Moving Average Matlab Example

Download movAv m ver também movAv2 - uma versão atualizada permitindo a ponderação. Descrição Matlab inclui funções chamadas movavg e tsmovavg séries temporais média móvel na Financial Toolbox, movAv é projetado para replicar a funcionalidade básica destes O código aqui fornece um bom exemplo de gestão Índices dentro de loops, o que pode ser confuso para começar com eu ve deliberadamente mantido o código curto e simples para manter esse processo clear. movAv executa uma média móvel simples que pode ser usado para recuperar dados ruidosos em algumas situações Ele funciona tomando uma média Da entrada y sobre uma janela de tempo deslizante, cujo tamanho é especificado por n Quanto maior for n, maior a quantidade de suavização do efeito de n é relativa ao comprimento do vetor de entrada y e efetivamente bem, tipo de cria Um filtro de freqüência de passagem baixa - veja a seção de exemplos e considerações. Como a quantidade de suavização fornecida por cada valor de n é relativa ao comprimento do vetor de entrada, sempre vale a pena Testando diferentes valores para ver o que é apropriado Lembre-se também que n pontos são perdidos em cada média se n é 100, os primeiros 99 pontos do vetor de entrada não contêm dados suficientes para uma média 100pt Isso pode ser evitado um pouco por empilhamento de médias, Exemplo, o código eo gráfico abaixo comparam um número de diferentes médias de janela de comprimento Observe como liso 10 10pt é comparado a um único 20pt média Em ambos os casos 20 pontos de dados são perdidos no total. Criar xaxis x 1 0 01 5 Gerar ruído noiseReps 4 ruído repmat randn 1, ceil numel x ruídoReps, noiseReps, 1 ruído remodelar ruído, 1, comprimento ruído noiseReps gerar ruído ydata y exp x 10 ruído 1 comprimento x Perfrom médias 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 Figura de plotagem x, y, y2, y3, y4, y5, y6 legend Raw Dados, média móvel 10pt, 10 10pt, 20pt, 40pt, 100pt xlabel x ylabel y título Comparação de médias móveis. movAv m função de execução de código de saída movAv y, n A primeira linha define o nome da função s, entradas e saídas A entrada X deve ser um vetor de dados para realizar a média em, n deve ser o número de pontos a realizar a média sobre a saída conterá os dados médios retornados pela função Prealocar a saída de saída NaN 1, numel y Encontrar ponto médio de n round midPoint N 2 O trabalho principal da função é feito no loop for, mas antes de iniciar duas coisas são preparadas Fir A saída é pré-alocada como NaNs, isso serviu dois propósitos Em primeiro lugar preallocation é geralmente boa prática, uma vez que reduz a memória malabarismo Matlab tem que fazer, em segundo lugar, torna muito fácil de colocar a média de dados em uma saída do mesmo tamanho como O vetor de entrada Isso significa que o mesmo xaxis pode ser usado posteriormente para ambos, o que é conveniente para plotar, alternativamente os NaNs podem ser removidos posteriormente em uma linha de saída de saída de código. O midPoint variável será usado para alinhar os dados no vetor de saída Se n 10, 10 pontos serão perdidos porque, para os primeiros 9 pontos do vetor de entrada, não há dados suficientes para tomar uma média de 10 pontos Como a saída será menor que a entrada, ela precisa ser alinhada corretamente Ser usada para que uma quantidade igual de dados seja perdida no início e no fim ea entrada é mantida alinhada com a saída pelos buffers NaN criados quando a saída de pré-alocação é. Saída média MidPoint mean yab end No loop for, uma média é tomada sobre cada segmento consecutivo da entrada O loop será executado para a que é definido como 1 até o comprimento da entrada y, menos os dados que serão perdidos n If A entrada é de 100 pontos de comprimento e n é 10, o loop será executado a partir de um 1 a 90. Isso significa que a fornece o primeiro índice do segmento a ser média O segundo índice b é simplesmente um n-1 Assim na primeira iteração, A 1 n 10 so b 11-1 10 A primeira média é tomada sobre yab ou x 1 10 A média deste segmento, que é um único valor, é armazenada na saída no índice a midPoint ou 1 5 6. Na segunda iteração , A 2 b 2 10-1 11 de modo que a média é tomada sobre x 2 11 e armazenada na saída 7 Na última iteração do laço para uma entrada de comprimento 100, a 91 b 90 10-1 100 assim que a média é tomada Sobre x 91 100 e armazenado na saída 95 Isso deixa a saída com um total de n 10 valores NaN no índice 1 5 e 96 100.Exemplos e considerações As médias móveis são úteis em algumas situações, Re nem sempre a melhor escolha Aqui estão dois exemplos onde eles não são necessariamente otimizado. Calibração de microfone Este conjunto de dados representa os níveis de cada freqüência produzida por um alto-falante e gravado por um microfone com uma resposta linear conhecida A saída do alto-falante varia com Freqüência, mas podemos corrigir para esta variação com os dados de calibração - a saída pode ser ajustada em nível para ter em conta as flutuações na calibração. Observe que os dados brutos são ruidosos - isso significa que uma pequena mudança na freqüência parece exigir um Grande, errático, a mudança no nível a ser considerado isto é realista Ou é isto um produto do ambiente de gravação É razoável neste caso aplicar uma média móvel que suavize para fora a curva da freqüência do nível para fornecer uma curva de calibração que seja ligeiramente menos errática Mas por que não é o ideal neste exemplo. Mais dados seriam melhores - múltiplas calibrações executadas em média juntos iria destruir o ruído no sistema, enquanto ele s ran Dom e fornecer uma curva com menor detalhe sutil perdeu A média móvel só pode aproximar isso, e pode remover algumas frequências mais altas mergulhos e picos da curva que realmente existem. Sine waves Usando uma média móvel em ondas senoidal destaca dois pontos. Questão de escolher um número razoável de pontos para executar a média over. It s simples, mas existem métodos mais eficazes de análise de sinal do que a média dos sinais oscilantes no domínio do tempo. Em este gráfico, a onda senoidal original é plotada em azul Noise is Adicionado e traçado como a curva laranja Uma média móvel é realizada em números diferentes de pontos para ver se a onda original pode ser recuperado 5 e 10 pontos fornecem resultados razoáveis, mas don t remover o ruído completamente, onde como maior número de pontos começam a Perder detalhe de amplitude como a média se estende ao longo de diferentes fases lembrar a onda oscila em torno de zero, e média -1 1 0. Uma abordagem alternativa seria a construção de um filtro passa-baixa do que pode ser Aplicado ao sinal no domínio da freqüência não vou entrar em detalhes porque vai além do escopo deste artigo, mas como o ruído é freqüência consideravelmente mais alta do que a freqüência fundamental das ondas, seria bastante fácil, neste caso, construir Um filtro passa-baixa que irá remover o ruído de alta freqüência.29 setembro, 2013.Movendo média por convolução. Qual é a média móvel e o que é bom para. Como é a média móvel feito usando convolution. Moving média é uma operação simples usado geralmente para Suprimir o ruído de um sinal nós ajustamos o valor de cada ponto à média dos valores em sua vizinhança Por uma fórmula. Aqui x é a entrada e y é o sinal de saída, quando o tamanho da janela é w, suposto ser impar A fórmula acima descreve uma operação simétrica as amostras são tomadas de ambos os lados do ponto real. Below é um exemplo de vida real O ponto em que a janela é colocada na verdade é vermelho Valores fora x são supostamente zeros. To brincar e ver º E efeitos da média móvel, dê uma olhada nesta demonstração interativa. Como fazê-lo por convolução. Como você pode ter reconhecido, calcular a média móvel simples é semelhante à convolução em ambos os casos uma janela é deslizada ao longo do sinal e os elementos Na janela são resumidos Então, dê-lhe uma tentativa de fazer a mesma coisa usando convolução Use a seguinte saída parameters. A desejada é. A primeira abordagem, vamos tentar o que temos de convolver o sinal x pelo k kernel k. A saída é exatamente três vezes maior do que o esperado. Também pode ser visto que os valores de saída são o resumo dos três elementos na janela. É porque durante a convolução a janela é deslizada ao longo, todos os elementos nele são multiplicados por Um e depois resumido. Yk 1 cdot x 1 cdot x 1 cdot x. Para obter os valores desejados de y a saída deve ser dividido por 3.Por uma fórmula incluindo a divisão. Mas não seria ótimo para fazer a divisão durante convolução Aqui vem a idéia por Rearranjando a equação. Então vamos usar o seguinte k kernel. In desta forma, vamos obter a saída desejada. Em geral, se queremos fazer a média móvel por convolução tendo um tamanho de janela de w vamos usar o seguinte k kernel. A simples Função que faz a média móvel é. Um exemplo de utilização é. Moving Médias O que são They. Among os mais populares indicadores técnicos, médias móveis são usados ​​para medir a direção da tendência atual Cada tipo de média móvel comumente escrito neste tutorial como MA é Um resultado matemático calculado pela média de um número de pontos de dados passados. Uma vez determinado, a média resultante é então traçada num gráfico, de modo a permitir que os comerciantes olhem para os dados suavizados, em vez de se concentrarem nas flutuações de preços do dia-a-dia que são Inh A forma mais simples de uma média móvel, apropriadamente conhecida como média móvel simples SMA, é calculada tomando a média aritmética de um dado conjunto de valores. Por exemplo, para calcular uma média móvel básica de 10 dias, você Adicione os preços de fechamento dos últimos 10 dias e, em seguida, divida o resultado por 10 Na Figura 1, a soma dos preços para os últimos 10 dias 110 é dividido pelo número de dias 10 para chegar à média de 10 dias Se a O comerciante deseja ver uma média de 50 dias em vez disso, o mesmo tipo de cálculo seria feito, mas incluiria os preços nos últimos 50 dias A média resultante abaixo de 11 leva em conta os últimos 10 pontos de dados, a fim de dar aos comerciantes um Idéia de como um recurso é fixado o preço relativo aos 10 dias passados. Talvez você esteja querendo saber porque os comerciantes técnicos chamam esta ferramenta uma média movente e não apenas uma média regular A resposta é que como os valores novos tornam-se disponíveis, os pontos os mais velhos dos dados devem ser deixados cair Do conjunto e novo dat Os pontos devem vir para substituí-los. Assim, o conjunto de dados está em constante movimento para contabilizar novos dados à medida que este se torna disponível. Este método de cálculo garante que apenas as informações atuais estão sendo contabilizadas na Figura 2, uma vez que o novo valor de 5 é Adicionado ao conjunto, a caixa vermelha que representa os últimos 10 pontos de dados move-se para a direita eo último valor de 15 é largado do cálculo Porque o valor relativamente pequeno de 5 substitui o valor elevado de 15, espera-se ver a média Do conjunto de dados diminuir, o que ele faz, neste caso de 11 a 10.What Do Moving Averages Look Like Depois que os valores do MA foram calculados, eles são plotados em um gráfico e, em seguida, conectado para criar uma linha de média móvel These Linhas de curvas são comuns nos gráficos de comerciantes técnicos, mas como eles são usados ​​podem variar drasticamente mais sobre isso mais tarde Como você pode ver na Figura 3, é possível adicionar mais de uma média móvel para qualquer gráfico, ajustando o número de vezes Períodos Usado no cálculo Essas linhas curvas podem parecer distrativas ou confusas no início, mas você vai se acostumar com eles como o tempo passa A linha vermelha é simplesmente o preço médio nos últimos 50 dias, enquanto a linha azul é o preço médio sobre o Passado 100 days. Now que você entende o que é uma média móvel e que parece, vamos introduzir um tipo diferente de média móvel e analisar como ele difere da mencionada média móvel simples. A média móvel simples é extremamente popular entre os comerciantes , Mas como todos os indicadores técnicos, ele tem seus críticos Muitos indivíduos argumentam que a utilidade do SMA é limitado, porque cada ponto na série de dados é ponderado o mesmo, independentemente de onde ele ocorre na seqüência Críticos argumentam que os dados mais recentes É mais significativo do que os dados mais antigos e deve ter uma maior influência no resultado final. Em resposta a essa crítica, os comerciantes começaram a dar mais peso aos dados recentes, D para a invenção de vários tipos de novas médias, o mais popular dos quais é a média móvel exponencial EMA Para ler mais, consulte Básicos de médias móveis ponderadas e Qual é a diferença entre um SMA e um EMA. Exponential Moving Average O exponencial em movimento A média é um tipo de média móvel que dá mais peso aos preços recentes na tentativa de torná-lo mais responsivo a novas informações Aprender a equação um pouco complicada para o cálculo de um EMA pode ser desnecessário para muitos comerciantes, uma vez que quase todos os pacotes gráficos fazer os cálculos para No entanto, para você geeks matemática lá fora, aqui é a equação EMA. Ao usar a fórmula para calcular o primeiro ponto da EMA, você pode notar que não há valor disponível para usar como o EMA anterior Este pequeno problema pode ser resolvido Iniciando o cálculo com uma média móvel simples e continuando com a fórmula acima a partir daí Nós fornecemos-lhe uma planilha de exemplo que inclui exa vida real Mples de como calcular tanto uma média móvel simples e uma média móvel exponencial. A diferença entre o EMA e SMA Agora que você tem uma melhor compreensão de como o SMA eo EMA são calculados, vamos dar uma olhada em como essas médias diferem Observando o cálculo da EMA, você observará que mais ênfase é colocada nos dados recentes pontos, tornando-se um tipo de média ponderada na Figura 5, o número de períodos de tempo utilizados em cada média é idêntica 15, mas a EMA Responde mais rapidamente aos preços em mudança Observe como o EMA tem um valor mais alto quando o preço está subindo e cai mais rápido do que o SMA quando o preço está declinando Esta responsividade é a principal razão pela qual muitos comerciantes preferem usar o EMA sobre o SMA. O que significam os diferentes dias As médias móveis são um indicador totalmente personalizável, o que significa que o usuário pode escolher livremente o período de tempo que desejar ao criar a média. Os períodos de tempo mais comuns usados ​​nas médias móveis Quanto mais curto for o período de tempo usado para criar a média, mais sensível será às mudanças de preço Quanto maior for o tempo, menos sensível ou mais suavizado, a média Será Não há nenhum tempo certo para usar ao configurar suas médias móveis A melhor maneira de descobrir qual funciona melhor para você é experimentar com um número de diferentes períodos de tempo até encontrar um que se adapta à sua estratégia.