घातीय चलती - औसत - पूर्वानुमान

घातीय चिकनाई समझाया। कॉपीराइट सामग्री पर कॉपीराइट-संरक्षित है और पुनर्प्रकाश के लिए उपलब्ध नहीं है। जब लोगों को पहली बार शब्द का एक्सपेंनेबल चौरसाई का सामना करना पड़ रहा है, तो वे सोच सकते हैं कि बहुत सारे चौरसाई के एक नरक की तरह लगता है, तब वे एक जटिल गणितीय कल्पना करना शुरू करते हैं गणित की संभावना को समझने के लिए गणित की डिग्री की आवश्यकता होती है, और आशा करती है कि इसमें एक अंतर्निर्मित एक्सेल फ़ंक्शन उपलब्ध है, यदि उन्हें कभी भी यह करने की ज़रूरत है तो घातीय चौरसाई की वास्तविकता कम नाटकीय और बहुत कम आघातकारी है। सच्चाई है, घातीय चौरसाई है एक बहुत ही सरल गणना जो एक साधारण कार्य को पूरा करती है यह सिर्फ एक जटिल नाम है क्योंकि इस सरल गणना के परिणामस्वरूप तकनीकी रूप से क्या होता है वास्तव में थोड़ा जटिल है। घातीय चिकनाई समझने के लिए, यह चौरसाई के सामान्य अवधारणा के साथ शुरू करने में मदद करता है और चिकनाई हासिल करने के लिए इस्तेमाल किए जाने वाले अन्य सामान्य तरीकों में से कुछ। चौरसाई क्या है। साँपिंग एक बहुत ही सामान्य सांख्यिकीय पी है रोसी वास्तव में, हम नियमित रूप से हमारे दिन-प्रतिदिन के जीवन में विभिन्न रूपों में चिकनी डेटा का सामना करते हैं किसी भी समय आप कुछ का वर्णन करने के लिए औसतन उपयोग करते हैं, आप एक चिकनी संख्या का उपयोग कर रहे हैं यदि आप सोचते हैं कि आप कुछ का वर्णन करने के लिए औसत का उपयोग क्यों करते हैं, तो आप चौरसाई की अवधारणा को जल्दी से समझ जाएगा उदाहरण के लिए, हम सिर्फ रिकॉर्ड पर हार्दिक सर्दियों का अनुभव करते हैं हम यह कैसे मापने में सक्षम हैं हम अच्छी तरह से हम रिकॉर्ड किए गए इतिहास में प्रत्येक वर्ष के लिए शीतकालीन कॉल की अवधि के लिए दैनिक उच्च और निम्न तापमान के डेटासेट से शुरुआत करते हैं जो हमें कई गुना संख्याओं के साथ छोड़ देता है, यह हर दिन की तरह नहीं है, यह हर दिन की तरह नहीं है, यह सर्दियों पिछले सभी वर्षों से इसी दिन की तुलना में गर्म था हमें एक ऐसे नंबर की ज़रूरत है जो आंकड़ों से सभी इस कूद को हटा देती है ताकि हम और आसानी से कर सकें अगले एक सर्दी की तुलना करें डेटा में चारों ओर कूद को हटाने को चौरसाई कहा जाता है, और इस मामले में हम चौरसाई को पूरा करने के लिए बस एक साधारण औसत का उपयोग कर सकते हैं। मांग की भविष्यवाणी में, हम रिमॉव को चौरसाई का उपयोग करते हैं हमारे ऐतिहासिक मांग से यादृच्छिक भिन्नता शोर यह हमें मांग पैटर्न को बेहतर ढंग से पहचानने की अनुमति देता है मुख्य रूप से प्रवृत्ति और मौसम और मांग के स्तर जिन्हें भविष्य की मांग का अनुमान लगाने के लिए इस्तेमाल किया जा सकता है मांग में शोर एक ही अवधारणा है क्योंकि तापमान डेटा के आसपास दैनिक कूद नहीं है आश्चर्य की बात , सबसे आम तरीका लोगों को मांग इतिहास से शोर निकालना एक साधारण औसत या अधिक विशेष रूप से उपयोग करना है, चलती औसत एक चल औसत केवल औसत की गणना करने के लिए एक पूर्वनिर्धारित अवधि का उपयोग करता है, और उन समयावधि को समय बीतने के रूप में स्थानांतरित करता है उदाहरण के लिए, यदि मैं एक 4 महीने की चलती औसत का उपयोग कर रहा हूँ, और आज 1 मई है, मैं 1 जनवरी को जनवरी, फरवरी, मार्च और अप्रैल में हुई औसत मांग का उपयोग कर रहा हूं, मैं फरवरी, मार्च, अप्रैल से मांग का उपयोग कर रहा हूं, और मई। औसत चलते हुए। जब ​​औसत का उपयोग करते हैं तो हम डेटासेट में प्रत्येक मान के लिए एक ही महत्वपूर्ण महत्व को लागू कर रहे हैं 4 महीने की औसत चलती औसत में, हर महीने 25 घंटों की औसत का प्रतिनिधित्व करती है जब मांग का उपयोग करते हुए भविष्य की मांग और विशेष रूप से भविष्य की प्रवृत्ति को प्रस्तुति देने के लिए, यह निष्कर्ष पर पहुंचने के लिए तर्कसंगत है कि आप अपने पूर्वानुमान पर अधिक प्रभाव डालने के लिए हाल के इतिहास को पसंद करेंगे, हम अपने चल-औसत गणना को प्रत्येक अवधि में विभिन्न भार लागू करने के लिए अनुकूलित कर सकते हैं हमारे वांछित परिणाम हम इन भारों को प्रतिशत के रूप में व्यक्त करते हैं, और सभी अवधियों के लिए कुल वजन 100 तक जोड़ना चाहिए, इसलिए, यदि हम निर्णय करते हैं कि हम अपने 4 महीने के भारित चल औसत में निकटतम अवधि के लिए वजन 35 के रूप में लागू करना चाहते हैं, हम 35 से 100 को घटा सकते हैं ताकि हम 3 अन्य अवधियों को विभाजित करने के लिए शेष 65 हो सकें उदाहरण के लिए, हम 15, 20, 30 और 35 के भार के साथ क्रमशः 4 महीने 15 20 30 35 100 के लिए समाप्त कर सकते हैं। चौरसाई। अगर हम पिछली उदाहरण में 35 के रूप में सबसे हाल की अवधि में भार लागू करने की अवधारणा पर वापस जाते हैं और शेष वजन की गणना करते हैं, तो 65 के लिए 100 से 35 के सबसे हाल की अवधि के वजन को घटाकर गणना की जाती है, हमारे पास बुनियादी निर्माण हमारे घातीय चौरसाई गणना के लिए अवरोधन करना घातीय चौरसाई गणना के नियंत्रण इनपुट को चौरसाई कारक के रूप में जाना जाता है जिसे चौरसाई स्थिरता भी कहा जाता है यह अनिवार्य रूप से सबसे हाल की अवधि की मांग पर लागू भार का प्रतिनिधित्व करता है इसलिए, जहां हमने 35 को भार के रूप में इस्तेमाल किया भारित चलती औसत गणना में सबसे हाल की अवधि, हम भी इसी तरह के प्रभाव को प्राप्त करने के लिए हमारे घातीय चौरसाई गणना में चौरसाई कारक के रूप में 35 का उपयोग करना चुन सकते हैं घाटेदार चौरसाई गणना के साथ अंतर यह है कि इसके बजाय हमें यह भी पता चलेगा कि कितना प्रत्येक पिछली अवधि में लागू करने के लिए वजन, चौरसाई कारक का उपयोग स्वचालित रूप से करने के लिए किया जाता है। इसलिए यहां घातीय भाग आता है यदि हम चौरसाई कारक के रूप में 35 का उपयोग करते हैं, तो सबसे हाल की अवधि की मांग का भार 35 हो जाएगा अगले सबसे हाल की अवधि की मांग सबसे हाल ही में 65 से 35 65 के पहले की अवधि 35 से 100 के घटाने से होती है, यह 22 से बराबर होती है 75 उस अवधि के लिए अगर आप गणित करते हैं। अगले सबसे हाल की अवधि की मांग 35 के 65 65 हो जाएगी, जो 14 के बराबर होगी 79 इससे पहले की अवधि 65 65 के 65 65 के रूप में भारित किया जाएगा, जो 9 61, और इतने पर और यह आपके सभी पिछली अवधि के दौरान वापस समय की शुरुआत या उस बिंदु पर वापस चला जाता है जिस पर आप उस विशेष आइटम के लिए घातीय चिकनाई का उपयोग करना शुरू कर चुके हैं। आप शायद सोच रहे हैं कि पूरी तरह दिख रहा है बहुत सारे गणित लेकिन घातीय चौरसाई गणना की सुंदरता यह है कि हर बार जब आप एक नई अवधि की मांग प्राप्त करते हैं, तो प्रत्येक पिछली अवधि के पुनर्गणना के बजाय, आप पिछली अवधि से घाटेदार चौरसाई गणना के उत्पादन का उपयोग केवल पिछली अवधि का प्रतिनिधित्व करने के लिए करते हैं आप अभी तक उलझन में हैं। जब हम वास्तविक गणना को देखते हैं तो यह और अधिक समझ जाएगा। आमतौर पर हम अगली अवधि पूर्वानुमान के रूप में घातीय चौरसाई गणना के उत्पादन को संदर्भित करते हैं वास्तव में, अंतिम पूर्वानुमान थोड़ी अधिक काम की आवश्यकता है, लेकिन इस विशिष्ट गणना के प्रयोजनों के लिए, हम इसे पूर्वानुमान के रूप में देखेंगे। घातीय चौरसाई गणना निम्नानुसार है। सबसे हाल की अवधि की मांग चौरसाई कारक प्लस द्वारा गुणा सबसे हाल की अवधि का पूर्वानुमान एक शून्य से चौरसाई फैक्टर द्वारा गुणा किया जाता है। सबसे हाल की अवधि की मांग एस चिकनी कारक दशमलव के रूप में दर्शाती है इसलिए 35 को 0 से 35 एफ के रूप में दर्शाया जाएगा सबसे हाल की अवधि पिछले अवधि से चौरसाई गणना का उत्पादन पूर्वानुमान करती है। 0 35 के चौरसाई कारक। यह उस की तुलना में बहुत आसान नहीं है। जैसा कि आप देख सकते हैं, यहां हमें डेटा इनपुट के लिए सबसे ज़्यादा सबसे ज़्यादा समय की मांग है और सबसे हाल की अवधि का पूर्वानुमान हम चौरसाई कारक को भारित करते हैं। सबसे हाल की अवधि उसी तरह की मांग की जाती है, जो हम भारित चलती औसत गणना में करेंगे। फिर हम सबसे हाल की अवधि के अनुमान के अनुसार शेष भार 1 ल्यूब्सिंग कारक को लागू करते हैं। अवधि की भविष्यवाणी पिछली अवधि की मांग और पिछली अवधि के पूर्वानुमान के आधार पर बनाई गई थी, जो उस अवधि से पहले की अवधि और उसके पहले की अवधि के पूर्वानुमान के आधार पर थी, जो कि पहले की अवधि की मांग के आधार पर थी और उसके पहले की अवधि के पूर्वानुमान, जो कि पहले की अवधि पर आधारित था। ठीक है, आप देख सकते हैं कि गणना में किस तरह की पिछली अवधि की मांग का प्रतिनिधित्व किया जाता है, वास्तव में वापस जाकर कुछ भी पुन: संदर्भित किए बिना.और यह है कि प्रारंभिक लोकप्रियता घातीय चौरसाई की वजह से यह भारित चलने की तुलना में चिकनाई का बेहतर काम करता था, क्योंकि यह कंप्यूटर प्रोग्राम में गणना करना आसान था, और क्योंकि आपको यह सोचने की ज़रूरत नहीं थी कि पिछली अवधि या कितने कितने भार देना है पिछली अवधि का उपयोग करना, जैसा कि आप भारित चल औसत पर करेंगे और, क्योंकि यह भारित चल औसत से कूलर लग रहा था। वास्तव में, यह तर्क दिया जा सकता है कि भारित चलती औसत जीआर प्रदान करता है। खासी लचीलापन क्योंकि आपके पास पिछली अवधि के भार पर अधिक नियंत्रण है, वास्तविकता इनमें से किसी भी सम्मानजनक परिणाम प्रदान कर सकती है, इसलिए आसान और कूलर लगने के साथ क्यों नहीं जाना। एक्सेल में एक्स्प्लेनेबल स्माइंगिंग। देखें, यह वास्तव में एक स्प्रैडशीट में कैसे दिखता है वास्तविक डेटा के साथ। कॉपीराइट सामग्री पर कॉपीराइट-संरक्षित है और पुनर्प्रकाश के लिए उपलब्ध नहीं है। चित्रा 1 ए में, हमारे पास 11 सप्ताह की मांग के साथ एक एक्सेल स्प्रैडशीट है, और उस मांग की गणना से अनुमानित रूप से सुगंधित पूर्वानुमान का अनुमान है जो मैंने 25 के चौरसाई कारक का उपयोग किया है सेल सी 1 में 25 25 सेल वर्तमान में सक्रिय सेल सेल एम 4 है जिसमें सप्ताह के लिए पूर्वानुमान है 12 आप सूत्र बार में देख सकते हैं, सूत्र एल 3 सी 1 एल 4 1-सी 1 है इसलिए इस गणना में केवल प्रत्यक्ष इनपुट पिछले अवधि की मांग हैं सेल एल 3, पिछली अवधि के पूर्वानुमान सेल एल 4, और चौरसाई कारक सेल सी 1, को पूर्ण सेल संदर्भ के रूप में दिखाया गया है C1। जब हम एक घातीय चौरसाई गणना शुरू करते हैं, तो हमें मैन्युअल रूप से 1s टी पूर्वानुमान तो सेल बी 4 में, बजाय एक फार्मूला में, हम उसी सीडी की मांग में टाइप कर रहे हैं, जैसा कि सेल सी 4 में पूर्वानुमान है, हमारी पहली घातीय चौरसाई संख्या बी 3 सी 1 बी 4 1 सी 1 है, तो हम सेल सी 4 कॉपी कर सकते हैं और इसे पेस्ट कर सकते हैं हमारे पूर्वानुमान कोशिकाओं के बाकी हिस्सों को भरने के लिए डी 4 के माध्यम से सेल D4 में। अब आप किसी भी पूर्वानुमान सेल पर डबल-क्लिक कर सकते हैं यह देखने के लिए कि यह पिछले अवधि के पूर्वानुमान सेल और पिछली अवधि की मांग सेल पर आधारित है, इसलिए प्रत्येक बाद के घातीय चौरसाई गणना संभालती है पिछले घातीय चौरसाई गणना का उत्पादन यह है कि पिछले पिछली अवधि की गणना में प्रत्येक पिछली अवधि की मांग किस प्रकार प्रदर्शित की जाती है, भले ही वह गणना उन पिछली समयावधियों को सीधे संदर्भित नहीं करती है यदि आप फैंसी प्राप्त करना चाहते हैं, तो आप एक्सेल के ट्रेस उदाहरणों का उपयोग कर सकते हैं फ़ंक्शन ऐसा करने के लिए, सेल एम 4 पर क्लिक करें, फिर रिबन टूल बार Excel 2007 या 2010 पर फॉर्मूला टैब पर क्लिक करें, फिर ट्रेस अग्रेस्टैंड पर क्लिक करें यह कनेक्टर लाइन को पूर्ववर्तियों के पहले स्तर पर आकर्षित करेगा, लेकिन यदि आप ट्रेस अग्रेसिड्स पर क्लिक करते रहें, यह आपको पिछली सभी समयों में कनेक्टर लाइन खींचना देगा ताकि आपको विरासत में मिली रिश्तों को दिखाया जा सके.अब हम देखते हैं कि हमारे लिए क्या घातीय चौरसाई हुई है। फिक्चर 1 बी हमारी मांग और पूर्वानुमान का एक रेखा चार्ट दिखाता है आप केस देखते हैं कि कैसे तेजी से चिकना भविष्यवाणी से साप्ताहिक मांग के आसपास कूदते हुए अधिकांश जग्ग्जियां हटाई जाती हैं, लेकिन फिर भी उनको पालन करने का प्रबंधन किया जाता है जो मांग में एक ऊपरी प्रवृत्ति प्रतीत होता है आप यह भी देखेंगे कि चिकनाई पूर्वानुमान रेखा मांग रेखा से कम हो सकती है यह प्रवृत्ति के रूप में जाना जाता है अंतराल और चौरसाई प्रक्रिया का एक साइड इफेक्ट है जब भी कोई प्रवृत्ति मौजूद है जब आप स्वाद का उपयोग करते हैं, तो आपके पूर्वानुमान की प्रवृत्ति के पीछे पीछे हो जाएगा यह किसी भी चिकनाई तकनीक के लिए सच है, वास्तव में, अगर हम इस स्प्रैडशीट को जारी रखने और कम मांग संख्या डाउनवर्ड प्रवृत्ति को बनाने से आप मांग लाइन बूंद देख सकते हैं और नीचे की प्रवृत्ति का पालन करने से पहले इसके ऊपर की प्रवृत्ति लाइन की गति बढ़ जाती है। यही कारण है कि मैंने पहले कह दिया घाटेदार चौरसाई गणना से tput कि हम एक पूर्वानुमान फोन करते हैं, फिर भी कुछ और काम की आवश्यकता है मांग में बाधाओं को छूने की तुलना में भविष्यवाणी करने के लिए बहुत कुछ है हमें प्रवृत्ति के अंतराल, मौसम, ज्ञात घटनाओं जैसी चीज़ों के लिए अतिरिक्त समायोजन करने की आवश्यकता है प्रभाव मांग, आदि। लेकिन यह सब इस लेख के दायरे से परे है। आप की संभावना भी दोहरे घातीय चिकनाई और ट्रिपल-एक्सपोनेंशन चौरसाई जैसे शब्दों में चलेंगे। ये शब्द थोड़ा भ्रामक हैं क्योंकि आप कई बार मांग को फिर से चौरसाई नहीं कर रहे हैं यदि आप चाहते हैं, लेकिन वह यह बात नहीं है ये शब्द पूर्वानुमान के अतिरिक्त तत्वों पर घातीय चौरसाई का उपयोग करते हैं तो सरल घातीय चौरसाई के साथ, आप आधार मांग को चौरसाई कर रहे हैं, लेकिन डबल-एक्सोनेंसिबल चिकनाई के साथ आप बेस मांग को चौरसाई कर रहे हैं ट्रेंड, और ट्रिपल-एक्सपोनेंशन चिकनाई के साथ आप आधार मांग और प्रवृत्ति से मौसम की अवधि को चिकनाई कर रहे हैं। एक्सप्याड के बारे में और अधिक सामान्य प्रश्न आकस्मिक चौरसाई है मैं अपने चौरसाई कारक कहां प्राप्त करता हूँ यहाँ कोई जादुई जवाब नहीं है, आपको अपने मांग डेटा के साथ विभिन्न चौरसाई कारकों का परीक्षण करने की आवश्यकता है, यह देखने के लिए कि आपको सबसे अच्छे परिणाम क्या मिलेगा। ये गणनाएं हैं जो चौरसाई कारक को स्वचालित रूप से सेट और बदल सकती हैं ये गिरावट अनुकूली चौरसाई शब्द के तहत, लेकिन आपको उनसे सावधानी बरतने की ज़रूरत है वहां कोई सही जवाब नहीं है और आपको पूरी तरह से परीक्षण के बिना किसी भी आकलन को अंजामपूर्वक लागू नहीं करना चाहिए और उस गणना को पूरी तरह से समझना चाहिए कि उस गणना में आपको क्या करना चाहिए - यदि परिदृश्य देखें कि ये गणना उन परिवर्तनों की मांग करने पर प्रतिक्रिया करती है जो वर्तमान में आपके द्वारा परीक्षण के लिए उपयोग किए जा रहे मांग डेटा में मौजूद नहीं हो सकते हैं। डेटा उदाहरण मैंने पहले इस्तेमाल किया था एक ऐसी स्थिति का एक बहुत अच्छा उदाहरण है जहां आपको वास्तव में कुछ अन्य स्थितियों का परीक्षण करने की आवश्यकता है विशेष डेटा उदाहरण कुछ हद तक लगातार ऊपर की ओर रुझान दिखाता है बहुत बड़ी कंपनियां बहुत महंगा पूर्वानुमान वाली सॉफ्टवेयर के साथ बहुत ज्यादा परेशानियों में नहीं बल्कि इतनी दूर तक होती थीं चींटी अतीत जब उनकी सॉफ़्टवेयर सेटिंग्स बढ़ती अर्थव्यवस्था के लिए छिड़ी गई थी, तब अच्छी प्रतिक्रिया नहीं आई जब अर्थव्यवस्था स्थिर हो गई या सिकुड़ रही थी, जैसी चीजें होती हैं, जब आप यह नहीं समझते कि आपकी गणना सॉफ्टवेयर वास्तव में क्या कर रहा है अगर वे अपने पूर्वानुमान प्रणाली को समझते हैं, तो ज्ञात है कि उन्हें कूदने और कुछ बदलाव करने की जरूरत होती है, जब उनके व्यापार में अचानक नाटकीय बदलाव आए। तो वहां आपके पास यह है कि घातीय चौरसाई की मूल बातें समझाई गई हैं एक वास्तविक पूर्वानुमान में घातीय चौरसाई का उपयोग करने के बारे में अधिक जानना चाहते हैं, मेरी किताब इन्वेंटरी मैनेजमेंट की व्याख्या कॉपीराइट की सामग्री पर कॉपीराइट-संरक्षित है और पुनर्प्रकाश के लिए उपलब्ध नहीं है। डेव पाइसेकी इन्वेंटरी ऑपरेशंस कंसल्टिंग एलएलसी के मालिक ऑपरेटर है जो इन्वेंट्री प्रबंधन, सामग्री से निपटने और गोदाम के संचालन से संबंधित सेवाएं प्रदान करती है। उनके पास संचालन प्रबंधन में 25 से अधिक वर्षों का अनुभव है और अपनी वेबसाइट के माध्यम से पहुंचा जा सकता है, जहां वह अतिरिक्त रखता है प्रासंगिक जानकारी.मेरा व्यापार। एक्सपेनेंशियल मूविंग एवरेज - एम्मा। नीचे घातीय मूविंग औसत - ईएमए। 12- और 26-दिवसीय ईएमए सबसे लोकप्रिय लघु-अवधि की औसत हैं, और इन्हें चलती औसत अभिसरण विचलन की तरह संकेतक बनाने के लिए उपयोग किया जाता है एमएसीडी और प्रतिशत मूल्य थरथरानवाला पीपीओ सामान्य तौर पर, 50- और 200-दिवसीय ईएमए का उपयोग दीर्घकालिक रुझानों के संकेत के रूप में किया जाता है। जो तकनीकी विश्लेषण करते हैं वे ट्रैवलिंग औसत बहुत ही उपयोगी और व्यावहारिक लगते हैं जब सही तरीके से लागू होते हैं लेकिन गलत तरीके से उपयोग किए जाने पर कहर पैदा हो या misinterpreted हैं सामान्यतः तकनीकी विश्लेषण में इस्तेमाल होने वाली सभी चलती औसत उनके स्वभाव से, अंतराल संकेतक हैं, नतीजतन, एक चलती औसत को एक विशेष बाजार चार्ट में लागू करने से तैयार निष्कर्ष बाजार की चाल की पुष्टि करने या इसकी ताकत का संकेत देने के लिए होना चाहिए, जब तक चलती औसत सूचक लाइन ने बाजार में एक महत्वपूर्ण कदम को प्रतिबिंबित करने के लिए एक बदलाव किया है, तो बाज़ार प्रविष्टि का इष्टतम बिंदु पहले ही एक ईएमए पास कर चुका है कुछ हद तक इस दुविधा को कम करने की सेवा प्रदान करता है क्योंकि एएमए गणना नवीनतम डेटा पर अधिक वजन रखती है, यह कीमत की कार्रवाई थोड़ा कड़ी मेहनत करती है और इसलिए तेज प्रतिक्रिया देती है जब ईएमए का उपयोग व्यापारिक प्रविष्टि सिग्नल प्राप्त करने के लिए किया जाता है तो यह वांछनीय है। ईएमए. सभी चल औसत सूचक, वे बाजारों के रुझान के लिए काफी अनुकूल हैं जब बाजार में मजबूत और निरंतर वृद्धि हुई है तो ईएमए इंडिकेटर लाइन भी डाउन ट्रेंड के लिए एक अपट्रेंड और उपाध्यक्ष बना देगा। एक सतर्क व्यापारी केवल भुगतान नहीं करेगा ईएमए लाइन की दिशा पर ध्यान देना, लेकिन एक बार से दूसरे में बदलाव की दर का संबंध उदाहरण के लिए, क्योंकि एक मजबूत अपट्रेंड की कीमत की कार्रवाई को समतल करना और रिवर्स करना शुरू होता है, एक बार से बदलकर ईएमए के परिवर्तन की दर अगले समय तक कम होना शुरू हो जाएगा, जब तक कि सूचक रेखा रूपाती है और परिवर्तन की दर शून्य है.इस बिंदु से, या कुछ ही बार पहले, कीमत क्रिया पहले से उलट होनी चाहिए एड ऐसा इसलिए है कि ईएमए के परिवर्तन की दर में लगातार घटते हुए एक संकेतक के रूप में उपयोग किया जा सकता है जो कि औसत चलने वाले ईएमए के उपयोग के चलने के प्रभाव से उत्पन्न दुविधा का सामना कर सकता है। एएमए सामान्यतः के साथ संयोजन के रूप में उपयोग किया जाता है महत्वपूर्ण संकेतकों की पुष्टि करने के लिए अन्य बाजारपेठ और उनकी वैधता का पता लगाने के लिए व्यापारियों के लिए जो इंट्रैडा और फास्ट-मूविंग मार्केट व्यापार करते हैं, ईएमए अधिक लागू होता है व्यापारियों के पक्षपात का निर्धारण करने के लिए अक्सर व्यापारियों ईएमए का उपयोग करते हैं उदाहरण के लिए, यदि एक दैनिक चार्ट पर एक ईएमए मजबूत वृद्धि की प्रवृत्ति, एक इंट्रेडय ट्रेडर की रणनीति केवल इंट्राएड चार्ट पर लंबे समय से ही व्यापार कर सकती है। सरल वीएस एक्सपेंनेलिबल मूविंग एवरेज। मॉविंग एवरेस्ट क्रमिक क्रम में संख्याओं के अनुक्रम के अध्ययन से अधिक है समय श्रृंखला विश्लेषण के प्रारंभिक चिकित्सकों वे वास्तव में व्यक्तिगत समय श्रृंखला संख्या से ज्यादा चिंतित थे, क्योंकि वे उस डेटा के प्रक्षेप के साथ थे, जो संभावना प्रान्त सिद्धांतों के रूप में प्रक्षेप थे और विश्लेषण, बहुत बाद में आया, जैसा कि पैटर्न विकसित और सहसंबंधों की खोज की गई। एक बार समझा जाता है कि, विभिन्न आकार के घटता और रेखाएँ समय की श्रृंखला के साथ तैयार की गई हैं, जहां यह अनुमान लगाया जा सकता है कि डेटा बिंदु कहाँ जा सकते हैं ये अब तकनीकी विश्लेषण व्यापारियों चार्टिंग विश्लेषण 18 वीं सदी जापान में वापस किया जा सकता है, फिर भी बाजार की कीमतों पर कैसे और कब चलने की औसत पहले एक रहस्य बनी हुई है यह आम तौर पर समझा जाता है कि सरल चलती औसत एसएमए घाटे से चलने वाली औसत ईएमए से पहले लंबे समय तक इस्तेमाल किया गया था, क्योंकि एएमए एसएमए फ्रेमवर्क और एसएमए कॉन्टैम को साजिश रचने और ट्रैकिंग उद्देश्यों के लिए और आसानी से समझा जा सकता है क्या आप थोड़ा पृष्ठभूमि पढ़ना चाहते हैं चेक आउट मूविंग एवरेसेस वे क्या हैं। सरल मूविंग औसत एसएमए सरल चलती औसत बाजार मूल्यों को ट्रैक करने के लिए पसंदीदा तरीका बन गए हैं क्योंकि वे जल्दी सोफ के उपयोग के बिना संचालित शुरुआती बाज़ार व्यवसायियों को समझने और समझने में आसान आजकल उपयोग की जाने वाली चार्ट मेट्रिक्स, इसलिए वे मुख्य रूप से बाज़ार की कीमतों पर अपने एकमात्र मार्गदर्शक के आधार पर भरोसा रखते थे, उन्होंने हाथों से बाजार की कीमतों की गणना की, और प्रवृत्तियों और बाजार की दिशा को निरूपित करने के लिए उन मूल्यों की गहराई की थी यह प्रक्रिया काफी थकाऊ थी, लेकिन आगे के अध्ययन की पुष्टि के साथ काफी लाभदायक साबित हुआ 10 दिन की सरल चलती औसत की गणना करने के लिए, बस पिछले 10 दिनों के समापन मूल्यों को जोड़कर 10 से विभाजित करें 20-दिवसीय चलती औसत की गणना 20-दिवसीय अवधि के समापन मूल्यों को जोड़कर और 20 से विभाजित करके की जाती है, और इतने पर। यह फार्मूला केवल बंद कीमतों पर आधारित नहीं है, लेकिन उत्पाद कीमतों का मतलब है - एक सबसेट मूविंग एवरेज को स्थानांतरित कर कहा जाता है क्योंकि चार्ट के बिंदु के हिसाब से गणना की जाने वाली कीमतों के समूह इसका मतलब है पुराने दिनों नए समापन मूल्य दिनों के पक्ष में गिरा दिया जाता है, इसलिए एक नई गणना हमेशा औसत नियोजित समय सीमा के अनुरूप होती है, इसलिए नए दिन को जोड़ने और दसवीं दिन को छोड़कर 10-दिवसीय औसत का पुनर्गलन किया जाता है , और नौवें दिन दूसरे दिन गिरा दिया जाता है मुद्रा व्यापार में चार्ट का उपयोग कैसे किया जाता है इसके बारे में और जानने के लिए, हमारे चार्ट मूल वाक्थ्रू की जांच करें। एक्सपेन्नेशन मूविंग औसत ईएमए घातीय चलती औसत का परिष्कृत किया गया है और 1 9 60 के दशक से इसका इस्तेमाल अधिक सामान्य है, धन्यवाद कंप्यूटर के साथ पूर्व चिकित्सकों के प्रयोग नए एएमए डाटा पॉइंटों की लंबी श्रृंखला की तुलना में हाल के दामों पर अधिक ध्यान केन्द्रित करेंगे, क्योंकि सरल चलती औसत की आवश्यकता होती है। वर्तमान ईएमए प्राइस चालू - पिछले ईएमए एक्स गुणक पिछले ईएमए। सबसे महत्वपूर्ण कारक है चिकनाई स्थिर है कि 2 1 एन जहां एन की संख्या। ए 10-दिन ईएमए 2 10 1 18 8. इसका मतलब है कि 10-अवधि का ईएमए सबसे हाल की कीमत 18 8, 20-दिवसीय ईएमए 9 52 और 50- दिन ईएमए 3 92 सबसे हाल के दिन वजन 9 ईएमए मौजूदा अवधि की कीमत और पिछले ईएमए के बीच अंतर को भारित करके काम करती है, और पिछले ईएमए के परिणाम को जोड़ना, इस अवधि की अवधि जितनी कम हो, उतनी अधिक मात्रा में सबसे हालिया मूल्य पर लागू होता है फिटिंग लाइनों टी द्वारा हेस गणना, अंक एक प्लैटिनम लाइन का खुलासा करते हैं, बाजार कीमत के ऊपर या नीचे फिटिंग लाइनों का अर्थ है कि सभी चल औसत औसत हद तक संकेतक हैं और मुख्य रूप से निम्न रुझानों के लिए उपयोग किए जाते हैं वे रेंज मार्केट और भीड़ की अवधि के साथ अच्छी तरह काम नहीं करते क्योंकि फिटिंग लाइन स्पष्ट उच्च ऊंचा या कम चढ़ावों की कमी के कारण प्रवृत्ति को निरूपित करने के लिए असफल प्लस, दिशा निर्देशों के बिना फिटिंग लाइनें निरंतर बनी रहती हैं बाजार के नीचे एक बढ़ती हुई फिटिंग लाइन का प्रतीक है, जबकि बाजार के ऊपर एक गिरने वाली फिटिंग लाइन एक संपूर्ण मार्गदर्शिका के लिए, हमारे मूविंग औसत ट्यूटोरियल पढ़ें। एक सरल चलती औसत को रोजगार देने का उद्देश्य कीमतों के कई समूहों के माध्यम से डेटा को चौरसाई करके चलने और प्रवृत्तियों को मापना है। एक प्रवृत्ति को देखा गया है और एक अनुमान में एक्सट्रपोलोशन यह धारणा है कि पूर्व प्रवृत्ति आंदोलन जारी रहेगा सरल चलती औसत के लिए, एक दीर्घकालिक प्रवृत्ति पाया जा सकता है और एक ईएमए की तुलना में बहुत आसान है, उचित धारणा के साथ यह मानना ​​है कि उचित कीमतों पर अधिक ध्यान देने के कारण फिटिंग लाइन ईएमए लाइन की तुलना में मजबूत होगी। सबसे हाल के मूल्यों पर ध्यान देने के कारण, एक ईएमए का उपयोग छोटे प्रवृत्ति चालकों पर कब्जा करने के लिए किया जाता है, इस पद्धति से, एक एएमए किसी भी कमी को कम करना चाहता है सरल चलती औसत में, फिटिंग लाइन एक साधारण चलती औसत से करीब कीमतों को गले लगाएगी एएमए के साथ समस्या यह है कि यह कीमत टूटने की संभावना है, खासकर तेज़ बाजारों और अस्थिरता की अवधि के दौरान ईएमए अच्छी तरह से काम करती है जब तक कीमतें फिटिंग लाइन को तोड़ते नहीं हैं उच्च उतार-चढ़ाव बाजार, आप चलती औसत अवधि की अवधि बढ़ाने पर विचार कर सकते हैं एक भी एक ईएमए से एसएमए पर स्विच कर सकता है, क्योंकि एसएमए अब ईएमए के मुकाबले डेटा को बेहतर बना देता है क्योंकि दीर्घकालिक साधनों पर इसका ध्यान केंद्रित होता है। निम्नलिखित संकेतकों के रूप में संकेतों के पीछे, औसत चलती है समर्थन और प्रतिरोध लाइनों के रूप में अच्छी तरह से सेवा करते हैं यदि कीमतें एक 10 दिनों की फिटिंग लाइन से नीचे की ओर बढ़ती हैं, तो संभावना यह है कि ऊपरी प्रवृत्ति घटती जा सकती है या कम से कम मी आर्केट मजबूत हो सकता है यदि कीमतों में गिरावट में 10-दिवसीय चलने वाले औसत से ऊपर की तरफ बढ़ जाती है तो प्रवृत्ति घटती या मजबूत हो सकती है इन उदाहरणों में, एक साथ 10- और 20-दिवसीय चलती औसत को रोजगार, और 10-दिवसीय लाइन को पार करने की प्रतीक्षा करें 20-दिन की रेखा से ऊपर या नीचे यह कीमतों के लिए अगले शॉर्ट-टर्म दिशानिर्देश को निर्धारित करता है। लंबी अवधि की अवधि के लिए, लंबी अवधि की दिशा में 100- और 200-दिवसीय चलती औसत देखें उदाहरण के लिए, 100- और 200- औसत, यदि 100-दिवसीय मूवमेंट औसत 200-दिवसीय औसत से नीचे पार करता है, तो इसे मृत्यु क्रॉस कहा जाता है और कीमतों के लिए बहुत मंदी होती है 100 दिन की चलती औसत जो 200-दिवसीय चलती औसत से अधिक हो जाती है उसे स्वर्ण क्रॉस कहा जाता है और कीमतों के लिए बहुत तेजी से है यदि कोई एसएमए या ईएमए का उपयोग किया जाता है तो यह कोई फर्क नहीं पड़ता है, क्योंकि दोनों ही रुझान से नीचे दिए गए संकेतक हैं, केवल एसएमए में उसके समकक्ष, ईएमए से मामूली विचलन है। समावेशन मूविंग एवरेज चार्ट और समय श्रृंखला विश्लेषण का आधार सरल चलती है औसत और अधिक जटिल घातीय चलती औसत मदद मूल्य आंदोलनों को चौरसाई करके प्रवृत्ति को देखने में मदद करती है तकनीकी विश्लेषण कभी-कभी एक विज्ञान के बजाय एक कला के रूप में संदर्भित किया जाता है, दोनों जिनमें से मास्टर हमारे तकनीकी विश्लेषण ट्यूटोरियल में अधिक जानें। संयुक्त राज्य अमेरिका के श्रम सांख्यिकी ब्यूरो रोजगार की रिक्तियों को मापने में मदद करने के लिए यह नियोक्ताओं से डेटा एकत्र करता है। संयुक्त राज्य अमेरिका की अधिकतम राशि उधार ले सकती है ऋण की छत दूसरी लिबर्टी बाण्ड अधिनियम के तहत बनाई गई थी। ब्याज दर जिस पर एक डिपॉजिटरी संस्था निधि देती है फेडरल रिजर्व में एक अन्य डिपॉजिटरी संस्था पर बनाए रखा। 1 किसी दिए गए सुरक्षा या बाजार सूचकांक के लिए रिटर्न के फैलाव का एक सांख्यिकीय उपाय या तो या तो मापा जा सकता है। 1 9 33 में अमेरिकी कांग्रेस ने बैंकिंग अधिनियम के रूप में पारित किया, जिसने वाणिज्यिक बैंकों को प्रतिबंधित किया। निवेश में भाग लेना। नॉनफ़ॉर्म पेरोल खेतों, निजी घरों और गैर-लाभकारी क्षेत्र के बाहर किसी भी नौकरी का उल्लेख करता है श्रम के यू एस ब्यूरो