การย้าย ค่าเฉลี่ย ความผันผวน แบบ

Moving averages - ค่าเฉลี่ยที่เรียบง่ายและ Exponential. Moving - ค่าเฉลี่ยที่เรียบง่ายและ Exponential. Moving เรียบข้อมูลราคาเพื่อสร้างตัวบ่งชี้ต่อไปนี้แนวโน้มพวกเขาไม่ได้คาดการณ์ทิศทางราคา แต่กำหนดทิศทางปัจจุบันที่มีความล่าช้าการย้ายค่าเฉลี่ยความล่าช้าเพราะพวกเขาจะขึ้นอยู่กับ แม้จะมีความล่าช้า แต่ค่าเฉลี่ยเคลื่อนที่จะช่วยให้การดำเนินการของราคาที่ราบรื่นและกรองสัญญาณรบกวนนอกจากนี้ยังเป็นตัวบ่งชี้ทางเทคนิคและการซ้อนทับอีกหลายแบบเช่น Bollinger Bands MACD และ McClellan Oscillator สองประเภทค่าเฉลี่ยเคลื่อนที่ที่นิยมที่สุดคือ Simple Moving Average SMA และ EMA Average Exponential Moving ค่าเฉลี่ยเคลื่อนที่เหล่านี้สามารถใช้เพื่อระบุทิศทางของแนวโน้มหรือกำหนดระดับการสนับสนุนและความต้านทานที่อาจเกิดขึ้นแผนภูมินี้มีทั้ง SMA และ EMA โดยคลิกที่แผนภูมิสำหรับการถ่ายทอดสด version. Simple Moving Average Calculation. A ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายถูกสร้างขึ้นโดยการคำนวณราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาหนึ่ง ๆ s ค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่จะขึ้นอยู่กับราคาปิดราคาเฉลี่ยเคลื่อนที่ 5 วันเป็นผลรวมห้าวันของราคาปิดหารด้วยห้าเป็นชื่อของนัยค่าเฉลี่ยเคลื่อนที่เป็นค่าเฉลี่ยที่ย้ายข้อมูลเก่าจะลดลงเมื่อมีข้อมูลใหม่มาพร้อมนี้ ทำให้ค่าเฉลี่ยเคลื่อนที่ไปตามช่วงเวลาด้านล่างเป็นตัวอย่างของค่าเฉลี่ยเคลื่อนที่ 5 วันที่มีการเปลี่ยนแปลงมากกว่าสามวันวันแรกของค่าเฉลี่ยเคลื่อนที่จะครอบคลุมช่วง 5 วันที่ผ่านมาวันที่สองของค่าเฉลี่ยเคลื่อนที่จะลดลงจุดข้อมูลแรก 11 และเพิ่มจุดข้อมูลใหม่ 16 วันที่สามของค่าเฉลี่ยเคลื่อนที่โดยทิ้งจุดข้อมูลแรก 12 และเพิ่มจุดข้อมูลใหม่ 17 ในตัวอย่างข้างต้นราคาจะค่อยๆเพิ่มขึ้นจาก 11 เป็น 17 โดยรวมเจ็ดวันประกาศว่า ค่าเฉลี่ยเคลื่อนที่ยังเพิ่มขึ้นจาก 13 ถึง 15 ในช่วงคำนวณสามวันนอกจากนี้โปรดสังเกตด้วยว่าค่าเฉลี่ยเคลื่อนที่แต่ละค่าต่ำกว่าราคาสุดท้ายตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ของวันหนึ่งเท่ากับ 13 และราคาสุดท้ายคือ 15 ราคาก่อน สี่วันที่ต่ำลงและทำให้ค่าเฉลี่ยเคลื่อนที่ลดลงการคำนวณค่าเฉลี่ยที่เป็นตัวเลื่อนพิเศษค่าเฉลี่ยเคลื่อนที่ที่ลดลงจะช่วยลดความล่าช้าโดยการใช้น้ำหนักมากขึ้นกับราคาล่าสุดการถ่วงน้ำหนักที่ใช้กับราคาล่าสุดขึ้นอยู่กับจำนวนงวดในค่าเฉลี่ยเคลื่อนที่ เป็นขั้นตอนสามขั้นตอนในการคำนวณค่าเฉลี่ยเคลื่อนที่ที่เป็นไปตามค่าเฉลี่ยก่อนคำนวณค่าเฉลี่ยเคลื่อนที่แบบธรรมดาค่า EMA ของการเคลื่อนที่แบบเสี้ยววินาทีจะต้องเริ่มต้นที่ไหนสักแห่งดังนั้นค่าเฉลี่ยเคลื่อนที่ที่ใช้จะเป็นค่า EMA ในช่วงแรกของการคำนวณครั้งที่สองคำนวณตัวคูณที่ถ่วงน้ำหนักประการที่สาม, คำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนาสูตรด้านล่างมีไว้สำหรับ EMA 10 วันค่าเฉลี่ยเคลื่อนที่แบบเสวนา 10 รอบใช้น้ำหนัก 18 18 กับราคาล่าสุด EMA 10 ระยะเวลาสามารถเรียกได้ว่าเป็น 18 18 EMA A 20-period EMA ใช้การชั่งน้ำหนัก 9 52 กับราคาล่าสุด 2 20 1 0952 โปรดสังเกตว่าการชั่งน้ำหนักสำหรับช่วงเวลาที่สั้นกว่ามากกว่าการชั่งน้ำหนักในช่วงเวลาที่ยาวขึ้นใน การถ่วงน้ำหนักจะลดลงครึ่งหนึ่งทุกครั้งที่รอบระยะเวลาเฉลี่ยที่เคลื่อนที่ได้สองครั้งหากคุณต้องการให้เราเป็นเปอร์เซ็นต์เฉพาะสำหรับ EMA คุณสามารถใช้สูตรนี้เพื่อแปลงเป็นช่วงเวลาและป้อนค่าดังกล่าวเป็นพารามิเตอร์ของ EMA ด้านล่าง เป็นตัวอย่างแบบสเปรดชีตของค่าเฉลี่ยเคลื่อนที่ 10 วันและค่าเฉลี่ยเคลื่อนที่ 10 นาทีสำหรับ Intel Simple moving averages อยู่ในทิศทางตรงและต้องใช้คำอธิบายเล็กน้อยค่าเฉลี่ย 10 วันมีการเคลื่อนไหวเพียงเล็กน้อยเมื่อราคาใหม่เข้าสู่ตลาดและราคาเก่าลดลง ค่าเฉลี่ยเคลื่อนที่เฉลี่ยเริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่ 22 22 ในการคำนวณครั้งแรกหลังจากการคำนวณครั้งแรกสูตรปกติใช้เวลาเนื่องจาก EMA เริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่แบบง่ายๆค่าที่แท้จริงจะไม่ได้รับรู้จนกว่าจะถึง 20 ช่วงเวลาหลังจากนั้นใน คำอื่น ๆ ค่าในสเปรดชีต Excel อาจแตกต่างจากค่าแผนภูมิเนื่องจากระยะเวลามองย้อนกลับสั้น ๆ สเปรดชีตนี้จะย้อนกลับไปประมาณ 30 งวดซึ่งหมายถึงผลกระทบของการเคลื่อนไหวแบบเรียบง่าย โดยเฉลี่ยมีระยะเวลาในการกระจายสต๊อกชิพ 20 ช่วงเวลาอย่างน้อย 250 รอบโดยปกติแล้วจะมากขึ้นสำหรับการคำนวณดังนั้นผลกระทบของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการคำนวณครั้งแรกมีการกระจายตัวอย่างเต็มที่ Lag Factor ค่าเฉลี่ยเคลื่อนที่ที่ยาวนานขึ้น ความล่าช้าค่าเฉลี่ยการเคลื่อนที่แบบเสด็จมาเป็นเวลา 10 วันจะกอดราคาค่อนข้างใกล้ชิดและเลี้ยวไม่นานหลังจากที่ราคาเปลี่ยนเป็นค่าเฉลี่ยของการเคลื่อนที่ในระยะสั้นเช่นเดียวกับเรือเร็ว - หมุนเร็วและรวดเร็วในทางตรงกันข้ามค่าเฉลี่ยเคลื่อนที่ 100 วันมีข้อมูลที่ผ่านมาจำนวนมากที่ทำให้เกิดความล่าช้า ลดลงค่าเฉลี่ยเคลื่อนที่อีกเช่นเดียวกับเรือบรรทุกน้ำมันในทะเล - เซื่องซึมและชะลอการเปลี่ยนแปลงการเคลื่อนไหวของราคาที่ยาวขึ้นและยาวนานขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ 100 วันเพื่อเปลี่ยนหลักสูตรคลิกที่แผนภูมิเพื่อดูแผนภูมิสดแผนภูมิด้านบนแสดง SP 500 ETF มี EMA 10 วันใกล้เคียงกับราคาและ SMA 100 วันที่สูงขึ้นแม้จะมีการลดลงในเดือนมกราคมถึงเดือนกุมภาพันธ์ SMA 100 วันก็จัดขึ้นแน่นอนและไม่ได้ลดลง SMA 50 วันเหมาะกับบางแห่งระหว่าง 10 และค่าเฉลี่ยเคลื่อนที่ 100 วันเมื่อเทียบกับค่าความล่าช้าค่าเฉลี่ยของการเคลื่อนที่แบบ Exponential แม้จะมีความแตกต่างที่ชัดเจนระหว่างค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นไปได้ที่เป็นไปได้ก็ไม่จำเป็นต้องดีไปกว่าค่าเฉลี่ยเคลื่อนที่อื่น ๆ ที่มีค่าเฉลี่ยถ่วงน้ำหนัก ดังนั้นจึงมีความอ่อนไหวต่อราคาล่าสุดและการเปลี่ยนแปลงราคาล่าสุดการเปลี่ยนแปลงค่าเฉลี่ยของค่าเฉลี่ยเลขคณิตจะเปลี่ยนไปก่อนค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในทางกลับกันถือเป็นค่าเฉลี่ยที่แท้จริงของราคาสำหรับช่วงเวลาทั้งหมดดังนั้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายอาจเหมาะสมกว่า เพื่อระบุระดับการสนับสนุนหรือความต้านทานการเลือกค่าเฉลี่ยของค่าเฉลี่ยขึ้นอยู่กับวัตถุประสงค์รูปแบบการวิเคราะห์และเส้นขอบเวลา Chartists ควรทดลองทั้งสองประเภทของค่าเฉลี่ยเคลื่อนที่และระยะเวลาที่แตกต่างกันเพื่อหาพอดีที่ดีที่สุดแผนภูมิด้านล่างแสดงให้เห็น IBM กับ SMA 50 วันใน สีแดงและ EMA 50 วันสีเขียวทั้งสองจุดในช่วงปลายเดือนมกราคม แต่การลดลงของ EMA มีความคมชัดกว่าการลดลงของฉัน SMA EMA เปิดขึ้นในกลางเดือนกุมภาพันธ์ แต่ SMA ยังคงลดลงไปจนถึงสิ้นเดือนมีนาคมประกาศว่า SMA เปิดขึ้นหลังจากผ่านไปหนึ่งเดือนหลังจาก EMA ระยะเวลาและระยะเวลาความยาวของค่าเฉลี่ยเคลื่อนที่ขึ้นอยู่กับวัตถุประสงค์ในการวิเคราะห์สั้น ค่าเฉลี่ยระยะสั้น 5-20 เหมาะสำหรับแนวโน้มระยะสั้นและการซื้อขาย Chartists สนใจในแนวโน้มระยะกลางจะเลือกใช้ค่าเฉลี่ยเคลื่อนที่ที่ยาวนานขึ้นซึ่งอาจขยายได้ 20-60 ช่วงนักลงทุนระยะยาวน่าจะเคลื่อนไหวค่าเฉลี่ยระยะเวลา 100 หรือมากกว่า ความยาวเฉลี่ยของเส้นขยับบางส่วนมีความนิยมมากกว่าคนอื่น ๆ ค่าเฉลี่ยเคลื่อนที่ 200 วันอาจเป็นที่นิยมมากที่สุดเพราะความยาวของค่านี้เป็นค่าเฉลี่ยเคลื่อนที่ในระยะยาวถัดไปค่าเฉลี่ยเคลื่อนที่ 50 วันค่อนข้างเป็นที่นิยมสำหรับระยะปานกลาง แนวโน้มแนวความคิดแบบชาตินิยมหลายตัวใช้ค่าเฉลี่ยเคลื่อนที่ 50 วันและ 200 วันในระยะสั้นระยะสั้นค่าเฉลี่ยเคลื่อนที่ 10 วันเป็นที่นิยมมากในอดีตเนื่องจากสามารถคำนวณได้ง่ายเพียงแค่เพิ่มตัวเลขและย้ายจุดทศนิยม entification. The สัญญาณเดียวกันสามารถสร้างขึ้นโดยใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายหรือค่าเฉลี่ยที่ระบุไว้ดังที่ระบุไว้ข้างต้นการตั้งค่าขึ้นอยู่กับแต่ละบุคคลตัวอย่างด้านล่างนี้จะใช้ทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและเชิงเส้นค่าเฉลี่ยเคลื่อนที่ระยะที่ใช้กับทั้งทิศทางการเคลื่อนที่แบบง่ายและเชิงเสี้ยว ของค่าเฉลี่ยเคลื่อนที่บ่งบอกถึงข้อมูลที่สำคัญเกี่ยวกับราคาค่าเฉลี่ยเคลื่อนที่ที่เพิ่มขึ้นแสดงให้เห็นว่าราคาโดยทั่วไปจะเพิ่มขึ้นค่าเฉลี่ยถล่มถัวเฉลี่ยบ่งชี้ว่าราคาโดยเฉลี่ยลดลงค่าเฉลี่ยระยะยาวที่เกิดขึ้นในระยะยาวสะท้อนถึงแนวโน้มขาขึ้นในระยะยาว ค่าเฉลี่ยเคลื่อนที่จะสะท้อนการลดลงในระยะยาวแผนภูมิข้างบนแสดงถึง 3M MMM ที่มีค่าเฉลี่ยเคลื่อนที่ 150 วันตัวอย่างนี้แสดงให้เห็นว่าค่าเฉลี่ยเคลื่อนที่เฉลี่ยที่เคลื่อนไหวได้ดีเท่าไรเมื่อมีความแข็งแกร่งขึ้น EMA 150 วันเริ่มลดลงในเดือนพฤศจิกายน 2550 และอีกครั้งใน มกราคม 2551 สังเกตว่าการปรับตัวลดลง 15 ครั้งเพื่อลดทิศทางการเคลื่อนที่ของดัชนีชี้วัดนี้ ตามที่เกิดขึ้นในช่วงที่ดีที่สุดหรือหลังจากที่เกิดขึ้นในช่วงที่เลวร้ายที่สุด MMM ลดลงอย่างต่อเนื่องในเดือนมีนาคมปี 2009 และเพิ่มขึ้น 40-50 สังเกตว่า EMA 150 วันไม่ได้เปิดขึ้นจนกว่าจะถึงช่วงที่มีการปรับตัวลงครั้งนี้อย่างไรก็ตาม MMM ยังคงสูงขึ้นอีก 12 ปีข้างหน้า เดือนการเคลื่อนไหวของค่าเฉลี่ยทำงานเก่งในแนวโน้มที่แข็งแกร่ง Double Crossovers. Two ค่าเฉลี่ยเคลื่อนที่สามารถใช้ร่วมกันเพื่อสร้างสัญญาณครอสโอเวอร์ในการวิเคราะห์ทางเทคนิคของตลาดการเงิน John Murphy เรียกวิธีนี้ไขว้คู่ Double crossovers เกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ค่อนข้างสั้นและหนึ่งยาวค่อนข้าง ค่าเฉลี่ยเคลื่อนที่ (moving average) เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ทั้งหมดความยาวโดยทั่วไปของค่าเฉลี่ยเคลื่อนที่จะกำหนดระยะเวลาของระบบระบบที่ใช้ EMA 5 วันและ EMA 35 วันจะถือว่าเป็นระบบระยะสั้นโดยใช้ SMA 50 วันและ 200 วัน SMA จะถือว่าเป็นระยะปานกลางถึงแม้จะเป็นระยะยาวก็ตามการทับสายไขว้แบบ bullish เกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเหนือค่าเฉลี่ยที่ยาวขึ้นนี้เป็นที่รู้จักกันว่าเป็นเครื่องหมายกากบาทสีทอง เกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่สั้นลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นนี้เรียกว่า cross cross ที่ตายแล้ว crossovers เฉลี่ยปานกลางส่งสัญญาณค่อนข้างล่าช้าหลังจากทั้งหมดระบบมีพนักงานสองตัวชี้วัดปกคลุมด้วยวัตถุฉนวนระยะเวลาที่ยาวนานกว่าค่าเฉลี่ยความล่าช้าใน สัญญาณสัญญาณเหล่านี้ทำงานได้ดีเมื่อมีแนวโน้มที่ดีขึ้นอย่างไรก็ตามระบบครอสโอเวอร์เฉลี่ยเคลื่อนที่จะผลิตจำนวนมากของ whipsaws ในกรณีที่ไม่มีแนวโน้มที่แข็งแกร่งนอกจากนี้ยังมีวิธีการไขว้ไขว้ที่เกี่ยวข้องกับสามค่าเฉลี่ยเคลื่อนที่อีกครั้งสัญญาณจะถูกสร้างขึ้นเมื่อ ค่าเฉลี่ยเคลื่อนที่ที่สั้นที่สุดคือค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่อีก 2 เส้นระบบครอสโอเวอร์สามแบบง่าย ๆ อาจเกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ 5 วัน 10 วันและ 20 วันแผนภูมิข้างบนแสดง Home Depot HD พร้อมด้วยเส้นประสีเขียว EMA 10 วันและเส้นสีเขียว 50- วัน EMA เส้นสีแดงเส้นสีดำเป็นวันปิดโดยใช้การครอสโอเวอร์เฉลี่ยเคลื่อนที่จะมีผลในสาม whipsaws ก่อนที่จะจับการค้าที่ดี 10 วัน EMA ยากจนใต้ EMA 50 วันใน l กินวันที่ 1 ตุลาคม แต่ไม่นานถึง 10 วันที่กลับมาในช่วงกลางเดือนพฤศจิกายนที่ผ่านมา 2 ช่วงนี้กินเวลานาน แต่ครอสโอเวอร์หยอดตัวต่อไปในวันที่ 3 มกราคมเกิดขึ้นใกล้ระดับราคาในปลายเดือนพฤศจิกายนซึ่งส่งผลให้เกิด whipsaw อีกลูกหนึ่ง ไม่นานเป็น 10 วัน EMA ย้ายกลับมาข้างต้น 50 วันไม่กี่วันต่อมา 4 หลังจากสามสัญญาณไม่ดีสัญญาณที่สี่คาดเดาการเคลื่อนไหวที่แข็งแกร่งเป็นสต็อกสูงกว่า 20 มีสอง takeaways ที่นี่แรกไขว้มีแนวโน้ม เพื่อ whipsaw ตัวกรองราคาหรือเวลาสามารถนำมาใช้เพื่อช่วยป้องกัน whipsaws ผู้ค้าอาจต้องครอสโอเวอร์ไป 3 วันก่อนที่จะทำหน้าที่หรือต้อง EMA 10 วันเพื่อย้ายด้านบนด้านล่าง EMA 50 วันโดยจำนวนหนึ่งก่อนที่จะทำหน้าที่สอง MACD MACD 10,50,1 จะแสดงเส้นแสดงความแตกต่างระหว่างสองค่าเฉลี่ยเคลื่อนที่ที่เป็นเส้นตรง MACD จะเป็นบวกในช่วงข้ามโกลเด้นและค่าลบระหว่างช่วงที่ตายแล้วราคาร้อยละ Oscillato r PPO สามารถใช้วิธีเดียวกันเพื่อแสดงความแตกต่างของเปอร์เซ็นต์ทราบว่า MACD และ PPO ใช้ค่าเฉลี่ยเคลื่อนที่แบบก้าวย่างและไม่ตรงกับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆกราฟนี้แสดง Oracle ORCL พร้อมกับ EMA 50 วัน EMA 200 วัน และ MACD 50,200,1 ในช่วง 2 1 2 ปีมีการครอสโอเวอร์ 4 ค่าเฉลี่ยในช่วงเวลา 2 1 2 ปีที่ผ่านมาสามตัวแรกส่งผลให้เกิด whipsaws หรือการค้าที่ไม่ดีแนวโน้มเริ่มมีเสถียรภาพเริ่มขึ้นด้วยการครอสโอเวอร์ที่สี่เมื่อ ORCL ก้าวขึ้นสู่กลางยุค 20 อีกครั้ง เมื่อแนวโน้มมีความแข็งแกร่ง แต่สร้างความสูญเสียในกรณีที่ไม่มีแนวโน้มราคา Crossovers เฉลี่ยที่เกิดขึ้นนอกจากนี้ยังสามารถใช้ในการสร้างสัญญาณด้วยไขว้ราคาง่ายๆสัญญาณรั้นจะถูกสร้างขึ้นเมื่อราคาเคลื่อนเหนือค่าเฉลี่ยเคลื่อนที่สัญญาณหยาบคายถูกสร้างขึ้นเมื่อ ราคาขยับขึ้นต่ำกว่าค่าเฉลี่ยเคลื่อนที่ค่าไขว้ราคาสามารถรวมเข้ากับการค้าภายในแนวโน้มที่ใหญ่กว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นจะกำหนดโทนของแนวโน้มที่ใหญ่ขึ้นและใช้ค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเพื่อสร้าง สัญญาณหนึ่งจะมองหาราคารั้นผ่านเมื่อราคามีอยู่แล้วสูงกว่าค่าเฉลี่ยเคลื่อนที่อีกต่อไปนี้จะซื้อขายในความสามัคคีกับแนวโน้มที่ใหญ่กว่าตัวอย่างเช่นถ้าราคาอยู่เหนือค่าเฉลี่ยเคลื่อนที่ 200 วัน chartists จะเน้นเฉพาะเมื่อสัญญาณ ราคาขยับขึ้นเหนือเส้นค่าเฉลี่ยระยะ 50 วันอย่างเห็นได้ชัดการเคลื่อนตัวต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 50 วันจะนำสัญญาณดังกล่าวมาก่อน แต่การข้ามผ่านหยาบคายดังกล่าวจะไม่ได้รับการตอบรับเนื่องจากมีแนวโน้มเพิ่มมากขึ้น uptrend การกลับข้ามด้านบนของค่าเฉลี่ยเคลื่อนที่ 50 วันจะส่งสัญญาณถึงการปรับตัวขึ้นของราคาและความต่อเนื่องของแนวโน้มขาขึ้นที่ใหญ่ขึ้นกราฟถัดไปแสดง Emerson Electric EMR พร้อมกับ EMA 50 วันและ EMA 200 วันหุ้นขึ้นเหนือและอยู่เหนือระดับ ค่าเฉลี่ยเคลื่อนที่ 200 วันในเดือนสิงหาคมมีการปรับตัวลงมาต่ำกว่า EMA 50 วันในช่วงต้นเดือนพฤศจิกายนและอีกครั้งในช่วงต้นเดือนกุมภาพันธ์ราคาพลิกกลับอย่างรวดเร็วเหนือเส้น EMA 50 วันเพื่อให้ได้สัญญาณลูกศรสีเขียวที่กลมกลืนกับเครื่องหมาย b igger uptrend MACD 1,50,1 แสดงในหน้าต่างตัวบ่งชี้เพื่อยืนยันการข้ามผ่านด้านล่างหรือด้านล่าง EMA 50 วัน EMA 1 วันเท่ากับราคาปิด MACD 1,50,1 เป็นบวกเมื่อราคาปิดอยู่เหนือ 50 วัน EMA และเป็นลบเมื่อระยะสั้นปิดต่ำกว่า 50 วัน EMA การสนับสนุนและความต้านทานค่าเฉลี่ย Mooding ยังสามารถทำหน้าที่เป็นแนวรับในแนวรองรับและแนวต้านในระยะสั้นขาขึ้นในระยะสั้นอาจได้รับแรงสนับสนุนจากระยะใกล้ถึง 20 วัน ค่าเฉลี่ยซึ่งใช้ใน Bollinger Bands ขาขึ้นในระยะยาวอาจได้รับแรงหนุนจากค่าเฉลี่ยเคลื่อนที่ 200 วันซึ่งเป็นค่าเฉลี่ยระยะยาวที่เป็นที่นิยมมากที่สุดหากความเป็นจริงค่าเฉลี่ยเคลื่อนที่ 200 วันอาจให้การสนับสนุนหรือความต้านทานได้ แผนภูมินี้แสดงให้เห็นว่า NY Composite มีค่าเฉลี่ยเคลื่อนที่ 200 วันจากกลางปี ​​2547 จนถึงสิ้นปี พ. ศ. 2551 200 วันให้การสนับสนุนหลายครั้งในช่วง เมื่อแนวโน้มย้อนกลับไปพร้อมกับการสนับสนุนด้านบนสองครั้ง eak ค่าเฉลี่ยเคลื่อนที่ 200 วันทำหน้าที่เป็นแนวต้านรอบ 9500. ไม่คาดหวังว่าการสนับสนุนที่ถูกต้องและระดับความต้านทานจากค่าเฉลี่ยเคลื่อนที่โดยเฉพาะค่าเฉลี่ยที่เคลื่อนไหวได้อีกโดยเฉพาะตลาดจะถูกผลักดันด้วยอารมณ์ซึ่งทำให้มีแนวโน้มที่จะ overshoots แทนระดับที่แน่นอนค่าเฉลี่ยเคลื่อนที่สามารถ จะใช้เพื่อระบุการสนับสนุนหรือโซนความต้านทานข้อดีของการใช้ค่าเฉลี่ยเคลื่อนที่จะต้องมีการชั่งน้ำหนักกับข้อเสียการย้ายค่าเฉลี่ยมีแนวโน้มตามหรือ lagging ตัวชี้วัดที่จะเป็นขั้นตอนหลังนี้ไม่จำเป็นต้องเป็นสิ่งที่ไม่ดี แต่หลังจากทั้งหมด, แนวโน้มเป็นเพื่อนของคุณและดีที่สุดคือการค้าในทิศทางของแนวโน้มการย้ายค่าเฉลี่ยประกันว่าผู้ประกอบการค้าจะสอดคล้องกับแนวโน้มปัจจุบันแม้ว่าแนวโน้มเป็นเพื่อนของคุณหลักทรัพย์ใช้จ่ายมากเวลาในช่วงการซื้อขายซึ่ง ทำให้ค่าเฉลี่ยเคลื่อนที่ไม่ได้ผลเมื่ออยู่ในแนวโน้มค่าเฉลี่ยเคลื่อนที่จะทำให้คุณอยู่ใน แต่ยังให้สัญญาณปลาย Don t คาดว่าจะขายที่ด้านบนและซื้อที่ด้านล่างโดยใช้ avera ย้าย ges เช่นเดียวกับเครื่องมือวิเคราะห์ทางเทคนิคส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่ไม่ควรใช้ด้วยตัวเอง แต่ร่วมกับเครื่องมือเสริมอื่น Chartists สามารถใช้ค่าเฉลี่ยเคลื่อนที่เพื่อกำหนดแนวโน้มโดยรวมและใช้ RSI เพื่อกำหนดระดับซื้อเกินหรือ oversold การเพิ่มค่าเฉลี่ยเคลื่อนที่ไปที่ StockCharts Charts. Moving ค่าเฉลี่ยที่มีอยู่ในรูปแบบการวางซ้อนราคาบนโต๊ะทำงาน SharpCharts โดยใช้เมนูแบบเลื่อนลง Overlays ผู้ใช้สามารถเลือกค่าเฉลี่ยเคลื่อนที่แบบเรียบหรือค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้ค่าพารามิเตอร์แรกจะใช้เพื่อกำหนดจำนวนช่วงเวลา คุณสามารถเพิ่มพารามิเตอร์ที่เป็นตัวเลือกเพื่อระบุว่าควรใช้ฟิลด์ราคาใดในการคำนวณ - O สำหรับ Open, H สำหรับ High, L สำหรับ Low และ C สำหรับเครื่องหมายจุลภาคปิด A ใช้เพื่อแยกพารามิเตอร์พารามิเตอร์ที่เป็นตัวเลือกอื่นสามารถ จะเพิ่มการย้ายค่าเฉลี่ยเคลื่อนที่ไปทางซ้ายที่ผ่านมาหรือในอนาคตที่ถูกต้องจำนวนลบ -10 จะเปลี่ยนค่าเฉลี่ยเคลื่อนที่ไปทางซ้าย 10 งวดจำนวนบวก 10 จะย้ายการย้าย verage ไปทางขวา 10 periods. Multiple moving averages สามารถ overlaid พล็อตราคาโดยเพียงแค่เพิ่มอีกชั้นวางซ้อนกับสมาชิก Workbench StockCharts สามารถเปลี่ยนสีและรูปแบบเพื่อแยกความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่หลายหลังจากเลือกตัวบ่งชี้ให้เปิดตัวเลือกขั้นสูงโดยคลิกที่ รูปสามเหลี่ยมสีเขียวเล็ก ๆ น้อย ๆ นอกจากนี้ยังสามารถใช้ตัวเลือกขั้นสูงเพื่อเพิ่มค่าเฉลี่ยถ่วงน้ำหนักที่เคลื่อนที่ไปยังตัวชี้วัดทางเทคนิคอื่น ๆ เช่น RSI, CCI และ Volume คลิกที่นี่เพื่อดูกราฟสดที่มีค่าเฉลี่ยเคลื่อนที่แตกต่างกันการใช้ค่าเฉลี่ยเคลื่อนที่กับสครอชชอต Scans นี่คือตัวอย่างการสแกนที่ StockCharts สมาชิกสามารถใช้เพื่อสแกนหาค่าเฉลี่ยของสถานการณ์ที่เคลื่อนไหวได้โดยทั่วไปการเคลื่อนไหวเฉลี่ยข้ามเฉลี่ยการสแกนนี้จะหาหุ้นที่มีค่าเฉลี่ยเคลื่อนที่ 150 วันที่เพิ่มขึ้นและการข้ามผ่านแนวราบของ EMA 5 วันและ EMA 35 วันค่าเฉลี่ยเคลื่อนที่ 150 วัน จะเพิ่มขึ้นตราบเท่าที่มีการซื้อขายเหนือระดับของห้าวันที่ผ่านมาข้ามรั้นจะเกิดขึ้นเมื่อ EMA 5 วันเคลื่อนตัวเหนือ EMA 35 วันเมื่อเทียบกับค่าเฉลี่ยสูงกว่าค่าเฉลี่ยการเคลื่อนไหวของค่าเฉลี่ย Cross การสแกนนี้จะมองหาหุ้นที่ลดลง 150- วันค่าเฉลี่ยการเคลื่อนไหวแบบถดถอยและเส้นค่าเฉลี่ยถดถอยในระยะสั้น EMA 5 วันและ EMA 35 วันค่าเฉลี่ยเคลื่อนที่ 150 วันจะลดลงตราบใดที่ยังซื้อขายอยู่ในระดับต่ำกว่า 5 วันที่ผ่านมา ต่ำกว่า EMA 35 วันที่ ABO หนังสือเล่มนี้มีบทที่อุทิศให้กับค่าเฉลี่ยเคลื่อนที่และการใช้งานต่างๆของพวกเขา Murphy ครอบคลุมข้อดีและข้อเสียของการย้ายค่าเฉลี่ยนอกจากนี้เมอร์ฟี่แสดงให้เห็นว่าการเคลื่อนไหวโดยเฉลี่ยทำงานร่วมกับ Bollinger Bands และระบบการซื้อขายบนช่องทางอย่างไรเทคนิค การวิเคราะห์ตลาดการเงิน John Murphy กำหนดให้เป็นความผันผวนของตัวแปรตลาดในวัน n โดยประมาณเมื่อสิ้นสุดวันที่ n-1 อัตราความแปรปรวนคือตารางความผันผวนในวัน n สมมติราคาของตัวแปรตลาด ในตอนท้ายของวัน i คืออัตราผลตอบแทนที่เกิดขึ้นอย่างต่อเนื่องในระหว่างวันที่ i ระหว่างปลายวันก่อนหน้าเช่น i-1 และส่วนท้ายของวัน i จะแสดงเป็นถัดไปโดยใช้วิธีมาตรฐานในการประมาณจากข้อมูลที่ผ่านมาเราจะใช้ การสังเกตการณ์ m ล่าสุดในการคำนวณ estimator ที่เป็นกลางของความแปรปรวนคือค่าเฉลี่ยของ. ต่อไปให้สมมุติฐานและใช้ค่าประมาณความเป็นไปได้สูงสุดของอัตราความแปรปรวนจนถึงตอนนี้เราใช้น้ำหนักที่เท่ากันทั้งหมดดังนั้นคำจำกัดความดังกล่าวข้างต้น มักเป็นอีกครั้ง เป็นค่าประมาณความผันผวนอย่างเท่าเทียมกันก่อนหน้านี้เราได้กล่าวว่าเป้าหมายของเราคือการประเมินความผันผวนของระดับในปัจจุบันดังนั้นจึงควรให้น้ำหนักที่สูงกว่าข้อมูลล่าสุดมากกว่าคนรุ่นเก่าเมื่อต้องการทำเช่นนั้นให้แจ้งค่าความแปรปรวนที่ถ่วงน้ำหนัก ดังต่อไปนี้เป็นจำนวนน้ำหนักที่ให้กับการสังเกต i-days ago ดังนั้นเพื่อให้น้ำหนักที่สูงขึ้นเพื่อการสังเกตล่าสุดความแปรปรวนเฉลี่ยในระยะยาวการขยายความเป็นไปได้ของแนวคิดข้างต้นคือสมมติว่ามีค่าเฉลี่ยระยะยาว ความแปรปรวนและที่ควรจะได้รับน้ำหนักบางรุ่นข้างต้นเรียกว่า ARCH m แบบที่เสนอโดย Engle ในปี 1994.EWMA เป็นกรณีพิเศษของสมการข้างต้นในกรณีนี้เราจะทำให้มันเพื่อให้น้ำหนักของการลดตัวแปร เมื่อเทียบกับการนำเสนอก่อนหน้านี้ EWMA รวมถึงข้อสังเกตก่อนหน้าทั้งหมด แต่ด้วยการลดน้ำหนักแบบทวีคูณตลอดช่วงเวลาต่อไปเราจะใช้การรวมน้ำหนักเพื่อให้เท่ากับข้อ จำกัด ของความสามัคคีสำหรับมูลค่าของตอนนี้ เรา plu g เงื่อนไขเหล่านี้กลับเข้าสู่สมการสำหรับการประมาณการสำหรับชุดข้อมูลที่มีขนาดใหญ่มีขนาดเล็กพอที่จะถูกเพิกเฉยได้จากสมการวิธีการ EWMA มีคุณลักษณะที่น่าสนใจอย่างหนึ่งซึ่งต้องใช้ข้อมูลที่จัดเก็บค่อนข้างน้อยเพื่อปรับปรุงค่าประมาณของเราได้ทุกเมื่อ เพียงต้องการประมาณการก่อนหน้าของอัตราความแปรปรวนและค่าสังเกตการณ์ล่าสุดวัตถุประสงค์รองของ EWMA คือการติดตามการเปลี่ยนแปลงความผันผวนของค่าเล็กน้อยการสังเกตการณ์ล่าสุดมีผลต่อการประมาณการโดยทันทีสำหรับค่าที่ใกล้เคียงกับค่าประมาณการเปลี่ยนแปลงจะเปลี่ยนแปลงไปอย่างช้าๆตาม การเปลี่ยนแปลงล่าสุดของผลตอบแทนของตัวแปรต้นแบบฐานข้อมูล RiskMetrics ที่ผลิตโดย JP Morgan และเปิดเผยต่อสาธารณชนให้ใช้ EWMA เพื่อปรับปรุงความผันผวนของชีวิตประจำวันที่สำคัญสูตร EWMA ไม่ถือว่าเป็นระดับความแปรปรวนเฉลี่ยระยะยาวดังนั้นแนวคิดของความผันผวนคือ การพลิกกลับไม่ได้ถูกจับโดย EWMA โมเดล ARCH GARCH เหมาะสำหรับวัตถุประสงค์นี้วัตถุประสงค์รองของ EWMA คือการติดตามการเปลี่ยนแปลงใน volatilit y ดังนั้นค่าเล็กน้อยการสังเกตล่าสุดจึงมีผลกระทบต่อการประมาณการโดยทันทีและสำหรับค่าที่ใกล้เคียงกับค่าประมาณการเปลี่ยนแปลงจะเปลี่ยนแปลงอย่างช้าๆต่อการเปลี่ยนแปลงล่าสุดในการส่งกลับค่าของตัวแปรต้นแบบฐานข้อมูล RiskMetrics ที่ผลิตโดย JP Morgan และเผยแพร่ต่อสาธารณะในปีพ. ใช้รูปแบบ EWMA กับการปรับปรุงการประเมินความผันผวนของรายวัน บริษัท พบว่าในช่วงของตัวแปรตลาดค่านี้จะให้การคาดการณ์ของความแปรปรวนที่ใกล้เคียงกับอัตราความแปรปรวนที่ตระหนักอัตราการแปรปรวนที่เกิดขึ้นในวันที่เฉพาะเจาะจงถูกคำนวณเป็นค่าเท่ากัน - ถัวเฉลี่ยถ่วงน้ำหนักในวันที่ 25 ถัดไปในทำนองเดียวกันในการคำนวณค่าที่ดีที่สุดของแลมบ์ดาสำหรับชุดข้อมูลของเราเราจำเป็นต้องคำนวณความผันผวนที่เกิดขึ้นในแต่ละจุดมีหลายวิธีเพื่อเลือกหนึ่งถัดไปคำนวณผลรวมของข้อผิดพลาด squared SSE ระหว่างการประเมิน EWMA และความผันผวนที่เกิดขึ้นในที่สุดลด SSE โดยการเปลี่ยนแปลงค่าแลมบ์ดาเสียงง่ายเป็นความท้าทายที่ใหญ่ที่สุดคือการยอมรับในขั้นตอนวิธีการคำนวณ ความเสี่ยงที่เกิดขึ้นตัวอย่างเช่นคนที่ RiskMetrics เลือก 25 วันถัดไปเพื่อคำนวณอัตราความแปรปรวนที่เกิดขึ้นจริงในกรณีของคุณคุณอาจเลือกอัลกอริทึมที่ใช้ปริมาณรายวัน HI LO และหรือ OPEN-CLOSE ราคา Q 1 เราสามารถใช้ EWMA เพื่อ ประมาณหรือคาดการณ์ความผันผวนมากกว่าหนึ่งก้าวข้างหน้าการแสดงความผันผวนของ EWMA ไม่ถือว่าเป็นความผันผวนเฉลี่ยในระยะยาวและด้วยเหตุนี้สำหรับขอบฟ้าที่คาดการณ์ไว้มากกว่าหนึ่งขั้นตอน EWMA จะส่งกลับค่าคงที่สำหรับชุดข้อมูลขนาดใหญ่ value มีผลกระทบเพียงเล็กน้อยต่อค่าที่คำนวณได้การก้าวไปข้างหน้าเรากำลังวางแผนที่จะใช้อาร์กิวเมนต์เพื่อยอมรับค่าความผันผวนเริ่มต้นของผู้ใช้ Q 3 ความสัมพันธ์ของ EWMA กับ ARCH GARCH Model. EWMA เป็นรูปแบบพิเศษของ ARCH อย่างไร รุ่นที่มีลักษณะดังต่อไปนี้คำสั่ง ARCH จะเท่ากับขนาดข้อมูลตัวอย่างน้ำหนักจะลดลงอย่างมากในอัตราตลอดเวลา Q 4 EWMA กลับมาเป็นค่าเฉลี่ย NO EWMA ไม่มีคำจำกัดความสำหรับระยะยาว เฉลี่ยดังนั้น จะไม่เปลี่ยนกลับเป็นค่าใด ๆ Q 5 การประมาณความแปรปรวนของเส้นขอบฟ้าเกินกว่าหนึ่งวันหรือก้าวไปข้างหน้าใน Q1 ฟังก์ชัน EWMA จะส่งกลับค่าคงที่เท่ากับค่าประมาณหนึ่งขั้นตอน Q 6 ฉันมีรายสัปดาห์ ข้อมูลรายเดือนรายเดือนค่าใดที่ฉันควรใช้คุณอาจยังคงใช้ค่าเริ่มต้นได้เป็น 0 94 แต่ถ้าคุณต้องการหาค่าที่ดีที่สุดคุณจำเป็นต้องตั้งค่าปัญหาการเพิ่มประสิทธิภาพเพื่อลด SSE หรือ MSE ระหว่าง EWMA และตระหนัก ความผันผวนของเราดูความผันผวนของเรา 101 กวดวิชาในเคล็ดลับและคำแนะนำในเว็บไซต์ของเราสำหรับรายละเอียดเพิ่มเติมและตัวอย่าง Q7 ถ้าข้อมูลของฉันไม่ได้เป็นศูนย์หมายถึงฉันจะใช้ฟังก์ชันได้อย่างไรตอนนี้ใช้ฟังก์ชัน DETREND เพื่อลบค่าเฉลี่ย จากข้อมูลก่อนที่คุณจะส่งผ่านไปยังฟังก์ชัน EWMA ในอนาคต NumXL จะออก EWMA จะลบความหมายโดยอัตโนมัติในนามของคุณตัวเลือก John C Options ฟิวเจอร์สและสัญญาซื้อขายล่วงหน้าอื่น ๆ Financial Times Prentice Hall 2003, pp 372-374, ISBN 1-405-886145.Hamilton, JD Time Series การวิเคราะห์ Princeton University Pres s 1994, ISBN 0-691-04289-6.Tsay การวิเคราะห์ทางการเงินของ Ruey S Series John Wiley SONS 2005, ISBN 0-471-690740. ลิงก์ย้อนกลับคำนวณความผันผวนทางประวัติศาสตร์โดยใช้ EWMA. Volatility เป็นมาตรการที่ใช้บ่อยที่สุด ความผันผวนของความเสี่ยงในแง่นี้อาจเป็นความผันผวนทางประวัติศาสตร์ที่สังเกตได้จากข้อมูลที่ผ่านมาหรืออาจบ่งบอกถึงความผันผวนที่เกิดขึ้นจากราคาตลาดของเครื่องมือทางการเงินความผันผวนทางประวัติศาสตร์สามารถคำนวณได้สามวิธี ได้แก่ ความผันผวนอย่างเล็กน้อยค่าเฉลี่ยถ่วงน้ำหนักเคลื่อนไหวเฉลี่ย EWMA หนึ่งในข้อได้เปรียบที่สำคัญของ EWMA คือให้น้ำหนักมากขึ้นกับผลตอบแทนล่าสุดในขณะที่คำนวณผลตอบแทนในบทความนี้เราจะดูวิธีการคำนวณความผันผวนโดยใช้ EWMA ดังนั้นให้เริ่มต้นขั้นตอนที่ 1 คำนวณผลตอบแทน log ของราคา series. If เรากำลังมองหาที่ราคาหุ้นเราสามารถคำนวณผลตอบแทน lognormal ประจำวันโดยใช้สูตร ln P i P i -1 โดยที่ P หมายถึงราคาปิดของหุ้นในแต่ละวันเราจำเป็นต้องใช้ log ธรรมชาติเพราะเรา ต้องการผลตอบแทนที่จะประกอบกันอย่างต่อเนื่องตอนนี้เราจะมีผลตอบแทนรายวันสำหรับชุดราคาทั้งหมดขั้นที่ 2 สแควร์ผลตอบแทนขั้นตอนต่อไปคือการใช้สแควร์ของผลตอบแทนที่ยาวนานนี่เป็นจริงการคำนวณความแปรปรวนหรือความผันผวนอย่างง่ายที่แสดงโดยต่อไปนี้ สูตรนี้ที่ u หมายถึงผลตอบแทนและ m หมายถึงจำนวนวันขั้นตอนที่ 3 กำหนดน้ำหนักการกำหนดน้ำหนักเช่นว่าผลตอบแทนล่าสุดมีน้ำหนักที่สูงขึ้นและผลตอบแทนที่มีอายุมากกว่ามีน้ำหนักน้อยกว่านี้เราต้องใช้ปัจจัยที่เรียกว่าแลมบ์ดาซึ่งเป็นความราบเรียบ ค่าคงที่หรือค่าคงที่น้ำหนักถูกกำหนดให้เป็น 1- 0 Lambda ต้องมีค่าน้อยกว่า 1 เมตริกความเสี่ยงใช้ lambda 94 น้ำหนักแรกจะเป็น 1-0 94 6 น้ำหนักที่สองจะเป็น 6 0 94 5 64 และอื่น ๆ ใน EWMA ทั้งหมดน้ำหนักรวมถึง 1 แต่พวกเขาจะลดลงด้วยอัตราส่วนคงที่ของขั้นตอนที่ 4 คูณกลับ - ยกกำลังสองกับน้ำหนักขั้นตอนที่ 5 ใช้ผลรวมของ R 2 w ซึ่งเป็นความแปรปรวน EWMA สุดท้ายความผันผวนจะเป็นรากที่สอง ของ varian ce ภาพต่อไปนี้แสดงการคำนวณตัวอย่างด้านบนที่เราเห็นคือแนวทางที่อธิบายโดย RiskMetrics รูปแบบทั่วไปของ EWMA สามารถแสดงเป็นสูตร recursive ต่อไปนี้