ชี้แจง ถัว เฉลี่ยเคลื่อนที่ Deutsch

MetaTrader 4 - ตัวบ่งชี้ Moving Averages, MA - ตัวบ่งชี้สำหรับ MetaTrader 4 ตัวบ่งชี้ทางเทคนิคของ Moving Average บ่งชี้ค่าเฉลี่ยของราคาตราสารในช่วงเวลาหนึ่ง เมื่อคำนวณค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยหนึ่งค่าจากราคาตราสารในช่วงเวลานี้ เมื่อราคาเปลี่ยนแปลงไปค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นหรือลดลง มีสี่ประเภทของค่าเฉลี่ยเคลื่อนที่คือ Simple (เรียกอีกอย่างว่า Arithmetic), Exponential, Smoothed และ Linear Weighted ค่าเฉลี่ยเคลื่อนที่สามารถคำนวณได้สำหรับชุดข้อมูลลำดับใด ๆ รวมถึงราคาเปิดและราคาปิดราคาสูงสุดและต่ำสุดปริมาณการซื้อขายหรือตัวชี้วัดอื่น ๆ มักเป็นกรณีที่ใช้ค่าเฉลี่ยเคลื่อนที่สองเท่า สิ่งเดียวที่ค่าเฉลี่ยเคลื่อนที่ของแต่ละประเภทแตกต่างกันมากคือเมื่อค่าสัมประสิทธิ์น้ำหนักที่กำหนดให้กับข้อมูลล่าสุดต่างกัน ในกรณีที่เราพูดถึงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายราคาทั้งหมดของช่วงเวลาที่เป็นปัญหามีมูลค่าเท่ากัน เส้นค่าเฉลี่ยเลขยกกำลังเชิงเส้นและแบบ Linear มีมูลค่าเพิ่มมากขึ้นในราคาล่าสุด วิธีที่ใช้บ่อยที่สุดในการตีความค่าเฉลี่ยราคาคือการเปรียบเทียบการเปลี่ยนแปลงของราคากับการดำเนินการด้านราคา เมื่อราคาของตราสารเพิ่มขึ้นเหนือค่าเฉลี่ยเคลื่อนที่สัญญาณซื้อจะปรากฏขึ้นหากราคาปรับตัวลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่เรามีสัญญาณการขายอะไรบ้าง ระบบการซื้อขายนี้ซึ่งอิงตามค่าเฉลี่ยเคลื่อนที่ไม่ได้ออกแบบมาเพื่อให้เข้าสู่ตลาดได้อย่างถูกต้องในจุดต่ำสุดและทางออกด้านขวาบนยอด จะช่วยให้สามารถปฏิบัติตามแนวโน้มดังต่อไปนี้: ซื้อเร็ว ๆ นี้หลังจากที่ราคาถึงจุดต่ำสุดแล้วและจะขายได้เร็ว ๆ นี้หลังจากที่ราคาถึงจุดสูงสุดแล้ว Simple Moving Average (Simple Moving Average - Simple Moving Average - Simple Moving Average - Simple Moving Average - Simple Moving Average - SMA) หมายถึงค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยคำนวณโดยการสรุปราคาปิดตราสารผ่านช่วงเวลาหนึ่ง ๆ (เช่น 12 ชั่วโมง) ค่านี้หารด้วยจำนวนงวดดังกล่าว SMA SUM (CLOSE, N) N โดยที่: N เป็นจำนวนงวดการคำนวณ ค่าเฉลี่ยเคลื่อนที่แบบ Exponential (EMA) ค่าเฉลี่ยเคลื่อนที่โดยการสุ่มชี้แจงจะคำนวณโดยการเพิ่มค่าเฉลี่ยเคลื่อนที่ของส่วนแบ่งของราคาปิดปัจจุบันเป็นค่าก่อนหน้า ด้วยค่าเฉลี่ยเคลื่อนที่ที่ราบเรียบตามลำดับส่วนราคาล่าสุดมีมูลค่ามากขึ้น ค่าเฉลี่ยเลขคณิตของ P-percent จะมีลักษณะดังนี้: ที่ไหน: ปิด: (i) ราคาของการปิดงวดปัจจุบัน EMA (i-1) ค่าเฉลี่ยเลขทศนิยมของการปิดงวดก่อนหน้า P เปอร์เซ็นต์ของการใช้ราคา Smoothed Moving Average (SMMA) ค่าแรกของค่าเฉลี่ยเคลื่อนที่แบบเรียบนี้คำนวณเป็นค่าเฉลี่ยเคลื่อนที่แบบเรียบ (SMA): SUM1 SUM (CLOSE, N) ค่าเฉลี่ยเคลื่อนที่ที่สองและค่าที่ต่อเนื่องจะคำนวณตามสูตรนี้: ที่ไหน: SUM1 คือ ยอดรวมของราคาปิดสำหรับระยะเวลา N SMMA1 เป็นค่าเฉลี่ยเคลื่อนที่ที่ราบเรียบของแถบแรก SMMA (i) เป็นค่าเฉลี่ยเคลื่อนที่ที่ราบเรียบของแถบปัจจุบัน (ยกเว้นค่าแรก) CLOSE (i) คือราคาปิดปัจจุบัน N คือ ราบเรียบ ค่าเฉลี่ยถ่วงน้ำหนักเชิงเส้น (LWMA) ในกรณีของค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักข้อมูลล่าสุดมีค่ามากกว่าข้อมูลเริ่มต้น ค่าเฉลี่ยถ่วงน้ำหนักที่คำนวณได้จากการคูณกับราคาปิดแต่ละชุดในชุดพิจารณาโดยใช้ค่าสัมประสิทธิ์น้ำหนักบางอย่าง LWMA SUM (ปิด (i) i, N) SUM (i, N) ที่ไหน: SUM (i, N) คือผลรวมของค่าสัมประสิทธิ์น้ำหนัก ค่าเฉลี่ยเคลื่อนที่สามารถใช้กับตัวบ่งชี้ นั่นคือที่การตีความตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่จะคล้ายกับการตีความค่าเฉลี่ยถ่วงน้ำหนักของราคา: ถ้าตัวบ่งชี้สูงขึ้นเหนือค่าเฉลี่ยเคลื่อนที่ของตัวบ่งชี้นั่นหมายความว่าการเคลื่อนไหวของตัวบ่งชี้ที่เพิ่มขึ้นมีแนวโน้มที่จะดำเนินต่อไป: ถ้าตัวบ่งชี้ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ หมายความว่ามีแนวโน้มว่าจะลดลงต่อไป นี่คือค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยของอุตสาหกรรม (Moving Average - EMA) ค่าเฉลี่ยเคลื่อนที่เฉลี่ย (EMA) ค่าเฉลี่ยเคลื่อนที่เฉลี่ย (EMA) - EMA 26 วันเป็นค่าเฉลี่ยระยะสั้นที่ได้รับความนิยมสูงสุดและใช้ในการสร้างตัวบ่งชี้เช่น MACD (Divergence Divergence Average Average Moving Divergence) และค่าร้อยละของราคา (PPO) โดยทั่วไปแล้ว EMA 50 และ 200 วันใช้เป็นสัญญาณของแนวโน้มในระยะยาว ผู้ค้าที่ใช้การวิเคราะห์ทางเทคนิคพบค่าเฉลี่ยเคลื่อนที่ที่มีประโยชน์และลึกซึ้งเมื่อใช้อย่างถูกต้อง แต่สร้างความหายนะเมื่อใช้ไม่ถูกต้องหรือถูกตีความผิด ค่าเฉลี่ยเคลื่อนที่ทั้งหมดที่ใช้กันโดยทั่วไปในการวิเคราะห์ทางเทคนิคเป็นไปตามลักษณะของตัวชี้วัดที่ล่าช้า ดังนั้นข้อสรุปที่ได้จากการนำค่าเฉลี่ยเคลื่อนที่ไปเป็นกราฟตลาดหนึ่ง ๆ ควรเป็นการยืนยันการเคลื่อนไหวของตลาดหรือเพื่อบ่งชี้ถึงความแข็งแกร่ง บ่อยครั้งเมื่อถึงเวลาที่เส้นค่าเฉลี่ยเคลื่อนไหวได้เปลี่ยนไปเพื่อสะท้อนการเคลื่อนไหวที่สำคัญในตลาดจุดที่เหมาะสมที่สุดของการเข้าสู่ตลาดได้ผ่านไปแล้ว EMA ช่วยลดปัญหานี้ได้บ้าง เนื่องจากการคำนวณ EMA ให้น้ำหนักมากขึ้นกับข้อมูลล่าสุดจึงทำให้การดำเนินการด้านราคาแย่ลงและตอบสนองได้เร็วขึ้น นี่เป็นที่พึงปรารถนาเมื่อใช้ EMA เพื่อรับสัญญาณการซื้อขาย การตีความ EMA เช่นเดียวกับตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่ทั้งหมดพวกเขาจะเหมาะกับตลาดที่มีแนวโน้มมากขึ้น เมื่อตลาดอยู่ในขาขึ้นที่แข็งแกร่งและยั่งยืน เส้นแสดงตัวบ่งชี้ EMA จะแสดงแนวโน้มขาขึ้นและทางกลับกันสำหรับแนวโน้มขาลง ผู้ค้าระมัดระวังจะไม่เพียง แต่ใส่ใจกับทิศทางของเส้น EMA แต่ยังสัมพันธ์ของอัตราการเปลี่ยนแปลงจากแถบหนึ่งไปอีก ตัวอย่างเช่นในขณะที่การดำเนินการตามราคาของขาขึ้นที่แข็งแกร่งจะเริ่มแผ่ออกและพลิกกลับอัตราการเปลี่ยนแปลงของ EMA จากแถบหนึ่งไปยังอีกส่วนหนึ่งจะเริ่มลดลงไปจนกว่าจะถึงเวลาดังกล่าวที่บรรทัดตัวบ่งชี้จะราบเรียบและอัตราการเปลี่ยนแปลงเป็นศูนย์ เนื่องจากผลกระทบที่ปกคลุมด้วยวัตถุฉนวนถึงจุดนี้หรือแม้กระทั่งไม่กี่บาร์ก่อนการดำเนินการด้านราคาน่าจะได้กลับรายการไปแล้ว ดังนั้นจึงเป็นไปได้ว่าการสังเกตการลดอัตราการเปลี่ยนแปลงของ EMA ที่สอดคล้องกันอาจถูกใช้เป็นตัวบ่งชี้ที่จะช่วยป้องกันภาวะที่กลืนไม่เข้าคายไม่ออกอันเกิดจากผลกระทบที่เกิดจากการเคลื่อนที่โดยเฉลี่ย การใช้ EMA ทั่วไปของ EMA มักใช้ร่วมกับตัวบ่งชี้อื่น ๆ เพื่อยืนยันการย้ายตลาดที่สำคัญและเพื่อวัดความถูกต้อง สำหรับผู้ค้าที่ค้าขายระหว่างวันและตลาดที่เคลื่อนไหวอย่างรวดเร็ว EMA จะสามารถใช้งานได้มากขึ้น ผู้ค้ามักใช้ EMA เพื่อหาอคติในการซื้อขาย ตัวอย่างเช่นหาก EMA ในแผนภูมิรายวันแสดงให้เห็นถึงแนวโน้มที่แข็งแกร่งขึ้นกลยุทธ์การค้าระหว่างวันอาจเป็นการค้าเฉพาะจากด้านยาวบนแผนภูมิระหว่างวันการสำรวจความถ่วงน้ำหนักโดยเฉลี่ยที่เคลื่อนที่ได้ตามหลักเกณฑ์เชิงปริมาณเป็นมาตรการที่มีความเสี่ยงมากที่สุด มันมาในหลายรสชาติ ในบทความก่อนหน้านี้เราได้แสดงวิธีการคำนวณความผันผวนทางประวัติศาสตร์ที่เรียบง่าย เราใช้ข้อมูลราคาหุ้นที่เกิดขึ้นจริงของ Google เพื่อคำนวณความผันผวนรายวันตามข้อมูลหุ้นภายใน 30 วัน ในบทความนี้เราจะปรับปรุงความผันผวนที่เรียบง่ายและหารือเกี่ยวกับค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบทวีคูณ (EWMA) Historical Vs ความผันแปรเบื้องต้นก่อนอื่นให้วางเมตริกนี้ไว้ในมุมมองเล็กน้อย มีสองแนวทางที่กว้าง: ความผันผวนในอดีตและโดยนัย (หรือโดยนัย) วิธีการทางประวัติศาสตร์สมมติว่าอดีตเป็นคำนำที่เราวัดประวัติศาสตร์ด้วยความหวังว่าจะเป็นการคาดการณ์ ในทางตรงกันข้ามความผันผวนโดยนัยจะละเลยประวัติความเป็นมาซึ่งจะช่วยแก้ปัญหาความผันผวนโดยนัยตามราคาตลาด หวังว่าตลาดจะรู้ได้ดีที่สุดและราคาในตลาดมีแม้กระทั่งโดยนัยประมาณการความผันผวน ถ้าเรามุ่งเน้นไปที่สามวิธีทางประวัติศาสตร์ (ด้านซ้ายด้านบน) พวกเขามีสองขั้นตอนที่เหมือนกัน: คำนวณชุดของผลตอบแทนเป็นระยะ ๆ ใช้สูตรการถ่วงน้ำหนักก่อนอื่นเรา คำนวณผลตอบแทนเป็นระยะ ๆ โดยทั่วไปแล้วผลตอบแทนรายวันจะได้รับผลตอบแทนแต่ละรายการในแง่บวก สำหรับแต่ละวันเราจะบันทึกล็อกอัตราส่วนราคาหุ้น (เช่นราคาในปัจจุบันหารด้วยราคาเมื่อวานนี้เป็นต้น) นี่เป็นการสร้างผลตอบแทนรายวันจาก u i to u i-m ขึ้นอยู่กับจำนวนวัน (m วัน) ที่เราวัด ที่ทำให้เราก้าวไปสู่ขั้นตอนที่สอง: นี่คือแนวทางที่แตกต่างกันสามวิธี ในบทความก่อนหน้า (ใช้ความผันผวนเพื่อวัดความเสี่ยงในอนาคต) เราพบว่าภายใต้สอง simplifications ยอมรับความแปรปรวนง่ายคือค่าเฉลี่ยของผลตอบแทนที่เป็นกำลังสอง: ขอให้สังเกตว่าผลรวมนี้แต่ละผลตอบแทนเป็นระยะจากนั้นแบ่งทั้งหมดโดย จำนวนวันหรือสังเกตการณ์ (ม.) ดังนั้นจริงๆมันเป็นเพียงเฉลี่ยของผลตอบแทนเป็นระยะ ๆ squared ใส่อีกวิธีหนึ่งแต่ละยกกำลังสองจะได้รับน้ำหนักเท่ากัน ดังนั้นถ้า alpha (a) เป็นปัจจัยการถ่วงน้ำหนัก (โดยเฉพาะ 1m) ความแปรปรวนแบบง่ายๆมีลักษณะดังนี้: EWMA ช่วยเพิ่มความแปรปรวนอย่างง่ายจุดอ่อนของวิธีนี้คือผลตอบแทนทั้งหมดจะมีน้ำหนักเท่ากัน การกลับมาเมื่อวาน (ล่าสุด) ไม่มีอิทธิพลต่อความแปรปรวนมากกว่าผลตอบแทนของเดือนที่ผ่านมา ปัญหานี้ได้รับการแก้ไขโดยใช้ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบทวีคูณ (EWMA) ซึ่งผลตอบแทนที่มากขึ้นล่าสุดมีน้ำหนักมากขึ้นในการแปรปรวน ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบเลขยกกำลัง (EWMA) แนะนำ lambda ซึ่งเรียกว่าพารามิเตอร์การให้ราบเรียบ แลมบ์ดาต้องมีค่าน้อยกว่าหนึ่ง ภายใต้เงื่อนไขดังกล่าวแทนที่จะใช้น้ำหนักที่เท่ากันผลตอบแทนที่ได้รับจะเพิ่มขึ้นตามตัวคูณดังนี้ตัวอย่างเช่น RiskMetrics TM ซึ่งเป็น บริษัท บริหารความเสี่ยงทางการเงินมีแนวโน้มที่จะใช้ lambda เท่ากับ 0.94 หรือ 94 ในกรณีนี้เป็นครั้งแรก (1-0.94) (. 94) 0 6. ผลตอบแทนที่ได้จะเป็นตัวเลข lambda-multiple ของน้ำหนักก่อนหน้าในกรณีนี้ 6 คูณด้วย 94 5.64 และสามวันก่อนหน้ามีน้ำหนักเท่ากับ (1-0.94) (0.94) 2 5.30 นั่นคือความหมายของเลขยกกำลังใน EWMA: แต่ละน้ำหนักเป็นตัวคูณคงที่ (เช่น lambda ซึ่งต้องน้อยกว่าหนึ่ง) ของน้ำหนักก่อนหน้า เพื่อให้แน่ใจว่ามีความแปรปรวนที่ถ่วงน้ำหนักหรือลำเอียงไปยังข้อมูลล่าสุด (หากต้องการเรียนรู้เพิ่มเติมโปรดดูที่แผ่นงาน Excel สำหรับความผันผวนของ Google) ความแตกต่างระหว่างความผันผวนเพียงอย่างเดียวกับ EWMA สำหรับ Google จะแสดงไว้ด้านล่าง ความผันผวนอย่างง่ายมีผลต่อการกลับคืนเป็นระยะ ๆ ทุกๆ 0.196 ตามที่แสดงไว้ในคอลัมน์ O (เรามีข้อมูลราคาหุ้นย้อนหลังเป็นเวลา 2 ปีนั่นคือผลตอบแทน 509 วันและ 1509 0.196) แต่สังเกตว่าคอลัมน์ P กำหนดน้ำหนัก 6, 5.64 แล้ว 5.3 และอื่น ๆ Thats ความแตกต่างระหว่างความแปรปรวนง่ายและ EWMA โปรดจำไว้ว่า: หลังจากที่เราสรุปชุดข้อมูลทั้งหมด (ในคอลัมน์ Q) เรามีความแปรปรวนซึ่งเป็นค่าสแควร์ของส่วนเบี่ยงเบนมาตรฐาน ถ้าเราต้องการความผันผวนเราต้องจำไว้ว่าให้ใช้รากที่สองของความแปรปรวนนั้น ความแตกต่างของความแปรปรวนรายวันระหว่างค่าความแปรปรวนและ EWMA ในกรณีของ Googles มีความหมาย: ความแปรปรวนง่ายทำให้เรามีความผันผวนรายวันอยู่ที่ 2.4 แต่ EWMA มีความผันผวนรายวันเพียง 1.4 (ดูสเปรดชีตเพื่อดูรายละเอียด) เห็นได้ชัดว่าความผันผวนของ Googles ตกลงไปเมื่อไม่นานมานี้ดังนั้นความแปรปรวนที่เรียบง่ายอาจเป็นจำนวนเทียมสูง ความแปรปรวนวันนี้เป็นฟังก์ชันของความแตกต่างของวัน Pior คุณจะสังเกตเห็นว่าเราจำเป็นต้องคำนวณชุดน้ำหนักลดลงอย่างมาก เราจะไม่ใช้คณิตศาสตร์ที่นี่ แต่คุณลักษณะที่ดีที่สุดของ EWMA คือชุดผลิตภัณฑ์ทั้งหมดสามารถลดสูตร recursive ได้อย่างง่ายดาย: Recursive หมายถึงการอ้างอิงความแปรปรวนในปัจจุบัน (คือฟังก์ชันของความแปรปรวนในวันก่อนหน้า) คุณสามารถหาสูตรนี้ในสเปรดชีตได้ด้วยและจะให้ผลเหมือนกันกับการคำนวณแบบ longhand กล่าวว่าค่าความแปรปรวนวันนี้ (ต่ำกว่า EWMA) เท่ากับความแปรปรวนของ yesterdays (weighted by lambda) บวกกับค่า yesterdays squared return (ชั่งน้ำหนักโดยลบหนึ่งแลมบ์ดา) แจ้งให้เราทราบว่าเรากำลังเพิ่มคำสองคำลงท้ายด้วยกันอย่างไร: ความแปรปรวนที่ถ่วงน้ำหนักในวันอังคารและเมื่อวานถ่วงน้ำหนัก แม้กระนั้นแลมบ์ดาก็คือพารามิเตอร์ที่ราบเรียบของเรา แลมบ์ดาที่สูงขึ้น (เช่น RiskMetrics 94) บ่งชี้การสลายตัวช้าลงในซีรีย์ - ในแง่สัมพัทธ์เราจะมีจุดข้อมูลมากขึ้นในซีรีส์และพวกเขาจะลดลงอย่างช้าๆ ในทางกลับกันถ้าเราลดแลมบ์ดาเราจะบ่งชี้ว่าการสลายตัวที่สูงขึ้น: น้ำหนักจะลดลงอย่างรวดเร็วและเป็นผลโดยตรงจากการผุกร่อนที่รวดเร็วใช้จุดข้อมูลน้อยลง (ในสเปรดชีตแลมบ์ดาเป็นอินพุตดังนั้นคุณจึงสามารถทดสอบความไวแสงได้) ความผันผวนโดยสรุปคือส่วนเบี่ยงเบนมาตรฐานของหุ้นและความเสี่ยงที่พบมากที่สุด นอกจากนี้ยังเป็นรากที่สองของความแปรปรวน เราสามารถวัดความแปรปรวนในอดีตหรือโดยนัย (ความผันผวนโดยนัย) เมื่อวัดในอดีตวิธีที่ง่ายที่สุดคือความแปรปรวนที่เรียบง่าย แต่ความอ่อนแอกับความแปรปรวนที่เรียบง่ายคือผลตอบแทนทั้งหมดจะมีน้ำหนักเท่ากัน ดังนั้นเราจึงต้องเผชิญกับข้อเสียแบบคลาสสิก: เราต้องการข้อมูลเพิ่มเติม แต่ข้อมูลที่เรามีมากขึ้นการคำนวณของเราจะเจือจางด้วยข้อมูลที่อยู่ไกล (ไม่เกี่ยวข้อง) ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักที่ถ่วงน้ำหนัก (EWMA) ช่วยเพิ่มความแปรปรวนอย่างง่ายโดยกำหนดน้ำหนักให้กับผลตอบแทนเป็นงวด เมื่อทำเช่นนี้เราสามารถใช้ตัวอย่างขนาดใหญ่ แต่ยังให้น้ำหนักมากขึ้นกับผลตอบแทนล่าสุด (หากต้องการดูบทแนะนำเกี่ยวกับภาพยนตร์เกี่ยวกับหัวข้อนี้โปรดไปที่ Bionic Turtle) การเสนอราคาครั้งแรกในสินทรัพย์ของ บริษัท ที่ล้มละลายจากผู้ซื้อที่สนใจที่ได้รับเลือกโดย บริษัท ที่ล้มละลาย จากกลุ่มผู้เสนอราคา ข้อ 50 เป็นข้อในสนธิสัญญาของสหภาพยุโรประบุถึงขั้นตอนที่ประเทศสมาชิกต้องออกจากสหภาพยุโรป สหราชอาณาจักร. เบต้าเป็นตัวชี้วัดความผันผวนหรือความเสี่ยงอย่างเป็นระบบของการรักษาความปลอดภัยหรือผลงานเมื่อเทียบกับตลาดโดยรวม ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎการกำหนดว่าต้องมีการคำนวณค่าเฉลี่ยถ่วงน้ำหนักใน Excel ที่ใช้การคำนวณข้อมูล Excel อย่างราบรื่นสำหรับ Dummies รุ่นที่ 2 เครื่องมือ Exponential Smoothing ใน Excel คำนวณค่าเฉลี่ยเคลื่อนที่ อย่างไรก็ตามการคำนวณความถ่วงน้ำหนักแบบเลขยกกำลังให้ค่าที่รวมอยู่ในการคำนวณค่าเฉลี่ยเคลื่อนที่เพื่อให้ค่าล่าสุดมีผลมากขึ้นกับการคำนวณโดยเฉลี่ยและค่าเดิมมีผลน้อยกว่า การถ่วงน้ำหนักนี้ทำได้ผ่านค่าคงที่ที่ราบเรียบ เพื่อแสดงให้เห็นว่าเครื่องมือ Smoothing แบบ Exponential ทำงานอย่างไรสมมติว่า you8217re อีกครั้งกำลังมองหาข้อมูลอุณหภูมิเฉลี่ยรายวัน เมื่อต้องการคำนวณค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักโดยใช้การคำนวณหากำไรให้เรียบโปรดทำตามขั้นตอนต่อไปนี้: เมื่อต้องการคำนวณค่าเฉลี่ยเคลื่อนที่ที่ได้รับการทำความสะอาดอย่างต่อเนื่องให้คลิกที่ปุ่มคำสั่ง Data analysis ของข้อมูล tab8217s เมื่อ Excel แสดงไดอะล็อกบ็อกซ์การวิเคราะห์ข้อมูลเลือกรายการ Smoning แบบ Exponential จากรายการจากนั้นคลิก OK Excel จะแสดงไดอะล็อกบ็อกซ์ Exponential Smoothing ระบุข้อมูล หากต้องการระบุข้อมูลที่คุณต้องการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเคลื่อนไหวที่ชี้แจงให้คลิกที่กล่องข้อความ Input Range จากนั้นระบุช่วงการป้อนข้อมูลโดยพิมพ์ที่อยู่ช่วงเวิร์กชีทหรือเลือกช่วงของแผ่นงาน หากช่วงอินพุทของคุณมีป้ายข้อความเพื่อระบุหรืออธิบายข้อมูลของคุณให้เลือกช่องทำเครื่องหมายป้ายข้อความ ให้ค่าคงที่ที่ราบเรียบ ป้อนค่าคงที่ที่ราบเรียบในกล่องข้อความ Damping Factor แฟ้มวิธีใช้ Excel แสดงว่าคุณใช้ค่าคงที่ที่ราบเรียบระหว่าง 0.2 และ 0.3 สันนิษฐานได้ว่าอย่างไรก็ตามหาก you8217 ใช้เครื่องมือนี้คุณมีความคิดของคุณเองเกี่ยวกับค่าคงที่ของการทำให้เรียบที่ถูกต้องคือ (หากคุณไม่เข้าใจเกี่ยวกับค่าคงที่ที่ราบเรียบบางทีคุณอาจไม่ควรใช้เครื่องมือนี้) บอก Excel ว่าจะใส่ข้อมูลค่าเฉลี่ยเคลื่อนที่แบบเรียบ ใช้กรอบข้อความ Output Range เพื่อระบุช่วงเวิร์กชีตที่คุณต้องการวางข้อมูลค่าเฉลี่ยเคลื่อนที่ ตัวอย่างเช่นในตัวอย่างแผ่นงานคุณวางข้อมูลค่าเฉลี่ยเคลื่อนที่ลงในช่วงเวิร์กชีท B2: B10 (ไม่บังคับ) แสดงข้อมูลที่เรียบขึ้น เมื่อต้องการแผนภูมิข้อมูลที่ได้รับการจัดเรียงอย่างรวดเร็วให้เลือกช่องทำเครื่องหมายแผนภูมิเอาท์พุท (ไม่บังคับ) ระบุว่าคุณต้องการคำนวณข้อมูลข้อผิดพลาดมาตรฐาน หากต้องการคำนวณข้อผิดพลาดมาตรฐานให้เลือกช่องทำเครื่องหมายข้อผิดพลาดมาตรฐาน Excel วางค่าความผิดพลาดมาตรฐานไว้ข้างๆค่าเฉลี่ยเคลื่อนที่แบบเรียบ หลังจากที่คุณระบุว่าต้องการย้ายข้อมูลเฉลี่ยที่ต้องการและตำแหน่งที่ต้องการวางไว้คลิกตกลง Excel คำนวณข้อมูลค่าเฉลี่ยเคลื่อนที่