บท 15 เฉลี่ยเคลื่อนที่ กรอง

นักวิทยาศาสตร์และวิศวกรของ s Guide to Digital Signal Processing โดย Steven W Smith, Ph DA ข้อได้เปรียบอย่างมากของตัวกรองค่าเฉลี่ยเคลื่อนที่คือสามารถนำมาประยุกต์ใช้กับอัลกอริทึมที่รวดเร็วเพื่อทำความเข้าใจกับอัลกอริทึมนี้ลองจินตนาการผ่านสัญญาณอินพุท x ผ่านทางตัวกรองค่าเฉลี่ย 7 จุดเพื่อสร้างสัญญาณเอาท์พุท y ตอนนี้ดูว่ามีการคำนวณจุดส่งออกที่อยู่ติดกันสองจุดคือ y 50 และ y 51 ซึ่งเกือบจะเหมือนกันกับจุดคำนวณ x 48 ถึง x 53 สำหรับ y 50 และอีกครั้งสำหรับ y 51 ถ้าคำนวณค่า y 50 แล้ววิธีที่มีประสิทธิภาพที่สุดในการคำนวณ y 51 คือเมื่อพิจารณา y 51 พบว่าใช้ y 50 แล้ว y 52 สามารถคำนวณได้จากตัวอย่าง y 51 และอื่น ๆ หลังจาก จุดแรกคำนวณใน y จุดอื่น ๆ ทั้งหมดสามารถพบได้โดยมีเพียงการบวกและลบต่อจุดเท่านั้นซึ่งสามารถแสดงได้ในสมการคำอธิบายว่าสมการนี้ใช้ข้อมูลสองแหล่งในการคำนวณแต่ละจุดในจุดส่งออก จากอินพุตและก่อนหน้านี้ จุดคำนวณจากผลลัพธ์นี่เรียกว่าสมการ recursive ซึ่งหมายความว่าผลของการคำนวณใช้ในการคำนวณในอนาคตคำ recursive ยังมีความหมายอื่นโดยเฉพาะในวิทยาการคอมพิวเตอร์บทที่ 19 กล่าวถึงตัวกรองแบบ recursive ในรายละเอียดเพิ่มเติมโปรดทราบว่า ตัวกรอง recursive ที่มีค่าการเคลื่อนที่แตกต่างจากตัวกรอง recursive ทั่วไปโดยเฉพาะตัวกรอง recursive ส่วนใหญ่มีการตอบสนองอิมพัลส์ IIR ที่ไม่มีที่สิ้นสุดซึ่งประกอบด้วย sinusoids และ exponentials การตอบสนองต่อแรงกระตุ้นของค่าเฉลี่ยเคลื่อนที่คือการตอบสนองของ impuls pulse finch pulse ที่เป็นรูปสี่เหลี่ยมผืนผ้าหรือ FIR นี้ อัลกอริธึมเร็วกว่าตัวกรองแบบดิจิตอลอื่น ๆ ด้วยเหตุผลหลายประการประการแรกมีเพียงสองการคำนวณต่อจุดโดยไม่ต้องคำนึงถึงความยาวของเคอร์เนลตัวกรองประการที่สองการบวกและการลบคือการดำเนินการทางคณิตศาสตร์เพียงอย่างเดียวเท่านั้นในขณะที่ตัวกรองดิจิทัลส่วนใหญ่ต้องการการคูณแบบใช้เวลานาน , รูปแบบการจัดทำดัชนีง่ายมากแต่ละดัชนีใน Eq 15-3 สามารถหาได้โดยการเพิ่มหรือ sub tracting ค่าคงที่จำนวนเต็มซึ่งสามารถคำนวณได้ก่อนที่การกรองจะเริ่มขึ้นและ q Forth อัลกอริธึมทั้งหมดสามารถนำมาใช้กับการแทนค่าจำนวนเต็มทั้งนี้ขึ้นอยู่กับฮาร์ดแวร์ที่ใช้จำนวนเต็มสามารถมากกว่าลำดับของขนาดได้เร็วกว่าจุดลอยน่าแปลกใจที่การแทนจำนวนเต็ม ทำงานได้ดีกว่าจุดลอยตัวด้วยอัลกอริธึมนี้นอกเหนือจากการทำงานได้เร็วขึ้นข้อผิดพลาดในการปัดเศษทศนิยมจากเลขคณิตลอยตัวสามารถสร้างผลลัพธ์ที่ไม่คาดคิดได้หากคุณไม่ระวังตัวอย่างเช่นลองนึกภาพตัวอย่างสัญญาณ 10,000 ตัวที่ถูกกรองด้วยวิธีนี้ตัวอย่างสุดท้ายใน กรองสัญญาณมีข้อผิดพลาดสะสม 10,000 และ 10,000 เสริมลบนี้จะปรากฏในสัญญาณเอาท์พุทเป็นจำนวนเต็มออฟเซ็ทลอยไม่มีปัญหานี้เพราะไม่มีข้อผิดพลาดปัดเศษในเลขคณิตถ้าคุณต้องใช้จุดลอยด้วยอัลกอริทึมนี้ โปรแกรมในตารางที่ 15-2 แสดงให้เห็นถึงวิธีการใช้ accumulator ความแม่นยำคู่เพื่อลด drift. Every ครั้งนี้และเดี๋ยว, ฉันใช้ค่าเฉลี่ยที่เคลื่อนที่ผ่าน low-pass filter data ตัวกรองค่าเฉลี่ยเคลื่อนที่จะง่ายและใช้งานง่ายในแบบเรียลไทม์หากคุณตัดสินใจที่จะให้คะแนนข้อมูล 5 จุดด้วยกัน M 5 ข้อมูลที่กรองจะคำนวณโดย yix i-2 x i-1 xixi 1 xi 2 5 คุณสามารถแม้แต่จะใช้ recursively นี้เพื่อให้การคำนวณแต่ละครั้งต่อ ๆ ไปต้องการการคำนวณเลขสองหลักโดยไม่คำนึงถึงขนาดของ M เช่นสมมติว่า M 5 ถ้าการคำนวณครั้งแรกของคุณคือ y 3 x 1 x 2 x 3 x 4 x 5 5 แล้วการคำนวณถัดไปก็คือ y 4 y 3 x 1 x 6. สิ่งที่ฉันไม่ทราบจนกระทั่งเมื่อเร็ว ๆ นี้เป็นวิธีการคำนวณการตอบสนองความถี่ของตัวกรองเฉลี่ยที่เคลื่อนย้ายการตอบสนองต่อความถี่ H f สามารถคำนวณได้โดย ความผิดปกติของความผิดพลาด sin f fm sin sin f f โดยที่ M คือความยาวของค่าเฉลี่ยเคลื่อนที่และ f อยู่ในช่วงตั้งแต่ 0 ถึง 0 5 โดยที่ 0 5 แทนครึ่งหนึ่งของความถี่ตัวอย่างด้านล่างนี้เป็นกราฟของการตอบสนองความถี่สำหรับความยาวของ 4, 8 และ 16 ด้วยความถี่ตัวอย่าง 500 Hz สังเกตว่าตัวกรองมีแถบการเปลี่ยนที่ราบรื่นและราบรื่น เริ่มต้นของเส้นโค้งจากความกว้าง 1 ถึง 0 และวงหยุดที่น่ากลัวระลอกซ้ำทำให้ค่าเฉลี่ยเคลื่อนที่โดยเฉพาะอย่างยิ่งดีเรียบกรองการดำเนินการในโดเมนเวลา แต่ที่ไม่ดีโดยทั่วไปต่ำผ่านการกรองการดำเนินการในโดเมนความถี่ นักวิทยาศาสตร์และวิศวกรของคู่มือการประมวลผลสัญญาณดิจิตอลบทที่ 15 ต่อไปนี้เป็นตัวอย่างของตัวกรองเฉลี่ยที่เคลื่อนไหวได้ลบสัญญาณรบกวนแบบสุ่มออกจากชีพจรรูปสี่เหลี่ยมผืนผ้าคุณสามารถเห็นชีพจรสี่เหลี่ยมที่ถูกเก็บไว้ค่อนข้างชันโดยแถบการเปลี่ยนผ่านทีละขั้นขณะที่ลบเสียงออกถ้าคุณ ต้องการลบเสียงรบกวน 60 Hz จากนั้นความยาว 8 จะทำงานได้ดีเป็นเส้นสีเขียวในกราฟแรกคุณสามารถปรับปรุงแถบหยุดที่ระดับราคาแพงของแถบการเปลี่ยนแปลงที่สูงชันโดยใช้ตัวกรองหลาย ๆ ครั้งด้านล่างนี้เป็นกราฟของ ความถี่ของการตอบสนองของค่าเฉลี่ยเคลื่อนที่ของความยาว 8 หลังจากถูกกรองหนึ่งสองหรือสี่ครั้งเหล่านี้ถูกคำนวณโดยการคูณฟังก์ชันตอบสนองความถี่ด้วยตัวเองสำหรับแต่ละแบบคู่ผ่าน H f H f ถ้าคุณต้องการเอาเสียงรบกวน 60 Hz ออกด้วยตัวกรองแบบ dual-pass คุณสามารถใช้ความยาว 7 แทน 8 ได้โดยใช้ตัวกรองแบบ single-pass บทที่ 5 การใช้ค่าเฉลี่ย (Average Average Moving Average SMA) เป็นค่าเฉลี่ยเลขคณิตของ ก่อนหน้านี้ในช่วงเวลาที่กำหนดเป็นที่แพร่หลายในการวิเคราะห์ทางเทคนิคซึ่งเป็นเครื่องมือที่ง่ายที่สุดในการกำหนดแนวโน้มใน thinkScript ค่าเฉลี่ยเคลื่อนที่นี้สามารถคำนวณโดยเรียกฟังก์ชัน Average โดยใช้ไวยากรณ์ต่อไปนี้ซึ่งจะคำนวณ Simple Moving Average of Close ราคาในช่วงเก้าแท่งโปรดทราบว่าเช่นเดียวกับค่าเฉลี่ยอื่น ๆ SMA มีค่าดีฟอลต์สำหรับช่วงเวลาที่ควรคำนวณสำหรับประเภทเฉลี่ยนี้เท่ากับ 12 ในคำอื่น ๆ หากคุณละข้อ 9 ในสคริปต์ด้านบน และพิมพ์เพียง 12 SMA ระยะเวลาของราคาปิดจะคำนวณให้กับค่าเฉลี่ยอื่น ๆ , SMA กำหนดน้ำหนักเท่ากับในแต่ละวันของราคาซึ่งโดยเฉพาะบางคนเชื่อว่าไม่ถูกต้องตามที่พวกเขาน้ำหนักที่หนักกว่าควร e ให้ข้อมูลล่าสุดเมื่อต้องการขจัดปัญหานี้ Weighted Moving Average WMA ได้รับการออกแบบประเภทนี้ค่าเฉลี่ยเทียมกำหนดน้ำหนักให้ราคาก่อนโดยใช้ค่าสัมประสิทธิ์เฉพาะเมื่อคำนวณค่าเฉลี่ยในการคำนวณ WMA, thinkScript คูณราคากันก่อน ในช่วงเวลาที่ระบุโดยปัจจัยน้ำหนักเท่ากับจำนวนลำดับของแถบในช่วงเวลาที่ระบุและผลรวมรวมของค่าเหล่านี้จะหารด้วยผลคูณของตัวคูณดังนั้นน้ำหนักส่วนใหญ่จะถูกกำหนดให้กับแถบปัจจุบันและน้อยกว่าตัวแรก เป็นไวยากรณ์ของฟังก์ชัน WMA สคริปต์นี้จะคำนวณระยะเวลา 10 WMA ของราคาเปิดหากมีการละเว้น 10 ค่าเริ่มต้นของ 9 จะถูกใช้สำหรับพารามิเตอร์ความยาวในขณะที่ WMA แก้ไขปัญหาการถ่วงน้ำหนักของ SMAs ทั้งสองค่าเฉลี่ยมีส่วนเสียอื่น การคำนวณของพวกเขาบ่งชี้ว่ามูลค่าที่เก่าแก่ที่สุดของงวดจะถูกลบออกเมื่อส่งผ่านไปยังแถบดังต่อไปนี้ซึ่งหมายความว่าข้อมูลล่าสุดจะถูกนำมาพิจารณาเท่านั้น es จะได้รับการจัดการโดย Exponential Moving Average EMA การให้น้ำหนักกับข้อมูลล่าสุดมากขึ้นค่าเฉลี่ยการย้ายเลขประจำจะไม่สามารถลดการกระทำด้านราคาได้อย่างสมบูรณ์ก่อนระยะเวลาการคำนวณนี้เป็นไปได้เนื่องจาก EMA ใช้กลไกการคำนวณที่แตกต่างจาก SMA นี่คือ formula. where p 1 คือราคาของแถบสุดท้าย p 2 คือราคาของแถบก่อนหน้าและอื่น ๆ และเป็นค่าสัมประสิทธิ์การคำนวณความเรียบที่คำนวณได้ดังต่อไปนี้ที่ N มีค่าเท่ากับความยาวการปรับความเอร็ดอร่อยใช้ ไปยังข้อมูลโดยการเรียกใช้ฟังก์ชัน ExpAverage สคริปต์นี้จะพล็อต EMA ของราคาสูงที่มีความยาวเท่ากับ 9 ซึ่งทำให้ค่าสัมประสิทธิ์การให้ราบเรียบเท่ากับ 20 ExpAverage มีค่าเป็นค่าเริ่มต้นสำหรับพารามิเตอร์ความยาว 12 ค่าวิธีอื่นในการกำหนดน้ำหนักขณะที่ยังรักษาอายุ ข้อมูลคือ Wilder s Average การคำนวณของ EMA จะคล้ายคลึงกับ EMA เว้นแต่จะใช้ SMA แทนราคาที่เป็นระยะสุดท้ายของผลรวมของราคานอกจากนี้ใน Wilder s Average ค่าสัมประสิทธิ์การให้ราบเรียบคือ เท่ากับ 1 N หากต้องการใช้ Wilder s Average สคริปต์ต่อไปนี้จะแนะนำสคริปต์นี้จะให้คะแนน Wilder's ในราคาต่ำสุดที่มีความยาวเท่ากับ 20 ซึ่งทำให้ค่าสัมประสิทธิ์การปรับให้เรียบเท่ากับ 5 เช่นเดียวกับ SMA และ EMA WildersAverage มี 12 เป็นค่าเริ่มต้นสำหรับความยาว parameter. In thinkScript นอกจากนี้ยังมีฟังก์ชั่นทั่วไปซึ่งสามารถที่จะกลับทุกชนิดของค่าเฉลี่ยเคลื่อนที่ที่กล่าวถึงและยัง Hull MovingAverage เฉลี่ยอย่างไรก็ตามการใช้ฟังก์ชันนี้เป็นบิตซับซ้อนมากขึ้นตามที่ ยอมรับค่าคงที่เป็นพารามิเตอร์อินพุทพิจารณาสคริปต์ต่อไปนี้สคริปต์นี้จะพล็อต SMA ระยะเวลา 12 ของราคาปิดอย่างไรก็ตามเมื่อเพิ่มในแผนภูมิการศึกษานี้จะสามารถเปลี่ยนประเภทของค่าเฉลี่ยโดยการแก้ไขการศึกษาและกลยุทธ์หน้าต่างชนิดการป้อนค่าเฉลี่ยจะช่วยให้คุณ เพื่อเลือก Weighted, Exponential, Wilder s หรือฮัลล์เฉลี่ยแทน Simple หนึ่งสคริปต์นี้ยังเป็นตัวอย่างที่ดีของค่าคงที่ในการสังสัยของ thinkScript ของค่าคงที่มีสองส่วนคือ sep arated โดยจุดที่ส่วนแรกแสดงครอบครัวคงที่และที่สองเป็นชื่อของตนตัวอย่างเช่นค่าคงที่อื่น ๆ ของครอบครัว AverageType มีรายการเต็มรูปแบบของค่าคงที่และครอบครัวที่พวกเขาอยู่สามารถพบได้ที่นี่นอกจากนี้ยังมีข้อมูลที่ ในบทถัดไปเราจะหารือเกี่ยวกับวิธีการระบุเงื่อนไขใน thinkScript ความผันผวนของตลาดปริมาณและความพร้อมของระบบอาจทำให้การเข้าถึงบัญชีและการดำเนินการทางการค้าการดำเนินการด้านการรักษาความปลอดภัยหรือกลยุทธ์ไม่ได้เป็นการรับประกันถึงผลการดำเนินงานในอนาคต หรือความสำเร็จในการลงทุนข้อควรพิจารณาไม่เหมาะสำหรับนักลงทุนทุกรายเนื่องจากความเสี่ยงพิเศษที่อาจเกิดขึ้นกับการซื้อขายตราสารทางเลือกอาจทำให้นักลงทุนเกิดความสูญเสียที่อาจเกิดขึ้นอย่างรวดเร็วและเป็นรูปธรรมก่อนที่จะมีการซื้อขายคุณควรอ่านลักษณะและความเสี่ยงของตัวเลือกมาตรฐานการเรียกเก็บเงินคร่อมและอื่น ๆ กลยุทธ์ตัวเลือกหลายขาสามารถนำมาซึ่งค่าใช้จ่ายในการทำธุรกรรมที่สำคัญซึ่งรวมถึงค่าคอมมิชชั่นหลายค่าซึ่งอาจส่งผลต่อ r eturn การลงทุนในหุ้นฟิวเจอร์สและ forex ที่เกี่ยวข้องกับการเก็งกำไรและความเสี่ยงของการสูญเสียสามารถเป็นลูกค้าที่สำคัญต้องพิจารณาปัจจัยความเสี่ยงที่เกี่ยวข้องทั้งหมดรวมถึงสถานการณ์ทางการเงินของตัวเองก่อนที่จะซื้อขายเทรดดิ้งอัตราแลกเปลี่ยนในอัตรากำไรมีความเสี่ยงสูง รวมทั้งปัจจัยความเสี่ยงที่เป็นเอกลักษณ์เฉพาะของตนเองการลงทุนใน Forex อยู่ภายใต้ความเสี่ยงจากคู่ค้าเนื่องจากไม่มีสำนักหักบัญชีส่วนกลางสำหรับธุรกรรมเหล่านี้โปรดอ่านข้อมูลการเปิดเผยข้อมูลความเสี่ยงต่อไปนี้ก่อนที่จะพิจารณาการซื้อขายผลิตภัณฑ์นี้การเปิดเผยข้อมูลความเสี่ยงด้าน Forex, ข้อมูลการตลาดแบบเรียลไทม์มีเงื่อนไขในการยอมรับข้อตกลงแลกเปลี่ยนการเข้าถึงระดับมืออาชีพแตกต่างกันไปและอาจมีการเรียกเก็บค่าสมัครเพื่อดูรายละเอียดเพิ่มเติมได้ที่อัตราค่าบริการของเราเอกสารสนับสนุนสำหรับการเรียกร้องการเปรียบเทียบสถิติหรือข้อมูลทางเทคนิคอื่น ๆ จะได้รับการร้องขอตามคำขอ AmDrand ไม่ให้คำแนะนำหรือพิจารณาความเหมาะสมของการรักษาความปลอดภัยกลยุทธ์หรือแนวทางการดำเนินการใด ๆ สำหรับคุณ ผ่านการใช้เครื่องมือการซื้อขายของเราการตัดสินใจลงทุนใด ๆ ที่คุณทำขึ้นในบัญชีที่กำกับตนเองของคุณเป็นความรับผิดชอบของคุณ แต่เพียงผู้เดียว D. Ameritrade เป็นเครื่องหมายการค้าที่ บริษัท TD Ameritrade IP Inc. และ The Toronto-Dominion Bank 2015 TD Ameritrade IP Company Inc สงวนลิขสิทธิ์ใช้โดยได้รับอนุญาตโดย Magnolia - อิงตาม Java Content Repository