Glidande medelvärde filter hastighet


Forskaren och ingenjörsguiden till digital signalbehandling av Steven W. Smith, Ph. D. Kapitel 15: Flytta genomsnittliga filter Familjer till det rörliga medelfiltret I en perfekt värld skulle filterdesigners bara behöva hantera tidsdomän eller frekvensdomänkodad information, men aldrig en blandning av de två i samma signal. Tyvärr finns det vissa applikationer där båda domänerna är samtidigt viktiga. Till exempel faller televisionssignaler i denna otäcka kategori. Videoinformation kodas i tidsdomänen, det vill säga formen på vågformen motsvarar ljusstyrkan i bilden. Under överföringen behandlas videosignalen emellertid i enlighet med sin frekvenskomposition, såsom dess totala bandbredd, hur bärvågorna för ljudförstärkningsfärg läggs, elimineringsamprestation av DC-komponenten etc. Som ett annat exempel kan elektromagnetisk störning är bäst förstådd i frekvensdomänen, även om signalinformationen kodas i tidsdomänen. Exempelvis kan temperaturmonitorn i ett vetenskapligt experiment kontamineras med 60 hertz från kraftledningarna, 30 kHz från en strömbrytare, eller 1320 kHz från en lokal AM-radiostation. Släktingar i det glidande medelfiltret har bättre frekvensdomänprestanda, och kan vara användbara i dessa applikationer med blandad domän. Multipla-pass glidande medelfilter involverar att mata in signalen genom ett glidande medelfilter två eller flera gånger. Figur 15-3a visar den totala filterkärnan som härrör från en, två och fyra passeringar. Två passager motsvarar användningen av en triangulär filterkärna (en rektangulär filterkärna som är sammanfogad med sig). Efter fyra eller flera passerar, ser den ekvivalenta filterkärnan ut som en gauss (återkall den centrala gränsteorem). Såsom visas i (b) producerar flera passager ett s-format stegsvar, jämfört med den raka linjen i enkelpasset. Frekvenssvaren i (c) och (d) ges av ekv. 15-2 multiplicerad med sig själv för varje pass. Det vill säga, varje gång domänkonvolvering resulterar i en multiplicering av frekvensspektra. Figur 15-4 visar frekvensresponsen hos två andra släktingar i det glidande medelfiltret. När en ren Gaussian används som filterkärna är frekvenssvaret också en Gaussian, som diskuteras i kapitel 11. Gaussian är viktig eftersom det är impulssvaret hos många naturliga och konstgjorda system. Exempelvis kommer en kort ljuspuls som kommer in i en lång fiberoptisk transmissionsledning att gå ut som en Gaussisk puls, på grund av de olika vägarna som fotonerna i fibern tar. Den gaussiska filterkärnan används också i stor utsträckning vid bildbehandling eftersom den har unika egenskaper som möjliggör snabba tvådimensionella omvälvningar (se kapitel 24). Det andra frekvenssvaret i fig 15-4 motsvarar användningen av ett Blackman-fönster som en filterkärna. (Termen fönstret har ingen betydelse här det är helt enkelt en del av det accepterade namnet på denna kurva). Den exakta formen av Blackman-fönstret ges i kapitel 16 (likv. 16-2, figur 16-2), men det ser ut som en gaussisk. Hur är dessa släktingar i det glidande medelfiltret bättre än det glidande medelfiltret i sig? Tre sätt: För det första och viktigast, har dessa filter bättre dämpningsdämpning än det glidande medelfiltret. För det andra tappas filterkärnorna till en mindre amplitud nära ändarna. Minns att varje punkt i utsignalen är en viktad summa av en grupp av prover från ingången. Om filterkärnan försvinner, får prover i ingångssignalen som ligger längre bort ges mindre vikt än de som ligger i närheten. För det tredje är stegsvaren smidiga kurvor, snarare än den abrupta raka linjen i glidande medelvärdet. De senaste två är vanligtvis av begränsad nytta, även om du kanske hittar applikationer där de är genuina fördelar. Det glidande medelfiltret och dess släktingar handlar i stort sett om att minska slumpmässigt buller samtidigt som man behåller ett skarpt stegsvar. Otvetydigheten ligger i hur stegreaktionsmåttet uppmätts. Om risetiden mäts från 0 till 100 av steget är det glidande medelfiltret det bästa du kan göra, som tidigare visat. I jämförelse mäter risetiden från 10 till 90 Blackman-fönstret bättre än det glidande medelfiltret. Poängen är, det här är bara teoretisk snuskning anser att dessa filter är lika i denna parameter. Den största skillnaden i dessa filter är exekveringshastigheten. Med hjälp av en rekursiv algoritm (beskrivs nästa), kommer det glidande medelfiltret att springa som blixt i datorn. Det är faktiskt det snabbaste digitala filtret tillgängligt. Flera passeringar i det rörliga genomsnittet kommer att vara motsvarande långsammare, men ändå väldigt snabba. I jämförelse är de gaussiska och blackmanfiltren oerhört långsamma, eftersom de måste använda konvolvering. Tänk en faktor tio gånger antalet poäng i filterkärnan (baserat på multiplikation är ca 10 gånger långsammare än tillsats). Till exempel, förvänta dig att en 100-punkts Gaussian ska vara 1000 gånger långsammare än ett glidande medel med recursion. Moving Average - MA BREAKING DOWN Moving Average - MA Som ett SMA-exempel, överväga en säkerhet med följande stängningskurser över 15 dagar: Vecka 1 ( 5 dagar) 20, 22, 24, 25, 23 Vecka 2 (5 dagar) 26, 28, 26, 29, 27 Vecka 3 (5 dagar) 28, 30, 27, 29, 28 Slutkurserna för de första 10 dagarna som första datapunkt. Nästa datapunkt skulle släppa det tidigaste priset, lägga till priset på dag 11 och ta medeltalet, och så vidare som visas nedan. Som tidigare noterat lagrar MAs nuvarande prisåtgärd eftersom de är baserade på tidigare priser, ju längre tidsperioden för MA, desto större är fördröjningen. Således kommer en 200-dagars MA att ha en mycket större grad av fördröjning än en 20-dagars MA eftersom den innehåller priser för de senaste 200 dagarna. Längden på MA som ska användas beror på handelsmålen, med kortare MAs som används för kortfristig handel och långsiktiga MAs mer lämpade för långsiktiga investerare. 200-dagars MA följs i stor utsträckning av investerare och handlare, med raster över och under detta glidande medel anses vara viktiga handelssignaler. MAs ger också viktiga handelssignaler på egen hand eller när två genomsnitt övergår. En stigande MA indikerar att säkerheten är i en uptrend. medan en minskande MA indikerar att den ligger i en nedåtgående trend. På samma sätt bekräftas uppåtgående momentum med en haussead crossover. som uppstår när en kortsiktig MA passerar över en längre tid MA. Nedåtgående momentum bekräftas med en bearish crossover som uppstår när en kortsiktig MA passerar under en längre sikt MA. Moving Averages: Vad är de Bland de mest populära tekniska indikatorerna används glidande medelvärden för att mäta riktningen för den nuvarande trenden . Varje typ av glidande medelvärde (vanligtvis skrivet i denna handledning som MA) är ett matematiskt resultat som beräknas genom att medelvärda ett antal tidigare datapunkter. När det bestämts är det resulterande genomsnittet plottat på ett diagram för att låta handlare se på jämn data istället för att fokusera på de dagliga prisfluktuationerna som är inneboende på alla finansmarknader. Den enklaste formen av ett glidande medel, lämpligt känt som ett enkelt glidande medelvärde (SMA), beräknas genom att ta det aritmetiska medelvärdet av en given uppsättning värden. För att beräkna ett grundläggande 10-dagars glidande medelvärde skulle du lägga till slutkurserna från de senaste 10 dagarna och sedan dela resultatet med 10. I Figur 1 är summan av priserna under de senaste 10 dagarna (110) dividerat med antalet dagar (10) för att komma fram till 10-dagars genomsnittet. Om en näringsidkare vill se ett 50-dagars medel istället skulle samma typ av beräkning göras, men det skulle inkludera priserna under de senaste 50 dagarna. Det resulterande genomsnittet under (11) tar hänsyn till de senaste 10 datapunkterna för att ge handlare en uppfattning om hur en tillgång prissätts relativt de senaste 10 dagarna. Kanske du undrar varför tekniska handlare kallar det här verktyget ett glidande medelvärde och inte bara en vanlig medelvärde. Svaret är att när de nya värdena blir tillgängliga måste de äldsta datapunkterna släppas från uppsättningen och nya datapunkter måste komma in för att ersätta dem. Således flyttar datasatsen ständigt för att redogöra för nya data när den blir tillgänglig. Denna beräkningsmetod säkerställer att endast den nuvarande informationen redovisas. I figur 2 flyttas den röda rutan (representerande de senaste 10 datapunkterna) till höger om det nya värdet på 5 och det sista värdet av 15 släpps från beräkningen. Eftersom det relativt lilla värdet på 5 ersätter det höga värdet på 15, förväntar du dig att genomsnittet av datamängden minskar, vilket det gör, i det här fallet från 11 till 10. Vad ser Moving Averages Like När värdena på MA har beräknats, de är plottade på ett diagram och sedan anslutna för att skapa en rörlig genomsnittslinje. Dessa kurvor är vanliga på diagrammen för tekniska handlare, men hur de används kan variera drastiskt (mer om detta senare). Som du kan se i Figur 3 är det möjligt att lägga till mer än ett glidande medelvärde till ett diagram genom att justera antalet tidsperioder som används i beräkningen. Dessa böjda linjer kan verka distraherande eller förvirrande först, men du kommer att bli vana vid dem som tiden går vidare. Den röda linjen är helt enkelt genomsnittspriset under de senaste 50 dagarna, medan den blå linjen är genomsnittspriset under de senaste 100 dagarna. Nu när du förstår vad ett rörligt medelvärde är och hur det ser ut, introducerar du en annan typ av rörligt medelvärde och undersöker hur det skiljer sig från det tidigare nämnda enkla glidande medlet. Det enkla glidande medlet är extremt populärt bland handlare, men som alla tekniska indikatorer har det kritiker. Många individer hävdar att användbarheten av SMA är begränsad eftersom varje punkt i dataserien är densamma, oavsett var det inträffar i sekvensen. Kritiker hävdar att de senaste uppgifterna är mer signifikanta än de äldre uppgifterna och bör ha större inverkan på slutresultatet. Som svar på denna kritik började näringsidkare lägga större vikt vid de senaste uppgifterna, som sedan har lett till uppfinningen av olika typer av nya medelvärden, varav den mest populära är det exponentiella rörliga genomsnittet (EMA). (För vidare läsning, se Grunderna för viktade rörliga medelvärden och vad som är skillnaden mellan en SMA och en EMA) Exponentiell rörlig genomsnitts Det exponentiella rörliga genomsnittsvärdet är en typ av rörligt medelvärde som ger större vikt till de senaste priserna i ett försök att göra det mer responsivt till ny information. Att lära sig den något komplicerade ekvationen för att beräkna en EMA kan vara onödig för många handlare, eftersom nästan alla kartläggningspaket gör beräkningarna för dig. Men för dig matte geeks där ute, här är EMA-ekvationen: När du använder formeln för att beräkna den första punkten hos EMA kan du märka att det inte finns något värde tillgängligt för att använda som tidigare EMA. Detta lilla problem kan lösas genom att starta beräkningen med ett enkelt glidande medelvärde och fortsätta med ovanstående formel därifrån. Vi har försett dig med ett provkalkylblad som innehåller verkliga exempel på hur man beräknar både ett enkelt glidande medelvärde och ett exponentiellt glidande medelvärde. Skillnaden mellan EMA och SMA Nu när du har en bättre förståelse för hur SMA och EMA beräknas, kan vi titta på hur dessa genomsnitt skiljer sig åt. Genom att titta på beräkningen av EMA kommer du att märka att större vikt läggs på de senaste datapunkterna, vilket gör det till en typ av vägt genomsnitt. I Figur 5 är antalet tidsperioder som används i varje genomsnitt identiskt (15), men EMA svarar snabbare på de förändrade priserna. Lägg märke till hur EMA har ett högre värde när priset stiger och faller snabbare än SMA när priset sjunker. Denna respons är den främsta anledningen till att många handlare föredrar att använda EMA över SMA. Vad betyder de olika dagarna Medflyttande medelvärden är en helt anpassningsbar indikator, vilket innebär att användaren fritt kan välja vilken tidsram de vill ha när de skapar genomsnittet. De vanligaste tidsperioderna som används i glidande medelvärden är 15, 20, 30, 50, 100 och 200 dagar. Ju kortare tidsintervallet användes för att skapa medelvärdet desto känsligare blir det för prisändringar. Ju längre tidspanelen är, desto mindre känslig eller jämnare blir medeltalet. Det finns ingen rätt tidsram att använda när du ställer in dina glidande medelvärden. Det bästa sättet att ta reda på vilken som passar dig bäst är att experimentera med ett antal olika tidsperioder tills du hittar en som passar din strategi. Flytta genomsnitt: Hur man använder dem

Comments

Popular Posts