ชี้แจง เคลื่อนไหว ค่าเฉลี่ย มาตรฐาน เบี่ยงเบน

ค่าเบี่ยงเบนมาตรฐานมาตรฐานเบี่ยงเบนมาตรฐานของการวัดความผันผวนของตลาด ตัวบ่งชี้นี้อธิบายช่วงความผันผวนของราคาเทียบกับ Moving Average ดังนั้นหากค่าของตัวบ่งชี้นี้มีค่าสูงตลาดก็มีความผันผวนและราคาของบาร์มีการแพร่กระจายค่อนข้างมากเมื่อเทียบกับค่าเฉลี่ยเคลื่อนที่ หากค่าตัวบ่งชี้ต่ำตลาดสามารถอธิบายว่ามีความผันผวนต่ำและราคาของบาร์ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่ โดยปกติตัวบ่งชี้นี้จะใช้เป็นส่วนประกอบของตัวบ่งชี้อื่น ๆ ดังนั้นเมื่อคำนวณ Bollinger Bandsreg หนึ่งต้องเพิ่มค่าเบี่ยงเบนมาตรฐานสัญลักษณ์เพื่อค่าเฉลี่ยเคลื่อนที่ของมัน พฤติกรรมทางการตลาดหมายถึงการแลกเปลี่ยนกิจกรรมการค้าที่สูงและตลาดที่ไม่เอื้ออำนวย ดังนั้นตัวบ่งชี้สามารถตีความได้อย่างง่ายดาย: ถ้าค่าต่ำเกินไปนั่นคือตลาดไม่ได้ใช้งานอย่างสิ้นเชิงคุณควรคาดหวังว่าการเพิ่มขึ้นอย่างรวดเร็วจะเป็นอย่างอื่นหากมีค่าสูงมากอาจหมายความว่ากิจกรรมจะลดลงในไม่ช้า การคำนวณ StdDev (i) SQRT (AMOUNT (ji - N, i) N) AMOUNT (ji - N, i) SUM ((apPRICE (j) - MA (apPRICE. N, i)) 2) StdDev (i) ค่าเบี่ยงเบนมาตรฐาน ของแถบปัจจุบัน SQRT square root AMOUNT (ji - N, i) ผลรวมของช่องสี่เหลี่ยมจัตุรัสจาก ji - N ถึง i N ระยะเวลาการปรับให้เรียบ apPRICE (j) ราคาที่ใช้ของแถบ j bar MA (apPRICE. N, i) ค่าเฉลี่ยเคลื่อนที่ที่มีค่า N ในแถบปัจจุบัน apPRICE (i) ราคาที่ใช้ของแถบปัจจุบันการสำรวจค่าความผันผวนโดยเฉลี่ยของค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักที่เป็นตัวเลขเป็นมาตรการที่ใช้กันทั่วไปในการวัดความเสี่ยง แต่มีหลายรสชาติ ในบทความก่อนหน้านี้เราได้แสดงวิธีการคำนวณความผันผวนทางประวัติศาสตร์ที่เรียบง่าย เราใช้ข้อมูลราคาหุ้นที่เกิดขึ้นจริงของ Google เพื่อคำนวณความผันผวนรายวันตามข้อมูลหุ้นภายใน 30 วัน ในบทความนี้เราจะปรับปรุงความผันผวนที่เรียบง่ายและหารือเกี่ยวกับค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบทวีคูณ (EWMA) Historical Vs ความผันแปรเบื้องต้นก่อนอื่นให้วางเมตริกนี้ไว้ในมุมมองเล็กน้อย มีสองแนวทางที่กว้าง: ความผันผวนในอดีตและโดยนัย (หรือโดยนัย) วิธีการทางประวัติศาสตร์สมมติว่าอดีตเป็นคำนำที่เราวัดประวัติศาสตร์ด้วยความหวังว่าจะเป็นการคาดการณ์ ในทางตรงกันข้ามความผันผวนโดยนัยจะละเลยประวัติความเป็นมาที่จะแก้ปัญหาให้กับความผันผวนโดยนัยตามราคาในตลาด หวังว่าตลาดจะรู้ได้ดีที่สุดและราคาในตลาดมีแม้กระทั่งโดยนัยประมาณการความผันผวน ถ้าเรามุ่งเน้นไปที่สามวิธีทางประวัติศาสตร์ (ด้านซ้ายด้านบน) พวกเขามีสองขั้นตอนที่เหมือนกัน: คำนวณชุดของผลตอบแทนเป็นระยะ ๆ ใช้สูตรการถ่วงน้ำหนักก่อนอื่นเรา คำนวณผลตอบแทนเป็นระยะ ๆ โดยทั่วไปแล้วผลตอบแทนรายวันจะได้รับผลตอบแทนแต่ละรายการในแง่บวก สำหรับแต่ละวันเราจะบันทึกล็อกอัตราส่วนราคาหุ้น (เช่นราคาในปัจจุบันหารด้วยราคาเมื่อวานนี้เป็นต้น) นี่เป็นการสร้างผลตอบแทนรายวันจาก u i to u i-m ขึ้นอยู่กับจำนวนวัน (m วัน) ที่เราวัด ที่ทำให้เราก้าวไปสู่ขั้นตอนที่สอง: นี่คือแนวทางที่แตกต่างกันสามวิธี ในบทความก่อนหน้า (ใช้ความผันผวนเพื่อวัดความเสี่ยงในอนาคต) เราพบว่าภายใต้สอง simplifications ยอมรับความแปรปรวนง่ายคือค่าเฉลี่ยของผลตอบแทนที่เป็นกำลังสอง: ขอให้สังเกตว่าผลรวมนี้แต่ละผลตอบแทนเป็นระยะจากนั้นแบ่งทั้งหมดโดย จำนวนวันหรือสังเกตการณ์ (ม.) ดังนั้นจริงๆมันเป็นเพียงเฉลี่ยของผลตอบแทนเป็นระยะ ๆ squared ใส่อีกวิธีหนึ่งแต่ละยกกำลังสองจะได้รับน้ำหนักเท่ากัน ดังนั้นถ้า alpha (a) เป็นปัจจัยการถ่วงน้ำหนัก (โดยเฉพาะ 1m) ความแปรปรวนแบบง่ายๆมีลักษณะดังนี้: EWMA ช่วยเพิ่มความแปรปรวนอย่างง่ายจุดอ่อนของวิธีนี้คือผลตอบแทนทั้งหมดจะมีน้ำหนักเท่ากัน การกลับมาเมื่อวาน (ล่าสุด) ไม่มีอิทธิพลต่อความแปรปรวนมากกว่าผลตอบแทนของเดือนที่ผ่านมา ปัญหานี้ได้รับการแก้ไขโดยใช้ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบทวีคูณ (EWMA) ซึ่งผลตอบแทนที่มากขึ้นล่าสุดมีน้ำหนักมากขึ้นกับความแปรปรวน ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบเลขยกกำลัง (EWMA) แนะนำ lambda ซึ่งเรียกว่าพารามิเตอร์การให้ราบเรียบ แลมบ์ดาต้องมีค่าน้อยกว่าหนึ่ง ภายใต้เงื่อนไขดังกล่าวแทนที่จะใช้น้ำหนักที่เท่ากันผลตอบแทนที่ได้รับจะเพิ่มขึ้นตามตัวคูณดังนี้ตัวอย่างเช่น RiskMetrics TM ซึ่งเป็น บริษัท บริหารความเสี่ยงทางการเงินมีแนวโน้มที่จะใช้แลมบ์ดาเท่ากับ 0.94 หรือ 94 ในกรณีนี้เป็นครั้งแรก (1-0.94) (. 94) 0 6. ผลตอบแทนที่ได้จะเป็นตัวเลข lambda-multiple ของน้ำหนักก่อนหน้าในกรณีนี้ 6 คูณด้วย 94 5.64 และสามวันก่อนหน้ามีน้ำหนักเท่ากับ (1-0.94) (0.94) 2 5.30 นั่นคือความหมายของเลขยกกำลังใน EWMA: แต่ละน้ำหนักเป็นตัวคูณคงที่ (เช่น lambda ซึ่งต้องน้อยกว่าหนึ่ง) ของน้ำหนักก่อนหน้า เพื่อให้แน่ใจว่ามีความแปรปรวนที่ถ่วงน้ำหนักหรือลำเอียงไปยังข้อมูลล่าสุด (หากต้องการเรียนรู้เพิ่มเติมโปรดดูที่แผ่นงาน Excel สำหรับความผันผวนของ Google) ความแตกต่างระหว่างความผันผวนเพียงอย่างเดียวกับ EWMA สำหรับ Google จะแสดงไว้ด้านล่าง ความผันผวนอย่างง่ายมีผลต่อการกลับคืนเป็นระยะ ๆ ทุกๆ 0.196 ตามที่แสดงไว้ในคอลัมน์ O (เรามีข้อมูลราคาหุ้นย้อนหลังเป็นเวลา 2 ปีนั่นคือผลตอบแทน 509 วันและ 1509 0.196) แต่สังเกตว่าคอลัมน์ P กำหนดน้ำหนัก 6, 5.64 แล้ว 5.3 และอื่น ๆ Thats ความแตกต่างระหว่างความแปรปรวนง่ายและ EWMA โปรดจำไว้ว่า: หลังจากที่เราสรุปชุดข้อมูลทั้งหมด (ในคอลัมน์ Q) เรามีความแปรปรวนซึ่งเป็นค่าสแควร์ของส่วนเบี่ยงเบนมาตรฐาน ถ้าเราต้องการความผันผวนเราต้องจำไว้ว่าให้ใช้รากที่สองของความแปรปรวนนั้น ความแตกต่างของความแปรปรวนรายวันระหว่างค่าความแปรปรวนและ EWMA ในกรณีของ Googles มีความหมาย: ความแปรปรวนง่ายทำให้เรามีความผันผวนรายวันอยู่ที่ 2.4 แต่ EWMA มีความผันผวนรายวันเพียง 1.4 (ดูสเปรดชีตเพื่อดูรายละเอียด) เห็นได้ชัดว่าความผันผวนของ Googles ตกลงไปเมื่อไม่นานมานี้ดังนั้นความแปรปรวนที่เรียบง่ายอาจเป็นจำนวนเทียมสูง ความแปรปรวนวันนี้เป็นฟังก์ชันของความแตกต่างของวัน Pior คุณจะสังเกตเห็นว่าเราจำเป็นต้องคำนวณชุดน้ำหนักลดลงอย่างมาก เราจะไม่ใช้คณิตศาสตร์ที่นี่ แต่คุณลักษณะที่ดีที่สุดของ EWMA คือชุดผลิตภัณฑ์ทั้งหมดสามารถลดสูตร recursive ได้อย่างง่ายดาย: Recursive หมายถึงการอ้างอิงความแปรปรวนในปัจจุบัน (คือฟังก์ชันของความแปรปรวนในวันก่อนหน้า) คุณสามารถค้นหาสูตรนี้ในสเปรดชีตยังและจะก่อให้เกิดผลแน่นอนเช่นเดียวกับการคำนวณตัวหนังสือมันบอกว่า: แปรปรวนในปัจจุบัน (ภายใต้ EWMA) เท่ากับแปรปรวนเมื่อวาน (ถ่วงน้ำหนักด้วยแลมบ์ดา) บวกเมื่อวานกลับมายกกำลังสอง (ชั่งน้ำหนักโดยแลมบ์ดาลบหนึ่ง) แจ้งให้เราทราบว่าเรากำลังเพิ่มคำสองคำลงท้ายด้วยกันอย่างไร: ความแปรปรวนที่ถ่วงน้ำหนักในวันอังคารและเมื่อวานถ่วงน้ำหนัก แม้กระนั้นแลมบ์ดาก็คือพารามิเตอร์ที่ราบเรียบของเรา แลมบ์ดาที่สูงขึ้น (เช่น RiskMetrics 94) บ่งชี้การสลายตัวช้าลงในซีรีย์ - ในแง่สัมพัทธ์เราจะมีจุดข้อมูลมากขึ้นในซีรีส์และพวกเขาจะลดลงอย่างช้าๆ ในทางกลับกันถ้าเราลดแลมบ์ดาเราจะบ่งชี้ว่าการสลายตัวที่สูงขึ้น: น้ำหนักจะลดลงอย่างรวดเร็วและเป็นผลโดยตรงจากการผุกร่อนที่รวดเร็วใช้จุดข้อมูลน้อยลง (ในสเปรดชีตแลมบ์ดาเป็นอินพุตดังนั้นคุณจึงสามารถทดสอบความไวได้) ความผันผวนโดยสรุปคือส่วนเบี่ยงเบนมาตรฐานของหุ้นและความเสี่ยงที่พบมากที่สุด นอกจากนี้ยังเป็นรากที่สองของความแปรปรวน เราสามารถวัดความแปรปรวนในอดีตหรือโดยนัย (ความผันผวนโดยนัย) เมื่อวัดในอดีตวิธีที่ง่ายที่สุดคือความแปรปรวนที่เรียบง่าย แต่ความอ่อนแอกับความแปรปรวนที่เรียบง่ายคือผลตอบแทนทั้งหมดจะมีน้ำหนักเท่ากัน ดังนั้นเราจึงต้องเผชิญกับข้อเสียแบบคลาสสิก: เราต้องการข้อมูลมากขึ้น แต่ข้อมูลที่เรามีมากขึ้นการคำนวณของเราจะเจือจางด้วยข้อมูลที่อยู่ไกล (ไม่เกี่ยวข้อง) ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักที่ถ่วงน้ำหนัก (EWMA) ช่วยเพิ่มความแปรปรวนอย่างง่ายโดยกำหนดน้ำหนักให้กับผลตอบแทนเป็นงวด เมื่อทำเช่นนี้เราสามารถใช้ตัวอย่างขนาดใหญ่ แต่ยังให้น้ำหนักมากขึ้นกับผลตอบแทนล่าสุด (หากต้องการดูบทแนะนำเกี่ยวกับภาพยนตร์เกี่ยวกับหัวข้อนี้โปรดไปที่ Bionic Turtle) ประเภทภาษีที่เรียกเก็บจากผลกำไรที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎกำหนดให้ การขายหุ้นครั้งแรกโดย บริษัท เอกชนต่อสาธารณชน การเสนอขายหุ้นหรือไอพีโอมักจะออกโดย บริษัท ขนาดเล็กที่มีอายุน้อยกว่าที่แสวงหา อัตราส่วนหนี้สิน DebtEquity Ratio คืออัตราส่วนหนี้สินที่ใช้ในการวัดอัตราส่วนหนี้สินของ บริษัท หรืออัตราส่วนหนี้สินที่ใช้ในการวัดแต่ละบุคคล ประเภทของโครงสร้างการชดเชยที่ผู้จัดการกองทุนป้องกันความเสี่ยงมักใช้ในส่วนของค่าตอบแทนที่เป็นผลการปฏิบัติงานตามฉันได้รวบรวมข้อมูลกระบวนการบางอย่างเป็นเวลา 3 ปีและฉันต้องการเลียนแบบการวิเคราะห์ในอนาคตของ EWMA เพื่อดูว่าพารามิเตอร์การทำให้เรียบของฉันตั้งค่าได้หรือไม่ ทุกการเปลี่ยนแปลงที่สำคัญ (ไม่มีสัญญาณเตือนผิดพลาดมากเกินไป) ดูเหมือนหนังสือตำราและวรรณคดีส่วนใหญ่ที่ฉันได้ดูซึ่งใช้ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานในการคำนวณขีด จำกัด ของการควบคุม โดยปกติจะหมายถึงค่าเฉลี่ยในการควบคุมและส่วนเบี่ยงเบนมาตรฐานจากข้อมูลทางประวัติศาสตร์บางส่วนหรือค่าเฉลี่ยและจำนวนประชากรที่เก็บตัวอย่างมา ฉันไม่มีข้อมูลใด ๆ มีวิธีอื่นในการคำนวณขีด จำกัด ของการควบคุมมีรูปแบบของแผนภูมิ EWMA ที่ไม่ใช้ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานใด ๆ ความคิดสร้างสรรค์ใด ๆ ขอบคุณล่วงหน้าเพื่อให้แน่ใจว่าฉันเข้าใจสิ่งนี้: คุณสามารถคำนวณค่าเฉลี่ยและความแปรปรวนของ EWMA ได้ แต่คุณ (ซึ่งสันนิษฐานว่าคุณสามารถกำหนดสิ่งที่มัน quotshouldquot ลักษณะ) แต่คุณต้องการเทคนิค unsupervised (ซึ่งจะมองหาความแตกต่างโดยไม่ต้องเรียก quotgoodquot รัฐหนึ่งและอื่น. quotbadquot) สำหรับเทคนิคที่ไม่ได้รับการยกเว้นการจัดกลุ่มเป็นไปตามความคิด แต่จะต้องมีการแก้ไขเพื่อใช้กับไทม์สเจอร์ วิธีการเกี่ยวกับอัตราส่วนความสามารถทั่วไป (GLR) ndash Jim Pivarski 25 มิ.ย. 14 เวลา 2:49 ถ้าเราอ้างถึง en. wikipedia. orgwikiEWMAchart ฉันสามารถคำนวณ Zi สำหรับ lambda ที่กำหนดให้ฉันได้ แต่เมื่อพูดถึงขีด จำกัด ของการควบคุมฉันไม่มีข้อมูลทางประวัติศาสตร์ในการคำนวณ T และ S. ฉันจะมอง GLR และโพสต์ใน Cross Validated ใช่, T และ S เป็นค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของการแจกแจงพื้นฐานซึ่งเป็นค่า priori หรือพิจารณาจากชุดข้อมูลการฝึกอบรม ชุดข้อมูลการฝึกอบรมแสดงถึงสิ่งที่ข้อมูลมีลักษณะเป็นใบเสนอราคาดังนั้นจึงเป็นเทคนิคที่ได้รับการดูแลและคุณต้องการเทคนิคที่ไม่ได้รับการยกเว้น GLR ไม่ได้มีการถ่วงน้ำหนักแบบทวีคูศ แต่ระบบจะค้นหาข้อมูลที่แตกต่างระหว่างการกระจายข้อมูลสองแบบและรวมข้อมูลในแต่ละด้านของช่วงพักเพื่อให้ได้ผลลัพธ์ที่มีประสิทธิภาพมากขึ้น อาจเป็นสิ่งที่คุณต้องการ ndash Jim Pivarski 25 มิ.ย. 14 เวลา 3:00 น. จากมุมมองเชิงปฏิบัติการใช้สถิติการวิเคราะห์ข้อมูลทางประวัติศาสตร์เพียงอย่างเดียวเป็นเรื่องที่หาได้ยาก ใช่มันให้คำแนะนำเกี่ยวกับวิธีการดำเนินการ (และระบบการควบคุม) แต่สิ่งที่สำคัญที่สุดคือการมีความเข้าใจและความรู้ด้านข้อ จำกัด ด้านวิศวกรรม ฉันอ้างถึงข้อ จำกัด ในการปฏิบัติงานซึ่งกำหนดโดยข้อกำหนดและลักษณะสมรรถนะของชิ้นส่วนต่างๆ นี้ช่วยให้หนึ่งในการพัฒนาความเข้าใจที่ดีของวิธีการที่กระบวนการควรจะทำงาน (ในแง่ของการดำเนินงานที่ดีที่สุดจุดและข้อ จำกัด upperlower ควบคุม) และพื้นที่ที่มีการเบี่ยงเบนที่ยิ่งใหญ่ที่สุดจากที่ดีที่สุดคือ ข้อมูลนี้มีความเกี่ยวข้องน้อยมากกับการวิเคราะห์ข้อมูลทางประวัติศาสตร์และการจัดการทางวิศวกรรมกระบวนการซึ่งเกี่ยวข้องกับประเภทของกระบวนการที่คุณกำลังติดต่อด้วย ขีด จำกัด ของการควบคุมจะพิจารณาจากขั้นตอนที่ Process Manager Process Engineer ต้องการซึ่งโดยปกติจะเป็น (แต่ไม่ได้อยู่เสมอ) ภายในความจุของป้ายชื่อของอุปกรณ์ ถ้าคุณกำลังทำงานอยู่ในขอบเขตการดำเนินงานและคุณอยู่ในขอบเขตของการเพิ่มประสิทธิภาพกระบวนการแล้วใช่การวิเคราะห์ทางสถิติมีการใช้กันอย่างแพร่หลายและสามารถให้ข้อมูลเชิงลึกได้ดี ระบบควบคุมของคุณได้รับการติดตั้งและความสม่ำเสมอของผลิตภัณฑ์อาหารสัตว์ของคุณขึ้นอยู่กับความแปรผันของกระบวนการของคุณ จุดเริ่มต้นที่ดีคือจุดปฏิบัติการที่ดีที่สุด (เช่น 100 m3 / ชม.) จากนั้นใช้ข้อมูลทางประวัติศาสตร์ที่มีค่าในการคำนวณส่วนเบี่ยงเบนมาตรฐานและทำให้ขีด จำกัด สูงสุด 100 1 มาตรฐาน dev และขีด จำกัด ล่าง 100 - 1 dev มาตรฐาน นี่ไม่ใช่กฎอย่างหนักและรวดเร็ว แต่เป็นจุดเริ่มต้นที่สมเหตุสมผล ตอบ 7 ก. พ. 16 เวลา 12: 12A ตัวชี้วัดความเบี่ยงเบนราคาที่ยืดหยุ่นฟังก์ชั่น: FxDeviation FxDeviation เป็นตัวบ่งชี้ระดับซุปเปอร์ที่ทำหน้าที่หลากหลายฟังก์ชันการเบี่ยงเบนหรือการแทนที่ในแผนภูมิจากภายในตัวบ่งชี้เดียว เป็นตัวบ่งชี้ที่เป็นตัวบ่งชี้ให้เห็นถึงตัวบ่งชี้ริบบ้อนที่มีความยืดหยุ่น RibbonsPlotter FxDeviation วางแผนการเบี่ยงเบนของราคาปัจจุบันจากจุดอ้างอิงของเส้นตรงที่สามารถสร้างขึ้นโดย RibbonsPlotter รูปที่ 1. Bollinger Band Ribbons และ FxDeviation ตัวบ่งชี้น้องสาวแสดงค่าเบี่ยงเบนราคาปิดจากเส้นศูนย์ แถบ Bollinger (ริบบิ้น) นี้ ตัวอย่างเช่นตัวบ่งชี้ที่รู้จักกันดีคือ centerline หมายถึงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและการเคลื่อนที่ในแนวตั้งที่ใช้ในการคำนวณแถบด้านบนและด้านล่างค่าเฉลี่ยเคลื่อนที่นี้คือค่าเบี่ยงเบนมาตรฐานหลายค่า ราคาปิดที่แถบด้านขวาสุดเกือบ 2 วงอยู่ใต้เส้นศูนย์ ค่าเบี่ยงเบนมาตรฐานที่วัดได้ในหน่วยของส่วนเบี่ยงเบนมาตรฐานจากเส้นศูนย์เฉลี่ยที่เคลื่อนไหวอยู่คือ -1.95 เมื่อกำหนดส่วนเบี่ยงเบนในหน่วยของส่วนเบี่ยงเบนมาตรฐานค่าเบี่ยงเบนจะเรียกว่า Z-Score อย่างไรก็ตาม FxDeviation สามารถวางแผนการเบี่ยงเบนแบบอื่น ๆ ได้เช่นหน่วย ATR เปอร์เซ็นต์ของราคาข้อผิดพลาดมาตรฐาน ฯลฯ FxDeviation ยังสามารถคำนวณความคลาดเคลื่อนได้หลายแบบในแผนภูมิเดียวกัน ตัวอย่างเช่นแผนภูมิต่อไปนี้แสดงพล็อตที่มีการเบี่ยงเบนของค่าความสูง (สีเขียว) และต่ำ (สีแดง) ของแต่ละแถบจากเส้นศูนย์การถดถอยเชิงเส้น: ความเบี่ยงเบนของความสูงและต่ำของแต่ละแถบจากเส้นศูนย์การถดถอยเชิงเส้น FxDeviation ต้องใช้พารามิเตอร์การป้อนข้อมูลเดียวกันสำหรับเส้นศูนย์และฟังก์ชันเบี่ยงเบนเป็นตัวบ่งชี้ RibbonsPlotter สำหรับเอาต์พุตเพื่อให้สอดคล้องกับการทำงานของราคาที่สอดคล้องกันในตัวบ่งชี้ริบบอน ความยืดหยุ่น FxDeviations เกิดขึ้นจากการที่ผู้ใช้สามารถระบุฟังก์ชันของสายกลางได้อย่างอิสระจากฟังก์ชันการเคลื่อนที่ซึ่งทำให้มีความยืดหยุ่นมาก เส้นกึ่งกลางหรือการอ้างอิงถูกระบุโดยผู้ใช้โดยพารามิเตอร์ป้อนข้อมูล RefID และอาจเป็นหนึ่งในฟังก์ชันต่อไปนี้: ค่าเฉลี่ยเลขคณิตค่าเฉลี่ยเลขคณิต (AMA) ค่าเฉลี่ยถอยหลังเชิงเส้น (EMA) เส้นการถดถอยเชิงเส้น (LR) Kaufman Adaptive Moving Average (KAMA) Tillson T3 ค่าเฉลี่ยการเคลื่อนที่แบบ Triple Exponential (T3) Jurik Moving Average (JMA) ราคาเฉลี่ยถ่วงน้ำหนัก (VWAP) ค่าคงที่ (ศูนย์ตัวอย่างเช่นจะมีการคำนวณค่าเบี่ยงเบนเกี่ยวกับแกนศูนย์) ฟังก์ชัน Jurik Moving Average ต้องการให้ผู้ใช้ซื้อ Add-on Tradestation นี้จาก Jurik Research การเรียกใช้ฟังก์ชันนี้จะแสดงความคิดเห็นเนื่องจากผู้ใช้ส่วนใหญ่จะไม่ได้รับอนุญาตให้ใช้ฟังก์ชันนี้ ผู้ที่ได้รับอนุญาตสามารถถอดความออกส่วนที่เหมาะสมของโค้ดในฟังก์ชัน FxDeviation เพื่อใช้คุณลักษณะนี้ได้ ผู้ใช้สามารถระบุฟังก์ชันเบี่ยงเบนที่ใช้ในการผลิตริบบิ้นได้โดยอิสระจากฟังก์ชัน centerline (reference) โดยการระบุพารามิเตอร์การป้อนข้อมูล DevID ค่าเบี่ยงเบนมาตรฐาน (Bollinger Bands) ข้อผิดพลาดมาตรฐาน (วง Jon Andersen) ช่วงค่าเฉลี่ยที่แท้จริง - ATR (วง Keltner) Jurik Average True Range JATR (ATR โดยใช้ Jurik Moving Average) เปอร์เซ็นต์การใช้ FxDeviation ทำไม? ตัวบ่งชี้ตัวบ่งชี้ FxDeviation รวมความสามารถในการพล็อตความเบี่ยงเบนจำนวนมากเป็นตัวบ่งชี้เดียว ตัวบ่งชี้นี้สามารถแทนที่ตัวบ่งชี้อื่น ๆ และมีอินเทอร์เฟซผู้ใช้ที่สอดคล้องกันสำหรับคอลเลกชันของฟังก์ชันนี้ ค่าที่วางแผนโดยตัวบ่งชี้มาจากฟังก์ชั่น FxDeviation อเนกประสงค์ที่สอดคล้องกันซึ่งเรียกโดยตัวบ่งชี้ ฟังก์ชันนี้อาจเรียกได้จากกลยุทธ์ เนื่องจากฟังก์ชันเดียวกันสร้างค่าสำหรับทั้งกลยุทธ์และตัวบ่งชี้ FxDeviation ผู้ใช้สามารถมั่นใจได้ว่าค่าจะเหมือนกันถ้าพารามิเตอร์อินพุทตรงกับ ฟังก์ชั่นเบี่ยงเบนเอนกประสงค์เดียวมีประโยชน์หลายอย่างต่อการพัฒนากลยุทธ์การซื้อขายอัตโนมัติ: นี่เป็นตัวบ่งชี้ที่สมบูรณ์แบบในการใช้ Reversion กับกลยุทธ์การซื้อขายประเภท Mean หรือกลยุทธ์ที่ขึ้นอยู่กับการเบี่ยงเบนราคาจากค่าอ้างอิงเพื่อเริ่มต้น การซื้อขาย เครื่องมือเพิ่มประสิทธิภาพสามารถทดสอบกลยุทธ์การซื้อขายแบบต่างๆได้โดยไม่ต้องเปลี่ยนแปลงกลยุทธ์ขั้นพื้นฐานเนื่องจากกระบวนการเพิ่มประสิทธิภาพสามารถสลับไปมาระหว่างกลุ่ม Bollinger Band, Keltner Band และ Percentage Band โดยไม่ต้องมีการจัดการด้วยตนเองหรือการทำซ้ำของรหัสยุทธศาสตร์ การแก้ไขโค้ดและการอัปเดตสามารถทำได้ในที่เดียวโดยไม่จำเป็นต้องทำซ้ำการเปลี่ยนแปลงตลอดหลายรูปแบบหรือกลยุทธ์ต่างๆ อินเทอร์เฟซผู้ใช้ที่สอดคล้องกันในหลายฟังก์ชันที่แยกกันทำให้ทำให้รหัสใช้งานง่ายขึ้นและลดความผิดพลาดโดยไม่ได้ตั้งใจ ตัวอย่างของ FxDeviation RibbonPlotter สามารถผลิตแผ่นริบบิ้นได้หลากหลายชนิด ตัวอย่างบางส่วนที่แสดงด้านล่างแสดงถึงฟังก์ชันริบบิ้นหรือแถบที่รู้จักกันมากที่สุด ฟังก์ชันน้องสาว FxDeviation จะแสดงไว้ด้านล่างและแสดงการเบี่ยงเบนของราคาปิดจากเส้นศูนย์ Bollinger Ribbons สร้างขึ้นจากค่าเฉลี่ยเลขคณิตที่เคลื่อนที่ตรงกลางและฟังก์ชัน StdDev displacement แผนภูมินี้แสดงแถบความถี่ที่เบี่ยงเบนมาตรฐาน 1, 2 และ 3 วงดนตรีขยายตัวเมื่อราคามีแนวโน้มสูงและแคบลงในระหว่างการควบรวมกิจการ ราคาปิดของแถบสุดท้ายอยู่เหนือระดับต่ำกว่ากลุ่มที่ 2 FxDeviation แสดงค่าเบี่ยงเบนเท่ากับ -1.95 Anderson Ribbons ใช้เส้นศูนย์การถดถอยเชิงเส้นและฟังก์ชันเบี่ยงเบนมาตรฐาน StdErr แต่ละแถบแสดงค่าความผิดพลาดมาตรฐานเพิ่มขึ้นจากเส้นกึ่งกลาง เส้นศูนย์การถดถอยเชิงเส้นให้ความสำคัญกับราคาที่ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่และแถบข้อผิดพลาดมาตรฐานจะไม่ขยายตัวเมื่อการดำเนินการด้านราคามีแนวโน้มสูงแตกต่างกับกลุ่ม Bollinger Bands วงแคบระบุว่าราคามีแนวโน้มใกล้เคียงกับเส้นการถดถอย วงกว้างบ่งบอกถึงความผันผวนที่เพิ่มขึ้นของราคาห่างจากเส้นการถดถอยและมักจะเห็นในช่วงพักในแนวโน้ม ริบบิ้นนี้แสดงเส้นศูนย์การเคลื่อนไหว Jurik Moving Average (JMA) และส่วนเบี่ยงเบนเปอร์เซ็นต์จากเส้นกึ่งกลาง ความเหมาะสม Jurik Moving เฉลี่ยเป็นที่นิยมเนื่องจากความนุ่มนวลและความล่าช้าต่ำ ต้องซื้อเป็นส่วนเสริมสำหรับ Tradestation Tillson T3 Moving Average มีความคล้ายคลึงและมีความเรียบเนียนและต่ำสุดของ Jurik และสามารถใช้ได้กับผู้ใช้ Tradestation ในฐานะฟังก์ชันที่มีอยู่ภายใน Tillson T3 Moving Average มีให้สำหรับใช้ใน FxDeviation พารามิเตอร์การป้อนข้อมูล FxDeviation ราคาที่ 1 ถึงราคาที่ 3 คือค่าอินพุตที่ใช้คำนวณค่าเบี่ยงเบนจากเส้นศูนย์ ผู้ใช้สามารถยกตัวอย่างส่วนเบี่ยงเบนจากด้านบนและด้านล่างและด้านล่างของแต่ละแท่งบนกราฟเดียว RefPrice คือราคาที่ใช้ในการคำนวณเส้นอ้างอิงจากการวัดค่าเบี่ยงเบน ตัวอย่างเช่นปิด หรือหากต้องการกรองเพิ่มเติมของเส้นศูนย์เช่น AvgPrice RefID เลือกฟังก์ชันที่จะใช้ในการคำนวณเส้นศูนย์ ฟังก์ชันอื่น ๆ ที่ใช้ในการคำนวณเส้นศูนย์ (AMA, EMA, LR และอื่น ๆ ) เป็นตัวเลขตามลำดับของพารามิเตอร์ความยาวตาม RefID ตัวอย่างเช่นผู้ใช้จะป้อน 2 เนื่องจาก EMALength ปรากฏอยู่ในตำแหน่งที่สองหลังจาก RefID ผู้ใช้จะระบุ RefID ของ 3, 4 หรือ 5 เพื่อเลือกเส้นศูนย์ซึ่งประกอบด้วยเส้นการถดถอยเชิงเส้นค่าเฉลี่ยเคลื่อนที่ Kaufman หรือค่าเฉลี่ยเคลื่อนที่ Tillson T3 ตามลำดับเนื่องจากเป็นลำดับที่พารามิเตอร์ความยาวที่สอดคล้องกันของพวกเขาปรากฏในอินพุต รายการพารามิเตอร์ DevID คือค่าของฟังก์ชันเบี่ยงเบนที่ใช้วัดหน่วยเบี่ยงเบนจาก PriceRef Ref1-Ref5 เป็นค่าอ้างอิงที่จะแสดงหากไม่เป็นศูนย์ ตัวอย่างเช่นในการวาดเส้นศูนย์อ้างอิงบนกราฟเบี่ยงเบนให้ใช้ตัวเลขที่ไม่ใช่ศูนย์ใกล้กับศูนย์เช่น 0.00001 ดังที่แสดงไว้ทางด้านขวา ถ้าคุณต้องการดูว่าเมื่อฟังก์ชันเบี่ยงเบนถึงหรือ - 2.0 ให้เพิ่มค่าอ้างอิงอีก 2 ค่าคือ Ref1 2 และ Ref2 -2