T Line เฉลี่ยเคลื่อนที่

การคำนวณโดยทั่วไปในการวิเคราะห์แนวโน้มคือค่าเฉลี่ยเคลื่อนที่หรือแบบกลิ้งค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของยกตัวอย่างเช่น 10 แถวสุดท้ายค่าเฉลี่ยเคลื่อนที่แสดงเส้นโค้งที่ราบรื่นกว่าค่าจริงมากยิ่งขึ้น เป็นระยะเวลานานสำหรับค่าเฉลี่ยเคลื่อนที่ซึ่งเป็นเครื่องมือที่ดีสำหรับการวิเคราะห์แนวโน้มโพสต์บล็อกนี้จะแสดงวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ใน T-SQL วิธีต่างๆจะใช้ขึ้นอยู่กับรุ่นของ SQL Server แผนภูมิด้านล่างแสดงให้เห็นถึงผลการปรับให้เรียบ เส้นสีแดงกับค่าเฉลี่ยเคลื่อนที่ 200 วันราคาหุ้นเป็นเส้นสีฟ้าแนวโน้มระยะยาวสามารถมองเห็นได้ชัดเจน T-SQL Moving Avergage 200 วันการสาธิตด้านล่างนี้ต้องการฐานข้อมูล TAdb ที่สามารถสร้างขึ้นพร้อมกับสคริปต์ตั้งอยู่ที่นี่ ตัวอย่างที่จะเกิดขึ้นเราจะคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับ 20 วันที่ผ่านมาทั้งนี้ขึ้นอยู่กับรุ่นของ SQL Server จะมีวิธีการอื่นในการคำนวณและตามที่เราจะเห็นในภายหลังเวอร์ชันใหม่ของ SQL Server มีค่า nctions ช่วยให้การคำนวณมีประสิทธิภาพมากขึ้น SQL Server 2012 และรุ่นที่ใหม่กว่า Moving Average รุ่นนี้ใช้ประโยชน์จากฟังก์ชันหน้าต่างรวม Whats ใหม่ใน SQL 2012 คือความเป็นไปได้ที่จะ จำกัด ขนาดของหน้าต่างโดยการระบุจำนวนแถวก่อนหน้าหน้าต่างควรมี ก่อนหน้านี้เป็น 19 เนื่องจากเราจะรวมแถวปัจจุบันไว้ด้วยในการคำนวณตามที่คุณเห็นการคำนวณค่าเฉลี่ยเคลื่อนที่ใน SQL Server 2012 ทำได้ค่อนข้างง่ายตัวเลขด้านล่างแสดงให้เห็นถึงหลักการ windowing แถวปัจจุบันมีเครื่องหมายสีเหลือง หน้าต่างถูกทำเครื่องหมายด้วยพื้นหลังสีน้ำเงินค่าเฉลี่ยเคลื่อนที่เป็นเพียงค่าเฉลี่ยของ QuoteClose ในเส้นสีน้ำเงิน T-SQL หน้าต่างเฉลี่ยเคลื่อนที่ผลของการคำนวณใน SQL Server รุ่นเก่าจะเหมือนกันดังนั้นจึงจะไม่แสดงอีกครั้ง . SQL Server 2005 2008R2 Moving Average รุ่นนี้ใช้ประโยชน์จากการแสดงออกของตารางทั่วไป CTE คือการอ้างถึงตัวเองเพื่อรับ 20 แถวสุดท้ายสำหรับแต่ละ row. Moving Average ก่อน SQL Server 2005.The pr e 2005 รุ่นจะใช้ outer outer ซ้ายไปยังตารางเดียวกันเพื่อให้ได้ 20 แถวสุดท้ายตารางด้านนอกสามารถกล่าวได้ว่ามีหน้าต่างที่เราต้องการคำนวณเฉลี่ยในการเปรียบเทียบประสิทธิภาพหากเราใช้สามวิธีที่แตกต่างกันพร้อมกันและ ตรวจสอบแผนการดำเนินการผลมีความแตกต่างอย่างมากในการปฏิบัติงานระหว่าง methodsparision สามวิธีที่แตกต่างกันในการคำนวณค่าเฉลี่ยเคลื่อนที่เป็นคุณสามารถดูการปรับปรุงฟังก์ชัน windowing ใน SQL 2012 ทำให้แตกต่างกันมากในการปฏิบัติตามที่กล่าวถึงในการเริ่มต้นของ โพสต์นี้ค่าเฉลี่ยเคลื่อนที่จะถูกใช้เป็นเครื่องมือในการอธิบายถึงแนวโน้มวิธีการทั่วไปคือการรวมค่าเฉลี่ยเคลื่อนที่ของความยาวที่ต่างกันเพื่อให้ทราบถึงการเปลี่ยนแปลงในแนวโน้มระยะสั้นระยะกลางและระยะยาวตามลำดับโดยเฉพาะความสนใจคือการข้ามเส้นแนวโน้ม ตัวอย่างเช่นเมื่อแนวโน้มระยะสั้นเคลื่อนที่ไปตามแนวโน้มระยะยาวหรือระยะกลางอาจถูกตีความว่าเป็นสัญญาณซื้อในการวิเคราะห์ทางเทคนิคและเมื่อแนวโน้มระยะสั้นเคลื่อนที่ไปตาม เส้นแนวโน้มที่ยาวขึ้นนี้สามารถตีความได้ว่าเป็นสัญญาณการขายแผนภูมิด้านล่างแสดงคำคม Ma20, Ma50 และ Ma200.T-SQL Ma20, Ma50, Ma200 สัญญาณซื้อและขายบทความบล็อกนี้เป็นส่วนหนึ่งของซีรี่ส์เกี่ยวกับการวิเคราะห์ทางเทคนิค , TA ใน SQL Server ดูโพสต์อื่น ๆ ที่นี่โพสต์โดย Tomas Lind. Moving Average ตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้จุดสูงสุดและหุบเขาไม่สม่ำเสมอ รู้จักดูแนวโน้ม 1 อันดับแรกลองดูซีพียูของเราที่นี่ 2 บนแท็บข้อมูลคลิกการวิเคราะห์ข้อมูลหมายเหตุอาจไม่พบปุ่มการวิเคราะห์ข้อมูลคลิกที่นี่เพื่อโหลด Add-In Toolkit การวิเคราะห์ 3 เลือก Moving Average คลิก OK.4 คลิกที่กล่อง Input Range และเลือกช่วง B2 M2.5 คลิกที่ช่อง Interval และพิมพ์ 6.6 คลิกที่ Output Range box และเลือกเซลล์ B3.8 วาดกราฟของค่าเหล่านี้อธิบายได้เนื่องจากเราตั้งค่า ช่วงที่ 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและดาปัจจุบัน ta point ผลให้ยอดและหุบเขาถูกทำให้ราบเรียบกราฟแสดงแนวโน้มการเพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกเนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้มากพอ 9 ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วง 2 และช่วง ระยะห่างที่สั้นกว่าค่าเฉลี่ยเคลื่อนที่ที่ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่จะเท่ากับจุดข้อมูลที่เกิดขึ้นค่าเฉลี่ยเคลื่อนที่ที่เป็นค่าลบ - EMABREAKING DOWN ค่าเฉลี่ยเคลื่อนที่ที่ระบุไว้ - EMA. 12 - และ EMA 26 วันเป็นค่าเฉลี่ยระยะสั้นที่ได้รับความนิยมมากที่สุดและใช้เป็นตัวบ่งชี้เช่นความแตกต่างของค่าเฉลี่ยของการเคลื่อนตัว MACD และค่าร้อยละของค่าเฉลี่ย PPO โดยทั่วไป EMA 50 และ 200 วันจะถูกใช้เป็นสัญญาณ ของแนวโน้มในระยะยาวผู้หางานที่ใช้การวิเคราะห์ทางเทคนิคพบค่าเฉลี่ยเคลื่อนที่ที่มีประโยชน์และลึกซึ้งเมื่อใช้อย่างถูกต้อง แต่สร้างความหายนะเมื่อใช้ไม่ถูกต้องหรือตีความผิดค่าเฉลี่ยเคลื่อนที่ทั้งหมดที่ใช้กันทั่วไปใน การวิเคราะห์ทางเทคนิคเป็นไปตามธรรมชาติของพวกเขาตัวชี้วัดที่ล่าช้าดังนั้นข้อสรุปที่ได้จากการใช้ค่าเฉลี่ยเคลื่อนที่ไปยังแผนภูมิตลาดหนึ่ง ๆ ควรเป็นไปเพื่อยืนยันการเคลื่อนไหวของตลาดหรือเพื่อบ่งชี้ถึงความแข็งแกร่งของตัวเองโดยปกติแล้วช่วงเวลาที่เส้นค่าเฉลี่ยเคลื่อนที่มี ทำให้การเปลี่ยนแปลงเพื่อสะท้อนถึงการย้ายที่สำคัญในตลาดจุดที่เหมาะสมที่สุดของการเข้าสู่ตลาดได้ผ่านไปแล้ว EMA จะทำหน้าที่ในการบรรเทาปัญหาภาวะที่กลืนไม่เข้าคายไม่ออกนี้ไปบ้างเนื่องจากการคำนวณ EMA จะให้น้ำหนักกับข้อมูลล่าสุดมากขึ้น bit tighter และตอบสนองได้เร็วขึ้นนี่เป็นสิ่งที่พึงปรารถนาเมื่อใช้ EMA เพื่อหาสัญญาณการซื้อขายเข้ามาแทรกแซงค่า EMA เช่นเดียวกับตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่ทั้งหมดจะดีกว่าสำหรับตลาดที่มีแนวโน้มเมื่อตลาดอยู่ในภาวะขาขึ้นอย่างแข็งแกร่งและยั่งยืน เส้น EMA จะแสดงแนวโน้มขาขึ้นและทางกลับกันสำหรับแนวโน้มขาลงผู้ประกอบการที่ระมัดระวังจะไม่เพียงให้ความสนใจกับทิศทางของสาย EMA แต่ยังรวมถึงความสัมพันธ์ n ของอัตราการเปลี่ยนแปลงจากแถบหนึ่งไปยังอีกยกตัวอย่างเช่นในขณะที่การดำเนินการด้านราคาของขาขึ้นที่แข็งแกร่งเริ่มย่อและย้อนกลับอัตราการเปลี่ยนแปลงของ EMA จากแถบหนึ่งไปยังอีกหน้าจะเริ่มลดลงไปจนกว่าจะถึงเวลาดังกล่าว ตัวบ่งชี้บรรทัด flattens และอัตราการเปลี่ยนแปลงเป็นศูนย์เนื่องจากผลล้าหลังโดยจุดนี้หรือแม้กระทั่งไม่กี่บาร์ก่อนการกระทำราคาควรได้กลับรายการแล้วดังนั้นจึงตามที่สังเกตลดลงสอดคล้องในอัตราการเปลี่ยนแปลงของ EMA สามารถนำมาใช้เป็นตัวบ่งชี้ที่สามารถช่วยแก้ปัญหาภาวะที่กลืนไม่เข้าคายไม่มอันเป็นผลมาจากผลกระทบที่เกิดจากการเคลื่อนย้ายโดยเฉลี่ยการใช้ EMA. EMAs มักใช้ควบคู่กับตัวชี้วัดอื่น ๆ เพื่อยืนยันการย้ายตลาดที่สำคัญและวัดความถูกต้องของข้อมูลเหล่านี้สำหรับผู้ค้าที่ค้าขาย ตลาดในวันและการเคลื่อนไหวที่รวดเร็ว EMA มีผลบังคับใช้ค่อนข้างบ่อยนักค้ามักใช้ EMA เพื่อพิจารณาความลำเอียงการค้าตัวอย่างเช่นถ้า EMA ในแผนภูมิรายวันแสดงให้เห็นถึงแนวโน้มที่แข็งแกร่งขึ้น tegy อาจจะค้าเฉพาะจากด้านยาวบนแผนภูมิ intraday