Código De Media Móvil Exponencial En Java

Tengo esencialmente una matriz de valores como este: La matriz anterior es simplificada, estoy recolectando 1 valor por milisegundo en mi código real y necesito procesar la salida en un algoritmo que escribí para encontrar el pico más cercano antes de un punto en el tiempo. Mi lógica falla porque en mi ejemplo anterior, 0.36 es el pico real, pero mi algoritmo miraría hacia atrás y vería el último número 0.25 como el pico, pues hay una disminución a 0.24 antes de él. El objetivo es tomar estos valores y aplicarles un algoritmo que los suavice un poco para que tenga valores más lineales. (Es decir: la identificación como mis resultados para ser curvy, no jaggedy) se me ha dicho que aplique un filtro de media móvil exponencial a mis valores. ¿Cómo puedo hacer esto? Es muy difícil para mí para leer las ecuaciones matemáticas, trato mucho mejor con el código. ¿Cómo proceso los valores en mi matriz, aplicando un cálculo de promedio móvil exponencial para igualarlos? Preguntó Feb 8 12 at 20:27 Para calcular una media móvil exponencial. Usted necesita mantener un poco de estado alrededor y usted necesita un parámetro de ajuste. Esto requiere una pequeña clase (asumiendo que está usando Java 5 o posterior): Instantiate con el parámetro de decadencia que desea (puede tomar la afinación debe estar entre 0 y 1) y luego use average () para filtrar. Al leer una página sobre alguna recurrencia matemática, todo lo que realmente necesita saber al convertirlo en código es que a los matemáticos les gusta escribir índices en matrices y secuencias con subíndices. Sin embargo, la EMA es bastante simple, ya que sólo es necesario recordar un valor antiguo sin arrays de estado complicado requerido. Respondió 8 Feb a las 20:42 TKKocheran: Bastante. No es bueno cuando las cosas pueden ser simples (si comienza con una nueva secuencia, obtenga un nuevo averager). Observe que los primeros términos de la secuencia promedio saltarán alrededor de un bit debido a efectos de límite, pero obtendrá aquellos con otras medias móviles también. Sin embargo, una buena ventaja es que usted puede envolver la lógica del promedio móvil en el averager y experimentar sin molestar el resto de su programa demasiado. Ndash Donal Fellows Feb 9 12 en 0:06 Estoy teniendo un rato difícil entender sus preguntas, pero intentaré contestar de todos modos. 1) Si su algoritmo encontró 0.25 en lugar de 0.36, entonces es incorrecto. Está mal porque asume un aumento o una disminución monotónica (que siempre sube o baja siempre). A menos que usted promedio TODOS sus datos, sus puntos de datos --- como usted los presenta --- son no lineales. Si realmente desea encontrar el valor máximo entre dos puntos en el tiempo, corte su matriz de tmin a tmax y busque el máximo de ese subarray. 2) Ahora, el concepto de promedios móviles es muy simple: imagina que tengo la siguiente lista: 1.4, 1.5, 1.4, 1.5, 1.5. Puedo suavizarlo tomando el promedio de dos números: 1.45, 1.45, 1.45, 1.5. Observe que el primer número es el promedio de 1,5 y 1,4 (segundo y primeros números), la segunda (nueva lista) es el promedio de 1,4 y 1,5 (tercera y segunda lista antigua) la tercera (nueva lista) el promedio de 1,5 y 1,4 (Cuarto y tercero), y así sucesivamente. Podría haberlo hecho el período tres o cuatro, o n. Observe cómo los datos son mucho más suaves. Una buena manera de ver los promedios móviles en el trabajo es ir a Google Finance, seleccionar una acción (probar Tesla Motors bastante volátil (TSLA)) y hacer clic en technicals en la parte inferior de la tabla. Seleccione Promedio móvil con un período determinado y Promedio móvil exponencial para comparar sus diferencias. La media móvil exponencial es sólo otra elaboración de esto, pero los pesos de los datos más antiguos menos de los nuevos datos de esta es una manera de sesgar el alisamiento hacia la parte posterior. Por favor, lea la entrada de Wikipedia. Por lo tanto, esto es más un comentario que una respuesta, pero el pequeño cuadro de comentarios era sólo a pequeño. Buena suerte. Si usted está teniendo apuro con la matemáticas, usted podría ir con una media móvil simple en vez de exponencial. Así que la salida que obtendrías serían los últimos x términos divididos por x. Pseudocódigo no comprobado: Tenga en cuenta que tendrá que manejar las partes inicial y final de los datos, ya que claramente no puede medirse los últimos 5 términos cuando está en su segundo punto de datos. Además, hay maneras más eficientes de calcular este promedio móvil (suma suma - más reciente más reciente), pero esto es para obtener el concepto de lo que está sucediendo a través de. Respondió Feb 8 12 at 20:41 Su respuesta 2016 Stack Exchange, IncMarch 29th, 2014 por Ryan Hamilton Let8217s mirar cómo escribir analítica de media móvil en q para la base de datos kdb. Como datos de ejemplo (mcd. csv) vamos a utilizar datos de precios de acciones para McDonalds MCD. El siguiente código descargará los datos de stock históricos de MCD y los colocará en la tabla t: Promedio móvil simple El promedio móvil simple puede utilizarse para suavizar datos fluctuantes para identificar tendencias y ciclos globales. La media móvil simple es la media de los puntos de datos y pondera igualmente todos los valores en el cálculo. Por ejemplo, para encontrar el precio medio móvil de una acción durante los últimos diez días, simplemente agregamos el precio diario para esos diez días y dividimos por diez. Esta ventana de tamaño diez días luego se mueve a través de las fechas, utilizando los valores dentro de la ventana para encontrar el promedio. Here8217s el código en kdb para el promedio móvil de 10/20 días y el gráfico resultante. ¿Cuál es la media móvil exponencial y cómo calcularlo? Uno de los problemas con la media móvil simple es que da todos los días una ponderación igual. Para muchos propósitos tiene más sentido dar a los días más recientes una mayor ponderación, un método para hacer esto es mediante el uso de la media móvil exponencial. La forma más simple de suavizado exponencial viene dada por la fórmula: donde es el factor de suavizado, y 0 Esta tabla muestra cómo se calculan los diferentes pesos / EMAs dados los valores 1,2 , 3,4,8,10,20 y un factor de suavizado de 0,7. (Hoja de cálculo Excel) Para realizar este cálculo en kdb podemos hacer lo siguiente: (Este código fue publicado originalmente en la lista de correo de google por Attila, la discusión completa se puede encontrar aquí) Este adverbio backslash funciona como La sintaxis alternativa se generaliza a las funciones de 3 o más argumentos donde se usa el primer argumento como valor inicial y los argumentos son elementos correspondientes de las listas: Gráfico Promedio Mínimo Exponencial Finalmente tomamos nuestra fórmula y la aplicamos a nuestros datos de precios de acciones, permitiéndonos ver la media móvil exponencial Para dos factores de suavizado diferentes: Gráfico de precios de acciones móviles exponenciales producido con qStudio Como puede ver con EMA, podemos priorizar valores más recientes usando un factor de suavizado elegido para decidir el balance entre datos recientes e históricos. Escribir kdb analytics como Exponential Moving Average se cubre en nuestro curso de capacitación de kdb. Ofrecemos regularmente cursos de formación en Londres, Nueva York. Asia o nuestro curso online de kdb está disponible para comenzar ahora mismo. 1 Respuesta a 8220Exponencial Moving Average EMA en Kdb8221 Gracias Ryan, esto es muy útil. Pero creo que hay un error tipográfico en la definición de ema8217s, debería ser: ema: método de media móvil xyJava Si está buscando un EMA que está optimizado para la transmisión de datos, procedente de un archivo o servicio de cotización, la siguiente clase de ejemplo le hará bien , En contraposición al uso de cálculos de fuerza bruta. Este enfoque es particularmente útil si está procesando datos en tiempo real. Los EMAs, un caso especial de promedios móviles ponderados, tienen el beneficio de que la ponderación relativa para cada período sucesivo disminuye con un factor constante f2 / (N1), donde N es el número de periodos sobre los cuales se aplica la EMA. En la siguiente clase de ejemplo se implementa esta naturaleza iterativa de EMA y se minimizan los requerimientos de computación sobre los valores de brute - Métodos de fuerza o métodos de post-procesamiento. Private int numPeriods 0 privado int totalPeriodos 0 privado double runningEMA 0.0 privado doble factor 0.0 público EMA (int numPeriods) this. numPeriods numPeriods factor 2.0 / (numPeriods 1.0) / Restablecer los cálculos para generar EMA para el período dado. / Public void reset (int numPeriods) / Devuelve EMA para el periodo define durante el constructor. Si los períodos procesados ​​son menores que el rango EMA, se devuelve cero. / Public double calcular (doble precio) runningEMA factorprice (1 factor) runningEMA if (totalPeriods lt numPeriods) Desde donde se obtienen los datos de precios y lo que se hace con los resultados de EMA depende de usted. Por ejemplo, si tiene los datos de precio en una matriz y desea calcular una EMA en otra matriz, el siguiente fragmento funcionará: dos precios. (50) // 50 periodo EMA para (int idx0 iltprices. length idx) emaidx ema (pricesidx) Buena suerte, y los mejores deseos para su proyecto .