การย้าย ค่าเฉลี่ย กรอง การใช้งาน

ค่าเฉลี่ยเคลื่อนที่เป็นตัวกรองค่าเฉลี่ยเคลื่อนที่มักใช้สำหรับการทำให้ข้อมูลมีความราบรื่นในที่ที่มีเสียงรบกวน ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายไม่ได้รับการยอมรับว่าเป็นตัวกรองฟิลลิ่งอิมพัลส์ตอบ (FIR) ในขณะที่เป็นหนึ่งในตัวกรองที่พบมากที่สุดในการประมวลผลสัญญาณ การรักษาด้วยฟิลเตอร์ช่วยให้สามารถเปรียบเทียบได้เช่นตัวกรอง windowed-sinc (ดูบทความเกี่ยวกับ low-pass high-pass และตัวกรอง band-pass และ band-reject สำหรับตัวอย่าง) ความแตกต่างสำคัญกับตัวกรองเหล่านี้คือค่าเฉลี่ยเคลื่อนที่เหมาะสำหรับสัญญาณที่มีข้อมูลที่เป็นประโยชน์ในโดเมนเวลา ซึ่งการวัดความเรียบโดยการเฉลี่ยเป็นตัวอย่างที่สำคัญ ตัวกรอง Windowed-sinc เป็นอีกทางเลือกหนึ่งที่มีประสิทธิภาพสูงในโดเมนความถี่ ด้วยการปรับเสียงในการประมวลผลเสียงเป็นตัวอย่างทั่วไป มีการเปรียบเทียบประเภทของตัวกรองทั้งสองประเภทในโดเมนเวลากับประสิทธิภาพของโดเมนความถี่ของตัวกรอง หากคุณมีข้อมูลที่ทั้งเวลาและโดเมนความถี่มีความสำคัญคุณอาจต้องการดูรูปแบบต่างๆใน Moving Average ซึ่งแสดงจำนวนรุ่นถ่วงน้ำหนักของค่าเฉลี่ยเคลื่อนที่ที่ดีกว่าที่ ค่าเฉลี่ยเคลื่อนที่ของความยาว (N) สามารถกำหนดเป็นลายลักษณ์อักษรได้ตามปกติโดยใช้ตัวอย่างการส่งออกปัจจุบันเป็นค่าเฉลี่ยของตัวอย่างก่อนหน้า (N) ค่าเฉลี่ยเคลื่อนที่จะมีการสลับของลำดับการป้อนข้อมูล (xn) กับชีพจรรูปสี่เหลี่ยมผืนผ้าที่มีความยาว (N) และความสูง (1N) (เพื่อทำให้พื้นที่ของชีพจรและจากนั้นได้รับการกรอง , หนึ่ง) ในทางปฏิบัติที่ดีที่สุดคือใช้ (N) แปลก แม้ว่าค่าเฉลี่ยเคลื่อนที่สามารถคำนวณได้โดยใช้จำนวนคู่ตัวอย่างโดยใช้ค่าแปลก ๆ สำหรับ (N) มีข้อได้เปรียบที่ความล่าช้าของตัวกรองจะเป็นจำนวนเต็มจำนวนตัวอย่างเนื่องจากความล่าช้าของตัวกรองด้วย (N) ตัวอย่างคือ (N-1) 2) ค่าเฉลี่ยเคลื่อนที่สามารถจัดตำแหน่งให้ตรงกับข้อมูลเดิมโดยการขยับโดยจำนวนเต็มจำนวนตัวอย่าง Time Domain เนื่องจากค่าเฉลี่ยเคลื่อนที่เป็นสวิทซ์ที่มีชีพจรรูปสี่เหลี่ยมผืนผ้าการตอบสนองต่อความถี่เป็นฟังก์ชัน sinc นี้ทำให้สิ่งที่ต้องการคู่ของตัวกรอง windowed sinc เนื่องจากเป็น convolution กับชีพจร sinc ที่ทำให้เกิดการตอบสนองความถี่เป็นรูปสี่เหลี่ยมผืนผ้า เป็นการตอบสนองความถี่ sinc ที่ทำให้ค่าเฉลี่ยเคลื่อนที่มีประสิทธิภาพต่ำในโดเมนความถี่ อย่างไรก็ตามจะทำงานได้ดีในโดเมนเวลา ดังนั้นจึงเหมาะที่จะทำข้อมูลให้ราบรื่นเพื่อขจัดเสียงรบกวนในขณะเดียวกันยังทำให้การตอบสนองต่อขั้นตอนอย่างรวดเร็ว (รูปที่ 1) สำหรับตัวอย่างเสียงแบบ Gaussian Noise (AWGN) ทั่วไปซึ่งมักจะสันนิษฐานโดยค่าเฉลี่ย (N) ตัวอย่างจะมีผลต่อการเพิ่ม SNR ด้วยปัจจัย (sqrt N) เนื่องจากเสียงสำหรับแต่ละตัวอย่างไม่มีความสัมพันธ์กันไม่มีเหตุผลที่จะปฏิบัติต่อแต่ละตัวอย่างแตกต่างกัน ดังนั้นค่าเฉลี่ยเคลื่อนที่ซึ่งจะทำให้แต่ละตัวอย่างมีน้ำหนักเท่ากันจึงจะสามารถกำจัดเสียงรบกวนได้สูงสุดสำหรับความคมชัดในการตอบสนองขั้นตอนที่กำหนด การดำเนินการเนื่องจากเป็นตัวกรอง FIR ค่าเฉลี่ยเคลื่อนที่สามารถนำมาใช้งานผ่านการบิด จากนั้นจะมีประสิทธิภาพเท่ากัน (หรือไม่มี) เช่นเดียวกับตัวกรอง FIR อื่น ๆ อย่างไรก็ตามสามารถนำมาใช้ซ้ำได้อย่างมีประสิทธิภาพ สูตรนี้เป็นผลมาจากนิพจน์สำหรับ (yn) และ (yn1) นั่นคือเมื่อเราสังเกตว่าการเปลี่ยนแปลงระหว่าง (yn1) และ (yn) คือคำว่าพิเศษ (xn1N) ปรากฏขึ้นที่ สิ้นสุดขณะที่คำ (xn-N1N) ถูกลบออกจากจุดเริ่มต้น ในทางปฏิบัติมักเป็นไปได้ที่จะออกไปหารด้วย (N) สำหรับแต่ละระยะโดยการชดเชยผลกำไรของ (N) ในที่อื่น การใช้งานแบบรีสตาร์ทนี้จะเร็วกว่า convolution แต่ละค่าใหม่ของ (y) สามารถคำนวณได้ด้วยการเพิ่มเพียงสองแบบแทนการเพิ่ม (N) ที่จำเป็นสำหรับการใช้คำจำกัดความที่ตรงไปตรงมา สิ่งหนึ่งที่มองออกไปด้วยการใช้งานแบบวนซ้ำคือข้อผิดพลาดในการปัดเศษจะสะสม ปัญหานี้อาจเป็นปัญหาสำหรับแอพพลิเคชันของคุณ แต่ก็หมายความว่าการใช้งานแบบรีสตาร์ทนี้จะทำงานได้ดีกว่าด้วยการใช้จำนวนเต็มมากกว่าที่มีเลขทศนิยม นี่เป็นเรื่องผิดปกติมากเนื่องจากการใช้งาน floating point มักจะง่ายกว่า ข้อสรุปของสิ่งนี้คือคุณไม่ควรประมาทประโยชน์ของตัวกรองค่าเฉลี่ยที่เคลื่อนที่ง่ายในการประมวลผลสัญญาณ เครื่องมือออกแบบตัวกรองบทความนี้ประกอบขึ้นด้วยเครื่องมือการออกแบบตัวกรอง ทดลองกับค่าที่แตกต่างกันสำหรับ (N) และให้เห็นภาพตัวกรองที่เป็นผลลัพธ์ ลองใช้ตอนนี้ข้อมูลเบื้องต้นเกี่ยวกับตัวกรองของ FIR 1.1 อะไรคือตัวกรอง quotFIR ตัวกรอง FIR คือตัวกรองดิจิตอลหลักสองประเภทที่ใช้ในแอ็พพลิเคชันการประมวลผลสัญญาณดิจิทัล (DSP) ซึ่งเป็นประเภท IIR 1.2 quotFIRquot หมายถึงอะไร quotID หมายถึง quotFinite Impulse Responsequot ถ้าคุณใส่แรงกระตุ้นนั่นคือตัวอย่าง quot1quot เดียวตามด้วยตัวอย่าง quot0quot จำนวนมาก zeroes จะออกมาหลังจากที่ตัวอย่าง quot1quot ได้ผ่านทางสายการหน่วงเวลาของตัวกรองแล้ว 1.3 ในกรณีทั่วไปการตอบสนองของอิมพัลซ์มีข้อ จำกัด เนื่องจากไม่มีข้อเสนอแนะใด ๆ ใน FIR การขาดข้อเสนอแนะรับประกันได้ว่าการตอบสนองต่อแรงกระตุ้นจะมี จำกัด เพราะฉะนั้นคำว่า terminfin finituite responsequot เกือบจะตรงกันกับ quotno feedbackquot อย่างไรก็ตามหากมีการตอบรับ แต่การตอบสนองของอิมพัลซ์ก็มี จำกัด ฟิลเตอร์ยังคงเป็น FIR ตัวอย่างคือตัวกรองค่าเฉลี่ยเคลื่อนที่ซึ่งตัวอย่างก่อนหน้า Nth ถูกหักออก (ป้อนกลับ) ทุกครั้งที่มีตัวอย่างใหม่เข้ามาตัวกรองนี้มีการตอบสนองต่อแรงกระตุ้น จำกัด แม้ว่าจะใช้ข้อมูลย้อนกลับ: หลังจากตัวอย่าง N ของแรงกระตุ้นเอาท์พุท จะเป็นศูนย์ 1.4 ฉันจะออกเสียง quotFIRquot บางคนบอกว่าตัวอักษร F-I-R คนอื่นออกเสียงว่าเป็นชนิดของต้นไม้ เราชอบต้นไม้มากกว่า (สิ่งที่แตกต่างคือคุณพูดถึงตัวกรอง F-I-R หรือตัวกรอง FIR) 1.5 ตัวกรองอื่น ๆ ที่เป็นทางเลือกของ FIR ฟิลเตอร์ DSP ยังสามารถเป็นอินวอยซ์อิมพัลส์ตอบสนอง (IIR) (ดูคำถามที่พบบ่อย dspGurus IIR) ตัวกรอง IIR ใช้ข้อเสนอแนะดังนั้นเมื่อคุณป้อนแรงกระตุ้นผลตามทฤษฎีดังขึ้นเรื่อย ๆ 1.6 ฟิลเตอร์ FIR เปรียบเทียบตัวกรอง IIR อย่างไรแต่ละข้อมีข้อดีและข้อเสีย โดยรวมแล้วแม้ว่าข้อดีของตัวกรอง FIR มีมากกว่าข้อเสียดังนั้นจึงมีการใช้งานมากกว่า IIRs 1.6.1 อะไรคือข้อดีของ FIR Filters (เทียบกับตัวกรอง IIR) เมื่อเทียบกับตัวกรอง IIR ตัวกรอง FIR มีข้อดีดังต่อไปนี้: พวกเขาสามารถออกแบบมาให้เป็นแบบไม่มีเงื่อนไข (โดยปกติจะเป็น) ใส่เพียงกรองเชิงเส้นเฟสล่าช้าสัญญาณขาเข้า แต่ donrsquot บิดเบือนระยะของ ใช้งานง่าย สำหรับไมโครโปรเซสเซอร์ DSP ส่วนใหญ่การคำนวณ FIR สามารถทำได้โดยการวนรอบคำสั่งเดียว เหมาะกับงานหลายอัตรา โดยอัตราหลายอัตราเราหมายถึง quotdecimationquot (ลดอัตราการสุ่มตัวอย่าง), quotinterpolationquot (เพิ่มอัตราการสุ่มตัวอย่าง) หรือทั้งสองอย่าง ไม่ว่าจะเป็นการ decimating หรือ interpolating การใช้ฟิลเตอร์ FIR ช่วยให้การคำนวณบางส่วนสามารถละเว้นได้ดังนั้นจึงให้ประสิทธิภาพในการคำนวณที่สำคัญ ในทางตรงกันข้ามถ้าใช้ตัวกรอง IIR เอาต์พุตแต่ละรายการจะต้องได้รับการคำนวณเป็นรายบุคคลแม้ว่าจะมีการส่งออกเอาต์พุต (ดังนั้นข้อเสนอแนะจะรวมอยู่ในตัวกรอง) มีคุณสมบัติเป็นตัวเลขที่ต้องการได้ ในทางปฏิบัติตัวกรอง DSP ทั้งหมดจะต้องดำเนินการโดยใช้คณิตศาสตร์ที่มีความแม่นยำแน่นอนนั่นคือบิตจำนวน จำกัด การใช้เครื่องคำนวณแบบ จำกัด แน่นอนในตัวกรอง IIR อาจทำให้เกิดปัญหาที่สำคัญอันเนื่องมาจากการใช้ข้อเสนอแนะ แต่ตัวกรอง FIR ที่ไม่มีข้อเสนอแนะสามารถใช้งานได้โดยใช้บิตน้อยลงและนักออกแบบมีปัญหาในทางปฏิบัติน้อยกว่าในการแก้ปัญหาเกี่ยวกับการคำนวณทางคณิตศาสตร์ที่ไม่เหมาะ สามารถประยุกต์ใช้เลขคณิตเศษส่วนได้ ซึ่งแตกต่างจากตัวกรอง IIR ก็มักจะเป็นไปได้ที่จะใช้ตัวกรอง FIR โดยใช้ค่าสัมประสิทธิ์ที่มีขนาดน้อยกว่า 1.0 (กำไรโดยรวมของฟิลเตอร์ FIR สามารถปรับเปลี่ยนได้ที่ผลลัพธ์ถ้าต้องการ) นี่เป็นข้อพิจารณาที่สำคัญเมื่อใช้ DSP แบบจุดคงที่เนื่องจากทำให้การใช้งานง่ายขึ้น 1.6.2 ข้อเสียของฟิลเตอร์ FIR (เทียบกับตัวกรอง IIR) เมื่อเทียบกับตัวกรอง IIR ตัวกรอง FIR บางครั้งอาจมีข้อเสียที่ต้องใช้การคำนวณหน่วยความจำและหน่วยความจำมากขึ้นเพื่อให้ได้ลักษณะการตอบสนองของตัวกรองที่กำหนด นอกจากนี้การตอบสนองบางอย่างยังไม่สามารถใช้กับตัวกรอง FIR ได้ 1.7 ข้อที่ใช้ในการอธิบายตัวกรอง FIR การตอบสนองต่ออิมพัลส์ - การตอบสนองต่อราคาของฟิลเตอร์ FIR เป็นเพียงชุดของค่าสัมประสิทธิ์ของ FIR เท่านั้น (ถ้าคุณใส่ quotimplusequot ลงในตัวกรอง FIR ซึ่งประกอบด้วยตัวอย่าง quot1quot ตามตัวอย่าง quot0quot จำนวนมากผลลัพธ์ของตัวกรองจะเป็นชุดค่าสัมประสิทธิ์เนื่องจากตัวอย่าง 1 ตัวเคลื่อนที่ผ่านแต่ละค่าสัมประสิทธิ์ในทางกลับกันเพื่อสร้างผลลัพธ์) แตะ - quottapquot FIR เป็นเพียงคู่ coefficientdelay จำนวนของ FIR taps, (มักเรียกว่า quotNquot) เป็นข้อบ่งชี้ของ 1) จำนวนหน่วยความจำที่จำเป็นในการใช้ตัวกรอง, 2) จำนวนการคำนวณที่ต้องการ, และ 3) จำนวนการกรองที่ต้องการตัวกรองสามารถทำผล, (MAC) - ในบริบท FIR, quotMACquot คือการดำเนินงานของการคูณค่าสัมประสิทธิ์โดยตัวอย่างข้อมูลล่าช้าที่สอดคล้องกันและสะสมผลลัพธ์ FIR มักต้องใช้ MAC หนึ่งตัวต่อการแตะ ไมโครโพรเซสเซอร์ DSP ส่วนใหญ่ใช้การดำเนินการ MAC ในรอบการสอนเดียว Transition Band - แถบความถี่ระหว่างแถบความถี่ passband และ stopband แถบการเปลี่ยนที่แคบยิ่งต้องใช้ก๊อกมากขึ้นในการใช้ตัวกรอง (แถบผลการแปลง quotsmallquot ส่งผลให้เกิดตัวกรอง quotsharpquot) Delay Line - ชุดของหน่วยความจำที่ใช้องค์ประกอบ delay delay ของ quotZ-1quot ของการคำนวณ FIR บัฟเฟอร์แบบวงกลม - บัฟเฟอร์พิเศษซึ่งเป็นส่วนข้อศอกเนื่องจากการเพิ่มทีละตอนทำให้มันห่อหุ้มรอบจุดเริ่มต้นหรือเนื่องจากการลดลงจากจุดเริ่มต้นทำให้มันห่อหุ้มไปมาจนสุด บัฟเฟอร์แบบวงกลมมักมีให้โดยไมโครโพรเซสเซอร์ DSP เพื่อใช้ชุดคำสั่งซื้อของตัวอย่างผ่านสายการผลิต FIR โดยไม่ต้องย้ายข้อมูลในหน่วยความจำอย่างแท้จริง เมื่อตัวอย่างใหม่ถูกเพิ่มลงในบัฟเฟอร์โดยอัตโนมัติจะแทนที่คำแนะนำที่เก่าที่สุดคำแนะนำง่ายๆสำหรับการใช้ค่าเฉลี่ยเคลื่อนที่ที่นิยมใน Forex คุณสามารถใช้ค่าเฉลี่ยเคลื่อนที่ที่เป็นที่นิยมได้อย่างไรทำให้ทุกอย่างง่ายที่สุด แต่ไม่ง่าย หลังจากหลายปีของการซื้อขายคุณต้องกดยากที่จะหาตัวบ่งชี้ที่เรียบง่ายหรือมีประสิทธิภาพเป็นค่าเฉลี่ยเคลื่อนที่ การย้ายค่าเฉลี่ยใช้ชุดข้อมูลที่กำหนดและให้ราคาเฉลี่ย หากค่าเฉลี่ยมีการเคลื่อนไหวสูงขึ้นราคาจะอยู่ในขาขึ้นในกรอบเวลาอย่างน้อยหนึ่งช่วงหรืออาจเป็นไปได้ ทำไมค่าเฉลี่ยเคลื่อนที่เป็นที่นิยมสร้างขึ้นโดยไทเลอร์เยล, CMT ค่าเฉลี่ยเคลื่อนที่มีความง่ายในการใช้งานและสามารถมีประสิทธิภาพในการตระหนักถึงสภาพแวดล้อมที่มีแนวโน้มสูงหรือแก้ไขเพื่อให้คุณสามารถวางตำแหน่งที่ดีขึ้นสำหรับการย้ายครั้งต่อไป ผู้ค้ามักใช้ค่าเฉลี่ยเคลื่อนที่มากกว่าหนึ่งค่าเนื่องจากค่าเฉลี่ยเคลื่อนที่สองค่าสามารถถือเป็นเทรนด์เทรนด์ได้ กล่าวอีกนัยหนึ่งเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเหนือค่าเฉลี่ยเคลื่อนที่ช้าลงเช่นเดียวกับกลยุทธ์ดักลายนิ้วมือสัญญาณซื้อจะถูกสร้างขึ้นจนกว่าค่าเฉลี่ยเคลื่อนที่จะกลับหรือคุณทำตามเป้าหมายกำไรของคุณ หนึ่งคำเตือน: itrsquos ดีที่สุดที่จะติดกับค่าเฉลี่ยเคลื่อนที่ไม่กี่เฉพาะ วิธีนี้จะช่วยป้องกันไม่ให้คุณพยายามค้นหา ldquoperfect moving averagerdquo และให้คุณทราบว่ามีแนวโน้มที่จะเริ่มเร่งหรือชะลอตัวลงหรือไม่ ค่าเฉลี่ยเคลื่อนที่ที่ฉันใช้บ่อยคือ 8, 21, 55 สำหรับตัวทริกเกอร์การค้าและ 100 หรือ 200 สำหรับตัวกรองแนวโน้มที่ชัดเจน ค่าเฉลี่ยเคลื่อนที่เหล่านี้มักใช้โดยธนาคารเพื่อการลงทุนอย่างไรก็ตาม 100 แอมป์ 200 ใช้กันอย่างแพร่หลาย ค่าเฉลี่ยเคลื่อนที่ที่สั้นลงจะขึ้นอยู่กับความชอบและจำนวนสัญญาณที่คุณต้องการในการซื้อขาย การใช้ค่าเฉลี่ยเคลื่อนที่การเคลื่อนไหวค่าเฉลี่ยมักเป็นตัวบ่งชี้แรกที่ผู้ค้ารายใหม่นำมาใช้และมีเหตุผลที่ดี ช่วยให้คุณกำหนดแนวโน้มและรายการที่เป็นไปได้ในทิศทางของแนวโน้ม อย่างไรก็ตามค่าเฉลี่ยเคลื่อนที่จะถูกใช้โดยผู้จัดการกองทุนผู้ลงทุนในการวิเคราะห์เพื่อดูว่าตลาดใกล้จะได้รับการสนับสนุนหรือต่อต้านหรืออาจกลับรายการหลังจากช่วงเวลาสำคัญ ๆ หรือไม่ GBPUSD ซื้อขายเหนือ 200 DMA เป็นเวลา 261 วันแสดงแผนภูมิความอ่อนเพลียที่สร้างโดย Tyler Yell, CMT ค่าเฉลี่ยเคลื่อนที่สามารถเป็นเครื่องมือง่ายๆในการกำหนดการสนับสนุนและความต้านทานในตลาด FX เมื่อตลาดมีแนวโน้มแข็งแกร่งขึ้นการขึ้นลงของค่าเฉลี่ยเคลื่อนที่เช่นการตีกลับ 200 dma ในแผนภูมิ GBPUSD ด้านบนอาจเป็นโอกาสสำคัญในการเข้าร่วมแนวโน้มจนกว่าราคาจะปิดลงที่ 200 dma อย่างไรก็ตามหากราคายังคงเคลื่อนไหวเหนือและต่ำกว่าค่าเฉลี่ยเคลื่อนที่ในช่วงเวลาสั้น ๆ คุณอาจมีแนวโน้มเป็นไปในช่วงและการกลับรายการดังกล่าวไม่น่าเป็นนัยสำคัญจากมุมมองการซื้อขาย คุณสามารถใช้ค่าเฉลี่ยเคลื่อนที่ที่เป็นที่นิยมได้มีการใช้ค่าเฉลี่ยเคลื่อนที่หลายวิธี แต่ระบบง่ายๆคือมองข้ามค่าเฉลี่ยเคลื่อนที่ ครอสโอเวอร์เฉลี่ยเคลื่อนที่มองหาค่าเฉลี่ยเคลื่อนที่สั้นหรือสั้นกว่าเพื่อข้ามเส้นค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นหรือเคลื่อนไหวช้าลงเป็นสัญญาณซื้อ เมื่อต้องการขายสกุลเงินคู่คุณสามารถหาค่าเฉลี่ยเคลื่อนที่สั้นหรือสั้นกว่าเพื่อข้ามด้านล่างเป็นค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นหรือช้าลงเป็นสัญญาณขาย AUDUSD ได้แสดงให้เห็นถึงการเคลื่อนไหวที่สะอาดรอบ ๆ 21 amp 55-dma Chart สร้างโดย Tyler Yell, CMT เมื่อมองหาการใช้ค่าเฉลี่ยเคลื่อนที่ค่าความสามารถในการควบคุมความเสี่ยงขาลงจะเป็นตัวกำหนดความสำเร็จของคุณ Itrsquos สำคัญที่ต้องทราบว่าตลาดที่เคยมีแนวโน้มไปด้วยสัญญาณเฉลี่ยที่ชัดเจนในการเคลื่อนที่ไปยังช่วงที่มีสัญญาณรบกวนมากกว่าสัญญาณ หากคุณพอใจกับค่าเฉลี่ยเคลื่อนที่โดยเฉพาะคุณสามารถวิเคราะห์และทำการค้าสัปดาห์ตลาด FX ในและนอกสัปดาห์อย่างรอบคอบ --- เขียนโดย Tyler Yell, Trading Instructor สนใจใน Analysts ของเราดูดีที่สุดในตลาดหลักตรวจสอบคู่มือการค้าของเราฟรีที่นี่ DailyFX ให้ข่าว forex และการวิเคราะห์ทางเทคนิคเกี่ยวกับแนวโน้มที่มีอิทธิพลต่อตลาดสกุลเงินทั่วโลกเฉลี่ยเฉลี่ยใน R ให้ดีที่สุด ความรู้ของฉัน R ไม่มีฟังก์ชันในตัวในการคำนวณค่าเฉลี่ยเคลื่อนที่ อย่างไรก็ตามการใช้ฟังก์ชันการกรองเราสามารถเขียนฟังก์ชันสั้น ๆ สำหรับค่าเฉลี่ยเคลื่อนที่ได้จากนั้นเราสามารถใช้ฟังก์ชันนี้กับข้อมูลใดก็ได้: mav (data) หรือ mav (ข้อมูล 11) ถ้าเราต้องการระบุจุดข้อมูลจำนวนอื่น มากกว่า 5 ล็อตแรกที่วางแผนไว้: plot (mav (data)) นอกเหนือจากจำนวนจุดข้อมูลซึ่งค่าเฉลี่ยแล้วเรายังสามารถเปลี่ยนอาร์กิวเมนต์ด้านข้างของฟังก์ชันตัวกรองได้ด้วย: sides2 ใช้ทั้งสองด้าน sides1 ใช้ค่าที่ผ่านมาเท่านั้น แชร์สิ่งนี้: นำทางโพสต์