30 วัน เฉลี่ยเคลื่อนที่ สูตร

30 วัน เฉลี่ยเคลื่อนที่ สูตร

บล็อก เกี่ยวกับ ตัวเลือก การซื้อขาย
ไบนารี ตัวเลือก พอดคาสต์
DF- ตลาด -forex- ประกวด


ฟรี -forex- ซื้อขาย คอร์ส สิงคโปร์ รับ โดย อัตราแลกเปลี่ยน ฟอรั่ม โพสต์ Fx- ตัวเลือก สัญญา Forex กำไร ฟอรั่ม FSA ไบนารี ตัวเลือก โบรกเกอร์ Calforex - Chinook ชั่วโมง

ค่าเฉลี่ยเคลื่อนที่ตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้เกิดความผิดปกติ (ยอดเขาและหุบเขา) เพื่อรับรู้แนวโน้มได้ง่ายขึ้น 1. ขั้นแรกให้ดูที่ซีรี่ส์เวลาของเรา 2. ในแท็บข้อมูลคลิกการวิเคราะห์ข้อมูล หมายเหตุ: ไม่สามารถหาปุ่ม Data Analysis คลิกที่นี่เพื่อโหลด Add-in Analysis ToolPak 3. เลือก Moving Average และคลิก OK 4. คลิกที่กล่อง Input Range และเลือกช่วง B2: M2 5. คลิกที่ช่อง Interval และพิมพ์ 6. 6. คลิกที่ Output Range box และเลือก cell B3 8. วาดกราฟของค่าเหล่านี้ คำอธิบาย: เนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและจุดข้อมูลปัจจุบัน เป็นผลให้ยอดเขาและหุบเขาจะเรียบออก กราฟแสดงแนวโน้มที่เพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกได้เนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงที่ 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้น ช่วงเวลาที่เล็กกว่านี้ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่จะใกล้เคียงกับจุดข้อมูลที่แท้จริงมากขึ้น DDA มีฟังก์ชันการรวบรวมรวมกันไม่กี่อย่างเช่นค่าเฉลี่ยความแปรปรวนและส่วนเบี่ยงเบนมาตรฐาน การคำนวณทางสถิติทั่วไปอื่น ๆ จะทำให้คุณต้องเขียนนิพจน์ DAX ที่ยาวขึ้น Excel จากมุมมองนี้มีภาษาที่ร่ำรวยมากขึ้น รูปแบบทางสถิติคือชุดของการคำนวณทางสถิติทั่วไป ได้แก่ มัธยฐานค่ามัธยฐานค่าเฉลี่ยเคลื่อนที่ร้อยละและควอร์ไทล์ เราอยากจะขอบคุณ Colin Banfield, Gerard Brueckl และ Javier Guilln ที่มีบล็อกเป็นแรงบันดาลใจในรูปแบบดังต่อไปนี้ ตัวอย่างรูปแบบพื้นฐานสูตรในรูปแบบนี้เป็นโซลูชันสำหรับการคำนวณทางสถิติที่เฉพาะเจาะจง คุณสามารถใช้ฟังก์ชัน DAX มาตรฐานในการคำนวณค่าเฉลี่ย (ค่าเฉลี่ยเลขคณิต) ของชุดค่า AVERAGE ส่งกลับค่าเฉลี่ยของตัวเลขทั้งหมดในคอลัมน์ตัวเลข AVERAGEA ส่งกลับค่าเฉลี่ยของตัวเลขทั้งหมดในคอลัมน์จัดการทั้งค่าข้อความและค่าที่ไม่ใช่ตัวเลข (ค่าที่ไม่ใช่ตัวเลขและค่าเปล่านับเป็น 0) AVERAGEX คำนวณค่าเฉลี่ยของนิพจน์ที่ประเมินผ่านตาราง Moving Average ค่าเฉลี่ยเคลื่อนที่คือการคำนวณในการวิเคราะห์จุดข้อมูลด้วยการสร้างชุดค่าเฉลี่ยของชุดย่อยที่ต่างกันของชุดข้อมูลทั้งหมด คุณสามารถใช้เทคนิค DAX จำนวนมากเพื่อใช้การคำนวณนี้ได้ เทคนิคที่ง่ายที่สุดคือการใช้ AVERAGEX การทำซ้ำตารางความละเอียดที่ต้องการและคำนวณสำหรับการทำซ้ำแต่ละครั้งที่สร้างจุดข้อมูลเดี่ยวเพื่อใช้ในค่าเฉลี่ย ตัวอย่างเช่นสูตรต่อไปนี้จะคำนวณค่าเฉลี่ยเคลื่อนที่ของ 7 วันที่ผ่านมาสมมติว่าคุณกำลังใช้ตารางวันที่ในรูปแบบข้อมูลของคุณ การใช้ AVERAGEX คุณจะคำนวณการวัดในแต่ละระดับโดยอัตโนมัติ เมื่อใช้มาตรการที่สามารถรวบรวมได้ (เช่น SUM) จากนั้นอีกวิธีหนึ่งที่ CALCULATE อาจจะเร็วกว่า คุณสามารถหาทางเลือกนี้ในรูปแบบที่สมบูรณ์ของ Moving Average คุณสามารถใช้ฟังก์ชัน DAX มาตรฐานเพื่อคำนวณความแปรปรวนของชุดค่า VAR.S ส่งกลับค่าความแปรปรวนของค่าในคอลัมน์ที่แสดงตัวอย่างประชากร VAR.P ส่งกลับค่าความแปรปรวนของค่าในคอลัมน์ที่แสดงถึงประชากรทั้งหมด VARX.S ส่งกลับค่าความแปรปรวนของนิพจน์ที่ประเมินโดยตารางที่แสดงถึงประชากรตัวอย่าง VARX.P ส่งกลับค่าความแปรปรวนของนิพจน์ที่ประเมินจากตารางที่แสดงถึงประชากรทั้งหมด ความเบี่ยงเบนมาตรฐานคุณสามารถใช้ฟังก์ชัน DAX มาตรฐานเพื่อคำนวณค่าเบี่ยงเบนมาตรฐานของชุดค่า STDEV.S ส่งกลับค่าส่วนเบี่ยงเบนมาตรฐานของค่าในคอลัมน์ที่แสดงตัวอย่างประชากร STDEV.P ส่งกลับค่าส่วนเบี่ยงเบนมาตรฐานของค่าในคอลัมน์ที่แสดงถึงประชากรทั้งหมด STDEVX.S ส่งกลับค่าส่วนเบี่ยงเบนมาตรฐานของนิพจน์ที่ประเมินจากตารางที่เป็นตัวแทนของกลุ่มตัวอย่าง STDEVX.P ส่งกลับค่าส่วนเบี่ยงเบนมาตรฐานของนิพจน์ที่ประเมินจากตารางที่แสดงถึงประชากรทั้งหมด มัธยฐานคือค่าตัวเลขที่แยกครึ่งหนึ่งของประชากรที่สูงขึ้นจากครึ่งล่าง หากมีจำนวนแถวคี่มัธยฐานคือค่ากลาง (การเรียงลำดับแถวจากค่าต่ำสุดไปเป็นค่าสูงสุด) หากมีจำนวนแถวเท่ากันค่าเฉลี่ยของค่ากลางทั้งสองค่า สูตรจะละเว้นค่าว่างซึ่งไม่ถือว่าเป็นส่วนหนึ่งของประชากร ผลลัพธ์จะเหมือนกับฟังก์ชัน MEDIAN ใน Excel รูปที่ 1 แสดงการเปรียบเทียบระหว่างผลลัพธ์ที่ส่งกลับโดย Excel และสูตร DAX ที่สอดคล้องกันสำหรับการคำนวณค่ามัธยฐาน รูปที่ 1 ตัวอย่างการคำนวณมัธยฐานใน Excel และ DAX โหมดคือค่าที่ปรากฏบ่อยที่สุดในชุดข้อมูล สูตรจะละเว้นค่าว่างซึ่งไม่ถือว่าเป็นส่วนหนึ่งของประชากร ผลลัพธ์จะเหมือนกับฟังก์ชัน MODE และ MODE.SNGL ใน Excel ซึ่งจะส่งคืนค่าต่ำสุดเท่านั้นเมื่อมีหลายโหมดในชุดของค่าที่พิจารณา ฟังก์ชัน Excel MODE.MULT จะคืนค่าโหมดทั้งหมด แต่คุณไม่สามารถใช้เป็นตัววัดใน DAX ได้ รูปที่ 2 เปรียบเทียบผลลัพธ์ที่ส่งกลับโดย Excel กับสูตร DAX ที่สอดคล้องกันสำหรับการคำนวณรูปแบบ รูปที่ 2 ตัวอย่างการคำนวณรูปแบบใน Excel และ DAX เปอร์เซนต์เปอร์เซ็นต์คือค่าด้านล่างซึ่งเป็นเปอร์เซ็นต์ของค่าในกลุ่มที่กำหนด สูตรจะละเว้นค่าว่างซึ่งไม่ถือว่าเป็นส่วนหนึ่งของประชากร การคำนวณใน DAX ต้องใช้หลายขั้นตอนซึ่งอธิบายไว้ในส่วนรูปแบบสมบูรณ์ซึ่งจะแสดงวิธีการได้รับผลลัพธ์ที่เหมือนกันของฟังก์ชัน Excel PERCENTILE, PERCENTILE.INC และ PERCENTILE.EXC ควอร์ไทล์เป็นสามจุดที่แบ่งชุดของค่าออกเป็นสี่กลุ่มที่เท่ากันโดยแต่ละกลุ่มจะประกอบด้วยข้อมูลหนึ่งในสี่ของข้อมูล คุณสามารถคำนวณควอร์ไทล์ได้โดยใช้รูปแบบเปอร์เซ็นต์ต่อไปนี้คือควอร์ไทล์ที่ต่ำกว่า 25 อันดับแรกส่วนที่สองลำดับที่สองร้อยละ 50 ส่วนที่สามควอร์ไทล์ด้านบน 75 เปอร์เซ็นต์ percentile รูปแบบสมบูรณ์การคำนวณทางสถิติไม่กี่มีคำอธิบายแบบสมบูรณ์อีกต่อไป คุณอาจมีการใช้งานที่แตกต่างกันขึ้นอยู่กับแบบจำลองข้อมูลและข้อกำหนดอื่น ๆ ค่าเฉลี่ยเคลื่อนที่โดยปกติคุณจะประเมินค่าเฉลี่ยเคลื่อนที่โดยอ้างอิงถึงระดับรายวัน เทมเพลตทั่วไปของสูตรต่อไปนี้มีเครื่องหมายเหล่านี้: ltnumberofdaysgt คือจำนวนวันสำหรับค่าเฉลี่ยเคลื่อนที่ ltdatecolumngt คือคอลัมน์วันที่ของตารางวันที่ถ้าคุณมีหรือคอลัมน์วันที่ของตารางที่มีค่าถ้าไม่มีตารางวันที่ที่แยกต่างหาก ltmeasuregt เป็นตัววัดที่คำนวณเป็นค่าเฉลี่ยเคลื่อนที่ รูปแบบที่ง่ายที่สุดจะใช้ฟังก์ชัน AVERAGEX ใน DAX ซึ่งจะพิจารณาเฉพาะวันที่มีค่าเท่านั้น คุณสามารถใช้เทมเพลตต่อไปนี้ในโมเดลข้อมูลโดยไม่มีตารางวันที่และด้วยการวัดที่สามารถรวบรวมได้ (เช่น SUM) ในช่วงเวลาที่พิจารณาทั้งหมด สูตรก่อนหน้าจะพิจารณาวันที่ไม่มีข้อมูลที่สอดคล้องกันเป็นตัวชี้วัดที่มีค่า 0 กรณีนี้สามารถเกิดขึ้นได้เฉพาะเมื่อคุณมีตารางวันที่แยกต่างหากซึ่งอาจมีวันที่ไม่มีการทำธุรกรรมที่ตรงกัน คุณสามารถแก้ไขตัวหารสำหรับค่าเฉลี่ยโดยใช้จำนวนวันที่มีการทำธุรกรรมโดยใช้รูปแบบต่อไปนี้โดยที่: ltfacttablegt เป็นตารางที่เกี่ยวข้องกับตารางวันที่และมีค่าที่คำนวณได้โดยใช้ตัววัด คุณอาจใช้ฟังก์ชัน DATESBETWEEN หรือ DATESINPERIOD แทน FILTER แต่ทำงานได้เฉพาะในตารางวันที่ปกติเท่านั้นในขณะที่คุณสามารถใช้รูปแบบที่อธิบายไว้ข้างต้นกับตารางวันที่ที่ไม่ปกติและโมเดลที่ไม่มีตารางวันที่ ตัวอย่างเช่นพิจารณาผลต่าง ๆ ที่เกิดขึ้นจากมาตรการต่อไปนี้ ในรูปที่ 3 คุณจะเห็นว่าไม่มียอดขายในวันที่ 11 กันยายน 2548 อย่างไรก็ตามวันที่นี้รวมอยู่ในตารางวันที่ดังนั้นจึงมี 7 วัน (ตั้งแต่วันที่ 11 กันยายนถึง 17 กันยายน) ซึ่งมีข้อมูลเพียง 6 วันเท่านั้น รูปที่ 3 ตัวอย่างการคำนวณค่าเฉลี่ยเคลื่อนที่โดยพิจารณาและละเลยวันที่ที่ไม่มียอดขาย มาตรการ Moving Average 7 Days มีจำนวนน้อยระหว่างวันที่ 11 กันยายนถึง 17 กันยายนเนื่องจากถือว่าวันที่ 11 กันยายนเป็นวันที่มียอดขาย 0 รายการ ถ้าคุณต้องการละเว้นวันที่ไม่มียอดขายให้ใช้มาตรการ Moving Average 7 Days No Zero นี่อาจเป็นวิธีที่เหมาะสมเมื่อคุณมีตารางวันที่ที่สมบูรณ์ แต่คุณต้องการละเว้นวันที่ไม่มีการทำธุรกรรม ใช้สูตร Moving Average 7 Days ผลที่ได้คือถูกต้องเนื่องจาก AVERAGEX จะพิจารณาเฉพาะค่าที่ไม่ใช่ค่าว่างเท่านั้น โปรดจำไว้ว่าคุณอาจปรับปรุงสมรรถนะของค่าเฉลี่ยเคลื่อนที่โดยการคงค่าในคอลัมน์ที่คำนวณได้จากตารางที่มีความละเอียดที่ต้องการเช่นวันที่หรือวันที่และผลิตภัณฑ์ อย่างไรก็ตามวิธีการคำนวณแบบไดนามิกพร้อมด้วยการวัดมีความสามารถในการใช้พารามิเตอร์สำหรับจำนวนวันของค่าเฉลี่ยเคลื่อนที่ (เช่นแทนที่ ltnumberofdaysgt ด้วยการวัดการใช้รูปแบบตารางพารามิเตอร์) ค่ามัธยฐานเท่ากับเปอร์เซ็นต์เปอร์เซ็นที่ 50 ซึ่งคุณสามารถคำนวณโดยใช้รูปแบบเปอร์เซ็นต์ อย่างไรก็ตามรูปแบบ Median ช่วยให้คุณสามารถปรับและคำนวณค่ามัธยฐานได้โดยใช้มาตรการเดียวแทนการใช้มาตรการหลายรูปแบบตามรูปแบบเปอร์เซ็นต์ คุณสามารถใช้วิธีนี้เมื่อคุณคำนวณค่ามัธยฐานสำหรับค่าที่รวมอยู่ใน ltvaluecolumngt ดังที่แสดงด้านล่าง: ในการปรับปรุงประสิทธิภาพคุณอาจต้องการเพิ่มค่าของการวัดในคอลัมน์ที่คำนวณได้ถ้าคุณต้องการหาค่ามัธยฐานสำหรับผลลัพธ์ของ การวัดในรูปแบบข้อมูล คุณควรใช้การคำนวณ MedianX ตามเทมเพลตต่อไปนี้โดยใช้เครื่องหมายเหล่านี้: ltgranularitytablegt คือตารางที่กำหนดความละเอียดของการคำนวณ ตัวอย่างเช่นอาจเป็นตารางวันที่หากคุณต้องการคำนวณค่ามัธยฐานของการวัดที่คำนวณในระดับวันหรืออาจเป็นค่า (8216DateYearMonth) หากคุณต้องการคำนวณค่ามัธยฐานของการวัดที่คำนวณตามระดับเดือน ltmeasuregt เป็นตัววัดสำหรับคำนวณแต่ละแถวของแต่ละแถวของ ltgranularitytablegt ltmeasuretablegt คือตารางที่มีข้อมูลที่ใช้โดย ltmeasuregt ตัวอย่างเช่นถ้า ltgranularitytablegt เป็นมิติเช่น 8216Date8217 แล้ว ltmeasuretablegt จะเป็น 8216 ขายทางอินเทอร์เน็ต 8217 ที่มีคอลัมน์ยอดขายทางอินเทอร์เน็ตที่สรุปโดยมาตรการการขายทางอินเทอร์เน็ตทั้งหมด ตัวอย่างเช่นคุณสามารถเขียนมัธยฐานของ Internet Total Sales สำหรับลูกค้าทั้งหมดใน Adventure Works ได้ดังนี้เคล็ดลับรูปแบบต่อไปนี้ใช้สำหรับลบแถวจาก ltgranularitytablegt ที่ไม่มีข้อมูลที่สอดคล้องกันในการเลือกปัจจุบัน เป็นวิธีที่เร็วกว่าการใช้นิพจน์ต่อไปนี้: อย่างไรก็ตามคุณอาจแทนที่นิพจน์ CALCULATETABLE ทั้งตัวด้วย ltgranularitytablegt เพียงอย่างเดียวถ้าคุณต้องการพิจารณาค่าว่างของ ltmeasuregt เป็น 0 ประสิทธิภาพของสูตร MedianX ขึ้นอยู่กับจำนวนแถวใน ตาราง iterated และความซับซ้อนของการวัด หากผลการดำเนินงานไม่ดีคุณอาจยังคงผลลัพธ์ ltmeasuregt ไว้ในคอลัมน์ที่คำนวณได้ของ lttablegt แต่จะทำให้ความสามารถในการใช้ตัวกรองกับการคำนวณค่ามัธยฐานในแบบสอบถามได้ เปอร์เซ็นต์ของ Excel มีการใช้งานการคำนวณเปอร์เซนต์เปอร์เซนต์สองแบบที่แตกต่างกันโดยมีฟังก์ชันสามอย่างคือ PERCENTILE, PERCENTILE.INC และ PERCENTILE.EXC พวกเขาทั้งหมดจะกลับค่าเปอร์เซ็นต์ K ของค่าที่ K อยู่ในช่วง 0 ถึง 1 ความแตกต่างคือ PERCENTILE และ PERCENTILE.INC พิจารณา K เป็นช่วงที่ครอบคลุมในขณะที่ PERCENTILE.EXC พิจารณา K ช่วง 0 ถึง 1 เป็นแบบเอกสิทธิ์เฉพาะบุคคล . ทุกฟังก์ชันเหล่านี้และการใช้งาน DAX ของพวกเขาได้รับค่าเปอร์เซ็นเป็นพารามิเตอร์ซึ่งเราเรียกว่า K ltKgt percentile value อยู่ในช่วง 0 ถึง 1 การใช้งาน DAX ทั้งสองแบบของเปอร์เซ็นไทล์ต้องใช้มาตรการบางอย่างที่คล้ายกัน แต่แตกต่างกันมากพอที่จะต้องใช้ ชุดที่สองของสูตรที่แตกต่างกัน มาตรการที่กำหนดไว้ในแต่ละรูปแบบ ได้แก่ KPerc ค่าเปอร์เซ็นที่สอดคล้องกับ ltKgt PercPos ตำแหน่งของเปอร์เซ็นไทล์ในชุดค่าที่เรียงลำดับ ValueLow ค่าต่ำกว่าตำแหน่งเปอร์เซ็น มูลค่าสูง ค่าเหนือตำแหน่ง percentile เปอร์เซ็นต์ การคำนวณเปอร์เซ็นต์สุดท้าย คุณต้องใช้ ValueLow และ ValueHigh มาตรการในกรณีที่ PercPos มีส่วนทศนิยมเพราะคุณต้อง interpolate ระหว่าง ValueLow และ ValueHigh เพื่อส่งกลับค่าเปอร์เซ็นที่ถูกต้อง รูปที่ 4 แสดงตัวอย่างการคำนวณที่ทำด้วยสูตร Excel และ DAX โดยใช้ทั้งสองขั้นตอนของเปอร์เซ็นไทล์ (รวมและพิเศษ) รูปที่ 4 การคำนวณเปอร์เซ็นต์โดยใช้สูตร Excel และการคำนวณ DAX ที่เทียบเท่า ในส่วนต่อไปนี้สูตร Percently จะคำนวณค่าที่เก็บอยู่ในคอลัมน์ตาราง DataValue ในขณะที่สูตร PercentileX คำนวณค่าที่ส่งกลับโดยการวัดที่คำนวณได้ที่ระดับที่กำหนด Percentile Inclusive การใช้งาน Percentile Inclusive มีดังต่อไปนี้ ร้อยละ Exclusive Percentile การใช้งานแบบเอกสิทธิ์เฉพาะบุคคลมีดังต่อไปนี้ PercentileX Inclusive การใช้ PercentileX Inclusive จะใช้เทมเพลตต่อไปนี้โดยใช้เครื่องหมายเหล่านี้: ltgranularitytablegt เป็นตารางที่กำหนดความละเอียดของการคำนวณ ตัวอย่างเช่นอาจเป็นตารางวันที่หากคุณต้องการคำนวณเปอร์เซ็นต์ของการวัดในระดับวันหรืออาจเป็นค่า (8216DateYearMonth) หากคุณต้องการคำนวณเปอร์เซ็นต์ของการวัดในระดับเดือน ltmeasuregt เป็นตัวชี้วัดสำหรับคำนวณแต่ละแถวของแต่ละแถวของ ltgranularitytablegt ltmeasuretablegt คือตารางที่มีข้อมูลที่ใช้โดย ltmeasuregt ตัวอย่างเช่นถ้า ltgranularitytablegt เป็นมิติเช่น 8216Date, 8217 แล้ว ltmeasuretablegt จะเป็น 8216Sales8217 ที่มีคอลัมน์จำนวนรวมโดยมาตรการ Total Amount ตัวอย่างเช่นคุณสามารถเขียน PercentileXInc ของยอดขายรวมสำหรับวันที่ทั้งหมดในตาราง Date ดังนี้: PercentileX Exclusive การใช้ PercentileX Exclusive ขึ้นอยู่กับเทมเพลตต่อไปนี้โดยใช้เครื่องหมายเดียวกับที่ใช้ใน PercentileX Inclusive: ตัวอย่างเช่นคุณ สามารถเขียน PercentileXExc ของยอดขายรวมสำหรับวันที่ทั้งหมดในตาราง Date ดังนี้: แจ้งให้ฉันทราบเกี่ยวกับรูปแบบที่จะมาถึง (จดหมายข่าว) ยกเลิกการเลือกเพื่อดาวน์โหลดไฟล์โดยอิสระ เผยแพร่เมื่อวันที่ 17 มีนาคม 2014 โดยค่าเฉลี่ยเฉลี่ย: อะไรคือตัวชี้วัดทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อวัดทิศทางของแนวโน้มในปัจจุบัน ค่าเฉลี่ยเคลื่อนที่ทุกประเภท (เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA) คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมา เมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงในแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมด รูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่โดยทั่วไปหมายถึงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย (SMA) โดยคำนวณค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนด ตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา (110) คือ หารด้วยจำนวนวัน (10) เพื่อให้ได้ค่าเฉลี่ย 10 วัน หากผู้ค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนจะต้องมีการคำนวณประเภทเดียวกัน แต่จะรวมราคาในช่วง 50 วันที่ผ่านมา ค่าเฉลี่ยที่เกิดขึ้นด้านล่าง (11) คำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อให้ผู้ค้าทราบว่าสินทรัพย์มีราคาเทียบกับ 10 วันที่ผ่านมาอย่างไร บางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ว่าเป็นค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ยปกติ คำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งานจุดข้อมูลที่เก่าที่สุดต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ ๆ ต้องมาเพื่อแทนที่ ดังนั้นชุดข้อมูลจึงมีการย้ายข้อมูลบัญชีใหม่ ๆ ไปเรื่อย ๆ วิธีการคำนวณนี้ช่วยให้แน่ใจได้ว่าจะมีการบันทึกข้อมูลปัจจุบันเท่านั้น ในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดง (แทนจุดข้อมูล 10 จุดที่ผ่านมา) จะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณ เนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูงถึง 15 คุณจึงคาดว่าจะเห็นค่าเฉลี่ยของการลดลงของชุดข้อมูลซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เมื่อค่าของ MA ได้รับการคำนวณพวกเขาจะวางแผนลงบนแผนภูมิและเชื่อมต่อแล้วเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่ เส้นโค้งเหล่านี้มีอยู่ทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีการใช้งานเหล่านี้อาจแตกต่างกันอย่างมาก (ในภายหลัง) ดังที่เห็นในรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิโดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณ เส้นโค้งเหล่านี้ดูเหมือนจะเสียสมาธิหรือทำให้เกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับมันเมื่อเวลาผ่านไป เส้นสีแดงเป็นเพียงราคาเฉลี่ยในช่วง 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมา ตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่คืออะไรและแนะนำให้ใช้ค่าเฉลี่ยเคลื่อนที่ที่ต่างกันและดูว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงก่อนหน้านี้เท่าไร ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมอย่างมากของผู้ค้า แต่เป็นตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์ หลายคนอ้างว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้าย ในการตอบสนองต่อคำวิจารณ์นี้ผู้ค้าเริ่มให้น้ำหนักกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์เครื่องคิดเลขใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) (สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลเบื้องต้นเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA กับ EMA) ค่าเฉลี่ยเคลื่อนที่แบบเสวนาค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากกว่าราคาล่าสุดในความพยายามที่จะทำให้การตอบสนองดีขึ้น ข้อมูลใหม่ ๆ การเรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกชุดรูปแบบแผนภูมิทำคำนวณสำหรับคุณ อย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA: เมื่อใช้สูตรในการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนหน้านี้ ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและต่อเนื่องโดยใช้สูตรด้านบนจากที่นั่น เราได้จัดเตรียมสเปรดชีตตัวอย่างไว้ในตัวอย่างชีวิตจริงในการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่แบบเรียบและค่าเฉลี่ยเคลื่อนที่แบบเสวนา ความแตกต่างระหว่าง EMA และ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA คำนวณอย่างไรให้ลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไร เมื่อพิจารณาการคำนวณ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลสำคัญ ๆ อยู่ในจุดข้อมูลล่าสุดทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนัก ในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเหมือนกัน (15) แต่ EMA จะตอบสนองต่อการเปลี่ยนแปลงราคาได้เร็วขึ้น สังเกตว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลง การตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA อะไรที่แตกต่างกันระหว่างวันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่สามารถปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกกรอบเวลาที่ต้องการได้ทุกเมื่อสร้างค่าเฉลี่ย ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วัน ช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนมากขึ้นคือการเปลี่ยนแปลงราคา ยิ่งช่วงเวลาที่ยาวนานขึ้นเท่าไรก็ยิ่งอ่อนไหวหรือเรียบเนียนขึ้นเท่านั้นโดยเฉลี่ยแล้ว ไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณ วิธีที่ดีที่สุดในการพิจารณาว่ารูปแบบใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบกับช่วงเวลาที่เหมาะสมกับกลยุทธ์ของคุณ ค่าเฉลี่ยเคลื่อนที่: วิธีการใช้งาน
Forex -trading- กลยุทธ์ ฟรีดาวน์โหลด
HDFC -forex- เติมเงิน บัตร สุทธิ ธนาคาร เข้าสู่ระบบ