Liukuva Keskiarvo Matlab Esimerkki

Lataa movAv m katso myös movAv2 - päivitetty versio, joka mahdollistaa painotuksen. Matlab sisältää toimintoja nimeltä movavg ja tsmovavg aikasarjan liukuva keskiarvo Financial Toolboxissa, movAv on suunniteltu kopioimaan niiden perustoiminnot. Täällä on hyvä esimerkki hallinnoinnista Indeksejä sisältäen silmukoita, jotka voivat olla hämmentäviä aluksi Olen tietoisesti säilyttänyt koodin lyhyt ja yksinkertainen pitämään tämän prosessin clear. movAv suorittaa yksinkertaisen liukuvan keskiarvon, jota voidaan käyttää palauttamaan meluisa data joissakin tilanteissa Se toimii ottaen keskiarvo , Jonka koko määritellään n: lla. Suurempi n on sitä suurempi, että n: n vaikutus tasoitetaan suhteessa sisääntulovektorin y pituuteen ja tehokkaasti. alipäästösuodatin - katso esimerkkien ja huomioiden osa. Koska kunkin n: n arvon tarjoama tasoitusmäärä on suhteessa syöttövektorin pituuteen, se kannattaa aina testaa eri arvoja nähdäksesi mitä sopivaa Muista myös, että n pistettä katoaa jokaisesta keskiarvosta, jos n on 100, tulovektorin ensimmäiset 99 pistettä eivät sisällä tarpeeksi tietoa 100 prosenttiyksikköä varten. Tätä voidaan välttää jonkin verran keskittämällä pinoja Esimerkki alla olevasta koodista ja kaaviosta vertaa useita eri pituusikkunan keskiarvoja. Huomaa, miten sujuvaa 10 10pt - arvoa verrataan yhteen 20pt-keskiarvoon. Kummassakin tapauksessa 20 tietokokonaa menetetään kokonaisuudessaan. Luo xaxis x 1 0 01 5 Luo melukohinaa 4 kohinaa, 1 melutasoa, kohinaa 1 kohinaa, kohinaa, kohinaa 1 kohinaa, 1 kohinaa kohinaa kohinaa 1 x pituus x x keskiarvoista y2 movAv y, 10 10 pt y3 movAv y2, 10 10 10 pt y4 movAv y, 20 20 pt y5 movAv y, 40 40 pt y6 movAv y, 100 100 pt Plot kuva tontti x, y, y2, y3, y4, y5, y6 legenda data, 10pt liikkuva keskiarvo, 10 10pt, 20pt, 40pt, 100pt xlabel x ylabel y title Liikkuvien keskiarvojen vertailu. movAv m-koodin läpivientifunktion lähtö movAv y, n Ensimmäinen rivi määrittää toiminnon nimen, tulot ja lähdöt Tulo x pitäisi olla datan vektori keskimäärän suorittamiseksi, n on pistemäärä, joka suorittaa keskimääräisen tuloksen, sisältää funktion palauttavan keskiarvon. Preallocate-ulostulon tuotto NaN 1, numel y Etsi keskipiste n keskipisteen kierroksella n 2 Toiminnon päätehtävä tehdään silmukan silmukalle, mutta ennen kuin aloitetaan kaksi asiaa, valmistellaan Fir että tuotos on ennalta kohdistettu NaN: nä, tämä palvelee kahta tarkoitusta varten Ensinnäkin esivalinta on yleisesti hyvää käytäntöä, koska se vähentää Matlabin tekemien muistijongleerausten tekemistä. Toiseksi, on helppoa sijoittaa keskimääräinen data tulosteen koon mukaan tulovektori Tämä tarkoittaa, että samaa xaxia voidaan käyttää myöhemmin molempia varten, mikä on kätevää piirtää, vaihtoehtoisesti NaN: t voidaan poistaa myöhemmin yhdellä koodin ulostulon rivillä. Muuttujaa midPointia käytetään datan kohdistamiseksi lähtövektoriin Jos n 10, 10 pistettä menetetään, koska tulovektorin ensimmäisten 9 pisteen kohdalla ei ole tarpeeksi tietoa kymmenen pisteen keskiarvon ottamiseksi. Koska lähtö on lyhyempi kuin syöttö, se on kohdistettava oikein. Midpoint käytetään siten, että yhtä suuri määrä tietoja menetetään alussa ja lopussa, ja tulo pidetään kohdistettuna lähtöön, jonka NaN-puskureita luodaan, kun esivalinta tuottaa. 1-pituiseksi y - n Etsi indeksialue keskimäärin laskettuna. Laske keskiarvo a keskipisteen keskiarvo yab-pää Itsessään itse silmukalle syötetään keskiarvo kullekin tulolähteen kullekin segmentille Silmukka ajetaan sille, joka on määritelty 1: ksi tulon y pituuden mukaan, miinus menetettävän datan mukaan n Jos tulo on 100 pisteen pituinen ja n on 10, silmukka ajaa 1: stä 90: een. Tämä tarkoittaa, että segmentin ensimmäinen indeksi keskiarvoidaan. Toinen indeksi b on yksinkertaisesti n-1. Joten ensimmäisellä iteroinnilla, a 1 n 10 niin b 11-1 10 Ensimmäinen keskiarvo otetaan yab: n tai x 1: n mukaan 10 Tämän segmentin keskiarvo, joka on yksittäinen arvo, tallennetaan lähtöön indeksissä a midpoint tai 1 5 6. Toisessa iteraatiossa , a 2 b 2 10-1 11 niin, että keskiarvo otetaan x 2 11: n kohdalta ja tallennetaan lähtöön 7 Silmukan viimeinen iterointi tulon 100 pituudelle, 91 b 90 10-1 100, joten keskiarvo otetaan yli x 91 100 ja tallennetaan lähtöön 95 Tämä jättää tuotoksen yhteensä n 10 NaN-arvoa indeksillä 1 5 ja 96 100.Esimerkkejä ja huomioita Liikkuvat keskiarvot ovat hyödyllisiä joissakin tilanteissa, mutta ne ei ole aina paras valinta Tässä on kaksi esimerkkiä, joissa ne eivät välttämättä ole optimaalisia. Mikrofoni kalibrointi Tämä datayhdistelmä edustaa kunkin kaiuttimen tuottaman taajuuden tasoa ja tallennetaan mikrofonilla, jolla on tunnettu lineaarinen vaste Kaiuttimen lähtö vaihtelee taajuus, mutta voimme korjata tämän vaihtelun kalibrointidatalla - lähtö voidaan säätää tasolle kalibroinnin vaihtelujen huomioon ottamiseksi. Huomaa, että raakatiedot ovat meluisat - tämä tarkoittaa, että pieni taajuuden muutos näyttää vaatineen suuri, epätäsmällinen muutos tason huomioon ottaminen Onko tämä realistinen vai onko tämä tallennusympäristön tuote? Tässä tapauksessa on järkevää soveltaa liikkuvan keskiarvon, joka tasoittaa tason taajuuskäyrän, jotta saadaan kalibrointikäyrä, joka on hieman epätäsmällisempi Mutta miksi tämä esimerkki ei ole optimaalinen. Edellinen data olisi parempi - useat kalibroinnit keskimäärin yhdessä tuhoaisivat melun järjestelmässä niin kauan kuin se toimi dom ja antaa käyrän vähemmän hienovaraisia ​​yksityiskohtia menettänyt Liikkuva keskiarvo voi vain lähentää tätä, ja voi poistaa joitakin korkeampia taajuus dips ja huiput kaarteesta, että todella olemassa. Sina aallot Liikkuva keskiarvo siniaallot korostaa kaksi pistettä. kysymys kohtuullisen määrän pistettä suorittaa keskimääräinen over. It s yksinkertainen, mutta on olemassa tehokkaampia menetelmiä signaalin analyysiin keskiarvon värähteleviä signaaleja aika-alalla. Tässä kaaviossa alkuperäinen siniaalto on piirretty sinisellä Noise on lisätty ja piirretty oranssina käyränä Liikkuva keskiarvo suoritetaan eri pisteissä, jotta voidaan nähdä, voidaanko alkuperäinen aalto saada takaisin 5 ja 10 pistettä tuottavat kohtuullisia tuloksia, mutta eivät poista melua kokonaan, kun enemmän pisteitä alkaa menetetään amplitudin yksityiskohtia, kun keskiarvo ulottuu eri vaiheiden välillä, muistaa aalto värähtää noin nollaan ja keskiarvo -1 1. Vaihtoehtoinen lähestymistapa olisi rakentaa alipäästösuodatin, jota voidaan käyttää jota sovelletaan taajuusalueella olevaan signaaliin, en aio mennä yksityiskohtiin, koska se ylittää tämän artikkelin soveltamisalan, mutta koska kohina on huomattavasti korkeampi kuin aaltojen perustaajuus, tässä tapauksessa olisi melko helppoa rakentaa Alipäästösuodatin kuin poistaa korkeataajuisen melun.29 syyskuu 2013. Keskimääräinen keskimäärin konvoluutiolla. Mikä liikkuu keskimäärin ja mikä on hyvä. Kuinka liikkuva keskiarvo tehdään käyttäen convolution. Moving-keskiarvo on yksinkertainen operaatio, jota käytetään yleensä tukahduttaa signaalin melu asettamme jokaisen pisteen arvon sen lähiympäristön arvojen keskiarvoon kaavalla. Tässä x on tulo ja y on lähtösignaali, kun ikkunan koko on w, jonka pitäisi olla outoa Edellä oleva kaava kuvaa symmetristä toimintaa, jolloin näytteet otetaan todelliselta puolelta molemmilta puolilta. Below on todellinen elämä esimerkki. Piste, jolle ikkuna asetetaan, on punainen. Arvot x ulkopuolella oletetaan olevan nollia. th e vaikutuksia liukuvan keskiarvon, katsokaa tätä interaktiivista esittelyä. Kuinka tehdä se konvoluutiolla. Kuten ehkä olette tunnustaneet, yksinkertaisen liukuvan keskiarvon laskeminen on samanlainen kuin konvoluutio molemmissa tapauksissa ikkunan liukuu pitkin signaalia ja elementtejä ikkunassa on yhteenveto Joten, yritä tehdä samaa asiaa käyttämällä convolution Käytä seuraavia parametrejä. Haluttu tuotos on. Ensimmäinen lähestymistapa, yritämme kokeilla mitä saamme kaventamalla x-signaalin seuraavan k-ytimen avulla. Lähtö on täsmälleen kolme kertaa odotettua suurempi. Voidaan myös nähdä, että lähtöarvot ovat kolmen elementin yhteenveto ikkunassa. Sillä kun konvoluutiossa ikkuna liukuu pitkin, kaikki sen elementit kerrotaan yksi ja sitten yhteenveto. Yk 1 cdot x 1 cdot x 1 cdot x. Jos halutut y: n arvot tuotetaan jaetaan 3.By kaava sisältää divisioonan. But ei olisi optimaalista tehdä jakoa konvoluutiossa Tässä tulee ajatus Järjestämme siis seuraavan k-ytimen. Näin saadaan haluttu tuotos. Yleensä, jos haluamme tehdä liikkuvaa keskiarvoa konvoluutiolla, jonka ikkuna on w, käytämme seuraavaa k-kerneliä. Yksinkertainen Toiminto liikkuva keskiarvo on. Esimerkiksi käyttö on. Moving Keskiarvot Mitä he ovat. Kun suosituimmista teknisistä indikaattoreista, liikkuvia keskiarvoja käytetään mittaamaan suuntaan nykyisen suuntauksen Jokainen tyyppi liikkuvan keskiarvon yleisesti kirjoitettu tässä opetusohjelmassa kuin MA on Matemaattinen tulos, joka lasketaan laskemalla keskiarvo useista aiemmista datapisteistä Kun määritetty, tuloksena oleva keskiarvo piirretään sitten kaaviolle, jotta toimijat voivat tarkastella tasoitettuja tietoja pikemminkin kuin keskittyä päivittäisiin hintavaihteluihin, jotka ovat inh Kaikkiin rahoitusmarkkinoihin nähden. Yksinkertaisimmillaan liikkuvan keskiarvon, joka tunnetaan tavallisesti yksinkertaisena liukuva keskiarvoisena SMA, lasketaan ottamalla tietyn arvoryhmän aritmeettinen keskiarvo Esimerkiksi 10 päivän liukuvan keskiarvon laskemiseksi lisää viimeisten 10 päivän päätöskurssit ja sitten jakaa tulos 10: llä. Kuviossa 1 viimeisten 10 päivän 110 hintojen summa jaetaan päivien 10 avulla 10 päivän keskiarvoon saakka. elinkeinonharjoittaja haluaa nähdä sen sijaan 50 päivän keskiarvon, mutta sama hinta lasketaan 50 päivän aikana. Tuloksena saatu keskiarvo alle 11: ssä ottaa huomioon viimeiset 10 pistettä, jotta elinkeinonharjoittajat saisivat ajatus siitä, miten omaisuus on hinnoiteltu viimeisten 10 päivän aikana. Oletko miettinyt, miksi tekniset toimijat kutsuvat tätä työkalua liikkuvalle keskiarvolle eikä vain säännölliselle keskiarvolle. Vastaus on, että kun uudet arvot tulevat saataville, vanhimmat datapisteet on pudonnut sarjasta ja uusista dat pisteiden on tullut korvata ne Näin ollen tietojoukko siirtyy jatkuvasti uusien tietojen huomioon ottamiseksi, kun se tulee saataville Tämä laskentamenetelmä varmistaa, että vain nykyiset tiedot otetaan huomioon Kuvassa 2, kun uuden arvon 5 lisätty joukkoon, punainen ruutu, joka edustaa 10 viimeistä datapistettä, siirtyy oikealle ja viimeinen 15: n arvo lasketaan laskemasta. Koska suhteellisen pieni arvo 5 korvaa korkean 15: n arvon, oletat nähdä keskimääräisen , mikä on tässä tapauksessa 11: stä 10: een. Mitä liikuttavia keskiarvot näyttävät Kun MA: n arvot on laskettu, ne piirretään kaaviolle ja liitetään sitten liukuvan keskiarvon luomiseksi. kaarevat linjat ovat yleisiä teknisten kauppiaiden kaavioissa, mutta miten niitä käytetään voivat vaihdella huomattavasti enemmän myöhemmin. Kuten kuvassa 3 on nähtävissä, on mahdollista lisätä enemmän kuin yksi liukuva keskiarvo mihin tahansa kaavioon säätämällä aikaa aikoja käytetään laskelmassa Nämä kaarevat linjat saattavat tuntua häiritseviltä tai hämmentäviltä aluksi, mutta sinun tulee tottua niihin ajan mittaan. Punainen rivi on yksinkertaisesti keskimääräinen hinta viimeisten 50 päivän aikana, kun taas sininen rivi on keskimääräinen hinta Viimeiset 100 päivää. Nyt kun ymmärrät, mikä liikkuva keskiarvo on ja miltä näyttää, esitämme toisenlaisen liikkuvan keskiarvon ja tarkastelemme, miten se eroaa edellä mainituista yksinkertaisista liikkuvista keskiarvoista. Yksinkertainen liukuva keskiarvo on erittäin suosittu kauppiaiden keskuudessa , mutta kuten kaikki tekniset indikaattorit, sillä on sen kriitikot Monet henkilöt väittävät, että SMA: n hyödyllisyys on rajoitettu, koska tietosarjojen jokainen piste on painotettu sama riippumatta siitä, missä se esiintyy sekvenssissä. Kriitikot väittävät, että viimeisimmät tiedot on merkittävämpää kuin vanhemmat tiedot, ja sen pitäisi vaikuttaa enemmän lopputulokseen. Vastauksena tähän kritiikkiin kauppiaat alkoivat painottaa viimeaikaisia ​​tietoja, jotka ovat D eri tyyppisten uusien keskiarvojen keksimiseen, joista suosituin on eksponentiaalinen liukuva keskiarvo EMA Lue lisää lukemasta perusmäärät painotetuista liikkuvista keskiarvoista ja mikä on ero SMA: n ja EMA: n välillä. Exponential Moving Average Eksponentiaalinen liikkuva Keskiarvo on liikkuvan keskiarvon tyyppi, joka painottaa viimeaikaisia ​​hintoja entistä paremmin vastaamaan uusiin tietoihin. EMA: n laskemiseen liittyvän hieman monimutkaisen yhtälön oppiminen saattaa olla tarpeetonta monille kauppiaille, koska lähes kaikki kartoituspaketit tekevät laskutoimitukset Sinä kuitenkin matemaattiset geeksit siellä, tässä on EMA-yhtälö. Kun käytät kaavaa EMA: n ensimmäisen pisteen laskemiseen, saatat huomata, että edellisen EMA: n käytettävissä ei ole arvoa Tämä pieni ongelma voidaan ratkaista laskemalla laskutoimitus yksinkertaisella liukuva keskiarvo ja jatkamalla edellä esitetyn kaavan avulla olemme toimittaneet sinulle esimerkin laskentataulukon, joka sisältää reaaliaikainen exa Miten 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, katsotaanpa, kuinka nämä keskiarvot eroavat Tarkastellessasi EMA: n laskemista huomaat, että viimeisimpiin datapisteisiin kohdistetaan enemmän painoarvoa, minkä ansiosta se on painotetun keskiarvon tyyppi kuviossa 5, kussakin keskiarvossa 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 on laskussa Tämä reagointikyky on tärkein syy siihen, miksi monet kauppiaat haluavat käyttää EMAa SMA: n kautta. Mitä eri päivät ovat keskimäärin Siirrettävät keskiarvot ovat täysin muokattavissa oleva indikaattori, mikä tarkoittaa, että käyttäjä voi vapaasti valita haluamansa aikavälin keskimääräisen keskiarvon luomisen yhteydessä. 15, 20, 30, 50, 100 ja 200 päivää Mitä lyhyempi on keskimääräisen arvon luomiseen käytetty aika, sitä herkempi hintamuutoksiin pidempi. Mitä kauemmin ajanjakso, vähemmän herkkä tai tasaisempi, keskimääräinen on Ei ole oikea aikakehys käyttää liikuttavien keskiarvojen määrittämisessä Paras tapa selvittää, mikä parhaiten sopii sinulle on kokeilla useita eri ajanjaksoja, kunnes löydät strategiasi sopivan.