การย้าย ค่าเฉลี่ย ความล่าช้า ประกอบการ

ถ้าฟังก์ชัน LAG ส่งกลับค่าไปยังตัวแปรตัวอักษรที่ยังไม่ได้กำหนดความยาวไว้โดยค่าเริ่มต้นตัวแปรจะถูกกำหนดความยาว 200 ฟังก์ชัน LAG LAG1 LAG2 LAG n ค่าที่ส่งคืนจากคิว LAG1 สามารถเขียนได้ เป็นฟังก์ชัน LAG LAG n เก็บค่าในคิวและส่งกลับค่าที่เก็บไว้ก่อนหน้านี้ในคิวแต่ละครั้งการเกิด LAG n function ในโปรแกรมจะสร้างคิวของค่าเองคิวที่เกิดขึ้นสำหรับ LAG n จะเริ่มต้นด้วย n ค่าที่หายไปโดยที่ n คือความยาวของคิวตัวอย่างเช่นคิว LAG2 ถูกเตรียมใช้งานโดยค่าสองค่าที่หายไปเมื่อเกิด LAG n ค่าที่ด้านบนของคิวจะถูกลบและส่งคืนค่าที่เหลือจะถูกเปลี่ยน ขึ้นไปและค่าใหม่ของอาร์กิวเมนต์จะอยู่ที่ด้านล่างของคิวดังนั้นค่าที่หายไปจะถูกส่งคืนสำหรับการประมวลผล n ครั้งแรกของแต่ละครั้งที่เกิด LAG n หลังจากที่ค่าล้าหลังของอาร์กิวเมนต์เริ่มปรากฏขึ้นหมายเหตุเก็บค่าที่ บ่อ ttom ของคิวและส่งกลับค่าจากด้านบนของคิวที่เกิดขึ้นเฉพาะเมื่อมีการทำงานของฟังก์ชันการเกิดขึ้นของฟังก์ชัน LAG n ที่ดำเนินการตามเงื่อนไขจะเก็บและส่งคืนค่าเฉพาะจากข้อสังเกตที่เงื่อนไขเป็นที่พอใจ If อาร์กิวเมนต์ ของ LAG n เป็นชื่ออาเรย์ซึ่งจะจัดคิวแยกไว้สำหรับแต่ละตัวแปรในอาร์เรย์เมื่อเอนทิตี LAG ถูกรวบรวม SAS จัดสรรหน่วยความจำไว้ในคิวเพื่อเก็บค่าของตัวแปรที่ระบุไว้ในฟังก์ชัน LAG ตัวอย่างเช่น, ถ้าตัวแปรในฟังก์ชัน LAG100 x เป็นตัวเลขที่มีความยาว 8 ไบต์หน่วยความจำที่จำเป็นต้องใช้คือ 8 ครั้ง 100 หรือ 800 ไบต์ดังนั้นขีดจำกัดความจำของ LAG จึงขึ้นอยู่กับหน่วยความจำที่ SAS จัดสรรซึ่งแตกต่างกันออกไป กับสภาพแวดล้อมการทำงานที่แตกต่างกันเฉลี่ยปานกลางเรียบเสียงรบกวนของข้อมูลราคาค่าใช้จ่ายของ lag ล่าช้าในวันเก่าคุณอาจมีความเร็วที่ค่าใช้จ่ายของการลดเรียบในวันเก่าคุณเท่านั้นที่สามารถมีโย ur เรียบที่ค่าใช้จ่ายของ lag. Think วิธีการหลายชั่วโมงที่คุณเสียพยายามที่จะได้รับค่าเฉลี่ยของคุณได้อย่างรวดเร็วและราบรื่นโปรดจำไว้ว่าน่ารำคาญก็คือการดูความเร็วที่เพิ่มขึ้นทำให้เกิด noise. Remember เพิ่มขึ้นที่คุณต้องการสำหรับความล่าช้าต่ำและต่ำ noise. Tired ของการทำงาน ออกวิธีการมีเค้กของคุณและกิน it. Don t หมดหวังตอนนี้สิ่งที่มีการเปลี่ยนแปลงคุณสามารถมีเค้กของคุณและคุณสามารถกินมันแม่นยำแม่นยำ Lagless เมื่อเทียบกับรูปแบบการกรองขั้นสูงอื่น ๆ ของค่าเฉลี่ยมาตรฐานขั้นพื้นฐานอุตสาหกรรมกรองการถ่วงน้ำหนักย้าย ค่าเฉลี่ยจะเร็วกว่าการชี้แจง แต่ไม่ให้ดีราบเรียบในทางตรงกันข้ามการชี้แจงมีการราบเรียบที่ยอดเยี่ยม แต่จำนวนมากล่าช้า Lag. Modern ตัวกรองเทคโนโลยีชั้นสูงแม้ว่าการปรับปรุงในรูปแบบพื้นฐานเก่ามีจุดอ่อนโดยธรรมชาติบางแห่งที่มีการสังเกตใน ตัวกรอง Jurik JMA และจุดอ่อนที่เลวร้ายที่สุดของเหล่านี้คือ overshoot การวิจัยของ Jurik ยอมรับอย่างเปิดเผยว่ามีการ overshoot น้อยที่สุดซึ่งมีแนวโน้มที่จะบ่งบอกถึงรูปแบบของอัลกอริทึมการทำนายรหัสที่จำได้ ตัวกรองที่มีวัตถุประสงค์เพื่อสังเกตสิ่งที่เกิดขึ้นในขณะนี้และใน past. Predicting สิ่งที่จะเกิดขึ้นต่อไปคือการทำงานที่ผิดกฎหมายในชุดเครื่องมือระบบการซื้อขายความแม่นยำข้อมูลจะเรียบและ de-lagged เท่านั้นหรือคุณอาจกล่าวได้แนวโน้มจะปฏิบัติตาม แม่นยำแทนการบอกทางที่จะไปต่อไปเช่นเดียวกับกรณีเหล่านี้ขั้นตอนวิธีการกรองชนิดที่ผิดกฎหมายชนิด Precision Lagless เฉลี่ยไม่ได้พยายามที่จะทำนายค่าราคาต่อไปค่าเฉลี่ยฮัลล์เป็นจำนวนมากโดยอ้างว่าเป็นไปอย่างรวดเร็วและราบรื่นเป็น การวิจัยของ JMA by Jurik มีความเร็วที่ดีและปัญหา lag ต่ำปัญหาที่เกิดขึ้นกับสูตรที่ใช้ในค่าเฉลี่ยของฮัลล์คือความเรียบง่ายและนำไปสู่การบิดเบือนราคาที่มีความแม่นยำต่ำเกิดจากการถ่วงน้ำหนักมากเกินไป x 2 ในข้อมูลล่าสุด ความยาว 2 และลบข้อมูลเก่าซึ่งนำไปสู่ปัญหาการ overshooting ที่รุนแรงซึ่งในบางกรณีมีค่าเบี่ยงเบนมาตรฐานอยู่ห่างจากค่าที่แท้จริงค่าเฉลี่ยความแม่นยำ Lagless มี ZERO overshoot แผนภาพด้านล่างแสดง immens ความแตกต่างระหว่างความเร็วของเรือกับ PLA ระยะเวลา 30 และค่าเฉลี่ยของเรือฮัลล์ 30 ลำ PLA เป็นแท่งสี่แท่งก่อนค่าเฉลี่ยของเรือฮัลล์ในจุดเปลี่ยนที่สำคัญทั้งสองจุดที่ระบุไว้ในแผนภูมิ 5 นาทีของอนาคต FT-SE100 ซึ่งเป็นความแตกต่าง 14 ประการใน Lag ถ้าคุณ ซื้อขายเฉลี่ยที่จุดเปลี่ยนของพวกเขาไปสั้น ๆ ในราคาปิดในตัวอย่างนี้ PLA เป็นสัญญาณที่ 3,977 5 และฮัลล์เป็นเรื่องขี้ปะติ๋วภายหลังที่ 3,937 เพียงประมาณ 40 5 คะแนนหรือในแง่การเงิน 405 ต่อสัญญาสัญญาณยาวเมื่อ PLA อยู่ที่ 3936 เทียบกับฮัลล์ 3,956 5 ซึ่งเทียบเท่ากับการประหยัดค่าใช้จ่าย 205 ต่อสัญญากับสัญญาณ PLA นั่นคือนกมันเป็นเครื่องบินไม่มีค่าความแม่นยำแบบปราศจาก Lagless เฉลี่ยตัวกรองเช่นค่าเฉลี่ย VIDAYA โดย Tuscar Chande, ซึ่งใช้ความผันผวนในการปรับเปลี่ยนความยาวของพวกเขามีสูตรที่แตกต่างกันซึ่งจะเปลี่ยนความยาวของพวกเขา แต่กระบวนการนี้ไม่ได้ดำเนินการด้วยตรรกะใด ๆ ขณะที่พวกเขาสามารถทำงานได้ดีบางครั้งก็สามารถนำไปสู่ตัวกรองที่อาจประสบปัญหาทั้งความล่าช้าและการลัดวงจร ซีรีส์เวลาเฉลี่ยโดยประมาณ ich เป็นค่าเฉลี่ยที่รวดเร็วมากสามารถถูกเปลี่ยนชื่อเป็นค่าเฉลี่ย overshooting นี้ไม่ถูกต้องทำให้ไม่สามารถใช้งานได้สำหรับการประเมินอย่างจริงจังของข้อมูลใด ๆ สำหรับการค้าขายใช้ตัวกรองคาลมานมักล่าช้าหรือเกิน overshoots อาร์เรย์ราคาเนื่องจากอัลกอริทึมมากกว่ากระตือรือร้นอื่น ๆ ตัวกรองปัจจัยในการกระตุ้นราคาเพื่อพยายามคาดเดาสิ่งที่จะเกิดขึ้นในช่วงราคาต่อไปและนี่ก็เป็นกลยุทธ์ที่มีข้อบกพร่องขณะที่พวกเขาเอาชนะเมื่อการอ่านค่าโมเมนตัมสูงย้อนกลับออกจากตัวกรองสูงและแห้งและห่างออกไปจากกิจกรรมด้านราคาที่เกิดขึ้นจริง ค่าเฉลี่ยความคมชัดแม่นยำใช้ตรรกะบริสุทธิ์และเรียบง่ายในการตัดสินใจมูลค่าการส่งออกต่อไป mathematicians ดีมากได้พยายามและล้มเหลวในการสร้างค่าเฉลี่ยความล่าช้าและโดยทั่วไปเหตุผลเป็นความฉลาดทางคณิตศาสตร์มากไม่ได้รับการสนับสนุนโดยระดับสูงของตรรกะ commonsense Precision PLA แบบไม่เร่งด่วนถูกสร้างขึ้นจากขั้นตอนวิธีเชิงตรรกะอย่างหมดจดซึ่งจะตรวจสอบค่าต่างๆที่เก็บอยู่ในอาร์เรย์และเลือกค่าที่ต้องการ nd เพื่อ output. PLA ของความเร็วที่เหนือกว่าราบเรียบและความถูกต้องทำให้เครื่องมือการค้าที่ดีเยี่ยมสำหรับหุ้นฟิวเจอร์ส, forex, etc. And เช่นเดียวกับผลิตภัณฑ์ทั้งหมดที่พัฒนาโดยระบบการซื้อขายความแม่นยำรูปแบบพื้นฐานเป็นเหมือนกันเขียนสำหรับผู้ค้า, BY A TRADER. PLA ความยาว 14 และ 50 สำหรับอนาคตของ E-mini Nasdaq การดำเนินการที่สามารถใช้ใน TRANSFORMIN และ TRANSFORMOUT ได้แสดงไว้ในตารางที่ 14 1 จะมีการดำเนินการกับแต่ละค่าของชุดค่าแต่ละชุดจะถูกแทนที่ด้วย ผลการดำเนินงานในตารางที่ 14 1 หรือ x หมายถึงมูลค่าของชุดข้อมูลในช่วงเวลาหนึ่ง t ก่อนที่จะนำการแปลงไปใช้แสดงค่าของชุดผลลัพธ์และ N หมายถึงจำนวนการสังเกตทั้งหมดหมายเหตุ n ระบุว่าอาร์กิวเมนต์ n เป็นทางเลือกค่าดีฟอลต์คือ 1 หน้าต่างสัญกรณ์จะใช้เป็นอาร์กิวเมนต์สำหรับโอเปอเรเตอร์สถิติการเคลื่อนย้ายและบ่งชี้ว่าคุณสามารถระบุจำนวนเต็มของช่วง n หรือรายการน้ำหนัก n ในรูป ntheses ลำดับสัญกรณ์ถูกใช้เป็นอาร์กิวเมนต์สำหรับโอเปอเรเตอร์ลำดับและบ่งชี้ว่าคุณต้องระบุลำดับของตัวเลขสัญกรณ์ s ระบุความยาวของฤดูกาลและเป็นอาร์กิวเมนต์ที่ต้องการตารางที่ 14 1 Transformation Operations. adds ระบุ number. subtracts number. multiplies ที่ระบุโดย number. divides ที่ระบุโดย number. indicates ระบุว่าการย้ายหน้าต่างต่อไปนี้หรือผู้ประกอบการผลิตภัณฑ์ควรจะปรับสำหรับความกว้างของหน้าต่างการสลายตัวขององค์ประกอบหลักองค์ประกอบที่ไม่สม่ำเสมอการย่อยสลายตามฤดูกาลองค์ประกอบตามฤดูกาลการสลายตัวทางภูมิศาสตร์ปรับฤดูกาล การสลายตัวคลาสสิกการสลายตัวองค์ประกอบที่ไม่สม่ำเสมอองค์ประกอบการสลายตัวขององค์ประกอบหลักตามฤดูกาลองค์ประกอบการจำแนกประเภทตามฤดูกาลการปรับตัวตามฤดูกาลการปรับตัวตามฤดูกาล series. smallest จำนวนเต็มมากกว่าหรือเท่ากับ x. centered average. centered ย้ายย้ายผลรวมของการแก้ไข squares. centered ย้าย geometric mean. centered moving ย้ายสูงสุด. centeredย้าย median. centered เคลื่อนไหวย้ายสินค้า center. centered ย้าย range. centered ย้าย rank. centered ย้าย deviation. centered มาตรฐานย้ายย้าย sum. centered t - value. centered ย้ายไม่ถูกแก้ไขของ squares. centered ย้าย variance. cumulative corrected ผลรวมของค่าเฉลี่ยเบี่ยงเบนมาตรฐาน squares. cumulative ค่าเฉลี่ยสะสม t - ค่าบวกสะสมของความแตกต่างของค่าเฉลี่ยของการถ่วงน้ำหนัก squares. span n. exponably ของจำนวนน้ำหนัก with. smoothing ที่การดำเนินการนี้จะเรียกว่าเรียบง่ายชี้แจงความแตกต่างเศษส่วน กับลำดับที่แตกต่างกัน d ซึ่งจำนวนเต็ม integer น้อยกว่าหรือเท่ากับ x. fractional summation with summation order d whereHadrick-Prescott ส่วนประกอบของเอนไซม์กรองที่ lambda เป็นพารามิเตอร์ตัวกรอง nonnegative. ส่วนประกอบของวงจรกรองที่ lambda เป็นพารามิเตอร์ตัวกรอง nonnegative ฟังก์ชัน logistic ด้านล่างของชุด n งวดก่อนหน้านี้ค่าของชุด n งวด later. maximum ของ x และ number. minimum ของค่า x และ number. missing ถ้าค่า xmsissing อื่นถ้าค่า x. missing อื่นถ้าค่า x. missing อื่นถ้าค่า x. missing อื่นถ้าค่า xmsissing อื่นถ้า, ค่าเฉลี่ยเคลื่อนที่ของค่าที่ใกล้เคียงกัน n ค่าของพื้นที่ใกล้เคียงค่าถอยหลังถ่วงน้ำหนักของค่าเฉลี่ยเคลื่อนที่ของเพื่อนบ้านค่าย้ายย้อนกลับย้ายการแก้ไขผลรวมของการเคลื่อนย้ายทางเรขาคณิต mean. backward เรขาคณิต square. backward การเคลื่อนไหวย้ายสูงสุด การเคลื่อนย้ายกลับไปข้างหน้าย้ายส่วนเบี่ยงเบนมาตรฐานการเคลื่อนย้าย sum. backward การเคลื่อนที่ t - value. backward การเคลื่อนย้ายค่าที่ไม่ได้แก้ไขของตัวแปรแปรผันของช่องสี่เหลี่ยมเคลื่อนย้ายได้ระบุว่าเวลาดำเนินการต่อไปนี้ของ window. statistic ควรแทนที่ค่าที่ขาดหายไปเฉพาะกับ the. moving สถิติและควรปล่อยค่าที่ไม่ลบออกไปหากมีการระบุตัวเลือก MEAN ไว้ค่าที่หายไปจะถูกแทนที่ด้วยค่าเฉลี่ยโดยรวมของชุดข้อมูลเปลี่ยน sign. indicates ว่า window. stat เวลาย้ายต่อไปนี้ istic ดำเนินการไม่ควรให้ขาดหายไป value. percent ความแตกต่างของค่าปัจจุบันและความล่าช้า n. percent รวมของมูลค่าปัจจุบันและสะสมงวด periods. ratio ของค่าปัจจุบัน lag. reverse series. scale series ระหว่างและ. ลำดับค่า ชุด series. divide โดยลำดับค่าค่า subtract ชุดค่าชุดชุดโดยชุดค่าลำดับตั้งค่าทั้งหมดของ to. set ค่าฝังตัวของ to. set ค่าเริ่มต้นของ to. replaces ค่าที่หายไปในชุดที่มีหมายเลขที่ระบุ กำหนดค่าสิ้นสุดของ -1. 0 หรือ 1 เป็น x เท่ากับ 0 เท่ากับ 0 หรือ 0 ตามลำดับผลคูณสะสมของ multiples ของ n-liod. sets ที่มีค่าคงที่ถ้าไม่มีค่าถ้า or. sets จะไม่มีค่าถ้า กำหนดค่าที่ขาดหายไปหาก Operators หน้าต่าง Window. Move โอเปอเรเตอร์คำนวณสถิติสำหรับชุดของค่าภายในหน้าต่างเวลาการเคลื่อนไหวเหล่านี้เรียกว่าย้ายตัวดำเนินการหน้าต่างเวลามีศูนย์และรุ่นย้อนกลับของตัวดำเนินการเหล่านี้ CMOVAVE, CMOVCSS, C ผู้ประกอบการเหล่านี้จะคำนวณค่าสถิติของค่าสำหรับการสังเกตผู้ประกอบการหน้าต่างเวลาย้อนกลับเป็น MOVAVE, MOVCSS, MOVGMEAN, MOVMAX, MOVMED การดำเนินการดังกล่าวเป็นไปตามข้อกำหนดและเงื่อนไขที่ระบุไว้ในส่วนที่เกี่ยวข้องกับข้อตกลงในการดำเนินการดังต่อไปนี้: MOVEMIA, CMOVMAX, CMOVMED, CMOVMIN, CMOVPROD, CMOVRANGE, CMOVRUSS, CMOVVAR ตัวดำเนินการเหล่านี้คำนวณสถิติของค่าทั้งหมดตัวดำเนินการหน้าต่างเวลาที่เคลื่อนไหวยอมรับอาร์กิวเมนต์ระบุจำนวนรอบระยะเวลาที่จะรวมไว้ในหน้าต่างเวลาตัวอย่างเช่น คำสั่งต่อไปนี้คำนวณค่าเฉลี่ยเคลื่อนที่ถอยหลังย้อนหลัง 5 ช่วงของ X ในตัวอย่างนี้การแปลงที่เกิดขึ้นคือคำสั่งต่อไปนี้คำนวณค่าเฉลี่ยเคลื่อนที่เป็นศูนย์กลางห้ารอบของ X ในตัวอย่างนี้การแปลงผลลัพธ์คือถ้าหน้าต่างที่มี ตัวดำเนินการหน้าต่างเวลาย้ายศูนย์กลางไม่ใช่เลขคี่ค่าล๊อกเดียวมากกว่าค่านำจะรวมอยู่ในหน้าต่างเวลาตัวอย่างเช่นผลลัพธ์ของตัวดำเนินการ CMOVAVE 4 คือคุณสามารถ comp ute การดำเนินการหน้าต่างเวลาเคลื่อนไปข้างหน้าด้วยการรวมตัวดำเนินการหน้าต่างเวลาย้ายย้อนหลังกับตัวดำเนินการ REVERSE ตัวอย่างเช่นข้อความต่อไปนี้คำนวณค่าเฉลี่ยเคลื่อนที่ไปข้างหน้าห้ารอบของ X ในตัวอย่างนี้การเปลี่ยนแปลงที่เกิดขึ้นคือบางเวลาที่เคลื่อนที่ ผู้ประกอบการหน้าต่างช่วยให้คุณสามารถระบุรายการค่าน้ำหนักในการคำนวณหาค่าน้ำหนักได้ CMOVAVE, CMOVCSS, CMOVGMEAN, CMOVPROD, CMOVSTD, CMOVTVALUE, CMOVUSS, CMOVVAR, MOVAVE, MOVCUSD, MOVGMEAN, MOVPROD, MOVSTD, MOVTVAL, MOVUSS และ MOVVAR เมื่อต้องการระบุตัวดำเนินการหน้าต่างเวลาย้ายที่มีการถ่วงน้ำหนักป้อนค่าน้ำหนักในวงเล็บหลังจากชื่อผู้ดำเนินการความกว้างของหน้าต่างเท่ากับจำนวนน้ำหนักที่คุณระบุไม่ได้ระบุตัวอย่างเช่นข้อความต่อไปนี้จะคำนวณการย้ายศูนย์กลางศูนย์กลางห้าช่วงเวลาที่ถ่วงน้ำหนัก ค่าเฉลี่ยของ X. ในตัวอย่างนี้การแปลงที่เกิดขึ้นคือค่าน้ำหนักต้องมากกว่าศูนย์หากน้ำหนักไม่รวมถึง 1 น้ำหนักที่ระบุจะหารด้วย ผลรวมในการผลิตน้ำหนักที่ใช้ในการคำนวณสถิติไม่มีหน้าต่างเวลาทั้งหมดที่จุดเริ่มต้นของซีรีส์สำหรับผู้ดำเนินการที่อยู่กึ่งกลางหน้าต่างที่สมบูรณ์จะไม่สามารถใช้งานได้ที่ส่วนท้ายของซีรีส์การคำนวณตัวดำเนินการหน้าต่างเวลาเคลื่อนที่คือ ปรับเปลี่ยนเงื่อนไขขอบเขตดังต่อไปนี้สำหรับตัวดำเนินการหน้าต่างย้อนกลับย้ายความกว้างของหน้าต่างเวลาจะสั้นลงที่จุดเริ่มต้นของชุดข้อมูลตัวอย่างเช่นผลลัพธ์ของตัวดำเนินการ MOVSUM 3 มีค่านิยมที่เป็นค่าเฉลี่ยคุณสามารถตัดทอนความยาวของ ชุดผลลัพธ์โดยใช้ตัวดำเนินการ TRIM TRIMLEFT และ TRIMRIGHT เพื่อตั้งค่าให้หายไปเมื่อเริ่มต้นหรือสิ้นสุดของซีรีส์คุณสามารถใช้ฟังก์ชันเหล่านี้เพื่อตัดผลลัพธ์ของการย้ายตัวดำเนินการหน้าต่างเวลาเพื่อให้ชุดผลการค้นหามีเฉพาะค่าที่คำนวณได้จาก หน้าต่างเวลาเต็มความกว้างตัวอย่างเช่นคำแถลงต่อไปนี้คำนวณค่าเฉลี่ยเคลื่อนที่ของห้ารอบศูนย์กลางของ X และจะกำหนดค่าที่ขาดหายไปที่ส่วนท้ายของชุดข้อมูลซึ่งเป็นค่าเฉลี่ย มีค่าน้อยกว่าห้าค่าโดยปกติหน้าต่างเวลาเคลื่อนไหวและตัวสะสมสถิติที่สะสมจะไม่สนใจค่าที่หายไปและคำนวณผลลัพธ์สำหรับค่าที่ไม่ลบเมื่อนำหน้าด้วยตัวดำเนินการ NOMISS ฟังก์ชันเหล่านี้จะให้ผลลัพธ์ที่หายไปหากไม่มีค่าใด ๆ ภายในกรอบเวลา ตัวดำเนินการ NOMISS ไม่ทำการคำนวณใด ๆ แต่ทำหน้าที่ในการปรับเปลี่ยนการดำเนินงานของตัวดำเนินการหน้าต่างเวลาเคลื่อนไหวที่ตามมาตัวดำเนินการ NOMISS ไม่มีผลจนกว่าจะตามด้วยตัวดำเนินการหน้าต่างเวลาที่เคลื่อนที่ตัวอย่างเช่นคำสั่งต่อไปนี้คำนวณห้า - ค่าเฉลี่ยเคลื่อนที่ของตัวแปร X แต่จะให้ค่าที่หายไปเมื่อค่าใด ๆ หายไป 5 ค่าต่อไปนี้คำนวณผลรวมสะสมของตัวแปร X แต่สร้างค่าที่หายไปสำหรับรอบระยะเวลาทั้งหมดหลังจากค่า X แรกที่หายไปคล้ายคลึงกับ ผู้ดำเนินการ NOMISS ผู้ดำเนินการ MISSONLY ไม่ได้ทำการคำนวณใด ๆ ยกเว้นตามด้วยตัวเลือก MEAN แต่จะทำหน้าที่ในการปรับเปลี่ยนการดำเนินงานของ ตัวดำเนินการหน้าต่างเวลาย้ายที่ตามหลังเมื่อดำเนินการโดยผู้ดำเนินการ MISSONLY ตัวดำเนินการหน้าต่างเวลาย้ายเหล่านี้จะแทนที่ค่าที่หายไปด้วยสถิติการย้ายและปล่อยค่าที่ไม่ลบออกไปตัวอย่างเช่นข้อความต่อไปนี้จะแทนที่ค่าที่หายไปของตัวแปร X ด้วย ค่าเฉลี่ยเคลื่อนที่ของค่าที่ผ่านมาของ X และไม่ให้ค่า nonmissing ค่าคงที่หายไปจะถูก interpolated โดยใช้ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักที่ระบุเป็นเลขยกกำลังนี้เรียกว่าการเรียบแบบเรียบง่ายคำสั่งต่อไปนี้จะแทนที่ค่าที่หายไปของตัวแปร X ด้วยค่าเฉลี่ยโดยรวม ของ X คุณสามารถใช้ตัวดำเนินการ SETMISS เพื่อแทนที่ค่าที่หายไปด้วยหมายเลขที่ระบุตัวอย่างเช่นข้อความต่อไปนี้จะแทนที่ค่าที่หายไปของตัวแปร X ด้วยเลข 8 จำนวน 77 ตัวดำเนินการสลายตัวแบบคลาสสิกถ้าเป็นชุดเวลาตามฤดูกาลที่มีการสังเกตต่อ ฤดูวิธีการย่อยสลายคลาสสิกแบ่งชุดเวลาเป็นสี่ compo เทรนด์และองค์ประกอบรอบมักถูกรวมเข้าด้วยกันเพื่อสร้างส่วนประกอบของเทรนด์วัฏจักรมีสองรูปแบบพื้นฐานของการสลายตัวแบบคลาสสิกและแบบเติมแต่งซึ่งมีการแสดงไว้ด้านล่างตัวอย่างของการใช้งานดัชนีตามฤดูกาลแบบทวีคูณ คือ 0 9, 1 2 0 8 และ 1 1 ในสี่ไตรมาส Let SEASADJ เป็นตัวแปรชุดเวลาแบบรายไตรมาสที่ได้รับการปรับฤดูกาลตามแบบคูณเพื่อคืนค่าฤดูกาลให้ SEASADJ ใช้การเปลี่ยนแปลงต่อไปนี้คือดัชนีตามฤดูกาลคือ 4 4, -1 1, -2 1 และ -1 สำหรับสี่ไตรมาส Let SEASADJ เป็นตัวแปรรายไตรมาสแบบรายไตรมาสที่ได้รับการปรับปรุงตามฤดูกาลในแฟชั่น additive เพื่อคืนค่าฤดูกาลให้ SEASADJ ใช้การเปลี่ยนแปลงดังต่อไปนี้ Operators ทั้งหมดสำหรับ ชุดพารามิเตอร์ตัวแรกแทนค่าที่จะถูกแทนที่และพารามิเตอร์ที่สองหมายถึงค่าทดแทนการเปลี่ยนสามารถ localized ไปยังจุดเริ่มต้นกลางหรือ e nd ของชุดตัวอย่างของ Usage. Suppose ที่เก็บเปิดเมื่อเร็ว ๆ นี้และประวัติการขายถูกเก็บไว้ในฐานข้อมูลที่ไม่รู้จักค่าที่หายไปแม้ว่าความต้องการอาจมีอยู่ก่อนที่จะเปิดร้านค้าฐานข้อมูลนี้กำหนดค่าศูนย์ การสร้างแบบจำลองประวัติการขายอาจเป็นปัญหาได้เนื่องจากประวัติศาสตร์การขายส่วนใหญ่เป็นศูนย์เพื่อชดเชยการขาดแคลนนี้ค่าศูนย์นำควรตั้งค่าให้หายไปโดยที่ค่าศูนย์ที่เหลืออยู่ไม่เปลี่ยนแปลงจึงไม่เป็นอุปสรรคต่อความต้องการในทำนองเดียวกันสมมติว่ามีการปิดร้านค้าเมื่อเร็ว ๆ นี้ ยังคงมีอยู่และด้วยเหตุนี้ค่าที่บันทึกไว้เป็นศูนย์จึงไม่สามารถสะท้อนถึงความต้องการที่แท้จริงได้ผู้ดำเนินการด้านมาตราส่วนสำหรับผู้ดำเนินการขนาดพารามิเตอร์แรกคือค่าที่เกี่ยวข้องกับค่าต่ำสุดและพารามิเตอร์ที่สองแสดงค่าที่สัมพันธ์กับ ค่าสูงสุดของชุดต้นฉบับตัวดำเนินการปรับขนาดจะเก็บข้อมูลต้นฉบับไว้ระหว่างพารามิเตอร์และดังนี้ตัวอย่างของการใช้สมมติว่า t wo ประวัติการขายผลิตภัณฑ์ใหม่จะถูกเก็บไว้ในตัวแปรและคุณต้องการกำหนดอัตราการยอมรับของตนเพื่อที่จะเปรียบเทียบประวัติการนำไปใช้ของพวกเขาตัวแปรจะต้องมีการปรับขนาดสำหรับการเปรียบเทียบผู้ประกอบการที่เหมาะสมสำหรับยอดรวมการย้ายและตัวดำเนินการหน้าต่างผลิตภัณฑ์ความกว้างของหน้าต่างที่ จุดเริ่มต้นและจุดสิ้นสุดของซีรีส์มีขนาดเล็กกว่าที่อยู่ตรงกลางของชุดข้อมูลในทำนองเดียวกันถ้ามีค่าที่ฝังหายไปความกว้างของหน้าต่างน้อยกว่าที่ระบุเมื่อนำหน้าด้วยตัวดำเนินการ ADJUST การย้ายยอดรวม MOVSUM CMOVSUM และตัวดำเนินการผลิตภัณฑ์ย้าย MOVPROD CMOVPROD จะถูกปรับโดยความกว้างของหน้าต่างตัวอย่างเช่นสมมุติว่าตัวแปรมี 10 ค่าและตัวดำเนินการบวกยอดรวมของความกว้าง 3 ถูกนำไปใช้เพื่อสร้างตัวแปรที่มีการปรับความกว้างของหน้าต่างและตัวแปรโดยไม่มีการปรับค่าการแปลงดังกล่าวส่งผลให้เกิดความสัมพันธ์ระหว่าง และเนื่องจากความกว้างของหน้าต่างสองตัวแรกมีขนาดเล็กกว่า 3. ตัวอย่างเช่นสมมติว่าตัวแปรมีค่า 10 ค่า a nd ตัวดำเนินการ multiplicative เคลื่อนที่ของความกว้าง 3 ถูกนำไปใช้เพื่อสร้างตัวแปรที่มีการปรับความกว้างของหน้าต่างและตัวแปรโดยไม่มีการปรับผลการเปลี่ยนแปลงดังกล่าวข้างต้นส่งผลต่อไปนี้เนื่องจากเนื่องจากความกว้างของหน้าต่างสองตัวแรกมีขนาดเล็กกว่า 3.Moving T-Value Operators ค่า t-value ที่เคลื่อนที่ได้ CUTVALUE, MOVTVALUE, CMOVTVALUE คำนวณค่า t-value ของชุดสะสมหรือย้ายหน้าต่างซึ่งสามารถดูได้ว่าเป็นค่าผสมของค่าเฉลี่ย CUAVE, MOVAVE, CMOVAVE และค่าส่วนเบี่ยงเบนมาตรฐานเคลื่อนที่ CUSTD, MOVSTD, CMOVSTD Operators ร้อยละตัวดำเนินการร้อยละคำนวณเปอร์เซ็นต์และยอดเปอร์เซ็นต์ของมูลค่าปัจจุบันและตัวดำเนินการบวกเปอร์เซ็นต์ PCTSUM คำนวณถ้าค่าใดสมการข้างต้นขาดหายไปหรือผลรวมสะสมเป็นศูนย์ผลลัพธ์คือ set to missing ตัวดำเนินการแตกต่างของเปอร์เซ็นต์ PCTDIF คำนวณหากค่าใด ๆ ของสมการข้างต้นหายไปหรือค่าความล่าช้าเป็นศูนย์ t ผลลัพธ์ของเขาถูกตั้งค่าให้หายไปตัวอย่างเช่นสมมติว่าตัวแปรมีชุดสรุปเปอร์เซ็นต์ของความล่าช้า 4 ถูกนำไปใช้เพื่อสร้างตัวแปรความแตกต่างของความล้าหลัง 4 ถูกนำไปใช้เพื่อสร้างตัวแปรตัวดำเนินการโอเปอเรเตอร์ตัวดำเนินการคำนวณคำนวณ อัตราส่วนของค่าปัจจุบันและค่าตัวดำเนินการอัตราส่วน RATIO คำนวณถ้ามีค่าใด ๆ ของสมการก่อนหน้านี้หายไปหรือค่าความล่าช้าเป็นศูนย์ผลลัพธ์จะถูกตั้งค่าให้หายไปตัวอย่างเช่นสมมุติว่าตัวแปรมีชุดข้อมูลอัตราส่วนของ ค่าปัจจุบันและค่าความล่าช้า 4 ที่กำหนดให้กับตัวแปรอัตราส่วนเปอร์เซ็นต์ของค่าปัจจุบันและค่าความล่าช้า 4 ถูกกำหนดให้กับตัวแปร