การย้าย ค่าเฉลี่ย กรอง การสั่งซื้อ

Moving averages - ค่าเฉลี่ยที่เรียบง่ายและ Exponential. Moving - ค่าเฉลี่ยที่เรียบง่ายและ Exponential. Moving เรียบข้อมูลราคาเพื่อสร้างตัวบ่งชี้ต่อไปนี้แนวโน้มพวกเขาไม่ได้คาดการณ์ทิศทางราคา แต่กำหนดทิศทางปัจจุบันที่มีความล่าช้าการย้ายค่าเฉลี่ยความล่าช้าเพราะพวกเขาจะขึ้นอยู่กับ แม้จะมีความล่าช้า แต่ค่าเฉลี่ยเคลื่อนที่จะช่วยให้การดำเนินการของราคาที่ราบรื่นและกรองสัญญาณรบกวนนอกจากนี้ยังเป็นตัวบ่งชี้ทางเทคนิคและการซ้อนทับอีกหลายแบบเช่น Bollinger Bands MACD และ McClellan Oscillator สองประเภทค่าเฉลี่ยเคลื่อนที่ที่นิยมที่สุดคือ Simple Moving Average SMA และ EMA Average Exponential Moving ค่าเฉลี่ยเคลื่อนที่เหล่านี้สามารถใช้เพื่อระบุทิศทางของแนวโน้มหรือกำหนดระดับการสนับสนุนและความต้านทานที่อาจเกิดขึ้นแผนภูมินี้มีทั้ง SMA และ EMA โดยคลิกที่แผนภูมิสำหรับการถ่ายทอดสด version. Simple Moving Average Calculation. A ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายถูกสร้างขึ้นโดยการคำนวณราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาหนึ่ง ๆ s ค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่จะขึ้นอยู่กับราคาปิดราคาเฉลี่ยเคลื่อนที่ 5 วันเป็นผลรวมห้าวันของราคาปิดหารด้วยห้าเป็นชื่อของนัยค่าเฉลี่ยเคลื่อนที่เป็นค่าเฉลี่ยที่ย้ายข้อมูลเก่าจะลดลงเมื่อมีข้อมูลใหม่มาพร้อมนี้ ทำให้ค่าเฉลี่ยเคลื่อนที่ไปตามช่วงเวลาด้านล่างเป็นตัวอย่างของค่าเฉลี่ยเคลื่อนที่ 5 วันที่มีการเปลี่ยนแปลงมากกว่าสามวันวันแรกของค่าเฉลี่ยเคลื่อนที่จะครอบคลุมช่วง 5 วันที่ผ่านมาวันที่สองของค่าเฉลี่ยเคลื่อนที่จะลดลงจุดข้อมูลแรก 11 และเพิ่มจุดข้อมูลใหม่ 16 วันที่สามของค่าเฉลี่ยเคลื่อนที่โดยทิ้งจุดข้อมูลแรก 12 และเพิ่มจุดข้อมูลใหม่ 17 ในตัวอย่างข้างต้นราคาจะค่อยๆเพิ่มขึ้นจาก 11 เป็น 17 โดยรวมเจ็ดวันประกาศว่า ค่าเฉลี่ยเคลื่อนที่ยังเพิ่มขึ้นจาก 13 ถึง 15 ในช่วงคำนวณสามวันนอกจากนี้โปรดสังเกตด้วยว่าค่าเฉลี่ยเคลื่อนที่แต่ละค่าต่ำกว่าราคาสุดท้ายตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ของวันหนึ่งเท่ากับ 13 และราคาสุดท้ายคือ 15 ราคาก่อน สี่วันที่ต่ำลงและทำให้ค่าเฉลี่ยเคลื่อนที่ลดลงการคำนวณค่าเฉลี่ยที่เป็นตัวเลื่อนพิเศษค่าเฉลี่ยเคลื่อนที่ที่ลดลงจะช่วยลดความล่าช้าโดยการใช้น้ำหนักมากขึ้นกับราคาล่าสุดการถ่วงน้ำหนักที่ใช้กับราคาล่าสุดขึ้นอยู่กับจำนวนงวดในค่าเฉลี่ยเคลื่อนที่ เป็นขั้นตอนสามขั้นตอนในการคำนวณค่าเฉลี่ยเคลื่อนที่ที่เป็นไปตามค่าเฉลี่ยก่อนคำนวณค่าเฉลี่ยเคลื่อนที่แบบธรรมดาค่า EMA ของการเคลื่อนที่แบบเสี้ยววินาทีจะต้องเริ่มต้นที่ไหนสักแห่งดังนั้นค่าเฉลี่ยเคลื่อนที่ที่ใช้จะเป็นค่า EMA ในช่วงแรกของการคำนวณครั้งที่สองคำนวณตัวคูณที่ถ่วงน้ำหนักประการที่สาม, คำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนาสูตรด้านล่างมีไว้สำหรับ EMA 10 วันค่าเฉลี่ยเคลื่อนที่แบบเสวนา 10 รอบใช้น้ำหนัก 18 18 กับราคาล่าสุด EMA 10 ระยะเวลาสามารถเรียกได้ว่าเป็น 18 18 EMA A 20-period EMA ใช้การชั่งน้ำหนัก 9 52 กับราคาล่าสุด 2 20 1 0952 โปรดสังเกตว่าการชั่งน้ำหนักสำหรับช่วงเวลาที่สั้นกว่ามากกว่าการชั่งน้ำหนักในช่วงเวลาที่ยาวขึ้นใน การถ่วงน้ำหนักจะลดลงครึ่งหนึ่งทุกครั้งที่รอบระยะเวลาเฉลี่ยที่เคลื่อนที่ได้สองครั้งหากคุณต้องการให้เราเป็นเปอร์เซ็นต์เฉพาะสำหรับ EMA คุณสามารถใช้สูตรนี้เพื่อแปลงเป็นช่วงเวลาและป้อนค่าดังกล่าวเป็นพารามิเตอร์ของ EMA ด้านล่าง เป็นตัวอย่างแบบสเปรดชีตของค่าเฉลี่ยเคลื่อนที่ 10 วันและค่าเฉลี่ยเคลื่อนที่ 10 นาทีสำหรับ Intel Simple moving averages อยู่ในทิศทางตรงและต้องใช้คำอธิบายเล็กน้อยค่าเฉลี่ย 10 วันมีการเคลื่อนไหวเพียงเล็กน้อยเมื่อราคาใหม่เข้าสู่ตลาดและราคาเก่าลดลง ค่าเฉลี่ยเคลื่อนที่เฉลี่ยเริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่ 22 22 ในการคำนวณครั้งแรกหลังจากการคำนวณครั้งแรกสูตรปกติใช้เวลาเนื่องจาก EMA เริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่แบบง่ายๆค่าที่แท้จริงจะไม่ได้รับรู้จนกว่าจะถึง 20 ช่วงเวลาหลังจากนั้นใน คำอื่น ๆ ค่าในสเปรดชีต Excel อาจแตกต่างจากค่าแผนภูมิเนื่องจากระยะเวลามองย้อนกลับสั้น ๆ สเปรดชีตนี้จะย้อนกลับไปประมาณ 30 งวดซึ่งหมายถึงผลกระทบของการเคลื่อนไหวแบบเรียบง่าย โดยเฉลี่ยมีระยะเวลาในการกระจายสต๊อกชิพ 20 ช่วงเวลาอย่างน้อย 250 รอบโดยปกติแล้วจะมากขึ้นสำหรับการคำนวณดังนั้นผลกระทบของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการคำนวณครั้งแรกมีการกระจายตัวอย่างเต็มที่ Lag Factor ค่าเฉลี่ยเคลื่อนที่ที่ยาวนานขึ้น ความล่าช้าค่าเฉลี่ยการเคลื่อนที่แบบเสด็จมาเป็นเวลา 10 วันจะกอดราคาค่อนข้างใกล้ชิดและเลี้ยวไม่นานหลังจากที่ราคาเปลี่ยนเป็นค่าเฉลี่ยของการเคลื่อนที่ในระยะสั้นเช่นเดียวกับเรือเร็ว - หมุนเร็วและรวดเร็วในทางตรงกันข้ามค่าเฉลี่ยเคลื่อนที่ 100 วันมีข้อมูลที่ผ่านมาจำนวนมากที่ทำให้เกิดความล่าช้า ลดลงค่าเฉลี่ยเคลื่อนที่อีกเช่นเดียวกับเรือบรรทุกน้ำมันในทะเล - เซื่องซึมและชะลอการเปลี่ยนแปลงการเคลื่อนไหวของราคาที่ยาวขึ้นและยาวนานขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ 100 วันเพื่อเปลี่ยนหลักสูตรคลิกที่แผนภูมิเพื่อดูแผนภูมิสดแผนภูมิด้านบนแสดง SP 500 ETF มี EMA 10 วันใกล้เคียงกับราคาและ SMA 100 วันที่สูงขึ้นแม้จะมีการลดลงในเดือนมกราคมถึงเดือนกุมภาพันธ์ SMA 100 วันก็จัดขึ้นแน่นอนและไม่ได้ลดลง SMA 50 วันเหมาะกับบางแห่งระหว่าง 10 และค่าเฉลี่ยเคลื่อนที่ 100 วันเมื่อเทียบกับค่าความล่าช้าค่าเฉลี่ยของการเคลื่อนที่แบบ Exponential แม้จะมีความแตกต่างที่ชัดเจนระหว่างค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นไปได้ที่เป็นไปได้ก็ไม่จำเป็นต้องดีไปกว่าค่าเฉลี่ยเคลื่อนที่อื่น ๆ ที่มีค่าเฉลี่ยถ่วงน้ำหนัก ดังนั้นจึงมีความอ่อนไหวต่อราคาล่าสุดและการเปลี่ยนแปลงราคาล่าสุดการเปลี่ยนแปลงค่าเฉลี่ยของค่าเฉลี่ยเลขคณิตจะเปลี่ยนไปก่อนค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในทางกลับกันถือเป็นค่าเฉลี่ยที่แท้จริงของราคาสำหรับช่วงเวลาทั้งหมดดังนั้นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายอาจเหมาะสมกว่า เพื่อระบุระดับการสนับสนุนหรือความต้านทานการเลือกค่าเฉลี่ยของค่าเฉลี่ยขึ้นอยู่กับวัตถุประสงค์รูปแบบการวิเคราะห์และเส้นขอบเวลา Chartists ควรทดลองทั้งสองประเภทของค่าเฉลี่ยเคลื่อนที่และระยะเวลาที่แตกต่างกันเพื่อหาพอดีที่ดีที่สุดแผนภูมิด้านล่างแสดงให้เห็น IBM กับ SMA 50 วันใน สีแดงและ EMA 50 วันสีเขียวทั้งสองจุดในช่วงปลายเดือนมกราคม แต่การลดลงของ EMA มีความคมชัดกว่าการลดลงของฉัน SMA EMA เปิดขึ้นในกลางเดือนกุมภาพันธ์ แต่ SMA ยังคงลดลงไปจนถึงสิ้นเดือนมีนาคมประกาศว่า SMA เปิดขึ้นหลังจากผ่านไปหนึ่งเดือนหลังจาก EMA ระยะเวลาและระยะเวลาความยาวของค่าเฉลี่ยเคลื่อนที่ขึ้นอยู่กับวัตถุประสงค์ในการวิเคราะห์สั้น ค่าเฉลี่ยระยะสั้น 5-20 เหมาะสำหรับแนวโน้มระยะสั้นและการซื้อขาย Chartists สนใจในแนวโน้มระยะกลางจะเลือกใช้ค่าเฉลี่ยเคลื่อนที่ที่ยาวนานขึ้นซึ่งอาจขยายได้ 20-60 ช่วงนักลงทุนระยะยาวน่าจะเคลื่อนไหวค่าเฉลี่ยระยะเวลา 100 หรือมากกว่า ความยาวเฉลี่ยของเส้นขยับบางส่วนมีความนิยมมากกว่าคนอื่น ๆ ค่าเฉลี่ยเคลื่อนที่ 200 วันอาจเป็นที่นิยมมากที่สุดเพราะความยาวของค่านี้เป็นค่าเฉลี่ยเคลื่อนที่ในระยะยาวถัดไปค่าเฉลี่ยเคลื่อนที่ 50 วันค่อนข้างเป็นที่นิยมสำหรับระยะปานกลาง แนวโน้มแนวความคิดแบบชาตินิยมหลายตัวใช้ค่าเฉลี่ยเคลื่อนที่ 50 วันและ 200 วันในระยะสั้นระยะสั้นค่าเฉลี่ยเคลื่อนที่ 10 วันเป็นที่นิยมมากในอดีตเนื่องจากสามารถคำนวณได้ง่ายเพียงแค่เพิ่มตัวเลขและย้ายจุดทศนิยม entification. The สัญญาณเดียวกันสามารถสร้างขึ้นโดยใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายหรือค่าเฉลี่ยที่ระบุไว้ดังที่ระบุไว้ข้างต้นการตั้งค่าขึ้นอยู่กับแต่ละบุคคลตัวอย่างด้านล่างนี้จะใช้ทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและเชิงเส้นค่าเฉลี่ยเคลื่อนที่ระยะที่ใช้กับทั้งทิศทางการเคลื่อนที่แบบง่ายและเชิงเสี้ยว ของค่าเฉลี่ยเคลื่อนที่บ่งบอกถึงข้อมูลที่สำคัญเกี่ยวกับราคาค่าเฉลี่ยเคลื่อนที่ที่เพิ่มขึ้นแสดงให้เห็นว่าราคาโดยทั่วไปจะเพิ่มขึ้นค่าเฉลี่ยถล่มถัวเฉลี่ยบ่งชี้ว่าราคาโดยเฉลี่ยลดลงค่าเฉลี่ยระยะยาวที่เกิดขึ้นในระยะยาวสะท้อนถึงแนวโน้มขาขึ้นในระยะยาว ค่าเฉลี่ยเคลื่อนที่จะสะท้อนการลดลงในระยะยาวแผนภูมิข้างบนแสดงถึง 3M MMM ที่มีค่าเฉลี่ยเคลื่อนที่ 150 วันตัวอย่างนี้แสดงให้เห็นว่าค่าเฉลี่ยเคลื่อนที่เฉลี่ยที่เคลื่อนไหวได้ดีเท่าไรเมื่อมีความแข็งแกร่งขึ้น EMA 150 วันเริ่มลดลงในเดือนพฤศจิกายน 2550 และอีกครั้งใน มกราคม 2551 สังเกตว่าการปรับตัวลดลง 15 ครั้งเพื่อลดทิศทางการเคลื่อนที่ของดัชนีชี้วัดนี้ ตามที่เกิดขึ้นในช่วงที่ดีที่สุดหรือหลังจากที่เกิดขึ้นในช่วงที่เลวร้ายที่สุด MMM ลดลงอย่างต่อเนื่องในเดือนมีนาคมปี 2009 และเพิ่มขึ้น 40-50 สังเกตว่า EMA 150 วันไม่ได้เปิดขึ้นจนกว่าจะถึงช่วงที่มีการปรับตัวลงครั้งนี้อย่างไรก็ตาม MMM ยังคงสูงขึ้นอีก 12 ปีข้างหน้า เดือนการเคลื่อนไหวของค่าเฉลี่ยทำงานเก่งในแนวโน้มที่แข็งแกร่ง Double Crossovers. Two ค่าเฉลี่ยเคลื่อนที่สามารถใช้ร่วมกันเพื่อสร้างสัญญาณครอสโอเวอร์ในการวิเคราะห์ทางเทคนิคของตลาดการเงิน John Murphy เรียกวิธีนี้ไขว้คู่ Double crossovers เกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ค่อนข้างสั้นและหนึ่งยาวค่อนข้าง ค่าเฉลี่ยเคลื่อนที่ (moving average) เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ทั้งหมดความยาวโดยทั่วไปของค่าเฉลี่ยเคลื่อนที่จะกำหนดระยะเวลาของระบบระบบที่ใช้ EMA 5 วันและ EMA 35 วันจะถือว่าเป็นระบบระยะสั้นโดยใช้ SMA 50 วันและ 200 วัน SMA จะถือว่าเป็นระยะปานกลางถึงแม้จะเป็นระยะยาวก็ตามการทับสายไขว้แบบ bullish เกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเหนือค่าเฉลี่ยที่ยาวขึ้นนี้เป็นที่รู้จักกันว่าเป็นเครื่องหมายกากบาทสีทอง เกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่สั้นลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นนี้เรียกว่า cross cross ที่ตายแล้ว crossovers เฉลี่ยปานกลางส่งสัญญาณค่อนข้างล่าช้าหลังจากทั้งหมดระบบมีพนักงานสองตัวชี้วัดปกคลุมด้วยวัตถุฉนวนระยะเวลาที่ยาวนานกว่าค่าเฉลี่ยความล่าช้าใน สัญญาณสัญญาณเหล่านี้ทำงานได้ดีเมื่อมีแนวโน้มที่ดีขึ้นอย่างไรก็ตามระบบครอสโอเวอร์เฉลี่ยเคลื่อนที่จะผลิตจำนวนมากของ whipsaws ในกรณีที่ไม่มีแนวโน้มที่แข็งแกร่งนอกจากนี้ยังมีวิธีการไขว้ไขว้ที่เกี่ยวข้องกับสามค่าเฉลี่ยเคลื่อนที่อีกครั้งสัญญาณจะถูกสร้างขึ้นเมื่อ ค่าเฉลี่ยเคลื่อนที่ที่สั้นที่สุดคือค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่อีก 2 เส้นระบบครอสโอเวอร์สามแบบง่าย ๆ อาจเกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ 5 วัน 10 วันและ 20 วันแผนภูมิข้างบนแสดง Home Depot HD พร้อมด้วยเส้นประสีเขียว EMA 10 วันและเส้นสีเขียว 50- วัน EMA เส้นสีแดงเส้นสีดำเป็นวันปิดโดยใช้การครอสโอเวอร์เฉลี่ยเคลื่อนที่จะมีผลในสาม whipsaws ก่อนที่จะจับการค้าที่ดี 10 วัน EMA ยากจนใต้ EMA 50 วันใน l กินวันที่ 1 ตุลาคม แต่ไม่นานถึง 10 วันที่กลับมาในช่วงกลางเดือนพฤศจิกายนที่ผ่านมา 2 ช่วงนี้กินเวลานาน แต่ครอสโอเวอร์หยอดตัวต่อไปในวันที่ 3 มกราคมเกิดขึ้นใกล้ระดับราคาในปลายเดือนพฤศจิกายนซึ่งส่งผลให้เกิด whipsaw อีกลูกหนึ่ง ไม่นานเป็น 10 วัน EMA ย้ายกลับมาข้างต้น 50 วันไม่กี่วันต่อมา 4 หลังจากสามสัญญาณไม่ดีสัญญาณที่สี่คาดเดาการเคลื่อนไหวที่แข็งแกร่งเป็นสต็อกสูงกว่า 20 มีสอง takeaways ที่นี่แรกไขว้มีแนวโน้ม เพื่อ whipsaw ตัวกรองราคาหรือเวลาสามารถนำมาใช้เพื่อช่วยป้องกัน whipsaws ผู้ค้าอาจต้องครอสโอเวอร์ไป 3 วันก่อนที่จะทำหน้าที่หรือต้อง EMA 10 วันเพื่อย้ายด้านบนด้านล่าง EMA 50 วันโดยจำนวนหนึ่งก่อนที่จะทำหน้าที่สอง MACD MACD 10,50,1 จะแสดงเส้นแสดงความแตกต่างระหว่างสองค่าเฉลี่ยเคลื่อนที่ที่เป็นเส้นตรง MACD จะเป็นบวกในช่วงข้ามโกลเด้นและค่าลบระหว่างช่วงที่ตายแล้วราคาร้อยละ Oscillato r PPO สามารถใช้วิธีเดียวกันเพื่อแสดงความแตกต่างของเปอร์เซ็นต์ทราบว่า MACD และ PPO ใช้ค่าเฉลี่ยเคลื่อนที่แบบก้าวย่างและไม่ตรงกับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆกราฟนี้แสดง Oracle ORCL พร้อมกับ EMA 50 วัน EMA 200 วัน และ MACD 50,200,1 ในช่วง 2 1 2 ปีมีการครอสโอเวอร์ 4 ค่าเฉลี่ยในช่วงเวลา 2 1 2 ปีที่ผ่านมาสามตัวแรกส่งผลให้เกิด whipsaws หรือการค้าที่ไม่ดีแนวโน้มเริ่มมีเสถียรภาพเริ่มขึ้นด้วยการครอสโอเวอร์ที่สี่เมื่อ ORCL ก้าวขึ้นสู่กลางยุค 20 อีกครั้ง เมื่อแนวโน้มมีความแข็งแกร่ง แต่สร้างความสูญเสียในกรณีที่ไม่มีแนวโน้มราคา Crossovers เฉลี่ยที่เกิดขึ้นนอกจากนี้ยังสามารถใช้ในการสร้างสัญญาณด้วยไขว้ราคาง่ายๆสัญญาณรั้นจะถูกสร้างขึ้นเมื่อราคาเคลื่อนเหนือค่าเฉลี่ยเคลื่อนที่สัญญาณหยาบคายถูกสร้างขึ้นเมื่อ ราคาขยับขึ้นต่ำกว่าค่าเฉลี่ยเคลื่อนที่ค่าไขว้ราคาสามารถรวมเข้ากับการค้าภายในแนวโน้มที่ใหญ่กว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นจะกำหนดโทนของแนวโน้มที่ใหญ่ขึ้นและใช้ค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเพื่อสร้าง สัญญาณหนึ่งจะมองหาราคารั้นผ่านเมื่อราคามีอยู่แล้วสูงกว่าค่าเฉลี่ยเคลื่อนที่อีกต่อไปนี้จะซื้อขายในความสามัคคีกับแนวโน้มที่ใหญ่กว่าตัวอย่างเช่นถ้าราคาอยู่เหนือค่าเฉลี่ยเคลื่อนที่ 200 วัน chartists จะเน้นเฉพาะเมื่อสัญญาณ ราคาขยับขึ้นเหนือเส้นค่าเฉลี่ยระยะ 50 วันอย่างเห็นได้ชัดการเคลื่อนตัวต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 50 วันจะนำสัญญาณดังกล่าวมาก่อน แต่การข้ามผ่านหยาบคายดังกล่าวจะไม่ได้รับการตอบรับเนื่องจากมีแนวโน้มเพิ่มมากขึ้น uptrend การกลับข้ามด้านบนของค่าเฉลี่ยเคลื่อนที่ 50 วันจะส่งสัญญาณถึงการปรับตัวขึ้นของราคาและความต่อเนื่องของแนวโน้มขาขึ้นที่ใหญ่ขึ้นกราฟถัดไปแสดง Emerson Electric EMR พร้อมกับ EMA 50 วันและ EMA 200 วันหุ้นขึ้นเหนือและอยู่เหนือระดับ ค่าเฉลี่ยเคลื่อนที่ 200 วันในเดือนสิงหาคมมีการปรับตัวลงมาต่ำกว่า EMA 50 วันในช่วงต้นเดือนพฤศจิกายนและอีกครั้งในช่วงต้นเดือนกุมภาพันธ์ราคาพลิกกลับอย่างรวดเร็วเหนือเส้น EMA 50 วันเพื่อให้ได้สัญญาณลูกศรสีเขียวที่กลมกลืนกับเครื่องหมาย b igger uptrend MACD 1,50,1 แสดงในหน้าต่างตัวบ่งชี้เพื่อยืนยันการข้ามผ่านด้านล่างหรือด้านล่าง EMA 50 วัน EMA 1 วันเท่ากับราคาปิด MACD 1,50,1 เป็นบวกเมื่อราคาปิดอยู่เหนือ 50 วัน EMA และเป็นลบเมื่อระยะสั้นปิดต่ำกว่า 50 วัน EMA การสนับสนุนและความต้านทานค่าเฉลี่ย Mooding ยังสามารถทำหน้าที่เป็นแนวรับในแนวรองรับและแนวต้านในระยะสั้นขาขึ้นในระยะสั้นอาจได้รับแรงสนับสนุนจากระยะใกล้ถึง 20 วัน ค่าเฉลี่ยซึ่งใช้ใน Bollinger Bands ขาขึ้นในระยะยาวอาจได้รับแรงหนุนจากค่าเฉลี่ยเคลื่อนที่ 200 วันซึ่งเป็นค่าเฉลี่ยระยะยาวที่เป็นที่นิยมมากที่สุดหากความเป็นจริงค่าเฉลี่ยเคลื่อนที่ 200 วันอาจให้การสนับสนุนหรือความต้านทานได้ แผนภูมินี้แสดงให้เห็นว่า NY Composite มีค่าเฉลี่ยเคลื่อนที่ 200 วันจากกลางปี ​​2547 จนถึงสิ้นปี พ. ศ. 2551 200 วันให้การสนับสนุนหลายครั้งในช่วง เมื่อแนวโน้มย้อนกลับไปพร้อมกับการสนับสนุนด้านบนสองครั้ง eak ค่าเฉลี่ยเคลื่อนที่ 200 วันทำหน้าที่เป็นแนวต้านรอบ 9500. ไม่คาดหวังว่าการสนับสนุนที่ถูกต้องและระดับความต้านทานจากค่าเฉลี่ยเคลื่อนที่โดยเฉพาะค่าเฉลี่ยที่เคลื่อนไหวได้อีกโดยเฉพาะตลาดจะถูกผลักดันด้วยอารมณ์ซึ่งทำให้มีแนวโน้มที่จะ overshoots แทนระดับที่แน่นอนค่าเฉลี่ยเคลื่อนที่สามารถ จะใช้เพื่อระบุการสนับสนุนหรือโซนความต้านทานข้อดีของการใช้ค่าเฉลี่ยเคลื่อนที่จะต้องมีการชั่งน้ำหนักกับข้อเสียการย้ายค่าเฉลี่ยมีแนวโน้มตามหรือ lagging ตัวชี้วัดที่จะเป็นขั้นตอนหลังนี้ไม่จำเป็นต้องเป็นสิ่งที่ไม่ดี แต่หลังจากทั้งหมด, แนวโน้มเป็นเพื่อนของคุณและดีที่สุดคือการค้าในทิศทางของแนวโน้มการย้ายค่าเฉลี่ยประกันว่าผู้ประกอบการค้าจะสอดคล้องกับแนวโน้มปัจจุบันแม้ว่าแนวโน้มเป็นเพื่อนของคุณหลักทรัพย์ใช้จ่ายมากเวลาในช่วงการซื้อขายซึ่ง ทำให้ค่าเฉลี่ยเคลื่อนที่ไม่ได้ผลเมื่ออยู่ในแนวโน้มค่าเฉลี่ยเคลื่อนที่จะทำให้คุณอยู่ใน แต่ยังให้สัญญาณปลาย Don t คาดว่าจะขายที่ด้านบนและซื้อที่ด้านล่างโดยใช้ avera ย้าย ges เช่นเดียวกับเครื่องมือวิเคราะห์ทางเทคนิคส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่ไม่ควรใช้ด้วยตัวเอง แต่ร่วมกับเครื่องมือเสริมอื่น Chartists สามารถใช้ค่าเฉลี่ยเคลื่อนที่เพื่อกำหนดแนวโน้มโดยรวมและใช้ RSI เพื่อกำหนดระดับซื้อเกินหรือ oversold การเพิ่มค่าเฉลี่ยเคลื่อนที่ไปที่ StockCharts Charts. Moving ค่าเฉลี่ยที่มีอยู่ในรูปแบบการวางซ้อนราคาบนโต๊ะทำงาน SharpCharts โดยใช้เมนูแบบเลื่อนลง Overlays ผู้ใช้สามารถเลือกค่าเฉลี่ยเคลื่อนที่แบบเรียบหรือค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้ค่าพารามิเตอร์แรกจะใช้เพื่อกำหนดจำนวนช่วงเวลา คุณสามารถเพิ่มพารามิเตอร์ที่เป็นตัวเลือกเพื่อระบุว่าควรใช้ฟิลด์ราคาใดในการคำนวณ - O สำหรับ Open, H สำหรับ High, L สำหรับ Low และ C สำหรับเครื่องหมายจุลภาคปิด A ใช้เพื่อแยกพารามิเตอร์พารามิเตอร์ที่เป็นตัวเลือกอื่นสามารถ จะเพิ่มการย้ายค่าเฉลี่ยเคลื่อนที่ไปทางซ้ายที่ผ่านมาหรือในอนาคตที่ถูกต้องจำนวนลบ -10 จะเปลี่ยนค่าเฉลี่ยเคลื่อนที่ไปทางซ้าย 10 งวดจำนวนบวก 10 จะย้ายการย้าย verage ไปทางขวา 10 periods. Multiple moving averages สามารถ overlaid พล็อตราคาโดยเพียงแค่เพิ่มอีกชั้นวางซ้อนกับสมาชิก Workbench StockCharts สามารถเปลี่ยนสีและรูปแบบเพื่อแยกความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่หลายหลังจากเลือกตัวบ่งชี้ให้เปิดตัวเลือกขั้นสูงโดยคลิกที่ รูปสามเหลี่ยมสีเขียวเล็ก ๆ น้อย ๆ นอกจากนี้ยังสามารถใช้ตัวเลือกขั้นสูงเพื่อเพิ่มค่าเฉลี่ยถ่วงน้ำหนักที่เคลื่อนที่ไปยังตัวชี้วัดทางเทคนิคอื่น ๆ เช่น RSI, CCI และ Volume คลิกที่นี่เพื่อดูกราฟสดที่มีค่าเฉลี่ยเคลื่อนที่แตกต่างกันการใช้ค่าเฉลี่ยเคลื่อนที่กับสครอชชอต Scans นี่คือตัวอย่างการสแกนที่ StockCharts สมาชิกสามารถใช้เพื่อสแกนหาค่าเฉลี่ยของสถานการณ์ที่เคลื่อนไหวได้โดยทั่วไปการเคลื่อนไหวเฉลี่ยข้ามเฉลี่ยการสแกนนี้จะหาหุ้นที่มีค่าเฉลี่ยเคลื่อนที่ 150 วันที่เพิ่มขึ้นและการข้ามผ่านแนวราบของ EMA 5 วันและ EMA 35 วันค่าเฉลี่ยเคลื่อนที่ 150 วัน จะเพิ่มขึ้นตราบเท่าที่มีการซื้อขายเหนือระดับของห้าวันที่ผ่านมาข้ามรั้นจะเกิดขึ้นเมื่อ EMA 5 วันเคลื่อนตัวเหนือ EMA 35 วันเมื่อเทียบกับค่าเฉลี่ยสูงกว่าค่าเฉลี่ยการเคลื่อนไหวของค่าเฉลี่ย Cross การสแกนนี้จะมองหาหุ้นที่ลดลง 150- วันค่าเฉลี่ยการเคลื่อนไหวแบบถดถอยและเส้นค่าเฉลี่ยถดถอยในระยะสั้น EMA 5 วันและ EMA 35 วันค่าเฉลี่ยเคลื่อนที่ 150 วันจะลดลงตราบใดที่ยังซื้อขายอยู่ในระดับต่ำกว่า 5 วันที่ผ่านมา ต่ำกว่า EMA 35 วันที่ ABO หนังสือเล่มนี้มีบทที่อุทิศให้กับค่าเฉลี่ยเคลื่อนที่และการใช้งานต่างๆของพวกเขา Murphy ครอบคลุมข้อดีและข้อเสียของการย้ายค่าเฉลี่ยนอกจากนี้เมอร์ฟี่แสดงให้เห็นว่าการเคลื่อนไหวโดยเฉลี่ยทำงานร่วมกับ Bollinger Bands และระบบการซื้อขายบนช่องทางอย่างไรเทคนิค การวิเคราะห์ตลาดการเงิน John Murphy. Moving Average - MA. BREAKING DOWN Moving Average - MA เป็นตัวอย่าง SMA พิจารณาการรักษาความปลอดภัยโดยมีราคาปิดดังต่อไปนี้เกินกว่า 15 วัน 1 สัปดาห์ 5 วัน 20, 22, 24, 25, 23.Week 2 5 วัน 26, 28, 26, 29, 27.Week 3 5 วัน 28, 30, 27, 29, 28. MA 10 วันจะออกจากราคาปิดเป็นเวลา 10 วันแรกเป็นจุดข้อมูลแรก จุดข้อมูลถัดไปจะลดลงในราคาที่เก่าที่สุดเพิ่มราคาในวันที่ 11 และใช้ค่าเฉลี่ยและอื่น ๆ ดังที่แสดงไว้ด้านล่างดังที่ได้กล่าวมาก่อน MAs lag การดำเนินการในปัจจุบันเนื่องจากราคาพื้นฐานขึ้นอยู่กับราคาในอดีตระยะเวลาที่ยาวขึ้นสำหรับ MA, lag มากขึ้นดังนั้น MA 200 วันจะมีระดับมากขึ้นของความล่าช้ากว่า 20 วัน M A เนื่องจากมีราคาสำหรับ 200 วันที่ผ่านมาความยาวของ MA ที่จะใช้ขึ้นอยู่กับวัตถุประสงค์การซื้อขายโดยใช้ MA ที่สั้นสำหรับการซื้อขายระยะสั้นและระยะยาวที่เหมาะสมสำหรับนักลงทุนระยะยาว MA 200 วันคือ ตามด้วยนักลงทุนและผู้ค้าที่มีการพักเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่นี้ถือเป็นสัญญาณการซื้อขายที่สำคัญนอกจากนี้ยังมีสัญญาณการซื้อขายที่สำคัญด้วยตัวเองหรือเมื่อค่าเฉลี่ยทั้งสองมีค่าสูงกว่า MA ที่เพิ่มขึ้นแสดงให้เห็นว่าความมั่นคงอยู่ในขาขึ้นขณะที่ MA ชะลอตัวบ่งชี้ว่าอยู่ในช่วงขาลงเช่นกันโมเมนตัมสูงขึ้นได้รับการยืนยันโดย Crossover รั้นซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นข้ามเหนือระยะยาว MA ได้รับการยืนยันโดยการครอสโอเวอร์แบบลบซึ่งเกิดขึ้นเมื่อระยะสั้น - ระยะ MA ข้ามด้านล่างตัวกรอง MA. FIR ระยะยาวตัวกรอง IIR และสมการความแตกต่างของค่าสัมประสิทธิ์เชิงเส้นคงที่โดยเฉลี่ยการย้ายค่าเฉลี่ยของ FIR ฟิลเตอร์เราได้กล่าวถึงระบบที่แต่ละตัวอย่างของเอาต์พุตเป็น ผลรวมถ่วงน้ำหนักของบางตัวอย่างของ input. Let s ใช้ระบบผลรวมถดถอยเชิงสาเหตุที่สาเหตุหมายถึงการให้ตัวอย่างการส่งออกที่กำหนดขึ้นอยู่กับเฉพาะในตัวอย่างการป้อนข้อมูลปัจจุบันและปัจจัยการผลิตอื่น ๆ ก่อนหน้านี้ในลำดับทั้งระบบเชิงเส้นโดยทั่วไปหรือ ระบบการตอบสนองแรงแน่นอนโดยเฉพาะอย่างยิ่งต้องเป็นสาเหตุอย่างไรก็ตาม causality สะดวกสำหรับชนิดของการวิเคราะห์ที่เรากำลังจะสำรวจ soon. If เรา symbolize อินพุตเป็นค่าของเวกเตอร์ x และผลลัพธ์เป็นค่าที่สอดคล้องกันของเวกเตอร์ y จากนั้นระบบดังกล่าวสามารถเขียนได้ตามที่ค่า b มีน้ำหนักที่ใช้กับตัวอย่างข้อมูลปัจจุบันและก่อนหน้านี้เพื่อให้ได้ตัวอย่างการส่งออกปัจจุบันเราสามารถคิดนิพจน์เป็นสมการโดยใช้เครื่องหมายเท่ากับเท่ากับหรือเป็นขั้นตอน คำสั่งที่มีเครื่องหมายเท่ากับหมายถึง assign. Let s เขียนนิพจน์สำหรับแต่ละตัวอย่างผลลัพธ์เป็นห่วง MATLAB ของงบกำหนดโดยที่ x เป็นเวกเตอร์ความยาว N ของตัวอย่างการป้อนข้อมูลและ b คือเวกเตอร์ M ยาว o f น้ำหนักเพื่อจัดการกับกรณีพิเศษเมื่อเริ่มต้นเราจะฝัง x ในเวกเตอร์ xhat ที่มีตัวอย่าง M-1 เป็นศูนย์เราจะเขียนผลรวมถ่วงน้ำหนักสำหรับแต่ละ yn เป็นผลิตภัณฑ์ภายในและจะทำบางอย่าง manipulations ของปัจจัยการผลิตเช่นการย้อนกลับ b เพื่อการนี้สิ้นชนิดของระบบนี้มักจะเรียกว่าตัวกรองค่าเฉลี่ยเคลื่อนที่สำหรับเหตุผลที่ชัดเจนจากการสนทนาก่อนหน้านี้ของเราควรจะเห็นได้ชัดว่าระบบดังกล่าวเป็นเชิงเส้นและเปลี่ยนไม่แปรเปลี่ยนแน่นอน, มันจะเร็วกว่ามากที่จะใช้คอมเพรสเซอร์ convolution ของ MATLAB แทน mafilt ของเราแทนการพิจารณา M-1 ตัวอย่างแรกของอินพุทเป็นศูนย์เราสามารถพิจารณาให้เป็นเหมือนกับตัวอย่าง M-1 ล่าสุดนี่คือ เช่นเดียวกับการประมวลผลข้อมูลอินพุทเป็นระยะ ๆ เราจะใช้ cmafilt เป็นชื่อของฟังก์ชั่นการปรับเปลี่ยนเล็กน้อยของฟังก์ชัน mafilt ก่อนหน้านี้ในการระบุการตอบสนองต่อแรงกระตุ้นของระบบโดยทั่วไปจะไม่มีความแตกต่างระหว่างทั้งสองเนื่องจากไม่มีการเริ่มต้น ตัวอย่างของอินพุทเป็นศูนย์ เนื่องจากระบบชนิดนี้มีลักษณะเป็นเส้นตรงและไม่แปรเปลี่ยนไปเรารู้ดีว่าผลกระทบของไซโคลไซด์ใด ๆ จะเป็นเพียงการปรับขนาดและเปลี่ยนไปเท่านั้นนี่เป็นเรื่องสำคัญที่เราใช้รูปแบบวงกลมรุ่นที่มีการหมุนเวียนเป็นวงกลมจะเลื่อนและปรับขนาดเล็กน้อย ในขณะที่รุ่นที่มีการบิดธรรมดาจะบิดเบี้ยวที่ start. Let s เห็นสิ่งที่แน่นอนการขยับและขยับโดยใช้ fft. Both input และ output มีความกว้างเพียงความถี่ 1 และ -1 ซึ่งเป็นควรจะให้ ค่าอินพุทเป็นไซน์โมและระบบเป็นแบบเส้นตรงค่าเอาท์พุทมีค่ามากกว่า 10 6251 8 1 3281 นี่คือส่วนที่ได้รับจากระบบสิ่งที่เกี่ยวกับเฟสเราจำเป็นต้องมองหาที่ที่แอมพลิจูดไม่ใช่ศูนย์ อินพุทมีเฟสของ pi 2 ตามที่เราร้องขอเฟสเอาท์พุทถูกเลื่อนออกไปโดยเพิ่มอีก 1 0594 โดยมีสัญญาณตรงกันข้ามกับความถี่ลบหรือประมาณ 1 6 ของรอบด้านขวาตามที่เราเห็นในกราฟตอนนี้ ลอง sinusoid กับความถี่เดียวกัน 1 แต่แทน amplitude 1 และ pha se pi 2 ให้ลองความกว้าง 1 5 และเฟส 0. เรารู้ว่าความถี่เพียง 1 และ -1 จะมีค่าแอมปลิจูดที่ไม่ใช่ศูนย์ดังนั้นให้ลองดูที่ค่าเหล่านี้อีกครั้งส่วนอัตราส่วนความกว้าง 15 9377 12 0000 คือ 1 3281 - - และสำหรับ phase. it จะเลื่อนไปอีก 1 0594 ถ้าตัวอย่างเหล่านี้เป็นแบบอย่างเราสามารถทำนายผลของการตอบสนองต่อแรงกระตุ้นของระบบของเรา 1 2 3 4 5 ใน sinusoid ใด ๆ ที่มีความถี่ 1 - amplitude จะเพิ่มขึ้นตาม ปัจจัยที่ 1 3281 และระยะความถี่บวกจะถูกเลื่อนออกไปโดย 1 0594. เราสามารถคำนวณผลของระบบนี้ใน sinusoids ของความถี่อื่น ๆ ได้ด้วยวิธีการเดียวกัน แต่มีวิธีง่ายๆและหนึ่งที่กำหนด จุดทั่วไปเนื่องจากการหมุนเวียนวงกลมในโดเมนเวลาหมายถึงการคูณในโดเมนความถี่ from. it ตามที่ในคำอื่น ๆ DFT ของการตอบสนองต่ออิมพัลคืออัตราส่วนของ DFT ของการส่งออกไปยัง DFT ของอินพุทในนี้ ความสัมพันธ์ค่าสัมประสิทธิ์ DFT เป็นจำนวนเชิงซ้อนตั้งแต่ abs c1 c2 abs c1 abs c2 สำหรับ co ทั้งหมด mplex numbers c1, c2 สมการนี้บอกเราว่าสเปกตรัม amplitude ของการตอบสนองอิมพัลส์จะเป็นอัตราส่วนของสเปกตรัมความกว้างของเอาท์พุทไปที่อินพุทในกรณีของเฟสสเปกตรัมมุม c1 c2 มุม c1 - มุม c2 สำหรับทุก c1, c2 โดยมีเงื่อนไขว่าเฟสที่แตกต่างกันโดย n 2 pi ถือว่าเท่ากันดังนั้นเฟสสเปกตรัมของการตอบสนองอิมพัลส์จะเป็นความแตกต่างระหว่างสเปกตรัมเฟสของเอาท์พุทและอินพุตที่มีการแก้ไขโดย 2 pi จำเป็นเพื่อให้ผลระหว่าง - pi และ pi เราสามารถเห็นผลของเฟสได้ชัดเจนมากขึ้นถ้าเรานำเสนอการแทนเฟสเช่นถ้าเราเพิ่ม multiples ต่างๆของ 2 pi ตามต้องการเพื่อลดการกระโดดที่เกิดขึ้นตามลักษณะเป็นระยะ ๆ ฟังก์ชั่นมุมแม้ว่าความกว้างและเฟสมักจะใช้สำหรับการนำเสนอแบบกราฟิกและแม้แต่ตารางเนื่องจากเป็นวิธีที่ง่ายในการคิดถึงผลกระทบของระบบในส่วนประกอบความถี่ต่างๆของอินพุท x ค่าสัมประสิทธิ์ฟูริเยร์มีประโยชน์มากขึ้นเกี่ยวกับพีชคณิตเนื่องจากพวกเขายอมให้มีการแสดงออกที่เรียบง่ายของความสัมพันธ์ได้วิธีการทั่วไปที่เราได้เห็นจะทำงานร่วมกับตัวกรองโดยพลการของแบบร่างซึ่งในแต่ละตัวอย่างเอาต์พุตเป็นผลรวมถ่วงน้ำหนักของชุดตัวอย่างอินพุท ตามที่กล่าวมาก่อนหน้านี้มักถูกเรียกว่า Finite Impulse Response filters เนื่องจากการตอบสนองของอิมพัลซ์มีขนาด จำกัด หรือบางครั้งก็ใช้ตัวกรอง Moving Average เราสามารถกำหนดลักษณะการตอบสนองความถี่ของตัวกรองดังกล่าวจาก FFT ของการตอบสนองของแรงกระตุ้นและเรา ยังสามารถออกแบบตัวกรองใหม่ที่มีลักษณะที่ต้องการได้โดย IFFT จากข้อกำหนดของการตอบสนองความถี่ตัวกรอง IIR แบบถ่วงน้ำหนักแบบอัตโนมัติจะมีจุดเล็ก ๆ น้อย ๆ ในการมีชื่อสำหรับตัวกรอง FIR เว้นแต่มีบางชนิดอื่น ๆ แยกแยะออกจากกันและดังนั้นผู้ที่มี ศึกษาปฏิบัติจะไม่แปลกใจที่จะเรียนรู้ว่ามีแน่นอนอีกชนิดที่สำคัญของการกรองเชิงเส้นเวลาไม่เปลี่ยนแปลงตัวกรองเหล่านี้บางครั้งเรียก ed recursive เนื่องจากค่าของเอาท์พุทก่อนหน้านี้เช่นเดียวกับปัจจัยการผลิตก่อนหน้าที่ถึงแม้ว่าขั้นตอนวิธีจะถูกเขียนโดยทั่วไปโดยใช้โครงสร้างที่ซ้ำแล้วก็ตามพวกเขาเรียกว่า Infinite Impulse Response IIR filters เพราะโดยทั่วไปแล้วการตอบสนองต่อแรงกระตุ้นของพวกเขาจะไปตลอดกาลนอกจากนี้ยังมีบางครั้งเรียกว่า autoregressive เพราะค่าสัมประสิทธิ์สามารถคิดเป็นผลของการทำแบบถดถอยเชิงเส้นเพื่อแสดงค่าสัญญาณเป็นหน้าที่ของค่าสัญญาณก่อนหน้านี้ความสัมพันธ์ของตัวกรอง FIR และ IIR สามารถเห็นได้อย่างชัดเจนในสมการเชิงอนุพันธ์เชิงเส้นค่าสัมประสิทธิ์คงที่ i e. setting ผลรวมถ่วงน้ำหนักของผลเท่ากับจำนวนเงินที่ถ่วงน้ำหนักของปัจจัยการผลิตนี้เป็นเช่นสมการที่เราให้ไว้ก่อนหน้านี้สำหรับตัวกรอง FIR สาเหตุยกเว้นว่านอกเหนือจากการรวมน้ำหนักของปัจจัยการผลิตที่เรายังมีผลรวมถ่วงน้ำหนักของผลลัพธ์ ถ้าเราต้องการคิดว่านี่เป็นขั้นตอนในการสร้างตัวอย่างการส่งออกเราจำเป็นต้องจัดเรียงสมการเพื่อให้ได้นิพจน์สำหรับตัวอย่างผลลัพธ์ปัจจุบัน y n. Adopting อนุสัญญาที่ 1 1 เช่นโดยการปรับขนาดอื่น ๆ เป็นและ bs เราสามารถกำจัด 1 a 1 term. ynb 1 xnb 2 x n-1 b Nb 1 x n-nb - a 2 y n - 1 - - Na 1 y n-na. ถ้าทั้งหมดที่ไม่ใช่ 1 เป็นศูนย์ซึ่งจะช่วยลดให้เพื่อนเก่าของเรากรอง FIR สาเหตุนี้เป็นกรณีทั่วไปของสาเหตุ LTI กรองและดำเนินการโดย MATLAB function filter. ลองดูกรณีที่ค่าสัมประสิทธิ์ b นอกเหนือจาก b 1 เป็นศูนย์แทน FIR กรณีที่ a เป็นศูนย์ในกรณีนี้ตัวอย่างการส่งออกปัจจุบัน yn ถูกคำนวณเป็นชุดค่าผสมถ่วงน้ำหนักของการป้อนข้อมูลปัจจุบัน ตัวอย่าง xn และตัวอย่างผลลัพธ์ก่อนหน้า y n-1, y n-2 ฯลฯ เพื่อให้ทราบว่าเกิดอะไรขึ้นกับตัวกรองดังกล่าวให้เริ่มต้นด้วยกรณี where. That คือตัวอย่างผลลัพธ์ปัจจุบันเป็นผลรวมของกระแส ตัวอย่างการป้อนข้อมูลและครึ่ง sample. We เอาท์พุทก่อนหน้านี้เราจะใช้แรงกระตุ้นอินพุทผ่านขั้นตอนไม่กี่ครั้งหนึ่งที่ time. It ควรชัดเจนที่จุดที่เราสามารถเขียนนิพจน์สำหรับ nth นี้ออก ใส่ค่าตัวอย่างมันเป็นเพียง 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