10 งวด เฉลี่ยเคลื่อนที่

ค่าเฉลี่ยเคลื่อนที่ตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดเวลาใน 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 จุดแรกเนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงที่ 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้น ช่วงเวลาที่สั้นกว่านี้ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ที่ใกล้เคียงกับจุดที่เกิดขึ้นจริงวิธีการใช้ค่าเฉลี่ยเคลื่อนที่ 10 วันเพื่อเพิ่มผลกำไรจากการค้าของคุณผู้ค้า Swing ต้องพึ่งพาคลังแสงที่มีความหลากหลายของตัวชี้วัดทางเทคนิคเมื่อวิเคราะห์หุ้นและมีตัวอักษรนับร้อย ของตัวชี้วัดให้เลือก แต่นักลงทุนรายใหม่ควรจะรู้ว่าตัวชี้วัดใดมีความน่าเชื่อถือมากที่สุดการตัดสินใจว่าจะใช้ตัวชี้วัดทางเทคนิคใดบ้างที่สามารถใช้งานได้อย่างตรงไปตรงมาเป็นอย่างดี แต่ก็ไม่จำเป็นต้องเป็นเช่นนั้น ในขณะที่เรียนรู้ที่จะใช้ระบบชนะสำหรับหุ้นซื้อขายหุ้นและ ETF ในช่วงต้นปีเราได้ทดสอบตัวชี้วัดทางเทคนิคมากมายเหลือเฟือ ข้อสรุปของเราก็คือตัวบ่งชี้ทางเทคนิคส่วนใหญ่มีจุดประสงค์เพื่อเพิ่มโอกาสในการทำกำไรของหุ้น อย่างไรก็ตามเราได้ค้นพบอย่างรวดเร็วว่าการใช้ตัวบ่งชี้มากเกินไปจะนำไปสู่การวิเคราะห์อัมพาตเท่านั้น ดังนั้นตอนนี้เราจึงหลีกเลี่ยงปัญหานี้โดยเน้นที่พื้นฐานที่พยายามและความจริงของการซื้อขายทางเทคนิคคือราคาปริมาณและระดับการสนับสนุน หนึ่งในวิธีที่ง่ายที่สุดและมีประสิทธิภาพมากที่สุดในการหาระดับการสนับสนุนและความต้านทานคือการใช้ค่าเฉลี่ยเคลื่อนที่ การเคลื่อนไหวของค่าเฉลี่ยมีบทบาทสำคัญมากในการวิเคราะห์หุ้นรายวันของเราและเราต้องพึ่งพาค่าเฉลี่ยเคลื่อนที่บางอย่างเพื่อหาจุดเข้าออกและจุดออกสำหรับหุ้นและ ETF ที่เรามีการซื้อขาย สำหรับการวัดแรงขับเคลื่อนราคาในระยะสั้น (ระยะเวลาหลายวัน) เราพบว่าค่าเฉลี่ยเคลื่อนที่ 5 และ 10 วันทำงานได้ดีมาก หากตัวอย่างเช่นหุ้นหรือ ETF ซื้อขายเหนือระดับ MA 5 วันของมันมักจะไม่มีเหตุผลที่ดีที่จะขาย หนึ่งข้อยกเว้นที่เป็นไปได้คือถ้าหุ้นหรืออีทีเอฟมีการปรับราคา 25-30 ภายในเวลาเพียงไม่กี่วัน MA 10 วันเป็นค่าเฉลี่ยเคลื่อนที่ที่ดีเยี่ยมเพื่อช่วยให้เราสามารถขับเคลื่อนแนวโน้มโดยใช้ห้อง 82208 ที่ยาวนานขึ้นกว่าที่ได้จากระยะสั้น 5 วัน สำหรับเทรดเดอร์ที่มีแนวโน้มไม่มีหุ้นหรืออีทีเอฟควรขายในขณะที่ยังซื้อขายอยู่เหนือเส้นค่าเฉลี่ยเคลื่อนที่ 10 วันหลังจากมีการเติบโตอย่างแข็งแกร่ง เพื่อทำความเข้าใจว่าเหตุใดให้เปรียบเทียบแผนภูมิรายวันต่อไปนี้ของกองทุนน้ำมันสหรัฐฯ (USO) และ First Trust DJ Internet Index Fund (FDN) ข้อแรกคือ FDN: ยกเว้นช่วงสั้น 8220shakeout8221 เพียง 2 วัน (เป็นเหตุการณ์ปกติและเป็นที่ยอมรับ) สังเกตว่า FDN ถือหุ้นอยู่เหนือระดับ MA ที่เพิ่มขึ้น 10 วันนับ แต่วันที่พังทลายในช่วงต้นเดือนกรกฎาคม นี่เป็นสัญญาณที่ชัดเจนว่าโมเมนตัมจากการฝ่าวงล้อมยังคงแข็งแกร่ง ในทางกลับกันให้สังเกตความแตกต่างในแผนภูมิรายวันของ USO: ในขณะที่คุณสามารถมองเห็นได้ USO ล้มเหลวที่จะระงับเหนือ MA 10 วันในช่วงสัปดาห์ที่ผ่านมาซึ่งเป็นสัญญาณว่าโมเมนตัมเชิงรุกจากการฝ่าวงล้อมล่าสุดกำลังจางหายไป ดังนั้นเราจึงขาย 25 ตำแหน่งเดิมของเราในวันที่ 25 กรกฎาคมโดยไม่กระทบกำไรในส่วนของหุ้นเมื่อหุ้น breakout หรือ ETF ลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 10 วันเนื่องจากการดำเนินการด้านราคาดังกล่าวมักนำไปสู่การแก้ไขที่ลึกขึ้น . ทันทีหลังจากขายหุ้นบางส่วนในช่วงพัก 10 วัน MA เราพร้อมที่จะซื้อหุ้นคืนหากการปรับราคาขึ้นทันทีภายใน 1-2 วัน (เช่นเดียวกับ FDN) อย่างไรก็ตามเนื่องจากไม่ได้เกิดขึ้นเราจึงยกเลิกการซื้อของเราและยังคงยึดยูเอสไว้กับขนาดของหุ้นที่ลดลงและมีกำไรที่ยังไม่เกิดขึ้นเล็ก ๆ นับตั้งแต่เริ่มดำเนินการ ขณะที่ค่าเฉลี่ยเคลื่อนที่ 5 และ 10 วันไม่ได้หมายความว่าเป็นระบบที่สมบูรณ์และสมบูรณ์แบบสำหรับการออกจากตำแหน่ง แต่ก็ช่วยให้เราสามารถอยู่กับแนวโน้มการค้าที่ชนะ (ซึ่งช่วยให้เราสามารถเพิ่มผลกำไรได้มากที่สุด) ที่สำคัญใช้ค่าเฉลี่ยเคลื่อนที่ 10 วันเป็นตัวบ่งชี้ระยะสั้นของการสนับสนุนช่วยให้เราสามารถค้าสิ่งที่เราเห็นไม่ใช่สิ่งที่เราคิดว่าการเรียนรู้ระบบการซื้อขายหุ้นของเราที่สมบูรณ์และประสบความสำเร็จโปรดตรวจสอบวิดีโอยอดนิยมของเรา Swing Trading Success หลักสูตร Moving Average - MA - เป็นตัวอย่าง SMA พิจารณาการรักษาความปลอดภัยที่มีราคาปิดดังต่อไปนี้เกินกว่า 15 วัน: สัปดาห์ที่ 1 (5 วัน) 20, 22, 24, 25, 23 สัปดาห์ที่ 2 (5 วัน) 26, 28, 26, 29, 27 สัปดาห์ที่ 3 (5 วัน) 28, 30, 27, 29, 28 โดยเฉลี่ย 10 วันจะปิดราคาปิดสำหรับ 10 อันดับแรก วันเป็นจุดข้อมูลแรก จุดข้อมูลถัดไปจะลดราคาเริ่มต้นเพิ่มราคาในวันที่ 11 และใช้ค่าเฉลี่ยและอื่น ๆ ดังที่แสดงด้านล่าง ตามที่ระบุไว้ก่อนหน้านี้ MAs lag การกระทำราคาปัจจุบันเพราะพวกเขาจะขึ้นอยู่กับราคาที่ผ่านมายิ่งระยะเวลาสำหรับ MA มากเท่าไรความล่าช้ามากขึ้น ดังนั้นแมสซาชูเซตส์ระยะ 200 วันจะมีความล่าช้ามากกว่า MA 20 วันเนื่องจากมีราคาสำหรับ 200 วันที่ผ่านมา ความยาวของ MA จะขึ้นอยู่กับวัตถุประสงค์ในการซื้อขายโดย MAs สั้นสำหรับการซื้อขายระยะสั้นและ MAs ระยะยาวมีความเหมาะสมกับนักลงทุนระยะยาว นักลงทุนและผู้ค้าที่มีการซื้อขาย MA ระยะเวลา 200 วันโดยมียอดขายต่ำกว่าและต่ำกว่าค่าเฉลี่ยเคลื่อนที่นี้ถือเป็นสัญญาณการซื้อขายที่สำคัญ MAs ยังให้สัญญาณการซื้อขายที่สำคัญด้วยตัวเองหรือเมื่อสองค่าเฉลี่ยข้ามไป MA ที่เพิ่มขึ้นบ่งชี้ว่าการรักษาความปลอดภัยอยู่ในขาขึ้น ในขณะที่ค่าดัชนีลดลงแสดงให้เห็นว่าอยู่ในขาลง ในทำนองเดียวกันโมเมนตัมสูงขึ้นได้รับการยืนยันโดยการครอสโอเวอร์แบบ bullish ซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุเหนือ MA ระยะยาว แรงเคลื่อนขาลงได้รับการยืนยันจากการพังทลายของไขว้ซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุต่ำกว่า MA. Moving Average ระยะยาว: อะไรคือตัวชี้วัดทางเทคนิคที่เป็นที่นิยมมากที่สุดตัวชี้วัดทางเทคนิคที่ใช้ในการวัดทิศทางของแนวโน้มในปัจจุบัน . ค่าเฉลี่ยเคลื่อนที่ทุกประเภท (เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA) คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมา เมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมด รูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่โดยทั่วไปหมายถึงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย (SMA) โดยคำนวณค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนด ตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา (110) คือ หารด้วยจำนวนวัน (10) เพื่อให้ได้ค่าเฉลี่ย 10 วัน หากผู้ค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนจะต้องมีการคำนวณประเภทเดียวกัน แต่จะรวมราคาในช่วง 50 วันที่ผ่านมา ค่าเฉลี่ยที่เกิดขึ้นด้านล่าง (11) คำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อให้ผู้ค้าทราบว่าสินทรัพย์มีราคาเทียบกับ 10 วันที่ผ่านมาอย่างไร บางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ว่าเป็นค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ยปกติ คำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งานจุดข้อมูลที่เก่าที่สุดต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ ๆ ต้องมาเพื่อแทนที่ ดังนั้นชุดข้อมูลจึงมีการย้ายข้อมูลบัญชีใหม่ ๆ ไปเรื่อย ๆ วิธีการคำนวณนี้ช่วยให้แน่ใจได้ว่าจะมีการบันทึกข้อมูลปัจจุบันเท่านั้น ในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดง (แทนจุดข้อมูล 10 จุดที่ผ่านมา) จะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณ เนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูงถึง 15 คุณจึงคาดว่าจะเห็นค่าเฉลี่ยของการลดลงของชุดข้อมูลซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เมื่อค่าของ MA ได้รับการคำนวณพวกเขาจะวางแผนลงบนแผนภูมิและเชื่อมต่อแล้วเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่ เส้นโค้งเหล่านี้มีอยู่ทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีการใช้งานเหล่านี้อาจแตกต่างกันอย่างมาก (ในภายหลัง) ดังที่เห็นในรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิใด ๆ โดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณ เส้นโค้งเหล่านี้ดูเหมือนจะเสียสมาธิหรือทำให้เกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับมันเมื่อเวลาผ่านไป เส้นสีแดงเป็นเพียงราคาเฉลี่ยในช่วง 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมา ตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่คืออะไรและแนะนำให้ใช้ค่าเฉลี่ยเคลื่อนที่ที่ต่างกันและดูว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงก่อนหน้านี้เท่าไร ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมอย่างมากของผู้ค้า แต่เป็นตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์ หลายคนอ้างว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้าย ในการตอบสนองต่อคำวิจารณ์นี้ผู้ค้าเริ่มให้ความสำคัญกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์เครื่องคิดเลขใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) (สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลเบื้องต้นเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA กับ EMA) ค่าเฉลี่ยเคลื่อนที่แบบเสวนาค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากกว่าราคาล่าสุดในความพยายามที่จะทำให้การตอบสนองดีขึ้น ข้อมูลใหม่ ๆ การเรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกชุดรูปแบบแผนภูมิทำคำนวณสำหรับคุณ อย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA: เมื่อใช้สูตรในการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนหน้านี้ ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและต่อเนื่องโดยใช้สูตรด้านบนจากที่นั่น เราได้จัดเตรียมสเปรดชีตตัวอย่างไว้ในตัวอย่างชีวิตจริงในการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่แบบเรียบและค่าเฉลี่ยเคลื่อนที่แบบเสวนา ความแตกต่างระหว่าง EMA กับ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA ถูกคำนวณไปแล้วลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไร เมื่อพิจารณาการคำนวณ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลสำคัญ ๆ อยู่ในจุดข้อมูลล่าสุดทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนัก ในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเหมือนกัน (15) แต่ EMA จะตอบสนองต่อการเปลี่ยนแปลงราคาได้เร็วขึ้น สังเกตว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลง การตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA อะไรที่แตกต่างกันระหว่างวันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่สามารถปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกกรอบเวลาที่ต้องการได้ทุกเมื่อสร้างค่าเฉลี่ย ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วัน ช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนมากขึ้นคือการเปลี่ยนแปลงราคา ยิ่งช่วงเวลาที่ยาวนานขึ้นเท่าไรก็ยิ่งอ่อนไหวหรือเรียบเนียนขึ้นเท่านั้นโดยเฉลี่ยแล้ว ไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณ วิธีที่ดีที่สุดในการพิจารณาว่ารูปแบบใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบกับช่วงเวลาที่เหมาะสมกับกลยุทธ์ของคุณ