Moving Average Gegen Faltung

Die Wissenschaftler und Ingenieure Leitfaden für digitale Signalverarbeitung Von Steven W. Smith, Ph. D. Wie der Name andeutet, arbeitet das gleitende Mittelfilter durch Mittelung einer Anzahl von Punkten von dem Eingangssignal, um jeden Punkt im Ausgangssignal zu erzeugen. In Gleichung ist dies geschrieben: Wo ist das Eingangssignal, ist das Ausgangssignal und M ist die Anzahl der Punkte im Mittelwert. Beispielsweise ist bei einem 5-Punkt-Gleitmittelfilter Punkt 80 im Ausgangssignal gegeben durch: Alternativ kann die Gruppe von Punkten aus dem Eingangssignal symmetrisch um den Ausgangspunkt gewählt werden: Dies entspricht der Änderung der Summation in Gl . 15-1 von: j 0 bis M -1, bis: j - (M -1) / 2 bis (M -1) / 2. Zum Beispiel wird in einem 10-Punkt-gleitenden Durchschnittsfilter der Index j. Kann von 0 bis 11 (einseitige Mittelung) oder -5 bis 5 (symmetrische Mittelung) laufen. Symmetrische Mittelung erfordert, dass M eine ungerade Zahl ist. Die Programmierung ist etwas einfacher mit den Punkten auf nur einer Seite, jedoch ergibt sich eine relative Verschiebung zwischen den Eingangs - und Ausgangssignalen. Sie sollten erkennen, dass das gleitende Durchschnittsfilter eine Faltung mit einem sehr einfachen Filterkern ist. Zum Beispiel hat ein 5-Punkt-Filter den Filterkern: 82300, 0, 1/5, 1/5, 1/5, 1/5, 1/5, 0, 08230. Das heißt, das gleitende Mittelfilter ist eine Faltung Des Eingangssignals mit einem Rechteckimpuls mit einer Fläche von Eins. Tabelle 15-1 zeigt ein Programm zur Implementierung des gleitenden Durchschnittsfilters.29 September, 2013 Moving Average durch Convolution Was ist ein gleitender Durchschnitt und was ist es gut für Wie wird die gleitende Mittelung durch Faltung durchgeführt Moving average ist eine einfache Operation, die gewöhnlich zum Unterdrücken verwendet wird Rauschen eines Signals: Wir setzen den Wert jedes Punktes auf den Mittelwert der Werte in seiner Umgebung. Nach einer Formel: Hier ist x die Eingabe und y das Ausgangssignal, während die Größe des Fensters w ist, die ungerade sein soll. Die obige Formel beschreibt eine symmetrische Operation: Die Proben werden von beiden Seiten des aktuellen Punktes genommen. Unten ist ein Beispiel aus dem wirklichen Leben. Der Punkt, auf dem das Fenster gelegt wird, ist tatsächlich rot. Werte außerhalb x sind Nullen: Um zu spielen und sehen die Auswirkungen der gleitenden Durchschnitt, werfen Sie einen Blick auf diese interaktive Demonstration. Wie man es durch Faltung erkennt Wie Sie vielleicht erkannt haben, ist die Berechnung des einfachen gleitenden Durchschnittes ähnlich der Faltung: In beiden Fällen wird ein Fenster entlang des Signals geschoben und die Elemente im Fenster zusammengefasst. Also, geben Sie ihm einen Versuch, die gleiche Sache zu tun, indem Sie Faltung. Verwenden Sie die folgenden Parameter: Die gewünschte Ausgabe ist: Als erster Ansatz versuchen wir, was wir durch Faltung des x-Signals durch den folgenden k-Kernel erreichen: Der Ausgang ist genau dreimal größer als der erwartete Wert. Es ist auch ersichtlich, dass die Ausgabewerte die Zusammenfassung der drei Elemente im Fenster sind. Es ist, weil während der Faltung das Fenster entlang geschoben wird, werden alle Elemente in ihm mit einem multipliziert und dann zusammengefasst: yk 1 cdot x 1 cdot x 1 cdot x Um die gewünschten Werte von y zu erhalten. Wird die Ausgabe durch 3 geteilt: Durch eine Formel mit der Teilung: Aber wäre es nicht optimal, die Teilung während der Konvolution zu machen Hier kommt die Idee, indem wir die Gleichung umordnen: So werden wir den folgenden k Kernel verwenden: Auf diese Weise werden wir Erhalten Sie die gewünschte Ausgabe: Im Allgemeinen: wenn wir gleitenden Durchschnitt durch Faltung mit einer Fenstergröße von w machen wollen. Werden wir den folgenden k-Kernel verwenden: Eine einfache Funktion, die den gleitenden Durchschnitt ausführt, ist: Eine Beispielnutzung ist: The Scientist and Engineers Guide to Digital Signal Processing Von Steven W. Smith, Ph. D. Kapitel 6: Faltung Fassen wir diese Art zu verstehen, wie ein System ein Eingangssignal in ein Ausgangssignal umwandelt. Zuerst kann das Eingangssignal in einen Satz von Impulsen zerlegt werden, von denen jede als eine skalierte und verschobene Delta-Funktion betrachtet werden kann. Zweitens ist die Ausgabe, die aus jedem Impuls resultiert, eine skalierte und verschobene Version der Impulsantwort. Drittens kann das gesamte Ausgangssignal gefunden werden, indem diese skalierten und verschobenen Impulsantworten addiert werden. Mit anderen Worten, wenn wir eine Systemimpulsantwort kennen, können wir berechnen, was die Ausgabe für jedes mögliche Eingangssignal sein wird. Das heißt, wir wissen alles über das System. Es gibt nichts, was über eine lineare Systemeigenschaften gelernt werden kann. (In späteren Kapiteln werden wir jedoch zeigen, dass diese Informationen in verschiedenen Formen dargestellt werden können). Die Impulsantwort geht bei einigen Anwendungen von einem anderen Namen. Wenn das betrachtete System ein Filter ist. Wird die Impulsantwort als Filterkernel bezeichnet. Den Faltungskernel. Oder einfach, den Kernel. Bei der Bildverarbeitung wird die Impulsantwort als Punktspreizfunktion bezeichnet. Während diese Begriffe in leicht unterschiedliche Weise verwendet werden, bedeuten sie alle dasselbe, das Signal, das von einem System erzeugt wird, wenn die Eingabe eine Delta-Funktion ist. Faltung ist eine formale mathematische Operation, genauso wie Multiplikation, Addition und Integration. Addition ergibt zwei Zahlen und erzeugt eine dritte Zahl. Während die Faltung zwei Signale annimmt und ein drittes Signal erzeugt. Faltung wird in der Mathematik vieler Felder, wie Wahrscheinlichkeit und Statistik, verwendet. In linearen Systemen wird Faltung verwendet, um die Beziehung zwischen drei Signalen von Interesse zu beschreiben: das Eingangssignal, die Impulsantwort und das Ausgangssignal. Abbildung 6-2 zeigt die Notation, wenn Faltung mit linearen Systemen verwendet wird. Ein Eingangssignal xn tritt in ein lineares System mit einer Impulsantwort hn ein, was zu einem Ausgangssignal yn führt. In Gleichung: x n h n y n. Wortbedingt ist das mit der Impulsantwort gefaltete Eingangssignal gleich dem Ausgangssignal. Ebenso wie Addition durch das Plus, und Multiplikation durch das Kreuz, Zeiten dargestellt wird, wird Faltung durch den Stern dargestellt,. Es ist bedauerlich, dass die meisten Programmiersprachen auch den Stern verwenden, um die Multiplikation anzuzeigen. Ein Stern in einem Computerprogramm bedeutet Multiplikation, während ein Stern in einer Gleichung Faltung bedeutet. Abbildung 6-3 zeigt die Faltung, die für Tiefpaß - und Hochpaßfilterung verwendet wird. Das Beispiel-Eingangssignal ist die Summe von zwei Komponenten: drei Zyklen einer Sinuswelle (die eine Hochfrequenz repräsentiert), sowie eine langsam ansteigende Rampe (zusammengesetzt aus niedrigen Frequenzen). In (a) ist die Impulsantwort für den Tiefpaßfilter ein glatter Bogen, was dazu führt, daß nur die sich langsam ändernde Rampenwellenform an den Ausgang weitergegeben wird. Ähnlich erlaubt es der Hochpaßfilter (b), daß nur der sich schnell ändernde Sinusoid passiert. Abbildung 6-4 zeigt zwei weitere Beispiele, wie Faltung zur Verarbeitung von Signalen verwendet wird. Das invertierende Dämpfungsglied (a) kippt das Signal von oben nach unten und verringert seine Amplitude. Die diskrete Ableitung (auch als erste Differenz bezeichnet), die in (b) gezeigt ist, führt zu einem Ausgangssignal, das mit der Steigung des Eingangssignals zusammenhängt. Man beachte die Längen der Signale in den Fig. 6-3 und 6-4. Die Eingangssignale sind 81 Abtastwerte lang, während jede Impulsantwort aus 31 Abtastwerten zusammengesetzt ist. In den meisten DSP-Anwendungen ist das Eingangssignal Hunderte, Tausende oder sogar Millionen von Proben in der Länge. Die Impulsantwort ist in der Regel viel kürzer, sagen wir, ein paar Punkte auf ein paar hundert Punkte. Die Mathematik hinter der Faltung beschränkt nicht, wie lange diese Signale sind. Er gibt jedoch die Länge des Ausgangssignals an. Die Länge des Ausgangssignals ist gleich der Länge des Eingangssignals plus der Länge der Impulsantwort minus eins. Für die Signale in den Fig. 6-3 und 6-4 ist jedes Ausgangssignal: 81 31 - 1 111 Abtastwerte lang. Das Eingangssignal läuft von Abtastwert 0 bis 80, Impulsantwort von Abtastwert 0 bis 30 und Ausgangssignal von Abtastwert 0 bis 110. Nun kommen wir zur detaillierten Mathematik der Konvolution. Wie in der digitalen Signalverarbeitung verwendet, kann Faltung auf zwei getrennten Wegen verstanden werden. Der erste Blick auf Faltung vom Standpunkt des Eingangssignals. Dies beinhaltet die Analyse, wie jede Abtastung in dem Eingangssignal zu vielen Punkten in dem Ausgangssignal beiträgt. Der zweite Weg betrachtet die Faltung vom Standpunkt des Ausgangssignals aus. Dies untersucht, wie jede Abtastung in dem Ausgangssignal Information von vielen Punkten in dem Eingangssignal empfangen hat. Denken Sie daran, dass diese beiden Perspektiven sind unterschiedliche Denkweisen über die gleiche mathematische Operation. Der erste Blickwinkel ist wichtig, weil er ein begriffliches Verständnis dafür bietet, wie Faltung sich auf DSP bezieht. Der zweite Standpunkt beschreibt die Mathematik der Faltung. Diese typisiert eine der schwierigsten Aufgaben, die Sie in DSP begegnen wird: Ihre konzeptionelle Verständnis passen mit dem Durcheinander von Mathematik verwendet, um die Ideen zu kommunizieren. Moving Averages: Was sind sie Unter den beliebtesten technischen Indikatoren werden gleitende Durchschnitte verwendet, um die zu messen Richtung des aktuellen Trends. Jede Art durchschnittlich bewegen (allgemein in diesem Tutorial als MA geschrieben) ist ein mathematisches Ergebnis, das durch Mittelung einer Anzahl vergangener Datenpunkte berechnet. Sobald bestimmt ist, wird der resultierende Mittelwert dann auf einem Diagramm aufgetragen, um Händler zu ermöglichen, bei geglätteten Daten zu suchen, anstatt sich auf den Tag-zu-Tag Preisschwankungen, die in allen Finanzmärkten inhärent sind. Die einfachste Form eines gleitenden Durchschnitts, in geeigneter Weise als ein einfacher gleitender Durchschnitt (SMA) bekannt ist, wird berechnet, indem das arithmetische Mittel aus einer gegebenen Menge von Werten berechnet. Um zum Beispiel eine grundlegende 10-Tage gleitenden Durchschnitt zu berechnen würden Sie die Schlusskurse aus den letzten 10 Tagen addieren und dann teilen Sie das Ergebnis durch 10. In Abbildung 1 ist die Summe der Preise für die letzten 10 Tage (110) Geteilt durch die Anzahl von Tagen (10), um den 10-Tage-Durchschnitt zu erreichen. Wenn ein Trader einen 50-Tage-Durchschnitt sehen möchte, würde die gleiche Art der Berechnung gemacht, aber er würde auch die Preise in den letzten 50 Tagen enthalten. Der resultierende Durchschnitt unter (11) berücksichtigt die letzten 10 Datenpunkte, um den Händlern eine Vorstellung zu geben, wie ein Gewinn für den letzten 10 Tagen relativ preiswert ist. Vielleicht fragen Sie sich, warum technische Händler nennen dieses Tool einen gleitenden Durchschnitt und nicht nur ein normaler Durchschnitt. Die Antwort ist, dass, wenn neue Werte verfügbar werden, die ältesten Datenpunkte aus dem Satz fallen gelassen werden müssen und neue Datenpunkte hereinkommen müssen, um sie zu ersetzen. Somit bewegt sich der Datensatz ständig auf neue Daten, sobald er verfügbar ist. Diese Berechnungsmethode stellt sicher, dass nur die aktuellen Informationen berücksichtigt werden. Wenn in Fig. 2 der neue Wert von 5 zu dem Satz hinzugefügt wird, bewegt sich das rote Feld (das die letzten 10 Datenpunkte darstellt) nach rechts und der letzte Wert von 15 wird aus der Berechnung entfernt. Weil der relativ kleine Wert von 5 den hohen Wert von 15 ersetzt, würden Sie erwarten, dass der Durchschnitt des Datensatzabbaus zu sehen, was er tut, in diesem Fall von 11 bis 10. Wie sehen sich die gleitenden Mittelwerte aus? MA berechnet worden sind, werden sie auf ein Diagramm aufgetragen und dann verbunden, um eine gleitende mittlere Linie zu erzeugen. Diese Kurvenlinien sind auf den Diagrammen der technischen Händler üblich, aber wie sie verwendet werden, können drastisch variieren (mehr dazu später). Wie Sie in Abbildung 3 sehen können, ist es möglich, mehr als einen gleitenden Durchschnitt zu irgendeinem Diagramm hinzuzufügen, indem man die Anzahl der Zeitperioden, die in der Berechnung verwendet werden, anpasst. Diese kurvenreichen Linien scheinen vielleicht ablenkend oder verwirrend auf den ersten, aber youll wachsen Sie daran gewöhnt, wie die Zeit vergeht. Die rote Linie ist einfach der durchschnittliche Preis in den letzten 50 Tagen, während die blaue Linie der durchschnittliche Preis in den letzten 100 Tagen ist. Nun, da Sie verstehen, was ein gleitender Durchschnitt ist und wie es aussieht, stellen Sie auch eine andere Art von gleitenden Durchschnitt ein und untersuchen, wie es sich von der zuvor genannten einfachen gleitenden Durchschnitt unterscheidet. Die einfache gleitende Durchschnitt ist sehr beliebt bei den Händlern, aber wie alle technischen Indikatoren, hat es seine Kritiker. Viele Personen argumentieren, dass die Nützlichkeit der SMA begrenzt ist, da jeder Punkt in der Datenreihe gleich gewichtet wird, unabhängig davon, wo er in der Sequenz auftritt. Kritiker argumentieren, dass die neuesten Daten bedeutender sind als die älteren Daten und sollten einen größeren Einfluss auf das Endergebnis haben. Als Reaktion auf diese Kritik begannen die Händler, den jüngsten Daten mehr Gewicht zu verleihen, was seitdem zur Erfindung verschiedener Arten von neuen Durchschnittswerten geführt hat, wobei der populärste der exponentielle gleitende Durchschnitt (EMA) ist. (Für weitere Informationen siehe Grundlagen der gewichteten gleitenden Mittelwerte und was ist der Unterschied zwischen einer SMA und einer EMA) Exponentieller gleitender Durchschnitt Der exponentielle gleitende Durchschnitt ist eine Art von gleitendem Durchschnitt, die den jüngsten Preisen mehr Gewicht verleiht, um sie reaktionsfähiger zu machen Zu neuen Informationen. Das Erlernen der etwas komplizierten Gleichung für die Berechnung einer EMA kann für viele Händler unnötig sein, da fast alle Kartierungspakete die Berechnungen für Sie durchführen. Jedoch für Sie Mathegeeks heraus dort, ist hier die EMA-Gleichung: Wenn Sie die Formel verwenden, um den ersten Punkt der EMA zu berechnen, können Sie feststellen, dass es keinen Wert gibt, der als das vorhergehende EMA benutzt werden kann. Dieses kleine Problem kann gelöst werden, indem man die Berechnung mit einem einfachen gleitenden Durchschnitt beginnt und mit der obigen Formel fortfährt. Wir haben Ihnen eine Beispielkalkulationstabelle zur Verfügung gestellt, die praktische Beispiele enthält, wie Sie sowohl einen einfachen gleitenden Durchschnitt als auch einen exponentiellen gleitenden Durchschnitt berechnen können. Der Unterschied zwischen der EMA und SMA Nun, da Sie ein besseres Verständnis haben, wie die SMA und die EMA berechnet werden, können wir einen Blick darauf werfen, wie sich diese Mittelwerte unterscheiden. Mit Blick auf die Berechnung der EMA, werden Sie feststellen, dass mehr Wert auf die jüngsten Datenpunkte gelegt wird, so dass es eine Art von gewichteten Durchschnitt. In Abbildung 5 sind die Anzahl der Zeitperioden, die in jedem Durchschnitt verwendet werden, identisch (15), aber die EMA reagiert schneller auf die sich ändernden Preise. Beachten Sie, wie die EMA einen höheren Wert hat, wenn der Preis steigt, und fällt schneller als die SMA, wenn der Preis sinkt. Diese Reaktionsfähigkeit ist der Hauptgrund, warum viele Händler es vorziehen, die EMA über die SMA zu verwenden. Was sind die verschiedenen Tage Durchschnittliche Mittelwerte sind eine völlig anpassbare Indikator, was bedeutet, dass der Benutzer frei wählen können, was Zeitrahmen sie wollen, wenn die Schaffung der Durchschnitt. Die häufigsten Zeitabschnitte, die bei gleitenden Durchschnitten verwendet werden, sind 15, 20, 30, 50, 100 und 200 Tage. Je kürzer die Zeitspanne, die verwendet wird, um den Durchschnitt zu erzeugen, desto empfindlicher wird es für Preisänderungen sein. Je länger die Zeitspanne, desto weniger empfindlich, oder mehr geglättet, wird der Durchschnitt sein. Es gibt keinen richtigen Zeitrahmen für die Einrichtung Ihrer gleitenden Durchschnitte. Der beste Weg, um herauszufinden, welche am besten für Sie arbeitet, ist es, mit einer Reihe von verschiedenen Zeitperioden zu experimentieren, bis Sie eine finden, die zu Ihrer Strategie passt. Moving Average Convergence Divergence - MACD Was ist die Moving Average Convergence Divergenz - MACD Moving durchschnittliche Konvergenz-Divergenz (MACD) MACD) ist ein Trendfolgender Impulsindikator, der die Beziehung zwischen zwei gleitenden Durchschnittswerten der Preise zeigt. Der MACD wird durch Subtrahieren des 26-Tage-exponentiellen gleitenden Durchschnitts (EMA) von der 12-Tage-EMA berechnet. Eine neuntägige EMA der MACD, die so genannte Signalleitung, wird dann über dem MACD aufgetragen und fungiert als Trigger für Kauf - und Verkaufssignale. VIDEO Laden des Players. BREAKING DOWN-Average Convergence Divergence bewegen - MACD gibt es drei gängige Methoden verwendet, um die MACD zu interpretieren: 1. Crossovers - Wie in der obigen Tabelle dargestellt ist, wenn der MACD unterhalb der Signalleitung fällt, ist es ein rückläufiges Signal, das anzeigt, dass es kann Sein Zeit zu verkaufen. Wenn umgekehrt der MACD über die Signalleitung steigt, gibt der Indikator eine bullische Signal, was darauf hindeutet, dass der Preis des Vermögenswertes voraussichtlich Aufwärtstrend zu erleben ist. Viele Händler warten auf eine bestätigte Kreuz über die Signalleitung, bevor sie in der Lage, die Eingabe zu vermeiden, immer gefälscht bekommen oder sich zu früh in eine Position eintritt, wie durch den ersten Pfeil dargestellt. 2. Divergenz - Wenn der Sicherheitspreis vom MACD abweicht. Es signalisiert das Ende des aktuellen Trends. 3. dramatischen Anstieg - Wenn der MACD dramatisch steigt - das heißt, die kürzere gleitende Durchschnitt zieht weg von der längerfristigen gleitenden Durchschnitt - es ist ein Signal, dass die Sicherheit überkauft ist und wird in Kürze auf ein normales Niveau zurück. Händler beobachten auch für eine Bewegung über oder unter der Nulllinie, da dies die Position der kurzfristigen Durchschnitt in Bezug auf die langfristigen Durchschnitt signalisiert. Wenn der MACD über Null liegt, liegt der kurzfristige Mittelwert über dem langfristigen Mittelwert, was ein Aufwärtsmoment signalisiert. Das Gegenteil ist wahr, wenn der MACD unter Null liegt. Wie Sie aus dem obigen Diagramm sehen können, wirkt die Nulllinie oft als eine Fläche von Unterstützung und Widerstand für die Anzeige. Haben Sie Interesse an der MACD mit für Ihre Trades eigenen Grundieren des MACD und Spektrendumkehr Check out Mit MACD für weitere Informationen