แบบไดนามิก ง่าย เฉลี่ยเคลื่อนที่

ตัวบ่งชี้ที่น่าเชื่อถือที่สุด You039ve เคยได้ยินจาก John R. McGinley เป็นช่างเทคนิคการตลาดได้รับการรับรอง อดีตบรรณาธิการของ Assn. ช่างเทคนิคตลาด วารสารการวิเคราะห์ทางเทคนิคและนักประดิษฐ์ของ McGinley Dynamic การทำงานในบริบทของค่าเฉลี่ยเคลื่อนที่ตลอดช่วงปี 1990 McGinley พยายามคิดค้นตัวบ่งชี้ที่ตอบสนองโดยอัตโนมัติเพื่อให้สามารถตอบสนองต่อข้อมูลดิบได้ดีกว่าค่าเฉลี่ยเคลื่อนที่แบบธรรมดาหรือแบบทับทิม SMA Vs. EMA (SMA) เคลื่อนไหวได้โดยง่ายโดยคำนวณราคาปิดที่ผ่านมาหารด้วยจำนวนงวด คำนวณค่าเฉลี่ยเคลื่อนที่ 10 วัน เพิ่มราคาปิดของ 10 วันที่ผ่านมาและหารด้วย 10. ค่าเฉลี่ยถ่วงน้ำหนักที่ราบรื่นขึ้นทำให้ราคาตอบสนองช้าลง ค่าเฉลี่ยเคลื่อนที่ 50 วันเคลื่อนที่ช้ากว่าค่าเฉลี่ยเคลื่อนที่ 10 วัน ค่าเฉลี่ยเคลื่อนที่ 10 และ 20 วันสามารถบางครั้งได้รับความผันผวนของราคาซึ่งอาจทำให้การตีราคาเกิดขึ้นได้ยากขึ้น สัญญาณปลอมอาจเกิดขึ้นในระหว่างช่วงเวลาเหล่านี้ซึ่งก่อให้เกิดความสูญเสียเนื่องจากราคาอาจสูงเกินกว่าตลาด ค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) ตอบสนองต่อราคาได้เร็วกว่าค่าเฉลี่ยเคลื่อนที่อย่างง่าย ทั้งนี้เป็นเพราะ EMA ให้น้ำหนักข้อมูลล่าสุดมากกว่าข้อมูลที่เก่ากว่า เป็นตัวบ่งชี้ที่ดีสำหรับระยะสั้นและเป็นวิธีการที่ดีในการจับแนวโน้มระยะสั้นซึ่งเป็นเหตุผลที่ผู้ค้าใช้ทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและมีการแจกแจงพร้อม ๆ กันสำหรับการเข้าและออก อย่างไรก็ตามก็สามารถทิ้งข้อมูลไว้เบื้องหลังได้ ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ในการวิจัยของเขาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ที่ไปไกลเกินกว่าตัวอย่างพื้นฐานที่แสดงไว้แล้ว McGinley พบว่าค่าเฉลี่ยเคลื่อนที่มีปัญหามากมาย ปัญหาแรกคือการนำไปใช้อย่างไม่เหมาะสม การเคลื่อนไหวโดยเฉลี่ยอยู่ในช่วงเวลาต่างๆจะแตกต่างกันไปในแต่ละตลาด ตัวอย่างเช่นเราจะทราบได้อย่างไรว่าควรใช้ค่าเฉลี่ยเคลื่อนที่ 10 วันเป็น 20 ถึง 50 วันในตลาดที่รวดเร็วหรือช้า เพื่อแก้ปัญหาในการเลือกความยาวของค่าเฉลี่ยเคลื่อนที่ที่ใช้กับตลาดปัจจุบัน McGinley Dynamic จะปรับตัวเองให้เข้ากับความเร็วของตลาดโดยอัตโนมัติ McGinley เชื่อว่าค่าเฉลี่ยเคลื่อนที่ควรใช้เป็นกลไกการปรับให้เรียบแทนที่จะเป็นระบบการซื้อขายหรือเครื่องกำเนิดสัญญาณ เป็นเทรนด์ของแนวโน้ม แต่ค่าเฉลี่ยเคลื่อนที่ 10 วันจะลดลง 5 วันหรือครึ่งหนึ่งของความยาว โอกาสที่ดีที่การเคลื่อนไหวใหญ่ในราคาที่เกิดขึ้นแล้วโดยวันที่ห้าของค่าเฉลี่ยเคลื่อนที่ 10 วัน นอกจากนี้ค่าเฉลี่ยเคลื่อนที่ 10 วันควรถูกจัดวางอย่างถูกต้อง 5 วันก่อนที่ข้อมูลปัจจุบัน นอกจากนี้ McGinley พบว่าค่าเฉลี่ยเคลื่อนที่ไม่สามารถปฏิบัติตามราคาได้เนื่องจากมีการแยกขนาดใหญ่ระหว่างราคากับเส้นค่าเฉลี่ยเคลื่อนที่ McGinley พยายามที่จะขจัดปัญหาเหล่านี้โดยคิดค้นตัวบ่งชี้ที่จะกอดราคาให้ใกล้ชิดมากขึ้นหลีกเลี่ยงการแยกราคาและ whipsaws และจะทำตามราคาโดยอัตโนมัติในตลาดที่รวดเร็วหรือช้า McGinley Dynamic นี้เขาได้กับการประดิษฐ์ของ McGinley Dynamic สูตรคือ: McGinley Dynamic ดูเหมือนเส้นค่าเฉลี่ยเคลื่อนที่ แต่เป็นกลไกการปรับให้เรียบเพื่อให้ได้ราคาที่ดีกว่าค่าเฉลี่ยเคลื่อนที่ใด ๆ จะช่วยลดการแบ่งราคา whipsaws ราคาและกอดราคามากขึ้นอย่างใกล้ชิด และทำอย่างนี้โดยอัตโนมัติเนื่องจากเป็นปัจจัยหนึ่งของสูตร เนื่องจากการคำนวณนี้ Dynamic Line จึงทำงานได้เร็วขึ้นในตลาดที่มีราคาลดลงเนื่องจากราคายังคงเคลื่อนไหวช้าลงในตลาดที่เพิ่มขึ้น หนึ่งต้องการที่จะได้อย่างรวดเร็วในการขายในตลาดลง แต่นั่งตลาดขึ้นให้นานที่สุด ค่าคงที่ N กำหนดว่า Dynamic ทำดัชนีหรือสต็อกได้อย่างใกล้ชิดอย่างไร ตัวอย่างเช่นถ้าใช้ค่าเฉลี่ยเคลื่อนที่ 20 วันตัวอย่างเช่นให้ใช้ค่า N เท่ากับครึ่งหนึ่งของค่าเฉลี่ยเคลื่อนที่หรือในกรณีนี้ 10. จะหลีกเลี่ยง whipsaws เนื่องจาก Dynamic Line ทำตามราคาในตลาดใด ๆ โดยเร็วหรือช้าเช่นเดียวกัน กลไกการขับขี่ที่สอดคล้องกับราคาเมื่อตลาดเร่งขึ้นหรือช้าลง McGinley คิดค้น Dynamic ในปี 2540 เพื่อเป็นเครื่องมือทางการตลาดแทนที่จะเป็นตัวบ่งชี้การค้า ข้อสรุปไม่ว่าจะเป็นเครื่องมือหรือตัวบ่งชี้ McGinley Dynamic เป็นเครื่องมือที่น่าสนใจซึ่งนักเทคนิคการตลาดได้คิดค้นและศึกษาตลาดและตัวชี้วัดเกือบ 40 ปี สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวชี้วัดและเครื่องมือทางการตลาดโปรดดูบทแนะนำการวิเคราะห์ด้านเทคนิคของเรา ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎกำหนดให้ การขายหุ้นครั้งแรกโดย บริษัท เอกชนต่อสาธารณชน การเสนอขายหุ้นหรือไอพีโอมักจะออกโดย บริษัท ขนาดเล็กที่มีอายุน้อยกว่าที่แสวงหา อัตราส่วนหนี้สิน DebtEquity Ratio คืออัตราส่วนหนี้สินที่ใช้ในการวัดอัตราส่วนหนี้สินของ บริษัท หรืออัตราส่วนหนี้สินที่ใช้ในการวัดแต่ละบุคคล ประเภทของโครงสร้างการชดเชยที่ผู้จัดการกองทุนป้องกันความเสี่ยงมักใช้ในส่วนของค่าตอบแทนที่เป็นผลการปฏิบัติงานค่าเฉลี่ยค่าเฉลี่ยค่าเฉลี่ยเคลื่อนที่โดยใช้ชุดข้อมูลแบบเดิมค่าเฉลี่ยหมายถึงค่าสถิติแรกและมีประโยชน์มากที่สุดแห่งหนึ่งในการคำนวณ เมื่อข้อมูลอยู่ในรูปแบบของชุดเวลาซีรี่ส์หมายถึงการวัดที่เป็นประโยชน์ แต่ไม่ได้สะท้อนถึงลักษณะพลวัตของข้อมูล ค่าเฉลี่ยที่คำนวณจากช่วงสั้น ๆ ก่อนหน้าช่วงเวลาปัจจุบันหรือตรงกลางของช่วงเวลาปัจจุบันมักมีประโยชน์มากกว่า เนื่องจากค่าเฉลี่ยดังกล่าวจะแปรผันหรือเคลื่อนย้ายเนื่องจากระยะเวลาปัจจุบันจะเคลื่อนที่จากเวลา t 2, t 3 เป็นต้นเรียกว่าค่าเฉลี่ยเคลื่อนที่ (Mas) ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยคือ (โดยปกติ) ค่าเฉลี่ยที่ไม่มีการถัวเฉลี่ยของค่าก่อนหน้า k ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบเลขยกกำลังเป็นหลักเหมือนกับค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย แต่มีส่วนร่วมกับค่าเฉลี่ยที่ถ่วงน้ำหนักโดยความใกล้ชิดกับเวลาปัจจุบัน เนื่องจากไม่มีตัวอักษร แต่เป็นชุดค่าเฉลี่ยเคลื่อนที่ทั้งหมดสำหรับชุดใดก็ตามชุดของ Mas สามารถถูกจัดวางลงบนกราฟวิเคราะห์เป็นชุดและใช้ในการสร้างแบบจำลองและการคาดการณ์ ช่วงของแบบจำลองสามารถสร้างโดยใช้ค่าเฉลี่ยเคลื่อนที่และเป็นที่รู้จักในรูปแบบ MA ถ้าโมเดลดังกล่าวรวมกับโมเดลอัตถิภาวนิยม (AR) รูปแบบคอมโพสิตที่เป็นที่รู้จักกันในชื่อ ARMA หรือ ARIMA (แบบบูรณาการ) ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเนื่องจากชุดเวลาสามารถถือได้ว่าเป็นชุดของค่า, t 1,2,3,4, n ค่าเฉลี่ยของค่าเหล่านี้สามารถคำนวณได้ ถ้าเราคิดว่า n มีขนาดค่อนข้างใหญ่และเราเลือกจำนวนเต็ม k ซึ่งน้อยกว่า n เราสามารถคำนวณชุดค่าเฉลี่ยบล็อกหรือค่าเฉลี่ยเคลื่อนที่ที่สั้น ๆ (ของคำสั่ง k): แต่ละค่าเป็นค่าเฉลี่ยของค่าข้อมูลในช่วงเวลาสังเกตการณ์ k โปรดทราบว่า MA ที่เป็นไปได้ครั้งแรกของคำสั่ง k GT0 คือสำหรับ t k โดยทั่วไปเราสามารถลด subscript พิเศษในนิพจน์ด้านบนและเขียนได้: ค่านี้ระบุว่าค่าเฉลี่ยที่เวลา t เป็นค่าเฉลี่ยที่ง่ายของค่าที่สังเกตได้ ณ เวลา t และขั้นตอน k-1 ก่อนหน้า ถ้าใช้น้ำหนักที่ลดการมีส่วนร่วมของการสังเกตที่ไกลออกไปในเวลาค่าเฉลี่ยเคลื่อนที่จะกล่าวได้ว่าเป็นแบบเรียบ ค่าเฉลี่ยเคลื่อนที่มักใช้เป็นรูปแบบของการคาดการณ์โดยที่ค่าประมาณสำหรับชุดในเวลา t 1, S t1 ถูกนำมาเป็น MA สำหรับระยะเวลาถึงและรวมถึงเวลา t เช่น. การประมาณในปัจจุบันคำนวณจากค่าเฉลี่ยที่บันทึกไว้ก่อนหน้านี้และรวมถึงวันวาน (สำหรับข้อมูลรายวัน) ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายสามารถเห็นได้ว่าเป็นรูปแบบการทำให้เรียบ ในตัวอย่างที่แสดงด้านล่างชุดข้อมูลมลพิษทางอากาศที่แสดงในบทนำสู่หัวข้อนี้ได้รับการเพิ่มขึ้นโดยเส้นค่าเฉลี่ยเคลื่อนที่ 7 วัน (MA) ซึ่งแสดงเป็นสีแดง ที่สามารถมองเห็นได้สาย MA ช่วยให้จุดสูงสุดและร่องในข้อมูลเป็นไปอย่างราบรื่นและเป็นประโยชน์ในการระบุแนวโน้ม สูตรคำนวณการคำนวณล่วงหน้าหมายถึงจุดข้อมูล k -1 จุดแรกไม่มีค่า MA แต่หลังจากนั้นการคำนวณจะขยายไปยังจุดข้อมูลสุดท้ายในชุดข้อมูล ค่าเฉลี่ยของวัน PM10 แหล่งที่มาของ Greenwich: London Air Quality Network, londonair. org. uk เหตุผลหนึ่งในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆในลักษณะที่อธิบายไว้คือค่าที่คำนวณได้สำหรับช่วงเวลาทั้งหมดตั้งแต่เวลา tk ขึ้นไปจนถึงปัจจุบันและ เป็นวัดใหม่ที่ได้รับสำหรับเวลา t 1, MA สำหรับเวลา t 1 สามารถเพิ่มไปยังชุดที่คำนวณแล้ว นี่เป็นขั้นตอนง่ายๆสำหรับชุดข้อมูลแบบไดนามิก อย่างไรก็ตามมีบางประเด็นเกี่ยวกับแนวทางนี้ มีเหตุผลที่จะยืนยันว่าค่าเฉลี่ยในช่วง 3 ช่วงสุดท้ายกล่าวคือควรตั้งอยู่ที่เวลา t -1 ไม่ใช่เวลา t และสำหรับ MA มากกว่าจำนวนคู่ของระยะเวลาบางทีมันควรจะอยู่ที่จุดกึ่งกลางระหว่างสองช่วงเวลา วิธีแก้ปัญหานี้คือการใช้การคำนวณ MA ซึ่งอยู่ตรงกลางซึ่ง MA ในเวลา t เป็นค่าเฉลี่ยของชุดสมมาตรของค่ารอบ t แม้จะมีประโยชน์อย่างเห็นได้ชัด แต่วิธีนี้ใช้ไม่ได้โดยทั่วไปเนื่องจากต้องการข้อมูลที่พร้อมใช้งานสำหรับเหตุการณ์ในอนาคตซึ่งอาจจะไม่ใช่กรณีนี้ ในกรณีที่การวิเคราะห์ทั้งหมดเป็นชุดที่มีอยู่การใช้ Mas ไว้ตรงกลางอาจเป็นที่นิยมกว่า ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายอาจถือได้ว่าเป็นรูปแบบหนึ่งของการปรับให้เรียบลบองค์ประกอบความถี่สูงบางส่วนของชุดเวลาและเน้นแนวโน้ม (แต่ไม่ลบ) ในลักษณะเดียวกันกับแนวคิดทั่วไปของการกรองแบบดิจิทัล แท้จริงค่าเฉลี่ยเคลื่อนที่คือรูปแบบของตัวกรองเชิงเส้น คุณสามารถใช้การคำนวณค่าเฉลี่ยเคลื่อนที่เป็นชุดที่ได้รับการปรับให้เรียบขึ้นแล้วเช่นการทำให้เรียบหรือกรองชุดที่เรียบขึ้นไปแล้ว ตัวอย่างเช่นมีค่าเฉลี่ยเคลื่อนที่ของลำดับที่ 2 เราสามารถพิจารณาว่าคำนวณโดยใช้น้ำหนักดังนั้น MA ที่ x 2 0.5 x 1 0.5 x 2 ในทำนองเดียวกัน MA ที่ x 3 0.5 x 2 0.5 x 3 ถ้าเรา เราใช้ 0.5 x 2 0.5 x 3 0.5 (0.5 x 1 0.5 x 2) 0.5 (0.5 x 2 0.5 x 3) 0.25 x 1 0.5 x 2 0.25 x 3 เช่นการกรองแบบ 2 ขั้นตอน กระบวนการ (หรือ convolution) ได้สร้างค่าเฉลี่ยเคลื่อนที่แบบสมมาตรที่มีการถ่วงน้ำหนักที่มีการเปลี่ยนแปลงโดยมีน้ำหนัก หลาย convolutions สามารถผลิตค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักค่อนข้างซับซ้อนซึ่งบางส่วนมีการใช้งานเฉพาะในสาขาพิเศษเช่นในการคำนวณการประกันชีวิต ค่าเฉลี่ยเคลื่อนที่สามารถใช้ในการลบเอฟเฟ็กต์เป็นระยะ ๆ หากคำนวณด้วยระยะเวลาเป็นระยะ ๆ ตามที่ทราบ ตัวอย่างเช่นเมื่อมีข้อมูลรายเดือนข้อมูลตามฤดูกาลสามารถเปลี่ยนแปลงได้โดยการใช้ค่าเฉลี่ยเคลื่อนที่ 12 เดือนที่สมมาตรกับทุกเดือนที่มีการถ่วงน้ำหนักอย่างเท่าเทียมกันยกเว้นกรณีที่ 1 และครั้งสุดท้ายที่มีการถ่วงน้ำหนักด้วย 12 เนื่องจากมี เป็นเวลา 13 เดือนในรูปแบบสมมาตร (ปัจจุบัน, t. - 6 เดือน) ทั้งหมดถูกแบ่งโดย 12 ขั้นตอนที่คล้ายกันสามารถนำมาใช้สำหรับระยะเวลาที่กำหนดไว้อย่างชัดเจน ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนัก (Expedential Weighted Moving Average - EWMA) โดยใช้สูตรค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ: การสังเกตทั้งหมดมีการถ่วงน้ำหนักอย่างเท่าเทียมกัน ถ้าเราเรียกว่าน้ำหนักเท่ากันนี้อัลฟา t แต่ละ k น้ำหนักจะเท่ากับ 1 k ดังนั้นผลรวมของน้ำหนักจะเป็น 1 และสูตรจะเป็น: เราได้เห็นแล้วว่าการใช้งานหลายขั้นตอนนี้ส่งผลให้น้ำหนักที่แตกต่างกัน ด้วยค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบยกกำลังให้ความสำคัญกับค่าเฉลี่ยจากการสังเกตการณ์ที่ถูกลบออกไปในเวลามากขึ้นจะลดลงด้วยเหตุนี้จึงเน้นเหตุการณ์ที่เกิดขึ้นเมื่อเร็ว ๆ นี้ โดยทั่วไปจะมีการปรับค่าพารามิเตอร์การทำให้ราบเรียบ alpha lt1 เป็น 0lt และสูตรจะได้รับการแก้ไขเพื่อให้: สูตรสมมาตรของสูตรนี้จะมีรูปแบบดังนี้: ถ้าน้ำหนักในรูปแบบสมมาตรถูกเลือกให้เป็นเงื่อนไขของข้อกำหนดของการขยายตัวแบบสองส่วน (1212) 2q พวกเขาจะรวมกันเป็น 1 และเมื่อ q กลายเป็นขนาดใหญ่จะใกล้เคียงกับการแจกแจงแบบปกติ นี่คือรูปแบบของการถ่วงน้ำหนักของเคอร์เนลโดยมีฟังก์ชัน Binomial ทำหน้าที่เป็นฟังก์ชันเคอร์เนล การแกว่งสองขั้นตอนที่อธิบายไว้ในหมวดย่อยก่อนหน้านี้คือการจัดเรียงนี้อย่างแม่นยำด้วย q 1 ซึ่งให้น้ำหนัก ในการทำให้เรียบเรียบขึ้นจำเป็นต้องใช้ชุดของน้ำหนักที่รวมกันเป็น 1 และลดขนาดทางเรขาคณิต น้ำหนักที่ใช้มีรูปแบบดังนี้: เพื่อแสดงให้เห็นว่าน้ำหนักเหล่านี้รวมกันเป็น 1 ให้พิจารณาการขยายตัวเป็น 1 เป็นชุด เราสามารถเขียนและขยายนิพจน์ในวงเล็บโดยใช้สูตรทวินาม (1- x) p. โดยที่ x (1-) และ p -1 ซึ่งจะให้: ค่านี้จะให้รูปแบบของค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักของแบบฟอร์ม: ผลรวมนี้สามารถเขียนเป็นความสัมพันธ์ที่เกิดซ้ำได้ซึ่งช่วยลดความซับซ้อนในการคำนวณและหลีกเลี่ยงปัญหาที่ระบบการถ่วงน้ำหนัก ควรมีความยาวไม่ จำกัด สำหรับน้ำหนักที่จะรวมกันเป็น 1 (สำหรับค่าอัลฟ่าเล็กน้อยนี่ไม่ใช่กรณีปกติ) สัญกรณ์ที่ใช้โดยผู้เขียนที่แตกต่างกันจะแตกต่างกันออกไป บางคนใช้ตัวอักษร S เพื่อบ่งชี้ว่าสูตรเป็นตัวแปรที่ราบเรียบและเขียนว่า: ในขณะที่ทฤษฎีวรรณคดีควบคุมมักใช้ Z แทนที่จะเป็น S สำหรับค่าที่ถ่วงน้ำหนักหรือเรียบเรียงเป็นพหุคูณ (ดูตัวอย่างเช่น Lucas and Saccucci, 1990, LUC1 , และเว็บไซต์ NIST สำหรับรายละเอียดเพิ่มเติมและตัวอย่างการทำงาน) สูตรที่อ้างถึงข้างต้นมาจากผลงานของ Roberts (1959, ROB1) แต่ Hunter (1986, HUN1) ใช้การแสดงออกของรูปแบบ: ซึ่งอาจเหมาะสมกว่าสำหรับการใช้ในขั้นตอนการควบคุมบางอย่าง ด้วยค่า alpha 1 ค่าประมาณเฉลี่ยคือค่าที่วัดได้ (หรือมูลค่าของรายการข้อมูลก่อนหน้า) ด้วยค่าประมาณ 0.5 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ของการวัดในปัจจุบันและก่อนหน้า ในรูปแบบการคาดการณ์ S t. มักใช้เป็นประมาณการหรือค่าพยากรณ์ในช่วงเวลาต่อไปนั่นคือค่าประมาณสำหรับ x ณ เวลา t ดังนั้นเราจึงได้แสดงให้เห็นว่าค่าพยากรณ์ที่ t 1 เป็นค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบ บวกกับส่วนประกอบที่แสดงถึงข้อผิดพลาดในการทำนายถ่วงน้ำหนักเอปไซลอน เวลา t สมมติว่ามีชุดเวลาและต้องมีการคาดการณ์ค่าอัลฟาต้อง นี้สามารถประมาณจากข้อมูลที่มีอยู่โดยการประเมินผลรวมของข้อผิดพลาดการทำนายกำลังสองได้รับกับค่าที่แตกต่างของ alpha สำหรับแต่ละ t 2,3 การตั้งค่าการประมาณครั้งแรกเป็นค่าข้อมูลที่สังเกตครั้งแรก x 1. ในแอ็พพลิเคชันควบคุมค่าของอัลฟามีความสำคัญในการใช้ในการกำหนดขีด จำกัด การควบคุมด้านบนและด้านล่างและมีผลต่อระยะเวลาในการทำงานโดยเฉลี่ย (ARL) ก่อนที่ข้อ จำกัด ในการควบคุมเหล่านี้จะเสีย (ภายใต้สมมติฐานว่าชุดข้อมูลเวลาเป็นชุดของตัวแปรอิสระแบบสุ่มที่แจกแจงแบบเดียวกันโดยมีความแปรปรวนร่วมกัน) ภายใต้สถานการณ์เช่นนี้ความแปรปรวนของสถิติการควบคุม: คือ (ลูคัสและ Saccucci, 1990): ขีด จำกัด ของการควบคุมมักจะตั้งค่าเป็นทวีคูณที่คงที่ของความแปรปรวนของการไม่ทำงานนี้เช่น - ค่าเบี่ยงเบนมาตรฐาน 3 เท่า ถ้าตัวอย่างเช่น alpha 0.25 และข้อมูลที่ได้รับการตรวจสอบจะถือว่ามีการแจกแจงแบบปกติ N (0,1) เมื่ออยู่ในการควบคุมขีด จำกัด ของการควบคุมจะเป็น - 1.134 และกระบวนการนี้จะถึงหนึ่งหรือขีด จำกัด อื่น ๆ ใน 500 ขั้นตอน โดยเฉลี่ย. Lucas และ Saccucci (1990 LUC1) ได้รับค่า ARLs สำหรับค่า alpha และภายใต้สมมติฐานต่างๆโดยใช้กระบวนการ Markov Chain พวกเขาจัดทำเป็นตารางผลลัพธ์รวมถึงการให้ ARLs เมื่อค่าเฉลี่ยของกระบวนการควบคุมได้รับการเปลี่ยนแปลงโดยค่าเบี่ยงเบนมาตรฐานหลายค่าหลายค่า ตัวอย่างเช่นเมื่อมีการเปลี่ยนแปลง 0.5 กับ alpha 0.25 ARL น้อยกว่า 50 ขั้นตอนเวลา วิธีการที่อธิบายข้างต้นเป็นที่รู้จักกันในชื่อเดียวเรียบ เป็นขั้นตอนที่ใช้ครั้งเดียวกับชุดเวลาและจากนั้นการวิเคราะห์หรือควบคุมกระบวนการจะดำเนินการในชุดข้อมูลที่เกิดเรียบ หากชุดข้อมูลมีส่วนประกอบของเทรนด์ตามฤดูกาลหรืออาจใช้การทำให้เรียบแบบทวีคูณแบบสองขั้นตอนหรือสามขั้นตอนเพื่อลบลักษณะเหล่านี้ (ดูเพิ่มเติมส่วนของการพยากรณ์อากาศด้านล่างและตัวอย่างการทำงานของ NIST) CHA1 Chatfield C (1975) การวิเคราะห์ไทม์ซีรี่ส์: ทฤษฎีและการปฏิบัติ แชปแมนและฮอลล์, ลอนดอน HUN1 เธ่อเจเอส (1986) ค่าเฉลี่ยถ่วงน้ำหนักแบบเลขยกกำลัง J ของ Quality Technology, 18, 203-210 LUC1 Lucas J M, Saccucci M S (1990) แผนการควบคุมค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบทวีคูณ: คุณสมบัติและการปรับปรุง Technometrics, 32 (1), 1-12 ROB1 Roberts S W (1959) การควบคุมแผนภูมิการทดสอบขึ้นอยู่กับค่าเฉลี่ยเคลื่อนที่ทางเรขาคณิต Technometrics, 1, 239-250 การใช้ Moving Averages เป็น Dynamic Support และ Resistance Levels อีกวิธีหนึ่งในการใช้ค่าเฉลี่ยเคลื่อนที่คือการใช้เป็นค่าสนับสนุนแบบไดนามิกและระดับความต้านทาน เราชอบเรียกมันว่าเป็นแบบไดนามิกเนื่องจาก it8217s ไม่เหมือนกับแนวนอนและแนวความต้านทานแบบดั้งเดิมของคุณ พวกเขามีการเปลี่ยนแปลงตลอดเวลาขึ้นอยู่กับการกระทำราคาล่าสุด มี traders forex จำนวนมากออกมีที่มองไปที่ค่าเฉลี่ยเคลื่อนที่เหล่านี้เป็นหลักสนับสนุนหรือความต้านทาน. ผู้ค้าเหล่านี้จะซื้อเมื่อราคาลดลงและทดสอบค่าเฉลี่ยเคลื่อนที่หรือขายหากราคาเพิ่มขึ้นและแตะที่ค่าเฉลี่ยเคลื่อนที่ ดูกราฟ 15 นาทีของ GBPUSD และป๊อปที่ 50 EMA Let8217s ดูว่าจะทำหน้าที่เป็นแรงสนับสนุนหรือความต้านทานแบบไดนามิก ดูเหมือนว่าราคาดีดตัวขึ้นอย่างมากทุกๆวันราคาทะลุ 50 EMA และผ่านการทดสอบแล้วทำหน้าที่เป็นตัวต้านทานและราคากระเตื้องขึ้นมา สิ่งหนึ่งที่คุณควรจำไว้คือสิ่งเหล่านี้เหมือนกับการสนับสนุนปกติและสายความต้านทานของคุณ ซึ่งหมายความว่าราคาที่ชนะ 8217t จะตีกลับได้ดีที่สุดจากค่าเฉลี่ยเคลื่อนที่ บางครั้งมันจะผ่านไปสักนิดก่อนที่จะมุ่งหน้ากลับไปในทิศทางของแนวโน้ม นอกจากนี้ยังมีช่วงเวลาที่ราคาจะระเบิดผ่านไปด้วย สิ่งที่พ่อค้าทำ forex ทำคือพวกเขาป๊อปสองค่าเฉลี่ยเคลื่อนที่และซื้อหรือขายเพียงครั้งเดียวในราคาที่อยู่ตรงกลางของช่องว่างระหว่างค่าเฉลี่ยเคลื่อนที่สองเส้น คุณสามารถโทรไปยังบริเวณนี้ได้ 8220 เขต 82221 Let8217s ดูแผนที่ที่ GBPUSD 15 นาที แต่เวลานี้ let8217s ใช้ 10 และ 20 EMAs จากกราฟด้านบนคุณเห็นว่าราคาพุ่งขึ้นเล็กน้อยผ่าน EMA 10 EMA ไปไม่กี่จุด แต่ก็ปรับตัวลงหลังจากนั้น มีผู้ค้าบางรายที่ใช้กลยุทธ์ในวันนี้เช่นนี้ แนวคิดก็คือเหมือนกับการสนับสนุนแนวนอนและพื้นที่ความต้านทานของคุณค่าเฉลี่ยเคลื่อนที่เหล่านี้ควรได้รับการปฏิบัติเช่นโซนหรือพื้นที่ที่น่าสนใจ พื้นที่ระหว่างค่าเฉลี่ยเคลื่อนที่สามารถมองเป็นโซนรองรับหรือความต้านทานได้ Breaking through Dynamic Support and Resistance ขณะนี้คุณรู้ว่าค่าเฉลี่ยเคลื่อนที่อาจเป็นตัวสนับสนุนและความต้านทาน การรวมกันของคู่ของคุณคุณสามารถมีโซนเล็ก ๆ ที่ดีได้ แต่คุณควรรู้ว่าพวกเขาสามารถทำลายเช่นเดียวกับการสนับสนุนและระดับความต้านทาน Let8217s ดูอีก 50 EMA บนแผนภูมิ GBPUSD8217s 15 นาที ในกราฟด้านบนเราเห็นว่าเส้นค่าเฉลี่ย 50 EMA ถือเป็นระดับความต้านทานที่แข็งแกร่งในขณะที่ GBPUSD ก็พลิกกลับมาอย่างต่อเนื่อง อย่างไรก็ตามในขณะที่เราเน้นสีสดใสด้วยกล่องสีแดงราคาที่ทะลุทะลวงและยิงขึ้น ราคาพยายามพลิกกลับและทดสอบเส้น 50 EMA อีกครั้งซึ่งเป็นระดับที่แข็งแกร่ง จึงมีคุณมีคนย้ายค่าเฉลี่ยยังสามารถทำหน้าที่เป็นระดับการสนับสนุนแบบไดนามิกและความต้านทาน สิ่งหนึ่งที่ดีเกี่ยวกับการใช้ค่าเฉลี่ยเคลื่อนที่ก็คือ they8217re เปลี่ยนแปลงอยู่เสมอซึ่งหมายความว่าคุณสามารถทิ้งไว้ในแผนภูมิและ don8217t ต้องมองย้อนกลับไปในเวลาเพื่อระบุระดับการสนับสนุนและระดับความต้านทานที่อาจเกิดขึ้น คุณรู้ไหมว่าเส้นนี้น่าจะเป็นพื้นที่ที่น่าสนใจ ค่าเฉลี่ยเคลื่อนที่ (Moving average) หนึ่งในปัจจัยสำคัญที่สุดในการซื้อขายเทรนด์คือการทราบความลำเอียงในการซื้อขาย (trade bias) นี่เป็นสิ่งสำคัญยิ่งต่อการทำความเข้าใจเมื่อเราอยู่ในตลาดวัวหรือหมี 8211 กล่าวอีกนัยหนึ่งว่าเราควรพิจารณาโอกาสในการซื้อหรือขายหรือไม่ สิ่งแรกที่ฉันมองหาในแผนภูมิเป็นที่ราคาอยู่ในเรื่องที่เกี่ยวกับค่าเฉลี่ยเคลื่อนที่ 200 วัน ถ้าราคาอยู่ต่ำกว่า 200 sma ฉันจะมองหาโอกาสในการลัดวงจรหากราคาอยู่เหนือ 200 sma ฉันจะมองหาโอกาสที่ซื้อได้สั้นนี้เป็นสิ่งที่คุณต้องรู้ในหัวข้อนี้ แต่ฉันรู้ว่าผู้อ่านจำนวนมากมีน้อยอยากรู้อยากเห็นและ อยากรู้ว่าทำไมถึงเป็นเช่นนี้ การใช้ในอดีตเหตุผลหลักที่ 200 sma ใช้ในลักษณะนี้เป็นส่วนหนึ่งในประวัติศาสตร์ ก่อนที่เราจะมีซอฟต์แวร์ (เพื่อคำนวณค่าเฉลี่ยเคลื่อนที่ที่เราต้องการในไม่กี่วินาที) สิ่งเหล่านี้ต้องคำนวณและวาดด้วยมือ นักค้าจึงจู้จี้จุกจิกเกี่ยวกับข้อมูลที่เป็นประโยชน์และสิ่งที่ก่อให้เกิดเสียงดัง (บทเรียนที่เราควรจะจดจำในวันนี้) 200 sma เป็นตัวบ่งชี้ทิศทางแนวโน้มโดยรวม ตราบเท่าที่ราคายังคงอยู่เหนือมันแล้วอคติแนวโน้มได้รับการพิจารณารั้น และหากมีการซื้อขายในราคาที่ต่ำกว่านั้นแนวโน้มอคติก็ถือว่าเป็นขาลง หากราคาดักจับ 200 sma ซ้ำ ๆ ราคาก็ถือว่าอยู่ในรูปแบบของการรวมตัวกันเป็นระยะ ๆ ความลำเอียงด้านการค้า 8211 failsafe 200 sma แน่นอนว่าเทรนด์ใหม่ ๆ สามารถเริ่มต้นได้ในด้านที่ไม่ถูกต้องของ 200 sma เมื่อตลาดหมีตามตลาดวัวที่แข็งแกร่งแล้วราคาอาจตกลงมาเป็นเวลาหลายสัปดาห์หรือหลายเดือนก่อนที่จะข้ามด้านล่าง 200 เหรียญฯ และในทางกลับกันแน่นอน นี่คือ 200 sma failsafe 8211 ที่เราอาจต้องทนสัปดาห์นี้กับแนวโน้มใหม่โดยที่ไม่สามารถทำการค้าได้ (เนื่องจากเป็นส่วนที่ผิดของ 200 ma) แต่นี่คือเพื่อป้องกันเราจากการพลิกกลับเป็นแบบ pullback ชั่วคราว บาง pullbacks สามารถลึกและเป็นเวลานานและนี้สามารถล่อคนบางคนไปด้านมืดของการซื้อขาย 8211 พวกเขาต้องการที่จะค้ากับแนวโน้มโดยรวม แต่ถึงแม้ว่าราคาจะข้าม 200 sma เราถือว่าความอคติขาขึ้นหรือขาลงยังคงอยู่ (แม้ว่าเราไม่จำเป็นต้องซื้อขาย) เมื่อราคาอยู่เหนือ 200 sma ความอคติคือ BULLISH เมื่อราคาต่ำกว่า 200 sma อคติเป็น BEARISH ดังนั้นติดกับ 200 sma failsafe ใช่มันอาจดูเหมือนว่าโอกาสจะผ่านเราไปตามเวลา แต่เราจำเป็นต้องมีการคัดเลือกมากขึ้น เราจำเป็นต้องตระหนักถึงความลำเอียงการค้าและไม่ได้รับฟุ้งซ่าน ปฏิบัติตามผู้ผลิตในตลาดเหตุผลอื่น ๆ ที่ฉันปฏิบัติตามกฎ 200 sma เนื่องจากธนาคารขนาดใหญ่และสถาบันการเงินหลายแห่งทำ องค์กรเหล่านี้มีเงินทุนมหาศาลที่พวกเขาถือครองไว้และมีอิทธิพลมาก กองทุนบางแห่งที่ซื้อขายในระยะยาวอาจเริ่มสะสมตำแหน่งขนาดใหญ่ด้านที่ไม่ถูกต้องของ 200 sma เนื่องจากมีเงินทุนสนับสนุนให้ทำเช่นนั้น อาจใช้เวลาหลายสัปดาห์หรือเป็นเดือน (พวกเขาทำมันช้ามากเพราะพวกเขาไม่ต้องการให้คนอื่นเห็นสิ่งที่พวกเขากำลังทำ 8211 เพราะอาจทำให้พวกเขาไม่สามารถกรอกตำแหน่งในราคาที่พวกเขาต้องการ) แต่ส่วนใหญ่ของผู้ค้าสถาบันการค้ามีอคติ ด้วยเหตุนี้ผู้ค้าปลีกรายเล็ก ๆ ที่มีขนาดบัญชีของเราค่อนข้างเล็กจึงมองไปที่การซื้อขายที่ด้านขวาของ 200 sma เนื่องจากเป็นจุดเริ่มต้นของโมเมนตัม หมายเหตุ: 200 sma มีความเกี่ยวข้องเฉพาะเมื่อเข้าสู่ระบบการค้า การจัดการการค้าควรจะช่วยให้คุณออกจากการค้าได้นานก่อนที่ราคาจะย้อนกลับไปที่ 200 เหรียญฯ เราจะดูวิธีการจัดการและออกจากตำแหน่งในซีรีส์ต่อไป สรุปการอคติในการซื้อขายเสมอมีค่าเฉลี่ยเคลื่อนที่ 200 เส้นที่วางแผนไว้ในแผนภูมิรายวันของคุณ โดยไม่คำนึงถึงช่วงเวลาที่คุณค้าขายให้ทำตามกฎต่อไปนี้: ถ้าราคาสูงกว่ารายวัน 200 sma เพียงแค่มองหาและการค้าตำแหน่ง longbuy ถ้าราคาต่ำกว่า 200 sma ทุกวันเพียง แต่ค้นหาและการค้า Shortsell positions เราเรียกสิ่งนี้ว่า การลำเอียงการค้า 8211 ช่วยลดอัตราเดิมพันของการค้าที่ประสบความสำเร็จในความโปรดปรานของเรา นี้ใช้กับตลาดใด ๆ และทุกที่คุณสามารถคิด ในบทความ tomorrow8217s เราจะดูกฎอีกสองข้อที่สามารถเพิ่มความลำเอียงการค้าของเราเพื่อระบุแนวโน้มได้อย่างตรงไป รับรองประสิทธิผลที่แท้จริงของการให้คำปรึกษา Javids มาจากคำแนะนำผู้ป่วยของเขาผ่านทางซอฟต์แวร์มืออาชีพในขณะที่คุณใช้กลยุทธ์ของเขาพยายามและทดสอบ forex. เขาอธิบายข้อมูลใหม่ ๆ และมีประสิทธิภาพด้วยวิธีที่ชัดเจนและเข้าใจง่าย ถ้าคุณต้องการเป็นสิ่งที่ดีที่สุดที่คุณต้องเรียนรู้จากสิ่งที่ดีที่สุดและ Javid ให้โอกาสดังกล่าว Marc F ง่ายต่อการเข้าใจกลยุทธ์เพียงเพื่อให้คุณรู้ว่าเรายังทำดีกับการซื้อขายของเราตั้งแต่ปีใหม่ที่เราได้สะสมประมาณ 3000 pips ใช้กลยุทธ์ MoBo และ Pullback การสัมมนาทางเว็บรายสัปดาห์ช่วยคุณได้มากและช่วยให้เรามุ่งเน้นไปที่สัปดาห์ข้างหน้า กลยุทธ์ทางกลต่างๆที่แสดงให้เห็นถึงการค้าขายระหว่างสภาพตลาดที่แตกต่างกันได้เพิ่มมิติใหม่ในการซื้อขายของเรา อีเมลรายวันและการอัปเดต Twitter มีประโยชน์มากโดยเฉพาะจากมุมมองทางจิตวิทยา เราหวังว่าคุณจะดำเนินการต่อกับพวกเขาต่อไป Prakash 3000 กำไร Pips เพียงแค่คิดว่า Id ต้องการจะวางสายคุณขอบคุณสำหรับเวลาและความพยายามที่คุณทั้งสองเห็นได้ชัดในการสัมมนาผ่านเว็บ ไม่เพียง แต่พวกเขาชี้แจงให้ฉันมากเกี่ยวกับการซื้อขายของฉันพวกเขาเสพติดโดยสิ้นเชิงหลังจากที่แต่ละคน ฉันไม่สามารถรอต่อไปได้พวกเขามีความชัดเจนและแม่นยำมากและอธิบายให้ได้ในระดับสูงสุดและได้ช่วยฉันมากมายมหาศาลขอบคุณสำหรับคุณทั้งสองคน พวกเขาได้รับความคุ้มค่าอย่างแท้จริงและ Im ก็ให้ความสำคัญกับคุณทั้งคู่ พวกเขาอธิบายได้ดีที่สุดในสองคำ เยี่ยมยอดมาก เคลย์ตัน คุ้มค่ากับเงิน