Saturday, 5 August 2017

ง่ายต่อ การเคลื่อนย้าย ค่าเฉลี่ย การทดสอบ


ความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่กับค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักค่าเฉลี่ยเคลื่อนที่ 5 ช่วงโดยอิงจากราคาข้างต้นจะคำนวณโดยใช้สูตรต่อไปนี้: ตามสมการข้างต้นราคาเฉลี่ยในช่วงเวลาดังกล่าวข้างต้นเท่ากับ 90.66 การใช้ค่าเฉลี่ยเคลื่อนที่เป็นวิธีที่มีประสิทธิภาพในการขจัดความผันผวนของราคาที่แข็งแกร่ง ข้อ จำกัด ที่สำคัญคือจุดข้อมูลจากข้อมูลที่เก่ากว่าจะไม่ได้รับการถ่วงน้ำหนักใด ๆ กว่าจุดข้อมูลใกล้จุดเริ่มต้นของชุดข้อมูล นี่คือที่ค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักเข้ามาเล่น ค่าเฉลี่ยถ่วงน้ำหนักกำหนดน้ำหนักให้มากขึ้นกับจุดข้อมูลปัจจุบันมากขึ้นเนื่องจากมีความเกี่ยวข้องมากกว่าจุดข้อมูลในอดีตอันไกลโพ้น ผลรวมของการถ่วงน้ำหนักควรเพิ่มได้ถึง 1 (หรือ 100) ในกรณีของค่าเฉลี่ยเคลื่อนที่แบบง่ายๆการถ่วงน้ำหนักมีการกระจายอย่างเท่าเทียมกันซึ่งเป็นเหตุผลว่าทำไมจึงไม่แสดงในตารางด้านบน ราคาปิดของค่าเฉลี่ย AAPLMoving - ค่าเฉลี่ยเคลื่อนที่แบบง่ายและค่าเฉลี่ยที่อธิบายได้ - ข้อมูลเบื้องต้นที่ง่ายและน่าจะเป็นตัวนำ พวกเขาไม่ได้คาดการณ์ทิศทางราคา แต่กำหนดทิศทางปัจจุบันที่มีความล่าช้า การเลื่อนค่าเฉลี่ยของความล่าช้าเนื่องจากขึ้นอยู่กับราคาในอดีต แม้ว่าความล่าช้านี้ค่าเฉลี่ยเคลื่อนที่จะช่วยให้การดำเนินการด้านราคาเรียบและกรองเสียงรบกวน พวกเขายังเป็นตัวสร้างสำหรับตัวชี้วัดทางเทคนิคและการซ้อนทับอื่น ๆ อีกมากมายเช่นกลุ่ม Bollinger Bands MACD และ Oscillator McClellan ค่าเฉลี่ยเคลื่อนที่สองประเภทคือ Moving Average เฉลี่ย (SMA) และ Exponential Moving Average (EMA) ค่าเฉลี่ยเคลื่อนที่เหล่านี้สามารถใช้เพื่อระบุทิศทางของแนวโน้มหรือกำหนดระดับการสนับสนุนและความต้านทานที่อาจเกิดขึ้น กราฟของ SMA และ EMA มีดังนี้ Simple Moving Average Calculation ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยคำนวณโดยใช้ราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาที่ระบุ ค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่จะขึ้นอยู่กับราคาปิด ค่าเฉลี่ยเคลื่อนที่ 5 วันเป็นผลรวมของราคาปิดห้าวันหารด้วยห้า เป็นชื่อที่แสดงถึงค่าเฉลี่ยเคลื่อนที่ที่เป็นค่าเฉลี่ยที่เคลื่อนที่ได้ ข้อมูลเก่าจะถูกลดลงเนื่องจากมีข้อมูลใหม่มาให้ นี่เป็นสาเหตุให้ค่าเฉลี่ยเคลื่อนที่ไปตามช่วงเวลา ด้านล่างเป็นตัวอย่างของค่าเฉลี่ยเคลื่อนที่ 5 วันที่มีการเปลี่ยนแปลงไปสามวัน วันแรกของค่าเฉลี่ยเคลื่อนที่จะครอบคลุมช่วง 5 วันที่ผ่านมา วันที่สองของค่าเฉลี่ยเคลื่อนที่จะเว้นจุดข้อมูลแรก (11) และเพิ่มจุดข้อมูลใหม่ (16) วันที่สามของค่าเฉลี่ยเคลื่อนที่จะคงที่ต่อไปโดยทิ้งจุดข้อมูลแรก (12) และเพิ่มจุดข้อมูลใหม่ (17) ในตัวอย่างข้างต้นราคาค่อยๆเพิ่มขึ้นจาก 11 เป็น 17 ในช่วงเจ็ดวัน สังเกตว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจาก 13 เป็น 15 ในช่วงการคำนวณสามวัน นอกจากนี้โปรดสังเกตด้วยว่าค่าเฉลี่ยเคลื่อนที่แต่ละรายการต่ำกว่าราคาล่าสุด ตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ของวันที่หนึ่งเท่ากับ 13 และราคาสุดท้ายคือ 15 วันราคาในช่วง 4 วันก่อนหน้านี้ลดลงและนี่เป็นสาเหตุให้ค่าเฉลี่ยเคลื่อนที่ล่าช้า การคำนวณเฉลี่ยที่เพิ่มขึ้นชี้แจงค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดจะลดความล่าช้าโดยการใช้น้ำหนักมากขึ้นกับราคาล่าสุด การถ่วงน้ำหนักที่ใช้กับราคาล่าสุดขึ้นอยู่กับจำนวนงวดในค่าเฉลี่ยเคลื่อนที่ มีสามขั้นตอนในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา ขั้นแรกคำนวณค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) จะต้องเริ่มต้นที่ไหนสักแห่งดังนั้นค่าเฉลี่ยเคลื่อนที่แบบเรียบจะถูกใช้เป็น EMA ของช่วงเวลาก่อนหน้าในการคำนวณครั้งแรก สองคำนวณตัวคูณการถ่วงน้ำหนัก ขั้นที่สามคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนา สูตรด้านล่างมีไว้สำหรับ EMA 10 วัน ค่าเฉลี่ยการเคลื่อนย้ายเลขคณิต 10 ช่วงมีค่าเป็น 18.18 ตามราคาล่าสุด EMA 10 ระยะเวลาสามารถเรียกได้ว่าเป็น EMA 18.18 EMA 20 ระยะเวลาใช้การชั่งน้ำหนัก 9.52 กับราคาล่าสุด (2 (201) .0952) สังเกตว่าการชั่งน้ำหนักในช่วงเวลาที่สั้นลงนั้นมากกว่าการชั่งน้ำหนักในช่วงเวลาที่ยาวขึ้น ในความเป็นจริงการถ่วงน้ำหนักลดลงครึ่งหนึ่งทุกครั้งที่ช่วงเวลาเฉลี่ยที่เคลื่อนที่ได้สองเท่า หากคุณต้องการให้เราเป็นเปอร์เซ็นต์เฉพาะสำหรับ EMA คุณสามารถใช้สูตรนี้เพื่อแปลงเป็นช่วงเวลาและป้อนค่าดังกล่าวเป็นพารามิเตอร์ของ EMA0: ด้านล่างเป็นตัวอย่างของสเปรดชีตที่ใช้ค่าเฉลี่ยเคลื่อนที่ 10 วันและค่าเฉลี่ยเคลื่อนที่ 10- day สำหรับ Intel ค่าเฉลี่ยเคลื่อนที่เฉลี่ยอยู่ที่ตรงและต้องการคำอธิบายเล็กน้อย ค่าเฉลี่ยของระยะเวลา 10 วันมีการเคลื่อนไหวเพียงเล็กน้อยเมื่อราคาใหม่เข้าสู่ตลาดและราคาเก่าร่วงลง ค่าเฉลี่ยเคลื่อนที่แบบทึบจะขึ้นต้นด้วยค่าเฉลี่ยเคลื่อนที่อย่างง่าย (22.22) ในการคำนวณครั้งแรก หลังจากการคำนวณครั้งแรกสูตรปกติจะใช้เวลามากกว่า เนื่องจาก EMA เริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายค่าที่แท้จริงจะไม่ได้รับรู้จนกว่าจะถึง 20 งวดในภายหลัง กล่าวอีกนัยหนึ่งค่าในสเปรดชีต Excel อาจแตกต่างจากค่าแผนภูมิเนื่องจากระยะเวลามองย้อนกลับสั้น สเปรดชีทนี้จะย้อนกลับไป 30 รอบซึ่งหมายความว่าผลกระทบของค่าเฉลี่ยเคลื่อนที่แบบง่ายๆมีระยะเวลา 20 ช่วงที่จะกระจายไป StockCharts ย้อนกลับไปอย่างน้อย 250 รอบ (โดยทั่วไปมากขึ้น) สำหรับการคำนวณของตนดังนั้นผลกระทบของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการคำนวณครั้งแรกมีการกระจายอย่างสิ้นเชิง ปัจจัยความล่าช้ายิ่งค่าเฉลี่ยเคลื่อนที่สูงเท่าไหร่ยิ่งเท่าไร ค่าเฉลี่ยเลขคณิต 10 วันจะกอดราคาได้ค่อนข้างใกล้เคียงกันและจะเลี้ยวไปไม่นานหลังจากที่ราคาเปลี่ยนไป ค่าเฉลี่ยการเคลื่อนที่โดยรวมสั้น ๆ เหมือนเรือเร็ว - มีความว่องไวและรวดเร็วในการเปลี่ยนแปลง ในทางตรงกันข้ามค่าเฉลี่ยเคลื่อนที่ 100 วันมีข้อมูลที่ผ่านมาจำนวนมากที่ทำให้การทำงานช้าลง ค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นเป็นเหมือนเรือบรรทุกน้ำมันในมหาสมุทร - เซื่องซึมและชะลอการเปลี่ยนแปลง การเคลื่อนไหวของราคาที่ยาวขึ้นและยาวนานขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ 100 วันเพื่อเปลี่ยนเส้นทาง แผนภูมิข้างต้นแสดง SampP 500 ETF ที่มี EMA 10 วันใกล้เคียงกับราคาและ SMA 100 วันที่สูงขึ้น แม้จะมีการลดลงในเดือนมกราคมถึงเดือนกุมภาพันธ์ แต่ SMA 100 วันก็ยังไม่ปิดลง SMA 50 วันเหมาะกับบางช่วงระหว่างค่าเฉลี่ยเคลื่อนที่ 10 และ 100 วันเมื่อพูดถึงปัจจัยล่าช้า ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและเป็นเส้นตรงแม้ว่าจะมีความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่แบบเสวนาอย่างใดอย่างหนึ่ง แต่ก็ไม่จำเป็นต้องดีกว่าอีก ค่าเฉลี่ยเคลื่อนที่ที่มีนัยสำคัญมีความล่าช้าน้อยลงและมีความอ่อนไหวต่อราคาล่าสุดและการเปลี่ยนแปลงราคาล่าสุด ค่าเฉลี่ยเลขยกกำลังแบบ Exponential จะเปลี่ยนตัวก่อนค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นค่าเฉลี่ยที่แท้จริงของราคาสำหรับช่วงเวลาทั้งหมด ดังนั้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายอาจเหมาะสมกว่าในการระบุระดับการสนับสนุนหรือความต้านทาน การย้ายการตั้งค่าเฉลี่ยขึ้นอยู่กับวัตถุประสงค์ลักษณะการวิเคราะห์และขอบฟ้าเวลา Chartists ควรทดลองทั้งสองประเภทของค่าเฉลี่ยเคลื่อนที่และระยะเวลาที่ต่างกันเพื่อหาพอดีที่ดีที่สุด กราฟด้านล่างแสดงให้เห็นว่า IBM มี SMA 50 วันเป็นสีแดงและ EMA 50 วันเป็นสีเขียว ทั้งสองจุดในช่วงปลายเดือนมกราคม แต่การลดลงของ EMA มีความคมชัดกว่าการลดลงของ SMA EMA เปิดขึ้นในกลางเดือนกุมภาพันธ์ แต่ SMA ยังคงลดลงไปจนถึงสิ้นเดือนมีนาคม สังเกตว่า SMA เปิดขึ้นภายในหนึ่งเดือนหลังจาก EMA ความยาวและระยะเวลาความยาวของค่าเฉลี่ยเคลื่อนที่ขึ้นอยู่กับวัตถุประสงค์ในการวิเคราะห์ ระยะสั้นการเคลื่อนไหวระยะสั้น (5-20 ช่วง) เหมาะสมกับแนวโน้มระยะสั้นและการซื้อขาย กลุ่มผู้ชาตินิยมที่สนใจในแนวโน้มในระยะกลางจะเลือกใช้ค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นซึ่งอาจขยายได้ 20-60 ช่วง นักลงทุนระยะยาวจะชอบเคลื่อนไหวโดยเฉลี่ยที่มีระยะเวลาตั้งแต่ 100 ขึ้นไป ความยาวเฉลี่ยที่เคลื่อนที่ได้บางส่วนมีความนิยมมากกว่าคนอื่น ๆ ค่าเฉลี่ยเคลื่อนที่ 200 วันอาจเป็นที่นิยมมากที่สุด เนื่องจากความยาวของมันเป็นอย่างชัดเจนในระยะยาวค่าเฉลี่ยเคลื่อนที่ ถัดไปค่าเฉลี่ยเคลื่อนที่ 50 วันค่อนข้างเป็นที่นิยมสำหรับแนวโน้มระยะกลาง นักเกรเทนหลายคนใช้ค่าเฉลี่ยเคลื่อนที่ 50 วันและ 200 วันด้วยกัน ระยะสั้นค่าเฉลี่ยเคลื่อนที่ 10 วันเป็นที่นิยมมากในอดีตเนื่องจากสามารถคำนวณได้ง่าย หนึ่งเพียงแค่เพิ่มตัวเลขและย้ายจุดทศนิยม การระบุแนวโน้ม (Trend Identification) สัญญาณเดียวกันสามารถสร้างได้โดยใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายหรือแบบเสแสร้ง ตามที่ระบุไว้ข้างต้นการตั้งค่าจะขึ้นอยู่กับแต่ละบุคคล ตัวอย่างด้านล่างนี้จะใช้ทั้งค่าเฉลี่ยเคลื่อนที่แบบง่ายและแบบทึบ ค่าเฉลี่ยเคลื่อนที่ระยะจะใช้กับค่าเฉลี่ยเคลื่อนที่แบบธรรมดาและแบบทึบ ทิศทางของค่าเฉลี่ยเคลื่อนที่จะบ่งบอกถึงข้อมูลที่สำคัญเกี่ยวกับราคา ค่าเฉลี่ยเคลื่อนที่ที่เพิ่มขึ้นแสดงให้เห็นว่าโดยทั่วไปราคาจะเพิ่มขึ้น ค่าเฉลี่ยถล่มที่ลดลงบ่งชี้ว่าราคาเฉลี่ยลดลง ค่าเฉลี่ยการเคลื่อนไหวระยะยาวที่เพิ่มขึ้นสะท้อนถึงแนวโน้มขาขึ้นในระยะยาว ค่าเฉลี่ยเคลื่อนที่ที่ลดลงในระยะยาวสะท้อนถึงแนวโน้มขาลงในระยะยาว แผนภูมิด้านบนแสดง 3M (MMM) โดยมีค่าเฉลี่ยเลขยกกำลัง 150 วัน ตัวอย่างนี้แสดงให้เห็นว่าค่าเฉลี่ยเคลื่อนที่ที่ใช้งานได้ดีเพียงใดเมื่อแนวโน้มแข็งแกร่ง EMA 150 วันปิดลงในเดือนพฤศจิกายน 2550 และอีกครั้งในเดือนมกราคม 2551 สังเกตเห็นว่ามีการปรับตัวลดลง 15 ครั้งเพื่อเปลี่ยนทิศทางของค่าเฉลี่ยเคลื่อนที่นี้ ตัวชี้วัดที่ล่าช้าเหล่านี้ระบุการพลิกกลับของแนวโน้มตามที่เกิดขึ้น (ที่ดีที่สุด) หรือหลังจากเกิดขึ้น (ที่แย่ที่สุด) MMM ยังคงลดลงในเดือนมีนาคม 2009 และเพิ่มขึ้น 40-50 สังเกตว่า EMA 150 วันไม่เปิดขึ้นจนกว่าจะถึงจุดสูงสุด อย่างไรก็ตามเมื่อ MMM ยังคงทำยอดขายต่อไปอีก 12 เดือน การย้ายค่าเฉลี่ยทำงานได้เรื่อย ๆ ตามแนวโน้มที่แข็งแกร่ง Double Crossovers ค่าเฉลี่ยเคลื่อนที่สองตัวสามารถใช้ร่วมกันเพื่อสร้างสัญญาณไขว้ ในการวิเคราะห์ทางเทคนิคของตลาดการเงิน John Murphy เรียกวิธีนี้ว่าไขว้แบบคู่ ไขว้คู่มีค่าเฉลี่ยเคลื่อนที่สั้น ๆ และมีค่าเฉลี่ยเคลื่อนที่ค่อนข้างยาว เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ทั้งหมดความยาวโดยทั่วไปของค่าเฉลี่ยเคลื่อนที่จะกำหนดระยะเวลาของระบบ ระบบที่ใช้ EMA 5 วันและ EMA 35 วันจะถือว่าเป็นระยะสั้น ระบบที่ใช้ SMA 50 วันและ SMA 200 วันจะถือว่าเป็นระยะปานกลางหรืออาจเป็นระยะเวลานาน การครอสโอเวอร์แบบรุกจะเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเหนือค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้น นี้เรียกว่าเป็นกากบาทสีทอง การไขว้หยาบคายเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่สั้นลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้น นี้เรียกว่าข้ามตาย การย้ายค่าเฉลี่ยของไขว้ให้สัญญาณค่อนข้างช้า อย่างไรก็ตามระบบมีตัวบ่งชี้อยู่สองตัว ระยะเวลาเฉลี่ยที่ยาวนานขึ้นความล่าช้าในสัญญาณ สัญญาณเหล่านี้ทำงานได้ดีเมื่อมีแนวโน้มดีขึ้น อย่างไรก็ตามระบบครอสโอเวอร์เฉลี่ยเคลื่อนที่จะผลิตจำนวนมากของ whipsaws ในกรณีที่ไม่มีแนวโน้มที่แข็งแกร่ง นอกจากนี้ยังมีวิธีไขว้แบบไขว้ซึ่งมีค่าเฉลี่ยเคลื่อนที่สามค่า อีกครั้งสัญญาณจะถูกสร้างขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นที่สุดข้ามค่าเฉลี่ยเคลื่อนที่อีกสองเส้น ระบบไขว้แบบทริปเปิ้ลที่เรียบง่ายอาจเกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ 5 วัน 10 วันและ 20 วัน แผนภูมิด้านบนแสดง Home Depot (HD) ด้วย EMA 10 วัน (เส้นสีเขียว) และ EMA 50 วัน (เส้นสีแดง) เส้นสีดำปิดทุกวัน การใช้ครอสโอเวอร์เฉลี่ยเคลื่อนที่จะส่งผลให้เกิด whipsaws สามตัวก่อนที่จะมีการค้าขายที่ดี EMA 10 วันพังลงมาต่ำกว่า EMA 50 วันในช่วงปลายเดือนตุลาคม (1) แต่ระยะเวลาดังกล่าวไม่นานถึง 10 วันที่กลับมาในช่วงกลางเดือนพฤศจิกายน (2) การข้ามนี้ใช้เวลานาน แต่ครอสโอเวอร์แบบลบต่อไปในเดือนมกราคม (3) เกิดขึ้นใกล้ระดับราคาในปลายเดือนพฤศจิกายนซึ่งส่งผลให้เกิดการแสลงอีกครั้ง เครื่องหมายกากบาทดังกล่าวไม่อยู่ในช่วงที่ EMA 10 วันกลับมาอยู่เหนือ 50 วันในอีกไม่กี่วันต่อมา (4) หลังจากสัญญาณไม่ดีสามสัญญาณสัญญาณที่สี่คาดว่าจะมีการเคลื่อนไหวที่แข็งแกร่งเมื่อหุ้นพุ่งขึ้นสูงกว่า 20 แห่งมีสองประเด็นที่นี่ แรกไขว้มีแนวโน้มที่จะ whipsaw สามารถใช้ตัวกรองราคาหรือเวลาเพื่อช่วยป้องกันไม่ให้ whipsaws ผู้ค้าอาจต้องการครอสโอเวอร์ 3 วันก่อนทำเครื่องหมายหรือต้องการให้ EMA 10 วันเคลื่อนตัวเหนือเส้น EMA 50 วันตามจำนวนที่กำหนดก่อนทำการค้า ประการที่สอง MACD สามารถใช้ระบุและหาจำนวนไขว้ได้ MACD (10,50,1) จะแสดงเส้นที่แสดงถึงความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่แบบทแยงมุมสองค่า MACD เปลี่ยนเป็นค่าบวกระหว่างช่วงกากบาทสีทองและค่าลบระหว่างช่วงที่ตายแล้ว Oscillator ราคาร้อยละ (PPO) สามารถใช้วิธีเดียวกันเพื่อแสดงความแตกต่างของเปอร์เซ็นต์ โปรดทราบว่า MACD และ PPO ใช้ค่าเฉลี่ยเคลื่อนที่ที่เป็นเส้นตรงและไม่ตรงกับค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย แผนภูมินี้แสดง Oracle (ORCL) พร้อมกับ EMA 50 วัน EMA 200 วันและ MACD (50,200,1) ในช่วงระยะเวลา 12 ปีมีการครอสโอเวอร์เฉลี่ย 4 ช่วง สามคนแรกทำให้เกิดเสียงกระหึ่มหรือไม่ดี แนวโน้มอย่างต่อเนื่องเริ่มขึ้นด้วยการครอสโอเวอร์ที่ 4 เมื่อ ORCL ก้าวสู่ช่วงกลางยุค 20 อีกครั้งการขยับไขว้เฉลี่ยทำงานได้ดีเมื่อมีแนวโน้มแข็งแกร่ง แต่สร้างความสูญเสียในกรณีที่ไม่มีแนวโน้ม ราคา Crossovers ค่าเฉลี่ยเคลื่อนที่สามารถใช้ในการสร้างสัญญาณด้วย crossovers ราคาที่เรียบง่าย สัญญาณรั้นเกิดขึ้นเมื่อราคาเคลื่อนตัวเหนือค่าเฉลี่ยเคลื่อนที่ สัญญาณหยาบคายถูกสร้างขึ้นเมื่อราคาเคลื่อนตัวต่ำกว่าค่าเฉลี่ยเคลื่อนที่ ไขว้ราคาสามารถรวมกันเพื่อการค้าภายในแนวโน้มที่ใหญ่กว่า ค่าเฉลี่ยที่ยาวขึ้นจะกำหนดค่าเสียงสำหรับแนวโน้มที่ใหญ่ขึ้นและใช้ค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเพื่อสร้างสัญญาณ หนึ่งจะมองหาการข้ามราคารั้นเฉพาะเมื่อราคามีอยู่แล้วสูงกว่าค่าเฉลี่ยเคลื่อนที่อีกต่อไป นี้จะซื้อขายในความกลมกลืนกับแนวโน้มที่ใหญ่กว่า ตัวอย่างเช่นถ้าราคาสูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันนักเก็งกำไรจะเน้นเฉพาะสัญญาณเมื่อราคาเคลื่อนตัวเหนือค่าเฉลี่ยเคลื่อนที่ 50 วันเท่านั้น เห็นได้ชัดว่าการเคลื่อนไหวต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 50 วันจะเป็นสัญญาณก่อนเช่นสัญญาณ แต่จะลดลงเช่นกันเนื่องจากแนวโน้มที่ใหญ่ขึ้น การข้ามแบบหยาบคายจะช่วยแนะนำการฟื้นตัวที่ใหญ่ขึ้น การข้ามกลับเหนือเส้นค่าเฉลี่ยเคลื่อนที่ 50 วันจะส่งสัญญาณถึงการปรับตัวดีขึ้นของราคาและความต่อเนื่องของแนวโน้มขาขึ้นที่ใหญ่ขึ้น กราฟถัดไปแสดง Emerson Electric (EMR) พร้อมกับ EMA 50 วันและ EMA 200 วัน ราคาหุ้นปรับตัวขึ้นเหนือเส้นค่าเฉลี่ยเคลื่อนที่ 200 วันในเดือนส. ค. มีการปรับตัวลงมาต่ำกว่า 50 วัน EMA ในช่วงต้นเดือนพฤศจิกายนและอีกครั้งในช่วงต้นเดือนกุมภาพันธ์ ราคาปรับตัวลงมาอย่างรวดเร็วเหนือเส้น EMA 50 วันเพื่อให้สัญญาณรั้น (ลูกศรสีเขียว) สอดคล้องกับแนวโน้มขาขึ้นที่ใหญ่ขึ้น MACD (1,50,1) แสดงในหน้าต่างตัวบ่งชี้เพื่อยืนยันการข้ามผ่านด้านล่างหรือด้านล่าง EMA 50 วัน EMA เท่ากับ 1 วันเท่ากับราคาปิด MACD (1,50,1) เป็นบวกเมื่อระยะใกล้อยู่เหนือเส้น EMA 50 วันและมีค่าเป็นลบเมื่อระยะใกล้อยู่ใต้ EMA 50 วัน แนวรองรับและความต้านทานการเคลื่อนไหวเฉลี่ยยังสามารถทำหน้าที่เป็นแนวรับในแนวรองรับและแนวต้านระยะสั้นได้ แนวรองรับระยะสั้นอาจได้รับแรงหนุนจากเส้นค่าเฉลี่ยเคลื่อนที่ 20 วันซึ่งใช้ในกลุ่ม Bollinger Bands แนวรองรับระยะยาวอาจได้รับแรงสนับสนุนจากค่าเฉลี่ยเคลื่อนที่ระยะสั้น 200 วันซึ่งเป็นค่าเฉลี่ยระยะยาวที่เป็นที่นิยมมากที่สุด หากความเป็นจริงค่าเฉลี่ยเคลื่อนที่ 200 วันอาจให้การสนับสนุนหรือความต้านทานได้เนื่องจากมีการใช้กันอย่างแพร่หลาย เกือบจะเหมือนกับคำทำนายด้วยตัวคุณเอง แผนภูมิข้างต้นแสดง NY Composite โดยมีค่าเฉลี่ยเคลื่อนที่ 200 วันจากกลางปี ​​2547 จนถึงสิ้นปีพ. ศ. 2551 การสนับสนุน 200 วันให้การสนับสนุนหลายครั้งในช่วงก่อน เมื่อแนวโน้มผันผวนด้วยแรงสนับสนุนด้านบนคู่ค่าเฉลี่ยเคลื่อนที่ 200 วันทำหน้าที่เป็นแนวรับรอบ 9500 อย่าคาดหวังว่าการสนับสนุนที่ถูกต้องและระดับความต้านทานจากค่าเฉลี่ยเคลื่อนที่โดยเฉพาะค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้น ตลาดมีแรงผลักดันจากความรู้สึกซึ่งทำให้พวกเขามีแนวโน้มที่จะถูกตัดทอน แทนระดับที่แน่นอนค่าเฉลี่ยเคลื่อนที่สามารถใช้เพื่อระบุเขตการสนับสนุนหรือความต้านทานได้ ข้อสรุปข้อดีของการใช้ค่าเฉลี่ยเคลื่อนที่จะต้องมีการชั่งน้ำหนักกับข้อเสีย ค่าเฉลี่ยเคลื่อนที่หมายถึงแนวโน้มหรือล้าหลังตัวชี้วัดที่จะเป็นขั้นตอนต่อไปเสมอ นี้ไม่จำเป็นต้องเป็นสิ่งที่ไม่ดี หลังจากที่ทุกแนวโน้มเป็นเพื่อนของคุณและที่ดีที่สุดคือการค้าในทิศทางของแนวโน้ม การเคลื่อนไหวโดยเฉลี่ยช่วยให้มั่นใจได้ว่าผู้ประกอบการรายย่อยสอดคล้องกับแนวโน้มในปัจจุบัน แม้ว่าเทรนด์จะเป็นเพื่อนของคุณ แต่หลักทรัพย์ก็ใช้จ่ายในช่วงการซื้อขายเป็นอย่างมากซึ่งทำให้ค่าเฉลี่ยเคลื่อนที่ไม่ได้ผล เมื่ออยู่ในแนวโน้มค่าเฉลี่ยเคลื่อนที่จะทำให้คุณได้รับ แต่ก็ให้สัญญาณช้า อย่าคาดหวังที่จะขายที่ด้านบนและซื้อที่ด้านล่างโดยใช้ค่าเฉลี่ยเคลื่อนที่ เช่นเดียวกับเครื่องมือวิเคราะห์ทางเทคนิคส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่ไม่ควรใช้ด้วยตนเอง แต่ร่วมกับเครื่องมือเสริมอื่น ๆ Chartists สามารถใช้ค่าเฉลี่ยเคลื่อนที่เพื่อกำหนดแนวโน้มโดยรวมและใช้ RSI เพื่อกำหนดระดับซื้อเกินหรือ oversold การเพิ่มค่าเฉลี่ยเคลื่อนที่ไปยัง StockCharts Charts การย้ายค่าเฉลี่ยจะมีอยู่เป็นคุณลักษณะการวางซ้อนราคาบนโต๊ะทำงาน SharpCharts การใช้เมนูแบบเลื่อนลงแบบเลื่อนลงผู้ใช้สามารถเลือกค่าเฉลี่ยเคลื่อนที่แบบเรียบหรือค่าเฉลี่ยเคลื่อนที่แบบเสวนา พารามิเตอร์แรกใช้เพื่อกำหนดจำนวนช่วงเวลา คุณสามารถเพิ่มพารามิเตอร์ที่เป็นตัวเลือกเพื่อระบุฟิลด์ราคาที่ควรใช้ในการคำนวณ O สำหรับ Open, H สำหรับ High, L สำหรับ Low และ C สำหรับ Close ใช้เครื่องหมายจุลภาคเพื่อแยกพารามิเตอร์ คุณสามารถเพิ่มพารามิเตอร์อื่นที่จำเป็นเพื่อเปลี่ยนค่าเฉลี่ยเคลื่อนที่ไปทางซ้าย (อดีต) หรือทางขวา (อนาคต) ตัวเลขเชิงลบ (-10) จะเปลี่ยนค่าเฉลี่ยเคลื่อนที่ไปทางซ้าย 10 ช่วงเวลา จำนวนบวก (10) จะเปลี่ยนค่าเฉลี่ยเคลื่อนที่ไปทางขวา 10 ช่วงเวลา ค่าเฉลี่ยเคลื่อนที่หลายค่าสามารถวางซ้อนราคาได้โดยเพียงแค่เพิ่มอีกชั้นวางซ้อนลงในโต๊ะทำงาน สมาชิก StockCharts สามารถเปลี่ยนสีและสไตล์เพื่อแยกความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่หลาย ๆ หลังจากเลือกตัวบ่งชี้แล้วให้เปิดตัวเลือกขั้นสูงโดยคลิกที่รูปสามเหลี่ยมสีเขียวเล็กน้อย นอกจากนี้ยังสามารถใช้ตัวเลือกขั้นสูงเพื่อเพิ่มการวางซ้อนค่าเฉลี่ยเคลื่อนไหวสำหรับตัวชี้วัดทางเทคนิคอื่น ๆ เช่น RSI, CCI และ Volume คลิกที่นี่เพื่อดูกราฟสดที่มีค่าเฉลี่ยเคลื่อนที่หลายค่า การใช้ Moving Averages with ScanCharts Scans นี่คือตัวอย่างการสแกนที่สมาชิก StockCharts สามารถใช้ในการสแกนหาสถานการณ์ต่างๆที่มีการเคลื่อนไหวโดยเฉลี่ยได้: Bullish Moving Average Cross: การสแกนนี้เป็นการค้นหาหุ้นที่มีค่าเฉลี่ยเคลื่อนที่ 150 วันที่เพิ่มขึ้น วัน EMA และ EMA 35 วัน ค่าเฉลี่ยเคลื่อนที่ 150 วันจะเพิ่มขึ้นตราบเท่าที่ราคาซื้อขายอยู่เหนือระดับ 5 วันก่อน เครื่องหมายกาชาดเกิดขึ้นเมื่อ EMA 5 วันเคลื่อนตัวเหนือเส้น EMA 35 วันได้เหนือระดับเฉลี่ย Bearish Moving Cross ค่าเฉลี่ย: การสแกนนี้จะมองหาหุ้นที่มีค่าเฉลี่ยเคลื่อนที่ที่ลดลง 150 วันและสัญญาณการชะลอตัวของ EMA 5 วันและ EMA 35 วัน ค่าเฉลี่ยเคลื่อนที่ 150 วันจะร่วงลงตราบเท่าที่ราคาซื้อขายอยู่ในระดับต่ำกว่า 5 วันที่ผ่านมา สัญญาณการซื้อขายขาดดุลเกิดขึ้นเมื่อ EMA 5 วันเคลื่อนตัวใต้ EMA 35 วันจากระดับเฉลี่ยที่สูงกว่า หนังสือของ John Murphy0 มีหนังสือเกี่ยวกับค่าเฉลี่ยเคลื่อนที่และการใช้งานต่างๆ Murphy ครอบคลุมข้อดีและข้อเสียของการย้ายค่าเฉลี่ย นอกจากนี้เมอร์ฟี่ยังแสดงให้เห็นว่าค่าเฉลี่ยเคลื่อนที่โดยใช้ Bollinger Bands และระบบการซื้อขายช่องทางอย่างไร การวิเคราะห์ทางเทคนิคของตลาดการเงิน John MurphyBackTesting Moving Averages ทำไมต้องย้ายค่าเฉลี่ยในฐานะที่เป็นนักลงทุนหรือนักลงทุนเหตุผลเดียวในการตรวจสอบค่าเฉลี่ยเคลื่อนที่คือการได้รับความรู้เพื่อเพิ่มผลกำไร เช่นเดียวกับตัวชี้วัดทางเทคนิคอื่น ๆ ค่าเฉลี่ยเคลื่อนที่จะช่วยให้เราสามารถบอกสถานะการตลาดได้ในเวลาใดก็ตาม ซึ่งจะช่วยให้เราเห็นถึงอารมณ์ของวันและตัดสินใจอย่างมีเหตุผลซึ่งเราจะบอกว่าจะนำไปสู่ผลกำไรที่มากขึ้นและหรือความสูญเสียน้อยลงในระยะยาว ค่าเฉลี่ยเคลื่อนที่ (MAs) ให้ผลเป็นชุดของราคาหุ้น MAs มักใช้เพื่อระบุแนวโน้มของทิศทางตลาดและจัดเป็นตัวบ่งชี้แนวโน้มตาม นี้ doesn8217t หมายความว่า MAs เฉพาะสำหรับนักลงทุนระยะยาว 8211 ผู้ค้าระยะสั้นใช้พวกเขายัง ค่าเฉลี่ยเคลื่อนที่สามารถใช้เพื่อกำหนดราคาหุ้นสำหรับผู้สมัครที่ดีโอกาสในการซื้อสัญญาณและเสนอขายสัญญาณ ทำไมต้อง Backtest 8211 เรื่องเล่าเป้าหมายของการทดสอบย้อนหลังคือการหาว่าค่าเฉลี่ยเคลื่อนที่ที่แท้จริงจะนำไปสู่ผลลัพธ์ที่ดีขึ้นและวิธีที่มีแนวโน้มมากที่สุดในการใช้ MAs ได้อย่างไร ให้ฉันบอกเรื่องสั้น ขณะที่ฉันกำลังรวบรวมผลลัพธ์สำหรับรายงาน BackTesting Report ที่มีการเคลื่อนไหวผิดพลาดฉันเคยไปเยี่ยมเพื่อน ที่บ้านของเธอฉันเข้ามาอ่านเนื้อหาในการอ่านหนังสือจากโบรกเกอร์หุ้นส่วนลดที่มีชื่อเสียงเป็นอย่างดี ในบทความนี้เป็นบทความที่ให้คำปรึกษาแก่ลูกค้าในการใช้ความยาวเฉลี่ยโดยเฉลี่ยที่มีการเคลื่อนไหวในลักษณะใดวิธีหนึ่งเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ฉันมีการทดสอบครบถ้วนตรงต่อหน้าฉันและฉันสามารถบอกได้ว่าวิธีการ broker8217s ไม่ได้ผลลัพธ์ที่ดีที่สุดแม้ว่าพวกเขาจะกล่าวถึงความยาว MA ที่เป็นประโยชน์ในรูปแบบอื่น ๆ ฉันได้ในผลการทดสอบของฉันที่แสดงให้เห็นว่าวิธีการที่โบรกเกอร์ใช้ค่าเฉลี่ยเคลื่อนที่มีอัตราชนะเลวร้ายยิ่งกว่าพื้นฐานเมื่อทดสอบบน 7147 หุ้นมากกว่า 14 ปีของข้อมูลการลงทุนในตลาดหุ้น เห็นได้ชัดว่าโบรกเกอร์ไม่ได้ใช้งานการทดสอบประเภทนี้ It8217s ขึ้นอยู่กับลูกค้า 8211 เรา 8211 เพื่อปกป้องตัวเองและหาสิ่งที่ได้ผลดีกับสิ่งที่ doesn8217t วิธีการคำนวณ MAs เมื่อ backtesting moving averages การตัดสินใจครั้งแรกคือวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ คุณต้องการค่าเฉลี่ยเคลื่อนที่แบบธรรมดา (SMA) หรือบางส่วนที่ออกแบบมาเพื่อติดตามราคาดีกว่าเช่นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) คุณอาจพิจารณาการทดลองเพื่อเปรียบเทียบอัตราการชนะของสองค่าเฉลี่ยที่ต่างกัน ฉันได้เพียงว่าสองปีที่ผ่านมาและในขณะที่ฉัน don8217t มีผลการเผยแพร่ฉันมากับความคิดที่ว่า didn8217t สร้างความแตกต่างใหญ่ว่าฉันเลือก SMA หรือ EMA 8212 เพียงเลือกหนึ่งและใช้อย่างสม่ำเสมอ ดังนั้นสำหรับโครงการนี้ฉันเลือกที่จะใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆเพราะฉันเห็นพวกเขากล่าวถึงในความเห็นบ่อยที่สุด ในการคำนวณได้จริงฉันอาศัยฟังก์ชัน built-in ที่มาพร้อมกับ TradeStation (การเลือกเครื่องมือ backtesting คือการตัดสินใจซึ่งเป็นเรื่องทั่วไปพอที่จะเขียนเกี่ยวกับโพสต์อื่น ๆ ) วิธีการใช้ MAs ถัดไปคุณต้องตรึงว่าคุณต้องการใช้ค่าเฉลี่ยเคลื่อนที่อย่างไร คุณจะตีความความสัมพันธ์ระหว่างราคากับค่าเฉลี่ยที่เคลื่อนที่ได้อย่างไรคุณจะใช้กฎอะไรในการตัดสินใจว่าจะซื้อและขายเมื่อใดคุณ don8217t ต้องอ่านนาน ๆ เกี่ยวกับหุ้นก่อนที่จะข้ามการอ้างอิงที่รั้นไปยังการซื้อขายหุ้นที่สูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันหรือ ค่าเฉลี่ยเคลื่อนที่ 50 วันหรือแม้แต่ MA 10 หรือ 20 วัน หรือคำแนะนำเกี่ยวกับการซื้อหุ้นเมื่อข้ามค่าเฉลี่ยเคลื่อนที่ของ 50 วันหรือ 200 วัน กฎเหล่านี้เป็นกฎสำคัญในการทดสอบในเครื่องมือทดสอบย้อนหลัง และจากนั้นมีการครอสโอเวอร์เฉลี่ยเคลื่อนที่ 8211 เป็นวิธีการวิเคราะห์ทางเทคนิคแบบคลาสสิก ที่ทำให้สามวิธีที่แตกต่างของการใช้ค่าเฉลี่ยเคลื่อนที่ในการทดสอบ การพูดในเชิงลึกมากขึ้นบางข้อความการซื้อขายพูดคุยเกี่ยวกับความลาดชันของค่าเฉลี่ยเคลื่อนที่ ถ้าคุณกลับไปพีชคณิตและพิจารณา MA เป็นเส้นเพื่อค้นหาความชันคุณจะเลือกสองจุดบนเส้นและใช้สูตรตามปกติ ((x2-x1) (y2-y1)) นี้จะนำขึ้นคำถามของวิธีการที่ห่างกันเพื่อเลือกสองจุดที่สามารถสร้างความแตกต่างให้ผลลัพธ์ จริงๆแล้วตั้งแต่มีการใช้ MA ในการระบุแนวโน้มเราก็แค่ต้องการทราบว่ามีการปรับขึ้นหรือลง จากนั้นเราสามารถลดความซับซ้อนของการคำนวณทั้งหมดโดยสังเกตว่าหากราคาสูงกว่าค่าเฉลี่ยเคลื่อนที่จะต้องดึงค่าเฉลี่ยขึ้นและราคาที่ต่ำกว่า MA จะดึงลง ดังนั้นอีกเหตุผลหนึ่งที่จะทดสอบประสิทธิภาพของราคาที่สูงกว่าค่าเฉลี่ยเคลื่อนที่ การตั้งค่าพารามิเตอร์เมื่อคุณตัดสินใจใช้ MAs แล้วคุณจะต้องเลือกช่วงความยาวต่างๆเพื่อทดสอบ ระวังการเพิ่มประสิทธิภาพมากเกินไป บางแห่งมีผู้ชายคนหนึ่งที่มีผลการทำ backtesting แสดงการได้รับ 3895 หรืออะไรก็ตามโดยใช้ค่าเฉลี่ยเคลื่อนที่ที่เหมาะสม น่าเสียดายที่เขาไม่ทราบว่า MA จะทำผลลัพธ์เหล่านี้ในอนาคตได้อย่างไร ที่กล่าวว่าคุณต้องลองมากกว่าหนึ่งความยาวเพื่อให้แน่ใจว่าผลของคุณ aren8217t พยาธิ ติดกับการตั้งค่าเริ่มต้นหรือสิ่งที่คุณได้ยินเกี่ยวกับส่วนใหญ่ในสื่อ การค้นหาการตั้งค่าพารามิเตอร์ที่สมบูรณ์แบบหนึ่งจะไม่ทำให้คุณรวย การค้นหากลุ่มของการตั้งค่าที่ดีและมีประสิทธิภาพอาจทำให้คุณได้รับประโยชน์ที่ดี เป็นเรื่องจริงเมื่อ backtesting ให้ข้อมูลเพียงพอก่อนที่จะวัดความเข้ม การทดสอบทั้งหมดจะต้องเริ่มต้นการวัดในที่เดียวกันสำหรับการเปรียบเทียบระหว่างแอปเปิ้ลกับแอปเปิ้ลระหว่างความยาวของ MA ที่แตกต่างกัน ตัวอย่างเช่นหากคุณกำลังทดสอบค่าเฉลี่ยเคลื่อนที่ 200 วันจะใช้ข้อมูล 200 วันแรกในการคำนวณจุดแรกของค่าเฉลี่ยเคลื่อนที่ดังกล่าว นั่นหมายความว่าวันแรกที่คุณอาจมีสัญญาณอยู่ 200 วันในชุดข้อมูล เพื่อให้การเปรียบเทียบที่เป็นธรรมกับสมมติว่าค่าเฉลี่ยเคลื่อนที่ 10 วันคุณต้องตรวจสอบให้แน่ใจว่าจะไม่นับสัญญาณใด ๆ จากค่าเฉลี่ยเคลื่อนที่ 10 วันก่อนที่ 200 วันจะพร้อมใช้งาน โชคดีที่ TradeStation มีวิธีตั้งค่าจำนวน 8220 บาร์ที่มากที่สุดของการศึกษาจะอ้างถึง 82221 8220Properties สำหรับกลยุทธ์ All8221 ที่บังคับให้เครื่องมือ backtesting รอให้นานก่อนที่จะทำเป็นตารางข้อมูล มีกำไรมากขึ้นจากการซื้อหรือขายกฎการเคลื่อนไหวโดยเฉลี่ยและโดยเฉพาะอย่างยิ่งกฎครอสโอเวอร์เฉลี่ยเคลื่อนที่มักถูกกล่าวถึงเป็นระบบการกลับรายการ ซึ่งหมายความว่าหนึ่งสัญญาณกล่าว MAs ข้ามขึ้นไปเป็นสัญญาณซื้อและจากนั้นตรงข้ามกล่าวว่าสาย MA ข้ามลงไม่ได้เป็นเพียงสัญญาณขาย แต่ยังเรียกไปสั้น ในทางทฤษฎี that8217s ดี แต่หลายคนไม่สนใจในการลัดตลาด พวกเขากำลังมองหาเทคนิคเพื่อช่วยให้พวกเขาซื้อและอาจขาย แม้แต่คนที่ขายและขายเป็นประจำก็อาจใช้เทคนิคต่าง ๆ ในการซื้อและขาย ด้วยเหตุผลเหล่านี้ it8217s ฉลาดที่จะทดสอบสัญญาณซื้อแยกต่างหากจากสัญญาณการขาย ปัญหานี้ทำให้เกิดปัญหาขึ้นเนื่องจากไม่สามารถประเมินสัญญาณซื้อได้อย่างอิสระ วิธีหนึ่งในการทำเช่นนี้คือการใช้การออกจากระบบที่หมดเวลา 8211 นั่นคือออกจากการซื้อขายหรือขายหุ้นหลังหมดเวลาที่กำหนด ฉันเลือกที่จะเรียกใช้ชุดทดสอบแต่ละครั้งสามครั้งโดยมีเวลาที่แตกต่างกันสามครั้งเนื่องจากคนอื่นมีสไตล์และความต้องการแตกต่างกัน เพื่อให้ได้ผลการทำ backtesting ที่เป็นประโยชน์ต่อผู้ค้าที่แกว่งผมจะออกหลังจากผ่านไป 2 วัน เพื่อสร้างแบบจำลองผู้ค้า 20 วัน เพื่อตอบสนองความต้องการของนักลงทุนที่ใช้งานอยู่ backtesting ถือแต่ละตำแหน่งเป็นเวลา 200 วัน นี้จะช่วยให้วิธีการแยกสัญญาณซื้อและหาเพียงวิธีที่มีประโยชน์เฉลี่ยเคลื่อนที่เป็นผู้ซื้อหุ้นของ temperaments ต่างๆ จำเป็นต้องกำหนดความดีอีกสิ่งหนึ่งที่สำคัญมากที่ต้องพิจารณาคือถ้าคุณกำลังทำ backtesting moving moving เพื่อหาว่าพวกเขาทำในตลาดหุ้นได้ดีเพียงใด: คุณจะรู้ได้อย่างไรว่าเป็นสิ่งที่ดีคุณต้องมีเกณฑ์วัตถุประสงค์เพื่อความสำเร็จ นั่นหมายถึงการระบุสถิติที่สำคัญเช่นอัตราการชนะความคาดหวังการเพิ่มทุนแบบสมมุติฐานเป็นต้นนอกจากนี้ยังหมายถึงมาตรฐานการตั้งค่าสำหรับผลการปฏิบัติงานที่ยอมรับได้ในแต่ละพื้นที่ดังกล่าว ตัวอย่างแสดงให้เห็นว่าทำไมถึงเป็นสิ่งสำคัญและทำไมมันไม่ง่ายอย่างที่เห็นในครั้งแรก สมมติว่าการทดสอบของคุณแสดงอัตราชนะ 55 สำหรับตัวบ่งชี้เฉพาะ อาจจะไม่ดีเท่าถ้าพูดว่า 62 หุ้นทั้งหมดขึ้นไปในช่วงเวลาเดียวกัน หรือหากมีเพียง 25 หุ้นที่ปรับตัวเพิ่มขึ้นในช่วงเวลาดังกล่าวอัตราการชนะ 55 รางวัลของคุณก็น่าสนใจ สิ่งที่ดีขึ้นอยู่กับว่าเปรียบเทียบกับประสิทธิภาพของตลาดพื้นฐานภายใต้เงื่อนไขเดียวกัน คุณสามารถดาวน์โหลดสำเนาของรายงานพื้นฐานของ BackTesting ฉบับฟรีได้โดยคลิกที่นี่ สำหรับผลการทดสอบที่มีความหมายคุณต้องมีข้อมูลเพียงพอเพื่อให้การเปรียบเทียบที่มีประสิทธิภาพทางสถิติ อย่างน้อยนั่นหมายความว่า 30 ธุรกิจการค้า แม้ว่าคุณจะซื้อขายเพียงหนึ่งเครื่อง 8211 เพียงหนึ่งหุ้นหรือคู่สกุลเงินเพียงอย่างเดียว 8211 ฉันคิดว่า it8217s สำคัญในการทดสอบกลยุทธ์การซื้อขายของคุณบนเครื่องมือต่างๆเพื่อพิสูจน์ความแข็งแกร่งของ ฉันไปด้านบนมีชุดทดสอบขนาดใหญ่มาก 8212 7147 หุ้นมากกว่า 14 ปี 8212 เพื่อให้แน่ใจว่าผลของฉันจะใช้ในหลากหลายของสภาวะตลาด คุณสามารถรับสำเนารายงาน backtesting ของฉันเกี่ยวกับการย้ายสัญญาณการซื้อเฉลี่ยโดยคลิกที่นี่ซึ่งเป็นผลลัพธ์การทดสอบเฉลี่ยที่ดีที่สุดในการเคลื่อนที่เปิดเผยความจริงในบทความนี้ฉันจะทดสอบค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกัน 9 ค่าเพื่อดูว่าค่าเฉลี่ยเคลื่อนที่ที่เหมาะสมที่สุดสำหรับการซื้อขาย . มีการทดสอบสองกลยุทธ์และตลาดที่แตกต่างกัน ผลลัพธ์อาจทำให้คุณประหลาดใจ ค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยเคลื่อนที่เป็นค่าเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาหรือวันที่กำหนดและเป็นเครื่องมือที่ได้รับความนิยมอย่างมากที่ผู้ค้าใช้ในการกำหนดแนวโน้มโดยรวม ค่าเฉลี่ยถ่วงน้ำหนักในอดีตที่ผ่านมาทำให้นักลงทุนสามารถมองเห็นแนวโน้มล่าสุดได้อย่างเห็นได้ชัด พวกเขากรองเสียงรบกวนซึ่งทำให้ง่ายขึ้นเพื่อดูทิศทางที่ตลาดกำลังมุ่งหน้าไป การขยับเฉลี่ยไขว้วิธีเฉลี่ยในการใช้ค่าเฉลี่ยเคลื่อนที่คือการหาค่าไขว้เฉลี่ยที่เคลื่อนที่ได้และเทคนิคนี้ถูกใช้โดยผู้ติดตามแนวโน้มที่ประสบความสำเร็จมากมาย เมื่อค่าเฉลี่ยเคลื่อนที่เร็ว (เช่น MA 5 วัน) ข้ามเส้นค่าเฉลี่ยที่เคลื่อนไหวช้า (เช่น MA 20 วัน) จะส่งสัญญาณขาขึ้นใหม่และเกิดสัญญาณรั้นขึ้นสำหรับผู้ติดตามแนวโน้มและบอกให้ ซื้อตลาด เมื่อค่าเฉลี่ยเคลื่อนที่เร็วข้ามกลับตามค่าเฉลี่ยเคลื่อนที่ช้าก็จะส่งสัญญาณว่าแนวโน้มขาขึ้นได้สิ้นสุดลงแล้วและมีแนวโน้มขาลงใหม่ นี่เป็นสัญญาณขาลงสำหรับผู้ติดตามแนวโน้มบอกให้ปิดการค้าที่ยาวนานหรือไปตลาดสั้น ๆ ปัญหาที่ใหญ่ที่สุดของค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยปัญหาที่ใหญ่ที่สุดของค่าเฉลี่ยเคลื่อนที่ (เช่นตัวบ่งชี้ทางเทคนิคทั้งหมด) ก็คือตัวบ่งชี้ที่ล่าช้า เนื่องจากพวกเขาคิดคำนวณจากข้อมูลราคาก่อนหน้านี้พวกเขาจึงสามารถบอกได้ว่าเกิดอะไรขึ้นในอดีตและไม่ใช่อนาคต ยิ่งถ้ามองย้อนกลับไปอีก (หรือจำนวนวันที่ใช้ในการคำนวณ) ตัวบ่งชี้จะลดลง ตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ 5 วันจะตอบสนองต่อการเคลื่อนไหวของราคาได้เร็วกว่า 200 วัน อย่างไรก็ตามด้วยเหตุนี้ค่าเฉลี่ยเคลื่อนที่ 5 วันจะมีสัญญาณรบกวนมากขึ้นซึ่งจะทำให้ผลกระทบจากค่าเฉลี่ยเคลื่อนที่อยู่ในอันดับต้น ๆ ดังนั้นค่าเฉลี่ยเคลื่อนที่ทั้งหมดจึงเป็นสัญญาณรบกวนระหว่างความดังและความล่าช้า MA8217 เร็วกว่าตอบสนองต่อแนวโน้มใหม่ได้อย่างรวดเร็ว แต่แสดงให้เห็นถึงเสียงที่มากขึ้นและนำไปสู่ ​​whipsaws มากขึ้น MA8217 ที่ทำงานช้าลงดีกว่าในการทำให้เสียงนุ่มนวล แต่อาจล่าช้าในการค้นหาแนวโน้มใหม่ ๆ ค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันเนื่องจากการแลกเปลี่ยนระหว่างเสียงและความล่าช้านี้ผู้ค้าจำนวนมากพยายามที่จะปรับปรุงการคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายค่อนข้างง่ายในการคำนวณและเพื่อให้ตัวบ่งชี้ถูกดำเนินการโดยแทบทุกแพลตฟอร์มการซื้อขาย ปัจจุบันสิ่งที่คุณต้องทำก็คือคลิกปุ่มและค่าเฉลี่ยเคลื่อนที่จะถูกจัดวางลงบนแผนภูมิราคาของคุณ อย่างไรก็ตามโดยการคำนวณที่ซับซ้อนมากขึ้นนักพัฒนาซอฟต์แวร์จำนวนมากได้พยายามที่จะพัฒนาเวอร์ชันที่เร็วและราบรื่นขึ้นซึ่งออกแบบมาเพื่อติดตามแนวโน้มที่ดีขึ้น ในส่วนที่เหลือของบทความนี้ฉันจะศึกษาค่าเฉลี่ยเคลื่อนที่ 9 แบบที่แตกต่างกันจากนั้นเราจะทดสอบให้ข้อมูลการลงทุนในตลาดหุ้นเก่าเพื่อดูว่าข้อมูลใดที่ดีที่สุด แสดงค่าเฉลี่ยเคลื่อนที่ 8 เส้นแรกที่วางแผนร่วมกันค่าเฉลี่ยเคลื่อนที่แบบเสด็จ (Exponential moving average - EMA) เราได้คำนวณค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายแล้วเป็นค่าเฉลี่ยเคลื่อนที่ที่เป็นที่นิยมมากที่สุดถัดไปหรือที่เรียกว่า EMA (Exponential moving average) ค่าเฉลี่ยเคลื่อนที่แบบทึบที่ทำงานในลักษณะเดียวกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย แต่ให้น้ำหนักมากกว่าการเคลื่อนไหวราคาล่าสุด (ข้อมูลราคาล่าสุดมีการถ่วงน้ำหนักด้วยวิธีการชี้แจง) ดังนั้นจึงสามารถตอบสนองได้เร็วขึ้นกับแนวโน้มใหม่ แต่อาจนำไปสู่ ​​whipsaws มากขึ้น EMA เป็นที่นิยมอย่างมากและมีอยู่ในแพลตฟอร์มการซื้อขายและการวิเคราะห์ทางเทคนิคเกือบทั้งหมด ค่าเฉลี่ยเคลื่อนที่ที่มีการระบุเลขสองครั้ง (DEMA) เป็นชื่อที่บ่งชี้ว่าค่าเฉลี่ยเคลื่อนที่แบบทึบสองครั้ง (DEMA) เป็นค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้เร็วกว่า แม้ว่าการคำนวณจะอิงตามทั้ง MA แบบธรรมดาและ EMA แบบคู่ ตัวบ่งชี้นี้ได้รับการพัฒนาขึ้นโดย Patrick Mulloy ในนิตยสาร Traders ในเดือนกุมภาพันธ์ 2537 สิ่งที่สำคัญที่สุดที่ควรทราบก็คือค่าเฉลี่ยเคลื่อนที่ที่ตอบสนองได้อย่างรวดเร็วต่อการเคลื่อนไหวราคาใหม่ ค่าเฉลี่ยเคลื่อนที่แบบทึบสาม (TEMA) เช่นเดียวกับ DEMA ก็มีการพัฒนาค่าเฉลี่ยเลขยกกำลังสาม (TEMA) โดย Patrick Mulloy มันถูกสร้างขึ้นจากการประกอบของ EMA, DEMA และ EMA สามตัว เช่นนี้จะช่วยลดความล่าช้าและตอบสนองได้อย่างรวดเร็วเพื่อย้ายราคาใหม่ TEMA สามารถทำได้อย่างรวดเร็วเพื่อให้สามารถเอาชนะตลาดได้ซึ่งหมายความว่าบางครั้งอาจใช้เวลาไกลเกินไปและเคลื่อนไหวเกินกว่าการกระทำของราคาเมื่อเร็ว ๆ นี้ นี่เป็นข้อเสียอีกประการหนึ่งในการใช้ MAs ที่รวดเร็ว Wilders moving average (Wilders moving average) Wilders moving average ได้รับการพัฒนาโดย J. Welles Wilder ในหนังสือปี 1978 ของเขา: แนวคิดใหม่ในระบบการค้าทางเทคนิค ตัวบ่งชี้ถูกคำนวณโดยการเปลี่ยนสูตรค่าเฉลี่ยของค่าเฉลี่ยเลขยกกำลัง แทนที่จะใช้สูตรเดิม EMA 2 (n1) โดยที่ n คือจำนวนวัน Wilders ใช้การคำนวณที่แตกต่างกันเล็กน้อยกับ EMA ที่ 114 ผลลัพธ์ที่ได้คือค่าเฉลี่ยของ Wilders จะช้ากว่า EMA เล็กน้อย แต่เร็วกว่า กว่า SMA ด้วยสูตรนี้ WMA 27 วันจะเทียบเท่ากับ EMA 14 วัน ค่าเฉลี่ยถ่วงน้ำหนัก (WMA) ค่าเฉลี่ยถ่วงน้ำหนักที่ถ่วงน้ำหนัก (WMA) ถูกออกแบบมาเพื่อค้นหาแนวโน้มได้เร็วขึ้น แต่ไม่มี whipsaws It8217s คำนวณโดยการคูณแต่ละจุดข้อมูลตามอัตราส่วนที่แตกต่างกันและใช้เวลารวมของผลิตภัณฑ์เหล่านั้นทั้งหมด ทำให้เร็วกว่า EMA ทั่วไป การคำนวณค่อนข้างซับซ้อนโดยใช้สูตร nd โดยที่ n เป็นตัวเลขวันและ d เป็นตัวเลขสามเหลี่ยม คุณสามารถดูวิธีการทำงานที่นี่ ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยน้อยที่สุด (linear regression) ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยน้อยที่สุดมักเรียกว่าจุดปลายเฉลี่ยเคลื่อนที่และค่า it8217s ขึ้นอยู่กับการถดถอยเชิงเส้น ในสาระสำคัญเส้นการถดถอยเชิงเส้นจะมีการคาดการณ์ล่วงหน้าว่าจะเกิดอะไรขึ้นหากการถดถอยต่อเนื่องไปข้างหน้า คุณสามารถดูการคำนวณที่ it8217s ได้ที่นี่ ค่าเฉลี่ยของค่าสัมประสิทธิ์การเคลื่อนที่ของลำตัว (Hull moving average - HMA moving average) Hull moving average (HMA) ค่าเฉลี่ยของค่าสัมประสิทธิ์การเคลื่อนที่ของเรือ (Hull moving average - HMA) HMA 8220 ช่วยลดความล่าช้าได้ตลอดเวลาและสามารถปรับปรุงการปรับให้เรียบได้ในเวลาเดียวกัน 8222 HMA มีความซับซ้อนในการคำนวณเพื่อให้คุณสามารถอ่านเพิ่มเติมเกี่ยวกับวิธีการได้ที่นี่ นี่เป็นค่าเฉลี่ยเคลื่อนที่ที่ไม่ค่อยพบในแพลตฟอร์มการซื้อขายที่ได้รับความนิยม แต่ถือเป็นตัวบ่งชี้ที่ดีมาก ค่าเฉลี่ยเคลื่อนที่หลายตัวของ Guppy (GMMA) ค่าเฉลี่ยเคลื่อนที่หลายตัวของ Guppy มีความแตกต่างกับ MA อื่น ๆ ที่กล่าวถึงกันเนื่องจากมีการรวมกันของค่าเฉลี่ยเคลื่อนที่หลายระดับในเวลาเดียวกัน เนื่องจากอาจเป็นประโยชน์ต่อผู้อ่านฉันจะทดสอบวิธี GMMA เช่นกัน แต่ในลักษณะที่แตกต่างกับคนอื่น ๆ ดังนั้นฉันจะไปนานเมื่อปิดข้าม GMMA สำหรับการทดสอบนี้ฉันจะใช้พารามิเตอร์ EMA ต่อไปนี้ 3, 5, 7, 10, 12, 15 และ 30, 35, 40, 45, 50, 60 ตามที่แสดงในแผนภูมิด้านล่าง: ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ที่ดีที่สุดแสดงค่าเฉลี่ยเคลื่อนที่ 8 ครั้งที่วางแผนไว้ตอนนี้เราได้พูดถึงค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันซึ่งเราสามารถเริ่มทดสอบได้เพื่อดูค่าเฉลี่ยเคลื่อนที่ที่มีประสิทธิภาพมากที่สุดในการค้นหาและแนวโน้มการซื้อขาย ควรสังเกตเมื่อถึงจุดนี้ว่าการทดสอบไม่ได้ออกแบบเพื่อหาการตั้งค่าที่สมบูรณ์แบบ แต่เพื่อให้ได้แนวคิดคร่าวๆว่าค่าเฉลี่ยเคลื่อนที่ที่ทำงานได้ดีที่สุด จะมีการทดสอบสองแบบที่แตกต่างกันไปซึ่งเป็นการเปรียบเทียบแบบครอสโอเวอร์เฉลี่ยแบบยาวนานเฉพาะเจาะจงบนดัชนี SampP 500 และการทดสอบพอร์ตโฟลิโอ 1. การทดสอบครอสโอเวอร์แบบ SampP 500 กฎของการทดสอบนี้ทำได้ง่าย เราจะซื้อ SampP 500 เมื่อใดก็ตามที่ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เร็วกว่าค่าเฉลี่ยที่เคลื่อนไหวช้าลงซึ่งบ่งชี้ว่ามีแนวโน้มสูงขึ้น เราจะขายตำแหน่งของเราเมื่อค่าเฉลี่ยเคลื่อนที่เร็วข้ามกลับ สำหรับแต่ละประเภทเฉลี่ยเคลื่อนที่แต่ละไขว้จะได้รับการทดสอบครอสโอเวอร์แบบ 5 วัน 20 วันและครอสโอเวอร์ที่ยาวกว่า 50 วัน 200 วัน (เรียกอีกอย่างว่ากางเขนทองคำ) ในกรณีที่ค่าเฉลี่ยเคลื่อนที่หลายตัวของ Guppy เราจะซื้อ SampP 500 เมื่อระยะใกล้ปิดกั้นเหนือเส้นค่าเฉลี่ยเคลื่อนที่ทุกๆเส้นและขายได้เมื่อมีการปิดข้ามด้านหลังทุกบรรทัด เงินทุนเริ่มต้นจะกำหนดไว้ที่ 10,000 บาทและค่าคอมมิชชั่นจะเท่ากับ 0.01 บาทต่อหุ้น ขนาดตำแหน่งจะเป็น 100 โดยไม่มีการยกระดับ รหัสที่ใช้จะเป็น SPX จาก Norgate Premium Data และจะมีการทดสอบจาก 112000 ถึง 112015 ค่าเฉลี่ยเคลื่อนที่ทั้งหมดจะคำนวณโดยใช้ราคาปิดและจะมีการออกจากรายการในวันรุ่งขึ้น (หลังจากมีการไขว้) หวังว่านี่จะนำไปสู่ผลลัพธ์ที่น่าสนใจ ผลลัพธ์การครอสโอเวอร์ของ SampP 500 คุณสามารถดูได้จากตารางค่าเฉลี่ยที่ดีที่สุดสำหรับการครอสโอเวอร์ 520 วันเป็นค่าเฉลี่ยเคลื่อนที่ของ Wilders Wilders MA ผลิตผลตอบแทนปีละ 2.11 ค่าเบี่ยงเบนสูงสุด -33 ให้อัตราส่วน CARMDD 0.06 ค่าเฉลี่ยประสิทธิภาพที่เลวร้ายที่สุดคือค่าเฉลี่ยของค่าเฉลี่ยของค่าของเรือ เมื่อพิจารณาการครอสโอเวอร์ 50200 วันค่าเฉลี่ยเคลื่อนที่ที่ดีที่สุดคือค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) ซึ่งให้ผลตอบแทนปีละ 5.96 โดยมีค่าเบี่ยงเบนสูงสุดคือ -17 ค่าเฉลี่ยเคลื่อนที่ที่เลวร้ายที่สุดที่ได้รับการเชื่อมโยงระหว่างค่าเฉลี่ยของค่าสัมประสิทธิ์การเคลื่อนที่ของเรือและค่าเฉลี่ยเคลื่อนที่น้อยที่สุด 2. การทดสอบ Portfolio ของ SampP 100 การทดสอบนี้จะเหมือนกับการใช้งานข้างต้นเว้นแต่เราจะใช้ระบบพอร์ตโฟลิโอที่มีเพียง 10 ตำแหน่งเท่านั้นและรายการเฝ้าดูของเราจะเป็น SampP 100 ซึ่งเป็นส่วนประกอบของประวัติศาสตร์ เมื่อใดก็ตามที่ MA รวดเร็วข้าม MA ช้าในหุ้นในจักรวาลเราจะซื้อและเพิ่มไปยังพอร์ตโฟลิโอ เมื่อไหร่ก็ตามที่ข้ามไปด้านล่างเราจะขายหุ้นและจะปิดพอร์ตการลงทุน การเรียกเก็บเงินรายการจะกระทำในวันรุ่งขึ้นสัญญาณที่เปิดและซ้ำจะถูกจัดอันดับโดยตัวบ่งชี้ RSI (14) (หุ้นที่แข็งแกร่งที่สุดที่ต้องการก่อน) นอกจากนี้หุ้นจะต้องมีราคาสูงกว่า 2. กำหนดค่าคอมมิชชั่นไว้ที่ 0.01 บาทต่อหุ้นและส่วนของผู้ถือหุ้นเริ่มต้นของเราจะถูกแบ่งออกเท่า ๆ กันระหว่างแต่ละตำแหน่ง ผลการทดสอบของพอร์ตการลงทุนของ SampP 100: ตามที่คุณเห็นได้จากตารางค่าเฉลี่ยที่ดีที่สุดสำหรับการครอสโอเวอร์ 520 วันคือค่าเฉลี่ยเลขคณิต (EMA) ที่ให้ผลตอบแทนต่อปีที่ 3.6 และการเบี่ยงเบนสูงสุดที่ -34 CARMDD เท่ากับ 0.11 ค่าเฉลี่ยเคลื่อนที่ที่เลวร้ายที่สุดคือสี่เหลี่ยมน้อยที่สุด เมื่อพิจารณาการครอสโอเวอร์ 50200 ค่าเฉลี่ยเคลื่อนที่ที่ดีที่สุดคือค่าเฉลี่ยเคลื่อนที่แบบทวิภาค (DEMA) ที่มีอัตราส่วน CARMDD 0.29 และผลตอบแทนต่อปีที่ 9.89 ผู้ที่แย่ที่สุดคือกลยุทธ์ GMMA ข้อสรุปเมื่อมองไปที่ช่วงของผลลัพธ์แล้วมันชัดเจนว่าเราสามารถสรุปได้สองข้อ ประการแรกระยะยาวของค่าเฉลี่ยเคลื่อนที่ที่เคลื่อนไหวได้ดีกว่าการข้ามไขว้ระยะสั้น นี้เป็นไปได้เพราะพวกเขาผลิต whipsaws น้อยลง ประการที่สองค่าเฉลี่ยเคลื่อนที่ที่ใหม่กว่าและมีความซับซ้อนมากขึ้นดูเหมือนจะไม่ดีขึ้นในการหาแนวโน้มมากกว่าค่าเฉลี่ยเคลื่อนที่แบบเดิม นักพัฒนาตัวบ่งชี้ไม่สงสัยจะยืนยันว่าพารามิเตอร์ของพวกเขาจะมีการเปลี่ยนแปลงเพื่อสะท้อนให้เห็นว่าผลิตภัณฑ์ของตนมีวัตถุประสงค์เพื่อใช้อย่างไร อาจมีความจริงบางอย่างเกิดขึ้น ตัวบ่งชี้เช่น GMMA และสี่เหลี่ยมน้อยที่สุดไม่จำเป็นต้องมีวัตถุประสงค์เพื่อใช้ในลักษณะนี้ อย่างไรก็ตามการปรับเปลี่ยนพารามิเตอร์ในลักษณะนี้อาจถูกตีความว่าเป็นส่วนโค้งและจะนำไปสู่การวิเคราะห์ที่ไม่น่าเชื่อถือ ส่วนตัวข้อสรุปยืนยันสิ่งที่ฉันคิดมาตลอด ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายทำงานได้ดีพอ ๆ กับค่าที่ซับซ้อนในการค้นหาแนวโน้มและค่าเฉลี่ยเคลื่อนที่ที่น่าเชื่อถือที่เป็นไปได้ดีที่สุด ขอบคุณสำหรับการอ่าน. «ขึ้นเกม«หน้าแรกนอกจากนี้คุณยังอาจต้องการ: JB Marwood

No comments:

Post a Comment