Eu essencialmente tenho uma série de valores como este: a matriz acima é simplificada, estou coletando 1 valor por milissegundo no meu código real e preciso processar a saída em um algoritmo que 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 olhava para trás e veria o último número 0.25 como o pico, pois há uma diminuição para 0.24 antes dele. O objetivo é levar esses valores e aplicar um algoritmo para eles, que os suavizará um pouco para que eu tenha mais valores lineares. (Ie: Id como os meus resultados para serem curvy, não jaggedy) Eu fui dito para aplicar um filtro exponencial de média móvel aos meus valores. Como posso fazer isso. É muito difícil para mim ler equações matemáticas, eu lido muito melhor com o código. Como faço para processar valores na minha matriz, aplicando um cálculo exponencial da média móvel para os fazer sair, solicitado 8 de fevereiro às 20:27 Para calcular uma média móvel exponencial. Você precisa manter algum estado ao redor e você precisa de um parâmetro de ajuste. Isso exige uma pequena classe (supondo que você esteja usando o Java 5 ou posterior): instanciar com o parâmetro de decaimento desejado (pode ser necessário que a sintonização esteja entre 0 e 1) e depois use a média () para filtrar. Ao ler uma página sobre uma recorrência matemática, tudo o que você realmente precisa saber ao transformá-lo em código é que os matemáticos gostam de escrever índices em arrays e seqüências com subscritos. (Eles também têm algumas outras notações, o que não ajuda.) No entanto, o EMA é bastante simples, pois você só precisa se lembrar de um valor antigo, não é necessário nenhum arrays de estados complicados. Respondeu 8 de fevereiro às 20:42 TKKocheran: praticamente. Não é bom quando as coisas podem ser simples (Se começar com uma nova seqüência, obtenha uma nova média). Observe que os primeiros termos da seqüência média saltarão em torno de um bit devido a efeitos de limites, mas você obtém aqueles com outras médias móveis também. No entanto, uma boa vantagem é que você pode envolver a lógica média móvel na média e experimentar sem incomodar demais o seu programa. Ndash Donal Fellows 9 de fevereiro às 0:06 Estou tendo dificuldade em entender suas perguntas, mas vou tentar responder de qualquer maneira. 1) Se o seu algoritmo encontrou 0,25 em vez de 0,36, então é errado. É errado porque assume um aumento ou diminuição monotônico (que sempre está subindo ou sempre está indo para baixo). A menos que você tenha média de todos os seus dados, seus pontos de dados --- como você os apresenta --- são não-lineares. Se você realmente quer encontrar o valor máximo entre dois pontos no tempo, então corte sua matriz de tmin para tmax e encontre 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, levando 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 número), 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 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 para o Google Finance, selecionar um estoque (tente Tesla Motors bastante volátil (TSLA)) e clique em técnicas na parte inferior do gráfico. Selecione a média móvel com um período determinado e a média móvel exponencial para comparar suas diferenças. A média móvel exponencial é apenas uma outra elaboração deste, mas considera os dados mais antigos inferiores aos novos dados, esta é uma maneira de polarizar o alisamento para trás. Leia a entrada da Wikipedia. Então, isso é mais um comentário do que uma resposta, mas a pequena caixa de comentários foi apenas pequena. Boa sorte. Se você estiver tendo problemas com a matemática, você poderia ir com uma média móvel simples em vez de exponencial. Então, a saída que você obtém seria os últimos x termos divididos por x. Pseudocódigo não testado: note que você precisará lidar com as partes de início e término dos dados, pois claramente você não pode significar os últimos 5 termos quando estiver no seu segundo ponto de dados. Além disso, existem maneiras mais eficientes de calcular essa média móvel (soma sumária - a mais nova), mas é para obter o conceito de o que está acontecendo. Respondeu 8 de fevereiro às 20:41 Sua resposta 2017 Stack Exchange, IncEMA 8211 Como calculá-lo Calculando a média móvel exponencial - um Tutorial A média móvel exponencial (EMA para abreviar) é hoje um dos indicadores mais utilizados na análise técnica. Mas como você calcula isso sozinho, usando um papel e uma caneta ou 8211 preferiu 8211 uma planilha eletrônica de sua escolha. Vamos descobrir nesta explicação sobre o cálculo da EMA. Calculando a média móvel exponencial (EMA), é claro, é feito automaticamente pela maioria dos softwares de análise comercial e técnica lá fora hoje. Aqui é como calculá-lo manualmente, o que também contribui para a compreensão sobre como ele funciona. Neste exemplo, devemos calcular EMA por um preço de estoque. Queremos um EMA de 22 dias que seja um período de tempo bastante comum para um EMA longo. A fórmula para calcular EMA é a seguinte: EMA Price (t) k EMA (y) (1 8211 k) t hoje, y ontem, N número de dias em EMA, k 2 (N1) Use as seguintes etapas para calcular um 22 Dia EMA: 1) Comece calculando k para o prazo especificado. 2 (22 1) 0,0869 2) Adicione os preços de fechamento dos primeiros 22 dias juntos e divida-os por 22. 3) Você está pronto para começar a receber o primeiro dia da EMA, levando os dias seguintes (dia 23), preço de fechamento multiplicado Por k. Então multiplique os dias anteriores em média móvel por (1-k) e adicione os dois. 4) Faça o passo 3 repetidamente para cada dia que se segue para obter a gama completa de EMA. Isso pode, naturalmente, ser colocado no Excel ou algum outro software de planilha para tornar o processo de cálculo da EMA semi-automático. Para lhe dar uma visão algorítmica sobre como isso pode ser realizado, veja abaixo. Flutuador público CalculateEMA (float todaysPrice, float numberOfDays, float EMAYesterday) float k 2 (numberOfDays 1) return todaysPrice k EMAYesterday (1 8211 k) Este método normalmente seria chamado de um loop através de seus dados, procurando algo como isto: foreach (DailyRecord Sdr em DataRecords) ligue para o cálculo de EMA. CalculateEMA (sdr. Close, numberOfDays, yesterdayEMA) coloque o ema calculado em uma matriz de memaSeries. Items. Add (sdr. TradingDate, ema) certifique-se de que o ontem seja preenchido com o EMA que usamos neste momento Around yesterdayEMA ema Note que este é o código psuedo. Você normalmente precisaria enviar o valor de CLOSE de ontem como ontemema até que o ontemema seja calculado a partir de EMA de hoje. Isso está acontecendo apenas após o loop ter executado mais dias do que o número de dias que você calculou para o seu EMA. Para um EMA de 22 dias, é apenas na 23 vez no loop e, posteriormente, que o ontemema ema é válido. Isso não é grande coisa, pois você precisará dados de pelo menos 100 dias de negociação para uma EMA de 22 dias para ser válida. Mensagens relacionadas Método de média móvel de Java Se você estiver procurando por um EMA otimizado para transmissão de dados, proveniente de um arquivo ou serviço de cotação, a seguinte classe de amostra irá fazê-lo bem, ao contrário de usar cálculos de força bruta. Esta abordagem é particularmente útil se você estiver processando dados em tempo real. EMAs, um caso especial de médias móveis ponderadas, têm o benefício de que a ponderação relativa para cada período sucessivo diminui por um fator constante f 2 (N1), onde N é o número de períodos durante os quais o EMA deve ser aplicado. Dado que, você pode calcular o EMA atual (ou seja, para o período atual) usando a seguinte fórmula iterativa: eman fprice (1-f) eman-1 A seguinte classe de amostra implementa essa natureza iterativa da EMA e minimiza os requisitos computacionais em relação ao brute - Métodos de força ou métodos de pós-processamento. Número int privadoPeriodos 0 int privado totalPeriodos 0 private double runningEMA 0.0 private double factor 0.0 public EMA (int numPeriods) this. numPeriods numPeriods factor 2.0 (numPeriods 1.0) Repor cálculos para gerar EMA para o período determinado. Public void reset (int numPeriods) Retorna EMA para o período definido durante o construtor. Se os períodos processados forem inferiores ao intervalo EMA, zero será retornado. Público duplo calcular (preço duplo) runningEMA factorprice (1-factor) runningEMA se (totalPeriods lt numPeriods) De onde você fornece os dados de preço e o que você faz com os resultados da EMA depende de você. Por exemplo, se você tivesse os dados de preço em uma matriz e desejasse calcular uma EMA em outra matriz, o seguinte trecho funcionará: preços duplos. Provido de cálculos, arquivo ou serviço de cotação duplo ema novo doubleprices. length EMA ema novo EMA (50) 50 período EMA para (int idx0 iltprices. length idx) emaidx ema (pricesidx) Boa sorte e melhores desejos para o seu projeto.
No comments:
Post a Comment