이동 평균 matlab 예제

MovAv를 다운로드하십시오. movAv2도보십시오 - 가중치를 허용하는 업데이트 된 버전입니다. 설명 Matlab에는 Financial Toolbox에서 movavg 및 tsmovavg 시계열 이동 평균이라는 함수가 포함되어 있으며, movAv는 이들의 기본 기능을 복제하도록 설계되었습니다. 여기 코드는 관리의 좋은 예를 제공합니다 루프 내부에서 인덱스를 작성하는 것은 혼란 스럽습니다. 코드를 짧고 단순하게 유지하여이 프로세스를 명확하게 유지합니다 ..movAv는 일부 상황에서 시끄러운 데이터를 복구하는 데 사용할 수있는 간단한 이동 평균을 수행합니다. 슬라이딩 시간 창에 대한 입력 y의 크기는 n으로 지정됩니다. n이 클수록, n의 효과가 입력 벡터 y의 길이에 비례하여 부드럽게되는 양이 커지며 효율적으로 잘 생성됩니다 로우 패스 주파수 필터 - 예제와 고려 사항 섹션을 참조하십시오. n의 각 값에 의해 제공되는 스무딩의 양은 입력 벡터의 길이에 비례하므로 항상 가치가 있습니다 다른 값을 테스트하여 적절한 것을 확인하십시오. n이 100이면 n 포인트가 손실된다는 것을 기억하십시오. 입력 벡터의 첫 번째 99 포인트에는 평균 100pt에 대한 충분한 데이터가 들어 있지 않습니다. 이것은 평균을 스태킹하여 다소 피할 수 있습니다. 예를 들어, 아래 코드와 그래프는 서로 다른 길이의 윈도우 평균을 비교합니다. 10 10pt는 20pt 평균과 비교됩니다. 두 경우 모두 20 포인트의 데이터가 손실됩니다. xaxis 생성 x 1 0 01 5 잡음 잡음 생성 4 잡음 인자 1, ceil numel x noiseReps, noiseReps, 1 잡음 변형 잡음, 1, 길이 잡음 noiseReps ydata 잡음 생성 y exp x 10 잡음 1 길이 x Perfrom 평균 y2 movAv y, 10 10 pt y3 movAv y2, 10 10 10 pt y4 movAv y, 20 20 pt y5 movav, 40 40 pt y6 movAv y, 100 100 pt 플롯 그림 플롯 x, y, y2, y3, y4, y5, y6 범례 Raw 데이터, 10pt 이동 평균, 10pt, 20pt, 40pt, 100pt xlabel x ylabel y title 이동 평균 비교 ..movAv m 코드 run-through 함수 출력 movAv y, n 첫 번째 줄은 함수 이름, 입력 및 출력을 정의합니다. 입력 x는 평균을 수행 할 데이터의 벡터 여야합니다. n은 평균을 수행하는 평균 포인트 수 여야합니다. 함수에 의해 반환 된 평균 데이터가 포함됩니다. 출력 출력 사전 할당 NaN 1, numel y n midPoint 라운드의 중점 찾기 n 2 함수의 주요 작업은 for 루프에서 수행되지만 시작하기 전에 두 가지가 준비됩니다. stari 출력은 NaN으로 미리 할당됩니다. 이 두 가지 목적을 달성했습니다. 먼저 Matlab이 수행해야하는 메모리 저글링을 줄이기 때문에 우선적으로 사전 할당이 일반적으로 좋은 방법입니다. 둘째, 평균 데이터를 다음과 같은 크기의 출력에 배치하는 것이 매우 쉽습니다. 입력 벡터 이것은 동일한 xaxis가 둘 다 나중에 사용할 수 있다는 것을 의미하며 플로팅에 편리합니다. 또는 NaN을 한 줄의 코드 출력 출력에서 ​​나중에 제거 할 수 있습니다. 변수 midPoint는 출력 벡터의 데이터를 정렬하는 데 사용됩니다 입력 벡터의 처음 9 포인트에 대해 10 포인트 평균을 취하기에 충분한 데이터가 없기 때문에 n 10, 10 포인트가 손실됩니다. 출력이 입력보다 짧으 므로 midPoint가 올바르게 정렬되어야합니다 출력을 미리 할당 할 때 생성 된 NaN 버퍼에 의해 입력과 동일한 양의 데이터가 손실되도록 입력이 유지됩니다. y 길이가 1 인 경우 - n abban보다 평균을 취할 인덱스 범위를 찾습니다. 계산 평균 산출량 a midPoint mean yab end for 루프 자체에서 입력의 각 연속 세그먼트에 대해 평균을 취합니다. 루프는 입력 y의 길이에서 손실 될 데이터를 뺀 길이 1까지 정의됩니다. n If 입력은 100 포인트 길이이고 n은 10입니다. 루프는 1에서 90까지 실행됩니다. 이것은 평균화 할 세그먼트의 첫 번째 인덱스를 제공합니다. 두 번째 인덱스 b는 단순히 n-1입니다. 따라서 첫 번째 반복에서, a 1 n 10 그래서 b 11-1 10 첫 번째 평균은 yab 또는 x 1을 취함 10이 세그먼트의 평균값은 단일 값으로 인덱스 a midPoint 또는 1 5 6.에 저장됩니다. 6. 두 번째 반복 , a 2 b 2 10-1 11 따라서 평균은 x 2 11에서 취해지고 출력 7에 저장됩니다. 길이 100의 입력에 대한 루프의 마지막 반복에서 평균은 91b 90 10-1 100이므로 x 91 100 이상이고 출력 95에 저장됩니다. 이 결과는 인덱스 1,5 및 96에서 n 개의 총 10 개의 NaN 값을 출력합니다. 예제 및 고려 사항 이동 평균은 일부 상황에서는 유용하지만 항상 최상의 선택은 아닙니다. 다음은 마이크가 최적이 아닌 두 가지 예입니다. 마이크 보정이 데이터 세트는 스피커에서 생성되고 알려진 선형 응답으로 마이크에서 녹음 된 각 주파수의 레벨을 나타냅니다. 스피커의 출력은 빈도를 조정할 수 있지만 보정 데이터로 이러한 변동을 수정할 수 있습니다. 출력은 보정의 변동을 고려하여 레벨을 조정할 수 있습니다. 원시 데이터에는 시끄러운 참고 사항이 있습니다. 즉, 빈도가 약간 변경되면 크거나, 이상한, 레벨에 대한 설명이 현실적인가 아니면 이것이 녹음 환경의 결과인지 여부이 경우에는 레벨 주파수 곡선을 부드럽게하는 약간의 변동 곡선을 제공하는 이동 평균을 적용하는 것이 합리적입니다 그러나이 예제에서 왜 최적이 아닌가? 더 많은 데이터가 더 좋을 것입니다 - 여러 개의 캘리브레이션을 평균 실행하면 시스템의 노이즈가 파괴되는 동안 파괴됩니다 dom과 덜 섬세한 디테일을 잃은 커브를 제공합니다. 이동 평균은 근사값 일 수 있으며, 실제로 존재하는 커브에서 더 높은 주파수 딥과 피크를 제거 할 수 있습니다. 사인파 사인파에서 이동 평균을 사용하면 두 포인트가 강조됩니다. 일반 평균을 수행하기 위해 합리적인 수의 포인트를 선택하는 문제. 간단하지만 시간 영역에서 진동 신호를 평균화하는 것보다 효과적인 신호 분석 방법이 있습니다. 이 그래프에서 원래의 사인파는 파란색으로 표시됩니다. 오렌지색 곡선으로 추가되고 플롯됩니다. 이동 평균은 원래의 웨이브를 복구 할 수 있는지 확인하기 위해 다른 수의 포인트에서 수행됩니다. 5와 10 포인트는 합리적인 결과를 제공하지만 더 많은 수의 포인트가 시작되는 곳에서는 노이즈를 완전히 제거하지 마십시오. 평균이 다른 단계에 걸쳐 확장됨에 따라 진폭 세부 정보가 손실됩니다. 웨이브가 0 주위를 오스틸하고 평균 -1 1을 의미합니다. 대안으로는 로우 패스 필터를 구성 할 수 있습니다 주파수 영역에서 신호에 적용되었지만, 이 기사의 범위를 넘어서는 세부 사항은 아니지만 잡음이 파 기본 주파수보다 상당히 높기 때문에이 경우에는 저주파 필터는 고주파 노이즈를 제거하는 것보다 더 좋습니다 .29 9 월, 2013. 회선에 의한 이동 평균. 이동 평균은 무엇이며 무엇이 좋은가? 회귀 평균은 회선을 사용하여 어떻게됩니까? 평균 이동은 일반적으로 우리는 각 점의 값을 이웃에있는 값의 평균값으로 설정하는 신호의 잡음을 억제합니다. 공식에 의해 x는 입력이고 y는 출력 신호이고 반면에 창의 크기는 w이고 홀수라고 가정합니다 위의 공식은 샘플이 실제 점의 양쪽에서 가져온 대칭 연산을 설명합니다. 아래 예제는 실재 예제입니다. 창을 실제로 긋는 점은 빨간색입니다. x 외부의 값은 0으로 간주됩니다. 놀고 볼 수는 있습니다. 일 이 이동식 데모를 살펴보십시오. 회선을 사용하여 작업하는 방법. 간단한 이동 평균을 계산하는 것은 두 가지 경우의 회선과 비슷합니다. 신호를 따라 창을 슬라이드하고 요소 따라서 창에서 컨볼 루션을 사용하여 동일한 작업을 시도해보십시오. 다음 매개 변수를 사용하십시오. 원하는 출력이 있습니다. 첫 번째 방법으로 다음 신호를 k 커널과 컨볼 루션하여 시도해 봅니다. 출력은 기대 한 것보다 정확히 3 배 더 큽니다. 출력 값은 창에있는 세 요소의 요약입니다. 회 돌이 중 창을 따라 미끄러 져 들어가서 모든 요소에 의해 곱해지기 때문입니다 하나를 요약 한 다음 yk 1 cdot x 1 cdot x 1 cdot x. y의 원하는 값을 얻으려면 출력을 3으로 나누어야합니다. 나누기를 포함하는 수식을 사용합니다. 그러나 컨볼 루션 중에 나누기를 수행하는 것이 최적이되지 않습니다. 우리는 다음과 같은 k 커널을 사용할 것입니다. 이 방법으로 원하는 출력을 얻을 것입니다. 일반적으로 윈도우 크기가 w 인 컨볼 루션으로 이동 평균을하려면 다음 k 커널을 사용합니다. 함수는 이동 평균을 수행합니다. 사용 예는 다음과 같습니다. 평균 이동 기술 지표 중 이동 평균은 현재 추세의 방향을 측정하는 데 사용됩니다. MA와 같이이 자습서에 일반적으로 쓰여지는 모든 유형의 이동 평균은 다음과 같습니다. 과거 데이터 포인트의 수를 평균하여 계산 된 수학적 결과 일단 결정되면 결과 평균이 차트에 플롯되어 거래자가 매일 매일의 가격 변동에 초점을 맞추기보다는 평활화 된 데이터를 볼 수 있습니다. 인 단순 이동 평균 SMA로 알려진 이동 평균의 가장 단순한 형식은 주어진 값 집합의 산술 평균을 취하여 계산됩니다. 예를 들어, 기본 10 일 이동 평균을 계산하려면 지난 10 일간 종가를 합한 다음 결과를 10으로 나눕니다. 그림 1에서 지난 10 일간의 주가 합계 110을 일일 수로 나눠 10 일 평균에 도달했습니다. 상인은 대신 50 일 평균을보고 싶습니다. 동일한 유형의 계산이 이루어 지지만 지난 50 일 동안의 가격이 포함됩니다. 11 미만인 결과 평균은 과거 10 개 데이터 포인트를 고려하여 상인에게 자산이 지난 10 일에 비해 어떻게 가격이 매겨 졌는지에 대한 아이디어. 아마도 기술 거래자가이 도구를 이동 평균이 아닌 일반 평균이라고 부르는 이유가 궁금 할 것입니다. 새로운 값을 사용할 수있게되면 가장 오래된 데이터 지점을 삭제해야합니다 세트와 새로운 dat에서 따라서 데이터 세트는 새로운 데이터가 사용 가능할 때마다 지속적으로 고려해야합니다. 이 계산 방법을 사용하면 현재 정보 만 고려됩니다. 그림 2에서 새로운 값 5가 세트에 추가하면 지난 10 개의 데이터 포인트를 나타내는 빨간색 상자가 오른쪽으로 이동하고 15의 마지막 값이 계산에서 제외됩니다. 5의 비교적 작은 값이 15의 높은 값을 대체하므로 평균 이 경우에는 11에서 10까지의 데이터 집합 감소가 발생합니다. 이동 평균은 어떻게 보입니까 MA의 값이 계산되면 차트에 플롯되고 연결되어 이동 평균선을 만듭니다. 곡선을 그리는 선은 기술 거래자의 차트에서 흔히 볼 수 있지만 나중에 사용되는 방법은 크게 달라질 수 있습니다. 그림 3에서 볼 수 있듯이 시간의 수를 조정하여 차트에 둘 이상의 이동 평균을 추가 할 수 있습니다 마침표 계산에 사용됩니다. 이 커브 선은 처음에는 산만하거나 혼란스럽게 보일 수 있지만 시간이 지남에 따라 익숙해집니다. 빨간색 선은 단순히 지난 50 일 동안의 평균 가격이며 파란색 선은 평균 가격입니다. 지난 100 일. 이제 이동 평균이 무엇인지 어떻게 보는지, 다른 유형의 이동 평균을 소개하고 이전에 언급 한 단순 이동 평균과 다른 점을 조사 할 것입니다. 단순 이동 평균은 거래자들 사이에서 매우 인기가 있습니다 모든 기술 지표와 마찬가지로 비평가가있다. 많은 사람들은 데이터 계열의 각 지점이 시퀀스에서 발생하는 위치에 관계없이 동일하게 가중치를 부여하기 때문에 SMA의 유용성은 제한적이라고 주장한다. 비평가는 가장 최근의 데이터 이전 데이터보다 더 중요하며 최종 결과에 더 큰 영향을 미쳐야합니다. 이 비판에 대한 응답으로 거래자는 최근 데이터에 더 많은 가중치를 부여하기 시작했습니다. d를 새로운 유형의 다양한 유형의 발명에 적용했으며 그 중 가장 인기있는 것은 지수 이동 평균 EMA입니다. 자세한 내용은 가중 이동 평균의 기본 사항과 SMA와 EMA의 차이점을 참조하십시오. 지수 이동 평균 지수 이동 평균은 새로운 정보에보다 민감하게 반응하기 위해 최근 가격에 더 많은 가중치를 부여하는 이동 평균 유형입니다. EMA를 계산하기위한 다소 복잡한 등식을 배우는 것은 거의 모든 차트 작성 패키지가 당신, 그러나 수학 괴짜 거기, 여기에 EMA 방정식입니다. EMA의 첫 번째 포인트를 계산하는 수식을 사용하면 이전 EMA로 사용할 수있는 가치가 없다는 것을 알 수 있습니다. 이 작은 문제를 해결할 수 있습니다 간단한 이동 평균으로 계산을 시작하고 거기에서 위 공식을 계속 사용하여 실제 exa를 포함하는 샘플 스프레드 시트를 제공했습니다 간단한 이동 평균 및 지수 이동 평균을 계산하는 방법에 대한 설명을 참조하십시오. EMA와 SMA의 차이점 이제 SMA와 EMA가 계산되는 방법을 더 잘 이해하게되었으므로이 평균이 어떻게 다른지 살펴 보겠습니다. EMA의 계산을 살펴보면, 최근 데이터 포인트에 중점을 두어 가중 평균을내는 것을 알 수 있습니다. 그림 5에서 각 평균에 사용 된 기간의 수는 동일하지만 EMA 변화하는 가격에보다 신속하게 대응 가격이 상승 할 때 EMA가 더 높은 가치를 지니고 가격이 하락할 때 SMA보다 빠르다는 것을 주목하십시오. 이 응답은 많은 거래자가 SMA를 통해 EMA를 사용하는 것을 선호하는 주된 이유입니다. 다른 날의 의미 이동 평균은 완전히 사용자 정의 할 수있는 지표입니다. 즉 평균을 생성 할 때 원하는 시간 프레임을 자유롭게 선택할 수 있습니다. 이동 평균에 사용되는 가장 일반적인 기간은 다음과 같습니다. 15, 20, 30, 50, 100 및 200 일 평균을 생성하는 데 사용되는 시간 간격이 짧을수록 변경 가격이 더 민감 해집니다. 시간 간격이 길수록 민감도가 낮아 지거나 평균이 더 매끄러 워집니다. 이동 평균을 설정할 때 사용할 적절한 시간 프레임이 없습니다. 어떤 전략이 가장 적합한 지 알아내는 가장 좋은 방법은 전략에 맞는 전략을 찾을 때까지 여러 가지 다른 기간을 실험하는 것입니다.