Flytte Gjennomsnittet Filter Opplæringen

Flytende gjennomsnitt Dette eksemplet lærer deg hvordan du beregner det bevegelige gjennomsnittet av en tidsserie i Excel. Et glidende gjennomsnitt brukes til å utjevne uregelmessigheter (topper og daler) for enkelt å gjenkjenne trender. 1. Først, ta en titt på vår tidsserie. 2. På Data-fanen klikker du Dataanalyse. Merk: kan ikke finne dataanalyseknappen Klikk her for å laste inn add-in for Analysis ToolPak. 3. Velg Flytt gjennomsnitt og klikk OK. 4. Klikk i feltet Inngangsområde og velg området B2: M2. 5. Klikk i intervallboksen og skriv inn 6. 6. Klikk i feltet Utmatingsområde og velg celle B3. 8. Skriv en graf av disse verdiene. Forklaring: fordi vi angir intervallet til 6, er glidende gjennomsnitt gjennomsnittet for de forrige 5 datapunktene og det nåværende datapunktet. Som et resultat blir tinder og daler utjevnet. Grafen viser en økende trend. Excel kan ikke beregne det bevegelige gjennomsnittet for de første 5 datapunktene fordi det ikke er nok tidligere datapunkter. 9. Gjenta trinn 2 til 8 for intervall 2 og intervall 4. Konklusjon: Jo større intervallet jo flere tinder og daler utjevnes. Jo mindre intervallet, jo nærmere de bevegelige gjennomsnittene er de faktiske datapunktene. Gjennomsnittlig gjennomsnitt: Hva er de Blant de mest populære tekniske indikatorene, er glidende gjennomsnitt brukt til å måle retningen for den nåværende trenden. Hver type bevegelige gjennomsnitt (vanligvis skrevet i denne opplæringen som MA) er et matematisk resultat som beregnes ved å beregne et antall tidligere datapunkter. Når det er bestemt, blir det resulterende gjennomsnittet plottet på et diagram for å tillate handelsmenn å se på glatt data, i stedet for å fokusere på de daglige prisfluktuasjonene som er iboende i alle finansmarkeder. Den enkleste formen for et bevegelige gjennomsnitt, riktig kjent som et enkelt glidende gjennomsnitt (SMA), beregnes ved å ta det aritmetiske gjennomsnittet av et gitt sett av verdier. For eksempel, for å beregne et grunnleggende 10-dagers glidende gjennomsnitt vil du legge til sluttkursene fra de siste 10 dagene, og deretter dele resultatet med 10. I figur 1 er summen av prisene for de siste 10 dagene (110) dividert med antall dager (10) for å komme fram til 10-dagers gjennomsnittet. Hvis en forhandler ønsker å se et 50-dagers gjennomsnitt i stedet, vil samme type beregning bli gjort, men det vil inkludere prisene i løpet av de siste 50 dagene. Det resulterende gjennomsnittet under (11) tar hensyn til de siste 10 datapunktene for å gi handelsmenn en ide om hvordan en eiendel er priset i forhold til de siste 10 dagene. Kanskje du lurer på hvorfor tekniske handelsfolk kaller dette verktøyet et bevegelige gjennomsnitt og ikke bare en vanlig gjennomsnitt. Svaret er at når nye verdier blir tilgjengelige, må de eldste datapunktene slippes fra settet og nye datapunkter må komme inn for å erstatte dem. Dermed går datasettet kontinuerlig til å regne for nye data etter hvert som det blir tilgjengelig. Denne beregningsmetoden sikrer at bare den nåværende informasjonen blir regnskapsført. I figur 2 flyttes den røde boksen (som representerer de siste 10 datapunktene) til høyre, og den siste verdien av 15 blir tapt fra beregningen når den nye verdien av 5 er lagt til settet. Fordi den relativt små verdien av 5 erstatter den høye verdien på 15, ville du forvente å se gjennomsnittet av datasettets reduksjon, som det gjør, i dette tilfellet fra 11 til 10. Hva ser Moving Averages Like Når verdiene til MA har blitt beregnet, de er plottet på et diagram og deretter koblet til for å skape en bevegelig gjennomsnittslinje. Disse svingete linjene er vanlige på diagrammer av tekniske handelsfolk, men hvordan de brukes kan variere drastisk (mer om dette senere). Som du kan se i figur 3, er det mulig å legge til mer enn ett glidende gjennomsnitt i et diagram ved å justere antall tidsperioder som brukes i beregningen. Disse svingete linjene kan virke distraherende eller forvirrende i begynnelsen, men du vil bli vant til dem når tiden går videre. Den røde linjen er bare gjennomsnittsprisen de siste 50 dagene, mens den blå linjen er gjennomsnittsprisen de siste 100 dagene. Nå som du forstår hva et glidende gjennomsnitt er, og hvordan det ser ut, kan du godt presentere en annen type glidende gjennomsnitt og undersøke hvordan det er forskjellig fra det tidligere nevnte enkle glidende gjennomsnittet. Det enkle glidende gjennomsnittet er ekstremt populært blant handelsfolk, men som alle tekniske indikatorer har det kritikere. Mange individer hevder at bruken av SMA er begrenset fordi hvert punkt i dataserien vektes det samme, uavhengig av hvor det forekommer i sekvensen. Kritikere hevder at de nyeste dataene er mer signifikante enn de eldre dataene, og bør ha større innflytelse på sluttresultatet. Som svar på denne kritikken begynte handelsmenn å gi mer vekt på nyere data, som siden har ført til oppfinnelsen av ulike typer nye gjennomsnitt, hvorav den mest populære er det eksponentielle glidende gjennomsnittet (EMA). (For videre lesing, se Grunnleggende om vektede bevegelige gjennomsnitt og hva som er forskjellen mellom en SMA og en EMA) Eksponentiell flytende gjennomsnitt Det eksponentielle glidende gjennomsnittet er en type bevegelige gjennomsnitt som gir mer vekt til de siste prisene i et forsøk på å gjøre det mer responsivt til ny informasjon. Å lære den noe kompliserte ligningen for å beregne en EMA kan være unødvendig for mange forhandlere, siden nesten alle kartleggingspakker gjør beregningene for deg. Men for deg matematiske geeks der ute, her er EMA-ligningen: Når du bruker formelen til å beregne det første punktet til EMA, kan det hende du merker at det ikke er noen verdi tilgjengelig for bruk som den forrige EMA. Dette lille problemet kan løses ved å starte beregningen med et enkelt glidende gjennomsnitt og fortsette videre med den ovennevnte formelen derfra. Vi har gitt deg et eksempelkart som inneholder virkelige eksempler på hvordan du kan beregne både et enkelt glidende gjennomsnitt og et eksponentielt glidende gjennomsnitt. Forskjellen mellom EMA og SMA Nå som du har en bedre forståelse av hvordan SMA og EMA beregnes, kan vi se på hvordan disse gjennomsnittene er forskjellige. Ved å se på beregningen av EMA, vil du legge merke til at det legges større vekt på de siste datapunktene, noe som gjør det til en type vektet gjennomsnitt. I figur 5 er antall tidsperioder som brukes i hvert gjennomsnitt identisk (15), men EMA reagerer raskere på de endrede prisene. Legg merke til hvordan EMA har en høyere verdi når prisen stiger, og faller raskere enn SMA når prisen senker. Denne responsen er den viktigste grunnen til at mange handelsmenn foretrekker å bruke EMA over SMA. Hva betyr de forskjellige dagene Gjennomsnittlig flytteverdi er en helt tilpassbar indikator, noe som betyr at brukeren fritt kan velge hvilken tidsramme de vil ha når man lager gjennomsnittet. De vanligste tidsperioder som brukes i bevegelige gjennomsnitt er 15, 20, 30, 50, 100 og 200 dager. Jo kortere tidsrammen som brukes til å skape gjennomsnittet, jo mer følsomt blir det for prisendringer. Jo lengre tidsrom, jo ​​mindre følsomt, eller mer utjevnet, vil gjennomsnittet være. Det er ingen riktig tidsramme som skal brukes når du oppretter dine bevegelige gjennomsnitt. Den beste måten å finne ut hvilken som passer best for deg, er å eksperimentere med en rekke forskjellige tidsperioder til du finner en som passer til din strategi. Flytte gjennomsnitt: Slik bruker du ThemFIR-filtergrunnleggende 1.1 Hva er quotFIR filtersquot FIR-filtre er en av to primære typer digitale filtre som brukes i DSP-programmer (Digital Signal Processing), den andre typen er IIR. 1.2 Hva betyr quotFIRquot betyr quotFIRquot quotFinite Impulse Responsequot. Hvis du legger inn en impuls, det vil si en enkelt quot1quot-prøve etterfulgt av mange quot0quot-prøver, vil nuller komme ut etter at quot1quot-prøven har gått gjennom filterets forsinkelseslinje. 1.3 Hvorfor er impulsresponsen quotfinitequot I det vanlige tilfellet er impulsresponsen endelig fordi det ikke er tilbakemelding i FIR. Manglende tilbakemelding garanterer at impulsresponsen vil være endelig. Derfor er uttrykket quotfinite impulse responsequot nesten synonymt med quotno feedbackquot. Men hvis tilbakemeldingen er ansatt, er impulsresponsen endelig, men filteret er fortsatt en FIR. Et eksempel er det bevegelige gjennomsnittsfilteret, hvor den Nth-forhåndseksempler trekkes tilbake (hver gang en ny prøve kommer inn). Dette filteret har en endelig impulsrespons, selv om den bruker tilbakemelding: etter N prøver av en impuls, vil utgangen vil alltid være null. 1.4 Hvordan uttaler jeg quotFIRquot Noen sier at bokstavene F-I-R andre uttaler som om det var en type tre. Vi foretrekker treet. (Forskjellen er om du snakker om et F-I-R-filter eller et FIR-filter.) 1.5 Hva er alternativet til FIR-filtre DSP-filtre kan også være quotInfinite Impulse Responsequot (IIR). (Se dspGurus IIR FAQ.) IIR-filtre bruker tilbakemelding, så når du skriver inn en impuls, ringer utgangen teoretisk på ubestemt tid. 1.6 Hvordan sammenligner FIR-filtre med IIR-filtre Hver har fordeler og ulemper. Samlet sett er fordelene ved FIR-filter større enn ulempene, så de brukes mye mer enn IIR. 1.6.1 Hva er fordelene med FIR-filter (sammenlignet med IIR-filtre) Sammenlignet med IIR-filtre, tilbyr FIR-filtre følgende fordeler: De kan enkelt utformes for å være kvadratlinjefase (og vanligvis er). Enkelt sagt, linjeskiftfiltre forsinker inngangssignalet, men donrsquot forvrenger sin fase. De er enkle å implementere. På de fleste DSP-mikroprosessorer kan FIR-beregningen gjøres ved å løse en enkelt instruksjon. De er egnet til multi-rate applikasjoner. Med multi-rate mener vi enten quotdecimationquot (redusere samplingsfrekvensen), quotinterpolationquot (øke samplingsfrekvensen), eller begge deler. Uansett om deimerer eller interpolerer, gjør bruk av FIR-filtre det mulig å utelate noen av beregningene, og gir dermed en viktig beregningseffektivitet. I motsetning dersom IIR-filtre brukes, må hver utgang beregnes individuelt, selv om den utgangen vil kasseres (slik at tilbakemeldingen vil bli innlemmet i filteret). De har ønskelige numeriske egenskaper. I praksis må alle DSP-filtre implementeres ved å bruke finite-presis aritmetikk, det vil si et begrenset antall biter. Bruk av finite-presisjon aritmetikk i IIR-filtre kan forårsake betydelige problemer på grunn av bruk av tilbakemelding, men FIR-filtre uten tilbakemelding kan vanligvis implementeres med færre biter, og designeren har færre praktiske problemer å løse i forbindelse med ikke-ideell aritmetikk. De kan implementeres ved hjelp av fraksjonal aritmetikk. I motsetning til IIR-filtre, er det alltid mulig å implementere et FIR-filter ved hjelp av koeffisienter med størrelsen mindre enn 1,0. (Den samlede gevinsten til FIR-filteret kan justeres ved utgang, hvis ønskelig.) Dette er et viktig hensyn når du bruker fastpunkts-DSP, fordi det gjør implementeringen mye enklere. 1.6.2 Hva er ulempene med FIR-filter (sammenlignet med IIR-filtre) Sammenlignet med IIR-filtre, har FIR-filtre noen ganger den ulempen at de trenger mer minne og eller annen beregning for å oppnå en bestemt filterresponskarakteristikk. Også enkelte svar er ikke praktiske å implementere med FIR-filtre. 1.7 Hvilke begreper brukes til å beskrive FIR-filter Impulsrespons - Quimpulsresponsequot av et FIR-filter er faktisk bare settet med FIR-koeffisienter. (Hvis du legger et kvoteprotokvot i et FIR-filter som består av en quot1quot-prøve etterfulgt av mange quot0quot-prøver, vil filterets utgang være settet av koeffisienter, da den ene prøven beveger seg forbi hver koeffisient i sin tur for å danne utgangen.) Trykk - En FIR quottapquot er bare et koeffisientpar. Antallet FIR-kraner, ofte angitt som quotNquot, er en indikasjon på 1) mengden minne som kreves for å implementere filteret, 2) antall kalkulasjoner som kreves, og 3) mengden av kvoteringskvoten som filteret kan utføre, flere kraner betyr mer stoppbånddemping, mindre krusninger, smalere filtre, etc. Multiply-Accumulate (MAC) - I en FIR-sammenheng er en quotMACquot drift av å multiplisere en koeffisient av den tilsvarende forsinkede dataprøven og akkumulere resultatet. FIRs krever vanligvis en MAC per trykk. De fleste DSP mikroprosessorer implementerer MAC-operasjonen i en enkelt instruksjons syklus. Overgangsbånd - Båndet mellom frekvenser mellom passbånd og stoppbåndskanter. Jo smalere overgangsbåndet, desto flere kraner er nødvendig for å implementere filteret. (Et quotsmallquot overgangsbånd resulterer i et quotsharpquot filter.) Delay Line - Settet av minneelementer som implementerer quZ-1quot forsinkelseselementene i FIR-beregningen. Sirkulær buffer - En spesiell buffer som er quotcircularquot fordi inkrementering på slutten fører til at den vikles rundt til begynnelsen, eller fordi dekrementering fra begynnelsen fører til at den vikles rundt til slutten. Sirkulære buffere leveres ofte av DSP mikroprosessorer for å implementere kvoteringskvoten av prøvene gjennom FIR-forsinkelseslinjen uten å måtte bokstavelig talt flytte dataene i minnet. Når en ny prøve legges til bufferen, erstatter den automatisk den eldste.