Moving Average. This Beispiel lehrt Sie, wie man den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten Peaks und Täler zu glätten, um Trends leicht zu erkennen.1 Zuerst lassen Sie uns einen Blick auf unsere Zeitreihe Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis finden Sie die Schaltfläche Datenanalyse Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Gleitender Durchschnitt und klicken Sie auf OK.4 Klicken Sie in das Feld Eingabebereich und wählen Sie den Bereich B2 M2 aus. 5 Klicken Sie in das Feld Intervall und geben Sie ein. 6.6 Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3.8 Zeichnen Sie einen Graphen dieser Werte. Erläuterung, weil wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der vorherigen 5 Datenpunkte und Der aktuelle Datenpunkt Als Ergebnis werden Spitzen und Täler geglättet. Der Graph zeigt einen zunehmenden Trend Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da es nicht genügend vorherige Datenpunkte gibt.9 Wiederholen Sie die Schritte 2 bis 8 für das Intervall 2 Und Intervall 4.Conclusion Die la Rger das Intervall, je mehr die Gipfel und Täler geglättet werden Je kleiner das Intervall ist, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. EMA Wie man es berechnet. Kalkulieren Exponential Moving Average - ein Tutorial. Exponetial Moving Average EMA kurz Ist einer der am häufigsten verwendeten Indikatoren in der technischen Analyse heute Aber wie berechnen Sie es für sich selbst, mit einem Papier und einem Stift oder bevorzugte ein Tabellenkalkulationsprogramm Ihrer Wahl Lassen Sie sich in dieser Erklärung der EMA Berechnung. Calculating Exponential Moving Average EMA Ist natürlich selbstverständlich von den meisten handels - und technikanalyse-software da draußen heute. Hier ist, wie man es manuell berechnet, was auch das Verständnis auf, wie es funktioniert. In diesem Beispiel werden wir berechnen EMA für einen Preis von einer Aktie Wir wollen Eine 22-tägige EMA, die ein gemeinsamer Zeitrahmen für eine lange EMA ist. Die Formel für die Berechnung der EMA ist wie folgt. EMA Preis tk EMA y 1 kt heute, y gestern, N Anzahl der Tage in EMA, k 2 N 1.Verwendung T Er folgst Schritte zur Berechnung eines 22-tägigen EMA.1 Beginnen Sie mit der Berechnung von k für den vorgegebenen Zeitrahmen 2 22 1 0,0869.2 Fügen Sie die Schlusskurse für die ersten 22 Tage zusammen und teilen Sie sie mit 22.3 Sie sind jetzt bereit, die erste EMA zu starten Tag, indem Sie den folgenden Tag s Tag 23 Schlusskurs multipliziert mit k dann multiplizieren Sie den vorherigen Tag g gleitenden Durchschnitt von 1-k und fügen Sie die beiden.4 Schritt 3 über und über für jeden Tag, der folgt, um die volle Palette von EMA zu bekommen. Dies kann natürlich in Excel oder eine andere Tabellenkalkulation Software, um den Prozess der Berechnung von EMA semi-automatic. To geben Ihnen eine algorithmische Sicht auf, wie dies erreicht werden kann, siehe unten. public float CalculateEMA float todaysPrice, float numberOfDays, Float EMAYesterday float k 2 numberOfDays 1 Rückkehr todaysPrice k EMAYesterday 1 k. This Methode würde typischerweise aus einer Schleife durch Ihre Daten aufgerufen werden, so etwas aussehen. foreach DailyRecord sdr in DataRecords rufen die EMA Berechnung ema numberOfDays, gesternEMA Setzen Sie die berechnete ema in ein Array ema stellen Sie sicher, dass gesternemA mit der EMA gefüllt wird, die wir dieses Mal um gesternEMA ema. Note, dass dies psuedo Code ist, müssen Sie in der Regel müssen die gestern CLOSE Wert als gesternEMA senden, bis die gesternemA von heute s berechnet wird EMA Das passiert nur, nachdem die Schleife mehr Tage gelaufen ist als die Anzahl der Tage, an denen du deine EMA berechnet hast. Für eine 22-tägige EMA ist es nur auf die 23 Mal in der Schleife und danach, dass die gestern EMA ema gültig ist Keine große Sache, da Sie Daten von mindestens 100 Handelstagen für einen 22-tägigen EMA benötigen, um gültig zu sein. Related Posts. I haben einen kontinuierlichen Wert, für den ich gern einen exponentiellen gleitenden Durchschnitt berechnen würde Normalerweise habe ich nur den Standard benutzt Formel für diese. wo S n ist der neue Durchschnitt, ist die Alpha, Y ist die Probe, und S n-1 ist der vorherige Durchschnitt. Unterfalls wegen der verschiedenen Fragen habe ich keine konsequente Probe Zeit kann ich wissen, ich kann Probe am meisten, sagen, einmal pro Millisekunde, Aber wegen der Faktoren aus meiner Kontrolle, kann ich nicht in der Lage sein, eine Probe für mehrere Millisekunden zu einer Zeit Ein wahrscheinlicher häufiger Fall ist jedoch, dass ich einfache Probe ein bisschen früh oder spät statt Probenahme bei 0, 1 und 2 ms Ich Probe bei 0, 0 9 und 2 1 ms Ich erwarte, dass, unabhängig von Verzögerungen, meine Sampling-Frequenz weit, weit über dem Nyquist-Limit, und so brauche ich mir keine Sorgen über Aliasing. Ich rechne, dass ich umgehen kann Mit diesem in einer mehr oder weniger vernünftigen Weise durch Variation der Alpha passend, basierend auf der Länge der Zeit seit dem letzten sample. Part meiner Argumentation, dass dies funktioniert, ist, dass die EMA linear zwischen dem vorherigen Datenpunkt und dem aktuellen interpoliert Wenn wir die Berechnung einer EMA der folgenden Stichprobenliste in Abständen t 0,1,2,3,4 betrachten, sollten wir das gleiche Ergebnis erhalten, wenn wir das Intervall 2t verwenden, wo die Eingänge 0,2,4 werden, rechts EMA hatte angenommen, dass bei t 2 der Wert 2 war, da t 0 das gleiche wie die Intervall t Berechnungsberechnung wäre Ting auf 0,2,2,4,4, was es nicht tut Oder macht das überhaupt Sinn. Kann jemand mir sagen, wie man das Alpha passend variieren Bitte zeigen Sie Ihre Arbeit Ich zeige mir die Mathematik, die beweist, dass Ihre Methode Echt tut das Richtige Thinked Jun 21 09 bei 13 05.Sie sollten nicht die gleiche EMA für verschiedene Eingabe Denken Sie an EMA als Filter, Sampling bei 2t ist gleichbedeutend mit Down-Sampling, und der Filter wird ein anderes geben Ausgabe Das klar für mich seit 0,2,4 enthält höhere Frequenzkomponenten als 0,1,2,3,4 Sofern nicht die Frage ist, wie ändere ich den Filter auf der Fliege, um es die gleiche Ausgabe zu geben. Vielleicht fehlt mir das Etwas freespace Jun 21 09 bei 15 52. Aber die Eingabe ist nicht anders, es ist nur selten abgetastet 0,2,4 in Intervallen 2t ist wie 0,, 2,, 4 in Intervallen t, wo das anzeigt, dass die Probe ist Ignoriert Curt Sampson Jun 21 09 bei 23 45.Diese Antwort basiert auf meinem guten Verständnis von Tiefpass-Filter exponentiell gleitenden Durchschnitt ist wirklich nur ein einpoliger Tiefpassfilter, Aber mein dunstiges Verständnis von dem, was du suchst Ich denke, das folgende ist, was du willst. Erstens kannst du deine Gleichung vereinfachen ein bisschen komplizierter, aber es ist einfacher in Code Ich gehe Y für Ausgabe und X für Eingabe verwenden Anstelle von S für Ausgang und Y für die Eingabe, wie Sie getan haben. Zweitens ist der Wert hier gleich 1-e - t wobei t die Zeit zwischen den Samples ist und die Zeitkonstante des Tiefpaßfilters ist Gleich in Anführungszeichen, denn das funktioniert gut, wenn t klein ist, verglichen mit 1 und 1-e-tt Aber nicht zu klein werden Sie in Quantisierungsprobleme laufen, und wenn Sie nicht auf einige exotische Techniken zurückgreifen, benötigen Sie in der Regel eine zusätzliche N Bits der Auflösung in Ihre Zustandsvariable S, wobei N-log 2 Für größere Werte von t der Filtereffekt beginnt zu verschwinden, bis du zu dem Punkt kommst, wo nahe bei 1 und du bist im Grunde nur die Zuweisung der Eingabe an die Ausgabe. This sollte ordnungsgemäß funktionieren Variable Werte von t die Variation von t ist nicht sehr wichtig, solange Alpha klein ist, othe Wenn du an einem Prozessor arbeitet, bei dem die Multiplikation billiger ist als die Teilung, oder die Fixpunkt-Themen sind wichtig, precalkulieren 1 und erwägen, die Formel zu formen. Wenn du bist Möchte wirklich wissen, wie man die Formulierung ableiten kann. Wenn man seine Differentialgleichungsquelle betrachtet, wenn X eine Einheitsschrittfunktion ist, hat die Lösung Y & sub1; - e - t Für kleine Werte von t kann die Ableitung durch Yt angenähert werden , Nachgiebigkeit und die Extrapolation von 1-e-t kommt aus dem Versuch, das Verhalten mit dem Unit-Step-Funktionsfall zusammenzufassen. Sollten Sie bitte auf das Versuchen, das Verhalten Teil, das ich verstehen, Ihre kontinuierliche Lösung Y 1 - Exp-t und seine Verallgemeinerung zu einer skalierten Schrittfunktion mit Größe x und Anfangsbedingung y 0 aber ich sehe nicht, wie man diese Ideen zusammenbringt, um dein Ergebnis zu erreichen Rhys Ulerich 4. Mai 13 um 22 34. Dies ist keine vollständige Antwort, Aber kann der Anfang von einem sein S so weit ich mit diesem in einer Stunde oder so des Spiels bekomme ich es als ein Beispiel von dem, was ich suche, und vielleicht eine Inspiration für andere, die an dem Problem arbeiten. Ich beginne mit S 0, was das durchschnittliche Ergebnis ist Aus dem vorherigen Durchschnitt S & sub1; und dem Abtastwert Y & sub0 ;, das bei t & sub0; t & sub1; - t & sub0; genommen wird, ist mein Abtastintervall und ist auf alles eingestellt, was für dieses Abtastintervall geeignet ist, und die Periode, über die ich durchschnittlich sein möchte. Ich überlegte, was passiert Wenn ich die Probe bei t 1 vermisse und stattdessen mit der Probe Y 2, die bei t 2 genommen wird, machen kann, können wir beginnen, indem wir die Gleichung erweitern, um zu sehen, was wäre passiert, wenn wir Y gehabt hätten. Ich merke, dass die Serie Scheint sich auf diese Weise unendlich zu verlängern, weil wir das S n in der rechten Seite unendlich ersetzen können. Ok, also ist es nicht wirklich ein Polynom dumm mich, aber wenn wir den Anfangszeitpunkt um eins multiplizieren, sehen wir dann ein Muster. Hm es ist eine exponentielle Serie Quelle Überraschung Stellen Sie sich vor, dass aus der Gleichung für eine exponentielle gleitenden Durchschnitt. So ein Yway, ich habe diese x 0 x 1 x 2 x 3 Ding gehen, und ich bin sicher, ich bin riechen e oder ein natürlicher Logarithmus hier herum, aber ich kann mich nicht erinnern, wo ich war weiter, bevor ich lief aus der Zeit Antwort auf diese Frage, oder ein Beweis für die Richtigkeit einer solchen Antwort, hängt in hohem Maße von den Daten, die Sie messen. Wenn Ihre Proben wurden bei t 0 0ms t 1 0 9ms und t 2 2 1ms, aber Ihre Wahl ist auf 1 basiert - ms-Intervalle, und deshalb wünschst du einen lokal angepassten n den Nachweis der Korrektheit der Wahl würde bedeuten, dass die Sample-Werte bei t 1ms und t 2ms. This führt zu der Frage Kannst du interpolieren Sie Ihre Daten resonably, um gesunde Vermutungen von was haben Zwischen-Werte hätten sein können Oder kannst du sogar den Durchschnitt selbst interpolieren. Wenn keiner von diesen möglich ist, dann ist die logische Wahl eines Zwischenwertes Yt, soweit ich sie sehe, der zuletzt berechnete Durchschnitt, dh Y T s n wobei n maxmial ist, so dass tn t. This Wahl hat eine einfache Konsequenz Lassen Sie alleine, egal was die Zeit Unterschied war. Wenn auf der anderen Seite ist es möglich, Ihre Werte zu interpolieren, dann wird dies Ihnen averagable Konstante-Intervall-Samples Schließlich, wenn es sogar möglich ist, den Durchschnitt selbst zu interpolieren, das würde die Frage sinnlos. answered Jun 21 09 at 15 08.balpha 27 2k 10 87 118.Ich würde denken, dass ich meine Daten interpolieren kann, da ich es in diskreten Intervallen probiere, ich mache das schon mit einer Standard-EMA sowieso, nehme an, dass ich einen Beweis brauche, der zeigt Es funktioniert ebenso wie eine Standard-EMA, die auch ein falsches Ergebnis produzieren wird, wenn sich die Werte nicht reibungslos zwischen den Probenperioden ändern. Curt Sampson Jun 21 09 at 15 21. Aber das s, was ich sage Wenn du die EMA ansest Interpolation deiner Werte, du bist fertig, wenn du Alpha verlässt, wie es ist, weil man den letzten Durchschnitt einbringt, da Y nicht den Durchschnitt ändert Wenn du sagst, du brauchst etwas, das funktioniert, sowie eine Standard-EMA - was ist falsch mit dem Original Es sei denn, Sie haben mehr Informationen abou T die Daten, die Sie messen, werden alle lokalen Anpassungen an Alpha am besten willkürlich balpha Jun 21 09 bei 15 31. Ich würde den Alpha-Wert alleine verlassen und füllen Sie die fehlenden Daten. Seit Sie don t wissen, was passiert während der Zeit Wenn Sie t Probe, können Sie füllen diese Samples mit 0s, oder halten Sie den vorherigen Wert stabil und verwenden Sie diese Werte für die EMA oder einige Rückwärts-Interpolation, sobald Sie eine neue Probe haben, füllen Sie die fehlenden Werte, und neu zu berechnen die EMA. What Ich versuche zu bekommen, Sie haben eine Eingabe xn, die Löcher hat Es gibt keine Möglichkeit, um die Tatsache, dass Sie fehlende Daten zu bekommen So können Sie eine Null-Order halten, oder setzen Sie es auf Null, oder eine Art von Interpolation zwischen xn Und xn M wobei M die Anzahl der fehlenden Samples und n der Anfang der Lücke ist Möglicherweise sogar mit Werten vor n. answered Jun 21 09 bei 13 35.From verbringen eine Stunde oder so mucking ein bisschen mit der Mathematik für diese, ich Denke, dass einfach variieren die Alpha wird mir tatsächlich die richtige Interpolation zwischen den beiden Punkte, die du redest, aber in einer viel einfacheren Art und Weise Weiterhin denke ich, dass das Variieren des Alphas auch mit Proben zwischen den Standard-Sampling-Intervallen umgehen wird. Mit anderen Worten, ich suche nach dem, was du beschrieben hast, aber versuch, Mathe zu benutzen Herauszufinden, die einfache Möglichkeit, es zu tun Curt Sampson Jun 21 09 um 14 07. Ich glaube nicht, dass es ein solches Tier als richtige Interpolation gibt Sie einfach nicht wissen, was passiert in der Zeit, die Sie nicht probieren Gute und schlechte Interpolation impliziert einige Kenntnisse Von dem, was du vermisst hast, da musst du dagegen messen, um zu beurteilen, ob eine Interpolation gut oder schlecht ist, obwohl du gesagt hast, kannst du Einschränkungen setzen, dh mit maximaler Beschleunigung, Geschwindigkeit, etc. Ich denke, wenn du weißt, wie man die fehlenden Daten modelliert , Dann würden Sie nur modellieren die fehlenden Daten, dann wenden Sie die EMA-Algorithmus ohne Änderung, anstatt zu ändern Alpha Nur meine 2c freespace Jun 21 09 um 14 17.Das ist genau das, was ich war in meine Bearbeitung auf die Frage 15 Minuten Sie haben einfach d Auf t wissen, was passiert in der Zeit, die Sie nicht probieren, aber das ist wahr, auch wenn Sie Probe in jedem bestimmten Intervall So meine Nyquist Kontemplation so lange, wie Sie wissen, die Wellenform nicht ändern Richtungen mehr als alle paar Proben, die tatsächliche Stichprobenintervall sollte nicht messen und sollte in der Lage sein zu variieren Die EMA-Gleichung scheint mir genau zu berechnen, als ob sich die Wellenform linear vom letzten Sample-Wert zum aktuellen Curt Sampson am 21. Juni 09 um 14 ändern würde. Ich denke das nicht Ist ganz richtig Nyquist s Theorem erfordert erfordert mindestens 2 Samples pro Periode in der Lage sein, eindeutig identifizieren das Signal Wenn Sie don t tun, dass Sie Aliasing Es wäre das gleiche wie Sampling als fs1 für eine Zeit, dann fs2, dann zurück Zu fs1, und du bekommst Aliasing in den Daten, wenn du mit fs2 probierst, wenn fs2 unterhalb der Nyquist-Grenze ist, muss ich auch gestehen, dass ich nicht verstehe, was du mit Wellenformänderungen von der letzten Probe bis zur Gegenwart meint. Könnten Sie bitte Cheers, Steve erklären Freiraum Jun 21 09 at 14 36. Dies ist ähnlich wie ein offenes Problem auf meiner todo-Liste Ich habe ein Schema in gewissem Umfang ausgearbeitet, aber nicht mathematisch arbeiten, um diesen Vorschlag noch zu unterstützen. Update Zusammenfassung Möchte den Glättungsfaktor alpha unabhängig halten Des Ausgleichsfaktors, den ich hier als Beta bezeichne, Jason's exzellente Antwort, die hier bereits akzeptiert wurde, funktioniert für mich groß. Wenn du auch die Zeit messen kannst, seit die letzte Probe in abgerundeten Vielfachen deiner konstanten Probenahmezeit aufgenommen wurde, also 7 8 ms seitdem Letzte Probe wäre 8 Einheiten, die verwendet werden könnten, um die Glättung mehrfach anwenden Bewerben Sie die Formel 8 mal in diesem Fall Sie haben effektiv eine Glättung voreingenommen mehr auf den aktuellen Wert. Um eine bessere Glättung, müssen wir die Alpha zu optimieren Bei der Anwendung der Formel 8 mal im vorherigen Fall. Was wird diese Glättung Annäherung miss. It hat bereits 7 Samples im Beispiel oben verpasst. This wurde in Schritt 1 mit einer abgeflachten Wiederanwendung der aktuellen va angenähert Lue eine zusätzliche 7 mal. Wenn wir einen Näherungsfaktor Beta definieren, der zusammen mit alpha als Alpha-Beta statt nur Alpha angewendet wird, werden wir davon ausgehen, dass sich die 7 verpassten Samples zwischen den bisherigen und aktuellen Samplewerten reibungslos veränderten 21 09 bei 13 35. Ich habe darüber nachgedacht, aber ein bisschen mucking mit der Mathematik hat mich auf den Punkt, wo ich glaube, dass, anstatt die Formel acht Mal mit dem Stichprobenwert, kann ich eine Berechnung von ein Neue Alpha, die es mir erlauben, die Formel einmal anzuwenden, und geben mir das gleiche Ergebnis Darüber hinaus würde dies automatisch mit der Frage der Proben versetzt aus genauen Beispielzeiten Curt Sampson Jun 21 09 bei 13 47. Die einzige Anwendung ist gut Was ich Bin mir doch nicht sicher, wie gut ist die Annäherung der 7 fehlenden Werte Wenn die kontinuierliche Bewegung den Wert Jitter viel über die 8 Millisekunden macht, können die Approximationen ganz aus der Realität liegen. Aber dann, wenn du bei 1ms höchster reso sampftest Lution exklusive der verspäteten muster hast du schon den jitter innerhalb von 1ms gedacht, ist nicht relevant Ist diese Überlegungsarbeit für dich Ich versuche mich immer noch zu überzeugen nik Jun 21 09 um 14 08.Right Das ist der Faktor Beta aus meiner Beschreibung Ein Beta-Faktor wäre Auf der Grundlage des Differenzintervalls und der aktuellen und früheren Samples berechnet werden. Das neue Alpha wird Alpha-Beta sein, aber es wird nur für diese Probe verwendet werden. Während du das Alpha in der Formel zu bewegen scheinst, neige ich zu einem konstanten Alpha-Glättungsfaktor und einem Selbstständig berechneten Beta ein Stimmfaktor, der Proben kompensiert gerade verpasst gerade jetzt nik Jun 21 09 bei 15 23.
No comments:
Post a Comment