تتحرك المتوسط ، أو الأسي - تجانس

DEMA. mq4 DEMARLH. mq4 ديما - ملخص سريع المتوسط ​​المتحرك الأسي المزدوج (ديما) هو أكثر سلاسة وأسرع المتوسط ​​المتحرك وضعت بهدف تقليل الفارق الزمني الموجود في المتوسطات المتحركة التقليدية. تم عرض ديما لأول مرة في عام 1994، في المادة تمهيد البيانات مع معدلات متحركة أسرع من قبل باتريك G. مولوي في التحليل الفني للمخزون أمب مجلة السلع. في هذه المقالة يقول مولوي: المتوسطات المتحركة لها وقت تأخر ضار يزداد مع زيادة متوسط ​​المتوسط ​​المتحرك. الحل هو نسخة معدلة من التمهيد الأسي مع وقت أقل تأخر .. صيغة مؤشر ديما ديما الافتراضي الفترة (ر) 21. ديما ليست مجرد إما المزدوج. كما أن مؤشر ديما ليس متوسطا متحركا للمتوسط ​​المتحرك. في مزيج من إما المزدوجة واحدة لفارق أقل من أي من اثنين الأصلي. كيفية التعامل مع ديما ديما يمكن استخدامها بدلا من المتوسطات المتحركة التقليدية أو يمكن تطبيق صيغة لتيسير بيانات الأسعار للمؤشرات الأخرى، والتي تقوم على المتوسطات المتحركة. ديما يمكن أن تساعد على تحديد انعكاسات الأسعار بشكل أسرع، مقارنة إما العادية. هذه الطريقة التجارية الشعبية كما تتحرك متوسط ​​كروس، سوف اكتساب معنى جديد مع ديما. يتيح مقارنة 2 كروسوفر إما مقابل 2 إشارات كروس ديما. ديما ماسد ل MT4 تم إجراء بعض اختبار مولويس الأصلي لمؤشر ديما على ماسد، حيث اكتشف أن الماكد المخفف ديما كان أسرع للرد، وعلى الرغم من إنتاج إشارات أقل، أعطى نتائج أعلى من ماسد العادي. DEMAMACD. mq4 MACD3DEMA. mq4 MACD3DEMAv101.mq4 إلى جانب ماسد، ديما تمهيد طريقة يمكن تطبيقها على مؤشرات مختلفة. يقول باتريك ج. مولوي: "إن تنفيذ هذا الإصدار الأسرع من المتوسط ​​المتحرك المتوسط ​​في مؤشرات مثل المتوسط ​​المتحرك المتقارب (ماسد) أو البولينجر باند أو تريكس يمكن أن يوفر إشارات باسل مختلفة (أي الرصاص) وتستجيب بشكل أسرع من تلك التي تقدمها إما واحد .. ومن المعروف طريقة أخرى تمهيد التي وضعتها مولوي كما تيما. وهو المتوسط ​​المتحرك الثلاثي الأسي أو، آخر نسخة إما الثلاثي، التي وضعتها جاك هوتسون - مؤشر تريكس. كوبيرايت كوبي فوريكس-إنديكاتورس مرحبا، أود أن جعل إي (خبير مستشار) باستخدام ديما. صيغة ديما أنا جعلت أدناه تبدو غير صحيحة، لأنني اختباره وانها تفقد المال. هل يمكن أن تخبرني الصحيح. اسمي جيفري والبريد الإلكتروني الخاص بي هو جيونغاوس (في) yahoo. au. شكرا لكم. إما مزدوج إما 1 (نول، PERIODH1،14،0، موديما، بريسكلوس، 0) إما مزدوج إما aa1 (نول، بيريود 1، 14،0، موديما، ema1،0) إيما مزدوج ema2 (نول، بيريود 1، 28،0، موديما، بريسكلوس، 0) إيما مزدوج ema2a (نول، بيريود، 1،28،0، موديما، ema2،0) مزدوج dema1 (ema1 2) - ema1a مزدوج dema2 (ema2 2) - ema2a إذا (dema1 dema2) إف (dema1 (S2) إلى (y1)، حيث يقف (سي) للمراقبة الملساء أو إوما، و (y) يقف على الملاحظة الأصلية، وتشير النصوص إلى الفترات الزمنية (1، و 2، و لدوتس، و n)، وبالنسبة للفترة الثالثة (S3 ألفا y2 (1-ألفا) S2) وهكذا لا توجد (S1) تبدأ السلسة بسلسلة (s) على سبيل المثال، المعادلة الموسعة (s) على سبيل المثال، المعادلة الموسعة (S5) لقيمة ممسحة (S5) هو: S5 ألفا يسار (1-ألفا) 0 y (1-ألفا) 1 y (1-ألفا) 2 y يمين (1-ألفا) 3 S2. يوضح السلوك الأسي يوضح هذا السلوك الأسي. (ألفا) t (ألفا) (1 ألفا) (1) ألفا (1) ألفا (1 ألفا) t. من الصيغة الأخيرة يمكننا أن نرى أن مصطلح الجمع يبين أن المساهمة في قيمة ممهدة (ست) يصبح أقل في كل فترة زمنية متتالية. مثال ل (ألفا 0.3) اسمحوا (ألفا 0.3). لاحظ أن الأوزان (ألفا (ألفا) t) تنخفض أضعافا مضاعفة (هندسيا) مع مرور الوقت. مجموع الأخطاء المربعة (سس) 208.94. متوسط ​​أخطاء التربيع (مس) هو سس 11 19.0. حساب لقيم مختلفة من (ألفا) تم حساب مس مرة أخرى (ألفا 0.5) وتبين أن تكون 16.29، لذلك في هذه الحالة كنا نفضل (ألفا) من 0.5. هل يمكننا أن نفعل أفضل يمكننا تطبيق طريقة التجربة والخطأ المثبتة. هذا هو إجراء تكراري بدءا من مجموعة من (ألفا) بين 0.1 و 0.9. نحدد أفضل خيار أولي ل (ألفا) ومن ثم البحث بين (ألفا - دلتا) و (ألفا دلتا). يمكننا تكرار هذا ربما أكثر مرة واحدة للعثور على أفضل (ألفا) إلى 3 المنازل العشرية. يمكن استخدام المثبتات غير الخطية ولكن هناك طرق بحث أفضل، مثل إجراء ماركاردت. هذا هو محسن غير الخطية التي تقلل من مجموع مربعات البقايا. وبشكل عام، ينبغي أن تكون برامج البرمجيات الإحصائية الأكثر تصميما جيدا قادرة على العثور على قيمة (ألفا) التي تقلل من المشروعات الصغيرة ومتناهية الصغر. عينة مؤامرة تظهر بيانات ممهدة لقيم 2 من (ألفا) شرح الأسي تمهيد. نسخ حقوق الطبع والنشر. المحتوى على إنفنتوريوبس محمي بموجب حقوق الطبع والنشر وغير متاح لإعادة النشر. عندما يواجه الناس لأول مرة مصطلح الأسي التمهيد قد يعتقدون أن يبدو وكأنه جهنم الكثير من التجانس. مهما كان التمهيد. ثم تبدأ في تصور حساب رياضي معقد من المرجح أن يتطلب درجة في الرياضيات لفهم، ونأمل أن يكون هناك المدمج في وظيفة إكسيل المتاحة إذا كانوا في أي وقت الحاجة إلى القيام بذلك. واقع التجانس الأسي هو أقل بكثير دراماتيكية وأقل بكثير صدمة. والحقيقة هي، تمهيد الأسي هو حساب بسيط جدا أن ينجز مهمة بسيطة إلى حد ما. انها مجرد اسم معقد لأن ما يحدث من الناحية الفنية نتيجة لهذه العملية الحسابية البسيطة هو في الواقع معقدة قليلا. لفهم التجانس الأسي، فإنه يساعد على البدء مع المفهوم العام للتجانس واثنين من الأساليب الشائعة الأخرى المستخدمة لتحقيق التجانس. ما هو التمهيد تجانس هو عملية إحصائية شائعة جدا. في الواقع، نواجه بانتظام البيانات ممهدة في أشكال مختلفة في حياتنا يوما بعد يوم. في أي وقت تستخدم فيه متوسطا لوصف شيء ما، فإنك تستخدم رقم سلس. إذا كنت تفكر في لماذا تستخدم متوسط ​​لوصف شيء ما، سوف تفهم بسرعة مفهوم التجانس. على سبيل المثال، شهدنا فقط أحر الشتاء في السجل. كيف يمكننا أن نقدر هذا جيدا نبدأ مع مجموعات من درجات الحرارة العالية والمنخفضة اليومية للفترة التي نسميها الشتاء لكل سنة في التاريخ المسجل. ولكن هذا يترك لنا مجموعة من الأرقام التي تقفز حول قليلا (وليس مثل كل يوم هذا الشتاء كان أكثر دفئا من الأيام المقابلة من جميع السنوات السابقة). نحن بحاجة إلى عدد الذي يزيل كل هذا القفز من حول البيانات حتى نتمكن من مقارنة أكثر سهولة فصل الشتاء إلى التالي. إزالة القفز حول في البيانات يسمى التنعيم، وفي هذه الحالة يمكننا فقط استخدام متوسط ​​بسيط لإنجاز التجانس. في التنبؤ الطلب، ونحن نستخدم تمهيد لإزالة الاختلاف العشوائي (الضوضاء) من الطلب التاريخي لدينا. وهذا يتيح لنا تحديد أنماط الطلب بشكل أفضل (في المقام الأول الاتجاه والموسمية) ومستويات الطلب التي يمكن استخدامها لتقدير الطلب في المستقبل. الضجيج في الطلب هو نفس المفهوم مثل القفز اليومي حول بيانات درجة الحرارة. ليس من المستغرب أن الطريقة الأكثر شيوعا الناس إزالة الضوضاء من تاريخ الطلب هو استخدام المتوسط ​​العادي على وجه التحديد، وهو المتوسط ​​المتحرك. المتوسط ​​المتحرك يستخدم فقط عدد محدد مسبقا من الفترات لحساب المتوسط، وتلك الفترات تتحرك بمرور الوقت. على سبيل المثال، إذا كان استخدام إم المتوسط ​​المتحرك لمدة 4 أشهر، واليوم هو 1 مايو، إم باستخدام متوسط ​​الطلب الذي حدث في يناير وفبراير ومارس وأبريل. في الأول من حزيران (يونيو)، سأستخدم الطلب من شباط (فبراير) ومارس وأبريل ومايو (أيار). المتوسط ​​المتحرك الموزون. عند استخدام متوسط ​​نقوم بتطبيق نفس الأهمية (الوزن) على كل قيمة في مجموعة البيانات. في المتوسط ​​المتحرك لمدة 4 أشهر، يمثل كل شهر 25 من المتوسط ​​المتحرك. عند استخدام التاريخ الطلب على الطلب الطلب في المستقبل (وخاصة الاتجاه المستقبلي)، منطقي أن يأتي إلى الاستنتاج الذي تريد المزيد من التاريخ الحديث أن يكون لها تأثير أكبر على توقعاتك. يمكننا تكييف حسابنا المتوسط ​​المتحرك لتطبيق مختلف الأوزان لكل فترة للحصول على النتائج المرجوة. نحن نعبر عن هذه الأوزان كنسب مئوية، ويجب أن يصل مجموع جميع الأوزان لجميع الفترات إلى 100. ولذلك، إذا قررنا أن نطبق 35 كوزن لأقرب فترة في المتوسط ​​المتحرك المرجح لمدة 4 أشهر، يمكننا طرح 35 من 100 لإيجاد لدينا 65 المتبقية لتقسيم على مدى 3 فترات أخرى. على سبيل المثال، قد ينتهي بنا الأمر بترجيح 15 و 20 و 30 و 35 على التوالي للأشهر الأربعة (15 20 30 35 100). تجانس الأسي. إذا عدنا إلى مفهوم تطبيق الوزن على آخر فترة (مثل 35 في المثال السابق) ونشر الوزن المتبقي (محسوبا بطرح أحدث وزن فترة 35 من 100 للحصول على 65)، لدينا اللبنات الأساسية لدينا حساب الأسي تمهيد. وتعرف مدخلات التحكم في حساب التجانس الأسي كعامل التمهيد (الذي يطلق عليه أيضا ثابت التجانس). وهي تمثل أساسا الترجيح المطبق على أحدث فترات الطلب. لذلك، حيث استخدمنا 35 كوزن لآخر فترة في حساب المتوسط ​​المتحرك المرجح، يمكننا أيضا اختيار استخدام 35 كعامل تمهيد في حساب التجانس الأسي للحصول على تأثير مماثل. الفرق مع حساب تمهيد الأسي هو أنه بدلا من أن علينا أيضا معرفة مقدار الوزن لتطبيقه على كل فترة سابقة، يتم استخدام عامل التمهيد للقيام بذلك تلقائيا. حتى يأتي هنا الجزء الأسي. إذا استخدمنا 35 كعامل تمهيد، فإن ترجيح آخر طلب للفترات سيكون 35. ترجيح آخر طلب للفترات الأخيرة (الفترة قبل آخر) سيكون 65 من 35 (65 يأتي من طرح 35 من 100). وهذا يعادل 22.75 الترجيح لتلك الفترة إذا كنت تفعل الرياضيات. وسيكون الطلب التالي للفترات الأخيرة 65 من 65 من 35، وهو ما يعادل 14.79. وستتم ترجيح الفترة السابقة لذلك على أنها 65 من 65 من 65 من 35، أي ما يعادل 9.61، وما إلى ذلك. وهذا يسير مرة أخرى من خلال كل ما تبذلونه من فترات السابقة على طول الطريق إلى بداية الوقت (أو النقطة التي كنت بدأت باستخدام تمهيد الأسي لهذا البند معين). ربما كنت تفكر في أن تبدو وكأنها الكثير من الرياضيات. ولكن جمال حساب التجانس الأسي هو أنه بدلا من الاضطرار إلى إعادة حساب مقابل كل فترة سابقة في كل مرة تحصل على طلب فترات جديدة، يمكنك ببساطة استخدام الإخراج من حساب تمهيد الأسي من الفترة السابقة لتمثيل جميع الفترات السابقة. هل أنت الخلط حتى هذا وسوف تجعل أكثر منطقية عندما ننظر إلى الحساب الفعلي عادة نشير إلى إخراج حساب تمهيد الأسي كما توقعات الفترة المقبلة. في الواقع، فإن التوقعات النهائية تحتاج إلى المزيد من العمل، ولكن لأغراض هذا الحساب المحدد، وسوف نشير إليها على أنها التوقعات. حساب التجانس الأسي هو كما يلي: طلب الفترات الأخيرة مضروبا في عامل التمهيد. بلوس أحدث الفترات المتوقعة مضروبة في (واحد ناقص عامل التجانس). D أحدث فترات الطلب S عامل التمهيد ممثلة في شكل عشري (حتى 35 سيتم تمثيلها على أنها 0.35). F أحدث الفترات المتوقعة (ناتج حساب التجانس من الفترة السابقة). أو (على افتراض عامل تمهيد 0.35) (D 0.35) (F 0.65) أنها لا تحصل على أبسط من ذلك بكثير. كما ترون، كل ما نحتاجه من أجل مدخلات البيانات هنا هو أحدث طلب لفترات وأحدث الفترات المتوقعة. نطبق عامل التمهيد (الترجيح) على أحدث الفترات التي تتطلب نفس الطريقة التي نفعلها في حساب المتوسط ​​المتحرك المرجح. ثم نطبق الترجيح المتبقي (1 ناقص عامل التجانس) إلى أحدث الفترات المتوقعة. وبما أن أحدث الفترات المتوقعة تم إنشاؤها بناء على طلب الفترات السابقة وتوقعات الفترات السابقة التي استندت إلى الطلب على الفترة السابقة لذلك والتنبؤ بالفترة السابقة لذلك والذي استند إلى الطلب على الفترة السابقة وتوقعات الفترة السابقة لذلك، التي استندت إلى الفترة السابقة لذلك. حسنا، يمكنك أن ترى كيف يتم تمثيل جميع فترات الفترات السابقة الطلب في الحساب دون العودة فعلا وإعادة حساب أي شيء. وهذا ما دفع شعبية الأولي من التمهيد الأسي. لم يكن ذلك لأنه كان أفضل وظيفة من تمهيد من المتوسط ​​المتحرك المرجح، كان ذلك لأنه كان من الأسهل لحساب في برنامج الكمبيوتر. ولأنك لم تحتاج إلى التفكير في الترجيح لإعطاء الفترات السابقة أو عدد الفترات السابقة التي ستستخدمها، كما تفعل في المتوسط ​​المتحرك المرجح. و، لأنه بدا فقط برودة من المتوسط ​​المتحرك المرجح. في الواقع، يمكن القول بأن المتوسط ​​المتحرك المرجح يوفر مرونة أكبر لأن لديك المزيد من السيطرة على ترجيح الفترات السابقة. الواقع هو إما من هذه يمكن أن توفر نتائج محترمة، فلماذا لا تذهب مع أسهل وأكثر برودة السبر. التمدد الأسي في إكسيل يتيح رؤية كيفية ظهور ذلك في جدول بيانات يحتوي على بيانات حقيقية. نسخ حقوق الطبع والنشر. المحتوى على إنفنتوريوبس محمي بموجب حقوق الطبع والنشر وغير متاح لإعادة النشر. في الشكل 1A، لدينا جدول إكسل مع 11 أسبوعا من الطلب، وتوقعات أملس أضعافا محسوبة من هذا الطلب. إيف استخدم عامل تمهيد 25 (0.25 في الخلية C1). الخلية النشطة الحالية هي الخلية M4 التي تحتوي على توقعات للأسبوع 12. يمكنك أن ترى في شريط الصيغة، والصيغة هي (L3C1) (L4 (1-C1)). لذا فإن المدخلات المباشرة الوحيدة لهذا الحساب هي الطلب على الفترات السابقة (الخلية L3)، وتوقعات الفترات السابقة (الخلية L4)، وعامل التجانس (الخلية C1، الموضحة كمرجع الخلية المطلق C1). عندما نبدأ حساب تمهيد الأسي، نحن بحاجة إلى سد قيمة يدويا للتوقعات 1ST. حتى في الخلية B4، بدلا من الصيغة، ونحن فقط كتب في الطلب من نفس الفترة من التوقعات. في الخلية C4 لدينا لدينا 1 الأسي حساب تمهيد (B3C1) (B4 (1-C1)). يمكننا بعد ذلك نسخ الخلية C4 ولصقه في الخلايا من D4 إلى M4 لملء بقية الخلايا توقعاتنا. يمكنك الآن انقر نقرا مزدوجا فوق على أي خلية توقعات لنرى أنه يقوم على الخلية السابقة الفترات المتوقعة وخلايا الطلب فترات السابقة. لذلك كل حساب تمهيد الأسي اللاحقة يرث الإخراج من حساب التجانس الأسي السابق. ولكيف يتم تمثيل كل طلب فترات سابقة في حساب الفترات الأخيرة على الرغم من أن هذا الحساب لا يشير مباشرة إلى تلك الفترات السابقة. إذا كنت ترغب في الحصول على الهوى، يمكنك استخدام إكسيلز تتبع السوابق وظيفة. للقيام بذلك، انقر فوق الخلية M4، ثم على شريط الأدوات الشريط (إكسيل 2007 أو 2010) انقر فوق علامة التبويب الصيغ، ثم انقر فوق تتبع السوابق. فإنه سيتم رسم خطوط الموصل إلى المستوى الأول من السوابق، ولكن إذا كنت الاستمرار في النقر تتبع السوابق فإنه سيتم رسم خطوط موصل لجميع الفترات السابقة لتظهر لك العلاقات الموروثة. الآن دعونا نرى ما تمهيد الأسي لم بالنسبة لنا. ويبين الشكل 1B مخطط خطي لطلبنا والتوقعات. أنت ترى كيف أن التوقعات الملساء أضعافا يزيل معظم الخدش (القفز حول) من الطلب الأسبوعي، ولكن لا يزال يدير لمتابعة ما يبدو أن الاتجاه التصاعدي في الطلب. ويلاحظ أيضا أن خط التنبؤ ممهدة يميل إلى أن يكون أقل من خط الطلب. هذا هو المعروف باسم تأخر الاتجاه و هو تأثير جانبي لعملية تمهيد. في أي وقت كنت تستخدم تمهيد عندما يكون الاتجاه الحالي توقعاتك سوف تتخلف عن الاتجاه. هذا صحيح لأي تقنية تمهيد. في الواقع، إذا كان لنا أن نستمر في جدول البيانات هذا وبدء إدخال أرقام الطلب المنخفض (مما يجعل الاتجاه الهابط) سترى انخفاض خط الطلب، وخط الاتجاه التحرك فوقه قبل البدء في اتباع الاتجاه النزولي. ولهذا السبب سبق أن ذكرت الإخراج من حساب تمهيد الأسي الذي نسميه توقعات، لا يزال يحتاج الى مزيد من العمل. هناك الكثير للتنبؤ من مجرد تمهيد المطبات في الطلب. نحن بحاجة إلى إجراء تعديلات إضافية لأشياء مثل تأخر الاتجاه، والموسمية، والأحداث المعروفة التي قد تؤثر الطلب، وما إلى ذلك ولكن كل ما هو أبعد من نطاق هذه المادة. ومن المحتمل أن تتعامل أيضا مع مصطلحات مثل التجانس المزدوج الأسي والتجانس الثلاثي الأسي. هذه المصطلحات هي مضللة بعض الشيء لأنك لا إعادة تمهيد الطلب عدة مرات (هل يمكن إذا كنت تريد، ولكن هذا ليس نقطة هنا). وتمثل هذه المصطلحات استخدام التمهيد الأسي للعناصر الإضافية للتنبؤات. حتى مع تمهيد الأسي بسيط، كنت تمهيد الطلب قاعدة، ولكن مع تجانس مزدوج الأسي كنت تمهيد الطلب قاعدة بالإضافة إلى الاتجاه، ومع تمهيد الثلاثي الأسي كنت تمهيد الطلب الأساسي بالإضافة إلى الاتجاه بالإضافة إلى الموسمية. السؤال الآخر الأكثر شيوعا حول تمهيد الأسي هو أين يمكنني الحصول على عامل تجانس بلدي ليس هناك إجابة السحرية هنا، تحتاج إلى اختبار مختلف العوامل تمهيد مع بيانات الطلب الخاص بك لمعرفة ما يحصل لك أفضل النتائج. هناك حسابات التي يمكن تلقائيا تعيين (وتغيير) عامل تمهيد. هذه تقع تحت مصطلح التجانس التكيف، ولكن عليك أن تكون حذرا معهم. ببساطة لا يوجد إجابة كاملة ويجب أن لا تنفذ بشكل أعمى أي حساب دون اختبار شامل وتطوير فهم دقيق لما يفعله هذا الحساب. يجب عليك أيضا تشغيل سيناريوهات ماذا لو لرؤية كيف تتفاعل هذه الحسابات مع التغييرات التي قد لا توجد حاليا في بيانات الطلب التي تستخدمها للاختبار. مثال البيانات الذي استخدمته سابقا هو مثال جيد جدا على الوضع الذي تحتاج فيه حقا لاختبار بعض السيناريوهات الأخرى. ويظهر مثال البيانات المعين هذا اتجاها تصاعديا متسقا إلى حد ما. فالكثير من الشركات الكبيرة التي لديها برامج تنبؤات باهظة الثمن حصلت على مشاكل كبيرة في الماضي غير البعيد عندما لم تكن إعدادات البرامج التي تم تعديلها لاقتصاد متنام تتفاعل بشكل جيد عندما بدأ الاقتصاد في الركود أو الانكماش. أشياء مثل هذا يحدث عندما كنت لا تفهم ما الحسابات الخاصة بك (البرمجيات) هو في الواقع. إذا فهموا نظام التنبؤ بهم، كانوا قد عرفوا أنهم بحاجة إلى القفز في وتغيير شيء عندما كانت هناك تغييرات مفاجئة مفاجئة في أعمالهم. لذلك هناك يكون لديك أساسيات الأسس تمهيد شرح. تريد أن تعرف المزيد عن استخدام التجانس الأسي في التنبؤ الفعلي، تحقق من كتابي شرح إدارة المخزون. نسخ حقوق الطبع والنشر. المحتوى على إنفنتوريوبس محمي بموجب حقوق الطبع والنشر وغير متاح لإعادة النشر. ديف بياسيكي. هو أونيروبيراتور من جرد العمليات استشارات ليك. وهي شركة استشارية تقدم الخدمات المتعلقة بإدارة المخزون، ومناولة المواد، وعمليات المستودعات. لديه أكثر من 25 عاما من الخبرة في إدارة العمليات ويمكن الوصول إليه من خلال موقعه على الانترنت (إنفنتوريوبس)، حيث يحافظ على معلومات إضافية ذات صلة. أعمالي