Ich muss einen gleitenden Durchschnitt über eine Datenreihe berechnen, innerhalb einer for-Schleife muss ich den gleitenden Durchschnitt über N 9 Tage bekommen. Das Array I m, das in 1 ist, ist 4 Serie von 365 Werten M, die selbst Mittelwerte eines anderen Satzes sind Daten Ich möchte die Mittelwerte meiner Daten mit dem gleitenden Durchschnitt in einer Handlung zu zeichnen. Ich googeln ein bisschen über bewegte Durchschnitte und die Konv-Befehl und fand etwas, was ich versucht, Umsetzung in meinem Code. So im Grunde, ich berechnen meine Mittel und Handlung Es mit einem falschen gleitenden Durchschnitt Ich wählte den WTS-Wert direkt von der Mathworks-Website, so dass ist falsche Quelle Mein Problem aber ist, dass ich nicht verstehe, was diese wts ist Könnte jemand erklären Wenn es etwas mit den Gewichten der zu tun hat Werte, die in diesem Fall ungültig sind Alle Werte werden gleich gewichtet. Und wenn ich das ganz falsch mache, könnte ich etwas Hilfe mit ihm bekommen. Mein aufrichtiger Dank. Schicht Sep 23 14 um 19 05.Using conv ist ein ausgezeichneter Weg zu Implementiere einen gleitenden Durchschnitt In dem Code, den du benutzt hast, ist wts wie viel y Ou wägen jeden Wert, wie Sie vermutet, die Summe von diesem Vektor sollte immer gleich Eins Wenn Sie möchten, um jeden Wert gleichmäßig Gewicht und tun Sie eine Größe N bewegten Filter dann möchten Sie tun. Um das gültige Argument in conv wird in führen Mit weniger Werten in Ms als Sie haben in M Verwenden Sie das gleiche, wenn Sie don t mind die Auswirkungen der Null-Polsterung Wenn Sie die Signalverarbeitung Toolbox können Sie cconv verwenden, wenn Sie einen kreisförmigen gleitenden Durchschnitt versuchen wollen Etwas like. You sollte die conv lesen Und cconv-Dokumentation für weitere Informationen, wenn Sie bereits t bereits. Sie können Filter verwenden, um einen laufenden Durchschnitt zu finden, ohne eine for-Schleife zu verwenden Dieses Beispiel findet den laufenden Durchschnitt eines 16-Element-Vektors, mit einer Fenstergröße von 5,2 glatt als Teil der Curve Fitting Toolbox, die in den meisten Fällen verfügbar ist. yy glatt y glättet die Daten in der Spalte Vektor y mit einem gleitenden Durchschnitt Filter Ergebnisse werden in der Spalte Vektor zurückgegeben yy Die Standard-Spanne für den gleitenden Durchschnitt ist 5.Download movAv m siehe auch movAv2 - ein u Pdated Version ermöglicht die Gewichtung. Description Matlab enthält Funktionen namens movavg und tsmovavg Zeitreihe gleitenden Durchschnitt in der Financial Toolbox, movAv ist entworfen, um die grundlegende Funktionalität dieser replizieren Der Code hier bietet ein schönes Beispiel für die Verwaltung von Indizes innerhalb Schleifen, die verwirrend sein kann Um zu beginnen, habe ich bewusst den Code kurz und einfach gehalten, um diesen Prozess clear. movAv führt einen einfachen gleitenden Durchschnitt, der verwendet werden kann, um laute Daten in einigen Situationen wiederherzustellen. Es funktioniert, indem sie den Mittelwert der Eingabe y über eine Gleitzeit Fenster, dessen Größe durch n angegeben ist. Je größer n ist, desto größer ist die Größe der Glättung der Wirkung von n ist relativ zur Länge des Eingangsvektors y und wirksam gut, die Art der Erzeugung eines Tiefpassfrequenzfilters - siehe die Beispiele Und Überlegungen Abschnitt. Weil die Menge der Glättung durch jeden Wert von n ist relativ zu der Länge des Eingangs-Vektor, es ist immer wert testen verschiedene Werte, um zu sehen, was s Geeignet Erinnern Sie sich auch, dass n Punkte in jedem Durchschnitt verloren gehen, wenn n 100 ist, die ersten 99 Punkte des Eingangsvektors don t enthalten genügend Daten für ein 100pt Durchschnitt. Dies kann etwas durch Stapeln von Mitteln vermieden werden, z. B. den Code und das Diagramm unten Vergleichen Sie eine Anzahl von verschiedenen Längenfenster-Mittelwerten Beachten Sie, wie glatt 10 10pt mit einem einzigen 20pt-Durchschnitt verglichen wird. In beiden Fällen sind 20 Datenpunkte insgesamt verloren. Erstellen Sie xaxis x 1 0 01 5 erzeugen Rauschen Rauschen 4 Rauschen repmat randn 1, ceil numel x noiseReps, noiseReps, 1 Rauschen Reshape Rauschen, 1, Lärm Lärm Raps erzeugen ydata Rauschen y exp x 10 Rauschen 1 Länge x Perfrom Mittelwerte 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 Abbildung Plot x, y, y2, y3, y4, y5, y6 Legende Raw Daten, 10pt gleitender Durchschnitt, 10 10pt, 20pt, 40pt, 100pt xlabel x ylabel y title Vergleich der bewegten Durchschnitte. movAv m Code Durchlauffunktion Ausgang movAv y, n Die erste Zeile definiert die Funktion s Name, Ein - und Ausgänge Die Eingabe X sollte ein Vektor von Daten sein, um den Durchschnitt einzutragen, n sollte die Anzahl der Punkte sein, um den Durchschnitt über die Ausgabe auszuführen, wird die gemittelten Daten enthalten, die von der Funktion zurückgegeben werden. Vorausgabe der Ausgabeausgabe NaN 1, numel y Find mid point of n midPoint round N 2 Die Hauptarbeit der Funktion ist in der for-Schleife durchgeführt, aber vor dem Start zwei Dinge sind vorbereitet Fir Stly die Ausgabe ist vorab zugewiesen als NaNs, dies diente zwei Zwecken Erstens Vorbereitung ist in der Regel gute Praxis, da es reduziert das Gedächtnis jongliert Matlab zu tun hat, zweitens macht es es sehr einfach, die gemittelten Daten in eine Ausgabe die gleiche Größe wie Der Eingangsvektor Dies bedeutet, dass die gleiche Xaxis später für beide verwendet werden kann, was für das Plotten bequem ist, alternativ können die NaNs später in einer Zeile der Codeausgabeausgabe entfernt werden. Der variable MidPoint wird verwendet, um die Daten im Ausgangsvektor auszurichten Wenn n 10, 10 Punkte verloren gehen, weil für die ersten 9 Punkte des Eingangsvektors gibt es nicht genug Daten, um einen 10-Punkt-Durchschnitt zu nehmen Da die Ausgabe kürzer als die Eingabe ist, muss sie richtig ausgerichtet werden Verwendet werden, so dass eine gleiche Menge an Daten am Anfang und Ende verloren geht, und die Eingabe wird mit dem Ausgang durch die NaN-Puffer, die bei der Vorverteilung der Ausgabe erstellt werden, ausgerichtet. Für eine 1-Länge y - n Find-Indexbereich, um den Durchschnitt über den Urban zu berechnen Mittlere Ausgabe a MidPoint bedeutet yab end In der for-Schleife selbst wird ein Mittelwert über jedes aufeinanderfolgende Segment des Eingangs übernommen. Die Schleife läuft für eine, die als 1 bis zur Länge des Eingangs y definiert ist, abzüglich der Daten, die verloren werden sollen Die Eingabe ist 100 Punkte lang und n ist 10, die Schleife läuft von einem 1 bis 90. Dies bedeutet, dass a liefert den ersten Index des Segmentes gemittelt werden Der zweite Index b ist einfach ein n-1 Also bei der ersten Iteration, A 1 n 10 so b 11-1 10 Der erste Durchschnitt wird über yab oder x 1 10 übernommen. Der Durchschnitt dieses Segments, das ein einzelner Wert ist, wird in der Ausgabe bei Index a midPoint oder 1 5 6 gespeichert. Bei der zweiten Iteration , A 2 b 2 10-1 11 so wird der Mittelwert über x 2 11 übernommen und im Ausgang 7 gespeichert. Bei der letzten Iteration der Schleife für einen Eingang der Länge 100 wird ein 91 b 90 10-1 100, so dass der Mittelwert genommen wird Über x 91 100 und im Ausgang 95 gespeichert Diese verlässt die Ausgabe mit insgesamt n 10 NaN-Werten bei Index 1 5 und 96 100.Beispiele und Überlegungen Bewegliche Mittelwerte sind in einigen Situationen nützlich, aber sie Nicht immer die beste Wahl Hier sind zwei Beispiele, wo sie nicht unbedingt optimal sind. Mikrofonkalibrierung Dieser Satz von Daten repräsentiert die Pegel jeder Frequenz, die von einem Lautsprecher erzeugt und von einem Mikrofon mit einer bekannten linearen Antwort aufgezeichnet wird. Der Ausgang des Lautsprechers variiert mit Frequenz, aber wir können diese Variation mit den Kalibrierdaten korrigieren - die Ausgabe kann in der Höhe angepasst werden, um die Schwankungen in der Kalibrierung zu berücksichtigen. Nichts, dass die Rohdaten verrauscht sind - das bedeutet, dass eine kleine Frequenzänderung ein Erfordernis erfordert Groß, unregelmäßig, Veränderung in der Ebene zu berücksichtigen Ist dies realistisch Oder ist dies ein Produkt der Aufzeichnungsumgebung Es ist in diesem Fall sinnvoll, einen gleitenden Durchschnitt anzuwenden, der die Pegelfrequenzkurve glättet, um eine Eichkurve zu liefern, die etwas weniger unregelmäßig ist Aber warum ist das nicht optimal in diesem Beispiel. Mehrere Daten wären besser - Mehrere Kalibrierungen laufen gemittelt zusammen würden das Rauschen im System zerstören, solange es lief Dom und geben eine Kurve mit weniger subtilen Detail verloren Der gleitende Durchschnitt kann nur annähernd dies, und kann einige höhere Frequenz Dips und Peaks aus der Kurve, die wirklich existieren zu entfernen. Sine Wellen Mit einem gleitenden Durchschnitt auf Sinus Wellen hebt zwei Punkte. Der General Problem der Auswahl einer vernünftigen Anzahl von Punkten, um den Durchschnitt über. It s einfach, aber es gibt effektivere Methoden der Signalanalyse als Mittelung oszillierende Signale im Zeitbereich. In diesem Diagramm ist die ursprüngliche Sinuswelle in blau aufgezeichnet Lärm ist Hinzugefügt und geplottet als die orange Kurve Ein gleitender Durchschnitt wird bei verschiedenen Punkten durchgeführt, um zu sehen, ob die ursprüngliche Welle wiederhergestellt werden kann 5 und 10 Punkte liefern vernünftige Ergebnisse, aber don t entfernen das Lärm ganz, wo eine größere Anzahl von Punkten beginnen Verlieren Amplitude Detail, wie der Durchschnitt erstreckt sich über verschiedene Phasen erinnern die Welle oscilates um Null, und bedeuten -1 1 0.Ander alternativen Ansatz wäre, um ein Tiefpass-Filter zu konstruieren, als es sein kann Angewendet auf das Signal im Frequenzbereich Ich werde nicht ins Detail gehen, da es über den Rahmen dieses Artikels hinausgeht, aber da das Rauschen ist deutlich höhere Frequenz als die Wellen Grundfrequenz, wäre es ziemlich einfach in diesem Fall zu konstruieren Ein Tiefpass-Filter als wird die Hochfrequenz-Rauschen zu entfernen. Weighted Moving Averages Die Grundlagen. Unter den Jahren haben Techniker zwei Probleme mit dem einfachen gleitenden Durchschnitt gefunden Das erste Problem liegt im Zeitrahmen der gleitenden Durchschnitt MA Die meisten technischen Analysten glauben, dass Preis Aktion der Eröffnungs - oder Schlussbestandspreis, reicht nicht aus, um auf die ordnungsgemäße Vorhersage von Kauf - oder Verkaufssignalen der MA-Crossover-Aktion zu verzichten Um dieses Problem zu lösen, weisen die Analysten jetzt mehr Gewicht auf die aktuellsten Preisdaten zu, indem sie die exponentiell geglättete Bewegung verwenden Durchschnittliche EMA Erfahren Sie mehr bei der Erforschung der exponentiell gewogenen bewegten Durchschnitt. Ein Beispiel Zum Beispiel, mit einem 10-Tage-MA, ein Analytiker würde den Schlusskurs der 10. Da nehmen Y und vermehre diese Zahl um 10, der neunte Tag um neun, der achte Tag um acht und so weiter zum ersten der MA Sobald die Summe bestimmt worden ist, würde der Analytiker dann die Zahl durch die Addition der Multiplikatoren teilen Fügen Sie die Multiplikatoren der 10-Tage-MA-Beispiel, die Zahl ist 55 Dieser Indikator ist bekannt als die linear gewichteten gleitenden Durchschnitt Für verwandte Lesung, check out Simple Moving Averages machen Trends Stand Out. Many Techniker sind feste Gläubige in der exponentiell geglätteten gleitenden Durchschnitt EMA Dieser Indikator wurde in so vielen verschiedenen Weisen erklärt, dass er Studenten und Investoren gleichermaßen verwechselt. Vielleicht ist die beste Erklärung von John J Murphys s Technische Analyse der Finanzmärkte, veröffentlicht von der New York Institute of Finance, 1999. Die exponentiell geglättete Bewegung Durchschnittliche Adressen der beiden Probleme, die mit dem einfachen gleitenden Durchschnitt verbunden sind. Zuerst gibt der exponentiell geglättete Mittel ein größeres Gewicht den neueren Daten zu T ist ein gewichteter gleitender Durchschnitt Aber während er den vergangenen Preisdaten eine geringere Bedeutung zuweist, enthält er in seiner Berechnung alle Daten in der Lebensdauer des Instruments. Darüber hinaus ist der Benutzer in der Lage, die Gewichtung anzupassen, um ein größeres oder geringeres Gewicht zu geben Der jüngste Tag s Preis, der zu einem Prozentsatz des vorherigen Tages s Wert hinzugefügt wird Die Summe der beiden Prozentwerte addiert sich bis zu 100. Zum Beispiel könnte der letzte Tag s Preis ein Gewicht von 10 10 zugewiesen werden, die hinzugefügt wird Zu den vorherigen Tagen Gewicht von 90 90 Dies gibt den letzten Tag 10 der gesamten Gewichtung Dies wäre das Äquivalent zu einem 20-Tage-Durchschnitt, indem sie die letzten Tage Preis einen kleineren Wert von 5 05.Figure 1 Exponentiell geglättet Moving Average. Die obige Grafik zeigt den Nasdaq Composite Index von der ersten Woche im August 2000 bis zum 1. Juni 2001 Wie Sie deutlich sehen können, hat die EMA, die in diesem Fall die Schlusskursdaten über einen Zeitraum von neun Tagen verwendet, definitiv Verkaufssignale Am Sept. 8 markiert durch einen schwarzen Pfeil Dieser W Als der Tag, dass der Index unter dem 4.000 Level unterbrochen wurde Der zweite schwarze Pfeil zeigt ein weiteres Down-Bein, dass die Techniker tatsächlich erwartet haben Die Nasdaq konnte nicht genug Volumen und Interesse von den Einzelhandelsanlegern erzeugen, um die 3.000 Mark zu brechen. Dann tauchte sie wieder nach unten Um 1619 58 am 4. April Der Aufwärtstrend vom 12. April ist durch einen Pfeil markiert Hier wurde der Index bei 1.961 46 geschlossen, und Techniker begannen, institutionelle Fondsmanager zu sehen, die anfangen, einige Schnäppchen wie Cisco, Microsoft und einige der energiebezogenen Probleme aufzuheben Lesen Sie unsere verwandten Artikel Moving Average Envelopes Refining ein beliebtes Trading-Tool und Moving Average Bounce. A Umfrage von der Vereinigten Staaten Bureau of Labor Statistics durchgeführt, um zu helfen, Stellenangebote zu sammeln Es sammelt Daten von Arbeitgebern. Die maximale Höhe der Gelder der Vereinigten Staaten können leihen Schuldenobergrenze wurde unter dem Zweiten Freiheits-Anleihe-Gesetz geschaffen. Der Zinssatz, bei dem ein Depotinstitut Geld an der Federal Reserve an einen anderen d Epository institution.1 Eine statistische Maßnahme für die Streuung der Renditen für eine gegebene Sicherheit oder Marktindex Volatilität kann entweder gemessen werden. Eine Handlung der US-Kongress verabschiedet 1933 als Bankengesetz, die Geschäftsbanken von der Teilnahme an der Investition verboten. Nonfarm Gehaltsabrechnung verboten Bezieht sich auf jeden Job außerhalb von Bauernhöfen, privaten Haushalten und dem gemeinnützigen Sektor Das US Bureau of Labor.
No comments:
Post a Comment