การปรับตัว เคลื่อนไหว เฉลี่ย Excel สูตร

ค่าเฉลี่ยเคลื่อนที่ตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลเวลาใน 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 จุดแรกได้เนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงเวลา 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะเรียบขึ้น ระยะเวลาที่สั้นกว่านี้ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่จะใกล้เคียงกับจุดข้อมูลที่แท้จริงตัวแปลงสัญญาณ 5 ตัวบ่งชี้ Fractal Moving Average โดยประมาณ (FrAMA) - ตัวบ่งชี้สำหรับ MetaTrader 5 Fraktal Adaptive Moving ค่าเฉลี่ยตัวชี้วัดทางเทคนิค (FRAMA) ได้รับการพัฒนาโดย John Ehlers ตัวบ่งชี้นี้ถูกสร้างขึ้นตามอัลกอริทึมของค่าเฉลี่ยเคลื่อนที่แบบเสวนา (Exponential Moving Average) ซึ่งมีการคำนวณปัจจัยการให้เรียบตามมิติเศษส่วนปัจจุบันของชุดราคา ข้อได้เปรียบของ FRAMA คือความเป็นไปได้ที่จะทำตามแนวโน้มการเคลื่อนไหวที่แข็งแกร่งและชะลอตัวลงอย่างเพียงพอในช่วงเวลาของการรวมราคา สามารถใช้การวิเคราะห์ทุกประเภทสำหรับ Moving Averages ในตัวบ่งชี้นี้ได้ ตัวบ่งชี้การเปลี่ยนแปลงค่าเฉลี่ยเศษส่วน FRAMA (i) A (i) ราคา (i) (1 - A (i)) FRAMA (i-1) FRAMA (i) - มูลค่าปัจจุบันของ FRAMA ราคา (i) - ราคาปัจจุบัน FRAMA -1) - ค่าก่อนหน้าของ FRAMA A (i) - ปัจจัยปัจจุบันของการเรียบแบบเสวนา () () () () () () () D (i) - มิติเศษส่วนปัจจุบัน exp () - ฟังก์ชันทางคณิตศาสตร์ของเลขชี้กำลัง เส้นรอบวงของเส้นตรงมีค่าเท่ากัน เห็นได้จากสูตรที่ว่าถ้า D 1 ดังนั้น A EXP (-4.6 (1-1)) EXP (0) 1 ดังนั้นถ้าราคามีการเปลี่ยนแปลงเป็นเส้นตรงจะไม่ใช้การทำให้เรียบเป็นทวีคูณเนื่องจากในกรณีดังกล่าวสูตร มีลักษณะดังนี้: FRAMA (i) 1 ราคา (i) (1 - i) FRAMA (i-1) ราคา (i) Ie ตัวบ่งชี้ตรงตามราคา มิติเศษส่วนของระนาบมีค่าเท่ากับสอง จากสูตรที่เราได้รับว่าถ้า D 2 แล้วปัจจัยการทำให้ราบเรียบ EXP (-4.6 (2-1)) EXP (-4.6) 0.01 เมื่อมีราคาทำให้การเคลื่อนที่ของฟันเลื่อยที่แข็งแกร่ง การชะลอตัวลงอย่างรวดเร็วนี้สอดคล้องกับค่าเฉลี่ยเคลื่อนที่ประมาณ 200 จุด สูตรของมิติเศษส่วน: D (LOG (N1 N2) - LOG (N3)) เข้าสู่ระบบ (2) คำนวณโดยใช้สูตรเพิ่มเติม: N (ความยาว i) (HighestPrice (i) - LowestPrice (i)) Length HighestPrice (i) - ค่าสูงสุดปัจจุบันสำหรับระยะเวลาความยาวต่ำสุด (i) - ค่าที่น้อยที่สุดในปัจจุบันสำหรับระยะเวลาความยาวค่า N1, N2 และ N3 มีค่าเท่ากับ N1 (i) N (Length, i) N2 (i) N (Length, ความยาว) N3 (i) N (2 ความยาว i) ทำค่าเฉลี่ยเคลื่อนที่แบบปรับตัวได้นำไปสู่ผลลัพธ์ที่ดีขึ้นค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือที่ชื่นชอบของผู้ค้าที่ใช้งานอยู่ อย่างไรก็ตามเมื่อตลาดรวมตัวบ่งชี้นี้จะนำไปสู่การค้า whipsaw จำนวนมากส่งผลให้ชุดที่น่าผิดหวังของการชนะและการสูญเสียขนาดเล็ก นักวิเคราะห์ได้ใช้เวลาหลายทศวรรษในการพยายามปรับปรุงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ในบทความนี้เราจะพิจารณาถึงความพยายามเหล่านี้และพบว่าการค้นหาของพวกเขานำไปสู่เครื่องมือการซื้อขายที่เป็นประโยชน์ ข้อดีและข้อเสียของค่าเฉลี่ยเคลื่อนที่อยู่ที่ Robert Edwards และ John Magee ในฉบับพิมพ์ครั้งแรกของการวิเคราะห์ทางเทคนิคของข้อดีและข้อเสียของการเคลื่อนที่โดยเฉลี่ย แนวโน้มสต็อค เมื่อพวกเขากล่าวว่าและมันก็กลับมาในปี 1941 ที่เรา delightedly ค้นพบ (แม้ว่าหลายคนอื่น ๆ ได้ทำมาก่อน) ว่าโดยค่าเฉลี่ยของข้อมูลสำหรับจำนวนที่ระบุ daysone อาจได้รับมาจัดเรียงของเส้นแนวโน้มอัตโนมัติซึ่งแน่นอนจะตีความการเปลี่ยนแปลงของ แนวโน้มดูเหมือนจะดีเกินจริง เป็นเรื่องที่ดีเกินกว่าที่จะเป็นจริง เอ็ดเวิร์ดและจีได้ทิ้งความฝันของพวกเขาในการซื้อขายจากบังกะโลริมชายหาด แต่ 60 ปีหลังจากที่พวกเขาเขียนคำเหล่านั้นคนอื่น ๆ ยังคงพยายามหาเครื่องมือง่ายๆที่สามารถนำเสนอความมั่งคั่งของตลาดได้อย่างง่ายดาย Simple Moving Averages คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ เพิ่มราคาสำหรับช่วงเวลาที่ต้องการและหารด้วยจำนวนงวดที่เลือก การหาค่าเฉลี่ยเคลื่อนที่ห้าวันจะต้องบวกห้าราคาปิดล่าสุดและหารด้วยห้า หากการปิดตัวครั้งล่าสุดอยู่เหนือค่าเฉลี่ยที่เคลื่อนที่สต็อคจะถือว่าอยู่ในแนวโน้ม แนวโน้มขาลงจะถูกกำหนดโดยราคาที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ (ดูข้อมูลเพิ่มเติมได้จากคู่มือการใช้งาน Moving Averages ของเรา) คุณสมบัติที่กำหนดแนวโน้มนี้ทำให้สามารถเคลื่อนที่โดยเฉลี่ยเพื่อสร้างสัญญาณการซื้อขายได้ ในการประยุกต์ใช้ที่ง่ายที่สุดผู้ค้าจะซื้อเมื่อราคาเคลื่อนตัวสูงกว่าค่าเฉลี่ยเคลื่อนที่และขายได้เมื่อราคาปิดต่ำกว่าเส้นดังกล่าว วิธีการเช่นนี้มีการประกันที่จะนำผู้ประกอบการค้าที่ด้านขวาของการค้าที่สำคัญทุก อย่างไรก็ตามในขณะที่การปรับให้เรียบข้อมูลค่าเฉลี่ยเคลื่อนที่จะล่าช้าหลังการดำเนินการในตลาดและผู้ประกอบการค้ามักจะให้ผลตอบแทนส่วนใหญ่ในธุรกิจการค้าที่ยิ่งใหญ่ที่สุด ค่าเฉลี่ยเคลื่อนที่ที่มีการแจกแจงนักวิเคราะห์ดูเหมือนว่าจะมีความคิดเกี่ยวกับค่าเฉลี่ยเคลื่อนที่และพยายามใช้เวลาหลายปีในการลดปัญหาที่เกิดจากความล่าช้านี้ หนึ่งในนวัตกรรมเหล่านี้คือค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) วิธีนี้กำหนดให้น้ำหนักที่ค่อนข้างสูงขึ้นกับข้อมูลล่าสุดและส่งผลให้ราคาใกล้เคียงกับการเคลื่อนไหวของราคามากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ สูตรคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ได้แก่ EMA (Weight Close) ((1-Weight) EMAy) โดยที่: น้ำหนักคือค่าคงที่ที่ราบเรียบที่นักวิเคราะห์เลือก EMAy เป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนาตั้งแต่วันนี้โดยค่าที่พบได้ทั่วไปคือ 0.181 ซึ่ง ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20 วัน อีกอย่างหนึ่งคือ 0.10 ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ประมาณ 10 วัน แม้ว่าจะช่วยลดความล่าช้าค่าเฉลี่ยเคลื่อนที่แบบเสวนาไม่สามารถแก้ปัญหาเกี่ยวกับค่าเฉลี่ยเคลื่อนที่ได้ซึ่งหมายความว่าการใช้สัญญาณซื้อขายจะทำให้ธุรกิจการค้าสูญเสียจำนวนมาก ในแนวคิดใหม่ในระบบการค้าทางเทคนิค Welles Wilder ประมาณการว่าตลาดมีแนวโน้มเพียงหนึ่งในสี่ของเวลาเท่านั้น การดำเนินการซื้อขายหลักทรัพย์สูงสุด 75 รายการ จำกัด อยู่ในช่วงแคบ ๆ เมื่อสัญญาณซื้อ - ขายเฉลี่ยเคลื่อนไหวจะถูกสร้างขึ้นซ้ำ ๆ เนื่องจากราคาเคลื่อนขึ้นเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่ ในการแก้ไขปัญหานี้นักวิเคราะห์หลายคนได้แนะนำปัจจัยการถ่วงน้ำหนักที่แตกต่างกันของการคำนวณ EMA (สำหรับข้อมูลเพิ่มเติมโปรดดูที่วิธีการเคลื่อนไหวค่าเฉลี่ยที่ใช้ในการซื้อขาย) การปรับค่าเฉลี่ยเคลื่อนที่สำหรับการดำเนินการในตลาดวิธีหนึ่งในการจัดการข้อเสียของค่าเฉลี่ยเคลื่อนที่คือการคูณปัจจัยการถ่วงน้ำหนักโดยใช้อัตราส่วนความผันผวน การทำเช่นนี้ก็หมายความว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจากราคาปัจจุบันในตลาดที่ผันผวน นี้จะช่วยให้ผู้ชนะในการทำงาน เป็นแนวโน้มมาถึงจุดสิ้นสุดและราคารวม ค่าเฉลี่ยเคลื่อนที่จะขยับขึ้นใกล้กับการกระทำของตลาดในปัจจุบันและในทางทฤษฎีอนุญาตให้ผู้ประกอบการค้าสามารถเก็บกำไรได้มากที่สุดในช่วงแนวโน้มนี้ ในทางปฏิบัติอัตราส่วนความผันผวนอาจเป็นตัวบ่งชี้เช่น Bollinger Bandwidth ซึ่งวัดระยะห่างระหว่างแถบ Bollinger Bros เป็นที่รู้จักกันดี (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวบ่งชี้นี้ให้ดูที่ข้อมูลพื้นฐานเกี่ยวกับแถบ Bollinger) Perry Kaufman แนะนำให้เปลี่ยนตัวแปรน้ำหนักในสูตร EMA ด้วยค่าคงที่ตามอัตราส่วนประสิทธิภาพ (ER) ในหนังสือระบบและวิธีการซื้อขายใหม่ ตัวบ่งชี้นี้ถูกออกแบบมาเพื่อวัดความแรงของแนวโน้มที่กำหนดไว้ในช่วงตั้งแต่ -1.0 ถึง 1.0 คำนวณโดยใช้สูตรง่ายๆคือ ER (การเปลี่ยนแปลงราคาทั้งหมดสำหรับช่วงเวลา) (รวมการเปลี่ยนแปลงราคาที่แน่นอนสำหรับแต่ละบาร์) พิจารณาสต็อคที่มีช่วง 5 จุดในแต่ละวันและเมื่อครบ 5 วันได้รับผลรวม จาก 15 คะแนน ซึ่งจะส่งผลให้ค่า ER เท่ากับ 0.67 (การเคลื่อนที่ขึ้นไป 15 จุดหารด้วยระยะรวม 25 จุด) หุ้นนี้ลดลง 15 จุดส่วน ER จะเท่ากับ -0.67 (สำหรับคำแนะนำการซื้อขายเพิ่มเติมจาก Perry Kaufman อ่าน Losing To Win ซึ่งแสดงกลยุทธ์ในการรับมือกับความเสียหายที่เกิดจากการซื้อขาย) หลักการของประสิทธิภาพของแนวโน้มขึ้นอยู่กับการเคลื่อนไหวของทิศทาง (หรือแนวโน้ม) ที่คุณได้รับต่อหน่วยของการเคลื่อนไหวของราคามากกว่า กำหนดช่วงเวลา ER เท่ากับ 1.0 แสดงให้เห็นว่าหุ้นอยู่ในขาขึ้นที่สมบูรณ์แบบ -1.0 หมายถึงขาลงที่สมบูรณ์แบบ ในทางปฏิบัติสุดขั้วไม่ค่อยจะมาถึง เมื่อต้องการใช้ตัวบ่งชี้นี้เพื่อหาค่าเฉลี่ยเคลื่อนที่แบบปรับตัว (AMA) ผู้ค้าจะต้องคำนวณน้ำหนักโดยใช้สูตรต่อไปนี้ค่อนข้างซับซ้อนสูตร: C (ER (SCF SCS)) SCS 2 ที่ไหน: SCF เป็นค่าคงที่แบบเรโซแนนเชียลที่เร็วที่สุด EMA ที่อนุญาต (ปกติ 2) SCS เป็นค่าคงที่แบบทวนสำหรับ EMA ที่ช้าที่สุดที่อนุญาต (มักจะ 30) ER เป็นอัตราส่วนประสิทธิภาพที่ระบุไว้ข้างต้นค่า C จะใช้ในสูตร EMA แทนตัวแปรน้ำหนักที่ง่ายกว่า แม้ว่าจะยากที่จะคำนวณด้วยมือ แต่ค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้ถูกรวมไว้เป็นตัวเลือกในเกือบทุกชุดซอฟต์แวร์เพื่อการค้า ตัวอย่างค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ (เส้นสีแดง), ค่าเฉลี่ยเคลื่อนที่เป็นเส้นตรง (เส้นสีน้ำเงิน) และค่าเฉลี่ยเคลื่อนที่ที่ปรับได้ (เส้นสีเขียว) แสดงไว้ในรูปที่ 1 ภาพที่ 1: AMA เป็นสีเขียวและแสดงให้เห็นว่ามีการแผ่แบนที่ใหญ่ที่สุดในการกระทำที่มีขอบเขตอยู่ที่ด้านขวาของแผนภูมินี้ ในกรณีส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่แบบเสี้ยว (exponential moving average) ซึ่งแสดงเป็นเส้นสีน้ำเงินใกล้เคียงกับราคาที่มากที่สุด ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะแสดงเป็นเส้นสีแดง ค่าเฉลี่ยเคลื่อนที่สามตัวที่แสดงในภาพมีแนวโน้มที่จะเกิดขึ้นในหลาย ๆ ครั้ง ข้อเสียเปรียบต่อค่าเฉลี่ยเคลื่อนที่เหล่านี้จึงเป็นไปไม่ได้ที่จะกำจัด บทสรุปโรเบิร์ตคอลบีได้ทดสอบเครื่องมือวิเคราะห์ทางเทคนิคนับร้อย ๆ รายการในสารานุกรมตัวชี้วัดด้านเทคนิคของตลาดสารานุกรม เขาสรุปได้ว่าแม้ว่าค่าเฉลี่ยเคลื่อนที่ที่ปรับตัวได้เป็นแนวคิดใหม่ที่น่าสนใจและมีการอุทธรณ์ทางสติปัญญามากการทดสอบเบื้องต้นของเราไม่ได้แสดงให้เห็นถึงประโยชน์ในทางปฏิบัติอันแท้จริงของวิธีการทำให้เรียบแบบที่ซับซ้อนมากขึ้น ไม่ได้หมายความว่าพ่อค้าควรละเลยแนวคิดนี้ AMA อาจรวมกับตัวบ่งชี้อื่น ๆ เพื่อพัฒนาระบบการซื้อขายที่มีกำไร (สำหรับข้อมูลเพิ่มเติมในหัวข้อนี้อ่านค้นพบ Keltner Channels และ The Chaikin Oscillator) ER สามารถใช้เป็นตัวบ่งชี้แนวโน้มแบบสแตนด์อโลนเพื่อหาโอกาสในการทำกำไรได้มากที่สุด ตัวอย่างเช่นอัตราส่วนข้างต้นต่ำกว่า 0.30 แสดงถึงแนวโน้มขาขึ้นที่แข็งแกร่งและแสดงถึงการซื้อที่มีศักยภาพ อีกทางเลือกหนึ่งเนื่องจากความผันผวนของการเคลื่อนที่ในรอบการผลิตอาจมีการถือเป็นหุ้นที่มีอัตราส่วนประสิทธิภาพต่ำที่สุดเท่าที่จะเป็นไปได้ ข้อ 50 คือข้อตกลงการเจรจาต่อรองและข้อยุติในสนธิสัญญา EU ที่ระบุขั้นตอนที่จะต้องดำเนินการสำหรับประเทศใด ๆ ที่ การเสนอราคาเริ่มต้นของสินทรัพย์ของ บริษัท ที่ล้มละลายจากผู้ซื้อที่สนใจที่ได้รับเลือกโดย บริษัท ที่ล้มละลาย จากกลุ่มผู้เสนอราคา เบต้าเป็นตัวชี้วัดความผันผวนหรือความเสี่ยงอย่างเป็นระบบของการรักษาความปลอดภัยหรือผลงานเมื่อเทียบกับตลาดโดยรวม ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎต้องการเช่นเดียวกับที่คุณเพิ่งอ่าน Digg หรือ Tipd วัตถุประสงค์ของ Finance4Traders คือการช่วยให้ผู้ค้าเริ่มต้นโดยนำพวกเขาเป็นกลางการวิจัยและความคิด ตั้งแต่ปลายปีพศ. 2548 เป็นต้นมาผมได้พัฒนายุทธศาสตร์การซื้อขายโดยใช้พื้นฐานส่วนบุคคล ไม่ใช่รูปแบบเหล่านี้ทั้งหมดเหมาะสำหรับฉัน แต่นักลงทุนรายอื่นหรือผู้ค้าอาจเห็นว่ามีประโยชน์ หลังจากที่ทุกคนมีเป้าหมายการลงทุนที่แตกต่างกันและนิสัย Finance4Traders กลายเป็นแพลตฟอร์มที่สะดวกในการเผยแพร่งานของฉัน (อ่านเพิ่มเติมเกี่ยวกับ Finance4Traders) กรุณาใช้เว็บไซต์นี้ในลักษณะที่เหมาะสมและมีน้ำใจ ซึ่งหมายความว่าคุณควรอ้างอิง Finance4Traders อย่างน้อยให้ลิงก์ย้อนกลับไปที่ไซต์นี้หากคุณใช้เนื้อหาใด ๆ ของเรา นอกจากนี้คุณยังไม่ได้รับอนุญาตให้ใช้เนื้อหาของเราในลักษณะที่ไม่ชอบด้วยกฎหมาย นอกจากนี้คุณควรเข้าใจด้วยว่าเนื้อหาของเราไม่ได้รับการรับประกันและคุณควรตรวจสอบเนื้อหาของเราโดยไม่คิดค่าใช้จ่ายก่อนที่จะใช้เนื้อหาเหล่านี้ โปรดดูที่นโยบายเนื้อหาและนโยบายความเป็นส่วนตัวของไซต์เมื่อเข้าสู่ไซต์นี้ comments 0 ความเห็น: โพสต์ความคิดเห็นกลยุทธ์การค้าจะคล้ายกับกลยุทธ์ขององค์กร การศึกษาทรัพยากรของคุณอย่างละเอียดจะช่วยให้คุณสามารถตัดสินใจได้อย่างมีประสิทธิภาพมากขึ้น (อ่านต่อ) 8226 การทำความเข้าใจตัวชี้วัดทางเทคนิคตัวชี้วัดทางเทคนิคมากกว่าแค่สมการ ตัวชี้วัดที่มีการพัฒนาอย่างดีเมื่อนำมาประยุกต์ใช้ทางวิทยาศาสตร์เป็นเครื่องมือที่ช่วยให้นักค้าดึงข้อมูลที่สำคัญจากข้อมูลทางการเงิน (อ่านต่อ) 8226 เหตุใดฉันจึงต้องการใช้ Excel Excel แสดงข้อมูลให้คุณเห็น ทำให้คุณเข้าใจการทำงานของคุณได้ง่ายขึ้นและประหยัดเวลา (อ่านต่อ)