29. september 2013.Moving gjennomsnitt ved convolution. What er flytte gjennomsnittet og hva er det bra for. Hvordan flytter gjennomsnittet gjort ved å bruke convolution. Moving gjennomsnitt er en enkel operasjon som vanligvis brukes til å undertrykke støy av et signal vi setter verdien av hver pek på gjennomsnittet av verdiene i nabolaget Ved en formel. Her x er inngangen, og y er utgangssignalet, mens størrelsen på vinduet er w, skal være merkelig. Formelen ovenfor beskriver en symmetrisk operasjon som prøver tas fra begge sider av det aktuelle punktet. Det er et virkelighetseksempel. Det punktet som vinduet legges faktisk er rødt. Verdier utenfor x er ment å være nuller. For å spille rundt og se effekten av glidende gjennomsnitt, ta en titt på dette interaktiv demonstrasjon. Hvordan gjør du det ved convolution. As du kanskje har anerkjent, beregner det enkle glidende gjennomsnittet ligner konvolusjonen i begge tilfeller et vindu glides langs signalet og elementene i vinduet blir oppsummert Så prøv det å gjøre Samme ved å bruke konvolusjon Bruk følgende parametere. Den ønskede utgangen er. Som første tilnærming, la oss prøve det vi får ved å samle x-signalet med følgende k-kjerne. Utgangen er nøyaktig tre ganger større enn den forventede. Det kan også være sett at utgangsvurderingene er sammendraget av de tre elementene i vinduet. Det er fordi under konvolusjonen glir vinduet sammen, alle elementene i det blir multiplisert med en og deretter oppsummert. yk 1 cdot x 1 cdot x 1 cdot x. For å få de ønskede verdiene av y, skal utgangen divideres med 3. Med en formel inkludert divisjonen. Men det ville ikke være optimalt å gjøre avdelingen under konvolusjon. Her kommer ideen av omarrangere ligningen. Så skal vi bruke følgende k-kjerne. På denne måten vil vi få den ønskede utdata. I generell hvis vi vil flytte gjennomsnittet ved konvolusjon som har et vindu størrelse w, skal vi bruke følgende k-kjernen. A enkel funksjonen gjør det bevegelige gjennomsnittet. Et eksempel er bruk. Last ned movAv m se også movAv2 - en oppdatert versjon som tillater vekting. Beskrivelse Matlab inkluderer funksjoner som kalles movavg og tsmovavg tidsserie som beveger gjennomsnittet i Financial Toolbox, movAv er designet for å replikere grunnleggende funksjonaliteten til disse Koden her gir et godt eksempel på å håndtere indekser i looper, noe som kan være forvirrende til å begynne med, jeg har bevisst holdt koden kort og enkel å holde denne prosessen klar. movAv utfører et enkelt glidende gjennomsnitt som kan brukes til å gjenopprette støyende data i noen situasjoner. Det virker ved å ta et middel av inngangen y over et glidende tidsvindu, hvis størrelse er spesifisert av n Jo større n er, desto større er utjevningen av effekten av n i forhold til lengden på inngangsvektoren y og effektivt, oppretter en slags lavpassfrekvensfilter - se eksempler og overvejelser. Fordi mengden av utjevning som tilbys av hver verdi av n er i forhold til lengden på inngangsvektoren, er det s alltid verdt å teste forskjellige verdier for å se hva som er relevant Husk også at n poeng går tapt på hvert gjennomsnitt hvis n er 100, de første 99 poengene til inngangsvektoren inneholder ikke nok data for et 100pt gjennomsnitt. Dette kan unngås noe ved å stable gjennomsnitt, for eksempel, koden og grafen nedenfor, sammenligner du en rekke vinduer med gjennomsnittlig lengde. Legg merke til hvor glatt 10 10pt er sammenlignet med et enkelt 20pt gjennomsnitt. I begge tilfeller går 20 poeng av data totalt tapt. Opprett xaxis x 1 0 01 5 Generer støystøyReps 4 støy repmat randn 1, ceil numel x noiseReps, noiseReps, 1 støy omforming støy, 1, lengde støy noiseReps Generer ydata støy y exp x 10 støy 1 lengde x Perfrom gjennomsnitt y2 movAv y, 10 10 pt y3 movAv y2, 10 10 10 pt y4 movAv y 20 20 pt y5 movAv y 40 40 pt y6 movAv y, 100 100 pt Plottfigur plot x, y, y2, y3, y4, y5, y6 legend Raw data, 10pt glidende gjennomsnitt, 10 10pt, 20pt, 40pt, 100pt xlabel x ylabel y tittel Sammenligning av bevegelige gjennomsnitt. mVaV m koden gjennomløpsfunksjon utgang movAv y, n Den første linjen definerer funksjonens navn, innganger og utganger. Inndata x skal være en vektor med data for å utføre gjennomsnittet på, n skal være antall poeng som skal utføre gjennomsnittet over utdata vil inneholde gjennomsnittlig data returnert av funksjonen. Forelegge utgangseffekt NaN 1, numel y Finn midtpunkt for n midPoint-runde n 2 Funksjonens hovedarbeid er gjort i forløp, men før start blir to ting forberedt Fir Stly utgangen er forhåndsallokert som NaNs, dette tjente to formål. For det første er forallokering generelt god praksis, da det reduserer minnesjonglingen Matlab må gjøre, for det andre gjør det veldig enkelt å sette gjennomsnittlig data i en utgang i samme størrelse som inngangsvektoren Dette betyr at samme xaxis kan brukes senere for begge, noe som er praktisk for plotting, alternativt kan NaNs fjernes senere i en linje med kodeutgangsproduksjon. Den variable midpoint vil bli brukt til å justere dataene i utgangsvektoren Hvis n 10, vil 10 poeng gå tapt fordi for de første 9 poengene til inngangsvektoren er det ikke nok data til å ta et 10-punkts gjennomsnitt. Da utgangen vil være kortere enn inngangen, må den justeres riktig midpoint vil brukes, slik at en lik mengde data går tapt i starten og slutten, og inngangen holdes i samsvar med utgangen av NaN buffere opprettet ved preallokering av output. for en 1 lengde y - n Finn indeksområde for å ta gjennomsnitt over abban Beregn gjennomsnittlig produksjon a midPoint betyr yab-ende I selve for-linjen blir et gjennomsnitt tatt over hvert påfølgende segment av inngangen. Sløyfen vil løpe for en som er definert som 1 opp til lengden på inngangen y, minus dataene som vil gå tapt n Hvis inngangen er 100 poeng lang og n er 10, løkken vil løpe fra en 1 til 90. Dette betyr at den første indeksen av segmentet blir i gjennomsnitt Den andre indeksen b er bare en n-1 Så på den første iterasjonen, en 1 n 10 så b 11-1 10 Det første gjennomsnittet blir tatt over yab eller x 1 10 Gjennomsnittet av dette segmentet, som er en enkelt verdi, lagres i utgang ved indeks a midPoint eller 1 5 6. På den andre iterasjonen , en 2 b 2 10-1 11 så gjennomsnittet blir tatt over x 2 11 og lagret i utgang 7 På den siste iterasjonen av sløyfen for en inngang på lengde 100, en 91 b 90 10-1 100 slik at midlet er tatt over x 91 100 og lagret i utgang 95 Dette etterlater produksjonen med totalt n 10 NaN-verdier ved indeks 1 5 og 96 100. Eksempler og overveier Flytte gjennomsnitt er nyttige i noen situasjoner, men de ikke alltid det beste valget Her er to eksempler hvor de ikke nødvendigvis er optimale. Mikrofonkalibrering Dette datasettet representerer nivåene av hver frekvens produsert av en høyttaler og innspilt av en mikrofon med kjent lineær respons. Høyttalerenes utgang varierer med frekvens, men vi kan korrigere for denne variasjonen med kalibreringsdataene - utgangen kan justeres på nivå for å ta hensyn til svingningene i kalibreringen. Merk at rådataene er støyende - dette betyr at en liten endring i frekvens ser ut til å kreve en stor, uregelmessig, endring i nivå for å regne for Er dette realistisk Eller er dette et produkt av opptaksmiljøet Det er i dette tilfelle rimelig å bruke et glidende gjennomsnitt som jevner ut nivåfrekvenskurven for å gi en kalibreringskurve som er litt mindre uregelmessig Men hvorfor er det ikke optimal i dette eksempelet. Flere data ville være bedre - flere kalibreringer går i gjennomsnitt sammen vil ødelegge støyen i systemet så lenge det er kjørt dom og gi en kurve med mindre subtile detaljer tapt. Det bevegelige gjennomsnittet kan kun omtrentliggjøre dette, og kan fjerne noen høyere frekvensdips og topper fra kurven som virkelig eksisterer. Sine bølger Med et glidende gjennomsnitt på sinusbølger fremheves to punkter. Den generelle problemet med å velge et rimelig antall poeng for å utføre gjennomsnittet over. Det er enkelt, men det er mer effektive metoder for signalanalyse enn gjennomsnittlig oscillerende signaler i tidsdomene. I denne grafen er den opprinnelige sinusbølge plottet i blått Støy er lagt til og plottet som oransje kurve Et glidende gjennomsnitt utføres på forskjellige antall poeng for å se om den opprinnelige bølgen kan gjenvinnes. 5 og 10 poeng gir rimelige resultater, men ikke fjern støyen helt, hvor like større antall poeng begynner å miste amplitudedetaljene da gjennomsnittet strekker seg over forskjellige faser, husk bølgen oscillerer rundt null, og mener -1 -1 0. En alternativ tilnærming ville være å konstruere et lavpassfilter enn det som kan være anvendt på signalet i frekvensdomenet, jeg kommer ikke til å gå i detalj som det går utover denne artiklens omfang, men da støyen er betydelig høyere frekvens enn bølgenees grunnfrekvens, ville det være ganske enkelt i dette tilfelle å konstruere et lavpassfilter enn det som fjerner høyfrekvent støy. Simpel flytting Gjennomsnittlig - SMA. BREAKING DOWN Enkel Flytende Gjennomsnitt - SMA. A Enkelt glidende gjennomsnitt er tilpassbart ved at det kan beregnes for et annet antall tidsperioder, ganske enkelt ved å legge til den avsluttende Sikkerhetsprisen for en rekke tidsperioder og deretter dele denne summen med antall tidsperioder, noe som gir gjennomsnittsprisen på sikkerheten over tidsperioden. Et enkelt glidende gjennomsnitt svekker ut volatiliteten og gjør det enklere å se prisen trenden med sikkerhet Hvis det enkle glidende gjennomsnittet peker opp, betyr dette at sikkerhetsprisen øker. Hvis det peker ned, betyr det at sikkerhetsprisen faller. Jo lengre tidsramme e for glidende gjennomsnitt, jo glattere det enkle glidende gjennomsnittet. Et kortere glidende gjennomsnitt er mer volatilt, men lesingen er nærmere kildedataene. Analytisk betydning. Gjennomsnittlig gjennomsnitt er et viktig analytisk verktøy som brukes til å identifisere dagens prisutvikling og potensial for endring i en etablert trend Den enkleste formen for å bruke et enkelt bevegelige gjennomsnitt i analyse, bruker det til å raskt identifisere om en sikkerhet er i opptrend eller nedtrengning. Et annet populært, om enn litt mer komplekst analyseverktøy, er å sammenligne et par enkle bevegelige gjennomsnitt med hver dekning av forskjellige tidsrammer Hvis et kortere, rent, glidende gjennomsnitt er over et langsiktig gjennomsnitt, forventes en opptrend. På den annen side signalerer et langsiktig gjennomsnitt over et kortere sikt gjennomsnitt en nedadgående bevegelse i trend. Popular Trading Patterns. Two populære handelsmønstre som bruker enkle bevegelige gjennomsnitt inkluderer dødskrysset og et gyldent kryss. Et dødskors oppstår når 50-dagers enkeltflytte av erage krysser under det 200-dagers glidende gjennomsnittet. Dette betraktes som et bearish signal, at ytterligere tap er i butikken. Det gylne krysset oppstår når et kortsiktig glidende gjennomsnitt bryter over et langsiktig glidende gjennomsnitt. Forsterket av høye handelsvolumer, kan dette signalere Ytterligere gevinster er i butikken.
No comments:
Post a Comment