การย้าย ค่าเฉลี่ย ไร้เดียงสา แบบ

การคาดการณ์การเคลื่อนที่โดยเฉลี่ยขณะที่คุณอาจคาดเดาเรากำลังมองหาวิธีการดั้งเดิมบางอย่างในการคาดการณ์ แต่หวังว่าอย่างน้อยการแนะนำอย่างคุ้มค่าสำหรับประเด็นด้านคอมพิวเตอร์บางอย่างที่เกี่ยวข้องกับการคาดการณ์ในสเปรดชีตในหลอดเลือดดำนี้เราจะดำเนินต่อไป เริ่มต้นที่จุดเริ่มต้นและเริ่มทำงานกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่การคาดการณ์เฉลี่ยโดยเฉลี่ยทุกคนคุ้นเคยกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยไม่คำนึงถึงว่าพวกเขาเชื่อหรือไม่ว่าพวกเขาเป็นนักศึกษาวิทยาลัยทุกคนทำตลอดเวลาคิดถึงคะแนนการทดสอบของคุณในหลักสูตรที่คุณกำลังจะไป มีการทดสอบสี่ครั้งในระหว่างภาคการศึกษา Let s สมมติว่าคุณมี 85 คนในการทดสอบครั้งแรกคุณจะทำนายคะแนนทดสอบที่สองคุณคิดอย่างไรว่าครูของคุณจะคาดการณ์คะแนนทดสอบต่อไปคุณคิดว่าเพื่อนของคุณอาจคาดเดาได้อย่างไร สำหรับคะแนนการทดสอบถัดไปคุณคิดว่าพ่อแม่ของคุณอาจคาดเดาคะแนนการทดสอบต่อไปของคุณได้โดยไม่ต้องพึ่งการทำร้ายทั้งหมดที่คุณอาจทำกับคุณ iends และพ่อแม่พวกเขาและครูของคุณมีแนวโน้มที่จะคาดหวังว่าคุณจะได้รับบางสิ่งบางอย่างในพื้นที่ของ 85 ที่คุณเพิ่งได้ดีตอนนี้ให้สมมติว่าแม้จะมีการโปรโมตตัวเองให้กับเพื่อน ๆ ของคุณ และตัวเลขที่คุณสามารถศึกษาได้น้อยกว่าสำหรับการทดสอบที่สองและเพื่อให้คุณได้รับ 73. ตอนนี้สิ่งที่ทุกคนกังวลและไม่แยแสคาดว่าคุณจะได้รับในการทดสอบที่สามของคุณมีสองวิธีมีโอกาสมากสำหรับพวกเขาในการพัฒนาประมาณการโดยไม่คำนึงถึง ไม่ว่าพวกเขาจะแบ่งปันกับคุณพวกเขาอาจพูดกับตัวเองว่าผู้ชายคนนี้มักจะเป่าควันเกี่ยวกับสมาร์ทของเขาเขาจะได้รับอีก 73 ถ้าเขาโชคดีอาจเป็นพ่อแม่จะพยายามที่จะสนับสนุนมากขึ้นและพูดว่าดีดังนั้น ไกลคุณได้รับ 85 และ 73 ดังนั้นบางทีคุณควรจะคิดเกี่ยวกับการเกี่ยวกับ 85 73 2 79 ฉัน don t รู้บางทีถ้าคุณได้ปาร์ตี้น้อยและ weren t wagging วีเซิลทั่วสถานที่และถ้าคุณเริ่มต้นทำ มากขึ้นการศึกษาที่คุณจะได้รับคะแนนสูงกว่าทั้งสองประมาณการเหล่านี้เป็นจริง การคาดการณ์โดยเฉลี่ยของการเคลื่อนที่เป็นอันดับแรกอันดับแรกใช้เฉพาะคะแนนล่าสุดของคุณที่จะคาดการณ์ประสิทธิภาพในอนาคตของคุณซึ่งเรียกว่าการคาดการณ์ค่าเฉลี่ยโดยเฉลี่ยโดยใช้ข้อมูลระยะเวลาหนึ่งวินาทีนอกจากนี้ยังเป็นค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลสองช่วงข้อมูล ว่าคนเหล่านี้ทั้งหมด busting ในใจที่ดีของคุณมีการจัดประเภทของ pissed คุณออกและคุณตัดสินใจที่จะทำดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและใส่คะแนนที่สูงขึ้นในด้านหน้าของพันธมิตรของคุณคุณจะทดสอบและคะแนนของคุณเป็นจริง 89 ตอนนี้คุณมีการทดสอบครั้งสุดท้ายของภาคเรียนที่กำลังจะมาถึงและตามปกติแล้วคุณรู้สึกว่าจำเป็นที่จะต้องกระตุ้นให้ทุกคนคาดการณ์ว่าคุณจะทำอะไรในการทดสอบครั้งล่าสุดดีหวังว่าคุณจะได้เห็น รูปแบบขณะนี้เราหวังว่าคุณจะได้เห็นรูปแบบที่คุณเชื่อว่าเป็นสิ่งที่ถูกต้องที่สุดในขณะที่เราทำงานตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดแห่งใหม่ซึ่งเริ่มต้นโดยน้องสาวที่ถูกแยกออกจากกันของคุณชื่อ Whistle ขณะที่เราทำงานคุณมีข้อมูลการขายที่ผ่านมา เราแสดงข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 3 ช่วงโดยรายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11.Notice ค่าเฉลี่ยของการเคลื่อนย้าย มากกว่าข้อมูลทางประวัติศาสตร์ล่าสุด แต่ใช้เวลาสามช่วงล่าสุดสำหรับการคาดการณ์แต่ละครั้งนอกจากนี้คุณควรสังเกตด้วยว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อพัฒนาการคาดการณ์ล่าสุดของเราซึ่งแน่นอนว่าแตกต่างจาก exponential smoothing model I ve รวมการคาดการณ์ที่ผ่านมาเพราะเราจะใช้พวกเขาในหน้าเว็บถัดไปเพื่อวัดความถูกต้องของการทำนายตอนนี้ฉันต้องการนำเสนอผลลัพธ์ที่คล้ายคลึงกันสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 2 ช่วงเวลารายการ C5 สำหรับเซลล์ควรเป็นตอนนี้ สามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C6 ถึง C11.Notice ตอนนี้มีเพียงสองชิ้นล่าสุดของข้อมูลที่ผ่านมาที่ใช้สำหรับการคาดการณ์แต่ละครั้งที่ฉันได้รวมไว้ d การคาดการณ์ที่ผ่านมาเพื่อวัตถุประสงค์ในการอธิบายและเพื่อใช้ในภายหลังในการตรวจสอบการคาดการณ์สิ่งอื่น ๆ บางอย่างที่มีความสำคัญต่อการสังเกตสำหรับระยะเวลาการเคลื่อนที่เฉลี่ยของ m-m เท่านั้นค่าข้อมูล m ล่าสุดมีการใช้เพื่อทำให้การคาดการณ์ไม่มีอะไรที่จำเป็น สำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-metric เมื่อทำการคาดการณ์ที่ผ่านมาสังเกตว่าการทำนายครั้งแรกเกิดขึ้นในช่วง m 1. ปัญหาเหล่านี้จะมีความสำคัญมากเมื่อเราพัฒนาโค้ดของเราการพัฒนาฟังก์ชัน Average Moving Average ตอนนี้เราจำเป็นต้องพัฒนาขึ้น รหัสสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้ความยืดหยุ่นได้มากขึ้นโค้ดต่อไปนี้สังเกตว่าอินพุตเป็นจำนวนรอบระยะเวลาที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของค่าทางประวัติศาสตร์คุณสามารถจัดเก็บไว้ในสมุดงานที่คุณต้องการฟังก์ชั่น MovingAverage Historical, NumberOfPeriods เป็น Single Declaring และ initializing variables Dim Items เป็นตัวนับ Dim Variant 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 รหัสจะอธิบายในชั้นเรียนคุณต้องการวางตำแหน่งฟังก์ชันในกระดาษคำนวณเพื่อให้ผลลัพธ์ของการคำนวณปรากฏขึ้นที่ควร เช่นเดียวกับต่อไปนี้ในทางปฏิบัติค่าเฉลี่ยเคลื่อนที่จะให้ค่าประมาณที่ดีของค่าเฉลี่ยของชุดข้อมูลเวลาหากค่าเฉลี่ยมีค่าคงที่หรือค่อยๆเปลี่ยนแปลงในกรณีค่าคงที่ค่าคงที่ค่าที่มากที่สุดของ m จะให้ค่าประมาณที่ดีที่สุดของค่าสัมบูรณ์ หมายถึงระยะเวลาการสังเกตนานกว่าจะเฉลี่ยผลกระทบของความแปรปรวนวัตถุประสงค์ของการให้ m ที่มีขนาดเล็กเพื่อให้การคาดการณ์เพื่อตอบสนองต่อการเปลี่ยนแปลงในกระบวนการอ้างอิงเพื่อแสดงให้เรานำเสนอชุดข้อมูลที่ประกอบด้วยการเปลี่ยนแปลงในค่าเฉลี่ยของ ชุดข้อมูลเวลาภาพแสดงชุดข้อมูลเวลาที่ใช้ในการแสดงร่วมกับความต้องการโดยเฉลี่ยจากการที่ se ries ถูกสร้างขึ้นค่าเฉลี่ยเริ่มต้นเป็นค่าคงที่ที่ 10 เริ่มต้นที่ 21 เวลาจะเพิ่มขึ้นโดยหนึ่งหน่วยในแต่ละงวดจนกว่าจะถึงค่า 20 ที่เวลา 30 แล้วมันจะกลายเป็นค่าคงที่อีกครั้งข้อมูลจะถูกจำลองโดยการเพิ่มค่าเฉลี่ย a เสียงสุ่มจากการแจกแจงแบบปกติกับศูนย์ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน 3 ผลของการจำลองจะถูกปัดเศษให้เป็นจำนวนเต็มใกล้ที่สุดตารางแสดงการสังเกตแบบจำลองที่ใช้ตัวอย่างเช่นเมื่อเราใช้ตารางเราต้องจำไว้ว่าในเวลาใดก็ตาม, เฉพาะข้อมูลที่ผ่านมาเท่านั้นที่รู้จักกันดีการประมาณค่าพารามิเตอร์ของโมเดลสำหรับค่าที่แตกต่างกันสามค่าของ m จะแสดงพร้อมกับค่าเฉลี่ยของชุดข้อมูลเวลาในรูปด้านล่างรูปที่แสดงการประมาณค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยในแต่ละครั้งและไม่ใช่ การคาดการณ์การคาดการณ์จะเปลี่ยนเส้นโค้งค่าเฉลี่ยเคลื่อนที่ไปทางขวาตามช่วงเวลาหนึ่งข้อสรุปจะเห็นได้ชัดทันทีจากตัวเลขสำหรับทั้งสามค่าประมาณค่าเฉลี่ยเคลื่อนที่จะล่าช้ากว่าแนวโน้มเชิงเส้นโดยมีความล่าช้าเพิ่มขึ้น ng กับ m ความล่าช้าคือระยะห่างระหว่างรูปแบบกับการประมาณค่าในมิติเวลาเนื่องจากความล่าช้าค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ต่ำกว่าการสังเกตการณ์เมื่อค่าเฉลี่ยเพิ่มขึ้นค่าความลำเอียงของตัวประมาณคือความแตกต่างในเวลาที่กำหนดในค่าเฉลี่ย ของแบบจำลองและค่าเฉลี่ยที่คาดการณ์ไว้โดยค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเมื่อค่าเฉลี่ยเพิ่มขึ้นเป็นค่าลบสำหรับค่าเฉลี่ยที่ลดลงค่าอคติเป็นบวกความล่าช้าในเวลาและความอคติที่นำมาใช้ในการประมาณค่าคือสมการของ m ยิ่งมีค่ามากขึ้น m มีขนาดของความล่าช้าและความลำเอียงที่ใหญ่ขึ้นสำหรับชุดที่เพิ่มขึ้นอย่างต่อเนื่องโดยมีแนวโน้มที่ค่าของความล่าช้าและความลำเอียงของ estimator ของค่าเฉลี่ยจะได้รับในสมการด้านล่างเส้นโค้งตัวอย่างไม่ตรงกับสมการเหล่านี้เนื่องจากตัวอย่างเป็น ไม่เพิ่มขึ้นอย่างต่อเนื่องค่อนข้างจะเริ่มต้นเป็นค่าคงที่การเปลี่ยนแปลงแนวโน้มแล้วจะกลายเป็นค่าคงที่อีกครั้งนอกจากนี้ยังมีเส้นโค้งตัวอย่างที่ได้รับผลกระทบโดยเสียงการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ของงวดในอนาคต จะแสดงโดยการขยับเส้นโค้งไปทางขวาความล่าช้าและความลำเอียงเพิ่มขึ้นตามสัดส่วนสมการด้านล่างแสดงถึงความล่าช้าและความลำเอียงของช่วงคาดการณ์ในอนาคตเมื่อเทียบกับพารามิเตอร์ของโมเดลอีกครั้งสูตรเหล่านี้เป็นชุดเวลาที่มีแนวโน้มเชิงเส้นคงที่ เราไม่ควรแปลกใจที่ผลลัพธ์นี้ค่าประมาณค่าเฉลี่ยเคลื่อนที่จะขึ้นอยู่กับสมมติฐานค่าเฉลี่ยคงที่และตัวอย่างมีแนวโน้มเป็นเส้นตรงในระหว่างช่วงเวลาการศึกษาเนื่องจากชุดข้อมูลเรียลไทม์จะไม่ค่อยตรงตามสมมติฐาน ของรูปแบบใด ๆ เราควรจะเตรียมไว้สำหรับผลดังกล่าวเรายังสามารถสรุปได้จากรูปที่ความแปรปรวนของเสียงที่มีผลกระทบที่ใหญ่ที่สุดสำหรับขนาดเล็ก m ประมาณการมีความผันผวนมากขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ของ 5 กว่าค่าเฉลี่ยเคลื่อนที่ของ 20 เรามีความต้องการที่ขัดแย้งกันในการเพิ่ม m เพื่อลดผลกระทบของความแปรปรวนเนื่องจากเสียงรบกวนและลด m เพื่อให้การคาดการณ์ตอบสนองต่อการเปลี่ยนแปลงในค่าเฉลี่ยความผิดพลาดคือ di fference ระหว่างข้อมูลที่เกิดขึ้นจริงกับค่าคาดการณ์ถ้าชุดข้อมูลเวลาเป็นค่าคงที่มูลค่าที่คาดไว้ของข้อผิดพลาดคือศูนย์และความแปรปรวนของข้อผิดพลาดจะประกอบด้วยคำที่เป็นฟังก์ชันของและคำที่สองซึ่งเป็นความแปรปรวน ของเสียงระยะแรกเป็นความแปรปรวนของค่าเฉลี่ยที่ประมาณด้วยตัวอย่างของการสังเกต m สมมติว่าข้อมูลมาจากประชากรที่มีค่าคงที่เฉลี่ยระยะนี้จะลดลงโดยการทำให้ m เป็นขนาดใหญ่ที่สุด m ทำให้การพยากรณ์อากาศไม่ตอบสนอง การเปลี่ยนแปลงช่วงเวลาอ้างอิงเพื่อให้การคาดการณ์สามารถตอบสนองต่อการเปลี่ยนแปลงได้เราต้องการให้ m มีขนาดเล็กที่สุดเท่าที่จะเป็นไปได้ 1 แต่จะเพิ่มความแปรปรวนของข้อผิดพลาดการคาดการณ์ในทางปฏิบัติต้องใช้ค่าที่เป็นกลางการแสดงผลด้วย Excel การคาดการณ์ add-in จะดำเนินการย้าย สูตรด้านล่างตัวอย่างด้านล่างแสดงการวิเคราะห์โดย add-in สำหรับข้อมูลตัวอย่างในคอลัมน์ B 10 ข้อสังเกตแรกมีการจัดทำดัชนี -9 ถึง 0 เมื่อเทียบกับตารางด้านบนระยะเวลา ind มีการเปลี่ยนแปลงโดย -10 การสังเกตสิบข้อแรกให้ค่าเริ่มต้นสำหรับการประมาณและใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับช่วงเวลา 0 MA 10 คอลัมน์ C แสดงค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ค่าเฉลี่ยเคลื่อนที่ของ m อยู่ในเซลล์ C3 Fore 1 คอลัมน์ D แสดงการคาดการณ์สำหรับระยะเวลาหนึ่งในอนาคตช่วงคาดการณ์อยู่ในเซลล์ D3 เมื่อช่วงคาดการณ์มีการเปลี่ยนแปลงไปเป็นตัวเลขที่มีขนาดใหญ่ตัวเลขในคอลัมน์ Fore จะถูกเลื่อนลง Err 1 คอลัมน์ E แสดงความแตกต่างระหว่างการสังเกต และการคาดการณ์ตัวอย่างเช่นการสังเกตในเวลาที่ 1 คือ 6 ค่าที่คาดการณ์ได้จากค่าเฉลี่ยเคลื่อนที่ในช่วงเวลา 0 คือ 11 1 ข้อผิดพลาดคือ -5 1 ค่าเบี่ยงเบนมาตรฐานและ Mean Mean Deviation MAD คำนวณในเซลล์ E6 และ E7 ตามลำดับ. Moving Averages วิธีการใช้พวกเขาบางส่วนของฟังก์ชันหลักของค่าเฉลี่ยเคลื่อนที่จะระบุแนวโน้มและการพลิกกลับวัดความแรงของโมเมนตัมของสินทรัพย์และกำหนดพื้นที่ที่อาจเป็นสินทรัพย์ที่จะได้รับการสนับสนุน หรือความต้านทานในส่วนนี้เราจะชี้ให้เห็นว่าช่วงเวลาที่ต่างกันสามารถตรวจสอบโมเมนตัมได้อย่างไรและค่าเฉลี่ยเคลื่อนที่ที่จะเป็นประโยชน์ในการตั้งค่าการหยุดขาดทุนนอกจากนี้เราจะกล่าวถึงขีดความสามารถและข้อ จำกัด ของค่าเฉลี่ยเคลื่อนที่ที่ควรพิจารณาเมื่อใช้ เป็นส่วนหนึ่งของเทรนด์การเทรนด์แนวโน้มการระบุตัวตนเป็นหนึ่งในหน้าที่หลักของการย้ายค่าเฉลี่ยซึ่งใช้โดยผู้ค้าส่วนใหญ่ที่พยายามทำให้แนวโน้มค่าเฉลี่ยเคลื่อนที่ของเพื่อนของพวกเขาเป็นตัวชี้วัดที่ล่าช้าซึ่งหมายความว่าพวกเขาไม่ได้คาดการณ์แนวโน้มใหม่ ๆ แต่ยืนยันแนวโน้ม เมื่อมีการจัดตั้งขึ้นตามที่เห็นในรูปที่ 1 หุ้นจะถือเป็นขาขึ้นเมื่อราคาสูงกว่าค่าเฉลี่ยเคลื่อนที่และค่าเฉลี่ยจะแคบขึ้นไปในทางตรงกันข้ามผู้ประกอบการจะใช้ราคาต่ำกว่าค่าเฉลี่ยที่ลาดลง ยืนยันแนวโน้มขาลงผู้ค้าหลายรายจะพิจารณาถือครองตำแหน่งยาวในสินทรัพย์เมื่อราคาซื้อขายสูงกว่าค่าเฉลี่ยที่เคลื่อนที่ได้กฎง่ายๆนี้สามารถช่วยให้มั่นใจได้ว่า ผู้ค้าเริ่มต้นจำนวนมากถามว่ามีความเป็นไปได้ที่จะวัดโมเมนตัมและค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้เพื่อจัดการกับความสำเร็จได้อย่างไรคำตอบง่ายๆคือให้ความสำคัญกับช่วงเวลาที่ใช้ในการสร้างค่าเฉลี่ย โดยทั่วไปแล้วโมเมนตัมระยะสั้นสามารถวัดได้โดยดูที่ค่าเฉลี่ยเคลื่อนที่ซึ่งมุ่งเน้นไปที่ช่วงเวลา 20 วันหรือน้อยกว่าเมื่อพิจารณาค่าเฉลี่ยเคลื่อนที่ที่สร้างขึ้นโดยมีระยะเวลา 20 ถึง 100 วันโดยทั่วไปถือว่าเป็นตัววัดที่ดีในระยะกลางโมเมนตัมสุดท้ายค่าเฉลี่ยเคลื่อนที่ใด ๆ ที่ใช้ 100 วันหรือมากกว่าในการคำนวณสามารถใช้เป็นตัวชี้วัดระยะยาวโมเมนตัมสามัญสำนึกควรบอกคุณว่าการเคลื่อนไหว 15 วัน ค่าเฉลี่ยคือการวัดแรงผลักดันในระยะสั้นมากกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันหนึ่งในวิธีที่ดีที่สุดในการกำหนดความแรงและทิศทางของโมเมนตัมของสินทรัพย์คือการวางค่าเฉลี่ยเคลื่อนที่สามตัวลงบนแผนภูมิและ ค่าเฉลี่ยเคลื่อนที่สามตัวที่ใช้โดยทั่วไปมีช่วงเวลาต่างกันเพื่อแสดงถึงการเคลื่อนไหวของราคาในระยะสั้นระยะปานกลางและระยะยาวในรูปที่ 2 รูปที่ 2 แข็งแกร่งขึ้น โมเมนตัมจะเห็นได้เมื่อค่าเฉลี่ยระยะสั้นอยู่เหนือเส้นค่าเฉลี่ยระยะยาวและค่าเฉลี่ยทั้งสองจะแตกต่างกันในทางตรงกันข้ามเมื่อค่าเฉลี่ยระยะสั้นอยู่ต่ำกว่าค่าเฉลี่ยระยะยาวอีกต่อไปโมเมนตัมจะอยู่ในทิศทางที่ลดลงการสนับสนุนการใช้งานทั่วไป ของค่าเฉลี่ยเคลื่อนที่คือการกำหนดราคาที่เป็นไปได้การสนับสนุนไม่ใช้ประสบการณ์มากในการจัดการกับค่าเฉลี่ยเคลื่อนที่เพื่อสังเกตว่าราคาที่ลดลงของสินทรัพย์มักจะหยุดและกลับทิศทางในระดับเดียวกับค่าเฉลี่ยที่สำคัญตัวอย่างเช่นในรูปที่ 3 คุณ สามารถมองเห็นว่าค่าเฉลี่ยเคลื่อนที่ 200 วันสามารถตรึงราคาหุ้นหลังจากที่ตกลงมาจากระดับสูงที่ 32 ตัวได้มากนักผู้ค้าหลายรายคาดว่าจะพลิกกลับจากค่าเฉลี่ยเคลื่อนที่ที่สำคัญและ จะใช้ตัวบ่งชี้ทางเทคนิคอื่น ๆ เพื่อยืนยันการเคลื่อนไหวที่คาดไว้ความต้านทานเมื่อราคาของสินทรัพย์ต่ำกว่าระดับที่มีอิทธิพลในการสนับสนุนเช่นค่าเฉลี่ยเคลื่อนที่ 200 วันก็ไม่แปลกที่จะเห็นค่าเฉลี่ยที่ทำหน้าที่เป็นอุปสรรคที่แข็งแกร่ง ป้องกันไม่ให้นักลงทุนจากการผลักดันราคาที่สูงกว่าค่าเฉลี่ยดังที่คุณสามารถดูได้จากตารางด้านล่างความต้านทานนี้มักถูกใช้โดย traders เป็นเครื่องหมายเพื่อทำกำไรหรือปิด position ที่ยาว ๆ ที่มีอยู่หลาย short sellers จะใช้ค่าเฉลี่ยเหล่านี้เป็นรายการ จุดเนื่องจากราคามักจะตีกลับแนวต้านและยังคงเคลื่อนไหวต่ำกว่าหากคุณเป็นนักลงทุนที่ถือครองตำแหน่งยาวในสินทรัพย์ที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่สำคัญอาจเป็นไปได้ว่าคุณควรสนใจในระดับนี้อย่างใกล้ชิดเนื่องจากพวกเขา สามารถส่งผลกระทบต่อมูลค่าการลงทุนของคุณได้อย่างมากการสูญเสียการหยุดชะงักการสนับสนุนและลักษณะความต้านทานของค่าเฉลี่ยเคลื่อนที่ทำให้เครื่องมือนี้เป็นเครื่องมือที่ดีในการจัดการความเสี่ยงความสามารถในการเคลื่อนย้ายค่าเฉลี่ยไป ระบุสถานที่เชิงกลยุทธ์ในการตั้งคำสั่งหยุดขาดทุนช่วยให้ผู้ค้าสามารถตัดตำแหน่งที่เสียไปก่อนที่จะเติบโตได้ขนาดใหญ่ขึ้นอย่างที่เห็นในรูปที่ 5 ผู้ค้าที่มีฐานะยาวในหุ้นและตั้งคำสั่งซื้อขาดทุนต่อรายได้ต่ำกว่าค่าเฉลี่ยที่มีอิทธิพล ประหยัดเงินจำนวนมากการใช้ค่าเฉลี่ยเคลื่อนที่เพื่อตั้งคำสั่งหยุดขาดทุนเป็นกุญแจสำคัญในกลยุทธ์การซื้อขายที่ประสบความสำเร็จ