่เปลี่ยนแปลงสังเกตว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลงการตอบสนองนี้เป็นเหตุผลหลักว่าทำไมผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA. What วันที่แตกต่างกัน Mean Moving averages เป็นตัวบ่งชี้ที่ปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกเฟรมเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ยช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วันช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความไวมากขึ้นก็จะเป็นการเปลี่ยนแปลงราคาช่วงเวลาที่ยาวนานขึ้นไม่สำคัญหรือมีความเรียบมากขึ้นค่าเฉลี่ยจะไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อ การตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณวิธีที่ดีที่สุดในการหาค่าที่เหมาะสมสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะหาช่วงเวลาที่เหมาะกับกลยุทธ์ของคุณความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่และน้ำหนัก ค่าเฉลี่ยเคลื่อนที่เฉลี่ย 5 งวดโดยอ้างอิงจากราคาข้างต้นจะคำนวณโดยใช้สูตรต่อไปนี้ตามสมการข้างต้นราคาเฉลี่ยในช่วงดังกล่าวข้างต้นเท่ากับ 90 66 การใช้ค่าเฉลี่ยเคลื่อนที่เป็นวิธีที่มีประสิทธิภาพสำหรับการกำจัด ความผันผวนของราคาที่แข็งแกร่งข้อ จำกัด ที่สำคัญคือจุดข้อมูลจากข้อมูลที่เก่ากว่าจะไม่ได้รับการถ่วงน้ำหนักใด ๆ นอกเหนือจากจุดข้อมูลที่อยู่ใกล้จุดเริ่มต้นของชุดข้อมูลซึ่งเป็นที่ที่ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงถ่วงเข้ามาค่าเฉลี่ยถ่วงน้ำหนักกำหนดน้ำหนักที่หนักกว่าให้กับจุดข้อมูลปัจจุบันมากขึ้น ความสำคัญของข้อมูลมากกว่าจุดข้อมูลในอดีตอันไกลโพ้นการรวมน้ำหนักควรเพิ่มขึ้นเป็น 1 หรือ 100 ในกรณีของค่าเฉลี่ยเคลื่อนที่แบบง่ายๆการถ่วงน้ำหนักมีการกระจายอย่างเท่าเทียมกันซึ่งเป็นเหตุผลว่าทำไมจึงไม่แสดงในตารางด้านบน ราคาปิดของข้อมูล AAPL. Smoothing จะลบรูปแบบที่สุ่มออกและแสดงแนวโน้มและส่วนประกอบที่เป็นวงจรโดยอัตโนมัติในการรวบรวมข้อมูลที่เกิดขึ้นในช่วงเวลาหนึ่ง ๆ คือรูปแบบของรูปแบบที่สุ่ม ist วิธีการลดการยกเลิกผลกระทบเนื่องจากการเปลี่ยนแปลงแบบสุ่มเทคนิคที่ใช้บ่อยในอุตสาหกรรมคือการทำให้ราบเรียบเทคนิคนี้เมื่อใช้อย่างถูกต้องเปิดเผยอย่างชัดเจนมากขึ้นแนวโน้มต้นแบบองค์ประกอบตามฤดูกาลและ cyclic มีสองกลุ่มที่แตกต่างกันของวิธีการราบเรียบค่าเฉลี่ย Methods. Exponential Smoothing Methods. Taking ค่าเฉลี่ยเป็นวิธีที่ง่ายที่สุดในการทำให้ข้อมูลราบรื่นเราจะตรวจสอบวิธีการเฉลี่ยบางอย่างเช่นค่าเฉลี่ยที่เรียบง่ายของข้อมูลที่ผ่านมาผู้จัดการคลังสินค้าต้องการทราบว่าผู้จัดจำหน่ายทั่วไปให้บริการเท่าไรใน 1000 หน่วยดอลลาร์เขาเธอจะมีตัวอย่างของซัพพลายเออร์ 12 ที่สุ่มได้รับผลดังต่อไปนี้เฉลี่ยคำนวณหรือค่าเฉลี่ยของข้อมูล 10 ผู้จัดการตัดสินใจที่จะใช้นี้เป็นประมาณการสำหรับค่าใช้จ่ายของผู้จัดจำหน่ายทั่วไปนี้เป็นสิ่งที่ดีหรือไม่ดี ข้อผิดพลาดข้อผิดพลาดในการคำนวณเป็นวิธีที่จะตัดสินวิธีการที่ดีแบบเป็นเราจะคำนวณค่าเฉลี่ยข้อผิดพลาด squared ข้อผิดพลาดจำนวนเงินที่ใช้จ่ายจริงลบข้อผิดพลาด amount. The ประมาณเป็นกำลังสอง erro r ข้างต้น squared SSE คือผลรวมของข้อผิดพลาด squared MSE เป็นค่าเฉลี่ยของผลลัพธ์ที่ผิดพลาดของ sqs. MSE สำหรับผลลัพธ์ example. The เป็นข้อผิดพลาดและข้อผิดพลาดประมาณ Errors. The ข้อผิดพลาด 10.The เกิดขึ้นเราสามารถใช้ค่าเฉลี่ย การคาดการณ์รายได้ถ้าเราสงสัยแนวโน้มดูที่กราฟด้านล่างแสดงให้เห็นอย่างชัดเจนว่าเราไม่ควรทำเช่นนี้น้ำหนักความคิดเห็นทั้งหมดที่ผ่านมาการสังเกตอย่างเท่าเทียมกันโดยสรุปเราระบุว่าเฉลี่ยที่เรียบง่ายหรือค่าเฉลี่ยของการสังเกตที่ผ่านมาทั้งหมดเป็นเพียงประโยชน์ ประมาณการที่คาดการณ์ไว้เมื่อไม่มีแนวโน้มหากมีแนวโน้มให้ใช้ค่าประมาณที่แตกต่างกันโดยพิจารณาจากค่าเฉลี่ยโดยเฉลี่ยค่าเฉลี่ยของค่าที่สังเกตได้ทั้งหมดในอดีตตัวอย่างเช่นค่าเฉลี่ยของค่า 3, 4, 5 เป็น 4 เรารู้แน่นอน ที่คำนวณค่าเฉลี่ยโดยการเพิ่มค่าทั้งหมดและหารผลรวมตามจำนวนค่าวิธีคำนวณค่าเฉลี่ยโดยการเพิ่มแต่ละค่าหารด้วยจำนวนค่าหรือ 3 3 4 3 5 3 1 1 3333 1 6667 4. ตัวคูณ 1 3 เรียกว่าน้ำหนักโดยทั่วไป bar frac sum left frac right x1 left frac right x2,, left frac right xn ซ้ายขวา frac เป็นน้ำหนักและแน่นอนพวกเขารวมถึง 1