Enkel Bevegelse Gjennomsnittet Kjeldekoden

Jeg har i hovedsak en rekke verdier som dette. Ovenstående matrise er oversimplified, jeg samler 1 verdi per millisekund i min ekte kode og jeg må behandle utdataene på en algoritme jeg skrev for å finne nærmeste topp før et tidspunkt logikken feiler fordi i mitt eksempel ovenfor er 0 36 den virkelige toppen, men min algoritme vil se bakover og se det siste tallet 0 25 som toppen, da det er en reduksjon til 0 24 før det. Målet er å ta disse verdiene og bruk en algoritme til dem som vil glatte dem ut litt, slik at jeg har mer lineære verdier, det vil si at resultatene mine skal være svingete, ikke ekgedy. Jeg har blitt fortalt å bruke et eksponentielt glidende gjennomsnittsfilter til mine verdier. Hvordan kan jeg gjør dette Det er veldig vanskelig for meg å lese matematiske ligninger. Jeg behandler mye bedre med kode. Hvordan behandler jeg verdier i mitt array, og bruker en eksponentiell glidende gjennomsnittlig beregning for å utjevne dem ut. Skrevet 8. februar 12 kl 20 27. For å beregne et eksponentielt glidende gjennomsnitt må du holde noen tilstand rundt og du trenger en innstillingsparameter Dette krever en liten klasse forutsatt at du bruker Java 5 eller nyere. Installer med nedbrytingsparameteren du vil ha, må innstille skal være mellom 0 og 1 og bruk deretter gjennomsnittlig for å filtrere. Når du leser en side på noen matematiske gjentagelse, alt du virkelig trenger å vite når du setter det i kode er at matematikere liker å skrive indekser i arrays og sekvenser med abonnementer. De har også noen andre notasjoner, men det hjelper ikke. EMA er ganske enkelt som du bare trenger å huske en gammel verdi ingen kompliserte statlige arrays required. answered 8 februar 12 på 20 42. TKKocheran Ganske mye Er det ikke fint når ting kan være enkelt Hvis du starter med en ny sekvens, får du en ny gjennomsnittlig bemerker at de første betingelsene i gjennomsnittlig sekvens vil hoppe rundt litt på grunn av grenseeffekter, men du får de med andre bevegelige gjennomsnitt også. En god fordel er imidlertid at du kan pakke den bevegelige gjennomsnittlige logikken inn i gjennombrukeren og eksperimentere uten å forstyrre t han hviler på programmet for mye Donal Fellows 9. februar 12 på 0 06. Jeg har det vanskelig å forstå dine spørsmål, men jeg vil prøve å svare uansett.1 Hvis algoritmen din fant 0 25 i stedet for 0 36, så er det feil Det er feil fordi det forutsetter en monotonisk økning eller reduksjon som alltid går opp eller alltid går ned, med mindre du gjennomsnittlig ALLE dine data, dine datapunkter --- som du presenterer dem --- er ikke-lineære Hvis du virkelig vil finne maksimum verdi mellom to poeng i tid, så skjær din rekkefølge fra tmin til tmax og finn maksimum for det subarray.2 Nå er begrepet bevegelige gjennomsnitt veldig enkle å forestille at jeg har følgende liste 1 4, 1 5, 1 4, 1 5, 1 5 Jeg kan glatte det ut ved å ta gjennomsnittet av to tall 1 45, 1 45, 1 45, 1 5 Legg merke til at det første tallet er gjennomsnittet av 1 5 og 1 4 sekund og første nummer den andre nye listen er gjennomsnittet av 1 4 og 1 5 tredje og andre gamle liste den tredje nye listen gjennomsnittet 1 5 og 1 4 fjerde og tredje, og så videre kunne jeg har gjort det perioden tre eller fire, eller n Legg merke til hvordan dataene er mye jevnere En god måte å se glidende gjennomsnitt på jobben, er å gå til Google Finance, velg et lager, prøv Tesla Motors ganske flyktige TSLA og klikk på technicals nederst på diagrammet Velg Moving Average med en gitt periode, og eksponentiell glidende gjennomsnitt for å sammenligne forskjellene deres. Eksponentielt glidende gjennomsnitt er bare en annen utbygging av dette, men veier de eldre dataene mindre enn de nye dataene, dette er en måte å forvirre utjevningen mot baksiden Vennligst les Wikipedia-oppføringen. Så dette er mer en kommentar enn et svar, men den lille kommentarboksen var bare for liten Lykke til. Hvis du har problemer med matematikken, kan du gå med et enkelt glidende gjennomsnitt i stedet for eksponentiell. Så utdataene du får vil være de siste x-vilkårene delt med x Ikke-testet pseudokode. Merk at du må håndtere start - og sluttdelene av dataene, siden du tydeligvis ikke kan t gjennomsnitts de siste 5 vilkårene når du er på ditt andre datapunkt. , den re er mer effektive måter å beregne denne glidende gjennomsnittlige summen - eldste nyeste, men dette er for å få konseptet om hva som skjer over. answered Feb 8 12 på 20 41.MetaTrader 4 - Experts. Moving Average - ekspert for MetaTrader 4. Den Moving Average ekspert for å danne handelssignaler bruker et flytende gjennomsnitt. Åpning og lukking av stillinger utføres når det bevegelige gjennomsnittet møter prisen på den nylig dannede barbarindeksen tilsvarer 1. Lommestørrelsen vil bli optimalisert i henhold til en spesiell algoritme. Eksperten rådgiveranalyser samtidig med glidende gjennomsnitt og markedsprisdiagram Kontrollen utføres av CheckForOpen-funksjonen Hvis glidende gjennomsnitt møter stangen på en slik måte at den tidligere er høyere enn Åpen pris, men lavere enn Lukk pris, vil KJØP-stillingen være åpnet Hvis glidende gjennomsnitt møter stangen på en slik måte at den tidligere er lavere enn Åpen pris, men høyere enn Lukk pris, vil SELL-stillingen bli åpnet. veldig enkel, men effektiv kontroll over hvert stillingsvolum utføres avhengig av tidligere transaksjonsresultater Denne algoritmen implementeres av LotsOptimized-funksjonen. Den grunnleggende størrelsesstørrelsen beregnes ut fra den maksimale tillatte risikoen. MaksimalRisk-parameteren viser grunnrisiko-prosentandelen for hver transaksjon Det har vanligvis en verdi mellom 0 01 1 og 1 100 For eksempel, hvis fri margin AccountFreeMargin tilsvarer 20 500 og regler for kapitalforvaltning foreskrive å bruke risiko for 2, vil den grunnleggende størrelsesstørrelsen gjøre 20500 0 02 1000 0 41 Det er veldig viktig å kontrollere over størrelsesnøyaktigheten og å normalisere resultatet med tillatte verdier Normalt er fraksjonelle partier med trinn på 0 1 tillatt. En transaksjon med volum på 0 41 vil ikke bli utført. Normaliseres, brukes NormalizeDouble-funksjonen med nøyaktighet opptil 1 tegn etter punktet Dette resulterer i det grunnleggende antallet 0 4 Basisparten beregning på grunnlag av fri marginal tillater økning i n volum av drift, avhengig av trading suksess, det vil si å handle med reinvestering Dette er den grunnleggende mekanismen med obligatorisk kapitalstyring for å øke handelens effetiveness. DecreaseFactor er i hvilken grad størrelsesstørrelsen vil bli redusert etter ulønnsom handel Normale verdier er 2,3 , 4,5 Hvis de foregående transaksjonene var ulønnsomme, vil de etterfølgende volumene reduseres med en reduksjon faktor for å vente gjennom den urentable perioden. Dette er hovedfaktoren i kapitalstyringsalgoritmen Ideen er veldig enkel hvis handel øker med suksess, eksperten arbeider med det grunnleggende partiet som gir maksimal fortjeneste Etter den aller første ulønnsomme transaksjonen, vil eksperten redusere hastigheten til en ny positiv transaksjon er gjort Algoritmen tillater å deaktivere hastighetsreduksjonen, for å gjøre det må man spesifisere ReduksjonFaktor 0 Beløpet av de siste påfølgende ulønnsomme transaksjonene er beregnet i handelshistorikken. Basispartiet vil bli recal beregnet på dette grunnlaget. Algoritmen tillater dermed å effektivt redusere risikoen som oppstår som et resultat av en rekke ulønnsomme masse størrelser er obligatorisk sjekket for minimum tillatt størrelse størrelse på slutten av funksjonen fordi de tidligere gjort beregninger kan resultere i mye 0. Eksperten er hovedsakelig ment for å arbeide med daglig tid, og i testmodus - for å gjøre til nært pris. Det handler kun ved åpning av en ny bar, derfor er modiene for hver kryssmodell ikke nødvendig. Testing Resultatene er representert i rapporten. Der er det mulig å fjerne de auto-lukkede funksjonene. Dette er en scalping EA. SymbolEURUSDFXF Euro vs US Dollar Period1 Time H1 2007 03 30 17 01 - 2011 09 30 00 59 2007 03 01 - 2011 06 20 ModelEvery tick den mest presise metoden basert på alle tilgjengelige minste tidsrammer ParametereLot 0 1 MaximumRisk 0 02 DecreaseFactor 3 MovingPeriod 12 MovingShift 6 Barer i test28117Ticks modelled34632921Modellkvalitet99 00 Mangler diagrammer error0Initial dep osit10000 00Total netto fortjeneste2786 20Gross profitt71494 00Gross tap-68707 80Profitfaktor1 04Fordet utbetaling1 26Absolutt drawdown600 60Maksimal drawdown7575 60 24 72 Relativ drawdown24 72 3375 60 Totalt trades2205Sorterte posisjoner vunnet 1102 25 50 Langt posisjoner vunnet 1103 28 92 Gevinstferdigheter totalt 600 27 21 Tap totalt antall 1605 72 79 Største profitt trade1155 60loss trade-1006 80Averageprofit trade119 16loss trade-42 81Maksimumtidsbonus vinner fortjeneste i penger 6 353 40 påfølgende tap tap i penger 18 -650 40 Maksimal fortjeneste fortjeneste av gevinster 1170 00 4 fortløpende tap telling av tap -1280 80 9 Gjennomsnittlig suksess wins1consecutive losses4.DIFFERENT INSTÄLLNINGER - LIKKE METESKJERTE METEQUOTES USE SymbolEURUSDFXF Euro vs US Dollar Period1 Time H1 2007 03 30 17 01 - 2011 09 30 00 59 2007 03 01 - 2011 06 20 ModellEngre kryss den mest presise metoden basert på alle tilgjengelige minste tidsrammer ParametreLoter 0 1 MaximumRisk 0 01 DecreaseFactor 1 MovingPeriod 16 MovingShift 11 Barer i test28117Ticks modelled34632921Modellkvalitet99 00 Matchende diagrammer error0Initial innskudd1000000 00Total netto gevinst-424287 00Gross overskudd1015708 80Gross tap-1439995 80Profitfaktor0 71Fordet utbetaling-272 50Absolutt drawdown426566 80Maksimal drawdown445606 40 43 73 Relativ drawdown 73 73 445606 40 Totalt trades1557Sorterte posisjoner vunnet 778 21 34 Langtidspoeng vunnet 779 29 40 Profitt handler totalt 395 25 37 Tap av totalt 1162 74 63 Largestprofit trade101270 40loss trade-36944 00Avgiftsprofit trade2571 41loss trade -1239 24Maksimum i rad vinner fortjeneste i penger 4 17427 00 tap i sammenheng tap i penger 23 -2310 40 Maksimal fortjeneste fortjeneste av gevinster 129294 80 3 fortløpende tapstall på tap -44613 40 4 Gjennomsnittlig fortløpende wins1consecutive losses4.MetaTrader 4 - Indicators. Moving Averages, MA-indikator for MetaTrader 4.The Moving Average Technical Indicator viser gjennomsnittlig instrumentprisverdi for en viss tidsperiode Når man beregner bevegelsen gjennomsnittlig, en gjennomsnitt ut i Strumentpris for denne tidsperioden Etter hvert som prisen endres, øker eller sanker det bevegelige gjennomsnittet. Det er fire forskjellige typer bevegelige gjennomsnitt. Enkelt også referert til som aritmetisk, eksponentiell, glatt og lineærvektet Flytende gjennomsnitt kan beregnes for et sekvensielt datasett , inkludert åpnings - og sluttpriser, høyeste og laveste priser, handelsvolum eller andre indikatorer. Det er ofte tilfellet når dobbeltflyttende gjennomsnitt brukes. Det eneste der flytende gjennomsnitt av forskjellige typer avviger vesentlig fra hverandre, er når vektkoeffisientene, som er tilordnet de nyeste dataene, er forskjellige. Hvis vi snakker om enkel glidende gjennomsnitt, er alle priser for den aktuelle tidsperioden likeverdige. Eksponentielle og lineære vektede flytteverdier legger til mer verdi til de siste prisene. Den vanligste måten å tolking av prisgjenværende gjennomsnitt er å sammenligne dynamikken med prishandlingen når instrumentprisen stiger over sin flytende verdi alder vises et kjøpsignal, hvis prisen faller under det bevegelige gjennomsnittet, har vi et salgssignal. Dette handelssystemet, som er basert på det bevegelige gjennomsnittet, er ikke designet for å gi inngang til markedet rett i sitt laveste punkt, og dens utgang rett på toppen Det tillater å handle i henhold til følgende trend å kjøpe snart etter at prisene har nådd bunnen, og å selge etter at prisene har nådd sin peak. Simple Moving Average SMA. Simple, med andre ord, aritmetisk bevegelse Gjennomsnitt beregnes ved å oppsummere prisene på instrumentlukking over et visst antall enkeltperioder, for eksempel 12 timer. Denne verdien divideres deretter med antall slike perioder. SUM SUM CLOSE, N N. Hvor N er antall beregningsperioder . Eksponentiell flytende gjennomsnittlig EMA. Eksponentielt glatt glidende gjennomsnitt beregnes ved å legge det glidende gjennomsnittet av en viss andel av gjeldende sluttkurs til forrige verdi. Med eksponensielt jevn glidende gjennomsnitt, er de siste prisene av mer verdi P-prosent eksponensiell glidende gjennomsnitt vil se ut. Hvor lukkes jeg prisen på den nåværende perioden lukke EMA i-1 eksponentielt Flytende Gjennomsnitt av forrige periode lukking P andelen av å bruke prisverdien. Smoothed Moving Average SMMA. The first verdien av dette glatte glidende gjennomsnittet beregnes som det enkle glidende gjennomsnittet SMA. SUM1 SUM CLOSE, N. Den andre og følgende glidende gjennomsnitt beregnes i henhold til denne formelen. Hvor SUM1 er summen av sluttkurs for N perioder SMMA1 er glattet glidende gjennomsnitt av den første linjen SMMA jeg er det glattende glidende gjennomsnittet for gjeldende linje unntatt den første SLUKKER jeg er den nåværende sluttkursen N er utjevningsperioden. Linjeviktet Flytende gjennomsnittlig LWMA. Ved vektet glidende gjennomsnitt nyeste data er av mer verdi enn mer tidlige data Vektet glidende gjennomsnitt beregnes ved å multiplisere hver av sluttkursene i den vurderte serien, med en bestemt vektkoeffisient. LWMA SUM Clo se ii, N SUM jeg, N. Hvor SUM jeg, N er summen av vektkoeffisienter. Gjennomgang av gjennomsnitt kan også brukes på indikatorer Det er hvor tolkningen av indikatorens glidende gjennomsnitt er lik tolkningen av prisforskyvningsverdier hvis indikatoren stiger over det bevegelige gjennomsnittet, det vil si at den stigende indikatorbevegelsen sannsynligvis vil fortsette dersom indikatoren faller under det bevegelige gjennomsnittet, betyr det at det er sannsynlig at det fortsetter å gå nedover. Her er typer av bevegelige gjennomsnitt på diagrammet. Flytende Gjennomsnittlig SMA. Eksponensiell Flytende Gjennomsnittlig EMA. Smoothed Moving Gjennomsnittlig SMMA. Linear Weighted Moving Average LWMA.