Nyquist Gleitender Durchschnitt

MetaTrader 4 - Indikatoren. Moving Averages, MA - Indikator für MetaTrader 4.Die Moving Average Technical Indicator zeigt den durchschnittlichen Instrument Preis Wert für einen bestimmten Zeitraum Wenn man den gleitenden Durchschnitt berechnet, schätzt man den Instrument Preis für diesen Zeitraum As Die Preisänderungen, der gleitende Durchschnitt steigt oder sinkt Es gibt vier verschiedene Arten von gleitenden Durchschnitten Einfache auch als arithmetische, exponentielle, geglättete und lineare gewichtete Bewegungsdurchschnitte können für jeden sequentiellen Datensatz berechnet werden, einschließlich Öffnungs - und Schlusskurse, Höchsten und niedrigsten Preisen, Handelsvolumen oder sonstigen Indikatoren Es ist oft der Fall, wenn doppelte Durchlaufwerte verwendet werden. Das einzige, wo sich die gleitenden Mittelwerte verschiedener Typen erheblich voneinander unterscheiden, ist, wenn Gewichtskoeffizienten, die den letzten Daten zugeordnet sind, Sind anders Wenn wir von einfachem gleitendem Durchschnitt sprechen, sind alle Preise des fraglichen Zeitraums gleich wert. Exponential - und Lineargewichtete Moving Averages legen mehr Wert auf die neuesten Preise. Der gängigste Weg, um den Preis gleitenden Durchschnitt zu interpretieren, ist zu Vergleichen Sie ihre Dynamik mit der Preisaktion Wenn der Instrumentenpreis über seinem gleitenden Durchschnitt steigt, erscheint ein Kaufsignal, wenn der Preis unter seinen gleitenden Durchschnitt fällt, was wir haben, ist ein Verkaufssignal. Dieses Handelssystem, das auf dem gleitenden Durchschnitt basiert, ist Nicht entworfen, um den Eintritt in den Markt direkt in seinem tiefsten Punkt, und seine Ausstieg direkt auf dem Gipfel Es erlaubt, nach dem folgenden Trend zu handeln, um bald nach den Preisen zu erreichen, um den Boden zu kaufen und zu verkaufen, sobald die Preise erreicht haben Peak. Simple Moving Average SMA. Simple, mit anderen Worten, arithmetischen gleitenden Durchschnitt wird berechnet durch die Zusammenfassung der Preise der Instrumentenschließung über eine bestimmte Anzahl von einzelnen Perioden zum Beispiel, 12 Stunden Dieser Wert wird dann durch die Anzahl dieser Perioden geteilt. SMA SUM CLOSE, N N. Wenn N die Anzahl der Berechnungsperioden ist. Exponentielle Moving Average EMA. Exponentiell geglätteten gleitenden Durchschnitt wird berechnet, indem man den gleitenden Durchschnitt eines bestimmten Anteils des aktuellen Schlusskurses auf den vorherigen Wert addiert. Mit exponentiell geglätteten gleitenden Mittelwerten , Die neuesten Preise sind von mehr Wert P-Prozent exponentiellen gleitenden Durchschnitt wird aussehen. Wo SCHLIESSEN ich den Preis der aktuellen Periode Schließung EMA i-1 Exponentiell verschieben Durchschnitt der vorherigen Periode Schließung P der Prozentsatz der Verwendung des Preises value. Smoothed Moving Average SMMA. Der erste Wert dieses geglätteten gleitenden Durchschnittes wird berechnet als der einfache gleitende Durchschnitt SMA. SUM1 SUM CLOSE, N. Die zweiten und nachfolgenden gleitenden Durchschnitte werden nach dieser Formulierung berechnet. Wo SUM1 ist die Gesamtsumme der Schlusskurse für N Perioden SMMA1 ist der geglättete gleitende Durchschnitt des ersten Taktes SMMA i ist der geglättete gleitende Durchschnitt des aktuellen Stabes mit Ausnahme der ersten SCHLIESSEN I ist der aktuelle Schlusskurs N ist die Glättungsperiode. Linear Weighted Moving Average LWMA Des gewichteten gleitenden Durchschnittes sind die letzten Daten mehr wert als die früheren Daten Der gewichtete gleitende Durchschnitt wird berechnet, indem jeder der Schlusskurse innerhalb der betrachteten Serie mit einem gewissen Gewichtskoeffizienten multipliziert wird. LWMA SUM Schließen ii, N SUM i, N. Wo SUMI, N ist die Gesamtsumme der Gewichtskoeffizienten. Moving Mittelwerte können auch auf Indikatoren angewendet werden Das ist, wo die Interpretation der Indikator Bewegungsdurchschnitte ist ähnlich wie die Interpretation der Preisbewegungsdurchschnitte, wenn der Indikator über seinem gleitenden Durchschnitt steigt, dass Bedeutet, dass die aufsteigende Indikatorbewegung wahrscheinlich weitergehen wird, wenn der Indikator unter seinen gleitenden Durchschnitt fällt, bedeutet dies, dass es wahrscheinlich ist, weiter nach unten zu gehen. Hier sind die Arten von gleitenden Durchschnitten auf dem Diagramm. Simple Moving Average SMA. Exponential Moving Average EMA. Schwarzes Moving Average SMMA. Linear Weighted Moving Average LWMA.3rd Generation Moving Average Indicator 3. Generation Moving Average. Moving Mittelwerte basierend auf dem Nyquist-Shannon Signal Theorem Mathematisch vorgeschlagen, um die geringstmögliche Verzögerung Less lag als allgemeine und zweite Generation Mittelwerte wie Ehler s Null-lag-Mittelwerte. Fig 1 Vergleich der Moving-Mittelwerte Der Durchschnitt der 3. Generation führt am besten mit der geringsten Verzögerung im Vergleich zu allen anderen Mittelwerten. Alle Mittelwerte wurden mit der gleichen Fenstergröße durchgeführt 21 Die Daten repräsentieren 3x60 Datenpunkte mit einer Gaußschen Verteilung um 100 Und 200 und eine Standardabweichung von 5 Punkten Formeln wie in der Drschner 2011 EMA-Implementierung auf Basis des MetaTrader4-Algorithmus, 2. Generation verwendet Ehler 2001 Korrektur, 3. Generation basiert auf dem Nyquist-Shannon-Theorem, wie in Drschner 2011 mit Lambda von 4.Moving Averages skizziert Der 3. Generation. Moving Mittelwerte sollen Daten reparieren und Rauschen und nutzlose Informationen zu entfernen Mehrere durchschnittliche Varianten sind weit verbreitet, zum Beispiel Simple Moving Average SMA oder Exponentiell Moving Average EMA Wikipedia, Moving Averages, 2011 Eine Herausforderung ist, dass gleitende Durchschnitte vorstellen Eine Verzögerung, dh die geglättete Kurve folgt dem Trend in der Regel später siehe Abb. 1 Adaptive Bewegungsdurchschnitte wie VIYDA Chande, 1992 Brown und Kaufman s Adaptive Moving Average KAMA Kaufmann, 1995 versucht, dieses Problem durch die Einbeziehung von dynamischen Variablen zu begegnen Im Jahr 2001 führte J Ehler eine Allgemeines Konzept, das auf der Signaltheorie basiert, die wir als zweite Generation im Durchschnitt von Ehler, 2001 bezeichnen, ist die Grundannahme, dass die Zeitreihe aus einer begrenzten Anzahl von überlappenden Signalphasen zusammengesetzt ist, die die Signaltheorie anwenden würden. Ehler, 2001 Huang et al 1998 Im Jahr 2011 stellte MG Drschner fest, dass unter dem Signaltheorie-Modell der Nyquist-Shannon-Theorem-Wikipedia, Nyquist, 2008 angewendet werden muss. Drschner, 2011 In seiner Arbeit hat Drschner skizziert, dass die Durchschnittswerte nach diesen Kriterien die am wenigsten theoretisch mögliche Verzögerung haben und behaupten würden Sie 3. Generation Moving Averages. Indicator Parameter. Ich habe einen stetigen Wert, für die ich gerne einen exponentiellen gleitenden Durchschnitt zu berechnen Normalerweise habe ich nur die Standard-Formel für diese. wo S n ist der neue Durchschnitt, ist die Alpha, Y ist Die Probe, und S n-1 ist der vorherige Durchschnitt. Leider wegen der verschiedenen Fragen, die ich nicht eine konsequente Probe Zeit Ich kann wissen, ich kann am meisten probieren, sagen, einmal pro Millisekunde, aber aufgrund von Faktoren aus meinem Kontrolle, kann ich nicht in der Lage, eine Probe für mehrere Millisekunden zu einem Zeitpunkt Ein wahrscheinlicher häufiger Fall ist jedoch, dass ich einfache Probe ein bisschen früh oder spät statt Probenahme bei 0, 1 und 2 ms Ich Probe bei 0, 0 9 und 2 1 ms Ich gehe davon aus, dass, unabhängig von Verzögerungen, meine Sampling-Frequenz weit, weit über der Nyquist-Grenze liegen wird, und deshalb brauche ich mir keine Sorgen um Aliasing. Ich rechne, dass ich damit umgehen kann - ohne vernünftige Weise durch Variation der Alpha passend, basierend auf der Länge der Zeit seit der letzten Probe. Part meiner Argumentation, dass dies funktioniert, ist, dass die EMA interpoliert linear zwischen dem vorherigen Datenpunkt und die aktuelle Wenn wir die Berechnung einer EMA Der folgenden Stichprobenliste in Abständen t 0,1,2,3,4 Wir sollten das gleiche Ergebnis erhalten, wenn wir das Intervall 2t verwenden, wo die Eingänge 0,2,4 werden, rechts Wenn die EMA davon ausgegangen ist, dass bei t 2 der Wert war 2 seit t 0 das wäre das gleiche wie die Intervall t Berechnung Berechnung auf 0,2,2,4,4, die es nicht tut Oder macht das überhaupt Sinn. Kann jemand mir sagen, wie zu Variiere das Alpha passend Bitte zeig deine Arbeit Ich zeige mir die Mathematik, die beweist, dass deine Methode wirklich das Richtige tut. Am 21. Juni 09 um 13 05. Du solltest nicht die gleiche EMA für verschiedene Eingaben bekommen Denken Sie an EMA als Filter , Die Abtastung bei 2t entspricht der Abtastung, und der Filter wird einen anderen Ausgang geben. Dies klar für mich seit 0,2,4 enthält höhere Frequenzkomponenten als 0,1,2,3,4 Sofern nicht die Frage ist, wie Ändere ich den Filter auf der Fliege, um es die gleiche Ausgabe zu geben. Vielleicht fehlt mir etwas Freespace Jun 21 09 bei 15 52. Aber die Eingabe ist nicht anders, es ist nur selten abgetastet 0,2,4 in Intervallen 2t ist Wie 0,, 2,, 4 in Intervallen t, wo die zeigt, dass die Probe ignoriert wird Curt Sampson Jun 21 09 bei 23 45.Diese Antwort basiert auf meinem guten Verständnis von Tiefpass-Filter exponentiell gleitenden Durchschnitt ist wirklich nur ein Single - Pole-Tiefpass-Filter, aber mein dunstiges Verständnis von dem, was du suchst Ich denke, das folgende ist, was du willst. Erstens kannst du deine Gleichung vereinfachen ein bisschen komplizierter, aber es ist einfacher in Code Ich gehe, Y für die Ausgabe zu verwenden Und X für die Eingabe anstelle von S für Ausgang und Y für die Eingabe, wie Sie getan haben. Zweitens ist der Wert hier gleich 1-e - t wobei t die Zeit zwischen den Samples ist und die Zeitkonstante der Low - Pass-Filter Ich sage gleich in Zitaten, denn das funktioniert gut, wenn t klein ist im Vergleich zu 1, und 1-e-tt Aber nicht zu klein, dass Sie in Quantisierung Probleme laufen, und wenn Sie auf einige exotische Techniken, die Sie in der Regel benötigen eine zusätzliche N Bits der Auflösung in deiner Zustandsvariable S, wobei N-log 2 Für größere Werte von t der Filtereffekt beginnt zu verschwinden, bis du zu dem Punkt kommst, wo nahe bei 1 liegt und du im Grunde einfach nur die Eingabe der Ausgabe zugibt Sollte mit den verschiedenen Werten von t funktionieren, ist die Variation von t nicht sehr wichtig, solange Alpha klein ist, sonst werden Sie in einige ziemlich seltsame Nyquist-Probleme Aliasing etc laufen, und wenn Sie an einem Prozessor arbeiten, wo Multiplikation ist billiger als Division , Oder Fixpunkt Fragen sind wichtig, vorberechnung 1, und erwägen versuchen, die Formel für. Nie Sie wirklich wissen wollen, wie man die Formulierung ableiten. dann betrachten seine Differentialgleichung Quelle. which, wenn X ist eine Einheit Schritt Funktion, Hat die Lösung Y 1 - e - t Für kleine Werte von t kann die Ableitung durch Y t angenähert werden, wobei die Extrapolation von 1-e-t aus dem Versuch besteht, das Verhalten mit dem Einheitsstufen-Funktionsfall abzustimmen. Würdest du bitte den Versuch ausprobieren, den Verhaltensteil zusammenzufassen, verstehe ich deine kontinuierliche Lösung Y 1 - exp - t und seine Verallgemeinerung zu einer skalierten Schrittfunktion mit Größe x und Anfangsbedingung y 0 aber ich sehe nicht, wie man hinlegt Diese Ideen zusammen, um Ihr Ergebnis zu erreichen Rhys Ulerich 4. Mai 13 um 22 34. Dies ist keine vollständige Antwort, aber vielleicht ist der Anfang von einem Es s so weit wie ich mit diesem in einer Stunde oder so zu spielen, ich m posing es Als ein Beispiel von dem, was ich suche, und vielleicht eine Inspiration für andere, die an dem Problem arbeiten. Ich beginne mit S 0, welches der Durchschnitt ist, der sich aus dem vorherigen Durchschnitt S -1 ergibt und die Probe Y 0 bei t 0 t 1 - T 0 ist mein Stichprobenintervall und ist auf alles eingestellt, was für dieses Stichprobenintervall und die Periode, für die ich möchte, durchschnittlich ist. Ich überlegte, was passiert, wenn ich die Probe bei t 1 vermisse und stattdessen mit dem Beispiel Y 2 zu tun habe Genommen bei t 2 Nun können wir beginnen, indem wir die Gleichung erweitern, um zu sehen, was passiert wäre, wenn wir Y hätten. Ich merke, dass die Serie auf diese Weise unendlich zu verlängern scheint, weil wir die S n in der rechten Hand ersetzen können Seite, aber es ist nicht wirklich ein Polynom albern mich, aber wenn wir den Anfangszeitpunkt um eins multiplizieren, dann sehen wir ein Muster. Hm es ist eine exponentielle Serie Quelle Überraschung Stellen Sie sich vor, dass aus der Gleichung für eine exponentielle Bewegung kommen Durchschnitt. So sowieso habe ich diese x 0 x 1 x 2 x 3 Ding gehen, und ich bin sicher, ich bin riechen e oder ein natürlicher Logarithmus hier herum, aber ich kann mich nicht erinnern, wo ich war weiter, bevor ich lief aus Time. Any Antwort auf diese Frage, oder ein Beweis für die Richtigkeit einer solchen Antwort, hängt stark von den Daten, die Sie messen. Wenn Ihre Proben wurden bei t 0 0ms t 1 0 9ms und t 2 2 1ms aber Ihre Wahl ist Basierend auf 1-ms-Intervallen, und deshalb wünschst du einen lokal angepassten n den Nachweis der Korrektheit der Wahl würde bedeuten, dass die Sample-Werte bei t 1ms und t 2ms. This führt zu der Frage Kannst du interpolieren Sie Ihre Daten resonably, um gesund zu haben Vermutet, welchen Zwischenwert man hätte sein können Oder kannst man sogar den Durchschnitt selbst interpolieren. Wenn keiner von diesen möglich ist, so ist die logische Wahl eines Zwischenwertes Y t, soweit ich es sehe, zuletzt berechnet Durchschnittlich dh Y t S n wobei n maxmial ist, so dass tn t. This Wahl hat eine einfache Konsequenz Lassen Sie alleine, egal was die Zeitdifferenz war. Wenn auf der anderen Seite ist es möglich, Ihre Werte zu interpolieren, dann wird dies Geben Sie averagable Konstant-Intervall-Samples Schließlich, wenn es sogar möglich ist, den Durchschnitt selbst zu interpolieren, würde das die Frage bedeutungslos machen. answered Jun 21 09 at 15 08.balpha 27 2k 10 87 118.Ich würde denken, dass ich meine Daten interpolieren kann Angesichts der Tatsache, dass ich es in diskreten Intervallen probiere, mache ich das schon mit einer Standard-EMA sowieso, nehme an, dass ich einen Beweis brauche, der es zeigt, dass es funktioniert, sowie eine Standard-EMA, die auch ein falsches Ergebnis erzeugt, wenn die Werte sind Nicht ändern sich ziemlich reibungslos zwischen Beispielperioden Curt Sampson Jun 21 09 at 15 21. Aber das s, was ich sage Wenn Sie die EMA eine Interpolation Ihrer Werte betrachten, sind Sie fertig, wenn Sie Alpha verlassen, wie es ist, weil das Einfügen der jüngsten Durchschnitt Da Y nicht den Durchschnitt ändert Wenn du sagst, du brauchst etwas, das funktioniert, sowie eine Standard-EMA - was ist falsch mit dem Original Wenn du nicht mehr Informationen über die Daten hast, die du messen kannst, sind alle lokalen Anpassungen an Alpha am besten Willkürliche balpha Jun 21 09 at 15 31. Ich würde den Alpha-Wert alleine lassen und die fehlenden Daten ausfüllen. Da du nicht weißt, was während der Zeit passiert, wenn du t Probe kannst, kannst du diese Samples mit 0s füllen oder halten Der vorherige Wert stabil und verwenden Sie diese Werte für die EMA oder einige Rückwärts-Interpolation, sobald Sie eine neue Probe haben, füllen Sie die fehlenden Werte, und neu zu berechnen die EMA. Was ich versuche zu bekommen ist, haben Sie eine Eingabe xn, die Löcher hat Ist keine Möglichkeit, um die Tatsache, dass Sie fehlende Daten zu bekommen So können Sie eine Null-Order halten, oder setzen Sie es auf Null, oder eine Art von Interpolation zwischen xn und xn M, wobei M ist die Anzahl der fehlenden Proben und n der Anfang von Die Lücke Möglicherweise sogar mit Werten vor n. answered Jun 21 09 um 13 35. Von einer Stunde oder so mucking über ein bisschen mit der Mathematik für diese, ich denke, dass einfach variieren die Alpha wird mir tatsächlich die richtige Interpolation zwischen den beiden Punkte, die du redest, aber in einer viel einfacheren Art und Weise Weiterhin denke ich, dass das Variieren des Alphas auch mit Proben zwischen den Standard-Sampling-Intervallen umgehen wird. Mit anderen Worten, ich suche nach dem, was du beschrieben hast, aber versuch, Mathe zu benutzen Herauszufinden, die einfache Möglichkeit, es zu tun Curt Sampson Jun 21 09 um 14 07. Ich glaube nicht, dass es ein solches Tier als richtige Interpolation gibt Sie einfach nicht wissen, was passiert in der Zeit, die Sie nicht probieren Gute und schlechte Interpolation impliziert einige Kenntnisse Von dem, was du vermisst hast, da musst du dagegen messen, um zu beurteilen, ob eine Interpolation gut oder schlecht ist, obwohl du gesagt hast, kannst du Einschränkungen setzen, dh mit maximaler Beschleunigung, Geschwindigkeit, etc. Ich denke, wenn du weißt, wie man die fehlenden Daten modelliert , Dann würden Sie nur modellieren die fehlenden Daten, dann wenden Sie die EMA-Algorithmus ohne Änderung, anstatt zu ändern Alpha Nur meine 2c freespace Jun 21 09 um 14 17.Das ist genau das, was ich war in meine Bearbeitung auf die Frage 15 Minuten Sie wissen nicht, was in der Zeit passiert ist, in der Sie nicht probieren, aber das ist auch dann wahr, wenn Sie in jedem bestimmten Intervall probieren. So ist meine Nyquist-Kontemplation so lange, wie Sie die Wellenform kennen, nicht die Richtungen mehr als alle paar Proben , Das tatsächliche Stichprobenintervall sollte nicht sein, und sollte in der Lage sein zu variieren Die EMA-Gleichung scheint mir genau zu berechnen, als ob die Wellenform sich linear von dem letzten Sample-Wert zum aktuellen Curt Sampson veränderte Ich denke, das ist ganz richtig Nyquist s Theorem erfordert erfordert mindestens 2 Samples pro Periode in der Lage sein, eindeutig identifizieren das Signal Wenn Sie don t tun, dass Sie Aliasing Es wäre das gleiche wie Sampling als fs1 für eine Zeit, dann fs2 , Dann zurück zu fs1, und du bekommst Aliasing in den Daten, wenn du mit fs2 probierst, wenn fs2 unterhalb der Nyquist-Grenze ist, muss ich auch gestehen, dass ich nicht verstehe, was du mit Wellenform-Änderungen von der letzten Probe bis zur Gegenwart meint. Könnten Sie bitte erklären Cheers, Steve Freespace Jun 21 09 bei 14 36. Dies ist ähnlich wie ein offenes Problem auf meiner Todo-Liste Ich habe ein Schema in gewissem Umfang ausgearbeitet, aber nicht mathematisch arbeiten, um diesen Vorschlag noch zurückzugeben. Update Zusammenfassung Möchte die halten Glättungsfaktor alpha unabhängig vom Kompensationsfaktor, den ich hier als Beta bezeichne. Jason s ausgezeichnete Antwort, die hier bereits akzeptiert wurde, funktioniert für mich groß. Wenn du auch die Zeit messen kannst, seit die letzte Probe in abgerundeten Vielfachen deiner konstanten Abtastzeit aufgenommen wurde, also 7 8 ms seit letzter Probe wäre 8 Einheiten, die verwendet werden könnten, um die Glättung mehrfach anwenden Bewerben Sie die Formel 8 mal in diesem Fall Sie haben effektiv eine Glättung voreingenommen mehr auf den aktuellen Wert. Um eine bessere Glättung, brauchen wir Um das Alpha zu optimieren, während die Formel 8 mal im vorherigen Fall angewendet wird. Was diese Glättungs-Approximation fehlt. Es hat bereits 7 Samples im obigen Beispiel verpasst. Dies wurde in Schritt 1 mit einer abgeflachten Wiederanwendung des aktuellen Wertes an Zusätzliche 7 mal. Wenn wir einen Approximationsfaktor beta definieren, der zusammen mit alpha als alpha beta statt nur alpha angewendet wird, gehen wir davon aus, dass sich die 7 verpassten Samples zwischen den bisherigen und aktuellen Samplewerten reibungslos veränderten Bei 13 35. Ich habe darüber nachgedacht, aber ein bisschen mucking mit der Mathematik hat mich auf den Punkt, wo ich glaube, dass, anstatt die Formel acht Mal mit dem Stichprobenwert, kann ich eine Berechnung eines neuen Alpha zu tun Das wird mir erlauben, die Formel einmal anzuwenden, und gib mir das gleiche Ergebnis Weiter, würde dies automatisch mit der Ausgabe von Proben versetzt von genauen Stichproben-Zeiten Curt Sampson Jun 21 09 bei 13 47. Die einzige Anwendung ist gut Was ich nicht bin Sicher ist doch, wie gut ist die Annäherung der 7 fehlenden Werte Wenn die kontinuierliche Bewegung den Wert Jitter viel über die 8 Millisekunden macht, können die Approximationen ganz aus der Realität liegen. Aber dann, wenn Sie bei 1ms höchster Auflösung mit Ausnahme der Verspätete Samples, die du schon im Jammer in 1ms gedacht hast, ist nicht relevant Ist diese Überlegungsarbeit für dich Ich versuche mich immer noch zu überzeugen nik Jun 21 09 um 14 08.Right Das ist der Faktor Beta aus meiner Beschreibung Ein Beta-Faktor würde berechnet werden Auf das Differenzintervall und die aktuellen und vorherigen Samples Das neue Alpha wird Alpha-Beta sein, aber es wird nur für dieses Sample verwendet. Während du scheinst, das Alpha in der Formel zu bewegen, neige ich zu einem konstanten Alpha-Glättungsfaktor und einer unabhängig berechneten Beta Ein Stimmfaktor, der die kompensierten Proben kompensiert gerade jetzt nik Jun 21 09 bei 15 23.