Exponential Moving Average EMA Die exponentielle Moving Average EMA wiegt die aktuellen Preise stärker als die vergangenen Preise Dies verleiht dem Exponential Moving Average den Vorteil, dass sie schneller auf Preisschwankungen reagieren als ein einfacher Moving Average, der aber auch als Nachteil angesehen werden kann Die EMA ist anfälliger für Whipsaws, dh falsche Signale. Die Grafik unten von eBay EBAY Aktie zeigt den Unterschied zwischen einem 10-tägigen Exponential Moving Average EMA und dem 10-Tage-regulären Simple Moving Average SMA. Die Hauptsache zu bemerken ist, wie viel schneller Die EMA reagiert auf Preisumkehrungen, während die SMA in Zeiten der Umkehrung verzögert. Das Diagramm unten von der Nasdaq 100 Exchange Traded Fund QQQQ zeigt den Unterschied zwischen gleitenden durchschnittlichen Crossovers siehe Moving Average Crossovers möglich kaufen und verkaufen Signale mit einem EMA und einem SMA. As Das Diagramm oben der QQQQ s veranschaulicht, obwohl EMAs schneller auf Preisbewegungen reagieren, EMAs sind nicht unbedingt schneller, um mögliches bu zu geben Y und verkaufen Signale bei der Verwendung von gleitenden durchschnittlichen Crossover. Also beachten Sie, dass das Konzept in der Tabelle oben mit Exponential Moving Average Crossovers dargestellt ist das Konzept hinter der beliebten Moving Average Convergence Divergence MACD Indikator sehen MACD. Since Exponential Moving Averages wiegen aktuelle Preise stärker als Vergangene Preise, die EMA wird von vielen Händlern als überlegen der Simple Moving Average jedoch angesehen, aber jeder Trader sollte die Profis und die Nachteile der EMA wiegen und entscheiden, in welcher Weise sie mit gleitenden Durchschnitten verwenden werden. Trotzdem bleiben Moving Averages am meisten Populäre technische Analyse-Indikator auf dem Markt heute. Die Informationen oben ist für Informations-und Unterhaltungszwecke nur und stellt keine Handelsberatung oder eine Aufforderung zum Kauf oder Verkauf von Aktien, Option, Zukunft, Ware oder Forex-Produkt Vergangene Wertentwicklung ist nicht unbedingt Ein Hinweis auf zukünftige Leistung Der Handel ist inhärent riskant, haftet nicht für besondere oder konsequente Schäden, die sich aus der Benutzung oder der Unfähigkeit zur Nutzung, den Materialien und Informationen, die auf dieser Website zur Verfügung gestellt werden, ergeben. Vollständiger Haftungsausschluss. Exponential Moving Average - EMA. BREAKING DOWN Exponential Moving Average - EMA. Die 12- und 26-Tage-EMAs sind die Die meisten populären kurzfristigen Mittelwerte, und sie werden verwendet, um Indikatoren wie die gleitende durchschnittliche Konvergenz Divergenz MACD und der prozentuale Preis Oszillator PPO Im Allgemeinen werden die 50-und 200-Tage-EMAs als Signale der langfristigen Trends verwendet. Trader, die Beschäftigen technische Analyse finden bewegte Durchschnitte sehr nützlich und aufschlussreich, wenn sie richtig angewendet werden, aber schaffen Verwüstung, wenn sie unsachgemäß verwendet oder falsch interpretiert werden Alle gleitenden Durchschnitte, die üblicherweise in der technischen Analyse verwendet werden, sind ihrer Natur nach rückläufige Indikatoren Folglich sind die Schlussfolgerungen aus der Anwendung eines gleitenden Durchschnitts Zu einem bestimmten Markt Chart sollte sein, um eine Marktbewegung zu bestätigen oder um ihre Stärke anzugeben Sehr oft, durch die Zeit eine gleitende durchschnittliche Indikator Linie hat eine Änderung vorgenommen Um einen bedeutenden Schritt auf dem Markt zu reflektieren, ist der optimale Punkt des Markteintritts bereits vergangen Eine EMA dient dazu, dieses Dilemma zu einem gewissen Grad zu lindern Da die EMA-Berechnung mehr Gewicht auf die neuesten Daten setzt, umarmt sie die Preisaktion etwas fester und Reagiert daher schneller Dies ist wünschenswert, wenn ein EMA verwendet wird, um ein Handelseintragssignal abzuleiten. In der Auslegung der EMA. Like alle gleitenden durchschnittlichen Indikatoren sind sie viel besser geeignet für Trends Märkte Wenn der Markt in einem starken und anhaltenden Aufwärtstrend der EMA Indikatorlinie ist Wird auch einen Aufwärtstrend und umgekehrt für einen Down-Trend zeigen Ein wachsamer Trader wird nicht nur auf die Richtung der EMA-Linie achten, sondern auch die Beziehung der Änderungsrate von einer Bar zur nächsten Zum Beispiel als Preisaktion Von einem starken Aufwärtstrend beginnt zu glätten und umzukehren, wird die EMA s Rate von Wechsel von einem bar zum nächsten beginnen zu verkleinern, bis zu diesem Zeitpunkt, dass die Indikatorlinie flacht und die Rate der Änderung ist Null. Wegen der Die nacheilende Wirkung, bis zu diesem Punkt oder sogar ein paar Takte vorher, sollte sich die Preisaktion bereits umkehren. Daraus folgt, dass die Beobachtung einer konsequenten Abnahme der Änderungsrate der EMA selbst als Indikator genutzt werden könnte, Dilemma verursacht durch die nacheilende Wirkung der bewegten Durchschnitte. Die Verwendung von EMA. EMAs wird häufig in Verbindung mit anderen Indikatoren verwendet, um signifikante Marktbewegungen zu bestätigen und ihre Gültigkeit zu beurteilen. Für Händler, die intraday und schnell bewegte Märkte handeln, ist die EMA eher anwendbar Oft Händler verwenden EMAs, um eine Handels-Bias zu bestimmen Wenn zum Beispiel eine EMA auf einer Tages-Chart einen starken Aufwärtstrend zeigt, kann eine Intraday-Trader-Strategie nur von der langen Seite auf einem Intraday-Chart handeln. Einfach zu bedienen Digital Filter. Die exponentiell gleitenden Durchschnitt EMA ist eine Art von unendlichen Impulsantwort IIR-Filter, die in vielen eingebetteten DSP-Anwendungen verwendet werden kann Es erfordert nur eine kleine Menge an RAM und Rechenleistung. Was ich Sa Filter. Filter kommen sowohl in analoge als auch in digitaler Form vor und existieren, um bestimmte Frequenzen aus einem Signal zu entfernen. Ein gemeinsamer analoger Filter ist der unten dargestellte Tiefpass-RC-Filter. Aalog-Filter zeichnen sich durch ihren Frequenzgang aus, wie viel die Frequenzen in der Größe sind Antwort und verschobene Phasenreaktion Der Frequenzgang kann mit einer Laplace-Transformation analysiert werden, die eine Übertragungsfunktion in der S-Domäne definiert. Für die obige Schaltung ist die Übertragungsfunktion gegeben. For R entspricht einem Kilo-Ohm und C entspricht einem Mikrofarad, Die Größenreaktion ist unten gezeigt. Hinweis, dass die x-Achse logarithmisch ist jede Tickmarke 10 mal größer als die letzte Die y-Achse befindet sich in Dezibel, die eine logarithmische Funktion des Ausgangs ist. Die Cutoff-Frequenz für diesen Filter beträgt 1000 rad S oder 160 Hz Dies ist der Punkt, an dem weniger als die Hälfte der Leistung bei einer gegebenen Frequenz vom Eingang zum Ausgang des Filters übertragen wird. Analog-Filter müssen in eingebetteten Designs verwendet werden, wenn sam Plot ein Signal mit einem Analog-Digital-Wandler ADC Der ADC erfasst nur Frequenzen, die bis zu der Hälfte der Abtastfrequenz sind. Wenn zum Beispiel der ADC 320 Abtastungen pro Sekunde erfaßt, wird der Filter oben mit einer Cutoff-Frequenz von 160 Hz zwischen dem Signal und gesetzt Der ADC-Eingang, um das Aliasing zu verhindern, was ein Phänomen ist, bei dem höhere Frequenzen im abgetasteten Signal als niedrigere Frequenzen auftreten. Digitale Filter. Digital-Filter dämpfen Frequenzen in der Software anstatt mit analogen Komponenten Ihre Implementierung umfasst die Abtastung der analogen Signale mit einem ADC, Software-Algorithmus Zwei gängige Designansätze für die digitale Filterung sind FIR-Filter und IIR-Filter. FIR Filter. Finite Impulsantwort FIR-Filter verwenden eine endliche Anzahl von Samples, um die Ausgabe zu erzeugen Ein einfacher gleitender Durchschnitt ist ein Beispiel für einen Tiefpass-FIR-Filter Höhere Frequenzen sind Gedämpft, weil die Mittelung das Signal glättet. Der Filter ist endlich, weil der Ausgang des Filters bestimmt ist Eingegeben durch eine endliche Anzahl von Eingangs-Samples Als Beispiel, ein 12-Punkt-Gleit-Durchschnitt-Filter addiert sich die 12 letzten Samples dann teilt sich um 12 Die Ausgabe von IIR-Filter wird durch bis zu einer unendlichen Anzahl von Eingabe-Samples bestimmt. IIR Filters. Infinite Impulsantwort IIR-Filter sind eine Art von Digital-Filter, bei dem die Ausgabe in der Theorie ohnehin in der Theorie beeinflusst wird. Der exponentielle gleitende Durchschnitt ist ein Beispiel für einen Tiefpass-IIR-Filter. Exponential Moving Average Filter. Ein exponentieller gleitender Durchschnitt EMA wendet exponentielle Gewichte an Jede Probe, um einen Durchschnitt zu berechnen Obwohl dies kompliziert erscheint, ist die Gleichung, die in der digitalen Filterung parlance als die Differenzgleichung bekannt ist, um die Ausgabe zu berechnen, einfach. In der folgenden Gleichung ist y die Ausgabe x ist die Eingabe und alpha ist eine Konstante, die setzt Die Cutoff-Frequenz. Um zu analysieren, wie sich dieser Filter auf die Frequenz des Outputs auswirkt, wird die Z-Domain-Übertragungsfunktion verwendet. Die Größenreaktion ist unten für alpha gleich 0 5 dargestellt. Die y-Achse ist wiederum in Dezibel dargestellt Die x-Achse ist logarithmisch von 0 001 bis pi Die realen Weltkarten der x-Achse mit Null ist die Gleichspannung und pi gleich der Hälfte der Abtastfrequenz beliebige Frequenzen Die größer sind als die Hälfte der Abtastfrequenz wird aliased Wie bereits erwähnt, kann ein analoger Filter sicherstellen, dass praktisch alle Frequenzen im Digitalsignal unterhalb der Abtastfrequenz liegen. Der EMA-Filter ist in eingebetteten Designs aus zwei Gründen vorteilhaft. Zuerst ist es einfach, Anpassung der Cutoff-Frequenz Die Verringerung des Wertes von alpha verringert die Cutoff-Frequenz des Filters, wie durch Vergleich des obigen Alpha-0-5-Plots mit dem darunter liegenden Diagramm verknüpft wird, wobei alpha 0 1 ist. Zweitens ist die EMA einfach zu codieren und benötigt nur eine kleine Menge Der Rechenleistung und des Speichers Die Code-Implementierung des Filters verwendet die Differenzgleichung Es gibt zwei Multiplikationsoperationen und eine Additionsoperation für jeden Ausgang, die die Operationen ignoriert, die zum Abrunden des festen Punktes erforderlich sind Th Nur das aktuellste Sample muss im RAM gespeichert werden. Dies ist wesentlich geringer als die Verwendung eines einfachen gleitenden Mittelfilters mit N Punkten, die N Multiplikations - und Additionsoperationen sowie N Samples benötigt, die im RAM gespeichert werden sollen. Der folgende Code implementiert den EMA-Filter mit 32-Bit-Fixpunkt-Mathematik. Der untenstehende Code ist ein Beispiel für die Verwendung der oben genannten Funktion. Fächer, sowohl analog als auch digital, sind ein wesentlicher Bestandteil von eingebetteten Designs. Sie erlauben es Entwicklern, unerwünschte Frequenzen bei der Analyse des Sensoreingangs für digital zu entfernen Filter, um nützlich zu sein, analoge Filter müssen alle Frequenzen über die Hälfte der Abtastfrequenz entfernen. Digitale IIR-Filter können leistungsstarke Werkzeuge in eingebettetem Design sein, bei denen Ressourcen begrenzt sind Die exponentielle gleitende durchschnittliche EMA ist ein Beispiel für einen solchen Filter, der in eingebetteten Designs gut funktioniert Die geringe Speicher - und Rechenleistung.
Comments
Post a Comment