Moving Average En Konvolusie

Die wetenskaplike en ingenieurs Guide to Digital Signal Processing Deur Steven W. Smith, Ph. D. Hoofstuk 15: Moving Gemiddelde filters Familielede van die bewegende gemiddelde filter in 'n perfekte wêreld, sal filter ontwerpers net te doen het met die tyd domein of frekwensiegebied geënkodeerde inligting, maar nooit 'n mengsel van die twee in dieselfde sein. Ongelukkig is daar is 'n paar programme waar beide domeine is gelyktydig belangrik. Byvoorbeeld, televisie seine val in hierdie nare kategorie. Video inligting word geïnkripteer in die tydgebied, dit wil sê die vorm van die golfvorm ooreenstem met die patrone van helderheid in die beeld. Maar tydens die oordrag van die video sein behandel volgens die frekwensie samestelling, soos sy totale bandwydte, hoe die draer golwe vir klank amp kleur bygevoeg, uitskakeling amp herstel van die DC-komponent, ens As 'n voorbeeld, elektromagnetiese interferensie word die beste verstaan ​​word in die frekwensiegebied, selfs al is die seine inligting ingebou in die tydgebied. Byvoorbeeld, kan die temperatuur monitor in 'n wetenskaplike eksperiment word besmet is met 60 hertz van die kraglyne, 30 kHz uit 'n skakel kragbron, of 1320 kHz uit 'n plaaslike AM radiostasie. Familielede van die bewegende gemiddelde filter het 'n beter frekwensiedomein prestasie, en kan nuttig wees in hierdie gemengde domein aansoeke wees. Meervoudige pas bewegende gemiddelde filters behels verby die insetsein deur 'n bewegende gemiddelde filter twee of meer keer. Figuur 15-3a toon die algehele filter kern as gevolg van een, twee en vier passe. Twee passe is gelykstaande aan die gebruik van 'n driehoekige filter kern (n vierkantige filter kern gekonvuleerde met homself). Na vier of meer verby, die ekwivalent filter kern lyk soos 'n Gaussiese (onthou die sentrale limietstelling). Soos getoon in (b), verskeie passe produseer 'n s gevorm stap reaksie, in vergelyking met die reguit lyn van die enkele slaag. Die frekwensie response in (c) en (d) word gegee deur vergelyking. 15-2 met homself vermenigvuldig vir elke slaag. Dit wil sê, elke keer domein konvolusie resultate in 'n vermenigvuldiging van die frekwensie spektrum. Figuur 15-4 toon die frekwensieweergawe van twee ander familielede van die bewegende gemiddelde filter. Wanneer 'n suiwer Gaussiese word gebruik as 'n filter kern, die frekwensieweergawe is ook 'n Gaussiese, soos bespreek in Hoofstuk 11. Die Gaussiese is belangrik, want dit is die impulsrespons van baie natuurlike en mensgemaakte stelsels. Byvoorbeeld, sal 'n kort pols van lig wat 'n lang optiese vesel transmissielyn verlaat as 'n Gaussiese pols, te danke aan die verskillende paaie wat deur die fotone binne die vesel. Die Gaussiese filter kern is ook op groot skaal in beeldverwerking, want dit het 'n unieke eienskappe wat vinnig tweedimensionele convolutions (sien Hoofstuk 24) toelaat. Die tweede frekwensieweergawe in Fig. 15-4 ooreenstem met behulp van 'n Blackman venster as 'n filter kern. (Die venster term het geen betekenis hier is dit net deel van die aanvaarde naam van hierdie kurwe). Die presiese vorm van die venster Blackman word in Hoofstuk 16 (Vgl. 16-2, Fig. 16-2) maar dit lyk baie soos 'n Gaussiese. Hoe is hierdie familie van die bewegende gemiddelde filter beter as die bewegende gemiddelde filter self drie maniere: Eerstens, en belangrikste, hierdie filters het 'n beter stopband attenuasie as die bewegende gemiddelde filter. Tweedens, die filter pitte taps tot 'n kleiner amplitude naby die einde. Onthou dat elke punt in die uitsetsein is 'n geweegde som van 'n groep van die monsters van die insette. As die filter kern goewerneur, is monsters in die insetsein wat verder weg is gegee minder gewig as dié naby. Derde, die stap antwoorde is glad krommes, eerder as om die skielike reguit lyn van die bewegende gemiddelde. Hierdie laaste twee is gewoonlik van beperkte voordeel, maar jy aansoeke waar hulle is ware voordele kan vind. Die bewegende gemiddelde filter en sy familie is almal oor dieselfde op die vermindering van ewekansige geluid terwyl die handhawing van 'n skerp stap reaksie. Die dubbelsinnigheid lê in hoe die risetime van die stap reaksie is gemeet. As die risetime gemeet van 0 tot 100 van die stap, die bewegende gemiddelde filter is die beste wat jy kan doen, soos voorheen aangetoon. In vergelyking, meet die risetime 10-90 maak die venster Blackman beter as die bewegende gemiddelde filter. Die punt is, dit is net teoretiese gekibbel oorweeg hierdie filters gelyke in hierdie parameter. Die grootste verskil in hierdie filters is uitvoering spoed. Met behulp van 'n rekursiewe algoritme (volgende beskryf), sal die bewegende gemiddelde filter loop soos 'n weerligstraal in jou rekenaar. Trouens, dit is die vinnigste digitale filter beskikbaar. Veelvuldige passe van die bewegende gemiddelde sal dienooreenkomstig stadiger, maar nog steeds baie vinnig wees. In vergelyking, die Gaussiese en Blackman filters is tergend stadig, want hulle konvolusie moet gebruik. Dink 'n faktor van tien keer die aantal punte op die filter-kern (wat gebaseer is op vermenigvuldiging word sowat 10 keer stadiger as toevoeging). Byvoorbeeld, verwag 'n 100 punt Gauss 1000 keer stadiger as 'n bewegende gemiddelde gebruik van recursion. The Scientist en Ingenieurs Guide to Digital Signal Processing Deur Steven W. Smith, Ph. D. Soos die naam aandui, die bewegende gemiddelde filter bedryf deur gemiddeld 'n aantal punte van die insetsein aan elke punt in die uitsetsein produseer. In vergelyking vorm, dit is geskrywe: Waar is tog die insetsein, is die uitset sein, en M is die aantal punte in die gemiddelde. Byvoorbeeld, in 'n 5 punt bewegende gemiddelde filter, punt 80 in die uitsetsein word gegee deur: As 'n alternatief, kan die groep punte van die insetsein simmetries gekies om die uitset punt: Dit stem ooreen met die verandering van die opsomming in vergelyking . 15-1 van: J 0 tot M -1 aan: J - (M -1) / 2 tot (m -1) / 2. Byvoorbeeld, in 'n 10 punt bewegende gemiddelde filter, die indeks, j. kan loop 0-11 (een kant gemiddelde) of -5 tot 5 (simmetriese gemiddelde). Simmetriese gemiddelde vereis dat M wees 'n onewe getal. Programmering is 'n bietjie makliker met die punte op slegs een kant egter hierdie produseer 'n relatiewe verskuiwing tussen die inset en uitset seine. Jy moet besef dat die bewegende gemiddelde filter is 'n konvolusie gebruik van 'n baie eenvoudige filter kern. Byvoorbeeld, 'n 5 punt filter het die filter kern; 82300, 0, 1/5, 1/5, 1/5, 1/5, 1/5, 0, 08230. Dit is die bewegende gemiddelde filter is 'n konvolusie van die insetsein met 'n vierkantige pols met 'n oppervlakte van een. Tabel 15-1 toon 'n program om die bewegende gemiddelde filter.29 September 2013 implementeer Moving gemiddeld konvolusie Wat is bewegende gemiddelde en wat is dit goed vir Hoe beweeg gemiddelde gedoen deur die gebruik van konvolusie bewegende gemiddeldes 'n eenvoudige operasie gewoonlik gebruik om te onderdruk Hoor, 'n sein: stel ons die waarde van elke punt aan die gemiddeld van die waardes in die buurt. Deur 'n formule: Hier x is die insette en y is die uittreesein, terwyl die grootte van die venster is w, veronderstel vreemd te wees. Die formule hierbo beskryf 'n simmetriese werking: die monsters geneem word van beide kante van die werklike punt. Hier is 'n werklike lewe voorbeeld. Die punt waarop die venster eintlik gelê is rooi. Waardes buite x veronderstel is om nulle wees: om te speel en sien die gevolge van bewegende gemiddelde, 'n blik op hierdie interaktiewe demonstrasie. Hoe om dit te doen deur konvolusie Soos jy dalk herken het, die berekening van die eenvoudige bewegende gemiddelde is soortgelyk aan die konvolusie: in beide gevalle 'n venster is gegly langs die sein en die elemente in die venster word opgesom. So, gee dit 'n probeer om dieselfde ding te doen deur gebruik te maak van konvolusie. Gebruik die volgende parameters: Die verlangde uitset is: As eerste benadering, laat ons probeer om dit wat ons kry deur convolving die x sein deur die volgende k kern: Die uitset is presies drie keer groter as die verwagte. Dit kan ook gesien word dat die uitset waardes is die opsomming van die drie elemente in die venster. Dit is as gevolg tydens konvolusie die venster gly langs, al die elemente daarin word vermenigvuldig met een en dan opgesom: yk 1 cdot x 1 cdot x 1 cdot x Om die gewenste waardes van y kry. die uitset sal verdeeld wees teen 3: deur 'n formule insluitende die afdeling: Maar sou dit nie wees optimale om die afdeling te doen tydens konvolusie Hier kom die idee deur herrangskik die vergelyking: So sal ons die volgende k kern gebruik: In hierdie manier waarop ons sal kry die verlangde uitset: In die algemeen: as ons wil doen bewegende gemiddelde deur konvolusie 'n venster grootte van w. Ons sal gebruik maak van die volgende k kern: 'n eenvoudige funksie doen die bewegende gemiddelde is: 'n Voorbeeld gebruik is: Moving gemiddelde in Statistiek. 'n bewegende gemiddelde. ook bekend as rollende gemiddelde. beweeg gemiddelde. rollende gemiddelde. gly tydelike gemiddelde. of hardloop gemiddelde. is 'n soort van eindige impulsrespons filter wat gebruik word om 'n stel datapunte analiseer deur die skep van 'n reeks van gemiddeldes van verskillende onderafdelings van die volle datastel. Gegewe 'n reeks van getalle en 'n vaste subset grootte, word die eerste element van die bewegende gemiddelde verkry deur die gemiddelde van die aanvanklike vaste subset van die aantal reeks. Toe die subset is gewysig deur die verskuiwing na vore, dit is, met uitsluiting van die eerste getal van die reeks en met die volgende getal na die oorspronklike subset in die reeks. Dit skep 'n nuwe subset van getalle, wat gemiddeld. Hierdie proses word herhaal oor die hele data-reeks. Die plot lyn verbind al die (vaste) gemiddeldes is die bewegende gemiddelde. 'N bewegende gemiddelde is 'n versameling getalle, elk van wat is die gemiddelde van die ooreenstemmende subset van 'n groter stel datum punte. 'N bewegende gemiddelde kan ook gebruik ongelyke gewigte vir elke datum waarde in die subset om bepaalde waardes te beklemtoon in die subset. 'N bewegende gemiddelde is algemeen gebruik word met tydreeksdata te stryk korttermynskommelings en na vore te bring die langer termyn tendense of siklusse. Die drumpel tussen korttermyn - en langtermyn hang af van die aansoek, en die parameters van die bewegende gemiddelde dienooreenkomstig opgestel. Byvoorbeeld, is dit dikwels gebruik in tegniese ontleding van finansiële data, soos aandele pryse. opbrengste of verhandelingsvolumes. Dit word ook gebruik in die ekonomie tot die bruto binnelandse produk, diens of ander makro-ekonomiese tydreekse ondersoek. Wiskundig n bewegende gemiddelde is 'n tipe van konvolusie en dus is dit kan gesien word as 'n voorbeeld van 'n laaglaatfilter gebruik in seinverwerking. Wanneer dit gebruik word met 'n nie-tydreeksdata, 'n bewegende gemiddelde filters hoër frekwensie komponente sonder enige spesifieke verbinding met tyd, hoewel tipies 'n soort van bestel word geïmpliseer. Beskou simplisties kan dit beskou word as glad die data. Inhoud Eenvoudige bewegende gemiddelde wysig 'n eenvoudige bewegende gemiddelde (SMA) is die ongeweegde gemiddelde van die vorige N datum punte in die finansiële programme. Maar in wetenskap en ingenieurswese die gemiddelde is gewoonlik geneem uit 'n gelyke aantal data aan weerskante van 'n sentrale waarde. Dit verseker dat variasies in die gemiddelde is in lyn met die verskille in die data eerder as verskuif in die tyd. 'N Voorbeeld van 'n eenvoudige ewe geweegde hardloop beteken vir 'n N-dag monster van sluitingsprys is die gemiddeld van die vorige N dae sluiting pryse. As die pryse is dan die formule By die berekening van opeenvolgende waardes, 'n nuwe waarde in werking die som en 'n ou waarde druppels uit, wat beteken dat 'n volledige opsomming elke keer is onnodig vir hierdie eenvoudige geval, die geselekteerde periode hang af van die tipe beweging van rente, soos kort, intermediêre, of langtermyn. In finansiële terme bewegende gemiddelde vlakke kan geïnterpreteer word as ondersteuning in 'n stygende mark, of weerstand in 'n dalende mark. As die gebruik van data nie gesentreer rondom die gemiddelde, 'n eenvoudige bewegende gemiddelde loop agter die jongste datum punt deur die helfte van die breedte monster. 'N SBG kan ook buite verhouding beïnvloed word deur ou datum punte val uit of nuwe data inkom. Een eienskap van die SMA is dat as die data het 'n periodieke skommeling, dan aansoek doen 'n SMA van daardie tydperk sal dit variasie (die gemiddelde altyd met skakel een volledige siklus). Maar 'n perfek gereelde siklus is selde teëgekom. 1 Vir 'n aantal aansoeke is dit voordelig om die verskuiwing veroorsaak deur die gebruik van slegs die verlede data te vermy. Vandaar 'n sentrale bewegende gemiddelde kan bereken word, met behulp van data eweredig gespasieerde weerskante van die punt in die reeks waar die gemiddelde bereken word. Dit vereis die gebruik van 'n onewe aantal datum punte in die monster venster. Kumulatiewe bewegende gemiddelde wysig In 'n kumulatiewe bewegende gemiddelde. die data kom in 'n geordende datum stroom en die statistikus wil die gemiddeld van al die data op te staan ​​tot die huidige datum punt. Byvoorbeeld, kan 'n belegger wil die gemiddelde prys van al die voorraad transaksies vir 'n bepaalde voorraad tot die huidige tyd. Soos elke nuwe transaksie plaasvind, kan die gemiddelde prys ten tyde van die transaksie word bereken vir al die transaksies tot op daardie punt met behulp van die kumulatiewe gemiddelde, tipies 'n ewe geweegde gemiddelde van die volgorde van i waardes x 1. x i tot die huidige tyd: Die brute krag metode om hierdie te bereken sal wees om al die data te stoor en bereken die som en deel dit deur die aantal datum punte elke keer as 'n nuwe datum punt aangekom. Dit is egter moontlik om kumulatiewe gemiddelde eenvoudig te werk as 'n nuwe waarde XI 1 beskikbaar raak, met behulp van die formule: So het die huidige kumulatiewe gemiddelde vir 'n nuwe datum punt is gelyk aan die vorige kumulatiewe gemiddelde plus die verskil tussen die jongste datum punt en die vorige gemiddelde gedeel deur die aantal punte tot dusver ontvang. Wanneer al die datum punte kom (i N), sal die kumulatiewe gemiddelde finale gemiddelde gelyk. Die afleiding van die kumulatiewe gemiddelde formule is eenvoudig. Die gebruik van en insgelyks vir i 1. Dit is gesien dat belangrikheid van hierdie vergelyking vir GR i 1 resultate in: Geweegde bewegende gemiddelde wysig 'n Geweegde gemiddelde is geen gemiddelde wat faktore het vermenigvuldig om verskillende gewigte om data te gee op verskillende posisies in die monster venster. Wiskundig die bewegende gemiddelde is die konvolusie van die datum punte met 'n vaste gewig funksie. Een aansoek verwydering pixelisation van 'n digitale beeld grafiese. In tegniese ontleding van finansiële data, 'n geweegde bewegende gemiddelde (WBA) het die spesifieke betekenis van gewigte wat afname in rekenkundige progressie. 2 In 'n N - Day WBG die jongste dag het gewig N. die tweede jongste N 16087221601, ens af tot een. Lêer: Geweegde bewegende gemiddelde gewigte N15.png By die berekening van die WBG oor opeenvolgende waardes, die verskil tussen die tellers van WBG M 1 en WBG M is NP M 1 1608722160 p M 16087221601608722160 p M 8722n1. As ons aan te dui die som p M 160160160160 p M 8722 N 1 deur Total M. sal die grafiek op die regte toon hoe die gewigte te verminder, uit hoogste gewig vir die mees onlangse datum punte, af na nul. Dit kan vergelyk word met die gewigte in die eksponensiële bewegende gemiddelde wat volg. Eksponensiële bewegende gemiddelde wysig 'n eksponensiële bewegende gemiddelde (EMA), ook bekend as 'n eksponensieel geweeg bewegende gemiddelde (EWMA), 3 is 'n tipe van oneindige impulsrespons filter wat gewig faktore wat eksponensieel afneem van toepassing. Die gewig van elke ouer datum punt afneem eksponensieel, nooit bereik nul. Die grafiek regs toon 'n voorbeeld van die gewig vermindering. Die EMA vir 'n reeks Y kan rekursief bereken word: Die koëffisiënt verteenwoordig die mate van gewig afname, 'n konstante glad faktor tussen 0 en 1. 'n hoër afslag ouer Waarnemings vinniger. Alternatiewelik kan uitgedruk word in terme van N tydperke, waar 1601602 / (N 1) script fout script fout 91 verwysing benodig 93. Byvoorbeeld, as N 16.016.019 is gelykstaande aan 1.601.600,1, die halfleeftyd van die gewigte (die interval oor wat die gewigte te verminder met 'n faktor van twee) ongeveer n /2.8854 (binne 1 as n 160gt1605). Y t is die waarde op 'n tydperk t. S t is die waarde van die EMO te eniger tyd t. S 1 ongedefinieerd is. S 1 kan in 'n aantal verskillende maniere, wat die algemeenste geïnisialiseer deur die oprigting van A 1 tot Y 1. alhoewel ander tegnieke bestaan, soos die opstel van S 1 tot 'n gemiddeld van die eerste 4 of 5 waarnemings. Die prominensie van die S 1 initializations uitwerking op die gevolglike bewegende gemiddelde is afhanklik van kleiner waardes maak die keuse van S 1 relatief belangriker as groter waardes, aangesien 'n hoër afslag ouer Waarnemings vinniger. Hierdie formulering is volgens Hunter (1986). 4 Deur herhaalde toepassing van hierdie formule vir verskillende tye, kan ons uiteindelik skryf S t as 'n geweegde som van die datum punte Y t. soos: 'n alternatiewe benadering deur Roberts (1959) gebruik Y t in plaas van Y t 87221. 5 Hierdie formule kan ook uitgedruk word in terme van tegniese ontleding soos volg, wys hoe die EMO stappe in die rigting van die nuutste datum punt, maar slegs deur 'n deel van die verskil (elke keer): Dit is 'n oneindige som met dalende terme. Die N periodes in 'n N - Day EMO slegs die faktor spesifiseer. N is nie 'n stop punt vir die berekening van die manier waarop dit is in 'n SMA of WBG. Vir groot genoeg N. Die eerste N datum punte in 'n EMO verteenwoordig sowat 86 van die totale gewig in die berekening: 6 Die krag formule hierbo gee 'n begin waarde vir 'n spesifieke dag, waarna die opeenvolgende dae formule eerste getoon kan word. Die vraag van hoe ver terug te gaan vir 'n aanvanklike waarde hang, in die ergste geval, op die data. Groot prys waardes in ou data sal beïnvloed op die totale selfs al hul gewig is baie klein. As pryse het 'n klein variasies dan net die gewig kan oorweeg word. Die gewig uitgelaat deur te stop nadat k terme is uit die totale gewig. Byvoorbeeld, om te hê 99,9 van die gewig bokant verhouding gelyk aan 0.1 stel en op te los vir k. vir hierdie voorbeeld (99,9 gewig). Gewysig bewegende gemiddelde wysig A gemodifiseerde bewegende gemiddelde (MMA), hardloop bewegende gemiddelde (RMA), of glad bewegende gemiddelde word gedefinieer as: Aansoek om die meting van werkverrigting van die rekenaar wysig Sommige rekenaar prestasie statistieke, bv die gemiddelde proses tou lengte, of die gemiddelde CPU gebruik, gebruik 'n vorm van eksponensiële bewegende gemiddelde. Hier word gedefinieer as 'n funksie van tyd tussen twee lesings. 'N Voorbeeld van 'n koëffisiënt gee groter gewig aan die huidige lees, en kleiner gewig aan die ouer lesings is byvoorbeeld 'n 15-minuut gemiddelde L van 'n proses tou lengte Q. gemeet elke 5 sekondes (tydsverskil is 5 sekondes), word bereken as Ander gewigte wysig Ander gewig stelsels soms 8211 word byvoorbeeld in aandeleverhandeling n volume gewig sal elke tydperk in verhouding tot sy handel volume gewig. 'N Verdere gewig, wat gebruik word deur aktuarisse, is Spencer 15-punt bewegende gemiddeld 11 ( 'n sentrale bewegende gemiddelde). Die simmetriese gewig koëffisiënte is -3, -6, -5, 3, 21, 46, 67, 74, 67, 46, 21, 3, -5, -6, -3. Buite die wêreld van finansies, geweegde hardloop middel het baie vorms en aansoeke. Elke gewig funksie of kern het sy eie kenmerke. In ingenieurswese en wetenskap die frekwensie en fase van die filter is dikwels van groot belang in die begrip van die gewenste en ongewenste verdraaiings dat 'n bepaalde filter sal van toepassing wees op die data. 'N gemiddelde nie net glad die data. 'N gemiddelde is 'n vorm van laaglaatfilter. Die gevolge van die betrokke filter gebruik moet verstaan ​​word ten einde 'n gepaste keuse te maak. Op hierdie punt, die Franse weergawe van hierdie artikel bespreek die spektrale effekte van 3 soorte middel (kumulatiewe, eksponensiële, Gauss). Moving mediaan wysig Uit 'n statistiese oogpunt, die bewegende gemiddelde, wanneer dit gebruik word om die onderliggende tendens in 'n tydreeks te skat, is vatbaar vir seldsame gebeurtenisse soos vinnige skokke of ander onreëlmatighede. 'N meer robuuste skatting van die neiging is die eenvoudige beweeg mediaan meer as N tyd punte: waar die mediaan is gevind deur, byvoorbeeld, sorteer die waardes binne die hakies en die vind van die waarde in die middel. Vir groter waardes van n. die mediaan kan doeltreffend bereken deur die opdatering van 'n geïndekseer skiplist. 12 Statisties, die bewegende gemiddelde is optimaal vir die herstel van die onderliggende tendens van die tyd reeks wanneer die skommelinge oor die tendens normaal versprei is. Dit beteken egter die normaalverdeling nie plaas 'n hoë waarskynlikheid op 'n baie groot afwyking van die tendens wat verduidelik waarom sulke afwykings n buite verhouding groot invloed op die tendens beraming sal hê. Dit kan aangetoon word dat indien die skommelinge in plaas word aanvaar dat Laplace te versprei. dan die bewegende gemiddelde is statisties optimale. 13 Vir 'n gegewe variasie, die Laplace verspreiding plaas hoër waarskynlikheid op seldsame geleenthede as wel die normale, wat verklaar waarom die bewegende gemiddelde skokke beter as die bewegende gemiddelde verdra. Wanneer die eenvoudige beweeg mediaan bo staan ​​sentraal, die smoothing is identies aan die mediaan filter wat aansoeke in, byvoorbeeld, beeld seinverwerking het. Sien ook Wysig hierdie artikel sluit 'n lys van verwysings. maar sy bronne bly onduidelik omdat dit onvoldoende inline aanhalings. Help asseblief om hierdie artikel te verbeter deur die instelling van meer akkurate aanhalings. 32 (Februarie 2010) Bewegende Gemiddeldes: Wat is dit vir die gewildste tegniese aanwysers, bewegende gemiddeldes word gebruik om die rigting van die huidige tendens meet. Elke tipe bewegende gemiddelde (algemeen in hierdie handleiding as MA geskryf) is 'n wiskundige gevolg dat word bereken deur die gemiddeld van 'n aantal van die verlede datapunte. Sodra bepaal, die gevolglike gemiddelde is dan geplot op 'n grafiek, sodat die handelaars om te kyk na reëlmatige data eerder as om te fokus op die dag-tot-dag prysskommelings wat inherent in alle finansiële markte is. Die eenvoudigste vorm van 'n bewegende gemiddelde, gepas bekend as 'n eenvoudige bewegende gemiddelde (SMA), word bereken deur die rekenkundige gemiddelde van 'n gegewe stel waardes. Byvoorbeeld, 'n basiese 10-dae - bewegende gemiddelde wat jy wil voeg tot die sluiting pryse van die afgelope 10 dae en dan verdeel die gevolg van 10. In Figuur 1 te bereken, die som van die pryse vir die afgelope 10 dae (110) is gedeel deur die aantal dae (10) om te kom op die 10-dae gemiddelde. As 'n handelaar wil graag 'n 50-dag gemiddelde sien in plaas daarvan, sal dieselfde tipe berekening gemaak word, maar dit sal die pryse sluit oor die afgelope 50 dae. Die gevolglike gemiddelde hieronder (11) in ag neem die afgelope 10 datapunte om handelaars 'n idee van hoe 'n bate relatiewe is geprys om die afgelope 10 dae te gee. Miskien is jy wonder hoekom tegniese handelaars noem hierdie hulpmiddel 'n bewegende gemiddelde en nie net 'n gewone gemiddelde. Die antwoord is dat as nuwe waardes beskikbaar is, moet die oudste datapunte laat val van die stel en nuwe data punte moet kom om dit te vervang. So, is die datastel voortdurend in beweging om rekenskap te gee nuwe data soos dit beskikbaar raak. Hierdie metode van berekening verseker dat slegs die huidige inligting word verreken. In Figuur 2, sodra die nuwe waarde van 5 word by die stel, die rooi boks (wat die afgelope 10 datapunte) na regs beweeg en die laaste waarde van 15 laat val van die berekening. Omdat die relatief klein waarde van 5 die hoë waarde van 15 vervang, sou jy verwag om die gemiddeld van die datastel afname, wat dit nie sien nie, in hierdie geval van 11 tot 10. Wat Moet Bewegende Gemiddeldes lyk as die waardes van die MA is bereken, hulle geplot op 'n grafiek en dan gekoppel aan 'n bewegende gemiddelde lyn te skep. Hierdie buig lyne is algemeen op die kaarte van tegniese handelaars, maar hoe dit gebruik word kan drasties wissel (meer hieroor later). Soos jy kan sien in Figuur 3, is dit moontlik om meer as een bewegende gemiddelde om enige term voeg deur die aanpassing van die aantal tydperke gebruik word in die berekening. Hierdie buig lyne kan steurende of verwarrend lyk op die eerste, maar jy sal groei gewoond aan hulle soos die tyd gaan aan. Die rooi lyn is eenvoudig die gemiddelde prys oor die afgelope 50 dae, terwyl die blou lyn is die gemiddelde prys oor die afgelope 100 dae. Nou dat jy verstaan ​​wat 'n bewegende gemiddelde is en hoe dit lyk, goed in te voer 'n ander tipe van bewegende gemiddelde en kyk hoe dit verskil van die voorheen genoem eenvoudig bewegende gemiddelde. Die eenvoudige bewegende gemiddelde is uiters gewild onder handelaars, maar soos alle tegniese aanwysers, dit het sy kritici. Baie individue argumenteer dat die nut van die SMA is beperk omdat elke punt in die datareeks dieselfde geweeg, ongeag waar dit voorkom in die ry. Kritici argumenteer dat die mees onlangse data is belangriker as die ouer data en moet 'n groter invloed op die finale uitslag het. In reaksie op hierdie kritiek, handelaars begin om meer gewig te gee aan onlangse data, wat sedertdien gelei tot die uitvinding van die verskillende tipes van nuwe gemiddeldes, die gewildste van wat is die eksponensiële bewegende gemiddelde (EMA). (Vir verdere inligting, sien Basics gelaaide bewegende gemiddeldes en Wat is die verskil tussen 'n SMA en 'n EMO) Eksponensiële bewegende gemiddelde Die eksponensiële bewegende gemiddelde is 'n tipe van bewegende gemiddelde wat meer gewig gee aan onlangse pryse in 'n poging om dit meer ontvanklik maak om nuwe inligting. Leer die ietwat ingewikkeld vergelyking vir die berekening van 'n EMO kan onnodige vir baie handelaars wees, aangesien byna al kartering pakkette doen die berekeninge vir jou. Maar vir jou wiskunde geeks daar buite, hier is die EMO vergelyking: By die gebruik van die formule om die eerste punt van die EMO bereken, kan jy agterkom dat daar geen waarde beskikbaar is om te gebruik as die vorige EMO. Hierdie klein probleem opgelos kan word deur die begin van die berekening van 'n eenvoudige bewegende gemiddelde en die voortsetting van die bogenoemde formule van daar af. Ons het jou voorsien van 'n monster spreadsheet wat die werklike lewe voorbeelde van hoe om beide 'n eenvoudige bewegende gemiddelde en 'n eksponensiële bewegende gemiddelde te bereken sluit. Die verskil tussen die EMO en SMA Nou dat jy 'n beter begrip van hoe die SMA en die EMO bereken word, kan 'n blik op hoe hierdie gemiddeldes verskil. Deur te kyk na die berekening van die EMO, sal jy agterkom dat meer klem gelê op die onlangse data punte, maak dit 'n soort van geweegde gemiddelde. In Figuur 5, die nommers van tydperke wat in elk gemiddeld is identies (15), maar die EMO reageer vinniger by die veranderende pryse. Let op hoe die EMO het 'n hoër waarde as die prys styg, en val vinniger as die SMA wanneer die prys daal. Dit reaksie is die hoofrede waarom so baie handelaars verkies om die EMO gebruik oor die SMA. Wat doen die verskillende dae gemiddelde bewegende gemiddeldes is 'n heeltemal aanpas aanwyser, wat beteken dat die gebruiker vrylik kan kies watter tyd raam wat hulle wil wanneer die skep van die gemiddelde. Die mees algemene tydperke wat in bewegende gemiddeldes is 15, 20, 30, 50, 100 en 200 dae. Hoe korter die tydsduur wat gebruik word om die gemiddelde te skep, hoe meer sensitief sal wees om die prys veranderinge. Hoe langer die tydsverloop, hoe minder sensitief, of meer reëlmatige, die gemiddelde sal wees. Daar is geen regte tyd raam te gebruik wanneer die opstel van jou bewegende gemiddeldes. Die beste manier om uit te vind watter een werk die beste vir jou is om te eksperimenteer met 'n aantal verskillende tydperke totdat jy die een wat jou strategie pas te vind. Bewegende gemiddeldes: Hoe om dit te gebruik Skryf Nuus om te gebruik vir die nuutste insigte en ontleding Dankie vir jou inskrywing om Investopedia insigte - Nuus om te gebruik.