एक चलती - औसत - पूर्वानुमान

मूविंग एवलल यह उदाहरण आपको सिखाता है कि Excel में समय श्रृंखला की चलती औसत की गणना कैसे करें। रुझानों को आसानी से पहचानने के लिए चलती औसत का उपयोग अनियमितताओं (चोटियों और घाटियों) को सुलझाने के लिए किया जाता है 1. सबसे पहले, हमारी समय श्रृंखला पर एक नज़र डालें। 2. डेटा टैब पर, डेटा विश्लेषण क्लिक करें। नोट: डेटा विश्लेषण बटन को ढूंढने में कठिनाई नहीं है, विश्लेषण टूलपैक ऐड-इन लोड करने के लिए यहां क्लिक करें। 3. मूविंग औसत चुनें और ठीक क्लिक करें। 4. इनपुट रेंज बॉक्स पर क्लिक करें और सीमा B2: M2 चुनें। 5. अंतराल बॉक्स में क्लिक करें और टाइप करें 6. 6. आउटपुट रेंज बॉक्स में क्लिक करें और सेल B3 चुनें। 8. इन मूल्यों का एक ग्राफ प्लॉट करें। स्पष्टीकरण: क्योंकि हम अंतराल को 6 निर्धारित करते हैं, चलती औसत पिछले 5 डेटा बिंदुओं की औसत और वर्तमान डेटा बिंदु है। नतीजतन, चोटियों और घाटियों को बाहर smoothed हैं। ग्राफ़ में बढ़ती प्रवृत्ति को दर्शाता है Excel पहले 5 डेटा बिंदुओं के लिए चलती औसत की गणना नहीं कर सकता क्योंकि इससे पहले के डेटा बिंदु पर्याप्त नहीं हैं 9. अंतराल 2 और अंतराल के लिए चरण 2 से 8 दोहराएं। निष्कर्ष: अंतराल जितना बड़ा होगा, उतनी ही अधिक चोटियों और घाटियों को सुखाया जाएगा। अंतराल जितना छोटा होता है, चलती औसत करीब वास्तविक डेटा बिंदुओं के होते हैं। औसत औसत - एमए एक मूविंग औसत क्या है - एमए तकनीकी विश्लेषण में एक व्यापक रूप से इस्तेमाल किया सूचक है जो यादृच्छिक मूल्य में उतार-चढ़ाव से शोर को छानने में मदद करता है । एक चल औसत (एमए) एक प्रवृत्ति के बाद या पीछे सूचक है क्योंकि यह पिछले कीमतों पर आधारित है। दो बुनियादी और आम तौर पर इस्तेमाल किए जाने वाले एमए सरल चल औसत (एसएमए) हैं, जो एक परिभाषित संख्या की अवधि के दौरान एक सुरक्षा का सरल औसत और घातीय चलती औसत (एएमए) है, जो हाल के मूल्यों के लिए बड़ा वजन देता है। एमए के सबसे सामान्य अनुप्रयोग प्रवृत्ति दिशा की पहचान करने और समर्थन और प्रतिरोध स्तर निर्धारित करने के लिए हैं। जबकि एमए अपने दम पर पर्याप्त उपयोगी होते हैं, वे दूसरे संकेतकों के आधार भी बनाते हैं जैसे मूविंग औसत कनवर्जेन्स डिवर्जेंस (एमएसीडी)। खिलाड़ी लोड हो रहा है नीचे की ओर बढ़ते औसत - एमए एक एसएमए उदाहरण के रूप में, निम्न समापन कीमतों के साथ 15 दिनों के दौरान एक सुरक्षा पर विचार करें: सप्ताह 1 (5 दिन) 20, 22, 24, 25, 23 सप्ताह 2 (5 दिन) 26, 28, 26, 29, 27 सप्ताह 3 (5 दिन) 28, 30, 27, 29, 28 एक 10-दिन एमए पहले डेटा बिंदु के रूप में पहले 10 दिनों के लिए समापन कीमतों का औसत होगा। अगले डेटा बिंदु जल्द से जल्द कीमत को छोड़ देगा, 11 दिन की कीमत बढ़ाएं और औसत ले लें, और नीचे दिखाए गए अनुसार। जैसा कि पहले उल्लेख किया गया है, एमए की वर्तमान कीमत कार्रवाई की वजह से वे पिछले कीमतों पर आधारित हैं, एमए के लिए समय अवधि, अधिक से अधिक अंतराल इस प्रकार 200-दिवसीय एमए में 20-दिवसीय एमए की तुलना में काफी अधिक अंतर होगा क्योंकि इसमें पिछले 200 दिनों के लिए मूल्य शामिल हैं। एमए का उपयोग करने की लंबाई व्यापारिक उद्देश्यों पर निर्भर करती है, अल्प अवधि के व्यापार के लिए इस्तेमाल होने वाले कम एमए और लंबी अवधि के निवेशकों के लिए अधिक उपयुक्त एमए हैं। 200-दिवसीय एमए व्यापक रूप से निवेशकों और व्यापारियों द्वारा पीछा किया जाता है, इसके साथ-साथ इस चलती औसत से नीचे के ब्रेक और महत्वपूर्ण व्यापार संकेतों के रूप में माना जाता है। एमए भी अपने दम पर महत्वपूर्ण व्यापारिक संकेत देते हैं, या जब दो औसत पार हो जाते हैं एक बढ़ते हुए एमए इंगित करता है कि सुरक्षा एक अपट्रेंड में है। जबकि गिरावट एमए इंगित करता है कि यह एक डाउनट्रेंड में है। इसी तरह, ऊपर की गति को एक तेजी के क्रॉसओवर से पुष्ट किया जाता है। जो तब होता है जब एक अल्पावधि एमए एक लंबी अवधि के एमए ऊपर पार डाउनवर्ड गति को एक मंदी की क्रॉसओवर से पुष्टि की जाती है, जो तब होती है जब एक अल्पावधि एमए लंबी अवधि के एमए। मूव की औसत से नीचे पार करती हैं: उनका उपयोग कैसे करें चलती औसत के कुछ प्राथमिक कार्य रुझानों और उत्क्रमणों की पहचान करने के लिए हैं किसी परिसंपत्तियों की गति को मापने और उन संभावित क्षेत्रों का निर्धारण करते हैं जहां एक परिसंपत्ति का समर्थन या प्रतिरोध मिल जाएगा इस खंड में हम यह बताएंगे कि विभिन्न समय की अवधि गति को कैसे मॉनिटर कर सकती है और कैसे स्टॉप-लॉस लगाने में औसत चलती फायदेमंद हो सकता है। इसके अलावा, हम चलने वाली औसत की कुछ क्षमताओं और सीमाओं का समाधान करेंगे, जो कि उन्हें व्यापारिक रूटीन के भाग के रूप में उपयोग करते समय विचार करना चाहिए। रुझान पहचानने वाले रुझान औसत चलने के प्रमुख कार्यों में से एक हैं, जिसका उपयोग ज्यादातर व्यापारियों द्वारा किया जाता है जो प्रवृत्ति को उनके दोस्त बनाना चाहते हैं। मूविंग एवरेज कम हो रहे हैं संकेतक जिसका मतलब है कि वे नए रुझानों की भविष्यवाणी नहीं करते हैं, लेकिन एक बार स्थापित होने के बाद रुझान की पुष्टि करें। जैसा कि आप चित्रा 1 में देख सकते हैं, जब स्टॉक एक औसत औसत से ऊपर है और औसत ऊपर की ओर ढलान कर रहा है तो एक स्टॉक को अपट्रेंड में माना जाता है इसके विपरीत, एक व्यापारी एक डाउनट्रेंड की पुष्टि करने के लिए नीचे की ओर ढलान वाले औसत से नीचे की कीमत का उपयोग करेगा। कई व्यापारियों केवल एक परिसंपत्ति में लंबी स्थिति रखने पर विचार करेंगे जब मूल्य चलती औसत से ऊपर कारोबार कर रहा है। यह सरल नियम यह सुनिश्चित करने में मदद कर सकता है कि यह रुझान व्यापारियों के पक्ष में काम करता है। गति कई शुरुआती व्यापारी पूछते हैं कि गति को कैसे मापना संभव है और इस तरह की उपलब्धि से निपटने के लिए चलती औसत कैसे उपयोग किया जा सकता है सरल जवाब यह है कि औसत बनाने में उपयोग किए जाने वाले समयावधि पर करीब ध्यान देना, क्योंकि प्रत्येक समय की अवधि अलग-अलग प्रकार की गति में महत्वपूर्ण जानकारी प्रदान कर सकती है। सामान्य तौर पर, चलती औसत को देखते हुए, अल्पकालिक गति को 20 दिनों या उससे कम समय की अवधि पर ध्यान केंद्रित किया जा सकता है। चलने वाली औसत को देखते हुए जो 20 से 100 दिनों की अवधि के साथ तैयार किए जाते हैं, इसे आम तौर पर मध्यम अवधि की गति के अच्छे उपाय के रूप में माना जाता है। अंत में, किसी चलती औसत जो गणना में 100 दिन या उससे अधिक का उपयोग करता है, को लंबी अवधि की गति के रूप में इस्तेमाल किया जा सकता है। सामान्य ज्ञान आपको बताना चाहिए कि एक 15 दिवसीय मूविंग एवरेज 200-डे मूविंग एवरेज की तुलना में अल्पकालिक गति का एक उचित उपाय है। संपत्ति की गति की शक्ति और दिशा निर्धारित करने के लिए सर्वोत्तम तरीकों में से एक चार्ट पर तीन चलती औसत रखने के लिए है और फिर एक दूसरे के संबंध में कैसे वे स्टैक करते हैं, इस पर ध्यान दें। आम तौर पर उपयोग की जाने वाली तीन चलती औसतों में अल्पावधि, मध्यम अवधि और दीर्घकालिक मूल्य आंदोलनों का प्रतिनिधित्व करने के प्रयास में अलग-अलग समय सीमाएं होती हैं। चित्रा 2 में, मजबूत ऊपर की गति को देखा जाता है, जब कम-अवधि की औसत लंबी अवधि की औसत से ऊपर स्थित होती है और दो औसत घट रहे हैं। इसके विपरीत, जब दीर्घकालिक औसत लंबी अवधि के औसत के नीचे स्थित होते हैं, तो गति नीचे की दिशा में होती है। समर्थन चलती औसत का एक अन्य आम उपयोग संभावित मूल्य समर्थन को निर्धारित करने में है। यह चलने वाली औसत से निपटने में काफी अनुभव नहीं लेता है कि किसी परिसंपत्ति की गिरती कीमत अक्सर एक महत्वपूर्ण स्तर के रूप में एक ही स्तर पर निरंतर दिशा बदल जाएगी। उदाहरण के लिए, चित्रा 3 में आप यह देख सकते हैं कि 200 दिन की चलती औसत स्टॉक 32 की ऊंचाई से गिरने के बाद स्टॉक की कीमत में वृद्धि करने में सक्षम था। कई व्यापारियों ने बड़ी चलती औसतों के बाउंस को बंद कर दिया होगा और अन्य अपेक्षित कदम की पुष्टि के रूप में तकनीकी संकेतक विरोध एक बार संपत्ति की कीमत 200 दिनों की चलती औसत जैसे समर्थन के एक प्रभावशाली स्तर से नीचे आ जाती है, तो औसत कार्य को एक मजबूत बाधा के रूप में देखने में असामान्य नहीं है जो कि निवेशकों को उस औसत से अधिक मूल्य वापस करने से रोकता है। जैसा कि आप नीचे दी गई चार्ट से देख सकते हैं, इस प्रतिरोध को अक्सर व्यापारियों द्वारा लाभ लेने के लिए या किसी भी मौजूदा लंबे पदों को बंद करने के लिए एक संकेत के रूप में उपयोग किया जाता है। कई छोटे विक्रेताओं इन औसतों को प्रवेश बिंदुओं के रूप में भी उपयोग करेंगे क्योंकि कीमत अक्सर प्रतिरोध को उछाल देती है और इसके चलते कम चलती है। यदि आप ऐसे निवेशक हैं जो एक परिसंपत्ति में लंबी स्थिति रख रहे हैं जो कि प्रमुख चलती औसत से नीचे कारोबार कर रहा है, तो इन स्तरों को ध्यान से देखने के लिए आपके सर्वोत्तम हित में हो सकता है क्योंकि वे आपके निवेश के मूल्य को बहुत प्रभावित कर सकते हैं। स्टॉप-लॉसेस मूविंग एवरेज की सहायता और प्रतिरोध विशेषताएं उन्हें जोखिम प्रबंधन के लिए एक महान उपकरण बनाती हैं। स्टॉप-लॉसन ऑर्डर सेट करने के लिए रणनीतिक स्थानों की पहचान करने के लिए मूविंग एवरेज की क्षमता व्यापारियों को किसी भी बड़े बढ़ने से पहले स्थिति खोने में कटौती करने की अनुमति देती है। जैसा कि आप चित्रा 5 में देख सकते हैं, व्यापारियों, जो स्टॉक में लंबी स्थिति रखते हैं और प्रभावशाली औसत से नीचे उनके स्टॉप-लॉसन ऑर्डर को निर्धारित करते हैं, स्वयं को बहुत पैसा बचा सकते हैं स्टॉप-लॉसन ऑर्डर करने के लिए चलती औसत का उपयोग किसी भी सफल ट्रेडिंग रणनीति की कुंजी है। अभ्यास में चलती औसत समय श्रृंखला का मतलब का एक अच्छा अनुमान प्रदान करेगी यदि मतलब निरंतर या धीरे-धीरे बदल रहा हो। एक निरंतर मतलब के मामले में, एम का सबसे बड़ा मान अंतर्निहित मतलब का सबसे अच्छा अनुमान देगा। अब अवलोकन अवधि में परिवर्तनशीलता के प्रभाव का औसत होगा। एक छोटा मी प्रदान करने का उद्देश्य पूर्वानुमानित प्रक्रिया में परिवर्तन के लिए पूर्वानुमान का जवाब देने की अनुमति देना है। उदाहरण के लिए, हम एक डेटा सेट का प्रस्ताव करते हैं जो समय श्रृंखला के अंतर्निहित माध्य में बदलाव को शामिल करता है। यह आंकड़ा चित्रण के लिए उपयोग की जाने वाली समय-सीमा को दर्शाता है कि श्रृंखला से उत्पन्न होने वाली औसत मांग के साथ-साथ यह श्रृंखला उत्पन्न होती है। यह मतलब 10 पर निरंतर के रूप में शुरू होता है। 21 समय से शुरू होने पर, यह प्रत्येक अवधि में एक इकाई में बढ़ जाता है जब तक कि समय 30 पर 20 के मान तक नहीं पहुंच जाता। फिर यह फिर से निरंतर हो जाता है। डेटा को जोड़कर सिम्युलेटेड किया जाता है, शून्य माध्य और मानक विचलन के साथ सामान्य वितरण से एक यादृच्छिक शोर 3. सिमुलेशन के परिणाम निकटतम पूर्णांक पर गोल किए जाते हैं। तालिका उदाहरण के लिए प्रयुक्त नकली अवलोकन दर्शाती है जब हम मेज का उपयोग करते हैं, हमें याद रखना चाहिए कि किसी भी समय, केवल पिछले डेटा ज्ञात हैं। मॉडल पैरामीटर का अनुमान,, तीनों के तीन अलग-अलग मानों के लिए नीचे दी गई संख्या में समय श्रृंखला के माध्य के साथ दिखाए जाते हैं। यह आंकड़ा हर बार मतलब की चलती औसत अनुमान को दर्शाता है और भविष्यवाणी नहीं करता है भविष्यवाणी चलती औसत घटता को समय-समय पर सही स्थानांतरित करती है। एक निष्कर्ष आंकड़ा से तुरंत स्पष्ट है। तीनों अनुमानों के लिए चलती औसत रेखीय प्रवृत्ति के पीछे पीछे है, मी के साथ अंतराल बढ़ती है। अंतराल में मॉडल और अनुमान के बीच की दूरी अंतर है। अंतराल के कारण, चलती औसत टिप्पणियों को कम करके देखते हैं क्योंकि इसका मतलब बढ़ रहा है। अनुमानक के पक्षपात मॉडल के माध्य मूल्य में एक विशिष्ट समय में अंतर है और चल औसत से अनुमानित माध्य मूल्य। जब पूर्वाग्रह बढ़ता जा रहा है नकारात्मक है कम होने के लिए, पूर्वाग्रह सकारात्मक है समय में अंतराल और अनुमान में पेश पूर्वाग्रह मी के कार्य हैं I मी के मूल्य का बड़ा अंतराल और पूर्वाग्रह के बड़े पैमाने पर प्रवृत्ति के साथ लगातार बढ़ती श्रृंखला के लिए माध्य के अनुमानक के अंतराल और पूर्वाग्रह के मूल्य नीचे दिए गए समीकरणों में दिए गए हैं। उदाहरण घटता इन समीकरणों से मेल नहीं खाता है क्योंकि उदाहरण के मॉडल लगातार बढ़ नहीं रहे हैं, बल्कि यह एक निरंतर, एक प्रवृत्ति में परिवर्तन के रूप में शुरू होता है और फिर फिर से निरंतर हो जाता है इसके अलावा उदाहरण घटता शोर से प्रभावित हैं। भविष्य में आने वाली अवधियों का चलने वाला औसत पूर्वानुमान वक्रता को दाईं ओर स्थानांतरित करके दर्शाया जाता है। अंतराल और पूर्वाग्रह आनुपातिक रूप से वृद्धि नीचे दिए गए समीकरण मॉडल पैरामीटर की तुलना में भविष्य में भविष्य की अवधि के अंतराल और पूर्वाग्रह को इंगित करते हैं। फिर, ये सूत्र एक निरंतर रेखीय प्रवृत्ति के साथ एक समय श्रृंखला के लिए हैं हमें इस नतीजे पर आश्चर्य नहीं होना चाहिए। चलती औसत अनुमानक निरंतर मतलब की धारणा पर आधारित होता है, और अध्ययन अवधि के एक अंश के दौरान इस उदाहरण में एक रेखीय प्रवृत्ति होती है। चूंकि वास्तविक समय श्रृंखला शायद ही कभी किसी भी मॉडल की मान्यताओं का पालन करेगी, इसलिए हमें ऐसे परिणामों के लिए तैयार रहना चाहिए। हम इस आंकड़े से यह भी निष्कर्ष निकाल सकते हैं कि शोर की परिवर्तनशीलता छोटे मी के लिए सबसे बड़ा प्रभाव है अनुमान 20 की औसत चलती औसत से 5 की चलती औसत के लिए बहुत ज्यादा अस्थिर है। हमारे पास शोर के कारण परिवर्तनशीलता के प्रभाव को कम करने के लिए विरोधाभासी इच्छाएं हैं, और परिवर्तनों के पूर्वानुमान को अधिक संवेदनशील बनाने के लिए मीटर कम करने के लिए मतलब में त्रुटि वास्तविक डेटा और पूर्वानुमानित मान के बीच का अंतर है। यदि समय श्रृंखला वास्तव में एक स्थिर मूल्य है, तो त्रुटि का अनुमानित मूल्य शून्य है और त्रुटि का विचरण एक ऐसा शब्द है जिसमें एक समारोह है और दूसरा शब्द जो शोर का विचरण है, शामिल है। पहली अवधि, मी अनुमानों के एक नमूने के साथ अनुमानित अनुमान का विचरण है, यह मानते हुए कि आंकड़े आबादी से निरंतर अर्थ के साथ आते हैं। यह शब्द मी जितना संभव हो उतना बड़ा बनाकर कम किया जाता है। एक बड़ी एम अंतर्निहित समय श्रृंखला में बदलाव के लिए अनुत्तरदायी पूर्वानुमान बनाता है। परिवर्तनों के प्रति उत्तरदायी पूर्वानुमान करने के लिए, हम जितना संभव हो उतना छोटा (1) चाहते हैं, लेकिन इससे त्रुटि भिन्नता बढ़ जाती है व्यावहारिक पूर्वानुमान एक मध्यवर्ती मूल्य की आवश्यकता है। एक्सेल के साथ पूर्वानुमान, पूर्वानुमान ऐड-इन चलती औसत फ़ार्मुलों को लागू करता है। नीचे दिए गए उदाहरण, स्तंभ बी में नमूना डेटा के लिए ऐड-इन द्वारा प्रदान किए गए विश्लेषण को दर्शाता है। पहले 10 टिप्पणियां अनुक्रमित -9 से 0 के हैं। उपरोक्त तालिका के मुकाबले, अवधि सूचकांक -10 में स्थानांतरित कर दिया गया है। पहले दस अवलोकन अनुमान के लिए स्टार्टअप मान प्रदान करते हैं और अवधि 0 के लिए चलती औसत की गणना करने के लिए उपयोग किया जाता है। एमए (10) कॉलम (सी) गणना की गई औसत चलती औसत दर्शाती है। चलती औसत पैरामीटर मी सेल C3 में है। फोर (1) कॉलम (डी) भविष्य में एक अवधि के लिए पूर्वानुमान दिखाता है। पूर्वानुमान अंतराल सेल D3 में है जब पूर्वानुमान अंतराल को बड़ी संख्या में बदल दिया जाता है, तो फ़ोर कॉलम में नंबर नीचे स्थानांतरित हो जाते हैं। एर (1) कॉलम (ई) अवलोकन और पूर्वानुमान के बीच अंतर को दर्शाता है उदाहरण के लिए, समय 1 पर अवलोकन 6 है। समय की औसत चलती औसत से बना अनुमानित मूल्य 11.1 है। तब त्रुटि -5.1 है। मानक विचलन और औसत औसत विचलन (एमएडी) क्रमशः कोशिकाओं E6 और E7 में गिना जाता है।