วิธี การ คำนวณ เฉลี่ยเคลื่อนที่ คาดการณ์

การคาดการณ์การเคลื่อนที่โดยเฉลี่ยขณะที่คุณอาจคาดเดาเรากำลังมองหาวิธีการดั้งเดิมบางอย่างในการคาดการณ์ แต่หวังว่าอย่างน้อยการแนะนำอย่างคุ้มค่าสำหรับประเด็นด้านคอมพิวเตอร์บางอย่างที่เกี่ยวข้องกับการคาดการณ์ในสเปรดชีตในหลอดเลือดดำนี้เราจะดำเนินต่อไป เริ่มต้นที่จุดเริ่มต้นและเริ่มทำงานกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่การคาดการณ์เฉลี่ยโดยเฉลี่ยทุกคนคุ้นเคยกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยไม่คำนึงถึงว่าพวกเขาเชื่อหรือไม่ว่าพวกเขาเป็นนักศึกษาวิทยาลัยทุกคนทำตลอดเวลาคิดถึงคะแนนการทดสอบของคุณในหลักสูตรที่คุณกำลังจะไป มีการทดสอบสี่ครั้งในระหว่างภาคการศึกษา Let s สมมติว่าคุณมี 85 คนในการทดสอบครั้งแรกคุณจะทำนายคะแนนทดสอบที่สองคุณคิดอย่างไรว่าครูของคุณจะคาดการณ์คะแนนทดสอบต่อไปคุณคิดว่าเพื่อนของคุณอาจคาดเดาได้อย่างไร สำหรับคะแนนการทดสอบถัดไปคุณคิดว่าพ่อแม่ของคุณอาจคาดเดาคะแนนการทดสอบต่อไปของคุณได้โดยไม่ต้องคำนึงถึงการทำร้ายทั้งหมดที่คุณอาจทำกับคุณ iends และพ่อแม่พวกเขาและครูของคุณมีแนวโน้มที่จะคาดหวังว่าคุณจะได้รับบางสิ่งบางอย่างในพื้นที่ของ 85 ที่คุณเพิ่งได้ดีตอนนี้ให้สมมติว่าแม้จะมีการโปรโมตตัวเองให้กับเพื่อน ๆ ของคุณ และตัวเลขที่คุณสามารถศึกษาได้น้อยกว่าสำหรับการทดสอบที่สองและเพื่อให้คุณได้รับ 73. ตอนนี้สิ่งที่ทุกคนกังวลและไม่แยแสคาดว่าคุณจะได้รับในการทดสอบที่สามของคุณมีสองวิธีมีโอกาสมากสำหรับพวกเขาในการพัฒนาประมาณการโดยไม่คำนึงถึง ไม่ว่าพวกเขาจะแบ่งปันกับคุณพวกเขาอาจพูดกับตัวเองว่าผู้ชายคนนี้มักจะเป่าควันเกี่ยวกับสมาร์ทของเขาเขาจะได้รับอีก 73 ถ้าเขาโชคดีอาจเป็นพ่อแม่จะพยายามที่จะสนับสนุนมากขึ้นและพูดว่าดีดังนั้น ไกลคุณได้รับ 85 และ 73 ดังนั้นบางทีคุณควรจะคิดเกี่ยวกับการเกี่ยวกับ 85 73 2 79 ฉัน don t รู้บางทีถ้าคุณได้ปาร์ตี้น้อยและ weren t wagging วีเซิลทั่วสถานที่และถ้าคุณเริ่มต้นทำ มากขึ้นการศึกษาที่คุณจะได้รับคะแนนสูงกว่าทั้งสองประมาณการเหล่านี้เป็นจริง การคาดการณ์โดยเฉลี่ยของการเคลื่อนที่เป็นอันดับแรกอันดับแรกใช้เฉพาะคะแนนล่าสุดของคุณที่จะคาดการณ์ประสิทธิภาพในอนาคตของคุณซึ่งเรียกว่าการคาดการณ์ค่าเฉลี่ยโดยเฉลี่ยโดยใช้ข้อมูลระยะเวลาหนึ่งวินาทีนอกจากนี้ยังเป็นค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลสองช่วงข้อมูล ว่าคนเหล่านี้ทั้งหมด busting ในจิตใจที่ดีของคุณมีการจัดประเภทของ pissed คุณออกและคุณตัดสินใจที่จะทำดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและจะนำคะแนนที่สูงขึ้นในด้านหน้าของพันธมิตรของคุณคุณจะทดสอบและคะแนนของคุณเป็นจริง 89 ตอนนี้คุณมีการทดสอบครั้งสุดท้ายของภาคเรียนที่กำลังจะมาถึงและตามปกติแล้วคุณรู้สึกว่าจำเป็นที่จะต้องกระตุ้นให้ทุกคนคาดการณ์ว่าคุณจะทำอะไรในการทดสอบครั้งล่าสุดดีหวังว่าคุณจะได้เห็น รูปแบบขณะนี้เราหวังว่าคุณจะได้เห็นรูปแบบที่คุณเชื่อว่าเป็นสิ่งที่ถูกต้องที่สุดในขณะที่เราทำงานตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดแห่งใหม่ซึ่งเริ่มต้นโดยน้องสาวที่ถูกแยกออกจากกันของคุณชื่อ Whistle ขณะที่เราทำงานคุณมีข้อมูลการขายที่ผ่านมา เราแสดงข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 3 ช่วงโดยรายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11.Notice ค่าเฉลี่ยของการเคลื่อนย้าย มากกว่าข้อมูลทางประวัติศาสตร์ล่าสุด แต่ใช้เวลาสามช่วงล่าสุดสำหรับการคาดการณ์แต่ละครั้งนอกจากนี้คุณควรสังเกตด้วยว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อพัฒนาการคาดการณ์ล่าสุดของเราซึ่งแน่นอนว่าแตกต่างจาก exponential smoothing model I ve รวมการคาดการณ์ที่ผ่านมาเพราะเราจะใช้พวกเขาในหน้าเว็บถัดไปเพื่อวัดความถูกต้องของการทำนายตอนนี้ฉันต้องการนำเสนอผลลัพธ์ที่คล้ายคลึงกันสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 2 ช่วงเวลารายการ C5 สำหรับเซลล์ควรเป็นตอนนี้ สามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C6 ถึง C11.Notice ตอนนี้มีเพียงสองชิ้นล่าสุดของข้อมูลที่ผ่านมาที่ใช้สำหรับการคาดการณ์แต่ละครั้งที่ฉันได้รวมไว้ d การคาดการณ์ที่ผ่านมาเพื่อวัตถุประสงค์ในการอธิบายและเพื่อใช้ในภายหลังในการตรวจสอบความคาดการณ์สิ่งอื่น ๆ บางอย่างที่มีความสำคัญต่อการสังเกตสำหรับระยะเวลาการเคลื่อนที่เฉลี่ยของ m-m เท่านั้นค่าข้อมูล m ล่าสุดมีการใช้เพื่อทำให้การคาดการณ์ไม่มีอะไรที่จำเป็น สำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-metric เมื่อทำการคาดการณ์ที่ผ่านมาสังเกตว่าการทำนายครั้งแรกเกิดขึ้นในช่วง m 1. ปัญหาเหล่านี้จะมีความสำคัญมากเมื่อเราพัฒนาโค้ดของเราการพัฒนาฟังก์ชัน Average Moving Average ตอนนี้เราจำเป็นต้องพัฒนาขึ้น รหัสสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้ความยืดหยุ่นได้มากขึ้นรหัสต่อไปนี้สังเกตว่าปัจจัยการผลิตเป็นจำนวนงวดที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของค่าทางประวัติศาสตร์คุณสามารถจัดเก็บไว้ในสมุดงานที่คุณต้องการใด ๆ ฟังก์ชั่น MovingAverage Historical, NumberOfPeriods เป็น Single Declaring และ initializing variables Dim Items เป็นตัวนับ Dim Variant เป็นจำนวนเต็ม Integer Dim เป็น Single Dim HistoricalSize As Integer Initializing variables Counter 1 Accumulation 0 การกำหนดขนาดของอาร์เรย์ HistoricalSize. For สำหรับ Counter 1 ถึง NumberOfPeriods สะสมจำนวนที่เหมาะสมของค่าที่สังเกตก่อนหน้านี้สะสมสะสมข้อมูลประวัติ HistoricalSize - NumberOfPeriods Counter. MovingAverage การสะสม NumberOfPeriods รหัสจะอธิบายในชั้นเรียนคุณต้องการวางตำแหน่งฟังก์ชันในกระดาษคำนวณเพื่อให้ผลลัพธ์ของการคำนวณปรากฏขึ้นที่ควร เช่นค่าเฉลี่ย Average. Moving ต่อไปตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้จุดสูงสุดและที่ราบสูงเป็นไปอย่างราบรื่นเพื่อให้ทราบถึงแนวโน้มต่างๆได้ง่ายขึ้นอันดับแรกลองมาดูที่ time 2 ในแท็บ Data คลิก Data Analysis. Note สามารถหาปุ่ม Data Analysis คลิกที่นี่เพื่อโหลด Add-In Toolkit การวิเคราะห์ 3 เลือก Moving Average และคลิก OK.4 คลิกที่ Input Range box และเลือก ช่วง B2 M2.5 คลิกที่ช่อง Interval และพิมพ์ 6.6 คลิกที่ Output Range และเลือกเซลล์ B3.8 วาดกราฟของค่าเหล่านี้การอธิบายเนื่องจากเรากำหนดช่วงเวลา t o 6 ค่าเฉลี่ยเคลื่อนที่อยู่ที่ค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและจุดข้อมูลปัจจุบันผลลัพธ์ยอดและหุบเขาจะเรียบออกกราฟแสดงแนวโน้มการเพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกเนื่องจากมี ไม่เพียงพอจุดข้อมูลก่อนหน้านี้ 9 ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วง 2 และช่วงเวลา 4. ข้อสรุปช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้นช่วงเวลาที่เล็กลงใกล้เคียงค่าเฉลี่ยเคลื่อนที่จะเท่ากับข้อมูลจริง จุดเฉลี่ยที่สูงขึ้นสิ่งที่พวกเขาอยู่ในตัวบ่งชี้ทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัดทิศทางของแนวโน้มในปัจจุบันค่าเฉลี่ยเคลื่อนที่ที่เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวน ของจุดข้อมูลที่ผ่านมาเมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงในแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะเน้นความผันผวนของราคาในแต่ละวัน t หมวกมีอยู่ในตลาดการเงินทั้งหมดรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่ซึ่งเรียกได้ว่าเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย SMA คำนวณโดยใช้ค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนดตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันพื้นฐาน คุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา 110 จะหารด้วยจำนวนวันที่ 10 เพื่อให้ได้ค่าเฉลี่ย 10 วัน หากผู้ค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนจะมีการคำนวณประเภทเดียวกัน แต่จะรวมราคาในช่วง 50 วันที่ผ่านมาค่าเฉลี่ยที่เกิดขึ้นต่ำกว่า 11 จะคำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อที่จะให้ พ่อค้าคิดว่าสินทรัพย์มีราคาเทียบกับที่ผ่านมา 10 วันบางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ว่าค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ยความหมายคำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งานจุดข้อมูลที่เก่าแก่ที่สุดต้อง หลุดจากชุด และจุดข้อมูลใหม่ต้องมาแทนที่พวกเขาดังนั้นชุดข้อมูลจะเคลื่อนย้ายบัญชีไปเรื่อย ๆ เพื่อให้มีข้อมูลใหม่เมื่อพร้อมใช้งานวิธีการคำนวณนี้ทำให้แน่ใจได้ว่ามีการบันทึกข้อมูลเฉพาะปัจจุบันเท่านั้นในรูปที่ 2 เมื่อมีค่าใหม่ 5 จะถูกเพิ่มลงในชุดกล่องสีแดงที่แสดงถึง 10 จุดข้อมูลที่ผ่านมาจะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณเนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูงถึง 15 ซึ่งคุณคาดว่าจะเห็น ค่าเฉลี่ยของชุดข้อมูลลดลงซึ่งเป็นค่าเฉลี่ยในกรณีนี้ตั้งแต่ 11 ถึง 10. ค่าเฉลี่ยของการเคลื่อนย้ายที่เกิดขึ้นเมื่อค่าของ MA ถูกคำนวณแล้วจะมีการวางแผนลงกราฟและเชื่อมต่อเพื่อสร้างค่าเฉลี่ยเคลื่อนที่ line เส้นโค้งเหล่านี้เป็นเส้นทั่วไปในแผนภูมิของผู้ค้าทางเทคนิค แต่วิธีที่ใช้จะแตกต่างกันไปมากในภายหลังเนื่องจากคุณสามารถเห็นได้จากรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิใดก็ได้โดยการปรับตัวเลข ของ ti ช่วงเวลาที่ใช้ในการคำนวณเส้นโค้งเหล่านี้ดูเหมือนจะทำให้เสียสมาธิหรือเกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับพวกเขาเมื่อเวลาผ่านไปเส้นสีแดงเป็นเพียงราคาเฉลี่ยที่ผ่านมา 50 วันในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ย ในช่วง 100 วันที่ผ่านมาตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่อยู่ที่เท่าไรและเราจะแนะนำค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันอย่างไรและตรวจสอบความแตกต่างของค่าเฉลี่ยเคลื่อนที่ที่กล่าวมาข้างต้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมมาก ในหมู่ผู้ค้า แต่ชอบตัวชี้วัดทางเทคนิคทั้งหมดก็มีนักวิจารณ์หลายคนอ้างว่าประโยชน์ของ SMA จะถูก จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับที่นักวิจารณ์ยืนยันว่ามากที่สุด ข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้ายในการตอบสนองต่อคำติชมนี้ผู้ค้าเริ่มให้น้ำหนักมากขึ้นกับข้อมูลล่าสุดซึ่ง h เนื่องจากเป็นการนำไปสู่การประดิษฐ์เครื่องคิดเลขใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดคือ EMA ที่มีค่าเฉลี่ยเป็นเลขยกกำลังสำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA และ EMA ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ ค่าเฉลี่ยเคลื่อนที่แบบเสวนาเป็นค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากขึ้นกับราคาล่าสุดในความพยายามที่จะทำให้สามารถตอบสนองต่อข้อมูลใหม่ได้มากขึ้นการเรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกชุดแผนภูมิทำ คำนวณสำหรับคุณอย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่เป็นสมการ EMA เมื่อใช้สูตรในการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนปัญหาเล็ก ๆ นี้สามารถ ได้รับการแก้ไขโดยการเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและดำเนินการต่อโดยใช้สูตรด้านบนจากที่นั่นเราได้จัดเตรียมสเปรดชีตตัวอย่างไว้ด้วย ชีวิตตัวอย่างของวิธีการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดความแตกต่างระหว่าง EMA และ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA คำนวณอย่างไรให้ลองดูที่วิธีการ ค่าเฉลี่ยเหล่านี้แตกต่างโดยดูที่การคำนวณของ EMA คุณจะสังเกตเห็นว่าเน้นมากขึ้นจะถูกวางไว้บนจุดข้อมูลล่าสุดทำให้มันเป็นชนิดของค่าเฉลี่ยถ่วงน้ำหนักในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละเฉลี่ยเป็นเหมือนกัน 15, แต่ EMA ตอบสนองต่อราคาเปลี่ยนแปลงได้เร็วขึ้นสังเกตว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลงการตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA. What Does วันแตกต่างกันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ปรับแต่งโดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกช่วงเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ยช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนย้าย ค่าเฉลี่ยคือ 15, 20, 30, 50, 100 และ 200 วันช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนมากขึ้นคือการเปลี่ยนแปลงราคาช่วงเวลาที่ยาวนานขึ้นไม่สำคัญหรือมีประสิทธิภาพมากขึ้น ค่าเฉลี่ยจะไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณวิธีที่ดีที่สุดในการพิจารณาว่าค่าใดเหมาะที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบช่วงเวลาที่เหมาะสมกับกลยุทธ์ของคุณ