เฉลี่ยเคลื่อนที่ อคติ

การย้ายค่าเฉลี่ยหากข้อมูลนี้ถูกวางแผนไว้บนกราฟจะมีลักษณะดังนี้สิ่งนี้แสดงให้เห็นว่ามีความหลากหลายของจำนวนผู้เข้าชมขึ้นอยู่กับฤดูกาลมีน้อยมากในฤดูใบไม้ร่วงและฤดูหนาวกว่าฤดูใบไม้ผลิและฤดูร้อนอย่างไรก็ตาม, ถ้าเราต้องการเห็นแนวโน้มของจำนวนผู้เข้าชมเราสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้ 4 จุดเราทำเช่นนี้โดยการหาจำนวนผู้เข้าชมเฉลี่ยในสี่ไตรมาสของปี 2548 จากนั้นเราจะหาจำนวนผู้เข้าชมเฉลี่ยใน 3 ไตรมาสสุดท้ายของปี 2548 และไตรมาสแรกของปี 2549 จาก 2 ไตรมาสสุดท้ายของปีพ. ศ. 2548 และ 2 ไตรมาสแรกของปี 2549 หมายเหตุว่าค่าเฉลี่ยล่าสุดที่เราพบคือช่วง 2 ไตรมาสสุดท้ายของปี 2549 และ 2 ไตรมาสแรกของปี 2550 เราคำนวณค่าเฉลี่ยที่เคลื่อนที่บนกราฟเพื่อให้แน่ใจว่าแต่ละค่าเฉลี่ยถูกวางแผนไว้ที่กึ่งกลางของสี่ส่วนที่ครอบคลุมเราสามารถเห็นได้ว่ามีแนวโน้มลดลงเล็กน้อยในผู้เข้าชมวิธีการใช้ค่าเฉลี่ยเคลื่อนที่เฉลี่ย เราจะกำหนดแนวโน้มและอันดับที่สองให้ รู้จักการเปลี่ยนแปลงในเทรนด์ที่ว่ามีอะไรอื่นที่พวกเขาเป็นสิ่งที่ดีสำหรับสิ่งอื่นใดเป็นเพียงเสียเวลาฉันได้รับรางวัลจะได้รับในรายละเอียดเกี่ยวกับวิธีการที่พวกเขาจะสร้างมีประมาณเว็บไซต์ zillion ที่จะอธิบาย แต่งหน้าทางคณิตศาสตร์ของพวกเขาฉันจะให้คุณทำอย่างนั้นในวันหนึ่งของคุณเองเมื่อคุณเบื่อมากออกจากใจของคุณ แต่สิ่งที่คุณต้องรู้จริงๆก็คือเส้นเฉลี่ยเคลื่อนที่เป็นเพียงราคาเฉลี่ยของหุ้นมากกว่า เวลาที่เป็นของมันสองค่าเฉลี่ยเคลื่อนที่ฉันใช้สองค่าเฉลี่ยเคลื่อนที่เฉลี่ยระยะเวลา 10 SMA เฉลี่ยเคลื่อนที่และค่าเฉลี่ยของการประมาณค่าเฉลี่ย 30 นาที EMA ฉันชอบที่จะใช้หนึ่งช้าลงและเร็วขึ้นทำไมเพราะเมื่อเร็วขึ้น 10 ข้ามไป หนึ่งช้าลง 30 ก็มักจะส่งสัญญาณการเปลี่ยนแปลงแนวโน้ม Let s look at example. You สามารถดูในแผนภูมิข้างต้นว่าเส้นเหล่านี้สามารถช่วยคุณกำหนดแนวโน้มที่ด้านซ้ายของแผนภูมิ 10 SMA อยู่เหนือ 30 EMA และ มีแนวโน้มสูงขึ้น 10 SMA พุ่งลงมาต่ำกว่า 30 EMA กลางเดือนสิงหาคมและแนวโน้มลดลงแล้ว 10 SMA ข้ามกลับผ่านทาง 30 EMA ในเดือนกันยายนและแนวโน้มจะขึ้นอีกครั้ง - และมันยังคงขึ้นเป็นเวลาหลายเดือนหลังจากนั้นนั่นคือกฎการมุ่งเน้นไปที่ตำแหน่งที่ยาวเฉพาะเมื่อ 10 SMA สูงกว่า EMA 30 EE เมื่ออยู่ในตำแหน่งสั้น ๆ เมื่อ SMA 10 อยู่ต่ำกว่า 30 EMA ไม่ได้ง่ายกว่านี้และจะทำให้คุณอยู่ทางด้านขวาของแนวโน้มหมายเหตุว่าค่าเฉลี่ยเคลื่อนที่จะทำงานได้ดีเมื่อ หุ้นมีแนวโน้ม - ไม่เมื่อพวกเขาอยู่ในช่วงการซื้อขายเมื่อหุ้นหรือตลาดตัวเองกลายเป็นเลอะเทอะแล้วคุณสามารถละเลยค่าเฉลี่ยเคลื่อนที่ - พวกเขาได้รับรางวัล t work. Here เป็นสิ่งสำคัญที่ต้องจำตำแหน่งยาว - ย้อนกลับสำหรับตำแหน่งสั้น SMA 10 ตัวต้องสูงกว่า 30 EMA โดยจะต้องมีช่องว่างระหว่างค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยทั้งสองค่าเฉลี่ยเคลื่อนที่จะต้องสูงขึ้น 200 ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย 200 SMA ใช้เพื่อแยกดินแดนจากพื้นที่หมี แสดงให้เห็นว่าโดยเน้นยาว ตำแหน่งเหนือบรรทัดนี้และตำแหน่งสั้น ๆ ใต้เส้นนี้จะทำให้คุณมีขอบเล็กน้อยคุณควรเพิ่มค่าเฉลี่ยเคลื่อนที่นี้ลงในแผนภูมิทั้งหมดในทุกช่วงเวลาใช่แผนภูมิรายสัปดาห์แผนภูมิรายวันและภายในวัน 15 นาทีแผนภูมิ 60 นาที 200 SMA เป็นค่าเฉลี่ยเคลื่อนที่ที่สำคัญที่สุดที่จะมีในแผนภูมิหุ้นคุณจะประหลาดใจที่จำนวนครั้งที่หุ้นจะกลับในพื้นที่นี้ใช้ประโยชน์จากนี้นอกจากนี้เมื่อเขียนการสแกนหุ้นคุณสามารถใช้เป็น ตัวกรองเพิ่มเติมเพื่อหาการตั้งค่าที่มีศักยภาพยาวที่อยู่เหนือเส้นนี้และการตั้งค่าสั้นที่อาจเกิดขึ้นที่อยู่ด้านล่าง line. Support และความต้านทานต่อความเชื่อที่นิยมหุ้นไม่พบการสนับสนุนหรือทำงานในความต้านทานต่อการย้ายค่าเฉลี่ยหลายครั้งที่คุณจะได้ยินพ่อค้า พูด, Hey, ดูที่สต็อกนี้มันกระเด้งออกจากค่าเฉลี่ยของการเคลื่อนไหว 50 วันทำไมจะสต็อกก็พลิกกลับจากสายที่ผู้ประกอบการค้าบางใส่ในสต็อกมันจะไม่หุ้นจะเด้งถ้าคุณต้องการที่จะเรียกว่า ที่ออกจากราคาที่สำคัญ lev els ที่เกิดขึ้นในอดีตไม่ใช่บรรทัดบนแผนภูมิหุ้นจะกลับขึ้นหรือลงที่ระดับราคาใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่ที่เป็นที่นิยม แต่ไม่ได้ย้อนกลับไปที่เส้นเองดังนั้นให้สมมติว่าคุณกำลังดูที่ แผนภูมิและคุณเห็นสต็อกดึงกลับไปให้สมมติว่าค่าเฉลี่ยระยะเวลาในช่วง 200 มองไปที่ระดับราคาในแผนภูมิที่ได้รับการพิสูจน์แล้วว่าเป็นจุดรองรับหรือความต้านทานที่สำคัญในอดีตอันนี้คือพื้นที่ที่หุ้นอาจจะกลับรายการ ในทางปฏิบัติค่าเฉลี่ยเคลื่อนที่จะให้ค่าเฉลี่ยที่ดีของค่าเฉลี่ยของชุดข้อมูลเวลาหากค่าเฉลี่ยมีค่าคงที่หรือค่อยๆเปลี่ยนแปลงในกรณีของค่าคงที่ค่าคงที่ค่าที่มากที่สุดของ m จะให้ค่าประมาณที่ดีที่สุดของค่าเฉลี่ยที่ใช้แทน A ระยะเวลาการสังเกตจะเฉลี่ยผลกระทบของความแปรปรวนวัตถุประสงค์ของการให้ m ที่เล็กกว่าคือการให้การคาดการณ์เพื่อตอบสนองต่อการเปลี่ยนแปลงในกระบวนการอ้างอิงเพื่อแสดงให้เรานำเสนอชุดข้อมูลที่ประกอบด้วยการเปลี่ยนแปลงในค่าเฉลี่ยที่ใช้ของ t ime series รูปที่แสดงชุดข้อมูลเวลาที่ใช้ในการประกอบภาพประกอบพร้อมกับความต้องการเฉลี่ยที่สร้างชุดค่าเฉลี่ยเริ่มต้นเป็นค่าคงที่ที่ 10 เริ่มต้นที่ 21 เวลาโดยจะเพิ่มขึ้นเป็นหน่วยหนึ่งในแต่ละงวดจนกว่าจะถึงค่า 20 ในเวลา 30 แล้วมันจะกลายเป็นค่าคงที่อีกครั้งข้อมูลจะถูกจำลองโดยการเพิ่มค่าเฉลี่ยเสียงสุ่มจากการแจกแจงแบบปกติที่มีค่าเป็นศูนย์และส่วนเบี่ยงเบนมาตรฐาน 3 ผลของการจำลองจะถูกปัดเศษให้เป็นจำนวนเต็มใกล้ที่สุดตารางแสดงข้อสังเกตแบบจำลอง ใช้ตัวอย่างเช่นเมื่อเราใช้ตารางเราต้องจำไว้ว่าในเวลาใดก็ตามข้อมูลที่ผ่านมาเป็นที่รู้จักเท่านั้นค่าประมาณของพารามิเตอร์แบบจำลองสำหรับค่าที่แตกต่างกันสามค่าของ m จะแสดงพร้อมกับค่าเฉลี่ยของชุดข้อมูลเวลา ในภาพด้านล่างรูปที่แสดงการประมาณค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยในแต่ละครั้งและไม่ใช่การคาดการณ์การคาดการณ์จะเปลี่ยนเส้นโค้งค่าเฉลี่ยเคลื่อนที่ไปทางขวาตามระยะเวลาหนึ่งข้อสรุปคือทันที appare nt จากตัวเลขสำหรับทั้งสามค่าประมาณค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ล่าช้าหลังแนวโน้มเชิงเส้นด้วยความล่าช้าที่เพิ่มขึ้นกับ m ความล่าช้าคือระยะห่างระหว่างรูปแบบกับการประมาณในมิติเวลาเนื่องจากความล่าช้าค่าเฉลี่ยเคลื่อนที่ประเมินค่าต่ำกว่าค่าสังเกตเนื่องจาก ค่าเฉลี่ยมีค่าเพิ่มขึ้นค่าความลำเอียงของตัวประมาณคือค่าความแตกต่างในช่วงเวลาที่กำหนดในค่าเฉลี่ยของแบบจำลองและค่าเฉลี่ยที่คาดการณ์โดยค่าเฉลี่ยเคลื่อนที่ค่าความลำเอียงเมื่อค่าเฉลี่ยเพิ่มขึ้นเป็นค่าลบสำหรับค่าเฉลี่ยที่ลดลงความอคติคือค่าบวก ความล่าช้าในเวลาและความลำเอียงที่นำมาใช้ในการประมาณการเป็นหน้าที่ของ m ค่า m ยิ่งใหญ่ขนาดของความล่าช้าและความลำเอียงมากขึ้นสำหรับชุดที่เพิ่มขึ้นอย่างต่อเนื่องโดยมีแนวโน้มเป็นค่าของความล่าช้าและความลำเอียงของ estimator ของค่าเฉลี่ย จะได้รับในสมการด้านล่างเส้นโค้งตัวอย่างไม่ตรงกับสมการเหล่านี้เนื่องจากแบบจำลองตัวอย่างไม่ได้เพิ่มขึ้นอย่างต่อเนื่องแทนที่จะเริ่มต้นเป็นค่าคงที่การเปลี่ยนแปลงแนวโน้มและกลายเป็น constan t อีกครั้งนอกจากนี้ตัวอย่างเส้นโค้งมีผลกระทบจากเสียงดังกล่าวการคาดการณ์ค่าเฉลี่ยของช่วงเวลาในอนาคตจะแสดงด้วยการขยับเส้นโค้งไปทางด้านขวาความล่าช้าและความลำเอียงเพิ่มขึ้นตามสัดส่วนสมการด้านล่างแสดงถึงความล่าช้าและความลำเอียงในช่วงคาดการณ์ อนาคตเมื่อเทียบกับพารามิเตอร์ของโมเดลอีกครั้งสูตรเหล่านี้สำหรับชุดข้อมูลเวลาที่มีแนวโน้มเชิงเส้นคงที่เราไม่ควรแปลกใจที่ผลลัพธ์นี้ค่าประมาณค่าเฉลี่ยเคลื่อนที่จะขึ้นอยู่กับสมมติฐานของค่าคงที่และตัวอย่างมีเส้นตรง แนวโน้มในค่าเฉลี่ยในช่วงระยะเวลาการศึกษาเนื่องจากชุดเวลาจริงจะไม่ค่อยตรงตามสมมติฐานของรูปแบบใด ๆ เราควรจะเตรียมไว้สำหรับผลดังกล่าวเรายังสามารถสรุปจากรูปที่ความแปรปรวนของเสียงที่มีผลมากที่สุด สำหรับขนาดเล็ก m ค่าประมาณมีความผันผวนมากขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ 5 กว่าค่าเฉลี่ยเคลื่อนที่ของ 20 เรามีความต้องการที่ขัดแย้งกันในการเพิ่ม m เพื่อลดผลกระทบของ variabilit y เนื่องจากเสียงและลด m เพื่อทำให้การคาดการณ์ตอบสนองต่อการเปลี่ยนแปลงได้มากขึ้นข้อผิดพลาดคือความแตกต่างระหว่างข้อมูลจริงและค่าที่คาดการณ์ไว้ถ้าชุดข้อมูลเวลาเป็นค่าคงที่ค่าที่คาดว่าจะเกิดข้อผิดพลาดคือ ศูนย์และความแปรปรวนของข้อผิดพลาดจะประกอบด้วยคำที่เป็นหน้าที่ของและระยะที่สองที่เป็นความแปรปรวนของเสียงระยะแรกเป็นความแปรปรวนของค่าเฉลี่ยที่ประมาณด้วยตัวอย่างของการสังเกต m สังเกตสมมติว่าข้อมูลมา จากประชากรที่มีค่าคงที่ค่าเฉลี่ยระยะนี้จะลดลงโดยการทำให้ m มีขนาดใหญ่ที่สุด m ที่มีขนาดใหญ่ทำให้การคาดการณ์ไม่ตอบสนองต่อการเปลี่ยนแปลงในชุดเวลาอ้างอิงเพื่อให้การคาดการณ์ที่ตอบสนองต่อการเปลี่ยนแปลงเราต้องการให้มีขนาดเล็กที่สุดเท่าที่จะทำได้ 1, แต่จะเพิ่มความแปรปรวนของข้อผิดพลาดการคาดการณ์ในทางปฏิบัติต้องใช้ค่ากลางดังนั้นการคำนวณด้วย Excel การคาดการณ์ add-in จะใช้สูตรค่าเฉลี่ยเคลื่อนที่ตัวอย่างด้านล่างแสดงการวิเคราะห์โดย add-in สำหรับ sampl ข้อมูลในคอลัมน์ B 10 ข้อสังเกตแรกมีการจัดทำดัชนี -9 ถึง 0 เมื่อเทียบกับตารางด้านบนดัชนีระยะเวลาจะเปลี่ยนไปเป็น -10 การสังเกตสิบข้อแรกให้ค่าเริ่มต้นสำหรับการประมาณค่าและใช้คำนวณค่าเฉลี่ยเคลื่อนที่สำหรับ ช่วงเวลา 0 MA 10 คอลัมน์ C แสดงค่าเฉลี่ยเคลื่อนที่ที่คำนวณค่าพารามิเตอร์ moving average m อยู่ในเซลล์ C3 Fore 1 คอลัมน์ D แสดงการคาดการณ์สำหรับรอบระยะเวลาหนึ่งในอนาคตช่วงคาดการณ์อยู่ในเซลล์ D3 เมื่อช่วงคาดการณ์มีการเปลี่ยนแปลงไปเป็น จำนวนที่มากขึ้นในคอลัมน์ Fore จะถูกเลื่อนลง Err 1 คอลัมน์ E แสดงความแตกต่างระหว่างการสังเกตและการคาดการณ์ตัวอย่างเช่นการสังเกตเวลา 1 คือ 6 ค่าที่คาดการณ์ได้จากค่าเฉลี่ยเคลื่อนที่ในช่วงเวลา 0 คือ 11 1 ข้อผิดพลาดคือ -5 1 ค่าเบี่ยงเบนมาตรฐานและ Mean Mean Deviation MAD คำนวณในเซลล์ E6 และ E7 ตามลำดับ