Exponencial Moving Average Java

Eu essencialmente tenho uma série de valores como este: a matriz acima é simplificada demais, estou coletando 1 valor por milissegundo em 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 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 ligo muito melhor com o código. Como faço para processar valores na minha matriz, aplicando um cálculo exponencial da média móvel para os fazer sair 8 de fevereiro 12 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): Instantiate com o parâmetro de decaimento que você deseja (pode ter uma afinação deve estar entre 0 e 1) e depois use a média () para filtrar. Ao ler uma página sobre alguma recorrência matemática, tudo o que você realmente precisa saber ao transformá-lo em código é que os matemáticos gostam de escrever índices em matrizes e seqüências com subíndices. (Contudo, 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 na 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 perturbar 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 está errado. É errado porque assume um aumento ou diminuição monotônico (que sempre está subindo ou sempre está descendo). A menos que você tenha 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 suavizá-lo tomando 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 uma média móvel exponencial para comparar suas diferenças. A média móvel exponencial é apenas uma outra elaboração deste, mas considera os dados anteriores menos do que os novos dados, é uma maneira de polarizar o alisamento na parte de 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 fim dos dados, pois claramente você não pode usar os 5 últimos termos quando estiver no seu segundo ponto de dados. Além disso, existem formas mais eficientes de calcular essa média móvel (soma sumária - a mais nova), mas é para obter o conceito do que está acontecendo. Respondeu 8 de fevereiro às 20:41 Sua resposta 2017 Stack Exchange, IncMarch 29, 2014 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 cada valor no cálculo igualmente. Por exemplo, para encontrar o preço médio móvel de um estoque 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 em kdb para média móvel de 1020 dias e o gráfico resultante. Gráfico de ações da movimentação média simples Kdb (Produzido usando qStudio) O que 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 Exponencial Moving Average. Isso usa um peso exponencialmente decrescente para datas mais adiante. 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 realizar este cálculo no kdb, podemos fazer o seguinte: (Este código foi originalmente publicado 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 aos nossos dados de preços de ações, permitindo-nos ver a média móvel exponencial Para dois fatores de alisamento 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 análise do kdb, como a média móvel exponencial, é abordada no nosso curso de treinamento do kdb. Regularmente oferecemos cursos de treinamento em Londres, Nova York. A Ásia ou o nosso curso online kdb está disponível para começar agora. 1 Resposta a 8220 EMA móvel global expressiva em Kdb8221 Obrigado Ryan, isso é muito útil. Mas acho que há um erro de digitação na definição de ema8217s, deve ser: ema: xy