ข้อ จำกัด ของการ เคลื่อนไหว ค่าเฉลี่ย ใน อนุกรมเวลา

อะไรคือข้อเสียเปรียบหลักของการใช้ Moving Averages MA จำนวนเงินสูงสุดที่สหรัฐอเมริกาสามารถยืมได้มีการสร้างเพดานหนี้ภายใต้พระราชบัญญัติตราสารหนี้เสรีภาพครั้งที่สองอัตราดอกเบี้ยที่สถาบันรับฝากเงินให้เงินกู้ยืมแก่กองทุนสำรองเลี้ยงชีพที่ธนาคารกลางสหรัฐฯ สถาบันการเงิน 1 มาตรการทางสถิติของการกระจายตัวของผลตอบแทนสำหรับการรักษาความปลอดภัยที่กำหนดหรือดัชนีตลาดความผันผวนสามารถวัดได้การกระทำรัฐสภาคองเกรสผ่านในปี 1933 เป็นพระราชบัญญัติการธนาคารซึ่งไม่ได้รับอนุญาตธนาคารพาณิชย์จากการมีส่วนร่วมในการลงทุนเงินเดือน Unfarm หมายถึงงานนอกฟาร์มครัวเรือนส่วนบุคคลและภาคผลประโยชน์ US Bureau of Labor. ตัวย่อสกุลเงินหรือสัญลักษณ์สกุลเงินสำหรับ Indian Rupee INR สกุลเงินของอินเดีย Rupee ถูกสร้างขึ้นจาก 1.The 7 ผิดพลาดของการย้ายค่าเฉลี่ย ค่าเฉลี่ยเคลื่อนที่คือราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาที่กำหนดนักวิเคราะห์มักใช้ค่าเฉลี่ยเคลื่อนที่เป็นเครื่องมือวิเคราะห์เพื่อให้เป็นค่าเฉลี่ย ในขณะที่การเคลื่อนไหวขึ้นและลงค่าเฉลี่ยโดยเฉลี่ยสามารถสร้างเทรนด์และวัดโมเมนตัมได้ดังนั้นจึงสามารถใช้เพื่อบ่งชี้ว่าเมื่อนักลงทุนควรซื้อหรือขายหลักทรัพย์ที่มีความปลอดภัยนักลงทุนยังสามารถใช้ค่าเฉลี่ยเคลื่อนที่ในการระบุการสนับสนุนหรือการต่อต้าน จุดเพื่อวัดเมื่อราคามีแนวโน้มที่จะเปลี่ยนทิศทางโดยการศึกษาช่วงการซื้อขายในอดีตจุดสนับสนุนและความต้านทานจะถูกกำหนดขึ้นเมื่อราคาของหลักทรัพย์กลับรายการแนวโน้มขึ้นหรือลงในอดีตจุดเหล่านี้ถูกใช้เพื่อซื้อหรือซื้อ ขายที่น่าอัศจรรย์น่าเสียดายที่ค่าเฉลี่ยเคลื่อนที่ไม่ได้เป็นเครื่องมือที่เหมาะสำหรับการสร้างเทรนด์และแสดงให้เห็นถึงความบอบบาง แต่มีความสำคัญต่อนักลงทุนนอกจากนี้ค่าเฉลี่ยเคลื่อนที่ยังไม่ครอบคลุมถึงทุกประเภทของ บริษัท และอุตสาหกรรมบางข้อเสียที่สำคัญของค่าเฉลี่ยเคลื่อนที่ ได้แก่ .1 ค่าเฉลี่ยเคลื่อนที่ดึงแนวโน้มจากข้อมูลที่ผ่านมาพวกเขาไม่ได้คำนึงถึงการเปลี่ยนแปลงบัญชีที่อาจมีผลต่อประสิทธิภาพการทำงานในอนาคตของระบบรักษาความปลอดภัย su ch เป็นคู่แข่งใหม่ความต้องการที่สูงขึ้นหรือต่ำลงสำหรับผลิตภัณฑ์ในอุตสาหกรรมและการเปลี่ยนแปลงโครงสร้างการบริหารจัดการของ บริษัท 2 ความนึกคิดที่ค่าเฉลี่ยเคลื่อนที่จะแสดงการเปลี่ยนแปลงที่สม่ำเสมอในราคาของการรักษาความปลอดภัยเมื่อเวลาผ่านไป การทำงานสำหรับทุก บริษัท โดยเฉพาะอย่างยิ่งสำหรับผู้ที่อยู่ในอุตสาหกรรมที่มีความผันผวนมากหรือผู้ที่ได้รับอิทธิพลอย่างมากจากเหตุการณ์ปัจจุบันโดยเฉพาะอย่างยิ่งสำหรับอุตสาหกรรมน้ำมันและอุตสาหกรรมเก็งกำไรโดยทั่วไป 3. ค่าเฉลี่ยเคลื่อนที่สามารถแพร่กระจายไปได้ตลอดช่วงเวลาใด ๆ อย่างไรก็ตาม นี้อาจเป็นปัญหาได้เนื่องจากแนวโน้มทั่วไปสามารถเปลี่ยนแปลงได้อย่างมากขึ้นอยู่กับช่วงเวลาที่ใช้เฟรมเวลาสั้นมีความผันผวนมากขึ้นในขณะที่กรอบเวลาที่ยาวขึ้นมีความผันผวนน้อยลง แต่อย่าคำนึงถึงการเปลี่ยนแปลงใหม่ในตลาดนักลงทุนต้องระมัดระวังว่ากรอบเวลาใด เลือกเพื่อให้แน่ใจว่าแนวโน้มมีความชัดเจนและมีความเกี่ยวข้อง 4 การอภิปรายที่กำลังดำเนินอยู่คือการให้ความสำคัญมากขึ้นหรือไม่ในวันล่าสุด ฉันหลายคนรู้สึกว่าข้อมูลล่าสุดสะท้อนให้เห็นถึงทิศทางที่ระบบรักษาความปลอดภัยมีการเคลื่อนไหวมากขึ้นในขณะที่คนอื่น ๆ รู้สึกว่าการให้น้ำหนักมากกว่าวันอื่น ๆ บางอย่างไม่ถูกต้องมีความลำเอียงแนวโน้มนักลงทุนที่ใช้วิธีการต่างๆในการคำนวณค่าเฉลี่ยอาจวาดรูปแบบต่างๆได้อย่างสมบูรณ์ นักวิเคราะห์หลายคนให้เหตุผลว่าการวิเคราะห์ทางเทคนิคเป็นวิธีที่ไม่มีความหมายในการทำนายพฤติกรรมทางการตลาดพวกเขากล่าวว่าตลาดไม่มีหน่วยความจำและอดีตไม่ได้เป็นตัวชี้วัดในอนาคตนอกจากนี้ยังมีงานวิจัยที่สำคัญที่จะยกตัวอย่างเช่น Roy Nersesian ดำเนินการศึกษากับห้ากลยุทธ์ที่แตกต่างกันโดยใช้ค่าเฉลี่ยเคลื่อนที่อัตราความสำเร็จของแต่ละกลยุทธ์แตกต่างกันระหว่าง 37 และ 66 งานวิจัยนี้ชี้ให้เห็นว่าค่าเฉลี่ยเคลื่อนที่เพียงผลผลผลิตประมาณครึ่งหนึ่งของเวลาซึ่งจะทำให้การใช้พวกเขาเป็นเรื่องที่มีความเสี่ยงในการกำหนดเวลาได้อย่างมีประสิทธิภาพหุ้น ตลาด 6 หลักทรัพย์มักแสดงให้เห็นถึงรูปแบบการทำงานที่เป็นวัฏจักรแบบนี้นอกจากนี้ยังเป็นจริงสำหรับ บริษัท สาธารณูปโภคซึ่ง มีความต้องการอย่างต่อเนื่องสำหรับผลิตภัณฑ์ของพวกเขาปีต่อปี แต่พบการเปลี่ยนแปลงตามฤดูกาลที่แข็งแกร่งแม้ว่าค่าเฉลี่ยเคลื่อนที่จะช่วยให้ราบเรียบแนวโน้มเหล่านี้พวกเขายังสามารถซ่อนความจริงที่ว่าการรักษาความปลอดภัยมีแนวโน้มในรูปแบบการแกว่งเพื่อเรียนรู้เพิ่มเติมโปรดดูที่การเก็บตา จุดประสงค์ของแนวโน้มคือการคาดเดาราคาของการรักษาความปลอดภัยในอนาคตถ้าการรักษาความปลอดภัยไม่ได้มีแนวโน้มไปในทิศทางใดก็ไม่มีโอกาสที่จะทำกำไรจากการซื้อหรือขายสั้น ๆ วิธีเดียว นักลงทุนอาจจะสามารถทำกำไรได้ก็เพื่อที่จะใช้กลยุทธ์ทางเลือกที่มีความซับซ้อนโดยอิงกับราคาที่คงที่ต่อไป Bottom Line Moving averages ได้รับการพิจารณาว่าเป็นเครื่องมือวิเคราะห์ที่มีคุณค่าโดยหลายคน แต่สำหรับเครื่องมือใด ๆ ที่มีประสิทธิภาพคุณต้อง เข้าใจถึงหน้าที่เมื่อต้องใช้และเมื่อไหร่ที่จะใช้มันอันตรายที่กล่าวถึงในที่นี้ระบุว่าเมื่อค่าเฉลี่ยเคลื่อนที่อาจไม่ได้เป็นเครื่องมือที่มีประสิทธิภาพเช่นเมื่อใช้กับหลักทรัพย์ที่ผันผวน อาจมองข้ามข้อมูลทางสถิติที่สำคัญบางอย่างเช่นรูปแบบวัฏจักรนอกจากนี้ยังเป็นที่น่าสงสัยว่าค่าเฉลี่ยเคลื่อนที่ที่มีประสิทธิภาพสำหรับการระบุแนวโน้มราคาอย่างถูกต้องระบุข้อบกพร่องค่าเฉลี่ยเคลื่อนที่จะเป็นเครื่องมือที่ดีที่สุดที่ใช้ร่วมกับผู้อื่นในท้ายที่สุดประสบการณ์ส่วนตัวจะเป็นอย่างไร ตัวบ่งชี้ที่ดีที่สุดของวิธีการที่มีประสิทธิภาพพวกเขาอย่างแท้จริงสำหรับผลงานของคุณสำหรับข้อมูลเพิ่มเติมให้ดูที่นำไปสู่การย้ายเฉลี่ยนำไปสู่ผลลัพธ์ที่ดีกว่าจำนวนเงินสูงสุดของเงินที่สหรัฐอเมริกาสามารถยืมเพดานหนี้ที่ถูกสร้างขึ้นภายใต้พันธบัตรเสรีภาพที่สอง Act. The อัตราดอกเบี้ย ที่สถาบันรับฝากเงินให้ยืมเงินไว้ใน Federal Reserve ไปยังสถาบันรับฝากหลักทรัพย์แห่งอื่น 1 มาตรการทางสถิติในการกระจายผลตอบแทนสำหรับการรักษาความปลอดภัยหรือดัชนีตลาดที่กำหนดความผันผวนสามารถวัดได้การกระทำของรัฐสภาคองเกรสแห่งสหรัฐฯในปีพ. ศ. 2476 ในขณะที่ธนาคาร Act ซึ่งห้ามไม่ให้ธนาคารพาณิชย์เข้าร่วมในการลงทุนการจ่ายเงินเดือนของ Nonfarm หมายถึงงานนอกเขต rms ครัวเรือนส่วนบุคคลและภาคผลประโยชน์ US Bureau of Labor ย่อสกุลเงินหรือสัญลักษณ์สกุลเงินของรูปีอินเดีย INR สกุลเงินของอินเดียเงินรูปีที่ถูกสร้างขึ้นจาก 1. วิธีที่ง่ายที่สุดคือการใช้ค่าเฉลี่ยของเดือนมกราคมถึง มีนาคมและใช้ข้อมูลดังกล่าวเพื่อประมาณการยอดขายในเดือนเมษายน 129 134 122 3 128 333 ดังนั้นจากยอดขายในเดือนมกราคมถึงเดือนมีนาคมคุณคาดการณ์ว่ายอดขายในเดือนเมษายนจะเท่ากับ 128,333 เมื่อยอดขายจริงในเดือนเมษายนเพิ่มขึ้นแล้วคุณจะคำนวณการคาดการณ์สำหรับเดือนพฤษภาคมโดยใช้เดือนกุมภาพันธ์ถึงเดือนเมษายน คุณต้องสอดคล้องกับจำนวนงวดที่คุณใช้ในการย้ายการคาดการณ์โดยเฉลี่ยจำนวนรอบระยะเวลาที่คุณใช้ในการคาดการณ์โดยเฉลี่ยของการเคลื่อนที่ของคุณโดยพลการคุณสามารถใช้เพียงสองช่วงหรือห้าหรือหกช่วงเวลาที่คุณต้องการสร้างการคาดการณ์ของคุณ วิธีการข้างต้นเป็นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายบางครั้งยอดขายเดือนล่าสุดอาจเป็นแรงผลักดันที่แข็งแกร่งขึ้นของยอดขายในเดือนถัดไปดังนั้นคุณจึงต้องการให้น้ำหนักที่ใกล้เดือนนี้มากขึ้นในรูปแบบการคาดการณ์ของคุณนี่คือค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักและเหมือนกับจำนวน ของงวดน้ำหนักที่คุณกำหนดเป็นเพียงคำพูดโดยสิ้นเชิงสมมติว่าคุณต้องการให้ยอดขายเดือนมีนาคม 50 น้ำหนักกุมภาพันธ์น้ำหนัก 30 และเดือนมกราคม 20 คาดการณ์ของคุณในเดือนเมษายนจะเท่ากับ 127,000 122 50 134 30 129 20 127.L การลอกเลียนแบบของ Moving Average Methods การย้ายค่าเฉลี่ยจะถือว่าเป็นเทคนิคการคาดการณ์การปรับให้ราบเรียบเนื่องจากคุณใช้เวลาเฉลี่ยโดยเฉลี่ยเมื่อเวลาผ่านไปคุณจึงอ่อนตัวลงหรือทำให้ผลกระทบจากเหตุการณ์ที่ไม่ปกติเกิดขึ้นภายในข้อมูลผลของฤดูกาลการหมุนเวียนธุรกิจและอื่น ๆ เหตุการณ์สุ่มสามารถเพิ่มข้อผิดพลาดในการคาดการณ์ได้อย่างมากลองดูข้อมูลมูลค่าเต็มของปีและเปรียบเทียบค่าเฉลี่ยเคลื่อนที่ 3 ช่วงและค่าเฉลี่ยเคลื่อนที่ 5 ช่วงซึ่งคำเตือนดังกล่าวไม่ได้สร้างการคาดการณ์ แต่เน้นที่ศูนย์กลาง ค่าเฉลี่ยเคลื่อนที่เฉลี่ยย้อนหลัง 3 เดือนแรกเป็นเดือนกุมภาพันธ์และเป็นค่าเฉลี่ยของเดือนมกราคมกุมภาพันธ์และเดือนมีนาคมที่ผ่านมานอกจากนี้ยังมีค่าเฉลี่ยใกล้เคียงกับค่าเฉลี่ย 5 เดือนแล้วดูที่กราฟต่อไปสิ่งที่คุณเห็นคือ ไม่ใช่ชุดค่าเฉลี่ยเคลื่อนที่ 3 เดือนที่นุ่มนวลกว่าชุดการขายที่เกิดขึ้นจริงและค่าเฉลี่ยเคลื่อนที่ในรอบ 5 เดือนจะยิ่งเพิ่มขึ้นเรื่อย ๆ ดังนั้นยิ่งช่วงเวลาที่คุณใช้ในค่าเฉลี่ยเคลื่อนที่ของคุณยิ่งเพิ่มมากขึ้นเท่าไร ดังนั้นสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายอาจไม่ใช่วิธีที่ถูกต้องที่สุดวิธีการเฉลี่ยโดยเฉลี่ยจะมีค่ามากเมื่อคุณพยายามดึงส่วนประกอบตามฤดูกาลไม่สม่ำเสมอและวัฏจักรของชุดข้อมูลเวลาสำหรับวิธีการคาดการณ์ที่ก้าวหน้าขึ้นเช่นการถดถอย และ ARIMA และการใช้ค่าเฉลี่ยเคลื่อนที่ในการสลายตัวชุดข้อมูลเวลาจะได้รับการกล่าวถึงในซีรีส์ต่อไปการกำหนดความถูกต้องของโมเดลเฉลี่ยเคลื่อนที่โดยทั่วไปคุณต้องการวิธีการคาดการณ์ที่มีข้อผิดพลาดน้อยที่สุดระหว่างผลลัพธ์จริงและที่คาดการณ์ไว้ มาตรการที่ใช้บ่อยที่สุดในการพยากรณ์ความถูกต้องคือค่า Mean Absolute Deviation MAD ในวิธีนี้สำหรับแต่ละช่วงเวลาของชุดข้อมูลเวลาที่คุณสร้างการคาดการณ์คุณจะใช้ค่าสัมบูรณ์ของความแตกต่างระหว่างค่าที่แท้จริงและค่าที่คาดการณ์ไว้ คุณเฉลี่ยเบี่ยงเบนที่แน่นอนและคุณได้รับการวัด MAD MAD จะเป็นประโยชน์ในการตัดสินใจเกี่ยวกับจำนวนรอบระยะเวลาที่คุณเฉลี่ยและหรือจำนวน โดยทั่วไปคุณเลือกหนึ่งที่มีผลในต่ำสุด MAD นี่คือตัวอย่างของวิธี MAD คำนวณ. MADเป็นเพียงค่าเฉลี่ยของ 8, 1 และ 3.Moving เฉลี่ย Recap เมื่อใช้ค่าเฉลี่ยเคลื่อนที่สำหรับการคาดการณ์ , remember. Moving ค่าเฉลี่ยได้ง่ายหรือ weighted จำนวนรอบระยะเวลาที่คุณใช้สำหรับค่าเฉลี่ยของคุณและน้ำหนักใด ๆ ที่คุณกำหนดให้แต่ละอย่างเคร่งครัดโดยเคร่งครัดค่าเฉลี่ยที่เรียบออกรูปแบบที่ไม่สม่ำเสมอในข้อมูลชุดเวลาที่มีขนาดใหญ่จำนวนของระยะเวลาที่ใช้สำหรับ แต่ละจุดข้อมูลมากขึ้นผลการทำให้ราบเรียบเนื่องจากการเรียบคาดการณ์การขายในเดือนถัดไปขึ้นอยู่กับการขายไม่กี่เดือนล่าสุดของอาจส่งผลให้เกิดการเบี่ยงเบนขนาดใหญ่เนื่องจากฤดูกาลตามฤดูกาลและรูปแบบที่ไม่สม่ำเสมอในข้อมูลและความสามารถในการราบเรียบ ของวิธีการเฉลี่ยเคลื่อนที่จะมีประโยชน์ในการสลายตัวชุดข้อมูลเวลาสำหรับวิธีการคาดการณ์ขั้นสูงขึ้นสัปดาห์ถัดไป Exponential Smoothing ในสัปดาห์ถัดไป s Forecast วันศุกร์เราจะพูดถึงวิธีการเรียบเรียงเป็นทวีคูณ , และคุณจะเห็นว่าพวกเขาสามารถไกลกว่าวิธีการพยากรณ์การเคลื่อนไหวเฉลี่ยยังไม่ทราบว่าทำไมโพสต์วันศุกร์พยากรณ์ของเราจะปรากฏในวันพฤหัสบดีที่ค้นหาคำแนะนำที่. โพสต์ navigation. Leave ตอบยกเลิก reply. I มี 2 คำถาม 1 คุณสามารถ ใช้วิธี MA centered เพื่อคาดการณ์หรือเพียงเพื่อลบ seasonality.2 เมื่อคุณใช้ t t-1 t-2 tk k เล็กน้อยเพื่อคาดการณ์ล่วงหน้าหนึ่งรอบเป็นไปได้ที่จะคาดการณ์มากกว่า 1 ระยะล่วงหน้าฉันเดาแล้วการคาดการณ์ของคุณ จะเป็นหนึ่งในจุดให้อาหารใน next. Thanks รักข้อมูลและ explainantions. I ฉันของคุณดีใจที่คุณชอบบล็อก I m แน่ใจว่านักวิเคราะห์หลายคนได้ใช้วิธีการศูนย์ MA สำหรับการคาดการณ์ แต่ผมเองจะไม่เนื่องจากผลวิธีการที่ ในการสูญเสียการสังเกตที่ปลายทั้งสองนี้จริงแล้วความสัมพันธ์ในคำถามที่สองของคุณโดยทั่วไป MA ธรรมดาใช้ในการคาดการณ์เพียงระยะเวลาหนึ่งล่วงหน้า แต่นักวิเคราะห์หลายคนและฉันก็บางครั้งจะใช้หนึ่งในระยะคาดการณ์ล่วงหน้าของฉันเป็นหนึ่งในปัจจัยการผลิตไป ช่วงที่สองข้างหน้า สำคัญที่ต้องจำไว้ว่ายิ่งไปกว่านั้นในอนาคตคุณพยายามที่จะคาดการณ์มากขึ้นความเสี่ยงของการคาดการณ์ข้อผิดพลาดนี่คือเหตุผลที่ผมไม่แนะนำให้ศูนย์กลาง MA สำหรับการคาดการณ์การสูญเสียการสังเกตที่ปลายหมายถึงต้องพึ่งพาการคาดการณ์สำหรับการสังเกตที่หายไป, เช่นเดียวกับรอบระยะเวลาข้างหน้าดังนั้นจึงมีโอกาสมากขึ้นในการคาดการณ์ข้อผิดพลาดผู้อ่านที่คุณได้รับเชิญให้ชั่งน้ำหนักในเรื่องนี้คุณมีความคิดเห็นหรือข้อเสนอแนะเกี่ยวกับเรื่องนี้หรือไม่ขอบคุณสำหรับความคิดเห็นและคำชมเชยของคุณใน blog. Nice ความคิดริเริ่มและคำอธิบายที่ดีมันเป็นประโยชน์จริงๆฉันคาดการณ์แผงวงจรพิมพ์ที่กำหนดเองสำหรับลูกค้าที่ไม่ให้การคาดการณ์ใด ๆ ที่ฉันได้ใช้ค่าเฉลี่ยเคลื่อนที่ แต่มันไม่ได้เป็นความถูกต้องมากเป็นอุตสาหกรรมสามารถไปขึ้นและลงเราเห็นไปทางกลางของ ฤดูร้อนถึงสิ้นปีที่จัดส่ง pcb s ขึ้นแล้วเราเห็นที่จุดเริ่มต้นของปีช้าลงวิธีฉันจะถูกต้องมากขึ้นกับข้อมูลของฉัน Katrina จากสิ่งที่คุณบอกฉันจะปรากฏขายแผงวงจรพิมพ์ของคุณ มีองค์ประกอบตามฤดูกาลที่ฉันทำฤดูกาลที่อยู่ในบางส่วนของโพสต์อื่น ๆ วันศุกร์พยากรณ์วิธีการที่คุณสามารถใช้ซึ่งเป็นเรื่องง่ายสวยก็คืออัลกอริทึม Holt-Winters ซึ่งจะเข้าบัญชีฤดูกาลคุณสามารถหาคำอธิบายที่ดีของมันที่นี่ เพื่อพิจารณาว่ารูปแบบตามฤดูกาลของคุณเป็นแบบทวีคูณหรือแบบเติมเงินหรือไม่เนื่องจากอัลกอริทึมจะแตกต่างกันเล็กน้อยสำหรับแต่ละกรณีหากคุณวางแผนข้อมูลรายเดือนของคุณจากไม่กี่ปีและพบว่าการเปลี่ยนแปลงตามฤดูกาลในช่วงเวลาเดียวกันของปีดูเหมือนเป็นปีที่คงที่ต่อปี ฤดูกาลเป็น additive ถ้ารูปแบบตามฤดูกาลในช่วงเวลาที่ดูเหมือนจะเพิ่มขึ้นแล้ว seasonality เป็น multiplicative ซีรีส์เวลาตามฤดูกาลมากที่สุดจะคูณถ้าสงสัยให้สมมติ multiplicative Good luck. Hi มีระหว่างวิธีการเหล่านี้ Nave Forecasting การปรับปรุงค่าเฉลี่ยของการย้ายค่าเฉลี่ยของ length ถจากการถ่วงน้ำหนักถ่วงน้ำหนักเฉลี่ยของความยาว k หรือ Exponential Smoothing รูปแบบการปรับปรุงใด ๆ ที่คุณแนะนำให้ฉันใช้เพื่อ forecas t ข้อมูลสำหรับความคิดของฉันฉันคิดเกี่ยวกับการย้ายเฉลี่ย แต่ฉัน don t ทราบวิธีการทำให้ชัดเจนและ structured. It จริงๆขึ้นอยู่กับปริมาณและคุณภาพของข้อมูลที่คุณมีและขอบฟ้าคาดการณ์ของคุณในระยะยาวในระยะกลาง หรือระยะสั้น