ง่าย เฉลี่ยเคลื่อนที่ กรอง matlab

ดาวน์โหลด movAv. m (ดูที่ movAv2 - รุ่นปรับปรุงที่ช่วยให้การถ่วงน้ำหนัก) คำอธิบาย Matlab ประกอบด้วยฟังก์ชันที่เรียกว่า movavg และ tsmovavg (ค่าเฉลี่ยเคลื่อนที่แบบเวลาโดยเฉลี่ย) ในกล่องเครื่องมือทางการเงิน movAv ได้รับการออกแบบมาเพื่อทำซ้ำฟังก์ชันพื้นฐานของไฟล์เหล่านี้ โค้ดที่นี่เป็นตัวอย่างที่ดีในการจัดการดัชนีภายในลูปซึ่งอาจทำให้เกิดความสับสนในการเริ่มต้นด้วย Ive จงใจเก็บรหัสสั้นและง่ายเพื่อให้ขั้นตอนนี้ชัดเจน movAv มีค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยที่สามารถใช้เพื่อกู้คืนข้อมูลที่มีเสียงดังได้ในบางสถานการณ์ มันทำงานโดยการใช้ค่าเฉลี่ยของอินพุท (y) ในหน้าต่างเวลาเลื่อนซึ่งมีขนาดระบุโดย n n มีค่ามากยิ่งขึ้นจำนวนของการทำให้ราบเรียบผลของ n สัมพันธ์กับความยาวของเวคเตอร์อินพุต y และมีประสิทธิภาพ (ดีจัดเรียง) สร้างตัวกรองความถี่ต่ำ - ดูตัวอย่างและส่วนพิจารณา เนื่องจากจำนวนการทำให้ราบเรียบที่ให้มาโดยแต่ละค่าของ n สัมพันธ์กับความยาวของเวกเตอร์อินพุตค่าของค่าที่ทดสอบจะแตกต่างกันไปเพื่อดูว่าอะไรเหมาะสม จำไว้ว่าจุด n จะสูญหายไปในแต่ละค่าเฉลี่ยหาก n เท่ากับ 100 จุดแรกของอินพุทเวกเตอร์ dont มีข้อมูลเพียงพอสำหรับค่าเฉลี่ย 100pt ซึ่งสามารถหลีกเลี่ยงได้โดยการวางซ้อนค่าเฉลี่ยตัวอย่างเช่นโค้ดและกราฟด้านล่างจะเปรียบเทียบค่าเฉลี่ยของหน้าต่างความยาวที่ต่างกัน แจ้งให้ทราบว่าเปรียบเทียบ 1010pt กับค่าเฉลี่ย 20pt เพียงอย่างเดียว ในทั้งสองกรณี 20 จุดของข้อมูลจะสูญหายไปทั้งหมด สร้าง xaxis x1: 0.01: 5 ก่อให้เกิด noise noise เกิดสัญญาณรบกวน 4 noise repmat (randn (1, ceil (numel (x) noiseReps)), noiseReps, 1) noise reshape (noise, 1, noise) noiseReps) สร้าง ydata noise yexp (y, 10) 10 pt y3 movAv (y2, 10) 1010 pt y4 movAv (y, 20) 20 pt y5 movAv (y, 40) 40 pt. 10noise (1: length (x)) รายละเอียดขั้นสูง: y2 movAv y6 movAv (y, 100) 100 pt พล็อตตัวเลขพล็อต (x, y, y2, y3, y4, y5, y6) (ข้อมูลดิบ, 10pt เฉลี่ยเคลื่อนที่, 1010pt, 20pt, 40pt, 100pt) xlabel (x) ylabel y) title (การเปรียบเทียบค่าเฉลี่ยเคลื่อนที่) movAv. m code run-through function output movAv (y, n) บรรทัดแรกกำหนดชื่อฟังก์ชันอินพุตและเอาต์พุต อินพุท x ควรเป็นเวกเตอร์ของข้อมูลที่จะใช้ค่าเฉลี่ยเมื่อ n ควรเป็นจำนวนจุดที่จะทำค่าเฉลี่ยมากกว่าเอาท์พุทจะมีข้อมูลเฉลี่ยที่ส่งกลับโดยฟังก์ชัน หาจุดกึ่งกลางของ n midPoint round (n2) งานหลักของฟังก์ชันจะทำในลูป for แต่ก่อนที่จะเริ่มเตรียมสองสิ่ง ประการแรกเอาต์พุตถูกจัดสรรล่วงหน้าเป็น NaN ซึ่งทำหน้าที่สองประการ preallocation แรกคือการปฏิบัติที่ดีโดยทั่วไปเนื่องจากลดการเล่นกลของหน่วยความจำ Matlab ต้องทำประการที่สองมันทำให้ง่ายมากที่จะวางข้อมูลเฉลี่ยเป็นเอาต์พุตขนาดเดียวกับเวกเตอร์อินพุท ซึ่งหมายความว่า xaxis เดียวกันสามารถใช้งานได้ในภายหลังทั้งสองแบบซึ่งเหมาะสำหรับการวางแผนหรือสามารถถอด NaN ออกได้ในหนึ่งบรรทัดของรหัส (เอาท์พุทเอาต์พุต (midpoint แบบแปรผันจะใช้เพื่อจัดตำแหน่งข้อมูลในเวกเตอร์การส่งออกถ้า n 10, 10 จุดจะหายไปเนื่องจากสำหรับ 9 จุดแรกของเวกเตอร์อินพุตมีข้อมูลไม่เพียงพอที่จะใช้ค่าเฉลี่ย 10 จุดเนื่องจากเอาท์พุทจะสั้นกว่าข้อมูลอินพุตจะต้องมีการจัดตำแหน่งอย่างถูกต้อง midPoint จะ ถูกนำมาใช้เพื่อให้จำนวนข้อมูลที่เท่ากันจะหายไปเมื่อเริ่มต้นและสิ้นสุดและอินพุตจะถูกจัดเก็บให้สอดคล้องกับผลลัพธ์โดยบัฟเฟอร์ NaN ที่สร้างขึ้นเมื่อตั้งค่าเอาต์พุตล่วงหน้าสำหรับความยาว 1: (y) - n ค้นหาช่วงของดัชนีโดยเฉลี่ย over (a: b) ห้ามคำนวณหาค่าเฉลี่ยเอาท์พุท (amidPoint) mean (y (a: b)) end ในลูปสำหรับตัวมันเองค่าเฉลี่ยจะถูกยึดเอาส่วนที่ต่อเนื่องกันของ input ห่วงจะทำงานสำหรับ a. ซึ่งเป็น หมายถึง 1 ถึงความยาวของอินพุท (y) ลบข้อมูลที่จะสูญหายไป (n) ถ้าอินพุทมีค่าเท่ากับ 100 จุด ng และ n คือ 10 ลูปจะทำงานจาก (a) 1 ถึง 90 ซึ่งหมายถึงมีดัชนีแรกของกลุ่มที่จะได้รับค่าเฉลี่ย ดัชนีที่สอง (b) เป็นเพียง -1 ดังนั้นในการทำซ้ำครั้งแรก a1 n10 ดังนั้นข 11-1 10. ค่าเฉลี่ยแรกจะได้รับมากกว่า y (a: b) หรือ x (1:10) ค่าเฉลี่ยของกลุ่มนี้ซึ่งเป็นค่าเดียวจะถูกเก็บไว้ในผลลัพธ์ที่ดัชนี amidPoint หรือ 156 เมื่อทำซ้ำที่สอง a2 b 210-1 11 ดังนั้นค่าเฉลี่ยจะถูกนำไป x (2:11) และเก็บไว้ในเอาต์พุต (7) เมื่อทำซ้ำครั้งสุดท้ายของลูปสำหรับอินพุทความยาว 100, a91 b 9010-1 100 ดังนั้นค่าเฉลี่ยจะถูกนำมาใช้ x (91: 100) และเก็บไว้ในเอาต์พุต (95) ใบนี้ให้ผลรวม n (10) ค่า NaN ที่ดัชนี (1: 5) และ (96: 100) ตัวอย่างและข้อควรคำนึงการย้ายค่าเฉลี่ยจะเป็นประโยชน์ในบางสถานการณ์ แต่ก็ไม่ใช่ทางเลือกที่ดีเสมอไป ต่อไปนี้คือตัวอย่างสองส่วนที่พวกเขาไม่จำเป็นต้องมีประสิทธิภาพสูงสุด การปรับเทียบไมโครโฟนชุดข้อมูลนี้แสดงถึงระดับของแต่ละความถี่ที่ผลิตโดยลำโพงและบันทึกโดยไมโครโฟนโดยมีการตอบสนองเชิงเส้นที่เป็นที่รู้จัก เอาท์พุทของลำโพงจะแตกต่างกันไปตามความถี่ แต่เราสามารถแก้ไขรูปแบบนี้ได้ด้วยข้อมูลการปรับเทียบ - เอาท์พุทสามารถปรับระดับให้เหมาะสมกับความผันผวนของการสอบเทียบได้ สังเกตว่าข้อมูลดิบมีเสียงดัง - นั่นหมายความว่าการเปลี่ยนแปลงเล็กน้อยในความถี่ดูเหมือนจะต้องมีการเปลี่ยนแปลงระดับที่มากผิดปกติ นี้สมจริงหรือเป็นผลิตภัณฑ์ของสภาพแวดล้อมการบันทึกที่สมเหตุสมผลในกรณีนี้เพื่อใช้ค่าเฉลี่ยเคลื่อนที่ที่คลี่ออกโค้งระดับความสูงเพื่อให้เส้นโค้งการปรับเทียบที่น้อยผิดปกติ แต่นี่ไม่ใช่เหตุผลที่ดีที่สุดในตัวอย่างนี้ข้อมูลเพิ่มเติมจะดีกว่า - การสอบเทียบหลายครั้งทำงานร่วมกันโดยเฉลี่ยจะทำลายเสียงในระบบ (ตราบเท่าที่มีการสุ่ม) และให้เส้นโค้งที่มีรายละเอียดน้อยลง ค่าเฉลี่ยเคลื่อนที่สามารถประมาณค่านี้ได้เท่านั้นและอาจลบส่วนที่ลดลงและยอดที่สูงขึ้นออกจากเส้นโค้งที่มีอยู่จริง คลื่นไซน์การใช้ค่าเฉลี่ยเคลื่อนที่บนคลื่นซายน์ไฮไลต์สองจุด: ประเด็นทั่วไปในการเลือกคะแนนที่เหมาะสมเพื่อให้มีค่าเฉลี่ยมากกว่า ง่าย แต่มีวิธีการวิเคราะห์สัญญาณที่มีประสิทธิภาพมากขึ้นกว่าค่าเฉลี่ยสัญญาณสั่นในโดเมนเวลา ในกราฟนี้คลื่นไซน์ดั้งเดิมจะถูกวาดด้วยสีฟ้า มีการเพิ่มเสียงรบกวนและวางแผนเป็นเส้นโค้งสีส้ม ค่าเฉลี่ยเคลื่อนที่จะถูกดำเนินการที่จุดต่างกันเพื่อดูว่าคลื่นต้นฉบับสามารถกู้คืนได้หรือไม่ 5 และ 10 จุดให้ผลลัพธ์ที่สมเหตุสมผล แต่อย่าเอาเสียงออกทั้งหมดซึ่งเป็นจุดเริ่มต้นของการสูญเสียรายละเอียดแอมพลิจูดมากขึ้นเมื่อค่าเฉลี่ยขยายไปในช่วงต่างๆ (จำ wave oscilates รอบศูนย์และ -1 หมายถึง 0) อีกทางเลือกหนึ่งคือการสร้างตัวกรองสัญญาณลอมพนด์ต่ำกว่าที่สามารถใช้กับสัญญาณในโดเมนความถี่ได้ ฉันจะไม่ไปลงในรายละเอียดตามที่ไปเกินขอบเขตของบทความนี้ แต่เป็นเสียงเป็นความถี่สูงกว่าคลื่นความถี่พื้นฐานก็จะค่อนข้างง่ายในกรณีนี้เพื่อสร้างตัวกรอง lowpass กว่าจะเอาความถี่สูง ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย Nasser Abbasi ltnma12000.orggt เขียนไว้ในข้อความ ltJ5zLl.1619154.14139nlpi070.nbdc. sbcgt gt gt Daniel ltsimpson. dhotmail. co. ukgt เขียนไว้ในข้อความ gt news: gtm7ulbtn1fred. mathworks gt gt ฉันจะใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายสำหรับเมทริกซ์ที่ฉันต้องการจะหมุนเวียน gt ผ่านทุกองค์ประกอบในเมตริกซ์ของฉันและแทนที่แต่ละองค์ประกอบด้วย gt gt ค่าเฉลี่ยของตัวเองและองค์ประกอบ 8 ส่วนที่อยู่รอบ ๆ (กล่าวคือฉันต้องการ gt gt ใช้ค่าเฉลี่ยเคลื่อนที่ 3x3 matrix) gt gt gt gt a (19) (3) หมายถึงตัวกรอง gt ยี่ห้อ (5) gt conv2 (B, A) gt gt gt ฉันแน่ใจว่าได้ตั้งค่าวงล้อของฉันไว้อย่างถูกต้องแล้ว แต่ฉันไม่แน่ใจเกี่ยวกับ gt gt ฉันควรใช้ฟังก์ชันใดในการใช้ค่าเฉลี่ยโดยเฉลี่ย gt gt gt gt ฉันได้ลองใช้ฟังก์ชันต่างๆเช่น filter2 และ conv2, gt gt แต่ฉันไม่แน่ใจว่ากำลังดำเนินการถูกต้องหรือไม่ หากฟังก์ชั่น gt gt เหล่านี้มีความเหมาะสมกับใครบางคนอาจจะได้อธิบายให้เราทราบ gt gt ในบริบทของค่าเฉลี่ยเคลื่อนที่ที่ต้องการ gti gt gt ฉันขอขอบคุณสำหรับความช่วยเหลือของคุณ gt gt --Nasser gt ขอบคุณสำหรับการตอบกลับของคุณ ที่จริงฉันอ่านผ่านส่วนที่เกี่ยวข้องในเอกสารช่วยเหลือในขณะที่ฉันกำลังรอคอยและเรียงลำดับของคำตอบคำถามของฉันเองฉันอาจจะดูมีครั้งแรกในครั้งต่อไป อีกครั้งขอบคุณมากสำหรับความช่วยเหลือของคุณรายการเฝ้าระวังคุณสามารถคิดรายการเฝ้าดูของคุณเป็นหัวข้อที่คุณได้บุ๊คมาร์คไว้ คุณสามารถเพิ่มแท็กผู้เขียนชุดข้อความและแม้แต่ผลการค้นหาลงในรายการเฝ้าดูของคุณ ด้วยวิธีนี้คุณสามารถติดตามหัวข้อที่คุณสนใจได้อย่างง่ายดายหากต้องการดูรายการเฝ้าดูของคุณคลิกที่ลิงค์ quot My Newsreaderquot หากต้องการเพิ่มรายการลงในรายการเฝ้าดูให้คลิกที่ลิงก์เพื่อดูลิงก์ listquot ที่ด้านล่างของหน้าใดก็ได้ ฉันจะเพิ่มรายการลงในรายการเฝ้าดูได้อย่างไรหากต้องการเพิ่มเกณฑ์การค้นหาลงในรายการเฝ้าดูให้ค้นหาคำที่ต้องการในช่องค้นหา คลิกที่ "เพิ่มการค้นหานี้ลงในลิงก์ watchquest ของฉันในหน้าผลการค้นหา นอกจากนี้คุณยังสามารถเพิ่มแท็กลงในรายการเฝ้าดูได้ด้วยการค้นหาแท็กด้วยคำสั่ง quintag: tagnamequot โดยที่ tagname คือชื่อของแท็กที่คุณต้องการดู หากต้องการเพิ่มผู้เขียนลงในรายการเฝ้าดูให้ไปที่หน้าโปรไฟล์ผู้เขียนและคลิกที่ "เพิ่มผู้แต่งนี้ลงในลิงก์ watchquest ของฉันที่ด้านบนของหน้า นอกจากนี้คุณยังสามารถเพิ่มผู้เขียนลงในรายการเฝ้าดูโดยไปที่เธรดที่ผู้เขียนโพสต์ไว้และคลิกที่เพิ่มผู้แต่งนี้ลงในลิงก์ watchquest ของฉัน คุณจะได้รับแจ้งเมื่อใดก็ตามที่ผู้เขียนโพสต์ หากต้องการเพิ่มเธรดในรายการเฝ้าดูให้ไปที่หน้าหัวข้อและคลิกที่เพิ่มเนื้อหานี้ในลิงก์ watch listquot ที่ด้านบนของหน้า เกี่ยวกับ Newsgroups, Newsreaders และ MATLAB Central กลุ่มข่าวสารคืออะไรกลุ่มข่าวเป็นฟอรัมทั่วโลกที่เปิดกว้างสำหรับทุกคน กลุ่มข่าวสารใช้ในการพูดคุยเกี่ยวกับหัวข้อต่างๆการประกาศและการทำธุรกรรม การสนทนาแบ่งเป็นกลุ่มหรือจัดกลุ่มตามวิธีที่ช่วยให้คุณอ่านข้อความที่โพสต์และการตอบกลับทั้งหมดตามลำดับเวลา การทำเช่นนี้ทำให้ง่ายต่อการติดตามหัวข้อสนทนาและเพื่อดูสิ่งที่ถูกกล่าวมาแล้วก่อนที่คุณจะโพสต์การตอบกลับของคุณเองหรือโพสต์ใหม่ เนื้อหากลุ่มข่าวสารเผยแพร่โดยเซิร์ฟเวอร์ที่โฮสต์โดยองค์กรต่างๆบนอินเทอร์เน็ต มีการแลกเปลี่ยนและจัดการข้อความโดยใช้โปรโตคอลมาตรฐานแบบเปิด ไม่มีกลุ่มเดียวที่สร้างกลุ่มข่าว มีกลุ่มข่าวหลายพันกลุ่มซึ่งแต่ละหัวข้อจะกล่าวถึงหัวข้อเดียวหรือพื้นที่ที่น่าสนใจ MATLAB Central Newsreader โพสต์และแสดงข้อความในกลุ่มข่าว comp. soft-sys. matlab ฉันจะอ่านหรือโพสต์ไปที่กลุ่มข่าวสารได้อย่างไรคุณสามารถใช้โปรแกรมอ่านข่าวแบบรวมได้ที่เว็บไซต์ MATLAB Central เพื่ออ่านและโพสต์ข้อความในกลุ่มข่าวสารนี้ MATLAB Central เป็นเจ้าภาพโดย MathWorks ข้อความที่โพสต์ผ่าน MATLAB Central Newsreader จะถูกมองโดยทุกคนโดยใช้กลุ่มข่าวสารโดยไม่คำนึงถึงว่าพวกเขาเข้าถึงกลุ่มข่าวสารอย่างไร มีข้อดีหลายอย่างในการใช้ MATLAB Central บัญชีเดียวบัญชี MATLAB Central ของคุณเชื่อมโยงกับบัญชี MathWorks ของคุณเพื่อความสะดวก ใช้ที่อยู่อีเมลของทางเลือกของคุณ MATLAB Central Newsreader ช่วยให้คุณสามารถกำหนดที่อยู่อีเมลสำรองเป็นที่อยู่สำหรับโพสต์ของคุณหลีกเลี่ยงความยุ่งเหยิงในกล่องจดหมายหลักและลดสแปม การควบคุมสแปมสแปมกลุ่มข่าวสารส่วนใหญ่จะถูกกรองออกโดย MATLAB Central Newsreader การติดแท็กข้อความสามารถติดแท็กด้วยป้ายกำกับที่เกี่ยวข้องโดยผู้ใช้ที่ลงชื่อเข้าใช้ใด ๆ แท็กสามารถใช้เป็นคำหลักเพื่อค้นหาไฟล์ที่ต้องการโดยเฉพาะหรือเป็นวิธีจัดประเภทการโพสต์ที่บุ๊คมาร์คของคุณ คุณสามารถเลือกให้ผู้อื่นดูแท็กของคุณได้และคุณสามารถดูหรือค้นหาแท็ก otherrsquo รวมทั้งชุมชนของชุมชนได้ การติดแท็กช่วยให้สามารถมองเห็นทั้งแนวโน้มใหญ่และความคิดและแอพพลิเคชันขนาดเล็กที่คลุมเครือมากขึ้น ดูรายการการตั้งค่ารายการเฝ้าดูช่วยให้คุณได้รับแจ้งเกี่ยวกับการอัปเดตที่โพสต์โดยผู้แต่งด้ายหรือตัวแปรการค้นหาใด ๆ การแจ้งเตือนรายการนัดหมายของคุณสามารถส่งทางอีเมล (การแจกแจงรายวันหรือทันที) ซึ่งแสดงใน My Newsreader หรือส่งผ่านฟีด RSS วิธีอื่น ๆ ในการเข้าถึงกลุ่มข่าวสารใช้โปรแกรมอ่านข่าวผ่านทางโรงเรียนนายจ้างหรือผู้ให้บริการอินเทอร์เน็ตของคุณการชำระเงินสำหรับการเข้าถึงกลุ่มข่าวสารจากผู้ให้บริการเชิงพาณิชย์ใช้ Google Groups Mathforum. org ให้ผู้ประกาศข่าวที่สามารถเข้าถึงกลุ่มข่าวสารของ s. sysysys. microsoft ดำเนินการของคุณเอง เซิร์ฟเวอร์ สำหรับคำแนะนำทั่วไปโปรดดู: slyckng. phppage2 เลือกตัวกรองเฉลี่ยของ CountryMoving (ตัวกรอง MA) กำลังโหลด ตัวกรองค่าเฉลี่ยเคลื่อนที่เป็นตัวกรองแบบ FIR (Finite Impulse Response) แบบ Low Pass ที่ใช้กันโดยทั่วไปสำหรับการจัดเรียงข้อมูลตัวอย่างแบบสุ่มตัวอย่าง ใช้เวลา M ตัวอย่างของการป้อนข้อมูลในแต่ละครั้งและใช้ค่าเฉลี่ยของ M-samples เหล่านี้และสร้างจุดเอาต์พุตเดี่ยว เป็นโครงสร้าง LPF (Low Pass Filter) ที่เรียบง่ายซึ่งเป็นประโยชน์สำหรับนักวิทยาศาสตร์และวิศวกรในการกรององค์ประกอบเสียงรบกวนที่ไม่พึงประสงค์จากข้อมูลที่ต้องการ เมื่อความยาวของตัวกรองเพิ่มขึ้น (พารามิเตอร์ M) ความนุ่มนวลของเอาท์พุทจะเพิ่มขึ้นในขณะที่ความคมชัดของการเปลี่ยนข้อมูลจะเพิ่มมากขึ้น นี่หมายความว่าตัวกรองนี้มีการตอบสนองโดเมนเวลาที่ยอดเยี่ยม แต่มีการตอบสนองต่อความถี่ต่ำ ตัวกรอง MA ทำหน้าที่สำคัญ 3 ประการคือ 1) ต้องใช้ M Input Point, คำนวณค่าเฉลี่ยของ M-points เหล่านี้และสร้างจุดเอาต์พุตเดี่ยว 2) เนื่องจากมีการคำนวณการคำนวณ ตัวกรองแนะนำจำนวนครั้งที่แน่นอนของการหน่วงเวลา 3) ตัวกรองทำหน้าที่เป็นตัวกรองความถี่ต่ำ (มีการตอบสนองโดเมนความถี่ต่ำและการตอบสนองโดเมนที่ดี) รหัส Matlab: โค้ด MATLAB ดังต่อไปนี้จะจำลองการตอบสนองโดเมนเวลาของตัวกรองค่าเฉลี่ยเคลื่อนที่แบบ M-point และคำนวณการตอบสนองความถี่สำหรับความยาวของตัวกรองต่างๆ การตอบสนองโดเมนระยะเวลา: ในพล็อตแรกเรามีข้อมูลเข้าที่จะเข้าสู่ตัวกรองค่าเฉลี่ยเคลื่อนที่ การป้อนข้อมูลมีเสียงดังและวัตถุประสงค์ของเราคือการลดเสียงรบกวน ตัวเลขต่อไปคือการตอบสนองการส่งออกของตัวกรองการเคลื่อนที่เฉลี่ย 3 จุด สามารถอนุมานได้จากรูปที่ตัวกรอง 3 จุด Moving Average ไม่ได้ทำอะไรมากนักในการกรองเสียงรบกวน เราเพิ่มตัวกรองก๊อกเป็น 51 จุดและเราจะเห็นว่าเสียงในเอาต์พุตลดลงมากซึ่งแสดงในรูปถัดไป เราเพิ่มก๊อกต่อไปที่ 101 และ 501 และเราสามารถสังเกตได้ว่าถึงแม้จะมีสัญญาณรบกวนอยู่เกือบเป็นศูนย์การเปลี่ยนภาพจะลดลงอย่างเห็นได้ชัด (สังเกตความชันที่ด้านข้างของสัญญาณและเปรียบเทียบกับการเปลี่ยนแปลงของผนังอิฐที่เหมาะสมใน ข้อมูลของเรา) การตอบสนองต่อความถี่: จากการตอบสนองต่อความถี่คุณสามารถยืนยันได้ว่าการม้วนออกช้ามากและการลดทอนของแถบหยุดไม่ดี เมื่อพิจารณาการลดทอนแถบหยุดนี้อย่างชัดเจนตัวกรองค่าเฉลี่ยเคลื่อนที่จะไม่สามารถแยกย่านความถี่หนึ่งจากอีกความถี่หนึ่งได้ อย่างที่เราทราบดีว่าประสิทธิภาพที่ดีในโดเมนเวลาทำให้ประสิทธิภาพในโดเมนความถี่ต่ำและในทางกลับกัน ในระยะสั้นค่าเฉลี่ยเคลื่อนที่เป็นตัวกรองที่ราบเรียบดีเด่น (การทำงานในโดเมนเวลา) แต่เป็นตัวกรองความถี่ต่ำที่ไม่ดี (การดำเนินการในโดเมนความถี่) ลิงก์ภายนอก: หนังสือแนะนำ: Primary SidebarSimple Moving Average Trading Strategy Strategy (Entry 038 Exit) I. กลยุทธ์การซื้อขายที่มา: Kaufman, PJ (2013) ระบบการซื้อขายและวิธีการ New Jersey: John Wiley amp Sons, Inc แนวคิด: เทรนด์กลยุทธ์การซื้อขายตามตัวกรอง Simple Moving Average (SMA) เป้าหมายการวิจัย: เพื่อวัดค่า Average Moving Average (SMA) เทียบกับ Average Moving Average (HMA) ข้อมูลจำเพาะ: ตารางที่ 1. ผลการดำเนินงาน: รูปที่ 1-2 ตัวกรองการค้า: การค้าระยะยาว: FastSMAi 1 gt SlowSMAi 1. การค้าแบบสั้น: FastSMAi 1 lt SlowSMAi 1. ดัชนี: i บาร์ปัจจุบัน Portfolio: 42 ตลาดฟิวเจอร์สจากสี่ภาคการตลาดที่สำคัญ (สินค้าโภคภัณฑ์สกุลเงินอัตราดอกเบี้ยและดัชนีหุ้น) ข้อมูล: 36 ปีนับตั้งแต่ปี พ. ศ. 2523 แพลตฟอร์มทดสอบ: MATLAB ครั้งที่สอง การทดสอบความไวทดสอบแผนภูมิ 3 มิติทั้งหมดจะตามด้วยแผนภูมิเส้นโค้ง 2 มิติสำหรับ Profit Factor, Sharpe Ratio, ดัชนีประสิทธิภาพของแผล, CAGR, การเบิกใช้สูงสุด, เปอร์เซ็นต์การทำกำไรและ Avg. ชนะเฉลี่ย อัตราส่วนความสูญเสีย ภาพสุดท้ายแสดงความไวของ Equity Curve ตัวแปรที่ได้รับการทดสอบ: SlowSMalength, FastSMAIndex (คำนิยาม: ตารางที่ 1): รูปที่ 1 ผลงานของพอร์ตการลงทุน (อินพุท: ตารางที่ 1 การระงับคณะกรรมาธิการ: 0) V. การจัดอันดับ: Simple Moving Average (SMA) Filter Trading Strategy VI. (SMA) มีค่าน้อยกว่าค่าเฉลี่ยการเคลื่อนที่ของลำตัว (Hull Moving Average - HMA) (2) จากการทดสอบความไวดังกล่าวพารามิเตอร์ SMA ที่ต้องการคือ 100 SlowSMength 600 0.2 FastSMAIndex 0.5 (รูปที่ 1-2) ระบบการซื้อขาย ALPHA 20 TM CFTC RULE 4.41: ผลการดำเนินงานที่สมมุติฐานหรือผลการดำเนินงานที่จำลองขึ้นมีข้อ จำกัด บางอย่าง ไม่ว่าจะเป็นบันทึกผลการดำเนินงานที่แท้จริงผลลัพธ์ที่จำลองไม่ได้แสดงถึงการซื้อขายตามปกติ นอกจากนี้เนื่องจากการค้ายังไม่ได้รับผลกระทบผลลัพธ์อาจมีน้อยกว่าหรือมากกว่าที่จะได้รับผลกระทบหากมีปัจจัยการตลาดบางอย่างเช่นการขาดสภาพคล่อง โปรแกรมเทรดดิ้งที่จำลองในเรื่องทั่วไปจะต้องเป็นไปตามข้อเท็จจริงที่ว่าพวกเขาได้รับการออกแบบมาพร้อมกับประโยชน์ของยุคเีดียว ไม่มีผู้ถือหุ้นรายใดแสดงว่าบัญชีใดจะเป็นประโยชน์หรือเป็นไปได้ที่จะทำกำไรหรือขาดทุนให้คล้ายคลึงกัน การเปิดเผยข้อมูลความเสี่ยง: รัฐบาลสหรัฐฯต้องได้รับการปฏิเสธการใช้ CFTC RULE 4.41