Média Móvel Exponencial - EMA BREAKING DOWN Média Móvel Exponencial - EMA As EMAs de 12 e 26 dias são as médias de curto prazo mais populares e são usadas para criar indicadores como a divergência de convergência média móvel (MACD) eo oscilador de preço percentual (PPO). Em geral, as EMA de 50 e 200 dias são usadas como sinais de tendências de longo prazo. Traders que empregam análise técnica encontrar médias móveis muito útil e perspicaz quando aplicado corretamente, mas criar havoc quando usado de forma inadequada ou são mal interpretados. Todas as médias móveis normalmente utilizadas na análise técnica são, pela sua própria natureza, indicadores atrasados. Conseqüentemente, as conclusões tiradas da aplicação de uma média móvel a um gráfico de mercado específico devem ser para confirmar um movimento de mercado ou para indicar sua força. Muitas vezes, quando uma linha de indicadores de média móvel fez uma alteração para refletir uma mudança significativa no mercado, o ponto ótimo de entrada no mercado já passou. Um EMA serve para aliviar este dilema em certa medida. Porque o cálculo EMA coloca mais peso sobre os dados mais recentes, ele abraça a ação de preço um pouco mais apertado e, portanto, reage mais rápido. Isto é desejável quando um EMA é usado para derivar um sinal de entrada de negociação. Interpretando a EMA Como todos os indicadores de média móvel, eles são muito mais adequados para mercados de tendências. Quando o mercado está em uma tendência de alta forte e sustentada. A linha de indicador EMA também mostrará uma tendência de alta e vice-versa para uma tendência de baixa. Um comerciante vigilante não só prestar atenção à direção da linha EMA, mas também a relação da taxa de mudança de uma barra para a próxima. Por exemplo, à medida que a ação de preço de uma forte tendência de alta começar a se nivelar e reverter, a taxa de mudança da EMA de uma barra para a próxima começará a diminuir até que a linha de indicador se aplana ea taxa de mudança seja zero. Devido ao efeito retardado, por este ponto, ou mesmo algumas barras antes, a ação do preço deve já ter invertido. Portanto, segue-se que a observação de uma diminuição consistente da taxa de variação da EMA poderia ser utilizada como um indicador que pudesse contrariar o dilema causado pelo efeito retardado das médias móveis. Usos comuns do EMA EMAs são comumente usados em conjunto com outros indicadores para confirmar movimentos significativos do mercado e para avaliar a sua validade. Para os comerciantes que negociam intraday e mercados em rápido movimento, o EMA é mais aplicável. Muitas vezes os comerciantes usam EMAs para determinar um viés de negociação. Por exemplo, se um EMA em um gráfico diário mostra uma forte tendência ascendente, uma estratégia de comerciantes intraday pode ser o comércio apenas a partir do lado longo em um gráfico intraday. Im codificação algo no momento em que Im tendo um monte de valores ao longo do tempo de Uma bússola de hardware. Esta bússola é muito precisa e atualiza com muita freqüência, com o resultado de que se ele jiggles ligeiramente, eu acabar com o valor estranho que é descontroladamente inconsistente com seus vizinhos. Quero suavizar esses valores. Tendo feito alguma leitura ao redor, parece que o que eu quero é um filtro passa-alta, um filtro passa-baixa ou uma média móvel. Movendo a média que eu posso começar com, basta manter um histórico dos últimos 5 valores ou o que quer que, e usar a média desses valores a jusante no meu código onde eu estava uma vez apenas usando o valor mais recente. Isso deve, eu acho, suavizar esses jiggles muito bem, mas parece-me que o seu provavelmente bastante ineficiente, e este é provavelmente um daqueles Problemas Conhecidos aos Programadores Adequados para que theres uma solução de matemática inteligente realmente limpo. Eu sou, entretanto, um daqueles programadores self-taught terríveis sem um shred da instrução formal em qualquer coisa vagamente relacionado a CompSci ou à matemática. Ler em torno de um pouco sugere que este pode ser um filtro de alta ou baixa passagem, mas eu não consigo encontrar nada que explique em termos compreensíveis para um hack como eu o que o efeito desses algoritmos seria sobre uma matriz de valores, muito menos como a matemática trabalho. A resposta dada aqui. Por exemplo, tecnicamente responde à minha pergunta, mas apenas em termos compreensíveis para aqueles que provavelmente já sabem como resolver o problema. Seria uma pessoa muito bonita e inteligente quem poderia explicar o tipo de problema que isso é, e como as soluções funcionam, em termos compreensíveis para um graduado em Artes. Se a sua média móvel tem que ser longa, a fim de alcançar o alisamento necessário, e você realmente não precisa de qualquer forma especial de kernel, então você está melhor se você usar uma média móvel exponencial decadência: onde você Escolha minúscula para ser uma constante apropriada (por exemplo, se você escolher minúsculo 1 - 1N, ele terá a mesma quantidade de média como uma janela de tamanho N, mas distribuídos de forma diferente sobre pontos mais antigos). Enfim, uma vez que o próximo valor da média móvel depende apenas do anterior e seus dados, você não tem que manter uma fila ou qualquer coisa. E você pode pensar nisso como fazendo algo como, Bem, eu tenho um novo ponto, mas eu realmente não confio, então eu vou manter 80 da minha antiga estimativa da medição, e só confiar neste novo ponto de dados 20. Isso é Praticamente o mesmo que dizer, Bem, eu só confiar neste novo ponto 20, e eu uso 4 outros pontos que eu confio na mesma quantidade, exceto que em vez de tomar explicitamente os 4 outros pontos, você está supondo que a média que você fez na última vez Foi sensato para que você possa usar seu trabalho anterior. Respondeu Sep 21 10 at 14:27 Ei, eu sei que isso é 5 anos de atraso, mas obrigado por uma resposta incrível. I39m trabalhando em um jogo onde o som muda com base na sua velocidade, mas devido à execução do jogo em um computador lento ass, a velocidade flutuaria descontroladamente, o que era bom para a direção, mas super irritante em termos de som. Esta foi uma solução realmente simples e barata para algo que eu pensei que seria um problema muito complexo. Ndash Adam Mar 16 15 at 20:20 Se você estiver tentando remover o valor ímpar ocasional, um filtro passa-baixa é a melhor das três opções que você identificou. Os filtros de passagem baixa permitem mudanças de baixa velocidade, como as causadas pela rotação de uma bússola à mão, ao mesmo tempo em que rejeitam mudanças de alta velocidade, como as causadas por solavancos na estrada, por exemplo. Uma média móvel provavelmente não será suficiente, uma vez que os efeitos de um único blip em seus dados afetarão vários valores subseqüentes, dependendo do tamanho de sua janela de média móvel. Se os valores ímpares são facilmente detectados, você pode até ser melhor com um algoritmo de remoção de falhas que ignora completamente eles: Aqui está um gráfico guick para ilustrar: O primeiro gráfico é o sinal de entrada, com uma falha desagradável. O segundo gráfico mostra o efeito de uma média móvel de 10 amostras. O gráfico final é uma combinação da média de 10 amostras e do algoritmo de detecção de falhas simples mostrado acima. Quando a falha é detectada, a média de 10 amostras é usada em vez do valor real. Movendo a média eu posso começar para baixo com. Mas parece-me que o seu provavelmente bastante ineficaz. Não há realmente nenhuma razão uma média móvel deve ser ineficiente. Você mantém o número de pontos de dados desejados em algum buffer (como uma fila circular). Em cada novo ponto de dados, você pop o valor mais antigo e subtraí-lo de uma soma, e empurrar o mais novo e adicioná-lo à soma. Assim, cada novo ponto de dados realmente só implica um poppush, uma adição e uma subtração. Sua média móvel é sempre esta soma deslocada dividida pelo número de valores em seu buffer. Ele fica um pouco mais complicado se você está recebendo dados simultaneamente a partir de vários segmentos, mas desde que seus dados vem de um dispositivo de hardware que parece altamente duvidoso para mim. Oh e também: programadores auto-didáticos horríveis se unem) A média móvel parecia ineficiente para mim, porque você tem que armazenar um buffer de valores - melhor apenas fazer algumas Matemática Inteligente com seu valor de entrada e valor de trabalho atual Eu acho que é como média móvel exponencial trabalho. Uma otimização que eu tenho visto para esse tipo de média móvel envolve o uso de um amplificador de fila de comprimento fixo, um ponteiro para onde você está nessa fila, e apenas envolver o ponteiro ao redor (com ou um if). Voila Nenhum pushpop caro. Poder para os amadores, irmão ndash Henry: Para uma média móvel em linha reta você precisa do buffer simplesmente para que você saiba o valor obtém estourou quando o próximo valor ser empurrado. Dito isto, a fila de comprimento fixo em comprimento, um apontador que você está descrevendo é exatamente o que eu quis dizer com fila circular. Isso é porque eu estava dizendo que não é eficiente. O que você acha que eu quis dizer E se sua resposta é quotan array que muda seus valores de volta em cada remoção indexada (como std :: vector em C). Bem, eu não sei sobre AS3, mas um programador Java tem coleções como CircularQueue em sua disposição (I39m não é um Desenvolvedor Java para I39m certeza há melhores exemplos lá fora that39s apenas o que eu encontrei a partir de uma pesquisa rápida do Google), que implementa precisamente a funcionalidade we39re falando. I39m bastante confiante a maioria das linguagens de médio e baixo nível com bibliotecas padrão têm algo semelhante (por exemplo, no QueueltTgt lá). Enfim, eu era filosofia, então. tudo é perdoado. Ndash Dan Tao Sep 22 10 em 12:44 Uma média móvel decrescente exponencialmente pode ser calculada manualmente com apenas a tendência se você usar os valores adequados. Veja fourmilab. chhackdiete4 para uma idéia sobre como fazer isso rapidamente com uma caneta e papel, se você está procurando exponencialmente suavizada média móvel com 10 suavização. Mas desde que você tem um computador, você provavelmente quer fazer deslocamento binário ao contrário de deslocamento decimal) Desta forma, tudo que você precisa é uma variável para o seu valor atual e um para a média. A média seguinte pode então ser calculada a partir daí. Há uma técnica chamada uma porta de intervalo que funciona bem com amostras espúrias de baixa ocorrência. Assumindo o uso de uma das técnicas de filtro mencionadas acima (média móvel, exponencial), uma vez que você tenha histórico suficiente (uma Constante de Tempo), você pode testar a nova amostra de dados para a razoabilidade, antes de ser adicionada à computação. É necessário algum conhecimento da taxa máxima de mudança razoável do sinal. A amostra bruta é comparada com o valor mais recente suavizado e se o valor absoluto dessa diferença for maior do que o intervalo permitido, essa amostra é descartada (ou substituída por alguma heurística, por exemplo, uma previsão baseada no diferencial de inclinação ou na tendência Valor de predição de duplo suavização exponencial) respondeu Abr 30 16 em 6: 56I essencialmente tem uma matriz de valores como este: A matriz acima é simplificado, Im coleta 1 valor por milissegundo no meu código real e eu preciso processar a saída de um algoritmo Eu escrevi para encontrar o pico mais próximo antes de um ponto no tempo. Minha lógica falha porque no meu exemplo acima, 0.36 é o pico real, mas meu algoritmo olharia para trás e verá o último número 0.25 como o pico, pois há uma diminuição para 0.24 antes dele. O objetivo é tomar esses valores e aplicar um algoritmo para eles que irá suavizar-los um pouco para que eu tenha mais valores lineares. (Ou seja: Id como meus resultados para ser curvy, não jaggedy) Ive foi dito para aplicar um filtro exponencial de média móvel para os meus valores. Como posso fazer isso É muito difícil para mim ler equações matemáticas, eu lidar muito melhor com o código. Como processar valores em minha matriz, aplicando um cálculo exponencial de média móvel para igualá-los out perguntou Feb 8 12 at 20:27 Para calcular uma média móvel exponencial. Você precisa manter algum estado ao redor e você precisa de um parâmetro de ajuste. Isso requer uma pequena classe (supondo que você está usando o Java 5 ou posterior): Instantiate com o parâmetro de decadência desejado (pode ter ajuste deve estar entre 0 e 1) e use a média () para filtrar. Ao ler uma página sobre alguma recorrência matemática, tudo o que você realmente precisa saber ao transformá-lo em código é que os matemáticos gostam de escrever índices em matrizes e seqüências com subscritos. (Eles têm algumas outras notações também, o que não ajuda.) No entanto, o EMA é bastante simples, como você só precisa se lembrar de um antigo valor não arrays estado complicado necessário. Respondeu 8 fevereiro às 20:42 TKKocheran: Muito bonito. Não é bom quando as coisas podem ser simples (se começar com uma nova seqüência, obter um novo averager.) Observe que os primeiros termos na seqüência média saltarão um pouco devido a efeitos de limite, mas você obtém aqueles com outras médias móveis também. No entanto, uma boa vantagem é que você pode envolver a lógica de média móvel para o averager e experimentar sem perturbar o resto do seu programa demais. Ndash Donal Fellows Feb 9 12 em 0:06 Estou tendo dificuldade em entender suas perguntas, mas vou tentar responder de qualquer maneira. 1) Se o seu algoritmo encontrado 0,25 em vez de 0,36, então ele está errado. É errado porque assume um aumento ou uma diminuição monotônica (que está sempre subindo ou sempre indo para baixo). A menos que você média TODOS os seus dados, seus pontos de dados --- como você apresentá-los --- são não-lineares. Se você realmente deseja encontrar o valor máximo entre dois pontos no tempo, corte sua matriz de tmin para tmax e localize o máximo desse subarray. 2) Agora, o conceito de médias móveis é muito simples: imagine que eu tenho a seguinte lista: 1.4, 1.5, 1.4, 1.5, 1.5. Eu posso suavizar isto tomando a média de dois números: 1.45, 1.45, 1.45, 1.5. Observe que o primeiro número é a média de 1,5 e 1,4 (segundo e primeiro números) a segunda (nova lista) é a média de 1,4 e 1,5 (terceira e segunda lista antiga) a terceira (nova lista) a média de 1,5 e 1,4 (Quarto e terceiro), e assim por diante. Eu poderia ter feito o período três ou quatro, ou n. Observe como os dados são muito mais suaves. Uma boa maneira de ver as médias móveis no trabalho é ir ao Google Finance, selecionar um estoque (tente Tesla Motors bastante volátil (TSLA)) e clique em technicals na parte inferior do gráfico. Selecione Média Móvel com um determinado período e Média Mínima exponencial para comparar suas diferenças. A média móvel exponencial é apenas mais uma elaboração disto, mas pondera os dados mais antigos menos do que os novos dados, isto é uma forma de influenciar a suavização em direção às costas. Por favor, leia a entrada da Wikipedia. Então, isso é mais um comentário do que uma resposta, mas a pequena caixa de comentários era apenas pequena. Boa sorte. Se você está tendo problemas com a matemática, você poderia ir com uma média móvel simples, em vez de exponencial. Então a saída que você obtém seria o último x termos dividido por x. Pseudocódigo não testado: Note que você precisará manipular as partes inicial e final dos dados, uma vez que claramente você não consegue média dos últimos 5 termos quando você está no seu 2º ponto de dados. Além disso, há maneiras mais eficientes de calcular essa média móvel (soma sum - mais antigo mais recente), mas isso é para obter o conceito do que está acontecendo em toda. Respondeu 8 fevereiro às 20:41
No comments:
Post a Comment