Moving Average Transfer Funktion

Exponentieller Moving Average - EMA BREAKING DOWN Exponentieller Moving Average - EMA Die 12- und 26-Tage-EMAs sind die beliebtesten Kurzzeitdurchschnitte und sie werden verwendet, um Indikatoren wie die gleitende durchschnittliche Konvergenzdivergenz (MACD) und den prozentualen Preisoszillator zu erzeugen (PPO). Im Allgemeinen werden die 50- und 200-Tage-EMAs als Signale von Langzeittrends verwendet. Händler, die technische Analysen verwenden, finden bewegte Durchschnitte sehr nützlich und aufschlussreich, wenn sie richtig angewendet werden, aber schaffen Verwüstung, wenn sie unsachgemäß verwendet oder falsch interpretiert werden. Alle gleitenden Mittelwerte, die üblicherweise in der technischen Analyse verwendet werden, sind ihrer Natur nach hintere Indikatoren. Folglich sollten die Schlussfolgerungen, die aus der Anwendung eines gleitenden Durchschnitts auf eine bestimmte Marktkarte gezogen werden, darin bestehen, eine Marktbewegung zu bestätigen oder ihre Stärke anzugeben. Sehr oft, bis zu der Zeit, in der eine gleitende durchschnittliche Indikatorlinie eine Änderung vorgenommen hat, um einen bedeutenden Marktzugang zu reflektieren, ist der optimale Markteintritt bereits vergangen. Eine EMA dient dazu, dieses Dilemma zu einem gewissen Grad zu lindern. Weil die EMA-Berechnung mehr Gewicht auf die neuesten Daten setzt, umarmt sie die Preisaktion etwas fester und reagiert daher schneller. Dies ist wünschenswert, wenn eine EMA verwendet wird, um ein Handelseingangssignal abzuleiten. Interpretation der EMA Wie alle gleitenden durchschnittlichen Indikatoren sind sie für die Trends in den Märkten besser geeignet. Wenn der Markt in einem starken und anhaltenden Aufwärtstrend ist. Die EMA-Indikatorlinie zeigt auch einen Aufwärtstrend und umgekehrt für einen Down-Trend. Ein wachsamer Trader wird nicht nur auf die Richtung der EMA-Linie achten, sondern auch auf das Verhältnis der Änderungsrate von einem Bar zum nächsten. Zum Beispiel, da die Preiswirkung eines starken Aufwärtstrends beginnt zu glätten und umzukehren, beginnt die EMAs-Änderungsrate von einem Bar zum nächsten zu verkleinern, bis zu diesem Zeitpunkt die Indikatorlinie abflacht und die Änderungsrate Null ist. Wegen der nacheilenden Wirkung, bis zu diesem Punkt, oder sogar ein paar Takte vorher, sollte die Preisaktion bereits umgekehrt sein. Daraus folgt, dass die Beobachtung einer konsequenten Abnahme der Änderungsrate der EMA selbst als Indikator verwendet werden könnte, der dem Dilemma, das durch die nacheilende Wirkung der sich bewegenden Mittelwerte verursacht wurde, weiter entgegenwirken könnte. Gemeinsame Verwendungen der EMA EMAs werden häufig in Verbindung mit anderen Indikatoren verwendet, um signifikante Marktbewegungen zu bestätigen und ihre Gültigkeit zu beurteilen. Für Händler, die intraday und schnell bewegte Märkte handeln, ist die EMA mehr anwendbar. Häufig verwenden Händler EMAs, um eine Handelsvorspannung zu bestimmen. Zum Beispiel, wenn ein EMA auf einer Tageskarte einen starken Aufwärtstrend zeigt, kann eine Intraday-Trader-Strategie nur von der langen Seite auf einem Intraday-Chart handeln. Ein einfach zu bedienender Digitalfilter Der exponentielle gleitende Durchschnitt (EMA) ist Eine Art von unendlichen Impulsantwort (IIR) - Filter, der in vielen eingebetteten DSP-Anwendungen verwendet werden kann. Es erfordert nur eine geringe Menge an RAM und Rechenleistung. Was ist ein Filter Filter kommen sowohl in analoge und digitale Formen und existieren, um bestimmte Frequenzen aus einem Signal zu entfernen. Ein gemeinsamer analoger Filter ist der unten gezeigte Tiefpass-RC-Filter. Analoge Filter zeichnen sich durch ihren Frequenzgang aus, wie viel die Frequenzen gedämpft sind (Größenreaktion) und verschoben (Phasenreaktion). Der Frequenzgang kann mit einer Laplace-Transformation analysiert werden, die eine Übertragungsfunktion in der S-Domäne definiert. Für die obige Schaltung ist die Übertragungsfunktion gegeben durch: Für R entspricht ein Kilo-Ohm und C gleich einem Mikrofarad, die Größenreaktion ist unten gezeigt. Beachten Sie, dass die x-Achse logarithmisch ist (jedes Häkchen ist 10 mal größer als das letzte). Die y-Achse ist in Dezibel (was eine logarithmische Funktion des Ausgangs ist). Die Cutoff-Frequenz für diesen Filter beträgt 1000 rad oder 160 Hz. Dies ist der Punkt, an dem weniger als die Hälfte der Leistung bei einer gegebenen Frequenz vom Eingang zum Ausgang des Filters übertragen wird. Analoge Filter müssen in eingebetteten Designs verwendet werden, wenn ein Signal mit einem Analog-Digital-Wandler (ADC) abgetastet wird. Der ADC erfasst nur Frequenzen, die bis zur Hälfte der Abtastfrequenz liegen. Wenn zum Beispiel der ADC 320 Abtastungen pro Sekunde erfaßt, wird der Filter oberhalb (mit einer Grenzfrequenz von 160 Hz) zwischen dem Signal und dem ADC-Eingang angeordnet, um ein Aliasing zu verhindern (was ein Phänomen ist, bei dem höhere Frequenzen im abgetasteten Signal erscheinen Niedrigere Frequenzen). Digitale Filter Digitale Filter dämpfen Frequenzen in der Software und nicht mit analogen Komponenten. Ihre Implementierung umfasst das Abtasten der analogen Signale mit einem ADC, wobei dann ein Softwarealgorithmus angewendet wird. Zwei gängige Designansätze zur digitalen Filterung sind FIR-Filter und IIR-Filter. FIR Filter Finite Impulse Response (FIR) Filter verwenden eine endliche Anzahl von Samples, um die Ausgabe zu erzeugen. Ein einfacher gleitender Durchschnitt ist ein Beispiel für einen Tiefpass-FIR-Filter. Höhere Frequenzen werden abgeschwächt, weil die Mittelung das Signal glättet. Der Filter ist endlich, weil der Ausgang des Filters durch eine endliche Anzahl von Eingangsmustern bestimmt wird. Als Beispiel addiert ein 12-fach gleitender Durchschnittsfilter die 12 letzten Abtastwerte, dividiert dann um 12. Der Ausgang der IIR-Filter wird durch (bis zu) eine unendliche Anzahl von Eingangsabtastungen bestimmt. IIR Filter Infinite Impulse Response (IIR) Filter sind eine Art von Digital-Filter, wo die Ausgabe ist inifintely in Theorie ohnehin beeinflusst durch eine Eingabe. Der exponentielle gleitende Durchschnitt ist ein Beispiel für einen Tiefpass-IIR-Filter. Exponentieller Moving Average Filter Ein exponentieller gleitender Durchschnitt (EMA) wendet für jede Probe exponentielle Gewichte an, um einen Durchschnitt zu berechnen. Obwohl dies kompliziert erscheint, ist die Gleichung, die in der digitalen Filterung parlance als die Differenzgleichung zur Berechnung der Ausgabe bekannt ist, einfach. In der folgenden Gleichung ist y die Ausgabe x ist die Eingabe und Alpha ist eine Konstante, die die Cutoff-Frequenz setzt. Um zu analysieren, wie sich dieser Filter auf die Frequenz des Outputs auswirkt, wird die Z-Domain-Übertragungsfunktion verwendet. Die Größenreaktion ist unten für alpha gleich 0,5 dargestellt. Die y-Achse ist wiederum in Dezibel dargestellt. Die x-Achse ist logarithmisch von 0,001 bis pi. Die realen Welt-Frequenz-Karten zur x-Achse mit Null ist die Gleichspannung und pi gleich der Hälfte der Abtastfrequenz. Jegliche Frequenzen, die größer als die Hälfte der Abtastfrequenz sind, wird aliased. Wie bereits erwähnt, kann ein analoger Filter sicherstellen, dass praktisch alle Frequenzen im digitalen Signal unterhalb der halben Abtastfrequenz liegen. Der EMA-Filter ist aus eingebetteten Designs aus zwei Gründen vorteilhaft. Zuerst ist es einfach, die Cutoff-Frequenz einzustellen. Eine Verringerung des Wertes von alpha verringert die Grenzfrequenz des Filters, wie durch Vergleich des obigen Alpha-0,5-Plots mit dem darunter liegenden Diagramm dargestellt, wobei alpha 0,1. Zweitens ist die EMA einfach zu kodieren und erfordert nur eine geringe Menge an Rechenleistung und Speicher. Die Code-Implementierung des Filters verwendet die Differenzgleichung. Es gibt zwei Multiplikationsoperationen und eine Additionsoperation für jede Ausgabe, die die Operationen ignoriert, die zum Abrunden von Festpunktmathematik erforderlich sind. Nur das aktuellste Sample muss im RAM gespeichert sein. Dies ist wesentlich geringer als die Verwendung eines einfachen gleitenden Durchschnittsfilters mit N Punkten, die N Multiplikations - und Additionsoperationen sowie N Abtastwerte erfordert, die im RAM gespeichert werden sollen. Der folgende Code implementiert den EMA-Filter mit 32-Bit-Fixpunkt-Mathematik. Der untenstehende Code ist ein Beispiel für die Verwendung der obigen Funktion. Fazit Filter, sowohl analog als auch digital, sind ein wesentlicher Bestandteil von Embedded Designs. Sie erlauben es Entwicklern, unerwünschte Frequenzen bei der Analyse der Sensoreingabe loszuwerden. Damit digitale Filter sinnvoll sind, müssen analoge Filter alle Frequenzen über die Hälfte der Abtastfrequenz entfernen. Digitale IIR-Filter können leistungsstarke Werkzeuge im eingebetteten Design sein, in denen Ressourcen begrenzt sind. Der exponentielle gleitende Durchschnitt (EMA) ist ein Beispiel für einen solchen Filter, der in eingebetteten Designs aufgrund des geringen Speicher - und Rechenleistungsbedarfs gut funktioniert. Frequenzgang des laufenden Mittelfilters Der Frequenzgang eines LTI-Systems ist der DTFT des Impulses Antwort, Die Impulsantwort eines L-Sample-Gleitwertes ist Da der gleitende Durchschnittsfilter FIR ist, reduziert sich der Frequenzgang auf die endliche Summe. Wir können die sehr nützliche Identität verwenden, um den Frequenzgang zu schreiben, wo wir ae minus jomega gelassen haben. N 0 und M L minus 1. Wir können an der Größe dieser Funktion interessiert sein, um zu bestimmen, welche Frequenzen durch den Filter ungedämpft und die abgeschwächt werden. Unten ist eine Darstellung der Größe dieser Funktion für L 4 (rot), 8 (grün) und 16 (blau). Die horizontale Achse reicht von null bis pi Radiant pro Probe. Beachten Sie, dass in allen drei Fällen der Frequenzgang eine Tiefpasscharakteristik aufweist. Eine konstante Komponente (Nullfrequenz) im Eingang geht durch den Filter ungedämpft. Bestimmte höhere Frequenzen wie pi 2 werden durch den Filter vollständig eliminiert. Allerdings, wenn die Absicht war, einen Tiefpassfilter zu entwerfen, dann haben wir nicht sehr gut gemacht. Einige der höheren Frequenzen werden nur um einen Faktor von etwa 110 (für den 16 Punkt gleitenden Durchschnitt) oder 13 (für den vier Punkt gleitenden Durchschnitt) gedämpft. Wir können viel besser machen. Die obige Auftragung wurde durch den folgenden Matlab-Code erstellt: Omega 0: pi400: pi H4 (14) (1-exp (-iomega4)) (1-exp (-iomega)) H8 (18) (1-exp (- (1-exp (-iomega)) (1-exp (-iomega)) (1-exp (-iomega)) (1-exp (-iomega)) (1-exp (-Iomega) H16)) Achse (0, pi, 0, 1) Copyright Kopie 2000- - Universität von Kalifornien, Berkeley