الأسي الحركة من المتوسط القيم مفقودة ،

المتوسط ​​المتحرك الأسي - المتوسط ​​المتحرك المتحرك الهابط المتوسط ​​المتحرك الأسي - المتوسط ​​المتحرك المتوسط ​​المتوسط ​​هو المتوسطات الأكثر شيوعا على المدى القصير، وهي تستخدم لإنشاء مؤشرات مثل تباعد التقارب المتوسط ​​المتحرك (ماسد) ومعدل مذبذب السعر (PPO). بشكل عام، يتم استخدام المتوسط ​​المتحرك المتوسط ​​لمدة 50 و 200 يوم كإشارات للاتجاهات طويلة الأمد. التجار الذين يستخدمون التحليل الفني يجدون المتوسطات المتحركة مفيدة جدا وبصيرة عند تطبيقها بشكل صحيح ولكن خلق الفوضى عند استخدامها بشكل غير صحيح أو يساء تفسيرها. جميع المتوسطات المتحركة المستخدمة عادة في التحليل الفني هي، بطبيعتها، مؤشرات متخلفة. وبالتالي، فإن الاستنتاجات المستخلصة من تطبيق متوسط ​​متحرك على رسم بياني سوقي معين ينبغي أن تكون تأكيد حركة السوق أو الإشارة إلى قوته. في كثير من الأحيان، عندما يكون خط مؤشر المتوسط ​​المتحرك قد جعل التغيير يعكس خطوة كبيرة في السوق، فإن النقطة المثلى لدخول السوق قد مرت بالفعل. تعمل إما على التخفيف من هذه المعضلة إلى حد ما. لأن حساب إما يضع المزيد من الوزن على أحدث البيانات، فإنه عناق العمل السعر قليلا أكثر تشددا، وبالتالي يتفاعل أسرع. وهذا أمر مرغوب فيه عند استخدام إما لاستخلاص إشارة دخول تداول. تفسير المتوسط ​​المتحرك مثل جميع مؤشرات المتوسط ​​المتحرك، فهي أكثر ملاءمة للأسواق الشائعة. عندما يكون السوق في اتجاه صاعد قوي ومستمر. فإن خط مؤشر إما سيظهر أيضا اتجاها صعوديا والعكس بالعكس للاتجاه الهبوطي. لن يقوم المتداول اليقظ بإيلاء الاهتمام لاتجاه خط إما ولكن أيضا علاقة معدل التغير من شريط إلى آخر. على سبيل المثال، عندما يبدأ تحرك السعر من اتجاه صعودي قوي في التسطح والعكس، فإن معدل التغير في المتوسط ​​إما من شريط إلى آخر سيبدأ في التقلص إلى أن يتسطح خط المؤشر ومعدل التغير صفرا. وبسبب التأثير المتخلف، وبحلول هذه النقطة، أو حتى عدد قليل من الحانات من قبل، يجب أن يكون الفعل السعر عكس بالفعل. وبالتالي، فإن اتباع تناقص ثابت في معدل التغير في المتوسط ​​المتحرك يمكن أن يستخدم في حد ذاته كمؤشر يمكن أن يزيد من مواجهة المعضلة الناجمة عن التأثير المتخلف للمتوسطات المتحركة. الاستخدامات الشائعة ل إما إما تستخدم عادة بالاقتران مع مؤشرات أخرى لتأكيد تحركات السوق الهامة ولقياس مدى صلاحيتها. بالنسبة للمتداولين الذين يتاجرون في الأسواق اليومية والحركة السريعة، فإن إما تكون أكثر قابلية للتطبيق. غالبا ما يستخدم المتداولون المتوسط ​​المتحرك لتحديد تحيز التداول. على سبيل المثال، إذا أظهرت إما على الرسم البياني اليومي اتجاها تصاعديا قويا، قد تكون استراتيجية التداول اللحظي للتداول فقط من الجانب الطويل على الرسم البياني لحظيا. طريقة بسيطة وعامة لملء البيانات المفقودة، إذا كان لديك تشغيل من بيانات كاملة، هو استخدام الانحدار الخطي. ويقول لديك 1000 يدير من 5 في صف واحد مع عدم وجود عداد المفقودين. إعداد 1000 × 1 متجه y و 1000 × 4 مصفوفة X: الانحدار تعطيك 4 أرقام ب ج د التي تعطي أفضل مباراة ل 1000 صفوف من البيانات الخاصة بك مداش البيانات المختلفة، مختلفة ب ج د. ثم تستخدم هذه b c d لتقدير (التنبؤ، إنتيربولات) مفقود wt0. (بالنسبة للأوزان البشرية، يتوقع إد أبسد أن يكون في جميع أنحاء 14.) (هناك زيليونس من الكتب والأوراق على الانحدار، على جميع المستويات. للاتصال مع الاستيفاء، على الرغم من أنني لا أعرف من أي شخص مقدمة جيدة) لدي القيمة المستمرة التي ترغب إد لحساب متوسط ​​متحرك أسي. عادة ما يكون المعرف مجرد استخدام الصيغة القياسية لهذا: حيث S n هو المتوسط ​​الجديد، ألفا هو ألفا و Y هو العينة و S n-1 هو المتوسط ​​السابق. لسوء الحظ، نظرا لقضايا مختلفة ليس لدي متسقة الوقت العينة. قد أعرف أنني يمكن أن عينة على الأكثر، ويقول، مرة واحدة في ميلي ثانية واحدة، ولكن نظرا لعوامل خارج عن سيطرتي، وأنا قد لا تكون قادرة على أخذ عينة لعدة ميلي ثانية في وقت واحد. ومع ذلك، هناك حالة أكثر شيوعا على الأرجح هي أنني عينة بسيطة مبكرة قليلا أو متأخرة: بدلا من أخذ العينات في 0 و 1 و 2 مس. أنا عينة في 0 و 0.9 و 2.1 مللي ثانية. وأتوقع أنه بغض النظر عن التأخير، وسوف بلدي تردد أخذ العينات يكون بعيدا، وبعيدا عن الحد نيكيست، وبالتالي لا داعي للقلق حول التعرج. وأعتقد أنني أستطيع التعامل مع هذا بطريقة أكثر أو أقل من المعقول من خلال تغيير ألفا بشكل مناسب، استنادا إلى طول الفترة الزمنية منذ آخر عينة. جزء من منطقي أن هذا سيعمل هو أن إما إنتيربولاتس خطيا بين نقطة البيانات السابقة والتيار الحالي. إذا نظرنا في حساب إما من القائمة التالية من العينات على فترات t: 0،1،2،3،4. يجب أن نحصل على نفس النتيجة إذا استخدمنا الفاصل الزمني 2t، حيث تصبح المدخلات 0،2،4، يمين إذا كانت إما قد افترضت أنه في t 2 كانت القيمة 2 منذ t 0. التي من شأنها أن تكون نفس حساب حساب الفاصل الزمني على 0،2،2،4،4، والتي لا تفعل. أو هل هذا منطقي على الإطلاق يمكن أن يقول لي شخص كيفية تغيير ألفا بشكل مناسب يرجى إظهار عملك. أي. تبين لي الرياضيات التي تثبت أن طريقة الخاص بك هو حقا يفعل الشيء الصحيح. طلب يونيو 21 09 في 13:05 أنت mustn39t الحصول على نفس إما لمختلف المدخلات. فكر في إما كمرشح، أخذ العينات في 2t ما يعادل أخذ العينات إلى أسفل، والمرشح هو الذهاب الى إعطاء مخرجات مختلفة. هذا واضح بالنسبة لي منذ 0،2،4 يحتوي على مكونات تردد أعلى من 0،1،2،3،4. ما لم يكن السؤال هو، كيف يمكنني تغيير فلتر على الطاير لجعله يعطي نفس الانتاج. ربما أنا في عداد المفقودين شيء نداش فريسباس يونيو 21 09 في 15:52 ولكن المدخلات ليست مختلفة، it39s فقط أخذ عينات أقل في كثير من الأحيان. 0،2،4 على فترات 2t هو مثل 0، 2،، 4 على فترات t، حيث يشير إلى أن يتم تجاهل العينة نداش كيرت سامبسون يونيو 21 09 في 23:45 هذه الإجابة على أساس فهم جيد لتمرير منخفض مرشحات (المتوسط ​​المتحرك الأسي هو في الحقيقة مجرد مرشح لوباس واحد القطب)، ولكن بلدي فهم ضبابي ما كنت تبحث عنه. وأعتقد أن ما يلي هو ما تريد: أولا، يمكنك تبسيط المعادلة الخاصة بك قليلا (تبدو أكثر تعقيدا ولكن أسهل في التعليمات البرمجية). سأستخدم Y للإخراج و X للإدخال (بدلا من S للإخراج و Y للإدخال، كما فعلت). ثانيا، قيمة ألفا هنا تساوي 1-e - Deltattau حيث دلتات هو الوقت بين العينات، و تاو هو ثابت الوقت للمرشح تمرير منخفض. أقول متساوية في يقتبس لأن هذا يعمل بشكل جيد عندما دلتاتاو هو صغير بالمقارنة مع 1، و ألفا 1-e - Deltattau أسيمب دلتاتاو. (ولكن ليس صغيرا جدا: ستنتقل إلى المسائل الكمية، وما لم تلجأ إلى بعض التقنيات الغريبة التي تحتاج عادة إلى N بت إضافية من القرار في متغير الدولة S، حيث N-لوغ 2 (ألفا). للحصول على قيم أكبر من دلتاتاو يبدأ تأثير التصفية لتختفي، حتى تحصل على النقطة حيث ألفا هو قريب من 1 وكنت أساسا مجرد تعيين المدخلات إلى الإخراج. هذا يجب أن يعمل بشكل صحيح مع قيم متفاوتة من دلتات (الاختلاف من دلتات ليست مهمة جدا طالما ألفا صغير، وإلا سوف تعمل في بعض القضايا نيكيست غريبة بدلا التعرج الخ)، وإذا كنت تعمل على المعالج حيث الضرب هو أرخص من الانقسام، أو قضايا نقطة ثابتة مهمة، بريكالكولات أوميغا 1tau، والنظر في محاولة لتقريب صيغة ألفا. إذا كنت تريد حقا أن تعرف كيفية استخلاص صيغة ألفا 1-e - Deltattau ثم النظر في مصدر المعادلة التفاضلية: التي، عندما X هو وظيفة خطوة وحدة، لديه الحل Y 1 - e - ttau. وبالنسبة لقيم الدلتا الصغيرة، يمكن تقريب المشتقات بواسطة الدلتايدلتات، مما يؤدي إلى تاو الدلتايدلتات X ديلتاي (زي) (دلتاتاو) ألفا (زي) واستقراء ألفا 1-e - Deltattau يأتي من محاولة مطابقة السلوك مع وحدة خطوة وظيفة القضية. هل من فضلك يرجى تفصيل على كوتيرينغ لتتناسب مع الجزء السلوكي أنا أفهم الحل الخاص بك الوقت المستمر Y 1 - إكس (-t47) وتعميمها إلى وظيفة خطوة تحجيم مع حجم x والحالة الأولية y (0). ولكن I39m لا نرى كيفية وضع هذه الأفكار معا لتحقيق النتيجة. نداش ريس وليريش 4 مايو 13 في 22:34 هذه ليست إجابة كاملة، ولكن قد يكون بداية واحدة. لها بقدر ما حصلت مع هذا في ساعة أو نحو ذلك من اللعب إم نشره كمثال على ما إم تبحث عن، وربما إلهام للآخرين الذين يعملون على المشكلة. أبدأ مع S 0. وهو المتوسط ​​الناتج عن المتوسط ​​السابق S -1 والعينة Y 0 المأخوذة عند t 0. (t 1 - t 0) هي الفاصل الزمني للعينة ويتم تعيين ألفا على كل ما هو مناسب لفترة العينة والفترة التي أود أن متوسطها. نظرت في ما يحدث إذا أفتقد العينة في t 1 وبدلا من ذلك يجب القيام به مع العينة Y 2 تؤخذ في ر 2. حسنا، يمكننا أن نبدأ بتوسيع المعادلة لنرى ما كان يمكن أن يحدث لو كان لدينا Y 1: لاحظت أن المسلسل يبدو أن يمتد بلا حدود بهذه الطريقة، لأننا يمكن أن تحل محل S في الجانب الأيمن إلى أجل غير مسمى: حسنا ، لذلك ليس حقا متعدد الحدود (سخيفة لي)، ولكن إذا ضربنا الفترة الأولية من قبل واحد، ونحن بعد ذلك نرى نمطا: هم: لها سلسلة الأسية. كيل مفاجأة تخيل أن الخروج من المعادلة لمتوسط ​​متحرك الأسي لذلك على أي حال، لدي هذا x 0 × 1 × 2 × 3. شيء، و إم إم إم رائحة أو اللوغاريتم الطبيعي ركل هنا، ولكن لا أستطيع تذكر أين كنت أتجه إلى الأمام قبل أن نفد من الوقت. أي إجابة على هذا السؤال، أو أي دليل على صحة مثل هذا الجواب، يعتمد إلى حد كبير على البيانات التي قياس. إذا تم أخذ العينات الخاصة بك في تي 0 0ms. t 1 0.9ms و t 2 2.1ms. ولكن اختيارك من ألفا يقوم على 1 مللي ثانية، وبالتالي تريد ألفا معدلة محليا. فإن إثبات صحة الخيار يعني معرفة قيم العينة في t1ms و t2ms. وهذا يؤدي إلى السؤال: هل يمكنك استيفاء البيانات الخاصة بك ريسونابلي أن يكون التخمينات عاقل من ما بين القيم قد تكون أو يمكنك حتى إنتيربولات المتوسط ​​نفسه إذا لم يكن أي من هذه ممكنة، ثم بقدر ما أراه، منطقية فإن اختيار القيمة الفاصلة بين Y (t) هو المتوسط ​​المحسوب مؤخرا. أي y (t) أسيمب s n حيث n هو ماكسميال بحيث t t لت. هذا الاختيار له نتيجة بسيطة: ترك ألفا وحده، بغض النظر عن فارق التوقيت. إذا، من ناحية أخرى، فمن الممكن لاستيفاء القيم الخاصة بك، ثم وهذا سوف تعطيك عينات ثابت الفاصل الزمني. وأخيرا، إذا كان من الممكن حتى استقراء المتوسط ​​نفسه، من شأنه أن يجعل السؤال بلا معنى. أجاب 21 يونيو 09 في 15:08 بالفا 9830 26.8k 9679 10 9679 85 9679 117 وأعتقد أنني يمكن أن استيفاء البيانات الخاصة بي: بالنظر إلى أن I39m أخذ العينات على فترات منفصلة، ​​I39m بالفعل القيام بذلك مع معيار إما على أي حال، نفترض أن أحتاج وهو كوفروفوت الذي يظهر أنه يعمل فضلا عن إما القياسية، والتي أيضا سوف تنتج نتيجة غير صحيحة إذا كانت القيم لا تتغير بسلاسة إلى حد ما بين فترات العينة. نداش كيرت سامبسون يونيو 21 09 في 15:21 ولكن that39s ما I39m قائلا: إذا كنت تعتبر إما استيفاء القيم الخاصة بك، you39re القيام به إذا تركت ألفا كما هو (لأن إدراج أحدث معدل كما لا تغير 39t المتوسط) . إذا كنت تقول أنك بحاجة إلى شيء أن كوتوركس وكذلك إيماكوت القياسية - ما هو الخطأ 39 مع الأصلي ما لم يكن لديك المزيد من المعلومات حول البيانات you39re القياس، أي تعديلات المحلية إلى ألفا سيكون في أحسن الأحوال التعسفية. نداش بالفا 9830 جون 21 09 في 15:31 وأود أن ترك قيمة ألفا وحدها، وملء البيانات المفقودة. منذ كنت لا تعرف ما يحدث خلال الوقت الذي كنت غير قادر العينة، يمكنك ملء تلك العينات مع 0S، أو عقد القيمة السابقة مستقرة واستخدام تلك القيم ل إما. أو بعض الاستيفاء إلى الخلف مرة واحدة لديك عينة جديدة، وملء القيم المفقودة، وإعادة حساب إما. ما أحاول الحصول عليه هو لديك إدخال شن التي لديها ثقوب. لا توجد وسيلة للتغلب على حقيقة كنت في عداد المفقودين البيانات. حتى تتمكن من استخدام الصفر ترتيب عقد، أو تعيينه إلى الصفر، أو نوع من الاستيفاء بين شن و شنم. حيث M هو عدد العينات المفقودة و n بداية الفجوة. ربما حتى استخدام القيم قبل ن. أجاب 21 يونيو 09 في 13:35 من قضاء ساعة أو نحو ذلك مكينغ حول قليلا مع الرياضيات لهذا، وأعتقد أن ببساطة تغيير ألفا سوف تعطيني فعلا الاستيفاء الصحيح بين النقطتين التي تتحدث عنها، ولكن في طريقة أبسط بكثير. وعلاوة على ذلك، وأعتقد أن تختلف ألفا سوف أيضا التعامل بشكل صحيح مع العينات التي اتخذت بين فترات أخذ العينات القياسية. وبعبارة أخرى، I39m تبحث عن ما وصفته، ولكن في محاولة لاستخدام الرياضيات لمعرفة طريقة بسيطة للقيام بذلك. نداش كيرت سامبسون يونيو 21 09 في 14:07 أنا don39t أعتقد أن هناك مثل هذا الوحش كما كوتيروبر إنتيربولاتيونكوت. يمكنك ببساطة don39t معرفة ما حدث في الوقت الذي لم يكن أخذ العينات. يعني الاستيفاء الجيد والسيئ بعض المعرفة بما فاتك، لأنك تحتاج إلى قياس ضد ذلك للحكم على ما إذا كان الاستيفاء جيد أو سيئ. على الرغم من ذلك، يمكنك وضع القيود، أي مع أقصى تسارع، والسرعة، وما إلى ذلك أعتقد إذا كنت لا تعرف كيفية نموذج البيانات المفقودة، ثم كنت مجرد نموذج البيانات المفقودة، ثم تطبيق خوارزمية إما مع أي تغيير، بدلا من ذلك من تغيير ألفا. فقط بلدي 2C :) نداش فريسباس يونيو 21 09 في 14:17 هذا هو بالضبط ما كنت الحصول على في بلدي تحرير على السؤال قبل 15 دقيقة: كوتيو ببساطة don39t معرفة ما حدث في الوقت الذي لا يتم أخذ العينات، ولكن ولكن هذا 39s صحيح حتى لو كنت العينة في كل فترة زمنية محددة. وهكذا بلدي التأمل نيكيست: طالما كنت تعرف شكل موجة don39t تغيير الاتجاهات أكثر من كل زوجين من العينات، والفترة الزمنية الفعلية ينبغي أن تكون المسألة 39t، وينبغي أن تكون قادرة على تختلف. يبدو معادلة إما لي بالضبط لحساب كما لو تغير شكل الموجي خطيا من قيمة العينة الأخيرة إلى واحد الحالي. نداش كيرت سامبسون يونيو 21 09 في 14:26 أنا don39t أعتقد أن هذا صحيح تماما. نظرية Nyquist39s يتطلب يتطلب الحد الأدنى من 2 عينات لكل فترة لتكون قادرة على تحديد فريد للإشارة. إذا كنت don39t القيام بذلك، تحصل المستعارة. سيكون نفس أخذ العينات كما fs1 لفترة، ثم fs2، ثم العودة إلى fs1، وتحصل على استعارة في البيانات عند عينة مع fs2 إذا fs2 أقل من الحد نيكيست. كما يجب أن أعترف أنني لا أفهم ما تعنيه التغييرات كوتافيفورم خطيا من العينة الأخيرة إلى أونكوت الحالية. هل يمكن أن يرجى شرح هتافات، ستيف. نداش فريسباس يونيو 21 09 في 14:36 ​​هذا مشابه لمشكلة مفتوحة على بلدي قائمة تودو. لدي مخطط واحد عملت إلى حد ما ولكن لم يكن لديك عمل رياضي لدعم هذا الاقتراح حتى الان. تحديث ملخص أمبير: ترغب في الحفاظ على عامل تمهيد (ألفا) مستقلة عن عامل التعويض (الذي أشير كما بيتا هنا). جاسون الجواب ممتازة قبلت بالفعل هنا يعمل كبيرة بالنسبة لي. إذا كنت تستطيع أيضا قياس الوقت منذ أخذ العينة الأخيرة (في مضاعفات مدورة لوقت أخذ العينات المستمر الخاص بك - حتى 7.8 مللي ثانية لأن العينة الأخيرة ستكون 8 وحدات)، التي يمكن استخدامها لتطبيق مرات التجانس عدة مرات. تطبيق الصيغة 8 مرات في هذه الحالة. لقد جعلت على نحو فعال منحازة أكثر منحازة نحو القيمة الحالية. للحصول على أفضل تمهيد، نحن بحاجة إلى قرص ألفا أثناء تطبيق الصيغة 8 مرات في الحالة السابقة. ما سوف يغفل هذا التقريب التجميع فقد بالفعل 7 عينات في المثال أعلاه وقد تم تقريب هذا في الخطوة 1 مع بالارض إعادة تطبيق من القيمة الحالية 7 مرات إضافية إذا كنا تحديد عامل تقريبي بيتا التي سيتم تطبيقها جنبا إلى جنب مع ألفا (كما الأبجدية بدلا من ألفا فقط)، ونحن سوف نفترض أن 7 عينات غاب تتغير بسلاسة بين قيم العينة السابقة والحالية. أجاب 21 يونيو 09 في 13:35 أنا لم أفكر في هذا، ولكن قليلا من الخداع حول مع الرياضيات حصلت لي إلى النقطة التي أعتقد أنه بدلا من تطبيق الصيغة ثماني مرات مع قيمة العينة، ويمكنني أن أفعل حسابا من ألفا جديدة من شأنها أن تسمح لي لتطبيق الصيغة مرة واحدة، وتعطيني نفس النتيجة. وعلاوة على ذلك، سيتعامل هذا تلقائيا مع مسألة تعويض العينات من أوقات العينة الدقيقة. نداش كيرت سامبسون يونيو 21 09 في 13:47 تطبيق واحد على ما يرام. ما أنا لست متأكدا حتى الآن هو كيف جيدة هو التقريب من 7 القيم المفقودة. إذا جعلت الحركة المستمرة قيمة غضب الكثير خلال 8 ميلي ثانية، قد تقريب تماما من الواقع. ولكن، إذا كنت أخذ العينات في 1ms (أعلى دقة باستثناء العينات المتأخرة) كنت قد أحسبت بالفعل غضب داخل 1MS غير ذات الصلة. هل هذا المنطق العمل بالنسبة لك (ما زلت أحاول إقناع نفسي). ندش نيك جون 21 09 في 14:08 رايت. هذا هو بيتا عامل من وصفي. وسيتم حساب عامل بيتا على أساس الفارق الزمني والعينات الحالية والسابقة. سيكون ألفا الجديد (الأبجدية) ولكن سيتم استخدامه فقط لتلك العينة. في حين يبدو أنك 39moving 39 ألفا في الصيغة، أنا أميل نحو ألفا المستمر (عامل تمهيد) وبيتا المحسوبة بشكل مستقل (عامل ضبط) أن يعوض عن عينات غاب الآن. ندش نيك 21 يونيو، الساعة 15:23