ประเภท ของ เฉลี่ยเคลื่อนที่ วิธี

การวิเคราะห์ทางเทคนิค: ค่าเฉลี่ยเคลื่อนไหวส่วนใหญ่รูปแบบแผนภูมิแสดงการเปลี่ยนแปลงของราคาในรูปแบบต่างๆ ซึ่งอาจทำให้ผู้ค้าได้รับความคิดในเรื่องแนวโน้มความปลอดภัยโดยรวม หนึ่งวิธีง่ายๆที่ผู้ค้าใช้ในการต่อสู้นี้คือการใช้ค่าเฉลี่ยเคลื่อนที่ ค่าเฉลี่ยเคลื่อนที่คือราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาที่กำหนด โดยการวางแผนการรักษาความปลอดภัยราคาเฉลี่ยการเคลื่อนไหวของราคาจะเรียบออก เมื่อความผันผวนแบบวันต่อวันจะถูกเอาออกผู้ค้าจะสามารถระบุแนวโน้มที่แท้จริงได้ดีขึ้นและเพิ่มความเป็นไปได้ที่จะใช้ประโยชน์ได้ ประเภทของค่าเฉลี่ยเคลื่อนที่มีค่าเฉลี่ยเคลื่อนที่หลายแบบแตกต่างกันไปตามที่คำนวณ แต่วิธีตีความค่าเฉลี่ยแต่ละค่ายังคงเหมือนเดิม การคำนวณมีความแตกต่างกันเพียงอย่างเดียวกับการถ่วงน้ำหนักที่พวกเขาวางไว้กับข้อมูลราคาขยับจากน้ำหนักที่เท่ากันของแต่ละจุดราคาไปเป็นน้ำหนักที่มากขึ้นเมื่อเทียบกับข้อมูลล่าสุด สามประเภทที่พบมากที่สุดของค่าเฉลี่ยเคลื่อนที่อยู่ที่ง่ายๆ เชิงเส้นและเลขชี้กำลัง Simple Moving Average (SMA) นี่เป็นวิธีที่นิยมใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่ของราคา ใช้เวลาเพียงผลรวมของราคาปิดที่ผ่านมาในช่วงเวลาและหารผลตามจำนวนราคาที่ใช้ในการคำนวณ ตัวอย่างเช่นในค่าเฉลี่ยเคลื่อนที่ 10 วันราคาปิดสุดท้าย 10 รายการจะรวมเข้าด้วยกันและหารด้วย 10 ดังที่คุณเห็นในรูปที่ 1 ผู้ประกอบการค้าสามารถที่จะทำให้ค่าเฉลี่ยของการตอบสนองต่อการเปลี่ยนแปลงราคาโดยเฉลี่ยน้อยลงโดยการเพิ่มจำนวน ของรอบระยะเวลาที่ใช้ในการคำนวณ การเพิ่มจำนวนช่วงเวลาในการคำนวณเป็นวิธีที่ดีที่สุดในการวัดความแข็งแกร่งของแนวโน้มในระยะยาวและความเป็นไปได้ที่จะเกิดการย้อนกลับ หลายคนอ้างว่าประโยชน์ของค่าเฉลี่ยประเภทนี้มีข้อ จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีผลกระทบต่อผลลัพธ์โดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ นักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากขึ้นและควรมีการถ่วงน้ำหนักที่สูงขึ้น การวิพากษ์วิจารณ์ประเภทนี้เป็นหนึ่งในปัจจัยหลักที่นำไปสู่การประดิษฐ์รูปแบบอื่น ๆ ของค่าเฉลี่ยเคลื่อนที่ ค่าเฉลี่ยถ่วงน้ำหนักเชิงเส้นตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่นี้เป็นค่าเฉลี่ยที่น้อยที่สุดจากสามตัวและใช้เพื่อแก้ปัญหาเกี่ยวกับการถ่วงน้ำหนักเท่ากัน เส้นค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบเส้นตรงคำนวณจากผลรวมของราคาปิดทั้งหมดในช่วงเวลาหนึ่งและคูณด้วยตำแหน่งของจุดข้อมูลและหารด้วยผลรวมของจำนวนงวด ตัวอย่างเช่นในระยะเวลาห้าวันโดยถัวเฉลี่ยถ่วงน้ำหนักราคาปิดในปัจจุบันจะคูณด้วยห้าวันวานโดยสี่เป็นต้นจนกว่าจะถึงวันแรกในช่วงระยะเวลา ตัวเลขเหล่านี้จะถูกรวมกันและหารด้วยผลรวมของตัวคูณ ค่าเฉลี่ยการเคลื่อนที่แบบ Exponential (EMA) การคำนวณค่าเฉลี่ยเคลื่อนที่นี้ใช้ปัจจัยที่ราบเรียบเพื่อให้น้ำหนักที่สูงขึ้นในจุดข้อมูลล่าสุดและถือว่ามีประสิทธิภาพมากกว่าค่าเฉลี่ยถ่วงน้ำหนักแบบเส้นตรง ไม่จำเป็นต้องมีความเข้าใจในการคำนวณสำหรับผู้ค้าส่วนใหญ่เนื่องจากส่วนใหญ่แพคเกจแผนภูมิทำคำนวณสำหรับคุณ สิ่งสำคัญที่สุดที่ต้องจดจำเกี่ยวกับค่าเฉลี่ยเคลื่อนที่แบบเสวนาก็คือการตอบสนองต่อข้อมูลใหม่ ๆ เมื่อเทียบกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย การตอบสนองนี้เป็นหนึ่งในปัจจัยสำคัญที่ทำให้ค่าเฉลี่ยเคลื่อนที่ของทางเลือกในหมู่ผู้ค้าทางเทคนิคจำนวนมาก ดังที่เห็นในรูปที่ 2 EMA ระยะเวลา 15 วันจะเพิ่มขึ้นและลดลงเร็วกว่า SMA 15 ช่วง ความแตกต่างเล็กน้อยนี้ดูเหมือนจะไม่ค่อยมากนัก แต่เป็นปัจจัยสำคัญที่ต้องคำนึงถึงเนื่องจากอาจมีผลกระทบต่อ การใช้ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อระบุแนวโน้มในปัจจุบันและการกลับรายการแนวโน้มเช่นเดียวกับการตั้งค่าการสนับสนุนและระดับความต้านทาน ค่าเฉลี่ยเคลื่อนที่สามารถใช้เพื่อระบุได้อย่างรวดเร็วว่าการรักษาความปลอดภัยมีการเคลื่อนไหวในขาขึ้นหรือขาลงหรือไม่ขึ้นอยู่กับทิศทางของค่าเฉลี่ยเคลื่อนที่ ดังที่เห็นในรูปที่ 3 เมื่อค่าเฉลี่ยเคลื่อนที่เคลื่อนขึ้นสูงและราคาอยู่เหนือระดับความปลอดภัยจะอยู่ในแนวโน้มขาขึ้น ในทางกลับกันค่าเฉลี่ยเคลื่อนที่ที่หดตัวลงพร้อมกับราคาด้านล่างสามารถนำมาใช้เป็นสัญญาณขาลง อีกวิธีหนึ่งในการกำหนดโมเมนตัมคือการดูลำดับของค่าเฉลี่ยเคลื่อนที่สองเส้น เมื่อค่าเฉลี่ยระยะสั้นอยู่เหนือค่าเฉลี่ยระยะยาวแนวโน้มจะเพิ่มขึ้น ในทางกลับกันค่าเฉลี่ยระยะยาวที่สูงกว่าค่าเฉลี่ยระยะสั้นจะส่งผลให้แนวโน้มการปรับตัวลดลง การย้ายการพลิกกลับของค่าเฉลี่ยโดยเฉลี่ยจะเกิดขึ้นในสองวิธีหลัก ๆ คือเมื่อราคาเคลื่อนผ่านค่าเฉลี่ยเคลื่อนที่และเมื่อเคลื่อนที่ผ่านค่าไขว้ถัวเฉลี่ยเคลื่อนที่ สัญญาณแรกที่พบคือเมื่อราคาเคลื่อนผ่านค่าเฉลี่ยเคลื่อนที่ที่สำคัญ ตัวอย่างเช่นเมื่อราคาหลักทรัพย์ที่อยู่ในช่วงขาลงลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ในช่วง 50 เช่นในรูปที่ 4 จะเป็นสัญญาณว่าแนวโน้มขากลับอาจย้อนกลับ สัญญาณอื่น ๆ ของการกลับรายการแนวโน้มคือเมื่อค่าเฉลี่ยเคลื่อนที่หนึ่งตัวผ่านไปมาอีก ตัวอย่างเช่นที่คุณเห็นในรูปที่ 5 ถ้าค่าเฉลี่ยเคลื่อนที่ 15 วันสูงกว่าค่าเฉลี่ยเคลื่อนที่ 50 วันนั่นเป็นสัญญาณบวกที่ราคาจะเริ่มเพิ่มขึ้น หากระยะเวลาที่ใช้ในการคำนวณค่อนข้างสั้นตัวอย่างเช่น 15 และ 35 อาจส่งสัญญาณการกลับรายการในระยะสั้น ในทางกลับกันเมื่อค่าเฉลี่ยสองค่าที่มีกรอบเวลาที่ค่อนข้างยาว (เช่น 50 และ 200) จะใช้เพื่อแนะนำการเปลี่ยนแปลงในระยะยาว อีกวิธีหนึ่งในการคำนวณค่าเฉลี่ยเคลื่อนที่คือการระบุระดับการสนับสนุนและความต้านทาน ไม่ใช่เรื่องแปลกที่จะเห็นสต็อกที่ได้รับการล้มหยุดการลดลงและทิศทางย้อนกลับเมื่อมันกระทบการสนับสนุนของค่าเฉลี่ยเคลื่อนที่ที่สำคัญ การเคลื่อนที่ผ่านค่าเฉลี่ยเคลื่อนที่ที่สำคัญมักถูกใช้เป็นสัญญาณโดยผู้ค้าทางเทคนิคว่าเทรนด์กำลังถอยกลับ ตัวอย่างเช่นถ้าราคาพักผ่านเส้นค่าเฉลี่ยเคลื่อนที่ 200 วันในทิศทางที่ลดลงสัญญาณนี้จะเป็นสัญญาณว่าแนวโน้มขากลับกำลังย้อนกลับ ค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือที่มีประสิทธิภาพในการวิเคราะห์แนวโน้มด้านความปลอดภัย พวกเขาให้การสนับสนุนที่มีประโยชน์และจุดความต้านทานและใช้งานง่ายมาก กรอบเวลาที่พบบ่อยที่สุดที่ใช้เมื่อสร้างค่าเฉลี่ยเคลื่อนที่ ได้แก่ 200 วัน 100 วัน 50 วัน 20 วันและ 10 วัน ค่าเฉลี่ย 200 วันนับเป็นวัดที่ดีสำหรับปีการค้าขายซึ่งเป็นค่าเฉลี่ยครึ่งวันของ 100 วันซึ่งเป็นค่าเฉลี่ย 50 วันของไตรมาสโดยเฉลี่ยอยู่ที่ 20 วันต่อเดือนและ 10 วันเฉลี่ย 2 สัปดาห์ การเคลื่อนย้ายค่าเฉลี่ยช่วยให้ผู้ค้าทางเทคนิคสามารถเอื้ออำนวยต่อการเคลื่อนไหวของราคาในแต่ละวันซึ่งทำให้ผู้ค้ามองเห็นแนวโน้มราคาได้ชัดเจนยิ่งขึ้น จนถึงตอนนี้เรามุ่งเน้นการเคลื่อนไหวของราคาผ่านแผนภูมิและค่าเฉลี่ย ในส่วนถัดไปให้ดูเทคนิคอื่น ๆ ที่ใช้เพื่อยืนยันการเคลื่อนไหวและรูปแบบของราคาประเภทของการย้ายโดยเฉลี่ยวิธีการเรียงความทางเศรษฐศาสตร์ Published: 23rd March, 2015 แก้ไขครั้งสุดท้าย: 23 มีนาคม 2015 บทความนี้ถูกส่งโดยนักศึกษา นี่ไม่ใช่ตัวอย่างของงานที่เขียนโดยนักเขียนเรียงความมืออาชีพของเรา การคาดการณ์เป็นสิ่งสำคัญและมีส่วนสำคัญในการวางแผนธุรกิจ หมายถึงการประมาณความต้องการสินค้าและบริการในอนาคตอันใกล้และทรัพยากรที่จำเป็นต่อการผลิตผลเหล่านี้ ประมาณการความต้องการในอนาคตสำหรับผลิตภัณฑ์หรือบริการโดยทั่วไปจะเรียกว่าการคาดการณ์ยอดขาย กล่าวคือการคาดการณ์คือศิลปะและวิทยาศาสตร์ในการทำนายเหตุการณ์ในอนาคต ไม่ใช่แค่การเดาหรือการคาดเดาเกี่ยวกับอนาคตโดยปราศจากเหตุผลใด ๆ อาจเกี่ยวข้องกับการใช้ข้อมูลที่ผ่านมาหรือการคาดการณ์ที่ใช้งานง่ายในกรณีที่ไม่มีข้อมูลทางประวัติศาสตร์ พื้นฐานของการคาดการณ์การพยากรณ์โดยธรรมชาติจะใช้ข้อมูลจากช่วงที่ผ่านมาเพื่อคาดการณ์การคาดการณ์ในอนาคตของ บริษัท ข้อมูลทางประวัติศาสตร์รวมถึงงบการเงินขององค์กรของคุณและข้อมูลใด ๆ ที่คุณเชื่อว่ามีคุณค่าในการคาดการณ์ถึงความสำเร็จในอนาคตของ บริษัท ของคุณ ข้อมูลทางประวัติศาสตร์ไม่ได้มาจาก บริษัท ของคุณ แต่เพียงอย่างเดียวอาจเป็นข้อมูลทางเศรษฐกิจมหภาคเช่นดัชนีความเชื่อมั่นผู้บริโภคอัตราดอกเบี้ยการเริ่มสร้างบ้านหรือตัวแปรทางเศรษฐกิจอื่น ๆ ที่คุณเชื่อว่ามีผลกระทบต่อธุรกิจของคุณจากประสบการณ์และข้อสังเกตทางธุรกิจของคุณ . การย้ายวิธีเฉลี่ย (Average Moving Average Method) วิธีเฉลี่ยเคลื่อนที่จะใช้ค่าข้อมูลที่เกิดขึ้นจริงในอดีตจำนวนมากเพื่อสร้างการคาดการณ์ ค่าเฉลี่ยเคลื่อนที่ของ n จำนวนงวดในค่าเฉลี่ยเคลื่อนที่จะถูกคำนวณเป็น: วิธีนี้ใช้ค่าเฉลี่ยของจุดข้อมูลหรือช่วงเวลาที่อยู่ติดกัน กระบวนการเฉลี่ยจะใช้การสังเกตที่ทับซ้อนกันเพื่อสร้างค่าเฉลี่ย คำ quotmovingquot หมายถึงค่าเฉลี่ยของเส้นทางคำนวณการคาดการณ์เลื่อนขึ้นหรือลงชุดเวลาเพื่อเลือกข้อสังเกตเพื่อคำนวณค่าเฉลี่ยของจำนวนการสังเกตที่กำหนดไว้ ในช่วงสิบของเราเกี่ยวกับคำถามวิธีคำนวณค่าเฉลี่ยเคลื่อนที่จะใช้ค่าเฉลี่ยของการสังเกตล่าสุด 10 ข้อของข้อมูลในชุดข้อมูลเวลาตามที่คาดการณ์ไว้สำหรับงวดถัดไป ค่าเฉลี่ยเคลื่อนที่จะถูกใช้โดยทั่วไปกับข้อมูลชุดข้อมูลแบบเรียลไทม์เพื่อให้เกิดความผันผวนในระยะสั้นและเน้นแนวโน้มหรือรอบระยะยาว ระยะเวลาระหว่างระยะยาวและระยะสั้นขึ้นอยู่กับแอ็พพลิเคชันและพารามิเตอร์ของค่าเฉลี่ยเคลื่อนที่จะถูกตั้งค่าให้สอดคล้องกัน ตัวอย่างเช่นมักใช้ในการวิเคราะห์ทางเทคนิคของข้อมูลทางการเงินเช่นราคาหุ้นและส่งคืนสต๊อกหรือปริมาณการซื้อขายทั่วไปค่าเฉลี่ยเคลื่อนที่ที่เรียกว่าค่าเฉลี่ยโดยรวมคือค่าเฉลี่ยของการเคลื่อนไหวของราคาโดยแสดงค่าเฉลี่ยของข้อมูลภายในกรอบเวลาที่กำหนด การย้ายระดับเฉลี่ยจะถูกตีความว่าเป็นความต้านทานในตลาดที่เพิ่มขึ้นหรือการสนับสนุนในตลาดที่ลดลง ที่นี่ระดับการสนับสนุนหมายถึงอันดับราคาที่ราคามีแนวโน้มที่จะหา quotsupportquot ขณะที่กำลังจะลดลง ราคามีแนวโน้มที่จะเพิ่มระดับต่ำกว่าระดับนี้แทนที่จะข้ามผ่าน ระดับความต้านทานอยู่ในทิศทางตรงกันข้ามกับระดับแนวรับและเป็นระดับที่สูงมากซึ่งราคามีแนวโน้มที่จะหาค่าความต้านทานขณะที่กำลังเกิดขึ้น โปรแกรมวิเคราะห์กราฟิกแบบโมเดิร์นสามารถคำนวณประเภทของ Moving Average ที่แตกต่างกันได้หลากหลายและหลากหลายรูปแบบการแสดงภาพ กรอบเวลาสำหรับการคำนวณสามารถกำหนดเป็นระยะสั้นระยะกลางหรือระยะยาว สำหรับแนวโน้มระยะยาวค่าเฉลี่ยของ 200 วันเป็นที่นิยมมากที่สุดสำหรับระยะกลาง - เฉลี่ย 50 วันและสำหรับระยะสั้น - เฉลี่ย 10 วัน ค่าเฉลี่ยของการกลิ้งต่อไปนี้ใช้บ่อยกว่าค่าเฉลี่ยเคลื่อนที่แบบธรรมดา (SMA) ซึ่งเป็นค่าเฉลี่ยถ่วงน้ำหนัก (WMA) และค่าเฉลี่ยเคลื่อนที่แบบเลขยกกำลัง (EMA) ประเภทของวิธีการเฉลี่ยเคลื่อนที่วิธีเฉลี่ยเคลื่อนที่แบบง่ายจะใช้ในการประมาณค่าเฉลี่ยของชุดช่วงเวลาที่ต้องการและลบผลกระทบของความผันผวนแบบสุ่ม เป็นประโยชน์มากที่สุดเมื่อความต้องการไม่มีแนวโน้มเด่นชัดหรือความผันผวนตามฤดูกาล ในวิธีนี้ถ้าเราใช้ค่าเฉลี่ยเคลื่อนที่รอบระยะเวลา n รอบค่าความต้องการเฉลี่ยสำหรับช่วงเวลาล่าสุด n ถูกคำนวณและใช้เป็นค่าพยากรณ์สำหรับช่วงเวลาถัดไป สำหรับงวดถัดไปหลังจากที่ทราบถึงความต้องการแล้วความต้องการเก่าจากค่าเฉลี่ยก่อนหน้าจะถูกแทนที่ด้วยความต้องการล่าสุดและคำนวณค่าเฉลี่ยใหม่ วิธีถัวเฉลี่ยถ่วงน้ำหนักในวิธีนี้แต่ละความต้องการทางประวัติศาสตร์ในค่าเฉลี่ยเคลื่อนที่สามารถมีน้ำหนักของตัวเองและผลรวมของน้ำหนักเท่ากับหนึ่ง ตัวอย่างเช่นในแบบจำลองถ่วงน้ำหนักถ่วงน้ำหนัก 5 ช่วงระยะเวลาล่าสุดอาจมีการกำหนดน้ำหนัก 0.50 ช่วงที่สองเป็นระยะเวลาล่าสุดอาจได้รับการกำหนดให้น้ำหนัก 0.30, 0.20, 0.10 และเป็นช่วงที่สามมากที่สุดโดยมีน้ำหนัก 0.05 . ข้อได้เปรียบของวิธีถัวเฉลี่ยถ่วงน้ำหนักคือให้ความสำคัญกับความต้องการล่าสุดของความต้องการก่อนหน้านี้ วิธีการ Smoothing แบบ Exponential เป็นวิธีการถ่วงน้ำหนักแบบซับซ้อนที่ยังคงเข้าใจได้ง่ายและใช้งาน ต้องใช้ข้อมูลเพียงสามอย่างเท่านั้นคือการคาดการณ์ช่วงเวลาความต้องการที่แท้จริงสำหรับช่วงเวลานี้ซึ่งเรียกว่าการปรับให้เรียบและมีค่าระหว่าง 0 ถึง 1 สูตรของ ESM มีดังต่อไปนี้ Ft Ft-1 (At - 1 - Ft-1) Ft Forecast ในช่วง (t) Ft-1 Forecast สำหรับช่วงเวลาก่อนหน้า (t-1) At-1 ความต้องการที่แท้จริงสำหรับช่วงเวลาก่อนหน้า (t-1) Smoothing constant (ค่าเปลี่ยนแปลงจาก 0 ถึง 1) การเลือกค่าคงที่ที่ราบเรียบนั้นเป็นเรื่องของการตัดสินหรือการทดลองและข้อผิดพลาด ค่านิยมที่ใช้ในช่วงตั้งแต่ 0.05 ถึง 0.5 คุณสมบัติการย้ายค่าเฉลี่ย: - การขยับข้อมูลการเคลื่อนที่โดยเฉลี่ยช่วยในการทำให้เรียบหรือราบรื่นในลำดับแรกลำดับความผันผวนเริ่มลดลงและจำนวนช่วงเวลาเฉลี่ยที่ใหญ่กว่า จำนวนช่วงเวลาเฉลี่ยของค่าคี่และไม่สม่ำเสมอคือคี่เพียงค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเคลื่อนที่เป็นค่าเฉลี่ยเคลื่อนที่เฉลี่ยในค่าตัวแทนที่เป็นแนวโน้มและเมื่อค่าเฉลี่ยเคลื่อนที่ N เท่ากับค่าเฉลี่ยเคลื่อนที่จะแสดงตำแหน่งกลางของ ระดับแม้ไม่ได้อยู่ในเวลาอยู่ในความต้องการของค่าเฉลี่ยที่อยู่ติดกันสองค่าเฉลี่ยของการเคลื่อนไหวก็สามารถทำให้ค่าเฉลี่ยของช่วงเวลาหนึ่งนี้เรียกว่ากะเป็นค่าเฉลี่ยยังเป็นศูนย์กลางของค่าเฉลี่ยเคลื่อนที่ . การเปลี่ยนแปลงตามฤดูกาลเมื่อชุดรวมการเปลี่ยนแปลงตามฤดูกาลการย้ายช่วงเวลาเฉลี่ยควรสอดคล้องกับรูปแบบตามฤดูกาลของความยาว N เพื่อลดรูปแบบตามฤดูกาลหากลำดับประกอบด้วยวัฏจักรของการเปลี่ยนแปลงจากข้อกำหนด N และความยาวของวงจรควรเป็นไปตามพื้น ค่าเฉลี่ยของการเปลี่ยนแปลงความผันผวนของวงจรสามารถดีกว่าข้อดีของการย้ายวิธีเฉลี่ย: เข้าใจได้ง่ายสมมติฐานของแบบจำลองค่าเฉลี่ยเคลื่อนที่คือการคาดการณ์ความต้องการในอนาคตที่ถูกต้องที่สุดคือการผสมผสาน (เส้น) ของความต้องการในอดีตที่ผ่านมาโดยเฉลี่ยเป็นวิธีที่ง่ายในการเข้าใจ วิธีอื่นใด วิธีนี้ทำให้ข้อมูลมีความราบรื่นและทำให้จุดสังเกตง่ายขึ้นการคำนวณแบบง่ายและแบบง่ายค่าเฉลี่ยเคลื่อนที่คำนวณโดยการคำนวณค่าเฉลี่ยของชุดค่าที่กำหนด ใช้งานง่ายกว่าโมเดลการถดถอยอื่น ๆ ตัวอย่างเช่นในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตามระยะเวลา 10. คาดการณ์ที่มีเสถียรภาพว่าเราตอบสนองต่อรูปแบบการคาดการณ์ตามการเปลี่ยนแปลงข้อมูลความต้องการที่แท้จริงอย่างไร ต้องสมดุลกับความปรารถนาของเราในการปราบปรามการเปลี่ยนแปลงโอกาสที่ไม่พึงประสงค์หรือมีเสียงดังในข้อมูล ด้วยความช่วยเหลือของค่าเฉลี่ยเคลื่อนที่สามารถบรรลุวัตถุประสงค์ดังกล่าวได้ ข้อ จำกัด ของค่าเฉลี่ยเคลื่อนที่วิธีการชั่งน้ำหนักที่เท่ากันจะกำหนดให้กับแต่ละค่าที่ใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่ในขณะที่ข้อมูลสมเหตุสมผลที่สมเหตุสมผลที่สุดมีความสำคัญกับสถานการณ์ปัจจุบันมากขึ้น วิธีเฉลี่ยเคลื่อนที่ไม่คำนึงถึงข้อมูลที่อยู่นอกช่วงเวลาเฉลี่ย การใช้ค่าเฉลี่ยเคลื่อนที่ที่ไม่ได้ปรับค่าสามารถนำไปสู่การคาดการณ์ที่ไม่ถูกต้องวิธีการเฉลี่ยที่เคลื่อนที่ไปยังระเบียนข้อมูลจำนวนมากจากอดีตโดยการแนะนำข้อมูลใหม่เป็นเวลาที่มากขึ้นและมีการปรับค่าเฉลี่ยอย่างต่อเนื่องตามที่คาดการณ์ไว้ หลักการพื้นฐานของค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยเคลื่อนที่เพื่อลดการเปลี่ยนแปลงและการเปลี่ยนแปลงอื่น ๆ ที่ไม่สม่ำเสมอซึ่งแสดงถึงแนวโน้มในระยะยาวของชุดเวลา การแก้ไขปัญหาที่ได้รับ 3 ปีการย้ายรวม 3 ปีค่าเฉลี่ยเฉลี่ยเคลื่อนที่เฉลี่ย: อะไรคือตัวชี้วัดทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อวัดทิศทางของแนวโน้มในปัจจุบัน ค่าเฉลี่ยเคลื่อนที่ทุกประเภท (เขียนโดยทั่วไปในบทแนะนำนี้เป็น MA) คือผลทางคณิตศาสตร์ที่คำนวณโดยเฉลี่ยจำนวนจุดข้อมูลที่ผ่านมา เมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้าสามารถดูข้อมูลที่ราบรื่นแทนที่จะมุ่งเน้นไปที่ความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมด 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 เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเท่ากันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้นในลำดับ 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 และ SMA ตอนนี้คุณเข้าใจดีว่า SMA และ EMA คำนวณอย่างไรให้ลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไร เมื่อพิจารณาการคำนวณ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลสำคัญ ๆ อยู่ในจุดข้อมูลล่าสุดทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนัก ในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ในแต่ละค่าเฉลี่ยเหมือนกัน (15) แต่ EMA จะตอบสนองต่อการเปลี่ยนแปลงราคาได้เร็วขึ้น สังเกตว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลง การตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมากต้องการใช้ EMA มากกว่า SMA อะไรที่แตกต่างกันระหว่างวันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ปรับแต่งได้โดยสิ้นเชิงซึ่งหมายความว่าผู้ใช้สามารถเลือกช่วงเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ย ช่วงเวลาที่ใช้บ่อยที่สุดในการเคลื่อนที่โดยเฉลี่ยอยู่ที่ 15, 20, 30, 50, 100 และ 200 วัน ช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความละเอียดอ่อนมากขึ้นคือการเปลี่ยนแปลงราคา ยิ่งช่วงเวลาที่ยาวนานขึ้นเท่าไรก็ยิ่งอ่อนไหวหรือเรียบเนียนขึ้นเท่านั้นโดยเฉลี่ยแล้ว ไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณ วิธีที่ดีที่สุดในการพิจารณาว่ารูปแบบใดเหมาะกับตัวคุณมากที่สุดคือการทดลองกับช่วงเวลาต่างๆจนกว่าคุณจะพบกับช่วงเวลาที่เหมาะสม OANDA ใช้คุกกี้เพื่อทำให้เว็บไซต์ของเราใช้งานได้ง่ายและปรับแต่งให้เหมาะกับผู้เข้าชมของเรา ไม่สามารถใช้คุกกี้เพื่อระบุตัวคุณได้ เมื่อไปที่เว็บไซต์ของเราคุณยินยอมให้ OANDA8217s ใช้คุกกี้ตามนโยบายความเป็นส่วนตัวของเรา หากต้องการบล็อกลบหรือจัดการคุกกี้โปรดไปที่ aboutcookies. org การ จำกัด คุกกี้จะป้องกันไม่ให้คุณได้รับประโยชน์จากฟังก์ชันการทำงานบางอย่างในเว็บไซต์ของเรา ดาวน์โหลด Apps มือถือของเราเปิดบัญชี ampltiframe src4489469.fls. doubleclickactivityisrc4489469typenewsi0catoanda0u1fxtradeiddclatdcrdidtagforchilddirectedtreatmentord1num1 mcesrc4489469.fls. doubleclickactivityisrc4489469typenewsi0catoanda0u1fxtradeiddclatdcrdidtagforchilddirectedtreatmentord1num1 width1 height1 frameborder0 styledisplay: ไม่มี mcestyledisplay: noneampgtampltiframeampgt บทที่ 1: การย้ายค่าเฉลี่ยประเภทของการย้ายค่าเฉลี่ยมีหลายประเภทของค่าเฉลี่ยเคลื่อนที่พร้อมที่จะตอบสนองความต้องการที่แตกต่างกันการวิเคราะห์ความต้องการของตลาด . การใช้งานโดยทั่วไปมากที่สุดโดย traders ได้แก่ : Simple Moving Average Weighted Moving ค่าเฉลี่ยการเคลื่อนที่เฉลี่ย Average Average Moving Average (SMA) ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยเป็นค่าเฉลี่ยเคลื่อนที่เฉลี่ย โดยคำนวณจากชุดราคา (หรือช่วงเวลาที่รายงาน) โดยเพิ่มราคาเหล่านี้เข้าด้วยกันและหารจำนวนรวมด้วยจำนวนจุดข้อมูล สูตรนี้กำหนดราคาเฉลี่ยและคำนวณในลักษณะที่จะปรับ (หรือเคลื่อนย้าย) เพื่อตอบสนองต่อข้อมูลล่าสุดที่ใช้ในการคำนวณค่าเฉลี่ย ตัวอย่างเช่นหากคุณรวมเฉพาะอัตราแลกเปลี่ยน 15 ครั้งล่าสุดในการคำนวณโดยเฉลี่ยอัตราที่เก่าที่สุดจะลดลงโดยอัตโนมัติทุกครั้งที่มีการเปิดใช้ราคาใหม่ ผลการเปลี่ยนแปลงโดยเฉลี่ยในแต่ละราคาใหม่จะรวมอยู่ในการคำนวณและทำให้มั่นใจได้ว่าค่าเฉลี่ยจะขึ้นอยู่กับเฉพาะ 15 ราคาล่าสุดเท่านั้น ด้วยการทดลองและข้อผิดพลาดเพียงเล็กน้อยคุณสามารถกำหนดค่าเฉลี่ยเคลื่อนที่ที่เหมาะสมกับกลยุทธ์การซื้อขายของคุณได้ จุดเริ่มต้นที่ดีคือค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยตามราคาล่าสุด 20 ราคา ค่าเฉลี่ยถ่วงน้ำหนัก (Weighted Moving Average - WMA) ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักคำนวณด้วยวิธีเดียวกับค่าเฉลี่ยเคลื่อนที่แบบเรียบ แต่ใช้ค่าที่ถ่วงน้ำหนักเป็นเส้นตรงเพื่อให้แน่ใจว่าอัตราล่าสุดมีผลกระทบมากที่สุดต่อค่าเฉลี่ย ซึ่งหมายความว่าอัตราที่เก่าแก่ที่สุดที่รวมอยู่ในการคำนวณจะได้รับน้ำหนัก 1 ค่าที่เก่าสุดต่อไปจะได้รับน้ำหนัก 2 และค่าที่เก่าที่สุดถัดไปจะได้รับน้ำหนัก 3 ตลอดจนอัตราล่าสุด ผู้ค้าบางรายพบว่าวิธีนี้เกี่ยวข้องกับการกำหนดแนวโน้มโดยเฉพาะอย่างยิ่งในตลาดที่มีการเคลื่อนไหวอย่างรวดเร็ว ข้อเสียในการใช้ค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักคือเส้นค่าเฉลี่ยที่เกิดขึ้นอาจต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่แท้จริง อาจทำให้ยากต่อการพิจารณาแนวโน้มตลาดจากความผันผวน ด้วยเหตุนี้ผู้ค้าบางรายจึงชอบที่จะวางค่าเฉลี่ยเคลื่อนที่เฉลี่ยและค่าเฉลี่ยถ่วงน้ำหนักที่เคลื่อนไหวอยู่ในกราฟราคาเดียวกัน กราฟราคาเชิงเทียนที่มีค่าเฉลี่ยเคลื่อนที่แบบเรียบและค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักเฉลี่ยถ่วงน้ำหนัก (EMA) ค่าเฉลี่ยเคลื่อนที่แบบเสวนาคล้ายคลึงกับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ แต่ในขณะที่ค่าเฉลี่ยเคลื่อนที่ที่ถอยหลังไปเร็วที่สุดจะเป็นราคาใหม่ ค่าเฉลี่ยของช่วงที่ผ่านมาทั้งหมดโดยเริ่มจากจุดที่คุณระบุ ตัวอย่างเช่นเมื่อคุณเพิ่มการซ้อนทับค่าเฉลี่ยที่เป็นค่าเฉลี่ยของการเคลื่อนที่แบบเสวนาไปเป็นกราฟราคาคุณจะกำหนดจำนวนรอบการรายงานที่จะรวมไว้ในการคำนวณ สมมติว่าคุณระบุราคาล่าสุด 10 รายการ การคำนวณครั้งแรกนี้จะตรงกับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆตามระยะเวลาการรายงาน 10 ครั้ง แต่เมื่อมีการใช้ราคาถัดไปการคำนวณใหม่จะยังคงมีราคาเดิม 10 ราคาบวกราคาใหม่เพื่อให้ได้ค่าเฉลี่ย ซึ่งหมายความว่าปัจจุบันมีการรายงาน 11 งวดในการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนาในขณะที่ค่าเฉลี่ยเคลื่อนที่เฉลี่ยจะขึ้นอยู่กับเพียง 10 อันดับล่าสุดเท่านั้น ตัดสินใจว่าจะใช้ค่าเฉลี่ยเคลื่อนที่เพื่อพิจารณาว่าค่าเฉลี่ยเคลื่อนที่ใดที่ดีที่สุดสำหรับคุณคุณต้องเข้าใจความต้องการของคุณก่อน หากวัตถุประสงค์หลักของคุณคือการลดเสียงรบกวนของราคาผันผวนอย่างต่อเนื่องเพื่อกำหนดทิศทางตลาดโดยรวมแล้วค่าเฉลี่ยเคลื่อนที่ที่แท้จริงของอัตรา 20 ครั้งล่าสุดอาจให้ระดับรายละเอียดที่คุณต้องการ หากคุณต้องการให้ค่าเฉลี่ยเคลื่อนที่ของคุณให้ความสำคัญกับอัตราล่าสุดจะมีค่าเฉลี่ยถ่วงน้ำหนักที่เหมาะสมกว่า อย่างไรก็ตามโปรดทราบว่าเนื่องจากค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักได้รับผลกระทบมากที่สุดจากราคาล่าสุดรูปร่างของเส้นเฉลี่ยอาจบิดเบี้ยวอาจส่งผลต่อการสร้างสัญญาณผิดพลาด เมื่อทำงานกับค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักคุณต้องเตรียมพร้อมสำหรับความผันผวนมากขึ้น ค่าเฉลี่ยเคลื่อนที่เฉลี่ยถ่วงน้ำหนัก 169 1996 - 2017 OANDA Corporation สงวนลิขสิทธิ์. ตระกูล OANDA, fxTrade และ OANDAs fx เป็นของ OANDA Corporation เครื่องหมายการค้าอื่น ๆ ที่ปรากฎในเว็บไซต์นี้เป็นทรัพย์สินของเจ้าของที่เกี่ยวข้อง การทำสัญญาซื้อขายเงินตราต่างประเทศกับสัญญาซื้อขายเงินตราต่างประเทศหรือผลิตภัณฑ์อื่น ๆ ที่ไม่มีการแลกเปลี่ยนเงินตราต่างประเทศมีความเสี่ยงสูงและอาจไม่เหมาะสมสำหรับทุกคน เราแนะนำให้คุณพิจารณาอย่างรอบคอบว่าการซื้อขายมีความเหมาะสมกับคุณหรือไม่ในแง่ของสถานการณ์ส่วนบุคคลของคุณ คุณอาจสูญเสียมากกว่าที่คุณลงทุน ข้อมูลในเว็บไซต์นี้มีลักษณะทั่วไป เราขอแนะนำให้คุณแสวงหาคำแนะนำด้านการเงินที่เป็นอิสระและมั่นใจได้ว่าคุณเข้าใจถึงความเสี่ยงทั้งหมดที่เกี่ยวข้องก่อนการซื้อขาย การซื้อขายผ่านแพลตฟอร์มออนไลน์ถือเป็นความเสี่ยงเพิ่มเติม ดูส่วนกฎหมายของเราที่นี่ การแพร่กระจายการแพร่กระจายทางการเงินจะใช้ได้เฉพาะกับลูกค้า OANDA Europe Ltd ที่อาศัยอยู่ในสหราชอาณาจักรหรือสาธารณรัฐไอร์แลนด์เท่านั้น CFDs ความสามารถในการป้องกันความเสี่ยงด้านราคาของ MT4 และอัตราส่วน Leverage Ratio เกิน 50: 1 ไม่สามารถใช้ได้กับชาวอเมริกัน ข้อมูลในไซต์นี้ไม่ใช่ข้อมูลที่อยู่ในประเทศที่การแจกจ่ายหรือการใช้โดยบุคคลใด ๆ จะขัดต่อกฎหมายหรือข้อบังคับของท้องถิ่น OANDA Corporation เป็นตัวแทนซื้อขายสัญญาซื้อขายล่วงหน้าของ Futures Commission และตัวแทนจำหน่ายรายย่อยที่จดทะเบียนกับ Commodity Futures Trading Commission และเป็นสมาชิกของ National Futures Association หมายเลข: 0325821 โปรดดูที่ ALFA FOREX INVESTOR ALFA ของ NFAs ตามความเหมาะสม บัญชี ULC ของ OANDA (Canada) Corporation มีให้สำหรับทุกคนที่มีบัญชีธนาคารของแคนาดา OANDA (Canada) Corporation ULC มีการกำกับดูแลโดยองค์การการลงทุนของอุตสาหกรรมการกำกับดูแลของแคนาดา (IIROC) ซึ่งรวมถึงฐานข้อมูลการตรวจสอบของที่ปรึกษาออนไลน์ IIROCs (IIROC AdvisorReport) และบัญชีลูกค้าได้รับการคุ้มครองโดย Canadian Investor Protection Fund ภายในวงเงินที่ระบุ โบรชัวร์ที่อธิบายถึงลักษณะและขอบเขตของความคุ้มครองจะมีให้ตามคำขอหรือที่ cipf. ca OANDA Europe Limited เป็น บริษัท จดทะเบียนในประเทศอังกฤษที่หมายเลข 7110087 และมีที่อยู่จดทะเบียนตั้งอยู่ที่ชั้น 9a, Tower 42, 25 Old Broad St, London EC2N 1HQ ได้รับมอบอำนาจและควบคุมโดยผู้ควบคุมการแข่งขันทางการเงิน เลขที่: 542574 OANDA Asia Pacific Pte Ltd (บริษัท จดทะเบียนเลขที่ 200704926K) มีใบอนุญาตให้บริการตลาดทุนซึ่งออกโดยธนาคารกลางสิงคโปร์และได้รับอนุญาตจาก International Enterprise Singapore OANDA Australia Pty Ltd 160 ถูกควบคุมโดย Australian Securities and Investment Commission ASIC (ABN 26 152 088 349, AFSL No. 412981) และเป็นผู้ออกผลิตภัณฑ์หรือบริการบนเว็บไซต์นี้ สิ่งสำคัญสำหรับคุณในการพิจารณาคู่มือการให้บริการทางการเงินในปัจจุบัน (FSG) คำชี้แจงการเปิดเผยข้อมูลผลิตภัณฑ์ (PDS) ข้อกำหนดบัญชีและเอกสาร OANDA ที่เกี่ยวข้องอื่น ๆ ก่อนตัดสินใจลงทุนทางการเงิน เอกสารเหล่านี้สามารถพบได้ที่นี่ บริษัท OANDA Japan Co. , Ltd. First Type I Financial Instruments ผู้อำนวยการสำนักงาน Kanto Local Financial Bureau (Kin-sho) เลขที่ 2137 สถาบัน Financial Futures Association หมายเลข 1571 Trading FX andor CFDs for margin มีความเสี่ยงสูงและไม่เหมาะสำหรับทุกคน ความสูญเสียอาจเกินการลงทุน