ศูนย์กลางการ เคลื่อนไหว ค่าเฉลี่ย คำนวณ

เมื่อคำนวณค่าเฉลี่ยเคลื่อนที่ที่ใช้งานอยู่การวางค่าเฉลี่ยในช่วงเวลากลางหมายความว่าในตัวอย่างก่อนหน้านี้เราคำนวณค่าเฉลี่ยของช่วงเวลา 3 ช่วงแรกและวางไว้ข้างงวด 3 เราสามารถวางค่าเฉลี่ยในช่วงกลางของ ช่วงเวลาสามช่วงคือถัดจากช่วงเวลา 2 ซึ่งทำงานได้ดีกับช่วงเวลาแปลก ๆ แต่ไม่ค่อยดีเท่าช่วงเวลาที่เท่ากัน เราจะวางค่าเฉลี่ยเคลื่อนที่ครั้งแรกเมื่อ M 4 ในทางเทคนิคค่า Moving Average จะลดลงที่ 2.5, 3.5 เพื่อหลีกเลี่ยงปัญหานี้เราจะราบรื่นขึ้นโดยใช้ M 2 ดังนั้นเราจึงเรียบค่าที่ราบเรียบหากเราเฉลี่ยจำนวนแม้แต่ของเงื่อนไขเราต้องเรียบค่าเรียบตารางต่อไปนี้แสดงผลโดยใช้ M 4.David ใช่ MapReduce เป็น ตั้งใจทำงานบนข้อมูลจำนวนมาก และแนวคิดก็คือโดยทั่วไปแล้วแผนที่และฟังก์ชันลดไม่ควรดูแลผู้จัดทำแผนที่หรือลดจำนวนที่มีอยู่นั่นเองการเพิ่มประสิทธิภาพเพียงอย่างเดียวนั่นแหละ ถ้าคุณคิดอย่างรอบคอบเกี่ยวกับอัลกอริทึมที่ฉันโพสต์คุณจะเห็นว่าไม่ใช่เรื่องสำคัญที่ mapper จะได้รับส่วนใดของข้อมูล แต่ละระเบียนอินพุตจะพร้อมใช้งานสำหรับทุกๆการทำงานที่ต้องการ ndash Joe K 18 กันยายน 2012 เวลา 22:30 ในความเข้าใจที่ดีที่สุดของฉันเฉลี่ยเคลื่อนที่ไม่ได้เป็นอย่างดีแผนที่กับกระบวนทัศน์ MapReduce ตั้งแต่การคำนวณของมันเป็นหลักเลื่อนหน้าต่างไปเรียงลำดับข้อมูลในขณะที่ MR คือการประมวลผลของช่วงที่ไม่ใช่ intersected ของข้อมูลที่เรียงลำดับ โซลูชันที่ฉันเห็นมีดังต่อไปนี้ก) การใช้พาร์ติชันที่กำหนดเองเพื่อให้สามารถทำพาร์ติชันที่แตกต่างกันสองแบบในสองรัน ในการทำงานแต่ละครั้ง reducers ของคุณจะได้รับช่วงข้อมูลที่แตกต่างกันและคำนวณค่าเฉลี่ยเคลื่อนที่ที่เหมาะสมที่ฉันจะพยายามแสดงให้เห็น: ในข้อมูลรันครั้งแรกสำหรับ reducers ควรเป็น: R1: Q1, Q2, Q3, Q4 R2: Q5, Q6, Q7, Q8 . ที่นี่คุณจะได้รับค่าเฉลี่ยเคลื่อนที่สำหรับ Qs บางส่วน ในระยะต่อไป reducers ของคุณควรได้รับข้อมูลเช่น: R1: Q1 Q6 R2: Q6 Q10 R3: Q10..Q14 และขจัดส่วนที่เหลือของค่าเฉลี่ยเคลื่อนที่ จากนั้นคุณจะต้องรวมผลการค้นหา ความคิดของพาร์ทิชันแบบกำหนดเองที่จะมีสองโหมดของการทำงาน - แต่ละครั้งแบ่งออกเป็นช่วงที่เท่ากัน แต่มีการเปลี่ยนแปลงบางอย่าง ในเทียมโหนดจะมีลักษณะดังนี้ พาร์ติชัน (keySHIFT) (MAXKEYnumOfPartitions) โดยที่: SHIFT จะถูกนำมาจากการกำหนดค่า MAXKEY ค่าสูงสุดของคีย์ ฉันสันนิษฐานว่าเป็นความเรียบง่ายที่พวกเขาเริ่มต้นด้วยศูนย์ RecordReader, IMHO ไม่ใช่ทางออกเนื่องจากมีข้อ จำกัด ในการแยกเฉพาะและไม่สามารถเลื่อนผ่านขอบเขตการแบ่งแยกได้ อีกวิธีหนึ่งคือการใช้ตรรกะที่กำหนดเองในการแบ่งข้อมูลอินพุท (เป็นส่วนหนึ่งของ InputFormat) สามารถทำได้เพื่อทำ 2 ภาพนิ่งที่แตกต่างกันคล้ายกับการแบ่งหมวดหมู่เฉลี่ย: สิ่งที่พวกเขาอยู่ในบรรดาตัวชี้วัดทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัดทิศทางของแนวโน้มในปัจจุบัน ค่าเฉลี่ยเคลื่อนที่ทุกประเภท (เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA) คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมา เมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงในแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมด รูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่โดยทั่วไปหมายถึงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย (SMA) โดยคำนวณค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนด ตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา (110) คือ หารด้วยจำนวนวัน (10) เพื่อให้ได้ค่าเฉลี่ย 10 วัน หากผู้ค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนจะต้องมีการคำนวณประเภทเดียวกัน แต่จะรวมราคาในช่วง 50 วันที่ผ่านมา ค่าเฉลี่ยที่เกิดขึ้นด้านล่าง (11) คำนึงถึงจุดข้อมูล 10 จุดที่ผ่านมาเพื่อให้ผู้ค้าทราบว่าสินทรัพย์มีราคาเทียบกับ 10 วันที่ผ่านมาอย่างไร บางทีคุณอาจสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ว่าเป็นค่าเฉลี่ยเคลื่อนที่และไม่ใช่แค่ค่าเฉลี่ยปกติ คำตอบก็คือเมื่อค่าใหม่มีพร้อมใช้งานจุดข้อมูลที่เก่าที่สุดต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ ๆ ต้องมาเพื่อแทนที่ ดังนั้นชุดข้อมูลจึงมีการย้ายข้อมูลบัญชีใหม่ ๆ ไปเรื่อย ๆ วิธีการคำนวณนี้ช่วยให้แน่ใจได้ว่าจะมีการบันทึกข้อมูลปัจจุบันเท่านั้น ในรูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดง (แทนจุดข้อมูล 10 จุดที่ผ่านมา) จะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณ เนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูงถึง 15 คุณจึงคาดว่าจะเห็นค่าเฉลี่ยของการลดข้อมูลชุดซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่เมื่อค่าของ MA ได้รับการคำนวณพวกเขาจะวางแผนลงบนแผนภูมิและเชื่อมต่อแล้วเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่ เส้นโค้งเหล่านี้มีอยู่ทั่วไปในแผนภูมิของผู้ค้าด้านเทคนิค แต่วิธีการใช้งานเหล่านี้อาจแตกต่างกันอย่างมาก (ในภายหลัง) ดังที่เห็นในรูปที่ 3 คุณสามารถเพิ่มค่าเฉลี่ยเคลื่อนที่ได้มากกว่าหนึ่งรายการในแผนภูมิใด ๆ โดยการปรับจำนวนช่วงเวลาที่ใช้ในการคำนวณ เส้นโค้งเหล่านี้ดูเหมือนจะเสียสมาธิหรือทำให้เกิดความสับสนในตอนแรก แต่คุณจะคุ้นเคยกับพวกเขาเมื่อเวลาผ่านไป เส้นสีแดงเป็นเพียงราคาเฉลี่ยในช่วง 50 วันที่ผ่านมาในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมา ตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่คืออะไรและแนะนำให้ใช้ค่าเฉลี่ยเคลื่อนที่ที่ต่างกันและดูว่าค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงก่อนหน้านี้เท่าไร ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมอย่างมากของผู้ค้า แต่เป็นตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์ หลายคนอ้างว่าประโยชน์ของ SMA มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลลัพธ์สุดท้าย ในการตอบสนองต่อคำวิจารณ์นี้ผู้ค้าเริ่มให้ความสำคัญกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์เครื่องคิดเลขใหม่ ๆ ประเภทต่างๆซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) (สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลเบื้องต้นเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA กับ EMA) ค่าเฉลี่ยเคลื่อนที่แบบเสวนาค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากกว่าราคาล่าสุดในความพยายามที่จะทำให้การตอบสนองดีขึ้น ข้อมูลใหม่ ๆ การเรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับผู้ค้าจำนวนมากเนื่องจากเกือบทุกชุดรูปแบบแผนภูมิทำคำนวณสำหรับคุณ อย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA: เมื่อใช้สูตรในการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าที่จะใช้เป็น EMA ก่อนหน้านี้ ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและต่อเนื่องโดยใช้สูตรด้านบนจากที่นั่น เราได้จัดเตรียมสเปรดชีตตัวอย่างไว้ในตัวอย่างชีวิตจริงในการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่แบบเรียบและค่าเฉลี่ยเคลื่อนที่แบบเสวนา ความแตกต่างระหว่าง EMA กับ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA ถูกคำนวณไปแล้วลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไร เมื่อพิจารณาการคำนวณ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลสำคัญ ๆ อยู่ในจุดข้อมูลล่าสุดทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนัก ในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเหมือนกัน (15) แต่ EMA จะตอบสนองต่อการเปลี่ยนแปลงราคาได้เร็วขึ้น สังเกตว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลง การตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA อะไรที่แตกต่างกันระหว่างวันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่สามารถปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกกรอบเวลาที่ต้องการได้ทุกเมื่อสร้างค่าเฉลี่ย ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วัน ช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนยิ่งขึ้นคือการเปลี่ยนแปลงราคา ยิ่งช่วงเวลาที่ยาวนานขึ้นเท่าไรก็ยิ่งอ่อนไหวหรือเรียบเนียนขึ้นเท่านั้นโดยเฉลี่ยแล้ว ไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณ วิธีที่ดีที่สุดในการพิจารณาว่าช่วงใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบช่วงเวลาที่เหมาะสมกับกลยุทธ์ของคุณค่าเฉลี่ย: อะไรคืออะไรและคำนวณอย่างไรดูวิดีโอหรืออ่านบทความด้านล่าง : ค่าเฉลี่ยเคลื่อนที่เป็นเทคนิคเพื่อให้ได้แนวคิดโดยรวมของแนวโน้มในชุดข้อมูลซึ่งเป็นค่าเฉลี่ยของเซตย่อยของตัวเลขใด ๆ ค่าเฉลี่ยเคลื่อนที่เป็นประโยชน์อย่างมากสำหรับการคาดการณ์แนวโน้มในระยะยาว คุณสามารถคำนวณได้ตลอดช่วงเวลา ตัวอย่างเช่นหากคุณมีข้อมูลการขายเป็นระยะเวลายี่สิบปีคุณสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ 5 ปีค่าเฉลี่ยเคลื่อนที่สี่ปีค่าเฉลี่ยเคลื่อนที่สามปีเป็นต้น นักวิเคราะห์ตลาดสต็อกมักจะใช้ค่าเฉลี่ยเคลื่อนที่ 50 หรือ 200 วันเพื่อช่วยให้พวกเขามองเห็นแนวโน้มของตลาดหุ้นและคาดหวังว่าตลาดหุ้นจะอยู่ที่ใด ค่าเฉลี่ยแสดงถึงค่า 8220middling8221 ของชุดตัวเลข ค่าเฉลี่ยเคลื่อนที่ตรงเหมือนกัน แต่ค่าเฉลี่ยคำนวณหลายครั้งสำหรับหลายชุดข้อมูล ตัวอย่างเช่นถ้าคุณต้องการค่าเฉลี่ยเคลื่อนที่สองปีสำหรับชุดข้อมูลตั้งแต่ปี 2000, 2001, 2002 และ 2003 คุณจะหาค่าเฉลี่ยสำหรับส่วนย่อย 20002001, 20012002 และ 20022003 ค่าเฉลี่ยเคลื่อนที่จะถูกวางแผนและแสดงผลได้ดีที่สุด การคำนวณตัวอย่างเฉลี่ยปีที่ 5 ปีตัวอย่างการคำนวณ: คำนวณค่าเฉลี่ยเคลื่อนที่ 5 ปีจากชุดข้อมูลต่อไปนี้: (4M 6M 5M 8M 9M) ​​5 6.4M ยอดขายเฉลี่ยสำหรับเซ็ตย่อยที่สองห้าปี (2004 8211 2008) (6M 5M 8M 9M 5M) 5 6.6M ยอดขายเฉลี่ยสำหรับเซตย่อยที่สามห้าปี (2005 8211 2009) ศูนย์ประมาณปีพ. ศ. 2550 6.6M: (5M 8M 9M 5M 4M) 5 6.2M คำนวณต่อค่าเฉลี่ยของแต่ละปีที่ห้าจนกว่าจะถึงจุดสิ้นสุดของชุด (2009-2013) ซึ่งจะช่วยให้คุณมีคะแนนสะสม (ค่าเฉลี่ย) ที่คุณสามารถใช้เพื่อคำนวณกราฟค่าเฉลี่ยเคลื่อนที่ ตาราง Excel ต่อไปนี้แสดงค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้สำหรับ 2003-2012 พร้อมกับพล็อตข้อมูลที่กระจาย: ดูวิดีโอหรืออ่านขั้นตอนด้านล่าง: Excel มี Add-in ที่มีประสิทธิภาพ Toolpak การวิเคราะห์ข้อมูล (วิธีโหลดข้อมูล Toolpak การวิเคราะห์) ที่ช่วยให้คุณมีตัวเลือกพิเศษมากมายรวมทั้งฟังก์ชันการเคลื่อนที่โดยเฉลี่ยที่เคลื่อนที่ได้ ฟังก์ชันนี้ไม่เพียง แต่คำนวณค่าเฉลี่ยเคลื่อนที่สำหรับคุณเท่านั้น แต่ยังทำกราฟข้อมูลเดิมในเวลาเดียวกัน ประหยัดคุณมากกดแป้นพิมพ์ Excel 2013: ขั้นตอนที่ 1: คลิกแท็บ 8220Data8221 แล้วคลิก 8220Data Analysis.8221 ขั้นตอนที่ 2: คลิก 8220Moving average8221 แล้วคลิก 8220OK.8221 ขั้นที่ 3: คลิกกล่อง 8220Input Range8221 จากนั้นเลือกข้อมูลของคุณ หากคุณรวมส่วนหัวของคอลัมน์ตรวจสอบให้แน่ใจว่าคุณได้เลือกช่องทำเครื่องหมายในช่องแถวแรก ขั้นตอนที่ 4: พิมพ์ช่วงเวลาลงในช่อง ช่วงเวลาคือจำนวนจุดที่คุณต้องการให้ Excel ใช้คำนวณค่าเฉลี่ยเคลื่อนที่ ตัวอย่างเช่น 822058221 จะใช้จุดข้อมูล 5 คะแนนก่อนหน้านี้เพื่อคำนวณค่าเฉลี่ยสำหรับแต่ละจุดที่ตามมา ช่วงเวลาที่ใกล้เคียงกันยิ่งค่าเฉลี่ยเคลื่อนที่ของคุณก็ใกล้เคียงกับชุดข้อมูลเดิมเท่านั้น ขั้นที่ 5: คลิกในกล่อง 8220Output Range8221 และเลือกพื้นที่บนแผ่นงานที่คุณต้องการให้ผลลัพธ์ปรากฏ หรือคลิกปุ่มวิทยุ 8220 ใหม่ worksheet8221 (ถ้าคุณลืมทำเช่นนี้คุณสามารถกลับไปเพิ่มหรือเลือกแผนภูมิจาก 8220Insert8221 tab.8221 ขั้นตอนที่ 7: กด 8220OK หากต้องการดูตาราง 8220Chart Output8221 .8221 Excel จะส่งคืนผลลัพธ์ในพื้นที่ที่คุณระบุไว้ในขั้นตอนที่ 6 ดูวิดีโอหรืออ่านขั้นตอนด้านล่างตัวอย่างปัญหา: คำนวณค่าเฉลี่ยเคลื่อนที่สามปีใน Excel สำหรับข้อมูลการขายต่อไปนี้: 2003 (33M), 2004 (22M), 2005 (36M), 2006 (34M), 2007 (43M), 2008 (39M), 2009 (41M), 2010 (36M), 2011 (45M), 2012 (56M), 2013 (64M) 1: พิมพ์ข้อมูลของคุณลงในคอลัมน์สองคอลัมน์ใน Excel คอลัมน์แรกควรมีปีและคอลัมน์ที่สองข้อมูลเชิงปริมาณ (ในตัวอย่างนี้ปัญหายอดขาย) ตรวจสอบว่าไม่มีแถวที่ว่างเปล่าในข้อมูลเซลล์ของคุณขั้นที่ 2 : คำนวณค่าเฉลี่ยสามปีแรกสำหรับข้อมูล (2003-2005) สำหรับปัญหาตัวอย่างนี้ให้พิมพ์ 8220 (B2B3B4) 38221 ลงในเซลล์ D3 การคำนวณค่าเฉลี่ยแรกขั้นตอนที่ 3: ลากสี่เหลี่ยมที่มุมล่างขวา d เป็นเจ้าของเพื่อย้ายสูตรไปยังเซลล์ทั้งหมดในคอลัมน์ ซึ่งคำนวณค่าเฉลี่ยสำหรับปีต่อ ๆ ไป (เช่น 2004-2006, 2005-2007) ลากสูตร ขั้นตอนที่ 4: (ไม่บังคับ) สร้างกราฟ เลือกข้อมูลทั้งหมดในแผ่นงาน คลิกแท็บ 8220Insert8221 จากนั้นคลิก 8220Scatter, 8221 จากนั้นคลิก 8220Scatter กับเส้นเรียบและเครื่องหมาย 8221 กราฟของค่าเฉลี่ยเคลื่อนที่ของคุณจะปรากฏบนแผ่นงาน ตรวจสอบช่อง YouTube ของเราเพื่อดูข้อมูลเพิ่มเติมเกี่ยวกับความช่วยเหลือและเคล็ดลับเกี่ยวกับสถิติการย้ายเฉลี่ย: สิ่งที่ต้องการและวิธีการคำนวณได้รับการแก้ไขครั้งล่าสุด: 8 มกราคม 2556 โดย Andale 22 ความเห็นเกี่ยวกับ ldquo ค่าเฉลี่ยเคลื่อนที่: คืออะไรและคำนวณหาได้อย่างไร rdquo นี่คือ สมบูรณ์แบบและง่ายที่จะดูดซึม ขอบคุณสำหรับการทำงานนี้มีความชัดเจนและให้ข้อมูล คำถาม: คุณคำนวณค่าเฉลี่ยเคลื่อนที่ 4 ปีได้อย่างไรปีที่ศูนย์เฉลี่ยเคลื่อนที่ 4 ปีจะเป็นศูนย์รวมในปลายปีที่สอง (เช่น 31 ธ. ค. ) ฉันสามารถใช้รายได้เฉลี่ยที่จะคาดการณ์รายได้ในอนาคตได้หรือไม่ใครทราบเกี่ยวกับค่าเฉลี่ยที่อยู่ตรงกลางโปรดแจ้งให้ฉันทราบหากใครทราบ ที่นี่ it8217s ระบุว่าเราต้องพิจารณา 5 ปีสำหรับการเฉลี่ยซึ่งอยู่ในศูนย์แล้วสิ่งที่เกี่ยวกับปีที่เหลือถ้าเราต้องการได้รับค่าเฉลี่ยของ 20118230as เรา don8217t มีค่าเพิ่มเติมหลังจากปี 2012 แล้วว่าเราจะคำนวณเป็นคุณ don8217t มีข้อมูลเพิ่มเติมใด ๆ ก็จะเป็นไปไม่ได้ที่จะคำนวณ MA 5 ปีสำหรับ 2011 คุณอาจได้รับค่าเฉลี่ยเคลื่อนที่สองปีแม้ว่า สวัสดีขอขอบคุณสำหรับวิดีโอ อย่างไรก็ตามสิ่งหนึ่งที่ไม่ชัดเจน วิธีการคาดการณ์ในอีกไม่กี่เดือนข้างหน้าวิดีโอแสดงการคาดการณ์สำหรับเดือนที่มีข้อมูลอยู่แล้ว สวัสดีดิบ I8217m กำลังทำงานเพื่อขยายบทความเพื่อรวมการคาดการณ์ กระบวนการนี้ซับซ้อนกว่าการใช้ข้อมูลในอดีตเล็กน้อย ลองดูบทความของมหาวิทยาลัยดุ๊กที่อธิบายถึงความลึกนี้ ขอแสดงความนับถือ Stephanie ขอขอบคุณสำหรับคำอธิบายที่ชัดเจน สวัสดีไม่สามารถระบุลิงก์ไปยังบทความ Duke University ที่แนะนำ ขอโพสต์ลิงก์อีกครั้ง