ชี้แจง เคลื่อนไหว เฉลี่ย Cuda

สำหรับวิธีการอื่นคุณสามารถตัดทอนหน้าต่างเฉลี่ยที่ชี้แจงได้และคำนวณสัญญาณที่กรองแล้วโดยการทำ convolution ระหว่างสัญญาณกับเลขชี้กำลังแบบมีหน้าต่าง คอมเพล็กซ์สามารถคำนวณได้โดยการใช้ CUDA FFT library (CFFT) ฟรีเนื่องจากคุณอาจทราบว่า convolution สามารถแสดงเป็นตัวคูณจุดที่สองของสัญญาณในโดเมน Fourier (ซึ่งเป็นชื่อทฤษฎีสังวัตนา Convolution, ซึ่งทำงานด้วยความซับซ้อนของ O (n log (n))) วิธีการนี้จะลดรหัสเคอร์เนล CUDA ของคุณและทำงานได้อย่างรวดเร็วแม้ใน GeForce 570 โดยเฉพาะดังนั้นหากคุณสามารถคำนวณทั้งหมดด้วยความแม่นยำเดียว (float) ตอบเมษายน 30 14 ที่ 17:04 ฉันจะเสนอเพื่อจัดการกับสมการความแตกต่างดังที่ระบุไว้ด้านล่างและใช้ CUDA Thrust primitives รูปแบบที่แตกต่างของรูปแบบความแตกต่างโดยพีชคณิตง่ายๆคุณสามารถหาข้อมูลต่อไปนี้: ด้วยเหตุนี้รูปแบบที่ชัดเจนมีดังต่อไปนี้: CUDA THRUST IMPLEMENTATION คุณสามารถใช้รูปแบบที่ชัดเจนข้างต้นโดยทำตามขั้นตอนต่อไปนี้: เริ่มต้นอินพุต sequin dinput alpha ยกเว้น dinput0 1. กำหนดเวกเตอร์ d1overbetatothen เท่ากับ 1, 1beta, 1beta2, 1beta3 คูณ dinput elementwise โดย d1overbetatothen ดำเนินการ inclusivescan เพื่อให้ได้ลำดับของ yn betan แบ่งลำดับข้างต้นโดย 1, 1beta, 1beta2, 1beta3 วิธีการข้างต้นสามารถแนะนำสำหรับระบบ Linear Time-Varying (LTV) สำหรับระบบ Linear Time-Invariant (LTI) ควรใช้แนวทาง FFT ที่ Paul กล่าวถึง Im ให้ตัวอย่างของวิธีการดังกล่าวโดยใช้ CUDA แรงขับและ cuFFT ในคำตอบของฉันเพื่อกรอง FIR ใน CUDA ฉันไม่ใช่โปรแกรมเมอร์ที่มีความสามารถใด ๆ เพียงแค่คนที่อยากรู้อยากเห็นเกี่ยวกับ CUDA และ Im ทำอ่านน้อย ฉันวิ่งข้ามตัวอย่างของการใช้ Thrust เพื่อทำค่าเฉลี่ยเคลื่อนที่: ตัวอย่างเช่นมีการทำงานและส่วนใหญ่ทำงานอย่างถูกต้อง อย่างไรก็ตามเรื่องเล็กน้อยในแง่ที่ว่ามันทำงานได้โดยเฉลี่ยเพียงอย่างเดียวเท่านั้น ฉันจะทำอย่างไรพูด 352 ของการดำเนินงานเฉลี่ยเคลื่อนที่เหล่านี้แบบขนานการดำเนินงานทั้งหมดในสตรีมข้อมูลเดียวกันในใจของฉันการไหลของโปรแกรมอาจเป็น: สร้าง amp ข้อมูลส่งไปยังแกน CUDA หนึ่งเครื่อง (เช่นเดียวกับรหัสเดิม แต่คิดว่าระยะเวลาของ 1000 หรือ 10000 แทน 30) คัดลอกจากแกน CUDA เข้ากับแกน CUDA 351 C ของอื่น ๆ ทั้งหมดใน GTX 465 ของฉันบอกแต่ละแกน CUDA ว่ามีจำนวนรายการข้อมูลเฉลี่ยมากกว่า (4. 5. 6. 352. 353. 354) บอกให้อุปกรณ์ทำงานโดยเฉลี่ยในแต่ละแกนในแบบคู่ขนานอ่านผลลัพธ์จากแต่ละแกนที่ฉันได้รับว่าโค้ดนี้ทำให้ทุกอย่างเกิดขึ้นได้อย่างไร แต่ฉันจะกระตุกได้อย่างไร หลายเหล่านี้ในแบบคู่ขนานความสนใจของฉันที่นี่เกี่ยวกับบางอย่างเช่นข้อมูลหุ้น ถ้าฉันมองไปที่ GOOG ราคา Id ใส่ที่ใน GPU ใช้แกนทั้งหมดและปล่อยให้มี จากนั้นคุณสามารถดำเนินการได้โดยไม่ต้องโหลดข้อมูลอีกต่อไปและอ่านผลการค้นหาจากแต่ละแกนเท่านั้น หมายเหตุ: ฉันอาจไม่ต้องการใช้ GOOG ในแกนทั้งหมด แกนบางตัวอาจเป็น GOOG ซึ่งบางคนมีสัญลักษณ์อื่น ๆ แต่ฉันจะไปที่นั่นในภายหลัง Im เพียงคิด I dont ต้องการข้อมูลหุ้นในหน่วยความจำทั่วโลกถ้า theres ห้องเพียงพอในแต่ละ core ผมถือว่านี่เป็นเรื่องง่ายสำหรับ CUDA amp Thrust ถาม 12-12 กันยายนที่ 19:39 ความเข้าใจของฉันอยู่ที่คุณสนใจในสองสถานการณ์ต่อไปนี้: คุณมีลำดับรายการยาวและคุณต้องการคำนวณจำนวนหนึ่งค่าเฉลี่ยโดย ค่าเฉลี่ยของจำนวนรายการที่แตกต่างกันเช่นการใช้ความยาวที่แตกต่างกันสำหรับหน้าต่างเฉลี่ยที่เคลื่อนที่ นี่คือสิ่งที่ฉันเข้าใจจากคำถามเดิมของคุณ คุณมีชุดของลำดับเก็บไว้ในหน่วยความจำและคุณต้องการเฉลี่ยพวกเขาในแบบคู่ขนานกับหน้าต่างเฉลี่ยคงที่ของขนาด 2 RADIUS 1. นี่คือสิ่งที่รหัส ArrayFire เสนอโดย asm ไม่ - คุณยอมรับมัน แทนที่จะใช้ CUDA Thrust ฉันคิดว่าการเขียนเคอร์เนล CUDA ของคุณเองจะง่ายกว่าในการดำเนินการข้างต้น ด้านล่างนี้เป็นตัวอย่างที่ทำงานได้อย่างสมบูรณ์ซึ่งทำงานในลักษณะเดียวกับรหัส ArrayFire ที่เสนอโดย asm ดังนั้นจึงครอบคลุมกรณีที่ 2 การแก้ไขเพื่อให้ครอบคลุมกรณีที่ 1 จะตรงไปตรงมา ตอบพฤศจิกายน 15 14 ที่ 15:42 คำตอบของคุณ 2017 Stack Exchange, IncSimple Vs. ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยอยู่ที่มากกว่าการศึกษาลำดับของตัวเลขตามลำดับ ผู้ปฏิบัติงานช่วงต้นของการวิเคราะห์อนุกรมเวลาเป็นเรื่องที่เกี่ยวข้องกับตัวเลขลำดับเวลาของแต่ละบุคคลมากกว่าที่พวกเขามีอยู่กับการแก้ไขข้อมูลดังกล่าว การแก้ไข ในรูปแบบของทฤษฎีความน่าจะเป็นและการวิเคราะห์มามากในภายหลังเป็นรูปแบบการพัฒนาและ correlations ค้นพบ เมื่อเข้าใจเส้นโค้งที่มีรูปร่างต่างๆและเส้นถูกวาดตามลำดับเวลาในความพยายามที่จะคาดเดาที่จุดข้อมูลอาจจะไป ตอนนี้ถือว่าเป็นวิธีการขั้นพื้นฐานที่ใช้โดยนักวิเคราะห์ด้านเทคนิคในปัจจุบัน การวิเคราะห์แผนภูมิสามารถโยงย้อนกลับไปถึงศตวรรษที่ 18 ในประเทศญี่ปุ่นได้อย่างไร แต่อย่างไรและเมื่อใดที่ค่าเฉลี่ยความเคลื่อนไหวเมื่อถูกนำมาประยุกต์ใช้กับราคาในตลาดเป็นเรื่องลึกลับ เป็นที่เข้าใจกันโดยทั่วไปว่าค่าเฉลี่ยเคลื่อนที่แบบธรรมดา (SMA) ใช้มานานก่อนค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) เนื่องจาก EMA สร้างขึ้นจากกรอบ SMA และ SMA continuum สามารถเข้าใจได้ง่ายขึ้นสำหรับการวางแผนและการติดตาม Simple Moving Average (SMA) ค่าเฉลี่ยเคลื่อนที่ง่ายกลายเป็นวิธีที่ต้องการในการติดตามราคาตลาดเนื่องจากสามารถคำนวณได้ง่ายและเข้าใจได้ง่าย ผู้ประกอบการตลาดในยุคต้น ๆ ดำเนินการโดยปราศจากการใช้เมตริกแผนภูมิแบบซับซ้อนในการใช้งานในปัจจุบันดังนั้นพวกเขาจึงพึ่งพาราคาตลาดเป็นคำแนะนำ แต่เพียงผู้เดียว พวกเขาคำนวณราคาตลาดด้วยมือและกราฟราคาดังกล่าวเพื่อแสดงแนวโน้มและทิศทางตลาด กระบวนการนี้ค่อนข้างน่าเบื่อ แต่ก็ได้รับการพิสูจน์ว่ามีผลกำไรมากพอสมควรกับการยืนยันการศึกษาเพิ่มเติม ในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันให้เพิ่มราคาปิดของ 10 วันที่ผ่านมาและหารด้วย 10 ค่าเฉลี่ยเคลื่อนที่ 20 วันคำนวณโดยการเพิ่มราคาปิดในช่วง 20 วันและหารด้วย 20 และ อื่น ๆ สูตรนี้ไม่ได้ขึ้นอยู่เฉพาะในราคาปิด แต่ผลิตภัณฑ์เป็นราคาเฉลี่ยของ - เซตย่อย ค่าเฉลี่ยเคลื่อนที่หมายถึงการเคลื่อนไหวเนื่องจากกลุ่มของราคาที่ใช้คำนวณจะย้ายไปตามจุดบนแผนภูมิ ซึ่งหมายความว่าวันเก่าจะลดลงในความโปรดปรานของราคาปิดวันใหม่ดังนั้นการคำนวณใหม่จำเป็นเสมอที่สอดคล้องกับกรอบเวลาของการจ้างงานโดยเฉลี่ย ดังนั้นการคำนวณค่าเฉลี่ย 10 วันโดยการเพิ่มวันใหม่และลดลงวันที่ 10 และวันที่เก้าจะลดลงในวันที่สอง Exponential Moving Average (EMA) ค่าเฉลี่ยเคลื่อนที่เชิงเส้น (Exponential Moving Average - EMA) ค่าเฉลี่ยเคลื่อนที่เชิงตัวเลขได้รับการปรับแต่งและใช้กันอย่างแพร่หลายตั้งแต่ทศวรรษที่ 1960 เนื่องจากการทดลองกับคอมพิวเตอร์ก่อนหน้านี้ EMA ใหม่จะให้ความสำคัญกับราคาล่าสุดมากกว่าในชุดข้อมูลยาว ๆ ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย EMA ปัจจุบัน ((ราคา (ปัจจุบัน) - EMA ที่ผ่านมา)) ตัวคูณ X) EMA ก่อนหน้า ปัจจัยที่สำคัญที่สุดคือค่าคงที่ที่ราบเรียบที่ 2 (1N) โดยที่ N จำนวนวัน EMA 10 วัน 2 (101) 18.8 หมายถึง EMA 10 ช่วงน้ำหนักล่าสุด 18.8 วัน EMA 20 วัน EMA 9.52 และ 50 วัน EMA 3.92 ในวันล่าสุด EMA ทำงานโดยการชั่งน้ำหนักความแตกต่างระหว่างราคาในงวดปัจจุบันกับ EMA ก่อนหน้าและเพิ่มผลการค้นหาไปยัง EMA ก่อนหน้านี้ ระยะเวลาที่สั้นกว่าจะมีการใช้น้ำหนักมากขึ้นกับราคาล่าสุด เส้นขีดโดยการคำนวณเหล่านี้จุดจะพล็อตเผยให้เห็นเส้นที่เหมาะสม เส้นที่ติดตั้งอยู่เหนือหรือต่ำกว่าราคาตลาดบ่งชี้ว่าค่าเฉลี่ยเคลื่อนที่ทั้งหมดเป็นตัวชี้วัดที่ล่าช้า และใช้เป็นหลักสำหรับแนวโน้มดังต่อไปนี้ พวกเขาไม่ได้ทำงานได้ดีกับตลาดช่วงและช่วงเวลาของความแออัดเนื่องจากสายการประกอบไม่สามารถแสดงถึงแนวโน้มเนื่องจากการขาดความชัดเจนสูงขึ้นหรือต่ำกว่าที่ต่ำกว่า นอกจากนี้สายกระชับยังคงมีค่าคงที่โดยไม่ต้องมีคำแนะนำ แนวรับที่เพิ่มขึ้นด้านล่างของตลาดมีความหมายยาวนานในขณะที่สายการผลิตที่พอดีกับขาขึ้นเหนือตลาดหมายถึงระยะสั้น วัตถุประสงค์ของการใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆคือการวัดและแนวโน้มโดยการทำให้ข้อมูลมีความเรียบโดยใช้วิธีการหลายกลุ่มของราคา มีแนวโน้มที่จะได้รับการคาดการณ์และคาดการณ์ไว้ สมมติฐานคือการเคลื่อนไหวของแนวโน้มก่อนหน้าจะดำเนินต่อไป สำหรับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆแนวโน้มระยะยาวสามารถพบได้และง่ายขึ้นกว่า EMA โดยมีข้อสันนิษฐานที่สมเหตุสมผลว่าสายพอดีจะแข็งแกร่งกว่าเส้น EMA เนื่องจากมุ่งเน้นที่ราคาเฉลี่ย EMA ใช้เพื่อจับภาพการเคลื่อนย้ายแนวโน้มที่สั้นลงเนื่องจากมุ่งเน้นไปที่ราคาล่าสุด โดยวิธีนี้ EMA ควรจะลดความล่าช้าใด ๆ ในค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเพื่อให้เส้นที่เหมาะสมจะกอดราคาใกล้กว่าค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ปัญหาที่เกิดขึ้นกับ EMA คือ: มันมีแนวโน้มที่จะแบ่งราคาโดยเฉพาะอย่างยิ่งในช่วงตลาดที่รวดเร็วและช่วงเวลาของความผันผวน EMA ทำงานได้ดีจนกว่าราคาจะพังทลายลง ในช่วงที่ตลาดมีความผันผวนสูงขึ้นคุณสามารถพิจารณาเพิ่มระยะเวลาเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ได้ หนึ่งสามารถเปลี่ยนจาก EMA เป็น SMA เนื่องจาก SMA ทำให้ข้อมูลดีขึ้นกว่า EMA เนื่องจากมุ่งเน้นไปที่วิธีการในระยะยาว ตัวบ่งชี้ที่เป็นตัวบ่งชี้ความเป็นไปได้ในการไต่ระดับต่อเนื่อง หากราคาพุ่งขึ้นต่ำกว่าเส้นแนวรับ 10 วันที่มีแนวโน้มสูงขึ้นมีโอกาสดีที่แนวโน้มขาลงอาจจะลดลงหรืออย่างน้อยตลาดอาจรวมตัวกัน หากราคาพุ่งขึ้นเหนือเส้นค่าเฉลี่ย 10 วันในระยะสั้น แนวโน้มอาจลดลงหรือรวมกัน ในกรณีเหล่านี้ให้ใช้ค่าเฉลี่ยเคลื่อนที่ 10 และ 20 วันพร้อมกันและรอให้เส้น 10 วันข้ามด้านบนหรือด้านล่างเส้น 20 วัน ซึ่งจะเป็นตัวกำหนดทิศทางระยะสั้นสำหรับราคาต่อไป สำหรับระยะยาวให้ดูค่าเฉลี่ยเคลื่อนที่ 100 และ 200 วันสำหรับทิศทางในระยะยาว ตัวอย่างเช่นหากใช้ค่าเฉลี่ยเคลื่อนที่ 100 และ 200 วันหากค่าเฉลี่ยเคลื่อนที่ 100 วันต่ำกว่าค่าเฉลี่ย 200 วันจะเรียกว่าเครื่องหมายการเสียชีวิต และเป็นหยาบคายมากสำหรับราคา ค่าเฉลี่ยเคลื่อนที่ 100 วันที่ข้ามค่าเฉลี่ยเคลื่อนที่ 200 วันเรียกว่าไม้กางเขนสีทอง และเป็นที่พอใจมากสำหรับราคา ไม่ว่าจะเป็น SMA หรือ EMA เนื่องจากทั้งสองแบบเป็นตัวบ่งชี้แนวโน้ม โดยเฉพาะในระยะสั้นที่ SMA มีการเบี่ยงเบนเล็กน้อยจากคู่สัญญา EMA บทสรุป Moving averages เป็นพื้นฐานของการวิเคราะห์แผนภูมิและลำดับเวลา ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดที่ซับซ้อนมากขึ้นจะช่วยให้เห็นภาพแนวโน้มโดยการทำให้การเคลื่อนไหวของราคาดีขึ้น การวิเคราะห์ทางเทคนิคบางครั้งเรียกว่าศิลปะมากกว่าวิทยาศาสตร์ซึ่งทั้งสองใช้เวลาหลายปีในการควบคุม (เรียนรู้เพิ่มเติมในบทแนะนำการวิเคราะห์ทางเทคนิคของเรา) เบต้าเป็นตัวชี้วัดความผันผวนหรือความเสี่ยงอย่างเป็นระบบของการรักษาความปลอดภัยหรือผลงานเมื่อเทียบกับตลาดโดยรวม ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎกำหนดให้ การขายหุ้นครั้งแรกโดย บริษัท เอกชนต่อสาธารณชน การเสนอขายหุ้นหรือไอพีโอมักจะออกโดย บริษัท ขนาดเล็กที่มีอายุน้อยกว่าที่แสวงหา อัตราส่วนหนี้สินที่ใช้ในการวัดแรงกดดันทางการเงินของ บริษัท หรืออัตราส่วนหนี้สินที่ใช้ในการวัดค่าเฉลี่ยของแต่ละบุคคลค่าเฉลี่ยที่เป็นตัวบ่งชี้ความถนัด - EMA ลดลงค่าเฉลี่ยถ่วงน้ำหนักที่เป็นไปได้ - EMA EMA 12 และ 26 วันเป็นค่าเฉลี่ยระยะสั้นที่ได้รับความนิยมสูงสุด และมีการใช้ตัวบ่งชี้เช่นความแตกต่างของค่ามัธยฐานค่าเฉลี่ยเคลื่อนที่ (MACD) และค่าร้อยละของค่าความแปรปรวน (PPO) โดยทั่วไปแล้ว EMA 50 และ 200 วันใช้เป็นสัญญาณของแนวโน้มในระยะยาว ผู้ค้าที่ใช้การวิเคราะห์ทางเทคนิคพบค่าเฉลี่ยเคลื่อนที่ที่มีประโยชน์และลึกซึ้งเมื่อใช้อย่างถูกต้อง แต่สร้างความหายนะเมื่อใช้ไม่ถูกต้องหรือถูกตีความผิด ค่าเฉลี่ยเคลื่อนที่ทั้งหมดที่ใช้กันโดยทั่วไปในการวิเคราะห์ทางเทคนิคเป็นไปตามลักษณะของตัวชี้วัดที่ล่าช้า ดังนั้นข้อสรุปที่ได้จากการนำค่าเฉลี่ยเคลื่อนที่ไปใช้แผนภูมิตลาดหนึ่ง ๆ ควรเป็นการยืนยันการย้ายตลาดหรือเพื่อบ่งชี้ถึงความแข็งแกร่ง 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