Je sais que cela est réalisable avec boost selon: Mais je voudrais vraiment éviter d'utiliser boost. J'ai googlé et n'a pas trouvé d'exemples appropriés ou lisibles. Essentiellement, je veux suivre la moyenne mobile d'un flux continu d'un flux de nombres à virgule flottante en utilisant les plus récents numéros 1000 comme un échantillon de données. Quel est le moyen le plus simple pour atteindre ce que j'ai expérimenté avec l'aide d'un tableau circulaire, moyenne mobile exponentielle et une moyenne mobile plus simple et a constaté que les résultats de la matrice circulaire convenait mieux à mes besoins. Si vos besoins sont simples, vous pouvez simplement essayer d'utiliser une moyenne mobile exponentielle. Autrement dit, vous créez une variable d'accumulateur, et comme votre code regarde chaque échantillon, le code met à jour l'accumulateur avec la nouvelle valeur. Vous choisissez un alpha constant qui se situe entre 0 et 1, et calculez ceci: Il vous suffit de trouver une valeur de alpha où l'effet d'un échantillon donné ne dure que pour environ 1000 échantillons. Hmm, je ne suis pas sûr que ce soit approprié pour vous, maintenant que Ive mis ici. Le problème est que 1000 est une fenêtre assez longue pour une moyenne mobile exponentielle Im pas sûr il ya un alpha qui serait la propagation de la moyenne sur les 1000 derniers chiffres, sans underflow dans le calcul en virgule flottante. Mais si vous voulez une moyenne plus petite, comme 30 nombres ou ainsi, c'est une manière très facile et rapide de le faire. A répondu 12 juin à 4:44 1 sur votre poste. La moyenne mobile exponentielle peut permettre à l'alpha d'être variable. Ainsi, cela permet de calculer des moyennes de base de temps (par exemple, des octets par seconde). Si le temps écoulé depuis la dernière mise à jour de l'accumulateur est supérieur à 1 seconde, laissez alpha be 1.0. Sinon, vous pouvez laisser alpha be (usecs depuis la dernière mise à jour 1000000). Ndash jxh 12 juin à 6:21 Je veux essentiellement suivre la moyenne mobile d'un flux continu d'un flux de nombres à virgule flottante en utilisant les plus récents numéros 1000 comme un échantillon de données. Notez que le bas met à jour le total en tant qu'éléments ajoutés remplacés, en évitant le coûteux parcours O (N) pour calculer la somme nécessaire pour la moyenne sur demande. Le total est fait d'un paramètre différent de T par rapport au support, par ex. En utilisant un long long pour un total de 1000 s longs, un int pour char s, ou un flottant double au total. C'est un peu vicié en ce que les numsamples pourraient dépasser INTMAX - si vous vous inquiétez vous pourriez employer un unsigned long long. Ou utiliser un membre de données bool supplémentaire pour enregistrer quand le conteneur est rempli tout en cyclant numsamples autour du tableau (mieux renommé quelque chose d'inoffensif comme pos). Répondue 12 juin à 5:19 on suppose que l'opérateur quotvoid (T échantillon) est en fait quotvoid operatorltlt (T échantillon) quot. Ndash oPless Jun 8 14 at 11:52 oPless ahhh. Bien repéré. En fait, je voulais qu'il soit vide opérateur () (T échantillon), mais bien sûr, vous pouvez utiliser n'importe quelle note que vous avez aimé. Correction, merci. Ndash Tony D Jun 8 14 at 14: 27Movent moyen L'indicateur technique de moyenne mobile indique la valeur moyenne du prix de l'instrument pour une certaine période de temps. Quand on calcule la moyenne mobile, on fait la moyenne du prix de l'instrument pour cette période. À mesure que le prix change, sa moyenne mobile augmente ou diminue. Il existe quatre types de moyennes mobiles: Simple (également appelé Arithmétique), Exponentiel. Lissé et pondéré. La moyenne mobile peut être calculée pour tout ensemble de données séquentiel, y compris les prix d'ouverture et de clôture, les prix les plus élevés et les plus bas, le volume des transactions ou tout autre indicateur. C'est souvent le cas lorsque l'on utilise des moyennes mobiles doubles. La seule chose où les moyennes mobiles de différents types divergent considérablement l'une de l'autre, est quand les coefficients de poids, qui sont affectés aux dernières données, sont différents. Dans le cas où nous parlons de moyenne mobile simple. Tous les prix de la période considérée sont égaux en valeur. La moyenne mobile exponentielle et la moyenne mobile pondérée linéaire attachent plus de valeur aux derniers prix. La façon la plus courante d'interpréter la moyenne mobile des prix est de comparer sa dynamique à celle du prix. Lorsque le prix de l'instrument s'élève au-dessus de sa moyenne mobile, un signal d'achat apparaît, si le prix tombe en dessous de sa moyenne mobile, ce que nous avons est un signal de vente. Ce système de négociation, basé sur la moyenne mobile, n'est pas conçu pour fournir une entrée sur le marché juste à son point le plus bas, et sa sortie à droite sur le pic. Il permet d'agir selon la tendance suivante: acheter peu après que les prix atteignent le fond, et vendre peu de temps après que les prix aient atteint leur sommet. Les moyennes mobiles peuvent également être appliquées aux indicateurs. C'est là que l'interprétation des moyennes mobiles des indicateurs est semblable à celle des moyennes mobiles de prix: si l'indicateur dépasse la moyenne mobile, cela signifie que le mouvement ascendant des indicateurs devrait se poursuivre: si l'indicateur tombe en dessous de sa moyenne mobile, Signifie qu'il est susceptible de continuer à aller vers le bas. Voici les types de moyennes mobiles sur le graphique: Moyenne mobile simple (SMA) Moyenne mobile exponentielle (EMA) Moyenne mobile lissée (SMMA) Moyenne mobile pondérée linéaire (LWMA) Vous pouvez tester les signaux commerciaux de cet indicateur en créant un expert Dans MQL5 Assistant. Calcul Simple moyenne mobile (SMA) Simple, en d'autres termes, la moyenne mobile arithmétique est calculée en résumant les prix de la fermeture de l'instrument sur un certain nombre de périodes simples (par exemple, 12 heures). Cette valeur est ensuite divisée par le nombre de ces périodes. SMA SOMME (FERMER (i), N) N SOMME somme CLOSE (i) période courante prix de clôture N nombre de périodes de calcul. Moyenne mobile exponentielle (EMA) La moyenne mobile exponentiellement lissée est calculée en ajoutant une certaine part du cours de clôture actuel à la valeur précédente de la moyenne mobile. Avec des moyennes mobiles exponentiellement lissées, les derniers prix de clôture ont plus de valeur. La moyenne mobile exponentielle de P-pourcentage ressemblera à: EMA (FERMER (i) P) (EMA (i - 1) (1 - P) D'une période précédente P le pourcentage d'utilisation de la valeur du prix. Moyenne mobile lissée (SMMA) La première valeur de cette moyenne mobile lissée est calculée comme étant la moyenne mobile simple (SMA): SUM1 SUM (CLOSE (i), N) La seconde moyenne mobile est calculée selon cette formule: SMMA (i) (SMMA1 (N-1) FERMER (i)) N Les moyennes mobiles successives sont calculées selon la formule ci-dessous: PREVSUM SMMA (i - 1) N SMMA (i) (PREVSUM - SMMA (i - 1) N SUM somme SUM1 somme totale des prix de clôture pour N périodes elle est comptée de la barre précédente PREVSUM somme lissée de la barre précédente SMMA (i-1) moyenne mobile lissée de la barre précédente SMMA (i) moyenne mobile lissée de la barre courante (Sauf pour le premier) FERMER (i) cours de clôture courant N période de lissage. Après conversion arithmétique, la formule peut être simplifiée: SMMA (i) (SMMA (i - 1) (N - 1) FERMER (i)) N Moyenne mobile pondérée linéaire (LWMA) Dans le cas de la moyenne mobile pondérée, De plus de valeur que les premières données. La moyenne mobile pondérée est calculée en multipliant chacun des cours de clôture dans la série considérée, par un certain coefficient de pondération: LWMA SUM (FERMER i) i, N) SOMME (i, N) SOMME (i, N) somme totale des coefficients de pondération N période de lissage.
No comments:
Post a Comment