Flytting Gjennomsnitt Filter Eksempel Matlab

Laget på onsdag 08 oktober 2008 20 04 Sist oppdatert torsdag 14. mars 2013 01 29 Skrevet av Batuhan Osmanoglu Hits 41587.Moving Average I Matlab. Ofte finner jeg meg selv i behov av å gjennomsnittlig dataene jeg må redusere støyen litt Jeg skrev noen funksjoner for å gjøre akkurat det jeg vil, men matlabs innebygde filterfunksjon fungerer også bra her. Her skal jeg skrive om 1D og 2D gjennomsnittlig data.1D-filteret kan realiseres ved hjelp av filterfunksjonen Filterfunksjonen krever minst tre inngangsparametere tellerkoeffisienten for filteret b, nevnerkoeffisienten for filteret a og dataene X selvfølgelig. Et løpende gjennomsnittfilter kan defineres enkelt ved. For 2D-data kan vi bruke Matlab s filter2-funksjonen. For mer informasjon om hvordan filteret fungerer, kan du skrive. Her er en rask og skitten implementering av et 16 med 16 bevegelige gjennomsnittsfilter. Først må vi definere filteret. Siden alt vi ønsker er like bidrag fra alle naboer, kan vi bare bruke de morsomme ction Vi deler alt med 256 16 16 siden vi ikke vil endre signalets generelle nivå amplitude. For å bruke filteret kan vi bare si følgende. Deretter er resultatene for fase av et SAR-interferogram. I dette tilfellet er Range i Y-aksen og Azimuth er kartlagt på X-aksen Filtret var 4 piksler bredt i rekkevidde og 16 piksler bredt i Azimuth. Last ned movAv m se også movAv2 - en oppdatert versjon som tillater vekting. Beskrivelse Matlab inkluderer funksjoner som kalles movavg og tsmovavg-tidsserier som beveger gjennomsnittet i Financial Toolbox er movAv designet for å replikere grunnleggende funksjonaliteten til disse. Koden her gir et godt eksempel på å administrere indekser i looper, noe som kan være forvirrende til å begynne med. Jeg har bevisst holdt koden kort og enkel for å holde denne prosessen klar. movAv utfører et enkelt glidende gjennomsnitt som kan brukes til å gjenopprette bråkete data i noen situasjoner. Det virker ved å ta et gjennomsnitt av inngangen y over et glidende tidvindu, hvis størrelse er spesifisert av n Jo større n er, desto større er utjevningen av effekten av n i forhold til lengden på inngangsvektoren y og effektivt, slik skaper et lavpassfrekvensfilter - se eksempler og overvejelser. Fordi mengden av utjevning er gitt av hver verdi av n er i forhold til lengden på inngangsvektoren, er det alltid verdt å teste forskjellige verdier for å se hva som er relevant. Husk også at n poeng går tapt på hvert gjennomsnitt hvis n er 100, de første 99 poengene til inngangsvektoren ikke inneholde nok data for et gjennomsnitt på 100pt Dette kan unngås noe ved å stable gjennomsnitt, for eksempel, koden og grafen nedenfor, sammenligner en rekke vinduer med gjennomsnittlig lengde. Legg merke til hvor glatt 10 10pt er sammenlignet med et enkelt 20pt gjennomsnitt. I begge tilfeller 20 dataene går tapt totalt. Opprett xaxis x 1 0 01 5 Generer støystøyReps 4 støy repmat randn 1, ceil numel x noiseReps, noiseReps, 1 støy omforming støy, 1, lengde støy noiseReps Generer ydata støy y exp x 10 støy 1 lengde x Perfrom gjennomsnitt y2 movAv y, 10 10 pt y3 movAv y2, 10 10 10 pt y4 movAv y 20 20 pt y5 movAv y 40 40 pt y6 movAv y, 100 100 pt Plottfigur plot x, y, y2, y3, y4, y5, y6 legend Raw data, 10pt glidende gjennomsnitt, 10 10pt, 20pt, 40pt, 100pt xlabel x ylabel y tittel Sammenligning av bevegelige gjennomsnitt. mVaV m koden gjennomløpsfunksjon utgang movAv y, n Den første linjen definerer funksjonens navn, innganger og utganger Inngangen x skal være en vektor med data for å utføre gjennomsnittet på, n skal være antall poeng som skal utføre gjennomsnittet over utdata vil inneholde gjennomsnittlig data returnert av funksjonen. Forelegge utgangseffekt NaN 1, numel y Finn midtpunkt for n midPoint-runde n 2 Funksjonens hovedarbeid er gjort i forløp, men før start blir to ting forberedt Fir Stly utgangen er forhåndsallokert som NaNs, dette tjente to formål. For det første er forallokering generelt god praksis, da det reduserer minnesjonglingen Matlab må gjøre, for det andre gjør det veldig enkelt å sette gjennomsnittlig data i en utgang i samme størrelse som inngangsvektoren Dette betyr at samme xaxis kan brukes senere for begge, noe som er praktisk for plotting, alternativt kan NaNs fjernes senere i en linje med kodeutgangsproduksjon. Den variable midpoint vil bli brukt til å justere dataene i utgangsvektoren Hvis n 10, vil 10 poeng gå tapt fordi for de første 9 poengene til inngangsvektoren er det ikke nok data til å ta et 10-punkts gjennomsnitt. Da utgangen vil være kortere enn inngangen, må den justeres riktig midpoint vil brukes, slik at en lik mengde data går tapt i starten og slutten, og inngangen holdes i samsvar med utgangen av NaN buffere opprettet ved preallokering av output. for en 1 lengde y - n Finn indeksområde for å ta gjennomsnitt over abban Beregn gjennomsnittlig produksjon a midPoint betyr yab-ende I selve for-linjen blir et gjennomsnitt tatt over hvert påfølgende segment av inngangen. Sløyfen vil løpe for en som er definert som 1 opp til lengden på inngangen y, minus dataene som vil gå tapt n Hvis inngangen er 100 poeng lang og n er 10, løkken vil løpe fra en 1 til 90. Dette betyr at den første indeksen av segmentet blir i gjennomsnitt Den andre indeksen b er bare en n-1 Så på den første iterasjonen, en 1 n 10 så b 11-1 10 Det første gjennomsnittet blir tatt over yab eller x 1 10 Gjennomsnittet av dette segmentet, som er en enkelt verdi, lagres i utgang ved indeks a midPoint eller 1 5 6. På den andre iterasjonen , en 2 b 2 10-1 11 slik at gjennomsnittet blir tatt over x 2 11 og lagret i utgang 7 På den siste iterasjonen av sløyfen for en inngang på lengde 100, en 91 b 90 10-1 100 slik at midlet er tatt over x 91 100 og lagret i utgang 95 Dette etterlater produksjonen med totalt n 10 NaN-verdier ved indeks 1 5 og 96 100. Eksempler og overveier Flytte gjennomsnitt er nyttige i noen situasjoner, men de ikke alltid det beste valget Her er to eksempler hvor de ikke nødvendigvis er optimale. Mikrofonkalibrering Dette datasettet representerer nivåene av hver frekvens produsert av en høyttaler og innspilt av en mikrofon med kjent lineær respons. Høyttalerenes utgang varierer med frekvens, men vi kan korrigere for denne variasjonen med kalibreringsdataene - utgangen kan justeres på nivå for å ta hensyn til svingningene i kalibreringen. Merk at rådataene er støyende - dette betyr at en liten endring i frekvens ser ut til å kreve en stor, uregelmessig, endring i nivå for å regne for Er dette realistisk Eller er dette et produkt av opptaksmiljøet Det er i dette tilfelle rimelig å bruke et glidende gjennomsnitt som jevner ut nivåfrekvenskurven for å gi en kalibreringskurve som er litt mindre uregelmessig Men hvorfor er det ikke optimal i dette eksempelet. Flere data ville være bedre - flere kalibreringer går i gjennomsnitt sammen vil ødelegge støyen i systemet så lenge det er kjørt dom og gi en kurve med mindre subtile detaljer tapt. Det bevegelige gjennomsnittet kan kun omtrentliggjøre dette, og kan fjerne noen høyere frekvensdips og topper fra kurven som virkelig eksisterer. Sine bølger Med et glidende gjennomsnitt på sinusbølger fremheves to punkter. Den generelle problemet med å velge et rimelig antall poeng for å utføre gjennomsnittet over. Det er enkelt, men det er mer effektive metoder for signalanalyse enn gjennomsnittlig oscillerende signaler i tidsdomene. I denne grafen er den opprinnelige sinusbølge plottet i blått Støy er lagt til og plottet som oransje kurve Et glidende gjennomsnitt utføres på forskjellige antall poeng for å se om den opprinnelige bølgen kan gjenvinnes. 5 og 10 poeng gir rimelige resultater, men ikke fjern støyen helt, hvor så større antall poeng begynner å miste amplitudedetaljene da gjennomsnittet strekker seg over forskjellige faser, husk bølgen oscillerer rundt null, og mener -1 -1 0. En alternativ tilnærming ville være å konstruere et lavpassfilter enn det som kan være anvendt på signalet i frekvensdomenet, jeg kommer ikke til å gå i detalj som det går utover denne artiklens omfang, men da støyen er betydelig høyere frekvens enn bølgenees grunnfrekvens, ville det være ganske enkelt i dette tilfelle å konstruere et lavpassfilter enn vil fjerne høyfrekvent noise. Moving Averages - Enkel og eksponentiell. Gjennomsnittlig gjennomsnitt - Enkel og eksponentiell. Gjennomsnittlig gjennomsnittlig glatt prisdata 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 dette laget, flytter gjennomsnittet 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 gjennomsnitt er Simple Moving Average SMA og den eksponentielle Moving Average EMA Disse bevegelige gjennomsnitt kan være oss ed for å identifisere retningen av trenden eller definere potensielle støtte og motstand levels. Here sa diagram med både en SMA og en EMA på it. Click diagrammet for en live version. Simple Moving Gjennomsnittlig beregning. En enkel glidende gjennomsnitt er dannet av databehandling gjennomsnittsprisen på en sikkerhet over et bestemt antall perioder De fleste glidende gjennomsnitt er basert på sluttkurs Et 5-dagers enkelt glidende gjennomsnitt er den fem dagers summen av sluttkurs divideres med fem Som navnet tilsier, er et glidende gjennomsnitt et gjennomsnitt som flyttinger Gamle data blir tapt når 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 bare de siste fem dagene. Den andre dagen i det bevegelige gjennomsnittet 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, pris s øker gradvis fra 11 til 17 i totalt syv dager. Merk at det bevegelige gjennomsnittet også stiger fra 13 til 15 over en tre-dagers beregningsperiode. Merk også at hver glidende gjennomsnittsverdi ligger like under den siste prisen. For eksempel er det glidende gjennomsnittet for Dag 1 er 13 og siste pris er 15 Priser de fire foregående dagene var lavere, og dette medfører at det bevegelige gjennomsnittet lagres. Eksponentiell flytende gjennomsnittlig beregning. Eksponentielle glidende gjennomsnitt reduserer lagringen ved å bruke mer vekt til de siste prisene. Veien brukes mest siste pris 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. En eksponentiell glidende gjennomsnittlig EMA må starte et sted, slik at et enkelt glidende gjennomsnitt blir brukt som forrige periode s EMA i den første beregningen Second, beregne vekting multiplikatoren Tredje, beregne eksponentielt glidende gjennomsnitt Formelen nedenfor er for en 10-dagers EMA. A 10- periode eksponentiell glidende gjennomsnitt gjelder 18 18 vektning til siste pris En 10-årig EMA kan også kalles en 18 18 EMA En 20-årig EMA gjelder en 9 52 veier til den siste prisen 2 20 1 0952 Legg merke til at vektingen for den kortere tidsperioden er mer enn vektingen for lengre tidsperiode Faktisk faller vekten halvparten hver gang den bevegelige gjennomsnittlige perioden dobler. Hvis du vil ha oss en bestemt prosentandel for en EMA, kan du bruke denne formelen til å konvertere det til tidsperioder og deretter angi den verdien som EMA s parameter. Below er et regneark eksempel på et 10-dagers enkelt glidende gjennomsnitt og et 10-dagers eksponensielt glidende gjennomsnitt for Intel Enkle glidende gjennomsnitt er rett frem og krever liten forklaring. De 10 - dags gjennomsnittet beveger seg bare ettersom nye priser blir tilgjengelige og gamle priser faller av. Det eksponensielle glidende gjennomsnittet starter med den enkle glidende gjennomsnittsverdien 22 22 i den første beregningen Etter den første beregningen tar den normale formelen B over Fordi en EMA begynner med et enkelt bevegelige gjennomsnitt, vil sann verdi ikke realiseres til 20 eller så perioder senere Med andre ord kan verdien på Excel-regnearket avvike fra diagramverdien på grunn av den korte tilbakekallingsperioden Bare dette regnearket går tilbake 30 perioder, noe som betyr at påvirkning av det enkle glidende gjennomsnittet har hatt 20 perioder å sprenge StockCharts går tilbake minst 250 perioder, typisk langt lenger for beregningene, slik at virkningene av det enkle glidende gjennomsnittet i den første beregningen er fullstendig forsvunnet. Lagfaktoren. Jo lengre glidende gjennomsnitt, jo mer et 10-dagers eksponensielt glidende gjennomsnitt vil krame prisene ganske tett og ta kort tid etter at prisene er svingte. Korte glidende gjennomsnitt er som fartbåter - skumle og raske å forandre. I kontrast er en 100 Dagens glidende gjennomsnitt inneholder mange tidligere data som reduserer det. Lengre glidende gjennomsnitt er som havskipskip - sløv og treg for å endre. Det tar en større og lengre prisbevegelse for en 100-dagers mo ving gjennomsnitt for å endre kurs. Klikk på diagrammet for en live-versjon. Kartet over viser SP 500 ETF med en 10-dagers EMA tett følgende priser og en 100-dagers SMA sliping høyere. Selv med januar-februar nedgang, de 100 - dag SMA holdt kurset og gikk ikke ned. Den 50-dagers SMA passer et sted mellom 10 og 100 dagers glidende gjennomsnitt når det gjelder lagfaktor. Simple vs eksponentielle flytende gjennomsnitt. Selv om det er klare forskjeller mellom enkle glidende gjennomsnitt og eksponentielle glidende gjennomsnitt, er en ikke nødvendigvis bedre enn de andre eksponentielle glidende gjennomsnittene 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 glidende gjennomsnitt, på den annen side, representerer et sant gjennomsnitt av priser for hele tidsperioden. Som sådan kan enkle bevegelige gjennomsnitt være bedre egnet til å identifisere støtte - eller motstandsnivåer. Gjennomsnittlig preferanse avhenger av objektiv es, analytisk stil og tidshorisont. Chartister bør eksperimentere med begge typer bevegelige gjennomsnitt, samt ulike tidsrammer for å finne den beste passningen. Tabellen nedenfor viser IBM med 50-dagers SMA i rødt og 50-dagers EMA i grønt. Både toppet i sent i 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. Merk at SMA dukket opp over en måned etter EMA. Lengths og Tidsrammer. Lengden på det bevegelige gjennomsnittet avhenger av de analytiske målene. Kortflytende gjennomsnitt 5-20 perioder passer best for kortsiktige trender og handel. Chartister som er interessert i langsiktige trender, vil 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 tydeligvis en langsiktig Flytte gjennomsnittet Neste 50-dagers glidende gjennomsnitt er ganske populært for mellomlang sikt. Mange kartister bruker 50-dagers og 200-dagers glidende gjennomsnitt sammen Kortsiktig, et 10-dagers glidende gjennomsnitt var ganske populært i det siste fordi det var lett å beregne En bare lagde tallene og flyttet desimaltegnet. Trinnidentifikasjon. De samme signalene kan genereres ved hjelp av enkle eller eksponentielle glidende gjennomsnitt. Som angitt ovenfor, avhenger innstillingen av hvert individ. Disse eksemplene nedenfor vil bruke både enkle og eksponentielle glidende gjennomsnitt. Begrepet glidende gjennomsnitt gjelder både enkle og eksponentielle glidende gjennomsnitt. Orienteringen av glidende gjennomsnitt gir viktig informasjon om priser Et stigende glidende gjennomsnitt viser at prisene generelt øker. Et fallende glidende gjennomsnitt indikerer at prisene i gjennomsnitt faller A stigende langsiktig glidende gjennomsnitt reflekterer en langsiktig opptrend Et fallende langsiktig glidende gjennomsnitt reflekterer en langsiktig nedtrend. Tabellen over viser 3M MMM w med et 150-dagers eksponentielt glidende gjennomsnitt. Dette eksemplet viser hvor godt bevegelige gjennomsnitt fungerer når trenden er sterk. Den 150-dagers EMA ble avslått i november 2007 og igjen i januar 2008 Legg merke til at det tok 15 tilbakegang å reversere retningen av dette glidende gjennomsnitt Disse langsiktige indikatorene identifiserer trendendringer som de oppstår i beste fall eller etter at de forekommer i verste fall. MMM fortsatte ned til mars 2009 og deretter økte 40-50. Merk at 150-dagers EMA ikke kom opp før etter denne bølgen. En gang det gjorde det, Imidlertid 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 kaller John Murphy den dobbelte crossover-metoden. Double crossovers involverer en relativt kort glidende gjennomsnitt og et relativt langt bevegelige gjennomsnitt. Som med alle bevegelige gjennomsnitt, definerer den generelle lengden på glidende gjennomsnitt tidsrammen for syre stamme Et system som bruker en 5-dagers EMA og 35-dagers EMA, vil bli ansett som kortsiktig. Et system som bruker en 50-dagers SMA og 200-dagers SMA, vil bli ansett på mellomlang sikt, kanskje til og med på lang sikt. når kortere bevegelige gjennomsnitt krysser over lengre bevegelige gjennomsnitt. Dette kalles også et gyldent kryss. En bearish crossover forekommer når kortere glidende gjennomsnitt krysser under lengre bevegelige gjennomsnitt. Dette kalles et dødt kryss. Alt bruker systemet to forsinkende indikatorer. Jo lengre bevegelige gjennomsnittsperioder, desto større er det i signalene. Disse signalene virker bra når en god trend tar takk. Et flytende gjennomsnittsovergangssystem vil imidlertid produsere mange whipsaws i fravær av 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 trippelt crossover-system kan fakturere lve 5-dagers, 10-dagers og 20-dagers glidende gjennomsnitt. Skjemaet ovenfor 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. ville ha resultert i tre whipsaws før de fikk en god handel. 10-dagers EMA brøt under 50-dagers EMA i slutten av oktober 1, men dette skjedde ikke lenge da 10-dagene flyttet tilbake over i midten av november 2. Dette krysset varet lenger , men neste bearish crossover i 3. januar skjedde nær prisnivået i slutten av november, noe som resulterte i en annen whipsaw. Dette bearish krysset var ikke lenge da 10-dagers EMA flyttet tilbake over 50-dagen noen dager senere 4 Etter tre dårlige signaler, Det fjerde signalet foreshadowed et sterkt trekk når aksjene avanserte over 20. Det er to takeaways her Først er overganger utsatt for whipsaw. Et pris - eller tidsfilter kan brukes for å forhindre whipsaws. Traders kan kreve crossover til å vare 3 dager før du handler eller kreve at 10-dagers EMA skal bevege seg over under th e 50-dagers EMA med en viss mengde før du spiller. For det andre kan MACD brukes til å identifisere og kvantifisere disse kryssene. MACD 10,50,1 vil vise en linje som representerer forskjellen mellom de to eksponensielle glidende gjennomsnittene MACD blir positiv under et gyldent kors og negativ under et dødt kryss Prosentprisen Oscillator PPO kan brukes på samme måte som å vise prosentvise forskjeller Merk at MACD og PPO er basert på eksponentielle glidende gjennomsnitt og ikke samsvarer med enkle glidende gjennomsnitt. Dette diagrammet viser Oracle ORCL med 50 - dag EMA, 200-dagers EMA og MACD 50,200,1 Det var fire bevegelige gjennomsnittsoverskridelser over en 2 1 2 års 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 En gang i gang, går glidende gjennomsnittsoverskridelser bra når trenden er sterk, men produserer tap i fravær av en trend. Prisoverganger. Gjennomgående gjennomsnitt kan også brukes til å generere signaler med enkle prisoverskridelser Et bullish signal genereres når prisene beveger seg over det bevegelige gjennomsnittet. Et bearish signal genereres når prisene flytter seg under det bevegelige gjennomsnittsprisovergangen kan kombineres for å handle innenfor den større trenden. Den lengre glidende gjennomsnittet setter tonen for den større trenden og kortere bevegelse gjennomsnitt er brukt til å generere signaler. Man vil se etter bullish priskryss bare når prisene allerede er over det lengre bevegelige gjennomsnittet. Dette ville handle i harmoni med den større trenden. Hvis prisen for eksempel er over 200-dagers glidende gjennomsnitt, ville kartleggere bare fokusere på signaler når prisen beveger seg over det 50-dagers glidende gjennomsnittet. Selvfølgelig vil et trekk under 50-dagers glidende gjennomsnitt forutse et slikt signal, men slike bearish kryss vil bli ignorert fordi den større trenden er opp. Et bearish kryss ville bare foreslå en tilbaketrekning i en større opptrinn Et kryss tilbake over 50-dagers glidende gjennomsnitt vil signalere en oppgang i prisene og fortsettelsen av den store opptrenden. Neste diagram viser E merson Electric EMR med 50-dagers EMA og 200-dagers EMA Lagerbeholdningen 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 tilbake over 50-dagers EMA for å gi bullish signaler grønne piler i harmoni med den større opptrenden MACD 1,50,1 er vist i indikatorvinduet for å bekrefte priskryss over eller under 50-dagers EMA. Den 1-dagers EMA er lik den avsluttende pris MACD 1,50,1 er positiv når lukkingen er over 50-dagers EMA og negativ når lukkingen er under 50-dagers EMA. Support and Resistance. Moving gjennomsnitt kan også fungere som støtte i en opptrinn og motstand i en downtrend En kortvarig opptrend kan finne støtte nær det 20-dagers enkle glidende gjennomsnittet, som også brukes i Bollinger Bands. En langsiktig opptrend kan finne støtte nær det 200-dagers enkle glidende gjennomsnittet, som er den mest populære langsiktige glidende gjennomsnitt Hvis faktum kan det 200-dagers glidende gjennomsnittet gi støtte eller motstand rett og slett fordi det er så mye brukt Det er nesten som en selvoppfyllende profeti. Kartet 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 forløpet Når trenden reverserte med en dobbel toppstøt, virket det 200-dagers glidende gjennomsnittet som motstand rundt 9500. Ikke forvent nøyaktig 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. 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 bak Dette er ikke nødvendigvis en dårlig ting, men Tross alt er trenden din venn og det er best å handle i retning av trenden. Flytte gjennomsnitt garanterer at en handelsmann 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 sentlige signaler Don t Forvent å selge på toppen og kjøp på bunnen ved hjelp av bevegelige gjennomsnitt. Som med de fleste tekniske analyseverktøy, bør flytteverdier ikke brukes alene, men sammen med andre komplementære verktøy Chartists kan bruke bevegelige gjennomsnitt for å definere den generelle trenden og deretter bruk RSI til å definere overkjøpte eller oversolgte nivåer. Legg til Flytte gjennomsnitt til StockCharts-diagrammer. Gjennomgang av gjennomsnitt er tilgjengelig som en prisoverleggingsfunksjon på SharpCharts arbeidsbenk. Bruk rullegardinmenyen Overlegg 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 th e Åpne, H for høy, L for lav og C for lukk Et komma brukes til å separere parametere. En annen valgfri parameter kan legges til for å skifte de bevegelige gjennomsnittene til venstre forrige eller høyre fremtid. Et negativt tall -10 ville skift det bevegelige gjennomsnittet til venstre 10 perioder Et positivt tall 10 vil skifte det bevegelige gjennomsnittet til de høyre 10 periodene. Flere forskjellige gjennomsnitt kan overlappes prisplottet ved ganske enkelt å legge til en annen overleggslinje til arbeidsbenken StockCharts medlemmer kan endre farger og stil 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 bevegelige gjennomsnittlig overlegg til andre tekniske indikatorer som RSI, CCI og Volume. Klikk her for et live-diagram med flere forskjellige bevegelige gjennomsnitt. Bruk Moving Averages med StockCharts Scans. Here 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-dagers EMA og 35-dagers EMA 150-dagers glidende gjennomsnitt 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 gjennomsnittlig volum. Gjennomsnittlig kors Gjennomsnittlig kryss Denne skanningen ser etter aksjer med en fallende 150- dags enkel glidende gjennomsnitt og et bearish kors 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 abo ve gjennomsnittlig volum. Ytterligere Study. Johhn Murphy s bok har et kapittel viet til bevegelige gjennomsnitt og deres ulike bruksområder Murphy dekker fordeler og ulemper med å flytte gjennomsnitt. I tillegg viser Murphy hvordan bevegelige gjennomsnitt arbeider med Bollinger Bands og kanalbaserte handelssystemer. Teknisk Analyse av Financial Markets John Murphy.