Liikkuvan keskiarvon Tämä esimerkki opettaa kuinka laskea Excel-sarjan aikasarjan liukuva keskiarvo. Liikkuvaa keskiarvoa käytetään epäsäännöllisyyksien (huiput ja laaksot) tasaamiseksi trendien tunnistamiseksi helposti. 1. Ensinnäkin katsomme aikasarjoja. 2. Valitse Tietojen välilehdessä Tietojen analyysi. Huomaa: cant find Data Analysis - painike Klikkaa tästä ladataksesi Analyysi ToolPakin lisäosaa. 3. Valitse Siirrä keskiarvo ja valitse OK. 4. Valitse syöttöalue - ruudusta ja valitse alue B2: M2. 5. Napsauta Intervalli-ruutuun ja kirjoita 6. 6. Napsauta Lähtöalue-ruutua ja valitse solu B3. 8. Piirrä näistä arvoista kaavio. Selitys: koska asetamme välein 6, liikkuva keskiarvo on edellisten 5 datapisteen ja nykyisen datapisteen keskiarvo. Tämän seurauksena huippuja ja laaksoja tasoitetaan. Kaavio näyttää kasvavan trendin. Excel ei voi laskea ensimmäisen 5 datapisteen liukuvaa keskiarvoa, koska ei ole tarpeeksi aiempia datapisteitä. 9. Toista vaiheet 2 - 8 aikavälille 2 ja 4. Päätelmä: Mitä suurempi väli, sitä enemmän piikit ja laaksot tasoitetaan. Mitä pienempi aikaväli, sitä lähempänä liikkuvat keskiarvot ovat todellisia datapisteitä. Muuttuvat keskiarvot: mitkä niistä ovat suosituimmista teknisistä indikaattoreista, käytetään liukuvien keskiarvojen mittaamiseen nykyisen kehityksen suuntaan. Jokainen liikkuvan keskiarvon tyyppi (joka on yleisesti kirjoitettu tässä opetusohjelmassa MA: ksi) on matemaattinen tulos, joka lasketaan keskimäärin useista aiemmista datapisteistä. Kun määritetty, tuloksena oleva keskiarvo piirretään kaaviolle, jotta toimijat voivat tarkastella tasoitettuja tietoja pikemminkin kuin keskittyä päivittäisiin hintavaihteluihin, jotka ovat ominaisia kaikilla rahoitusmarkkinoilla. Liikkuvan keskiarvon yksinkertaisin muoto, joka tunnetaan tavallisesti yksinkertaisena liukuva keskiarvona (SMA), lasketaan ottamalla tietyn arvoryhmän aritmeettinen keskiarvo. Esimerkiksi 10 päivän liukuvan keskiarvon laskemiseksi laskettaisiin viimeisten 10 päivän päätöskurssi ja jaetaan tulos 10: lla. Kuviossa 1 viimeisten 10 päivän (110) hintojen summa on jaettuna päivien (10) määrällä 10 päivän keskiarvon saavuttamiseksi. Jos elinkeinonharjoittaja haluaa nähdä sijaan 50 päivän keskiarvon, samaa laskentatyyppiä tehtäisiin, mutta se sisältäisi hinnat viimeisten 50 päivän aikana. Tuloksena oleva keskiarvo alle (11) ottaa huomioon viimeiset 10 pistettä, jotta toimijat saisivat käsityksen siitä, miten omaisuus on hinnoiteltu viimeisten 10 päivän aikana. Ehkä olet ihmettelevät, miksi tekniset toimijat kutsuvat tätä työkalua liikkumattomaksi keskiarvoksi eikä vain säännölliseksi keskiarvoksi. Vastauksena on, että kun uudet arvot tulevat saataville, vanhimmat datapisteet on pudonnut sarjasta ja uudet datapisteet tulevat korvaamaan ne. Siten datajoukko siirtyy jatkuvasti uusien tietojen huomioon otta - miseksi, kun se tulee saataville. Tällä laskentamenetelmällä varmistetaan, että vain nykyiset tiedot otetaan huomioon. Kuviossa 2, kun 5: n uusi arvo lisätään joukkoon, punainen laatikko (edustaa 10 viimeistä datapistettä) siirtyy oikealle ja 15 viimeinen arvo lasketaan laskemasta. Koska 5: n suhteellisen pieni arvo korvaa korkean 15: n arvon, oletan, että tietojoukon keskiarvo pienenee, mikä tässä tapauksessa on 11-10. Mitä liikkuvat keskiarvot näyttävät? MA on laskettu, ne on piirretty kaaviolle ja liitetty sitten liukuvan keskiarvon muodostamiseksi. Nämä kaarevat linjat ovat yleisiä teknisten kauppiaiden kaavioissa, mutta niiden käyttö voi vaihdella voimakkaasti (lisätietoja tästä myöhemmin). Kuten kuvassa 3 on nähtävissä, on mahdollista lisätä useampia liikkuvia keskiarvoja mihin tahansa kaavioon säätämällä laskennassa käytettävien aikajaksojen lukumäärää. Nämä kaarevat linjat saattavat tuntua häiritsevältä tai hämmentäviltä aluksi, mutta sinun tulee tottua heihin ajan myötä. Punainen rivi on yksinkertaisesti keskimääräinen hinta viimeisten 50 päivän aikana, kun taas sininen viiva on keskimääräinen hinta viimeisten 100 päivän aikana. Nyt kun ymmärrät, mikä liikkuva keskiarvo on ja miltä se näyttää, ottakaamme käyttöön toisenlaisen liikkuvan keskiarvon ja selvitämme, miten se eroaa edellä mainitusta yksinkertaisesta liikkuvasta keskiarvosta. Yksinkertainen liukuva keskiarvo on erittäin suosittu kauppiaiden keskuudessa, mutta kuten kaikki tekniset indikaattorit, sillä on myös kriitikot. Monet ihmiset väittävät, että SMA: n hyödyllisyys on rajoitettu, koska tietosarjan jokainen piste on painotettu sama riippumatta siitä, missä se esiintyy sekvenssissä. Kriitikot väittävät, että viimeisimmät tiedot ovat merkittävämpiä kuin vanhemmat tiedot, ja niillä pitäisi olla suurempi vaikutus lopputulokseen. Vastauksena tähän kritiikkiin kauppiaat alkoivat painottaa viimeaikaisia tietoja, jotka ovat johtaneet siihen, että keksittiin erilaisia uudenlaisia keskiarvoja, joista suosituin eksponentiaalinen liukuva keskiarvo (EMA). (Lue lisää painotettujen keskiarvojen perusasiakirjoista ja mitkä ero SMA: n ja EMA: n välillä) Eksponentiaalinen liukuva keskiarvo Eksponentiaalinen liukuva keskiarvo on liikkuvan keskiarvon tyyppi, joka antaa viimeaikaisille hinnoille enemmän painoarvoa, uuteen tietoon. EMA: n laskemisen hieman monimutkaisen yhtälön oppiminen saattaa olla tarpeetonta monille kauppiaille, koska lähes kaikki kartoituspaketit tekevät laskelmat sinulle. Mutta matemaattiset geeksit siellä ovat EMA-yhtälö: Kun käytät kaavaa EMA: n ensimmäisen pisteen laskemiseen, saatat huomata, että edellisen EMA: n käyttöä ei ole käytettävissä. Tämä pieni ongelma voidaan ratkaista laskemalla laskenta yksinkertaisella liikkuva keskiarvolla ja jatkamalla yllä olevaa kaavaa. Olemme toimittaneet sinulle esimerkin laskentataulukon, joka sisältää todellisia esimerkkejä siitä, kuinka laskea sekä yksinkertainen liukuva keskiarvo että eksponentiaalinen liukuva keskiarvo. EMA: n ja SMA: n välinen ero Nyt kun olet ymmärtänyt paremmin SMA: n ja EMA: n laskemisen, voit tarkastella, miten nämä keskiarvot eroavat toisistaan. Tarkastellessasi EMA: n laskemista huomaat, että viimeaikaisissa tietopisteissä korostetaan enemmän painotettua keskiarvoa. Kuviossa 5 kullakin keskiarvolla käytetyt aikajaksot ovat identtisiä (15), mutta EMA reagoi nopeammin muuttuviin hintoihin. Huomaa, miten EMA: lla on suurempi arvo, kun hinta nousee ja laskee nopeammin kuin SMA, kun hinta laskee. Tämä reagointikyky on tärkein syy, miksi monet toimijat haluavat käyttää EMAa SMA: n kautta. Mitä eri päivät keskimäärin Siirtyvät keskiarvot ovat täysin muokattavissa oleva indikaattori, mikä tarkoittaa, että käyttäjä voi vapaasti valita haluamansa aikataulun keskiarvoa luotaessa. Yleisimmät liukuva keskiarvot ovat 15, 20, 30, 50, 100 ja 200 päivää. Mitä lyhyempi ajanjakso, jota käytetään keskimäärän luomiseen, sitä herkempi on hintamuutokset. Mitä pitempi on aika, vähemmän herkkä tai tasaisempi, keskimääräinen on. Ei ole oikeaa aikataulua, jota voit käyttää liikkuvien keskiarvojen määrittämisessä. Paras tapa selvittää, mikä toimii parhaiten sinun on kokeilla useita eri ajanjaksoja, kunnes löydät sellaisen, joka sopii strategiaasi. Tiedän, että tämä on mahdollista, sillä: . Olen googlattu eikä löytänyt mitään sopivia tai luettavia esimerkkejä. Pohjimmiltaan haluan seurata liukulukujen virran jatkuvan virran liikkuvan keskiarvon käyttäen viimeisintä tuhannen numeron tietomääränä. Mikä on helpoin tapa saavuttaa tämä, kokeilin pyöreän joukon, eksponentiaalisen liukuvan keskiarvon ja yksinkertaisemman liukuvan keskiarvon perusteella ja havaitsin, että pyöreän taulukon tulokset sopivat tarpeisiini parhaiten. kysyi 12. kesäkuuta 12 klo 04:38 Jos tarpeesi ovat yksinkertaisia, voit vain kokeilla eksponentiaalisen liukuvan keskiarvon. Yksinkertaisesti, teet akunmuuttujan, ja kun koodisi tarkastelee jokaista näytettä, koodi päivittää akun uudella arvolla. Valitset jatkuvan alfa-arvon, joka on välillä 0 ja 1, ja lasketaan tämä: Sinun tarvitsee vain löytää alfa-arvo, jossa tietyn näytteen vaikutus kestää vain noin 1000 näytettä. Hmm, en todellakaan ole varma, että tämä sopii sinulle, nyt kun olen laittanut sen tänne. Ongelmana on, että 1000 on melko pitkä ikkuna eksponentiaalisen liukuvan keskiarvon suhteen. En ole varma, että alfaa olisi levinnyt keskimäärin viimeisten 1000 numeron alapuolella ilman alivirtausta liukulukulaskennassa. Mutta jos haluat pienemmän keskiarvon, kuten 30 numeroa, niin se on erittäin helppo ja nopea tapa tehdä se. vastasi 12. kesäkuuta 12.4.44 1 viestiisi. Eksponentiaalinen liukuva keskiarvo voi mahdollistaa alfan muuttuvan. Joten tämä mahdollistaa sen, että sitä voidaan käyttää laskemaan aikapohjaista keskiarvoa (esimerkiksi tavua sekunnissa). Jos aika viimeisen akun päivityksen jälkeen on yli 1 sekunti, anna alfa olla 1.0. Muuten voit antaa alfan olla (usecs päivityksen jälkeen 1000000). ndash jxh 12 kesäkuu 12 at 6:21 Pohjimmiltaan haluan seurata liukuvan pistemäärän virran jatkuvan virran liikkuvan keskiarvon käyttämällä viimeisintä tuhatta numeroa datanäytteeksi. Huomaa, että alla päivitetään kokonaissumma elementteinä lisättyinä, jolloin vältytään kalliilta O (N) - kuljetuksilta summan laskemiseksi - tarvitaan keskimäärin - kysyntään. Yhteensä on tehty erilainen parametri T: sta tukeen esim. pitkä pituus, kun kyseessä on yhteensä 1000 pitkä s, int char: lle tai kaksinkertainen kokonaiskulkuihin. Tämä on hieman puutteellinen siinä, että numsamples could go past INTMAX - jos välität, voit käyttää allekirjoittamatonta pitkä kauan. tai käytä ylimääräistä bool datan jäsentä tallentaaksesi, kun säiliö täytetään ensimmäistä kertaa pyöräilemällä numerotäytteitä taulukon ympärillä (parhaiten sitten nimetty jotain harmittomaksi kuin POS). Vastaus # 1: Kesäkuu 12, 2009, 10:42:44 pm »oletetaan, että määrätty operaattori (T-näyte) lainaus on itse asiassa anneta operatorltlt (T-näyte) quot. ndash oPless kesäkuu 8 14 klo 11:52 oPless ahhh. hyvin huomattu. itse asiassa tarkoitin, että se olisi tyhjä operaattori () (T näyte), mutta tietysti voit käyttää mitä tahansa merkintää, jonka pidit. Korjaa, kiitos. ndash Tony D 8. kesäkuuta 14 kello 14:27 Haluan kehittää laskenta osakekurssien liukuvalle keskiarvolle. Mutta paljon monimutkaisempi laskenta on suunniteltu myöhemmin. Ensimmäinen askel, jotta voimme laskea Moving Average tehokkaasti. Minun on tiedettävä, miten panos voidaan syöttää ja palauttaa tehokkaasti. katsotaan syöttöajan päivämäärä ja hinta. consudered tuotoksen päivämäärä, hinta ja liikkuvat keskiarvo. Jos minulla on 500 kirjaa ja haluan laskea Moving average for 5 päivää, joka on effient-tapa sen sijaan, että menisit edestakaisin päivämäärän ja hinnan sarjassa, suosittelkaa, mikä on paras tapa vastaanottaa syötteitä (ArrayList, Table, array jne.) ja palautuslähtö. Huom: Nykypäivän 5 päivän MA on keskimäärin viimeisten 5 päivän aikana, mukaan lukien tänään hinta. Eilen MA on keskimäärin viimeiset 5 päivää eilisestä. Haluan pitää päivät joustavaksi sijasta 5, mutta se voi olla 9, 14, 20 jne. Torstai 10. huhtikuuta 2008 15:21 Jos tarvitset yksinkertaista laskutoimitusta ilman vaivaa, voit käyttää TA-Libia. Mutta jos haluat laskutoimituksesi olevan tehokkaampaa kuin TA-Lib, voit luoda oman teknisen indikaattorin. TA-Lib on hyvä, mutta ongelmana on, että kirjastossa on vain staattisia menetelmiä. Tämä tarkoittaa sitä, että SMA-taulukon arvot on laskettava 500 hintaraipan perusteella. Tällöin lähetät koko joukon palkkeja ja palaa SMA-arvojen joukkoon. Mutta jos saat uuden 501-arvon, lähetä koko matriisi uudelleen ja TA-Lib uudelleen laskee ja palauttaa arvot SMA-arvolle. Nyt kuvitella, että tarvitset tällaisen indikaattorin reaalihinnasta, ja jokaisesta hinnankorotuksesta tarvitaan uusi indikaattoriarvo. Jos sinulla on yksi indikaattori ei ole suuri ongelma, mutta jos sinulla on satoja indikaattoreita, se voi olla suorituskykyongelma. Olin tällaisessa tilanteessa ja aloin kehittää reaaliaikaisia indikaattoreita, jotka ovat tehokkaita ja tekevät lisätuloksia uudelle hintatasolle tai vain hinnanmuutoksiin. Valitettavasti en ole koskaan tarvinnut SMA-indikaattoria kaupankäyntijärjestelmilleni, mutta minulla on sellaisia EMA: lle, WMA: lle, AD: lle ja muille. Yksi tällainen indikaattori AD julkaistaan blogissani ja näet siitä lähtien, mikä on reaaliaikaisen indikaattoriluokan perusrakenne. Toivon, että tarvitset pieniä muutoksia SMA-indikaattorin toteuttamiseen, koska se on yksi yksinkertaisimmista. Logiikka on yksinkertainen. SMA: n laskemiseksi tarvitset vain viimeisimmät hintarajat. Joten luokan esimerkki on kerätty hintoja, jotka tallentavat säilyttävät vain viimeiset n hinnat, koska SMA on määritelty (sinun tapauksessa 5). Joten kun sinulla on uusi palkki, poistat vanhimman ja lisätään uuden ja luodaan laskutoimitus. Torstai 10. huhtikuuta 2008 04:04 Kaikki vastaukset On olemassa kirjasto nimeltä TA-Lib, joka tekee kaiken sinulle ja se on avoimen lähdekoodin. Minulla on noin 50 indikaattoria. Weve käytti sitä tuotantoympäristössä ja se on erittäin tehokas ja realistinen. Voit käyttää sitä C, Java, C, jne. Jos tarvitset yksinkertaista laskentaa ilman vaivaa kuin voit käyttää TA-Lib. Mutta jos haluat laskutoimituksesi olevan tehokkaampaa kuin TA-Lib, voit luoda oman teknisen indikaattorin. TA-Lib on hyvä, mutta ongelmana on se, että kirjastossa on vain staattisia menetelmiä. Tämä tarkoittaa sitä, että SMA-taulukon arvot on laskettava 500 hintaraipan perusteella. Tällöin lähetät koko joukon palkkeja ja palaa SMA-arvojen joukkoon. Mutta jos saat uuden 501-arvon, lähetä koko matriisi uudelleen ja TA-Lib uudelleen laskee ja palauttaa arvot SMA-arvolle. Nyt kuvitella, että tarvitset tällaisen indikaattorin reaalihinnasta, ja jokaisesta hinnankorotuksesta tarvitaan uusi indikaattoriarvo. Jos sinulla on yksi indikaattori ei ole suuri ongelma, mutta jos sinulla on satoja indikaattoreita, se voi olla suorituskykyongelma. Olin tällaisessa tilanteessa ja aloin kehittää reaaliaikaisia indikaattoreita, jotka ovat tehokkaita ja tekevät lisätuloksia uudelle hintatasolle tai vain hinnan muutoksiin. Valitettavasti en ole koskaan tarvinnut SMA-indikaattoria kaupankäyntijärjestelmilleni, mutta minulla on sellaisia EMA: lle, WMA: lle, AD: lle ja muille. Yksi tällainen indikaattori AD julkaistaan blogissani ja näet siitä lähtien, mikä on reaaliaikaisen indikaattoriluokan perusrakenne. Toivon, että tarvitset pieniä muutoksia SMA-indikaattorin toteuttamiseen, koska se on yksi yksinkertaisimmista. Logiikka on yksinkertainen. SMA: n laskemiseksi tarvitset vain viimeisimmät hintarajat. Joten luokan esimerkki on kerätty hintoja, jotka tallentavat säilyttävät vain viimeiset n hinnat, koska SMA on määritelty (sinun tapauksessa 5). Joten kun sinulla on uusi palkki, poistat vanhimman ja lisätään uuden ja luodaan laskutoimitus. Torstai 10. huhtikuuta 2008 16:04 Laskin liikkuvaa keskimääräistä tietokantaa tallennetun menettelyn tai kuution mukaan. Oletko tarkastellut Analyysipalvelut, sillä on kyky laskea liikkuvia keskiarvoja. Torstai 10. huhtikuuta 2008 16:05 Kyllä. TA-LIB on hyvä, mutta ei ehkä sopiva minulle. Kun lisäät uutta arvoa tai päivitettyä arvoa tietueiden historiasta, teen laskennan erilliseen funktioon vain uuden tarjouksen kohdalla ja tallennetaan se tietokantaan. Aion päivittää tarjouksen joka tunti. Minun on tehtävä noin 25-30 teknistä indikaattoria 2200 varastoon. Torstai 10. huhtikuuta 2008 05:51 TA-Lib-puhelun suoritusaika 10 000 elementtiryhmässä kestää noin 15 millisekuntia (Intel Core Duo 2,13 Ghz: ssa). Tämä on kaikkien toimintojen keskiarvo. Nopeimmista SMA kestää alle 2,5 millisekuntia. Hidas, HTTRENDMODE, kestää 450 millisekuntia. Vähemmän elementtejä nopeampi. SMA kestää noin 0,22 millisekuntia 1000 syöttöelementtiin. Nopeusvaiku - tus on lähes lineaarinen (funktiokutsun suorittaminen on vähäpätöinen). Hakemuksen yhteydessä TA-Lib on hyvin epätodennäköistä, että se on pullonkaula nopeusseurannasta. Lisäksi en yleensä suosittele tällaista nikkeli-ratkaisua. Lue lisätietoja alla. Ensinnäkin, korjaus Boban. s-lausekkeeseen Kaikki TA-Libin toiminnot voivat myös laskea yhden viimeisen arvon käyttämällä minimaalista nquot-elementtiä. Sinulla voi olla 10000-kokoinen kokoelma, tietojen alustavat vain ensimmäiset 500 elementtiä, lisää yksi elementti ja soita TA-Libille laskea SMA vain uudelle elementille. TA-Lib näyttää taaksepäin enempää kuin tarvitaan (jos SMA on 5, niin TA-Lib laskee yhden SMA: n viimeisten viiden arvon perusteella). Tämä on mahdollista startIdx - ja endIdx-parametrilla. Voit määrittää laskettavan alueen tai yhden arvon. Tässä skenaariossa teet startIdx endIdx 500 laskea 501st elementti. Miksi tällainen nikkeli-ratkaisu on potentiaalisesti vaarallinen joillekin Boban. s-ratkaisun tai TA-Libin valinnasta huolimatta, että pienen rajallisen määrän aiempien tietojen käyttäminen ei toimi useimpien TA-toimintojen kanssa. SMA: n avulla on selvää, että sinun tarvitsee vain n-elementti laskea keskimääräinen n-elementti. EMA (ja monet muut TA-toiminnot) eivät ole yhtä yksinkertaisia. Algo usein riippuu edellisestä arvosta laskea uusi arvo. Toiminto on rekursiivinen. Tämä tarkoittaa sitä, että kaikki aiemmat arvot vaikuttavat tulevaisuuden arvoihin. Jos päätät tarjota algostamme vain pienen määrän aiempia n arvoja, et saa samaa tulosta kuin joku, joka laskee suuren määrän aiempia arvoja. Ratkaisu on kompromissi nopeuden ja tarkkuuden välillä. Olen usein keskustellut tästä TA-Libin yhteydessä (kutsun sitä dokumenttina ja foorumina). Jotta se olisi yksinkertainen, minun yleinen suositus on, jos et voi tehdä ero algo lopullinen impulssivaste (FIR) algo on ääretön impulssivaste (IIR), voit olla turvallisempi laskea yli kaikki tiedot olet käytettävissä. TA-Lib määrittelee koodin, jonka toiminnasta on epävakaa ajanjakso (IIR). Edited by mfortier Perjantai, elokuu 15, 2008 4:25 AM Oikea englantilainen lause Friday, August 15, 2008 4:20 AM
No comments:
Post a Comment