Double Moving Average Example

Expectativas de Movimentação exponencial dobro explicadas Os comerciantes confiaram em médias móveis para ajudar a identificar pontos de entrada negociando da probabilidade elevada e saídas rentáveis ​​por muitos anos. Um problema bem conhecido com médias móveis, entretanto, é o sério atraso que está presente na maioria dos tipos de médias móveis. A média móvel exponencial dupla (DEMA) fornece uma solução calculando uma metodologia de média mais rápida. História da Média Mínima Exponencial Dupla Na análise técnica. O termo média móvel refere-se a uma média do preço de um determinado instrumento de negociação durante um período de tempo especificado. Por exemplo, uma média móvel de 10 dias calcula o preço médio de um instrumento específico nos últimos 10 dez dias, uma média móvel de 200 dias calcula o preço médio dos últimos 200 dias. Cada dia, o período de retrocesso avança para cálculos de base no último número X de dias. Uma média móvel aparece como uma linha lisa e curva que fornece uma representação visual da tendência a mais longo prazo de um instrumento. Médias móveis mais rápidas, com períodos mais curtos de retro-observação, são médias móveis mais lentas, mais longas, com períodos de look-back mais longos, são mais suaves. Porque uma média móvel é um indicador olhando para trás, ele está atrasado. A média móvel exponencial dupla (DEMA), mostrada na Figura 1, foi desenvolvida por Patrick Mulloy na tentativa de reduzir a quantidade de tempo de latência encontrada nas médias móveis tradicionais. Ele foi introduzido pela primeira vez em fevereiro de 1994, Análise Técnica de Stocks amp Commodities revista em Mulloys artigo Suavização de dados com médias mais rápidas Moving. Figura 1: Este gráfico de um minuto do contrato de futuros do e-mini Russell 2000 mostra duas médias móveis exponenciais duplas diferentes, um período de 55 períodos aparece em azul, Um período de 21 em rosa. Calculando um DEMA Como Mulloy explica em seu artigo original, o DEMA não é apenas um EMA duplo com o dobro do tempo de latência de um único EMA, mas é uma implementação composta de EMAs simples e duplos produzindo outro EMA com menos atraso do que o do original dois. Em outras palavras, o DEMA não é simplesmente dois EMAs combinados, ou uma média móvel de uma média móvel, mas é um cálculo de EMAs simples e duplos. Quase todas as plataformas de análise de negociação têm o DEMA incluído como um indicador que pode ser adicionado aos gráficos. Portanto, os comerciantes podem usar o DEMA sem saber a matemática por trás dos cálculos e sem ter que escrever ou inserir qualquer código. Comparando o DEMA com as Médias Movimentais Tradicionais As médias móveis são um dos métodos mais populares de análise técnica. Muitos comerciantes usá-los para detectar reversões de tendência. Especialmente em um crossover de média móvel, onde duas médias móveis de comprimentos diferentes são colocadas em um gráfico. Os pontos onde as médias móveis se cruzam podem significar oportunidades de compra ou venda. O DEMA pode ajudar os comerciantes a detectar reversões mais cedo, porque é mais rápido para responder a mudanças na atividade do mercado. A Figura 2 mostra um exemplo do contrato de futuros e-mini Russell 2000. Este gráfico de um minuto tem quatro médias móveis aplicadas: DEMA de 21 períodos (rosa) DEMA de 55 períodos (azul escuro) MA de 21 períodos (azul claro) MA de 55 períodos (verde claro) Figura 2: Este gráfico de um minuto de O contrato de futuros de e-mini Russell 2000 ilustra o tempo de resposta mais rápido do DEMA quando usado em um crossover. Observe como o crossover DEMA em ambas as instâncias aparece significativamente mais cedo do que os crossovers MA. O primeiro crossover de DEMA aparece às 12:29 e o próximo bar abre a um preço de 663.20. O crossover de MA, por outro lado, forma às 12:34 eo próximo preço de abertura de barras é em 660.50. No próximo conjunto de crossovers, o crossover de DEMA aparece a 1:33 e a barra seguinte abre em 658. A MA, em contraste, forma a 1:43, com a abertura da barra seguinte a 662.90. Em cada caso, o crossover DEMA fornece uma vantagem em entrar na tendência anterior ao crossover MA. (Para obter mais informações, leia o Tutorial de Médias Móveis.) Negociação com um DEMA Os exemplos de crossover de média móvel acima ilustram a eficácia do uso da média móvel exponencial dupla mais rápida. Além de usar o DEMA como um indicador autônomo ou em um crossover setup, o DEMA pode ser usado em uma variedade de indicadores onde a lógica é baseada em uma média móvel. Ferramentas de análise técnica, tais como Bandas Bollinger. (MACD) ea média móvel exponencial tripla (TRIX) são baseadas em tipos de média móvel e podem ser modificadas para incorporar um DEMA em vez de outros tipos mais tradicionais de médias móveis. Substituindo o DEMA pode ajudar os comerciantes spot diferentes oportunidades de compra e venda que estão à frente daqueles fornecidos pelo MAs ou EMAs tradicionalmente utilizados nestes indicadores. Claro que entrar em uma tendência mais cedo ou mais tarde, normalmente leva a maiores lucros. A Figura 2 ilustra esse princípio - se usássemos os crossovers como sinais de compra e venda. Nós entraríamos nos comércios significativamente mais cedo ao usar o crossover de DEMA ao contrário do crossover de MA. Bottom Line Traders e investidores há muito tempo usaram médias móveis em sua análise de mercado. As médias móveis são uma ferramenta de análise técnica amplamente utilizada que fornece um meio de visualizar e interpretar rapidamente a tendência de longo prazo de um determinado instrumento de negociação. Uma vez que as médias móveis por sua própria natureza são indicadores de atraso. É útil para ajustar a média móvel, a fim de calcular um indicador mais rápido, mais responsivo. A média móvel exponencial oferece aos comerciantes e investidores uma visão da tendência de longo prazo, com a vantagem de ser uma média móvel mais rápida com menos tempo de atraso. (Para leitura relacionada, dê uma olhada em Moving Average MACD Combo e Simple Vs. Exponential Moving Averages.) Ao calcular uma corrida média móvel, colocando a média no período de tempo médio faz sentido No exemplo anterior, calculamos a média da primeira 3 períodos de tempo e colocá-lo próximo ao período 3. Poderíamos ter colocado a média no meio do intervalo de tempo de três períodos, ou seja, próximo ao período 2. Isso funciona bem com períodos de tempo ímpares, mas não tão bom para mesmo períodos de tempo. Então, onde colocamos a primeira média móvel quando M4 Tecnicamente, a Média Móvel cairá em t 2,5, 3,5. Para evitar esse problema, suavizamos as MAs usando M 2. Assim, suavizamos os valores suavizados Se nós formos uma média de um número par de termos, precisamos suavizar os valores suavizados A tabela a seguir mostra os resultados usando M 4.Double Moving Average Filter O DoubleMovingAverageFilter implementa um filtro de média móvel de passagem baixa. O DoubleMovingAverageFilter faz parte dos módulos de pré-processamento. Um exemplo de um sinal (ruído aleatório de onda senoidal) filtrado usando um filtro de média móvel. O sinal vermelho é o ruído do sinal original, o sinal verde é o sinal filtrado usando um filtro de média móvel com um tamanho de janela de 5 eo sinal azul é o sinal filtrado usando um filtro de média móvel com um tamanho de janela de 20. DoubleMovingAverageFilterExampleImage1. Jpg Vantagens O DoubleMovingAverageFilter é bom para remover uma pequena quantidade de ruído de alta freqüência de um sinal N dimensional. Desvantagens A principal desvantagem do DoubleMovingAverageFilter é que, para filtrar significativamente o ruído de alta freqüência, o tamanho da janela do filtro precisa ser grande. O problema com ter uma grande janela de filtro é que isso irá induzir uma latência grande em qualquer sinal que passa através do filtro, o que pode não ser vantajoso para aplicações em tempo real. Se você achar que você precisa de uma grande janela de filtro para filtrar o ruído de alta freqüência ea latência induzida por este tamanho de janela não é adequado para o seu aplicativo em tempo real, então você pode querer experimentar um filtro de baixa passagem em vez disso. Exemplo de código GRT DoubleMovingAverageFilter Exemplo Este exemplo demonstra como criar e usar o Módulo de Pré-Processamento DoubleMovingAverageFilter GRT. O DoubleMovingAverageFilter implementa um filtro de média móvel de baixa passagem. Neste exemplo, criamos uma instância de um DoubleMovingAverageFilter e usamos isso para filtrar alguns dados fictícios, gerados a partir de um ruído aleatório de onda senoidal. O sinal de teste e os sinais filtrados são salvos em um arquivo (assim você pode traçar os resultados em Matlab, Excel, etc. se necessário). Este exemplo mostra como: - Criar uma nova instância DoubleMovingAverageFilter com um tamanho de janela específico para um sinal de 1 dimensão - Filtrar alguns dados usando o DoubleMovingAverageFilter - Salvar as configurações de DoubleMovingAverageFilter em um arquivo - Carregar as configurações de DoubleMovingAverageFilter de um arquivo incluem quotGRT. hquot Usando namespace GRT int main 40 int argc. Const char argv 91 93 41 123 Criar uma nova instância de um filtro de média móvel dupla com um tamanho de janela de 5 para um sinal de 1 dimensão DoubleMovingAverageFilter filtro 40 5. 1 41 Criar e abrir um arquivo para salvar o arquivo de arquivo de dados fstream. Abra 40 quotDoubleMovingAverageFilterData. txtquot. Fstream. Out 41 Gerar alguns dados (ruído de onda senoidal) e filtrá-lo x 0 const UINT M 1000 Aleatório aleatório para 40 UINT i 0 i lt M i 41 123 sinal duplo sin 40 x 41 aleatório. GetRandomNumberUniform 40 - 0,2. 0,2 Filtro de filtro duplo filtrado. Filtro 40 sinal 41 arquivo ltlt sinal ltlt quot t qut ltlt filterValue ltlt endl x TWOPI double 40 M 41 10 125 Feche o arquivo de arquivo. Close 40 41 Salve as configurações do filtro em um filtro de arquivo. SaveSettingsToFile 40 quotDoubleMovingAverageFilterSettings. txtquot 41 Podemos então carregar as configurações mais tarde, se necessário filtro. LoadSettingsFromFile 40 quotDoubleMovingAverageFilterSettings. txtquot 41 return EXITSUCCESS 125 O DoubleMovingAverageFilter também funciona com qualquer sinal N dimensional: Crie uma nova instância do DoubleMovingAverageFilter com um tamanho de janela de 10 para um sinal tridimensional DoubleMovingAverageFilter filter 40 10. 3 41 O valor que você deseja filtrar Vector lt dados gt duplos 40 3 41 dados 91 0 93 0. Obter valor dos dados do sensor 91 1 93 0. Obter valor dos dados do sensor 91 2 93 0. Obter valor do sensor Filtrar o vetor de sinal lt duplo filtro filterValue gt. Dados do filtro 40 41