Gleitende Mittelwerte - Einfache und exponentielle gleitende Mittelwerte - Einfache und exponentielle Einführung Die gleitenden Mittelwerte glatt machen die Preisdaten zu einem Trendfolger. Sie prognostizieren nicht die Kursrichtung, sondern definieren die aktuelle Richtung mit einer Verzögerung. Moving Averages Lag, weil sie auf vergangenen Preisen basieren. Trotz dieser Verzögerung, gleitende Durchschnitte helfen, glatte Preis-Aktion und Filter aus dem Lärm. Sie bilden auch die Bausteine für viele andere technische Indikatoren und Overlays, wie Bollinger Bands. MACD und dem McClellan-Oszillator. Die beiden beliebtesten Arten von gleitenden Durchschnitten sind die Simple Moving Average (SMA) und die Exponential Moving Average (EMA). Diese Bewegungsdurchschnitte können verwendet werden, um die Richtung des Trends zu identifizieren oder potentielle Unterstützungs - und Widerstandswerte zu definieren. Here039s ein Diagramm mit einem SMA und einem EMA auf ihm: Einfache gleitende durchschnittliche Berechnung Ein einfacher gleitender Durchschnitt wird gebildet, indem man den durchschnittlichen Preis eines Wertpapiers über einer bestimmten Anzahl von Perioden berechnet. Die meisten gleitenden Mittelwerte basieren auf den Schlusskursen. Ein 5-tägiger einfacher gleitender Durchschnitt ist die fünftägige Summe der Schlusskurse geteilt durch fünf. Wie der Name schon sagt, ist ein gleitender Durchschnitt ein Durchschnitt, der sich bewegt. Alte Daten werden gelöscht, wenn neue Daten verfügbar sind. Dies bewirkt, dass sich der Durchschnitt entlang der Zeitskala bewegt. Unten ist ein Beispiel für einen 5-tägigen gleitenden Durchschnitt, der sich über drei Tage entwickelt. Der erste Tag des gleitenden Durchschnitts deckt nur die letzten fünf Tage ab. Der zweite Tag des gleitenden Mittelwerts fällt den ersten Datenpunkt (11) und fügt den neuen Datenpunkt (16) hinzu. Der dritte Tag des gleitenden Durchschnitts setzt sich fort, indem der erste Datenpunkt (12) abfällt und der neue Datenpunkt (17) addiert wird. Im obigen Beispiel steigen die Preise allmählich von 11 auf 17 über insgesamt sieben Tage. Beachten Sie, dass der gleitende Durchschnitt auch von 13 auf 15 über einen dreitägigen Berechnungszeitraum steigt. Beachten Sie auch, dass jeder gleitende Durchschnittswert knapp unter dem letzten Kurs liegt. Zum Beispiel ist der gleitende Durchschnitt für Tag eins gleich 13 und der letzte Preis ist 15. Preise der vorherigen vier Tage waren niedriger und dies führt dazu, dass der gleitende Durchschnitt zu verzögern. Exponentielle gleitende Durchschnittsberechnung Exponentielle gleitende Mittelwerte reduzieren die Verzögerung, indem mehr Gewicht auf die jüngsten Preise angewendet wird. Die Gewichtung des jüngsten Preises hängt von der Anzahl der Perioden im gleitenden Durchschnitt ab. Es gibt drei Schritte, um einen exponentiellen gleitenden Durchschnitt zu berechnen. Berechnen Sie zunächst den einfachen gleitenden Durchschnitt. Ein exponentieller gleitender Durchschnitt (EMA) muss irgendwo anfangen, so dass ein einfacher gleitender Durchschnitt als die vorherige Periode039s EMA in der ersten Berechnung verwendet wird. Zweitens, berechnen Sie die Gewichtung Multiplikator. Drittens berechnen Sie den exponentiellen gleitenden Durchschnitt. Die folgende Formel ist für eine 10-tägige EMA. Ein 10-Perioden-exponentieller gleitender Durchschnitt wendet eine 18,18 Gewichtung auf den jüngsten Preis an. Eine 10-Perioden-EMA kann auch als 18.18 EMA bezeichnet werden. Ein 20-Perioden-EMA wendet einen 9,52 - Wiegen auf den jüngsten Preis an (2 / (201) .0952). Beachten Sie, dass die Gewichtung für den kürzeren Zeitraum mehr ist als die Gewichtung für den längeren Zeitraum. In der Tat, die Gewichtung sinkt um die Hälfte jedes Mal, wenn die gleitende durchschnittliche Periode verdoppelt. Wenn Sie uns einen bestimmten Prozentsatz für eine EMA zuweisen möchten, können Sie diese Formel verwenden, um sie in Zeiträume zu konvertieren, und geben Sie dann diesen Wert als den EMA039s-Parameter ein: Nachstehend ist ein Kalkulationstabellenbeispiel für einen 10-tägigen einfachen gleitenden Durchschnitt und ein 10- Tag exponentiellen gleitenden Durchschnitt für Intel. Einfache gleitende Durchschnitte sind geradlinig und erfordern wenig Erklärung. Der 10-Tage-Durchschnitt bewegt sich einfach, sobald neue Preise verfügbar sind und alte Preise fallen. Der exponentielle gleitende Durchschnitt beginnt mit dem einfachen gleitenden Mittelwert (22.22) bei der ersten Berechnung. Nach der ersten Berechnung übernimmt die Normalformel. Da ein EMA mit einem einfachen gleitenden Durchschnitt beginnt, wird sein wahrer Wert erst nach 20 oder späteren Perioden realisiert. Mit anderen Worten, der Wert auf der Excel-Tabelle kann sich aufgrund des kurzen Rückblicks von dem Diagrammwert unterscheiden. Diese Kalkulationstabelle geht nur zurück 30 Perioden, was bedeutet, dass der Einfluss der einfachen gleitenden Durchschnitt hatte 20 Perioden zu zerstreuen. StockCharts geht mindestens 250 Perioden (typischerweise viel weiter) für seine Berechnungen zurück, so dass die Effekte des einfachen gleitenden Durchschnitts in der ersten Berechnung vollständig abgebaut sind. Der Lagfaktor Je länger der gleitende Durchschnitt ist, desto stärker ist die Verzögerung. Ein 10-Tage-exponentieller gleitender Durchschnitt wird die Preise sehr eng umringen und sich kurz nach dem Kursumschlag wenden. Kurze gleitende Durchschnitte sind wie Schnellboote - flink und schnell zu ändern. Im Gegensatz dazu enthält ein 100-Tage gleitender Durchschnitt viele vergangene Daten, die ihn verlangsamen. Längere gleitende Durchschnitte sind wie Ozeantanker - lethargisch und langsam zu ändern. Es dauert eine größere und längere Kursbewegung für einen 100-Tage gleitenden Durchschnitt, um Kurs zu ändern. Die Grafik oben zeigt die SampP 500 ETF mit einer 10-tägigen EMA eng ansprechender Preise und einem 100-tägigen SMA-Schleifen höher. Selbst mit dem Januar-Februar-Rückgang hielt die 100-tägige SMA den Kurs und kehrte nicht zurück. Die 50-Tage-SMA passt irgendwo zwischen den 10 und 100 Tage gleitenden Durchschnitten, wenn es um den Verzögerungsfaktor kommt. Simple vs Exponential Moving Averages Obwohl es klare Unterschiede zwischen einfachen gleitenden Durchschnitten und exponentiellen gleitenden Durchschnitten, ist eine nicht unbedingt besser als die anderen. Exponentielle gleitende Mittelwerte haben weniger Verzögerungen und sind daher empfindlicher gegenüber den jüngsten Preisen - und den jüngsten Preisveränderungen. Exponentielle gleitende Mittelwerte drehen sich vor einfachen gleitenden Durchschnitten. Einfache gleitende Durchschnitte stellen dagegen einen wahren Durchschnittspreis für den gesamten Zeitraum dar. Als solches können einfache gleitende Mittel besser geeignet sein, um Unterstützungs - oder Widerstandsniveaus zu identifizieren. Die gleitende Durchschnittspräferenz hängt von den Zielen, dem analytischen Stil und dem Zeithorizont ab. Chartisten sollten mit beiden Arten von gleitenden Durchschnitten sowie verschiedene Zeitrahmen zu experimentieren, um die beste Passform zu finden. Die nachstehende Grafik zeigt IBM mit der 50-tägigen SMA in Rot und der 50-Tage-EMA in Grün. Beide gipfelten Ende Januar, aber der Rückgang in der EMA war schärfer als der Rückgang der SMA. Die EMA erschien Mitte Februar, aber die SMA setzte weiter unten bis Ende März. Beachten Sie, dass die SMA über einen Monat nach der EMA. Längen und Zeitrahmen Die Länge des gleitenden Mittelwerts hängt von den analytischen Zielen ab. Kurze gleitende Durchschnitte (5-20 Perioden) eignen sich am besten für kurzfristige Trends und den Handel. Chartisten, die sich für mittelfristige Trends interessieren, würden sich für längere bewegte Durchschnitte entscheiden, die 20-60 Perioden verlängern könnten. Langfristige Anleger bevorzugen gleitende Durchschnitte mit 100 oder mehr Perioden. Einige gleitende durchschnittliche Längen sind beliebter als andere. Die 200-Tage gleitenden Durchschnitt ist vielleicht die beliebteste. Wegen seiner Länge ist dies eindeutig ein langfristiger gleitender Durchschnitt. Als nächstes ist der 50-Tage gleitende Durchschnitt für den mittelfristigen Trend ziemlich populär. Viele Chartisten nutzen die 50-Tage-und 200-Tage gleitenden Durchschnitte zusammen. Kurzfristig war ein 10 Tage gleitender Durchschnitt in der Vergangenheit ziemlich populär, weil er leicht zu berechnen war. Man hat einfach die Zahlen addiert und den Dezimalpunkt verschoben. Trendidentifikation Die gleichen Signale können mit einfachen oder exponentiellen gleitenden Mittelwerten erzeugt werden. Wie oben erwähnt, hängt die Präferenz von jedem Individuum ab. Die folgenden Beispiele werden sowohl einfache als auch exponentielle gleitende Mittelwerte verwenden. Der Begriff gleitender Durchschnitt gilt für einfache und exponentielle gleitende Mittelwerte. Die Richtung des gleitenden Durchschnitts vermittelt wichtige Informationen über die Preise. Ein steigender Durchschnitt zeigt, dass die Preise im Allgemeinen steigen. Ein sinkender Durchschnittswert zeigt an, dass die Preise im Durchschnitt sinken. Ein steigender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Aufwärtstrend wider. Ein sinkender langfristiger gleitender Durchschnitt spiegelt einen langfristigen Abwärtstrend wider. Das Diagramm oben zeigt 3M (MMM) mit einem 150-Tage-exponentiellen gleitenden Durchschnitt. Dieses Beispiel zeigt, wie gut bewegte Durchschnitte arbeiten, wenn der Trend stark ist. Die 150-Tage-EMA sank im November 2007 und wieder im Januar 2008. Beachten Sie, dass es einen Rückgang von 15 nahm, um die Richtung dieses gleitenden Durchschnitts umzukehren. Diese nachlaufenden Indikatoren identifizieren Trendumkehrungen, wie sie auftreten (am besten) oder nach deren Eintritt (im schlimmsten Fall). MMM setzte unten in März 2009 und dann stieg 40-50. Beachten Sie, dass die 150-Tage-EMA nicht auftauchte, bis nach diesem Anstieg. Sobald es aber tat, setzte MMM die folgenden 12 Monate höher fort. Moving-Durchschnitte arbeiten brillant in starken Trends. Doppelte Frequenzweichen Zwei gleitende Mittelwerte können zusammen verwendet werden, um Frequenzweiche zu erzeugen. In der technischen Analyse der Finanzmärkte. John Murphy nennt dies die doppelte Crossover-Methode. Doppelte Crossover beinhalten einen relativ kurzen gleitenden Durchschnitt und einen relativ langen gleitenden Durchschnitt. Wie bei allen gleitenden Durchschnitten definiert die allgemeine Länge des gleitenden Durchschnitts den Zeitrahmen für das System. Ein System, das eine 5-Tage-EMA und eine 35-Tage-EMA verwendet, wäre kurzfristig. Ein System, das eine 50-tägige SMA - und 200-Tage-SMA verwendet, wäre mittelfristig, vielleicht sogar langfristig. Eine bullische Überkreuzung tritt auf, wenn der kürzere gleitende Durchschnitt über dem längeren gleitenden Durchschnitt kreuzt. Dies wird auch als goldenes Kreuz bezeichnet. Eine bärische Überkreuzung tritt ein, wenn der kürzere gleitende Durchschnitt unter dem längeren gleitenden Durchschnitt liegt. Dies wird als ein totes Kreuz bekannt. Gleitende Mittelübergänge erzeugen relativ späte Signale. Schließlich setzt das System zwei hintere Indikatoren ein. Je länger die gleitenden Durchschnittsperioden, desto größer die Verzögerung in den Signalen. Diese Signale funktionieren gut, wenn eine gute Tendenz gilt. Allerdings wird ein gleitender Durchschnitt Crossover-System produzieren viele whipsaws in Abwesenheit einer starken Tendenz. Es gibt auch eine Dreifach-Crossover-Methode, die drei gleitende Durchschnitte beinhaltet. Wieder wird ein Signal erzeugt, wenn der kürzeste gleitende Durchschnitt die beiden längeren Mittelwerte durchläuft. Ein einfaches Triple-Crossover-System könnte 5-Tage-, 10-Tage - und 20-Tage-Bewegungsdurchschnitte beinhalten. Das Diagramm oben zeigt Home Depot (HD) mit einer 10-tägigen EMA (grüne gepunktete Linie) und 50-Tage-EMA (rote Linie). Die schwarze Linie ist die tägliche Schließung. Mit einem gleitenden Durchschnitt Crossover hätte dazu geführt, dass drei Peitschen vor dem Fang eines guten Handels. Die 10-tägige EMA brach unterhalb der 50-Tage-EMA Ende Oktober (1), aber dies dauerte nicht lange, wie die 10-Tage zog zurück oben Mitte November (2). Dieses Kreuz dauerte länger, aber die nächste bärige Crossover im Januar (3) ereignete sich gegen Ende November Preisniveaus, was zu einer weiteren Peitsche führte. Dieses bärische Kreuz dauerte nicht lange, als die 10-Tage-EMA über die 50-Tage ein paar Tage später zurückging (4). Nach drei schlechten Signalen, schien das vierte Signal eine starke Bewegung als die Aktie vorrückte über 20. Es gibt zwei Takeaways hier. Erstens, Crossovers sind anfällig für whipsaw. Ein Preis oder Zeitfilter kann angewendet werden, um zu helfen, whipsaws zu verhindern. Händler könnten verlangen, dass die Crossover 3 Tage dauern, bevor sie handeln oder verlangen, dass die 10-Tage-EMA zu bewegen, über / unterhalb der 50-Tage-EMA um einen bestimmten Betrag vor handeln. Zweitens kann MACD verwendet werden, um diese Frequenzweichen zu identifizieren und zu quantifizieren. MACD (10,50,1) zeigt eine Linie, die die Differenz zwischen den beiden exponentiellen gleitenden Mittelwerten darstellt. MACD wird positiv während eines goldenen Kreuzes und negativ während eines toten Kreuzes. Der Prozentsatz-Oszillator (PPO) kann auf die gleiche Weise verwendet werden, um Prozentunterschiede anzuzeigen. Beachten Sie, dass MACD und das PPO auf exponentiellen gleitenden Durchschnitten basieren und nicht mit einfachen gleitenden Durchschnitten zusammenpassen. Diese Grafik zeigt Oracle (ORCL) mit dem 50-Tage EMA, 200-Tage EMA und MACD (50.200,1). Es gab vier gleitende durchschnittliche Kreuzungen über einen Zeitraum von 2 1/2 Jahren. Die ersten drei führten zu Peitschen oder schlechten Trades. Eine anhaltende Tendenz begann mit dem vierten Crossover als ORCL bis Mitte der 20er Jahre. Erneut bewegen sich die durchschnittlichen Crossover-Effekte groß, wenn der Trend stark ist, erzeugen aber Verluste in Abwesenheit eines Trends. Preis-Crossover Moving-Durchschnitte können auch verwendet werden, um Signale mit einfachen Preis-Crossover zu generieren. Ein bullisches Signal wird erzeugt, wenn die Preise über dem gleitenden Durchschnitt liegen. Ein bäres Signal wird erzeugt, wenn die Preise unter dem gleitenden Durchschnitt liegen. Preis-Crossover können kombiniert werden, um innerhalb der größeren Trend Handel. Der längere gleitende Durchschnitt setzt den Ton für den größeren Trend und der kürzere gleitende Durchschnitt wird verwendet, um die Signale zu erzeugen. Man würde bullish Preiskreuze nur dann suchen, wenn die Preise schon über dem längeren gleitenden Durchschnitt liegen. Dies würde den Handel im Einklang mit dem größeren Trend. Wenn zum Beispiel der Kurs über dem gleitenden 200-Tage-Durchschnitt liegt, würden sich die Chartisten nur auf Signale konzentrieren, wenn der Kurs über dem 50-Tage-Gleitender Durchschnitt liegt. Offensichtlich würde ein Schritt unterhalb der 50-Tage gleitenden Durchschnitt ein solches Signal vorausgehen, aber solche bearish Kreuze würden ignoriert, weil der größere Trend ist. Ein bearish Kreuz würde einfach vorschlagen, ein Pullback in einem größeren Aufwärtstrend. Ein Cross-Back über dem 50-Tage-Gleitender Durchschnitt würde einen Preisanstieg und eine Fortsetzung des größeren Aufwärtstrends signalisieren. Die nächste Tabelle zeigt Emerson Electric (EMR) mit dem 50-Tage EMA und 200-Tage EMA. Die Aktie bewegte sich über und hielt über dem 200-Tage gleitenden Durchschnitt im August. Es gab Dips unterhalb der 50-Tage-EMA Anfang November und wieder Anfang Februar. Preise schnell zurück über die 50-Tage-EMA zu bullish Signale (grüne Pfeile) in Harmonie mit dem größeren Aufwärtstrend. Im Indikatorfenster wird MACD (1,50,1) angezeigt, um Preiskreuze über oder unter dem 50-Tage-EMA zu bestätigen. Die 1-tägige EMA entspricht dem Schlusskurs. MACD (1,50,1) ist positiv, wenn die Schließung oberhalb der 50-Tage-EMA und negativ ist, wenn die Schließung unterhalb der 50-Tage-EMA liegt. Unterstützung und Widerstand Der Gleitende Durchschnitt kann auch als Unterstützung in einem Aufwärtstrend und Widerstand in einem Abwärtstrend dienen. Ein kurzfristiger Aufwärtstrend könnte Unterstützung nahe dem 20-tägigen einfachen gleitenden Durchschnitt finden, der auch in Bollinger-Bändern verwendet wird. Ein langfristiger Aufwärtstrend könnte Unterstützung nahe dem 200-tägigen einfachen gleitenden Durchschnitt finden, der der populärste langfristige bewegliche Durchschnitt ist. Wenn Tatsache, die 200-Tage gleitenden Durchschnitt bieten kann Unterstützung oder Widerstand, nur weil es so weit verbreitet ist. Es ist fast wie eine sich selbst erfüllende Prophezeiung. Die Grafik oben zeigt die NY Composite mit dem 200-Tage einfachen gleitenden Durchschnitt von Mitte 2004 bis Ende 2008. Die 200-Tage-Support zur Verfügung gestellt, mehrmals während des Vorhabens. Sobald der Trend mit einem Doppel-Top-Support-Pause umgekehrt, der 200-Tage gleitenden Durchschnitt als Widerstand um 9500 gehandelt. Erwarten Sie nicht genaue Unterstützung und Widerstand Ebenen von gleitenden Durchschnitten, vor allem längeren gleitenden Durchschnitten. Märkte werden durch Emotionen, die sie anfällig für Überschreitungen. Statt genauer Ebenen können gleitende Mittelwerte verwendet werden, um Unterstützungs - oder Widerstandszonen zu identifizieren. Schlussfolgerungen Die Vorteile der Verwendung von bewegten Durchschnitten müssen gegen die Nachteile gewogen werden. Moving-Durchschnitte sind Trend nach, oder nacheilende, Indikatoren, die immer einen Schritt hinter sich. Dies ist nicht unbedingt eine schlechte Sache. Immerhin ist der Trend ist dein Freund und es ist am besten, in die Richtung des Trends Handel. Die gleitenden Durchschnitte gewährleisten, dass ein Händler dem aktuellen Trend entspricht. Auch wenn der Trend ist dein Freund, verbringen die Wertpapiere viel Zeit in Handelsspannen, die gleitende Durchschnitte ineffektiv machen. Einmal in einem Trend, bewegte Durchschnitte halten Sie in, sondern geben auch späte Signale. Don039t erwarten, an der Spitze zu verkaufen und kaufen Sie am unteren Rand mit gleitenden Durchschnitten. Wie bei den meisten technischen Analysetools sollten die gleitenden Mittelwerte nicht allein verwendet werden, sondern in Verbindung mit anderen komplementären Tools. Chartisten können gleitende Durchschnitte verwenden, um den Gesamttrend zu definieren und dann RSI zu verwenden, um überkaufte oder überverkaufte Niveaus zu definieren. Hinzufügen von Bewegungsdurchschnitten zu StockCharts Diagrammen Gleitende Durchschnitte sind als Preisüberlagerungsfunktion auf der SharpCharts-Workbench verfügbar. Mit dem Dropdown-Menü Overlays können Benutzer entweder einen einfachen gleitenden Durchschnitt oder einen exponentiellen gleitenden Durchschnitt auswählen. Der erste Parameter wird verwendet, um die Anzahl der Zeitperioden einzustellen. Ein optionaler Parameter kann hinzugefügt werden, um festzulegen, welches Preisfeld in den Berechnungen verwendet werden soll - O für die Open, H für High, L für Low und C für Close. Ein Komma wird verwendet, um Parameter zu trennen. Ein weiterer optionaler Parameter kann hinzugefügt werden, um die gleitenden Mittelwerte nach links (vorbei) oder nach rechts (zukünftig) zu verschieben. Eine negative Zahl (-10) würde den gleitenden Durchschnitt auf die linken 10 Perioden verschieben. Eine positive Zahl (10) würde den gleitenden Durchschnitt auf die rechten 10 Perioden verschieben. Mehrere gleitende Durchschnitte können dem Preisplot überlagert werden, indem einfach eine weitere Überlagerungslinie zur Werkbank hinzugefügt wird. StockCharts-Mitglieder können die Farben und den Stil ändern, um zwischen mehreren gleitenden Durchschnitten zu unterscheiden. Nachdem Sie eine Anzeige ausgewählt haben, öffnen Sie die erweiterten Optionen, indem Sie auf das kleine grüne Dreieck klicken. Erweiterte Optionen können auch verwendet werden, um eine gleitende mittlere Überlagerung zu anderen technischen Indikatoren wie RSI, CCI und Volumen hinzuzufügen. Klicken Sie hier für ein Live-Diagramm mit mehreren verschiedenen gleitenden Durchschnitten. Mit Gleitende Durchschnitte mit stockcharts Scans Hier sind einige Beispiele für Scans, die stockcharts Mitglieder können für verschiedene gleitenden Durchschnitt Situationen zu scannen: Bullish Moving Average Kreuz: Diese Scans sucht nach Aktien mit einem steigenden 150-Tage einfachen gleitenden Durchschnitt und ein zinsbullisches Cross des 5 Tag EMA und 35-Tage EMA. Der 150-Tage gleitende Durchschnitt steigt, solange er über seinem Niveau vor fünf Tagen handelt. Ein bullish Kreuz tritt auf, wenn die 5-Tage-EMA bewegt sich über dem 35-Tage-EMA auf überdurchschnittlichen Volumen. Bärische Moving Average Kreuz: Diese Scans sucht nach Aktien mit einem fallenden 150-Tage gleitenden Durchschnitt einfachen und ein rückläufiges Cross des 5-Tage-EMA und 35-Tage-EMA. Der 150-Tage gleitende Durchschnitt fällt, solange er unter seinem Niveau vor fünf Tagen handelt. Ein bäriges Kreuz tritt auf, wenn die 5-Tage-EMA unterhalb der 35-Tage-EMA auf überdurchschnittlichem Volumen bewegt. Weitere Studie John Murphy039s Buch hat ein Kapitel gewidmet gleitende Durchschnitte und ihre verschiedenen Verwendungen. Murphy deckt die Vor-und Nachteile der gleitenden Durchschnitte. Darüber hinaus zeigt Murphy, wie bewegte Durchschnitte mit Bollinger Bands und kanalbasierten Handelssystemen funktionieren. Technische Analyse der Finanzmärkte John MurphyDocumentation output tsmovavg (tsobj, s, lag) liefert den einfachen gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt, tsobj. Verzögerung gibt die Anzahl der vorherigen Datenpunkte an, die beim Berechnen des gleitenden Mittelwerts mit dem aktuellen Datenpunkt verwendet werden. Ausgabe tsmovavg (Vektor, s, lag, dim) gibt den einfachen gleitenden Durchschnitt für einen Vektor zurück. Verzögerung gibt die Anzahl der vorherigen Datenpunkte an, die beim Berechnen des gleitenden Mittelwerts mit dem aktuellen Datenpunkt verwendet werden. Output tsmovavg (tsobj, e, timeperiod) gibt den exponentiellen gewichteten gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt tsobj zurück. Der exponentielle gleitende Durchschnitt ist ein gewichteter gleitender Durchschnitt, wobei die Zeitperiode den Zeitraum angibt. Exponentielle gleitende Durchschnitte reduzieren die Verzögerung durch mehr Gewicht auf die jüngsten Preise. Zum Beispiel gewichtet ein 10-Perioden-exponentieller gleitender Durchschnitt den jüngsten Preis um 18,18. Exponentialprozent 2 / (TIMEPER 1) oder 2 / (WINDOWSIZE 1). Output tsmovavg (Vektor, e, timeperiod, dim) gibt den exponentiell gewichteten gleitenden Durchschnitt für einen Vektor zurück. Der exponentielle gleitende Durchschnitt ist ein gewichteter gleitender Durchschnitt, wobei die Zeitperiode den Zeitraum angibt. Exponentielle gleitende Durchschnitte reduzieren die Verzögerung durch mehr Gewicht auf die jüngsten Preise. Zum Beispiel gewichtet ein 10-Perioden-exponentieller gleitender Durchschnitt den jüngsten Preis um 18,18. (2 / (Zeitabschnitt 1)). Ausgabe tsmovavg (tsobj, t, numperiod) gibt den dreieckigen gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt tsobj zurück. Der dreieckige gleitende Durchschnitt doppelt glättet die Daten. Tsmovavg berechnet den ersten einfachen gleitenden Durchschnitt mit Fensterbreite von ceil (numperiod 1) / 2. Dann berechnet es einen zweiten einfachen gleitenden Durchschnitt auf dem ersten gleitenden Durchschnitt mit der gleichen Fenstergröße. Ausgabe tsmovavg (Vektor, t, numperiod, dim) gibt den dreieckigen gleitenden Durchschnitt für einen Vektor zurück. Der dreieckige gleitende Durchschnitt doppelt glättet die Daten. Tsmovavg berechnet den ersten einfachen gleitenden Durchschnitt mit Fensterbreite von ceil (numperiod 1) / 2. Dann berechnet es einen zweiten einfachen gleitenden Durchschnitt auf dem ersten gleitenden Durchschnitt mit der gleichen Fenstergröße. Output tsmovavg (tsobj, w, gewichte) liefert den gewichteten gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt tsobj. Indem Gewichte für jedes Element in dem sich bewegenden Fenster bereitgestellt werden. Die Länge des Gewichtsvektors bestimmt die Größe des Fensters. Wenn größere Gewichtungsfaktoren für neuere Preise und kleinere Faktoren für frühere Preise verwendet werden, ist der Trend eher auf die jüngsten Veränderungen ansprechen. Ausgabe tsmovavg (Vektor, w, Gewichte, dim) gibt den gewichteten gleitenden Durchschnitt für den Vektor zurück, indem Gewichte für jedes Element in dem sich bewegenden Fenster geliefert werden. Die Länge des Gewichtsvektors bestimmt die Größe des Fensters. Wenn größere Gewichtungsfaktoren für neuere Preise und kleinere Faktoren für frühere Preise verwendet werden, ist der Trend eher auf die jüngsten Veränderungen ansprechen. Output tsmovavg (tsobj, m, numperiod) gibt den modifizierten gleitenden Durchschnitt für das finanzielle Zeitreihenobjekt tsobj zurück. Der modifizierte gleitende Durchschnitt ist ähnlich dem einfachen gleitenden Durchschnitt. Betrachten Sie das Argument numperiod als die Verzögerung des einfachen gleitenden Mittelwerts. Der erste modifizierte gleitende Durchschnitt wird wie ein einfacher gleitender Durchschnitt berechnet. Nachfolgende Werte werden durch Addition des neuen Preises und Subtrahieren des letzten Durchschnitts aus der resultierenden Summe berechnet. Ausgabe tsmovavg (Vektor, m, numperiod, dim) gibt den modifizierten gleitenden Durchschnitt für den Vektor zurück. Der modifizierte gleitende Durchschnitt ist ähnlich dem einfachen gleitenden Durchschnitt. Betrachten Sie das Argument numperiod als die Verzögerung des einfachen gleitenden Mittelwerts. Der erste modifizierte gleitende Durchschnitt wird wie ein einfacher gleitender Durchschnitt berechnet. Nachfolgende Werte werden durch Addition des neuen Preises und Subtrahieren des letzten Durchschnitts aus der resultierenden Summe berechnet. Dim 8212 Dimension, um auf positive ganze Zahl mit dem Wert 1 oder 2 arbeiten Dimension zu arbeiten, als eine positive Ganzzahl mit einem Wert von 1 oder 2 angegeben. Dim ist ein optionales Eingabeargument, und wenn es nicht als eine Eingabe enthalten ist, die Standardeinstellung Wert 2 wird angenommen. Der Standardwert von dim 2 gibt eine zeilenorientierte Matrix an, wobei jede Zeile eine Variable ist und jede Spalte eine Beobachtung ist. Wenn dim 1. die Eingabe als Spaltenvektor oder spaltenorientierte Matrix angenommen wird, wobei jede Spalte eine Variable und jede Zeile eine Beobachtung ist. E 8212 Indikator für exponentiell gleitenden durchschnittlichen Charaktervektor Der exponentielle gleitende Durchschnitt ist ein gewichteter gleitender Durchschnitt, wobei der Zeitabschnitt der Zeitraum des exponentiellen gleitenden Durchschnitts ist. Exponentielle gleitende Durchschnitte reduzieren die Verzögerung durch mehr Gewicht auf die jüngsten Preise. Zum Beispiel gewichtet ein 10-Perioden-exponentieller gleitender Durchschnitt den jüngsten Preis um 18,18. Exponentialprozent 2 / (TIMEPER 1) oder 2 / (WINDOWSIZE 1) Zeitintervall 8212 Zeitdauer nonnegative Ganzzahl Wählen Sie Ihr CountryMoving Average Hi Miquel mit dem Steuerparameter alpha auf Null. Ihre Bewegungsdurchschnitte werden durch Falten Ihres Eingangssignals (Serie) mit zwei endlichen Impulsantwortfiltern der Länge N mit den Filterkoeffizienten 1 / N berechnet. So wird der Aufruf: movavg (Serie, 3,10,0) die Daten in Serie mit zwei Filtern filtern, eine wird die Länge 3 haben und Filterkoeffizienten filt11 / 3 1/3 1/3 3 Koeffizienten haben 10 und haben Filterkoeffizienten filt21 / 10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 10 Koeffizienten Sie filtern Ihre Eingabedaten mit diesen FIR-Filtern. Serie randn (100,1) erstellen Sie einige zufällige Daten outputfilt1filter (filt1,1, Serie) filtern einige zufällige Daten outputfilt2filter (filt2,1, Serie) Wenn Sie nun diese Daten plotten, werden Sie sehen, dass beide gefilterten Versionen sind glatter als die Eingabedaten , Sondern dass outputfilt2 glatter als outputfilt1 ist, weil Sie ein längeres gleitendes Durchschnittsfilter verwendet haben. Ich denke nicht, dass Sie Ihre führende Eingangsvariable zu 1 sein möchten, weil das nicht Ihnen irgendetwas gibt. Im nicht eine Volkswirtschaft Person, aber eine Anwendung der Verwendung dieser gleitenden Durchschnitte von verschiedenen Längen ist es, die tatsächlichen Daten gegen die gleitenden Durchschnitte von unterschiedlicher Länge (ein kurzes oder führendes und ein längeres oder rückständiges) zu vergleichen und sehen, wo die tatsächlichen Marktdaten fallen In bezug auf diese verschiedenen Bewegungsdurchschnitte. Dies wird verwendet, um Schlüsse über die allgemeine Richtung der Zeitreihe (Markt) zu machen. Das Ändern des Steuerparameters gibt Ihnen gewichtete gleitende Mittelwerte oder exponentielle Werte. Hoffe, dass hilft, Wayne Miguel Moura ltmdNOSPAMmouragmREMOVEailgt schrieb in Nachricht ltguahs5lgk1fred. mathworksgt. Gt Hallo, gt gt Ich muss einen einfachen Moving Average mit Periode 10. gt Wie kann ich dies in Matlab gt gt Ich benutze movavg (Serie, 1,20,0), aber ich bin nicht sicher, ob dies richtig ist. Gt gt Was sollte ich für Blei und lag gt gt Danke, gt Miguel Wayne King ltwmkingtygmailgt schrieb in Nachricht ltgubl6qp821fred. mathworksgt. Gt Hi Miquel mit dem Steuerparameter alpha, auf Null gesetzt. Ihre Bewegungsdurchschnitte werden durch Falten Ihres Eingangssignals (Serie) mit zwei endlichen Impulsantwortfiltern der Länge N mit den Filterkoeffizienten 1 / N berechnet. So wird der Aufruf: gt movavg (Serie, 3,10,0) gt die Daten in Reihe mit zwei Filtern filtern, einer wird die Länge 3 haben und Filterkoeffizienten gt gt filt11 / 3 1/3 1/3 3 Koeffizienten gt haben Die andere hat die Länge 10 und Filterkoeffizienten gt filt21 / 10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 10 Koeffizienten gt gt Sie filtern dann Ihre Eingangsdaten mit diesen FIR-Filtern. gt gt seriesrandn (100,1) erstellen einige zufällige Daten gt outputfilt1filter (filt1,1, Serie) Filtern einige zufällige Daten gt outputfilt2filter (filt2,1, Serie) gt gt Wenn Sie nun, dass die Daten zeichnen, werden Sie sehen, dass beide Versionen gefiltert Sind glatter als die Eingabedaten, aber outputfilt2 ist glatter als outputfilt1, weil Sie ein längeres gleitendes Durchschnittsfilter verwendet haben. Ich denke nicht, dass Sie Ihre führende Eingangsvariable zu 1 sein möchten, weil das nicht Ihnen irgendetwas gibt. Im nicht eine Volkswirtschaft Person, aber eine Anwendung der Verwendung dieser gleitenden Durchschnitte von verschiedenen Längen ist es, die tatsächlichen Daten gegen die gleitenden Durchschnitte von unterschiedlicher Länge (ein kurzes oder führendes und ein längeres oder rückständiges) zu vergleichen und sehen, wo die tatsächlichen Marktdaten fallen In bezug auf diese verschiedenen Bewegungsdurchschnitte. Dies wird verwendet, um Schlüsse über die allgemeine Richtung der Zeitreihe (Markt) zu machen. Das Ändern des Steuerparameters gibt Ihnen gewichtete gleitende Mittelwerte oder exponentielle Werte. Gt gt Hoffe, dass hilft, gt Wayne gt gt gt gt Miguel Moura ltmdNOSPAMmouragmREMOVEailgt schrieb in Nachricht ltguahs5lgk1fred. mathworksgt. Gt gt Hallo, gt gt gt gt Ich muss einen einfachen Moving Average mit Periode 10. gt gt Wie kann ich dies in Matlab gt gt gt Ich benutze movavg (Serie, 1,20,0), aber ich bin nicht Ob dies korrekt ist. Gt gt gt gt Was sollte ich für Blei und Lag verwenden gt gt gt Vielen Dank, gt gt Miguel Ich muss den Simple Moving Average in seiner normalen Form zu verwenden, weil ich eine C-NET-Bibliothek erstellt, um es zu tun. Und ich bin mit dieser Bibliothek in Matlab und Überprüfung der Leistung. Ich möchte die SMA mit Matlab-Funktion berechnen, um die Werte zu validieren. In der Theorie die SMA-Werte sollten die gleichen entweder mit der C-Bibliothek SMA oder die Matlab SMA, rechts In C my SMA ist wie folgt: public static Double SMA (Double-Serie, Int32 Zeitraum) // Prüfen Sie die Argumente Int32 Länge series. Length if (Länge 0) throw new ArgumentException (Serie kann nicht leer sein) if (Periode gt Länge) throw new ArgumentException (Periode kann nicht größer sein als Serienlänge) // Einfach gleitenden Durchschnitt berechnen Double sma new Doublelength double sum sma0 für int bar 1 bar Lt Längenbalken) if (bar lt Periode) Summe Reihenleiste smabar sum / (bar 1) sonst smabar smabar - 1 (seriell - seriell - Periode) / Periode Ich benutze SMA als Beispiel für die Prüfung. Hallo Miguel, Sie können Ihren C-Code problemlos in Matlab übersetzen. Wenn der relevante Teil Ihres C-Codes doppelte Summe sma0 für (int bar 1 bar lt Längenstab) if (bar lt Periodendauer) sum seriebar smabar sum / (bar 1) sonst smabar smabar - 1 (seriell - seriell - Periode) / In der Matlab (schnelle Übersetzung): sma (1) Reihe (1) für j2: Länge (Serie) -1 bei jltperiod sma (j) sum (Serie (1: j)) / (j1) sonst sma (j) sma (J-1) (Reihe j) - Serie (j-Periode)) / Periodenende Aber Sie erhalten die im Wesentlichen die gleichen Ergebnisse, wenn Sie nur Filter () mit einem FIR-Filter bestehend aus einem Vektor der Längenperiode mit Koeffizienten verwenden (1, Serie) Periode sma (1) Reihe (1) für j2: Länge (Serie) -1 bei jltperiod sma (J) Summe (Serie (1: j)) / (j1) sonst sma (j) sma (j-1) (Reihe (j) Linewidth, 2) halten auf der Handlung (sma, r) Es gibt einige Start-up-Effekte in Ihrer Methode zu behandeln, aber Sie erhalten das Bild. Die schöne Sache über Matlab ist, dass einige große Entwickler haben eine Menge Arbeit für Sie getan. Sie erhalten die Früchte ihrer Arbeit ernten. Hoffe, dass hilft, Wayne Miguel Moura ltmdNOSPAMmouragmREMOVEailgt schrieb in Nachricht ltgubrt2l11fred. mathworksgt. Gt Wayne King ltwmkingtygmailgt schrieb in Nachricht ltgubl6qp821fred. mathworksgt. Gt gt Hi Miquel mit dem Steuerparameter alpha auf Null setzen. Ihre Bewegungsdurchschnitte werden durch Falten Ihres Eingangssignals (Serie) mit zwei endlichen Impulsantwortfiltern der Länge N mit den Filterkoeffizienten 1 / N berechnet. So wird der Aufruf: gt gt movt (g) gt gt wird die Daten in Reihe mit zwei Filtern filtern, eine wird die Länge 3 haben und Filterkoeffizienten gt gt gt gt filt11 / 3 1/3 1 / 3 3 Koeffizienten gt gt Die andere hat die Länge 10 und hat Filterkoeffizienten gt gt filt21 / 10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 10 Koeffizienten gt Gt gt gt Sie filtern Ihre Eingabedaten mit diesen FIR-Filtern. gt gt gt gt seriesrandn (100,1) erstellen einige zufällige Daten gt gt outputfilt1filter (filt1,1, Serie) Filtern einige zufällige Daten gt gt outputfilt2filter (filt2,1, Serie) gt gt gt gt Wenn Sie nun, dass die Daten zeichnen, Sie Wird sehen, dass beide gefilterten Versionen glatter als die Eingabedaten sind, aber dass outputfilt2 glatter als outputfilt1 ist, weil Sie einen längeren gleitenden Durchschnittsfilter verwendet haben. Ich denke nicht, dass Sie Ihre führende Eingangsvariable zu 1 sein möchten, weil das nicht Ihnen irgendetwas gibt. Im nicht eine Volkswirtschaft Person, aber eine Anwendung der Verwendung dieser gleitenden Durchschnitte von verschiedenen Längen ist es, die tatsächlichen Daten gegen die gleitenden Durchschnitte von unterschiedlicher Länge (ein kurzes oder führendes und ein längeres oder rückständiges) zu vergleichen und sehen, wo die tatsächlichen Marktdaten fallen In bezug auf diese verschiedenen Bewegungsdurchschnitte. Dies wird verwendet, um Schlüsse über die allgemeine Richtung der Zeitreihe (Markt) zu machen. Das Ändern des Steuerparameters gibt Ihnen gewichtete gleitende Mittelwerte oder exponentielle Werte. gt gt gt gt hoffen, dass gt gt wayne gt gt gt gt gt gt gt gt gt gt Miguel Moura ltmdNOSPAMmouragmREMOVEailgt schrieb in Nachricht ltguahs5lgk1fred. mathworksgt hilft. gt gt gt Hallo, gt gt gt gt gt gt Ich brauche einen einfachen gleitenden Durchschnitt mit der Periode 10. gt gt gt zu berechnen, wie kann ich dies tun in Matlab gt gt gt gt gt gt Ich verwende movavg (Serie, 1,20, 0), aber ich bin nicht sicher, ob dies richtig ist. Gt gt gt gt gt gt Was sollte ich für Blei und lag verwenden gt gt gt gt gt Vielen Dank, gt gt gt Miguel gt gt Ich brauche die Simple Moving Average in seiner normalen Form zu verwenden, weil ich eine C-NET-Bibliothek erstellt, um es zu tun . Und ich bin mit dieser Bibliothek in Matlab und Überprüfung der Leistung. Gt gt Ich möchte die SMA mit Matlab-Funktion berechnen, um die Werte zu validieren. Gt gt In der Theorie sollten die SMA-Werte die gleiche sein, entweder mit der C-Bibliothek SMA oder der Matlab SMA, rechts gt gt In C my SMA ist wie folgt: gt gt public static Double SMA (Double-Serie, Int32-Periode) gt gt // Überprüfen Sie die Argumente gt Int32 length series. Length gt if (length 0) throw new ArgumentException (Serie kann nicht gt leer sein) gt if (Periode gt Länge) throw new ArgumentException (Periode gt darf nicht größer als Serienlänge sein) gt gt // Einfach berechnen gleitenden Durchschnitt gt Doppel sma neue Doublelength gt gt sma0 series0 gt gt Doppelsumme sma0 gt für (int bar 1 bar lt Länge bar) gt gt wenn (bar lt Periode) gt gt Summe seriesbar gt smabar Summe / (bar 1) gt gt sonst Gt gt smabar smabar - 1 (Baureihe - serielle Baugruppe - gt Periode) / Periode gt gt gt gt Rückkehr sma gt gt gt Ich benutze SMA als Beispiel für den Test. Gt gt Danke, gt Miguel Hallo der Grund, warum ich bin mit C ist einfach. Ich schaffe ein Finanzmodell. Ich mache die Tests in Matlab, aber in Echtzeit werde ich C verwenden, da es schwierig war, Matlab an die API zu verbinden und um ehrlich zu sein die meisten API verwenden. NET oder C. So in Echtzeit wird es eine C. NET WPF-Anwendung sein. Zum Testen wird es Matlab sein. Für die Übereinstimmung sollten beide Systeme dieselben Methoden zur Berechnung verwenden. Also entweder ich die Algorithmen in C erstellen und erstellen Sie eine. NET 3.5-Bibliothek in Matlab verwendet werden. Oder ich erstelle alles in Matlab, kompiliere zu NET (was ich für möglich halte) in die WPF-Anwendung zu verwenden. Was würden Sie mir Rat vielleicht Vielleicht diese neueste Option Ich denke, es wird wahrscheinlich sparen mich eine Menge Arbeit. Aber was ist mit Leistung Aber wie kann ich zum Beispiel kompilieren, dass Code in eine NET-Bibliothek Jeder Rat auf diesem ist sehr willkommen. Vielen Dank, Miguel Wayne King ltwmkingtygmailgt schrieb in Nachricht ltgubuvu71g1fred. mathworksgt. Gt sorry miguel ein verrückter Charakter erscheint für meine Aussage gt gt Zeitraum in das Code-Snippet unten. Gt gt gt Wayne King ltwmkingtygmailgt schrieb in Nachricht ltgubuip7s81fred. mathworksgt. Gt gt Hi Miguel, können Sie Ihre C-Code leicht in Matlab zu übersetzen. Unter Berücksichtigung des relevanten Teils Ihres C-Codes gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt für (int bar 1 bar lt length bar) gt gt gt gt gt gt smabar Summe / (bar 1) gt gt gt gt anderes gt gt gt gt smabar smabar - 1 (seriesbar - seriesbar - gt gt Periode) / Periode gt gt gt gt gt gt gt gt In Matlab (schnelle Übersetzung): gt gt Gt gt gt gt für j2: Länge (Serie) -1 gt gt wenn jltperiod gt gt sma (j) sum (Reihe (1: j)) / (j1) gt gt gt gt sma (J) sma (j-1) (j) - Serie (j-Periode) / Periode gt gt Ende gt gt Ende gt gt gt gt Sie erhalten im Wesentlichen die gleichen Ergebnisse, wenn Sie nur Filter () verwenden Ein FIR-Filter, bestehend aus einem Vektor der Längenperiode mit Koeffizienten (1/10) gt gt gt gt gt gt gt gt gt gt gt gt gt gh gt gt gh gt gam ) Gt gt Periode gt gt sma (1) Reihe (1) gt gt für j2: Länge (Serie) -1 gt gt, wenn jltperiod gt gt sma (j) sum (Serie (1: j)) / (j1) gt gt Sonst gt gt sma (j) sma (j-1) (Reihe (j) - Serie (j-Periode)) / Periode gt gt Ende gt gt Ende gt gt Plot (smamatlab, b, linewidth, 2) Gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt Es gibt einige Start-up-Effekte, Die schöne Sache über Matlab ist, dass einige große Entwickler haben eine Menge Arbeit für Sie getan. Sie erhalten die Früchte ihrer Arbeit ernten. Gt gt gt gt Hoffe, dass hilft, gt gt gt gt gt gt gt Miguel Moura ltmdNOSPAMmouragmREMOVEailgt schrieb in Nachricht ltgubrt2l11fred. mathworksgt. Gt gt Wayne King ltwmkingtygmailgt schrieb in Nachricht ltgubl6qp821fred. mathworksgt. Gt gt gt gt Hi Miquel mit dem Steuerparameter alpha auf Null gesetzt. Ihre Bewegungsdurchschnitte werden durch Falten Ihres Eingangssignals (Serie) mit zwei endlichen Impulsantwortfiltern der Länge N mit den Filterkoeffizienten 1 / N berechnet. Somit wird der Aufruf: gt gt gt gt gt gt gt die Daten in Reihe mit zwei Filtern filtern, eine wird die Länge 3 haben und Filterkoeffizienten gt gt gt gt gt gt gt gt haben Filt11 / 3 1/3 1/3 3 Koeffizienten gt gt gt gt Der andere hat die Länge 10 und hat Filterkoeffizienten gt gt gt gt filt21 / 10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 1/10 10 Koeffizienten gt gt gt gt gt gt gt Sie filtern Ihre Eingabedaten mit diesen FIR-Filtern. gt gt gt gt gt gt gt gt seriesrandn (100,1) einige zufällige Daten gt gt gt gt outputfilt1filter schaffen (filt1,1, Serie) Filtern eine zuf gt gt gt outputfilt2filter Daten gt (filt2,1, Serie) gt gt gt gt Gt gt gt gt Wenn Sie nun diese Daten zeichnen, sehen Sie, dass beide gefilterten Versionen weicher sind als die Eingabedaten, aber outputfilt2 ist glatter als outputfilt1, weil Sie einen längeren gleitenden Durchschnittsfilter verwendet haben. Ich denke nicht, dass Sie Ihre führende Eingangsvariable zu 1 sein möchten, weil das nicht Ihnen irgendetwas gibt. Im nicht eine Volkswirtschaft Person, aber eine Anwendung der Verwendung dieser gleitenden Durchschnitte von verschiedenen Längen ist es, die tatsächlichen Daten gegen die gleitenden Durchschnitte von unterschiedlicher Länge (ein kurzes oder führendes und ein längeres oder rückständiges) zu vergleichen und sehen, wo die tatsächlichen Marktdaten fallen In bezug auf diese verschiedenen Bewegungsdurchschnitte. Dies wird verwendet, um Schlüsse über die allgemeine Richtung der Zeitreihe (Markt) zu machen. Das Ändern des Steuerparameters gibt Ihnen gewichtete gleitende Mittelwerte oder exponentielle Werte. gt gt gt gt gt gt gt gt hoffen, dass gt gt gt gt wayne gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt gt Miguel Moura ltmdNOSPAMmouragmREMOVEailgt schrieb in Nachricht ltguahs5lgk1fred. mathworksgt hilft. gt gt gt gt gt Hallo, gt gt gt gt gt gt gt gt gt gt Ich brauche einen einfachen gleitenden Durchschnitt mit der Periode 10. gt gt gt gt gt zu berechnen, wie kann ich dies tun in Matlab gt gt gt gt gt gt gt gt gt Gt Ich benutze movavg (Serie, 1,20,0), aber ich bin nicht sicher, ob dies richtig ist. gt gt gt gt gt gt gt gt gt gt Was soll ich für die Verwendung von Blei und hinken gt gt gt gt gt gt gt gt gt gt Danke gt gt gt gt gt Miguel gt gt gt gt gt gt ich die Simple Moving Average verwenden müssen In seiner normalen Form, weil ich eine C-NET-Bibliothek erstellt, um es zu tun. Und ich bin mit dieser Bibliothek in Matlab und Überprüfung der Leistung. Gt gt gt gt gt gt Ich möchte die SMA mit Matlab-Funktion berechnen, um die Werte zu validieren. Gt gt gt gt gt gt In der Theorie sollten die SMA-Werte die gleiche sein, entweder mit der C Library SMA oder der Matlab SMA, rechts gt gt gt gt gt In C my SMA ist wie folgt: gt gt gt gt gt public static Double SMA (Doppel-Serie, Int32 Periode) gt gt gt gt gt gt // prüfen Argumente gt gt gt Int32 Länge series. Length gt gt gt wenn (Länge 0) throw new Argument (Serie nicht gt gt gt leer sein kann) gt gt gt wenn (Periode gt Länge) throw new Argument (gt gt gt Periode nicht größer sein kann als Serienlänge) gt gt gt gt gt gt // Berechnen einfachen gleitenden Durchschnitt gt gt gt Doppel sma neue Doublelength gt gt gt gt gt gt sma0 series0 gt gt gt gt gt gt Doppelsumme sma0 gt gt gt für (int bar 1 bar lt Länge bar) gt gt gt gt gt gt wenn (bar lt Periode) gt gt gt gt gt gt Summe seriesbar gt gt gt smabar Summe / (bar 1) gt gt gt gt gt gt anderes gt gt gt gt gt gt smabar smabar - 1 (seriesbar - seriesbar - gt gt gt Periode) / Periode gt gt gt gt gt gt gt gt gt gt gt gt zurückkehren sma gt gt gt gt gt gt gt gt Gt Ich bin mit SMA als ein Beispiel für die Prüfung. Gt gt gt gt gt gt Vielen Dank, gt gt gt Miguel Wayne King ltwmkingtygmailgt schrieb in Nachricht lth2auivpgk1fred. mathworksgt. Gt Hallo Ralph, ja der gleitende Durchschnitt ist in einer kausalen Weise implementiert, so dass es rückwärts schaut. In Ihrem Anruf movavg (Daten, 10,10, e) haben Sie die gleiche Verzögerung sowohl für die führende und nacheilende Mittelwerte, so erhalten Sie identische Ausgänge für gt gt kurze, lange movavg (Daten, 10,10, e) gt gt In der Regel wählen die Menschen unterschiedliche Werte für die bewegten Durchschnitte. Gt gt Hoffe, dass hilft, gt Wayne gt gt Ralph ltralphjbgmailgt schrieb in Nachricht lth2atdf6sc1fred. mathworksgt. Gt gt Ja, also in meinem Beispiel wäre die Zeit n, n-1. N-9 exponentiellen gleitenden Durchschnitt. Bin ich ok, um movavg (Daten, 10,10, e) verwenden gt gt gt Viel geschätzt gt gt gt Ralph Dont Vertrauen der EMA, dass Matlab implementiert. Es ist nicht der traditionelle gleitende Durchschnitt, der in der Finanzierung verwendet wird. Tatsächlich weiß ich nicht, ob ihre Version überhaupt benutzt wird. Mit anderen Worten, seine flache falsche IMO. Heres, was Matlab verwendet: berechnen exponentiellen gleitenden Durchschnitt berechnen Glättung Konstante (alpha) alphas 2 / (Periode1) erste exponentielle Durchschnitt ist der erste Preis b (1) Asset (1) preallocate Matrizen b bzeros (r-Periode, 1) Matrizen von Eingangsdaten, FOR-Schleifen sind effizienter als Vektorisierung. (J2-Periode) - b (j-Periode1)) end Zuerst aus ist die Zeile: nicht gut, zum Beispiel Was, wenn Ihre Daten sah aus wie diese 1, 4, 6. 20, 45 dann Matlab fragen, um eine 5-Periode EMA zu berechnen und es gibt Ihnen 1 als ersten pt. Viel besser ist, SMA für den ersten Punkt zu verwenden, und es doesn ¡¯ t stoppen es Blick auf die eigentliche EMA Berechnung: Vermögenswert (j2-Periode) ist der Preis X Zeiten, wenn in Wirklichkeit sollte es heutigen Preis sein. Jede Referenz Ive gesehen gibt die Formel: EMAtoday EMAyest alpha (PRICEtoday - EMAyest) Und zum Vergleich Matlab: EMAtoday EMAyest alpha (PRICE Zeitraum Tage - EMAyest) die richtige Zeile sollte lesen: Dies ist ein ziemlich ernster Fehler und kann wirklich wegwerfen Ihre Ergebnisse wie in meinem Fall. Kann nicht glauben, dass dies nie angesprochen wurde. Sie können an Ihre Watchlist als Threads denken, die Sie mit Lesezeichen versehen haben. Sie können Tags, Autoren, Threads und sogar Suchergebnisse zu Ihrer Beobachtungsliste hinzufügen. Auf diese Weise können Sie leicht verfolgen Themen, die Sie interessiert sind in. Um Ihre Watch-Liste, klicken Sie auf die quotMy Newsreaderquot Link. Um Artikel zu Ihrer Watchlist hinzuzufügen, klicken Sie auf den Link "quotadd to watch listquot" am unteren Rand einer Seite. Wie füge ich ein Element zu meiner Watchlist hinzu Um Suchkriterien zu Ihrer Watchlist hinzuzufügen, suchen Sie den gewünschten Begriff im Suchfeld. Klicken Sie auf den quotAddd diese Suche zu meinem watch listquot Link auf der Suchergebnisseite. Sie können auch einen Tag zu Ihrer Überwachungsliste hinzufügen, indem Sie nach dem Tag mit der Anweisung quottag suchen: tagnamequot wobei tagname der Name des Tags ist, das Sie ansehen möchten. Um einen Autor zu Ihrer Beobachtungsliste hinzuzufügen, gehen Sie zur Autorenprofilseite und klicken Sie auf den quotAdd this author zu meinem watch listquot Link am oberen Rand der Seite. Sie können auch einen Autor zu Ihrer Watch-Liste hinzufügen, indem Sie zu einem Thread, dass der Autor gebucht hat und klicken Sie auf den quotAdd diesen Autor zu meinem watch listquot Link. Sie werden benachrichtigt, wenn der Autor eine Post macht. Um einen Thread zu Ihrer Watch-Liste hinzuzufügen, gehen Sie auf die Thread-Seite und klicken Sie auf den Link diesen Thread zu meinem watch listquot Link am oberen Rand der Seite. Über Newsgroups, Newsreader und MATLAB Central Was sind Newsgroups Die Newsgroups sind ein weltweites Forum, das allen offen steht. Newsgroups werden verwendet, um eine breite Palette von Themen zu diskutieren, Ankündigungen machen und Handelsdateien. Diskussionen sind Threaded, oder gruppiert in einer Weise, die Sie eine gebuchte Nachricht und alle ihre Antworten in chronologischer Reihenfolge lesen können. Dies macht es einfach, den Faden des Gesprächs zu folgen, und zu sehen, whatrsquos bereits gesagt, bevor Sie Ihre eigene Antwort posten oder eine neue Buchung. Newsgroup-Inhalte werden von Servern verteilt, die von verschiedenen Organisationen im Internet gehostet werden. Nachrichten werden unter Verwendung von offenen Standardprotokollen ausgetauscht und verwaltet. Keine einzelne Entität ldquoownsrdquo die Newsgroups. Es gibt Tausende von Newsgroups, die jeweils ein einziges Thema oder ein bestimmtes Thema behandeln. Der MATLAB Central Newsreader platziert und zeigt Nachrichten in der comp. soft-sys. matlab-Newsgroup an. Wie lese oder poste ich in den Newsgroups Sie können den integrierten Newsreader auf der MATLAB Central-Website verwenden, um Nachrichten in dieser Newsgroup zu lesen und zu posten. MATLAB Central wird von MathWorks gehostet. Nachrichten, die über den MATLAB Central Newsreader veröffentlicht werden, werden von allen Benutzern der Newsgroups gesehen, unabhängig davon, wie sie auf die Newsgroups zugreifen. Es gibt mehrere Vorteile der Verwendung von MATLAB Central. Ein Konto Das MATLAB Central-Konto ist mit Ihrem MathWorks-Konto verknüpft. Verwenden Sie die E-Mail-Adresse Ihrer Wahl Mit dem MATLAB Central Newsreader können Sie eine alternative E-Mail-Adresse als Ihre Buchungsadresse definieren, um Unfälle in Ihrer primären Mailbox zu vermeiden und Spam zu reduzieren. Spam-Kontrolle Die meisten Newsgroup-Spam wird vom MATLAB Central Newsreader gefiltert. Tagging-Nachrichten können von jedem angemeldeten Benutzer mit einem entsprechenden Label versehen werden. Tags können als Schlüsselwörter verwendet werden, um bestimmte Dateien von Interesse zu finden, oder als eine Möglichkeit, Ihre Bookmarking-Einträge zu kategorisieren. Sie können wählen, andere zu erlauben, Ihre Umbauten anzusehen, und Sie können otherrsquo Umbauten als auch die der Gemeinschaft an sehen oder suchen. Tagging bietet eine Möglichkeit, sowohl die großen Trends und die kleineren, mehr obskuren Ideen und Anwendungen zu sehen. Beobachtungslisten Durch das Einrichten von Überwachungslisten können Sie über Updates informiert werden, die für Beiträge erstellt wurden, die von Autor, Thread oder Suchvariablen ausgewählt wurden. Ihre Benachrichtigungswünsche können per E-Mail (täglich digest oder sofort), im My Newsreader oder per RSS-Feed gesendet werden. Andere Möglichkeiten für den Zugriff auf die Newsgroups Verwenden Sie einen Newsreader über Ihre Schule, Arbeitgeber oder Internetdienstanbieter Pay for newsgroup Zugriff von einem kommerziellen Anbieter Verwenden Sie Google Groups Mathforum. org bietet einen Newsreader mit Zugriff auf die comp. soft sys. matlab newsgroup Führen Sie Ihre eigenen Server. Für typische Anweisungen siehe: slyck / ng. phppage2 Wählen Sie Ihr Land aus
Comments
Post a Comment