Sma ง่าย เฉลี่ยเคลื่อนที่ วิกิพีเดีย

Simple Moving Average - SMA ลดลง Simple Moving Average - SMA ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายสามารถปรับแต่งได้โดยสามารถคำนวณได้ตามช่วงเวลาต่าง ๆ โดยการเพิ่มราคาปิดของการรักษาความปลอดภัยเป็นระยะเวลาหนึ่งแล้วหาร จำนวนนี้โดยรวมของจำนวนงวดซึ่งจะให้ราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลา ค่าเฉลี่ยเคลื่อนที่ที่เรียบช่วยขจัดความผันผวนและทำให้สามารถดูแนวโน้มราคาของหลักทรัพย์ได้ง่ายขึ้น หากค่าเฉลี่ยเคลื่อนที่ขึ้นเล็กน้อยหมายความว่าราคาหลักทรัพย์เพิ่มมากขึ้น หากมีการชี้ลงหมายความว่าราคาหลักทรัพย์ลดลง ระยะเวลาที่ยาวขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่จะยิ่งทำให้ค่าเฉลี่ยเคลื่อนที่ที่เรียบขึ้นเท่านั้น ค่าเฉลี่ยเคลื่อนที่ระยะสั้นมีความผันผวนมากขึ้น แต่การอ่านมีความใกล้เคียงกับข้อมูลต้นฉบับ ความสำคัญเชิงวิเคราะห์การเปลี่ยนแปลงค่าเฉลี่ยเป็นเครื่องมือวิเคราะห์ที่สำคัญที่ใช้เพื่อระบุแนวโน้มราคาในปัจจุบันและศักยภาพในการเปลี่ยนแปลงแนวโน้มที่กำหนด รูปแบบที่ง่ายที่สุดในการใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการวิเคราะห์กำลังใช้เพื่อระบุว่าการรักษาความปลอดภัยอยู่ในขาขึ้นหรือขาลงอย่างรวดเร็วหรือไม่ เครื่องมือวิเคราะห์ที่เป็นที่นิยมอีกอย่างหนึ่งแม้ว่าจะมีความซับซ้อนมากกว่าเล็กน้อย แต่ก็คือการเปรียบเทียบค่าเฉลี่ยเคลื่อนที่แบบง่ายๆกับแต่ละช่วงเวลาที่ต่างกัน หากค่าเฉลี่ยเคลื่อนที่แบบระยะสั้นมีค่าสูงกว่าค่าเฉลี่ยระยะยาวคาดว่าแนวโน้มขาขึ้นจะเป็นไปตามคาด ในทางกลับกันค่าเฉลี่ยระยะยาวที่สูงกว่าค่าเฉลี่ยระยะสั้นจะส่งผลให้แนวโน้มการปรับตัวลดลง รูปแบบการค้าที่นิยมใช้รูปแบบการซื้อขายสองรูปแบบที่นิยมใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ ได้แก่ เครื่องหมายกากบาทและกากบาทสีทอง การเสียชีวิตเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ 50 วันที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 200 วัน ถือเป็นสัญญาณขาลงที่มีการขาดทุนเพิ่มขึ้น เครื่องหมายกากบาทสีทองเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ระยะสั้นอยู่เหนือค่าเฉลี่ยเคลื่อนที่ในระยะยาว การเพิ่มขึ้นของปริมาณการซื้อขายที่เพิ่มขึ้นอาจส่งผลให้กำไรเพิ่มขึ้นอย่างต่อเนื่องค่าเฉลี่ยในสถิติ ค่าเฉลี่ยเคลื่อนที่เป็นหนึ่งในครอบครัวของเทคนิคที่คล้ายกันที่ใช้ในการวิเคราะห์ข้อมูลชุดเวลา ชุดค่าเฉลี่ยเคลื่อนที่สามารถคำนวณได้ทุกช่วงเวลา ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้เกิดความผันผวนในระยะสั้นซึ่งจะเน้นแนวโน้มหรือรอบระยะยาว เกณฑ์ระหว่างระยะสั้นและระยะยาวขึ้นอยู่กับแอ็พพลิเคชันและพารามิเตอร์ของค่าเฉลี่ยเคลื่อนที่จะถูกตั้งค่าตามลำดับ ทางคณิตศาสตร์แต่ละค่าเฉลี่ยเคลื่อนที่เหล่านี้เป็นตัวอย่างของการหมุนวน ค่าเฉลี่ยเหล่านี้จะคล้ายกับตัวกรองความถี่ต่ำที่ใช้ในการประมวลผลสัญญาณ Simple moving average เฉลี่ยเมื่อคำนวณค่าต่อเนื่องค่าใหม่จะรวมเข้าด้วยกันและค่าเดิมจะลดลงซึ่งหมายความว่าผลรวมเต็มทุกครั้งไม่จำเป็นในการวิเคราะห์ทางเทคนิคมีค่านิยมต่างๆสำหรับ n เช่น 10 วัน 40 วันหรือ 200 วัน ระยะเวลาที่เลือกขึ้นอยู่กับประเภทของการเคลื่อนไหวที่เน้นระยะสั้นระยะปานกลางหรือระยะยาว ไม่ว่าในกรณีใดก็ตามระดับเฉลี่ยของการเคลื่อนไหวจะถูกตีความว่าเป็นการสนับสนุนในตลาดที่เพิ่มขึ้นหรือความต้านทานในตลาดที่ลดลง ในทุกกรณีค่าเฉลี่ยเคลื่อนที่จะล่าช้าไปกว่าการดำเนินการด้านราคาล่าสุดเนื่องจากมีลักษณะเรียบ SMA อาจล่าช้าไปในขอบเขตที่ไม่พึงประสงค์และอาจได้รับอิทธิพลมากเกินไปจากราคาเก่าที่ลดลงจากค่าเฉลี่ย นี่คือจุดสนใจโดยการเพิ่มน้ำหนักให้กับราคาล่าสุดเช่นเดียวกับ WMA และ EMA ด้านล่าง ลักษณะหนึ่งของ SMA คือถ้าข้อมูลมีความผันผวนเป็นระยะแล้วการใช้ SMA ของช่วงเวลาดังกล่าวจะช่วยลดรูปแบบดังกล่าว (ค่าเฉลี่ยที่มีรอบการทำงานครบวงจรหนึ่งครั้ง) แต่วัฏจักรปกติอย่างสมบูรณ์มักไม่ค่อยพบในด้านเศรษฐศาสตร์หรือการเงิน 1 ค่าเฉลี่ยถ่วงน้ำหนักแก้ไขค่าเฉลี่ยถ่วงน้ำหนักเป็นค่าเฉลี่ยที่มีปัจจัยการคูณเพื่อให้น้ำหนักที่แตกต่างกันไปยังจุดข้อมูลที่แตกต่างกัน แต่ในการวิเคราะห์ทางเทคนิคค่าเฉลี่ยถ่วงน้ำหนัก (WMA) มีความหมายเฉพาะเจาะจงของน้ำหนักที่ลดลงทางคณิตศาสตร์ ในวันวาเลเดียว n วันมีน้ำหนัก n n-1 ตัวล่าสุด ฯลฯ ลงไปที่ศูนย์ น้ำหนัก WMA n 15 กราฟทางด้านขวาแสดงให้เห็นว่าน้ำหนักลดลงจากน้ำหนักที่มากที่สุดในช่วงไม่กี่วันที่ผ่านมาลดลงเป็นศูนย์ สามารถเปรียบเทียบกับน้ำหนักในค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้ดังต่อไปนี้ ค่าเฉลี่ยถ่วงน้ำหนักทางคณิตศาสตร์แก้ไขน้ำหนัก EMA N 15 ค่าเฉลี่ยเคลื่อนที่เชิงเส้น (EMA) ซึ่งบางครั้งเรียกว่าค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก (EWMA) ใช้ปัจจัยการถ่วงน้ำหนักที่ลดจำนวนเชิงซ้อน การถ่วงน้ำหนักในแต่ละวันลดลงอย่างมากชี้ให้เห็นความสำคัญมากขึ้นกับข้อสังเกตล่าสุดในขณะที่ยังไม่ได้ทิ้งข้อสังเกตเก่า ๆ ทั้งหมด กราฟด้านขวาแสดงตัวอย่างการลดน้ำหนัก ระดับของการชั่งน้ำหนักลดลงจะแสดงเป็นปัจจัยการปรับความเรียบคงที่จำนวนระหว่าง 0 ถึง 1 อาจแสดงเป็นเปอร์เซ็นต์ดังนั้นค่าความเรียบของ 10 เท่ากับ 0.1 อีกวิธีหนึ่งอาจแสดงเป็นระยะเวลา N ได้ที่ ตัวอย่างเช่น N19 เท่ากับ 0.1 การสังเกตการณ์ในช่วงเวลา t ถูกกำหนดให้เป็น Y t และค่าของ EMA ในช่วงเวลาใด ๆ t ถูกกำหนดเป็น S t S 1 ไม่ได้กำหนดไว้ S 2 อาจถูกเตรียมใช้งานได้หลายวิธีโดยทั่วไปโดยการตั้งค่า S 2 ถึง Y 1 แม้ว่าจะมีเทคนิคอื่น ๆ เช่นการตั้งค่า S 2 เป็นค่าเฉลี่ยของการสังเกตการณ์ 4 หรือ 5 ครั้งแรก ความโดดเด่นของผลการเริ่มต้น S 2 ต่อค่าเฉลี่ยเคลื่อนที่ที่เกิดขึ้นจะขึ้นอยู่กับค่าที่น้อยกว่าทำให้ทางเลือกของ S 2 มีความสำคัญมากกว่าค่าที่มีขนาดใหญ่เนื่องจากข้อสังเกตที่ได้รับจากการสังเกตการณ์ที่สูงขึ้นเร็วกว่า สูตรสำหรับการคำนวณ EMA ในช่วงเวลา t88052 เป็น 2 สูตรนี้เป็นไปตาม Hunter (1986) 3 วิธีอื่นโดย Roberts (1959) ใช้ Y t แทน Y t-1 4 สูตรนี้สามารถแสดงในการวิเคราะห์ทางเทคนิค เงื่อนไขดังต่อไปนี้แสดงให้เห็นว่า EMA ก้าวไปสู่ราคาล่าสุด แต่เพียงส่วนหนึ่งของความแตกต่าง (ทุกครั้ง) 5 ในทางทฤษฎีนี่เป็นผลรวมที่ จำกัด แต่เนื่องจาก 1- มีค่าน้อยกว่า 1 ข้อกำหนดจะเล็กกว่าและเล็กลงและสามารถมองข้ามได้เล็กพอ วิธีการหาร 1 และค่าดังกล่าวสามารถใช้แทนการเพิ่มกำลังได้หากมีการใช้เงื่อนไขมากพอที่ส่วนที่ละเว้นจะไม่เป็นสาระสำคัญ ระยะเวลา N ใน EMA N วันระบุเฉพาะปัจจัย ไม่ใช่จุดหยุดสำหรับการคำนวณในทาง N อยู่ใน SMA หรือ WMA วันแรกของ NMA ใน EMA มีค่าประมาณ 86 ของน้ำหนักทั้งหมดในการคำนวณ สูตรด้านพลังงานข้างต้นให้ค่าเริ่มต้นสำหรับวันใดวันหนึ่งหลังจากที่สามารถใช้สูตรต่อไปนี้เป็นวันแรกได้ คำถามที่ว่าจะไปไกลแค่ไหนสำหรับค่าเริ่มต้นจะขึ้นอยู่กับข้อมูลที่เลวร้ายที่สุด หากมีค่าราคาสูงมากในข้อมูลเก่าจะส่งผลต่อยอดรวมแม้ว่าน้ำหนักจะน้อยมากก็ตาม ถ้าสมมติว่าราคาไม่แตกต่างกันไปอย่างสิ้นเชิงแล้วเพียงน้ำหนักจะได้รับการพิจารณาและหาว่าน้ำหนักจะละเว้นโดยการหยุดหลังจากพูดคำว่า k นี่คือซึ่งก็คือ เศษของน้ำหนักทั้งหมด นักวิเคราะห์ด้านเทคนิค J. Welles Wilder ใช้รูปแบบที่แตกต่างกันในการระบุช่วงเวลาของ EMA สำหรับการพูด 14 วันเขาเขียน 6 ดังนั้น 1N มากกว่า 2 (N1) ตามที่อธิบายไว้ข้างต้น การคำนวณและสมบัติต่างกันทั้งหมดมันเป็นเพียงการคำนวณที่แตกต่างกันของอัตราการทำให้ราบเรียบ ต้องระมัดระวังเป็นพิเศษด้วยความตั้งใจ สามารถแปลงได้ง่ายเช่น 14 วันจาก Wilder เท่ากับ 27 วันในข้างต้น (Conversion 2N-1) การถ่วงน้ำหนักอื่น ๆ ระบบการถ่วงน้ำหนักอื่น ๆ เป็นครั้งคราว 8211 ตัวอย่างเช่นการชั่งน้ำหนักแบบน้ำหนักจะมีน้ำหนักในแต่ละช่วงเวลาตามสัดส่วนของปริมาณการซื้อขาย มีระบบการถ่วงน้ำหนักที่ออกแบบโดยใช้การรวมกันของค่าเฉลี่ยเคลื่อนที่: ตัวบ่งชี้ DEMA (และตัวบ่งชี้ TEMA (Triple Exponential Moving Average) เป็นวัสดุคอมโพสิตที่ไม่ซ้ำกันของค่าเฉลี่ยเคลื่อนที่แบบเสวนาเดี่ยวซึ่งเป็นเลขยกกำลังสองเลขยกกำลังสองและในกรณีหลังจะมีเลขยกกำลังสามตัว ค่าเฉลี่ยที่ให้ความล่าช้าน้อยกว่าอย่างใดอย่างหนึ่งของทั้งสามองค์ประกอบเป็นรายบุคคลพวกเขาเริ่มต้นมกราคม 1994 โดย Patrick Mulloy วิธีการอ้างอิงและการเชื่อมโยงไปยังข้อความสรุปหรือข้อความตัวบ่งชี้ TRIX ใช้ TRMA สามในการคำนวณของมันนี้สิ้นสุดขึ้นเป็นเพียง ชุดน้ำหนักของข้อมูลที่ผ่านมาและชุดที่แตกต่างไปจาก EMA ธรรมดาดูเพิ่มเติมแก้ไขบันทึกย่อและข้อมูลอ้างอิงลิงก์แก้ไขลิงก์แก้ไขการแทรกแซงของตัวป้องกันโฆษณาที่ตรวจพบ Wikia เป็นไซต์ฟรีที่ใช้งานได้ซึ่งสร้างรายได้จากการโฆษณาเรามี ประสบการณ์ที่ได้รับการแก้ไขสำหรับผู้ชมโดยใช้ Wikers จะไม่สามารถเข้าถึงได้หากคุณได้ทำการปรับเปลี่ยนต่อไปโปรดนำกฎของตัวบล็อกโฆษณาที่กำหนดเองออกและหน้าเว็บจะโหลด ตามที่คาดไว้ค่าเฉลี่ย Average Moving Average (MA) เป็นตัวบ่งชี้ราคาลดลง (หรือมีปฏิกิริยา) ที่แสดงราคาเฉลี่ยของหลักทรัพย์ในช่วงเวลาที่กำหนด ค่าเฉลี่ยเคลื่อนที่เป็นวิธีที่ดีในการวัดแรงผลักดันและยืนยันแนวโน้ม และกำหนดพื้นที่ของการสนับสนุนและความต้านทาน โดยพื้นฐานแล้วค่าเฉลี่ยเคลื่อนที่จะคลี่คลายเสียงรบกวนเมื่อพยายามตีความแผนภูมิ เสียงขึ้นอยู่กับความผันผวนทั้งราคาและปริมาณ เนื่องจากค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ปกคลุมด้วยวัตถุฉนวนและตอบสนองกับเหตุการณ์ที่เกิดขึ้นแล้วจะไม่ใช้เป็นตัวบ่งชี้การคาดการณ์ แต่จะใช้เป็นคำแปลซึ่งใช้สำหรับการยืนยันและการวิเคราะห์ ในความเป็นจริงค่าเฉลี่ยเคลื่อนที่เป็นพื้นฐานของเครื่องมือการวิเคราะห์ทางเทคนิคที่มีชื่อเสียงอื่น ๆ อีกมากมายเช่น Bollinger Bands และ MACD มีค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันเล็กน้อยซึ่งทั้งหมดใช้พื้นฐานเดียวกันและเพิ่มรูปแบบ สิ่งที่น่าสังเกตมากที่สุดคือ Simple Moving Average (SMA), Moving Average เฉลี่ย (EMA) และ Average Moving Average (WMA) โดยเฉลี่ยจะแสดงราคาเฉลี่ยของตราสารการเงินในช่วงเวลาที่กำหนด อย่างไรก็ตามมีค่าเฉลี่ยเคลื่อนที่อยู่หลายแบบ โดยปกติแล้วจะแตกต่างกันไปในลักษณะที่จุดข้อมูลต่างๆมีการถ่วงน้ำหนักหรือให้ความสำคัญ Simple Moving Average (SMA) Simple Moving Average คือค่าเฉลี่ยเคลื่อนที่แบบไม่ถ่วงน้ำหนัก ซึ่งหมายความว่าในแต่ละวันในชุดข้อมูลมีความสำคัญเท่ากันและมีการถ่วงน้ำหนักอย่างเท่าเทียมกัน เมื่อวันใหม่สิ้นสุดลงจุดข้อมูลที่เก่าที่สุดจะถูกลดลงและจะมีการเพิ่มข้อมูลใหม่ล่าสุดลงในช่วงต้น ค่าเฉลี่ยถ่วงน้ำหนักในการคำนวณค่าเฉลี่ยถ่วงน้ำหนัก (Weighted Moving Average - WMA) มีความคล้ายคลึงกับ SMA ยกเว้น WMA เพิ่มความสำคัญกับจุดข้อมูลล่าสุด แต่ละจุดภายในระยะเวลาจะได้รับตัวคูณ (ตัวคูณที่ใหญ่ที่สุดสำหรับจุดข้อมูลใหม่ล่าสุดและจากนั้นเรียงตามลำดับ) ซึ่งจะเปลี่ยนน้ำหนักหรือความสำคัญของจุดข้อมูลนั้น ๆ จากนั้นเช่นเดียวกับ SMA เมื่อจุดข้อมูลใหม่ถูกเพิ่มเข้าไปในจุดเริ่มต้นจุดข้อมูลที่เก่าที่สุดจะถูกโยนออก การคำนวณค่าเฉลี่ยการเคลื่อนที่แบบ Exponential Moving Average (EMA) มีความคล้ายคลึงกับ (และเป็นประเภท) WMA ความแตกต่างที่สำคัญกับ EMA คือจุดข้อมูลเก่าไม่เคยปล่อยให้ค่าเฉลี่ย เพื่อชี้แจงจุดข้อมูลเก่าจะเก็บตัวคูณ (แม้ว่าจะลดลงเหลือแทบไม่มีเลย) แม้ว่าจะอยู่นอกช่วงความยาวของชุดข้อมูลที่เลือกก็ตาม การคำนวณค่าเฉลี่ยสองเท่าของค่าเฉลี่ยเคลื่อนที่การคำนวณค่าเฉลี่ยเคลื่อนที่สามเท่าค่าเฉลี่ยการคำนวณค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเคลื่อนที่จะเป็นชุดข้อมูล (ราคาปิดในช่วงเวลาที่ระบุ) และแสดงราคาเฉลี่ยของพวกเขา ตอนนี้แตกต่างจาก oscillator Moving Averages ไม่ได้ จำกัด อยู่ที่ตัวเลขภายในวงดนตรีหรือช่วงที่กำหนดไว้ MA สามารถเคลื่อนไปทางขวาพร้อมกับราคา ระยะเวลาหรือช่วงเวลาที่ใช้อาจแตกต่างกันไปมากขึ้นอยู่กับประเภทของการวิเคราะห์ทางเทคนิคที่กำลังทำอยู่ หนึ่งความเป็นจริงที่มักจะจำได้ แต่ก็คือค่าเฉลี่ยเคลื่อนที่มีล้าหลังพังสร้างขึ้นในพวกเขา สิ่งนี้หมายความว่าจริง ๆ แล้วค่อนข้างง่าย ยิ่งมีการใช้กรอบเวลาที่มากขึ้นเท่าใดความล่าช้าก็จะมากขึ้นเท่านั้น ในทำนองเดียวกันระยะเวลาที่สั้นลงจะมีความล่าช้าน้อยลง โดยพื้นฐานแล้วการเคลื่อนไหวโดยเฉลี่ยที่มีระยะเวลาที่สั้นลงมีแนวโน้มที่จะใกล้เคียงกับราคาและจะเคลื่อนไปทางขวาหลังจากที่ราคาเคลื่อนไป กรอบเวลาที่ยาวขึ้นมีข้อมูลยุ่งยากมากขึ้นและการเคลื่อนไหวของพวกเขาล้าหลังตลาดจะมากขึ้นอย่างมาก สำหรับกรอบเวลาที่ควรใช้ก็ขึ้นอยู่กับดุลพินิจของผู้ค้า โดยทั่วไประยะเวลาใด ๆ ภายใต้ 20 วันจะถือว่าเป็นระยะสั้น ๆ ระหว่าง 20 ถึง 60 จะเป็นระยะปานกลางและแน่นอนว่านานกว่า 60 วันจะถือว่าเป็นระยะยาว ตัวเลือกอื่นที่ลดลงไปถึงผู้ค้าคือประเภทใดที่ Moving Average ใช้ แม้ว่าทุกประเภทของ Moving Averages จะคล้ายกัน แต่ก็มีความแตกต่างบางอย่างที่ผู้ประกอบการค้าควรทราบ ตัวอย่างเช่น EMA มีความล่าช้าน้อยกว่า SMA (เนื่องจากมีความสำคัญกับราคาที่มากขึ้น) และเปลี่ยนไปได้เร็วกว่า SMA อย่างไรก็ตามตั้งแต่ SMA ให้คะแนนที่เท่ากันกับจุดข้อมูลทั้งหมดไม่ว่าล่าสุด SMA มีความสัมพันธ์ใกล้ชิดกับพื้นที่ที่มีนัยสำคัญเช่นการสนับสนุนแบบเดิม ๆ และความต้านทาน สิ่งที่ควรระวังเมื่อตรวจสอบการใช้งานทั่วไปบางส่วนสำหรับ Moving Averages โปรดจำไว้ว่าดุลพินิจของผู้ค้าซึ่งเป็น Moving Average โดยเฉพาะอย่างยิ่งที่พวกเขาต้องการใช้ ในตัวอย่างต่อไปนี้จะมีการเขียนอินสแตนซ์ของ Moving Averages (MA), Simple Moving Averages (SMA), Moving Averages เฉลี่ย (EMA) และ Weighted Moving Averages (WMA) ถ้าไม่ได้ระบุไว้เป็นอย่างอื่นตัวบ่งชี้เหล่านี้จะถือเป็นหลักการที่สามารถใช้แทนกันได้ การระบุค่าเทรนด์พื้นฐานโดยใช้ค่าเฉลี่ยเคลื่อนที่เพื่อยืนยันแนวโน้มในราคาเป็นหนึ่งในขั้นพื้นฐานที่มีผลมากที่สุดในการใช้ตัวบ่งชี้ พิจารณาว่าโดยการออกแบบรายงาน Moving Averages เกี่ยวกับสิ่งที่ได้เกิดขึ้นแล้วและพวกเขายังคำนึงถึงช่วงเหตุการณ์ทั้งหมดที่ผ่านมาเมื่อคำนวณสูตรของพวกเขา นี่คือสิ่งที่ทำให้ Moving Average เป็นเครื่องมือวิเคราะห์ทางเทคนิคที่ดีสำหรับการยืนยันแนวโน้ม กฎทั่วไปของหัวแม่มือมีดังต่อไปนี้: ค่าเฉลี่ยการเคลื่อนที่ระยะยาวที่ชัดเจนใน upswing คือการยืนยันของแนวโน้มรั้น ค่าเฉลี่ยการเคลื่อนที่ระยะยาวที่ชัดเจนใน downswing คือการยืนยันของ Bearish Trend เนื่องจากข้อมูลจำนวนมากที่พิจารณาเมื่อคำนวณ Average Moving Average จึงใช้เวลาในการเคลื่อนไหวเป็นจำนวนมากเพื่อทำให้ MA สามารถเปลี่ยนเส้นทางได้ MA ระยะยาวไม่ไวต่อการเปลี่ยนแปลงราคาอย่างรวดเร็วในเรื่องที่เกี่ยวกับแนวโน้มโดยรวม การสนับสนุนและความต้านทานการใช้พื้นฐานอีกอย่างหนึ่งของการเคลื่อนย้ายค่าเฉลี่ยคือการระบุพื้นที่สนับสนุนและความต้านทาน โดยทั่วไปแล้วค่าเฉลี่ยเคลื่อนที่สามารถให้การสนับสนุนได้ในทิศทางขาขึ้นและยังสามารถให้ความต้านทานต่อขาลงได้ แม้ว่าระยะเวลาสั้น ๆ (20 วันหรือน้อยกว่า) การสนับสนุนและความต้านทานโดย Moving Averages จะสามารถเห็นได้ชัดเจนยิ่งขึ้นในสถานการณ์ที่ยาวขึ้น Crossovers Crossovers ต้องการการใช้ Moving Averages 2 เส้นที่มีความยาวแตกต่างกันในแผนภูมิเดียวกัน ทั้งสองค่าเฉลี่ยเคลื่อนที่ควรมีความยาวสองช่วง ตัวอย่างเช่น Average Moving Average 50 วัน (Medium-Moving Average) และ Average Moving Average 200 วัน (ระยะยาว) สัญญาณหรือโอกาสทางการค้าที่อาจเกิดขึ้นเกิดขึ้นเมื่อระยะสั้น SMA สูงกว่าหรือต่ำกว่า SMA ระยะยาว การครอสโอเวอร์ตัวค่อยๆเกิดขึ้นเมื่อระยะสั้น SMA ทะลุเหนือ SMA ระยะยาว หรือที่เรียกว่าโกลเด้นครอส Bearing Crossover เกิดขึ้นเมื่อระยะสั้น SMA ขางต่ํากวาระยะยาว SMA หรือที่เรียกว่า Dead Cross มีความจำเป็น แต่ผู้ค้าตระหนักถึงข้อบกพร่องโดยธรรมชาติในสัญญาณเหล่านี้ นี่คือระบบที่สร้างขึ้นโดยการรวมตัวชี้วัดที่ไม่ปกคลุมไปด้วยตัวชี้วัดเพียงเล็กน้อย ตัวบ่งชี้ทั้งสองนี้ตอบสนองต่อสิ่งที่เกิดขึ้นและไม่ได้ออกแบบมาเพื่อคาดการณ์ ระบบเช่นนี้แน่นอนทำงานได้ดีที่สุดในแนวโน้มที่แข็งแกร่งมาก แม้ว่าในแนวโน้มที่แข็งแกร่งระบบนี้หรือระบบที่คล้ายกันสามารถเป็นประโยชน์ได้ Crossovers ราคาหากคุณใช้การตั้งค่า Moving Averages ทั้งสองแบบที่ได้กล่าวไว้ในส่วนก่อนหน้านี้และเพิ่มองค์ประกอบที่สามของราคามีการตั้งค่าประเภทอื่นที่เรียกว่า Crossover ราคา ด้วย Crossover ราคาคุณเริ่มต้นด้วย Moving Averages ที่มีระยะยาวแตกต่างกัน 2 แบบ (เช่นเดียวกับ Crossover ที่กล่าวถึงก่อนหน้านี้) คุณใช้ Moving Average ในระยะยาวเพื่อยืนยันแนวโน้มในระยะยาว สัญญาณจะเกิดขึ้นเมื่อ Price เหนือกว่าหรือต่ำกว่าระยะสั้น Moving Average ไปในทิศทางเดียวกันกับทิศทางหลักและแนวโน้มระยะยาว เช่นเดียวกับในตัวอย่างก่อนหน้านี้ให้ใช้ค่าเฉลี่ย Simple Moving Average 50 วันและ Average Moving Average 200 วัน ราคาไขว้ตัวสูงขึ้นมาอยู่เหนือ 50 SMA ขณะที่ SMA 50 อยู่เหนือ 200 SMA SMA 200 ยืนยันแนวโน้ม ราคาและระยะสั้น SMA กำลังสร้างสัญญาณในทิศทางเดียวกับแนวโน้ม ราคาครอสส์ - ราคาไต่ระดับต่ำกว่า 50 SMA ขณะที่ SMA 50 อยู่ต่ำกว่า 200 SMA SMA 200 ยืนยันแนวโน้ม ราคาและระยะสั้น SMA กำลังสร้างสัญญาณในทิศทางเดียวกับแนวโน้ม นักวิเคราะห์ทางเทคนิคที่มีประสบการณ์จะทราบว่าควรระมัดระวังเมื่อใช้ Moving Averages (เช่นเดียวกับตัวบ่งชี้ใด ๆ ) ไม่ต้องสงสัยเลยว่านี่เป็นตัวระบุแนวโน้ม นั่นอาจเป็นข้อมูลที่มีคุณค่า อย่างไรก็ตามสิ่งสำคัญคือต้องตระหนักเสมอว่าเป็นตัวชี้วัดที่ล่าช้าหรือมีปฏิกิริยา ค่าเฉลี่ยเคลื่อนที่ (Moving Averages) จะไม่ลดลงเมื่อเทียบกับการคาดการณ์การเคลื่อนไหวของตลาด สิ่งที่พวกเขาสามารถทำแม้ว่าเป็นเหมือนตัวชี้วัดอื่น ๆ อีกมากมายที่มีการยืนหยัดการทดสอบของเวลาให้เพิ่มระดับของความเชื่อมั่นในกลยุทธ์การค้าหรือระบบ เมื่อใช้ร่วมกับตัวบ่งชี้ที่ใช้งานได้มากขึ้นอย่างน้อยคุณควรแน่ใจว่าในแง่แนวโน้มระยะยาวคุณกำลังมองหาการซื้อขายในทิศทางที่ถูกต้อง วิธีใช้ในการเทรดดิ้งไปที่ tradingview บนหน้าที่เชื่อมโยงไปให้ใส่สัญลักษณ์และคลิก Launch Chart ภายใน Toolbar ด้านบนของแผนภูมิเลือก Indicators และเลือกตัวเลือกที่คุณต้องการเพิ่มลงในแผนภูมิของคุณ ในการเปลี่ยนแปลงตัวบ่งชี้ของคุณคุณจะต้องเข้าสู่หน้าต่างการจัดรูปแบบ คุณสามารถเข้าถึงหน้าต่างการฟอร์แมตได้โดยคลิกที่ปุ่มรูปแบบสีน้ำเงินในส่วนหัวแผนภูมิถัดจากชื่อตัวบ่งชี้หรือคลิกขวาที่ตัวบ่งชี้ในแผนภูมิและเลือกรูปแบบ ช่วงเวลาที่จะใช้ในการคำนวณ Average Moving Average 9 วันเป็นค่าเริ่มต้น กำหนดข้อมูลจากแต่ละแถบที่จะใช้ในการคำนวณ ปิดเป็นค่าดีฟอลต์ การเปลี่ยนหมายเลขนี้จะย้าย Moving Average (ค่าเฉลี่ยเคลื่อนที่) ไปข้างหน้าหรือย้อนกลับเทียบกับตลาดปัจจุบัน 0 เป็นค่าดีฟอลต์ สามารถสลับการมองเห็นของ MA รวมทั้งการมองเห็นของเส้นราคาที่แสดงมูลค่าปัจจุบันที่เกิดขึ้นจริงของ MA นอกจากนี้ยังสามารถเลือกสีของเส้นแม่แบบความหนาของเส้นและลักษณะเส้น คุณสมบัติค่าล่าสุดในระดับราคาสลับการมองเห็นของค่าล่าสุดสำหรับค่าเฉลี่ยเคลื่อนที่ในระดับราคา อาร์กิวเมนต์ในส่วนหัวสลับการมองเห็นของชื่อตัวบ่งชี้และการตั้งค่าในมุมซ้ายบนของแผนภูมิ ปรับขนาดตัวบ่งชี้ไปทางขวาหรือไปทางซ้ายค่าเฉลี่ยค่าเฉลี่ยเคลื่อนที่เฉลี่ยเล็กน้อยค่าเฉลี่ยเคลื่อนที่เล็กน้อยคุณควรแก้ไขงานนี้ตามคำอธิบายงานโดยใช้ภาษาใด ๆ ที่คุณอาจรู้จัก คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆของชุดตัวเลข สร้างคลาการทำงานของรัฐที่ต้องใช้ระยะเวลาและส่งกลับค่าตามปกติซึ่งใช้ตัวเลขเป็นอาร์กิวเมนต์และส่งค่าเฉลี่ยเคลื่อนที่ของอาร์กิวเมนต์เป็นค่าเฉลี่ย ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยเป็นวิธีการคำนวณจำนวนกระแสเฉลี่ยโดยเฉลี่ยเพียง 160 หมายเลข 160 P จากสตรีม 160 ซึ่ง 160 P 160 เรียกว่าช่วงเวลา สามารถใช้งานได้โดยการเรียกใช้ initialing routine กับ 160 P 160 เป็นอาร์กิวเมนต์ของมัน 160 I (P), 160 ซึ่งควรจะคืนค่าตามปกติซึ่งเมื่อเรียกกับแต่ละสมาชิกต่อเนื่องของสตรีมตัวเลขคำนวณค่าเฉลี่ยของ ), 160 P 160 ตัวสุดท้ายของพวกเขาอนุญาตให้เรียก 160 SMA () นี้ คำ 160 160 stateful ในคำอธิบายงานหมายถึงต้อง 160 SMA () 160 เพื่อจดจำข้อมูลบางอย่างระหว่างการโทรไป 160 ระยะเวลา 160 P 160 ตู้ที่สั่งอย่างน้อย 160 160 หมายเลขสุดท้ายจากแต่ละ การโทรแต่ละครั้ง Stateful 160 หมายความว่าการเรียกเลขหมาย 160 I (), 160 initializer 160 ควรจะแยกแต่ละครั้งที่ทำ 160 ไม่ 160 รัฐที่บันทึกไว้เพื่อให้สามารถใช้ข้อมูลได้สองแบบ Pseudo-code สำหรับการใช้ 160 SMA 160 คือเวอร์ชันนี้ใช้คิวถาวรเพื่อเก็บค่า p ล่าสุด แต่ละฟังก์ชันที่ส่งกลับมาจาก init-moving-average จะมีสถานะเป็นอะตอมที่เก็บค่าคิวไว้ การใช้งานนี้ใช้รายการแบบวงกลมเพื่อจัดเก็บตัวเลขภายในหน้าต่างที่จุดเริ่มต้นของตัวชี้ย้ำแต่ละอันหมายถึงเซลล์ของรายการซึ่งเก็บค่าที่เพิ่งย้ายออกจากหน้าต่างและจะแทนที่ด้วยค่าที่เพิ่มขึ้น การใช้ Closure edit ปัจจุบันนี้ sma cant เป็น nogc เนื่องจากจัดสรรการปิดลงบน heap การวิเคราะห์หนีบางอย่างสามารถลบการจัดสรรฮีปได้ การใช้การแก้ไข Struct รุ่นนี้จะหลีกเลี่ยงการจัดสรรฮีปของการปิดเพื่อเก็บข้อมูลไว้ในกรอบกองซ้อนของฟังก์ชันหลัก เอาท์พุทเดียวกัน: เพื่อหลีกเลี่ยงการประมาณจุดลอยเก็บซ้อนขึ้นและการเจริญเติบโตรหัสสามารถดำเนินการรวมเป็นงวดในอาร์เรย์แถววงกลมทั้งหมด การใช้งานนี้จะสร้างอ็อบเจ็กต์ร่วมกันสองสถานะ (ฟังก์ชัน) เป็น idiomatic ใน E เพื่อแยกข้อมูลจาก output (อ่านจากเขียน) แทนที่จะรวมไว้ในวัตถุหนึ่ง โครงสร้างนี้เหมือนกับการใช้งาน Standard DeviationE โปรแกรม Elixir ด้านล่างสร้างฟังก์ชันที่ไม่ระบุตัวตนด้วยระยะเวลาฝังตัว p ซึ่งใช้เป็นระยะเวลาของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ฟังก์ชัน run จะอ่านข้อมูลตัวเลขและส่งผ่านไปยังฟังก์ชันที่ไม่ระบุตัวตนที่สร้างขึ้นใหม่จากนั้นตรวจสอบผลที่ได้รับจาก STDOUT ผลลัพธ์แสดงด้านล่างโดยมีค่าเฉลี่ยตามด้วยข้อมูลที่จัดกลุ่มซึ่งเป็นพื้นฐานของค่าเฉลี่ยเคลื่อนที่แต่ละค่า Erlang มีการปิด แต่ตัวแปรไม่เปลี่ยนรูป วิธีแก้ปัญหาคือการใช้กระบวนการและข้อความง่ายๆผ่าน API ตาม ภาษาเมทริกซ์มีขั้นตอนการคํานวณค่าเฉลี่ยการร่อนสําหรับลำดับรายการที่กำหนด มีประสิทธิภาพน้อยกว่าการวนรอบในคำสั่งต่อไปนี้ แจ้งให้ฉันป้อนข้อมูลอย่างต่อเนื่อง ซึ่งจะถูกเพิ่มลงในตอนท้ายของรายการ L1 L1 สามารถพบได้โดยการกด 2ND1 และค่าเฉลี่ยจะอยู่ใน ListOPS กด ON เพื่อยุติโปรแกรม รายการที่มีค่าเฉลี่ยของอาร์กิวเมนต์ที่ให้มาโปรแกรมที่ส่งคืนค่าที่ง่ายในแต่ละคำร้อง: รายการคือรายการที่มีค่าเฉลี่ย: p คือช่วง: 5 จะแสดงรายการค่าเฉลี่ย: ตัวอย่างที่ 2: การใช้โปรแกรม movinav2 (i. , 5) - เริ่มต้นการคำนวณค่าเฉลี่ยเคลื่อนที่และกำหนดระยะเวลา 5 movinav2 (3, x): x - ข้อมูลใหม่ในรายการ (ค่า 3) และผลลัพธ์จะถูกจัดเก็บในตัวแปร x และแสดง movinav2 (4, x) : x - ข้อมูลใหม่ (ค่า 4) และผลลัพธ์ใหม่จะถูกเก็บไว้ในตัวแปร x และแสดง (43) 2 คำอธิบายของฟังก์ชัน movinavg: ตัวแปร r - เป็นผลลัพธ์ (รายการเฉลี่ย) ที่จะถูกส่งคืนตัวแปร i - เป็นตัวแปรดัชนีและชี้ไปที่จุดสิ้นสุดของรายการย่อยที่รายการถูกเฉลี่ย ตัวแปร z - ตัวแปรผู้ช่วยเหลือฟังก์ชันใช้ตัวแปร i เพื่อกำหนดว่าค่าใดของรายการจะได้รับการพิจารณาในการคำนวณค่าเฉลี่ยถัดไป เมื่อทำซ้ำทุกครั้ง i ตัวแปรจะชี้ไปที่ค่าสุดท้ายในรายการที่จะใช้ในการคำนวณโดยเฉลี่ย ดังนั้นเราจะต้องคิดออกซึ่งจะเป็นค่าแรกในรายการ มักจะต้องพิจารณาองค์ประกอบ p ดังนั้นองค์ประกอบแรกจะเป็นดัชนีที่จัดทำดัชนีโดย (i-p1) อย่างไรก็ตามในการทำซ้ำครั้งแรกที่การคำนวณมักจะเป็นค่าลบดังนั้นสมการต่อไปนี้จะหลีกเลี่ยงดัชนีเชิงลบ: max (i-p1,1) หรือการจัดสมการ max (i-p, 0) 1 แต่จำนวนขององค์ประกอบในการทำซ้ำครั้งแรกจะเล็กลงค่าที่ถูกต้องจะเป็น (ดัชนีสิ้น - เริ่มดัชนีที่ 1) หรือการจัดสมการ (i - (max (ip, 0) 1) 1) แล้ว , (i-max (ip, 0)) ตัวแปร z มีค่าร่วมกัน (max (ip), 0) ดังนั้น beginindex จะเป็น (z1) และ numberofelements จะเป็น (iz) mid (list, z1, iz) จะคืนค่ารายการที่จะรวมเป็นค่าเฉลี่ย ( .) จะรวมพวกเขา sum (.) (iz) ri จะเฉลี่ยพวกเขาและเก็บผลในสถานที่ที่เหมาะสมในรายการผลลัพธ์ fp1 สร้างโปรแกรมบางส่วนกำหนด (ในกรณีนี้) พารามิเตอร์ที่สองและสาม