7 จุด 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 จุดแรกได้เนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงที่ 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้น ระยะห่างที่สั้นลงค่าเฉลี่ยของค่าเฉลี่ยที่เคลื่อนที่ได้ใกล้เคียงกับจุดข้อมูลที่เกิดขึ้นจริงค่าเฉลี่ยโดยเฉลี่ยหากข้อมูลนี้ถูกวางแผนไว้บนกราฟจะมีลักษณะดังนี้: แสดงว่ามีความหลากหลายของจำนวนผู้เข้าชมขึ้นอยู่กับฤดูกาล . ในฤดูใบไม้ร่วงและฤดูหนาวมีน้อยมากในฤดูใบไม้ผลิและฤดูร้อน อย่างไรก็ตามหากเราต้องการเห็นแนวโน้มของจำนวนผู้เข้าชมเราสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้ 4 จุด เราทำเช่นนี้โดยหาจำนวนผู้เข้าชมเฉลี่ยในสี่ไตรมาสของปีพ. ศ. 2548: จากนั้นเราจะพบจำนวนผู้เข้าชมเฉลี่ยในช่วงสามไตรมาสสุดท้ายของปี 2548 และไตรมาสแรกของปี 2549: จากนั้นสองไตรมาสสุดท้ายของปี 2548 และสองไตรมาสแรก จากปี 2549: โปรดทราบว่าค่าเฉลี่ยล่าสุดที่เราสามารถหาได้คือช่วง 2 ไตรมาสสุดท้ายของปี 2549 และในช่วง 2 ไตรมาสแรกของปี 2550 เราคำนวณค่าเฉลี่ยเคลื่อนที่ของกราฟเพื่อให้แน่ใจว่าแต่ละค่าเฉลี่ยถูกวางแผนไว้ที่กึ่งกลางของสี่ไตรมาส ครอบคลุม: ขณะนี้เราสามารถเห็นว่ามีแนวโน้มลดลงเล็กน้อยในผู้เข้าชม 7 ผิดพลาดของการย้ายค่าเฉลี่ยค่าเฉลี่ยเคลื่อนที่เป็นราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาที่กำหนด นักวิเคราะห์มักใช้ค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือในการวิเคราะห์เพื่อให้ง่ายต่อการปฏิบัติตามแนวโน้มของตลาดในขณะที่การเคลื่อนไหวขึ้นและลง ค่าเฉลี่ยเคลื่อนที่สามารถสร้างเทรนด์และวัดโมเมนตัม ดังนั้นจึงสามารถใช้เพื่อระบุเมื่อนักลงทุนควรซื้อหรือขายหลักทรัพย์ที่เฉพาะเจาะจง นักลงทุนยังสามารถใช้ค่าเฉลี่ยเคลื่อนที่เพื่อระบุจุดสนับสนุนหรือจุดต้านทานเพื่อวัดเมื่อราคามีแนวโน้มที่จะเปลี่ยนแปลงทิศทาง โดยการศึกษาช่วงการซื้อขายในอดีตจุดสนับสนุนและจุดแข็งที่เกิดขึ้นจะมีขึ้นเมื่อราคาหลักทรัพย์กลับมามีแนวโน้มปรับตัวสูงขึ้นหรือลดลงในอดีต จุดเหล่านี้จะใช้ในการตัดสินใจซื้อหรือขาย แต่ค่าเฉลี่ยเคลื่อนที่ไม่ได้เป็นเครื่องมือที่เหมาะสำหรับการสร้างเทรนด์และแสดงให้เห็นถึงความเสี่ยงที่ลึกซึ้ง แต่มีนัยสำคัญต่อนักลงทุน นอกจากนี้ค่าเฉลี่ยเคลื่อนที่จะไม่สามารถใช้ได้กับทุกประเภทของ บริษัท และอุตสาหกรรม ข้อเสียสำคัญ ๆ ของค่าเฉลี่ยเคลื่อนที่ ได้แก่ 1. ค่าเฉลี่ยเคลื่อนที่คำนวณจากข้อมูลที่ผ่านมา พวกเขาไม่ได้คำนึงถึงการเปลี่ยนแปลงที่อาจส่งผลกระทบต่อประสิทธิภาพการทำงานในอนาคตของคู่แข่งเช่นคู่แข่งรายใหม่ความต้องการผลิตภัณฑ์ในอุตสาหกรรมที่สูงขึ้นหรือลดลงและการเปลี่ยนแปลงโครงสร้างการบริหารของ บริษัท 2. ค่าเฉลี่ยเคลื่อนที่จะแสดงการเปลี่ยนแปลงราคาที่สอดคล้องกันในช่วงเวลาหนึ่ง แต่น่าเสียดายที่ค่าเฉลี่ยเคลื่อนที่ไม่ทำงานสำหรับทุก บริษัท โดยเฉพาะอย่างยิ่งสำหรับผู้ที่อยู่ในอุตสาหกรรมที่มีความผันผวนมากหรือผู้ที่ได้รับอิทธิพลอย่างมากจากเหตุการณ์ปัจจุบัน โดยเฉพาะอย่างยิ่งสำหรับอุตสาหกรรมน้ำมันและอุตสาหกรรมเก็งกำไรโดยทั่วไป 3. ค่าเฉลี่ยเคลื่อนที่สามารถแพร่กระจายได้ตลอดช่วงเวลาใด ๆ อย่างไรก็ตามปัญหานี้อาจเป็นปัญหาได้เนื่องจากแนวโน้มทั่วไปสามารถเปลี่ยนแปลงได้อย่างมากขึ้นอยู่กับช่วงเวลาที่ใช้ กรอบเวลาที่สั้นลงมีความผันผวนมากขึ้นในขณะที่กรอบเวลาที่ยาวขึ้นมีความผันผวนน้อยกว่า แต่อย่าคำนึงถึงการเปลี่ยนแปลงใหม่ ๆ ในตลาด นักลงทุนจะต้องระมัดระวังในช่วงเวลาที่พวกเขาเลือกเพื่อให้แน่ใจว่าแนวโน้มมีความชัดเจนและเกี่ยวข้อง 4. การอภิปรายที่กำลังดำเนินอยู่คือการให้ความสำคัญมากขึ้นหรือไม่ในวันล่าสุดในช่วงเวลา หลายคนรู้สึกว่าข้อมูลล่าสุดสะท้อนให้เห็นถึงทิศทางที่ระบบรักษาความปลอดภัยมีการเคลื่อนไหวในขณะที่คนอื่น ๆ รู้สึกว่าการให้น้ำหนักมากกว่าคนอื่น ๆ บางวันอาจทำให้เกิดแนวโน้มที่ไม่ถูกต้อง นักลงทุนที่ใช้วิธีการต่าง ๆ ในการคำนวณค่าเฉลี่ยอาจวาดแนวโน้มที่แตกต่างกันโดยสิ้นเชิง (เรียนรู้เพิ่มเติมในค่าเฉลี่ยเคลื่อนที่แบบง่ายและค่าเฉลี่ย) 5. นักลงทุนหลายคนให้เหตุผลว่าการวิเคราะห์ทางเทคนิคเป็นวิธีที่ไม่มีนัยสำคัญในการทำนายพฤติกรรมของตลาด พวกเขากล่าวว่าตลาดไม่มีหน่วยความจำและอดีตไม่ได้เป็นตัวบ่งชี้อนาคต นอกจากนี้ยังมีงานวิจัยที่สำคัญในการสนับสนุนเรื่องนี้ ตัวอย่างเช่น Roy Nersesian ได้ทำการศึกษากับห้ากลยุทธ์ที่แตกต่างกันโดยใช้ค่าเฉลี่ยเคลื่อนที่ อัตราความสำเร็จของแต่ละกลยุทธ์แตกต่างกันระหว่าง 37 ถึง 66 ผลการวิจัยนี้ชี้ให้เห็นว่าค่าเฉลี่ยเคลื่อนที่จะให้ผลลัพธ์เพียงครึ่งเดียวเท่านั้นซึ่งอาจทำให้การใช้งานเป็นเรื่องที่มีความเสี่ยงในการกำหนดเวลาของตลาดหุ้นได้อย่างมีประสิทธิภาพ 6 หลักทรัพย์มักจะแสดงรูปแบบของพฤติกรรมแบบวัฏจักร นี่เป็นเรื่องจริงสำหรับ บริษัท สาธารณูปโภคที่มีความต้องการผลิตภัณฑ์ของตนอย่างต่อเนื่องทุกปี แต่มีการเปลี่ยนแปลงตามฤดูกาลที่แข็งแกร่ง แม้ว่าค่าเฉลี่ยเคลื่อนที่จะช่วยให้เรียบขึ้นแนวโน้มเหล่านี้พวกเขายังสามารถซ่อนความจริงที่ว่าการรักษาความปลอดภัยมีแนวโน้มในรูปแบบการแกว่ง (หากต้องการเรียนรู้เพิ่มเติมโปรดดูที่การเก็บตาบนโมเมนตัม) 7. วัตถุประสงค์ของแนวโน้มใด ๆ คือการคาดคะเนว่าราคาของหลักประกันจะเป็นอย่างไรในอนาคต หากการรักษาความปลอดภัยไม่ได้มีแนวโน้มไปในทิศทางใดก็ไม่มีโอกาสที่จะทำกำไรจากการซื้อหรือขายสั้น ๆ วิธีเดียวที่นักลงทุนอาจมีความสามารถในการทำกำไรได้ก็คือการใช้กลยุทธ์ทางเลือกที่ซับซ้อนและอาศัยราคาที่คงที่ ค่าเฉลี่ยถ่วงน้ำหนักด้านล่างถือได้ว่าเป็นเครื่องมือวิเคราะห์ที่มีค่าโดยหลายคน แต่สำหรับเครื่องมือใด ๆ ที่มีประสิทธิภาพคุณต้องเข้าใจถึงฟังก์ชันการทำงานเมื่อใช้และเมื่อไม่ใช้งาน ความเสี่ยงที่กล่าวถึงในที่นี้ระบุว่าเมื่อค่าเฉลี่ยเคลื่อนที่อาจไม่ได้เป็นเครื่องมือที่มีประสิทธิภาพเช่นเมื่อใช้กับหลักทรัพย์ที่มีความผันผวนและอาจมองข้ามข้อมูลทางสถิติที่สำคัญบางอย่างเช่นรูปแบบวัฏจักร ยังเป็นที่น่าสงสัยว่าค่าเฉลี่ยเคลื่อนที่ที่มีประสิทธิภาพสำหรับการระบุแนวโน้มราคาได้อย่างถูกต้องอย่างไร เมื่อพิจารณาข้อบกพร่องค่าเฉลี่ยเคลื่อนที่จะเป็นเครื่องมือที่ใช้ร่วมกับผู้อื่นได้ดีที่สุด ในท้ายที่สุดประสบการณ์ส่วนตัวจะเป็นตัวบ่งชี้ที่ดีที่สุดว่าพวกเขามีประสิทธิผลอย่างแท้จริงสำหรับผลงานของคุณอย่างไร (สำหรับข้อมูลเพิ่มเติมโปรดดูที่การนำค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนไปสู่ผลลัพธ์ที่ดีขึ้น)