ง่าย 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 ค่าเฉลี่ยเคลื่อนที่สามารถคำนวณได้จากชุดข้อมูลลำดับใด ๆ รวมถึงราคาเปิดและปิดราคาสูงสุดและต่ำสุดปริมาณการซื้อขายหรือตัวชี้วัดอื่น 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) เป็นราคาปิดปัจจุบัน 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 ต่อไปนี้คือประเภทของค่าเฉลี่ยเคลื่อนที่ในแผนภูมิ: ค่าเฉลี่ยเคลื่อนที่แบบเคลื่อนที่เฉลี่ย (SMA) ค่าเฉลี่ยเคลื่อนที่แบบเลื่อนลอย (EMA) Smoothed Moving Average (SMMA) ค่าเฉลี่ยเคลื่อนที่แบบลอยตัวเชิงเส้น (LWMA) ฟังก์ชันการทำงานนี้เป็นแบบทดลองและอาจมีการเปลี่ยนแปลงหรือลบออกได้ในอนาคต ปล่อย. Elastic จะใช้แนวทางความพยายามที่ดีที่สุดในการแก้ไขปัญหาใด ๆ แต่คุณลักษณะทดลองจะไม่อยู่ภายใต้ SLA การสนับสนุนคุณลักษณะ GA อย่างเป็นทางการ เมื่อได้รับชุดคำสั่งข้อมูลการรวมการย้ายเฉลี่ยจะเลื่อนหน้าต่างไปที่ข้อมูลและปล่อยค่าเฉลี่ยของหน้าต่างดังกล่าว ตัวอย่างเช่นให้ข้อมูล 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. เราสามารถคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆที่มีขนาดหน้าต่างเท่ากับ 5 ดังนี้: ค่าเฉลี่ยเคลื่อนที่คือวิธีง่ายๆในการทำให้ลำดับที่ราบรื่น ข้อมูล. โดยปกติจะใช้ค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลตามเวลาเช่นราคาหุ้นหรือเมตริกเซิร์ฟเวอร์ การปรับให้เรียบสามารถใช้เพื่อลดความผันผวนของความถี่สูงหรือสัญญาณรบกวนแบบสุ่มซึ่งจะช่วยให้แนวโน้มความถี่ต่ำสามารถมองเห็นได้ง่ายขึ้นเช่นฤดูกาล Syntaxedit Linearedit โมเดลเชิงเส้นกำหนดการถ่วงน้ำหนักเชิงเส้นไปยังจุดในซีรีส์เช่นว่า datapoints ที่เก่ากว่า (เช่นที่จุดเริ่มต้นของหน้าต่าง) มีส่วนร่วมน้อยลงกับค่าเฉลี่ยโดยรวม การถ่วงน้ำหนักเชิงเส้นช่วยลดความล่าช้าหลังค่าเฉลี่ยของข้อมูลเนื่องจากจุดที่มีอายุน้อยกว่ามีอิทธิพลน้อยลง แบบจำลองเชิงเส้นไม่มีการกำหนดค่าพิเศษเช่นเดียวกับรูปแบบง่ายๆขนาดหน้าต่างสามารถเปลี่ยนพฤติกรรมของค่าเฉลี่ยเคลื่อนที่ได้ ตัวอย่างเช่นหน้าต่างเล็ก ๆ (หน้าต่าง: 10) จะติดตามข้อมูลอย่างใกล้ชิดและทำให้เกิดความผันผวนของขนาดเล็ก: ภาพที่ 3 ค่าเฉลี่ยเคลื่อนที่เชิงเส้นที่มีหน้าต่างขนาด 10 ในทางตรงกันข้ามค่าเฉลี่ยของเส้นตรงกับหน้าต่างขนาดใหญ่ (หน้าต่าง: 100) จะทำให้ความผันผวนของความถี่สูงขึ้นและลดลงเพียงอย่างเดียว นอกจากนี้ยังมีแนวโน้มที่จะล้าหลังข้อมูลที่เกิดขึ้นจริงตามจำนวนที่มากถึงแม้ว่าโดยทั่วไปจะน้อยกว่าโมเดลง่ายๆก็ตามรูปที่ 4 ค่าเฉลี่ยของการเคลื่อนที่เชิงเส้นที่มีหน้าต่างขนาด 100 Multiplicative Holt-Wintersedit Multiplicative ถูกระบุโดยประเภทการตั้งค่า: mult ความหลากหลายนี้เป็นที่ต้องการเมื่อผลกระทบตามฤดูกาลคูณกับข้อมูลของคุณ เช่น. ถ้าผลกระทบตามฤดูกาลเป็น x5 ข้อมูลมากกว่าแค่เพิ่มเข้าไป ค่าเริ่มต้นของ alpha และ gamma เท่ากับ 0.3 ในขณะที่เบต้าคือ 0.1 การตั้งค่าจะยอมรับ float จาก 0-1 ค่าดีฟอลต์ของช่วงคือ 1 รุ่น Holt-Winters แบบทวีคูณสามารถย่อเล็กสุด Holt-Winters ทำงานโดยการหารข้อมูลแต่ละจุดตามมูลค่าตามฤดูกาล นี่เป็นปัญหาถ้าข้อมูลใดของคุณเป็นศูนย์หรือหากมีช่องว่างในข้อมูล (เนื่องจากเป็นผลให้เกิดการหารเป็นศูนย์) ในการต่อสู้กับเรื่องนี้ mult Holt-Winters จะกำหนดค่าทั้งหมดด้วยจำนวนที่น้อยมาก (110 -10) เพื่อให้ค่าทั้งหมดไม่ใช่ศูนย์ นี้มีผลต่อผล แต่น้อยที่สุด หากข้อมูลของคุณไม่ใช่ศูนย์หรือคุณต้องการเห็น NaN เมื่อพบ Zero คุณสามารถปิดใช้งานลักษณะการทำงานนี้ได้โดยใช้ pad: false Predictionedit โมเดลเฉลี่ยเคลื่อนที่ทั้งหมดสนับสนุนโหมดการคาดการณ์ซึ่งจะพยายามคาดการณ์ในอนาคตในปัจจุบัน เรียบค่าเฉลี่ยเคลื่อนที่ ขึ้นอยู่กับรุ่นและพารามิเตอร์การคาดการณ์เหล่านี้อาจเป็นไปได้หรือไม่ถูกต้อง การคาดการณ์จะเปิดใช้งานโดยการเพิ่มพารามิเตอร์การคาดการณ์ในการรวมค่าเฉลี่ยที่เคลื่อนที่โดยระบุจำนวนการคาดคะเนที่คุณต้องการจะเพิ่มต่อท้ายชุด การคาดคะเนเหล่านี้จะเว้นระยะห่างออกจากช่วงเวลาเดียวกับที่ฝากข้อมูล: แบบง่ายๆ แบบเส้นตรงและแบบอีเอ็มเอทั้งหมดจะทำให้เกิดการคาดเดาแบบแบน: โดยทั่วไปจะเป็นไปตามค่าเฉลี่ยของค่าสุดท้ายในชุดการผลิตแบบแบน: รูปที่ 11 ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยที่มีหน้าต่างขนาด 10, ทำนาย 50 ในทางตรงกันข้ามโมเดล holt สามารถคาดการณ์ได้ แนวโน้มในระดับท้องถิ่นหรือระดับโลก ถ้าเราตั้งค่าเบต้าสูงเราสามารถคาดการณ์ได้ตามแนวโน้มคงที่ในท้องถิ่น (ในกรณีนี้การคาดการณ์จะลดลงเนื่องจากข้อมูล ณ สิ้นชุดกำลังมุ่งหน้าไปสู่ทิศทางที่ลดลง): รูปที่ 12 ค่าเฉลี่ยเคลื่อนที่แบบ Holt-Linear มีหน้าต่างขนาด 100, ทำนาย 20, alpha 0.5, beta 0.8 ในทางตรงกันข้ามถ้าเราเลือก beta ขนาดเล็ก การคาดการณ์จะขึ้นอยู่กับแนวโน้มคงที่ทั่วโลก ในซีรีส์นี้แนวโน้มของโลกมีความเป็นบวกเล็กน้อยดังนั้นการทำนายจะทำให้มีการเลี้ยวกลับที่ระดับความคมชัดและเริ่มมีความลาดชันบวก: รูปที่ 13 ค่าเฉลี่ยเคลื่อนที่ที่มีการใช้คู่กับเส้นผ่านศูนย์กลาง 100, ทำนาย 20, alpha 0.5, beta 0.1 มีความสามารถในการคาดการณ์ที่ดีที่สุดเนื่องจากมีการผันผวนของฤดูกาลตามรูปแบบดังต่อไปนี้รูปที่ 14. Holt-winters moving average โดยมีหน้าต่างขนาด 120 ทำนาย 25, alpha 0.8, beta 0.2, gamma 0.7, period 30 ค่ามัธยฐานของการเคลื่อนย้าย - SMA BREAKING DOWN Average Moving Average - SMA ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายสามารถปรับแต่งได้โดยสามารถคำนวณได้ตามช่วงเวลาต่าง ๆ โดยการเพิ่มราคาปิดของการรักษาความปลอดภัยเป็นระยะเวลาหนึ่งจากนั้นจึงหารจำนวนรวมทั้งหมดโดย จำนวนช่วงเวลาที่ให้ราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลา ค่าเฉลี่ยเคลื่อนที่ที่เรียบช่วยขจัดความผันผวนและทำให้สามารถดูแนวโน้มราคาของหลักทรัพย์ได้ง่ายขึ้น หากค่าเฉลี่ยเคลื่อนที่ขึ้นเล็กน้อยหมายความว่าราคาหลักทรัพย์เพิ่มมากขึ้น หากมีการชี้ลงหมายความว่าราคาหลักทรัพย์ลดลง ระยะเวลาที่ยาวขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่จะยิ่งทำให้ค่าเฉลี่ยเคลื่อนที่เรียบขึ้น ค่าเฉลี่ยเคลื่อนที่ระยะสั้นมีความผันผวนมากขึ้น แต่การอ่านมีความใกล้เคียงกับข้อมูลต้นฉบับ ความสำคัญเชิงวิเคราะห์ค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือวิเคราะห์ที่สำคัญซึ่งใช้ในการระบุแนวโน้มราคาในปัจจุบันและศักยภาพในการเปลี่ยนแปลงแนวโน้มที่กำหนดไว้ รูปแบบที่ง่ายที่สุดในการใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆในการวิเคราะห์คือการใช้เพื่อระบุว่าการรักษาความปลอดภัยอยู่ในขาขึ้นหรือขาลงอย่างรวดเร็วหรือไม่ อีกเครื่องมือวิเคราะห์ที่ได้รับความนิยมแม้ว่าจะมีความซับซ้อนมากกว่าเล็กน้อย แต่ก็คือการเปรียบเทียบคู่ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆกับแต่ละเฟรมเวลาที่ต่างกัน หากค่าเฉลี่ยเคลื่อนที่แบบระยะสั้นอยู่เหนือค่าเฉลี่ยระยะยาวคาดว่าจะมีแนวโน้มขาขึ้น ในทางกลับกันค่าเฉลี่ยระยะยาวที่สูงกว่าค่าเฉลี่ยระยะสั้นจะส่งผลให้แนวโน้มการปรับตัวลดลง รูปแบบการค้าที่นิยมใช้รูปแบบการซื้อขายสองรูปแบบที่นิยมใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ ได้แก่ เครื่องหมายกากบาทและกากบาทสีทอง การเสียชีวิตเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ 50 วันที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 200 วัน ถือเป็นสัญญาณขาลงที่มีการขาดทุนเพิ่มขึ้น เครื่องหมายกากบาทสีทองเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ระยะสั้นอยู่เหนือค่าเฉลี่ยเคลื่อนที่ในระยะยาว การค้าขายกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายวิธีการค้าขายกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายดังนั้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายคืออะไร เมื่อคุณเริ่มต้นที่จะลอกเปลือกหอม, ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายคืออะไร แต่ง่าย บทความนี้จะครอบคลุมหัวข้อต่างๆเพื่อตั้งชื่อไม่กี่เรื่องเราจะพูดถึงสูตรค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายค่าเฉลี่ยเคลื่อนที่ที่นิยม (5, 10, 200) บางตัวอย่างที่เคลื่อนที่โดยเฉลี่ยและวิธีการข้ามไขว้เพียงเล็กน้อย มีแหล่งข้อมูลอื่น ๆ อีกสองสามแห่งที่ผมต้องการชี้ก่อนที่คุณจะดำเนินการต่อบทความ (1) เครื่องมือจำลองการซื้อขาย (คุณจะต้องฝึกฝนสิ่งที่ได้เรียนรู้) และ (2) บทความเคลื่อนไหวเฉลี่ยเพิ่มเติมเพื่อให้เข้าใจถึงค่าเฉลี่ยโดยรวม (Displaced Moving Average ค่าเฉลี่ยการเคลื่อนที่แบบ Exponential Average ค่าเฉลี่ยเคลื่อนที่ Triple Exponential) Simple Moving Average Formula ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย (SMA) เป็นค่าเฉลี่ยเคลื่อนที่ที่สุดที่ใช้ในการซื้อขาย สูตรเฉลี่ยถ่วงน้ำหนักแบบง่ายๆคำนวณโดยใช้ราคาปิดเฉลี่ยของหุ้นในช่วง x ล่าสุด ลองดูตัวอย่างค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ด้วย MSFT ราคาปิดบัญชีสุดท้าย 5 ครั้งสำหรับ MSFT คือ: ในการคำนวณสูตรค่าเฉลี่ยเคลื่อนที่แบบง่ายคุณจะแบ่งราคาปิดทั้งหมดหารด้วยจำนวนงวด SMA 5 วัน 143.245 28.65 ค่าเฉลี่ยเคลื่อนที่แบบธรรมดายอดนิยมในทางทฤษฎีมีค่าเฉลี่ยเคลื่อนที่แบบไม่ จำกัด จำนวน ถ้าคุณคิดว่าคุณจะมากับบางแปลก 46 SMA ที่จะชนะตลาดให้ฉันหยุดคุณตอนนี้ สิ่งสำคัญคือต้องใช้ SMA ที่พบบ่อยที่สุดเพราะเป็นสิ่งที่ผู้ค้าส่วนใหญ่จะใช้เป็นประจำทุกวัน ในขณะที่ฉันไม่สนับสนุนคุณตามคนอื่น ๆ สิ่งสำคัญที่ต้องรู้ว่าผู้ค้ารายอื่นกำลังมองหาคำแนะนำ ด้านล่างเป็น SMA ที่พบมากที่สุดที่ใช้ในตลาด: 5 - SMA - สำหรับผู้ประกอบการค้าระดับไฮเปอร์ สั้นของ SMA นี้อย่างต่อเนื่องจะให้สัญญาณ การใช้ที่ดีที่สุดของ 5-SMA เป็นตัวกระตุ้นการค้าร่วมกับระยะเวลา SMA ที่ยาวขึ้น 10-SMA - เป็นที่นิยมของผู้ค้าระยะสั้น พ่อค้าแกว่งที่ดีและผู้ค้ารายวัน 20-SMA - จุดสุดท้ายบนรถประจำทางสำหรับผู้ค้าระยะสั้น นอกเหนือจาก 20-SMA แล้วคุณจะมองไปที่แนวโน้มหลัก ๆ 50-SMA - ใช้ผู้ค้าเพื่อวัดแนวโน้มระยะกลาง 50 moving average average moving average 200-SMA - ยินดีต้อนรับสู่โลกของผู้ติดตามแนวโน้มในระยะยาว นักลงทุนส่วนใหญ่จะมองข้ามหรือต่ำกว่าค่าเฉลี่ยนี้เพื่อแสดงว่าหุ้นอยู่ในแนวโน้มรั้นหรือขาประจำ 200 average average moving average average กฎพื้นฐานสำหรับการซื้อขายกับ SMA ผู้ค้าส่วนใหญ่จะบอกให้คุณทราบว่าจะขาย crossovers เฉลี่ยที่เคลื่อนที่อย่างง่ายและผลกำไรจะตกจากสวรรค์ ดีโชคร้ายนี้ไม่ถูกต้อง บ่อยครั้งที่หุ้นจะแตะหรือต่ำกว่าค่าเฉลี่ยเคลื่อนที่เพื่อดำเนินการต่อในทิศทางหลักเท่านั้น นี้จะทำให้คุณผิดด้านของตลาดและลงในตำแหน่งของคุณ ด้านล่างมีไม่กี่วิธีในการทำเงินซื้อขาย SMA ไปที่ Primary Trend ค้นหาหุ้นที่พังขึ้นหรือลงอย่างแรงใช้ SMAs ต่อไปนี้ 5,10,20,40,200 เพื่อดูว่าการตั้งค่าใดที่มีราคาที่ดีที่สุดเมื่อคุณระบุ SMA ที่ถูกต้องแล้วให้รอราคาที่จะทดสอบ SMA ประสบความสำเร็จและมองหาการยืนยันราคาว่าสต็อกกลับมาสู่ทิศทางของเทรนด์หลักป้อนการซื้อขายในแถบถัดไป Fade the Primary Trend ใช้สองค่าเฉลี่ยเคลื่อนที่แบบธรรมดาค้นหาหุ้นที่พังขึ้นหรือลงอย่างมากเลือกค่าเฉลี่ยเคลื่อนที่สองค่าที่เรียบง่าย เพื่อใช้กับแผนภูมิ (เช่น 5 และ 10) ตรวจสอบให้แน่ใจว่าราคาไม่ได้รับการสัมผัส SMA 5 หรือ 10 SMA มากเกินไปในช่วง 10 บาร์รอให้ราคาปิดด้านบนหรือด้านล่างทั้งสองค่าเฉลี่ยเคลื่อนที่ในทิศทางการนับถอยหลังของ แนวโน้มหลักในแถบเดียวกันป้อนการค้าในแถบถัดไปตัวอย่างชีวิตจริงจะมีแนวโน้มเป็นหลักโดยใช้ SMA ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายอาจเป็นหนึ่งในรูปแบบพื้นฐานที่สุดของการวิเคราะห์ทางเทคนิค แม้แต่แกนหลักที่ยากจะมีสิ่งหนึ่งหรือสองข้อที่จะพูดเกี่ยวกับตัวบ่งชี้ ผู้ค้าต้องระมัดระวังเนื่องจากมีค่าเฉลี่ยที่ไม่ จำกัด จำนวนที่คุณสามารถใช้และจากนั้นคุณจะโยนกรอบเวลาหลายครั้งในการผสมและคุณมีแผนภูมิที่ยุ่งเหยิง ด้านล่างนี้เป็นแบบทีละบทสำหรับการใช้ค่าเฉลี่ยเคลื่อนที่ในแผนภูมิระหว่างวัน ในตัวอย่างด้านล่างเราจะกล่าวถึงด้านขวาของแนวโน้มหลังจากวางตำแหน่งที่ยาวนาน กราฟด้านล่างนี้มาจาก TIBCO (TIBX) เมื่อวันที่ 24 มิถุนายน 2554 ตัวอย่างการเคลื่อนไหวอย่างง่ายตัวอย่างเช่นหุ้นมีการฝ่าการเปิดและปิดใกล้ระดับสูงของเชิงเทียน ผู้ประกอบการเทรนเนอร์จะใช้โอกาสนี้เพื่อกระโดดลงไปบนรถไฟและวางจุดต่ำลงต่ำกว่าเทียนเปิด ณ จุดนี้คุณสามารถใช้ค่าเฉลี่ยเคลื่อนที่เพื่อวัดความแรงของแนวโน้มในปัจจุบันได้ ในตัวอย่างแผนภูมินี้เราใช้ค่าเฉลี่ยเคลื่อนที่ 10 ช่วง Simple Moving Average - เมื่อต้องการขายตอนนี้กำลังดูแผนภูมิด้านบนคุณคิดว่าคุณจะขายได้อย่างไรในระดับ 26.40 โดยใช้ค่าเฉลี่ยเคลื่อนที่แบบธรรมดาให้ฉันช่วยคุณได้ที่นี่ คุณจะไม่มีเงื่อนงำเลย นักลงทุนจำนวนมากพยายามที่จะใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆเพื่อทำนายจุดขายและจุดขายที่แน่นอนบนแผนภูมิ พ่อค้าอาจสามารถดึงออกได้โดยใช้ค่าเฉลี่ยหลายค่าสำหรับทริกเกอร์ แต่ค่าเฉลี่ยเพียงอย่างเดียวจะไม่เพียงพอ เพื่อประหยัดเวลาและปวดศีรษะและใช้ค่าเฉลี่ยเพื่อพิจารณาความแรงของการเคลื่อนที่ ตอนนี้ดูอีกที่แผนภูมิ คุณเห็นว่ากราฟกำลังเริ่มหมุนเวียนเมื่อค่าเฉลี่ยกำลังเริ่มแผ่ออกไป พ่อค้าฝ่าวงล้อมต้องการอยู่ห่างจากกิจกรรมประเภทนี้เนื่องจากเงินในตัวอย่างนี้เติบโตขึ้นเมื่อราคาหุ้นเพิ่มขึ้น ตอนนี้อีกครั้งถ้าคุณกำลังจะขายบนไม้กางเขนผ่านค่าเฉลี่ยนี้อาจทำงานบางเวลา แต่เมื่อเวลาผ่านไปคุณจะสิ้นสุดการสูญเสียเงินหลังจากที่คุณคิดค่าคอมมิชชั่น หากคุณไม่เชื่อฉันลองเพียงแค่ซื้อและขายโดยอิงตามตารางราคาที่ขึ้นหรือต่ำกว่าค่าเฉลี่ยเคลื่อนที่ โปรดจำไว้ว่าถ้ามันเป็นเรื่องง่ายที่พ่อค้าทุกคนในโลกจะทำเงินมือกำปั้น Flat Simple Moving Average ลองดูค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่และแนวโน้มหลัก ฉันชอบเรียกการตั้งค่า grail ศักดิ์สิทธิ์นี้ นี่คือการตั้งค่าที่คุณจะเห็นในหนังสือและการสัมมนา เพียงซื้อในการฝ่าวงล้อมและขายเมื่อหุ้นหลุดลงมาใต้การกระทำของราคา ตารางด้านล่างเป็นแผนภูมิระหว่างวันของ Sina Corporation (SINA) ตั้งแต่วันที่ 24 มิถุนายน 2554 ดูว่ากราฟราคามีความชัดเจนสูงกว่าค่าเฉลี่ยเคลื่อนที่เฉลี่ย 20- รอบอย่างไร Simple Moving Average - ตัวอย่างที่สมบูรณ์แบบไม่ว่าจะเป็นแผนภูมิที่สวยงามคุณซื้อในราคาเปิดที่ 80 และขายได้เมื่อปิดที่ 92 กำไร 15 อย่างรวดเร็วในหนึ่งวันและคุณไม่จำเป็นต้องยกนิ้วขึ้น สมองเป็นสิ่งที่ตลก ฉันจำได้ว่าเห็นแผนภูมิแบบนี้เมื่อฉันเริ่มต้นซื้อขายแล้วฉันจะซื้อการตั้งค่าที่ตรงกับกิจกรรมตอนเช้า ฉันจะมองหาประเภทเดียวกันของปริมาณและการกระทำราคาเพียงเพื่อต่อมาจะตีในหน้าตามความเป็นจริงเมื่อเล่นของฉันไม่ได้มีแนวโน้มเช่นกัน นี่คือความท้าทายที่แท้จริงกับการซื้อขายสิ่งที่ทำงานได้ดีในหนึ่งแผนภูมิจะไม่ทำงานได้ดีในอีกด้านหนึ่ง โปรดจำไว้ว่า 20-SMA ทำงานได้ดีในตัวอย่างนี้ แต่คุณไม่สามารถสร้างระบบสร้างรายได้จากการเล่นได้ ตัวอย่างชีวิตจริงที่เกิดขึ้นกับเทรนด์หลักโดยใช้ SMA อีกวิธีหนึ่งในการค้าโดยใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายคือการไปตอบโต้กับแนวโน้ม หนึ่งในความเป็นไปได้สูงกว่าการเล่นคือการถ่วงการเคลื่อนไหวของช่องว่าง มีการศึกษาเกี่ยวกับช่องว่างจำนวนมาก ขึ้นอยู่กับช่วงเวลาในตลาดหุ้น (แนวราบ 60s, booms 90s ปลายหรือความผันผวนของ 2000s) สมมติฐานที่ปลอดภัยว่าช่องว่างจะเติม 50 ของเวลา การตรวจสอบความถูกต้องอื่นที่ผู้ประกอบการค้าสามารถใช้เมื่อไปเคาน์เตอร์อยู่ใกล้หรือน้อยกว่าค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ในตัวอย่างด้านล่าง FSLR มีช่องว่างที่มั่นคงเท่ากับ 4. หลังจากช่องว่างมีการปรับขึ้นอย่างมาก คุณต้องระมัดระวังอย่างมากกับวิธีการนับ หากคุณอยู่ในด้านที่ไม่ถูกต้องของการค้าคุณและคนอื่น ๆ ที่มีตำแหน่งของคุณจะเป็นเชื้อเพลิงสำหรับขาขึ้นต่อไป ให้ไปข้างหน้าอย่างรวดเร็วไม่กี่ชั่วโมงบนแผนภูมิ FSLR Short Trend เมื่อใดก็ตามที่คุณไปสั้น ๆ และหุ้นไม่น้อยที่จะกู้คืนและความผันผวนแห้งขึ้นคุณอยู่ในจุดที่ดี สังเกตว่า FSLR ยังคงลดลงตลอดทั้งวันที่ไม่สามารถต่อสู้ได้ ตอนนี้ให้กระโดดไปข้างหน้าหนึ่งวันเพื่อ 1 กรกฎาคม 2011 และคาดเดาสิ่งที่เกิดขึ้นคุณได้มันช่องว่างที่เต็มไป FSLR Gap Filled Simple Moving Average Crossover Strategy ค่าเฉลี่ยเคลื่อนที่โดยตัวคุณเองจะเป็นเส้นทางที่ดีสำหรับการซื้อขายในตลาด แต่สิ่งที่เกี่ยวกับการเคลื่อนไหวไขว้เฉลี่ยเป็นทริกเกอร์สำหรับการเข้าและปิดการค้า ให้ฉันใช้ท่าทางที่ชัดเจนเกี่ยวกับเรื่องนี้และบอกว่าฉันไม่ใช่แฟนของกลยุทธ์นี้ แรกค่าเฉลี่ยเคลื่อนที่โดยตัวเองเป็นตัวบ่งชี้ปกคลุมด้วยวัตถุฉนวนตอนนี้คุณชั้นในความคิดที่ว่าคุณต้องรอให้ตัวบ่งชี้ปกคลุมด้วยวัตถุฉนวนที่จะข้ามตัวบ่งชี้ที่ปกคลุมด้วยวัตถุฉนวนอื่นเป็นเพียงความล่าช้ามากเกินไปสำหรับฉัน ถ้าคุณมองไปรอบ ๆ เว็บหนึ่งในค่าเฉลี่ยเคลื่อนที่ที่ง่ายที่สุดที่จะใช้กับกลยุทธ์ไขว้คือ 50 และ 200 วัน เมื่อค่าเฉลี่ยเคลื่อนที่เฉลี่ย 50 เส้นข้ามค่าเฉลี่ยเคลื่อนที่ 200 เส้นจะสร้างรูปกางเขนสีทอง ในทางตรงกันข้ามเมื่อค่าเฉลี่ยเคลื่อนที่เฉลี่ย 50 เส้นข้ามต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 200 อันทำให้เกิดการเสียชีวิต ฉันพูดถึงเรื่องนี้เท่านั้นเพื่อให้คุณทราบถึงการตั้งค่าซึ่งอาจใช้สำหรับการลงทุนระยะยาว ตั้งแต่ Tradingsim มุ่งเน้นการซื้อขายวันให้ฉันอย่างน้อยวิ่งผ่านบางกลยุทธ์พื้นฐานครอสโอเวอร์ Moving Average Crossovers และการซื้อขายประจำวันสอง Crossover Crossover Movement ง่ายง่ายในช่วงต้นอาชีพการค้าของฉันและเมื่อฉันพูดต้นฉันหมายถึงไม่กี่เดือนแรกฉันมีความคิดที่สดใสของการใช้กลยุทธ์เฉลี่ยเคลื่อนที่เพื่อให้ฉันพบความมั่งคั่งใหม่ ฉันตั้งรกรากใน SMAs 5 และ 10 ระยะเวลาและเพิ่งซื้อเป็น 5 ข้ามเหนือ 10 และขายสั้น ๆ เมื่อ 5 ข้ามด้านล่าง 10 ฉันคิดว่าฉันเป็นขั้นสูงจริงๆเมื่อฉันตัดสินใจที่จะไม่เพียง แต่ใช้ระบบนี้สุ่มสี่สุ่มห้า แต่เพื่อเรียกใช้ การวิเคราะห์หุ้นที่มีผลลัพธ์ที่ดีที่สุด ที่คุณสามารถจินตนาการได้ในระยะยาวผมเริ่มสูญเสียเงิน ฉันได้รับหัวข้อที่ฉันคิดว่าฉันแล้วทำให้มันชัดเจน Im ไม่พัดลมของการเคลื่อนไหวข้ามเฉลี่ย ดังนั้นให้พูดคุยผ่านการใช้สองเฉลี่ยอย่างง่าย สิ่งแรกที่ต้องทราบคือคุณต้องการเลือกค่าเฉลี่ยเคลื่อนที่สองค่าที่เกี่ยวข้องกับแต่ละอื่น ๆ ตัวอย่างเช่น 10 คือครึ่ง 20 หรือ 50 หรือ 200 เป็นค่าเฉลี่ยเคลื่อนที่ที่นิยมมากที่สุดสำหรับนักลงทุนระยะยาว สิ่งที่สองมาเพื่อทำความเข้าใจกับทริกเกอร์สำหรับการซื้อขายกับค่าไขว้เฉลี่ยที่เคลื่อนไหว สัญญาณการซื้อหรือขายจะถูกเรียกใช้เมื่อค่าเฉลี่ยเคลื่อนที่ต่ำกว่าหรือต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่ใหญ่ขึ้น ซื้อบนไม้กางเขนขึ้นในตัวอย่างแผนภูมิด้านล่างของแอปเปิ้ลจาก 492013 Apple ช่วง SMA 10 ข้ามช่วงระยะเวลา SMA 20 คุณจะสังเกตเห็นว่าสต็อกมีการทำงานในวันดีจาก 424 ถึง 428.50 ไม่ว่าเพียงกราฟที่สวยงาม SMA ระยะเวลา 10 เป็นเส้นสีแดงและสีฟ้าเป็นระยะเวลา 20 ในตัวอย่างนี้คุณจะได้ซื้อเมื่อเส้นสีแดงปิดเหนือสีน้ำเงินซึ่งจะทำให้คุณมีจุดเริ่มต้นที่สูงกว่า 424 การขาย Cross Down ให้ดูเมื่อมีการเรียกใช้การดำเนินการขาย ในตัวอย่างนี้การดำเนินการขายได้รับการกระตุ้นเมื่อหุ้นปิดลงในวันที่ 4152013 ขณะนี้ทั้งสองตัวอย่างนี้คุณจะสังเกตเห็นว่าสต็อกสะดวกไปในทิศทางที่ต้องการด้วยแรงเสียดทานน้อยมาก นี่เป็นสิ่งที่ไกลที่สุดจากความเป็นจริง ถ้าคุณมองข้ามครอสโอเวอร์ที่เคลื่อนที่โดยเฉลี่ยในสัญลักษณ์ใด ๆ คุณจะสังเกตเห็นสัญญาณผิดพลาดและด้านข้างมากขึ้นกว่าตัวเลขที่ได้รับผลตอบแทนสูง เนื่องจากส่วนใหญ่ของหุ้นเวลาบนพื้นผิวย้ายในรูปแบบสุ่ม จำคนได้มันเป็นงานของผู้เล่นเงินใหญ่ปลอมคุณออกทุกครั้งเพื่อแยกคุณออกจากเงินของคุณ ด้วยการเพิ่มขึ้นของกองทุนป้องกันความเสี่ยงและระบบการซื้อขายอัตโนมัติ สำหรับการเล่นครอสโอเวอร์ทุกทำความสะอาดผมพบว่าผมอาจจะแสดงให้คุณอีกโหลหรือมากกว่าที่ไม่เล่นออกได้ดี นี้อีกครั้งคือเหตุผลที่ผมไม่แนะนำให้ใช้กลยุทธ์การครอสโอเวอร์เป็นวิธีที่แท้จริงสำหรับการทำเงินวันซื้อขายในตลาด หากคุณไม่คิดค่าใช้จ่ายแล้วค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายไม่ใช่ตัวบ่งชี้ที่คุณสามารถใช้เป็นตัวเรียกเดี่ยว ตอนนี้นั่นไม่ได้หมายความว่าตัวบ่งชี้ไม่สามารถเป็นเครื่องมือที่ยอดเยี่ยมสำหรับการเฝ้าติดตามทิศทางของเทรนด์หรือช่วยให้คุณทราบว่าเมื่อใดที่ตลาดเริ่มอ่อนล้าหลังจากการเคลื่อนไหวห่าม คิดว่า SMA เป็นเข็มทิศพื้นฐานมาก ถ้าคุณต้องการรายละเอียดพิกัดคุณจะต้องใช้เครื่องมืออื่น ๆ แต่อย่างน้อยคุณก็มีความคิดที่จะมุ่งหน้าไป โพสต์ที่เกี่ยวข้อง