它也是有限脈衝響應濾波器的一種。

變化包括: 簡單移動平均、指數移動平均、加權移動平均，以及累積移動平均（描述如下）。

給定一個 ...移動平均維基百科，自由的百科全書跳至導覽跳至搜尋兩條移動平均線的例子在統計學中，移動平均（英語：movingaverage）、滾動平均值，又稱滑動平均是一種通過創建整個數據集中不同子集的一系列平均數來分析數據點的計算方法。

它也是有限脈衝響應濾波器的一種。

變化包括:簡單移動平均、指數移動平均、加權移動平均，以及累積移動平均（描述如下）。

給定一個數列和一個固定子集大小，移動平均數的第一個元素是由數列的初始固定子集的平均值得到的。

然後通過「向前移位」修改子集，即排除序列的第一個數，並在子集中包含下一個值。

移動平均通常與時間序列數據一起使用，以消除短期波動，突出長期趨勢或周期。

短期和長期之間的閾值取決於應用，移動平均的參數將相應地設置。

例如，它通常用於對財務數據進行技術分析，如股票價格、收益率或交易量。

它也用於經濟學中研究國內生產總值、就業或其他宏觀經濟時間序列。

數學上，移動平均是卷積的一種類型，因此它可以被看作是用於信號處理的低通濾波器的一個例子。

當與非時間序列數據一起使用時，移動平均濾波器的頻率分量更高，但與時間沒有任何特定的聯繫，儘管通常暗含某種排序。

簡單地看，它可以看作是把數據變得更平滑。

台股加權指數技術線圖：上圖為K線和其簡單移動平均線（SMA，周期：5,10,20,60,120,240）；下圖為成交量和其均量（周期：5,20）。

目錄1簡單移動平均2指數移動平均3加權移動平均4累積移動平均5其他加權6內部連結7參考文獻8外部連結簡單移動平均[編輯]在金融應用中，一個簡單移動平均（SMA）是以前n個數據的未加權平均數。

然而，在科學和工程中，平均值通常取自中心值兩邊相等數量的數據。

這樣可以確保平均值的變化與數據的變化一致，而不是隨時間變化。

例如，對於n天的收盤價樣本，簡單等權重移動平均是前n天收盤價的平均值。

如果收盤價為pM,pM−1,…,pM−(n−1){\displaystylep_{M},p_{M-1},\dots,p_{M-(n-1)}}，則公式為p¯SM=pM+pM−1+⋯+pM−(n−1)n=1n∑i=0n−1pM−i.{\displaystyle{\begin{aligned}{\overline{p}}_{\text{SM}}&={\frac{p_{M}+p_{M-1}+\cdots+p_{M-(n-1)}}{n}}\\&={\frac{1}{n}}\sum_{i=0}^{n-1}p_{M-i}.\end{aligned}}}當計算下一天的移動平均的時候，就會在求和中加入一個新值，剔除一個舊值，無需把所有數值重新加一遍：p¯SM=p¯SM,prev+1n(pM−pM−n).{\displaystyle{\overline{p}}_{\text{SM}}={\overline{p}}_{{\text{SM}},{\text{prev}}}+{\frac{1}{n}}(p_{M}-p_{M-n}).}所選擇的時間段取決於利率變動的類型，如短期、中期或長期。

從金融角度來看，移動平均線水平可以解釋為市場下跌時的支撐，或者市場上漲時的阻力。

如果使用的數據不以平均值為中心，那麼簡單移動平均就會落後於最新的數據點一半的採樣寬度。

舊數據點的丟掉和新數據點的加入也會對SMA造成較大影響。

SMA的一個特點是，如果數據存在周期性波動，那麼應用該周期的SMA將消除這種波動（平均值總是包含一個完整的周期）。

但是完全規律的循環是幾乎不會遇到的。

[1]對於許多應用來說，這有利於避免僅使用「過去」數據而引起的移位。

因此，可以使用在計算平均值的系列中點的任一側等距分布的數據來計算中心移動平均。

[2]這需要在樣本窗口中使用奇數個數據點。

SMA的主要缺點是，它使比窗口長度短的大量信號通過。

更糟糕的是，它實際上將其反轉。

這可能會導致意外的偽影，例如，平滑結果中的峰值出現在數據中出現波谷的位置。

由於某些較高的頻率未正確消除，這也導致結果不如預期的平滑。

在技術分析中，不同的市場對常用天數（n值）有不同的需求，例如：某些市場