ชี้แจง เคลื่อนไหว ค่าเฉลี่ย การอัพเดท

เฉลี่ยถ้อยแถลงพิสัยจริง 038 กวดวิชาค้นพบว่าผู้ค้าใช้ช่วงจริงโดยเฉลี่ยเป็นตัวบ่งชี้การหยุดการขาดทุนในการซื้อกลยุทธ์การขายแอมป์และเรียนรู้วิธีการคำนวณใน Excel ช่วง Stock8217s คือความแตกต่างระหว่างราคาสูงสุดและต่ำสุดในวันใดวันหนึ่งและมักใช้เป็นตัวบ่งชี้ความผันผวน อย่างไรก็ตามการซื้อขายมักจะระงับหากราคาเพิ่มขึ้นหรือลดลงเป็นจำนวนมากในวันเดียว นี่เป็นข้อสังเกตบางครั้งในการซื้อขายสินค้าโภคภัณฑ์และอาจทำให้เกิดช่องว่างระหว่างราคาเปิดและปิดระหว่างสองวันติดต่อกัน ช่วงรายวันไม่จำเป็นต้องมีข้อมูลนี้ J. Welles Wilder นำเสนอช่วงจริงและช่วงความเป็นจริงโดยเฉลี่ยในปีพ. ศ. 2521 เพื่ออธิบายลักษณะการทำงานนี้ได้ดียิ่งขึ้น ช่วงที่แท้จริงครอบคลุมความแตกต่างระหว่างราคาปิดและราคาเปิดระหว่างสองวันติดต่อกัน ช่วงความเป็นจริงที่ใหญ่ที่สุดของความแตกต่างระหว่างความใกล้ชิดเมื่อวานนี้ใกล้วันนี้และวันนี้ต่ำกว่าความแตกต่างระหว่างใกล้วันวานเมื่อวานนี้และใกล้วันนี้สูงขึ้นความแตกต่างระหว่างวันนี้สูงมากและวันนี้ต่ำมากในปัจจุบัน8217sมูลค่าเริ่มต้นของช่วงที่แท้จริงเป็นเพียงแค่รายวันที่สูงลบด้วยรายวันที่ต่ำ ช่วงที่แท้จริงเฉลี่ย (ATR) เป็นค่าเฉลี่ย n วันที่อธิบาย และสามารถประมาณโดยสมการนี้ โดยที่ n คือหน้าต่างของค่าเฉลี่ยเคลื่อนที่ (โดยปกติคือ 14 วัน) และ TR เป็นช่วงที่แท้จริง ATR มักจะได้รับการเตรียมใช้งาน (ที่ t 0) โดยมีค่าเฉลี่ย TR ต่อท้าย n วัน ช่วงที่แท้จริงโดยเฉลี่ยไม่ได้ระบุถึงทิศทางของตลาด แต่เพียงความผันผวน สมการทำให้การเคลื่อนไหวของราคาครั้งล่าสุดมีความสำคัญมากขึ้นดังนั้นจึงใช้เพื่อวัดความเชื่อมั่นของตลาด มักใช้ในการวิเคราะห์ความเสี่ยงในการรับตำแหน่งเฉพาะในตลาด วิธีหนึ่งในการทำเช่นนี้คือการคาดเดาการเคลื่อนไหวประจำวันตามค่าทางประวัติศาสตร์ของ ATR และเข้าหรือออกจากตลาดตามลำดับ ตัวอย่างเช่นการหยุดขาดทุนประจำวันอาจตั้งไว้ที่ 1.5 หรือ 2 เท่าของช่วงความยาวคลื่นเฉลี่ย การเปลี่ยนแปลงนี้ทำให้ราคาสินทรัพย์มีความเป็นอิสระในช่วงวันซื้อขายหลักทรัพย์โดยยังคงกำหนดตำแหน่งที่เหมาะสมไว้ นอกจากนี้หากค่าเฉลี่ยของช่วงระยะเวลาที่แท้จริงในขณะที่ราคามีแนวโน้มสูงขึ้นอาจบ่งชี้ว่าความเชื่อมั่นในตลาดอาจเปลี่ยนไป รวมกับกลุ่ม Bollinger Bands ช่วงจริงเฉลี่ยเป็นเครื่องมือที่มีประสิทธิภาพสำหรับกลยุทธ์การซื้อขายความผันผวน คำนวณช่วงที่แท้จริงโดยเฉลี่ยใน Excel สเปรดชีต Excel นี้ใช้ราคาหุ้นในแต่ละวันสำหรับ BP เป็นเวลาห้าปีนับจากปีพ. ศ. 2550 (ดาวน์โหลดมาพร้อมกับสเปรดชีตนี้) สเปรดชีตได้รับการอธิบายอย่างครบถ้วนด้วยสมการและความคิดเห็นเพื่อช่วยให้คุณเข้าใจ อย่างไรก็ตามสเปรดชีตต่อไปนี้มีสมาร์ทมากขึ้น โดยอัตโนมัติจะแปลงค่าช่วงจริงเฉลี่ยดัชนีสัมพัทธ์และความผันผวนทางประวัติศาสตร์จากข้อมูลที่ดาวน์โหลดโดยอัตโนมัติจาก Yahoo Finance คุณป้อนข้อมูลต่อไปนี้เป็นเครื่องหมายเริ่มต้นและสิ้นสุดระยะเวลาการคำนวณสำหรับ ATR, RSI และความผันผวนทางประวัติศาสตร์หลังจากคลิกที่ปุ่มสเปรดชีตจะดาวน์โหลดราคาหุ้นจาก Yahoo Finance (โดยเฉพาะราคาเปิดสูงสุดปิดราคาสูงและราคาต่ำระหว่างวัน วันที่สอง) จากนั้นจะคำนวณค่าเฉลี่ยช่วงจริงและความผันผวนทางประวัติศาสตร์ It8217s ง่ายมากที่จะใช้ I8217d ชอบที่จะได้ยินสิ่งที่คุณคิดหรือถ้าคุณมีการปรับปรุงใด ๆ you8217d ชอบ 11 ความเห็นเกี่ยวกับแผ่นงานเฉลี่ยของ True Range 038 บทแนะนำ rdquo เช่นเดียวกับฐานความรู้ของฟอร์แมตฟรีสเปรดชีตล่าสุดโพสต์ล่าสุดบทนำบทความก่อนหน้านี้พิจารณาถึงค่าเฉลี่ยเคลื่อนที่โดยรวมและวิธีการคำนวณ บทความนี้จะอธิบายวิธีการนำข้อมูลเหล่านี้ไปใช้ใน Web Intelligence สูตรที่ใช้ที่นี่สามารถทำงานร่วมกับ SAP BOI รุ่น XIr3 แต่บางสูตรอาจใช้งานได้ในเวอร์ชันก่อนหน้านี้ถ้ามี We8217ll เริ่มต้นด้วยการดูวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆก่อนที่จะดูรูปแบบที่ถ่วงน้ำหนักและเป็นตัวเลข ตัวอย่างที่ใช้งานตัวอย่างด้านล่างใช้ชุดข้อมูลเดียวกันทั้งหมดซึ่งเป็นข้อมูลราคาหุ้นในไฟล์ Excel ซึ่งคุณสามารถดาวน์โหลดได้ คอลัมน์แรกในไฟล์คือวันราคาหุ้นและคอลัมน์ราคาเปิดราคาสูงสุดในแต่ละวันราคาต่ำสุดราคาปิดปริมาณและราคาปิดที่ปรับแล้ว We8217 ใช้ราคาปิดในการวิเคราะห์ของเราด้านล่างพร้อมกับออบเจ็กต์ Date Simple Moving Average มีสองวิธีที่เราสามารถคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆได้ ทางเลือกหนึ่งคือการใช้ฟังก์ชันก่อนหน้าเพื่อรับค่าของแถวก่อนหน้า ตัวอย่างเช่นสูตรต่อไปนี้คำนวณค่าเฉลี่ยเคลื่อนที่ในราคาหุ้นปิดของเราสำหรับชุดข้อมูลค่าเฉลี่ยเคลื่อนที่ที่มีขนาด 3 ซึ่งเป็นสูตรง่ายๆ แต่เห็นได้ชัดว่าเป็นไปไม่ได้หากเรามีช่วงเวลาเป็นจำนวนมาก ใช้สูตร RunningSum และสำหรับชุดข้อมูลขนาด N ที่เรามีในที่สุดเรามีเทคนิคที่ 3 ซึ่งแม้ว่าจะมีความซับซ้อนมากขึ้น แต่ก็อาจมีประสิทธิภาพที่ดีขึ้นเนื่องจากมีการคำนวณค่าใหม่โดยอิงจากค่าก่อนหน้านี้แทนที่จะเป็นผลรวมสองครั้งที่มีการเรียกใช้ข้อมูลเต็มรูปแบบ ชุด อย่างไรก็ตามสูตรนี้ใช้งานได้เฉพาะหลังจากจุดที่ N ในชุดข้อมูลโดยรวมและเนื่องจากเป็นค่าก่อนหน้านี้เราต้องตั้งค่าเริ่มต้น ด้านล่างนี้เป็นสูตรที่ใช้สำหรับการวิเคราะห์ราคาหุ้นของเราโดยที่ระยะเวลาเฉลี่ยของการเคลื่อนไหวของเราคือ 15 วัน 1252010 คือจุดข้อมูลที่ 15 ในชุดข้อมูลของเราดังนั้นเราจึงคำนวณค่าเฉลี่ยโดยใช้ RunningSum สำหรับทุกวันที่เกินกว่าค่านี้เราใช้สูตร SMA ของเราและปล่อยให้วันที่ว่างอยู่ทั้งหมดก่อนวันที่นี้ รูปที่ 1 ด้านล่างเป็นแผนภูมิใน Web Intelligence ที่แสดงข้อมูลราคาหุ้นของเราโดยมีค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย รูปที่ 1. Web Intelligence Document แสดงค่าเฉลี่ยถ่วงน้ำหนักเคลื่อนที่เฉลี่ยถ่วงน้ำหนักสูตรเฉลี่ยถ่วงน้ำหนักถ่วงน้ำหนักที่มีระยะเวลา 3 คือเช่นเดียวกับสูตรค่าเฉลี่ยเคลื่อนที่แรกของเราที่มีค่าสูงกว่าค่านี้จะเป็นประโยชน์สำหรับช่วงเวลาเพียงเล็กน้อย ฉันยังไม่สามารถหาสูตรง่ายๆที่สามารถใช้สำหรับช่วงเวลาที่มีการเคลื่อนไหวขนาดใหญ่ได้ ทางคณิตศาสตร์เป็นไปได้ แต่ข้อ จำกัด กับ Web Intelligence หมายความว่าสูตรเหล่านี้ don8217t แปลง ถ้าใครสามารถทำเช่นนี้ได้ฉันยินดีที่จะได้ยินภาพด้านล่างเป็น WMA ของงวด 6 ที่ใช้ใน Web Intelligence รูปที่ 2. เอกสาร Web Intelligence ของ Moving Average Exponential Moving Average ค่าเฉลี่ยเคลื่อนที่แบบเสแสร้งค่อนข้างสูงตรงไปตรงมาในการใช้งาน Web Intelligence และเป็นทางเลือกที่เหมาะสมสำหรับ Average Moving Average สูตรพื้นฐานคือที่นี่ we8217ve ยากรหัส 0.3 เป็นค่าของเราสำหรับอัลฟา เราใช้สูตรนี้เป็นระยะเวลามากกว่างวดที่สองของเราเท่านั้นเพื่อให้เราสามารถใช้คำสั่ง if เพื่อกรองข้อมูลเหล่านี้ได้ สำหรับระยะเวลาแรกและช่วงที่สองของเราเราสามารถใช้ค่าก่อนหน้านี้และสูตรสุดท้ายของ EMA คือด้านล่างนี้เป็นตัวอย่างของ EMA ที่ใช้กับข้อมูลหุ้นของเรา รูปที่ 3. เอกสาร Web Intelligence แสดงการควบคุมการป้อนค่าเฉลี่ยที่เป็นไปตามค่า Exponential เนื่องจากสูตร EMA ของเราไม่ได้ขึ้นอยู่กับขนาดของช่วงเวลาเฉลี่ยที่เคลื่อนที่และตัวแปรเฉพาะของเราคือ alpha เราสามารถใช้ Input Controls เพื่อให้ผู้ใช้สามารถปรับค่าของ alpha ได้ เมื่อต้องการทำเช่นนี้สร้างตัวแปรใหม่ที่เรียกว่า 8216alpha8217 และกำหนดสูตร it8217s เป็นอัปเดตสูตร EMA ของเราสร้างตัวควบคุมการป้อนข้อมูลใหม่โดยเลือกตัวแปรอัลฟาของเราเป็นวัตถุรายงานการควบคุมอินพุทใช้แถบเลื่อนที่เรียบง่ายและตั้งค่าคุณสมบัติต่อไปนี้เมื่อทำเสร็จแล้ว ควรจะสามารถเลื่อนแถบเลื่อนและดูการเปลี่ยนแปลงเส้นแนวโน้มในแผนภูมิได้ทันทีข้อสรุปเราได้ศึกษาวิธีการใช้ค่าเฉลี่ยเคลื่อนที่สามแบบใน Web Intelligence และถึงแม้จะเป็นไปได้ก็ตาม Exponential Moving Average น่าจะง่ายและยืดหยุ่นมากที่สุด . ฉันหวังว่าคุณจะพบบทความนี้น่าสนใจและเช่นเคยความคิดเห็นใด ๆ ยินดีต้อนรับมาก โพสต์นำทาง Leave a Reply ยกเลิกการตอบคุณต้องเข้าสู่ระบบเพื่อแสดงความคิดเห็น เคล็ดลับการ Weighted Moving Average (WMA) คือคุณต้องสร้างตัวแปรซึ่งหมายถึงเลขของ WMA (ดู Wikipedia สำหรับการอ้างอิง) ซึ่งควรมีลักษณะดังนี้: Previous (Self) (n Close) 8211 (Previous (RunningSum ( ปิด)) 8211 ก่อนหน้า (RunningSum (ปิด) n1) โดย n คือจำนวนงวดจากนั้นสูตร WMA8217s ที่แท้จริงจะเป็นเช่นนี้: Numerator (n (n 1) 2) โดยที่ Numerator เป็นตัวแปรที่คุณสร้างขึ้นก่อนหน้านี้ไลบรารีใช้ คุกกี้เพื่อปรับปรุงการทำงานและประสิทธิภาพและเพื่อให้การโฆษณาที่เกี่ยวข้องกับคุณหากคุณเรียกดูไซต์ต่อไปคุณยินยอมที่จะใช้คุกกี้ในเว็บไซต์นี้ดูข้อตกลงสำหรับผู้ใช้และนโยบายความเป็นส่วนตัวของเรา Slideshare ใช้คุกกี้เพื่อปรับปรุงฟังก์ชันการทำงานและประสิทธิภาพ, และเพื่อให้โฆษณาที่เกี่ยวข้องกับคุณหากคุณเรียกดูไซต์ต่อคุณยอมรับการใช้คุกกี้ในเว็บไซต์นี้ดูนโยบายความเป็นส่วนตัวและข้อตกลงผู้ใช้สำหรับรายละเอียดสำรวจหัวข้อที่คุณโปรดปรานทั้งหมดในแอปพลิเคชัน SlideShare Get the Sl ไปที่ไซต์สำหรับมือถืออัปโหลดลงทะเบียนเข้าสู่ระบบสมัครสมาชิกแตะสองครั้งเพื่อซูมออกองค์กรที่ชี้แจง - ทำไมองค์กรใหม่ถึง 10 เท่าดีกว่ารวดเร็วและราคาถูกกว่าของคุณ (และจะทำอย่างไรกับเรื่องนี้)