ชี้แจง ความเรียบเนียน และ ถัว เฉลี่ย เคลื่อนที่

ค่าเฉลี่ยเลขหมาย EMA - ค่าเฉลี่ย EMA - EMA ระยะเวลา 12 และ 26 วันเป็นค่าเฉลี่ยระยะสั้นที่ได้รับความนิยมสูงสุดและใช้ในการสร้างตัวบ่งชี้เช่นความแตกต่างของค่าเฉลี่ยของการเคลื่อนตัว MACD และค่าร้อยละ PPO โดยทั่วไปแล้ว EMA 50 และ 200 วันจะถูกใช้เป็นสัญญาณของแนวโน้มในระยะยาวนักวิจัยที่ใช้การวิเคราะห์ทางเทคนิคพบว่าค่าเฉลี่ยเคลื่อนที่โดยรวมมีประโยชน์และลึกซึ้งเมื่อใช้อย่างถูกต้อง แต่สร้างความหายนะเมื่อใช้ไม่ถูกต้องหรือมีการตีความผิด ๆ ค่าเฉลี่ยเคลื่อนที่ทั้งหมด การวิเคราะห์ทางเทคนิคมักใช้ในการวิเคราะห์ทางเทคนิคเนื่องจากลักษณะของตัวชี้วัดที่ล่าช้าดังนั้นข้อสรุปที่ได้จากการนำค่าเฉลี่ยเคลื่อนที่ไปเป็นกราฟตลาดโดยเฉพาะควรเป็นเพื่อยืนยันการเคลื่อนไหวของตลาดหรือเพื่อบ่งชี้ถึงความแข็งแกร่งของข้อมูลโดยมากแล้วในขณะที่ค่าเฉลี่ยเคลื่อนที่ สายบ่งชี้ได้มีการเปลี่ยนแปลงเพื่อสะท้อนถึงการย้ายที่สำคัญในตลาดจุดที่ดีที่สุดของการเข้าสู่ตลาดได้ผ่านไปแล้ว EMA จะทำหน้าที่ในการบรรเทาปัญหานี้ mma บางส่วนเนื่องจากการคำนวณ EMA ให้น้ำหนักมากขึ้นกับข้อมูลล่าสุดทำให้การดำเนินการด้านราคาอ่อนลงและตอบสนองได้เร็วขึ้นนี่เป็นสิ่งที่พึงปรารถนาเมื่อ EMA ใช้เพื่อรับสัญญาณการซื้อขายเข้ามาแทรกแซง EMA เช่นเดียวกับการย้ายทั้งหมด ตัวบ่งชี้เฉลี่ยจะดีกว่ามากสำหรับตลาดที่มีแนวโน้มเมื่อตลาดอยู่ในขาขึ้นที่แข็งแกร่งและยั่งยืนเส้น EMA จะแสดงแนวโน้มขาขึ้นและทางกลับกันสำหรับแนวโน้มขาลงผู้ประกอบการที่ระมัดระวังจะไม่เพียง แต่ใส่ใจกับทิศทางของ เส้น EMA แต่ยังเป็นความสัมพันธ์ของอัตราการเปลี่ยนแปลงจากแถบหนึ่งไปอีกอันหนึ่งตัวอย่างเช่นเนื่องจากการเคลื่อนไหวด้านราคาของขาขึ้นที่แข็งแกร่งเริ่มย่อและย้อนกลับอัตราการเปลี่ยนแปลงของ EMA จากแถบหนึ่งไปยังอีกแถบหนึ่งจะเริ่มขึ้น ลดลงจนกว่าจะถึงเวลาดังกล่าวที่บรรทัดตัวบ่งชี้ flattens และอัตราการเปลี่ยนแปลงเป็นศูนย์เนื่องจากผลล้าหลังโดยจุดนี้หรือแม้กระทั่งไม่กี่บาร์ก่อนการดำเนินการราคาควรได้กลับรายการแล้วจึงเป็นไปตามที่ obser การลดอัตราการเปลี่ยนแปลงของ EMA ที่สอดคล้องกันอาจเป็นตัวบ่งชี้ที่สามารถช่วยแก้ปัญหาภาวะที่กลืนไม่เข้าคายไม่มอันเป็นผลมาจากผลกระทบที่เกิดจากการเคลื่อนย้ายโดยเฉลี่ยการใช้ EMA. EMAs มักใช้ควบคู่ไปกับตัวชี้วัดอื่น ๆ เพื่อยืนยันอย่างมีนัยสำคัญ การเคลื่อนย้ายตลาดและการวัดความถูกต้องของพวกเขาสำหรับผู้ค้าที่ค้าขายระหว่างวันและตลาดที่มีการเคลื่อนไหวอย่างรวดเร็ว EMA มีผลบังคับใช้ค่อนข้างบ่อยนักค้ามักใช้ EMA เพื่อพิจารณาความลำเอียงการค้าตัวอย่างเช่นถ้า EMA ในแผนภูมิรายวันแสดงให้เห็นถึงแนวโน้มที่แข็งแกร่งขึ้น กลยุทธ์การค้าระหว่างวันอาจเป็นการค้าเฉพาะทางด้านยาวบนกราฟระหว่างวันค่าเฉลี่ยของค่าเฉลี่ยเลขประจำตัวที่เกิดขึ้นโดยเฉลี่ยมากกว่าการศึกษาลำดับของตัวเลขในลำดับต่อเนื่องผู้ประกอบการภาคแรกของการวิเคราะห์อนุกรมเวลาเป็นจริงมากขึ้น จำนวนชุดข้อมูลแต่ละครั้งมากกว่าที่พวกเขาอยู่กับการแก้ไขของข้อมูลที่การแทรกแซงในรูปแบบของทฤษฎีความน่าจะเป็นและการวิเคราะห์มามากในภายหลังเป็นแพท terns ได้รับการพัฒนาและ correlations ค้นพบเมื่อเข้าใจเส้นโค้งที่มีรูปร่างต่างๆและเส้นถูกวาดตามลำดับเวลาในการพยายามที่จะคาดการณ์ที่จุดข้อมูลที่อาจไปเหล่านี้ถือว่าเป็นวิธีการขั้นพื้นฐานที่ใช้ในปัจจุบันโดยการวิเคราะห์ทางเทคนิคการวิเคราะห์ Charting สามารถตรวจสอบกลับ ถึงศตวรรษที่ 18 ประเทศญี่ปุ่นยังอย่างไรและเมื่อค่าเฉลี่ยเคลื่อนที่ถูกนำมาใช้เป็นครั้งแรกกับราคาตลาดยังคงเป็นความลึกลับโดยทั่วไปจะเข้าใจว่าค่าเฉลี่ยเคลื่อนที่แบบเฉลี่ย SMA ถูกใช้มานานก่อนที่ค่า EMA จะเป็นตัวชี้วัดเชิงเส้นเนื่องจาก EMA สร้างขึ้นจากกรอบ SMA และความต่อเนื่องของ SMA คือ เข้าใจง่ายขึ้นสำหรับการวางแผนและการติดตามวัตถุประสงค์คุณต้องการอ่านพื้นหลังเล็กน้อยตรวจสอบค่าเฉลี่ยเคลื่อนที่อะไรคือพวกเขาย้ายง่ายเฉลี่ย SMA ค่าเฉลี่ยเคลื่อนที่ง่ายกลายเป็นวิธีที่ต้องการในการติดตามราคาตลาดเนื่องจากรวดเร็วในการคำนวณและเข้าใจง่ายตลาดต้น ปฏิบัติงานโดยไม่ต้องใช้ตัวชี้วัดแผนภูมิที่มีความซับซ้อนในการใช้ tod ay ดังนั้นพวกเขาอาศัยหลักในราคาตลาดเป็นคำแนะนำ แต่เพียงผู้เดียวของพวกเขาพวกเขาคำนวณราคาตลาดด้วยมือและกราฟราคาดังกล่าวเพื่อแสดงแนวโน้มและทิศทางตลาดกระบวนการนี้ค่อนข้างน่าเบื่อ แต่พิสูจน์แล้วว่าค่อนข้างมีผลกำไรกับการยืนยันการศึกษาต่อไปการคำนวณ 10 วันเคลื่อนไหวเฉลี่ยเพียงแค่เพิ่มราคาปิดของ 10 วันที่ผ่านมาหารด้วย 10 ค่าเฉลี่ยเคลื่อนที่ 20 วันคำนวณโดยการเพิ่มราคาปิดในช่วง 20 วันและหารด้วย 20 และอื่น ๆ สูตรนี้ ไม่ได้ขึ้นอยู่เฉพาะในราคาปิด แต่ผลิตภัณฑ์เป็นราคาเฉลี่ย - เซตย่อยค่าเฉลี่ยเคลื่อนที่หมายถึงการย้ายเนื่องจากกลุ่มของราคาที่ใช้ในการคำนวณย้ายไปตามจุดบนแผนภูมิซึ่งหมายความว่าวันเก่าจะลดลงในความโปรดปรานของ วันปิดราคาใหม่ดังนั้นการคำนวณใหม่จำเป็นต้องใช้เสมอกับกรอบเวลาของค่าจ้างโดยเฉลี่ยดังนั้นค่าเฉลี่ย 10 วันจะคำนวณใหม่โดยการเพิ่มวันใหม่และลดลงวันที่ 10 และวันที่เก้าจะถูกลดลง วันที่สองสำหรับข้อมูลเพิ่มเติมเกี่ยวกับแผนภูมิที่ใช้ในการซื้อขายสกุลเงินโปรดดูข้อมูลพื้นฐานเกี่ยวกับแผนภูมิของเรา Walkthrough. Exponential Moving Average EMA ค่าเฉลี่ยเคลื่อนที่แบบเสวนาได้รับการปรับแต่งและใช้กันอย่างแพร่หลายมากขึ้นนับตั้งแต่ทศวรรษที่ 1960 โดยการทดลองกับคอมพิวเตอร์ก่อนหน้านี้ EMA จะให้ความสำคัญกับราคาล่าสุดมากกว่าในชุดข้อมูลยาว ๆ ซึ่งเป็นค่าเฉลี่ยที่ใช้ในการเคลื่อนไหวโดยปัจจุบัน EMA Price current - ตัวคูณ EMA X ก่อน EMA ปัจจัยที่สำคัญที่สุดคือค่าคงที่ที่ราบเรียบที่ 2 1 N N จำนวนวันที่ EMA 10 วัน 2 10 1 18 8. หมายถึง EMA 10 ระยะน้ำหนักล่าสุดราคาล่าสุด 18 8, 20 วัน EMA 9 52 และ 50 วัน EMA 3 92 น้ำหนักมากที่สุด วันล่าสุด EMA ทำงานโดยการชั่งน้ำหนักความแตกต่างระหว่างราคาของงวดปัจจุบันกับ EMA ก่อนหน้าและการเพิ่มผลให้ EMA ก่อนหน้าระยะเวลาที่สั้นมากขึ้นจะมีน้ำหนักมากขึ้นในราคาล่าสุดเส้นขอบการคำนวณโดยการคำนวณเหล่านี้ให้คะแนน เป็นพล็อต ted เปิดเผยสายการประกอบข้อต่อด้านบนหรือด้านล่างของราคาตลาดบ่งชี้ว่าค่าเฉลี่ยเคลื่อนที่ทั้งหมดเป็นตัวชี้วัดที่ล้าหลังและใช้เป็นหลักสำหรับแนวโน้มต่อไปนี้พวกเขาไม่สามารถทำงานได้ดีกับตลาดช่วงและช่วงเวลาที่มีความแออัดเนื่องจากสายการประกอบที่ไม่สามารถระบุถึงแนวโน้มได้ เนื่องจากการขาดความชัดเจนสูงขึ้นหรือต่ำกว่าระดับต่ำ Plus, สายการติดตั้งมีแนวโน้มที่จะยังคงค่าคงที่โดยไม่ต้องคำแนะนำทิศทางสายการประกอบที่เพิ่มขึ้นด้านล่างตลาดหมายยาวในขณะที่สายพอดีล้มลงเหนือตลาดหมายสั้นสำหรับคำแนะนำที่สมบูรณ์, อ่าน Moving Average Tutorial ของเราวัตถุประสงค์ของการใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆคือการหาจุดและวัดแนวโน้มโดยการทำให้ข้อมูลเรียบโดยใช้วิธีของหลายกลุ่มของราคาแนวโน้มจะถูกมองและอนุมานไปสู่การคาดการณ์สมมติฐานคือการเคลื่อนไหวของแนวโน้มก่อนหน้าจะดำเนินต่อไป สำหรับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆแนวโน้มในระยะยาวสามารถหาได้และง่ายขึ้นกว่า EMA โดยมีสมมติฐานที่สมเหตุสมผลว่า สูงกว่าเส้น EMA อันเนื่องมาจากการให้ความสำคัญต่อราคาเฉลี่ย EMA ถูกใช้เพื่อจับภาพการเคลื่อนไหวที่สั้นลงเนื่องจากการให้ความสำคัญกับราคาล่าสุดโดยวิธีนี้ EMA ควรลดความล่าช้าในค่าเฉลี่ยเคลื่อนที่ที่น้อยลง ปัญหาที่เกิดขึ้นกับ EMA คือเรื่องนี้แนวโน้มที่จะแบ่งราคาโดยเฉพาะอย่างยิ่งในช่วงตลาดที่รวดเร็วและช่วงความผันผวน EMA ทำงานได้ดีจนกว่าราคาจะพังทลายลงในช่วงที่ตลาดมีความผันผวนมากขึ้นคุณสามารถ เราสามารถเปลี่ยนจาก EMA ไปเป็น SMA ได้เนื่องจาก SMA ช่วยให้ข้อมูลดีขึ้นกว่า EMA เนื่องจากมุ่งเน้นไปที่วิธีการในระยะยาว. ตัวบ่งชี้การถ่วงกลับ - เส้นค่าเฉลี่ยเคลื่อนที่ดีขึ้นเป็นเส้นแนวรับและแนวรับหากราคาเบาบางลงมาอยู่ที่เส้นแนวปะการัง 10 วันที่มีแนวโน้มเพิ่มขึ้นมีโอกาสดีที่แนวโน้มขาขึ้นอาจหดตัวหรืออย่างน้อยตลาดอาจรวมตัว หากไม่ได้รับผลกระทบจากการชะลอตัวลงของระยะเวลา 10 วันข้างหน้าแนวโน้มอาจลดลงหรือรวมตัวในกรณีเหล่านี้ให้ใช้ค่าเฉลี่ยเคลื่อนที่ 10 และ 20 วันพร้อมกันและรอให้เส้น 10 วันข้ามด้านบนหรือด้านล่าง 20 บรรทัดวันที่กำหนดทิศทางระยะสั้นถัดไปสำหรับราคาสำหรับงวดระยะยาวดูค่าเฉลี่ยเคลื่อนที่ 100 และ 200 วันสำหรับทิศทางในระยะยาวตัวอย่างเช่นการใช้ค่าเฉลี่ยเคลื่อนที่ 100 และ 200 วันหากค่า 100 วันต่ำกว่าค่าเฉลี่ยเฉลี่ย 200 วันเรียกได้ว่าเป็นเครื่องหมายแห่งความตายและเป็นราคาที่ต่ำมากสำหรับราคาค่าเฉลี่ยเคลื่อนที่ 100 วันที่ข้ามเส้นค่าเฉลี่ยเคลื่อนที่ 200 วันเรียกว่ากากบาทสีทองและเป็นราคาที่สูงมาก ไม่เป็นไรหากมีการใช้ SMA หรือ EMA เนื่องจากทั้งสองเป็นตัวชี้วัดที่เป็นตัวบ่งชี้แนวโน้มในระยะสั้น SMA มีการเบี่ยงเบนเล็กน้อยจากคู่ค้าคือ EMA ข้อสรุปค่าเฉลี่ยเคลื่อนที่เป็นพื้นฐานของแผนภูมิและ การวิเคราะห์ชุดข้อมูลแบบเรียลไทม์ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและงานแสดงสินค้าที่ซับซ้อนมากขึ้น ค่าเฉลี่ยเคลื่อนที่ที่สำคัญช่วยให้เห็นภาพแนวโน้มโดยการปรับราคาการเคลื่อนไหวด้านราคาการวิเคราะห์ทางเทคนิคบางครั้งเรียกว่าศิลปะแทนที่จะเป็นวิทยาศาสตร์ซึ่งทั้งสองใช้เวลาหลายปีในการเรียนรู้เรียนรู้เพิ่มเติมในบทแนะนำการวิเคราะห์ทางเทคนิคของเราการสำรวจโดย United States Bureau of สถิติแรงงานเพื่อช่วยวัดตำแหน่งงานว่างเก็บข้อมูลจากนายจ้างจำนวนเงินสูงสุดที่สหรัฐอเมริกาสามารถยืมได้มีการสร้างเพดานหนี้ภายใต้พระราชบัญญัติตราสารหนี้เสรี 2 แห่งอัตราดอกเบี้ยที่สถาบันรับฝากเงินให้เงินกู้ยืมแก่กองทุนสำรองเลี้ยงชีพที่ธนาคารกลางสหรัฐฯ ไปยังสถาบันรับฝากเงินแห่งอื่น 1 มาตรการทางสถิติในการกระจายผลตอบแทนของดัชนีความมั่นคงหรือดัชนีตลาดความผันผวนสามารถวัดได้การกระทำที่รัฐสภาคองเกรสผ่านในปีพ. ศ. 2476 ตามพระราชบัญญัติการธนาคารซึ่งห้ามไม่ให้ธนาคารพาณิชย์เข้าร่วมในการลงทุน เงินเดือน Nonfarm หมายถึงงานนอกฟาร์มครัวเรือนส่วนบุคคลและภาคที่ไม่แสวงหากำไร US Bureau of Labor. Exponenti al Smoothing Explained. Copyright เนื้อหาที่ได้รับการคุ้มครองลิขสิทธิ์และไม่สามารถเผยแพร่ได้เมื่อผู้คนพบคำว่า Exponential Smoothing เป็นครั้งแรกพวกเขาอาจคิดว่าดูเหมือนจะเป็นเรื่องที่นึกถึงการเรียบเนียนเป็นอย่างมากจากนั้นพวกเขาก็เริ่มมองเห็นการคำนวณทางคณิตศาสตร์ที่ซับซ้อน การคำนวณที่อาจต้องใช้การศึกษาระดับปริญญาในวิชาคณิตศาสตร์เพื่อทำความเข้าใจและหวังว่าจะมีฟังก์ชั่น Excel ที่มีอยู่ในตัวหากจำเป็นต้องทำมันความจริงของการทำให้เรียบเป็นทวีคูณน้อยกว่าที่น่าทึ่งและไม่ค่อยเจ็บปวดมากนักความจริงคือการทำให้เรียบเป็นทวีคูณ การคำนวณที่ง่ายมากที่บรรลุงานที่ค่อนข้างง่ายมันก็มีชื่อที่ซับซ้อนเพราะสิ่งที่เกิดขึ้นในทางเทคนิคอันเป็นผลมาจากการคำนวณง่ายๆนี้เป็นจริงเล็กน้อยซับซ้อนเพื่อให้เข้าใจเรียบชี้แจงจะช่วยให้เริ่มต้นด้วยแนวคิดทั่วไปของการเรียบและ คู่ของวิธีการทั่วไปอื่น ๆ ที่ใช้เพื่อให้บรรลุ smoothing คืออะไร smoothing การปรับให้เรียบเป็นกระบวนการทางสถิติที่พบบ่อยมาก ความเป็นจริงเรามักพบข้อมูลที่ราบรื่นในรูปแบบต่างๆในชีวิตประจำวันของเราทุกครั้งที่คุณใช้ค่าเฉลี่ยในการอธิบายบางสิ่งบางอย่างคุณกำลังใช้ตัวเลขที่ราบเรียบถ้าคุณคิดว่าเหตุผลที่คุณใช้ค่าเฉลี่ยในการอธิบายสิ่งใดคุณจะทำได้อย่างรวดเร็ว เข้าใจแนวคิดของการทำให้เรียบตัวอย่างเช่นเราเพิ่งมีประสบการณ์ฤดูหนาวที่อบอุ่นที่สุดในประวัติเราสามารถหาจำนวนนี้ได้อย่างไรเราเริ่มต้นด้วย datasets ของอุณหภูมิสูงและต่ำรายวันสำหรับช่วงที่เราเรียกว่าฤดูหนาวสำหรับแต่ละปีในประวัติศาสตร์ที่บันทึกไว้ เรามีพวงของตัวเลขที่กระโดดรอบไม่น้อยก็ไม่เหมือนทุกวันในฤดูหนาวนี้คืออุ่นกว่าวันที่สอดคล้องกันจากปีก่อนหน้าทั้งหมดเราต้องเป็นตัวเลขที่เอาทั้งหมดกระโดดนี้รอบจากข้อมูลเพื่อให้เราได้ง่ายขึ้นสามารถเปรียบเทียบหนึ่ง ฤดูหนาวไปข้างหน้าลบกระโดดรอบในข้อมูลที่เรียกว่าเรียบและในกรณีนี้เราก็สามารถใช้ค่าเฉลี่ยที่เรียบง่ายที่จะบรรลุเรียบในการพยากรณ์ความต้องการเราใช้เรียบเพื่อลบสุ่ม การเปลี่ยนแปลงของเสียงจากความต้องการในอดีตของเราสิ่งนี้ช่วยให้เราสามารถระบุรูปแบบความต้องการได้ดีขึ้นตามหลักแนวโน้มและฤดูกาลและระดับความต้องการที่สามารถใช้เพื่อคาดการณ์ความต้องการในอนาคตความต้องการเสียงดังกล่าวเป็นแนวคิดเดียวกับการกระโดดรายวันของข้อมูลอุณหภูมิไม่แปลกใจ วิธีการทั่วไปที่ผู้คนเอาเสียงรบกวนออกจากประวัติความต้องการคือการใช้ค่าเฉลี่ยที่เรียบง่ายหรือโดยเฉพาะอย่างยิ่งค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเคลื่อนที่จะใช้จำนวนที่กำหนดไว้ล่วงหน้าของช่วงเวลาในการคำนวณค่าเฉลี่ยและช่วงเวลาเหล่านั้นจะเคลื่อนที่ตามเวลาที่ผ่านไปตัวอย่างเช่นถ้า โดยใช้ค่าเฉลี่ยเคลื่อนที่ 4 เดือนและวันนี้คือวันที่ 1 พฤษภาคมฉันใช้ค่าเฉลี่ยความต้องการที่เกิดขึ้นในเดือนมกราคมกุมภาพันธ์มีนาคมและเมษายนในวันที่ 1 มิถุนายนฉันจะใช้ความต้องการตั้งแต่เดือนกุมภาพันธ์มีนาคมเมษายนและพฤษภาคม ค่าเฉลี่ยถ่วงน้ำหนักโดยเฉลี่ยเมื่อใช้ค่าเฉลี่ยเราใช้ค่าความสำคัญเดียวกันกับแต่ละค่าในชุดข้อมูลในค่าเฉลี่ยเคลื่อนที่ 4 เดือนแต่ละเดือนแสดงค่าเฉลี่ยเคลื่อนที่ 25 ค่าเมื่อใช้ประวัติความต้องการไปยัง ความต้องการในอนาคตของโครงการและแนวโน้มในอนาคตโดยเฉพาะอย่างยิ่งตรรกะที่จะสรุปได้ว่าคุณต้องการให้ประวัติล่าสุดมีผลกระทบมากขึ้นกับการคาดการณ์ของคุณเราสามารถปรับการคำนวณโดยใช้ค่าเฉลี่ยเคลื่อนที่ของเราเพื่อใช้น้ำหนักต่างๆในแต่ละช่วงเวลาเพื่อให้ได้ความต้องการของเรา ผลลัพธ์เราแสดงน้ำหนักดังกล่าวเป็นเปอร์เซ็นต์และน้ำหนักรวมทั้งหมดสำหรับทุกช่วงเวลาต้องเพิ่มขึ้น 100 ดังนั้นหากเราตัดสินใจว่าเราต้องการใช้ 35 เป็นน้ำหนักสำหรับช่วงเวลาใกล้เคียงกับค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนัก 4 เดือนของเราเราสามารถ ลบ 35 ออกจาก 100 เพื่อหาว่าเราเหลือเหลืออีก 65 รายการในช่วงเวลาอื่น ๆ ตัวอย่างเช่นเราอาจจบลงด้วยการให้น้ำหนัก 15, 20, 30 และ 35 ตามลำดับเป็นเวลา 4 เดือน 15 20 30 35 100. การเพิ่มความเรียบเป็นพิเศษ ถ้าเรากลับไปใช้แนวความคิดในการใช้น้ำหนักกับงวดล่าสุดเช่น 35 ในตัวอย่างก่อนหน้านี้และการกระจายน้ำหนักที่เหลือคำนวณโดยการหักน้ำหนักงวดล่าสุดของ 35 จาก 100 เป็น 65 เรามีการสร้างพื้นฐาน s สำหรับการคำนวณการชดเชยความเร่งด่วนการป้อนข้อมูลการควบคุมของการคำนวณการแกว่งแบบเอ็กเพลสเมนต์เป็นที่รู้จักกันว่าเป็นปัจจัยการปรับให้ราบเรียบหรือที่เรียกว่าค่าคงที่ที่ราบเรียบเป็นหลักแสดงถึงการถ่วงน้ำหนักที่ใช้กับความต้องการของช่วงเวลาล่าสุดดังนั้นที่เราใช้ 35 เป็นน้ำหนักสำหรับมากที่สุด เมื่อเร็ว ๆ นี้ในการคำนวณถัวเฉลี่ยถ่วงน้ำหนักเรายังสามารถเลือกที่จะใช้ 35 เป็นปัจจัยที่ราบเรียบในการคำนวณการเรียบของเราชี้แจงเพื่อให้ได้ผลที่คล้ายกันความแตกต่างกับการคำนวณเรียบชี้แจงคือว่าแทนที่จะต้องมีการคิดออกเท่าใดน้ำหนัก เพื่อนำไปใช้กับแต่ละช่วงเวลาก่อนหน้านี้ปัจจัยการทำให้ราบรื่นถูกใช้เพื่อทำโดยอัตโนมัติดังนั้นนี่คือส่วนที่เป็นส่วนหนึ่งถ้าเราใช้ 35 เป็นปัจจัยการปรับให้เรียบการถ่วงน้ำหนักของความต้องการของช่วงเวลาล่าสุดจะเป็น 35 การถ่วงน้ำหนักของอันดับถัดไป ระยะเวลาล่าสุดของความต้องการช่วงก่อนที่จะล่าสุดจะ 65 จาก 35 65 มาจากหัก 35 จาก 100 นี้เท่ากับ 22 75 น้ำหนัก ting สำหรับระยะเวลาที่ถ้าคุณทำคณิตศาสตร์ความต้องการระยะเวลาถัดไปล่าสุดจะเป็น 65 จาก 65 จาก 35 ซึ่งเท่ากับ 14 79 ระยะเวลาก่อนที่จะมีน้ำหนักเป็น 65 จาก 65 จาก 65 จาก 35 ซึ่งเท่ากับ 9 61 และอื่น ๆ และสิ่งนี้จะย้อนกลับไปในทุกช่วงเวลาก่อนหน้าของคุณตลอดทางจนถึงจุดเริ่มต้นของเวลาหรือจุดที่คุณเริ่มต้นโดยใช้การทำให้เรียบแบบทวีคูณสำหรับรายการที่เฉพาะเจาะจงคุณอาจจะคิดว่าดูเหมือนว่าเป็นอย่างมาก ของคณิตศาสตร์ แต่ความงามของการคำนวณการคำนวณหาผลคูณคือแทนที่จะต้องคำนวณใหม่ในแต่ละช่วงเวลาก่อนหน้านี้ทุกครั้งที่คุณได้รับความต้องการของช่วงเวลาใหม่ ๆ คุณก็ใช้ผลลัพธ์ของการคำนวณการคำนวณความเร่งด่วนจากงวดก่อนหน้าเพื่อแสดงช่วงก่อนหน้าทั้งหมด คุณสับสนยังจะทำให้รู้สึกมากขึ้นเมื่อเราดูการคำนวณที่เกิดขึ้นจริงโดยปกติเราจะอ้างถึงผลลัพธ์ของการคำนวณการคำนวณความล้าสมัยเป็นประมาณการระยะเวลาต่อไปในความเป็นจริงการคาดการณ์ที่ดีที่สุดต้องการ ทำงานมากขึ้น แต่สำหรับวัตถุประสงค์ของการคำนวณเฉพาะนี้เราจะเรียกมันว่าเป็นคาดการณ์การคำนวณการคำนวณความเร่งด่วนดังต่อไปนี้ความต้องการของช่วงล่าสุดของคูณด้วยปัจจัยการปรับให้เรียบ PLUS การคาดการณ์ของช่วงเวลาล่าสุดคูณด้วย หนึ่งลบด้วยความราบเรียบ factor. D ความต้องการของช่วงเวลาล่าสุด S ปัจจัยการทำให้ราบรื่นเป็นตัวแทนในรูปแบบทศนิยมดังนั้น 35 จะแสดงเป็น 0 35 F ในช่วงเวลาล่าสุดที่คาดการณ์เอาท์พุทของการคำนวณการปรับให้เรียบจากงวดก่อนหน้านี้สมมติว่าการปรับให้ราบเรียบ factor ของ 0 35.It doesn t get ง่ายมากกว่า that. s ที่คุณสามารถดูทั้งหมดที่เราต้องการสำหรับการป้อนข้อมูลที่นี่เป็นความต้องการของช่วงเวลาล่าสุดและการคาดการณ์ของช่วงเวลาล่าสุดเราใช้ปัจจัยราบเรียบให้มากที่สุด ระยะเวลาของความต้องการในแบบเดียวกับที่เราต้องการในการคำนวณถัวเฉลี่ยถ่วงน้ำหนักจากนั้นเราจะใช้การถ่วงน้ำหนักที่เหลืออยู่ 1 ลบปัจจัยที่ราบเรียบไปยังการคาดการณ์ของรอบระยะเวลาล่าสุดนับตั้งแต่ช่วงเวลาล่าสุดของ การคาดการณ์ถูกสร้างขึ้นตามความต้องการของช่วงเวลาก่อนหน้าและการคาดการณ์ของช่วงก่อนหน้าซึ่งเป็นไปตามความต้องการของช่วงก่อนหน้านั้นและการคาดการณ์ในช่วงก่อนหน้านั้นซึ่งขึ้นอยู่กับความต้องการในช่วงก่อนหน้านั้นและ สำหรับช่วงก่อนหน้านั้นซึ่งขึ้นอยู่กับช่วงเวลาก่อนหน้านี้คุณสามารถดูได้ว่าความต้องการของช่วงเวลาก่อนหน้านี้ทั้งหมดเป็นอย่างไรในการคำนวณโดยไม่มีการย้อนกลับและคำนวณอะไรใหม่และนั่นคือสิ่งที่ผลักดันความนิยมเริ่มต้นของการชี้แจง การปรับให้เรียบไม่ได้เพราะการปรับให้เรียบทำได้ดีกว่าค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักเนื่องจากการคำนวณในโปรแกรมคอมพิวเตอร์ได้ง่ายขึ้นและเนื่องจากคุณไม่จำเป็นต้องคิดถึงการถ่วงเวลาก่อนหน้านี้หรือช่วงก่อนหน้านี้ ที่จะใช้เป็นคุณจะมีค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักและเพราะมันฟังดูเย็นกว่าค่าเฉลี่ยถ่วงน้ำหนักจริงในความเป็นจริงก็อาจจะแย้งว่าค่าเฉลี่ยถ่วงน้ำหนักให้มากขึ้น fle xibility เนื่องจากคุณสามารถควบคุมการถ่วงน้ำหนักของช่วงเวลาก่อน ๆ ได้มากขึ้นความเป็นจริงอาจเป็นผลลัพธ์ที่น่านับถือดังนั้นทำไมคุณถึงไม่ไปกับการออกเสียงแบบง่ายและทำให้เย็นลง Exponential Smoothing ใน Excel ลองดูว่านี่จะเป็นจริงในสเปรดชีตด้วย เนื้อหาจริงเนื้อหาลิขสิทธิ์ถูกป้องกันลิขสิทธิ์และไม่สามารถเผยแพร่ได้ในรูปที่ 1A เรามีสเปรดชีต Excel ที่มีความต้องการใช้งานเป็นเวลา 11 สัปดาห์และมีการคาดการณ์ที่ราบเรียบตามการคำนวณซึ่งคำนวณจากความต้องการดังกล่าวที่ฉันเคยใช้ปัจจัยการทำให้ราบเรียบเป็น 25 0 25 ในเซลล์ C1 เซลล์ที่ใช้งานอยู่ในขณะนี้คือเซลล์ M4 ซึ่งมีการคาดการณ์สำหรับสัปดาห์ที่ 12 คุณสามารถดูได้ในแถบสูตรสูตรคือ L3 C1 L4 1- C1 ดังนั้นปัจจัยการผลิตโดยตรงเพียงอย่างเดียวในการคำนวณนี้คือเซลล์ที่ต้องการช่วงก่อนหน้า L3 ช่วงเวลาก่อนหน้าที่พยากรณ์ Cell L4 และปัจจัยการทำให้ราบรื่น Cell C1 แสดงเป็นค่าคงที่ของเซลล์สัมบูรณ์ C1 เมื่อเราคำนวณการคำนวณความเร่งด่วนเราจำเป็นต้องกำหนดค่า forecas ด้วยตนเองเป็นครั้งแรก t ดังนั้นใน Cell B4 แทนที่จะเป็นสูตรเราจึงพิมพ์ตามความต้องการจากช่วงเวลาเดียวกันกับที่คาดการณ์ไว้ใน Cell C4 เรามีการคำนวณการทำให้เรียบเป็นลำดับ 1 B3 C1 B4 1- C1 จากนั้นเราจะคัดลอกเซลล์ C4 และวางใน เซลล์ D4 ผ่าน M4 เพื่อเติมส่วนที่เหลือของเซลล์คาดการณ์ของเราตอนนี้คุณสามารถดับเบิลคลิกที่เซลล์คาดการณ์ใด ๆ เพื่อดูข้อมูลได้จากช่วงคาดการณ์ของเซลล์ที่คาดการณ์ไว้และเซลล์ความต้องการของช่วงเวลาก่อนหน้าดังนั้นการคำนวณการคำนวณหากำไรที่ตามมาแต่ละครั้งจะสืบทอด ผลลัพธ์ของการคำนวณการชดเชยความละเอียดที่อธิบายไว้ก่อนหน้านี้นั่นคือความต้องการของแต่ละช่วงเวลาก่อนหน้านี้เป็นอย่างไรในการคำนวณช่วงเวลาล่าสุดแม้ว่าการคำนวณดังกล่าวไม่ได้อ้างอิงถึงช่วงเวลาก่อนหน้านี้โดยตรง แต่ถ้าคุณต้องการรับแฟนซีคุณสามารถใช้ฟังก์ชัน เมื่อต้องการทำเช่นนี้ให้คลิกที่เซลล์ M4 จากนั้นบนแถบเครื่องมือริบบิ้น Excel 2007 หรือ 2010 คลิกแท็บสูตรจากนั้นคลิกติดตามค่านิยมจะวาดเส้นเชื่อมต่อไปยังระดับที่ 1 ของ precedent แต่ถ้าคุณเก็บ คลิก Trace Precedents จะวาดเส้นเชื่อมต่อไปยังงวดก่อนหน้าทั้งหมดเพื่อแสดงความสัมพันธ์ที่สืบทอดกันมาตอนนี้ลองดูสิ่งที่ทำให้เกิดความเรียบที่เป็นไปได้สำหรับเรารูปที่ 1B แสดงแผนภูมิเส้นของความต้องการและการคาดการณ์ของเราคุณจะเห็นว่าการคาดการณ์แบบเรียบขึ้นแบบทวีคูณเป็นการขจัดออกไป ส่วนใหญ่ของความขรุขระกระโดดรอบจากความต้องการรายสัปดาห์ แต่ยังคงจัดการเพื่อทำตามสิ่งที่ดูเหมือนจะมีแนวโน้มสูงขึ้นในความต้องการนอกจากนี้คุณยังจะสังเกตเห็นว่าสายคาดการณ์เรียบมีแนวโน้มที่จะต่ำกว่าสายความต้องการนี้เรียกว่าแนวโน้มล่าช้าและ ผลข้างเคียงของกระบวนการทำให้ราบเรียบเมื่อใดก็ตามที่คุณใช้การปรับให้ราบเรียบเมื่อมีแนวโน้มเกิดขึ้นการคาดการณ์ของคุณจะล่าช้ากว่าแนวโน้มนี้เป็นจริงสำหรับเทคนิคการปรับให้ราบเรียบใด ๆ ในความเป็นจริงหากเราดำเนินการต่อสเปรดชีตนี้และเริ่มต้นป้อนตัวเลขความต้องการที่ต่ำกว่า แนวโน้มลดลงคุณจะเห็นการวางสายความต้องการและเส้นแนวโน้มย้ายไปข้างต้นก่อนที่จะเริ่มทำตามแนวโน้มลดลงนั่นคือเหตุผลที่ผมเคยกล่าวถึงการส่งออกจาก การคำนวณการคำนวณแบบเรียบที่เราเรียกว่าการคาดการณ์ยังคงต้องการการทำงานเพิ่มเติมบางอย่างมีมากขึ้นในการคาดการณ์มากกว่าเพียงแค่ทำให้เกิดการกระแทกในความต้องการเราจำเป็นต้องปรับเปลี่ยนเพิ่มเติมสำหรับสิ่งต่างๆเช่นความล่าช้าตามฤดูกาลเหตุการณ์ที่ทราบซึ่งอาจส่งผลต่อความต้องการ , ฯลฯ แต่ทั้งหมดที่อยู่นอกเหนือขอบเขตของบทความนี้คุณอาจจะยังใช้เป็นเงื่อนไขเช่นการเพิ่มประสิทธิภาพแบบ double-exponential และการปรับให้เรียบแบบสามขั้นตอนคำเหล่านี้ล้วนเป็นข้อมูลที่ทำให้เข้าใจผิดเนื่องจากคุณไม่จำเป็นต้องปรับให้เรียบตามความต้องการหลายครั้ง คุณต้องการ แต่ที่ไม่ได้จุดที่นี่คำเหล่านี้แสดงถึงการใช้ความเรียบเป็นทวีคูณในองค์ประกอบเพิ่มเติมของการคาดการณ์ดังนั้นด้วยการเรียบง่ายชี้แจงคุณจะเรียบความต้องการพื้นฐาน แต่มีการเพิ่มขึ้นสองเท่าที่เรียบคุณจะเรียบความต้องการฐานบวกแนวโน้ม และด้วยการปรับให้เรียบเรียบขึ้นสามเท่าคุณจะทำให้ความต้องการพื้นฐานเพิ่มขึ้นพร้อมกับแนวโน้มบวกกับคำถามเกี่ยวกับฤดูกาลที่ถามกันทั่วไปเกี่ยวกับการชี้แจง การปรับให้เรียบเป็นที่ที่ฉันจะได้รับปัจจัยที่ราบเรียบของฉันไม่มีคำตอบขลังที่นี่คุณจะต้องทดสอบปัจจัยการทำให้ราบเรียบต่างๆกับข้อมูลความต้องการของคุณเพื่อดูว่าอะไรทำให้คุณได้ผลลัพธ์ที่ดีที่สุดมีการคำนวณที่สามารถตั้งค่าและเปลี่ยนปัจจัยการปรับให้เรียบได้โดยอัตโนมัติ แต่คุณต้องระมัดระวังกับพวกเขาไม่มีเพียงคำตอบที่สมบูรณ์แบบและคุณไม่ควรสุ่มสี่สุ่มห้าใช้การคำนวณใด ๆ โดยไม่มีการทดสอบอย่างละเอียดและพัฒนาความเข้าใจอย่างถ่องแท้ในสิ่งที่คำนวณไม่ได้คุณควรใช้สถานการณ์ what-if เพื่อดู วิธีการคำนวณเหล่านี้ตอบสนองต่อการเปลี่ยนแปลงความต้องการที่อาจไม่อยู่ในข้อมูลความต้องการที่คุณกำลังใช้สำหรับการทดสอบตัวอย่างข้อมูลที่ผมใช้ก่อนหน้านี้เป็นตัวอย่างที่ดีมากสำหรับสถานการณ์ที่คุณต้องการทดสอบสถานการณ์อื่น ๆ บางอย่างตัวอย่างข้อมูลที่แสดงตัวอย่าง แนวโน้มที่มีแนวโน้มสูงขึ้นอย่างมาก บริษัท ขนาดใหญ่หลายแห่งที่มีซอฟต์แวร์คาดการณ์ราคาแพงมีปัญหาใหญ่ในอดีตที่ไม่ได้อยู่ในระยะไกล เมื่อการตั้งค่าซอฟท์แวร์ของพวกเขาที่ปรับแต่งเพื่อการเติบโตทางเศรษฐกิจไม่ได้ตอบสนองได้ดีเมื่อเศรษฐกิจเริ่มซบเซาหรือหดตัวสิ่งต่างๆเช่นนี้เกิดขึ้นเมื่อคุณไม่เข้าใจว่าซอฟต์แวร์คำนวณของคุณทำอะไรได้จริงหากพวกเขาเข้าใจระบบการคาดการณ์ของพวกเขาพวกเขาจะรู้จักพวกเขา จำเป็นต้องข้ามไปและเปลี่ยนแปลงบางอย่างเมื่อมีการเปลี่ยนแปลงอย่างฉับพลันเพื่อธุรกิจของพวกเขาดังนั้นมีคุณมีพื้นฐานของการอธิบายเรียบอธิบายต้องการทราบเพิ่มเติมเกี่ยวกับการใช้เรียบชี้แจงในการคาดการณ์ที่เกิดขึ้นจริงตรวจสอบการจัดการสินค้าคงคลังหนังสือของฉัน Explained. Copyright เนื้อหาที่ได้รับการคุ้มครองลิขสิทธิ์และไม่สามารถเผยแพร่ได้อีกต่อไป Dave Piasecki เป็นผู้ดำเนินการเจ้าของ Inventory Operations Consulting LLC บริษัท ที่ปรึกษาที่ให้บริการเกี่ยวกับการจัดการสินค้าคงคลังการจัดการวัสดุและการดำเนินงานคลังสินค้าเขามีประสบการณ์มากกว่า 25 ปีในการจัดการการดำเนินงานและสามารถ เข้าถึงได้ผ่านทางเว็บไซต์ของเขาซึ่งเขายังคงมีความเกี่ยวข้องเพิ่มเติม ข้อมูลธุรกิจของฉัน