Média móvel exponencial java

Eu essencialmente tenho uma série de valores como este: a matriz acima é simplificada, estou coletando 1 valor por milissegundo no meu código real e preciso processar a saída em um algoritmo que escrevi para encontrar o pico mais próximo antes de um ponto no tempo. Minha lógica falha porque no meu exemplo acima, 0.36 é o pico real, mas meu algoritmo olhava para trás e veria o último número 0.25 como o pico, pois há uma diminuição para 0.24 antes dele. O objetivo é levar esses valores e aplicar um algoritmo para eles, que os suavizará um pouco para que eu tenha mais valores lineares. (Ie: Id como os meus resultados para serem curvy, não jaggedy) Eu fui dito para aplicar um filtro exponencial de média móvel aos meus valores. Como posso fazer isso. É muito difícil para mim ler equações matemáticas, eu lido muito melhor com o código. Como faço para processar valores na minha matriz, aplicando um cálculo exponencial da média móvel para os fazer sair, solicitado 8 de fevereiro às 20:27 Para calcular uma média móvel exponencial. Você precisa manter algum estado ao redor e você precisa de um parâmetro de ajuste. Isso exige uma pequena classe (supondo que você esteja usando o Java 5 ou posterior): instanciar com o parâmetro de decaimento desejado (pode ser necessário que a sintonização esteja entre 0 e 1) e depois use a média () para filtrar. Ao ler uma página sobre uma recorrência matemática, tudo o que você realmente precisa saber ao transformá-lo em código é que os matemáticos gostam de escrever índices em arrays e seqüências com subscritos. (Eles também têm algumas outras notações, o que não ajuda.) No entanto, o EMA é bastante simples, pois você só precisa se lembrar de um valor antigo, não é necessário nenhum arrays de estados complicados. Respondeu 8 de fevereiro às 20:42 TKKocheran: praticamente. Não é bom quando as coisas podem ser simples (Se começar com uma nova seqüência, obtenha uma nova média). Observe que os primeiros termos da seqüência média saltarão em torno de um bit devido a efeitos de limites, mas você obtém aqueles com outras médias móveis também. No entanto, uma boa vantagem é que você pode envolver a lógica média móvel na média e experimentar sem incomodar demais o seu programa. Ndash Donal Fellows 9 de fevereiro às 0:06 Estou tendo dificuldade em entender suas perguntas, mas vou tentar responder de qualquer maneira. 1) Se o seu algoritmo encontrou 0,25 em vez de 0,36, então é errado. É errado porque assume um aumento ou diminuição monotônico (que sempre está subindo ou sempre está indo para baixo). A menos que você tenha média de todos os seus dados, seus pontos de dados --- como você os apresenta --- são não-lineares. Se você realmente quer encontrar o valor máximo entre dois pontos no tempo, então corte sua matriz de tmin para tmax e encontre o máximo desse subarray. 2) Agora, o conceito de médias móveis é muito simples: imagine que eu tenho a seguinte lista: 1.4, 1.5, 1.4, 1.5, 1.5. Eu posso suavizar, levando a média de dois números: 1.45, 1.45, 1.45, 1.5. Observe que o primeiro número é a média de 1,5 e 1,4 (segundo e primeiro número), a segunda (nova lista) é a média de 1,4 e 1,5 (terceira e segunda lista antiga) a terceira (nova lista) a média de 1,5 e 1,4 (Quarto e terceiro), e assim por diante. Eu poderia ter feito período três ou quatro, ou n. Observe como os dados são muito mais suaves. Uma boa maneira de ver as médias móveis no trabalho é ir para o Google Finance, selecionar um estoque (tente Tesla Motors bastante volátil (TSLA)) e clique em técnicas na parte inferior do gráfico. Selecione a média móvel com um período determinado e a média móvel exponencial para comparar suas diferenças. A média móvel exponencial é apenas uma outra elaboração deste, mas considera os dados mais antigos inferiores aos novos dados, esta é uma maneira de polarizar o alisamento para trás. Leia a entrada da Wikipedia. Então, isso é mais um comentário do que uma resposta, mas a pequena caixa de comentários foi apenas pequena. Boa sorte. Se você estiver tendo problemas com a matemática, você poderia ir com uma média móvel simples em vez de exponencial. Então, a saída que você obtém seria os últimos x termos divididos por x. Pseudocódigo não testado: note que você precisará lidar com as partes de início e término dos dados, pois claramente você não pode significar os últimos 5 termos quando estiver no seu segundo ponto de dados. Além disso, existem maneiras mais eficientes de calcular essa média móvel (soma sumária - a mais nova), mas é para obter o conceito de o que está acontecendo. Respondeu 8 de fevereiro às 20:41 Sua resposta 2017 Stack Exchange, IncMarch 29, 2017 por Ryan Hamilton Let8217s veja como escrever analítica média móvel em q para o banco de dados kdb. Como dados de exemplo (mcd. csv), vamos usar dados de preço de estoque para McDonalds MCD. O código abaixo irá baixar os dados do estoque histórico para o MCD e colocá-lo na tabela t: Média de Movimento Simples A média móvel simples pode ser usada para suavizar dados flutuantes para identificar tendências e ciclos gerais. A média móvel simples é a média dos pontos de dados e pesa todos os valores no cálculo igualmente. Por exemplo, para encontrar o preço médio móvel de uma ação nos últimos dez dias, simplesmente adicionamos o preço diário desses dez dias e dividimos por dez. Esta janela de tamanho dez dias, em seguida, move-se através das datas, usando os valores dentro da janela para encontrar a média. Here8217s o código no kdb para a média móvel de 1020 dias e o gráfico resultante. Plano de estoque de movimentos médios simples Kdb (Produzido usando o qStudio) Qual é a média móvel exponencial e como calculá-lo Um dos problemas com a média móvel simples é que ele dá todos os dias uma ponderação igual. Para muitos propósitos, faz mais sentido dar aos pesos mais recentes os dias mais recentes, um método para fazer isso é usando o Exponential Moving Average. Isso usa um peso exponencialmente decrescente para datas mais adiantadas. A forma mais simples de suavização exponencial é dada pela fórmula: onde é o fator de suavização e 0 Esta tabela mostra como os vários tempos de pesos são calculados dados os valores 1,2,3 , 4,8,10,20 e um fator de suavização de 0,7. (Planilha de excel) Para executar este cálculo no kdb, podemos fazer o seguinte: (Este código foi publicado originalmente na lista de e-mail do Google por Attila, a discussão completa pode ser encontrada aqui) Este advérbio de barra invertida funciona como A sintaxe alternativa generaliza para funções de 3 ou mais argumentos em que o primeiro argumento é usado como valor inicial e os argumentos são elementos correspondentes das listas: Gráfico exponencial de média móvel Finalmente, tomamos nossa fórmula e aplicamos a nossos dados de preços de ações, permitindo-nos ver a média móvel exponencial Para dois fatores de suavização diferentes: gráfico de preço de estoque médio exponencial movido usando qStudio Como você pode ver com a EMA, podemos priorizar valores mais recentes usando um fator de suavização escolhido para decidir o equilíbrio entre dados históricos recentes e históricos. Escrever as análises do kdb, como Exponential Moving Average, é abordado no nosso curso de treinamento do kdb. Regularmente oferecemos cursos de treinamento em Londres, Nova York. A Ásia ou o nosso curso online de kdb está disponível para começar agora. 1 Resposta a 8220 EMP em média móvel expressiva em Kdb8221 Obrigado Ryan, isso é muito útil. Mas eu acho que há um erro de digitação na definição de ema8217s, deve ser: ema: Método de média móvel xyJava Se você estiver procurando um EMA otimizado para transmissão de dados, proveniente de um arquivo ou serviço de cotação, a seguinte classe de exemplo irá fazer você bem , Em oposição ao uso de cálculos de força bruta. Esta abordagem é particularmente útil se você estiver processando dados em tempo real. EMAs, um caso especial de médias móveis ponderadas, têm o benefício de que a ponderação relativa para cada período sucessivo diminui por um fator constante f 2 (N1), onde N é o número de períodos durante os quais o EMA deve ser aplicado. Dado que, você pode calcular o EMA atual (ou seja, para o período atual) usando a seguinte fórmula iterativa: eman fprice (1-f) eman-1 A seguinte classe de amostra implementa essa natureza iterativa da EMA e minimiza os requisitos computacionais em relação ao brute - Métodos de força ou métodos de pós-processamento. Número int privadoPeriodos 0 int privado totalPeriodos 0 private double runningEMA 0.0 private double factor 0.0 public EMA (int numPeriods) this. numPeriods numPeriods factor 2.0 (numPeriods 1.0) Repor cálculos para gerar EMA para o período determinado. Public void reset (int numPeriods) Retorna EMA para o período definido durante o construtor. Se os períodos processados ​​forem inferiores ao intervalo EMA, zero será retornado. Público duplo calcular (preço duplo) runningEMA factorprice (1-factor) runningEMA se (totalPeriods lt numPeriods) De onde você fornece os dados de preço e o que você faz com os resultados da EMA depende de você. Por exemplo, se você tivesse os dados de preço em uma matriz e desejasse calcular uma EMA em outra matriz, o seguinte trecho funcionará: preços duplos. Provido de cálculos, arquivo ou serviço de cotação duplo ema novo doubleprices. length EMA ema novo EMA (50) 50 período EMA para (int idx0 iltprices. length idx) emaidx ema (pricesidx) Boa sorte e melhores desejos para o seu projeto.