การย้าย ค่าเฉลี่ย กะ แอะ “ Ae · Ae

แผนภูมิของอาหาร Marvins ในบทนี้ถูกสร้างขึ้นจากแผ่นงาน Excel ที่รวมไว้เพื่อให้คุณสามารถทดลองใช้งานได้ด้วยตัวคุณเองและรู้สึกดีขึ้นว่าค่าเฉลี่ยเคลื่อนที่จะระบุถึงแนวโน้มโดยรวมในข้อมูลที่อาจมีการเปลี่ยนแปลงในระยะสั้นที่มีขนาดใหญ่ หากต้องการใช้แบบจำลองนี้ให้โหลดแผ่นงาน SMOOTH. XLS ลงใน Excel คุณจะเห็นบางอย่างเช่นนี้บนหน้าจอ คุณอาจต้องปรับขนาดหน้าต่างเพื่อดูแผ่นงานทั้งหมดทั้งนี้ขึ้นอยู่กับจอภาพและกราฟิกการ์ดของคุณ แผนภูมิแสดงเส้นแนวโน้มที่แท้จริงเป็นเส้นสีแดงบาง ๆ แนวโน้มนี้จะถูกปกคลุมโดยรูปแบบที่สุ่มในแต่ละวันส่งผลให้การวัดทุกวันเป็นเพชรสีเขียวที่เชื่อมต่อด้วยเส้นสีเหลือง แนวโน้มที่แยกได้จากค่าเฉลี่ยเคลื่อนที่ที่เลือกจะวาดเป็นเส้นสีน้ำเงินหนา เส้นสีน้ำเงินใกล้เส้นสีแดงใกล้เคียงกับเส้นสีแดงแสดงถึงแนวโน้มที่แท้จริงยิ่งมีค่าเฉลี่ยเคลื่อนที่มากขึ้นในการกรองรูปแบบการสุ่มในช่วงสั้น ๆ ที่วัดได้ คุณสามารถควบคุมโมเดลเฉลี่ยเคลื่อนที่โดยการป้อนค่าในกล่องต่อไปนี้ของแผงควบคุม เรียบ พารามิเตอร์นี้จะเลือกประเภทของค่าเฉลี่ยเคลื่อนที่และระดับการทำให้เรียบ ถ้าเป็นค่าบวกให้ใช้ค่าเฉลี่ยเคลื่อนที่ที่ได้รับการให้คะแนนแบบเรียบอย่างต่อเนื่องโดยมีค่าคงที่ที่ราบเรียบเท่ากับ Smoothing ค่าคงที่ที่ราบเรียบระหว่าง 0 ถึง 1 เท่านั้นที่ถูกต้อง หากค่าลบมีค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยในช่วงที่ผ่านมา - Smoothing days หากต้องการดูผลของค่าเฉลี่ยเคลื่อนที่ 20 วันให้ป้อน -20 ในเซลล์ Smoothing ค่าความดังระบุการผันแปรแบบสุ่มต่อวันของแนวโน้มพื้นฐาน ถ้าคุณกำหนด Noise เป็น 10 ค่าที่วัดได้จะถูกแทนที่โดยสุ่ม 5 จากแนวโน้มที่แท้จริง การแทนที่แบบสุ่มของจุดในแนวโน้มหลักจะเปลี่ยนแปลงทุกครั้งที่ทำเวิร์กชีทใหม่ เมื่อต้องการแสดงผลของการแทนที่แบบสุ่มของแนวโน้มในปัจจุบันกดเพื่อบังคับให้คำนวณใหม่ เนื่องจากค่าเฉลี่ยเคลื่อนที่จะย้อนกลับไปที่การวัดก่อนหน้าจึงทำให้แนวโน้มปัจจุบันลดลง คุณสามารถเปลี่ยนค่าเฉลี่ยเคลื่อนที่ย้อนหลังในเวลาเพื่อยกเลิกความล่าช้านี้โดยป้อนจำนวนวันที่มีการเคลื่อนที่ในเซลล์ Shift ซึ่งจะช่วยให้คุณสามารถเปรียบเทียบรูปร่างของเส้นแนวโน้มที่พบได้จากค่าเฉลี่ยเคลื่อนที่ต่างๆที่มีแนวโน้มเริ่มต้น ค่าการเปลี่ยนค่าของศูนย์ยกเลิกการเคลื่อนย้ายและสร้างค่าเฉลี่ยเคลื่อนที่ที่ทำงานโดยคำนึงถึงแนวโน้มที่เกิดขึ้นจริงเช่นเดียวกับที่คำนวณทุกวันจากข้อมูลปัจจุบัน สำหรับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายการเปลี่ยนจากครึ่งวันของ Smoothing จะปรับแนวโน้มและค่าเฉลี่ยโดยเฉลี่ย สำหรับค่าเฉลี่ยเคลื่อนที่ที่ได้รับการทำความสะอาดอย่างรวดเร็วค่าการปรับ Smoothing เท่ากับ 0.9 สามารถปรับตำแหน่งให้สอดคล้องกับ Shift ที่มีค่าประมาณ 10. Amplitude แนวโน้มที่ใช้ในโมเดลนี้สร้างโดยฟังก์ชันโคไซน์ แอมพลิจูดควบคุมขอบเขตของแนวโน้มที่ค่าสูงสุดของการแปรผันสูงสุดเป็นสองเท่าของค่า Amplitude อัตราการควบคุมระยะเวลาของแนวโน้มหลักซึ่งระบุเป็นจำนวนวันจากรางน้ำถึงจุดสูงสุดและในทางกลับกัน เมื่อคุณลดอัตรา แนวโน้มมีความแตกต่างกันอย่างรวดเร็วมากขึ้นโดยต้องใช้ค่าเฉลี่ยเคลื่อนที่ระยะสั้นในการติดตามค่าเฉลี่ยค่าเฉลี่ยค่าเฉลี่ยเคลื่อนที่เป็นตัวชี้วัดการวิเคราะห์ทางเทคนิคที่มีความยืดหยุ่นมากที่สุดและใช้บ่อยมากที่สุด เป็นที่นิยมอย่างมากในหมู่พ่อค้าส่วนใหญ่เนื่องจากความเรียบง่าย ทำงานได้ดีที่สุดในสภาพแวดล้อมที่มีแนวโน้ม บทนำในสถิติค่าเฉลี่ยเคลื่อนที่เป็นเพียงค่าเฉลี่ยของชุดข้อมูลบางชุดเท่านั้น ในกรณีของการวิเคราะห์ทางเทคนิคข้อมูลเหล่านี้ส่วนใหญ่จะแสดงด้วยการปิดราคาหุ้นในแต่ละวัน อย่างไรก็ตามผู้ค้าบางรายยังใช้ค่าเฉลี่ยแยกกันสำหรับทุกๆนาทีและสูงสุดหรือแม้แต่ค่าเฉลี่ยของจุดกึ่งกลาง (ซึ่งคำนวณโดยบวกขึ้นทุกวันและต่ำสุดและหารด้วยสองค่านี้) อย่างไรก็ตามคุณสามารถสร้างค่าเฉลี่ยเคลื่อนที่ได้ในกรอบเวลาที่สั้นลงเช่นโดยการใช้ข้อมูลรายวันหรือนาที ตัวอย่างเช่นถ้าคุณต้องการสร้างค่าเฉลี่ยเคลื่อนที่ 10 วันคุณเพียงแค่เพิ่มราคาปิดทั้งหมดในช่วง 10 วันที่ผ่านมาและหารด้วย 10 (ในกรณีนี้เป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย) ในวันถัดไปเราทำเช่นเดียวกันยกเว้นว่าเราใช้ราคาอีกครั้งในช่วง 10 วันที่ผ่านมาซึ่งหมายความว่าราคาที่เป็นวันสุดท้ายในการคำนวณของเราสำหรับวันก่อนหน้าจะไม่รวมอยู่ในค่าเฉลี่ยในปัจจุบันอีกต่อไปด้วยซึ่งจะถูกแทนที่ด้วยในวันวาน ราคา. การเปลี่ยนแปลงข้อมูลในลักษณะนี้กับทุกๆวันทำการซื้อขายใหม่จึงเป็นค่าเฉลี่ยระยะยาว วัตถุประสงค์และการใช้ค่าเฉลี่ยเคลื่อนที่ในการวิเคราะห์ทางเทคนิคค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้แนวโน้ม จุดประสงค์ของมันคือการตรวจจับจุดเริ่มต้นของเทรนด์ตามความคืบหน้ารวมทั้งรายงานการกลับรายการหากเกิดขึ้น ในทางตรงกันข้ามกับแผนภูมิการย้ายค่าเฉลี่ยไม่ได้คาดหวังให้เริ่มหรือจุดสิ้นสุดของแนวโน้ม พวกเขาเพียง แต่ยืนยัน แต่เพียงบางเวลาหลังจากการกลับรายการจริงเกิดขึ้น เกิดจากการก่อสร้างของพวกเขาเนื่องจากตัวชี้วัดเหล่านี้ใช้ข้อมูลทางประวัติศาสตร์เพียงอย่างเดียวเท่านั้น ค่าเฉลี่ยเคลื่อนที่ที่มีค่าเฉลี่ยน้อยกว่านี้จะเร็วกว่าที่จะสามารถตรวจจับการกลับรายการแนวโน้มได้ เป็นเพราะจำนวนข้อมูลในอดีตซึ่งมีอิทธิพลอย่างมากต่อค่าเฉลี่ย ค่าเฉลี่ยเคลื่อนที่ 20 วันสร้างสัญญาณการกลับรายการแนวโน้มเร็วกว่าค่าเฉลี่ย 50 วัน อย่างไรก็ตามยังเป็นความจริงที่ว่าจำนวนวันที่เราใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่จะน้อยกว่าสัญญาณที่ผิดพลาดมากขึ้นที่เราได้รับ ดังนั้นผู้ค้าส่วนใหญ่จึงใช้การรวมกันของค่าเฉลี่ยเคลื่อนที่หลายค่าซึ่งทั้งหมดจะต้องให้สัญญาณพร้อมกันก่อนที่ผู้ค้าจะเปิดตำแหน่งในตลาด อย่างไรก็ตามค่าเฉลี่ยเคลื่อนที่ที่ล่าช้าหลังแนวโน้มไม่สามารถตัดออกได้อย่างสมบูรณ์ สัญญาณการซื้อขายใด ๆ ของค่าเฉลี่ยเคลื่อนที่สามารถใช้ในการสร้างสัญญาณซื้อหรือขายและกระบวนการนี้ง่ายมาก ซอฟต์แวร์แผนภูมิจะคำนวณค่าเฉลี่ยเคลื่อนที่เป็นเส้นตรงลงในแผนภูมิราคา สัญญาณถูกสร้างขึ้นในสถานที่ที่ราคาตัดกันสายเหล่านี้ เมื่อราคาพุ่งสูงขึ้นเหนือเส้นค่าเฉลี่ยเคลื่อนที่จะแสดงถึงจุดเริ่มต้นของแนวโน้มที่สูงขึ้นใหม่และนั่นหมายความว่าสัญญาณซื้อ ในทางตรงกันข้ามหากราคาทะลุตามเส้นค่าเฉลี่ยเคลื่อนที่และตลาดปิดในบริเวณนี้ก็จะส่งสัญญาณถึงจุดเริ่มต้นของแนวโน้มลดลงและถือเป็นสัญญาณการขายโดยใช้ค่าเฉลี่ยหลาย ๆ รายการนอกจากนี้เรายังสามารถเลือกใช้การเคลื่อนไหวหลายรายการ เฉลี่ยในเวลาเดียวกันเพื่อลดเสียงรบกวนในราคาและโดยเฉพาะอย่างยิ่งสัญญาณเท็จ (whipsaws) ซึ่งใช้อัตราผลตอบแทนถัวเฉลี่ยเคลื่อนที่เพียงครั้งเดียว เมื่อใช้ค่าเฉลี่ยหลายค่าสัญญาณการซื้อจะเกิดขึ้นเมื่อค่าเฉลี่ยที่สั้นกว่าจะสูงกว่าค่าเฉลี่ยที่ยาวนานเช่น ค่าเฉลี่ยเฉลี่ย 50 วันเหนือค่าเฉลี่ย 200 วัน ในทางกลับกันสัญญาณการขายในกรณีนี้จะเกิดขึ้นเมื่อค่าเฉลี่ยของค่าเฉลี่ย 50 วันมีค่าต่ำกว่าค่าเฉลี่ย 200 โดยในทำนองเดียวกันเรายังสามารถใช้การรวมกันของสามค่าเฉลี่ยเช่น ค่าเฉลี่ย 5 วัน 10 วันและ 20 วัน ในกรณีนี้มีแนวโน้มสูงขึ้นหากเส้นค่าเฉลี่ย 5 วันอยู่เหนือค่าเฉลี่ยเคลื่อนที่ 10 วันในขณะที่ค่าเฉลี่ย 10 วันยังคงสูงกว่าค่าเฉลี่ย 20 วัน การข้ามค่าเฉลี่ยเคลื่อนที่ซึ่งนำไปสู่สถานการณ์นี้ถือเป็นสัญญาณการซื้อ ตรงกันข้ามแนวโน้มลดลงจะแสดงโดยสถานการณ์เมื่อเส้นเฉลี่ย 5 วันต่ำกว่าค่าเฉลี่ย 10 วันในขณะที่ค่าเฉลี่ย 10 วันต่ำกว่าค่าเฉลี่ยเฉลี่ย 20 วันการใช้ค่าเฉลี่ยเคลื่อนที่สามครั้งพร้อมกัน จำกัด จำนวนเท็จ สัญญาณที่สร้างขึ้นโดยระบบ แต่ยัง จำกัด ศักยภาพในการทำกำไรด้วยเช่นกันระบบดังกล่าวจะสร้างสัญญาณการซื้อขายเฉพาะหลังจากที่มีการกำหนดแนวโน้มอย่างมั่นคงในตลาดแล้ว สัญญาณเข้าสามารถสร้างขึ้นได้ภายในระยะเวลาสั้น ๆ ก่อนการกลับรายการแนวโน้ม ช่วงเวลาที่ผู้ค้าใช้สำหรับการคำนวณค่าเฉลี่ยเคลื่อนที่จะแตกต่างกันมาก ตัวอย่างเช่นตัวเลข Fibonacci เป็นที่นิยมมากเช่นการใช้ค่าเฉลี่ย 5 วัน 21 วันและ 89 วัน ในการซื้อขายล่วงหน้าการรวมกันของ 4-9- และ 18- วันเป็นที่นิยมอย่างมากด้วย ข้อดีข้อเสียเหตุผลที่ว่าทำไมค่าเฉลี่ยเคลื่อนที่ที่ได้รับความนิยมมากจึงแสดงให้เห็นถึงกฎพื้นฐานหลายประการในการซื้อขาย การใช้ค่าเฉลี่ยเคลื่อนที่ช่วยให้คุณสามารถลดความสูญเสียของคุณได้ขณะที่ปล่อยให้ผลกำไรของคุณทำงาน เมื่อใช้ค่าเฉลี่ยเคลื่อนที่เพื่อสร้างสัญญาณการซื้อขายคุณมักจะค้าทิศทางของแนวโน้มตลาดไม่ใช่กับการซื้อขาย นอกจากนี้เมื่อเทียบกับการวิเคราะห์รูปแบบแผนภูมิหรือเทคนิคอัตนัยอื่น ๆ ค่าเฉลี่ยเคลื่อนที่สามารถใช้ในการสร้างสัญญาณการซื้อขายตามกฎที่ชัดเจนซึ่งจะช่วยขจัดความเป็นส่วนตัวของการตัดสินใจซื้อขายหลักทรัพย์ซึ่งสามารถช่วยผู้ค้าจิตได้ อย่างไรก็ตามข้อเสียที่สำคัญของค่าเฉลี่ยเคลื่อนที่คือการทำงานได้ดีเมื่อตลาดมีแนวโน้มเท่านั้น ดังนั้นในช่วงเวลาของตลาดที่เปลี่ยนแปลงเร็วเมื่อราคาผันผวนในช่วงราคาหนึ่ง ๆ พวกเขาไม่ได้ผลเลย ระยะเวลาดังกล่าวสามารถใช้เวลามากกว่าหนึ่งในสามของเวลาดังนั้นการพึ่งพาค่าเฉลี่ยเคลื่อนที่โดยลำพังจึงมีความเสี่ยงมาก ผู้ค้าบางรายจึงแนะนำให้รวมค่าเฉลี่ยเคลื่อนที่โดยใช้ตัวบ่งชี้ความแรงของแนวโน้มเช่น ADX หรือใช้ค่าเฉลี่ยเคลื่อนที่เท่านั้นเพื่อเป็นตัวบ่งชี้ยืนยันระบบการซื้อขายของคุณ ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย (SMA) และค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก (Exponentially Weighted Moving Average - EMA) ค่าเฉลี่ยเคลื่อนที่นี้เรียกว่าค่าเฉลี่ยเลขคณิตและแสดงถึงค่าเฉลี่ยเคลื่อนที่ที่ใช้ง่ายและใช้บ่อยที่สุด เราคำนวณโดยการสรุปราคาปิดทั้งหมดในช่วงเวลาที่กำหนดซึ่งเราจะหารด้วยจำนวนวันในช่วงนั้น อย่างไรก็ตามปัญหาสองข้อเกี่ยวข้องกับค่าเฉลี่ยดังกล่าว: จะพิจารณาเฉพาะข้อมูลที่รวมอยู่ในช่วงเวลาที่เลือกไว้ (เช่นค่าเฉลี่ยเคลื่อนที่ 10 วันจะพิจารณาเฉพาะข้อมูลจาก 10 วันที่ผ่านมาและไม่สนใจข้อมูลอื่น ๆ ทั้งหมด ก่อนหน้านี้) นอกจากนี้ยังมีการวิพากษ์วิจารณ์ว่าบ่อยครั้งสำหรับการจัดสรรน้ำหนักที่เท่ากันให้กับข้อมูลทั้งหมดในชุดข้อมูล (นั่นคือค่าเฉลี่ยเคลื่อนที่ 10 วันจาก 10 วันก่อนมีน้ำหนักเช่นเดียวกับราคาตั้งแต่วันนี้ - 10) ผู้ค้าหลายรายให้เหตุผลว่าข้อมูลจากวันล่าสุดน่าจะมีน้ำหนักมากกว่าข้อมูลที่เก่ากว่าซึ่งจะส่งผลต่อการลดค่าเฉลี่ยของความล่าช้าหลังแนวโน้ม ค่าเฉลี่ยเคลื่อนที่นี้จะแก้ปัญหาทั้งสองที่เกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ ประการแรกมันจัดสรรน้ำหนักมากขึ้นในการคำนวณข้อมูลล่าสุด นอกจากนี้บางส่วนยังสะท้อนถึงข้อมูลทางประวัติศาสตร์ทั้งหมดของตราสารนั้น ประเภทของค่าเฉลี่ยนี้มีชื่อตามข้อเท็จจริงที่ว่าน้ำหนักข้อมูลในอดีตลดลงอย่างมาก ความลาดชันของการลดลงนี้สามารถปรับเปลี่ยนตามความต้องการของผู้ค้าค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่เรียบง่าย แต่มีประโยชน์มากในการเพิ่มแผนภูมิราคาของคุณเพื่อแสดงถึงความผันผวนรวมทั้งพิจารณาแนวโน้มพื้นฐาน และ Ussualy ตัวบ่งชี้นี้เป็นวิธีที่ง่ายที่สุดสำหรับการใช้งานและ 100 ใน MetaTrader 4 หรือ 5 และมีตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่ (Moving Average Indicator) สำหรับพ่อค้าใหม่อาจ donrsquot รู้ว่าตัวบ่งชี้คืออะไร แต่สำหรับผู้ค้าพวกเขาได้รู้จักตัวบ่งชี้นี้ แต่ส่วนใหญ่พวกเขายังคงมีสองของจิตใจวิธีการบ่งชี้สำหรับการใช้และในบทความนี้ให้ฉันให้ความคิดเห็นของฉันว่า ใช้ตัวบ่งชี้การใช้งานด้วยวิธีที่ถูกต้อง ก่อนที่จะพูดต่อไปเราต้องทราบด้วยว่าใน Moving Average Indicator มีค่าเฉลี่ยเคลื่อนที่หลายแบบ: Simple, Exponential และ Weighted ในส่วนนี้ผมจะอธิบายวิธีการใช้ตัวบ่งชี้นี้เช่น Simple Moving Average และ Next สำหรับ Exponential และ Weighted จะเป็นแบบ Analogue สำหรับการใช้งานตามที่อธิบายไว้ใน Simple Moving Average Average Moving Average (SMA) SMA คือค่าเฉลี่ยเคลื่อนที่โดยการคำนวณโดยการรวมราคาปิดของคู่สกุลเงินในช่วงระยะเวลาหนึ่งแล้วหารจำนวนทั้งหมดด้วยจำนวนจุดข้อมูลที่เกี่ยวข้อง SMA เป็นชื่อหรือตัวเลือกแรกใน Metatrader 4 หรือ 5 เมื่อเราเห็นใน Moving Average Indicator ใน SMA, therersquos ชื่อเช่น Period และ Shift และ ussualy ถ้าผู้ค้าใส่ด้วยศูนย์ SMA จะถูกปิดไปที่แผนภูมิ แต่ Period และ Shift หมายถึงอะไร 1. ช่วง n คือแผนภูมิ (สามารถเป็นแผนภูมิรายวัน, แผนภูมิ 4 ชั่วโมง, แผนภูมิ 1 ชั่วโมงหรือขึ้นอยู่กับเวลาของแผนภูมิที่คุณใช้) จะคำนวณโดยการเพิ่มราคาปิดของแผนภูมิที่แบ่งยอดรวม ทั้งหมดโดย n และ Shift คือคลื่นของแผนภูมิ (Time Chart) Movement ซึ่ง Wave ของแผนภูมิ Movement ขึ้นอยู่กับระยะทางประเภท Trading ของคุณเพื่อดูคำอธิบายเพิ่มเติมดูตัวอย่าง 2 ตัวอย่าง ด้านล่างถ้าเราใช้การซื้อขาย 10 ครั้งสำหรับหนึ่งเดือนและใช้แผนภูมิเวลาเป็นรายวันและใช้สำหรับการซื้อขาย EURUSD ดังนั้น SMA จะเหมือนกับค่าเฉลี่ยถ่วงน้ำหนักของการเคลื่อนไหวแบบง่ายๆ 10 ครั้งกล่าวคือ EURUSD ในแผนภูมิรายวันจะคำนวณโดยการเพิ่ม ราคาปิดของ 10 วันที่ผ่านมาและหารยอดรวมเป็น 10 และสำหรับ Shift จะเป็นเหมือน Wave of the Chart Movement เป็นเวลาหนึ่งเดือน b. ถ้าเราใช้การซื้อขายแบบ 15 สำหรับการซื้อขายหนึ่งเดือนและใช้แผนภูมิเวลาเป็นรายวันและใช้สำหรับการซื้อขาย EURUSD ดังนั้น SMA จะเหมือนกับค่าเฉลี่ยถ่วงน้ำหนักของการเคลื่อนไหวแบบง่ายๆ 15 งวดกล่าวคือ EURUSD ในแผนภูมิรายวันจะคำนวณโดยการเพิ่ม ราคาปิดของ 15 วันที่ผ่านมาและหารยอดรวม 15 และสำหรับ Shift จะเป็นเหมือน Wave of the Chart Movement เป็นเวลา 1 เดือนดังนั้นจาก 1 และ 2 ข้างต้น SMA จะแตกต่างกันสำหรับการใช้ n 10 และ n 15 ดังนั้นคำถามต่อไปคือวิธีที่ดีที่สุดในการเลือก n-period และ shift จากความเห็นของฉันหลายวิธีเพื่อหา n - ระยะเวลาและการ Shift หนึ่งสำหรับวิธีง่ายๆในการเลือกช่วง n คือการเห็นคุณต้องการในระยะยาวหรือระยะสั้นสำหรับการซื้อขายและจำระยะทางที่คุณเลือก อยู่ไม่ไกลซึ่งระยะทางเช่นวิธีการใหญ่สำหรับ LOT หรือ Pips ที่คุณต้องการค้า (วิธีที่ดีที่สุด, Pips ขนาดเล็กหรือ LOT จะดีกว่า) เช่น ถ้าคุณชอบคำรายเดือนสำหรับการค้าระยะยาวก็หมายความว่าเป็นเวลาหนึ่งเดือนโดยสมมติว่าในหนึ่งเดือนคือ 30 วันหมายความว่าการซื้อขายหนึ่งสัปดาห์เป็นเวลา 5 วันดังนั้น 30 หาร 5 คือ 6 และเพื่อให้ระยะทาง ที่คุณชอบใช้คือ 2 Pips หรือ Lot เพื่อให้ n ช่วงที่ดีที่สุดคือ 12 ดังนั้นด้วย n12 หมายถึงคุณใช้ SMA จะเห็นราคาปิดของ 12 วันที่ผ่านมา คำถามต่อไปคือฉันสามารถใช้ข้อมูลนี้ในตัวบ่งชี้การเคลื่อนที่เฉลี่ยอื่น ๆ เช่นค่าเฉลี่ยเคลื่อนที่แบบ Exponential (EMA) ได้ เราต้องรู้จักตราบเท่าที่ยังคงอยู่ในตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่ (Moving Average Indicator) ใช่แล้วคุณสามารถทำได้เนื่องจากวิธีที่ง่ายที่ฉันได้อธิบายมาก่อนสามารถนำมาใช้กับ Moving Average Indicator และไม่สำคัญคุณใช้ Simple หรือ Exponential, หรือถ่วงน้ำหนักทั้งหมดจะมีการเคลื่อนไหวเดียวกันตราบใดที่ช่วงเวลาเดียวกันและการเปลี่ยน ส่วนที่แตกต่างกันสำหรับความไวเท่านั้น หากคุณเห็นรายการใน MetaTrader 4 หรือ 5 ใน Moving Average Indicator ความไวมากที่สุดจากด้านล่าง (ชื่อสุดท้ายสำหรับ Moving Average Indicator) ซึ่งขึ้นอยู่กับความไวแสงอย่างน้อยเช่น ความไวมากขึ้นระหว่างความง่ายและเลขชี้กำลังเป็นเลขชี้กำลังและความไวระหว่าง Exponential กับ Weighted จะมีน้ำหนักเพิ่มเส้นแนวโน้มหรือเส้นค่าเฉลี่ยเคลื่อนที่ไปเป็นแผนภูมินำไปใช้กับ: Excel 2016 Word 2016 PowerPoint 2016 Excel 2013 Word 2013 Outlook 2013 PowerPoint 2013 เพิ่มเติม น้อยกว่าเพื่อแสดงแนวโน้มข้อมูลหรือค่าเฉลี่ยเคลื่อนที่ในแผนภูมิที่คุณสร้างขึ้น คุณสามารถเพิ่มเส้นแนวโน้มได้ นอกจากนี้คุณยังสามารถขยายเส้นแนวโน้มเกินกว่าข้อมูลจริงของคุณเพื่อช่วยในการคาดการณ์ค่าในอนาคต ตัวอย่างเช่นเส้นแนวโน้มดังต่อไปนี้คาดการณ์ล่วงหน้า 2 ไตรมาสและแสดงให้เห็นชัดเจนว่ามีแนวโน้มสูงขึ้นซึ่งน่าจะเป็นไปได้สำหรับการขายในอนาคต คุณสามารถเพิ่มเส้นแนวโน้มลงในแผนภูมิ 2 มิติที่ไม่ได้ถูกจัดวางรวมทั้งพื้นที่แถบเส้นคอลัมน์สต็อกการกระจายและฟองอากาศ คุณไม่สามารถเพิ่มเส้นแนวโน้มลงในแผนภูมิแบบวง, 3 มิติ, เรดาร์, พาย, พื้นผิวหรือโดนัท เพิ่มเส้นแนวโน้มบนแผนภูมิของคุณคลิกชุดข้อมูลที่คุณต้องการเพิ่มเส้นแนวโน้มหรือค่าเฉลี่ยเคลื่อนที่ เส้นแนวโน้มจะเริ่มต้นที่จุดข้อมูลแรกของชุดข้อมูลที่คุณเลือก ทำเครื่องหมายที่ช่อง Trendline หากต้องการเลือกเส้นแนวโน้มประเภทอื่นให้คลิกลูกศรถัดจากเส้นแนวโน้ม แล้วคลิกเลขชี้กำลัง พยากรณ์เชิงเส้น หรือสองค่าเฉลี่ยเคลื่อนที่ระยะเวลา สำหรับเส้นแนวโน้มเพิ่มเติมคลิกตัวเลือกเพิ่มเติม หากคุณเลือก More Options คลิกตัวเลือกที่คุณต้องการในบานหน้าต่าง 'รูปแบบเส้นขอบ' ภายใต้ตัวเลือกของ Trendline ถ้าคุณเลือกพหุนาม ป้อนพลังงานสูงสุดสำหรับตัวแปรอิสระในกล่องคำสั่งซื้อ หากเลือก Moving Average ป้อนจำนวนงวดที่จะใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่ในช่องงวด เคล็ดลับ: เส้นแนวโน้มมีความถูกต้องที่สุดเมื่อค่า R-squared (ตัวเลขตั้งแต่ 0 ถึง 1 แสดงให้เห็นว่าค่าประมาณสำหรับเส้นแนวโน้มใกล้เคียงกับข้อมูลที่แท้จริงของคุณมากแค่ไหน) อยู่ที่หรือใกล้เคียง 1. เมื่อคุณเพิ่มเส้นแนวโน้มลงในข้อมูลของคุณ , Excel จะคำนวณค่า R-squared โดยอัตโนมัติ คุณสามารถแสดงค่านี้ในแผนภูมิของคุณได้โดยการตรวจสอบค่า Display R-squared ในกล่องแผนภูมิ (แผงเส้นแนวโน้มรูปแบบตัวเลือก Trendline) คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับตัวเลือกเส้นแนวโน้มทั้งหมดในส่วนด้านล่าง เส้นแนวโน้มเชิงเส้นใช้เส้นแบบนี้เพื่อสร้างเส้นตรงที่ดีที่สุดสำหรับชุดข้อมูลเชิงเส้นอย่างง่าย ข้อมูลของคุณเป็นเส้นตรงถ้ารูปแบบในจุดข้อมูลมีลักษณะเป็นเส้น เส้นแนวโน้มจะแสดงให้เห็นว่ามีบางอย่างที่เพิ่มขึ้นหรือลดลงในอัตราที่คงที่ เส้นตรงใช้สมการนี้ในการคำนวณสมการกำลังสองอย่างน้อยที่สุดสำหรับเส้น: โดย m คือความลาดชันและ b คือการสกัดกั้น เส้นแสดงแนวโน้มต่อไปนี้แสดงให้เห็นว่ายอดขายตู้เย็นเพิ่มขึ้นอย่างต่อเนื่องตลอดระยะเวลา 8 ปี สังเกตว่าค่า R-squared (ตัวเลขตั้งแต่ 0 ถึง 1 แสดงให้เห็นว่าค่าประมาณสำหรับเส้นแนวโน้มใกล้เคียงกับข้อมูลจริงของคุณมากน้อยแค่ไหน) เป็น 0.9792 ซึ่งเป็นเส้นที่เหมาะสมกับข้อมูล เส้นโค้งที่พอดีกับเส้นโค้งที่ดีที่สุดเส้นแนวโน้มนี้จะเป็นประโยชน์เมื่ออัตราการเปลี่ยนแปลงข้อมูลเพิ่มขึ้นหรือลดลงอย่างรวดเร็วและลดระดับลง เส้นค่าลอการิทึมสามารถใช้ค่าลบและค่าบวกได้ เส้นรอบวงลอการิทึมใช้สมการนี้ในการคำนวณสมการสี่เหลี่ยมที่เล็กที่สุดผ่านจุด: c และ b เป็นค่าคงที่และ ln เป็นฟังก์ชันลอการิทึมธรรมชาติ เส้นค่าลอการิทึมต่อไปนี้แสดงการเติบโตของประชากรที่คาดการณ์ไว้ของสัตว์ในพื้นที่ว่างคงที่โดยที่ประชากรลดลงเป็นพื้นที่สำหรับสัตว์ลดลง โปรดทราบว่าค่า R-squared เท่ากับ 0.933 ซึ่งเป็นเส้นที่เหมาะสมกับข้อมูล เส้นแนวโน้มนี้มีประโยชน์เมื่อข้อมูลของคุณผันผวน ตัวอย่างเช่นเมื่อคุณวิเคราะห์ผลกำไรและขาดทุนจากชุดข้อมูลขนาดใหญ่ ลำดับของพหุนามสามารถกำหนดได้จากจำนวนความผันผวนของข้อมูลหรือจำนวนโค้ง (เนินเขาและหุบเขา) ปรากฏในเส้นโค้ง โดยปกติคำสั่ง Order 2 polynomial trendline มีเพียงเนินเขาหรือหุบเขาคำสั่ง Order 3 มีภูเขาหรือหุบเขาหนึ่งหรือสองแห่งและลำดับที่ 4 มีถึง 3 เนินหรือหุบเขา เส้นรอบวงหรือ curvilinear trendline ใช้สมการนี้ในการคำนวณสมการอย่างน้อยสี่เหลี่ยมผ่านจุด: ที่ b และเป็นค่าคงที่ พหุนามสองสายสั่งซื้อ (หนึ่งเนิน) แสดงความสัมพันธ์ระหว่างความเร็วในการขับขี่และการสิ้นเปลืองน้ำมันเชื้อเพลิง สังเกตว่าค่า R-squared เท่ากับ 0.979 ซึ่งใกล้เคียงกับ 1 ดังนั้นเส้นจะพอดีกับข้อมูล แสดงเส้นโค้งเส้นแนวโน้มนี้มีประโยชน์สำหรับชุดข้อมูลที่เปรียบเทียบการวัดที่เพิ่มขึ้นในอัตราเฉพาะ ตัวอย่างเช่นการเร่งความเร็วของรถแข่งในช่วงเวลา 1 วินาที คุณไม่สามารถสร้างเส้นแนวโน้มกำลังได้ถ้าข้อมูลของคุณมีค่าเป็นศูนย์หรือค่าลบ เส้นกำลังกำลังใช้สมการนี้เพื่อคำนวณสมการกำลังสองอย่างน้อยที่สุดผ่านจุด: c และ b เป็นค่าคงที่ หมายเหตุ: ตัวเลือกนี้จะใช้ไม่ได้เมื่อข้อมูลของคุณมีค่าเป็นลบหรือเป็นศูนย์ แผนภูมิวัดระยะทางต่อไปนี้แสดงระยะทางเป็นหน่วยเป็นวินาที เส้นแรงที่แสดงให้เห็นถึงการเพิ่มขึ้นอย่างรวดเร็ว โปรดทราบว่าค่า R-squared เท่ากับ 0.986 ซึ่งเป็นเส้นที่สมบูรณ์แบบเกือบทั้งหมดของข้อมูล แสดงเส้นโค้งเส้นแนวโน้มนี้มีประโยชน์เมื่อค่าข้อมูลเพิ่มขึ้นหรือลดลงอย่างต่อเนื่องตามอัตราที่เพิ่มขึ้น คุณไม่สามารถสร้างเส้นแสดงแนวโน้มเป็นตัวเลขได้หากข้อมูลของคุณมีค่าเป็นศูนย์หรือค่าลบ เสนเสนยอยใชสมการนี้เพื่อคํานวณสมการสแควรต่ําสุดผานจุด: c และ b เปนคาคงที่และ e เปนฐานของลอการิทึมตามธรรมชาติ เส้นแสดงเส้นโครงร่างต่อไปนี้แสดงถึงปริมาณคาร์บอน 14 ที่ลดลงในวัตถุเมื่ออายุมากขึ้น โปรดทราบว่าค่า R-squared เท่ากับ 0.990 ซึ่งหมายความว่าเส้นตรงกับข้อมูลเกือบสมบูรณ์ เส้นแนวโน้มการเคลื่อนที่เฉลี่ยแนวโน้มนี้จะแสดงถึงความผันผวนของข้อมูลเพื่อแสดงรูปแบบหรือแนวโน้มที่ชัดเจนขึ้น ค่าเฉลี่ยเคลื่อนที่จะใช้จำนวนจุดข้อมูลที่ระบุ (กำหนดโดยตัวเลือก Period) โดยให้ค่าเฉลี่ยโดยเฉลี่ยและใช้ค่าเฉลี่ยเป็นจุดในบรรทัด ตัวอย่างเช่นถ้ากำหนดระยะเวลาเป็น 2 ค่าเฉลี่ยของจุดข้อมูลสองจุดแรกจะใช้เป็นจุดแรกในเส้นแนวโน้มเฉลี่ยเคลื่อนไหว ค่าเฉลี่ยของจุดข้อมูลที่สองและสามใช้เป็นจุดที่สองในเส้นแนวโน้ม ฯลฯ เส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่ใช้สมการนี้: จำนวนจุดในเส้นแนวโน้มเฉลี่ยเคลื่อนที่เท่ากับจำนวนจุดทั้งหมดในชุดลบด้วย หมายเลขที่คุณระบุสำหรับงวด ในแผนภูมิกระจายเส้นแนวโน้มจะขึ้นอยู่กับลำดับของค่า x ในแผนภูมิ สำหรับผลลัพธ์ที่ดีขึ้นให้จัดเรียงค่า x ก่อนที่จะเพิ่มค่าเฉลี่ยเคลื่อนที่ เส้นค่าเฉลี่ยเคลื่อนที่เฉลี่ยต่อไปนี้แสดงรูปแบบจำนวนบ้านที่ขายในช่วง 26 สัปดาห์