Próbuję pobrać ostatnią EMA dużego zbioru danych (15000 wartości). Jest to algorytm bardzo zasobożerny, ponieważ każda wartość zależy od poprzedniej. Oto mój kod: Co już zrobiłem: Izoluj k, więc nie jest obliczany 10000 razy Zachowaj tylko najnowszą obliczoną EMA i nie zatrzymuj wszystkich w tablicy używając for () zamiast foreach () tablica danych nie ma kluczy jest to podstawowa tablica To pozwoliło mi zredukować czas wykonywania z 2000ms do około 500ms dla 15000 wartości Co nie działało: Użyj SplFixedArray (), to ogolone tylko 10ms wykonując 1 000 000 wartości Użyj rozszerzenia PHPTrader. to zwraca tablicę zawierającą wszystkie EMA zamiast tylko najnowszego, a jej wolniejsze pisanie i uruchamianie tego samego algorytmu w C i uruchamianie go ponad 2 000 000 wartości zajmuje tylko 13 ms. Oczywiście, używanie skompilowanego, niższego poziomu języka wydaje się pomagać P Gdzie czy powinienem odejść stąd Kod ostatecznie będzie działał na Ubuntu, więc jaki język powinienem wybrać Czy PHP będzie w stanie zadzwonić i przekazać tak ogromny argument do skryptu zadanego 11 lipca 14 o 19:21 Jasne wdrożenie z rozszerzeniem daje ci znaczący wzrost. Dodatkowo rachunek może być poprawiony sam w sobie i ten przyrost możesz dodać w dowolnym wybranym języku. Łatwo zauważyć, że lastEMA można obliczyć w następujący sposób: Można to przepisać w następujący sposób, aby wyjąć z pętli jak najwięcej: Aby wyjaśnić ekstrakcję k, myślę, że w poprzednim sformułowaniu jest tak, jakby wszystkie oryginalne nieprzetworzone dane są mnożone przez k, więc praktycznie można zamiast tego pomnożyć wynik końcowy. Zauważ, że przepisane w ten sposób, masz 2 operacje w pętli zamiast 3 (dokładniej w pętli są też i inkrementacja, i porównanie z wielkością i przypisaniem wartości lastEMA), więc w ten sposób możesz spodziewać się dodatkowej przyspieszenie w zakresie od 16 do 33. Ponadto istnieją inne ulepszenia, które można rozważyć przynajmniej w niektórych okolicznościach: Weź pod uwagę tylko ostatnie wartości Pierwsze wartości są mnożone kilka razy przez k1m 1 - k, więc ich wkład może być mały lub nawet pod precyzją zmiennoprzecinkową (lub dopuszczalnym błędem). Pomysł ten jest szczególnie przydatny, jeśli można założyć, że starsze dane mają ten sam rząd wielkości co nowsze, ponieważ jeśli bierze się pod uwagę tylko ostatnie wartości, błąd, który popełniasz, to err EMAofdiscardeddata (1-k) n. Jeśli zatem rząd wielkości jest zasadniczo taki sam, możemy powiedzieć, że popełniony błąd względny jest relerr err lastEMA EMAofdiscardeddata (1-k) n lastEMA, który jest prawie równy prostemu (1-k) n. Przy założeniu, że lastEMA jest prawie równe EMAofdiscardeddata: Powiedzmy, że możesz zaakceptować względny relerr błędów, możesz bezpiecznie rozważyć tylko ostatnie n wartości, gdzie (1-k) n lt relerr. Oznacza, że możesz wstępnie obliczyć (przed pętlą) n log (relerr) log (1-k) i obliczyć wszystko tylko z uwzględnieniem ostatnich n wartości. Jeśli zbiór danych jest bardzo duży, może to dać sensowne przyspieszenie. Rozważmy, że dla 64-bitowych liczb zmiennoprzecinkowych mamy względną precyzję (związaną z mantysą), która wynosi 2-53 (około 1,1 e-16 i tylko 2-24 5,96 e-8 dla 32-bitowych liczb zmiennoprzecinkowych), więc nie można uzyskać lepiej niż ten względny błąd, więc w zasadzie nigdy nie powinieneś mieć przewagi w obliczaniu więcej niż n log (1.1e-16) wartości log (1-k). dać przykład, jeśli zakres 2000, a następnie n log (1.1e-16) log (1-22001) 36746. Myślę, że to jest interesujące wiedzieć, że dodatkowe obliczenia gubią się w zaokrągleniach, które są bezużyteczne, lepiej nie robić. teraz jeden przykład dla przypadku, w którym można zaakceptować błąd względny większy niż zmiennoprzecinkowa precyzja relerr 1ppm 1e-6 0.00001 6 znaczących cyfr dziesiętnych, które masz n log (1.1e-16) log (1-22001) 13815 Myślę, że jest całkiem mała liczba w porównaniu z ostatnimi liczbami próbek, więc w takich przypadkach przyspieszenie może być ewidentne (zakładam, że zakres 2000 jest znaczący lub wysoki dla twojej aplikacji, ale nie mogę tego wiedzieć). tylko kilka liczb, ponieważ nie wiem, jakie są twoje typowe dane: relerr 1e-3 range 2000 n 6907 relerr 1e-3 range 200 n 691 relerr 1e-3 range 20 n 69 relerr 1e-6 range 2000 n 13815 relerr 1e 6 zakres 200 n 1381 relerr zakres 1e-6 20 n 138 Jeśli założenie lastEMA prawie równe EMAofdiscardeddata nie może być podejmowane, sprawy są mniej łatwe, ale skoro przewaga krzywki jest znacząca, może być sensowna, aby kontynuować: musimy ponownie rozważyć pełna formuła: relerr EMAofdiscardeddata (1-k) n lastEMA więc n log (relerr lastEMA EMAofdiscardeddata) log (1-k) (log (relerr) log (lastEMA EMAofdiscardeddata)) log (1-k) centralnym punktem jest obliczenie lastEMA EMAofdiscardeddata (bez faktycznego obliczania lastEMA lub EMA) jest jeden przypadek, kiedy wiemy a-priori, że na przykład EMAofdiscardeddata lastEMA lt M (na przykład M 1000 lub M 1e6) w tym przypadku n lt (log (relerrM)) log (1 - k) jeśli nie możesz podać żadnego numeru M, musisz znaleźć dobry identyfikator ea do przeceniania EMAofdiscardeddata lastEMA Jedną szybką metodą może być M max (dane) min (dane) Parallelization Obliczenie może być ponownie napisane w formie, gdzie jest to proste dodanie niezależnych warunków: Tak więc jeśli język implementacyjny obsługuje równoległość zestaw danych można podzielić na 4 (lub 8 lub n. w zasadzie liczba dostępnych rdzeni procesora) kawałki i można obliczyć sumę warunków na każdym kawałku równolegle sumując poszczególne wyniki na końcu. Nie zajmuję się tym szczegółowo, ponieważ ta odpowiedź jest już strasznie długa i myślę, że koncepcja została już wyrażona. Dziękuję za to I39m za wykorzystanie tego na danych giełdowych, więc fakt, że starsze dane są na tym samym poziomie wielkości, co nowsze dane, zależy od wykorzystywanego czasu. Załóżmy, że w zakresie 200, będzie znacznie większa zmienność cen w dziennym przedziale czasowym (200 dni) niż w 5-minutowym okresie czasu (16 godzin). Będę eksperymentować z różnymi scenariuszami na rzeczywistych i symulowanych danych. Na nowych danych o zakresie lt 200 używam zbioru danych 1000 elementów. Ale robię też kilka testów wstecz w ciągu ostatnich kilku lat, więc nadal muszę załadować cały zestaw danych. Pomogłeś w obu sytuacjach, dziękuję ndash Lykegenes 16 lipca 14 o 15:11 Budowanie własnego rozszerzenia zdecydowanie poprawia wydajność. Oto dobry tutorial ze strony Zend. Niektóre dane dotyczące wydajności: Sprzęt: Ubuntu 14.04, PHP 5.5.9, 1-rdzeniowy procesor Intel 0.3.3 Ghz, 128 MB pamięci RAM (jego VPS). Przed (tylko PHP, 16 000 wartości). Rozszerzenie 500ms C, 16 000 wartości. Rozszerzenie 0.3ms C (100 000 wartości). 3,7 ms rozszerzenia (500 000 wartości). 28.0ms Ale Im pamięć ograniczona w tym momencie, używając 70 MB. Naprawię to i zaktualizuję odpowiednio liczby. Średnie średnie - proste i wykładnicze średnie kroczące - proste i wykładnicze Wprowadzenie Średnie ruchome wygładzają dane o cenach, tworząc trend następujący po wskaźniku. Nie przewidują kierunków cen, ale raczej określają obecny kierunek z opóźnieniem. Przekroczone średnie diety, ponieważ są oparte na wcześniejszych cenach. Pomimo tego opóźnienia, średnie kroczące pomagają gładko działać na ceny i eliminują hałas. Stanowią również elementy dla wielu innych wskaźników technicznych i nakładek, takich jak taśmy Bollingera. MACD i Oscylator McClellan. Dwa najbardziej popularne typy średnich kroczących to średnia ruchoma (SMA) i średnia ruchoma (EMA). Te średnie ruchome można wykorzystać do określenia kierunku trendu lub określenia potencjalnych poziomów wsparcia i oporu. Oto wykres zawierający zarówno SMA, jak i EMA: proste obliczanie średniej ruchomej Prosta średnia ruchoma jest obliczana poprzez obliczenie średniej ceny zabezpieczenia w określonej liczbie okresów. Większość średnich kroczących opiera się na cenach zamknięcia. 5-dniowa prosta średnia ruchoma to pięciodniowa suma cen zamknięcia podzielona przez pięć. Jak sama nazwa wskazuje, średnia ruchoma jest średnią, która się zmienia. Stare dane są usuwane w miarę udostępniania nowych danych. Powoduje to, że średnia przemieszcza się wzdłuż skali czasu. Poniżej znajduje się przykład 5-dniowej średniej ruchomej rozwijającej się przez trzy dni. Pierwszy dzień średniej ruchomej obejmuje po prostu ostatnie pięć dni. Drugi dzień średniej ruchomej obniża pierwszy punkt danych (11) i dodaje nowy punkt danych (16). Trzeci dzień średniej ruchomej trwa przez upuszczenie pierwszego punktu danych (12) i dodanie nowego punktu danych (17). W powyższym przykładzie ceny stopniowo rosną od 11 do 17 w sumie przez siedem dni. Zauważ, że średnia ruchoma również wzrasta od 13 do 15 w ciągu trzech dni obliczeniowych. Warto też zauważyć, że każda średnia ruchoma jest tuż poniżej ostatniej ceny. Na przykład, średnia ruchoma dla pierwszego dnia to 13, a ostatnia cena to 15. Ceny poprzednich czterech dni były niższe i powoduje to, że średnia ruchoma jest opóźniona. Obliczanie średniej ruchomej wykładniczej Średnie ruchome średnie wykładnicze zmniejszają opóźnienie, stosując większą wagę do niedawnych cen. Waga zastosowana do najnowszej ceny zależy od liczby okresów w średniej ruchomej. Są trzy etapy obliczania wykładniczej średniej ruchomej. Najpierw obliczyć prostą średnią ruchoma. Wyznaczona średnia ruchoma (EMA) musi zaczynać się gdzieś tak, tak jak w poprzednim obliczeniu wykorzystywana jest prosta średnia ruchoma, podobnie jak poprzednia emisja EMA0. Po drugie obliczyć mnożnik ważący. Po trzecie, obliczyć wykładniczą średnią ruchomą. Poniższa formuła dotyczy 10-dniowej EMA. 10-okresowa wykładnicza średnia krocząca stosuje 18,13 wagi do najnowszej ceny. 10-EMA okres może być również nazywany 18.18 EMA. Dwudziestoczteroletnia EMA stosuje wagę 9,52 w stosunku do ostatniej ceny (2 (201) .0952). Zwróć uwagę, że ważenie krótszego okresu czasu jest większe niż ważenie przez dłuższy okres czasu. W rzeczywistości, wagi spadają o połowę za każdym razem, gdy średnia długość ruchu jest dwukrotnie większa. Jeśli potrzebujesz określonej wartości procentowej dla EMA, możesz użyć tej formuły, aby ją zamienić na okresy czasu, a następnie podaj tę wartość jako parametr EMA0: Poniżej znajduje się przykład arkusza kalkulacyjnego 10-dniowej prostej średniej ruchomej i 10- dniowej średniej ruchomej dla Intel. Proste średnie ruchome są proste i nie wymagają wielu wyjaśnień. 10-dniowa średnia po prostu porusza się w miarę pojawiania się nowych cen, a stare ceny spadają. Wytworzona średnia ruchoma zaczyna się od prostej średniej ruchomej (22.22) w pierwszym obliczeniu. Po pierwszym obliczeniu normalna formuła przejmuje. Ponieważ EMA zaczyna się od prostej średniej ruchomej, jego prawdziwa wartość nie zostanie zrealizowana dopiero po 20 lub późniejszych okresach. Innymi słowy, wartość arkusza excel może się różnić od wartości wykresu ze względu na krótki czas zwrotu. Ten arkusz kalkulacyjny kończy się tylko 30 okresami, co oznacza, że wpływ tej prostej średniej ruchomej miało 20 okresów na rozproszenie. StockCharts co najmniej 250-krotne (zwykle znacznie dalej) dla swoich obliczeń, więc efekty prostej średniej ruchomej w pierwszym obliczeniu zostały w pełni rozproszone. Czynnik Lag zwiększa ruchomą średnią, tym bardziej lag. 10-dniowa wykładnicza średnia ruchoma utrzyma ceny dość blisko i wkrótce po skręceniu cen. Krótkie średnie ruchy są jak łodzie szybkości - zwinne i szybko zmieniające się. Natomiast 100-dniowa średnia ruchoma zawiera dużo danych, które spowalniają. Dłuższe średnie ruchome są jak zbiorniki oceaniczne - letargiczne i powolne do zmiany. Potrzeba większego i dłuższego ruchu cen dla 100-dniowej średniej ruchomej, aby zmienić bieg. Powyższy wykres pokazuje SampP 500 ETF z 10-dniową EMA ściśle po cenach i 100-dniową SMA szlifowania wyższe. Nawet w okresie spadku stycznia i lutego 100-dniowy kurs SMA utrzymywał kurs i nie obrócił się. 50-dniowy SMA mieści się gdzieś pomiędzy średnim ruchem 10 i 100 dni, jeśli chodzi o współczynnik opóźnienia. Proste vs potoczne średnie kroczące Mimo że istnieją wyraźne różnice między prostymi średnimi ruchoma a średnimi ruchoma wykładniczymi, niekoniecznie jest to lepsze od innych. Wyższe średnie kroczące mają mniej opóźnień, a zatem są bardziej wrażliwe na ostatnie ceny - i ostatnie zmiany cen. Średnie kroczące średnie ruchy spadną przed średnimi ruchami. Z drugiej strony stanowią średnią cenę za cały okres. Jako takie, proste średnie ruchome mogą być lepiej dostosowane do identyfikacji poziomów wsparcia lub oporu. Przeciętne preferencje ruchów zależą od celów, stylu analitycznego i horyzontu czasowego. Chartiści powinni eksperymentować z oboma typami średnich kroczących, jak również różne ramy czasowe, aby znaleźć najlepsze dopasowanie. Poniższy wykres przedstawia firmę IBM z 50-dniowym SMA na czerwono i 50-dniową EMA na zielono. Oba osiągnęły szczyt pod koniec stycznia, ale spadek EMA był ostrzejszy niż spadek SMA. EMA pojawiła się w połowie lutego, ale SMA stale spadała do końca marca. Zauważ, że SMA pojawiła się ponad miesiąc po EMA. Długości i ramy czasowe Długość średniej ruchomej zależy od celów analitycznych. Krótkie średnie kroczące (okresy 5-20) najlepiej nadaje się do krótkoterminowych trendów i handlu. Chartreszy zainteresowani trendami średniookresowymi wybieraliby dłuższe średnie ruchy, które mogą wynosić 20-60 okresów. Inwestorzy długoterminowi wolą ruszać się średnio 100 lub więcej okresów. Niektóre średnie ruchome długości są bardziej popularne niż inne. 200-dniowa średnia krocząca jest prawdopodobnie najbardziej popularna. Ze względu na jego długość jest to wyraźnie długoterminowa średnia ruchoma. Następna, 50-dniowa średnia ruchoma jest dość popularna w średnim okresie. Wielu chrześcijan korzysta ze średnich ruchów 50-dniowych i 200-dniowych razem. Krótkoterminowa, 10-dniowa średnia ruchoma była dość popularna w przeszłości, ponieważ łatwo było ją obliczyć. Jeden po prostu dodał numery i przesunął punkt dziesiętny. Identyfikacja tendencji Te same sygnały mogą być generowane przy użyciu prostych lub wykładniczych średnich kroczących. Jak wspomniano powyżej, preferencja zależy od każdej osoby. Poniższe przykłady będą używać zarówno prostych, jak i wykładniczych średnich kroczących. Określona średnia ruchoma odnosi się zarówno do prostych, jak i wykładniczych średnich kroczących. Kierunek średniej ruchomej przekazuje ważne informacje o cenach. Rosnąca średnia ruchoma wskazuje, że ceny są na ogół wzrastające. Spadająca średnia ruchoma wskazuje, że średnio spadają ceny. Rosnąca długoterminowa średnia ruchoma odzwierciedla długoterminową tendencję wzrostową. Spadająca długoterminowa średnia ruchoma odzwierciedla długoterminową tendencję spadkową. Powyższy wykres pokazuje 3M (MMM) z 150-dniową wykładniczą średnią ruchoma. Ten przykład pokazuje, jak dobrze działają średnie ruchome, gdy trend jest silny. 150-dniowa EMA odrzuciła w listopadzie 2007 r. I ponownie w styczniu 2008 r. Zwróć uwagę, że zajęło 15 spadków, aby odwrócić kierunek tej średniej ruchomej. Te wskaźniki opóźniające wskazują na odwrócenie tendencji w miarę ich wystąpienia (w najlepszym wypadku) lub po ich wystąpieniu (w najgorszym przypadku). MMM kontynuował spadek w marcu 2009 r., A następnie wzrósł o 40-50. Zauważ, że 150-dniowa EMA nie pojawiła się dopiero po tym przypływie. Gdy tylko to zrobił, MMM kontynuował wyższe w ciągu najbliższych 12 miesięcy. Przeprowadzki średnie działają doskonale w silnych trendach. Double Crossovers Dwa średnie ruchome mogą być używane razem do generowania sygnałów krzyżowych. W analizie technicznej rynków finansowych. John Murphy nazywa to podwójną metodą crossover. Podwójne zwrotnice obejmują jedną względnie krótką średnią ruchomą i jedną względnie długą średnią ruchomą. Podobnie jak w przypadku wszystkich średnich kroczących, ogólna długość średniej ruchomej definiuje ramy czasowe dla systemu. System za pomocą 5-dniowej EMA i 35-dniowej EMA uznano za krótkoterminową. System korzystający z 50-dniowego SMA i 200-dniowego SMA byłby uważany za średnioterminowy, a może nawet długoterminowy. Przejściowy zwrotnica występuje wtedy, gdy krótsza średnia ruchoma przekracza dalszą średnią ruchomej. Jest to również znany jako złoty krzyż. Pochylenie spadkowe następuje wtedy, gdy krótsza średnia ruchoma przekracza dłużej przeciętną średnią. Jest to znany jako martwy krzyż. Przekazywanie przecięć średnich powoduje relatywnie późne sygnały. W końcu system zatrudnia dwa wskaźniki słabiej rozwinięte. Im dłuższe są ruchome okresy średnie, tym większe opóźnienie w sygnałach. Te sygnały działają świetnie, gdy trwa tendencja. Jednakże, ruchomy system przecięcia crossoveru przyniesie wiele pseudonów bez silnego trendu. Istnieje również potrójna metoda krzyżowa obejmująca trzy średnie ruchome. Ponownie, generowany jest sygnał, gdy najkrótsza średnia ruchoma przekracza dwa dłuższe średnie ruchome. Prosty potrójny system zwrotnicowy może obejmować średnie ruchome 5-dniowe, 10-dniowe i 20-dniowe. Powyższy wykres przedstawia Home Depot (HD) z 10-dniową EMA (zielona kropkowana linią) i 50-dniową EMA (czerwoną linią). Czarna linia jest codziennym zamknięciem. Użycie średniej ruchomych zwrotnic doprowadziłoby do trzech pędników, zanim złapano dobry handel. 10-dniowa EMA zerwała się pod 50-dniową EMA pod koniec października (1), ale to nie potrwa długo, jak 10-dniowy ruch wznowiony powyżej powyżej w połowie listopada (2). Ten krzyż trwał już dłużej, ale w styczniu (3) następny niedźwiedzia krzyżowa pojawiły się pod koniec listopada poziomu cen, co zaowocowało kolejnym szarpnięciem. Ten niedźwiedzią krzyk nie trwał tak długo, jak 10 dniowy EMA powrócił ponad 50 dni kilka dni później (4). Po trzech złych sygnałach, czwarty sygnał zasygnalizował silnemu ruchowi w miarę wzrostu zapasów w ciągu 20. W tym miejscu są dwa wyjazdy. Po pierwsze, przejazdy są skłonne do wędrowania. Można zastosować filtr cen lub czasu, aby zapobiec psuwaczom. Handlowcy mogą wymagać rozjazdu przez ostatnie 3 dni przed działaniem lub wymagać, aby 10-dniowa EMA przemieszczała się powyżej przedniej 50-dniowej EMA o pewien poziom przed działaniem. Po drugie, MACD może być używany do identyfikacji i ilościowej oceny tych przecięć. MACD (10,50,1) pokaże linię reprezentującą różnicę między dwoma średnicami ruchu wykładniczego. MACD obraca się podczas złotego krzyża i ujemny podczas martwego krzyża. Oscylator Oscylatora Procentowego (PPO) może być używany w ten sam sposób, aby pokazać różnice procentowe. Warto zauważyć, że MACD i PPO są oparte na średnich ruchach wykładniczych i nie odpowiadają prostym średnim kroczącym. Ten wykres przedstawia firmę Oracle (ORCL) z 50-dniową EMA, 200-dniową EMA i MACD (50 200). W okresie 2 12 lat istniały cztery średnie ruchome przejazdy. Pierwsze trzy przyniosły ubolewanie lub złe transakcje. Trwały trend rozpoczął się czwartym rozdrożem, kiedy ORCL sięgnął połowy lat dwudziestych. Po raz kolejny ruchome przecięcia średnie działają świetnie, gdy trend jest silny, ale powodują straty w przypadku braku tendencji. Przeceny cenowe Przeceny średnie można również wykorzystać do generowania sygnałów z prostymi przeceniami cen. Ruchliwy sygnał jest generowany, gdy ceny poruszają się powyżej średniej ruchomej. Sygnał niedźwiedzi jest generowany, gdy ceny spadają poniżej średniej ruchomej. Przeceny cen można połączyć w handlu w większym trendzie. Dłuższa ruchomość ś rednia wyznacza ton dla wię kszej tendencji, a przy generowaniu sygnałów używa się krótszej ruchomoś ci. Poszukiwano uprzejmych krzyżówek cenowych tylko wtedy, gdy ceny są już powyżej średniej dłużej. Byłoby to zgodne z większym trendem. Na przykład, jeśli cena jest powyżej średniej ruchomej wynoszącej 200 dni, kartownicy będą koncentrować się tylko na sygnałach, gdy cena wzrośnie powyżej 50-dniowej średniej kroczącej. Oczywiście ruch poniżej 50-dniowej średniej ruchomości poprzedzałby taki sygnał, ale takie krzywe niekorzystne byłyby ignorowane, ponieważ większa tendencja wzrasta. Krzywa niedźwiedzia po prostu sugeruje pullback w większym trendzie wzrostowym. Krzyż powyżej 50-dniowej średniej ruchomości oznaczałby wzrost cen i kontynuację większej dynamiki wzrostu. Następny wykres przedstawia Emerson Electric (EMR) z 50-dniową EMA i 200-dniową EMA. Akcje przesunęły się powyżej i utrzymywały ponad 200-dniową średnią ruchomą w sierpniu. Od początku listopada po raz pierwszy pojawiły się spadki poniżej 50-dniowej EMA i ponownie na początku lutego. Ceny szybko się cofnęły ponad 50-dniowy EMA, aby zapewnić uparty sygnał (zielone strzałki) w harmonii z większą fazą wzrostu. MACD (1,50,1) jest wyświetlany w oknie wskaźników w celu potwierdzenia krzyżów cenowych powyżej lub poniżej 50-dniowego EMA. Jednorodzona EMA równa jest cenie zamknięcia. MACD (1,50,1) jest dodatni, gdy wartość graniczna przekracza 50-dniową EMA i jest ujemna, gdy wartość graniczna jest niższa niż 50-dniowa EMA. Wsparcie i opór Średnie kroczące mogą również działać jako wsparcie w trendzie wzrostowym i oporze w downtrend. Krótkoterminowe trenowanie może znaleźć wsparcie w pobliżu 20-dniowej prostej średniej ruchomej, która jest również wykorzystywana w zespołach Bollingera. Długoterminowa tendencja wzrostowa może znaleźć wsparcie w pobliżu 200-dniowej prostej średniej ruchomej, która jest najbardziej popularną długoterminową średnią ruchoma. Jeśli fakt, 200-dniowa średnia ruchoma może oferować wsparcie lub opór tylko dlatego, że jest tak szeroko stosowany. To prawie jak samospełniający się proroctwo. Powyższy wykres pokazuje NY Composite z 200-dniową prostą średnią ruchoma od połowy 2004 r. Do końca 2008 r. 200-dniowe wsparcie udzielane wiele razy w trakcie wyprzedzenia. Gdy trend odwrócił się z podwójną górną przerwą, 200-dniowa średnia ruchoma działała jako opór wokół 9500. Nie oczekuj dokładnych poziomów wsparcia i oporu od średnich kroczących, zwłaszcza dłuższych średnich kroczących. Rynki są napędzane emocjami, co sprawia, że są podatne na przeinaczenia. Zamiast dokładnych poziomów, średnia ruchoma może być wykorzystana do identyfikacji stref wsparcia lub rezystancji. Wnioski Korzyści płynące ze stosowania średnich ruchomej należy oceniać na niekorzyść. Średnie kroczące są następujące trendy lub opóźnione wskaźniki, które zawsze będą krok za sobą. Niekoniecznie jest to zła rzecz. Przecież tren jest twój przyjaciel i najlepiej jest handlować w kierunku tego trendu. Średnie kroczące zapewniają, że przedsiębiorca jest zgodny z obecnym trendem. Chociaż trend jest Twoim przyjacielem, papiery wartościowe spędzają dużo czasu w zakresie obrotu, co powoduje, że średnia ruchoma jest nieefektywna. Będąc w trendzie, średnie ruchy będą Cię utrzymywać, ale także dawać późne sygnały. Don039t oczekują sprzedaży na górze i kupowania na dole przy średnich ruchomech. Podobnie jak w przypadku większości narzędzi analizy technicznej, średnia ruchoma nie powinna być używana samodzielnie, ale w połączeniu z innymi narzędziami uzupełniającymi. Chartiści mogą używać średnich kroczących do określenia ogólnej tendencji, a następnie użyć RSI w celu zdefiniowania poziomów przejęcia lub zbytych. Dodawanie średnich kroczących do wykresów StockCharts Średnie ruchome są dostępne jako funkcja nakładania się cen na stół roboczy programu SharpCharts. Używając menu rozwijanego Overlays, użytkownicy mogą wybierać albo prostą średnią ruchomej lub średnią ruchową wykładniczą. Pierwszy parametr służy do określania liczby okresów. Opcjonalny parametr można dodać, aby określić, które pole ceny powinno być stosowane w obliczeniach - O dla otwartych, H dla wysokich, L dla niskich i C dla zamknięcia. Do oddzielenia parametrów stosuje się przecinek. Do dodania innego opcjonalnego parametru można przesuwać średnie ruchome w lewo (w przeszłości) lub w prawo (na przyszłość). Liczba ujemna (-10) spowoduje przesunięcie średniej ruchomej do lewej 10 okresów. Liczba dodatnia (10) spowoduje przesunięcie średniej ruchomej do 10-ciu okresów. Wielokrotne średnie ruchome można pokryć wykresem cen, dodając kolejną linię nakładki do stołu roboczego. Członkowie StockCharts mogą zmieniać kolory i style, aby rozróżnić różne średnie ruchome. Po wybraniu wskaźnika otwórz opcję Opcje zaawansowane, klikając zielony trójkąt. Opcje zaawansowane mogą być również użyte do dodania ruchomych nakładek na inne wskaźniki techniczne, takie jak RSI, CCI i Volume. Kliknij tutaj, aby wyświetlić wykres na żywo z kilkoma ruchomymi średnimi. Używanie średnich kroczących ze skanowaniem w StockCharts Poniżej przedstawiono przykładowe skanowanie, które członkowie magazynu StockCharts mogą skanować w różnych sytuacjach średniej ruchomej: Bullish Moving Average Cross: ta analiza dotyczy zasobów o wzrastającej 150-dniowej prostej średniej ruchomej i wzroście krzyża z 5 EMA i EMA 35-dniowy. 150-dniowa średnia ruchoma rośnie tak długo, jak długo sprzedaje się powyżej jej poziomu pięć dni temu. Krzyż uparty pojawia się, gdy 5-dniowa EMA przesuwa się powyżej 35-dniowej EMA przy wyższej średniej wielkości. Niesklasyfikowany ruch średnio krzyżowy: to skanuje szuka zapasów z 150-dniową prostą średnią ruchomą i krzyżykiem 5-dniowego EMA i 35-dniowego EMA. 150-dniowa średnia ruchoma spadnie tak długo, jak sprzedaje się poniżej poziomu sprzed pięć dni. Krzywa nieuzasadniona występuje, gdy 5-dniowa EMA przemieszcza się poniżej 35-dniowej EMA przy wyższej średniej. Dalsze studia Książka Johna Murphy'ego zawiera rozdział dotyczący średnich kroczących i ich różnych zastosowań. Murphy obejmuje plusy i minusy średnich kroczących. Ponadto, Murphy pokazuje, jak ruchome średnie współpracują z zespołami Bollinger Bands i systemami handlu kanałami. Analiza techniczna rynków finansowych John MurphyCo nauczyłeś się quizu: funkcje obsługi Pythona w quizie Blender It8217s teraz czas na poważną funkcję obsługi W tym filmie zamierzamy użyć czegoś o nazwie lta href8221en. wikipedia. orgwikiMovingaverage0388221 target8221blank8221gtmoving averageltagt, zwykle używanego w na giełdzie, by tłumić ruch szalonych ruchomych cen akcji. Zamiast tłumienia zapasów, dostosowujemy go do użycia w Blenderze jako sposób na tłumienie ruchu dzikiego sześcianu i sprawienie, by kamera podążała za nim w bardzo naturalny, zrelaksowany sposób. Pytania i odpowiedzi Lekcja Zadaj pytanie i uzyskaj odpowiedź Dziękuję, Richard. To było bardzo pouczające. Chciałem tylko zastanowić się, dlaczego musisz użyć Vector (target. location) w wywołaniu funkcji append. Myślę, że dzieje się tak dlatego, że przy dołączaniu target. location jest on dołączany jako odniesienie (a nie vale). Tak więc, gdy zmienia się lokalizacja obiektu, wszystkie elementy na liście wskazują bieżącą lokalizację. Witaj w LinuxQuestions. org. przyjazną i aktywną społeczność Linux. Obecnie oglądasz LQ jako gość. Dołącz do naszej społeczności, będziesz mieć możliwość publikowania tematów, otrzymywania biuletynu, korzystania z zaawansowanych wyszukiwań, subskrybowania wątków i korzystania z wielu innych funkcji specjalnych. Rejestracja jest szybka, prosta i bezpłatna. Dołącz do naszej społeczności dzisiaj Zauważ, że zarejestrowani użytkownicy widzą mniej reklam, a ContentLink jest całkowicie wyłączony po zalogowaniu się. Jeśli masz jakieś problemy z procesem rejestracji lub logowaniem do konta, skontaktuj się z nami. Jeśli musisz zresetować hasło, kliknij tutaj. Zapoznaj się z tą stroną, aby usunąć wszystkie pliki cookie dotyczące LQ. Wprowadzenie do Linuksa - wskazówki na temat tego przewodnika Niniejszy przewodnik został stworzony jako przegląd systemu operacyjnego Linux, którego celem jest poznanie nowych użytkowników jako trasy poznawczej i rozpoczęcie korzystania z ćwiczeń na końcu każdego rozdziału. W przypadku bardziej zaawansowanych stażystów może to być odniesienie do komputera stacjonarnego i zbiór podstawowej wiedzy potrzebnej do kontynuowania administracji systemowej i sieciowej. Książka ta zawiera wiele przykładów rzeczywistych życiowych pochodzących z doświadczeń autora jako systemu Linux i administratora sieci, trenera i konsultanta. Mają nadzieję, że te przykłady pomogą Ci lepiej zrozumieć system Linux i zachęcamy do wypróbowania własnych rzeczy. Kliknij tutaj, aby otrzymać ten kompletny przewodnik bezpłatnie. Zacznij od odczytania danych do tablicy indeksowanej np. rok 12 miesięcy, aby uzyskać je we właściwej, kolejnej kolejności tj. miesięcznej tablicy (24109 gt 260. 24110 gt 220. 24111 gt 270. 24112 gt 300. 24113 gt 269. 24114 gt 271.) Jeśli używasz YYYYMM jako klucza, youll znaleźć nowy rok bardzo trudne będziesz chciał, aby klucze były kolejne. Średnią ważoną można następnie obliczyć za pomocą np. funkcja weightedaverage (tablica kluczowa, tablica wag (1)) suma 0 div klucz 0 foreval (klucz) foreach (waga jako w), jeśli (arraykeyexists (klucz tablicy) suma w tablicy 91 klucz 93 div w klucz, jeśli (div 0 ) zwraca FALSE, gdy dane znajdują się w pierwszym parametrze, drugi parametr jest kluczem dla pierwszego miesiąca okna, a trzeci parametr zawiera pożądane wagi dla pożądanego okna, domyślnie tylko jeden miesiąc. Dla przesuwającego się kwartału można użyć tablicy (1,1,1). Przez pół roku, tablica (1,1,1,1,1,1). Dla rozkładu Gaussa, wyśrodkowanego w czwartym miesiącu z jednomiesięcznym rozbieżnieniem, należy zastosować tablicę (0,006,0, 0,06, 21,2, 20,38, 20,24, 2,0, 0,06). Powyższa funkcja uśredniania poprawnie zignoruje miesiące z brakującymi danymi. Wagi są względne, nie muszą sumować się do jednego. Jeśli nie ma żadnych danych, funkcja zwróci FALSE. Powinieneś być w stanie ulepszyć powyższe, aby pasowało do twoich celów. Na przykład może być łatwiej zdefiniować oddzielne funkcje dla średniej ruchomej, której użyjesz, i zamiast tego zdefiniować macierz w funkcji (lub jako zmienna globalna). 1 członkowie uznali ten post za pomocny. klucz jest liczbą całkowitą, rok 12 miesiąc. gdzie rok jest rokiem, w tym wieku, a miesiąc jest między 1 a 12 włącznie. Oto pełny przykład. Na wszelki wypadek, to jest praca domowa - nie piszę twojej pracy domowej dla ciebie - Im używam interpretera PHP z linii poleceń do tego: function YearMonth (rrrrmm) str strval (rrrrmm) if (strlen (str) 6 ampamp strspn (str. 0123456789) 6) return intval (substr (str. 0. 4), 10) 12 intval (substr (str. 4. 2), 10) str strtolower (str) str pregreplace (910-9a-z93. Str) rok 0 miesiąc 0 foreach (eksplodować (. Str.) Jako przedmiot) item intval (pozycja 10) if (item gt 1000 ampamp item lt 9999) year item else if (item gt 1 ampamp item lt 12) item miesiąca if (year ampamp miesiąc) zwraca 12-miesięczny miesiąc, jeśli (rok) zwraca FALSE str pregreplace (910-993.. str) foreach (eksploduje (. str.) jako element) switch (substr (pozycja 0. 3)) case jan. return 1 12 year case feb. return 2 12 years case feb. powrót 2 12 lat sprawa mar. return 3 12-letni przypadek apr. powrót 4 12 lat może przypadek. return 5 12 lat sprawa jun. return 6 12 lat sprawa jul. return 7 12-letni przypadek aug. return 8 12-letni przypadek sep. return 9 12 year case oct. powrót 10 12 lat sprawa now. return 11 12-letni przypadek dec. return 12 Funkcja 12-letnia Kwartał (klucz danych) suma 0 div klucz 0 RokConty (klucz), jeśli (klucz) zwraca FALSE, jeśli (izarray (dane)) zwraca FALSE dla (przesunięcie 0, przesunięcie lt3, przesunięcie), jeśli (arraykeyistek (klucz offset dane)) suma zmiennoprzecinkowa (dane 91 odchylenie klucza 93) div 1, jeśli (div lt 1) return FALSE suma danych sumy danych floatval (div) (24109 gt 260. 24110 gt 220. 24111 gt 270. 24112 gt 300. 24113 gt 269. 24114 gt 271. 24115 gt 240. 24116 gt 234. 24117 gt 220. 24118 gt 240. 24119 gt 262. 24120 gt 255. 24121 gt 270. 24122 gt 210. 24123 gt 260. 24124 gt 280. 24125 gt 259. 24126 gt 280. 24127 gt 220. 24128 gt 240. 24129 gt 240. 24130 gt 250. 24131 gt 271. 24132 gt 260. 24133 gt 240. 24134 gt 250. 24135 gt 250. 24136 gt 260. 24137 gt 225. 24138 gt 257. 24139 gt 230. 24140 gt 250. 24141 gt 230. 24142 gt 244. 24143 gt 257. 24144 gt 250.) dla (arg 1 arg lt argc arg) wynik Kwartał (dane argv 91 arg 93) jeżeli (wynik FAŁSZ ) echo argv 91 arg 93,: Brak danych dla tego qu arter. n else echo argv 91 arg 93,: Średnie w kwartale to. wynik..n Funkcja YearMonth przyjmuje każdą parę rok i miesiąc (lub RRRRMM jako pojedynczą liczbę lub ciąg znaków) i zwraca ją jako odpowiedni klucz. Jest dość sprytny, używając sztuczek manipulacyjnych ciągów, dzięki czemu możesz użyć np. 2009jan lub quotFeb-2017quot lub quotSugust, 2017quot lub nawet 022017 lub 20178 i wszystko będzie po prostu działać. Jeśli zapiszesz powyższe jako quarter. php. możesz go uruchomić (po zaznaczeniu go jako plik wykonywalny, chmod ux quarter. php) używając np. Odpowiedzi, które podaje, to 250 ((260220270) 3), 250 ((210260280) 3) i 241,333 ((250230244) 3). Ponieważ tak chętnie korzystasz z przesuwanego okna kwartalnego, uprościłem funkcję uśredniania, aby to zrobić i tylko to nazywa się tutaj Kwartał. Polecam porównać go z funkcją weightedaverage. Matematycznie logika Kwartał jest banalna: średnia to suma pozycji podzielona przez liczbę elementów. Kwartał to trzy miesiące (12 miesięcy 4 kwartały 3 miesiące kwartał). Ponownie, jeśli nie masz danych przez określony miesiąc, funkcja pominie je, jeśli w ogóle nie ma danych dla danego okresu, zwróci FALSE. Pamiętaj, że nie musisz ręcznie zapisywać danych w tablicy. Jeśli czytasz linie za pomocą fgets (). następnie skasuj wszystkie spacje (używając na przykład linii trim (pregreplace (tnvfr,, line)), możesz rozłożyć linię na tablicę używając pól explode (, line) Długość tablicy (count (fields)) będzie jedna więcej niż masz lat. Pierwsze pole, pole0. będzie zawierać miesiąc w linii nagłówka i nazwę miesiąca w innych polach. W linii nagłówka pozostałe pola określają lata, w których zawierają wartości dla innych linii. Ponieważ możesz zapełnić tablicę asocjacyjną w dowolnej kolejności, powinno być bardzo łatwo odczytać tablicę danych z pliku, używając formatu tabeli z pierwszego posta w tym wątku.
No comments:
Post a Comment