วิธีการ คำนวณ 9 วัน เฉลี่ยเคลื่อนที่

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 ช่วงยิ่งยอดและหุบเขาจะเรียบออกช่วงที่มีขนาดเล็กที่ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่จะอยู่ที่จุดข้อมูลที่เกิดขึ้นจริงค่าเฉลี่ยโดยเฉลี่ยหากข้อมูลนี้ถูกวางแผนไว้ในกราฟดูเหมือนว่านี้แสดงให้เห็นว่า มีรูปแบบกว้างในจำนวนผู้เข้าชมขึ้นอยู่กับฤดูกาลมีมากน้อยในฤดูใบไม้ร่วงและฤดูหนาวกว่าฤดูใบไม้ผลิและฤดูร้อนอย่างไรก็ตามถ้าเราต้องการดูแนวโน้มในจำนวนผู้เข้าชมเราสามารถคำนวณ 4 จุด moving average เราทำเช่นนี้โดยการหาจำนวนผู้เข้าชมโดยเฉลี่ยในสี่ไตรมาสของปี 2548 จากนั้นเราจะพบจำนวนผู้เข้าชมโดยเฉลี่ยในช่วงสามไตรมาสสุดท้ายของปี 2548 และไตรมาสแรกของปี 2549 จากนั้นในช่วงสองไตรมาสสุดท้ายของปี 2548 และ สองไตรมาสแรกของปี 2549 โปรดทราบว่าค่าเฉลี่ยล่าสุดที่เราสามารถหาได้คือช่วงสองไตรมาสสุดท้ายของปี 2006 และสองไตรมาสแรกของปี 2007 เราคำนวณค่าเฉลี่ยเคลื่อนที่บนกราฟเพื่อให้แน่ใจว่าแต่ละค่าเฉลี่ยถูกวางแผนไว้ที่ศูนย์กลางของ สี่สี่ครอบคลุมเราสามารถ ตอนนี้ดูว่ามีแนวโน้มลดลงเล็กน้อยในผู้เข้าชมเฉลี่ยสูงสิ่งที่พวกเขาในบรรดาตัวชี้วัดทางเทคนิคที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัดทิศทางของแนวโน้มปัจจุบันทุกประเภทของค่าเฉลี่ยเคลื่อนที่ที่เขียนโดยทั่วไปในการกวดวิชานี้เป็น MA เป็นผลลัพธ์ทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมาเมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบเรียบแทนที่จะเน้นความผันผวนของราคาในแต่ละวันได้ มีอยู่ในตลาดการเงินทั้งหมดรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่โดยทั่วไปหมายถึงค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย SMA คำนวณโดยการคำนวณค่าเฉลี่ยของชุดค่าที่ระบุตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันที่คุณใช้ จะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา 110 หารด้วยจำนวนวันที่ 10 เพื่อมาถึงที่ t เขาเฉลี่ย 10 วันหากผู้ประกอบการค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนจะมีการคำนวณประเภทเดียวกัน แต่จะรวมราคาในช่วง 50 วันที่ผ่านมาค่าเฉลี่ยที่ต่ำกว่า 11 จะพิจารณาข้อมูลจาก 10 ข้อมูลที่ผ่านมา จุดเพื่อให้ผู้ค้าทราบว่าเนื้อหามีราคาเทียบกับ 10 วันที่ผ่านมาบางทีคุณอาจสงสัยว่าเหตุใดผู้ค้าทางเทคนิคจึงเรียกเครื่องมือนี้ว่ามีค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ย (regular average) คำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งาน จุดข้อมูลที่เก่าแก่ที่สุดต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ ๆ ต้องมาแทนที่ดังนั้นชุดข้อมูลจึงเคลื่อนย้ายบัญชีใหม่เพื่อให้มีข้อมูลใหม่เมื่อพร้อมใช้งานวิธีการคำนวณนี้ทำให้แน่ใจได้ว่ามีการบันทึกข้อมูลปัจจุบันเท่านั้น สำหรับในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 กล่องสีแดงแทนจุดข้อมูลที่ผ่านมา 10 ตัวจะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณเนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ ค่าที่สูงจาก 15 คุณคาดหวังว่าจะเห็นค่าเฉลี่ยของการลดลงของชุดข้อมูลซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 เท่าค่าเฉลี่ยของค่าเฉลี่ยการเคลื่อนไหวเมื่อค่าของ MA ถูกคำนวณแล้วจะมีการวางแผน ลงบนกราฟและเชื่อมต่อกันเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่เส้นโค้งเหล่านี้ใช้ร่วมกันในแผนภูมิของผู้ค้าทางเทคนิค แต่วิธีที่ใช้จะแตกต่างกันมากขึ้นในภายหลังเนื่องจากคุณสามารถเห็นได้ในรูปที่ 3 คุณสามารถเพิ่มได้มากขึ้น ค่าเฉลี่ยเคลื่อนที่มากกว่าค่าเฉลี่ยของหนึ่งในแผนภูมิโดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณเส้นโค้งเหล่านี้อาจดูเหมือนเสียสมาธิหรือเกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับพวกเขาเมื่อเวลาผ่านไปเส้นสีแดงเป็นเพียงราคาเฉลี่ยมากกว่า ที่ผ่านมา 50 วันในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมาตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่คืออะไรและจะเป็นอย่างไรเราจะแนะนำค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันและพิจารณาว่าค่าเฉลี่ยของค่าเฉลี่ยนั้นเคลื่อนไหวแตกต่างจากที่คาดไว้ก่อนหน้านี้อย่างไร กล่าวถึง imple moving average เฉลี่ยเคลื่อนที่ง่ายเป็นที่นิยมอย่างมากในหมู่ผู้ค้า แต่เหมือนตัวชี้วัดทางเทคนิคทั้งหมดก็มีนักวิจารณ์หลายคนยืนยันว่าประโยชน์ของ SMA จะถูก จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึง ที่เกิดขึ้นในลำดับที่นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้ายในการตอบสนองต่อคำวิจารณ์นี้ผู้ค้าเริ่มให้น้ำหนักมากขึ้นกับข้อมูลล่าสุดซึ่งได้นำตั้งแต่ สำหรับการคิดค้นค่าเฉลี่ยใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดคือค่า EMA ที่มีการคำนวณเป็นค่าเฉลี่ยเลขคณิตสำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA กับ EMA ค่าเฉลี่ยที่เป็นลบ เป็นประเภทของค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากขึ้นกับราคาล่าสุดในความพยายามที่จะทำให้มันตอบสนองต่อข้อมูลใหม่เรียนรู้ที่ค่อนข้างซับซ้อน สมการสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกแพคเกจการคำนวณทำสำหรับคุณอย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA เมื่อใช้สูตรการคำนวณจุดแรกของ EMA, คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนหน้านี้ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยการคำนวณค่าเริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและดำเนินการต่อไปโดยใช้สูตรด้านบนจากที่นั่นเราได้จัดทำตัวอย่างสเปรดชีตที่มีจริง ชีวิตตัวอย่างของวิธีการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดความแตกต่างระหว่าง EMA และ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA มีการคำนวณอย่างไรให้ลองดูที่วิธีการเหล่านี้ ค่าเฉลี่ยที่แตกต่างโดยดูที่การคำนวณของ EMA คุณจะสังเกตเห็นว่าเน้นมากขึ้นจะวางอยู่บนจุดข้อมูลล่าสุดทำให้มันเป็นชนิดของค่าเฉลี่ยถ่วงน้ำหนักในรูปที่ 5 จำนวนระยะเวลา s ใช้ในแต่ละเฉลี่ยเป็นเหมือนกัน 15 แต่ EMA ตอบสนองได้อย่างรวดเร็วเพื่อการเปลี่ยนแปลงราคาแจ้งให้ทราบว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและตกเร็วกว่า SMA เมื่อราคาลดลงการตอบสนองนี้เป็นเหตุผลหลัก ทำไมผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA. What Different Days Mean Moving averages เป็นตัวบ่งชี้ที่ปรับเปลี่ยนได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกกรอบเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ยช่วงเวลาที่ใช้บ่อยที่สุด ค่าเฉลี่ยเคลื่อนที่คือ 15, 20, 30, 50, 100 และ 200 วันช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนมากขึ้นคือการเปลี่ยนแปลงราคาช่วงเวลาที่ยาวนานขึ้นน้อยลงหรือมีประสิทธิภาพมากขึ้น, ค่าเฉลี่ยจะเป็นไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณวิธีที่ดีที่สุดในการพิจารณาว่าค่าใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาที่แตกต่างกันไปจนกว่าคุณจะพบกับช่วงเวลาที่เหมาะสม tegy