เฮนเดอ เฉลี่ยเคลื่อนที่ สูตร

การวิเคราะห์ทางเทคนิคการเคลื่อนไหวค่าเฉลี่ยแผนภูมิหลักส่วนใหญ่แสดงรูปแบบต่างๆของการเคลื่อนไหวของราคาซึ่งอาจทำให้ผู้ค้าได้รับแนวคิดเรื่องแนวโน้มด้านความปลอดภัยโดยรวมหนึ่งวิธีง่ายๆสำหรับผู้ค้าที่ใช้เพื่อต่อสู้กับค่าเฉลี่ยเคลื่อนที่นี้ค่าเฉลี่ยเคลื่อนที่คือ ราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาหนึ่งโดยการวางแผนราคาเฉลี่ยของการรักษาความปลอดภัยการเคลื่อนไหวของราคาจะเรียบขึ้นเมื่อความผันผวนแบบวันต่อวันจะถูกเอาออกผู้ค้าจะสามารถระบุแนวโน้มที่แท้จริงและเพิ่มความน่าจะเป็นได้ดีขึ้น ให้อ่านค่าเฉลี่ยของ Moving Averages ตัวอย่างของค่าเฉลี่ยเคลื่อนที่มีค่าเฉลี่ยเคลื่อนที่หลายแบบแตกต่างกันไปในแต่ละวิธีที่คำนวณ แต่วิธีการตีความค่าเฉลี่ยแต่ละค่ายังคงเหมือนเดิม การคำนวณเพียงอย่างเดียวเกี่ยวกับการถ่วงน้ำหนักที่พวกเขาวางข้อมูลราคาขยับจากน้ำหนักที่เท่ากันของแต่ละจุดราคาไปเป็นน้ำหนักมากขึ้นที่วางอยู่บนข้อมูลล่าสุด ypes ของค่าเฉลี่ยเคลื่อนที่เป็นเส้นตรงอย่างง่ายและมีความเป็นตัวชี้วัดการเคลื่อนที่เฉลี่ย SMA นี่คือวิธีการที่ใช้กันทั่วไปในการคำนวณค่าเฉลี่ยเคลื่อนที่ของราคาใช้เวลาเพียงผลรวมของราคาปิดที่ผ่านมาตลอดช่วงเวลาและหารผลตาม จำนวนราคาที่ใช้ในการคำนวณตัวอย่างเช่นในค่าเฉลี่ยเคลื่อนที่ 10 วันจะมีการรวมกัน 10 ราคาสุดท้ายเข้าด้วยกันและหารด้วย 10 ตามที่เห็นในรูปที่ 1 ผู้ประกอบการสามารถที่จะทำให้ค่าเฉลี่ยของการตอบสนองน้อยลง การเปลี่ยนแปลงราคาโดยการเพิ่มจำนวนงวดที่ใช้ในการคำนวณการเพิ่มจำนวนระยะเวลาในการคำนวณเป็นวิธีที่ดีที่สุดในการวัดความแรงของแนวโน้มในระยะยาวและความเป็นไปได้ที่จะเกิดการย้อนกลับหลาย ๆ คนอ้างว่า ประโยชน์ของค่าเฉลี่ยประเภทนี้มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีผลกระทบต่อผลลัพธ์โดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับข้อมูลนักวิจารณ์ยืนยันว่าข้อมูลล่าสุดเป็นข้อมูลที่ใช้มากขึ้น rtant และดังนั้นจึงควรมีการถ่วงน้ำหนักที่สูงขึ้นการวิพากษ์วิจารณ์ประเภทนี้เป็นหนึ่งในปัจจัยหลักที่นำไปสู่การประดิษฐ์ค่าเฉลี่ยเคลื่อนที่แบบอื่น ๆ ค่าเฉลี่ยถ่วงน้ำหนักเฉลี่ยค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่นี้เป็นค่าเฉลี่ยที่น้อยที่สุดในสาม ใช้เพื่อแก้ปัญหาการถ่วงน้ำหนักที่เท่ากันค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบเส้นตรงคำนวณโดยการรวมผลรวมของราคาปิดทั้งหมดในช่วงเวลาหนึ่งและคูณด้วยตำแหน่งของจุดข้อมูลและหารด้วยผลรวมของจำนวน ของรอบระยะเวลาตัวอย่างเช่นในค่าเฉลี่ยถ่วงน้ำหนัก 5 วันแบบเส้นตรงราคาปิดของวันนี้จะคูณด้วย 5 เมื่อวานนี้โดย 4 วินาทีเป็นต้นไปจนถึงวันแรกของรอบระยะเวลาถึงตัวเลขเหล่านี้จะรวมเข้าด้วยกันและหารด้วย ผลคูณของตัวคูณค่าเฉลี่ยการเคลื่อนที่เฉลี่ย EMA การคำนวณค่าเฉลี่ยเคลื่อนที่นี้ใช้ปัจจัยที่ราบเรียบเพื่อให้น้ำหนักที่สูงขึ้นในจุดข้อมูลล่าสุดและได้รับการยกย่องว่ามีประสิทธิภาพมากกว่าระบบเชิงเส้น ถ่วงน้ำหนักโดยเฉลี่ยความเข้าใจในการคำนวณโดยทั่วไปไม่จำเป็นสำหรับผู้ค้าส่วนใหญ่เนื่องจากส่วนใหญ่จะใช้การคิดคำนวณสำหรับคุณสิ่งที่สำคัญที่สุดที่ต้องจำเกี่ยวกับค่าเฉลี่ยเคลื่อนที่เชิงเลขคือการตอบสนองต่อข้อมูลใหม่เมื่อเทียบกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย การตอบสนองนี้เป็นหนึ่งในปัจจัยที่สำคัญว่าทำไมนี่คือค่าเฉลี่ยเคลื่อนที่ของทางเลือกระหว่างผู้ค้าทางเทคนิคจำนวนมากอย่างที่คุณเห็นในรูปที่ 2 ระยะเวลา 15 EMA ที่เพิ่มขึ้นและลดลงเร็วกว่า SMA 15 ช่วงเวลานี้ดูเหมือนว่าจะแตกต่างกันเล็กน้อย เหมือนมาก แต่เป็นปัจจัยสำคัญที่ต้องคำนึงถึงเนื่องจากอาจส่งผลต่อการส่งคืนการใช้ค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่การย้ายค่าเฉลี่ยจะใช้เพื่อระบุแนวโน้มปัจจุบันและการกลับรายการแนวโน้มเช่นเดียวกับการตั้งค่าระดับการสนับสนุนและความต้านทานโดยเฉลี่ยที่เกิดขึ้นได้ ใช้เพื่อระบุได้อย่างรวดเร็วว่าการรักษาความปลอดภัยมีการเคลื่อนไหวในขาขึ้นหรือขาลงขึ้นอยู่กับทิศทางของค่าเฉลี่ยเคลื่อนที่ตามที่เห็นในรูปที่ 3 เมื่อมีการเคลื่อนย้าย ค่าเฉลี่ยกำลังมุ่งหน้าขึ้นและราคาอยู่เหนือระดับความปลอดภัยอยู่ในขาขึ้นตรงกันข้ามค่าเฉลี่ยเคลื่อนที่ที่ลดลงลงพร้อมกับราคาด้านล่างสามารถนำมาใช้เพื่อส่งสัญญาณขาลงวิธีอื่นในการกำหนดโมเมนตัมคือดูลำดับของคู่ ของค่าเฉลี่ยเคลื่อนที่ในระยะสั้นเมื่อค่าเฉลี่ยระยะสั้นสูงกว่าค่าเฉลี่ยระยะยาวแนวโน้มจะเพิ่มขึ้นในทางกลับกันค่าเฉลี่ยระยะยาวที่สูงกว่าค่าเฉลี่ยระยะสั้นจะส่งสัญญาณการเคลื่อนตัวลงของแนวโน้ม เกิดขึ้นในสองวิธีหลักเมื่อราคาเคลื่อนผ่านค่าเฉลี่ยเคลื่อนที่และเมื่อมันเคลื่อนผ่าน crossovers ค่าเฉลี่ยเคลื่อนที่สัญญาณแรกคือเมื่อราคาเคลื่อนผ่านค่าเฉลี่ยเคลื่อนที่ที่สำคัญตัวอย่างเช่นเมื่อราคาของหลักทรัพย์ที่อยู่ในขาขึ้นจะลดลง ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 50 รอบเช่นเดียวกับในรูปที่ 4 ซึ่งเป็นสัญญาณว่าแนวโน้มขาขึ้นอาจกลับรายการสัญญาณอื่น ๆ ของการกลับรายการแนวโน้มคือเมื่อค่าเฉลี่ยเคลื่อนที่หนึ่งตัวผ่านไปอีกค่าหนึ่งตัวอย่างเช่นตามที่เห็นในรูปที่ 5, ผม f เส้นค่าเฉลี่ยเคลื่อนที่ 15 วันเหนือค่าเฉลี่ยเคลื่อนที่ 50 วันซึ่งเป็นสัญญาณบวกว่าราคาจะเริ่มเพิ่มขึ้นหากระยะเวลาที่ใช้ในการคำนวณค่อนข้างสั้นเช่น 15 และ 35 อาจส่งสัญญาณ การกลับตัวของแนวโน้มระยะสั้นในทางกลับกันเมื่อสองค่าเฉลี่ยที่มีกรอบเวลาที่ค่อนข้างยาวข้าม 50 และ 200 เช่นนี้ใช้เพื่อแนะนำการเปลี่ยนแปลงในระยะยาวแนวโน้มอื่น ๆ ที่มีการย้ายค่าเฉลี่ยที่ใช้คือการระบุ แนวรับและระดับความตึงเครียดเป็นเรื่องปกติที่จะเห็นสต็อกที่ได้รับการล้มหยุดการลดลงและทิศทางย้อนกลับเมื่อมันกระทบการสนับสนุนของค่าเฉลี่ยเคลื่อนที่ที่สำคัญย้ายผ่านค่าเฉลี่ยเคลื่อนที่ที่สำคัญมักจะใช้เป็นสัญญาณโดยผู้ค้าทางเทคนิคที่ แนวโน้มคือการย้อนกลับตัวอย่างเช่นถ้าราคาทะลุ 200 วันค่าเฉลี่ยเคลื่อนที่ไปในทิศทางที่ลดลงเป็นสัญญาณว่าแนวโน้มขากลับกำลังถดถอยอยู่ค่าเฉลี่ยเฉลี่ยเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการวิเคราะห์แนวโน้มในการรักษาความปลอดภัย ช่วงเวลาที่พบมากที่สุดที่ใช้เมื่อสร้างค่าเฉลี่ยเคลื่อนที่ ได้แก่ 200 วัน 100 วัน 50 วัน 20 วันและ 10 วันความคิดเฉลี่ย 200 วัน เป็นวัดที่ดีของปีการค้าค่าเฉลี่ย 100 วันครึ่งปีค่าเฉลี่ย 50 วันของไตรมาสโดยเฉลี่ย 20 วันของเดือนและค่าเฉลี่ย 10 วันของสองสัปดาห์ ค่าเฉลี่ยเคลื่อนที่ช่วยให้ผู้ค้าด้านเทคนิคคลายเสียงบางส่วนที่พบในการเคลื่อนไหวของราคาในแต่ละวันทำให้ผู้ค้ามองเห็นแนวโน้มราคาได้ชัดเจนขึ้นจนถึงตอนนี้เรามุ่งเน้นการเคลื่อนไหวของราคาผ่านแผนภูมิและค่าเฉลี่ยแล้วในส่วนถัดไป เราจะมองไปที่เทคนิคบางอย่างอื่น ๆ ที่ใช้เพื่อยืนยันการเคลื่อนไหวของราคาและรูปแบบค่าเฉลี่ยของการเคลื่อนที่แบบถ่วงน้ำหนักพื้นฐานตลอดทั้งปีช่างเทคนิคได้พบปัญหาสองเรื่องที่มีค่าเฉลี่ยเคลื่อนที่โดยง่ายปัญหาแรกอยู่ในกรอบเวลาของค่าเฉลี่ยที่เคลื่อนไหวได้ นักวิเคราะห์ทางเทคนิคเชื่อว่าการดำเนินการราคาเปิดหรือปิดราคาหุ้นไม่ e nough ที่จะขึ้นอยู่กับการคาดการณ์อย่างถูกต้องซื้อหรือขายสัญญาณของการดำเนินการไขว้ MAs เพื่อแก้ปัญหานี้นักวิเคราะห์ในขณะนี้กำหนดน้ำหนักมากขึ้นกับข้อมูลราคาล่าสุดโดยใช้ค่าเฉลี่ยเคลื่อนที่แบบเรียบ EMA เรียนรู้เพิ่มเติมใน Exploring การย้ายน้ำหนักตัวชี้แจง Average. An ตัวอย่างตัวอย่างเช่นการใช้ MA 10 วันนักวิเคราะห์จะใช้ราคาปิดของวันที่ 10 และคูณเลขนี้เป็นวันที่ 10 วันที่เก้าโดยเก้าวันที่แปดโดยแปดและต่อไปเป็นวันแรกของ MA เมื่อรวมแล้วนักวิเคราะห์จะหารตัวเลขด้วยการเพิ่มตัวคูณถ้าคุณเพิ่มตัวคูณของตัวอย่าง MA 10 วันจำนวนนี้คือ 55 ตัวบ่งชี้นี้เรียกว่าค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักเชิงเส้นสำหรับ การอ่านที่เกี่ยวข้อง, เช็คเอาท์ Simple Moving Averages ทำให้แนวโน้มโดดเด่นมากช่างเทคนิคหลายคนเชื่อมั่นในค่าเฉลี่ยเคลื่อนที่แบบเรียบ EMA ตัวชี้วัดนี้ได้รับการอธิบายในรูปแบบต่างๆมากมายที่ทำให้เกิดความสับสน udents และนักลงทุนเหมือนกันบางทีคำอธิบายที่ดีที่สุดมาจากจอห์นเจเมอร์ฟี่การวิเคราะห์ทางเทคนิคของตลาดการเงินที่ตีพิมพ์โดย New York Institute of Finance, 1999. ค่าเฉลี่ยเคลื่อนที่เรียบชี้แจงทั้งสองปัญหาที่เกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย First, แต่ในขณะที่ความสำคัญน้อยกว่าการกำหนดราคาข้อมูลที่ผ่านมาจะรวมอยู่ในการคำนวณข้อมูลทั้งหมดในชีวิตของเครื่องมือนอกจากนี้ยังมีการคำนวณค่าเฉลี่ย ผู้ใช้สามารถปรับน้ำหนักเพื่อให้น้ำหนักมากหรือน้อยกว่ากับราคาวันล่าสุดซึ่งเพิ่มขึ้นเป็นเปอร์เซ็นต์ของมูลค่าของวันก่อนหน้าผลรวมของทั้งสองค่าเปอร์เซ็นต์เพิ่มขึ้นเป็น 100 ตัวอย่างเช่นครั้งล่าสุด วันสามารถกำหนดน้ำหนักได้ 10 10 ซึ่งจะเพิ่มให้กับน้ำหนักของวันก่อนหน้า 90 90 ซึ่งเป็นวันสุดท้ายของการถ่วงน้ำหนัก 10 อันซึ่งจะเท่ากับ ค่าเฉลี่ยวันละ 20 วันโดยให้วันสุดท้ายเป็นราคาที่น้อยกว่า 5 05 รูปที่ 1 ค่าเฉลี่ยเคลื่อนที่ที่แสดงอย่างเป็นรูปทรงเรขาคณิตแผนภูมิข้างต้นแสดงดัชนี Nasdaq Composite จากสัปดาห์แรกในเดือนสิงหาคม 2000 ถึง 1 มิถุนายน 2001 ตามที่คุณเห็นได้ชัด ดู EMA ซึ่งในกรณีนี้ใช้ข้อมูลราคาปิดในช่วง 9 วันมีสัญญาณการขายที่ชัดเจนเมื่อวันที่ 8 ก. ย. ซึ่งมีเครื่องหมายลูกศรชี้ลงสีดำซึ่งเป็นวันที่ดัชนีพุ่งขึ้นต่ำกว่าระดับ 4,000 วินาที ลูกศรสีดำแสดงขาลงอีกที่ช่างคาดการณ์ว่า Nasdaq ไม่สามารถสร้างปริมาณและดอกเบี้ยเพียงพอจากนักลงทุนรายย่อยในการทำเครื่องหมายได้ 3,000 คะแนนจากนั้นจึงลงไปที่ด้านล่างสุดที่ 1619 58 ในวันที่ 4 เม. ย. โดยดัชนีนี้ปิดที่ 1,961 46 และช่างเริ่มเห็นผู้จัดการกองทุนสถาบันเริ่มต้นที่จะรับต่อรองราคาสินค้าบางอย่างเช่น Cisco, Microsoft และประเด็นที่เกี่ยวกับพลังงานบางส่วนอ่านบทความที่เกี่ยวข้องของเราการย้ายซองจดหมายเฉลี่ยการปรับแต่ง A Po pular Trading Tool และ Moving Average Bounce อัตราดอกเบี้ยที่สถาบันรับฝากเงินให้เงินกู้ยืมแก่กองทุนสำรองเลี้ยงชีพที่เก็บรักษาไว้ที่ Federal Reserve ถึงสถาบันรับฝากเงินแห่งอื่น ๆ 1 การวัดผลทางสถิติของการกระจายตัวของผลตอบแทนสำหรับดัชนีความปลอดภัยหรือดัชนีตลาดหนึ่ง ๆ สามารถวัดความผันผวนได้ การกระทำรัฐสภาคองเกรสผ่านในปี 1933 เป็นพระราชบัญญัติการธนาคารซึ่งห้ามธนาคารพาณิชยจากการเขารวมลงทุนการจายเงินเดือนของ Nonfarm หมายถึงงานใดนอกกลุมครัวเรือนครัวเรือนเอกชนและภาคผลกําไร US Bureau of Labor ตัวยอสกุลเงินหรือสกุลเงิน สัญลักษณ์ของ Indian Rupee INR สกุลเงินของประเทศอินเดีย Rupee ถูกสร้างขึ้นจาก 1. การเสนอราคาครั้งแรกในสินทรัพย์ของ บริษัท ที่เป็นบุคคลล้มละลายจากผู้ซื้อที่สนใจที่ได้รับเลือกโดย บริษัท ที่ล้มละลายจากกลุ่มผู้เสนอราคา วิธีการทำงานของรูปแบบ X11 มีอะไรบ้างบ้างที่ใช้ในการปรับปรุงตามฤดูกาลสิ่งที่เป็นเทคนิคที่ ABS ใช้เพื่อจัดการกับฤดูกาล วิธีการทำงานของ SEASABS วิธีการทำหน่วยงานทางสถิติอื่น ๆ สามารถจัดการกับการปรับเปลี่ยนตามฤดูกาลวิธีทำ X11 STYLE METHODS WORK วิธีการกรองตามฤดูกาลของการปรับฤดูกาลเป็นที่รู้จักกันทั่วไปว่าเป็นวิธีการแบบ X11 ซึ่งขึ้นอยู่กับอัตราส่วนการเคลื่อนที่เฉลี่ยที่อธิบายไว้ในปี 1931 โดย Fredrick R Macaulay จาก National Bureau of Economic Research ในสหรัฐอเมริกาขั้นตอนดังกล่าวประกอบด้วยขั้นตอนต่อไปนี้ 1 ประเมินแนวโน้มโดยค่าเฉลี่ยเคลื่อนที่ 2 ลบแนวโน้มออกจากองค์ประกอบตามฤดูกาลและไม่สม่ำเสมอ 3 ประมาณการส่วนประกอบตามฤดูกาลโดยใช้ค่าเฉลี่ยเคลื่อนที่ ทำให้ไม่เป็นไปตามความเป็นจริงความสมเหตุสมผลโดยทั่วไปไม่สามารถระบุได้จนกว่าแนวโน้มจะเป็นที่ทราบกันดี แต่ไม่สามารถคาดการณ์แนวโน้มที่ดีได้จนกว่าชุดจะได้รับการปรับปรุงตามฤดูกาลดังนั้น X11 จึงใช้วิธีซ้ำในการประมาณส่วนประกอบของชุดข้อมูลเป็นชุดค่าเริ่มต้น จะถือว่าเป็นแบบจำลองแบบคูณเพื่ออธิบายขั้นตอนพื้นฐานที่เกี่ยวข้องกับ X11 พิจารณาการสลายตัวของชุดข้อมูลรายเดือน und er แบบจำลองเชิงทวีคูณขั้นตอนที่ 1 การประมาณค่าเริ่มต้นของค่าเฉลี่ยสมมุติฐาน 13 ระยะ 2x12 ค่าเฉลี่ยเคลื่อนที่จะถูกนำไปใช้กับชุดค่าผสมของเดือนแรก O t เพื่อสร้างประมาณการเบื้องต้นของแนวโน้ม T t แนวโน้มจะถูกลบออกจากชุดต้นฉบับ , เพื่อให้ประมาณการขององค์ประกอบตามฤดูกาลและไม่สม่ำเสมอค่าเฉลี่ยที่ปลายแต่ละชุดจะหายไปเป็นผลมาจากปัญหาจุดสิ้นสุด - ใช้ตัวกรองสมมาตรเท่านั้นขั้นที่ 2 การประมาณเบื้องต้นขององค์ประกอบตามฤดูกาล องค์ประกอบตามฤดูกาลสามารถพบได้โดยการใช้ค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก 5 วินาที S 3x3 ไปเป็นชุด S t I t สำหรับแต่ละเดือนแยกต่างหากแม้ว่าตัวกรองนี้จะเป็นค่าเริ่มต้นภายใน X11 ระบบเอบีเอสจะใช้ค่าเฉลี่ยเคลื่อนที่ระยะยาว 7 ตัว S 3x5 แทนองค์ประกอบตามฤดูกาล จะปรับเพิ่มเป็น 12 รอบระยะเวลา 12 เดือนเพื่อให้เฉลี่ย 1 เพื่อให้แน่ใจว่าองค์ประกอบตามฤดูกาลไม่เปลี่ยนแปลงระดับชุดไม่มีผลต่อแนวโน้มค่าที่หายไปที่ t เขาสิ้นสุดขององค์ประกอบตามฤดูกาลจะถูกแทนที่ด้วยการทำซ้ำมูลค่าจากปีก่อนหน้าขั้นที่ 3 การประมาณข้อมูลเบื้องต้นที่ปรับแล้วการประมาณค่าของชุดที่ปรับฤดูกาลตามฤดูกาลจะพบได้โดยการหารประมาณการของฤดูกาลจากขั้นตอนก่อนหน้าลงในชุดต้นฉบับ ขั้นที่ 4 การคาดการณ์ที่ดีขึ้นของแนวโน้มค่าเฉลี่ยของค่าเฉลี่ยของเฮนเดอร์สันที่ใช้ในช่วง 9, 13 หรือ 23 เทอมใช้กับค่าที่ปรับฤดูกาลตามฤดูกาลขึ้นอยู่กับความผันผวนของชุดชุดค่าระวางกว่าที่ต้องใช้ค่าเฉลี่ยเคลื่อนที่นานขึ้นเพื่อให้ได้ค่าประมาณที่ดีขึ้น ของแนวโน้มซีรีส์แนวโน้มที่เกิดขึ้นจะแบ่งออกเป็นชุดข้อมูลเดิมเพื่อให้ได้ค่าประมาณที่สองขององค์ประกอบตามฤดูกาลและที่ไม่สม่ำเสมอตัวกรองแบบสมมาตรจะถูกใช้ที่ส่วนท้ายของซีรีส์ดังนั้นจะไม่มีค่าที่ขาดหายไปเช่นในขั้นตอนที่ 1 ขั้นตอนที่ 5 ขั้นสุดท้าย ประมาณการขององค์ประกอบตามฤดูกาลขั้นตอนที่สองจะถูกทำซ้ำเพื่อให้ได้ประมาณการขั้นสุดท้ายขององค์ประกอบตามฤดูกาลขั้นตอนที่ 6 การประมาณการสุดท้ายของข้อมูลที่ปรับแล้วชุดที่ปรับฤดูกาลเป็นครั้งสุดท้ายคือ พบได้จากการหารประมาณการที่สองของฤดูกาลจากขั้นตอนก่อนหน้าลงในชุดต้นฉบับขั้นตอนที่ 7 การประมาณค่าเฉลี่ยของเส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่ของเฮนเดอร์สันใช้ระยะเวลา 9, 13 หรือ 23 ค่าประมาณสุดท้ายของชุดค่าปรับฤดูกาลที่มี ได้รับการแก้ไขค่าที่มากขึ้นซึ่งจะช่วยให้การคาดการณ์ที่ดีขึ้นและสุดท้ายของแนวโน้มในรุ่นที่สูงขึ้นของ X11 เช่น X12ARIMA และ SEASABS สามารถใช้ค่าเฉลี่ยเคลื่อนที่ที่ยาวผิดปกติของเฮนเดอร์สันได้ขั้นตอนที่ 8 การประมาณขั้นสุดท้ายขององค์ประกอบที่ผิดปกติ ได้รับการประเมินโดยการหารประมาณการแนวโน้มลงในข้อมูลที่ปรับฤดูกาลแล้วเห็นได้ชัดว่าขั้นตอนเหล่านี้จะขึ้นอยู่กับว่ามีการคูณแบบจำลอง additive และ pseudo-additive ในแบบจำลอง X11 นอกจากนี้ยังมีความแตกต่างเล็ก ๆ น้อย ๆ ในขั้นตอนใน X11 ระหว่างเวอร์ชันต่างๆขั้นตอนเพิ่มเติมใน การประมาณค่าปัจจัยตามฤดูกาลคือการปรับปรุงความทนทานของกระบวนการเฉลี่ยโดยการปรับเปลี่ยนค่า SI สำหรับสุดขั้วสำหรับข้อมูลเพิ่มเติมเกี่ยวกับข้อมูลสำคัญ ขั้นตอนที่เกี่ยวข้องดูที่ส่วนที่ 7 2 ของเอกสารข้อมูลหลักสูตรแนะนำเกี่ยวกับการวิเคราะห์อนุกรมเวลา - การจัดส่งทางอิเล็กทรอนิกส์ซึ่งเป็นแพคเกจบางส่วนที่ใช้ในการปรับเปลี่ยนตามฤดูกาลส่วนแพคเกจการปรับฤดูกาลที่ใช้บ่อยที่สุดคือผลิตภัณฑ์ในตระกูล X11 X11 ได้รับการพัฒนาโดย สหรัฐอเมริกาสำนักสำรวจสำมะโนประชากรและเริ่มดำเนินการในประเทศสหรัฐอเมริกาในปีพ. ศ. 2508 โดยเร็ว ๆ นี้ถูกนำมาใช้โดยหน่วยงานทางสถิติหลายแห่งทั่วโลกรวมทั้ง ABS ได้ถูกรวมอยู่ในชุดซอฟต์แวร์ที่มีจำหน่ายในท้องตลาดเช่น SAS และ STATISTICA ใช้ตัวกรอง เพื่อปรับข้อมูลตามฤดูกาลและประมาณส่วนประกอบของชุดข้อมูลเวลาวิธี X11 เกี่ยวข้องกับการใช้ค่าเฉลี่ยเคลื่อนที่แบบสมมาตรกับชุดข้อมูลเวลาเพื่อประมาณแนวโน้มส่วนประกอบตามฤดูกาลและไม่สม่ำเสมออย่างไรก็ตามในตอนท้ายของชุดข้อมูลจะมีข้อมูลไม่เพียงพอ ใช้สมมาตรน้ำหนักปัญหาปลายจุดดังนั้นน้ำหนักสมมาตรจะใช้หรือชุดต้อง extrapolated X11ARIMA ซึ่งพัฒนาขึ้นโดยสถิติแคนาดาในปีพ. ศ. 2523 และได้รับการปรับปรุงในปีพ. ศ. 2531 ให้แก่ X11ARIMA88 ใช้แบบจำลอง ARIMA แบบถดถอยพหุคูณแบบบูรณาการในกล่องเพื่อเพิ่มชุดเวลาโดยพื้นฐานการใช้แบบจำลอง ARIMA ในชุดเดิมจะช่วยลดการแก้ไขในชุดที่ปรับฤดูกาลตามฤดูกาล ว่าผลกระทบของปัญหาจุดสิ้นสุดลดลง X11ARIMA88 ยังแตกต่างจากวิธี X11 เดิมในการรักษาค่าที่มากคุณสามารถหาได้โดยการติดต่อสถิติ Canadian. In ปลาย 1990 s สำนักสำรวจสำมะโนประชากรของสหรัฐออก X12ARIMA ใช้ regARIMA แบบจำลองการถดถอยของแบบจำลองที่มีข้อผิดพลาด ARIMA เพื่อให้ผู้ใช้สามารถขยายชุดข้อมูลด้วยการคาดการณ์และปรับแต่งชุดสำหรับเอฟเฟ็กต์ที่ผิดปกติและปฏิทินก่อนที่การปรับฤดูกาลจะเกิดขึ้น X12ARIMA สามารถหาได้จากสำนักฉบับนี้ซึ่งสามารถดาวน์โหลดได้ฟรีและสามารถดาวน์โหลดได้จาก Gomez และ Augustn Maravall, การสกัดสัญญาณ SEATS ใน ARIMA Time Series เป็นโปรแกรมที่ประเมินและคาดการณ์ เทรนด์ตามฤดูกาลและส่วนประกอบที่ไม่สม่ำเสมอของซีรีส์เวลาโดยใช้เทคนิคการแยกสัญญาณที่ใช้กับโมเดล ARIMA TRAMO Time Series Regression with ARIMA Noise การสังเกตการณ์ที่ไม่ได้ผลและ Outliers เป็นโปรแกรมสหายสำหรับการประมาณและคาดการณ์แบบจำลองการถดถอยที่มีข้อผิดพลาด ARIMA และค่าที่ขาดหายไป preadjust ชุดซึ่งจะแล้วปรับฤดูกาลโดย SEATS เพื่ออิสระดาวน์โหลดทั้งสองโปรแกรมจากอินเทอร์เน็ตติดต่อธนาคารแห่งสเปน. Eurostat ได้เน้นสองวิธีการปรับฤดูกาล Tramo ที่นั่งและ X12Arima รุ่นของโปรแกรมเหล่านี้ได้รับการดำเนินการใน อินเทอร์เฟซแบบเดี่ยวเรียกว่า DEMETRA ช่วยอำนวยความสะดวกในการประยุกต์ใช้เทคนิคเหล่านี้กับชุดข้อมูลขนาดใหญ่ DEMETRA มีโมดูลสองโมดูลหลักคือการปรับฤดูกาลและการประมาณแนวโน้มโดยใช้ขั้นตอนอัตโนมัติเช่นสำหรับผู้ใช้ที่ไม่มีประสบการณ์หรือชุดชุดข้อมูลขนาดใหญ่และด้วย ขั้นตอนที่ใช้งานง่ายสำหรับการวิเคราะห์รายละเอียดของชุดเวลาเดียวสามารถดาวน์โหลดได้ เป็นเครื่องมือที่ใช้โดยเอบีเอสในการจัดการกับการปรับเปลี่ยนทางภูมิศาสตร์เครื่องมือหลักที่ใช้ใน Australian Bureau of Statistics คือการวิเคราะห์ SEASABS SEASonal, มาตรฐาน ABS SEASABS เป็นชุดโปรแกรมปรับฤดูกาลตามฤดูกาลซึ่งมีระบบประมวลผลหลักจาก X11 และ X12ARIMA SEASABS เป็นระบบฐานความรู้ซึ่งสามารถช่วยนักวิเคราะห์ชุดเวลาในการตัดสินที่เหมาะสมและถูกต้องในการวิเคราะห์ชุดเวลา SEASABS เป็นส่วนหนึ่งของระบบการปรับฤดูกาลตามฤดูกาลของ ABS ส่วนประกอบอื่น ๆ ได้แก่ คลังข้อมูล ABSDB ABS และ FAME Forecasting การวิเคราะห์และการสร้างแบบจำลอง สิ่งแวดล้อมที่ใช้ในการจัดเก็บและจัดการกับข้อมูลชุดเวลา SEASABS ดำเนินการสี่หน้าที่ที่สำคัญการทบทวนข้อมูลการวิเคราะห์ซ้ำของชุดเวลาการศึกษาของชุดเวลาการบำรุงรักษาของความรู้ชุดเวลา ASASABS ช่วยให้ทั้งผู้เชี่ยวชาญและลูกค้าใช้วิธีการ X11 ซึ่งมี ได้รับการปรับปรุงอย่างมีนัยสำคัญโดย ABS ซึ่งหมายความว่าผู้ใช้ไม่จำเป็นต้องรู้รายละเอียดของแพคเกจ X11 ไป ปรับช่วงเวลาเป็นอย่างเหมาะสมซีเควนซ์อัจฉริยะแนะนำผู้ใช้ผ่านกระบวนการวิเคราะห์ตามฤดูกาลทำให้สามารถเลือกพารามิเตอร์และวิธีการปรับค่าที่เหมาะสมได้โดยไม่ต้องมีคำแนะนำเล็กน้อยหรือไม่มีเลยในส่วนของผู้ใช้ขั้นตอนการทำซ้ำขั้นพื้นฐานที่เกี่ยวข้องกับ SEASABS คือ 1. ทดสอบและแก้ไข แบ่งฤดูกาล 2 ทดสอบและลบข้อมูลที่มีนัยสำคัญ 3 ทดสอบและแก้ไขช่วงแนวโน้ม 4 ทดสอบและแก้ไขค่าที่มากที่สุดสำหรับการปรับฤดูกาล 5 ประมาณการผลกระทบของวันซื้อขายหลักทรัพย์ใด ๆ 6 แทรกหรือเปลี่ยนแปลงการเปลี่ยนแปลงวันหยุดที่เคลื่อนไหว 7 ตรวจสอบแนวโน้มการเคลื่อนไหวโดยรวมที่เคลื่อนไหว ค่าเฉลี่ยแล้วค่าเฉลี่ยเคลื่อนที่ตามฤดูกาล 8 เรียกใช้ X11 9 จบการปรับค่าเอสเอสบีเอสเก็บบันทึกการวิเคราะห์ชุดก่อนหน้านี้เพื่อให้สามารถเปรียบเทียบการวินิจฉัย X11 เมื่อเวลาผ่านไปและรู้ว่าพารามิเตอร์ใดที่นำไปสู่การปรับค่าที่ยอมรับได้ในการวิเคราะห์ครั้งล่าสุด แนวโน้มและการแบ่งตามฤดูกาลเช่นเดียวกับค่าที่มากที่สุดแทรกปัจจัยการซื้อขายวันที่ถ้าจำเป็นและอัล หน่วยงานด้านสถิติอื่น ๆ ที่เกี่ยวข้องกับการปรับเปลี่ยนตามฤดูกาลสถิติในประเทศนิวซีแลนด์ใช้ X12-ARIMA แต่ไม่ได้ใช้ความสามารถของ ARIMA ในแพคเกจ สำนักงานสถิติแห่งชาติ, UK. uses X11ARIMA88.Statistics Canada. uses X11-ARIMA88.US สำนักสำรวจสำมะโนประชากร. X12-ARIMA. uses SEATS TRAMO หน้านี้เผยแพร่ครั้งแรกเมื่อวันที่ 14 พฤศจิกายน พ. ศ. 2548, ปรับปรุงครั้งล่าสุดเมื่อวันที่ 10 กันยายน 2551