24 Timers Moving Average

Microsoft Excel 2010, input fil med tusenvis av rader av timedata, og dermed er det 24 verdier (rader) per dag. Vi antar at dataene mine starter ved B1, og vi antar at jeg legger min gjennomsnittlige verdi for Dag 1 til C1. Innholdet i C1-cellen vil være AVERAGE (A1: A24), så langt så bra. Spørsmålet er hva jeg trenger å sette inn i C2-cellen for å gjøre det slik at innholdet i C2-cellen blir gjennomsnittet av A: 25 gjennom A: 48 på en slik måte at jeg kan kopiere den samme formelen nedover C kolonne og fyller på riktig måte C3 som gjennomsnittet av A: 49 gjennom A: 72 og så videre spurte 25. mai 12 kl 19:17. Hvis det kan fungere i din sammenheng, vil jeg vurdere en pivottabel for å gjøre dette. Forutsatt at timene dine er i riktig Excel-dato-format (hvis ikke, opprett en ny kolonne og lag en formel for å omforme den til dato-tid): Velg A1 til B5000 (eller så langt du tror du kommer til slutt) Lag en PivotTable og plasser den i kolonne C Legg til A-Timer i Row Labels-området Grupper det på dager (høyreklikk på en dato, velg Gruppe, og velg Dager) Legg til B-Data i Verdier-området og sett det til gjennomsnitt i stedet for sum. Denne løsningen er: Enkel å implementere lett å forstå fleksibel (kan flyttes, filtreres, oppsummeres etter måned etc.) Feilsikkerhetsfri: Hvis du mangler en rad eller på en eller annen måte bryter motregningen, vil den fortsatt beregne dine daglige gjennomsnitt riktig basert på de faktiske dataene i stedet for å stole på radenummerforutsetninger. Du kan til og med legge til en ekstra Count i verdier området bare for å bekrefte at du har 24 verdier på hver dag. svarte 25. mai 12 kl 22:23 Ditt svar 2017 Stack Exchange, Inc Jeg har timedata, og jeg vil gjerne finne det daglige maksimum 8-timers gjennomsnittet. I utgangspunktet, for hver time på dagen, vil jeg gjøre et 8-timers gjennomsnitt. Så ta gjennomsnittet fra kl. 08.00 til 8.00, deretter kl. 01.00 til 9.00 osv.), Så jeg ender med 24 8-timers gjennomsnittsperioder (med noen som går inn i neste dag selvfølgelig). Da må jeg ta maksimalt de 24 8-timers gjennomsnittene for å få den daglige maks. Et notat om formatet til filen: O3.mat-filen har en variabel som heter O3Sorted som er en cellegruppe. Den inneholder alle data, sortert allerede. Men dataene inneholder informasjon fra mer enn ett nettsted (det vil si informasjon fra forskjellige steder). Informasjonen for hvert nettsted er sortert sammen, men i koden, når jeg prøver å finne 8-timers gjennomsnittet, må jeg trekke ut ett nettsted om gangen slik at gjennomsnittene ikke løper inn i begynnelsen av dataene til et annet sted . Her er et utvalg av hvilke ting som ser ut. Jeg inkluderte en dag for ett nettsted og en halv dag på et annet nettsted. Den faktiske filen har en måned med data for hver av disse nettstedene og andre nettsteder også. Som du kan se, mangler dataene noen ganger. Kolonne 1 - Nettstedskolonne Kolonne 2 - Dato Kolonne 3 - Tids kolonne 4 - Data Her er hva jeg har så langt: Etter at jeg har 8-timers gjennomsnitt, hvordan kan jeg spørre MATLAB for å finne maks for hvert 24 gjennomsnitt. I utgangspunktet får du den maksimale timen gjennomsnittet. Også, metoden jeg prøver å gjøre nå, er litt risikabelt fordi jeg ikke bruker datenum og så hvis data mangler en dag, vil jeg ikke vite det. Men jeg har ingen anelse om hvordan å vurdere det når du skriver koden. spurte Des 6 13 kl 19:36 Kan du bare sende prøver av de aktuelle dataene og trimme koden din tilsvarende Det er vanskelig å dechifisere hva 23808 x 24-cellen din representerer. ndash kkuilla Des 6 13 kl 20:01 Jeg legger opp hele koden fordi noen mennesker liker å kjøre den. Jeg legger stjerner rundt den aktuelle delen. I utgangspunktet er de faktiske datamålinger i kolonne 17 og navnet på nettstedet det kom fra, er i kolonne 6. Den delen som er viktig er for loop-området, spesielt med utgangspunkt i en loop for å beregne løpende mean. quot Hope that39s hjelpsom ndash shizishan 6 desember 13 kl 20: 13Movende gjennomsnitt: Hva er de Blant de mest populære tekniske indikatorene, er glidende gjennomsnitt brukt til å måle retningen for den nåværende trenden. Hver type bevegelige gjennomsnitt (vanligvis skrevet i denne opplæringen som MA) er et matematisk resultat som beregnes ved å beregne et antall tidligere datapunkter. Når det er bestemt, blir det resulterende gjennomsnittet plottet på et diagram for å tillate handelsmenn å se på glatt data, i stedet for å fokusere på de daglige prisfluktuasjonene som er iboende i alle finansmarkeder. Den enkleste formen for et bevegelige gjennomsnitt, riktig kjent som et enkelt glidende gjennomsnitt (SMA), beregnes ved å ta det aritmetiske gjennomsnittet av et gitt sett av verdier. For eksempel, for å beregne et grunnleggende 10-dagers glidende gjennomsnitt vil du legge til sluttkursene fra de siste 10 dagene, og deretter dele resultatet med 10. I figur 1 er summen av prisene for de siste 10 dagene (110) dividert med antall dager (10) for å komme fram til 10-dagers gjennomsnittet. Hvis en forhandler ønsker å se et 50-dagers gjennomsnitt i stedet, vil samme type beregning bli gjort, men det vil inkludere prisene i løpet av de siste 50 dagene. Det resulterende gjennomsnittet under (11) tar hensyn til de siste 10 datapunktene for å gi handelsmenn en ide om hvordan en eiendel er priset i forhold til de siste 10 dagene. Kanskje du lurer på hvorfor tekniske handelsfolk kaller dette verktøyet et bevegelige gjennomsnitt og ikke bare en vanlig gjennomsnitt. Svaret er at når nye verdier blir tilgjengelige, må de eldste datapunktene slippes fra settet og nye datapunkter må komme inn for å erstatte dem. Dermed går datasettet kontinuerlig til å regne for nye data etter hvert som det blir tilgjengelig. Denne beregningsmetoden sikrer at bare den nåværende informasjonen blir regnskapsført. I figur 2 flyttes den røde boksen (som representerer de siste 10 datapunktene) til høyre, og den siste verdien av 15 blir tapt fra beregningen når den nye verdien av 5 er lagt til settet. Fordi den relativt små verdien av 5 erstatter den høye verdien på 15, ville du forvente å se gjennomsnittet av datasettets reduksjon, som det gjør, i dette tilfellet fra 11 til 10. Hva ser Moving Averages Like Når verdiene til MA har blitt beregnet, de er plottet på et diagram og deretter koblet til for å skape en bevegelig gjennomsnittslinje. Disse svingete linjene er vanlige på diagrammer av tekniske handelsfolk, men hvordan de brukes kan variere drastisk (mer om dette senere). Som du kan se i figur 3, er det mulig å legge til mer enn ett glidende gjennomsnitt i et diagram ved å justere antall tidsperioder som brukes i beregningen. Disse svingete linjene kan virke distraherende eller forvirrende i begynnelsen, men du vil bli vant til dem når tiden går videre. Den røde linjen er bare gjennomsnittsprisen de siste 50 dagene, mens den blå linjen er gjennomsnittsprisen de siste 100 dagene. Nå som du forstår hva et glidende gjennomsnitt er, og hvordan det ser ut, kan du godt presentere en annen type glidende gjennomsnitt og undersøke hvordan det er forskjellig fra det tidligere nevnte enkle glidende gjennomsnittet. Det enkle glidende gjennomsnittet er ekstremt populært blant handelsfolk, men som alle tekniske indikatorer har det kritikere. Mange individer hevder at bruken av SMA er begrenset fordi hvert punkt i dataserien vektes det samme, uavhengig av hvor det forekommer i sekvensen. Kritikere hevder at de nyeste dataene er mer signifikante enn de eldre dataene, og bør ha større innflytelse på sluttresultatet. Som svar på denne kritikken begynte handelsmenn å gi mer vekt på nyere data, som siden har ført til oppfinnelsen av ulike typer nye gjennomsnitt, hvorav den mest populære er det eksponentielle glidende gjennomsnittet (EMA). (For videre lesing, se Grunnleggende om vektede bevegelige gjennomsnitt og hva som er forskjellen mellom en SMA og en EMA) Eksponentiell flytende gjennomsnitt Det eksponentielle glidende gjennomsnittet er en type bevegelige gjennomsnitt som gir mer vekt til de siste prisene i et forsøk på å gjøre det mer responsivt til ny informasjon. Å lære den noe kompliserte ligningen for å beregne en EMA kan være unødvendig for mange forhandlere, siden nesten alle kartleggingspakker gjør beregningene for deg. Men for deg matematiske geeks der ute, her er EMA-ligningen: Når du bruker formelen til å beregne det første punktet til EMA, kan det hende du merker at det ikke er noen verdi tilgjengelig for bruk som den forrige EMA. Dette lille problemet kan løses ved å starte beregningen med et enkelt glidende gjennomsnitt og fortsette videre med den ovennevnte formelen derfra. Vi har gitt deg et eksempelkart som inneholder virkelige eksempler på hvordan du kan beregne både et enkelt glidende gjennomsnitt og et eksponentielt glidende gjennomsnitt. Forskjellen mellom EMA og SMA Nå som du har en bedre forståelse av hvordan SMA og EMA beregnes, kan vi se på hvordan disse gjennomsnittene er forskjellige. Ved å se på beregningen av EMA, vil du legge merke til at det legges større vekt på de siste datapunktene, noe som gjør det til en type vektet gjennomsnitt. I figur 5 er antall tidsperioder som brukes i hvert gjennomsnitt identisk (15), men EMA reagerer raskere på de endrede prisene. Legg merke til hvordan EMA har en høyere verdi når prisen stiger, og faller raskere enn SMA når prisen senker. Denne responsen er den viktigste grunnen til at mange handelsmenn foretrekker å bruke EMA over SMA. Hva betyr de forskjellige dagene Gjennomsnittlig flytteverdi er en helt tilpassbar indikator, noe som betyr at brukeren fritt kan velge hvilken tidsramme de vil ha når man lager gjennomsnittet. De vanligste tidsperioder som brukes i bevegelige gjennomsnitt er 15, 20, 30, 50, 100 og 200 dager. Jo kortere tidsrammen som brukes til å skape gjennomsnittet, jo mer følsomt blir det for prisendringer. Jo lengre tidsrom, jo ​​mindre følsomt, eller mer utjevnet, vil gjennomsnittet være. Det er ingen riktig tidsramme som skal brukes når du oppretter dine bevegelige gjennomsnitt. Den beste måten å finne ut hvilken som passer best for deg, er å eksperimentere med en rekke forskjellige tidsperioder til du finner en som passer til din strategi. Flytte gjennomsnitt: Slik bruker du dem