6 เดือน ง่าย เฉลี่ยเคลื่อนที่

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 จุดแรกเนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงที่ 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้น ค่าเฉลี่ยเคลื่อนที่เฉลี่ย - SMA ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย - SMA ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายสามารถปรับแต่งได้โดยสามารถคำนวณได้สำหรับช่วงเวลาต่างกันเพียงอย่างเดียว โดยการเพิ่มราคาปิดของการรักษาความปลอดภัยสำหรับช่วงเวลาหนึ่งแล้วหารจำนวนรวมทั้งหมดนี้ตามจำนวนช่วงเวลาซึ่งจะทำให้ราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลานั้น ค่าเฉลี่ยเคลื่อนที่ที่เรียบช่วยขจัดความผันผวนและทำให้สามารถดูแนวโน้มราคาของหลักทรัพย์ได้ง่ายขึ้น หากค่าเฉลี่ยเคลื่อนที่ขึ้นเล็กน้อยหมายความว่าราคาหลักทรัพย์เพิ่มมากขึ้น หากมีการชี้ลงหมายความว่าราคาหลักทรัพย์ลดลง ระยะเวลาที่ยาวขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่จะยิ่งทำให้ค่าเฉลี่ยเคลื่อนที่เรียบขึ้น ค่าเฉลี่ยเคลื่อนที่ระยะสั้นมีความผันผวนมากขึ้น แต่การอ่านมีความใกล้เคียงกับข้อมูลต้นฉบับ ความสำคัญเชิงวิเคราะห์ค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือวิเคราะห์ที่สำคัญซึ่งใช้ในการระบุแนวโน้มราคาในปัจจุบันและศักยภาพในการเปลี่ยนแปลงแนวโน้มที่กำหนดไว้ รูปแบบที่ง่ายที่สุดในการใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆในการวิเคราะห์คือการใช้เพื่อระบุว่าการรักษาความปลอดภัยอยู่ในขาขึ้นหรือขาลงอย่างรวดเร็วหรือไม่ อีกเครื่องมือวิเคราะห์ที่ได้รับความนิยมแม้ว่าจะมีความซับซ้อนมากกว่าเล็กน้อย แต่ก็คือการเปรียบเทียบคู่ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆกับแต่ละเฟรมเวลาที่ต่างกัน หากค่าเฉลี่ยเคลื่อนที่แบบระยะสั้นอยู่เหนือค่าเฉลี่ยระยะยาวคาดว่าจะมีแนวโน้มขาขึ้น ในทางกลับกันค่าเฉลี่ยระยะยาวที่สูงกว่าค่าเฉลี่ยระยะสั้นจะส่งผลให้แนวโน้มการปรับตัวลดลง รูปแบบการค้าที่นิยมใช้รูปแบบการซื้อขายสองรูปแบบที่นิยมใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ ได้แก่ เครื่องหมายกากบาทและกากบาทสีทอง การเสียชีวิตเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ 50 วันที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 200 วัน ถือเป็นสัญญาณขาลงที่มีการขาดทุนเพิ่มขึ้น เครื่องหมายกากบาทสีทองเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ระยะสั้นอยู่เหนือค่าเฉลี่ยเคลื่อนที่ในระยะยาว การเพิ่มขึ้นของปริมาณการซื้อขายที่เพิ่มขึ้นอาจส่งผลต่อกำไรได้มากขึ้นค่าเฉลี่ย: อะไรคือตัวชี้วัดทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัดทิศทางของแนวโน้มในปัจจุบัน 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 คุณจึงคาดว่าจะเห็นค่าเฉลี่ยของการลดลงของชุดข้อมูลซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เมื่อค่าของ MA ได้รับการคำนวณพวกเขาจะวางแผนลงบนแผนภูมิและเชื่อมต่อแล้วเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่ เส้นโค้งเหล่านี้มีอยู่ทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีการใช้งานเหล่านี้อาจแตกต่างกันอย่างมาก (ในภายหลัง) ดังที่เห็นในรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิใด ๆ โดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณ เส้นโค้งเหล่านี้ดูเหมือนจะเสียสมาธิหรือทำให้เกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับมันเมื่อเวลาผ่านไป เส้นสีแดงเป็นเพียงราคาเฉลี่ยในช่วง 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมา ตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่คืออะไรและแนะนำให้ใช้ค่าเฉลี่ยเคลื่อนที่ที่ต่างกันและดูว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงก่อนหน้านี้เท่าไร ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมอย่างมากของผู้ค้า แต่เป็นตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์ หลายคนอ้างว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ 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 กับ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA ถูกคำนวณไปแล้วลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไร 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 วิธีที่ดีที่สุดในการพิจารณาว่าแคมเปญใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบกับช่วงเวลาที่เหมาะกับกลยุทธ์ของคุณกิจกรรมการลงทุนที่ประสบความสำเร็จของ Bulkowski8217s ทำให้เขาสามารถเกษียณอายุได้เมื่ออายุ 36 ปีเขาเป็นนักเขียนที่รู้จักกันทั่วโลก และผู้ค้าที่มีประสบการณ์ในตลาดหุ้น 30 ปีและได้รับการยกย่องอย่างกว้างขวางว่าเป็นผู้เชี่ยวชาญชั้นนำด้านรูปแบบแผนภูมิ เขาอาจจะไปถึงไซต์สนับสนุนคลิกลิงก์ (ด้านล่าง) เพื่อพาคุณไปที่ Amazon หากคุณซื้ออะไรที่พวกเขาจ่ายสำหรับการอ้างอิง Bulkowskis ค่าเฉลี่ยเคลื่อนที่ 12 เดือนเขียนโดยและสำเนาลิขสิทธิ์ 2005-2017 โดย Thomas N. Bulkowski สงวนลิขสิทธิ์. ข้อจำกัดความรับผิดชอบ: คุณมีส่วนรับผิดชอบต่อการตัดสินใจลงทุนของคุณ ดูข้อมูลเพิ่มเติมที่ PrivacyDisclaimer บทความนี้กล่าวถึงวิธีใช้ค่าเฉลี่ยเคลื่อนที่ 12 เดือนเพื่อตรวจจับตลาดวัวและหมี การเคลื่อนไหวเฉลี่ย 12 เดือนข้างต้นภาพวาดด้านบนเป็นแผนภูมิเส้นของราคาปิดรายเดือนของดัชนี SampP 500 พร้อมกับค่าเฉลี่ยเคลื่อนที่ของช่วงปิดบัญชี 12 เดือน (แสดงเป็นสีแดง) สังเกตว่าในช่วงเริ่มต้นของตลาดหมี 2000-2002 ดัชนีลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่ A. นั่นคือสัญญาณที่จะขายและเคลื่อนย้ายเป็นเงินสด ในช่วงที่ตลาดหมีในปี 2007 ถึง 2009 ดัชนีร่วงลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (B) ในทั้งสองกรณีดัชนียังคงต่ำกว่าค่าเฉลี่ยเคลื่อนที่จนกว่าการฟื้นตัวเริ่มต้นที่ C และ D ถ้าคุณใช้ค่าเฉลี่ยเคลื่อนที่ 10 เดือนแทนที่จะเป็น 12 ราคาจะเจาะค่าเฉลี่ยในวงกลมสีน้ำเงินและตามแนว CB ย้ายที่สัมผัสครั้งแรก ผู้ที่อาจก่อให้เกิดธุรกรรมที่ไม่จำเป็น (ซื้อแล้วขายหรือย้อนกลับ) ดังนั้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย 12 เดือนจึงดีกว่า ค่าเฉลี่ยเคลื่อนที่ที่น้อยกว่าเล็กน้อยจะช่วยให้คุณกลับเข้าสู่ตลาดได้เล็กน้อยในภายหลังที่ C และ D มากกว่าค่าเฉลี่ยเคลื่อนที่ 10 เดือน หากคุณต้องการทดสอบนี้โปรดตรวจสอบว่าคุณใช้ราคาปิดรายเดือนและไม่สูงหรือต่ำในช่วงเดือน คุณจะพบว่าค่าเฉลี่ยเคลื่อนที่จะช่วยลดความเสี่ยงและความเสี่ยงในการซื้อและระงับ กฎการซื้อขายการซื้อขายเฉลี่ย 12 เดือนนี่คือกฎการซื้อขาย ซื้อเข้าสู่ตลาดเมื่อดัชนี Sampamp 500 ขึ้นเหนือ 12 เดือนของค่าเฉลี่ยการปิดตัวของราคาปิด ขายเมื่อดัชนีลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ การทดสอบค่าเฉลี่ยเคลื่อนที่ 12 เดือนผมถาม Dr. Tom Helget ให้ทำแบบจำลองในดัชนี SampP 500 ตั้งแต่เดือนมกราคม 1950 ถึงมีนาคม 2010 ตารางต่อไปนี้แสดงผลการค้นหาของเขาบางส่วน นี่คือสิ่งที่เขาพูดเกี่ยวกับการทดสอบ การทดสอบของฉันเริ่มจาก 131950 ถึง 3312010 (20,515 วันหรือ 56.17 ปี) ใน GSPC การซื้อขายถูกถ่ายเมื่อปิดการข้ามเส้นค่าเฉลี่ยเคลื่อนที่เป็นเดือนที่ n เมื่อเปิดวันหลังจากสัญญาณ ตำแหน่งว่างลงเมื่อระยะสั้นปิดต่ำกว่าช่วงเดียวกันของค่าเฉลี่ยเคลื่อนที่ที่ n ในช่วงเวลาเปิดหลังจากวันที่สัญญาณ อนุญาตเศษหุ้นที่จะซื้อ ค่าเริ่มต้นของฉันคือ 100 ช่วงเวลาของค่าเฉลี่ยเคลื่อนที่แบบรายเดือนมีค่าตั้งแต่ 6 ถึง 14 การเพิ่มประสิทธิภาพแสดงประสิทธิภาพที่ดีที่สุดเป็น SMA 12 เดือนโดยมีอัตราผลตอบแทนรายปีเฉลี่ย 7.15 หากมีการซื้อเมื่อ 1291954 (วันที่การค้าครั้งแรกที่สร้างขึ้นโดยระบบ) และถือจนถึงวันที่สิ้นสุด CAR จะเป็น 7.36 คุณสามารถดาวน์โหลดสำเนาผลสเปรดชีตของเขาได้โดยคลิกที่ลิงค์ เขียนโดยและสำเนาลิขสิทธิ์ 2005-2017 โดย Thomas N. Bulkowski สงวนลิขสิทธิ์. ข้อจำกัดความรับผิดชอบ: คุณมีส่วนรับผิดชอบต่อการตัดสินใจลงทุนของคุณ ดูข้อมูลเพิ่มเติมที่ PrivacyDisclaimer มนุษย์เป็นคอมพิวเตอร์ที่ดีที่สุดที่เราสามารถนำยานอวกาศขึ้นมาและเป็นคนเดียวที่สามารถผลิตได้ด้วยแรงงานที่ไม่มีฝีมือ