เฉลี่ยเคลื่อนที่ ที่แตกต่างกัน

ค่าเฉลี่ยเคลื่อนที่หลายตัวบ่งชี้โดย Daryl Guppy และประกอบด้วยค่าเฉลี่ยเลขคณิตระยะสั้น 6 และ 6 แบบระยะยาวค่ามัธยฐานของระยะสั้นคือ 3, 5, 7, 10, 12 และ 15 วันและ ระยะยาวของ MA s คือ 30, 35, 40, 45, 50 และ 60 วัน แต่อาจแตกต่างกันไปตามช่วงเวลาที่มีการซื้อขายกลุ่มระยะสั้นเป็นตัวแทนของมุมมองของตลาดและกลุ่มระยะยาวเป็นตัวแทนของนักลงทุน Colin Twiggs ตรวจสอบรายสัปดาห์ของเศรษฐกิจโลกจะช่วยให้คุณระบุความเสี่ยงด้านตลาดและปรับปรุง timing. Convergence และ Divergence ของคุณเมื่อค่าเฉลี่ยเคลื่อนที่ภายในกลุ่มจะขนานกันและอยู่ใกล้กันกลุ่มนี้ส่วนใหญ่จะตกลงกันเมื่อค่าเฉลี่ยเคลื่อนที่เคลื่อนที่ขึ้นสัญญาณนี้ มุมมองที่แตกต่างกันภายในกลุ่มเมื่อการย้ายค่าเฉลี่ยอยู่ในกลุ่มนี่เป็นสัญญาณว่ามุมมองกลุ่มมีการเปลี่ยนแปลง MAs ระยะยาวแบบคู่ขนานสัญญาณการสนับสนุนนักลงทุนในระยะยาวและแนวโน้มที่แข็งแกร่งและระยะสั้น MAs มีแนวโน้มที่จะกระเตื้องขึ้นในระยะยาว - กลุ่มเฉลี่ยเคลื่อนที่ระยะยาวทั้งสองกลุ่ม ของ MAs บรรจบกันและผันผวนมากกว่าปกติการเปลี่ยนแปลงของทิศทางราคาพร้อมกับการขยายตัวของ MA ในกลุ่มทั้งสองกลุ่มกลุ่มย่อยในระยะสั้นหลังจากข้ามไปก่อนหน้านี้อีกครั้งการบรรจบกันข้ามสายการบินไม่สำคัญเท่าการเว้นวรรคระหว่าง MA ในแต่ละกลุ่มแอ็ปเปิ้ล AAPL จะแสดงพร้อมกับค่าเฉลี่ยเคลื่อนที่หลาย ๆ ตัวอยู่เหนือคำอธิบายแผนภูมิเพื่อแสดงสัญญาณการซื้อขายโดยเฉลี่ยระยะยาว D มีแนวโน้มลดลงค่าเฉลี่ยค่าเฉลี่ยเคลื่อนที่ในระยะยาว C แสดงถึงความไม่แน่นอนไปที่ L ยาวเมื่อ ระยะยาวเคลื่อนที่เฉลี่ยข้ามกับยาวที่สุดที่ด้านล่าง R การตรวจสอบ R ที่ไม่รบกวนระยะยาวเคลื่อนที่เฉลี่ยเว้นวรรคโอกาสปัจจุบันเพื่อเพิ่มตำแหน่งยาวของคุณอย่างสม่ำเสมอระยะห่าง up-dốcในระยะยาวย้ายค่าเฉลี่ย U สัญญาณ เลือกค่าเฉลี่ยเคลื่อนที่หลายรายการในคอลัมน์ด้านซ้ายของแผงตัวบ่งชี้ปรับการตั้งค่าตามที่ต้องการและบันทึกโดยใช้ปุ่มคำนวณค่าเฉลี่ยค่าเฉลี่ยค่าเฉลี่ยเฉลี่ยเป็นค่าที่ได้รับความนิยมมากที่สุดและเป็นค่า eas พวกเขาเรียบชุดข้อมูลและทำให้ง่ายขึ้นเพื่อจุดแนวโน้มบางอย่างที่เป็นประโยชน์โดยเฉพาะอย่างยิ่งในตลาดที่ผันผวนนอกจากนี้ยังฟอร์มหน่วยการสร้างตัวชี้วัดทางเทคนิคอื่น ๆ อีกมากมายและซ้อนทับสองประเภทที่นิยมมากที่สุดของ moving average คือค่าเฉลี่ย SMA แบบเคลื่อนที่เฉลี่ยและค่าเฉลี่ยเคลื่อนที่แบบเสียงเฉลี่ย (Exponential Moving Average EMA) โดยจะอธิบายรายละเอียดเพิ่มเติมด้านล่างค่าเฉลี่ยเคลื่อนที่เฉลี่ย SMA คลิกที่นี่เพื่อดูตัวอย่างสดของ Average Moving Average ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเกิดขึ้นจากการคำนวณราคาเฉลี่ยเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาที่กำหนดแม้ว่าจะเป็นไปได้ที่จะสร้างค่าเฉลี่ยเคลื่อนที่จาก Open, High และ จุดข้อมูลที่มีค่าต่ำสุดคือค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่ที่สร้างขึ้นโดยใช้ราคาปิดตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ 5 วันแบบง่ายคำนวณโดยการเพิ่มราคาปิดในช่วง 5 วันที่ผ่านมาและหารยอดรวมทั้งหมดเป็น 5 การคำนวณซ้ำสำหรับแต่ละแถบราคา ในกราฟค่าเฉลี่ยจะถูกรวมเข้าด้วยกันเพื่อสร้างเส้นโค้งเรียบ - เส้นค่าเฉลี่ยเคลื่อนที่ต่อตัวอย่างของเราถ้าราคาปิดครั้งถัดไปในค่าเฉลี่ยเท่ากับ 15 แล้วระยะเวลาใหม่นี้จะถูกเพิ่มและวันที่เก่าแก่ที่สุดคือ 10, จะลดลงค่าเฉลี่ยเคลื่อนที่ใหม่ 5 วันจะคำนวณได้ดังต่อไปนี้ในช่วง 2 วันที่ผ่านมา SMA ย้ายจาก 12 เป็น 13 เมื่อมีการเพิ่มวันใหม่วันเก่าจะถูกลบออกและค่าเฉลี่ยเคลื่อนที่จะย้ายไปต่อ เมื่อเวลาผ่านไป เขาตัวอย่างข้างต้นโดยใช้ราคาปิดจาก Eastman Kodak EK วันที่ 10 เป็นวันแรกที่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันได้การคำนวณจะดำเนินต่อไปวันที่ใหม่ล่าสุดจะถูกเพิ่มและวันที่เก่าที่สุดจะถูกลบออก SMA 10 วันสำหรับ วันที่ 11 คำนวณโดยการเพิ่มราคาของวันที่ 2 ถึงวันที่ 11 และหารด้วย 10 กระบวนการเฉลี่ยแล้วย้ายไปยังวันถัดไปซึ่งคำนวณ SMA 10 วันสำหรับวันที่ 12 โดยการเพิ่มราคาของวันที่ 3 ถึงวันที่ 12 และ หารด้วย 10. แผนภูมิด้านบนเป็นพล็อตที่มีข้อมูลลำดับในตารางค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยจะเริ่มขึ้นในวันที่ 10 และดำเนินต่อไปภาพประกอบง่ายๆนี้เน้นข้อเท็จจริงว่าค่าเฉลี่ยเคลื่อนที่ทั้งหมดเป็นตัวชี้วัดที่ล่าช้าและจะอยู่เบื้องหลังราคา ราคาหุ้น EK มีแนวโน้มลดลง แต่ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ซึ่งขึ้นอยู่กับข้อมูลย้อนหลัง 10 วันก่อนหน้ายังคงสูงกว่าราคาหากราคาเพิ่มขึ้น SMA น่าจะต่ำกว่าค่าเฉลี่ยเคลื่อนที่ พอดีในประเภทของเทรนด์ตัวบ่งชี้ต่อไปนี้เมื่อราคามีแนวโน้มสูงขึ้นค่าเฉลี่ยเคลื่อนที่จะทำงานได้ดีอย่างไรก็ตามเมื่อราคาไม่เป็นไปตามแนวโน้มค่าเฉลี่ยเคลื่อนที่จะให้สัญญาณที่ทำให้เข้าใจผิดค่า EMA ที่เป็นค่าลบเฉลี่ย คลิกที่นี่เพื่อดูตัวอย่างชีวิตของ Exponential Moving Average เพื่อลดความล่าช้าในค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยแล้วช่างเทคนิคมักใช้ค่าเฉลี่ยเคลื่อนที่แบบก้าวร้าวซึ่งเรียกว่าค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบทวีคูณ (EMAs) ลดความล่าช้าโดยการใช้น้ำหนักมากขึ้นกับราคาล่าสุดเมื่อเทียบกับ ราคาถ่วงน้ำหนักที่ใช้กับราคาล่าสุดขึ้นอยู่กับระยะเวลาที่ระบุของค่าเฉลี่ยเคลื่อนที่ค่า EMA ที่สั้นลงจะมีน้ำหนักมากขึ้นซึ่งจะนำไปใช้กับราคาล่าสุดตัวอย่างเช่นค่าเฉลี่ยเลขคณิตในเชิงบวก 10 ช่วงเวลามีน้ำหนักมากที่สุด ราคาล่าสุด 18 18 ในขณะที่ EMA 20 ระยะเวลาการชั่งน้ำหนักราคาล่าสุด 9 52 ดังที่เราจะเห็นการคำนวณและ EMA เป็นเรื่องที่ยากกว่าการคำนวณ SMA สิ่งที่สำคัญที่ต้องจดจำก็คือค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดจะทำให้น้ำหนักมากขึ้นในราคาที่ผ่านมา เช่นนี้จะมีปฏิกิริยาตอบสนองต่อการเปลี่ยนแปลงราคาเมื่อเร็ว ๆ นี้มากกว่าค่าเฉลี่ยเคลื่อนที่แบบง่ายๆนี่คือสูตรการคำนวณการคำนวณค่าเฉลี่ยที่เป็นตัวบ่งชี้พิเศษ erages สามารถระบุได้สองวิธีคือ EMA ที่อิงตามเปอร์เซ็นต์หรือเป็น EMA ที่อิงตามช่วงเวลามีเปอร์เซ็นต์เป็นพารามิเตอร์เดียวขณะที่ EMA ที่อิงตามช่วงเวลามีพารามิเตอร์ที่แสดงถึงระยะเวลาของ EMA สูตรสำหรับค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือ. EMA ปัจจุบันราคาปัจจุบัน - EMA prev x ตัวคูณ EMA ก่อนหน้าสำหรับ EMA ที่อิงตามเปอร์เซ็นต์คูณเท่ากับเปอร์เซ็นต์ที่ระบุของ EMA สำหรับ EMA ที่อิงตามช่วงคูณเท่ากับ 2 1 N โดยที่ N คือระยะเวลาที่ระบุตัวอย่างเช่นตัวคูณ EMA ของระยะเวลา 10 รายการคำนวณตามลักษณะนี้ซึ่งหมายความว่า EMA 10-EMA เท่ากับ 18 18 EMA. Note จะสนับสนุนเฉพาะ EMA ที่อิงตามระยะเวลา ด้านล่างเป็นตารางที่มีผลการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนาสำหรับ Eastman Kodak สำหรับค่าเฉลี่ยเคลื่อนที่แบบเสวนาในช่วงแรกค่าเฉลี่ยเคลื่อนที่แบบเส้นตรงถูกใช้เป็นค่าเฉลี่ยสีเหลืองเฉลี่ยของค่าเฉลี่ยเลขคณิตในช่วงก่อนหน้าเป็นระยะเวลา 10 จากช่วงที่ 11 เป็นต้นไป , EMA ระยะก่อนหน้า ใช้ในการคำนวณในช่วง 11 ลดลงดังนี้ C - P 61 33 - 63 682 -2352 C - P x K -2352 x 181818 -0 4276 C - P x KP - 0 4276 63 682 63 254 ใช้ค่าเฉลี่ยเคลื่อนที่แบบเคลื่อนไหว 10 ช่วงสำหรับ การคำนวณครั้งแรกหลังจากที่มีการใช้งาน EMA ในช่วงก่อนหน้าคลิกที่นี่เพื่อดาวน์โหลดตารางนี้เป็นกระดาษคำนวณ Excel โปรดทราบว่าในทางทฤษฎีราคาปิดที่เคยทำในช่วงก่อนหน้านี้ในชุดข้อมูลจะใช้ในการคำนวณ EMA แต่ละรายการที่ทำขึ้น EMA line ในขณะที่ผลกระทบของจุดข้อมูลเก่าลดลงเมื่อเวลาผ่านไปมันไม่เคยหายไปอย่างสมบูรณ์นี้เป็นจริงโดยไม่คำนึงถึงระยะเวลาที่กำหนดของ EMA ผลกระทบของข้อมูลเก่าลดลงอย่างรวดเร็วสำหรับ EMA สั้นกว่าสำหรับคนอีกต่อไป แต่อีกครั้งพวกเขาไม่เคยหายไปอย่างสมบูรณ์ Simple Versus Exponential จากระยะไกลมันจะปรากฏว่าความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่ที่อธิบายและค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายมีน้อยตัวอย่างเช่นซึ่งใช้เวลาเพียง 20 วันทำการความแตกต่างจะน้อยมาก แต่แตกต่างกันอย่างไรก็ตามค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือ ใกล้ชิดกับความเป็นจริงอย่างสม่ำเสมอ ราคาโดยเฉลี่ย EMA อยู่ที่ 3 8 จากจุดใกล้เคียงกับราคาจริงกว่า SMA จากวันที่ 10 ถึงวันที่ 20 EMA ใกล้เคียงกับราคามากกว่า SMA 9 เท่าจาก 10 เท่าครั้งเดียว SMA เข้ามาใกล้ อยู่ในช่วงเวลา 18 และไม่นานความแตกต่างระหว่างค่าเฉลี่ยสัมบูรณ์เฉลี่ยกับราคาปัจจุบันเท่ากับ 1 และค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยมีค่าสัมบูรณ์เฉลี่ยแตกต่างจาก 1 33 ซึ่งหมายความว่าโดยเฉลี่ยค่าเฉลี่ยเคลื่อนที่แบบเสวนา อยู่เหนือจุดต่ำกว่าหรือต่ำกว่าราคาปัจจุบันและค่าเฉลี่ยเคลื่อนที่เฉลี่ยอยู่ที่ 33 จุดสูงกว่าหรือต่ำกว่าราคาปัจจุบันเมื่อ EK หยุดการซื้อขายและปรับตัวลดลง SMA ยังคงอ่อนตัวอยู่ในช่วงนี้ SMA อยู่ใกล้กับ ราคาที่แท้จริงกว่า EMA EMA เริ่มปรับตัวขึ้นด้วยราคาที่แท้จริงและอยู่ห่างไกลออกไปเนื่องจากราคาตลาดเริ่มปรับตัวลงเนื่องจากความล่าช้า SMA ยังคงลดลงและได้แตะที่ราคาจริงในวันที่ 13 ธ. ค. การเปรียบเทียบข้อ 5 EMA 0 วันและ SMA 50 วันสำหรับ IBM ยังแสดงให้เห็นว่า EMA เริ่มฟื้นตัวเร็วกว่า SMA ลูกศรสีน้ำเงินชี้เมื่อหุ้นเริ่มมีแนวโน้มที่แข็งแกร่งโดยให้น้ำหนักกับราคาที่สูงขึ้น EMA มีปฏิกิริยาตอบสนองได้เร็วขึ้น มากกว่า SMA และยังคงใกล้เคียงกับราคาจริงวงกลมสีเทาแสดงให้เห็นเมื่อแนวโน้มเริ่มชะลอตัวและช่วงการซื้อขายที่พัฒนาขึ้นเมื่อการเปลี่ยนแปลงจากเทรนด์เริ่มซื้อขาย SMA ใกล้เคียงกับราคามากขึ้น ในช่วงต้นปี 2544 CPQ เริ่มมีแนวโน้มปรับตัวสูงขึ้นและ EMA ปรับตัวสูงขึ้นเมื่อเร็ว ๆ นี้และยังคงใกล้เคียงกับราคาที่ดีขึ้นซึ่งค่าเฉลี่ยเคลื่อนที่ที่คุณใช้จะขึ้นอยู่กับลักษณะการซื้อขายและการลงทุนของคุณและ ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ที่เห็นได้ชัดมีความล่าช้า แต่ค่าเฉลี่ยเคลื่อนที่แบบเสวนาอาจมีแนวโน้มที่จะแบ่งได้เร็วขึ้นผู้ค้าบางรายชอบที่จะใช้ค่าเฉลี่ยเคลื่อนที่แบบเสวนาสำหรับช่วงเวลาที่สั้นลงเพื่อจับภาพการเปลี่ยนแปลงได้เร็วนักลงทุนบางคนชอบ imple ย้ายค่าเฉลี่ยในช่วงเวลานานในการระบุการเปลี่ยนแปลงแนวโน้มในระยะยาวนอกจากนี้มากจะขึ้นอยู่กับความปลอดภัยของแต่ละบุคคลในคำถาม SMA 50 วันอาจทำงานที่ดีสำหรับการระบุระดับการสนับสนุนใน NASDAQ แต่ EMA 100 วันอาจทำงาน ดีกว่าสำหรับ Dow Transports Moving ประเภทเฉลี่ยและระยะเวลาจะขึ้นอยู่กับความปลอดภัยของแต่ละบุคคลและวิธีการที่มีการตอบสนองในอดีตความคิดเริ่มต้นสำหรับบางอย่างก็คือความไวมากขึ้นและสัญญาณเร็วขึ้นจะเป็นประโยชน์ต่อความเป็นไปได้นี้ไม่ใช่เรื่องจริงเสมอไป และนำขึ้นกระอักกระอ่วนที่ดีสำหรับนักวิเคราะห์ทางเทคนิคการค้าระหว่างความไวและความน่าเชื่อถือตัวบ่งชี้ความสำคัญมากขึ้นคือสัญญาณมากขึ้นที่จะได้รับสัญญาณเหล่านี้อาจพิสูจน์ได้ทันเวลา แต่มีความไวเพิ่มขึ้นมาในการเพิ่มขึ้นของสัญญาณเท็จ ตัวบ่งชี้คือสัญญาณที่จะได้รับน้อยลงอย่างไรก็ตามความไวน้อยทำให้สัญญาณน้อยลงและเชื่อถือได้มากขึ้นสัญญาณบางครั้งอาจล่าช้าได้เช่นกันสำหรับ movi ค่าเฉลี่ยความคลาดเคลื่อนเดียวกันกับค่าเฉลี่ยเคลื่อนที่ที่สั้นกว่าจะมีความสำคัญมากขึ้นและสร้างสัญญาณมากขึ้น EMA ซึ่งโดยทั่วไปมีความอ่อนไหวมากกว่า SMA ก็จะมีแนวโน้มที่จะสร้างสัญญาณมากขึ้นอย่างไรก็ตามยังมีการเพิ่มจำนวน สัญญาณผิดพลาดและ whipsaws ค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นจะเคลื่อนที่ช้าลงและสร้างสัญญาณน้อยลงสัญญาณเหล่านี้น่าจะพิสูจน์ความน่าเชื่อถือมากขึ้น แต่อาจมาช้านักลงทุนแต่ละรายหรือผู้ประกอบการค้าควรทดสอบกับความยาวเฉลี่ยและความยาวเฉลี่ยที่แตกต่างกันเพื่อตรวจสอบการค้าระหว่างความไวและ ความถูกต้องของสัญญาณข้อมูลตัวบ่งชี้ต่อไปนี้เป็นค่าเฉลี่ยที่คล้อยตามข้อมูลและช่วยให้สามารถระบุทิศทางของทิศทางได้ง่ายขึ้นเนื่องจากข้อมูลราคาในอดีตถูกนำมาใช้เพื่อสร้างค่าเฉลี่ยเคลื่อนที่โดยจะมีการพิจารณาว่าล้าหลังหรือมีแนวโน้มตามหลังตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่ ไม่ทำนายการเปลี่ยนแปลงของแนวโน้ม แต่ทำตามแนวโน้มปัจจุบันดังนั้นจึงเหมาะที่สุดสำหรับการระบุแนวโน้มและแนวโน้ม วัตถุประสงค์ต่อไปนี้ไม่ได้สำหรับการคาดการณ์เนื่องจากการย้ายค่าเฉลี่ยตามเทรนด์จะทำงานได้ดีที่สุดเมื่อความปลอดภัยมีแนวโน้มสูงและไม่ได้ผลเมื่อความปลอดภัยย้ายในช่วงการซื้อขายด้วยเหตุนี้นักลงทุนและผู้ค้าควรระบุหลักทรัพย์ที่แสดงลักษณะแนวโน้มบางอย่าง ก่อนที่จะพยายามวิเคราะห์ด้วยค่าเฉลี่ยเคลื่อนที่ขั้นตอนนี้ไม่จำเป็นต้องเป็นการตรวจสอบทางวิทยาศาสตร์โดยปกติแล้วการประเมินภาพกราฟราคาอย่างง่าย ๆ จะสามารถระบุได้ว่าการรักษาความปลอดภัยมีลักษณะเฉพาะของแนวโน้มหรือไม่ในรูปแบบที่ง่ายที่สุดราคาของระบบรักษาความปลอดภัยสามารถทำได้ หนึ่งในสามสิ่งที่มีแนวโน้มสูงขึ้นมีแนวโน้มลดลงหรือซื้อขายในช่วงขาขึ้นจะสร้างขึ้นเมื่อการรักษาความปลอดภัยแบบฟอร์มชุดสูงขึ้นและสูงต่ำลดลงจะจัดตั้งขึ้นเมื่อการรักษาความปลอดภัยแบบฟอร์มต่ำกว่าต่ำและเสียงสูงต่ำช่วงการซื้อขายคือ จัดตั้งขึ้นหากการรักษาความปลอดภัยไม่สามารถสร้างขาขึ้นหรือขาลงหากการรักษาความปลอดภัยอยู่ในช่วงการค้าขาขึ้นจะเริ่มขึ้นเมื่อขอบเขตบน y ของช่วงจะหักและแนวโน้มขาลงจะเริ่มขึ้นเมื่อขอบเขตล่างหักในตัวอย่างฟอร์ดจะเห็นได้ว่าสต็อกสามารถไปถึงทั้งแนวโน้มและระยะการซื้อขายวงกลมสีแดงแสดงช่วงการซื้อขายที่สลับซับซ้อนระหว่างช่วงที่มีแนวโน้ม บางครั้งยากที่จะกำหนดเมื่อแนวโน้มจะหยุดลงและช่วงการซื้อขายจะเริ่มขึ้นหรือเมื่อช่วงการซื้อขายจะหยุดลงและเทรนด์จะเริ่มขึ้นกฎพื้นฐานสำหรับเทรนด์และช่วงการซื้อขายที่วางไว้ข้างต้นสามารถนำไปใช้กับฟอร์ดวอยซ์ได้ breakouts ทั้งขึ้นและลงและแนวโน้มการเคลื่อนไหวเฉลี่ยทำงานได้ดีในช่วงเวลาของแนวโน้ม แต่ faired ไม่ดีในช่วงเวลาของการซื้อขายยังทราบว่าค่าเฉลี่ยเคลื่อนที่ล่าช้าหลังแนวโน้มอยู่เสมอภายใต้ราคาในช่วงขาขึ้นและสูงกว่าราคา ในช่วงขาลงค่าเฉลี่ยเคลื่อนที่ 50 วันใช้สำหรับตัวอย่างนี้อย่างไรก็ตามจำนวนงวดเป็นตัวเลือกและมากจะขึ้นอยู่กับลักษณะของการรักษาความปลอดภัยรวมทั้ง indi หากการเคลื่อนไหวของราคาเปลี่ยนแปลงไปอย่างรวดเร็วและไม่คุ้มค่าในระยะเวลาที่ยาวนานค่าเฉลี่ยเคลื่อนที่อาจเป็นทางเลือกที่ดีที่สุดสำหรับการวิเคราะห์แผนภูมิสำหรับ Coca-Cola แสดงถึงความปลอดภัยที่ย้ายจาก 60 เป็น 40 ใน ในช่วงสองเดือนแรกของปี 2544 ก่อนที่จะมีการลดลงนี้ราคาปรับตัวสูงขึ้นและต่ำกว่าค่าเฉลี่ยเคลื่อนที่หลังจากที่หุ้นลดลงสต็อกยังคงมีพฤติกรรมไม่อยู่กับร่องกับรอยโดยไม่มีการพัฒนาแนวโน้มมากนักพยายามวิเคราะห์ความปลอดภัยนี้โดยพิจารณาจากค่าเฉลี่ยเคลื่อนที่ที่อาจเป็นบทเรียน ในความรวดเร็วดูอย่างรวดเร็วที่กราฟของ Time Warner แสดงภาพที่แตกต่างกันในช่วงเวลาเดียวกัน Time Warner ได้แสดงความสามารถในการเทรนด์มี 3 แนวโน้มที่แตกต่างกันหรือการเคลื่อนไหวของราคาที่ขยายเป็นเวลาหลายเดือนเมื่อหุ้นเคลื่อนไปด้านบน หรือต่ำกว่า 70 วัน SMA ก็มักจะยังคงอยู่ในทิศทางที่อีกนิดที่อีกต่อไป Coca-Cola ในมืออื่น ๆ ยากจนเหนือและต่ำกว่า 70 วันของ SMA หลายครั้งและจะได้รับการแนวโน้มที่จะแส้จำนวนมาก แต่เป็นที่ชัดเจนว่าแผนภูมิ Time Warner มีลักษณะแนวโน้มที่ดีขึ้นการกำหนดค่าเฉลี่ยเฉลี่ยเมื่อมีการรักษาความปลอดภัยได้รับการพิจารณาว่ามีลักษณะเพียงพอของแนวโน้มงานต่อไปคือการเลือกจำนวน ระยะเวลาเฉลี่ยที่เคลื่อนที่และประเภทของค่าเฉลี่ยเคลื่อนที่จำนวนรอบระยะเวลาที่ใช้ในค่าเฉลี่ยเคลื่อนที่จะแตกต่างกันไปขึ้นอยู่กับความผันผวนของความปลอดภัยความทันสมัยและความชอบส่วนบุคคลความผันผวนมากขึ้นคือการทำให้เรียบขึ้นซึ่งจะต้องใช้และทำให้ค่าเฉลี่ยเคลื่อนที่สูงกว่า ไม่มีความยาวหนึ่งชุด แต่ความยาวที่เป็นที่นิยม ได้แก่ 21, 50, 89, 150 และ 200 วันเช่นเดียวกับ 10, 30 และ 40 สัปดาห์สั้น ๆ นักลงทุนระยะยาวอาจมองหาหลักฐาน 2-3 สัปดาห์แนวโน้มที่มีค่าเฉลี่ยเคลื่อนที่ 21 วันในขณะที่นักลงทุนระยะยาวอาจหาหลักฐานแนวโน้มในช่วง 3-4 เดือนที่มีค่าเฉลี่ยเคลื่อนที่เฉลี่ย 40 สัปดาห์และมีข้อผิดพลาด โดยปกติจะเป็นวิธีที่ดีที่สุดในการค้นหาความยาวที่ดีที่สุดตรวจสอบว่าค่าเฉลี่ยเคลื่อนที่สอดคล้องกับข้อมูลราคาอย่างไรหากมีการแบ่งตัวมากเกินไปให้ยืดค่าเฉลี่ยเคลื่อนที่เพื่อลดความไวหากค่าเฉลี่ยเคลื่อนที่เคลื่อนที่ช้าลงจะทำให้ค่าเฉลี่ยเคลื่อนที่เคลื่อนที่ลดลง ความไวของมันนอกจากนี้คุณอาจต้องการลองใช้ทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและแบบเสวนาค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยเป็นค่าเฉลี่ยที่ดีที่สุดสำหรับสถานการณ์ในระยะสั้นที่ต้องใช้ค่าเฉลี่ยเคลื่อนที่ที่ตอบสนองค่าเฉลี่ยเคลื่อนที่ง่ายทำงานได้ดีสำหรับสถานการณ์ในระยะยาวที่ไม่ต้องใช้มากนัก ของความไวใช้สำหรับการย้ายเฉลี่ยมีการใช้จำนวนมากสำหรับการย้ายค่าเฉลี่ย แต่ใช้พื้นฐานสามยืนออกยืนยันการยืนยันการสนับสนุนและการยืนยันการระบุระดับความต้านทาน Trader ระบบยืนยันการระบุตัวตนมีสามวิธีในการระบุทิศทางของ แนวโน้มที่มีการย้ายทิศทางค่าเฉลี่ยตำแหน่งและไขว้เทคนิคการระบุลำดับแนวโน้มแรกใช้ directio n ของค่าเฉลี่ยเคลื่อนที่เพื่อพิจารณาแนวโน้มถ้าค่าเฉลี่ยเคลื่อนที่ขึ้นแนวโน้มจะพิจารณาค่าถ้าค่าเฉลี่ยเคลื่อนที่จะลดลงแนวโน้มจะพิจารณาลงทิศทางของค่าเฉลี่ยเคลื่อนที่สามารถกำหนดได้โดยการดูพล็อตของ ค่าเฉลี่ยเคลื่อนที่หรือโดยการใช้ตัวบ่งชี้กับค่าเฉลี่ยที่เคลื่อนที่ได้ในทั้งสองกรณีเราไม่ต้องการที่จะปฏิบัติตามการเปลี่ยนแปลงที่บอบบางทุกครั้ง แต่มองไปที่การเคลื่อนไหวและการเปลี่ยนแปลงตามทิศทางทั่วไปในกรณีของดิสนีย์มีการคำนวณ EMA เฉลี่ย 100 วัน ถูกใช้เพื่อกำหนดแนวโน้มเราไม่ต้องการที่จะทำหน้าที่ในการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ในค่าเฉลี่ยเคลื่อนที่ แต่การปรับตัวที่สำคัญและ downturns นี้ไม่ได้เป็นการศึกษาทางวิทยาศาสตร์ แต่จำนวนจุดเปลี่ยนที่สำคัญสามารถเห็นได้เฉพาะบนพื้นฐานของการสังเกตภาพ วงกลมสีแดงแสดงสัญญาณที่ดีเพียงเล็กน้อย แต่ยังมีสัญญาณเสียงกระเพื่อมและสัญญาณสายสัญญาณอีกหลายผลการปฏิบัติงานจะขึ้นอยู่กับจุดเข้าและออกของคุณความยาวของค่าเฉลี่ยเคลื่อนที่จะมีผลต่อจำนวนไซ ตัวบ่งชี้ที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่หมายถึงดัชนีชี้วัดที่ล่าช้าดังนั้นค่าเฉลี่ยเคลื่อนที่ที่ยาวนานขึ้นคือหลังการเคลื่อนไหวด้านราคาจะเป็นไปได้สำหรับสัญญาณเร็ว ๆ นี้อาจใช้ EMA 50 วันเทคนิคที่สองสำหรับระบุแนวโน้มคือตำแหน่งราคา สามารถระบุตำแหน่งของราคาเทียบกับค่าเฉลี่ยเคลื่อนที่ได้เพื่อกำหนดแนวโน้มพื้นฐานหากราคาสูงกว่าค่าเฉลี่ยเคลื่อนที่ค่าแนวโน้มจะพิจารณาหากราคาต่ำกว่าค่าเฉลี่ยเคลื่อนที่ค่าแนวโน้มจะลดลงตัวอย่างเช่น ค่อนข้างตรงไปตรงมาระยะยาวสำหรับ CSCO จะพิจารณาจากตำแหน่งของหุ้นเทียบกับ SMA 100 วันเมื่อ CSCO สูงกว่า SMA 100 วันแนวโน้มจะถือเป็นดุลยภาพเมื่อหุ้นอยู่ต่ำกว่า SMA 100 วันการซื้อขาย สัญญาณมีสัญญาณการขายสั้น ๆ เกิดขึ้นในเดือนส. ค. 99 และสัญญาณการซื้อเท็จในเดือน ก. ค. -20 ทั้งสองสัญญาณดังกล่าวเกิดขึ้นเมื่อซิสโก้ซีสเต็มส์ เทรนด์เริ่มอ่อนตัวลงส่วนใหญ่แม้ว่าวิธีง่ายๆนี้จะทำให้นักลงทุนเข้ามาอยู่ในช่วงที่มีการย้ายตัวผู้มากที่สุดเทคนิคที่สามสำหรับการบ่งชี้แนวโน้มขึ้นอยู่กับตำแหน่งของค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเมื่อเทียบกับค่าเฉลี่ยที่เคลื่อนไหวได้นานขึ้น ค่าเฉลี่ยเคลื่อนที่ที่สั้นลงอยู่เหนือค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นแนวโน้มจะพิจารณาหากค่าเฉลี่ยเคลื่อนที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวกว่าแนวโน้มจะลดลงสำหรับ Inter-Tel มีการใช้ครอสโอเวอร์เฉลี่ย 30 100 moving average เพื่อพิจารณาแนวโน้ม เมื่อค่าเฉลี่ยเคลื่อนที่ 30 วันเคลื่อนที่เหนือค่าเฉลี่ยเคลื่อนที่ 100 วันแนวโน้มจะถือเป็น bullish เมื่อค่าเฉลี่ยเคลื่อนที่ 30 วันลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 100 วันแนวโน้มดังกล่าวถือว่าเป็นขาลง A plot of the 30 100 differential is กราฟต่ำกว่ากราฟราคาโดยใช้ Perlimage Oscillator PPO ตั้งค่าเป็น 30,100,1 เมื่อความแตกต่างเป็นบวกแนวโน้มจะถือว่าขึ้น - เมื่อเป็นลบแนวโน้มจะถือว่าลงเช่นเดียวกับทุก แนวโน้มระบบต่อไปนี้สัญญาณทำงานได้ดีเมื่อหุ้นพัฒนาแนวโน้มที่แข็งแกร่ง แต่จะไม่ได้ผลเมื่อหุ้นอยู่ในช่วงการซื้อขายนอกจากนี้สังเกตเห็นว่าสัญญาณมีแนวโน้มที่จะล่าช้าและหลังจากที่ย้ายได้เริ่มขึ้นอีกครั้งตัวชี้วัดตามแนวโน้มที่ดีที่สุด สำหรับการพิสูจน์ตัวตนและต่อไปนี้ไม่ใช่การคาดการณ์ความช่วยเหลือและระดับความต้านทานการใช้ค่าเฉลี่ยเคลื่อนที่อีกแบบหนึ่งคือการระบุระดับการสนับสนุนและความต้านทานโดยปกติแล้วจะมีค่าเฉลี่ยเคลื่อนที่หนึ่งค่าขึ้นอยู่กับประวัติการกระทำที่ผ่านมาเช่นเดียวกับการบ่งชี้แนวโน้มการสนับสนุนและการระบุระดับความต้านทานผ่าน เมื่อเทียบกับช่วงเดียวกันของปีที่ผ่านมาซันไมโครซิสเต็มส์ประสบความสำเร็จในการทดสอบการเคลื่อนไหวของค่าเฉลี่ยในช่วงปลายเดือนกรกฎาคมและต้นเดือนสิงหาคมนอกจากนี้ยังสังเกตได้ว่าฝ่าด่านความต้านทานมิถุนายนใกล้ระดับ 18 กลายเป็นแนวรับดังนั้นค่าเฉลี่ยเคลื่อนที่จึงเป็นตัวยืนยัน ของการสนับสนุนความต้านทานหันหลังการทดสอบครั้งแรกนี้ค่าเฉลี่ยเคลื่อนที่ 50 วันจะเพิ่มขึ้นเป็น 4 เท่า การทดสอบ upport ในอีกหลายเดือนข้างหน้าการพักฐานสนับสนุนจากค่าเฉลี่ยเคลื่อนที่ 50 วันจะเป็นสัญญาณเตือนว่าหุ้นอาจเคลื่อนเข้าสู่ช่วงการซื้อขายหรืออาจจะเปลี่ยนทิศทางของทิศทางดังกล่าวเกิดขึ้นในช่วง เม. ย. - 00 และ SMA 50 วันเริ่มเข้าสู่ภาวะผันผวนต่อเนื่องเมื่อเดือนที่ผ่านมาเมื่อหุ้นพุ่งขึ้นเหนือระดับ SMA 50 วันในช่วงต้นเดือน มิ.ย. -30 จะกลับมายืนที่ระดับการสนับสนุนจนถึงช่วง ต. ค. - 00 ในช่วง ต. ค. - SMA กลายเป็นระดับความต้านทานและถือเป็นเวลาหลายเดือนค่าเฉลี่ยค่าเฉลี่ยและ SharpCharts2 ค่าเฉลี่ยของการเคลื่อนไหวมีอยู่เป็นคุณลักษณะการวางซ้อนราคาใน SharpCharts2 จากตัวเลือกการซ้อนทับราคาคุณสามารถเลือกค่าเฉลี่ยเคลื่อนที่แบบเรียบหรือค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้ ไปทางขวาจะใช้ในการกำหนดจำนวนช่วงเวลาหากแผนภูมิในแต่ละช่วงเวลา 50 ค่าเป็นค่าเฉลี่ยเคลื่อนที่ 50 วันถ้าการจัดทำแผนภูมิในช่วงเวลารายสัปดาห์ 50 จะเป็นค่าเฉลี่ยเคลื่อนที่ 50 สัปดาห์ช่องที่สองสามารถทำได้ ใช้เพื่อเลื่อนสาย MA ไปทางซ้าย o r ขวาตามจำนวนงวดที่ระบุค่าเฉลี่ยเคลื่อนที่จะขึ้นอยู่กับราคาปิดและค่าเฉลี่ยเคลื่อนที่หลายรายการสามารถวางซ้อนราคาได้คลิกที่นี่เพื่อดูตัวอย่างสดของ Average Moving Average และค่าเฉลี่ย Average Moving Average โดยเฉลี่ยจะมีผล เครื่องมือในการระบุและยืนยันแนวโน้มระบุระดับการสนับสนุนและความต้านทานและพัฒนาระบบการซื้อขายอย่างไรก็ตามผู้ค้าและนักลงทุนควรเรียนรู้การระบุหลักทรัพย์ที่เหมาะสมสำหรับการวิเคราะห์โดยใช้ค่าเฉลี่ยเคลื่อนที่และวิธีการวิเคราะห์นี้ควรใช้โดยปกติการประเมินสามารถทำได้ด้วย ดัชนีราคาเฉลี่ย ADX เป็นเครื่องมือหนึ่งที่สามารถช่วยระบุหลักทรัพย์ที่มีแนวโน้มและไม่เป็นประโยชน์ข้อดีของการใช้ค่าเฉลี่ยเคลื่อนที่จะต้องมีการชั่งน้ำหนัก กับข้อเสียการเคลื่อนตัวค่าเฉลี่ยมีแนวโน้มตามหรือล้าหลังตัวชี้วัดที่จะเป็นขั้นตอนต่อไปนี้ไม่จำเป็น สิ่งที่ไม่ดีแม้ว่าหลังจากที่ทุกแนวโน้มเป็นเพื่อนของคุณและที่ดีที่สุดคือการค้าในทิศทางของแนวโน้มที่ค่าเฉลี่ยเคลื่อนที่จะช่วยให้มั่นใจว่าผู้ประกอบการค้าที่เป็นไปตามแนวโน้มปัจจุบันอย่างไรก็ตามตลาดหุ้นและหลักทรัพย์จ่ายเงินมาก ของช่วงเวลาในช่วงการซื้อขายซึ่งจะทำให้ค่าเฉลี่ยเคลื่อนที่ไม่ได้ผลเมื่ออยู่ในแนวโน้มค่าเฉลี่ยเคลื่อนที่จะช่วยให้คุณอยู่ใน แต่ยังให้สัญญาณปลาย Don t คาดว่าจะได้รับการออกที่ด้านบนและด้านล่างโดยใช้ค่าเฉลี่ยเคลื่อนที่เช่นเดียวกับเครื่องมือส่วนใหญ่ของ เทคนิคการวิเคราะห์ค่าเฉลี่ยเคลื่อนที่ไม่ควรใช้ด้วยตัวเอง แต่ใช้ร่วมกับเครื่องมืออื่น ๆ ที่เสริมการใช้ค่าเฉลี่ยเคลื่อนที่เพื่อยืนยันตัวชี้วัดอื่น ๆ และการวิเคราะห์สามารถเพิ่มการวิเคราะห์ทางเทคนิคตัวกรอง FIR, ตัวกรอง IIR และค่าสัมประสิทธิ์คงที่เชิงเส้น สมการถดถอยเฉลี่ยย้ายเฉลี่ย FIR กรองเราได้กล่าวถึงระบบที่แต่ละตัวอย่างของการส่งออกเป็นผลรวมถ่วงน้ำหนักของบางอย่างของตัวอย่างของ input. Let s ใช้ระบบผลรวมถ่วงน้ำหนักสาเหตุ, สาเหตุซึ่งหมายความว่าตัวอย่างที่กำหนดจะขึ้นอยู่กับตัวอย่างการป้อนข้อมูลปัจจุบันและปัจจัยการผลิตอื่น ๆ ก่อนหน้านี้ในลำดับทั้งระบบเชิงเส้นโดยทั่วไปหรือระบบตอบสนองต่อแรงกระตุ้นโดยเฉพาะอย่างยิ่งต้องเป็นสาเหตุอย่างไรก็ตาม causality จะสะดวกสำหรับการวิเคราะห์ชนิดหนึ่ง ที่เรากำลังจะสำรวจเร็ว ๆ นี้ถ้าเราเป็นสัญลักษณ์ของปัจจัยการผลิตเป็นค่าของเวกเตอร์ x และผลเป็นค่าที่สอดคล้องกันของเวกเตอร์ y แล้วระบบดังกล่าวสามารถเขียน as. where ค่า b เป็นน้ำหนักที่ใช้กับปัจจุบันและก่อนหน้านี้ input sample เพื่อให้ได้ sample output ปัจจุบันเราสามารถคิดนิพจน์เป็นสมการได้โดยใช้เครื่องหมายเท่ากับเท่ากับความหมายหรือเป็นคำสั่งขั้นตอนด้วยเครื่องหมายเท่ากับหมายถึง assign. Let s เขียนนิพจน์สำหรับแต่ละ sample output เป็น MATLAB loop ของ statement assign โดยที่ x คือเวกเตอร์ N length ของตัวอย่างอินพุทและ b คือเวกเตอร์ความยาว M ของน้ำหนักในการจัดการกับกรณีพิเศษในตอนเริ่มต้นเราจะฝัง x ใน vecto ที่ยาวขึ้น r xhat ที่มีตัวอย่าง M-1 เป็นศูนย์เราจะเขียนผลรวมถ่วงน้ำหนักสำหรับแต่ละ yn เป็นผลิตภัณฑ์ภายในและจะทำ manipulations บางส่วนของปัจจัยการผลิตเช่นการย้อนกลับขเพื่อการนี้ end. This ชนิดของระบบมักจะเรียกว่าการย้าย กรองเฉลี่ยสำหรับเหตุผลที่ชัดเจนจากการสนทนาก่อนหน้านี้ของเราก็ควรจะชัดเจนว่าระบบดังกล่าวเป็นเชิงเส้นและเปลี่ยนแปลงคงที่แน่นอนมันจะเร็วขึ้นมากที่จะใช้ฟังก์ชัน convolution MATLAB conv แทน mafilt. Instead ของเราในการพิจารณา M-1 ตัวอย่างแรกของอินพุทจะเป็นศูนย์เราสามารถพิจารณาให้เป็นเหมือนกับตัวอย่าง M-1 ล่าสุดเช่นเดียวกับการประมวลผลการป้อนข้อมูลเป็นระยะ ๆ เราจะใช้ cmafilt เป็นชื่อของฟังก์ชันเล็ก การปรับเปลี่ยนฟังก์ชัน mafilt ก่อนหน้านี้ในการพิจารณาการตอบสนองอิมพัลส์ของระบบปกติจะไม่มีความแตกต่างระหว่างทั้งสองเนื่องจากตัวอย่างที่ไม่เริ่มต้นทั้งหมดของ input เป็นศูนย์เนื่องจากระบบชนิดนี้มีลักษณะเป็นเส้นตรงและไม่แปรเปลี่ยน รู้ว่าผลกระทบต่อไซนัสใด ๆ id จะเป็นเพียงขนาดและเปลี่ยนมันนี่มันสำคัญที่เราใช้เวียนรุ่นรุ่น circularly convolved จะเปลี่ยนและปรับขนาดบิตในขณะที่รุ่นที่มีการชุมนุมสามัญจะบิดเบี้ยวที่เริ่มต้นดูให้เห็นว่าการปรับขนาดแน่นอน และขยับโดยใช้ fft. Both input และ output มีความกว้างเพียงความถี่ 1 และ -1 ซึ่งเป็นควรจะให้ว่า input เป็น sinusoid และระบบเป็น linear ค่า output สูงกว่าอัตราส่วน 10 6251 8 1 3281 นี่คือผลประโยชน์ของระบบสิ่งที่เกี่ยวกับเฟสเราจะต้องดูว่าแอมปลิจูดเป็นค่าที่ไม่ใช่ศูนย์อินพุตมีเฟสของ pi 2 ตามที่เราร้องขอเฟสเอาท์พุทถูกเลื่อนไปโดยเพิ่มเติม 1 0594 ที่มีสัญญาณตรงกันข้ามสำหรับความถี่ลบหรือประมาณ 1 6 ของรอบด้านขวาตามที่เราสามารถดูได้บนกราฟตอนนี้ให้ลอง sinusoid ที่มีความถี่เดียวกัน 1 แทน amplitude 1 และ phase pi 2 ให้ลองความกว้าง 1 5 และเฟส 0. เรารู้ว่าความถี่เพียง 1 และ -1 จะมีค่า non - ศูนย์ดังนั้นลองดูที่พวกเขาอีกครั้งอัตราส่วนกว้าง 15 9377 12 0000 เป็น 1 3281 - และสำหรับ phase. it จะเลื่อนอีกครั้งโดย 1 0594 ถ้าตัวอย่างเหล่านี้เป็นแบบอย่างเราสามารถทำนายผลกระทบของ การตอบสนองของระบบอิมพัลส์ 1 2 3 4 5 ใน sinusoid ใด ๆ ที่มีความถี่ 1 - amplitude จะเพิ่มขึ้นตามค่า 1 3281 และเฟสความถี่บวกจะเลื่อนไปทาง 1 0594. เราสามารถคำนวณผลกระทบนี้ได้ ระบบใน sinusoids ของความถี่อื่น ๆ โดยวิธีเดียวกัน แต่มีวิธีที่ง่ายมากและหนึ่งที่กำหนดจุดทั่วไปเนื่องจาก convolution วงกลมในโดเมนเวลาหมายถึงการคูณในโดเมนความถี่ from. it ตามที่ในคำอื่น ๆ DFT ของการตอบสนองอิมพัลคืออัตราส่วนของ DFT ของการส่งออกไปยัง DFT ของอินพุทในความสัมพันธ์ค่าสัมประสิทธิ์ DFT นี้เป็นจำนวนที่ซับซ้อนตั้งแต่ abs c1 c2 abs c1 abs c2 สำหรับจำนวนเชิงซ้อนทั้งหมด c1, c2 สมการนี้บอก เราว่าสเปกตรัมความกว้างของการตอบสนองต่ออิมพัล จะเป็นอัตราส่วนของสเปกตรัมความกว้างของเอาท์พุทของอินพุทในกรณีของเฟสสเปกตรัมมุม c1 c2 มุม c1 - มุม c2 สำหรับ c1, c2 โดยมีเงื่อนไขว่าเฟสที่ต่างกันโดย n 2 pi คือ ถือว่าเท่ากันดังนั้นสเปกตรัมเฟสของการตอบสนองต่ออิมพัลส์จะเป็นความแตกต่างระหว่างสเปกตรัมเฟสของเอาท์พุทและอินพุทกับการแก้ไขใด ๆ โดย 2 pi เพื่อให้ผลลัพธ์ระหว่าง - pi และ pi เราสามารถเห็นผลของเฟสได้มากขึ้น ชัดเจนถ้าเราแกะอธิบายของเฟสคือถ้าเราเพิ่ม multiples ต่างๆของ 2 pi ตามต้องการเพื่อลดกระโดดที่ผลิตโดยลักษณะเป็นระยะของฟังก์ชันมุมแม้ว่า amplitude และเฟสมักจะใช้สำหรับการนำเสนอแบบกราฟิกและแม้กระทั่งตาราง เนื่องจากเป็นวิธีที่ใช้งานง่ายในการคิดเกี่ยวกับผลกระทบของระบบในส่วนประกอบความถี่ต่างๆของอินพุตค่าสัมประสิทธิ์ฟูริเยร์ที่ซับซ้อนมีประโยชน์มากขึ้นเกี่ยวกับพีชคณิตเนื่องจากพวกเขายอมให้มีการแสดงออกที่เรียบง่ายของ ความสัมพันธ์โดยทั่วไปวิธีการที่เราได้เห็นจะใช้งานได้กับตัวกรองแบบ arbitrary ของแบบที่ร่างซึ่งในแต่ละตัวอย่างผลลัพธ์เป็นผลรวมถ่วงน้ำหนักของตัวอย่างข้อมูลอินพุตบางชุดดังที่กล่าวมาก่อนหน้านี้มักเรียกว่าฟิลเตอร์ฟิลเตอร์ Impulse Response เนื่องจาก การตอบสนองของอิมพีแดนซ์มีขนาด จำกัด หรือบางครั้งก็ใช้ตัวกรอง Moving Average เราสามารถกำหนดลักษณะการตอบสนองความถี่ของตัวกรองดังกล่าวจากการตอบสนองต่ออิมพัลส์ของ FFT และเรายังสามารถออกแบบตัวกรองใหม่ที่มีลักษณะที่ต้องการโดย IFFT จากข้อกำหนดของ การตอบสนองต่อความถี่ตัวกรอง IIR แบบประหยัดจะมีจุดเล็ก ๆ น้อย ๆ ในการตั้งชื่อตัวกรอง FIR เว้นแต่ว่ามีบางชนิดอื่น ๆ เพื่อแยกความแตกต่างออกไปและดังนั้นผู้ที่ศึกษาเกี่ยวกับจริยธรรมทางวิชาชีพจะไม่รู้สึกแปลกใจที่ทราบว่ามีชนิดที่สำคัญอีกอย่างหนึ่ง ของตัวกรองเชิงเส้นเวลาไม่ต่อเนื่องตัวกรองเหล่านี้บางครั้งเรียกว่า recursive เนื่องจากค่าของเอาต์พุตก่อนหน้าเช่นเดียวกับปัจจัยการผลิตก่อนหน้าที่ถึงแม้ว่า อัลกอริทึมจะถูกเขียนโดยใช้การสร้างแบบวนซ้ำนอกจากนี้ยังเรียกว่าอิมพีเรียลอิมมูโนฟายเออร์ตอบสนอง IIR ฟิลเตอร์เนื่องจากโดยทั่วไปแล้วการตอบสนองของพวกเขาต่อแรงกระตุ้นไปตลอดกาลนอกจากนี้ยังมีบางครั้งเรียกว่าฟิลเตอร์อัตถิวิสัยทัศน์เนื่องจากค่าสัมประสิทธิ์สามารถถูกคิดว่าเป็นผลมาจากการทำเชิงเส้น regression เพื่อแสดงค่าสัญญาณตามค่าของสัญญาณก่อนหน้าความสัมพันธ์ของตัวกรอง FIR และ IIR สามารถมองเห็นได้ชัดเจนในสมการเชิงอนุพันธ์เชิงเส้นค่าสัมประสิทธิ์คงที่ i e. setting ผลรวมถ่วงน้ำหนักของผลลัพธ์เท่ากับจำนวนถัวเฉลี่ยของปัจจัยการผลิต เป็นเหมือนสมการที่เราได้ให้ไว้ก่อนหน้านี้สำหรับฟิลเตอร์สาเหตุ FIR ยกเว้นว่านอกเหนือไปจากผลรวมถ่วงน้ำหนักของอินพุทเรายังมีผลรวมถ่วงน้ำหนักของเอาท์พุทถ้าเราต้องการคิดถึงขั้นตอนนี้ในการสร้างตัวอย่างการส่งออก ต้องจัดเรียงสมการใหม่เพื่อให้ได้นิพจน์สำหรับตัวอย่างเอาท์พุทปัจจุบัน y n. Adopting the convention ที่ 1 1 เช่นโดยการปรับขนาดอื่นและ bs เราสามารถกำจัด 1 a 1 term. ynb 1 xnb 2 x n-1 b Nb 1 x n-nb - a 2 y n-1 - - a Na 1 y n-na. ถ้าทั้งหมดที่ไม่ใช่ 1 เป็นศูนย์จะลดลง ไปยังเพื่อนเก่าของเรากรอง FIR สาเหตุนี้เป็นกรณีทั่วไปของตัวกรอง LTI สาเหตุและดำเนินการโดยฟังก์ชัน MATLAB filter. Let s ดูกรณีที่สัมประสิทธิ์ b อื่น ๆ กว่า b 1 เป็นศูนย์แทนกรณี FIR , โดยที่ a เป็นศูนย์ในกรณีนี้ตัวอย่างการส่งออกปัจจุบัน yn ถูกคำนวณเป็นชุดค่าผสมถ่วงน้ำหนักของตัวอย่างการป้อนข้อมูลปัจจุบัน xn และตัวอย่างผลลัพธ์ก่อนหน้า y n-1, y n-2 ฯลฯ เพื่อให้ทราบว่า เกิดขึ้นกับตัวกรองดังกล่าวให้เริ่มต้นด้วยกรณี where. That คือตัวอย่าง output ปัจจุบันคือผลรวมของตัวอย่างการป้อนข้อมูลปัจจุบันและครึ่งตัวอย่างก่อนหน้านี้เราจะใช้แรงกระตุ้นอินพุทผ่านขั้นตอนไม่กี่ครั้งหนึ่งที่ เวลาควรชัดเจนที่จุดที่เราสามารถเขียนนิพจน์สำหรับค่าตัวอย่าง nth output นี้เป็นเพียง ถ้า MATLAB นับจาก 0 นี่เป็นเพียงแค่ 5 n เนื่องจากสิ่งที่เราคำนวณคือการตอบสนองต่อแรงกระตุ้นของระบบเราได้แสดงให้เห็นว่าการตอบสนองของอิมพัลซ์นั้นมีตัวอย่างที่ไม่ใช่ศูนย์เป็นจำนวนอนันต์ - กรองลำดับใน MATLAB เราสามารถใช้ตัวกรองจะมีลักษณะเช่นนี้และผล is. Is ธุรกิจนี้ยังคงเป็นเส้นตรงเราสามารถดู empirically นี้สำหรับวิธีการทั่วไปมากขึ้นพิจารณาค่าของตัวอย่างผลผลิต y n. โดยการทดแทนต่อเนื่องเราสามารถเขียนข้อมูลนี้ได้เช่นเดียวกับเพื่อนเก่าของเราที่มีรูปแบบการรวมตัวของตัวกรอง FIR โดยการตอบสนองต่ออิมพัลส์โดยนิพจน์ 5 k และความยาวของการตอบสนองอิมพัลซ์เป็นอนันต์ อาร์กิวเมนต์ที่เราใช้ในการแสดงให้เห็นว่าตัวกรอง FIR เป็นแบบเชิงเส้นตอนนี้จะนำไปใช้ที่นี่จนถึงตอนนี้อาจดูเหมือนเป็นเรื่องยุ่งยากมากเกี่ยวกับเรื่องนี้ไม่มากอะไรคือบรรทัดการตรวจสอบทั้งหมดที่ดีสำหรับเราจะตอบคำถามนี้ในขั้นตอนเริ่มต้นด้วย ตัวอย่างมันไม่ใช่ a แปลกใจใหญ่ที่เราสามารถคำนวณ exponential ตัวอย่างโดยการคูณ recursive Let s ดูที่ตัวกรอง recursive ที่ไม่สิ่งที่ไม่ชัดเจนเวลานี้เราจะทำให้เป็นตัวกรองคำสั่งที่สองเพื่อให้สายการกรองจะเป็นแบบฟอร์มให้ s กำหนดค่าสัมประสิทธิ์การออกที่สอง a2 เป็น -2 cos 2 pi 40 และค่าสัมประสิทธิ์การออกที่สาม a3 ถึง 1 และดูการตอบสนองของอิมพัลส์ไม่เป็นประโยชน์มากนักเป็นตัวกรองจริง แต่จะสร้างคลื่นไซน์จากแรงกระตุ้น กับสามคูณเพิ่มต่อตัวอย่างเพื่อให้เข้าใจว่าและทำไมมันไม่นี้และวิธีการตัวกรองแบบ recursive สามารถออกแบบและวิเคราะห์ในกรณีทั่วไปมากขึ้นเราต้องย้อนกลับไปและดูที่คุณสมบัติอื่น ๆ ของตัวเลขที่ซับซ้อน, ระหว่างทางเพื่อทำความเข้าใจการแปลง z