Central เฉลี่ยเคลื่อนที่ ตัวอย่างเช่น

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 สำหรับช่วงเวลา 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะเรียบขึ้น ช่วงค่าเฉลี่ยที่ใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่จะอยู่ที่จุดข้อมูลที่เกิดขึ้นจริงสิ่งที่มีการเคลื่อนไหวโดยเฉลี่ยส่วนที่ 2 ในบทความล่าสุดเราได้พูดคุยเกี่ยวกับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ สิ่งที่พวกเขามีวิธีการคำนวณพวกเขาทำไมคุณอาจต้องการทำเช่นนั้นและสิ่งที่ดีทั้งหมด ดังที่คุณอาจจะคาดเดาได้จากการปรากฏตัวของคำว่า ldquosimplerdquo ในค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยของวลี rdquo ค่าเฉลี่ยเคลื่อนที่ที่เรากล่าวถึงเป็นครั้งสุดท้ายเป็นเพียงส่วนเล็ก ๆ ของภูเขาน้ำแข็งเท่านั้น ซึ่งอาจทำให้คุณสงสัยว่าอะไรคือค่าเฉลี่ยเคลื่อนที่ประเภทอื่น ๆ บ้างดีขึ้นหรือแย่ลงกว่าค่าเฉลี่ยเคลื่อนที่แบบธรรมดาและที่สำคัญที่สุดคือเมื่อใดและทำไมคุณจึงต้องการใช้หนึ่งในนั้น คำถามเกี่ยวกับวันนี้จะตอบได้ในวันนี้ รีวิว: อะไรคือค่าเฉลี่ยเคลื่อนที่แบบง่ายๆก่อนที่เราจะเริ่มพูดถึงค่าเฉลี่ยเคลื่อนที่ทุกประเภท letrsquos จะทบทวนค่าเฉลี่ยเคลื่อนที่ที่เราพูดถึงก่อน ในกรณีที่ลืมลืมเกี่ยวกับการใช้ ldquofactrdquo ที่มีการฝึกอบรมเพื่อแข่งขันในการแข่งขัน 1500 เมตรในการแข่งขันกีฬาโอลิมปิก 2016 เพื่อช่วยให้เราเข้าใจว่าการเคลื่อนที่โดยเฉลี่ยทำงานอย่างไร ในบทความล่าสุด youquod ได้รับการติดตามเวลาของการปฏิบัติงานประจำวันของคุณทำงานและคุณต้องการที่จะมากับวิธีการติดตามความคืบหน้าวันต่อวันของคุณ ปัญหาคือจำนวนวันต่อวันของคุณผันผวนเป็นจำนวนมากซึ่งทำให้ยากที่จะเห็นแนวโน้มในระยะยาวที่จะบอกคุณว่าคุณต้องการปรับปรุงหรือไม่ ในขณะที่เราค้นพบวิธีหนึ่งในการแก้ปริศนานี้ก็คือการใช้ค่าเฉลี่ยเคลื่อนที่ หากต้องการหาเวลาเฉลี่ยสำหรับวันโดยใช้ค่าเฉลี่ยเคลื่อนที่ 3 วันเพียงแค่เพิ่มเวลาวันใหม่ในช่วงเวลาจาก 2 วันก่อนหน้าและหารด้วย 3 เพื่อใช้ค่าเฉลี่ยเคลื่อนที่ 4 วันแทนเพียงแค่เพิ่มเวลา dayrsquos กับช่วงเวลาจาก 3 วันก่อนหน้าและหารด้วย 4 ขึ้นไปเป็นเวลาหลายวันตามที่คุณต้องการ Itrsquos ง่ายที่จะทำและส่วนที่ดีที่สุดคือความผันผวนทุกวันที่เบี่ยงเบนความสนใจจะเรียบออกเพื่อให้คุณสามารถมองเห็นแนวโน้มโดยรวม วิธีการขนาดใหญ่หน้าต่างควรจะเป็นคำถามหนึ่งที่มาถึงใจคือ: ขนาดของค่าเฉลี่ยเคลื่อนที่ ldquowindowrdquo ส่งผลต่อผลลัพธ์ในคำอื่น ๆ สิ่งที่หมายถึงการใช้หน้าต่าง 3 วันเทียบกับหน้าต่าง 4 วันเมื่อเทียบกับบางสิ่งบางอย่าง เช่นหน้าต่าง 2 สัปดาห์คำตอบง่ายๆก็คือขนาดของหน้าต่างกำหนดว่าค่าเฉลี่ยเคลื่อนที่มีค่าเท่าไร ldquomemoryrdquo กล่าวอีกนัยหนึ่งหน้าต่างขนาดใหญ่ (หมายถึงวันที่มากขึ้นในตัวอย่างของเรา) รวมถึงข้อมูลจากระยะไกลย้อนหลังไปเรื่อย ๆ ซึ่งหมายความว่าค่าของค่าเฉลี่ยเคลื่อนที่ที่คุณคำนวณจะเปลี่ยนแปลงช้ากว่าเนื่องจากมีอิทธิพลมากขึ้นจากค่าในอดีต คุณรู้ได้อย่างไรว่าหน้าต่างใหญ่ควรขึ้นอยู่กับว่าคุณต้องการดูภาพระยะสั้นกลางหรือระยะยาว ตัวอย่างเช่นถ้าคุณติดตามเวลาการแข่งขันของคุณเป็นเดือนหรือหลายปีคุณอาจต้องการใช้ค่าเฉลี่ยเคลื่อนที่ 2 สัปดาห์เพื่อติดตามความคืบหน้าของคุณเนื่องจากคุณมีความสนใจในแนวโน้มในระยะยาวเท่านั้น ยิ่งหน้าต่างมีขนาดใหญ่เท่าใดอิทธิพลของความผันผวนแบบวันต่อวันในระยะสั้น ๆ จะยิ่งทำให้เห็นภาพใหญ่ขึ้นอย่างชัดเจนยิ่งขึ้น ขนาดของหน้าต่างจะกำหนดว่าค่าเฉลี่ยเคลื่อนที่มีค่าเท่าไร ldquomemoryrdquo ค่าเฉลี่ยเคลื่อนที่กลางคืออะไร แต่เมื่อปรากฎค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ ปัญหาที่ใหญ่ที่สุดคือค่าปัจจุบันอาจบางครั้งเกินไปขึ้นอยู่กับค่าในอดีต หลังจากทั้งหมดยกเว้นจุดข้อมูลใหม่ล่าสุดข้อมูลทั้งหมดในการคำนวณค่าเฉลี่ยเคลื่อนที่อย่างง่ายมาจากอดีตซึ่งเป็นเหตุผลที่ itrsquos บางครั้งดีกว่าที่จะใช้ whatrsquos ที่เรียกว่าค่าเฉลี่ยเคลื่อนที่ ldquocentral ความคิดนี้เกือบเหมือนกันเว้นแต่ว่าคราวนี้ เราใช้จุดข้อมูลจำนวนเท่ากันที่ด้านใดด้านหนึ่งของจุดศูนย์กลางเพื่อคำนวณค่าเฉลี่ยเคลื่อนที่ ตัวอย่างเช่นในขณะที่ค่าเฉลี่ยเคลื่อนที่ 5 วันของระยะเวลาการแข่งขัน Wednesdayrsquos จะใช้วันเสาร์วันอาทิตย์วันจันทร์วันอังคารและพุธพุธที่ 5 วันโดยเฉลี่ยจะใช้ในวันจันทร์อังคารพุธพฤหัสบดีและศุกร์ตามลำดับ ประเภทของค่าเฉลี่ยเคลื่อนที่กลางนี้ใช้ตลอดเวลาในด้านวิทยาศาสตร์และวิศวกรรมเนื่องจาก therersquos เวลา lagmdash น้อยกว่าซึ่งหมายความว่าโดยปกติดีกว่าหมายถึงค่าเฉลี่ยเคลื่อนที่ ldquoactualrdquo แน่นอน itrsquos ไม่ได้เกือบเป็นความสะดวกในการใช้เมื่อการติดตามการแข่งขันครั้งหรือน้ำหนักของคุณเนื่องจากคุณจะต้องรอจำนวน daysmdashdepending กับขนาดของ windowmdashto ให้การคำนวณของคุณ ซึ่งหมายความว่าค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นทางเลือกที่ดีสำหรับการใช้งานส่วนใหญ่ของคุณในแต่ละวัน ค่าเฉลี่ยเคลื่อนที่เฉลี่ยถ่วงน้ำหนักคือค่าเฉลี่ยเคลื่อนที่หนึ่ง ๆ ที่ฉันต้องการพูดถึงในวันนี้: ค่าเฉลี่ยถ่วงน้ำหนัก ค่าเฉลี่ยเคลื่อนที่ประเภทนี้มีความซับซ้อนมากขึ้นเล็กน้อยดังนั้นเราจึงได้รับรายละเอียดมากเกินไป แต่ itrsquos เครื่องมือที่สำคัญอย่างเหลือเชื่อในหลายพื้นที่ของคณิตศาสตร์วิทยาศาสตร์วิศวกรรมและในธุรกิจและการเงินโลกดังนั้น itrsquos ดีที่จะเข้าใจความคิดพื้นฐาน ค่าเฉลี่ยเคลื่อนที่ที่เรารู้จักและชื่นชอบเป็นค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักซึ่งข้อมูลทั้งหมดจะถูกชั่งน้ำหนักอย่างเท่าเทียมกัน หมายถึงอะไรดีในการคำนวณเวลาการแข่งขัน Wednesdayrsquos โดยใช้ค่าเฉลี่ยเคลื่อนที่ 3 วันเราเพิ่มค่าจันทร์ถึงวันอังคารและวันพุธครีเอทีฟแล้วหารด้วย 3 ซึ่งเป็นเช่นเดียวกับการเพิ่ม: (1 ครั้ง x Mondayrsquos) (1 x Tuesdayrsquos เวลา) (1 x Wednesdayrsquos เวลา) แล้วหารผลนี้โดย 3. ฉันรู้ว่านี้อาจดูเหมือนเป็นสิ่งที่แปลกที่จะทำ butmdashbelieve หรือ notmdashwersquove จริงเพิ่งเห็นว่าค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักทำงาน. Howrsquos ที่ดีในกรณีนี้ในแต่ละวันได้รับน้ำหนัก 1mdashbut พวกเขา donrsquot ต้องเหมือนกัน ตัวอย่างเช่นถ้าเรากำหนดน้ำหนัก 1 สำหรับวันจันทร์ 2 สำหรับวันอังคารและ 3 สำหรับวันพุธจะมีการคำนวณค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักโดยการคำนวณ (1 ครั้ง x Mondayrsquos time) (2 x ครั้งวันอังคาร) ซึ่งเป็นเวลา 3 x Wednesdayrsquos time และ จากนั้นหารด้วย 1 2 3 6 (ซึ่งเป็นผลรวมของน้ำหนัก) ทำไมเราถึงต้องการทำอย่างนั้นดีถ้าคุณคิดถึงเรื่องนี้คุณจะเห็นได้ว่าค่าเฉลี่ยเคลื่อนที่นี้ให้น้ำหนักมากขึ้นเมื่อเทียบกับช่วงอังคารอังคารพุธและมีน้ำหนักมากขึ้นเมื่อเทียบกับเวลาจันทร์ถึงวันพุธ ซึ่งหมายความว่าจำนวนที่เก่ากว่ามีความสำคัญน้อยกว่าในการคำนวณค่าเฉลี่ยเคลื่อนที่เมื่อเวลาผ่านไป เอาล่ะ thatrsquos คณิตศาสตร์ทั้งหมดที่เรามีเวลาสำหรับวันนี้ อย่าลืมเป็นแฟนตัวยงของเพื่อนทางคณิตศาสตร์บน Facebook ซึ่งคุณสามารถหาวิชาคณิตศาสตร์ที่ยอดเยี่ยมได้ตลอดทั้งสัปดาห์ หาก youquore บน Twitter โปรดปฏิบัติตามฉันที่นั่นด้วย สุดท้ายกรุณาส่งคำถามทางคณิตศาสตร์ของฉันทาง Facebook พูดเบาและรวดเร็ว หรืออีเมลที่ mathdudequickanddirtytips. Moving เฉลี่ย: สิ่งที่พวกเขาอยู่ในบรรดาตัวบ่งชี้ทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัดทิศทางของแนวโน้มในปัจจุบัน ค่าเฉลี่ยเคลื่อนที่ทุกประเภท (เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA) คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมา เมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงในแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมด รูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่โดยทั่วไปหมายถึงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย (SMA) โดยคำนวณค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนด ตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา (110) คือ หารด้วยจำนวนวัน (10) เพื่อให้ได้ค่าเฉลี่ย 10 วัน หากผู้ค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนจะต้องมีการคำนวณประเภทเดียวกัน แต่จะรวมราคาในช่วง 50 วันที่ผ่านมา ค่าเฉลี่ยที่เกิดขึ้นด้านล่าง (11) คำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อให้ผู้ค้าทราบว่าสินทรัพย์มีราคาเทียบกับ 10 วันที่ผ่านมาอย่างไร บางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ว่าเป็นค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ยปกติ คำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งานจุดข้อมูลที่เก่าที่สุดต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ ๆ ต้องมาเพื่อแทนที่ ดังนั้นชุดข้อมูลจึงมีการย้ายข้อมูลบัญชีใหม่ ๆ ไปเรื่อย ๆ วิธีการคำนวณนี้ช่วยให้แน่ใจได้ว่าจะมีการบันทึกข้อมูลปัจจุบันเท่านั้น ในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดง (แทนจุดข้อมูล 10 จุดที่ผ่านมา) จะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณ เนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูงถึง 15 คุณจึงคาดว่าจะเห็นค่าเฉลี่ยของการลดข้อมูลชุดซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เมื่อค่าของ MA ได้รับการคำนวณพวกเขาจะวางแผนลงบนแผนภูมิและเชื่อมต่อแล้วเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่ เส้นโค้งเหล่านี้มีอยู่ทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีการใช้งานเหล่านี้อาจแตกต่างกันอย่างมาก (ในภายหลัง) ดังที่เห็นในรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิโดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณ เส้นโค้งเหล่านี้ดูเหมือนจะเสียสมาธิหรือทำให้เกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับมันเมื่อเวลาผ่านไป เส้นสีแดงเป็นเพียงราคาเฉลี่ยในช่วง 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมา ตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่คืออะไรและแนะนำให้ใช้ค่าเฉลี่ยเคลื่อนที่ที่ต่างกันและดูว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงก่อนหน้านี้เท่าไร ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมอย่างมากของผู้ค้า แต่เป็นตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์ หลายคนอ้างว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้าย ในการตอบสนองต่อคำวิจารณ์นี้ผู้ค้าเริ่มให้น้ำหนักกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์เครื่องคิดเลขใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) (สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลเบื้องต้นเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA กับ EMA) ค่าเฉลี่ยเคลื่อนที่แบบเสวนาค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากกว่าราคาล่าสุดในความพยายามที่จะทำให้การตอบสนองดีขึ้น ข้อมูลใหม่ ๆ การเรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกชุดรูปแบบแผนภูมิทำคำนวณสำหรับคุณ อย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA: เมื่อใช้สูตรในการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนหน้านี้ ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและต่อเนื่องโดยใช้สูตรด้านบนจากที่นั่น เราได้จัดเตรียมสเปรดชีตตัวอย่างไว้ในตัวอย่างชีวิตจริงในการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่แบบเรียบและค่าเฉลี่ยเคลื่อนที่แบบเสวนา ความแตกต่างระหว่าง EMA กับ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA ถูกคำนวณไปแล้วลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไร เมื่อพิจารณาการคำนวณ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลสำคัญ ๆ อยู่ในจุดข้อมูลล่าสุดทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนัก ในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเหมือนกัน (15) แต่ EMA จะตอบสนองต่อราคาที่เปลี่ยนแปลงได้เร็วขึ้น สังเกตว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลง การตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA อะไรที่แตกต่างกันระหว่างวันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกช่วงเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ย ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วัน ช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนมากขึ้นคือการเปลี่ยนแปลงราคา ยิ่งช่วงเวลาที่ยาวนานขึ้นเท่าไรก็ยิ่งอ่อนไหวหรือเรียบเนียนขึ้นเท่านั้นโดยเฉลี่ยแล้ว ไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณ วิธีที่ดีที่สุดในการพิจารณาว่ารูปแบบใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบกับช่วงเวลาที่เหมาะสมกับกลยุทธ์ของคุณ ค่าเฉลี่ยเคลื่อนที่: วิธีการใช้งาน