Eksponentiell Bevegelse Gjennomsnittet Postgresql

Jeg prøver å implementere et eksponentielt glidende gjennomsnitt (EMA) på postgres, men når jeg sjekker dokumentasjon og tenker på det, jo mer prøver jeg det mer forvirret jeg er. Formelen for EMA (x) er: Det ser ut til å være perfekt for en aggregator, og det er nettopp det som må gjøres her, for å holde resultatet av det siste beregnede elementet. En aggregator produserer imidlertid et enkelt resultat (som redusere eller brette) og her trenger vi en liste (en kolonne) resultater (som kart). Jeg har sjekket hvordan prosedyrer og funksjoner fungerer, men AFAIK produserer de en enkelt utgang, ikke en kolonne. Jeg har sett mange prosedyrer og funksjoner, men jeg kan ikke regne ut hvordan dette samhandler med relasjonsalgebra, spesielt når du gjør noe som dette, en EMA. Jeg hadde ikke flaks til å søke på Internett så langt. Men definisjonen for en EMA er ganske enkel, jeg håper det er mulig å oversette denne definisjonen til noe som virker i postgres, og det er enkelt og effektivt, fordi det å flytte til NoSQL vil bli overdrevet i min sammenheng. Beregner dette aggregeringen som gir resultatet i hver rad for hver delliste av inngangsdataene Fordi det ser ut som det bruker aggregatoren opp til rad n, returnerer resultatet og deretter går til rad 0 for å beregne aggregeringen opp til rad n1 en gang til. Er det noen måte å bruke akkumuleringen eller noen statisk variabel (som i C) slik at dette må beregnes en gang, takk. ndash Trylks Jan 20 12 kl 11:59 Nei, det bruker den akkumulerte verdien. Hvis du kjører spørringen med kommandoen quotation infoquot uncommented, kan du se at funksjonen bare kalles én gang for hver radutgang. Postgresql utfører statens verdi på hver rad (hvis det var definert en endelig funk, ville det bli kalt for å omforme staten til en utgangsverdi). ndash araqnid Jan 20 12 kl 12:04 ErwinBrandstetter: Jeg har tilbakestilt de fleste endringene - når det gjelder formatet til den første (anker) delen av spørringen, kan EMA (x1) være tydelig representert med en enkelt linje - dette corespnds til enkeltlinjen definerer den i spørsmålet. I tilfelle av den rekursive delen av spørringen har jeg brukt mn - 1 i tilmeldingsbetingelsen for å indikere ekvivalensen av forholdet til EMA (xn-1) i spørsmålet, selv om dette vil være mindre ytelsesfullt hvis ytelsen er en problem, OP kan endre tilmeldingsbetingelsen for å være som du foreslo. ndash Mark Bannister Jan 16 12 på 9: 27Hva ikke bruke en markør Et glidende gjennomsnitt vil se mye bedre hvis du Hahn haler. For å gjøre et normalt 7 punkts glidende gjennomsnitt, tar du (xi xi1 xi2 xi3 xi4 xi5 xi6) 7 som punkt xprimei og (yi yi1 yi2 yi3 yi4 yi5 yi6) 7 som punkt yprimei. Men når du starter, la x0, y0 være det første punktet, og deretter gjennomsnittlig neste 2 for det andre punktet. til du kommer til 7 og gjør det samme i den andre enden. Ellers får du en veldig merkelig ser kurve. Fra: emailpgsql-general-ownerpostgresql. orgemail mailto: pgsql-general-ownerpostgresql. org På Behalf Of Vanole, Mike sendt: onsdag 19. januar 2005 13:34 Til: emailpgsql-generalpostgresql. orgemail Emne: GENERELT Beregning av glidende gjennomsnitt Jeg må beregne et glidende gjennomsnitt, og jeg vil gjerne gjøre det med SQL, eller en Pg-funksjon som er bygget for dette formålet. Jeg er på side 7.4. Er dette mulig i Pg uten en mengde selvforbindelser, eller er det en funtion tilgjengelig Også, hvis du ikke trenger et eksakt glidende gjennomsnitt, kan du vurdere en vektet gjennomsnitt. Noe som: gjennomsnittlig 0,9 nyverdig 0,1 Meget lettere å vedlikeholde enn et bevegelige gjennomsnitt. På Thu, 20. januar 2005 kl. 08:40:24 -0800 skrev Dann Corbit: gt Hvorfor ikke bruke en markør gt gt gt gt S. gt gt et glidende gjennomsnitt vil se mye bedre hvis du hahn haler. gt> For å gjøre et normalt 7 punkts glidende gjennomsnitt, tar du (xi xi1 xi2 gt xi3 xi4 xi5 xi6) 7 som punkt xprimei og (yi yi1 gt yi2 yi3 yi4 yi5 yi6) 7 som punkt yprimei. gt gt gt gt men når du starter la x0, y0 være det første punktet, og deretter gjennomsnitt gt de neste 2 for det andre punktet. til du kommer til 7 og gjør deretter den samme i den andre enden. Ellers får du en veldig merkelig ser gt kurve. gt gt gt gt IMO-YMMV gt gt gt gt Fra: emailpgsql-general-ownerpostgresql. orgemail gt mailto: pgsql-general-ownerpostgresql. org På Behalf Of Vanole, Mike gt Sendt: Onsdag 19. januar 2005 1:34 PM> Til: emailpgsql-generalpostgresql. orgemail gt Emne: GENERELT Beregner et glidende gjennomsnitt gt gt gt gt Hei, gt gt gt Jeg må beregne et glidende gjennomsnitt, og jeg vil gjerne gjøre det med SQL, gt eller en Pg-funksjon som er bygget for dette hensikt. Jeg er på side 7.4. Er dette mulig gt i Pg uten en mengde selvforbindelser, eller er det en mulighet tilgjengelig? Gt gt gt gt - Jim C. Nasby, databasekonsulent emaildecibeldecibel. orgemail Gi datamaskinen litt hjerne godteri Windows: "Hvor vil du gå i dag?": "Hvor vil du gå i morgen med FreeBSD: quotAre du kommer, eller whatquot quotVanole, Mikequot ltMike. Vanolecingulargt skriver: gt Jeg må beregne et glidende gjennomsnitt, og jeg vil gjerne gjøre det med SQL, gt eller en Pg-funksjon bygget for dette formålet. Jeg er på side 7.4. Er dette mulig gt i Pg uten en mengde selvforbindelser, eller er det en funtion tilgjengelig Dessverre går glidende gjennomsnitt inn i en klasse av funksjoner, kalt ytiske funksjoner (minst det er det Oracle kaller dem) som iboende er vanskelige å modellere effektivt i SQL . Postgres har ikke noen spesiell støtte for dette settet av funksjoner, så du er fast i å gjøre det på ineffektive måter som standard SQL tillater. Jeg tror dette er enda vanskelig å implementere korrekt ved hjelp av Postgress ekstremt utvidbar funksjonsstøtte. Selv om du implementerte det i Perl eller Python, tror jeg ikke det er noen måte å tildele et midlertidig statisk lagringsområde for et gitt anropsside. Så den bevegelige gjennomsnittsfunksjonen ville oppføre seg merkelig hvis du ringte det to ganger i et gitt spørsmål. Men hvis du kan jobbe innenfor denne advarselen, bør det være greit å implementere det effektivt i Perl eller Python. Alternativt kan du skrive en plpgsql-funksjon for å beregne det spesifikke glidende gjennomsnittet du trenger som velger selv. --------------------------- (slutten av sendingen) ------------------ --------- TIP 1: abonnere og abonnere kommandoer gå til emailmajordomopostgresql. orgemail gt quotVanole, Mikequot ltMike. Vanolecingulargt skriver: gt gt gt Jeg må beregne et glidende gjennomsnitt og jeg vil gjerne gjøre det med SQL, gt gt eller en Pg-funksjon bygget for dette formålet. Jeg er på side 7.4. Er det mulig å gt gt i Pg uten en mengde selvforbindelser, eller er det en funksjon tilgjengelig? Uheldigvis går glidende gjennomsnitt inn i en klasse av funksjoner, kalt ytic gt-funksjoner (minst det er det Oracle kaller dem) som iboende er vanskelig å gt-modellen effektivt i SQL. Postgres har ikke noen spesiell støtte for dette gt settet med funksjoner, så du er fast i å gjøre det på ineffektive måter som standard gt SQL tillater. gt gt Jeg tror dette er enda vanskelig å implementere korrekt ved hjelp av Postgress ekstremt funksjonell støttefunksjon. Selv om du implementerte det i Perl eller Python, tror jeg ikke det er noen måte å tildele et midlertidig statisk lagringsområde for et gitt anropsside. Så den bevegelige gjennomsnittsfunksjonen ville oppføre seg merkelig hvis du gt ringte det to ganger i et gitt spørsmål. gt gt men hvis du kan arbeide innenfor det hilsen bør det være greit å implementere det effektivt i perl eller python Alternativt kan du skrive en gt plpgsql-funksjon for å beregne det spesifikke glidende gjennomsnittet du trenger som velger SELECT selv. Hvis du føler deg eventyrlystne, kan du se på Oracle's dømmekraft på deres ytiske funksjoner og se om du kan komme opp med noe generisk for PostgreSQL. Selv om du bare gjør en glidende gjennomsnittsfunksjon, ville det være en god start. - Jim C. Nasby, databasekonsulent emaildecibeldecibel. orgemail Gi datamaskinen noen hjerne candy urldistributedurl Team 1828 Windows: quote Hvor vil du gå i dag? Linux: quote Hvor vil du gå tomorrowquot FreeBSD: quotAre du kommer, eller whatquot - ------------------------- (slutten av sendingen) -------------------- ------- TIP 2: Du kan slippe av alle lister samtidig med avregistrer kommandoen (send kvitteringsregister YourEmailAddressHerequot til emailmajordomopostgresql. orgemail) quotJim C. Nasbyquot ltdecibeldecibel. orggt skriver: gt Hvis du føler deg eventyrlystne, kan du se på Oracles doentation gt på deres ytic funksjoner og se om du kan komme opp med noe gt generisk for PostgreSQL. Jeg tror den harde delen av å gjøre en enkel implementering er nettopp det punktet jeg reiste om å gjøre det i Perl eller Python. På en eller annen måte må du tildele et statisk lagringsområde som er spesifikt for anropssiden. Det er som et aggregatfunksjonskall bortsett fra selvfølgelig at du kommer til å returnere en dato for hver post. For en fullstendig implementering er det mye mer detaljer. Hvis jeg forstår riktig i Oracle, får du spesifisere et ORDER BY-punkt og tilsvarende et GROUP BY-punkt i ytic-funksjonen. Jeg tror at hvert anropsside selv kan ha sin egen bestilling og gruppering. gt Selv om du bare gjør en glidende gjennomsnittsfunksjon, ville det være en god start. Egentlig ville kjæledyret mitt være en quotrankquot-funksjon. Så du kan gjøre noe som å kvittere de 3 beste scoringspillerne fra hver lagspot. Foreløpig er den foreslåtte måten å gjøre det ved å bruke en aggregatfunksjon for å samle opp dataene i en matrise. Re: Beregning av et bevegelige gjennomsnitt Med mindre jeg er grov misforståelse, tror jeg at en utløser skrevet i PLPGsql ville fungere bra. Noe som dette: CREATE TABLE foo (fooid SERIAL primærnøkkel, foo TEXT) CREATE TABLE bar (fulle INTEGER referanser foo, barid SERIAL primærnøkkel, bar DOBBEL PRECISION IKKE NULL) CREATE TABLE baravg (fulle INTEGER primære nøkkelhenvisninger foo, baravg DOUBLE PRECISION ) CREATE ELLER BYTE FUNKSJON getbaravg () RETURNS TRIGGER AS DECLARE barrecord RECORD x INTEGER OG DOBBEL PRECISION: 0 BEGYNN Hvis TGOP INSERT THEN y: y NEW. bar x: 1 FOR barrecord I SELECT FROM bar LOOP IF NEW. fooid barrecord. fooid THEN y: y barrecord. bar x: x 1 END IF END LOOP y: yx HVIS EXISTS (VELG FRA BARAVG HVOR FULL NYHET. FØLG) OPPDATERING BARAVG SET baravg. baravg Y HVOR FULL NYHET. FULL ELLER INSERT TIL BARAVG VALUES (NEW. fooid, y) Slutt hvis RETURN NY ELSIF TGOP SLETT DER x: 0 FOR barrecord I SELECT FROM bar LOOP IF OLD. fooid barrecord. fooid OG OLD. barid ltgt barrecord. barid OG Y: y barrecord. bar x: x 1 END IF END LOOP IF x lgt 0 THEN y: yx END OM OPPDATERING baravg SET baravg. baravg y WHERE fooid OLD. fooid RETURN OLD ELSE y: y NEW. bar x: 1 FOR barrecord I SELECT FROM bar LOOP IF OLD. barid ltgt barrecord. barid THEN y: y barrecord. bar x: x 1 END IF END LOOP y: yx UPDATE baravg SET baravg. baravg WHERE fooid OLD. fooid RETURN NYT SLUT HVIS ENDT SPRÅK plpgsql CREATE TRIGGER getbaravg FØR INSERT ELLER SLETT ELLER OPPDATER PÅ BAR FOR HVER RAD EXECUTE PROCEDURE getbaravg () Det burde fungere, Quoting quotJim C. Nasbyquot ltdecibeldecibel. orggt: gt På fredag ​​21 jan 2005 kl 12:53:45 -0500 skrev Greg Stark: Det er ikke klart hva du spør. Har du et reelt eksempel, helst med EXPLAIN-utgang På onsdag 26. januar 2005 klokka 11:12:25 0100 skrev PFC: gt gt Hvordan gjør du en selvtillit på en undervelger gt gt som gt SELECT a. xb. x FRA (subselect) a, (subselect) b HVOR a. id b. id10 gt gt men uten å utføre subselekten to ganger gt. gt gt --------------------------- (slutten av sendingen) ---------------- ----------- gt TIP 9: Planner vil ignorere ditt ønske om å velge en indekssøk hvis dine gt-kolonner datatyper ikke samsvarer med gt - Jim C. Nasby, Database Consultant emaildecibeldecibel. orgemail Gi din datamaskin noen hjernens godteri utdelt av Team 1828 Windows: hvor vil du gå i dag? Linux: quote Hvor vil du gå imorgen FreeBSD: quotAre dere kommer, eller hva? ---------------- ----------- (slutten av sendingen) --------------------------- TIP 2: du kan gå av alle lister samtidig med avregistreringskommandoen (send kvotregister YourEmailAddressHerequot til emailmajordomopostgresql. orgemail) Moving Averages - Enkle og eksponentielle Moving Averages - Enkel og eksponentiell introduksjon Flytte gjennomsnitt øker prisdataene for å danne en trend-indikator. De forutsier ikke prisretning, men definerer snarere den nåværende retningen med et lag. Flytte gjennomsnittlig forsinkelse fordi de er basert på tidligere priser. Til tross for denne tøysen, beveger bevegelige gjennomsnitt en jevn prishandling og filtrerer ut støyen. De danner også byggesteinene for mange andre tekniske indikatorer og overlegg, for eksempel Bollinger Bands. MACD og McClellan Oscillator. De to mest populære typene av bevegelige gjennomsnittsverdier er Simple Moving Average (SMA) og Exponentential Moving Average (EMA). Disse bevegelige gjennomsnittsverdiene kan brukes til å identifisere retningen til trenden eller definere potensielle støtte - og motstandsnivåer. Here039s et diagram med både en SMA og en EMA på den: Simple Moving Average Calculation Et enkelt bevegelige gjennomsnitt er dannet ved å beregne gjennomsnittsprisen på en sikkerhet over et bestemt antall perioder. De fleste bevegelige gjennomsnitt er basert på sluttkurs. Et 5-dagers enkelt glidende gjennomsnitt er den fem dagers summen av sluttkurs dividert med fem. Som navnet antyder, er et glidende gjennomsnitt et gjennomsnitt som beveger seg. Gamle data blir droppet da nye data kommer til rådighet. Dette får gjennomsnittet til å bevege seg langs tidsskalaen. Nedenfor er et eksempel på et 5-dagers glidende gjennomsnitt som utvikler seg over tre dager. Den første dagen i det bevegelige gjennomsnittet dekker de siste fem dagene. Den andre dagen i glidende gjennomsnitt dråper det første datapunktet (11) og legger til det nye datapunktet (16). Den tredje dagen i det bevegelige gjennomsnittet fortsetter ved å slippe det første datapunktet (12) og legge til det nye datapunktet (17). I eksemplet ovenfor øker prisene gradvis fra 11 til 17 over totalt syv dager. Legg merke til at det bevegelige gjennomsnittet også stiger fra 13 til 15 over en tre-dagers beregningsperiode. Legg også merke til at hver glidende gjennomsnittsverdi ligger like under siste pris. For eksempel er det bevegelige gjennomsnittet for første dag 13 og siste pris 15. Prisene de foregående fire dagene var lavere, og dette medfører at det bevegelige gjennomsnittet går til lag. Eksponentiell Flytende Gjennomsnittlig Beregning Eksponentielle glidende gjennomsnitt reduserer forsinkelsen ved å bruke mer vekt til de siste prisene. Vektingen som brukes på den siste prisen, avhenger av antall perioder i glidende gjennomsnitt. Det er tre trinn for å beregne et eksponentielt glidende gjennomsnitt. Først beregner du det enkle glidende gjennomsnittet. Et eksponentielt glidende gjennomsnitt (EMA) må starte et sted slik at et enkelt glidende gjennomsnitt blir brukt som forrige periode039s EMA i den første beregningen. For det andre, beregne vektingsmultiplikatoren. Tredje, beregne eksponentielt glidende gjennomsnitt. Formelen nedenfor er for en 10-dagers EMA. Et 10-års eksponentielt glidende gjennomsnitt bruker en 18,18 vekting til den siste prisen. En 10-årig EMA kan også kalles en 18.18 EMA. En 20-årig EMA gjelder en vei på 9,52 til den siste prisen (2 (201) .0952). Legg merke til at vektingen for kortere tidsperiode er mer enn vektingen for lengre tidsperiode. Faktisk faller vekten halvparten hver gang den bevegelige gjennomsnittlige perioden fordobles. Hvis du vil ha en bestemt prosentandel for en EMA, kan du bruke denne formelen til å konvertere den til tidsperioder, og deretter angi verdien som EMA039-parameteren: Nedenfor er et regneark eksempel på et 10-dagers enkelt glidende gjennomsnitt og en 10- dag eksponentiell glidende gjennomsnitt for Intel. Enkle bevegelige gjennomsnitt er rett frem og krever liten forklaring. 10-dagers gjennomsnittet beveger seg ganske enkelt som nye priser blir tilgjengelige og gamle priser faller av. Det eksponentielle glidende gjennomsnittet begynner med den enkle glidende gjennomsnittsverdien (22,22) i den første beregningen. Etter den første beregningen tar den normale formelen over. Fordi en EMA begynner med et enkelt bevegelig gjennomsnittsmål, blir dens virkelige verdi ikke realisert før 20 eller så perioder senere. Med andre ord kan verdien på Excel-regnearket avvike fra diagramverdien på grunn av den korte tilbakekallingsperioden. Dette regnearket går bare tilbake 30 perioder, noe som betyr at påvirkning av det enkle glidende gjennomsnittet har hatt 20 perioder å forsvinne. StockCharts går tilbake minst 250 perioder (vanligvis mye lenger) for beregningene, slik at effektene av det enkle glidende gjennomsnittet i den første beregningen er fullstendig forsvunnet. Lagfaktoren Jo lengre det bevegelige gjennomsnittet, desto mer lagret. Et 10-dagers eksponensielt glidende gjennomsnitt vil krame prisene ganske tett og ta kort tid etter at prisene svinger. Kortflytende gjennomsnitt er som fartbåter - skumle og raske å forandre seg. I motsetning til dette, inneholder et 100-dagers glidende gjennomsnitt mange tidligere data som reduserer det. Lengre bevegelige gjennomsnitt er som havskipskip - sløv og sakte å forandre. Det tar en større og lengre prisbevegelse for et 100-dagers glidende gjennomsnitt for å bytte kurs. Tabellen over viser SampP 500 ETF med en 10-dagers EMA tett følgende priser og en 100-dagers SMA-sliping høyere. Selv med januar-februar-tilbakegangen holdt 100-dagers SMA kurset og gikk ikke ned. 50-dagers SMA passer et sted mellom 10 og 100 dagers glidende gjennomsnitt når det gjelder lagfaktoren. Enkel vs eksponentiell flytende gjennomsnitt Selv om det er klare forskjeller mellom enkle glidende gjennomsnitt og eksponentielle glidende gjennomsnitt, er det ikke nødvendigvis bedre enn det andre. Eksponentielle glidende gjennomsnitt har mindre forsinkelse og er derfor mer følsomme overfor siste priser - og de siste prisendringene. Eksponentielle glidende gjennomsnitt vil slå før enkle glidende gjennomsnitt. Enkle bevegelige gjennomsnitt, derimot, representerer et sant gjennomsnitt av priser for hele tidsperioden. Som sådan kan enkle bevegelige gjennomsnitt være bedre egnet til å identifisere støtte - eller motstandsnivåer. Flytte gjennomsnittlig preferanse avhenger av mål, analytisk stil og tidshorisont. Chartister bør eksperimentere med begge typer bevegelige gjennomsnitt samt forskjellige tidsrammer for å finne den beste passformen. Tabellen nedenfor viser IBM med 50-dagers SMA i rødt og 50-dagers EMA i grønt. Begge toppet i slutten av januar, men nedgangen i EMA var skarpere enn nedgangen i SMA. EMA dukket opp i midten av februar, men SMA fortsatte å bli lavere til slutten av mars. Legg merke til at SMA dukket opp over en måned etter EMA. Lengder og tidsrammer Lengden på det bevegelige gjennomsnittet avhenger av de analytiske målene. Kortvarige gjennomsnitt (5-20 perioder) passer best for kortsiktige trender og handel. Chartister interessert i langsiktige trender ville velge lengre bevegelige gjennomsnitt som kan utvide 20-60 perioder. Langsiktig investorer vil foretrekke å flytte gjennomsnitt med 100 eller flere perioder. Noen bevegelige gjennomsnittlige lengder er mer populære enn andre. 200-dagers glidende gjennomsnitt er kanskje den mest populære. På grunn av lengden er dette klart et langsiktig glidende gjennomsnitt. Deretter er det 50-dagers glidende gjennomsnittet ganske populært for den langsiktige trenden. Mange diagrammer bruker de 50-dagers og 200-dagers glidende gjennomsnittene sammen. Kortsiktig, et 10-dagers glidende gjennomsnitt var ganske populært tidligere, fordi det var lett å beregne. Man lagde bare tallene og flyttet desimaltegnet. Trend Identification De samme signalene kan genereres ved hjelp av enkle eller eksponentielle glidende gjennomsnitt. Som nevnt ovenfor er preferansen avhengig av hver enkelt person. Disse eksemplene nedenfor vil bruke både enkle og eksponentielle glidende gjennomsnitt. Begrepet glidende gjennomsnitt gjelder både enkle og eksponentielle glidende gjennomsnitt. Retningen av det bevegelige gjennomsnittet gir viktig informasjon om priser. Et stigende glidende gjennomsnitt viser at prisene generelt øker. Et fallende glidende gjennomsnitt indikerer at prisene i gjennomsnitt faller. Et stigende langsiktig glidende gjennomsnitt reflekterer en langsiktig opptrend. Et fallende langsiktig glidende gjennomsnitt reflekterer en langsiktig nedtrend. Tabellen over viser 3M (MMM) med et 150-dagers eksponensielt glidende gjennomsnitt. Dette eksempelet viser hvor godt bevegelige gjennomsnittsverdier fungerer når trenden er sterk. Den 150-dagers EMA avslått i november 2007 og igjen i januar 2008. Legg merke til at det tok 15 tilbakegang å reversere retningen av dette bevegelige gjennomsnittet. Disse forsinkende indikatorene identifiserer trendendringer som de oppstår (i beste fall) eller etter at de oppstår (i verste fall). MMM fortsatte ned til mars 2009 og økte deretter 40-50. Legg merke til at 150-dagers EMA ikke viste seg før etter denne bølgen. Når det gjorde det, fortsatte MMM høyere de neste 12 månedene. Flytte gjennomsnitt arbeider briljant i sterke trender. Double Crossovers To bevegelige gjennomsnitt kan brukes sammen for å generere crossover-signaler. I teknisk analyse av finansmarkedene. John Murphy kaller dette den dobbelte crossover-metoden. Dobbeltoverganger innebærer et relativt kort glidende gjennomsnitt og et relativt langt bevegelige gjennomsnitt. Som med alle bevegelige gjennomsnitt, definerer den generelle lengden på det bevegelige gjennomsnittet tidsrammen for systemet. Et system som bruker en 5-dagers EMA og 35-dagers EMA, vil bli ansett som kortsiktige. Et system som bruker en 50-dagers SMA og 200-dagers SMA, vil bli vurdert på mellomlang sikt, kanskje til og med på lang sikt. Et kystovergang skjer når kortere bevegelige gjennomsnittsværdier krysser over lengre bevegelige gjennomsnitt. Dette er også kjent som et gyldent kors. Et bearish crossover oppstår når kortere bevegelige gjennomsnitt krysser under lengre bevegelige gjennomsnitt. Dette er kjent som et dødt kryss. Flytte gjennomsnittsoverganger gir relativt sent signaler. Tross alt har systemet to forsinkende indikatorer. Jo lengre bevegelige gjennomsnittsperioder, desto større er lagringen i signalene. Disse signalene fungerer bra når en god trend tar tak. Imidlertid vil et glidende gjennombruddssystem produsere mange whipsaws i fravær av en sterk trend. Det er også en trippel crossover metode som involverer tre bevegelige gjennomsnitt. Igjen genereres et signal når det korteste bevegelige gjennomsnittet krysser de to lengre bevegelige gjennomsnittene. Et enkelt tredelt crossover-system kan innebære 5-dagers, 10-dagers og 20-dagers glidende gjennomsnitt. Tabellen over viser Home Depot (HD) med en 10-dagers EMA (grønn prikket linje) og 50-dagers EMA (rød linje). Den svarte linjen er den daglige lukkingen. Å bruke en glidende gjennomsnittsovergang ville ha resultert i tre whipsaws før du fikk en god handel. Den 10-dagers EMA brøt under 50-dagers EMA i slutten av oktober (1), men dette var ikke lenge da 10-dagene flyttet tilbake over midten av november (2). Dette krysset varet lengre, men neste bearish crossover i januar (3) skjedde nær prisnivået i slutten av november, noe som resulterte i en annen whipsaw. Dette bearish krysset varede ikke lenge da 10-dagers EMA flyttet tilbake over 50-dagen noen dager senere (4). Etter tre dårlige signaler forløste det fjerde signalet et sterkt trekk når aksjene økte over 20. Det er to takeaways her. For det første er crossovers utsatt for whipsaw. Et pris - eller tidsfilter kan brukes for å forhindre whipsaws. Traders kan kreve crossover til siste 3 dager før du handler eller krever at 10-dagers EMA skal flytte over 50-dagers EMA med en viss mengde før du handler. For det andre kan MACD brukes til å identifisere og kvantifisere disse kryssene. MACD (10,50,1) viser en linje som representerer forskjellen mellom de to eksponentielle glidende gjennomsnittene. MACD blir positiv under et gyldent kors og negativt under et dødt kryss. Prosentpris Oscillatoren (PPO) kan brukes på samme måte som prosentandeler. Vær oppmerksom på at MACD og PPO er basert på eksponentielle glidende gjennomsnitt og stemmer ikke overens med enkle glidende gjennomsnitt. Dette diagrammet viser Oracle (ORCL) med 50-dagers EMA, 200-dagers EMA og MACD (50,200,1). Det var fire bevegelige gjennomsnittsoverskridelser over en 12-årig periode. De første tre resulterte i whipsaws eller dårlige handler. En vedvarende trend begynte med fjerde crossover som ORCL avansert til midten av 20-tallet. Nok en gang jobber glidende gjennomsnittsoverganger godt når trenden er sterk, men produserer tap i fravær av en trend. Prisoverskridelser Flytte gjennomsnitt kan også brukes til å generere signaler med enkle prisoverskridelser. Et bullish signal genereres når prisene går over det bevegelige gjennomsnittet. Et bearish signal genereres når prisene flytter under det bevegelige gjennomsnittet. Prisoverskridelser kan kombineres for å handle innenfor den større trenden. Det lengre bevegelige gjennomsnittet setter tonen for den større trenden, og det kortere glidende gjennomsnittet brukes til å generere signalene. Man ville se etter bullish prisoverganger bare når prisene allerede er over det lengre bevegelige gjennomsnittet. Dette ville være handel i harmoni med den større trenden. For eksempel, hvis prisen ligger over 200-dagers glidende gjennomsnitt, vil kartleggere bare fokusere på signaler når prisen beveger seg over 50-dagers glidende gjennomsnitt. Åpenbart vil et trekk under 50-dagers glidende gjennomsnitt forutse et slikt signal, men slike bearish kryss vil bli ignorert fordi den større trenden er oppe. Et bearish kryss ville bare foreslå en tilbaketrekking i en større opptrinn. Et kryss tilbake over 50-dagers glidende gjennomsnitt ville signalere en oppgang i prisene og fortsettelsen av den store opptrenden. Neste diagram viser Emerson Electric (EMR) med 50-dagers EMA og 200-dagers EMA. Aksjen flyttet over og holdt over 200-dagers glidende gjennomsnitt i august. Det var dips under 50-dagers EMA tidlig i november og igjen tidlig i februar. Prisene flyttet raskt over 50-dagers EMA for å gi bullish signaler (grønne piler) i harmoni med større opptrinn. MACD (1,50,1) vises i indikatorvinduet for å bekrefte priskryss over eller under 50-dagers EMA. Den 1-dagers EMA er lik sluttkurs. MACD (1,50,1) er positiv når lukkingen er over 50-dagers EMA og negativ når lukkingen er under 50-dagers EMA. Støtte og motstand Flytte gjennomsnitt kan også fungere som støtte i en uptrend og motstand i en downtrend. En kortsiktig opptrend kan finne støtte nær 20-dagers enkeltflytende gjennomsnitt, som også brukes i Bollinger Bands. Et langsiktig opptrend kan finne støtte nær det 200-dagers enkle glidende gjennomsnittet, som er det mest populære langsiktige glidende gjennomsnittet. Faktisk kan 200-dagers glidende gjennomsnitt gi støtte eller motstand bare fordi den er så mye brukt. Det er nesten som en selvoppfyllende profeti. Figuren over viser NY Composite med det 200-dagers enkle glidende gjennomsnittet fra midten av 2004 til slutten av 2008. 200-dagene ga støtte mange ganger under forskudd. Når trenden reverserte med en dobbel toppstøt, virket det 200-dagers glidende gjennomsnittet som motstand rundt 9500. Forvent ikke eksakte støtte - og motstandsnivåer fra bevegelige gjennomsnitt, spesielt lengre bevegelige gjennomsnitt. Markeder er drevet av følelser, noe som gjør dem utsatt for overskudd. I stedet for eksakte nivåer kan bevegelige gjennomsnittsverdier brukes til å identifisere støtte - eller motstandssoner. Konklusjoner Fordelene ved å bruke bevegelige gjennomsnitt må veies mot ulempene. Flytte gjennomsnitt er trenden som følger eller forsinker, indikatorer som alltid vil være et skritt bakover. Dette er ikke nødvendigvis en dårlig ting skjønt. Tross alt er trenden din venn, og det er best å handle i retning av trenden. Flytte gjennomsnitt sikrer at en næringsdrivende er i tråd med den nåværende trenden. Selv om trenden er din venn, legger verdipapirer mye tid i handelsområder, noe som gjør flytteverdier ineffektive. En gang i en trend vil glidende gjennomsnitt holde deg i, men også gi sent signal. Don039t forventer å selge på toppen og kjøpe på bunnen ved hjelp av bevegelige gjennomsnitt. Som med de fleste tekniske analyseverktøy, bør bevegelige gjennomsnitt ikke brukes alene, men i forbindelse med andre komplementære verktøy. Chartister kan bruke bevegelige gjennomsnitt for å definere den overordnede trenden og deretter bruke RSI til å definere overkjøpte eller oversolgte nivåer. Legge til bevegelige gjennomsnitt til StockCharts-diagrammer Flytte gjennomsnitt er tilgjengelig som en prisoverleggsfunksjon på SharpCharts arbeidsbenk. Med rullegardinmenyen Overlays kan brukerne velge enten et enkelt glidende gjennomsnitt eller et eksponentielt glidende gjennomsnitt. Den første parameteren brukes til å angi antall tidsperioder. En valgfri parameter kan legges til for å spesifisere hvilket prisfelt som skal brukes i beregningene - O for Åpen, H for Høy, L for Lav og C for Lukk. Et komma brukes til å skille mellom parametere. En annen valgfri parameter kan legges til for å skifte de bevegelige gjennomsnittene til venstre (tidligere) eller høyre (fremtidige). Et negativt tall (-10) ville skifte det bevegelige gjennomsnittet til venstre 10 perioder. Et positivt tall (10) ville skifte det bevegelige gjennomsnittet til høyre 10 perioder. Flere bevegelige gjennomsnitt kan overlappes prisplottet ved ganske enkelt å legge til en annen overleggslinje til arbeidsbenken. StockCharts medlemmer kan endre farger og stil for å skille mellom flere bevegelige gjennomsnitt. Når du har valgt en indikator, åpner du Avanserte alternativer ved å klikke på den lille grønne trekant. Avanserte alternativer kan også brukes til å legge til et glidende gjennomsnittlig overlegg til andre tekniske indikatorer som RSI, CCI og Volume. Klikk her for et live diagram med flere forskjellige bevegelige gjennomsnitt. Bruke Flytte Gjennomsnitt med StockCharts-skanninger Her er noen prøve-skanninger som StockCharts-medlemmer kan bruke til å skanne etter ulike bevegelige gjennomsnittlige situasjoner: Bullish Moving Average Cross: Denne skanningen ser etter aksjer med et stigende 150-dagers enkelt glidende gjennomsnitt og et bullish kryss av 5 - dag EMA og 35-dagers EMA. Det 150-dagers glidende gjennomsnittet stiger så lenge det handler over nivået for fem dager siden. Et bullish kryss oppstår når 5-dagers EMA beveger seg over 35-dagers EMA på over gjennomsnittet. Bearish Moving Average Cross: Denne skanningen ser etter aksjer med et fallende 150-dagers enkelt glidende gjennomsnitt og et bearish kryss av 5-dagers EMA og 35-dagers EMA. Det 150-dagers glidende gjennomsnittet faller så lenge det handler under nivået for fem dager siden. Et bearish kryss oppstår når 5-dagers EMA beveger seg under 35-dagers EMA på over gjennomsnittet. Videre studie John Murphy039s bok har et kapittel viet til bevegelige gjennomsnitt og deres ulike bruksområder. Murphy dekker fordeler og ulemper ved å flytte gjennomsnitt. I tillegg viser Murphy hvordan bevegelige gjennomsnitt arbeider med Bollinger Bands og kanalbaserte handelssystemer. Teknisk analyse av finansmarkedene John MurphyMetrics Maven: Beregner et flytende gjennomsnitt i PostgreSQL I vår Metrics Maven-serie deler Composes datavitenskapelig database funksjoner, tips, triks og kode du kan bruke til å få beregningene du trenger fra dataene dine. I denne artikkelen ser du godt på hvordan du beregner et bevegelige gjennomsnitt i PostgreSQL. Denne artikkelen bygger på våre tidligere to artikler om Window Funksjoner og Window Frames i PostgreSQL. Nå dra nytte av vinduene som vi tidligere har diskutert for å beregne et glidende gjennomsnitt, og vel, se også på en alternativ metode. Hva er et bevegelige gjennomsnitt? Et bevegelige gjennomsnitt er bare det det høres ut - et gjennomsnitt som kontinuerlig beveger seg basert på endring av inngang. For eksempel kan det hende du vil ta gjennomsnittet av noen verdi for de 100 beste oppføringene eller for de foregående 30 dagene. Fordi du vil få nye oppføringer i databasen din eller fordi hver ny dag er en annen dato, endres gjennomsnittet. Begrepet glidende gjennomsnitt er også synonymt med rullende gjennomsnitt eller løpende gjennomsnitt, men det er noen forskjellige typer bevegelige gjennomsnitt. I denne artikkelen skulle vi fokusere på det enkle glidende gjennomsnittet for å få føttene våte og også kort å se på det kumulative glidende gjennomsnittet på slutten av artikkelen. Fremtidige artikler vil dekke vektede glidende gjennomsnitt og eksponentielle glidende gjennomsnitt. Grunnen til å bruke et glidende gjennomsnitt for dine beregninger er å gjøre det lettere å se på trender. Det er en vanlig brukt teknikk i økonomi - og forretningsanalyse for å glatte ut dips og pigger som kan forekomme i dataene, slik at sanne trender kan identifiseres over endringsserien. Å finne ut hvordan man utfører beregningen etter hvert som dataene endres kan være litt skremmende, men hvis du aldri har gjort det. Når du lærer en metode du liker, skjønt (vel dekker to), er det lett å gjøre, og du finner mange bruksområder for det i sporing og rapportering. Lar komme til det. Første ting først: vel trenger et bord som inneholder de verdiene vi vil gjennomsnittlig. I praksis på Compose finner vi ofte at basisdataene vi trenger ikke allerede er pent definert i ett bord. Derfor har vi noen aggregatbord som trekker dataene vi trenger sammen. Dette er grunntabellene som vi vil bruke mer avanserte beregninger på, som et glidende gjennomsnitt. I noen tilfeller er disse avledede tabeller som eksisterer midlertidig for gjennomføring av hovedspørsmålet. I andre tilfeller kan vi bruke en visning eller en materialisert visning. Så, men du kommer til det, du trenger et bord som inneholder verdiene du vil gjennomsnittlig, og uansett dimensjon (er) du vil bestille dataene av. For eksempel kan vi si at vi har blitt bedt om å lage et 30-dagers rullende gjennomsnitt for appnedlastinger fra Eksempel Co. Appnedlastingsdataene blir populært daglig til et bord som heter appdownloadsbydate, og den siste delen av det ser slik ut: I dette eksemplet, bestilling etter dato vil være viktig siden vi vil beregne et 30-dagers rullende gjennomsnitt over den foregående serien av datoer. På grunn av dette er det viktig at vi har en rad for hver dato. I vårt tilfelle gjør vi det, men hvis du har hull i dataene dine der det ikke er noen verdier for bestemte datoer, kan du bruke generateseries når du bygger opp ditt bord for å sikre at du har alle raderne du trenger. Legg merke til hvordan dette tidsintervallet inneholder svingende appnedlastinger totaltall fra 35 til 7. Det er veldig vanskelig å se en trend fra disse dataene: Skriv inn glidende gjennomsnitt. Bruke vindusrammer for et enkelt glidende gjennomsnitt Hvis du husker fra vår tidligere artikkel i denne serien. vindusrammer brukes til å angi antall rader rundt den nåværende raden som vindufunksjonen skal inneholde. De lager en delmengde av data for at vinduets funksjon skal fungere på. Avhengig av dine data og dine behov, kan den bevegelige gjennomsnittlige beregningen inkludere rader både før og etter den nåværende raden, men for vårt formål vil vår glidende gjennomsnitt bruke forrige rader og den nåværende raden fordi vi vil generere en ny glidende gjennomsnittsverdi for hver ny dato. Vår søk ser slik ut: Brukes BESTILL BY på datofeltet for å sikre at dataene våre kommer til å være i den rekkefølgen vi forventer og weve spesifisert ROWS MELLAN 29 PRECEDING AND CURRENT ROW for å angi vinduets ramme for AVG-beregningen. Da vindusrammen forløper for hver dato, brukes bare de foregående 29 radene og den nåværende (30 totale dager) til beregningen: Siden vi ikke viser datoer i vårt grunnbord før 26. mai, kan vi fokusere vår gjennomgang av resultatene på datoer der vi viste deg de 29 foregående radene. La oss ta 30 juni, for eksempel. Vår vindusramme fokuserer vår AVG-aggregering på appnedlastingene fra juni bare, denne delen av vårt grunnbord: Så, hvis vi kartlegger det rullende gjennomsnittet vi har beregnet, kan vi se at dataene er utjevnet og det er en oppadgående trend gjennom den første uken i juni, da en mer flyktig nedadgående trend etter det: Siden dette viser bare en måneds data, er det ikke veldig fortellende for en analytisk rapport, men forhåpentligvis hjelper det deg å forstå hvordan beregning av et bevegelige gjennomsnitt kan være nyttig for virksomheten analyse. Et tips om å ikke inkludere den nåværende raden Hvis du av en eller annen grunn ikke vil inkludere den nåværende raden for vinduets funksjon, og du bruker bare forhåndsdefinerte eller bare FØLGENDE innstillinger for vinduet ditt, er det enkelt å gjøre det med å bruke x PRECEDING eller y FØLGENDE to ganger i ROWS MELLAN. klausul. For eksempel, si at vi ønsket å bruke 30 rader som ligger foran vår nåværende rad, men ikke med den nåværende raden i vindusrammen. Vi kunne skrive denne klausulen som denne: RADER MELLOM 30 PRECEDING OG 1 PRECEDING. På samme måte kan vi ekskludere den nåværende raden, men gjør 30 rader som følger: RADER MELLOM 1 FØLGENDE OG 30 FØLGENDE. En alternativ metode for et enkelt bevegelige gjennomsnitt Før PostgreSQL 9.0, har vi ikke tilgjengelige alternativer for x PRECEDING eller Y FOLLOWING. For å beregne et glidende gjennomsnitt uten å bruke en vindusramme, kan vi i stedet bruke to tabellaliaser fra vårt grunnbord. Vel bruk ett alias å operere over det andre ved hjelp av et datoperiode. Sjekk ut: Ved hjelp av denne metoden kan vi oppnå de samme resultatene som beskrevet ovenfor med vindusrammen. Hvis du opererer over store mengder data, vil vinduet ramme alternativet bli mer effektivt, men dette alternativet eksisterer hvis du vil bruke den. Beregning av et kumulativt glidende gjennomsnitt Nå som vi har gjennomgått et par metoder for å beregne et enkelt glidende gjennomsnitt, vel bytt opp vårt eksempel på vinduesramme for å vise hvordan du også kan gjøre et kumulativt glidende gjennomsnitt. De samme prinsippene gjelder, men i stedet for å ha en kontinuerlig skiftende vindusramme for et intervall, strekker rammestilen ut. For eksempel, i stedet for å gjøre et 30-dagers rullende gjennomsnitt, skulle det beregnes et årlig glidende gjennomsnitt. For hver ny dato, er verdien bare inkludert i gjennomsnittlig beregning fra alle tidligere datoer. La oss se på dette eksemplet: Fordi vårt basistabell begynner 1. januar for inneværende år, brukte UNBOUNDED PRECEDING å sette inn vinduet. Resultatene vi kommer tilbake til denne kumulative beregningen ser slik ut: Hvis vi kartlegger disse resultatene, kan du se at fordelen med det kumulative glidende gjennomsnittet er en ytterligere utjevning av dataene, slik at bare betydelige dataendringer vises som trender. Vi ser nå at det er en svak oppadgående trend i år: Innpakning Nå som du vet et par forskjellige typer bevegelige gjennomsnitt du kan bruke og et par forskjellige metoder for å beregne dem, kan du utføre mer innsiktsfull analyse og skape mer effektive rapporter. I vår neste Metrics Maven-artikkel, se på noen alternativer for hvordan du lager data ganske, slik at i stedet for verdier som 20.4184782608695652, vel se 20.42. Se neste gang Beslektede artikler I vår Metrics Maven-serie, komponerer dataforsker aksjer databasefunksjoner, tips, triks og kode du kan bruke for å få thehellip I vår Metrics Maven-serie deler Composes datavitenskapelig database funksjoner, tips, triks og kode Du kan bruke for å få thehellip I vår Metrics Maven-serie, komponerer dataforsker aksjer databasefunksjoner, tips, triks og kode du kan bruke for å få thehellip