ดับเบิล เฉลี่ยเคลื่อนที่ พยากรณ์

การคาดการณ์โดย Smoothing Techniques เว็บไซต์นี้เป็นส่วนหนึ่งของ JavaScript E-labs การเรียนรู้วัตถุสำหรับการตัดสินใจ JavaScript อื่น ๆ ในชุดนี้จัดอยู่ในส่วนต่างๆของแอ็พพลิเคชันในส่วน MENU ในหน้านี้ชุดข้อมูลเวลาคือชุดของข้อสังเกตที่ มีการสั่งซื้อในเวลาที่สืบทอดมาในชุดของข้อมูลที่ถ่ายเมื่อเวลาผ่านไปคือรูปแบบของรูปแบบการสุ่มบางอย่างมีอยู่วิธีการในการลดการยกเลิกผลกระทบเนื่องจากรูปแบบการสุ่มเทคนิคที่ใช้กันอย่างแพร่หลายคือ smoothing เทคนิคเหล่านี้เมื่อใช้อย่างถูกต้องเปิดเผยอย่างชัดเจนมากขึ้นแนวโน้มพื้นฐาน ใส่ชุดข้อมูลลำดับแถวตามลำดับจากมุมซ้ายบนและพารามิเตอร์ s จากนั้นคลิกที่ปุ่มคำนวณเพื่อขอรับการคาดการณ์ล่วงหน้าหนึ่งรอบล่วงหน้ากล่อง Bowl ไม่รวมอยู่ในการคำนวณ แต่มีศูนย์อยู่ ในการป้อนข้อมูลของคุณเพื่อย้ายจากเซลล์ไปยังเซลล์ในข้อมูลเมทริกซ์ใช้แป้น Tab ไม่ใช่ลูกศรหรือป้อนคีย์ลักษณะของชุดเวลาซึ่งอาจถูกเปิดเผยโดย examini กราฟของค่าคาดการณ์และลักษณะการตกค้างของการคาดการณ์สภาพอากาศการคำนวณค่าเฉลี่ยการเลื่อนอันดับเฉลี่ยระหว่างเทคนิคที่นิยมใช้มากที่สุดสำหรับการประมวลผลล่วงหน้าของชุดข้อมูลเวลาพวกเขาใช้เพื่อกรองสัญญาณรบกวนแบบสุ่มจากข้อมูลเพื่อให้ชุดข้อมูลเวลา นุ่มนวลหรือแม้กระทั่งการเน้นองค์ประกอบข้อมูลบางอย่างที่มีอยู่ในชุดข้อมูลเวลา Exponential Smoothing นี่เป็นโครงการที่ได้รับความนิยมมากในการผลิตชุดเวลาที่ราบรื่นโดยที่ค่าเฉลี่ยเคลื่อนที่ของการสังเกตการณ์ในอดีตมีการถ่วงน้ำหนักเท่ากัน Exponential Smoothing กำหนดค่าน้ำหนักที่ลดลงอย่างมากเมื่อการสังเกตมีอายุมากขึ้น กล่าวอีกนัยหนึ่งการสังเกตล่าสุดมีน้ำหนักมากขึ้นในการคาดการณ์มากกว่าการสังเกตที่เก่ากว่า Double Exponential Smoothing ดีกว่าในการจัดการกับแนวโน้ม Triple Exponential Smoothing จะดีกว่าในการจัดการกับแนวโน้มของพาราโบลาค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบเร้าซ้อนด้วยการปรับให้เรียบสม่ำเสมอสอดคล้องกับแบบเรียบง่าย ค่าเฉลี่ยเคลื่อนที่ของความยาวเช่น ระยะเวลา n โดยที่ a และ n มีความสัมพันธ์กันโดย 2 n 1 หรือ n 2 - a. ตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักที่มีค่าความยาวคลื่นและค่าคงที่ที่ราบเรียบเท่ากับ 0 1 จะเท่ากับค่าเฉลี่ยเคลื่อนที่ 19 วันและ ค่าเฉลี่ยเคลื่อนที่เฉลี่ย 40 วันจะสอดคล้องกับค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบยกกำลังยกโดยมีค่าคงที่ที่ราบเรียบเท่ากับ 0 04878.Holt s Linear Exponential Smoothing สมมติว่าลำดับเวลาไม่ใช่ตามฤดูกาล แต่เป็นวิธีการแสดงแนวโน้มของ Holt s ประมาณทั้งปัจจุบัน ระดับและแนวโน้มปัจจุบันข้อสังเกตุว่าค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นกรณีพิเศษของการเพิ่มความลําชี้แจงโดยกําหนดระยะเวลาของค่าเฉลี่ยเคลื่อนที่เป็นส่วนจํานวนเต็มของอัลฟ่าอัลฟ่าอัลฟา 2 สำหรับข้อมูลธุรกิจส่วนใหญ่พารามิเตอร์อัลฟ่าน้อยกว่า 0 40 มักเป็น มีประสิทธิภาพ แต่หนึ่งอาจดำเนินการค้นหาตารางพื้นที่พารามิเตอร์ด้วย 0 1 ถึง 0 9 ด้วยการเพิ่มขึ้นของ 0 1 แล้ว alpha ที่ดีที่สุดมีค่าเฉลี่ยน้อยที่สุดข้อผิดพลาด Absolute MA Error. How เพื่อเปรียบเทียบวิธีการเรียบหลายแม้ว่าจะมี เป็นตัวชี้วัดเชิงตัวเลขสำหรับการประเมินความถูกต้องของเทคนิคการคาดการณ์วิธีที่กว้างที่สุดคือการใช้การเปรียบเทียบภาพของการคาดการณ์ต่างๆเพื่อประเมินความถูกต้องและเลือกวิธีการคาดการณ์ต่างๆในแนวทางนี้ต้องใช้พล็อตเช่น Excel ในกราฟเดียวกัน ค่าเดิมของตัวแปรชุดเวลาและค่าที่คาดการณ์ไว้จากวิธีการคาดการณ์ที่แตกต่างกันจำนวนมากซึ่งจะช่วยให้สามารถเปรียบเทียบภาพได้คุณอาจต้องการใช้การคาดการณ์ที่ผ่านมาโดยเทคนิค Smoothing JavaScript เพื่อดูค่าพยากรณ์ที่ผ่านมาโดยใช้เทคนิคการปรับให้เรียบโดยใช้พารามิเตอร์เดียว Holt และ Winters ใช้พารามิเตอร์สองและสามตามลำดับดังนั้นจึงไม่ใช่เรื่องง่ายที่จะเลือกค่าที่ดีที่สุดหรือใกล้เคียงกับค่าทดลองโดยรวมและข้อผิดพลาดสำหรับพารามิเตอร์การปรับความเรียบแบบเอกซ์โพเน็นเชียลเดี่ยวเน้นมุมมองในระยะสั้น กำหนดระดับการสังเกตสุดท้ายและขึ้นอยู่กับเงื่อนไขที่ไม่มีแนวโน้มการถอยหลังแบบเส้นตรง ion ซึ่งเหมาะกับเส้นสี่เหลี่ยมเล็ก ๆ น้อย ๆ กับข้อมูลทางประวัติศาสตร์หรือเปลี่ยนข้อมูลทางประวัติศาสตร์เป็นระยะทางยาวซึ่งขึ้นอยู่กับแนวโน้มพื้นฐานการจับภาพเชิงเส้นแบบละเอียดของ Holt จะรวบรวมข้อมูลเกี่ยวกับแนวโน้มล่าสุดพารามิเตอร์ในรูปแบบของ Holt คือพารามิเตอร์ระดับ ควรจะลดลงเมื่อปริมาณของการเปลี่ยนแปลงข้อมูลมีขนาดใหญ่และแนวโน้มควรเพิ่มขึ้นหากแนวโน้มทิศทางล่าสุดได้รับการสนับสนุนจากปัจจัยที่เป็นสาเหตุบางประการการคาดการณ์ในระยะสั้นให้สังเกตว่า JavaScript ทุกหน้าจะมีขั้นตอนเดียวล่วงหน้า เมื่อต้องการได้รับการคาดการณ์สองขั้นตอนเพียงแค่เพิ่มค่าที่คาดไว้ในตอนท้ายของข้อมูลชุดข้อมูลเวลาของคุณแล้วคลิกปุ่มคำนวณเดียวกันคุณอาจทำซ้ำขั้นตอนนี้สองสามครั้งเพื่อให้ได้การคาดการณ์ในระยะสั้นที่จำเป็น. Double Exponential Moving Averages Explained. Traders ได้พึ่งพาการย้ายเฉลี่ยเพื่อช่วยระบุจุดการซื้อขายสูงน่าจะค้าและผลกำไรออกเป็นเวลาหลายปีราคาที่รู้จักกันดี oblem กับค่าเฉลี่ยเคลื่อนที่เป็นความล่าช้าที่ร้ายแรงที่มีอยู่ในค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่ค่า DEMA เฉลี่ยสองเท่าของค่าเฉลี่ยเคลื่อนที่ให้วิธีแก้ปัญหาด้วยการคำนวณวิธีการเฉลี่ยที่เร็วกว่าสถิติประวัติศาสตร์ของค่าเฉลี่ยเคลื่อนที่แบบ Double Exponential ในการวิเคราะห์ทางเทคนิคระยะเฉลี่ยเคลื่อนที่ หมายถึงราคาเฉลี่ยสำหรับเครื่องมือการซื้อขายเฉพาะเจาะจงในช่วงเวลาที่ระบุตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ 10 วันคำนวณราคาเฉลี่ยของตราสารเฉพาะในช่วง 10 วันที่ผ่านมาค่าเฉลี่ยเคลื่อนที่ 200 วันคำนวณราคาเฉลี่ยของ 200 วันที่ผ่านมาในแต่ละวันความก้าวหน้าของช่วงเวลามองย้อนกลับไปยังการคำนวณฐานในจำนวนวัน X ล่าสุดจำนวนค่าเฉลี่ยเคลื่อนที่จะปรากฏเป็นเส้นโค้งที่ราบเรียบซึ่งแสดงการแสดงถึงแนวโน้มในระยะยาวของเครื่องดนตรี ที่มีช่วงเวลามองย้อนกลับสั้นลงหมายถึงค่าเฉลี่ยเคลื่อนที่ช้าลงโดยมีช่วงเวลามองย้อนกลับที่ยาวนานกว่าเนื่องจากมีค่าเฉลี่ยเคลื่อนที่อยู่เบื้องหลัง ตัวชี้วัดจะล้าหลังค่าเฉลี่ย DEMA แบบเลขยกกำลังสองที่แสดงในรูปที่ 1 ได้รับการพัฒนาโดย Patrick Mulloy ในความพยายามที่จะลดระยะเวลาที่ล่าช้าซึ่งพบได้ในค่าเฉลี่ยเคลื่อนที่แบบเดิมเป็นครั้งแรกในเดือนกุมภาพันธ์ 1994 การวิเคราะห์ทางเทคนิคของ บทความหลัก: ข้อมูลสินค้า Smoothing Data กับค่าเฉลี่ยเคลื่อนที่ที่เร็วขึ้นสำหรับ primer เกี่ยวกับการวิเคราะห์ทางเทคนิคให้ดูเทคนิคการกวดวิชาการวิเคราะห์ของเรากวดวิชานี้รูปที่ 1 แผนภูมิหนึ่งนาทีนี้ของ e-mini Russell 2000 สัญญาซื้อขายล่วงหน้าแสดงให้เห็นถึงสองเลขยกกำลังสองที่แตกต่างกัน ค่าเฉลี่ยเคลื่อนที่ 55 นิ้วปรากฏเป็นสีน้ำเงินระยะเวลา 21 สีชมพูการคำนวณ DEMA As Mulloy อธิบายไว้ในบทความต้นฉบับของเขา DEMA ไม่ใช่แค่ EMA แบบคู่ที่มีความล่าช้าเพียงสองเท่าของ EMA แบบเดียว แต่เป็นแบบคอมโพสิต การใช้ EMA แบบเดี่ยวและแบบคู่ที่ผลิต EMA อื่นที่มีความล่าช้าน้อยกว่าข้อใดข้อหนึ่งในคำอื่น ๆ DEMA ไม่ใช่แค่สอง EMA รวมหรือค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยเคลื่อนที่ แต่เป็น การคำนวณทั้ง EMA แบบเดี่ยวและแบบคู่ปัจจุบันแพลตฟอร์มการวิเคราะห์การซื้อขายทั้งหมดมี DEMA รวมเป็นตัวบ่งชี้ที่สามารถเพิ่มลงในแผนภูมิดังนั้นผู้ค้าสามารถใช้ DEMA โดยไม่ต้องรู้คณิตศาสตร์ที่อยู่เบื้องหลังการคำนวณและโดยไม่ต้องเขียนหรือป้อนข้อมูลใด ๆ codeparing DEMA with Traditional Moving Averages ค่าเฉลี่ยเคลื่อนที่เป็นหนึ่งในวิธีที่ได้รับความนิยมมากที่สุดในการวิเคราะห์ทางเทคนิคผู้ค้าหลายรายใช้คำเหล่านี้เพื่อระบุการพลิกกลับของแนวโน้มโดยเฉพาะอย่างยิ่งในครอสโอเวอร์เฉลี่ยที่เคลื่อนที่โดยมีค่าเฉลี่ยเคลื่อนที่สองเส้นที่มีความยาวแตกต่างกัน อาจหมายถึงการซื้อหรือขายโอกาส DEMA สามารถช่วยให้ผู้ค้าเห็นการพลิกกลับได้เร็วขึ้นเนื่องจากมีการตอบสนองต่อการเปลี่ยนแปลงของกิจกรรมทางการตลาดได้เร็วขึ้นรูปที่ 2 แสดงตัวอย่างสัญญาซื้อขายล่วงหน้าแบบ e-mini Russell 2000 แผนภูมิหนึ่งนาทีนี้มีการใช้ค่าเฉลี่ยเคลื่อนที่ 4 ค่า DEMA ระยะเวลา 21 ระยะเวลา DEMA สีชมพู 56. ระยะเวลา DEMA dark blue.21 รอบระยะเวลา MA light blue.55 รอบระยะเวลา MA light green รูปที่ 2 ถ่านนี้ใช้เวลาเพียง 1 นาที t ของคอนเท็กซ์ futures e-mini Russell 2000 แสดงให้เห็นถึงเวลาตอบสนองที่รวดเร็วขึ้นของ DEMA เมื่อใช้ใน crossover สังเกตว่าการครอสโอเวอร์แบบ DEMA ในทั้งสองกรณีมีความหมายเร็วกว่าการครอสโอเวอร์ไครเมียตัวแรก DEMA crossover ปรากฏที่ 12 29 และถัดไป bar เปิดในราคา 663 20 ครอสโอเวอร์ MA ในมืออื่น ๆ แบบฟอร์มที่ 12 34 และราคาเปิดบาร์ถัดไปอยู่ที่ 660 50 ในชุดถัดไปของไขว้ครอสโอเวอร์ DEMA ปรากฏที่ 1 33 และแถบถัดไป เปิดที่ 658 MA ในทางตรงกันข้ามรูปแบบที่ 1 43 กับการเปิดบาร์ถัดไปที่ 662 90 ในแต่ละกรณีครอสโอเวอร์ DEMA ให้ประโยชน์ในการเข้าสู่แนวโน้มก่อนหน้านี้กว่าครอสโอเวอร์แมสซาชูเซตสำหรับข้อมูลเชิงลึกมากขึ้นอ่านค่าเฉลี่ยเคลื่อนที่ Tutorial. Trading ด้วย DEMA ตัวอย่าง Crossover เฉลี่ยถ่วงน้ำหนักที่กล่าวถึงข้างบนแสดงให้เห็นถึงประสิทธิภาพในการใช้ค่าเฉลี่ยเคลื่อนที่แบบเลขยกกำลังสองอันที่เร็วกว่านอกจากการใช้ DEMA เป็นตัวบ่งชี้แบบสแตนด์อโลนหรือในการตั้งครอสโอเวอร์ DEMA สามารถใช้งานได้หลากหลาย ของตัวบ่งชี้ที่ตรรกะจะขึ้นอยู่กับค่าเฉลี่ยเคลื่อนที่เครื่องมือการวิเคราะห์ทางเทคนิคเช่น Bollinger Bands เคลื่อนที่ divergence ลู่เฉลี่ย MACD และ TRX สามค่าเฉลี่ยเคลื่อนที่ขึ้นอยู่กับค่าเฉลี่ยเคลื่อนที่ประเภทและสามารถปรับเปลี่ยนเพื่อรวม DEMA แทนของชนิดอื่น ๆ แบบดั้งเดิมมากขึ้น ของการย้ายค่าเฉลี่ยการตั้งค่า DEMA สามารถช่วยให้ผู้ค้าทราบถึงโอกาสในการซื้อและขายที่ต่างไปจากที่ MAs หรือ EMA ใช้ในตัวบ่งชี้เหล่านี้โดยทั่วไปแล้วการเริ่มเข้าสู่แนวโน้มเร็วกว่าในภายหลังมักจะนำไปสู่ผลกำไรสูงกว่าภาพที่ 2 แสดง หลักการนี้ - ถ้าเราจะใช้ crossovers เป็นสัญญาณซื้อและขายเราจะเข้าสู่ธุรกิจการค้าอย่างมีนัยสำคัญก่อนหน้านี้เมื่อใช้ครอสโอเวอร์แบบ DEMA ในทางตรงกันข้ามกับการครอสโอเวอร์ของสายการบิน Boston Tradingers และนักลงทุนใช้ค่าเฉลี่ยเคลื่อนที่ในการวิเคราะห์ตลาดเป็นเวลานาน เป็นเครื่องมือการวิเคราะห์ทางเทคนิคที่ใช้กันอย่างแพร่หลายซึ่งจะช่วยให้สามารถดูและใช้งานได้อย่างรวดเร็ว การปรับแนวโน้มระยะยาวของเครื่องมือการซื้อขายที่กำหนดขึ้นเนื่องจากการย้ายค่าเฉลี่ยโดยธรรมชาติเป็นตัวชี้วัดที่ล่าช้าจะเป็นประโยชน์ในการปรับค่าเฉลี่ยเคลื่อนที่เพื่อคำนวณตัวบ่งชี้ที่เร็วขึ้นและมีการตอบสนองมากขึ้นค่าเฉลี่ยเคลื่อนที่แบบทึบสองชั้นทำให้นักลงทุนและนักลงทุนมองเห็น แนวโน้มระยะยาวโดยมีข้อได้เปรียบในการเป็นค่าเฉลี่ยเคลื่อนที่ที่เร็วขึ้นและมีเวลาล่าช้าน้อยกว่าสำหรับการอ่านที่เกี่ยวข้องให้ดูที่ Moving Average MACD Combo และ Simple Vs Exponential Moving Averages โดยการสำรวจของ United States Bureau of Labor Statistics ช่วยในการวัดตำแหน่งงานว่างเก็บข้อมูลจากนายจ้างจำนวนเงินสูงสุดที่สหรัฐอเมริกาสามารถยืมได้เพดานหนี้ถูกสร้างขึ้นภายใต้พระราชบัญญัติตราสารหนี้เสรีภาพครั้งที่สองอัตราดอกเบี้ยที่สถาบันรับฝากเงินให้ยืมเงินที่คงอยู่ใน Federal Reserve ไปยังศูนย์รับฝากอื่น institution.1 การวัดผลทางสถิติของการกระจายตัวของผลตอบแทนสำหรับการรักษาความปลอดภัยหรือดัชนีตลาดที่กำหนดความผันผวนอาจทำได้ การกระทำของรัฐสภาคองเกรสแห่งสหรัฐฯในปีพ. ศ. 2476 ในขณะที่พระราชบัญญัติการธนาคารซึ่งห้ามไม่ให้ธนาคารพาณิชย์เข้าร่วมในการลงทุนการจ่ายเงินเดือนของนัฟฟาร์มหมายถึงงานนอกฟาร์มครัวเรือนของเอกชนและภาคที่ไม่แสวงหาผลกำไรสำนักแรงงานแห่งสหรัฐอเมริกา Forecasting. Introduction ขณะที่คุณอาจคาดเดาเรากำลังมองหาบางส่วนของวิธีที่ดั้งเดิมที่สุดในการคาดการณ์ แต่หวังว่าเหล่านี้เป็นอย่างน้อยแนะนำที่คุ้มค่าบางประเด็นคอมพิวเตอร์ที่เกี่ยวข้องกับการใช้การคาดการณ์ในกระดาษคำนวณในหลอดเลือดดำนี้เราจะดำเนินการต่อโดยเริ่มที่ การเริ่มต้นและเริ่มต้นทำงานกับการคาดการณ์เฉลี่ยเคลื่อนที่การคาดการณ์เฉลี่ยโดยเฉลี่ยทุกคนคุ้นเคยกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยไม่คำนึงถึงว่าพวกเขาเชื่อหรือไม่ว่าพวกเขาเป็นนักศึกษาวิทยาลัยทุกคนทำตลอดเวลาคิดถึงคะแนนการทดสอบของคุณในหลักสูตรที่คุณจะมีสี่ การทดสอบระหว่างภาคการศึกษา Let s สมมติว่าคุณได้รับ 85 ในการทดสอบครั้งแรกของคุณสิ่งที่คุณจะคาดการณ์สำหรับคะแนนการทดสอบที่สองของคุณ คุณคิดว่าครูของคุณจะคาดการณ์คะแนนทดสอบต่อไปคุณคิดว่าเพื่อนของคุณอาจคาดการณ์คะแนนทดสอบต่อไปคุณคิดว่าพ่อแม่ของคุณอาจคาดเดาคะแนนการทดสอบต่อไปของคุณได้โดยไม่คำนึงถึงการทำร้ายทั้งหมดที่คุณอาจทำ กับเพื่อนและผู้ปกครองของคุณพวกเขาและครูของคุณมีแนวโน้มที่จะคาดหวังให้คุณได้รับบางอย่างในพื้นที่ของ 85 คุณเพิ่งได้ดีตอนนี้ขอให้สมมติว่าแม้การส่งเสริมตนเองให้เพื่อนของคุณคุณ over - ประมาณการตัวเองและตัวเลขที่คุณสามารถศึกษาได้น้อยกว่าสำหรับการทดสอบที่สองและเพื่อให้คุณได้รับ 73. ตอนนี้สิ่งที่ทุกคนกังวลและไม่แยแสไปคาดหวังว่าคุณจะได้รับในการทดสอบที่สามของคุณมีสองวิธีมากโอกาสสำหรับพวกเขาในการพัฒนาประมาณการ โดยไม่คำนึงถึงว่าพวกเขาจะแบ่งปันกับคุณหรือไม่พวกเขาอาจพูดกับตัวเองว่าผู้ชายคนนี้มักจะพ่นควันเกี่ยวกับสมาร์ทของเขาเขาจะได้รับอีก 73 ถ้าเขาโชคดีบางทีพ่อแม่จะพยายามสนับสนุนและพูดว่าดี , จนถึงขณะนี้คุณได้รับ 85 และ 73 ดังนั้นบางทีคุณควรจะคิดเกี่ยวกับการเกี่ยวกับ 85 73 2 79 ฉัน don t รู้บางทีถ้าคุณไม่ปาร์ตี้และ weren t wagging วีเซิลทั่วสถานที่และถ้าคุณเริ่มทำมากขึ้นการศึกษาคุณจะได้รับคะแนนที่สูงขึ้น ทั้งสองประมาณการนี้เป็นจริงการคาดการณ์โดยเฉลี่ยของการเคลื่อนไหวครั้งแรกใช้เฉพาะคะแนนล่าสุดของคุณในการคาดการณ์ประสิทธิภาพในอนาคตของคุณซึ่งเรียกว่าการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลระยะเวลาหนึ่งวินาทีนอกจากนี้ยังมีการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ แต่ใช้สองช่วงเวลา ของข้อมูลสมมติว่าทุกคนเหล่านี้ busting ในใจที่ดีของคุณมีการจัดเรียงของ pissed คุณออกและคุณตัดสินใจที่จะทำดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและจะนำคะแนนที่สูงขึ้นในด้านหน้าของพันธมิตรของคุณคุณจะทดสอบ และคะแนนของคุณเป็นจริง 89 ทุกคนรวมทั้งตัวเองเป็นที่ประทับใจตอนนี้คุณมีการทดสอบครั้งสุดท้ายของภาคการศึกษาขึ้นมาและตามปกติคุณรู้สึกว่าจำเป็นที่จะต้องกระตุ้นให้ทุกคนในการคาดการณ์ของพวกเขาเกี่ยวกับวิธีการที่คุณจะทำในการทดสอบครั้งล่าสุด ดีหวังว่า คุณเห็นรูปแบบตอนนี้หวังว่าคุณจะเห็นรูปแบบที่คุณเชื่อว่าเป็นที่ถูกต้องมากที่สุดในขณะที่เราทำงานตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดใหม่ของเราเริ่มต้นโดยน้องสาวครึ่งหนึ่งที่ทำให้เหินห่างของคุณที่เรียกว่าเป่านกหวีดในขณะที่เราทำงานคุณมียอดขายในอดีต ข้อมูลที่แสดงโดยส่วนต่อไปนี้จากสเปรดชีตเรานำเสนอข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ย้อนหลัง 3 ช่วงรายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11.Notice ว่าค่าเฉลี่ย ย้ายข้อมูลล่าสุดที่ผ่านมา แต่ใช้เวลาสามช่วงล่าสุดสำหรับการคาดการณ์แต่ละครั้งนอกจากนี้คุณควรสังเกตด้วยว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อพัฒนาการคาดการณ์ล่าสุดของเราซึ่งแน่นอนว่าแตกต่างจาก แบบจำลองการให้ราบเรียบแบบเอกซ์โพเนนต์ I ve ได้รวมการคาดการณ์ที่ผ่านมาเนื่องจากเราจะใช้คำเหล่านี้ในหน้าเว็บถัดไปเพื่อวัดความถูกต้องของการทำนายตอนนี้ฉันต้องการนำเสนอผลที่คล้ายคลึงกัน สำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 2 ช่วงเวลารายการสำหรับ C5 เซลล์ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C6 ถึง C11.Notice ตอนนี้มีเพียงสองชิ้นล่าสุดของข้อมูลทางประวัติศาสตร์ที่ใช้สำหรับการคาดเดาแต่ละครั้ง ฉันได้รวมการคาดการณ์ที่ผ่านมาเพื่อเป็นตัวอย่างและเพื่อใช้ภายหลังในการตรวจสอบความคาดการณ์สิ่งอื่น ๆ บางอย่างที่มีความสำคัญต่อการสังเกตสำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-m เฉพาะค่าข้อมูลล่าสุดของเอ็มจะใช้เพื่อทำให้ไม่มีการคาดการณ์อะไรเลย เป็นสิ่งจำเป็นสำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-metric เมื่อทำการคาดการณ์ที่ผ่านมาสังเกตว่าการทำนายครั้งแรกเกิดขึ้นในช่วง m 1. ถ้าปัญหาเหล่านี้มีความสำคัญมากเมื่อเราพัฒนาโค้ดของเราการพัฒนาฟังก์ชัน Average Moving Average ตอนนี้เราต้องการ เพื่อพัฒนาโค้ดสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้ความยืดหยุ่นได้มากขึ้นโค้ดต่อไปนี้โปรดสังเกตว่าปัจจัยการผลิตเป็นจำนวนงวดที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของวั ues คุณสามารถเก็บไว้ในสมุดงานที่คุณต้องการใด ๆ Function MovingAverage Historical, NumberOfPeriods เป็น Single Declaring และ initializing variables Dim Item เป็นตัวแปร Dim Counter เป็นจำนวนเต็ม Integer Dim เป็น Single Dim HistoricalSize As Integer Initializing variables Counter 1 Accumulation 0 การกำหนดขนาดของ Historical HistoricalSize. For Counter จำนวน 1 ต่อ NumberOfPeriods สะสมจำนวนที่เหมาะสมของค่าที่สังเกตก่อนหน้านี้สะสมสะสมข้อมูลประวัติ HistoricalSize - NumberOfPeriods Counter. MovingAverage การสะสม NumberOfPeriods รหัสจะอธิบายในชั้นเรียนคุณต้องการวางตำแหน่งฟังก์ชันในสเปรดชีตเพื่อให้ผลของการคำนวณปรากฏขึ้นที่ควร เช่นต่อไปนี้