ทำไม ต้องทำ เฉลี่ยเคลื่อนที่

ค่าเฉลี่ยเคลื่อนที่: อะไรคือตัวชี้วัดทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อวัดทิศทางของแนวโน้มในปัจจุบัน ค่าเฉลี่ยเคลื่อนที่ทุกประเภท (เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA) คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมา เมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมด 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 คุณจึงคาดว่าจะเห็นค่าเฉลี่ยของการลดข้อมูลชุดซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เมื่อค่าของ MA ได้รับการคำนวณพวกเขาจะวางแผนลงบนแผนภูมิและเชื่อมต่อแล้วเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่ เส้นโค้งเหล่านี้มีอยู่ทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีการใช้งานเหล่านี้อาจแตกต่างกันอย่างมาก (ในภายหลัง) ดังที่เห็นในรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิใด ๆ โดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณ เส้นโค้งเหล่านี้ดูเหมือนจะเสียสมาธิหรือทำให้เกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับพวกเขาเมื่อเวลาผ่านไป เส้นสีแดงเป็นเพียงราคาเฉลี่ยในช่วง 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมา ตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่คืออะไรและแนะนำให้ใช้ค่าเฉลี่ยเคลื่อนที่ที่ต่างกันและดูว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงก่อนหน้านี้เท่าไร ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมอย่างมากของผู้ค้า แต่เป็นตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์ หลายคนอ้างว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเท่ากันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้าย ในการตอบสนองต่อคำวิจารณ์นี้ผู้ค้าเริ่มให้ความสำคัญกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์เครื่องคิดเลขใหม่ 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 อะไรที่แตกต่างกันระหว่างวันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกช่วงเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ย ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วัน ช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนมากขึ้นคือการเปลี่ยนแปลงราคา ยิ่งช่วงเวลาที่ยาวนานขึ้นเท่าไรก็ยิ่งอ่อนไหวหรือเรียบเนียนขึ้นเท่านั้นโดยเฉลี่ยแล้ว ไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณ วิธีที่ดีที่สุดในการพิจารณาว่าช่วงใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบช่วงเวลาที่เหมาะกับกลยุทธ์ของคุณวิธีการใช้ Moving Averages การย้ายค่าเฉลี่ยช่วยให้เราสามารถกำหนดแนวโน้มและอันดับที่สองเพื่อรับรู้ได้ การเปลี่ยนแปลงในแนวโน้ม แค่นั้นแหละ. ไม่มีอะไรที่ดีสำหรับพวกเขา สิ่งอื่นใดเป็นเพียงแค่เสียเวลา ฉันจะไม่ได้รับรายละเอียดเกี่ยวกับวิธีการที่พวกเขาจะถูกสร้างขึ้น มีเกี่ยวกับเว็บไซต์ zillion ที่จะอธิบายการแต่งหน้าทางคณิตศาสตร์ของพวกเขา ฉันจะปล่อยให้คุณทำอย่างนั้นในวันหนึ่งของคุณเองเมื่อคุณเบื่อกับความคิดของคุณ แต่สิ่งที่คุณต้องรู้ก็คือเส้นค่าเฉลี่ยเคลื่อนที่เป็นเพียงราคาเฉลี่ยของหุ้นในช่วงเวลาหนึ่ง แค่นั้นแหละ. ค่าเฉลี่ยเคลื่อนที่สองค่าที่ฉันใช้ค่าเฉลี่ยเคลื่อนที่สองค่าคือค่าเฉลี่ยเคลื่อนที่เฉลี่ยของช่วงเวลา 10 (SMA) และค่าเฉลี่ยเคลื่อนที่เชิงเส้น 30 (EMA) ฉันชอบที่จะใช้ช้าลงและเร็วขึ้น ทำไมเพราะเมื่อเร็ว (10) ข้ามไปช้ากว่า (30) มันมักจะส่งสัญญาณการเปลี่ยนแปลงแนวโน้ม ลองดูตัวอย่าง: คุณสามารถดูในแผนภูมิด้านบนว่าเส้นเหล่านี้สามารถช่วยคุณกำหนดแนวโน้มได้อย่างไร ที่ด้านข้างซ้ายของกราฟ 10 SMA อยู่เหนือเส้น 30 EMA และมีแนวโน้มเพิ่มขึ้น สัญญาณ SMA 10 ตัวผวนลงมาต่ำกว่า 30 EMA ในช่วงกลางเดือนสิงหาคมและแนวโน้มจะลดลง จากนั้นดัชนี SMA 10 ตัวก็ทะลุผ่านเส้น 30 EMA ในเดือนกันยายนและมีแนวโน้มเพิ่มขึ้นอีกครั้งและจะกลับมาอยู่อีกหลายเดือนหลังจากนั้น ต่อไปนี้เป็นกฎ: ให้ความสำคัญกับตำแหน่งที่ยาวเมื่อ SMA 10 อยู่เหนือเส้น 30 EMA เน้นเฉพาะตำแหน่งสั้น ๆ เมื่อ SMA 10 อยู่ต่ำกว่า 30 EMA มันไม่ได้ง่ายกว่านั้นและมันก็จะทำให้คุณอยู่ทางด้านขวาของแนวโน้มทราบว่าค่าเฉลี่ยเคลื่อนที่จะทำงานได้ดีเมื่อหุ้นมีแนวโน้ม - ไม่เมื่อพวกเขาอยู่ในช่วงการซื้อขาย เมื่อหุ้น (หรือตลาดเอง) กลายเป็นเลอะเทอะคุณสามารถละเลยค่าเฉลี่ยเคลื่อนที่ได้ - โดยปกติแล้วจะเป็นสิ่งสำคัญที่ต้องจดจำ (สำหรับตำแหน่งที่ยาว - ย้อนกลับสำหรับตำแหน่งสั้น ๆ ): SMA 10 ตัวต้องสูงกว่า 30 EMA ต้องมีช่องว่างระหว่างค่าเฉลี่ยเคลื่อนที่ ทั้งสองค่าเฉลี่ยเคลื่อนที่จะต้องแคบลง ค่าเฉลี่ยเคลื่อนที่ 200 ครั้ง SMA 200 ถูกใช้เพื่อแยกดินแดนของวัวจากดินแดนหมี การศึกษาพบว่าการเน้นตำแหน่งยาวเหนือบรรทัดนี้และตำแหน่งสั้น ๆ ใต้เส้นนี้จะทำให้คุณมีขอบเล็กน้อย คุณควรเพิ่มค่าเฉลี่ยเคลื่อนที่นี้ลงในแผนภูมิทั้งหมดในกรอบเวลาทั้งหมด ใช่. แผนภูมิรายสัปดาห์, แผนภูมิรายวันและแผนภูมิภายในวัน (15 นาที, 60 นาที) SMA 200 เป็นค่าเฉลี่ยเคลื่อนที่ที่สำคัญที่สุดที่จะมีอยู่ในแผนภูมิหุ้น คุณจะประหลาดใจที่จำนวนครั้งที่หุ้นจะย้อนกลับในพื้นที่นี้ ใช้เพื่อประโยชน์ของคุณนอกจากนี้เมื่อเขียนการสแกนหาหุ้นคุณสามารถใช้ตัวเลือกนี้เป็นตัวกรองเพิ่มเติมเพื่อค้นหาการตั้งค่าที่ยาวนานซึ่งอาจอยู่เหนือบรรทัดนี้และอาจมีการตั้งค่าสั้น ๆ ที่อยู่ใต้เส้นนี้ การสนับสนุนและความต้านทานขัดต่อความเชื่อที่เป็นที่นิยมหุ้นไม่พบการสนับสนุนหรือความต้านทานต่อค่าเฉลี่ยเคลื่อนที่ หลายครั้งที่คุณจะได้ยินพ่อค้าบอกว่า Hey ดูที่หุ้นนี้มันเด้งออกจากค่าเฉลี่ยเคลื่อนที่ 50 วันทำไมสต็อกก็รีบออกจากสายที่ผู้ประกอบการค้าบางวางบนแผนภูมิหุ้นมัน wouldnt หุ้นจะเด้ง (ถ้าคุณต้องการเรียกว่า) จากระดับราคาที่สำคัญที่เกิดขึ้นในอดีตไม่ใช่บรรทัดบนแผนภูมิ หุ้นจะกลับ (ขึ้นหรือลง) ในระดับราคาที่ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่ที่เป็นที่นิยม แต่จะไม่ย้อนกลับไปที่บรรทัด ดังนั้นสมมติว่าคุณกำลังดูแผนภูมิและคุณเห็นสต็อคที่ดึงกลับมาช่วยบอกว่าค่าเฉลี่ยเคลื่อนที่รอบระยะเวลา 200 ดูที่ระดับราคาในแผนภูมิซึ่งเป็นจุดที่มีการสนับสนุนหรือความต้านทานอย่างมากในอดีต นั่นคือพื้นที่ที่หุ้นอาจจะกลับรายการข้อมูลที่ปรับลดจะลบรูปแบบที่สุ่มออกและแสดงแนวโน้มและส่วนประกอบแบบวนรอบที่มีอยู่ในการรวบรวมข้อมูลที่เกิดขึ้นในช่วงเวลาหนึ่ง ๆ คือรูปแบบของรูปแบบที่สุ่ม มีวิธีการลดการยกเลิกผลกระทบเนื่องจากรูปแบบสุ่ม เทคนิคที่มักใช้ในอุตสาหกรรมคือการทำให้เรียบ เทคนิคนี้เมื่อนำมาประยุกต์ใช้อย่างถูกต้องจะแสดงให้เห็นถึงแนวโน้มขององค์ประกอบตามฤดูกาลและวัฏจักรที่ชัดเจนยิ่งขึ้น มีสองวิธีที่เรียบง่ายในการทำให้เรียบวิธีการคำนวณค่าเฉลี่ยวิธีการหาค่าความสม่าเสมอการใช้ค่าเฉลี่ยเป็นวิธีที่ง่ายที่สุดในการทำให้ข้อมูลราบรื่นก่อนอื่นเราจะตรวจสอบวิธีการเฉลี่ยบางอย่างเช่นค่าเฉลี่ยทั่วไปของข้อมูลที่ผ่านมาทั้งหมด ผู้จัดการคลังสินค้าต้องการทราบว่าผู้จัดจำหน่ายทั่วไปให้บริการเท่าไรใน 1,000 ดอลลาร์ Heshe ใช้ตัวอย่างของซัพพลายเออร์จำนวน 12 รายโดยสุ่มได้ผลลัพธ์ดังนี้: ค่าเฉลี่ยหรือค่าเฉลี่ยของข้อมูล 10. ผู้จัดการตัดสินใจที่จะใช้ค่านี้เป็นค่าประมาณสำหรับค่าใช้จ่ายของผู้จัดจำหน่ายทั่วไป นี่คือการประมาณการที่ดีหรือไม่ดีข้อผิดพลาดหมายถึงกำลังสองเป็นวิธีที่จะตัดสินว่ารูปแบบที่ดีอย่างไรเราจะคำนวณความคลาดเคลื่อนกำลังสองเฉลี่ย จำนวนเงินที่ใช้จ่ายจริงลบด้วยจำนวนเงินโดยประมาณ ข้อผิดพลาด squared คือข้อผิดพลาดข้างต้นยกกำลังสอง SSE คือผลรวมของข้อผิดพลาดสี่เหลี่ยม MSE เป็นค่าเฉลี่ยของข้อผิดพลาดสี่เหลี่ยม ผลลัพธ์ที่ได้คือ MSE ข้อผิดพลาดและข้อผิดพลาดในแบบสี่เหลี่ยมประมาณ 10 คำถามที่เกิดขึ้น: เราสามารถใช้ค่าเฉลี่ยในการคาดการณ์รายได้ได้ถ้าเราสงสัยว่าเทรนด์ A ดูกราฟด้านล่างแสดงให้เห็นอย่างชัดเจนว่าเราไม่ควรทำเช่นนี้ ค่าเฉลี่ยของการสังเกตทั้งหมดในอดีตโดยสรุปเราระบุว่าค่าเฉลี่ยหรือค่าเฉลี่ยเฉลี่ยของการสังเกตทั้งหมดในอดีตเป็นเพียงประมาณการที่เป็นประโยชน์สำหรับการคาดการณ์เมื่อไม่มีแนวโน้ม หากมีแนวโน้มให้ใช้ค่าประมาณต่างๆที่คำนึงถึงแนวโน้ม ค่าเฉลี่ยถ่วงน้ำหนักการสังเกตการณ์ในอดีตอย่างเท่าเทียมกัน ตัวอย่างเช่นค่าเฉลี่ยของค่า 3, 4, 5 คือ 4. เรารู้แน่นอนว่าค่าเฉลี่ยคำนวณโดยการเพิ่มค่าทั้งหมดและหารผลรวมตามจำนวนค่า อีกวิธีหนึ่งในการคำนวณค่าเฉลี่ยคือการเพิ่มแต่ละค่าหารด้วยจำนวนค่าหรือ 33 43 53 1 1.3333 1.6667 4. ตัวคูณ 13 เรียกว่าน้ำหนัก โดยทั่วไป: bar frac sum left (frac right) x1 left (frac right) x2,. ,, left (frac right) xn. (ซ้าย (ขวา frac)) เป็นน้ำหนักและแน่นอนพวกเขารวมถึง 1.Moving averages ถ้าข้อมูลนี้ถูกวางแผนไว้ในกราฟจะมีลักษณะดังนี้: นี้แสดงให้เห็นว่ามีความหลากหลายรูปแบบในจำนวนผู้เข้าชม ขึ้นอยู่กับฤดูกาล ในฤดูใบไม้ร่วงและฤดูหนาวมีน้อยมากในฤดูใบไม้ผลิและฤดูร้อน อย่างไรก็ตามหากเราต้องการเห็นแนวโน้มของจำนวนผู้เข้าชมเราสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้ 4 จุด เราทำเช่นนี้โดยหาจำนวนผู้เข้าชมเฉลี่ยในสี่ไตรมาสของปีพ. ศ. 2548: จากนั้นเราจะพบจำนวนผู้เข้าชมเฉลี่ยในช่วงสามไตรมาสสุดท้ายของปี 2548 และไตรมาสแรกของปี 2549: จากนั้นสองไตรมาสสุดท้ายของปี 2548 และสองไตรมาสแรก จากปี 2549: โปรดทราบว่าค่าเฉลี่ยล่าสุดที่เราสามารถหาได้คือช่วง 2 ไตรมาสสุดท้ายของปี 2549 และในช่วง 2 ไตรมาสแรกของปี 2550 เราคำนวณค่าเฉลี่ยเคลื่อนที่ของกราฟเพื่อให้แน่ใจว่าแต่ละค่าเฉลี่ยถูกวางแผนไว้ที่กึ่งกลางของสี่ไตรมาส ครอบคลุม: ตอนนี้เราสามารถเห็นได้ว่าผู้เข้าชมมีแนวโน้มลดลงเล็กน้อย