सरल चलती - औसत - पूर्वाग्रह

चलते हुए औसत का उपयोग कैसे करें.मॉव्वोव औसत हमें प्रवृत्ति में परिवर्तन और दूसरे को परिभाषित करने में मदद करता है, यह प्रवृत्ति में बदलाव को पहचानने के लिए है कि ये कुछ और नहीं है कि वे अच्छे हैं किसी और चीज़ के लिए समय की बर्बादी है I वे किस तरह का निर्माण कर रहे हैं, इस बारे में धमाकेदार विवरणों में शामिल हो रहे हैं इसमें लगभग एक लाख वेबसाइटें हैं जो गणितीय मेकअप की व्याख्या करेंगे, मैं आपको एक दिन अपने आपको ऐसा करने दूँगा जब आप अपने दिमाग से बेहद ऊबेंगे। लेकिन आप सभी वास्तव में यह जानना ज़रूरी है कि एक चलती औसत रेखा समय के साथ स्टॉक की औसत कीमत है जो कि यह है। दो चलती औसत। मैं दो चलती औसतों का उपयोग 10 अवधि की सरल चलती औसत एसएमए और 30 की अवधि घातीय चलती औसत एएमए I धीमी गति से एक और तेजी से एक का उपयोग करना क्यों पसंद है क्योंकि जब तेज़ एक 10 धीमे एक 30 से अधिक पार करता है, तो वह अक्सर एक प्रवृत्ति में बदलाव को संकेत देगा। उदाहरण के लिए, हम एक चार्ट को देख सकते हैं। आप प्रवृत्तियों को परिभाषित करते हैं चार्ट के बाईं ओर स्थित 10 एसएमए 30 ईएमए से ऊपर है और प्रवृत्ति बढ़ रही है 10 एसएमए अगस्त के मध्य में 30 ईएमए के नीचे पार हो जाती है और प्रवृत्ति नीचे है, फिर 10 एसएमए सितंबर में 30 एएमए के माध्यम से वापस ऊपर जाता है और इस रुझान को फिर से किया जाता है - और इसके बाद कई महीनों तक रहता है। ये नियम हैं। लंबी अवधि के लिए फोकस केवल 10 एसएमए 30 एएमए फोकस से कम पदों पर है, जब 10 एसएमए 30 ईएमए से कम हो, यह उस से कोई आसान नहीं होता है और यह हमेशा आपको प्रवृत्ति के दाहिने हिस्से में रखेगा। नोट करें कि चलती औसत केवल तब ही अच्छे से काम करते हैं जब कोई स्टॉक फैल रहा है - जब वे किसी व्यापारिक सीमा में नहीं होते हैं जब एक स्टॉक या बाजार स्वयं ढलान हो जाता है तो आप चलती औसत - वे काम नहीं जीते हैं। लंबी अवधि के लिए याद रखने वाली महत्वपूर्ण चीजें हैं - लघु स्थिति के लिए रिवर्स। 10 एसएमए 30 ईएमए से ऊपर होना चाहिए। चलती औसत के बीच में बहुत सी स्थान होना चाहिए। दोनों चलती औसत ढलान चाहिए ऊपर की ओर। 200 अवधि चलती औसत। 200 एसएमए का उपयोग किया जाता है भालू क्षेत्र से बल क्षेत्र अलग करने के लिए अध्ययनों से पता चला है कि इस रेखा से ऊपर लंबी और लंबी दूरी की स्थिति पर ध्यान केंद्रित करके आप थोड़ा सा बढ़त दे सकते हैं। आपको यह चलना औसत अपने सभी चार्टों को सभी समय सीमाओं में जोड़ना चाहिए हां साप्ताहिक चार्ट , दैनिक चार्ट, और इंट्रा-डे 15 मिनट, 60 मिनट चार्ट। 200 एसएमए स्टॉक चार्ट पर रखने के लिए सबसे महत्वपूर्ण चलती औसत है आप आश्चर्यचकित होंगे कि इस क्षेत्र में कितनी बार स्टॉक रिवर्स हो जाएगी.यह इसका इस्तेमाल अपने लाभ। इसके अलावा, जब शेयरों के लिए स्कैन लिखते हैं, तो आप इस रेखा से ऊपर वाले संभावित लंबी स्थापनाओं और इस रेखा से नीचे की संभावित कम स्थापनाओं को खोजने के लिए एक अतिरिक्त फिल्टर के रूप में इसका उपयोग कर सकते हैं। समर्थन और प्रतिरोध। लोकप्रिय विश्वास के विपरीत, स्टॉक नहीं है समर्थन प्राप्त करें या मूविंग एवरेज पर प्रतिरोध में चलाएं आप कई बार व्यापारियों को कहेंगे, अरे, इस स्टॉक को देखें यह 50 दिनों की औसत चल रही है। कोई शेयर अचानक एक लाइन से बाउंस क्यों नहीं उठा सकता है, जो कुछ व्यापारी स्टॉक पर डालते हैं यह चार्ट एक शेयर केवल उछाल जाएगा यदि आप इसे कॉल करना चाहते हैं, जो कि अतीत में हुई महत्वपूर्ण मूल्य स्तरों से दूर है - चार्ट पर एक पंक्ति नहीं। स्टॉक्स कीमत स्तर पर ऊपर या नीचे उलट जाएगा जो कि लोकप्रिय चलती औसत के करीब हैं लेकिन वे लाइन पर खुद ही पीछे नहीं हटते हैं। तो, मान लीजिए कि आप एक चार्ट को देख रहे हैं और आप देखते हैं कि स्टॉक वापस खींच रहा है, हम कहते हैं कि 200 की अवधि बढ़ती औसत चार्ट पर कीमत के स्तर को देखो जो महत्वपूर्ण साबित हुई समर्थन या प्रतिरोध के क्षेत्रों में। ये ऐसे क्षेत्र हैं जहां स्टॉक की संभावना बदली होगी। औसत और घातीय चिकनाई मॉडल को बढ़ाए। मतलब मॉडल, यादृच्छिक चलने के मॉडल और रैखिक प्रवृत्ति मॉडल, गैर-मौसमी पैटर्न और प्रवृत्तियों से आगे बढ़ने में पहला कदम है चलती-औसत या चौरसाई मॉडल का उपयोग करके एक्सट्रपोलैटेड होना औसत और चौरसाई मॉडल के पीछे मूल धारणा है कि समय श्रृंखला स्थानीय रूप से स्थिर होती है जो धीरे-धीरे बदलती रहती है, इसलिए हम वर्तमान का अनुमान लगाने के लिए स्थानीय औसत चलते हैं मतलब के मूल्य और फिर निकट भविष्य के लिए पूर्वानुमान के रूप में इसका इस्तेमाल करते हैं, यह औसत मॉडल और यादृच्छिक-चलने के बिना-बहाव-मॉडल के बीच एक समझौता के रूप में माना जा सकता है एक ही रणनीति का अनुमान स्थानीय प्रवृत्ति का अनुमान और एक्सट्रपॉल करने के लिए किया जा सकता है एक चलती औसत को अक्सर मूल श्रृंखला का एक चिकना संस्करण कहा जाता है क्योंकि अल्पकालिक औसतन को मूल श्रृंखला में बाधाओं को चौरसाई करने का असर होता है, चलती औसत की चौड़ाई को चौरसाई करके डिग्री को समायोजित करके, हम किसी तरह का हड़ताल करने की उम्मीद कर सकते हैं औसत और यादृच्छिक चलने के मॉडल के प्रदर्शन के बीच इष्टतम संतुलन का सरलतम प्रकार का औसत मॉडल है। समान समान भारित मूविंग औसत। सरल समय पर वाई के मूल्य के लिए पूर्वानुमान जो कि समय पर बना है टी सामान्य औसत के बराबर है सबसे हाल की मी टिप्पणियों का यहां और कहीं और मैं Y-hat का प्रतीक का उपयोग समय के श्रृंखला के पूर्वानुमान के लिए खड़े होंगे, जो किसी दिए गए मॉडल से सबसे पहले की पूर्व तारीख को बनाया गया था। यह औसत अवधि टी-मी 1 2 पर केंद्रित है, जिसका अर्थ है कि अनुमान स्थानीय मतलब के बारे में मी 1 2 अवधि से स्थानीय मतलब के सही मूल्य के पीछे की ओर झेलना होगा, इसलिए हम कहते हैं कि सरल चलती औसत में डेटा की औसत आयु एम 1 2 अवधि के लिए सापेक्ष है जिसके लिए पूर्वानुमान की गणना की जाती है यह उस समय की मात्रा है जिसके द्वारा पूर्वानुमान डेटा में बिंदुओं को मोड़ के पीछे पीछे की ओर झेलता है उदाहरण के लिए, यदि आप पिछले 5 मानों की औसतता रखते हैं, तो मोड़ करने का जवाब देने के लिए पूर्वानुमान के बारे में 3 अवधि देर हो जाएगी ध्यान दें कि यदि मी 1, सरल चलती औसत एसएमए मॉडल विकास के बिना यादृच्छिक चलने के मॉडल के बराबर है यदि अनुमानित अवधि की तुलना में मी बहुत बड़ी है, तो एसएमए मॉडल औसत मॉडल के बराबर है जैसा कि एक पूर्वानुमान मॉडल के किसी भी पैरामीटर के साथ, यह प्रथागत है के मूल्य को समायोजित करने के लिए डेटा के लिए सबसे अच्छा फिट प्राप्त करने के लिए n आदेश, अर्थात् औसत पर छोटी सी पूर्वानुमान त्रुटियां। यहां एक ऐसी श्रृंखला का उदाहरण है जो धीरे-धीरे अलग-अलग साधनों के बीच यादृच्छिक उतार-चढ़ाव प्रदर्शित करता है, पहले इसे एक यादृच्छिक चलने से फिट करने का प्रयास करें मॉडल, जो कि 1 अवधि के साधारण चलती औसत के बराबर है। यादृच्छिक चलने वाला मॉडल श्रृंखला में परिवर्तन के लिए बहुत जल्दी प्रतिक्रिया करता है, लेकिन ऐसा करने से डेटा में बहुत अधिक शोर लगता है, यादृच्छिक उतार-चढ़ाव के रूप में साथ ही संकेत स्थानीय इसका मतलब यह है कि यदि हम इसके बजाय 5 शब्दों की एक सरल चलती औसत की कोशिश करते हैं, तो हमें एक चिकनी दिखने वाले पूर्वानुमान प्राप्त होते हैं। 5-अवधि की सरल चलती औसत उपज इस मामले में यादृच्छिक चलने की मॉडल की तुलना में काफी छोटी त्रुटियां होती है। पूर्वानुमान 3 5 1 2 है, इसलिए यह लगभग तीन अवधियों तक मोड़ के पीछे की ओर झुकता है उदाहरण के लिए, 21 साल की अवधि में एक मंदी हुई है, लेकिन कई सालों बाद पूर्वानुमान नहीं पड़ता। एसएमए आधुनिक से भविष्य के पूर्वानुमान एल एक क्षैतिज सीधी रेखा है, जैसे कि यादृच्छिक चलने के मॉडल में, एसएमए मॉडल मानता है कि डेटा में कोई प्रवृत्ति नहीं है, हालांकि, यादृच्छिक चलने वाले मॉडल से होने वाले अनुमान केवल पिछले मान के मान के बराबर हैं, ये अनुमान एसएमए मॉडल हालिया मूल्यों के भारित औसत के बराबर हैं। स्थिर गति से चलने वाले औसत के दीर्घकालिक पूर्वानुमान के लिए सांख्यिकीग्राही द्वारा गणना की जाने वाली आत्मविश्वास सीमा भविष्यवाणी की क्षितिज बढ़ने के रूप में व्यापक नहीं होती है यह स्पष्ट रूप से सही नहीं है दुर्भाग्य से, कोई अंतर्निहित नहीं है सांख्यिकीय सिद्धांत जो हमें बताता है कि इस मॉडल के लिए आत्मविश्वास के अंतराल को कैसे चौड़ा करना चाहिए, हालांकि, लंबे समय-क्षिति पूर्वानुमान के लिए आत्मविश्वास सीमा के अनुभवजनित अनुमानों की गणना करना बहुत मुश्किल नहीं है उदाहरण के लिए, आप एक स्प्रैडशीट सेट कर सकते हैं जिसमें SMA मॉडल ऐतिहासिक डेटा नमूने के भीतर 2 चरणों के आगे, 3 कदम आगे, आदि का पूर्वानुमान करने के लिए उपयोग किया जाएगा, फिर आप प्रत्येक पूर्वानुमान में त्रुटियों के नमूना मानक विचलन की गणना कर सकते हैं। और फिर, उचित मानक विचलन के गुणकों को जोड़कर और घटाना करके लंबे समय तक पूर्वानुमान के लिए आत्मविश्वास अंतराल का निर्माण करते हैं। यदि हम 9-अवधि की साधारण चलती औसत की कोशिश करते हैं, तो हमें चिकना पूर्वानुमान और अधिक प्रभाव पड़ता है। औसत आयु अब 5 अवधियों 9 1 2 यदि हम 1 9-अवधि की चलती औसत लेते हैं, तो औसतन उम्र बढ़कर 10 हो जाती है। नॉटिस, वास्तव में, पूर्वानुमान अब लगभग 10 अवधियों तक अंक बंटने के पीछे चल रहे हैं। किस श्रृंखला में चौरसाई इस श्रृंखला के लिए सर्वश्रेष्ठ है यहां एक ऐसी तालिका है जो उनकी त्रुटि आंकड़े की तुलना करती है, जिसमें 3-टर्म औसत भी शामिल है। मॉडेल सी, 5-अवधि की चलती औसत, 3-अवधि और 9-अवधि की औसत पर छोटे मार्जिन द्वारा आरएमएसई के न्यूनतम मूल्य की पैदावार करता है, और उनके अन्य आँकड़े लगभग समान हैं, बहुत ही इसी तरह के त्रुटि आंकड़ों वाले मॉडल के बीच, हम यह चुन सकते हैं कि हम भविष्य में कुछ अधिक प्रतिक्रियाशीलता या थोड़ी अधिक चिकनाई पसंद करेंगे या नहीं। पृष्ठ के शीर्ष पर लौटें। ब्राउन सरल एक्स्पेंन्नेली चतुराई का तेजी से भारित औसत चलती है। ऊपर वर्णित सरल चलती औसत मॉडल में अवांछनीय संपत्ति है जो पिछली कश्मीर टिप्पणियों को समान रूप से मानती है और सभी पूर्ववर्ती टिप्पणियों को पूरी तरह से अनदेखी करती है, तीव्रता से, पिछले डेटा को अधिक धीरे-धीरे फैशन में छूट दी जानी चाहिए - उदाहरण के लिए, सबसे हाल का अवलोकन होना चाहिए 2 सबसे हालिया से थोड़ा अधिक वजन प्राप्त करें, और 2 सबसे हालिया को हाल ही के तीसरे से थोड़ा अधिक वजन लेना चाहिए, और इसी पर सरल घातीय चिकनाई एसईएस मॉडल इस को पूरा करता है। एक चिकनाई निरंतर एक संख्या 0 और 1 के बीच दर्शाती है मॉडल को लिखने का एक तरीका एक श्रृंखला एल को परिभाषित करना है जो वर्तमान स्तर का प्रतिनिधित्व करता है, यानी स्थानीय औसत मूल्य का मानना ​​है जो आंकड़ों से वर्तमान तक का अनुमान है। समय के एल के मूल्य को इस तरह से अपने पिछले मूल्य से पुनरावर्ती रूप से गिना जाता है। इस प्रकार, वर्तमान मस्तिष्क का मूल्य पिछले चिकना मूल्य और वर्तमान अवलोकन के बीच एक प्रक्षेप होता है, जहां पर सबसे अधिक के लिए अंतःप्रेषित मूल्य की निकटता को नियंत्रित करता है प्रतिशत अवलोकन अगली अवधि के लिए पूर्वानुमान केवल मौजूदा मसौदा मूल्य है। ठीक है, हम अगले पूर्वानुमान और पिछले टिप्पणियों के संदर्भ में सीधे अगले पूर्वानुमान व्यक्त कर सकते हैं, निम्नलिखित समकक्ष संस्करणों में से किसी में, पहले संस्करण में, पूर्वानुमान एक प्रक्षेप है पिछले पूर्वानुमान और पिछले प्रेक्षण के बीच। दूसरे संस्करण में, अगले पूर्वानुमान को पिछले त्रुटि की दिशा में पिछले पूर्वानुमान को एक आंशिक राशि से समायोजित करके प्राप्त किया जाता है। समय पर किए गए त्रुटि टी। तीसरे संस्करण में, पूर्वानुमान डिस्काउंट कारक के साथ तेजी से भारित अर्थात् रियायती चलती औसत 1. भविष्यवाणी के फार्मूले के प्रक्षेपण संस्करण का प्रयोग सरलतम है यदि आप एक स्प्रेडशीट पर मॉडल को लागू कर रहे हैं, यह एक एकल कक्ष में फिट है और इसमें सेल के संदर्भ में पिछले पूर्वानुमान, पिछले अवलोकन और सेल जहां मूल्य का संचय किया जाता है। नोट करें कि यदि 1, एसईएस मॉडल एक यादृच्छिक चलने वाले मॉडल के समान है हटे की वृद्धि यदि 0, एसईएस मॉडल औसत मॉडल के समतुल्य है, यह मानते हुए कि पहला सौम्य मूल्य मतलब पेज के शीर्ष पर लौटने के बराबर सेट है। सरल-घातांक-चौरसाई पूर्वानुमान में डेटा की औसत आयु 1 रिश्तेदार है इस अवधि के लिए पूर्वानुमान की गणना की जाती है यह स्पष्ट नहीं माना जाता है, लेकिन यह एक अनंत श्रृंखला का मूल्यांकन करके आसानी से दिखाया जा सकता है इसलिए, सरल चलती औसत पूर्वानुमान लगभग 1 अवधियों तक अंक बदलने से पीछे की ओर जाता है उदाहरण के लिए, जब 0 5 अंतराल 2 अवधि है जब 0 2 में 5 अवधियां होती हैं, जब 0 1 अंतराल 10 अवधियां होती है, और इसी तरह। किसी दिए गए औसत आयु के लिए यानी अंतराल की मात्रा, सरल घातीय चिकनाई एसईएस पूर्वानुमान सरल चलती से कुछ बेहतर है औसत एसएमए पूर्वानुमान क्योंकि यह हाल के अवलोकन पर अपेक्षाकृत अधिक वजन रखता है - यह हाल के दिनों में होने वाले परिवर्तनों के लिए थोड़ा अधिक उत्तरदायी है उदाहरण के लिए, 9 शब्दों के साथ एक एसएमए मॉडल और 0 2 के साथ एक एसईएस मॉडल दोनों का औसत आयु है दा के लिए 5 का उनके पूर्वानुमान में टा, लेकिन एसईएस मॉडल एसएमए मॉडल से पिछले 3 मानों पर और अधिक वजन डालता है और साथ ही यह चार्ट पूरी तरह से 9 बार पुरानी है, जैसा कि इस चार्ट में दिखाया गया है। इसके अलावा एक अन्य महत्वपूर्ण लाभ एसएमए मॉडल पर एसईएस मॉडल यह है कि एसईएस मॉडल एक चिकनाई पैरामीटर का उपयोग करता है जो निरंतर चर होता है, इसलिए यह आसानी से एक सॉल्वर एल्गोरिथ्म का उपयोग करके अनुकूलित किया जा सकता है जो कि चुकता त्रुटि को कम करता है इस श्रृंखला के एसईएस मॉडल में इष्टतम मूल्य निकलता है जैसा कि यहां दिखाया गया है, 0 0 9 61 होना। इस पूर्वानुमान में आंकड़ों की औसत आयु 1 0 2961 3 4 अवधि है, जो कि 6-अवधि की सरल चलती औसत के समान है। एसईएस मॉडल से दीर्घावधि पूर्वानुमान एसएमए मॉडल के रूप में एक क्षैतिज सीधी रेखा और विकास के बिना यादृच्छिक चलने वाला मॉडल हालांकि, ध्यान दें कि Statgraphics द्वारा गणना किए गए आत्मविश्वास अंतराल अब एक उचित दिखने वाले फैशन में अलग हो जाते हैं, और यह कि रैंड के लिए आत्मविश्वास अंतराल की तुलना में काफी संकरा है ओम वॉली मॉडल एसईएस मॉडल मानता है कि श्रृंखला यादृच्छिक चलने की मॉडल की तुलना में कुछ अधिक पूर्वानुमानित है। एक एसईएस मॉडल वास्तव में एक एआरआईएए मॉडल का विशेष मामला है, इसलिए एआरआईएए मॉडल के सांख्यिकीय सिद्धांत के लिए आत्मविश्वास अंतराल की गणना के लिए एक ठोस आधार प्रदान करता है। एसईएस मॉडल विशेष रूप से, एक एसईएस मॉडल एक गैर-मौसमी अंतर, एक एमए 1 शब्द के साथ एक एआरआईएए मॉडल है, और कोई निरंतर कोई अन्य शब्द नहीं है जिसे एआरआईएएमए 0,1,1 मॉडल के रूप में जाना जाता है, निरंतर बिना एआरएमए मॉडल में एमए 1 गुणांक एसईएस मॉडल में मात्रा 1- उदाहरण के लिए, यदि आप यहां विश्लेषण किए गए श्रृंखला के लिए निरंतर बिना एआरआईएएमए 0,1,1 मॉडल को फिट करते हैं, तो अनुमानित एमए 1 गुणांक 0 7029 हो जाता है, जो लगभग एक शून्य से 0 9 61 है यह एक गैर-शून्य निरंतर रेखीय प्रवृत्ति को एसईएस मॉडल में शामिल करने के लिए संभव है, ऐसा करने के लिए केवल एक नॉन-सीजनल अंतर के साथ एक एआरआईएएमए मॉडल को निर्दिष्ट करें और एक एमए 1 टर्म के साथ एक स्थिर, अर्थात् एआरआईएएमए 0,1,1 मॉडल निरंतर के साथ दीर्घकालिक पूर्वानुमान होगा तो एक प्रवृत्ति है जो औसत अनुमान के हिसाब से औसत प्रवृत्ति के बराबर है आप इसे मौसमी समायोजन के साथ संयोजन में नहीं कर सकते, क्योंकि मॉड्यूल प्रकार को एआरआईए में सेट किया जाता है, जब मौसमी समायोजन विकल्प अक्षम हो जाते हैं, फिर भी, आप लगातार लंबे समय तक जोड़ सकते हैं - फ़ीडिंग की प्रक्रिया में मुद्रास्फ़ीति समायोजन विकल्प का उपयोग करके या बिना मौसमी समायोजन के साथ एक सरल घातीय चिकनाई मॉडल के लिए मानक घातीय प्रवृत्ति उचित अवधि में औसत मुद्रास्फीति प्रतिशत वृद्धि दर के अनुमान के अनुसार रेखीय प्रवृत्ति मॉडल में ढलान गुणांक के रूप में अनुमान लगाया जा सकता है प्राकृतिक लॉगरिथम रूपांतरण के साथ संयोजन, या यह अन्य, स्वतंत्र लंबी अवधि के विकास की संभावनाओं से संबंधित जानकारी पर आधारित हो सकता है पृष्ठ के शीर्ष पर लौटें। ब्राउन रैखिक यानी दोहरे घातीय चिकनाई। एसएमए मॉडल और एसईएस मॉडल मानते हैं कि इसमें कोई प्रवृत्ति नहीं है डेटा में किसी भी तरह का डेटा आमतौर पर ठीक है या कम से कम नहीं-बहुत-बुरा 1-कदम-आगे पूर्वानुमान के लिए जब डेटा अपेक्षाकृत नहीं है sy, और उन्हें एक निरंतर रेखीय प्रवृत्ति को शामिल करने के लिए संशोधित किया जा सकता है, जैसा कि ऊपर दिखाया गया है, अल्प अवधि के रुझान के बारे में यदि कोई श्रृंखला वृद्धि की एक अलग दर या एक चक्रीय पैटर्न जो शोर के खिलाफ स्पष्ट रूप से खड़ा है, और अगर वहाँ एक से अधिक अवधि के पूर्वानुमान के बाद, एक स्थानीय प्रवृत्ति का अनुमान भी एक मुद्दा हो सकता है एक सरल घातीय चिकनाई मॉडल को एक रेखीय घातीय चिकनाई लेस मॉडल प्राप्त करने के लिए सामान्यीकृत किया जा सकता है जो दोनों स्तर और प्रवृत्ति के स्थानीय अनुमानों की गणना करता है। सरलतम समय-भिन्न प्रवृत्ति मॉडल ब्राउन की रेखीय घातीय चौरसाई मॉडल है, जो दो अलग-अलग चिकने श्रृंखला का उपयोग करता है जो समय के विभिन्न बिंदुओं पर केन्द्रित होते हैं पूर्वानुमान का सूत्र दो केंद्रों के माध्यम से एक रेखा के एक्सट्रपलेशन पर आधारित होता है इस मॉडल के एक और अधिक परिष्कृत संस्करण, होल्ट एस ब्राउन की रैखिक घातीय चौरसाई मॉडल के बीजीय रूप नीचे दिए गए हैं, जैसे कि सरल घातीय चिकनाई मॉडल की, कई अलग-अलग में व्यक्त किया जा सकता है लेकिन ई क्वॉलिटी फॉर्म इस मॉडल का मानक रूप आमतौर पर निम्नलिखित रूप में व्यक्त किया जाता है: चलो एस श्रृंखला को साधारण घातांक को चौरसाई करने के द्वारा प्राप्त एकल-सीधा श्रृंखला को दर्शाती है, जो कि अवधि एस पर एस का मूल्य दिया जाता है। स्मरण करो कि, सरल घातीय चौरसाई के तहत, यह अवधि के दौरान वाई के लिए पूर्वानुमान होगा 1 फिर, एस द्विगुणित-सरल श्रृंखला को दर्शाता है जो श्रृंखला के लिए समान एक्सपेंनेली चौरसाई को लागू करने से प्राप्त होता है। अंत में, किसी भी वाई के लिए पूर्वानुमान कश्मीर 1 द्वारा दिया जाता है। यह पैदावार ई 1 0 या तो थोड़ा सा धोखा देती है, और पहले पूर्वानुमान को वास्तविक पहले अवलोकन के बराबर और दो 2 वाई 2 वाई 1 के बाद दें, इसके बाद के ऊपर के समीकरण का उपयोग करके भविष्यवाणियां उत्पन्न होती हैं एस और एस पर आधारित फार्मूले के रूप में यदि एस 1 एस 1 वाई 1 का उपयोग करना शुरू किया गया था तो मॉडल का यह संस्करण अगले पृष्ठ पर उपयोग किया जाता है जो कि मौसमी समायोजन के साथ घातीय चौरसाई का संयोजन दिखाता है। हल्का रैखिक घातीय चिकनाई। ब्राउन एस लेस मॉडल हाल के आंकड़ों को चौरसाई करके स्तर और प्रवृत्ति के स्थानीय अनुमानों की गणना करता है, लेकिन तथ्य यह है कि यह एक चिकनाई पैरामीटर के साथ करता है, डेटा पैटर्न पर एक बाधा रखता है जो इसे स्तर में फिट करने में सक्षम है और प्रवृत्ति को भिन्न करने की अनुमति नहीं है पर स्वतंत्र दरों होल्ट एसईईएस मॉडल दो चिकनाई स्थिरांक, स्तर के लिए एक और प्रवृत्ति के लिए एक के साथ इस मुद्दे को संबोधित करता है, ब्राउन के मॉडल के रूप में किसी भी समय टी के अनुसार स्थानीय स्तर का एल टी अनुमान है और अनुमान टी स्थानीय प्रवृत्तियों में से इन्हें समय-समय पर वाई के मूल्य से मनाया जाता है और स्तर के पिछले अनुमान और दो समीकरणों के अनुसार अनुमान लगाया जाता है जो उन्हें अलग-अलग घातीय टुकड़ों को अलग से लागू करते हैं। यदि समय पर अनुमानित स्तर और प्रवृत्ति टी -1 क्रमशः एल टी 1 और टी टी -1, तो वाई टी के लिए पूर्वानुमान जो टी -1 पर बना होता है एल टी -1 टी टी -1 के बराबर होता है, जब वास्तविक मूल्य मनाया जाता है, तो अद्यतन अनुमान स्तर को वाई टी और उसके भविष्यवाणी, एल टी -1 टी टी -1 के बीच में अंतर करके और 1 के भार का उपयोग करके फिर से गणना की जाती है। अनुमानित स्तर में परिवर्तन, अर्थात् एल टी एल टी 1 को एक शोर माप के रूप में व्याख्या किया जा सकता है समय पर रुझान प्रवृत्ति के अद्यतन अनुमान को फिर से एल के बीच interpolating द्वारा recursively गणना है टी एल टी 1 और प्रवृत्ति का पिछला अनुमान, टी टी -1 का वजन और 1 का उपयोग करना। प्रवृत्ति-चौरसाई स्थिरता की व्याख्या स्तर-चौरसाई के समान मॉडल के समान होती है, जो मानते हैं कि प्रवृत्ति में परिवर्तन केवल समय के साथ ही बहुत धीरे-धीरे, जबकि बड़े मॉडल के साथ यह मानता है कि यह और तेज़ी से बदल रहा है एक मॉडल का मानना ​​है कि दूर के भविष्य में बहुत अनिश्चितता है, क्योंकि एक से अधिक अवधि की भविष्यवाणी करते समय प्रवृत्ति अनुमान में त्रुटियां काफी महत्वपूर्ण हो जाती हैं। पृष्ठ का। चौरसाई स्थिरांक और 1-कदम-आगे पूर्वानुमानों की औसत स्क्वायर त्रुटि को कम करके सामान्य तरीके से अनुमान लगाया जा सकता है जब यह स्टैटाग्राफिक्स में किया जाता है, तो इसका अनुमान लगाया जाता है कि 0 3048 और 0 008 बहुत कम मूल्य इसका मतलब यह है कि मॉडल में एक अवधि से लेकर दूसरे तक की प्रवृत्ति में बहुत कम बदलाव होता है, इसलिए मूल रूप से यह मॉडल लंबी अवधि के रुझान का अनुमान लगाने का प्रयास कर रहा है, जो अनुमानित आंकड़ों की औसत आयु के विचार के साथ सादृश्य है। वह श्रृंखला का स्थानीय स्तर, स्थानीय प्रवृत्ति का आकलन करने के लिए उपयोग की जाने वाली डेटा की औसत आयु 1 के आनुपातिक है, हालांकि इसके ठीक उसी के बराबर नहीं है इस मामले में यह 1 0 006 125 हो सकता है यह बहुत सटीक संख्या है क्योंकि अनुमान के शुद्धता के रूप में वास्तव में 3 दशमलव स्थान वास्तव में नहीं हैं, लेकिन यह 100 के नमूने के आकार के समान परिमाण के समान सामान्य क्रम का है, इसलिए यह मॉडल प्रवृत्ति का अनुमान लगाने में काफी इतिहास का अनुमान लगा रहा है। नीचे दिखाया गया है कि एलईएस मॉडल एसईएस प्रवृत्ति मॉडल में अनुमानित निरंतर प्रवृत्ति की तुलना में श्रृंखला के अंत में एक थोड़ा बड़ा स्थानीय प्रवृत्ति का अनुमान भी करता है, अनुमानित मूल्य एसईएस मॉडल के साथ या प्रवृत्ति के बिना फिटिंग द्वारा प्राप्त होने वाले लगभग समान है , तो यह लगभग एक ही मॉडल है.अब, ये एक मॉडल के लिए उचित पूर्वानुमान की तरह दिखते हैं जो कि स्थानीय प्रवृत्ति का आकलन करने वाला है यदि आप इस प्लॉट को नजरअंदाज करते हैं, ऐसा लगता है जैसे स्थानीय प्रवृत्ति निम्न के अंत में बदल गई है श्रृंखला क्यू पर हुआ है इस मॉडल के मापदंडों का अनुमान लगाया गया है कि 1-कदम-आगे पूर्वानुमान की चुकता त्रुटि को कम करके, लंबी अवधि के पूर्वानुमान नहीं, इस मामले में प्रवृत्ति बहुत अधिक अंतर नहीं करती है यदि आप सभी को देख रहे हैं 1 - छोटे-आगे की त्रुटियां, आप 10 या 20 की अवधि के ऊपर रुझानों की बड़ी तस्वीर नहीं देख रहे हैं ताकि डेटा के आंखों के एक्सट्रपलेशन के साथ इस मॉडल को और अधिक प्राप्त करने के लिए, हम मैन्युअल रूप से रुझान-चिकनाई स्थिरता समायोजित कर सकते हैं ताकि यह उदाहरण के लिए, यदि हम 0 1 सेट करना चुनते हैं, तो स्थानीय प्रवृत्ति का अनुमान लगाने में उपयोग की जाने वाली डेटा की औसत आयु 10 अवधि है, जिसका मतलब है कि हम उस पिछले 20 अवधि या उससे अधिक की प्रवृत्ति को औसत कर रहे हैं यहां बताया गया है कि अगर भविष्य की साजिश लगती है तो हम 0 1 को रखते हुए 0 1 सेट करते हैं, लेकिन यह इस श्रृंखला के लिए सहज रूप से उचित लगता है, हालांकि भविष्य में इस प्रवृत्ति को 10 से अधिक अवधि के एक्सट्रपलेशन के लिए संभवतः खतरनाक है। त्रुटि आंकड़ों के बारे में यहां बताया गया है एक मॉडल तुलना एफ या उपरोक्त दो मॉडल के साथ ही तीन एसईएस मॉडल एसईएस मॉडल का इष्टतम मूल्य लगभग 3 है, लेकिन इसी तरह के परिणाम थोड़ा अधिक या कम प्रतिक्रिया के साथ क्रमशः 0 5 और 0 से प्राप्त होते हैं। एक होल्ट रेखीय विस्तार चौरसाई अल्फा 0 3048 और बीटा 0 008 के साथ। बी होल्ट की रैखिक विस्तार एलएफए 0 और बीटा 0 के साथ चौरसाई करना 1. सी अल्फा के साथ सरल घातीय चौरसाई 0 5. डी अल्फा के साथ सरल घातीय चौरसाई 0 3. ई अल्फा के साथ आसान घातीय चिकनाई 0 2 । उनका आंकड़ा लगभग समान है, इसलिए हम वास्तव में 1-कदम-आगे पूर्वानुमान नमूने के आधार पर पूर्वानुमान के आधार पर विकल्प नहीं बना सकते हैं, हमें अन्य विचारों पर पीछे पड़ना होगा यदि हम दृढ़ता से मानते हैं कि यह मौजूदा आधार पर समझ में आता है पिछले 20 सालों में जो कुछ हुआ है, उसके बारे में रुझान का अनुमान है, हम 0 3 और 0 1 के साथ एलईएस मॉडल के लिए एक केस बना सकते हैं यदि हम अज्ञात होना चाहते हैं कि क्या स्थानीय प्रवृत्ति है, तो एसईएस मॉडल में से एक समझाने के लिए आसान होगा और अधिक मिडल भी देंगे अगले 5 या 10 अवधि के लिए ई-ऑफ-द-रोड पूर्वानुमान पृष्ठ के शीर्ष पर लौटें। प्रवृत्ति-एक्सट्रपलेशन का किस प्रकार का सबसे अच्छा क्षैतिज या रैखिक अनुभवजन्य साक्ष्य बताता है कि यदि मुद्रास्फीति के लिए यदि आवश्यक हो तो डेटा पहले से समायोजित हो गया है, तो यह भविष्य के रुझानों में बहुत दूर अल्पकालिक रैखिक प्रवृत्तियों को एक्सट्रपोल करने के लिए अविवेकपूर्ण हो सकता है, जो कि आज के दिनों में स्पष्ट हो सकता है कि उत्पाद अप्रचलन, बढ़ती प्रतिस्पर्धा और उद्योग में चक्रीय गिरावट या उतार-चढ़ाव जैसे विभिन्न कारणों से भविष्य में सुस्ती हो सकती है इस कारण से, सरल घातीय चूरा लगाना अक्सर अपेक्षाकृत अपेक्षाकृत बेहतर प्रदर्शन करती है, अन्यथा इसकी उम्मीद की जा सकती है, इसके भोलेदार क्षैतिज प्रवृत्ति एक्सट्रपलेशन के बावजूद रैखिक घातीय चिकनाई मॉडल के ढेलेदार प्रवृत्ति संशोधनों को भी अक्सर प्रवृत्ति में प्रवृत्त प्रवृत्तियों में रूढ़िवाद की एक नोट पेश करने के लिए इस्तेमाल किया जाता है लेस मॉडल को एक एआरआईएएमए मॉडल के विशेष मामले के रूप में लागू किया जा सकता है, विशेष रूप से, एआरआईएआईए 1,1,2 मॉडल। विश्वास के अंतराल की गणना करना संभव है डीआरडीएम दीर्घकालीन पूर्वानुमानों को एआरआईएए मॉडल के विशेष मामलों के रूप में देखते हुए, उन पर विचार करके, एआरआईएए मॉडल के विशेष मामलों पर विचार करके, सभी सॉफ़्टवेयर इन मॉडल के लिए आत्मविश्वास अंतराल की गणना नहीं करते हैं, विश्वास के अंतराल की चौड़ाई मैं मॉडल के आरएमएस त्रुटि पर निर्भर करता हूं, ii प्रकार सरल या रैखिक चौरसाई के चौरसाई स्थिरांक के मूल्य एस और iv आप की भविष्यवाणी कर रहे हैं आगे की अवधि की संख्या सामान्य रूप में, अंतराल एसईएस मॉडल में बड़ा हो जाता है के रूप में तेजी से फैल गया और वे बहुत तेजी से फैल गया जब रैखिक बजाय सरल चौरसाई का इस्तेमाल किया जाता है इस विषय पर नोट्स के एआरआईएएमए मॉडल खंड में और भी चर्चा की जाती है। पृष्ठ के शीर्ष पर लौटें .00 औसत चल रहा है। प्रवृत्ति व्यापार के सबसे महत्वपूर्ण पहलुओं में से एक व्यापार पूर्वाग्रह को जानना है यह समझने के लिए महत्वपूर्ण है जब हम बैल या भालू बाजार दूसरे शब्दों में कहें कि हमें खरीदने या बेचने के अवसरों पर विचार करना चाहिए। सबसे पहले जो मैं एक चार्ट पर खोजता हूं वह है जहां कीमत 20 के संबंध में है दैनिक औसत चलती औसत। यदि कीमत 200 सौ से नीचे है तो मैं लघु बेचने के अवसरों की तलाश करूँगा। अगर कीमत 200 से ज्यादा है तो मैं लंबे अवसरों को खरीदने की तलाश करूँगा। संक्षेप में यह आपको इस विषय पर जानने की जरूरत है लेकिन मुझे पता है कि कई पाठकों को थोड़ा अधिक उत्सुक है और यह जानना चाहेंगे कि यह क्यों मामला है। ऐतिहासिक उपयोग। मुख्य कारण 200 एसएए का इस तरह से प्रयोग किया जाता है कुछ हद तक ऐतिहासिक है। इससे पहले कि हमारे पास कोई चलती औसत खींचने के लिए सॉफ्टवेयर था, हम चाहते हैं सेकंड के लिए इन चीजों की गणना और हाथ से तैयार की जानी थी। इसलिए व्यापारियों को बहुत ही उपयोगी जानकारी के बारे में बेहद चुस्त थे और जो शोर को एक सबक बनाते थे, हम आज भी याद रखना अच्छा लगेगा। 200 एसएमए एक अच्छा संकेतक समग्र प्रवृत्ति की दिशा में जब तक कीमत ऊपर बना रही है तब तक प्रवृत्ति पूर्वाग्रह को तेजी से माना जाता था और यदि इसके नीचे कारोबार किया जाता है तो प्रवृत्ति पूर्वाग्रह को मंदी के रूप में माना जाता था अगर कीमत बार-बार 200 एसएए छेड़ दी जाती है तो कीमत एक श्रेणी में माना जाता है। परमाणुकरण। 200 सिमा फेलसेफ का पूर्वाग्रह। बेशक, 200 एसएमए की गलत साझे पर एक नया रुझान शुरू हो सकता है। जब एक भालू बाजार एक मजबूत बैल बाजार का अनुसरण करता है तो कीमत 200 से नीचे पार करने से पहले कई हफ्तों या महीनों तक नीचे आ सकती है एसएएम और इसके विपरीत, बिल्कुल. यह 200 एसएए फेलसेफ है, हमें 200 एमए की गलत साइड होने के कारण इसे व्यापार करने में सक्षम होने के बिना किसी नए रुझान के सप्ताह को सहन करना पड़ सकता है लेकिन यह हमें रिवर्सल के खिलाफ की रक्षा करना है एक अस्थायी पुलबैक होने के नाते। कुछ पुलबैक गहरे और लम्बे समय तक हो सकते हैं और यह कुछ लोगों को व्यापार के अंधेरे तरफ आकर्षित कर सकता है, जो कि वे समग्र प्रवृत्ति के खिलाफ व्यापार करना चाहते हैं लेकिन जब तक कीमत 200 से अधिक नहीं पार हो जाती, हम मानते हैं कि तेजी या मंदी का पूर्वाग्रह अभी भी बरकरार है हम जरूरी नहीं कि यह व्यापार कर सके। जब कीमत 200 एसएए से ऊपर होती है तो पूर्वाग्रह बुललिश होता है.जब कीमत 200 एसएए से नीचे होती है तो पूर्वाग्रह बेयरिश होता है.तो 200 एसएए फेलसेफ के साथ रहना हां, यह लग सकता है कि अवसरों से हमें गुजर रहा है , कई बार, लेकिन हमें इसकी आवश्यकता है अधिक चयनात्मक होने के लिए हमें व्यापारिक पूर्वाग्रह से अवगत होना चाहिए और विचलित नहीं होना चाहिए। बाजार निर्माताओं का पालन करें। अन्य कारणों से मैं 200 एसएए नियम का पालन करता हूं क्योंकि कई बड़े बैंक और वित्तीय संस्थान इन संगठनों के पास भारी धनराशि रखते हैं, निपटान और इतने सारे प्रभाव हैं। कुछ धन जो दीर्घकालिक पदों पर व्यापार करते हैं, वे 200 एसएमए के गलत पक्ष में बड़े पदों को जमा कर सकते हैं क्योंकि उनके पास ऐसा करने का वित्त है, यह उन्हें सप्ताह या महीनों में ले सकता है वे इसे बहुत धीरे-धीरे करते हैं क्योंकि वे नहीं चाहते कि दूसरों को यह देख सकें कि वे क्या कर रहे हैं, क्योंकि इससे उनका मूल्य उनकी स्थिति में भरने में असमर्थ हो सकता है। लेकिन अधिकांश संस्थागत व्यापारियों ने पूर्वाग्रह के साथ व्यापार किया है इस कारण खुदरा व्यापारी, हमारे अपेक्षाकृत छोटे खाते के आकार के साथ , केवल 200 एसएमए के दाहिने हिस्से पर एक व्यापार में प्रवेश करने की कोशिश करें क्योंकि यही गति है। 200 एसएमए नोट करें केवल प्रासंगिकता की बात है, जब एक व्यापार को प्रविष्ट करना ट्रेड मैनेजमेंट आपको व्यापार से पहले व्यापार से बाहर ले जाना चाहिए चावल 200 एसएमए के लिए रिट्रेस होता है हम इस श्रृंखला में बाद में प्रबंधन और बाहर निकलने के तरीके को देख रहे होंगे। व्यापारिक पूर्वाग्रह के सारांश। हाल ही में 200 दैनिक चलती औसत आपके दैनिक चार्ट पर रखे गए हैं चाहे आप किस समय के व्यापार में कम समय सीमा तय करते हैं, इसका पालन करें यदि प्रतिदिन दैनिक 200 एसएए की कीमत अधिक है, और व्यापार, लंबे समय से खरीदने की स्थिति है। यदि मूल्य दैनिक 200 एसएए के नीचे है, तो केवल तलाश है, और व्यापार, लघु बेचने की स्थिति। हम इस व्यापारिक पूर्वाग्रह को कॉल करते हैं जो इसे स्टैक में मदद करता है हमारे पक्ष में एक सफल व्यापार की बाधाएं यह किसी भी और हर बाजार पर लागू होता है जिसे आप सोच सकते हैं। कल के लेख में हम दो और नियमों को देख रहे होंगे, जो कि हम एक प्रवृत्ति की निष्पक्ष पहचान करने के लिए हमारे व्यापारिक पूर्वाग्रह में जोड़ सकते हैं। मैंने इंटरनेट पर विदेशी मुद्रा में बहुत सारे अनुसंधान लेकिन वास्तविक वस्तु का कुछ भी नहीं मिला, मैंने सेमिनार में भाग लिया लेकिन पाया कि उनके पाठ्यक्रमों की लंबाई और सामग्री के लिए कीमतें अधिक थीं बहुत ज्यादा बेच रही थी और मैं दबाव बेचने वाले पाठ्यक्रमों में खरीद नहीं कर रहा था अद्वितीय और सटीक थे मैं क्या चाहता था मैं व्यापार में और पूरी तरह से विसर्जन करना चाहता था, इसलिए मैं अपने आप को बुरी आदतों में गिरने के लिए नहीं छोड़ा, मैंने तुरन्त शुरुआत की और स्मार्ट मुद्रा के सभी सिद्धांतों को एक दिन की व्यापारिक पृष्ठभूमि से अवशोषित किया। और इसलिए यह पहली बार में मुश्किल था और मैंने कुछ नियमों को भी तोड़ दिया, अपने खुद के पतन के लिए अब मैं लगातार नियमों का पालन कर रहा हूं और मैं अपने खाते को धीमा और तेजी से बढ़ता देख सकता हूँ शुरुआती दिनों चुनौतीपूर्ण हैं और आपको रणनीतियों को समझने के लिए समय की आवश्यकता है लेकिन एक बार सब कुछ समझ में आता है, यह सरल और सीधी अलबर्ट कोस्टास हो जाता है.अनेक ट्रेडिंग पाठ्यक्रम। आज के समय मैं अपने खाते में 11 ट्रेडों में इन ट्रेडों के 3200 पिप्स पर हूं, लाभ में नहीं है, 10 पदों में लाभ जैस्मीन है .200 Pips लाभ। जैविड्स की सलाह की वास्तविक प्रभावशीलता अपने मरीज के दिशानिर्देश से पेशेवर सॉफ्टवेयर के जरिए होती है, जब आप अपनी कोशिशें और जांच की गई विदेशी मुद्रा रणनीतियों को लागू करते हैं वह स्पष्ट और आसान समझते हुए नए और शक्तिशाली जानकारी बताते हैं। और रास्ता यदि आप सबसे अच्छे से बनना चाहते हैं तो आपको सर्वश्रेष्ठ से सीखना होगा और जाविद ने यह अवसर प्रदान किया है कि मार्क एफ। रणनीतियों को समझने में आसान है।