Les moyennes mobiles exponentielles doubles expliquées Les commerçants ont compté sur des moyennes mobiles pour aider à repérer des points d'entrée de probabilité élevés et des sorties rentables pendant de nombreuses années. Un problème bien connu avec les moyennes mobiles, cependant, est le retard sérieux qui est présent dans la plupart des types de moyennes mobiles. La moyenne mobile exponentielle double (DEMA) fournit une solution en calculant une méthodologie de moyenne plus rapide. Historique de la moyenne mobile exponentielle double Dans l'analyse technique. Le terme «moyenne mobile» désigne la moyenne du prix d'un instrument de négociation particulier sur une période déterminée. Par exemple, une moyenne mobile de 10 jours calcule le prix moyen d'un instrument particulier au cours des 10 derniers dix jours, une moyenne mobile de 200 jours calcule le prix moyen des 200 derniers jours. Chaque jour, la période de rétrospection avance pour baser les calculs sur le dernier nombre X de jours. Une moyenne mobile apparaît comme une ligne lisse et courbée qui fournit une représentation visuelle de la tendance à plus long terme d'un instrument. Des moyennes mobiles plus rapides, avec des périodes plus courtes de rétrospection, sont des moyennes mobiles plus lentes plus lentes, avec des périodes plus longues, sont plus lisses. Parce qu'une moyenne mobile est un indicateur de retour, il est en retard. La moyenne mobile exponentielle double (DEMA), montrée dans la figure 1, a été développée par Patrick Mulloy dans une tentative de réduire la quantité de temps de latence trouvée dans les moyennes mobiles traditionnelles. Il a d'abord été introduit dans le février 1994, Analyse Technique des Stocks amp Commodities magazine dans Mulloys article Lissage des données avec des moyennes mobiles plus rapides. Figure 1: Ce graphique d'une minute du contrat à terme de e-mini Russell 2000 montre deux moyennes mobiles exponentielles doubles différentes, une période de 55 périodes apparaît en bleu, Une période de 21 en rose. Calcul d'un DEMA Comme l'explique Mulloy dans son article original, le DEMA n'est pas seulement un double EMA avec deux fois le temps de retard d'un EMA simple, mais est une implémentation composite d'EMA simples et doubles produisant un autre EMA avec moins de décalage que l'original deux. En d'autres termes, le DEMA n'est pas simplement deux EMA combinés, ou une moyenne mobile d'une moyenne mobile, mais est un calcul des EMA simple et double. Presque toutes les plates-formes d'analyse commerciale ont le DEMA inclus comme un indicateur qui peut être ajouté aux graphiques. Par conséquent, les commerçants peuvent utiliser le DEMA sans connaître les mathématiques derrière les calculs et sans avoir à écrire ou entrer n'importe quel code. Comparaison de la DEMA avec les moyennes mobiles traditionnelles Les moyennes mobiles sont l'une des méthodes les plus populaires d'analyse technique. Beaucoup de commerçants les utilisent pour repérer les inversions de tendance. En particulier dans un croisement de moyenne mobile, où deux moyennes mobiles de différentes longueurs sont placées sur un graphique. Les points où les moyennes mobiles se croisent peuvent signifier des occasions d'achat ou de vente. Le DEMA peut aider les commerçants à repérer les reprises plus tôt parce qu'il est plus rapide pour répondre aux changements dans l'activité du marché. La figure 2 montre un exemple du contrat à terme e-mini Russell 2000. Ce graphique d'une minute a quatre moyennes mobiles appliquées: DEMA de 21 périodes (rose) DEMA de 55 périodes (bleu foncé) MA de 21 périodes (bleu clair) MA de 55 périodes (vert clair) Figure 2: Ce graphique d'une minute de Le contrat à terme e-mini Russell 2000 illustre le temps de réponse plus rapide du DEMA lorsqu'il est utilisé dans un croisement. Remarquez comment le crossover DEMA dans les deux cas apparaît significativement plus tôt que les crossovers MA. Le premier crossover DEMA apparaît à 12:29 et la barre suivante s'ouvre à un prix de 663.20. Le crossover MA, d'autre part, se forme à 12:34 et le prix d'ouverture des bars suivants est à 660.50. Dans le prochain ensemble de crossovers, le crossover DEMA apparaît à 1:33 et la barre suivante s'ouvre à 658. La MA, au contraire, se forme à 1:43, avec la barre suivante à 662.90. Dans chaque cas, le crossover DEMA offre un avantage à entrer dans la tendance antérieure au crossover MA. (Pour plus d'informations, lisez le didacticiel des moyennes mobiles.) Négociation avec un DEMA Les exemples de croisement de moyenne mobile ci-dessus illustrent l'efficacité de l'utilisation de la moyenne mobile exponentielle double plus rapide. En plus d'utiliser le DEMA comme un indicateur autonome ou dans une configuration de croisement, le DEMA peut être utilisé dans une variété d'indicateurs où la logique est basée sur une moyenne mobile. Outils d'analyse technique tels que Bollinger Bands. La convergence variable moyenne mobile (MACD) et la moyenne mobile exponentielle triple (TRIX) sont basées sur des types de moyenne mobile et peuvent être modifiées pour incorporer un DEMA à la place d'autres types plus traditionnels de moyennes mobiles. La substitution de la DEMA peut aider les commerçants à repérer différentes opportunités d'achat et de vente qui sont en avance sur celles fournies par les AM ou EMA traditionnellement utilisés dans ces indicateurs. Bien sûr entrer dans une tendance plus tôt que plus tard conduit généralement à des profits plus élevés. La figure 2 illustre ce principe - si nous devions utiliser les crossovers comme signaux d'achat et de vente. Nous entrons dans les métiers significativement plus tôt lors de l'utilisation du crossover DEMA par opposition au croisement MA. Bottom Line Traders et les investisseurs ont longtemps utilisé les moyennes mobiles dans leur analyse de marché. Les moyennes mobiles sont un outil d'analyse technique couramment utilisé qui permet de visualiser et d'interpréter rapidement la tendance à long terme d'un instrument de négociation donné. Étant donné que les moyennes mobiles sont, par nature, des indicateurs en retard. Il est utile de modifier la moyenne mobile afin de calculer un indicateur plus rapide et plus réactif. La moyenne mobile exponentielle double offre aux commerçants et aux investisseurs une vision de la tendance à plus long terme, avec l'avantage supplémentaire d'être une moyenne mobile plus rapide avec moins de temps de latence. (Pour les lectures connexes, jetez un coup d'oeil à Moyenne mobile combiné MACD et Simple vs Moyennes mobiles exponentielles.) Je dois garder une trace des 7 derniers jours de travail dans une boucle de lecture de fichier plat. Il est utilisé pour mesurer la fatigueabilité des listes de travail. En ce moment j'ai quelque chose qui fonctionne, mais il semble plutôt verbeux et je ne sais pas si theres un modèle thats plus succinct. Actuellement, j'ai une classe Java avec un tableau statique pour contenir les dernières données x jours, alors que je lis à travers le fichier, je coupe le premier élément et déplacer les autres 6 (pour un total de roulement semaine) en arrière par un. Le traitement de ce tableau statique est fait dans sa propre méthode c'est-à-dire. Ma question: est-ce une approche de conception raisonnable, ou est-il quelque chose d'aveuglante évidente et simple à faire cette tâche Merci les gars a demandé Août 30 11 at 14:33 Merci beaucoup les gars: J'ai reçu le message: utiliser un objet de niveau supérieur et d'exploiter le Les méthodes pertinentes ou un tampon circulaire. De grandes réponses, toutes. Quand vous pensez à cela, vous avez toujours besoin d'accès à l'ensemble du tableau afin que vous puissiez vous débarrasser de cette première entrée - dont je n'étais pas sûr de moi-même. I39m soulagé que je hadn39t raté un liner 1 et a été fondamentalement sur une voie raisonnable, sinon efficace et concis C'est ce que j'aime sur ce site: de haute qualité, des réponses pertinentes de personnes qui connaissent leur sht. Ndash Pete855217 Aug 30 11 at 15:05 Pourquoi initialisez-vous runningTotal to null Quelle est son type Où il est déclaré Il ferait bien si vous mettez des exemples de code qui ressemblent au code Java réel. Je poursuis, ma critique serait la suivante: votre fonction fait trop. Une fonction ou une méthode doit être cohérente. Plus précisément, ils devraient faire une chose et une seule chose. Pire encore, ce qui se passe dans votre boucle for lorsque x 5 Vous copiez runningTotal6 en runningTotal5. Mais alors vous avez deux copies de la même valeur à la position 5 et 6. Dans votre conception, votre movessouffles fonction des éléments de votre tableau calcule le total imprime des choses à l'erreur standard renvoie le total Il fait trop. Ma première suggestion est de ne pas déplacer les choses dans le tableau. Au lieu de cela, implémentez un tampon circulaire et utilisez-le au lieu du tableau. Il simplifiera votre conception. Ma deuxième suggestion est de décomposer les choses en fonctions cohérentes: avoir une structure de données (un buffer circulaire) qui vous permet d'y ajouter (et qui supprime la plus ancienne entrée quand elle atteint sa capacité). Interator ont une fonction qui calcule le total sur l'itérateur (vous ne vous inquiétez pas si vous calculez le total d'un tableau, liste ou bufer circulaire.) Ne l'appellent pas total. Appelez-le somme, qui est ce que vous êtes l'informatique. Thats ce que je fais :) C'est une petite partie de la fonctionnalité de la classe, et il serait excessif d'ajouter trop de code pour le rendre parfait. Vous êtes techniquement correct, et je comprends mon code fait beaucoup39 mais dans le même temps il est parfois préférable d'errer sur le côté de plus petit, code plus clair que d'aller à la perfection. Étant donné mes compétences Java, même faire le pseudocode que vous décrivez compiler aurait me souffler mon budget sur ce (), mais merci pour la description claire. Ndash Pete855217 Aug 31 11 at 2:23 Hmmm, ce n'est pas sur la perfection, mais sur les pratiques industrielles établies que nous connaissons depuis les 3 dernières décennies. Le code propre est toujours celui qui est partitionné. Nous avons des décennies de preuves qui indiquent que c'est la voie à suivre dans le cas général (en termes de rentabilité, de réduction des défauts, de compréhension, etc.). Sauf s'il s'agit d'un code déchiré pour un type unique de chose. Il n'est jamais coûteux de le faire quand on commence une analyse de problème de cette manière. Codage 101, décomposer le problème et le code suit, ni overkill ni difficile) ndash luis. espinal Aug 31 11 at 15:55 Votre tâche est trop simple et l'approche que vous avez adopté est certainement bon pour le travail. Cependant, si vous voulez utiliser une meilleure conception, vous devez vous débarrasser de tout ce mouvement de nombre vous mieux utiliser une file d'attente FIFO et faire bon usage des méthodes push et pop de cette façon le code ne reflètera pas tout mouvement de données, De nouvelles données et de supprimer les données de plus de 7 jours. Le lissage exponentiel double utilise deux constantes et est mieux à la manipulation des tendances Comme précédemment observé. Single Smoothing ne se distingue pas en suivant les données quand il ya une tendance. Cette situation peut être améliorée par l'introduction d'une deuxième équation avec une seconde constante, (gamma), qui doit être choisie conjointement avec (alpha). Voici les deux équations associées au double lissage exponentiel. (St - S) (1 - gamma) b 0 le gamma le 1 end Notez que la valeur courante de la série est utilisée pour calculer son Remplacement de la valeur lissée en double lissage exponentiel. Plusieurs méthodes pour choisir les valeurs initiales Comme dans le cas du lissage simple, il existe une variété de schémas pour définir les valeurs initiales de (St) et (bt) dans le lissage double. (S1) est en général réglé sur (y1). Voici trois suggestions pour (b1). (Y3 - y2) (y4 - y3) droite b1 fin de fractionnement Signification des équations de lissage La première équation de lissage ajuste (St) directement la tendance de la période précédente, ( B), en l'ajoutant à la dernière valeur lissée, (S). Cela permet d'éliminer le retard et apporte (St) à la base appropriée de la valeur actuelle. La deuxième équation de lissage met alors à jour la tendance, qui est exprimée comme la différence entre les deux dernières valeurs. L'équation est similaire à la forme de base de lissage simple, mais ici appliquée à la mise à jour de la tendance. On peut utiliser des techniques d'optimisation non linéaire Les valeurs de (alpha) et (gamma) peuvent être obtenues par des techniques d'optimisation non linéaires, telles que l'algorithme de Marquardt.
No comments:
Post a Comment