ชี้แจง เคลื่อนไหว ค่าเฉลี่ย ใน Sql

ฉันอ่านบทสนทนาที่คุณพูดถึงแล้ว สามารถใช้ได้กับ PostgreSQL เนื่องจากได้รับอนุญาตให้สร้างฟังก์ชันการรวมที่ผู้ใช้กำหนดโดยใช้ SQL ใน PostgreSQL แต่ไม่ได้รับอนุญาตให้ใช้ใน SQL Server การใช้ recursive CTE เป็นวิธีการที่เป็นไปได้ใน SQL Server แต่ฉันสังเกตเห็นว่าวิธี CTE อาจทำให้เกิดการสแกนตารางมากกว่าฟังก์ชันหน้าต่าง ดังนั้นฉันจะโพสต์นี้เพื่อถามว่าเป็นไปได้ในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนาโดยใช้ฟังก์ชันหน้าต่าง SQL Server 2012 เช่นเดียวกับการคำนวณค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ndash xiagao1982 Apr 14 13 at 2:53 อันดับแรกคุณคำนวณ EMA (SMA (x)) แทน EMA (x) ประการที่สองค่าคงที่ quotsmoothing ของคุณเป็นค่า Beta ในสูตรของฉันไม่ใช่ค่า alpha ด้วยการเปลี่ยนแปลงทั้งสองแบบนี้ SQLFiddle มีลักษณะดังนี้: sqlfiddle6191921 อย่างไรก็ตามยังมีความแตกต่างเล็กน้อยระหว่างผลลัพธ์ที่เกิดขึ้นจริงกับผลลัพธ์ที่คาดไว้ ฉันจะกลับไปดูว่าคำจำกัดความ EMA ตรงกับที่ฉันรู้จักหรือไม่ ndash: Sebastian Meine 7 พฤษภาคม 13 เวลา 13:46 ฉันเพียงแค่ดูที่สูตรในสเปรดชีตที่คุณแนบมาและเป็นวิธีปิดคำจำกัดความมาตรฐาน EMA สูตรของฉันคำนวณค่าเฉลี่ยของการเคลื่อนที่แบบเสวนาของแถวสุดท้าย 10 แถว สเปรดชีตจะคำนวณค่าเฉลี่ยมาตรฐานแรกในแถวสุดท้าย 10 แถวและค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบทวีคูณที่ไม่ จำกัด สำหรับค่าเฉลี่ยทั้งหมด นี่เป็นสูตรที่นี่: en. wikipedia. orgwikiEWMAchart ndash Sebastian Meine May 7 13 at 13: 52 ค่าเฉลี่ยใน T-SQL การคำนวณโดยทั่วไปในการวิเคราะห์แนวโน้มคือค่าเฉลี่ยเคลื่อนที่ (หรือกลิ้ง) ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของตัวอย่างเช่น 10 แถวล่าสุด ค่าเฉลี่ยเคลื่อนที่แสดงเส้นโค้งที่ราบรื่นกว่าค่าจริงมากขึ้นโดยมีระยะเวลายาวนานกว่าสำหรับค่าเฉลี่ยเคลื่อนที่ซึ่งเป็นเครื่องมือที่ดีสำหรับการวิเคราะห์แนวโน้ม โพสต์บล็อกนี้จะแสดงวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ใน T-SQL วิธีต่างๆจะใช้ขึ้นอยู่กับรุ่นของ SQL Server กราฟด้านล่างแสดงให้เห็นถึงผลการปรับให้เรียบ (เส้นสีแดง) โดยมีค่าเฉลี่ยเคลื่อนที่ 200 วัน ราคาหุ้นเป็นเส้นสีน้ำเงิน แนวโน้มในระยะยาวสามารถมองเห็นได้ชัดเจน T-SQL Moving Avergage 200 วันการสาธิตด้านล่างนี้ต้องการฐานข้อมูล TAdb ที่สามารถสร้างขึ้นพร้อมกับสคริปต์ที่อยู่ที่นี่ ในตัวอย่างที่จะเกิดขึ้นเราจะคำนวณค่าเฉลี่ยเคลื่อนที่ในช่วง 20 วันที่ผ่านมา ขึ้นอยู่กับรุ่นของ SQL Server จะมีวิธีการอื่นในการคำนวณ และตามที่เราจะเห็นในภายหลัง SQL Server รุ่นใหม่มีฟังก์ชันที่ช่วยให้การคำนวณมีประสิทธิภาพมากขึ้น SQL Server 2012 และรุ่นที่ใหม่กว่า Moving Average รุ่นนี้ใช้ฟังก์ชันหน้าต่างรวม Whats ใหม่ใน SQL 2012 คือความเป็นไปได้ที่จะ จำกัด ขนาดของหน้าต่างโดยการระบุว่าแถวก่อนหน้าหน้าต่างควรประกอบด้วย: แถวก่อนเป็น 19 เพราะเราจะรวมแถวปัจจุบันเช่นกันในการคำนวณ อย่างที่คุณเห็นการคำนวณค่าเฉลี่ยเคลื่อนที่ใน SQL Server 2012 ทำได้ง่ายมาก รูปด้านล่างนี้แสดงให้เห็นถึงหลักการของ windowing แถวปัจจุบันมีเครื่องหมายสีเหลือง หน้าต่างถูกทำเครื่องหมายด้วยพื้นหลังสีน้ำเงิน ค่าเฉลี่ยเคลื่อนที่เป็นค่าเฉลี่ยของ QuoteClose ในบรรทัดสีน้ำเงิน: หน้าต่างการย้ายโดยเฉลี่ยของ T-SQL ผลลัพธ์ของการคำนวณใน SQL Server รุ่นเก่าจะเหมือนกันดังนั้นจะไม่มีการแสดงอีกครั้ง SQL Server 2005 8211 2008R2 Moving Average รุ่นนี้ใช้นิพจน์ตารางร่วมกัน CTE มีการอ้างถึงตนเองเพื่อรับแถว 20 แถวสุดท้ายสำหรับแต่ละแถว: ค่าเฉลี่ยก่อนย้าย SQL Server 2005 รุ่นก่อนปี 2005 จะใช้การรวมด้านซ้ายที่ด้านซ้ายไปยังตารางเดียวกันเพื่อรับแถวสุดท้าย 20 แถว ตารางด้านนอกสามารถกล่าวได้ว่ามีหน้าต่างที่เราต้องการคำนวณโดยเฉลี่ยเมื่อ: การเปรียบเทียบประสิทธิภาพหากเราใช้วิธีการที่แตกต่างกันสามแบบพร้อมกันและตรวจสอบแผนการดำเนินงานที่เกิดขึ้นมีความแตกต่างอย่างมากในประสิทธิภาพระหว่างวิธีการ: การเปรียบเทียบสาม วิธีการต่างๆในการคำนวณค่าเฉลี่ยเคลื่อนที่ในขณะที่คุณสามารถดูได้การปรับปรุงฟังก์ชัน windowing ใน SQL 2012 จะทำให้ประสิทธิภาพในการทำงานแตกต่างกันมาก ดังที่ได้กล่าวไว้ในตอนต้นของบทความนี้การย้ายค่าเฉลี่ยจะใช้เป็นเครื่องมือในการอธิบายแนวโน้ม วิธีการทั่วไปคือการรวมค่าเฉลี่ยเคลื่อนที่ของความยาวที่ต่างกันเพื่อให้มีการเปลี่ยนแปลงในระยะสั้นระยะกลางและระยะยาวตามลำดับ ความสนใจเป็นพิเศษคือการข้ามเส้นแนวโน้ม ตัวอย่างเช่นเมื่อแนวโน้มระยะสั้นเคลื่อนที่ไปตามแนวโน้มระยะยาวหรือระยะปานกลางสิ่งนี้อาจแปลได้ว่าเป็นสัญญาณซื้อในการวิเคราะห์ทางเทคนิค และเมื่อแนวโน้มระยะสั้นเคลื่อนที่ไปตามเส้นแนวโน้มที่ยาวขึ้นสิ่งนี้สามารถตีความได้ว่าเป็นสัญญาณการขาย แผนภูมิด้านล่างแสดงคำคม Ma20, Ma50 และ Ma200 T-SQL Ma20, Ma50, Ma200 สัญญาณซื้อและขาย โพสต์บล็อกนี้เป็นส่วนหนึ่งของซีรี่ส์เกี่ยวกับการวิเคราะห์ทางเทคนิค TA ใน SQL Server ดูโพสต์อื่นที่นี่ EMA ลดลงค่าเฉลี่ยเลขประจำตัว EMA - EMA ระยะเวลา 12 และ 26 วันเป็นค่าเฉลี่ยระยะสั้นที่ได้รับความนิยมมากที่สุดและใช้ในการสร้างตัวบ่งชี้เช่นความแตกต่างของค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ (MACD) และค่าเฉลี่ยการถดถอยของค่าเฉลี่ย (Moving Average Concentration Divergence - MACD) oscillator ราคาหุ้น (PPO) โดยทั่วไปแล้ว EMA 50 และ 200 วันใช้เป็นสัญญาณของแนวโน้มในระยะยาว ผู้ค้าที่ใช้การวิเคราะห์ทางเทคนิคพบค่าเฉลี่ยเคลื่อนที่ที่มีประโยชน์และลึกซึ้งเมื่อใช้อย่างถูกต้อง แต่สร้างความหายนะเมื่อใช้ไม่ถูกต้องหรือถูกตีความผิด ค่าเฉลี่ยเคลื่อนที่ทั้งหมดที่ใช้กันโดยทั่วไปในการวิเคราะห์ทางเทคนิคเป็นไปตามลักษณะของตัวชี้วัดที่ล่าช้า ดังนั้นข้อสรุปที่ได้จากการนำค่าเฉลี่ยเคลื่อนที่ไปเป็นกราฟตลาดหนึ่ง ๆ ควรเป็นการยืนยันการเคลื่อนไหวของตลาดหรือเพื่อบ่งชี้ถึงความแข็งแกร่ง บ่อยครั้งเมื่อถึงเวลาที่เส้นค่าเฉลี่ยเคลื่อนไหวได้เปลี่ยนไปเพื่อสะท้อนการเคลื่อนไหวที่สำคัญในตลาดจุดที่เหมาะสมที่สุดของการเข้าสู่ตลาดได้ผ่านไปแล้ว EMA ช่วยลดปัญหานี้ได้บ้าง เนื่องจากการคำนวณ EMA ให้น้ำหนักมากขึ้นกับข้อมูลล่าสุดจึงทำให้การดำเนินการด้านราคาแย่ลงและตอบสนองได้เร็วขึ้น นี่เป็นที่พึงปรารถนาเมื่อใช้ EMA เพื่อรับสัญญาณการซื้อขาย การตีความ EMA เช่นเดียวกับตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่ทั้งหมดพวกเขาจะเหมาะกับตลาดที่มีแนวโน้มมากขึ้น เมื่อตลาดอยู่ในขาขึ้นที่แข็งแกร่งและยั่งยืน เส้นแสดงตัวบ่งชี้ EMA จะแสดงแนวโน้มขาขึ้นและทางกลับกันสำหรับแนวโน้มขาลง ผู้ค้าระมัดระวังจะไม่เพียง แต่ใส่ใจกับทิศทางของเส้น EMA แต่ยังสัมพันธ์ของอัตราการเปลี่ยนแปลงจากแถบหนึ่งไปอีก ตัวอย่างเช่นในขณะที่การดำเนินการตามราคาของขาขึ้นที่แข็งแกร่งจะเริ่มแผ่ออกและพลิกกลับอัตราการเปลี่ยนแปลงของ EMA จากแถบหนึ่งไปยังอีกส่วนหนึ่งจะเริ่มลดลงไปจนกว่าจะถึงเวลาดังกล่าวที่บรรทัดตัวบ่งชี้จะราบเรียบและอัตราการเปลี่ยนแปลงเป็นศูนย์ เนื่องจากผลกระทบที่ปกคลุมด้วยวัตถุฉนวนถึงจุดนี้หรือแม้กระทั่งไม่กี่บาร์ก่อนการดำเนินการด้านราคาน่าจะได้กลับรายการไปแล้ว ดังนั้นจึงเป็นไปได้ว่าการสังเกตการลดอัตราการเปลี่ยนแปลงของ EMA ที่สอดคล้องกันอาจเป็นตัวบ่งชี้ที่สามารถช่วยป้องกันภาวะที่กลืนไม่เข้าคายไม่ออกซึ่งเกิดจากผลกระทบที่เกิดจากการเคลื่อนที่โดยเฉลี่ย การใช้ EMA ทั่วไปของ EMA มักใช้ร่วมกับตัวบ่งชี้อื่น ๆ เพื่อยืนยันการย้ายตลาดที่สำคัญและเพื่อวัดความถูกต้อง สำหรับผู้ค้าที่ค้าขายระหว่างวันและตลาดที่เคลื่อนไหวอย่างรวดเร็ว EMA จะสามารถใช้งานได้มากขึ้น ผู้ค้ามักใช้ EMA เพื่อหาอคติในการซื้อขาย ตัวอย่างเช่นหาก EMA ในแผนภูมิรายวันแสดงให้เห็นถึงแนวโน้มที่สูงขึ้นกลยุทธ์การค้าระหว่างวันอาจเป็นการค้าเฉพาะจากด้านยาวบนกราฟระหว่างวันเท่านั้น