ง่าย เฉลี่ยเคลื่อนที่ และ ชี้แจง ความเรียบเนียน

การคาดการณ์โดย Smoothing Techniques เว็บไซต์นี้เป็นส่วนหนึ่งของ JavaScript E-labs การเรียนรู้วัตถุสำหรับการตัดสินใจ JavaScript อื่น ๆ ในชุดนี้จัดอยู่ในส่วนต่างๆของแอ็พพลิเคชันในส่วน MENU ในหน้านี้ชุดข้อมูลเวลาคือชุดของข้อสังเกตที่ มีการสั่งซื้อในเวลาที่สืบทอดมาในชุดของข้อมูลที่ถ่ายเมื่อเวลาผ่านไปคือรูปแบบของรูปแบบการสุ่มบางอย่างมีอยู่วิธีการในการลดการยกเลิกผลกระทบเนื่องจากรูปแบบการสุ่มเทคนิคที่ใช้กันอย่างแพร่หลายคือ smoothing เทคนิคเหล่านี้เมื่อใช้อย่างถูกต้องเปิดเผยอย่างชัดเจนมากขึ้นแนวโน้มพื้นฐาน ใส่ชุดข้อมูลลำดับแถวตามลำดับจากมุมซ้ายบนและพารามิเตอร์ s จากนั้นคลิกที่ปุ่มคำนวณเพื่อขอรับการคาดการณ์ล่วงหน้าหนึ่งรอบล่วงหน้ากล่อง Bowl ไม่รวมอยู่ในการคำนวณ แต่มีศูนย์อยู่ ในการป้อนข้อมูลของคุณเพื่อย้ายจากเซลล์ไปยังเซลล์ในข้อมูลเมทริกซ์ใช้แป้น Tab ไม่ใช่ลูกศรหรือป้อนคีย์ลักษณะของชุดเวลาซึ่งอาจถูกเปิดเผยโดย examini กราฟของค่าคาดการณ์และลักษณะการตกค้างของการคาดการณ์สภาพอากาศการคำนวณค่าเฉลี่ยการเลื่อนอันดับเฉลี่ยระหว่างเทคนิคที่นิยมใช้มากที่สุดสำหรับการประมวลผลล่วงหน้าของชุดข้อมูลเวลาพวกเขาใช้เพื่อกรองสัญญาณรบกวนแบบสุ่มจากข้อมูลเพื่อให้ชุดข้อมูลเวลา นุ่มนวลหรือแม้กระทั่งการเน้นองค์ประกอบข้อมูลบางอย่างที่มีอยู่ในชุดข้อมูลเวลา Exponential Smoothing นี่เป็นโครงการที่ได้รับความนิยมมากในการผลิตชุดเวลาที่ราบรื่นโดยที่ค่าเฉลี่ยเคลื่อนที่ของการสังเกตการณ์ในอดีตมีการถ่วงน้ำหนักเท่ากัน Exponential Smoothing กำหนดค่าน้ำหนักที่ลดลงอย่างมากเมื่อการสังเกตมีอายุมากขึ้น กล่าวอีกนัยหนึ่งการสังเกตล่าสุดมีน้ำหนักมากขึ้นในการคาดการณ์มากกว่าการสังเกตที่เก่ากว่า Double Exponential Smoothing ดีกว่าในการจัดการกับแนวโน้ม Triple Exponential Smoothing จะดีกว่าในการจัดการกับแนวโน้มของพาราโบลาค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบเร้าซ้อนด้วยการปรับให้เรียบสม่ำเสมอสอดคล้องกับแบบเรียบง่าย ค่าเฉลี่ยเคลื่อนที่ของความยาวเช่น ระยะเวลา n โดยที่ a และ n มีความสัมพันธ์กันโดย 2 n 1 หรือ n 2 - a. ตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักที่มีค่าความยาวคลื่นและค่าคงที่ที่ราบเรียบเท่ากับ 0 1 จะเท่ากับค่าเฉลี่ยเคลื่อนที่ 19 วันและ ค่าเฉลี่ยเคลื่อนที่เฉลี่ย 40 วันจะสอดคล้องกับค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบยกกำลังยกโดยมีค่าคงที่ที่ราบเรียบเท่ากับ 0 04878.Holt s Linear Exponential Smoothing สมมติว่าลำดับเวลาไม่ใช่ตามฤดูกาล แต่เป็นวิธีการแสดงแนวโน้มของ Holt s ประมาณทั้งปัจจุบัน ระดับและแนวโน้มปัจจุบันข้อสังเกตุว่าค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นกรณีพิเศษของการเพิ่มความลําชี้แจงโดยกําหนดระยะเวลาของค่าเฉลี่ยเคลื่อนที่เป็นส่วนจํานวนเต็มของอัลฟ่าอัลฟ่าอัลฟา 2 สำหรับข้อมูลธุรกิจส่วนใหญ่พารามิเตอร์อัลฟ่าน้อยกว่า 0 40 มักเป็น มีประสิทธิภาพ แต่หนึ่งอาจดำเนินการค้นหาตารางพื้นที่พารามิเตอร์ด้วย 0 1 ถึง 0 9 ด้วยการเพิ่มขึ้นของ 0 1 แล้ว alpha ที่ดีที่สุดมีค่าเฉลี่ยน้อยที่สุดข้อผิดพลาด Absolute MA Error. How เพื่อเปรียบเทียบวิธีการเรียบหลายแม้ว่าจะมี เป็นตัวชี้วัดเชิงตัวเลขสำหรับการประเมินความถูกต้องของเทคนิคการคาดการณ์วิธีที่กว้างที่สุดคือการใช้การเปรียบเทียบภาพของการคาดการณ์ต่างๆเพื่อประเมินความถูกต้องและเลือกวิธีการคาดการณ์ต่างๆในแนวทางนี้ต้องใช้พล็อตเช่น Excel ในกราฟเดียวกัน ค่าเดิมของตัวแปรชุดเวลาและค่าที่คาดการณ์ไว้จากวิธีการคาดการณ์ที่แตกต่างกันจำนวนมากซึ่งจะช่วยให้สามารถเปรียบเทียบภาพได้คุณอาจต้องการใช้การคาดการณ์ที่ผ่านมาโดยเทคนิค Smoothing JavaScript เพื่อดูค่าพยากรณ์ที่ผ่านมาโดยใช้เทคนิคการปรับให้เรียบโดยใช้พารามิเตอร์เดียว Holt และ Winters ใช้พารามิเตอร์สองและสามตามลำดับดังนั้นจึงไม่ใช่เรื่องง่ายที่จะเลือกค่าที่ดีที่สุดหรือใกล้เคียงกับค่าทดลองโดยรวมและข้อผิดพลาดสำหรับพารามิเตอร์การปรับความเรียบแบบเอกซ์โพเน็นเชียลเดี่ยวเน้นมุมมองในระยะสั้น กำหนดระดับการสังเกตสุดท้ายและขึ้นอยู่กับเงื่อนไขที่ไม่มีแนวโน้มการถอยหลังแบบเส้นตรง ion ซึ่งเหมาะกับเส้นสี่เหลี่ยมเล็ก ๆ น้อย ๆ กับข้อมูลทางประวัติศาสตร์หรือเปลี่ยนข้อมูลทางประวัติศาสตร์เป็นระยะทางยาวซึ่งขึ้นอยู่กับแนวโน้มพื้นฐานการจับภาพเชิงเส้นแบบละเอียดของ Holt จะรวบรวมข้อมูลเกี่ยวกับแนวโน้มล่าสุดพารามิเตอร์ในรูปแบบของ Holt คือพารามิเตอร์ระดับ ควรจะลดลงเมื่อปริมาณของการเปลี่ยนแปลงข้อมูลมีขนาดใหญ่และแนวโน้มควรเพิ่มขึ้นหากแนวโน้มทิศทางล่าสุดได้รับการสนับสนุนจากปัจจัยที่เป็นสาเหตุบางประการการคาดการณ์ในระยะสั้นให้สังเกตว่า JavaScript ทุกหน้าจะมีขั้นตอนเดียวล่วงหน้า เมื่อต้องการได้รับการคาดการณ์สองขั้นตอนเพียงแค่เพิ่มค่าที่คาดไว้ในตอนท้ายของข้อมูลชุดข้อมูลเวลาของคุณแล้วคลิกปุ่มคำนวณเดียวกันคุณอาจทำซ้ำขั้นตอนนี้สองสามครั้งเพื่อให้ได้การคาดการณ์ในระยะสั้นที่จำเป็น ค่าเฉลี่ยเคลื่อนที่เรียบง่าย - SMA ค่าเฉลี่ยเคลื่อนที่เรียบง่าย - SMA ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายสามารถปรับแต่งได้โดยสามารถคำนวณได้จากช่วงเวลาต่างๆ dding ราคาปิดของการรักษาความปลอดภัยสำหรับจำนวนของช่วงเวลาและจากนั้นหารจำนวนนี้โดยจำนวนระยะเวลาซึ่งจะช่วยให้ราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาค่าเฉลี่ยเคลื่อนที่เรียบ smooths ออกความผันผวนและทำให้ง่ายต่อการ ดูแนวโน้มราคาของการรักษาความปลอดภัยหากค่าเฉลี่ยเคลื่อนที่ขึ้นเล็กน้อยหมายความว่าราคาของระบบรักษาความปลอดภัยจะเพิ่มขึ้นถ้าชี้ลงหมายความว่าราคาของระบบรักษาความปลอดภัยกำลังลดลงระยะเวลาของค่าเฉลี่ยเคลื่อนที่ที่ยาวนานยิ่งขึ้น ค่าเฉลี่ยเคลื่อนที่สั้นค่าระวางเคลื่อนไหวระยะสั้นมีความผันผวนมากขึ้น แต่การอ่านมีความใกล้เคียงกับข้อมูลต้นฉบับความสำคัญเชิงสถิติค่าเฉลี่ยของค่าเฉลี่ยเป็นเครื่องมือวิเคราะห์ที่สำคัญซึ่งใช้ในการระบุแนวโน้มราคาปัจจุบันและแนวโน้มในการเปลี่ยนแปลงแนวโน้มที่เป็นที่ยอมรับ รูปแบบที่ง่ายที่สุดในการใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการวิเคราะห์คือการใช้เพื่อระบุว่าการรักษาความปลอดภัยอยู่ในขาขึ้นหรือขาลงหรือไม่ก็เป็นที่นิยมอีกอย่างหนึ่ง alytical tool คือการเปรียบเทียบค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ที่ใช้ในแต่ละช่วงเวลาโดยสมมติว่าค่าเฉลี่ยเคลื่อนที่ในระยะสั้นมีค่าสูงกว่าค่าเฉลี่ยระยะยาวในระยะยาวคาดว่าแนวโน้มขาขึ้นจะเป็นไปในทางกลับกันค่าเฉลี่ยระยะยาวที่สูงกว่า สัญญาณชีพจรตายข้ามเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ 50 วันที่ต่ำกว่าค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ 200- วันนี้ถือเป็นสัญญาณหยาบคายว่าความเสียหายที่เกิดขึ้นอยู่ในร้านโกลเด้นครอสเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ในระยะสั้นสูงกว่าค่าเฉลี่ยเคลื่อนที่ในระยะยาวเนื่องจากปริมาณการซื้อขายที่เพิ่มขึ้นซึ่งเป็นสัญญาณว่ากำไรจะเพิ่มขึ้น Simple Vs Exponential Moving Averages ค่าเฉลี่ยของค่าเฉลี่ยอยู่ที่มากกว่าการศึกษาลำดับของตัวเลขในลำดับต่อเนื่องผู้เริ่มต้นของการวิเคราะห์อนุกรมเวลาเป็นจริงมากขึ้นเกี่ยวกับเวลาของแต่ละบุคคล จำนวนที่มากกว่าที่พวกเขาอยู่กับการแก้ไขของข้อมูลที่การแทรกแซงในรูปแบบของทฤษฎีความน่าจะเป็นและการวิเคราะห์มามากภายหลังเป็นรูปแบบการพัฒนาและ correlations ค้นพบเมื่อเข้าใจเส้นโค้งรูปต่างๆและเส้นถูกวาดตามลำดับเวลาในความพยายาม การวิเคราะห์แผนภูมิสามารถตรวจสอบย้อนกลับไปยังศตวรรษที่ 18 ในประเทศญี่ปุ่นได้อย่างไร แต่อย่างไรและเมื่อใดก็ตามที่ค่าเฉลี่ยเคลื่อนที่ถูกนำมาประยุกต์ใช้กับราคาตลาดครั้งแรกก็ยังคงเป็นความลึกลับมันเป็นที่เข้าใจกันโดยทั่วไป SMA ที่ใช้ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยอยู่ที่ระดับความยาวเฉลี่ยก่อนหักล้างถานหก EMA เนื่องจาก EMA ถูกสร้างขึ้นในกรอบ SMA และ SMA continuum สามารถเข้าใจได้ง่ายขึ้นสำหรับการวางแผนและการติดตามวัตถุประสงค์คุณต้องการอ่านพื้นหลังเล็กน้อยอ่านค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยอะไรคือ Simple เคลื่อนไหวเฉลี่ย SMA ค่าเฉลี่ยเคลื่อนที่แบบธรรมดากลายเป็นวิธีที่ต้องการในการติดตามราคาตลาด ใช้พวกเขาได้อย่างรวดเร็วในการคำนวณและง่ายต่อการเข้าใจผู้ประกอบการตลาดต้นดำเนินการโดยไม่ต้องใช้ตัวชี้วัดแผนภูมิที่มีความซับซ้อนในการใช้งานในปัจจุบันดังนั้นพวกเขาอาศัยหลักในราคาในตลาดเป็นคู่มือเดียวของพวกเขาพวกเขาคำนวณราคาในตลาดด้วยมือและกราฟราคาเหล่านั้นเพื่อแสดง แนวโน้มและทิศทางตลาดขั้นตอนนี้ค่อนข้างน่าเบื่อ แต่พิสูจน์แล้วว่ามีผลกำไรมากขึ้นด้วยการยืนยันการศึกษาต่อไปการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันเพียงแค่เพิ่มราคาปิดของ 10 วันที่ผ่านมาหารด้วย 10 ค่าเฉลี่ยเคลื่อนที่ 20 วัน คำนวณโดยการเพิ่มราคาปิดในช่วงระยะเวลา 20 วันและหารด้วย 20 และอื่น ๆ สูตรนี้ไม่ได้ใช้เฉพาะราคาปิด แต่ผลิตภัณฑ์เป็นราคาเฉลี่ย - เซตย่อยการย้ายค่าเฉลี่ยจะเรียกว่าการเคลื่อนไหวเนื่องจาก กลุ่มของราคาที่ใช้ในการคำนวณย้ายไปตามจุดในแผนภูมิซึ่งหมายความว่าวันเก่าจะลดลงในความโปรดปรานของราคาปิดวันใหม่ดังนั้นการคำนวณใหม่เป็นสิ่งจำเป็นเสมอที่สอดคล้องกับ t ime frame ของค่าเฉลี่ยที่ใช้ดังนั้นค่าเฉลี่ย 10 วันจะคำนวณใหม่โดยการเพิ่มวันใหม่และลดลงวันที่ 10 และวันที่เก้าจะลดลงในวันที่สองสำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการแผนภูมิใช้ในการซื้อขายสกุลเงินตรวจสอบของเรา ข้อมูลพื้นฐานเกี่ยวกับแผนภูมิ Walkthrough. Exponential Moving Average EMA ค่าเฉลี่ยเคลื่อนที่เชิงตัวเลขได้รับการปรับแต่งและใช้กันอย่างแพร่หลายตั้งแต่ทศวรรษ 1960 โดยการทดลองกับคอมพิวเตอร์ก่อนหน้านี้ EMA ใหม่จะมุ่งเน้นที่ราคาล่าสุดมากกว่าในชุดข้อมูลยาว ๆ เป็นค่าเฉลี่ยเคลื่อนที่ที่ต้องใช้โดยเฉลี่ยปัจจุบัน EMA Price current - ตัวคูณ EMA X ก่อนหน้า EMA ปัจจัยที่สำคัญที่สุดคือค่าคงที่ที่ราบเรียบที่ 2 1 N โดยที่ N จำนวนวัน EMA 10 วัน 2 10 1 18 8 ซึ่งหมายความว่า EMA 10 งวดจะให้ราคาล่าสุด 18 8, EMA 9 52 และ EMA 3 92 วัน 50 วันล่าสุด EMA ใช้น้ำหนักโดยประมาณระหว่างราคาปัจจุบันกับราคาเสนอซื้อ EMA ก่อนหน้าและเพิ่ม ส่งผลให้ EMA ก่อนหน้านี้ระยะเวลาสั้นลงน้ำหนักมากขึ้นจะใช้กับราคาล่าสุดเส้นขอบการคำนวณโดยการคำนวณเหล่านี้จุดจะถูกพล็อตเผยให้เห็นเส้นที่เหมาะสมข้อต่อสายด้านบนหรือด้านล่างราคาตลาดบ่งชี้ว่าค่าเฉลี่ยเคลื่อนที่ทั้งหมดเป็นตัวชี้วัดที่ปกคลุมด้วยวัตถุฉนวน และใช้เป็นหลักสำหรับแนวโน้มดังต่อไปนี้พวกเขา don t ทำงานได้ดีกับตลาดช่วงและระยะเวลาของความแออัดเนื่องจากสายกระชับไม่ได้หมายถึงแนวโน้มเนื่องจากการขาดความชัดเจนสูงขึ้นหรือต่ำกว่าต่ำ Plus, สายกระชับมักจะคงที่โดยไม่ต้องคำใบ้ของ ทิศทางสายการผลิตที่พองขึ้นด้านล่างตลาดหมายถึงยาวในขณะที่สายการปรับตัวที่ลดลงเหนือตลาดหมายสั้นสำหรับคำแนะนำที่สมบูรณ์อ่าน Moving Average Tutorial ของเราวัตถุประสงค์ของการใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายคือการจุดและวัดแนวโน้มโดยการทำให้ราบเรียบ ข้อมูลที่ใช้วิธีการของหลายกลุ่มของราคามีแนวโน้มที่จะเห็นและอนุมานเป็นคาดการณ์สมมติฐานคือการเคลื่อนไหวของแนวโน้มก่อนจะดำเนินต่อไป ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆแนวโน้มระยะยาวสามารถหาได้และง่ายขึ้นกว่า EMA โดยมีข้อสันนิษฐานที่สมเหตุสมผลว่าสายพอดีจะมีแรงกว่าเส้น EMA อันเนื่องมาจากการให้ความสำคัญกับราคาเฉลี่ยมากขึ้น EMA ใช้ในการจับภาพ การเคลื่อนตัวของแนวโน้มที่สั้นลงเนื่องจากมุ่งเน้นไปที่ราคาล่าสุดโดยวิธีนี้ EMA ควรลดความล่าช้าใด ๆ ในค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเพื่อให้เส้นที่เหมาะสมจะกักขังราคาใกล้กว่าค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายปัญหาเกี่ยวกับ EMA เป็นแบบนี้ เพื่อลดราคาโดยเฉพาะอย่างยิ่งในช่วงตลาดที่รวดเร็วและช่วงความผันผวน EMA ทำงานได้ดีจนกว่าราคาจะพังพอดีในช่วงที่ตลาดมีความผันผวนสูงขึ้นคุณอาจพิจารณาเพิ่มความยาวของค่าเฉลี่ยเคลื่อนที่โดยสามารถเปลี่ยนจาก EMA เป็น SMA ตั้งแต่ SMA ช่วยขจัดข้อมูลที่ดีกว่า EMA เนื่องจากมุ่งเน้นไปที่วิธีการในระยะยาวตัวบ่งชี้การแข็งตัวของเงินเฟ้อเนื่องจากตัวบ่งชี้ที่อยู่ข้างหลังค่าเฉลี่ยเคลื่อนที่จะดีขึ้นเป็นเส้นค่าเฉลี่ย elow สายการติดตั้งระยะเวลา 10 วันที่มีแนวโน้มสูงขึ้นโอกาสดีที่แนวโน้มขาขึ้นอาจลดลงหรืออย่างน้อยตลาดอาจรวมตัวหากราคาพุ่งขึ้นเหนือเส้นค่าเฉลี่ย 10 วันในทิศทางขาลงแนวโน้มอาจลดลงหรือ consolidating ในกรณีเหล่านี้ให้ใช้ค่าเฉลี่ยเคลื่อนที่ 10 และ 20 วันพร้อมกันและรอให้เส้น 10 วันข้ามด้านบนหรือด้านล่างบรรทัด 20 วันซึ่งจะกำหนดทิศทางระยะสั้นต่อไปสำหรับราคาสำหรับระยะเวลาที่ยาวขึ้น ดูค่าเฉลี่ยเคลื่อนที่ 100 และ 200 วันสำหรับทิศทางในระยะยาวตัวอย่างเช่นการใช้ค่าเฉลี่ยเคลื่อนที่ 100 และ 200 วันหากค่าเฉลี่ยเคลื่อนที่ 100 วันต่ำกว่าค่าเฉลี่ย 200 วันจะเรียกว่าการเสียชีวิต และเป็นอย่างมากหยาบคายสำหรับราคาค่าเฉลี่ยเคลื่อนที่ 100 วันที่สูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันเรียกว่ากากบาทสีทองและเป็นราคาที่ดีสำหรับราคาไม่เป็นไรหาก SMA หรือ EMA ถูกนำมาใช้เนื่องจากทั้งสองแบบมีแนวโน้มเป็นเส้นแนวโน้ม ตัวชี้วัดต่อไปนี้เป็นเพียงระยะสั้นที่ SMA มีการเบี่ยงเบนเล็กน้อย f rom คู่ค้าของตน EMA ข้อสรุปค่าเฉลี่ยเคลื่อนที่เป็นพื้นฐานของการวิเคราะห์แบบแผนภูมิและเวลาค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่มีความหมายเชิงเส้นที่ซับซ้อนขึ้นจะช่วยให้เห็นภาพแนวโน้มโดยการปรับราคาการเคลื่อนไหวด้านราคาการวิเคราะห์ทางเทคนิคบางครั้งเรียกว่าศิลปะแทนที่จะเป็น วิทยาศาสตร์ซึ่งทั้งสองใช้เวลาหลายปีมาสเตอร์เรียนรู้เพิ่มเติมในการวิเคราะห์ทางเทคนิคของเรากวดวิชาการสำรวจทำโดยสหรัฐอเมริกาสำนักสถิติแรงงานเพื่อช่วยวัดตำแหน่งงานว่างมันเก็บรวบรวมข้อมูลจากนายจ้างจำนวนเงินสูงสุดของเงินที่ประเทศสหรัฐอเมริกาสามารถยืม เพดานหนี้ที่ถูกสร้างขึ้นภายใต้พระราชบัญญัติตราสารหนี้เสรีภาพครั้งที่สองอัตราดอกเบี้ยที่สถาบันรับฝากเงินให้ยืมเงินไว้ใน Federal Reserve ไปยังสถาบันรับฝากเงินแห่งอื่น 1 มาตรการทางสถิติของการกระจายตัวของผลตอบแทนสำหรับการรักษาความปลอดภัยที่กำหนดหรือดัชนีตลาดความผันผวนสามารถ เป็นมาตรการที่รัฐสภาคองเกรสแห่งสหรัฐอเมริกาได้ออกในปีพ. ศ. 2476 ตามพรบ. การธนาคารซึ่งห้ามไม่ให้ธนาคารพาณิชย์เข้าร่วม ting ในการลงทุนการจ่ายเงินเดือนของ Nafsfarm หมายถึงงานใด ๆ นอกฟาร์มครัวเรือนส่วนตัวและภาคผลประโยชน์ The U S Bureau of Labor