يستخدم من الحركة - متوسط - في السلاسل الزمنية

ما هو المتوسط ​​المتحرك المتوسط ​​المتحرك الأول هو 4310، وهو قيمة الملاحظة الأولى. (في تحليل السلاسل الزمنية، لا يحسب الرقم الأول في سلسلة المتوسط ​​المتحرك قيمة مفقودة.) المتوسط ​​المتحرك التالي هو متوسط ​​أول ملاحظتين (4310 4400) 2 4355. المتوسط ​​المتحرك الثالث هو متوسط ​​المراقبة 2 و 3، (4400 4000) 2 4200، وهلم جرا. إذا كنت تريد استخدام متوسط ​​متحرك للطول 3، يتم حساب متوسط ​​القيم الثلاث بدلا من قيمتين. حقوق الطبع والنشر 2016 مينيتاب Inc. جميع الحقوق محفوظة. باستخدام هذا الموقع فإنك توافق على استخدام ملفات تعريف الارتباط للتحليلات والمحتوى الشخصي. قراءة سياستنا المقدمة إلى أريما: النماذج غير الموسمية أريما (p، d، q) التنبؤ بالمعادلة: نماذج أريما هي، من الناحية النظرية، الفئة الأكثر عمومية من النماذج للتنبؤ بسلسلة زمنية يمكن أن تكون 8220stationary8221 عن طريق الاختلاف (إذا لزم الأمر) ، وربما بالاقتران مع التحولات غير الخطية مثل قطع الأشجار أو تفريغ (إذا لزم الأمر). المتغير العشوائي الذي هو عبارة عن سلسلة زمنية ثابت إذا كانت خصائصه الإحصائية ثابتة على مر الزمن. سلسلة ثابتة لا يوجد لديه اتجاه، والاختلافات حول المتوسط ​​لها اتساع مستمر، وأنه يتلوى بطريقة متسقة. أي أن أنماطها الزمنية العشوائية القصيرة الأجل تبدو دائما بنفس المعنى الإحصائي. ويعني الشرط الأخير أن علاقاته الذاتية (الارتباطات مع انحرافاته السابقة عن المتوسط) تظل ثابتة على مر الزمن، أو على نحو مكافئ، أن طيف القدرة لا يزال ثابتا على مر الزمن. ويمكن أن ينظر إلى متغير عشوائي لهذا النموذج (كالمعتاد) على أنه مزيج من الإشارة والضوضاء، والإشارة (إذا كانت ظاهرة) يمكن أن تكون نمطا للانعكاس السريع أو البطيء، أو التذبذب الجيبية أو بالتناوب السريع في الإشارة ، ويمكن أن يكون لها أيضا عنصر موسمي. ويمكن النظر إلى نموذج أريما على أنه 8220filter8221 يحاول فصل الإشارة عن الضوضاء، ومن ثم يتم استقراء الإشارة إلى المستقبل للحصول على التنبؤات. ومعادلة التنبؤ أريما لسلسلة زمنية ثابتة هي معادلة خطية (أي الانحدار من نوع) تكون فيها المتنبؤات متخلفة عن المتغير التابع والتخلفات المتراكمة في أخطاء التنبؤ. وهذا هو: القيمة المتوقعة ل Y قيمة ثابتة ومرجحة لقيمة واحدة أو أكثر من القيم الأخيرة Y ومجموع مرجح لقيمة أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتكون فقط من قيم متخلفة من Y. هو نموذج الانحدار الذاتي النقي (8220self-regressed8221) النموذج، وهو مجرد حالة خاصة من نموذج الانحدار والتي يمكن تركيبها مع برامج الانحدار القياسية. على سبيل المثال، نموذج الانحدار الذاتي الأول (8220AR (1) 8221) ل Y هو نموذج انحدار بسيط يتغير فيه المتغير المستقل فقط بفترة واحدة (لاغ (Y، 1) في ستاتغرافيكس أو YLAG1 في ريجرسيت). إذا كان بعض المتنبؤات متخلفة من الأخطاء، وهو نموذج أريما فإنه ليس نموذج الانحدار الخطي، لأنه لا توجد طريقة لتحديد 8220 فترة قصيرة 8217s error8221 كمتغير مستقل: يجب أن تحسب الأخطاء على أساس فترة إلى فترة عندما يتم تركيب النموذج على البيانات. ومن وجهة النظر التقنية، فإن مشكلة استخدام الأخطاء المتأخرة كمنبئات هي أن التنبؤات النموذجية 8217s ليست دالات خطية للمعاملات. رغم أنها وظائف خطية للبيانات السابقة. لذلك، يجب تقدير المعاملات في نماذج أريما التي تتضمن أخطاء متخلفة بطرق التحسين غير الخطية (8220hill-التسلق 8221) بدلا من مجرد حل نظام المعادلات. اختصار أريما لتقف على السيارات والانحدار المتكامل المتحرك المتوسط. ويطلق على الفترات المتأخرة في السلسلة المعيارية في معادلة التنبؤ مصطلحات كوتورغريسغريسيفيكوت، ويطلق على "أخطاء أخطاء التنبؤ" مصطلحات متوسط ​​التكلفة، ويقال إن السلسلة الزمنية التي يجب أن تكون مختلفة لتكون ثابتة، هي عبارة عن نسخة متقاربة من سلسلة ثابتة. نماذج المشي العشوائي ونماذج الاتجاه العشوائي، ونماذج الانحدار الذاتي، ونماذج التجانس الأسي كلها حالات خاصة لنماذج أريما. ويصنف نموذج أريما نوناسونال على أنه نموذج كوتاريما (p، d، q) كوت حيث: p هو عدد مصطلحات الانحدار الذاتي، d هو عدد الاختلافات غير الموسمية اللازمة للاستبانة، و q هو عدد الأخطاء المتوقعة في التنبؤات معادلة التنبؤ. يتم بناء معادلة التنبؤ على النحو التالي. أولا، اسمحوا y تدل على الفرق د من Y. مما يعني: لاحظ أن الفرق الثاني من Y (حالة d2) ليس الفرق من 2 منذ فترات. بدلا من ذلك، هو الفرق الأول من الأول الفرق. وهو التناظرية منفصلة من مشتق الثاني، أي تسارع المحلي للسلسلة بدلا من الاتجاه المحلي. من حيث y. معادلة التنبؤ العامة هي: هنا يتم تعريف المعلمات المتوسطة المتحركة (9528217s) بحيث تكون علاماتها سلبية في المعادلة، وفقا للاتفاقية التي قدمها بوكس ​​وجينكينز. بعض الكتاب والبرمجيات (بما في ذلك لغة البرمجة R) تعريفها بحيث لديهم علامات زائد بدلا من ذلك. عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن نعرف 8217s الاتفاقية التي يستخدمها البرنامج الخاص بك عندما كنت تقرأ الإخراج. في كثير من الأحيان يتم الإشارة إلى المعلمات هناك من قبل أر (1)، أر (2)، 8230، و ما (1)، ما (2)، 8230 الخ لتحديد نموذج أريما المناسب ل Y. تبدأ من خلال تحديد ترتيب الاختلاف (د) الحاجة إلى توثيق السلسلة وإزالة الخصائص الإجمالية للموسمية، ربما بالاقتران مع تحول استقرار التباين مثل قطع الأشجار أو الانقسام. إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة ديفيرنتد ثابت، لديك مجرد تركيب المشي العشوائي أو نموذج الاتجاه العشوائي. ومع ذلك، قد لا تزال السلسلة المستقرة ذات أخطاء ذات علاقة ذاتية، مما يشير إلى أن هناك حاجة إلى بعض المصطلحات أر (p 8805 1) أندور بعض مصطلحات ما (q 8805 1) في معادلة التنبؤ. ستتم مناقشة عملية تحديد قيم p و d و q الأفضل لسلسلة زمنية معينة في الأقسام اللاحقة من الملاحظات (التي توجد روابطها في أعلى هذه الصفحة)، ولكن معاينة لبعض الأنواع من نماذج أريما نونسونالونال التي تواجه عادة ما يرد أدناه. أريما (1،0،0) من الدرجة الأولى نموذج الانحدار الذاتي: إذا كانت السلسلة ثابتة و أوتوكوريلاتد، وربما يمكن التنبؤ بها باعتبارها متعددة من قيمتها السابقة، بالإضافة إلى ثابت. معادلة التنبؤ في هذه الحالة هي 8230 الذي يتراجع Y على نفسه متأخرا بفترة واحدة. هذا هو 8220ARIMA (1،0،0) ثابت 8221 نموذج. إذا كان متوسط ​​Y هو الصفر، فإن المصطلح الثابت لن يتم تضمينه. إذا كان معامل الانحدار 981 1 موجبا وأقل من 1 في الحجم (يجب أن يكون أقل من 1 من حيث الحجم إذا كان Y ثابتا)، يصف النموذج سلوك التراجع المتوسط ​​الذي ينبغي التنبؤ فيه بقيمة 8217s للفترة التالية لتكون 981 1 مرة بعيدا عن متوسط ​​هذه الفترة قيمة 8217s. وإذا كان 981 1 سلبيا، فإنه يتنبأ بسلوك التراجع عن طريق تبديل الإشارات، أي أنه يتوقع أيضا أن يكون Y أقل من متوسط ​​الفترة التالية إذا كان أعلى من متوسط ​​هذه الفترة. في نموذج الانحدار الذاتي من الدرجة الثانية (أريما (2،0،0))، سيكون هناك مصطلح T-2 على اليمين كذلك، وهكذا. واعتمادا على علامات ومقدار المعاملات، يمكن أن يصف نموذج أريما (2،0،0) نظاما له انعكاس متوسط ​​يحدث بطريقة تتأرجح جيبيا، مثل حركة كتلة في فصل الربيع الذي يتعرض للصدمات العشوائية . أريما (0،1،0) المشي العشوائي: إذا كانت السلسلة Y ليست ثابتة، أبسط نموذج ممكن لذلك هو نموذج المشي العشوائي، والتي يمكن اعتبارها حالة الحد من نموذج أر (1) التي الانتكاس الذاتي معامل يساوي 1، أي سلسلة مع بلا حدود بطيئة متوسط ​​الانعكاس. ويمكن كتابة معادلة التنبؤ لهذا النموذج على النحو التالي: حيث يكون المصطلح الثابت هو متوسط ​​التغير من فترة إلى أخرى (أي الانجراف الطويل الأجل) في Y. ويمكن تركيب هذا النموذج كنموذج انحدار لا اعتراض يقوم فيه الفرق الأول من Y هو المتغير التابع. وبما أنه يشمل (فقط) اختلافا غير منطقي ومدة ثابتة، فإنه يصنف على أنه نموذج كوتاريما (0،1،0) مع ثابت. كوت نموذج المشي العشوائي بدون الانجراف سيكون أريما (0،1، 0) نموذج بدون نموذج أريسترجيسد من الدرجة الأولى (1-1،0): إذا كانت أخطاء نموذج المشي العشوائي مترابطة تلقائيا، ربما يمكن إصلاح المشكلة بإضافة فاصل واحد للمتغير التابع إلى معادلة التنبؤ - أي وذلك بتراجع الفارق الأول من Y على نفسه متأخرا بفترة واحدة. وهذا من شأنه أن يسفر عن معادلة التنبؤ التالية: التي يمكن إعادة ترتيبها إلى هذا هو نموذج الانحدار الذاتي من الدرجة الأولى مع ترتيب واحد من اختلاف غير منطقي ومدة ثابتة - أي. وهو نموذج أريما (1،1،0). أريما (0،1،1) دون تمهيد الأسي المستمر المستمر: اقترح استراتيجية أخرى لتصحيح الأخطاء أوتوكوريلاتد في نموذج المشي العشوائي من قبل نموذج تمهيد الأسي بسيط. تذكر أنه بالنسبة لبعض السلاسل الزمنية غير المستقرة (على سبيل المثال تلك التي تظهر تقلبات صاخبة حول متوسط ​​متغير ببطء)، فإن نموذج المشي العشوائي لا يؤدي كذلك إلى متوسط ​​متحرك للقيم السابقة. وبعبارة أخرى، فبدلا من أخذ الملاحظة الأخيرة كتوقعات الملاحظة التالية، من الأفضل استخدام متوسط ​​الملاحظات القليلة الأخيرة من أجل تصفية الضوضاء وتقدير المتوسط ​​المحلي بدقة أكبر. يستخدم نموذج التمهيد الأسي البسيط المتوسط ​​المتحرك المرجح أضعافا مضاعفة للقيم السابقة لتحقيق هذا التأثير. يمكن كتابة معادلة التنبؤ لنموذج التمهيد الأسي البسيط في عدد من الأشكال المكافئة رياضيا. واحد منها هو ما يسمى 8220 خطأ التصحيح 8221 النموذج، الذي يتم تعديل التوقعات السابقة في اتجاه الخطأ الذي قدمه: لأن ه ر - 1 ذ ر - 1 - 374 ر - 1 حسب التعريف، يمكن إعادة كتابة هذا كما في : وهو أريما (0،1،1) مع معادلة التنبؤ المستمر مع 952 1 1 - 945. وهذا يعني أنه يمكنك تناسب تمهيد الأسي بسيط من خلال تحديده باعتباره نموذج أريما (0،1،1) دون ثابت، ويقدر معامل ما (1) المقدر 1-ناقص ألفا في صيغة سيس. نذكر أن متوسط ​​عمر البيانات في توقعات الفترة الزمنية الأولى هو 945 1 في نموذج سيس، وهذا يعني أنها سوف تميل إلى التخلف عن الاتجاهات أو نقاط التحول بنحو 1 945 فترة. ويترتب على ذلك أن متوسط ​​عمر البيانات في التنبؤات السابقة بفترة زمنية واحدة لنموذج أريما (0،1،1) بدون نموذج ثابت هو 1 (1 - 952 1). إذا، على سبيل المثال، إذا كان 952 1 0.8، متوسط ​​العمر هو 5. كما 952 1 النهج 1، يصبح النموذج أريما (0،1،1) بدون ثابت متوسط ​​متحرك طويل الأجل جدا، و 952 1 النهج 0 يصبح نموذج المشي العشوائي دون الانجراف. ما هو أفضل طريقة لتصحيح الارتباط الذاتي: إضافة المصطلحات أر أو إضافة مصطلحات ما في النموذجين السابقين نوقش أعلاه، تم إصلاح مشكلة أخطاء أوتوكوريلاتد في نموذج المشي العشوائي بطريقتين مختلفتين: عن طريق إضافة قيمة متخلفة من سلسلة مختلفة إلى المعادلة أو إضافة قيمة متأخرة لخطأ التنبؤ. النهج الذي هو أفضل قاعدة من الإبهام لهذا الوضع، والتي سيتم مناقشتها بمزيد من التفصيل في وقت لاحق، هو أن الارتباط الذاتي الإيجابي عادة ما يعامل بشكل أفضل بإضافة مصطلح أر إلى النموذج وعادة ما يعامل الارتباط الذاتي السلبي عن طريق إضافة ما المدى. في سلسلة الأعمال والاقتصاد الزمني، وغالبا ما تنشأ الارتباط الذاتي السلبي باعتباره قطعة أثرية من الاختلاف. (بشكل عام، يقلل الاختلاف من الارتباط الذاتي الإيجابي وربما يتسبب في التحول من الارتباط الذاتي الموجب إلى السالب). لذلك، فإن نموذج أريما (0،1،1)، الذي يكون فيه الاختلاف مصحوبا بمصطلح ما، غالبا ما يستخدم من أريما (1،1،0) نموذج. أريما (0،1،1) مع تمهيد الأسي المستمر المستمر مع النمو: من خلال تنفيذ نموذج سيس كنموذج أريما، كنت في الواقع كسب بعض المرونة. أولا وقبل كل شيء، ويسمح معامل ما (1) المقدرة لتكون سلبية. وهذا يقابل عامل تمهيد أكبر من 1 في نموذج سيس، وهو ما لا يسمح به عادة إجراء تركيب نموذج سيس. ثانيا، لديك خيار إدراج مدة ثابتة في نموذج أريما إذا كنت ترغب في ذلك، من أجل تقدير متوسط ​​الاتجاه غير الصفر. ويشتمل نموذج أريما (0،1،1) الثابت على معادلة التنبؤ: إن التنبؤات ذات الفترة الواحدة من هذا النموذج متشابهة نوعيا مع نموذج نموذج سيس، إلا أن مسار التنبؤات الطويلة الأجل عادة ما يكون (المنحدر يساوي مو) بدلا من خط أفقي. أريما (0،2،1) أو (0،2،2) دون تمهيد أسي خطية ثابتة: نماذج التجانس الأسية الخطية هي نماذج أريما التي تستخدم اثنين من الاختلافات نونسوناسونال بالتزامن مع الشروط ما. والفرق الثاني لسلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الاختلاف الأول - أي. التغيير في تغيير Y في الفترة t. وبالتالي، فإن الفارق الثاني من Y في الفترة t يساوي (Y t - Y t-1) - (Y t-1 - Y t-2) Y t - 2Y t-1 Y t-2. والفرق الثاني من الدالة المنفصلة يشبه مشتق ثان من دالة مستمرة: يقيس الدالة كوتاكسيليركوت أو كوتكورفاتوريكوت في الدالة عند نقطة معينة من الزمن. ويتنبأ نموذج أريما (0،2،2) دون توقع ثابت بأن الفارق الثاني من السلسلة يساوي دالة خطية لآخر خطأين متوقعين: يمكن إعادة ترتيبهما على النحو التالي: حيث يكون 952 1 و 952 2 هما (1) و ما (2) معاملات. هذا هو نموذج التجانس الأسي العام الخطية. أساسا نفس نموذج Holt8217s، و Brown8217s نموذج هو حالة خاصة. ويستخدم المتوسطات المتحركة المرجح أضعافا مضاعفة لتقدير كل من المستوى المحلي والاتجاه المحلي في هذه السلسلة. تتلاقى التوقعات على المدى الطويل من هذا النموذج مع خط مستقيم يعتمد ميله على متوسط ​​الاتجاه الملحوظ نحو نهاية السلسلة. أريما (1،1،2) دون ثابت خطي الاتجاه الاتجاه الأسي تمهيد. ويوضح هذا النموذج في الشرائح المصاحبة على نماذج أريما. فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن تسطح بها في آفاق التنبؤ أطول لإدخال مذكرة من المحافظة، وهي الممارسة التي لديها الدعم التجريبي. انظر المقال على كوهي في ذي تريند تريند وركسكوت غاردنر أند ماكنزي أند ذي كوغولدن رولكوت أرتيسترونغ إت آل. للتفاصيل. فمن المستحسن عموما التمسك النماذج التي لا يقل عن واحد من p و q لا يزيد عن 1، أي لا تحاول أن تناسب نموذج مثل أريما (2،1،2)، وهذا من المرجح أن يؤدي إلى الإفراط في تجهيز و كومكومون-فاكتوركوت القضايا التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي لنماذج أريما. تنفيذ جدول البيانات: من السهل تنفيذ نماذج أريما مثل تلك الموضحة أعلاه على جدول بيانات. ومعادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة للسلاسل الزمنية الأصلية والقيم السابقة للأخطاء. وهكذا، يمكنك إعداد جدول بيانات تنبؤ أريما عن طريق تخزين البيانات في العمود ألف، وصيغة التنبؤ في العمود باء، والأخطاء (البيانات ناقص التنبؤات) في العمود C. وستكون صيغة التنبؤ في خلية نموذجية في العمود باء ببساطة تعبير خطي يشير إلى القيم في الصفوف السابقة من العمودين A و C مضروبا في معاملات أر أو ما المناسبة المخزنة في خلايا أخرى في جدول البيانات. كيفية استخدام متوسط ​​متحرك لشراء الأرصدة المتوسط ​​المتحرك (ما) هو تقنية بسيطة أداة التحليل التي تمس بيانات الأسعار من خلال خلق متوسط ​​السعر تحديثها باستمرار. يتم أخذ المتوسط ​​خلال فترة زمنية محددة، مثل 10 أيام أو 20 دقيقة أو 30 أسبوعا أو أي فترة زمنية يختارها المتداول. هناك مزايا لاستخدام المتوسط ​​المتحرك في التداول الخاص بك، وكذلك خيارات على أي نوع من المتوسط ​​المتحرك للاستخدام. كما أن استراتيجيات المتوسط ​​المتحرك تحظى بشعبية كبيرة ويمكن تكييفها مع أي إطار زمني يناسب المستثمرين على المدى الطويل والتجار على المدى القصير. (انظر أهم أربعة مؤشرات فنية يحتاجها تجار الاتجاه). لماذا استخدام المتوسط ​​المتحرك يمكن للمتوسط ​​المتحرك أن يساعد في خفض كمية الضوضاء على الرسم البياني للسعر. انظروا إلى اتجاه المتوسط ​​المتحرك للحصول على فكرة أساسية عن الطريقة التي يتحرك بها السعر. ترتفع فوق والسعر يتحرك صعودا (أو كان مؤخرا) عموما، الزاوية أسفل والسعر يتحرك إلى أسفل بشكل عام، تتحرك جانبية والسعر هو المرجح في مجموعة. ويمكن أيضا أن يكون المتوسط ​​المتحرك بمثابة دعم أو مقاومة. في اتجاه صعودي قد يكون المتوسط ​​المتحرك لمدة 50 يوما أو 100 يوم أو 200 يوم مستوى دعم، كما هو مبين في الشكل أدناه. وذلك لأن متوسط ​​الأفعال مثل الكلمة (الدعم)، وبالتالي فإن السعر مستبعد من الخروج منه. في اتجاه هبوطي قد يكون المتوسط ​​المتحرك بمثابة مقاومة مثل السقف، وسعر يضرب عليه ثم يبدأ في الانخفاض مرة أخرى. لن يحترم السعر دائما المتوسط ​​المتحرك بهذه الطريقة. السعر قد يمر من خلال ذلك قليلا أو توقف وعكس قبل الوصول إليه. وكإرشادات عامة، إذا كان السعر فوق المتوسط ​​المتحرك، فإن هذا الاتجاه آخذ في الارتفاع. إذا كان السعر أدنى من المتوسط ​​المتحرك، فإن الاتجاه ينخفض. المتوسطات المتحركة يمكن أن يكون لها أطوال مختلفة على الرغم من (نوقشت قريبا)، لذلك يمكن للمرء أن يشير إلى اتجاه صعودي بينما يشير آخر إلى اتجاه هبوطي. أنواع المتوسطات المتحركة يمكن حساب المتوسط ​​المتحرك بطرق مختلفة. المتوسط ​​المتحرك البسيط لمدة خمسة أيام (سما) يضيف ببساطة أسعار الإقفال اليومية الخمسة الأخيرة ويقسمها إلى خمسة ليخلق متوسطا جديدا كل يوم. ويرتبط كل متوسط ​​إلى التالي، وخلق خط المتدفقة المفرد. وهناك نوع شعبي آخر من المتوسط ​​المتحرك هو المتوسط ​​المتحرك الأسي (إما). الحساب هو أكثر تعقيدا ولكن أساسا ينطبق أكثر الترجيح لأحدث الأسعار. قم بتعيين سما 50 يوم و 50 يوما إما على نفس الرسم البياني، وستلاحظ أن إما تتفاعل بسرعة أكبر مع تغيرات الأسعار مما تقوم به سما، وذلك بسبب الترجيح الإضافي على بيانات الأسعار الأخيرة. رسم البرامج ومنصات التداول تفعل الحسابات، لذلك لا يلزم الرياضيات اليدوية لاستخدام ما. نوع واحد من ما هو أفضل من آخر. قد تعمل إما على نحو أفضل في الأسهم أو الأسواق المالية لبعض الوقت، وفي أوقات أخرى قد تعمل سما بشكل أفضل. كما أن الإطار الزمني المختار للمتوسط ​​المتحرك سيؤدي دورا مهما في مدى فعاليته (بغض النظر عن النوع). متوسط ​​التحريك الطول المتوسط ​​المتحرك المتوسط ​​هو 10 و 20 و 50 و 100 و 200. ويمكن تطبيق هذه الأطوال على أي إطار زمني للمخطط (دقيقة واحدة، يوميا، أسبوعيا، إلخ)، تبعا لأفق التجار التجاري. ويمكن أن يلعب الإطار الزمني أو الطول الذي تختاره للمتوسط ​​المتحرك، والذي يطلق عليه أيضا فترة النظر إلى الوراء، دورا كبيرا في مدى فعاليته. و ما مع الإطار الزمني القصير سوف تتفاعل أسرع بكثير لتغيرات الأسعار من ما مع نظرة طويلة فترة الظهر. في الشكل أدناه المتوسط ​​المتحرك لمدة 20 يوما عن كثب يتتبع السعر الفعلي من 100 يوم لا. ويمكن أن يكون ال 20 يوما من الفائدة التحليلية للتاجر على المدى القصير لأنه يتبع السعر عن كثب، وبالتالي ينتج تأخيرا أقل من المتوسط ​​المتحرك الأطول أجلا. التأخير هو الوقت الذي يستغرقه المتوسط ​​المتحرك للإشارة إلى انعكاس محتمل. تذكر، كمبدأ توجيهي عام، عندما يكون السعر فوق المتوسط ​​المتحرك يعتبر الاتجاه. لذلك عندما ينخفض ​​السعر دون هذا المتوسط ​​المتحرك فإنه يشير إلى انعكاس محتمل استنادا إلى ذلك ما. وسيوفر المتوسط ​​المتحرك ل 20 يوما إشارات عكس أكثر بكثير من المتوسط ​​المتحرك لمدة 100 يوم. يمكن أن يكون المتوسط ​​المتحرك أي طول، 15، 28، 89، وما إلى ذلك. قد يساعد ضبط المتوسط ​​المتحرك بحيث يوفر إشارات أكثر دقة على البيانات السابقة على إنشاء إشارات مستقبلية أفضل. استراتيجيات التداول - كروسوفرز تعتبر كروسوفرز واحدة من استراتيجيات المتوسط ​​المتحرك الرئيسية. النوع الأول هو كروس أوفر. وقد نوقش ذلك في وقت سابق، وهو عندما يعبر السعر فوق أو فوق المتوسط ​​المتحرك للإشارة إلى تغير محتمل في الاتجاه. وهناك استراتيجية أخرى هي تطبيق متوسطين متحركين على رسم بياني، لفترة أطول وأخرى أقصر. عندما أقصر ما يعبر فوق المدى الطويل ما إشارة شراء كما يشير إلى الاتجاه يتحول up. This يعرف باسم الصليب الذهبي. عندما تعبر ما أقصر خلال المدى الطويل ما إشارة البيع لأنها تشير إلى الاتجاه يتحول إلى أسفل. ويعرف هذا باسم ديديديث الصليب تحسب المتوسطات المتحركة استنادا إلى البيانات التاريخية، وليس هناك شيء عن حساب تنبؤية في الطبيعة. وبالتالي فإن النتائج باستخدام المتوسطات المتحركة يمكن أن تكون عشوائية - في بعض الأحيان يبدو أن السوق لاحترام ما الدعم والإشارات التجارية. وأحيانا أخرى لا يظهر أي احترام. المشكلة الرئيسية هي أنه إذا أصبح العمل السعر متقطع قد يتأرجح السعر ذهابا وإيابا توليد إشارات عكس الاتجاه عكس متعددة. عندما يحدث هذا أفضل جهده لتخطي جانبا أو استخدام مؤشر آخر للمساعدة في توضيح هذا الاتجاه. الشيء نفسه يمكن أن يحدث مع عمليات الانتقال ما، حيث الحصول على متشابكة ماساتشوستس لفترة من الوقت اثار متعددة (تروق فقدان) الصفقات. المتوسطات المتحركة تعمل بشكل جيد جدا في ظروف متينة قوية، ولكن في كثير من الأحيان سيئة في ظروف متقلبة أو تتراوح. يمكن ضبط الإطار الزمني يمكن أن تساعد في هذا مؤقتا، على الرغم من أن في وقت ما هذه القضايا من المرجح أن تحدث بغض النظر عن الإطار الزمني المختار ل ما (ق). المتوسط ​​المتحرك يبسط بيانات الأسعار عن طريق تمهيده وخلق خط تدفق واحد. وهذا يمكن أن يجعل اتجاهات عزل أسهل. المتوسطات المتحركة الأسية تتفاعل بشكل أسرع مع تغيرات الأسعار من المتوسط ​​المتحرك البسيط. في بعض الحالات قد يكون هذا جيدا، وفي حالات أخرى قد يسبب إشارات خاطئة. كما أن المتوسطات المتحركة ذات فترة نظر أقل (20 يوما، على سبيل المثال) ستستجيب أيضا بسرعة لتغيرات الأسعار مقارنة بالمتوسط ​​الذي يتميز بفترة نظر أطول (200 يوم). يعد تحريك متوسط ​​عمليات الانتقال استراتيجية شائعة لكل من الإدخالات والمخارج. ويمكن أيضا أن تسلط الضوء على مجالات الدعم أو المقاومة المحتملة. على الرغم من أن هذا قد يظهر تنبؤيا، فإن المتوسطات المتحركة تستند دائما إلى البيانات السابقة وتبين ببساطة متوسط ​​السعر خلال فترة زمنية معينة.