लाभ - की भारित चलती - औसत - पूर्वानुमान

औसत पूर्वानुमान चलाना। परिचय जैसा कि आप अनुमान लगा सकते हैं हम भविष्यवाणी के कुछ सबसे प्राचीन तरीकों पर विचार कर रहे हैं लेकिन उम्मीद है कि ये स्प्रेडशीट में पूर्वानुमान लागू करने से संबंधित कुछ कंप्यूटिंग मुद्दों पर कम से कम एक सार्थक परिचय है। इस नस में हम जारी रहेंगे शुरुआत से शुरू करने और मुवक्किल औसत पूर्वानुमान के साथ काम करना शुरू करना। औसत पूर्वानुमान पूर्वानुमान चलाना हर कोई औसत मौके पर चलने से परिचित है, भले ही उनका मानना ​​है कि वे सभी कॉलेज के छात्रों को हर समय उनको अपने पाठ्यक्रम के परीक्षण के बारे में सोचें, जहां आप जा रहे हैं सेमेस्टर के दौरान चार परीक्षाएं हैं, मान लें कि आपको अपनी पहली परीक्षा में 85 मिले। आप अपने दूसरे टेस्ट स्कोर के लिए भविष्यवाणी करेंगे.तुम्हें क्या लगता है कि आपका शिक्षक आपके अगले टेस्ट स्कोर के लिए भविष्यवाणी करेगा.तुम्हें क्या लगता है कि आपके दोस्तों का अनुमान लगाया जा सकता है अपने अगले टेस्ट स्कोर के लिए. तुम्हें क्या लगता है कि आपके माता-पिता आपके अगले टेस्ट स्कोर के लिए अनुमान लगा सकते हैं। आईएंड्स और माता-पिता, वे और आपके शिक्षक आपसे मिलने वाले 85 के क्षेत्र में कुछ पाने की उम्मीद कर रहे हैं। ठीक है, अब यह मान लें कि अपने दोस्तों को अपने स्वयं के प्रचार के बावजूद, आप खुद को अनुमान लगाते हैं और आंकड़ा है कि आप दूसरे टेस्ट के लिए कम अध्ययन कर सकते हैं और आपको 73 मिल जाए। अब आप सभी को लेकर चिंतित और निराश होने की उम्मीद कर रहे हैं कि आप अपने तीसरे परीक्षण पर पहुंचेंगे। चाहे उनके अनुमान के विकास के लिए दो संभावित संभावनाएं हों चाहे वे इसे आपके साथ साझा करेंगे.वे खुद से कह सकते हैं, यह लड़का अपने स्मार्टफोन के बारे में हमेशा धुआं उड़ रहा है वह अगर वह भाग्यशाली हो तो 73 को मिलेगा.शायद माता-पिता इससे ज्यादा सहायक बनने की कोशिश करेंगे और कहते हैं, ठीक है, इसलिए अब तक आप 85 और 73 मिल चुके हैं, इसलिए शायद आप को 85 73 2 79 के बारे में जानने के बारे में पता होना चाहिए, शायद अगर आपने कम पार्टिसाइज़ किया हो और सभी जगह पर वीज़ल को सताते हुए और यदि आप बहुत अधिक पढ़ना आप उच्च अंक प्राप्त कर सकते हैं। इन अनुमानों में से दो वास्तविक हैं लिविंग औसत पूर्वानुमान। पहले अपने भविष्य के प्रदर्शन की भविष्यवाणी करने के लिए केवल आपके नवीनतम स्कोर का उपयोग कर रहा है यह डेटा के एक अवधि का उपयोग करते हुए चलती औसत पूर्वानुमान कहा जाता है। दूसरा भी चलती औसत पूर्वानुमान है, लेकिन डेटा के दो अवधियों का उपयोग करते हैं। कि आपके महान दिमाग को खत्म करने वाले ये सभी लोग आपको परेशान करते हैं और आप अपने स्वयं के कारणों के लिए तीसरी परीक्षा में अच्छी तरह से काम करने का फैसला करते हैं और अपने सहयोगियों के सामने उच्च अंक डालते हैं आप परीक्षा लेते हैं और आपका स्कोर वास्तव में एक है 89 प्रत्येक व्यक्ति को, खुद सहित, प्रभावित है। अब आप सेमेस्टर की अंतिम परीक्षा आ रही है और हमेशा की तरह आपको लगता है कि आप सभी को अपनी भविष्यवाणियां बनाने की आवश्यकता महसूस करते हैं कि आप आखिरी परीक्षा में कैसे करेंगे, अच्छा, उम्मीद है कि आप देखेंगे पैटर्न. अब, उम्मीद है कि आप पैटर्न देख सकते हैं जो आपको सबसे अधिक सटीक मानते हैं। हम जब भी काम करते हैं, हमले अब हम आपकी नई सफाई वाली कंपनी में लौट आए हैं जो आपकी बहिष्कार वाली बहन ने शुरू की थी, जब हम काम करते थे, तो आपके पास कुछ पिछले बिक्री डेटा एक स्प्रैडशीट से निम्न अनुभाग द्वारा प्रतिनिधित्व किया गया है हम पहले तीन दिनों की औसत पूर्वानुमान चलते समय डेटा प्रस्तुत करते हैं। सेल C6 के लिए प्रविष्टि होना चाहिए. अब आप इस सेल सूत्र को C11 के माध्यम से अन्य कक्षों C7 से कॉपी कर सकते हैं। नोट करें कि कैसे औसत चालें सबसे हाल के ऐतिहासिक आंकड़ों पर, लेकिन प्रत्येक भविष्यवाणी के लिए उपलब्ध तीन सबसे हाल की अवधि का उपयोग करता है आपको यह भी ध्यान देना चाहिए कि हमें वास्तव में पिछली अवधि के पूर्वानुमानों को बनाने की आवश्यकता है ताकि हमारी सबसे हाल की भविष्यवाणी विकसित हो सकें यह निश्चित रूप से अलग है घातीय चौरसाई मॉडल में मैंने पिछले भविष्यवाणियों को शामिल किया है क्योंकि हम भविष्य की वैधता को मापने के लिए अगले वेब पेज में उनका उपयोग करेंगे। अब मैं औसत अवधि के चलते दो अवधि के लिए समान परिणाम पेश करना चाहता हूं। सेल सी 5 के लिए प्रवेश होना चाहिए. अब आप इस सेल सूत्र को अन्य कोशिकाओं C6 से C11 तक कॉपी कर सकते हैं। नोटिस कैसे अब प्रत्येक भविष्यवाणी के लिए केवल दो सबसे हालिया टुकड़ों का उपयोग किया जाता है फिर मैं इसमें शामिल है उदाहरण के उद्देश्यों के लिए पिछले पूर्वानुमान और पूर्वानुमान सत्यापन में बाद में उपयोग के लिए। कुछ अन्य चीजें जो ध्यान देने योग्य हैं। मी-अवधि की औसत औसत पूर्वानुमान के लिए केवल सबसे हाल के डेटा मूल्यों को भविष्यवाणी करने के लिए उपयोग किया जाता है और कुछ नहीं आवश्यक है पिछली भविष्यवाणियां करते समय, एम-अवधि की औसत पूर्वानुमान के लिए, ध्यान दें कि पहली बार भविष्यवाणी की अवधि 1 एम में होती है। जब हम अपना कोड विकसित करते हैं तो इन दोनों मुद्दे बहुत महत्वपूर्ण होंगे.संभावना औसत समारोह का विकास अब हमें विकसित करने की आवश्यकता है चलती औसत पूर्वानुमान के लिए कोड जो अधिक लचीले ढंग से इस्तेमाल किया जा सकता है कोड निम्न सूचना देता है कि इनपुट अवधि में आप उपयोग करना चाहते हैं और ऐतिहासिक मूल्यों की सरणी के लिए हैं, आप इसे जो वही कार्यपुस्तिका में संग्रहीत कर सकते हैं। कार्य MovingAverage ऐतिहासिक, NumberOfPeriods एकल घोषित करने और चर को प्रारंभ करने के रूप में मंद आइटम के रूप में चर अंकीय काउंटर के रूप में पूर्णांक मंद संचय के रूप में एकल मंद ऐतिहासिक आकार पूर्णांक के रूप में। चर को शुरू करना काउंटर 1 संचय 0. ऐतिहासिक सरणी के आकार का निर्धारण ऐतिहासिक सिमित। काउंटर 1 के लिए संख्या - अभियान अवधि। सबसे हाल ही में देखे गए मूल्यों की उचित संख्या को संचित करना। आकलन संचय ऐतिहासिक ऐतिहासिक सिज़िज़ - संख्याऑफ़परोड्स काउंटर। मैव्वेज एवेन्यूशन नंबरऑफपेरियोड। कोड को क्लास में समझाया जाएगा आप स्प्रेडशीट पर फ़ंक्शन की स्थिति बनाना चाहते हैं, ताकि गणना के परिणाम दिखाई दें, जहां यह होना चाहिए जैसे निम्नलिखित क्लास वेटेडमिंगएव्हरेज मॉोडेल। एक भारित चल औसत औसत मॉडल एक कृत्रिम रूप से निर्मित समय श्रृंखला पर आधारित होता है, जिसमें एक निश्चित समय के लिए मूल्य उस मूल्य के भारित माध्य और पूर्ववर्ती समय की कुछ संख्याओं के मूल्यों से प्रतिस्थापित होता है जैसा कि आप अनुमान लगा सकते हैं विवरण से, यह मॉडल टाइम-सीरीज़ डेटा के लिए सबसे उपयुक्त होता है, जो डेटा समय पर बदलता है। किसी भी अवधि के पूर्वानुमान मान से पिछली अवधि का भारित औसत होता है, फिर पूर्वानुमान हमेशा या तो बढ़ता रहता है या पीछे रह जाता है उदाहरण के लिए, यदि एक डेटा श्रृंखला में एक उल्लेखनीय ऊपरी प्रवृत्ति होती है तो एक भारित चल औसत अनुमान सामान्यतः आश्रित चर के मूल्यों का कम अनुमान नहीं दिखाता है। भारित चल औसत मॉडल, जैसे चल औसत मॉडल, अन्य पूर्वानुमान वाले मॉडल पर एक फायदा यह है कि यह अवलोकन के एक सेट में चोटियों और खरबों या घाटियों को सुगम बनाता है हालांकि, movin की तरह जी औसत मॉडल, इसके कई नुकसान भी हैं विशेष रूप से इस मॉडल में एक वास्तविक समीकरण का उत्पादन नहीं होता है इसलिए, यह एक मध्यम-लंबी दूरी की भविष्यवाणी उपकरण के रूप में उपयोगी नहीं है यह केवल भविष्य में कुछ अवधियों की भविष्यवाणी के लिए उपयोग किया जा सकता है। 0 4 लेखक स्टीवन आर गोल्ड के बाद से। वर्ग से विरासत में मिली फ़ील्ड। हिज्जे वाले एविज़न मॉडेल एक नए भारित चलती औसत पूर्वानुमान मॉडल का निर्माण करता है। आभासपूर्ण एविएशन मॉडेल डबल भार विशिष्ट भार का उपयोग करते हुए एक नए भारित चल औसत औसत पूर्वानुमान मॉडल का निर्माण करता है। वनकोड दो बार समयमात्र निर्भर का पूर्वानुमान मूल्य देता है स्वतंत्र समय variable. getForecastType के दिए गए मान के लिए वेरिएबल इस प्रकार के पूर्वानुमान मॉडल के एक या दो शब्द का नाम देता है.getNumberOfPeriods इस मॉडल में उपयोग की जाने वाली समयावधि की वर्तमान संख्या देता है। getNumberOfPictictors अंतर्निहित मॉडल द्वारा उपयोग किए जाने वाले भविष्यवाणियों की संख्या देता है। setWeights डबल वजन इस भारित चल औसत औसत पूर्वानुमान द्वारा उपयोग किए गए वजन को निर्धारित करता है दिए गए वजन को मॉडल। टस्ट्रिंग यह मौजूदा पूर्वानुमान मॉडल का एक शाब्दिक विवरण प्रदान करने के लिए ओवरराइड होना चाहिए, जहां संभव हो, जिसमें कोई भी व्युत्पन्न पैरामीटर शामिल हैं। कक्षा से विरासत में मिली पद्धतियां। निर्दिष्ट भार का उपयोग करते हुए एक नया भारित चलती औसत पूर्वानुमान मॉडल का संयोजन। एक वैध मॉडल का निर्माण किया जाना चाहिए, आपको इनट को कॉल करना चाहिए और एक डेटा सेट में सेट करना होगा जिसमें स्वतंत्र पॉइंट की पहचान करने के लिए टाइम व्हेरिएबल को शुरू किया गया है। वजन के आकार के आकार का उपयोग अवलोकनों की संख्या निर्धारित करने के लिए किया जाता है भारित चलती औसत की गणना करने के लिए भी उपयोग किया जाता है, सबसे हाल की अवधि को सरणी के पहले तत्व द्वारा परिभाषित वज़न दिया जाएगा। वजन 0. वजन के आकार का आकार भी प्रभावी अवधि के भविष्य की अवधि निर्धारित करने के लिए उपयोग किया जाता है पूर्वानुमान 50 दिन भारित चल औसत के साथ, तो हम उचित रूप से - सटीकता की किसी भी डिग्री के साथ नहीं - पिछले पेरियो से 50 दिन से अधिक पूर्वानुमान डी के लिए डेटा उपलब्ध है यहां तक ​​कि इस श्रेणी के अंत के निकट भविष्यवाणी अविश्वसनीय हो सकती है। वजन पर नोट। सामान्य रूप से, इस निर्माता को दिए गए वजन को 1 0 तक जोड़ना चाहिए, हालांकि, सुविधा के रूप में, यदि वजन 1 0 तक नहीं जोड़ता है, यह क्रियान्वयन सभी वजन समानुपातिक रूप से पार करता है ताकि वे 1 0.Parameters वजन के बराबर कर सकें - भारित चलती औसत की गणना करते समय ऐतिहासिक अवलोकन करने के लिए भार की एक सरणी। एक नया भारित चल औसत पूर्वानुमानित मॉडल, स्वतंत्र चर और निर्दिष्ट भार के रूप में नामित वैरिएबल का उपयोग करते हुए। पैरामीटर स्वतंत्र वैरिएबल - इस मॉडल के वजन में उपयोग करने के लिए स्वतंत्र चर का नाम - भारित चलती औसत की गणना करते समय ऐतिहासिक अवलोकन करने के लिए वजन की एक सरणी। एक नया भारित चलती औसत पूर्वानुमान मॉडल यह निर्माता केवल उपवर्गों द्वारा उपयोग किया जाना है इसलिए इसे संरक्षित किया गया है इस निर्माता का उपयोग करने वाले किसी भी उपवर्ग को चाहिए बाद में इस मॉडल द्वारा उपयोग किए जाने वाले वजन को आरक्षित करने के लिए संरक्षित सेटवेइट्स पद्धति का आह्वान करें। दिए गए स्वतंत्र चर का उपयोग करते हुए एक नया भारित चलती औसत पूर्वानुमान मॉडल तैयार करता है। पैरामीटर स्वतंत्र वैरिएबल - इस मॉडल में उपयोग करने के लिए स्वतंत्र चर का नाम। इस वेटेड चल औसत औसत पूर्वानुमान मॉडल द्वारा दिए गए वजन के अनुसार यह विधि केवल उपवर्गों द्वारा उपयोग की जानी है, इसलिए इसे संरक्षित किया गया है, और केवल संरक्षित एक-तर्क कंस्ट्रक्टर के साथ संयोजन में। एक-तर्क निर्माता का उपयोग करते हुए किसी भी उप-वर्ग को बाद में सेटवेइट्स मॉडल को प्रारंभ करने के लिए विधि को लागू करने से पहले। वजन पर नोट। सामान्य तौर पर, इस पद्धति को पारित करने वाला भार 1 0 तक जोड़ना चाहिए, हालांकि, सुविधा के रूप में, यदि वजन का योग 1 0 तक नहीं जोड़ता है, तो यह कार्यान्वयन तराजू सभी वजन आनुपातिक रूप से इतना है कि वे 1 के लिए राशि करते हैं। पैरामीटर वजन - वजन की एक सरणी ऐतिहासिक टिप्पणियों को असाइन करने के लिए जब गणना भारित चलती औसत एनजी। स्वतंत्र समय चर के दिए गए मान के लिए आश्रित चर के पूर्वानुमान मूल्य को वापस लौटें। उपवर्गों को इस पद्धति को इस तरह लागू करना चाहिए कि वे पूर्वानुमान मॉडल के साथ संगत कर दें, जो उप-क्लासेस मिलते हैं। पहले पूर्वानुमान और टिप्पणियों को क्रमशः प्राप्त करें। कक्षा अब्बेटलटाइमबेस्ड मोडल पैरामीटर समय में पूर्वानुमान द्वारा निर्दिष्ट किया गया समय मूल्य - समय चर का मान जिसके लिए पूर्वानुमान मान आवश्यक है, दिए गए समय के लिए निर्भर चर का अनुमानित मूल्य देता है। अवैध फेंकता अवैधता - अगर अपर्याप्त ऐतिहासिक डेटा है - अवलोकन के लिए दिया गया अवलोकन - दिए गए समय मान के लिए पूर्वानुमान उत्पन्न करने के लिए। अंतर्निहित मॉडल द्वारा उपयोग किए जाने वाले भविष्यवाणियों की संख्या वापस लौटाएं। अंतर्निहित मॉडल द्वारा उपयोग किए जाने वाले भविष्यवक्ताओं की संख्या को दोबारा। इस मॉडल में उपयोग की जाने वाली समयावधियों की वर्तमान संख्या को वापस लौटें। निर्दिष्ट एब्बट टाइमबेस्ड मॉडेल आर में getNumberOfPeriods द्वारा इस मॉडल में उपयोग की जाने वाली समयावधियों की वर्तमान संख्या को चालू करता है। इस प्रकार के पूर्वानुमान वाले मॉडल के एक या दो शब्द का नाम वापस लेना इस छोटे से रखें एक लंबा विवरण toString विधि में कार्यान्वित किया जाना चाहिए। यह वर्तमान के एक शाब्दिक विवरण प्रदान करने के लिए ओवरराइड होना चाहिए पूर्वानुमानित मॉडल, जहां संभव हो, किसी भी व्युत्पन्न पैरामीटर का उपयोग किया जाता है। स्ट्रिंग इन इंटरफ़ेस द्वारा निर्दिष्ट किया गया पूर्वानुमानिंग मॉोडल ओवरस्ट्राइड कोस्टस्ट्रिंग क्लास एब्बटटाइमबेस्डडोडल वर्तमान पूर्वानुमान मॉडल की स्ट्रिंग का प्रतिनिधित्व करती है, और इसके मापदंडों। ओएडा हमारे वेबसाइटों को आसानी से उपयोग करने और अनुकूलित करने के लिए कुकीज़ का उपयोग करता है। हमारे आगंतुकों को व्यक्तिगत रूप से आपकी पहचान करने के लिए कुकीज का उपयोग नहीं किया जा सकता हमारी वेबसाइट पर जाकर आप ओंडा के कुकीज़ की अवरोध, हटाने या प्रबंधित करने के लिए हमारी गोपनीयता नीति के अनुसार सहमति देते हैं, कृपया देखें कुकीज़ को प्रतिबंधित करने से आप कुछ की कार्यक्षमता से लाभान्वित हो सकते हैं। हमारी वेबसाइट। हमारे मोबाइल एप्लिकेशन डाउनलोड करें। खाता खोलें। एलटीआईफ़्रेम चौड़ाई 1 ऊंचाई 1 फ़्रेमबार्डर 0 स्टाइल डि चलने की औसत का उपयोग करने के लाभों को कम करने वाले मार्केट रेट में उतार-चढ़ाव को आसान बना दिया गया है, जो अक्सर मूल्य निर्धारण चार्ट में प्रत्येक रिपोर्टिंग अवधि के साथ होते हैं। अधिक बार दर अपडेट - यही है, अधिक बार मूल्य चार्ट एक अद्यतित दर दिखाता है - बाज़ार की शोर के लिए जितनी अधिक संभावना है। तेजी से चलने वाले बाज़ार में काम करने वाले व्यापारियों को झुकाव संकेतों के लिए संभावित रूप से 20-पीरियड वास्तविक समय के बाजार मूल्यों के लिए औसत बढ़ते हुए। मूल्य की अस्थिरता की अधिकता, अधिक से अधिक मौका जो झूठा संकेत उत्पन्न होता है एक झूठा संकेत तब होता है जब ऐसा प्रतीत होता है कि वर्तमान रुझान उल्टा होने वाला है, लेकिन अगली रिपोर्टिंग अवधि यह साबित करती है कि जो वास्तव में एक उलटा हुआ प्रतीत होता है, वास्तव में, एक बाजार में उतार-चढ़ाव था। रिपोर्टिंग अवधि की संख्या चलती औसत पर कैसे प्रभावित करती है। रिपोर्टिंग अवधि की संख्या चलती औसत सीए में शामिल है मूविंग एवर लाइन को प्रभावित करता है जो मूल्य चार्ट में प्रदर्शित होता है। कम आंकड़ों के मुताबिक औसत में शामिल रिपोर्टिंग अवधि, करीब चलती औसत स्थान दर पर रहता है, जिससे इसके मूल्य में कमी आती है और समग्र प्रवृत्ति में थोड़ा अधिक अंतर्दृष्टि प्रदान करता है दूसरी तरफ, एक चलती औसत जो कि कई बिंदुओं में शामिल होती है, ऐसी कीमत पर कीमतों में उतार-चढ़ाव भी बताती है जिससे आप एक स्पष्ट दर प्रवृत्ति का पता लगा सकते हैं। कोई भी स्थिति पर्याप्त समय में उत्क्रमण अंक पहचानना मुश्किल हो सकती है दर प्रवृत्ति के उलट का लाभ उठाने के लिए। कंडेलस्टिक प्राइस चार्ट तीन अलग-अलग मूविंग एवरेज लाइन दिखा रहा है। रिपोर्टिंग अवधि - आवृत्ति का वर्णन करने के लिए इस्तेमाल किए जाने वाले एक सामान्य संदर्भ जो विनिमय दर डेटा को अपडेट किया जाता है इसके अलावा ग्रैन्युलैरिटी के रूप में संदर्भित यह एक महीने से लेकर हो सकता है दिन, एक घंटे - हर कुछ सेकेंड के रूप में भी अक्सर अंगूठे का नियम यह है कि जिस समय आप ट्रेडों को खोलते हैं, उतना ही अधिक बार आप एलडी रेट एक्सचेंज डेटा पुनर्प्राप्त करें .1 99 6 - 2017 ओंडाए कॉर्पोरेशन सभी अधिकार आरक्षित ओंडा, एफएक्सट्रेड और ओंडा के ट्रेडमार्क के एफएक्स परिवार ओंडाए कॉर्पोरेशन के स्वामित्व वाले हैं। इस वेबसाइट पर प्रदर्शित अन्य सभी ट्रेडमार्क उनके संबंधित स्वामियों की संपत्ति हैं। विदेशी मुद्रा अनुबंध या मार्जिन पर अन्य ऑफ-एक्सचेंज उत्पादों में एक उच्च स्तर का जोखिम होता है और हर किसी के लिए उपयुक्त नहीं हो सकता है हम आपको सावधानी से सलाह देने की सलाह देते हैं कि आपके व्यक्तिगत परिस्थितियों के प्रकाश में आपके लिए व्यापार उचित है या नहीं। प्रकृति में सामान्य है हम अनुशंसा करते हैं कि आप स्वतंत्र वित्तीय सलाह मांगते हैं और यह सुनिश्चित करने के लिए कि ट्रेडिंग से पहले शामिल जोखिमों को पूरी तरह से समझें, एक ऑनलाइन प्लेटफॉर्म के जरिए ट्रेडिंग अतिरिक्त जोखिम रखती है यहां हमारे कानूनी अनुभाग देखें। वित्तीय फैल सट्टेबाजी केवल ओंडा यूरोप लिमिटेड ग्राहकों के लिए उपलब्ध है जो रहते हैं ब्रिटेन या आयरलैंड गणराज्य CFDs, MT4 हेजिंग क्षमताओं और लीवरेज रेशियो से अधिक 50 1 अमेरिकी निवासियों के लिए उपलब्ध नहीं हैं इस साइट पर जानकारी उन देशों के निवासियों पर निर्देशित नहीं है जहां इसका वितरण, या किसी भी व्यक्ति द्वारा उपयोग किया जाता है, स्थानीय कानून या विनियमन के विपरीत होगा। ओआंडाएए एक पंजीकृत फ्यूचर्स कमीशन व्यापारी और खुदरा विदेशी कमोडिटी फ्यूचर्स ट्रेडिंग कमिशन के साथ एक्सचेंज डीलर और नेशनल फ्यूचर्स एसोसिएशन का कोई सदस्य नहीं है 0325821 कृपया एनएफए विदेशी मुद्रा निवेशक अलर्ट देखें जहां उपयुक्त हो। ओंडा कनाडा निगम यूएलसी खाता कनाडा के बैंक खाते वाले किसी के लिए उपलब्ध हैं ओंडा कैनेडा निगम यूएलसी है कनाडा के निवेश उद्योग नियामक संगठन IIROC द्वारा विनियमित, जिसमें आईओआरसी के ऑनलाइन सलाहकार चेक डाटाबेस IIROC सलाहकार रिपोर्ट, और ग्राहक खातों को निर्दिष्ट सीमाओं के भीतर कैनेडियन निवेशक संरक्षण फंड द्वारा संरक्षित किया जाता है अनुरोध के आधार पर प्रकृति और कवरेज की सीमाओं का वर्णन करने वाली एक ब्रोशर उपलब्ध है या at. OANDA यूरोप लिमिटेड एक इंग्लैंड नंबर में पंजीकृत कंपनी है 7110087, और इसका पंजीकृत कार्यालय तल फ्लोर 9 ए, टॉवर 42, 25 ओल्ड ब्रॉड सेंट, लंदन ईसी 2 एन 1 एचक्यू में हुआ है, यह वित्तीय आचार प्राधिकरण द्वारा 542574 प्राधिकृत और विनियमित है। ओआंडए एशिया पैसिफ़िक प्राइवेट लिमिटेड को रेग नं। 200704926 के कैपिटल मार्केट सर्विसेज लाइसेंस सिंगापुर के मौद्रिक प्राधिकरण द्वारा जारी किया गया है और अंतर्राष्ट्रीय उद्यम सिंगापुर द्वारा लाइसेंस प्राप्त है। ओआंडए ऑस्ट्रेलिया Pty लिमिटेड को ऑस्ट्रेलियाई प्रतिभूति और निवेश आयोग द्वारा विनियमित किया गया है ASIC एबीएन 26 152 088 34 9, एएफएसएल नो 412981 और उत्पाद और सेवाओं के जारीकर्ता हैं इस वेबसाइट पर यह आपके लिए महत्वपूर्ण है कि आप वर्तमान वित्तीय सेवा गाइड एफएसजी उत्पाद प्रकटीकरण वक्तव्य पीडीएस खाता शर्तों और किसी भी अन्य प्रासंगिक ओएंडए दस्तावेजों को किसी भी वित्तीय निवेश के फैसले करने से पहले विचार कर सकते हैं। ये दस्तावेज यहां मिल सकते हैं। ओंडा जापान सह लिमिटेड प्रथम टाइप I वित्तीय उपकरण कांटो लोकल फाइनैंशियल ब्यूरो के बिजनेस डायरेक्टर कनि-शॉ नं 2137 इंस्टीट्यूट फाइनेंशियल फ्यूचर्स एसोसिएशन के सदस्य संख्या 1571 मार्जिन पर ट्रेडिंग एफएक्स और या सीएफ़डीएस उच्च जोखिम है और सभी के लिए उपयुक्त नहीं है हानि निवेश से अधिक हो सकती है