हेंडरसन - चल - औसत - सूत्र

तकनीकी विश्लेषण चलते हुए औसत। अधिकांश चार्ट पैटर्न मूल्य आंदोलन में बहुत भिन्नता दिखाते हैं व्यापारियों को एक सुरक्षा के समग्र रुझान का विचार प्राप्त करना मुश्किल हो सकता है एक साधारण विधि व्यापारी इसका मुकाबला करने के लिए उपयोग करते हैं जो चलती औसत लागू होते हैं एक चल औसत एक निर्धारित समय पर सुरक्षा की औसत कीमत सुरक्षा की औसत कीमत की साजिश रचने से कीमतों में कमी आती है एक बार जब दिन-दर-दिन उतार-चढ़ाव हटा दिया जाता है, तो व्यापारियों ने सही प्रवृत्ति की पहचान करने और संभावना बढ़ाने में सक्षम कि यह उनके पक्ष में काम करेगा अधिक जानने के लिए, मूविंग एवरेज ट्यूटोरियल पढ़ें। चलने की औसत विविधताएं विभिन्न प्रकार की औसत औसत चल रही हैं जो उनकी गणना के अनुसार भिन्न होती हैं, लेकिन प्रत्येक औसतन व्याख्या की जाती है कि यह एक समान है गणना केवल मूल्य के आधार पर भार के संदर्भ में भिन्न होती है, जो प्रत्येक मूल्य बिंदु के बराबर भार से हाल के आंकड़ों पर रखे जा रहे वजन को बदलते हैं तीन सबसे आम चलती औसत के ypes सरल रेखीय और घातीय हैं। सरल मूविंग औसत एसएमए यह कीमतों की चलती औसत की गणना करने के लिए उपयोग की जाने वाली सबसे आम विधि है। यह केवल समयावधि के आखिरी समापन मूल्यों का योग लेता है और परिणाम को विभाजित करता है। गणना में प्रयुक्त होने वाली कीमतों की संख्या उदाहरण के लिए, 10-दिवसीय चलती औसत में, पिछले 10 बंद कीमतें एक साथ जोड़ दी जाती हैं और फिर 10 से विभाजित की जाती हैं, जैसा कि आप चित्रा 1 में देख सकते हैं, एक व्यापारी औसत कम जवाबदेह बनाने में सक्षम है गणना में इस्तेमाल की जाने वाली अवधि की संख्या में वृद्धि करके मूल्यों में बदलाव, गणना में समय की अवधि बढ़ाने से दीर्घकालिक प्रवृत्ति की ताकत को मापने के सर्वोत्तम तरीकों में से एक और संभावना है कि यह उलटा होता है। कई व्यक्तियों का तर्क है कि औसत के इस प्रकार की उपयोगिता सीमित है क्योंकि डेटा श्रृंखला में प्रत्येक बिंदु के परिणामों पर समान प्रभाव पड़ता है, चाहे इसके क्रम में क्या होता है आलोचकों का तर्क है कि सबसे हालिया डेटा अधिक महत्व है rtant और, इसलिए, यह भी एक उच्च भार होना चाहिए इस प्रकार की आलोचना मुख्य कारकों में से एक है जो चलती औसत के अन्य रूपों के आविष्कार की ओर अग्रसर है। लाइनर भारित औसत यह चालू औसत सूचक तीन से कम आम है और बराबर भार की समस्या को हल करने के लिए प्रयोग किया जाता है रैखिक भारित चलती औसत की गणना एक निश्चित समय अवधि में सभी समापन मूल्यों का योग लेती है और उन्हें डेटा बिंदु की स्थिति से गुणा करके और फिर संख्या के योग से विभाजित करके गणना की जाती है अवधि के लिए, उदाहरण के लिए, पांच दिवसीय रेखीय भारित औसत में, आज की समाप्ति मूल्य पांच गुणा करके, कल के चार और इतने पर है जब तक अवधि अवधि में पहले दिन तक नहीं पहुंच जाता है ये संख्या एक साथ जोड़ दी जाती है और विभाजित हो जाती है मल्टीप्लायरों का योग। एक्सपेननेशन मूविंग औसत ईएमए यह चलती औसत गणना हाल के डेटा बिंदुओं पर एक उच्च वजन रखने के लिए एक चौरसाई कारक का उपयोग करती है और इसे रेखीय से ज्यादा कुशल माना जाता है भारित औसत गणना की समझ रखने के लिए ज्यादातर व्यापारियों के लिए आम तौर पर जरूरी नहीं होता क्योंकि अधिकांश चार्टिंग पैकेज आपके लिए गणना करते हैं घातीय चलती औसत के बारे में याद रखना सबसे महत्वपूर्ण बात यह है कि सरल चलती औसत के सापेक्ष नई जानकारी यह जवाबदेही महत्वपूर्ण कारकों में से एक है, क्यों यह कई तकनीकी व्यापारियों के बीच चलती औसत पसंद है जैसा कि आप चित्रा 2 में देख सकते हैं, 15-अवधि की ईएमए बढ़ जाती है और 15-अवधि की एसएमए की तुलना में तेजी से गिरता है यह मामूली अंतर नहीं लगता ज्यादा की तरह, लेकिन इसके बारे में जागरूक होना एक महत्वपूर्ण कारक है, क्योंकि यह वापसी को प्रभावित कर सकता है। मूविंग एवरेज मूविंग एवरेज की प्रमुख प्रयोगों का उपयोग मौजूदा रुझानों और प्रवृत्ति उल्लुओं की पहचान करने के साथ-साथ समर्थन और प्रतिरोध स्तर सेट करने के लिए भी किया जाता है। जल्दी से पहचानने के लिए कि क्या एक सुरक्षा चलती औसत की दिशा के अनुसार एक अपट्रेंड या डाउनट्रेंड में चल रही है या नहीं, जैसा कि आप चित्रा 3 में देख सकते हैं, औसत ऊपर की तरफ बढ़ रहा है और इसकी कीमत ऊपर है, सुरक्षा एक अपट्रेंड में है, इसके विपरीत, नीचे की कीमत के साथ नीचे की ओर चलती हुई औसत औसत डाउनटरेंड संकेत करने के लिए इस्तेमाल किया जा सकता है। गति का निर्धारण करने की एक अन्य विधि एक जोड़ी के क्रम को देखना है चलती औसत की तुलना में जब एक अल्पकालिक औसत एक लंबी अवधि के औसत से ऊपर है, तो प्रवृत्ति ऊपर है दूसरी तरफ, थोड़े-से-कम औसत से ऊपर का एक दीर्घकालिक औसत प्रवृत्ति में नीचे की तरफ इशारा करता है। औसत औसत प्रवृत्ति उल्टा है दो मुख्य तरीकों से बनता है जब मूल्य एक चलती औसत से बढ़ता है और जब यह औसत क्रॉसओवर चलती है तो पहला सामान्य सिग्नल तब होता है जब कीमत एक महत्वपूर्ण चलती औसत से बढ़ जाती है उदाहरण के लिए, जब एक सुरक्षा की कीमत एक अपट्रेंड गिर गई एक 50-अवधि की चलती औसत से नीचे, जैसे चित्रा 4 में, यह एक संकेत है कि अपट्रेंड पीछे हो सकता है। प्रवृत्ति के उलट होने का दूसरा संकेत तब होता है जब एक चलती औसत दूसरे के माध्यम से पार करता है उदाहरण के लिए, जैसा कि आप चित्रा 5 में देख सकते हैं, मैं च 15 दिन की चलती औसत 50-दिवसीय चलती औसत से अधिक है, यह एक सकारात्मक संकेत है कि मूल्य में वृद्धि शुरू हो जाएगी। यदि गणना में इस्तेमाल की जाने वाली अवधि अपेक्षाकृत कम है, उदाहरण के लिए 15 और 35, यह एक संकेत कर सकता है शॉर्ट-टर्म ट्रेंड रिवर्सल दूसरी तरफ, जब अपेक्षाकृत लंबी समय सीमाओं के साथ दो औसत 50 और 200 से अधिक हो जाते हैं, उदाहरण के लिए, यह प्रवृत्ति में एक दीर्घकालिक बदलाव का सुझाव देने के लिए प्रयोग किया जाता है। समर्थन और प्रतिरोध स्तर यह एक ऐसा स्टॉक देखने को असामान्य नहीं है जो इसकी गिरावट को रोकना पड़ रहा है और एक बार एक बड़ी चलती औसत का समर्थन करता है जब एक प्रमुख चलती औसत के माध्यम से एक कदम तकनीकी व्यापारीओं द्वारा एक संकेत के रूप में उपयोग किया जाता है प्रवृत्ति उलटा रही है उदाहरण के लिए, यदि 200 दिनों की औसत औसत से नीचे की दिशा में कीमत टूट जाती है, तो यह एक संकेत है कि अपट्रेंड रिवर्सिंग हो रही है। मौन की औसत एक सुरक्षा में रुझान का विश्लेषण करने के लिए एक शक्तिशाली उपकरण है, वे उपयोगी आधार प्रदान करते हैं ort और प्रतिरोध अंक और प्रयोग करने में बहुत आसान है चलने की औसत बनाने के दौरान उपयोग किए जाने वाले सबसे आम समय के फ्रेम 200-दिन, 100-दिन, 50-दिवसीय, 20-दिन और 10-दिन हैं 200-दिवसीय औसत माना जाता है एक कारोबारी वर्ष का एक अच्छा उपाय, एक आधा वर्ष का 100 दिवसीय औसत, एक वर्ष का एक चौथाई का 50 दिन का औसत, एक महीने का 20-दिन का औसत और दो सप्ताह की 10-दिवसीय औसत। औसत चलते हुए तकनीकी व्यापारियों ने कुछ ऐसे शोर को सुचारू रूप से बाहर कर दिया है जो दिन-प्रति-दिन मूल्य आंदोलनों में पाए जाते हैं, जिससे व्यापारियों को मूल्य प्रवृत्ति का स्पष्ट नज़र आता है अब तक हम मूल्य आंदोलन पर ध्यान केंद्रित कर चार्ट और औसत के माध्यम से अगले भाग में , हम मूल्य आंदोलन और पैटर्न की पुष्टि करने के लिए इस्तेमाल की जाने वाली कुछ अन्य तकनीकों को देखेंगे। वर्षों में, टेक्नोलॉजिस्टों ने साधारण समस्याओं के साथ दो समस्याएं पाई हैं। पहली समस्या चलती औसत एमए के समय सीमा में है तकनीकी विश्लेषकों का मानना ​​है कि मूल्य कार्रवाई खोलने या बंद शेयर की कीमत ई एमए के क्रॉसओवर एक्शन के सिग्नल खरीदने या बेचने के लिए ठीक से भविष्यवाणी करने के लिए निर्भर नहं, इस समस्या को हल करने के लिए, विश्लेषकों ने हाल ही में मूल्य के आंकड़ों के मुकाबले ज्यादा वजन बढ़ाया है ताकि तेजी से चलने वाले औसत ईएमए का इस्तेमाल किया जा सकता है। औसत। एक उदाहरण उदाहरण के लिए, एक 10-दिवसीय एमए का उपयोग करके, एक विश्लेषक 10 वें दिन की समाप्ति मूल्य लेगा और इस संख्या को 10 तक बढ़ाता है, नौवें दिन नौ से, आठवां दिन आठ और इसी तरह की पहली एमए एक बार कुल निर्धारित किया गया है, तो विश्लेषक मल्टीप्लायर्स के जोड़ के द्वारा संख्या को विभाजित करेगा यदि आप 10-दिन के एमए उदाहरण के गुणक जोड़ते हैं, तो संख्या 55 है इस सूचक को रैखिक भारित चलती औसत के रूप में जाना जाता है संबंधित पढ़ने, सरल मूविंग एवेरेज़ मेक ट्रेडेड स्टैंड आउट की जांच करें। कई तकनीशियन तेजी से चिकनी चलती औसत ईएमए में फर्म विश्वास रखते हैं। इस सूचक को इतने सारे अलग-अलग तरीकों से समझाया गया है कि यह सेंट उदार और निवेशक समान रूप से शायद सबसे अच्छा स्पष्टीकरण, जॉन जे मर्फी के तकनीकी वित्तीय विश्लेषण, न्यू यॉर्क इंस्टीट्यूट ऑफ फाइनेंस द्वारा प्रकाशित, 1 999 से प्रकाशित होता है। सरल चलती औसत पहले से जुड़े समस्याओं के दोनों में तेजी से चलती औसत पते, तेजी से सुस्त औसत अधिक हाल के आंकड़ों को अधिक महत्व देता है इसलिए, यह एक भारित चलती औसत है, लेकिन जब यह पिछले मूल्य के आंकड़ों को कम महत्त्व प्रदान करता है, तो इसका गणना उपकरण के जीवन के सभी आंकड़ों को शामिल करता है इसके अतिरिक्त, उपयोगकर्ता हाल के दिनों की कीमत में अधिक या कम वजन देने के लिए भार को समायोजित करने में सक्षम है, जो पिछले दिन के मूल्य के प्रतिशत में जोड़ा जाता है दोनों प्रतिशत मूल्यों का योग 100 तक जोड़ता है। उदाहरण के लिए, अंतिम दिन की कीमत 10 10 का वजन सौंपा जा सकती है, जो पिछले 90 दिनों के वजन में जोड़ दी गई है 90 यह कुल भार का अंतिम दिन 10 देता है यह समतुल्य होगा एक 20-दिवसीय औसत, आखिरी दिनों की कीमत 5 05 के छोटे मूल्य देकर कीमत। 1 एक्सपेंनेशनली स्मूथर्ड मूविंग एवरल। ऊपर दिए गए चार्ट में नास्डैक कम्पोजिट इंडेक्स को अगस्त 2000 से 1 जून 2001 तक पहले सप्ताह से दिखाया गया है जैसा कि आप स्पष्ट रूप से कर सकते हैं देखें, ईएमए, जो इस मामले में नौ दिनों की अवधि में समापन मूल्य डेटा का उपयोग कर रहा है, एक काले नीचे तीर द्वारा चिह्नित 8 सितंबर को निश्चित बिकने वाले संकेत हैं यह उस दिन था जब सूचकांक 4,000 स्तर से नीचे तोड़ दिया दूसरा काले तीर से पता चलता है कि तकनीशियन वास्तव में उम्मीद कर रहे थे कि नास्डैक खुदरा निवेशकों से 3,000 अंक को तोड़ने के लिए पर्याप्त मात्रा और ब्याज नहीं पैदा कर सकता था। यह तब 4 अप्रैल को 1619 58 में नीचे फिर से नीचे आते हैं। अप्रैल 12 के उत्थान एक तीर से सूचकांक 1 9 61 में 46 पर बंद हुआ, और तकनीशियनों को देखना शुरू हुआ कि संस्थागत फंड मैनेजर सिस्को, माइक्रोसॉफ्ट और कुछ ऊर्जा संबंधी मुद्दों जैसे कुछ सस्ते दाम उठाते हैं, हमारे संबंधित लेख पढ़ें औसत लिफ़ाफ़े रिफाइनिंग ए पीओ पढ़ें pular ट्रेडिंग उपकरण और मूविंग औसत बाउंस। ब्याज दर जिस पर एक डिपॉजिटरी संस्था फेडरल रिजर्व में एक अन्य डिपॉजिटरी संस्था में रखी गई धनराशि देती है। किसी दिए गए सुरक्षा या बाजार सूचकांक के लिए रिटर्न के फैलाव का एक सांख्यिकीय उपाय या तो अस्थिरता मापा जा सकता है। एक अधिनियम, 1 9 33 में अमेरिकी कांग्रेस ने बैंकिंग अधिनियम के रूप में पारित किया, जो वाणिज्यिक बैंकों को निवेश में भाग लेने से मना कर दिया था। नॉनफ़ॉर्म पेरोल में खेतों, निजी घरों और गैर-लाभकारी क्षेत्र के बाहर किसी भी नौकरी को संदर्भित किया गया है श्रम अमेरिकी ब्यूरो। मुद्रा संक्षेप या मुद्रा भारतीय रुपए भारतीय मुद्रा के लिए प्रतीक, भारत की मुद्रा रुपए 1 से बना है। एक दिवालिया कंपनी की परिसंपत्तियों पर प्रारंभिक बोली, बोलीदाताओं के पूल से दिवालिया कंपनी द्वारा चुने गए एक इच्छुक खरीदार से। समय श्रृंखला विश्लेषण मौसमी समायोजन के तरीके X11 शैली के तरीके कैसे काम करते हैं। मौसमी समायोजन करने के लिए कुछ पैकेज क्या उपयोग किए जाते हैं। मौसमी से निपटने के लिए एबीएस द्वारा नियोजित तकनीकों क्या हैं समायोजन। एसईएएसएबीएस कैसे काम करता है। अन्य सांख्यिकीय एजेंसियां ​​मौसमी समायोजन के साथ कैसे काम करती हैं। कैसे X11 स्टाइल पद्धति कार्य करते हैं। मौसमी समायोजन के फ़िलटर आधारित तरीकों को अक्सर X11 शैली पद्धति के रूप में जाना जाता है ये 1 9 31 में वर्णित औसत प्रक्रिया को चलने के अनुपात पर आधारित हैं। अमेरिका में आर्थिक अनुसंधान के राष्ट्रीय ब्यूरो के फ्रेडरिक आर मैकाले द्वारा इस प्रक्रिया में निम्नलिखित चरणों शामिल हैं। 1 चलती औसत 2 की प्रवृत्ति का अनुमान करें मौसमी और अनियमित घटकों को छोड़ने वाले प्रवृत्ति को निकालें 3 औसत चलने का उपयोग करके मौसमी घटक का आकलन करें अनियमितताओं को बाहर निकालना। आम तौर पर प्रवृत्ति को ज्ञात होने तक मौज़ूदता की पहचान नहीं की जा सकती, हालांकि इस प्रवृत्ति का अच्छा अनुमान नहीं बनाया जा सकता जब तक कि श्रृंखला को मौसमयुक्त समायोजित नहीं किया जाता है इसलिए X11 समय अवधि के घटकों का अनुमान लगाने के लिए एक पुनरावृत्ति दृष्टिकोण का उपयोग करता है, , यह एक गुणात्मक मॉडल मानता है। X11 में शामिल बुनियादी कदमों को स्पष्ट करने के लिए, मासिक समय श्रृंखला के अपघटन पर विचार करें और एआर एक गुणक मॉडल। चरण 1 प्रवृत्ति का प्रारंभिक अनुमान। एक सममित 13 अवधि 2x12 चलती औसत एक मूल मासिक समय श्रृंखला के लिए लागू किया जाता है, ओ टी प्रवृत्ति का प्रारंभिक अनुमान तैयार करने के लिए। टी तब प्रवृत्ति को मूल श्रृंखला से हटा दिया जाता है , मौसमी और अनियमित घटकों का अनुमान लगाने के लिए। श्रृंखला के प्रत्येक छोर पर अंक मूल्य अंत बिंदु समस्या के परिणामस्वरूप खो जाते हैं - केवल सममित फिल्टर का उपयोग किया जाता है। चरण 2 मौसमी घटक का प्रारंभिक अनुमान। एक प्रारंभिक अनुमान मौसमी घटक तो प्रत्येक महीने के लिए भारित 5 शब्द चलती औसत एस 3x3 से एस टी आई टी सीरीज को अलग से लागू किया जा सकता है, हालांकि यह फिल्टर एक्स 11 के भीतर डिफ़ॉल्ट है, एबीएस इसके बजाय 7 शब्द चलती औसत एस 3x5 का उपयोग करता है मौसमी घटकों 12 लगभग 12 महीने की अवधि में जोड़ने के लिए समायोजित किया जाता है, जिससे कि यह सुनिश्चित करने के लिए कि वे मौसमी घटक श्रृंखला के स्तर को परिवर्तित नहीं करते हैं, वे प्रवृत्ति को प्रभावित नहीं करते हैं वह मौसमी घटक की समाप्ति को पिछले साल से मूल्य दोहराकर बदल दिया जाता है। चरण 3 समायोजित डेटा का प्रारंभिक अनुमान। मौसमी समायोजित श्रृंखला का एक सन्निकटन मूल श्रृंखला में पिछले चरण से मौसमी के अनुमान को विभाजित करके पाया जाता है.पंपा 4 प्रवृत्ति का एक बेहतर अनुमान। श्रृंखला 9 की एक 9, 13 या 23 अवधि हेंडरसन चलती औसत मौसमी समायोजित मूल्यों के लिए लागू किया जाता है, श्रृंखला की अस्थिरता के आधार पर एक अधिक अस्थिर श्रृंखला के लिए एक अधिक चलती औसत की आवश्यकता है, एक बेहतर अनुमान प्रवृत्ति की परिणामी प्रवृत्ति श्रृंखला को मौसमी और अनियमित घटकों का दूसरा अनुमान देने के लिए मूल श्रृंखला में बांटा गया है। सममित फिल्टर का प्रयोग श्रृंखला के छोर पर किया जाता है, इसलिए चरण 1 की तरह कोई ग़लत मान नहीं है। चरण 5 अंतिम मौसमी घटक का अनुमान। चरण दो को मौसमी घटक का अंतिम अनुमान प्राप्त करने के लिए दोहराया जाता है। चरण 6 समायोजित डेटा का अंतिम अनुमान। अंतिम अंतिम मौसम समायोजित श्रृंखला है मूल श्रृंखला में पिछले चरण से मौसमी के दूसरे अनुमान को विभाजित करके पाया। चरण 7 अंतिम प्रवृत्ति का अंतिम अनुमान। 9, 13 या 23 अवधि वाले हेंडरसन की औसत चलती है, जो मौसमी समायोजित श्रृंखला के अंतिम अनुमान पर लागू होती है चरम मूल्यों के लिए सही किया गया है यह प्रवृत्ति का एक बेहतर और अंतिम अनुमान देता है X12 जैसे अधिक उन्नत संस्करणों में जैसे X12ARIMA और SEASABS, कोई भी अजीब लंबाई हेंडरसन चलती औसत इस्तेमाल किया जा सकता है। चरण 8 अनियमित घटक का अंतिम अनुमान। अनियमित तब कर सकते हैं प्रवृत्ति अनुमानों को मौसम समायोजित डेटा में विभाजित करके अनुमान लगाया जा सकता है। जाहिर है ये चरण, जो मॉडल गुणक, योजक और छद्म-योजक को X11 के भीतर चुना जाता है, पर निर्भर करेगा, X11 में दिए गए चरणों में छोटे संस्करणों के बीच भी विभिन्न संस्करणों के बीच अंतर है। मौसमी कारकों का आकलन, चरम सीमाओं के लिए एसआई मानों के संशोधन द्वारा, औसत प्रक्रिया की मजबूती में सुधार करना है प्रमुख के बारे में अधिक जानकारी के लिए शामिल कदम, सूचना पत्र के अनुभाग 7 2 का संदर्भ लें, टाइम सीरीज़ विश्लेषण पर एक परिचयात्मक पाठ्यक्रम - इलेक्ट्रॉनिक डिलिवरी। WHAT कुछ पैकेज हैं जो कि मौसम समायोजन को इस्तेमाल करने के लिए उपयोग किया जाता है। सबसे अधिक इस्तेमाल किया जाने वाला मौसमी समायोजन पैकेज X11 परिवार X11 में होते हैं अमेरिकी जनगणना ब्यूरो और 1 9 65 में संयुक्त राज्य अमेरिका में आपरेशन शुरू किया, यह जल्द ही एबीएस समेत दुनिया भर में कई सांख्यिकीय एजेंसियों द्वारा अपनाया गया, इसे कई व्यावसायिक रूप से उपलब्ध सॉफ़्टवेयर पैकेजों जैसे एसएएस और स्टेटीटाइका में एकीकृत किया गया है यह फ़िल्टर का उपयोग करता है मौसमी डेटा को समायोजित करने और एक समय श्रृंखला के घटकों का अनुमान लगाने के लिए। X11 विधि में प्रवृत्ति, मौसमी और अनियमित घटकों का अनुमान लगाने के लिए समय-सीमा में सममित मूविंग औसत लागू करना शामिल है, हालांकि श्रृंखला के अंत में, अपर्याप्त डेटा उपलब्ध है अंत-बिंदु समस्या के सममित वजन का उपयोग करें, नतीजतन, असममित भार का उपयोग किया जाता है, या श्रृंखला को एक्सट्रपोलैटेड होना चाहिए। 1 9 80 में स्टैटिस्टिक्स कैनेडा द्वारा विकसित और 1 99 8 में एक्स 1 9 आईएमआईएमएएमएएम द्वारा अद्यतित की गई X11ARIMA विधि, एक टाइम सीरीज़ बढ़ाने के लिए बॉक्स जेनकिंस ऑटोआरएसेजिव इंटीग्रेटेड मूविंग औसतन एआरआईएए मॉडल का उपयोग करती है, मूल श्रृंखला में एआरआईएए मॉडलिंग का उपयोग, मौसम में समायोजित श्रृंखला में संशोधन को कम करने में मदद करता है यह कि अंत-बिंदु समस्या का असर कम हो गया है। X11ARIMA88 भी चरम मूल्यों के इलाज के मूल X11 विधि से अलग है, यह सांख्यिकी कनाडा से संपर्क करके प्राप्त किया जा सकता है। 1 99 0 के अंत में, अमेरिकी जनगणना ब्यूरो ने जारी किया X12ARIMA यह regahima का उपयोग करता है मॉडल एआरआईएमए त्रुटियों के साथ प्रतिगमन मॉडल को उपयोगकर्ता की भविष्यवाणियों के साथ श्रृंखला का विस्तार करने और मौसमी समायोजन होने से पहले सीरीज को पहले से और कैलेंडर प्रभाव के लिए पहले से समायोजित करने की इजाजत देने के लिए अनुमति देता है ब्यूरो से X12ARIMA प्राप्त किया जा सकता है और इसे डाउनलोड किया जा सकता है। विक्टर द्वारा विकसित गोमेज़ और अगस्तन मारवाल, एआरआईएएम समय सीरीज़ में सीट्स सिग्नल एक्सट्रक्शन, एक प्रोग्राम है जो अनुमान और अनुमान लगाता है एआरआईएए मॉडल के लिए लागू सिग्नल निष्कर्षण तकनीकों का उपयोग करते हुए एक समय श्रृंखला की प्रवृत्ति, मौसमी और अनियमित घटकों, एआरआईएमए शोर, अनुपस्थित निरीक्षण और आउटलीयर्स के साथ त्रैमा टाइम सीरिज प्रतिगमन आकलन के लिए एक साथी कार्यक्रम है और एआरआईएएए त्रुटियों और गायब मूल्यों के साथ प्रतिगमन के मॉडल का पूर्वानुमान है। एक श्रृंखला को पहले से समायोजित करने के लिए, जो तब सीज़न द्वारा सीज़न द्वारा समायोजित किया जाएगा, इंटरनेट से दो कार्यक्रमों को स्वतंत्र रूप से डाउनलोड करने के लिए, बैंक ऑफ स्पेन से संपर्क करें। ईरॉस्टेट ने दो मौसमी समायोजन विधियों ट्रामो सीट्स और एक्स 12 अरीमा संस्करणों पर ध्यान केंद्रित किया है। डीएमईटीए नामक एक इंटरफेस, यह इन तकनीकों के बड़े पैमाने पर सेट टाइम सीरीज DEMETRA में दो मुख्य मॉड्यूल मौसमी समायोजन और प्रवृत्ति अनुमान शामिल करता है जिसमें एक स्वचालित प्रक्रिया होती है उदा। अनुभवहीन उपयोगकर्ताओं के लिए या समय श्रृंखला के बड़े पैमाने पर सेट के साथ, और एकल-समय श्रृंखला के विस्तृत विश्लेषण के लिए उपयोगकर्ता-अनुकूल प्रक्रिया यह डाउनलोड किया जा सकता है ए. बी.एस. द्वारा एसोसिएशन समायोजन के साथ सौदा करने वाली तकनीकें हैं। सांख्यिकी के ऑस्ट्रेलियाई ब्यूरो में इस्तेमाल किया जाने वाला मुख्य उपकरण SEASABS SEASonal विश्लेषण है, एबीएस मानकों एसईएएसएबीएस एक X11 और X12ARIMA पर आधारित कोर प्रसंस्करण प्रणाली के साथ मौसमी समायोजन सॉफ्टवेयर पैकेज है एसईएएसएबीएस एक ज्ञान आधारित प्रणाली है जो समय श्रृंखला के विश्लेषकों को एक समय श्रृंखला के विश्लेषण में उचित और सही निर्णय लेने में सहायता कर सकती है। सीईएएसएबीएस एबीएस मौसमी समायोजन प्रणाली का एक हिस्सा है। अन्य घटक में एबीएसडीबी एबीएस सूचना गोदाम और फेम पूर्वानुमान, विश्लेषण और मॉडलिंग शामिल हैं। समय श्रृंखला के आंकड़ों को स्टोर और हेरफेर करने के लिए इस्तेमाल किया जाने वाला वातावरण। एसईएएसएबीएएस चार प्रमुख कार्यों का प्रदर्शन करता है। डेटा की समीक्षा। समय श्रृंखला के मौसमी रेनालिसिस। समय श्रृंखला का निरीक्षण। समय श्रृंखला के ज्ञान का रखरखाव। एसईएएसएबीएएस एक्स 11 विधि के विशेषज्ञ और ग्राहक दोनों की अनुमति देता है एबीएस द्वारा काफी बढ़ाया गया है इसका मतलब यह है कि उपयोगकर्ता को X11 पैकेज के विस्तृत ज्ञान की आवश्यकता नहीं है उपयुक्त समय-समय पर एक समय श्रृंखला समायोजित करें बुद्धिमान इंटरफ़ेस उपयोगकर्ताओं को मौसमी विश्लेषण प्रक्रिया के माध्यम से मार्गदर्शित करता है, जिससे पैरामीटर और अनुकूलन तरीकों के उपयुक्त विकल्पों को बनाने से उपयोगकर्ताओं को कम या कोई मार्गदर्शन नहीं मिल जाता है। सीसाब में शामिल बुनियादी अवक्रम प्रक्रिया 1. टेस्ट और सही है मौसमी टूटता है 2 डेटा के बड़े स्पिक्स को हटाने और हटाने के लिए 3 परीक्षण और सही रुझान टूटता है 4 परीक्षण और मौसमी समायोजन उद्देश्यों के लिए चरम मूल्यों को सही करें 5 किसी भी ट्रेडिंग दिन के प्रभाव का अनुमान लगाएं 6 छुट्टी सुधार बढ़ने या बदलने के लिए 7 चलती हुई औसत प्रवृत्ति को चलाना औसत, और फिर मौसमी चलती औसत 8 भागो X11 9 समायोजन को अंतिम रूप देते हैं। एसईएएसएबीएस एक श्रृंखला के पिछले विश्लेषण के रिकॉर्ड रखता है ताकि यह समय के साथ X11 निदान की तुलना कर सके और जानता है कि अंतिम विश्लेषण में पैरामीटर क्या स्वीकार्य समायोजन का कारण बनता है यह पहचानता है और सही करता है प्रवृत्ति और मौसमी टूटता है, साथ ही चरम मूल्यों, यदि आवश्यक हो तो दिन के कारक सम्मिलित करता है, और अल छुट्टी के सुधारों को आगे बढ़ने के लिए चढ़ाव। एसईएएसएबीएस अन्य सरकारी संगठनों के लिए मुफ्त में उपलब्ध है अधिक जानकारी के लिए संपर्क करें। अन्य सामग्रियों की एजेंसियों को मौसम समायोजन के साथ सौदा करना। सांख्यिकी न्यूजीलैंड। X12-ARIMA उपकरण, लेकिन पैकेज की ARIMA क्षमताओं का उपयोग नहीं करता है। राष्ट्रीय सांख्यिकी कार्यालय, यूके.स X11ARIMA88.Statistics Canada. uses X11-AIRIMA88.US जनगणना के ब्यूरो। X12-ARIMA. uses सीट्स TRAMO. This पेज सबसे पहले प्रकाशित 14 नवंबर 2005, अंतिम अद्यतन 10 सितंबर 2008