สี่ ระยะเวลาการ เป็นศูนย์กลาง การเคลื่อนไหว ค่าเฉลี่ย

เมื่อคำนวณค่าเฉลี่ยเคลื่อนที่ที่ใช้งานโดยเฉลี่ยค่าเฉลี่ยในช่วงเวลาตรงกลางจะเป็นค่าเฉลี่ยในตัวอย่างก่อนหน้านี้เราคำนวณค่าเฉลี่ยของช่วงเวลา 3 ช่วงแรกและวางไว้ถัดจากช่วงเวลา 3 เราอาจวางค่าเฉลี่ยในช่วงกลางของ ช่วงเวลาสามช่วงคือถัดจากช่วงเวลา 2 นี่ทำงานได้ดีกับช่วงเวลาคี่ แต่ไม่ดีสำหรับช่วงเวลาที่เท่ากันดังนั้นเราจึงวางค่าเฉลี่ยเคลื่อนที่ครั้งแรกเมื่อ M 4. ทางเทคนิคค่าเฉลี่ยเคลื่อนที่จะลดลงที่ t 2 5, 3 5. เพื่อหลีกเลี่ยงปัญหานี้เราเรียบ MA s ใช้ M 2 ดังนั้นเราจึงเรียบค่าเรียบถ้าเราเฉลี่ยจำนวนคู่เราต้องเรียบค่าตารางต่อไปนี้แสดงผลโดยใช้ M 4. David ใช่ใช่ MapReduce มีจุดมุ่งหมายเพื่อใช้งานข้อมูลจำนวนมากและแนวคิดก็คือโดยทั่วไปแผนที่และลดฟังก์ชันไม่ควรดูแลผู้จัดทำแผนที่หรือลดจำนวนที่มีอยู่นั่นเป็นเพียงการเพิ่มประสิทธิภาพหากคุณ คิดอย่างรอบคอบเกี่ยวกับขั้นตอนที่ฉันโพสต์คุณ สามารถดูได้ว่ามันไม่สำคัญอะไรที่ mapper ได้รับสิ่งที่ส่วนของข้อมูลแต่ละระเบียนเข้าจะสามารถใช้ได้กับทุกลดการดำเนินงานที่ต้องการ Joe K กันยายน 18 12 ที่ 22 30. ในความเข้าใจที่ดีที่สุดของฉันเฉลี่ยเคลื่อนที่ไม่ได้เป็นอย่างดีแผนที่ MapReduce กระบวนทัศน์ตั้งแต่การคำนวณของมันเป็นหลักเลื่อนหน้าต่างไปเรียงลำดับข้อมูลในขณะที่ MR คือการประมวลผลของช่วงที่ไม่ได้รับการ intersected ของเรียงข้อมูล Solution ฉันเห็นเป็นดังต่อไปนี้เพื่อใช้ partitioner เองเพื่อให้สามารถทำพาร์ทิชันที่แตกต่างกันสองในสองทำงานในการทำงานแต่ละ reducers ของคุณจะได้รับช่วงที่แตกต่างกันของข้อมูลและคำนวณค่าเฉลี่ยเคลื่อนที่ที่ approprieate ฉันจะพยายามแสดงในข้อมูล run แรกสำหรับ reducers ควรเป็น R1 Q1, Q2, Q3, Q4 R2 Q5, Q6, Q7, Q8.here คุณจะเชื่อฟังค่าเฉลี่ยเคลื่อนที่ สำหรับบาง Q. ในการดำเนินการต่อไป reducers ของคุณควรได้รับข้อมูลเช่น R1 Q1 Q6 R2 Q6 Q10 R3 Q10 Q14 และ caclulate ส่วนที่เหลือของการย้ายค่าเฉลี่ยแล้วคุณจะต้องรวมผลลัพธ์ Idea ของ partitioner เองว่าจะมีสองโหมดการดำเนินงาน ation - แต่ละครั้งที่แบ่งออกเป็นช่วงเท่ากัน แต่มีการเปลี่ยนแปลงบางอย่างใน pseudode จะมีลักษณะเช่นนี้คีย์พาร์ทิชัน SHIFT MAXKEY numOfPartitions ที่ SHIFT จะถูกนำมาจากการกำหนดค่าสูงสุด MAXKEY ค่าของคีย์ฉันถือว่าสำหรับความเรียบง่ายที่พวกเขาเริ่มต้นด้วย zero. RecordReader , IMHO ไม่ได้แก้ปัญหาเนื่องจากมีการ จำกัด เฉพาะการแยกและไม่สามารถสไลด์มากกว่าทางแยก boundary. Another จะใช้ตรรกะที่กำหนดเองของการป้อนข้อมูลแยกเป็นส่วนหนึ่งของ InputFormat สามารถทำได้ทำ 2 ภาพนิ่งที่แตกต่างกัน, คล้ายกับการแบ่ง partition. Moving เฉลี่ยสิ่งที่พวกเขาในบรรดาตัวชี้วัดทางเทคนิคที่เป็นที่นิยมมากที่สุดค่าเฉลี่ยเคลื่อนที่จะใช้ในการวัดทิศทางของแนวโน้มในปัจจุบันทุกประเภทของค่าเฉลี่ยเคลื่อนที่ที่เขียนโดยทั่วไปในการสอนนี้เป็น MA เป็นผลทางคณิตศาสตร์ที่คำนวณโดยค่าเฉลี่ย จำนวนจุดข้อมูลที่ผ่านมาเมื่อพิจารณาแล้วค่าเฉลี่ยที่เกิดขึ้นจะถูกวางแผนลงบนแผนภูมิเพื่อให้ผู้ค้ามองข้อมูลที่ราบรื่นแทนที่จะเน้น ing ในความผันผวนของราคาในแต่ละวันที่มีอยู่ในตลาดการเงินทั้งหมดรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่ที่รู้จักกันดีว่าเป็นค่าเฉลี่ยเคลื่อนที่อย่างง่าย SMA คำนวณโดยใช้ค่าเฉลี่ยเลขคณิตของชุดค่าที่กำหนดตัวอย่างเช่น ในการคำนวณค่าเฉลี่ยเคลื่อนที่ 10 วันคุณจะเพิ่มราคาปิดจาก 10 วันที่ผ่านมาและหารผลตาม 10 ในรูปที่ 1 ผลรวมของราคาในช่วง 10 วันที่ผ่านมา 110 จะหารด้วยจำนวน วันที่ 10 เพื่อไปถึงค่าเฉลี่ย 10 วันหากผู้ประกอบการค้าต้องการเห็นค่าเฉลี่ย 50 วันแทนการคำนวณแบบเดียวกันจะทำ แต่จะรวมราคาในช่วง 50 วันที่ผ่านมาค่าเฉลี่ยที่เกิดต่ำกว่า 11 หมายถึง บัญชีที่ผ่านมา 10 จุดข้อมูลเพื่อให้ผู้ค้าทราบวิธีการเป็นสินทรัพย์ที่มีราคาเทียบกับที่ผ่านมา 10 วันบางทีคุณอาจจะสงสัยว่าทำไมผู้ค้าทางเทคนิคเรียกเครื่องมือนี้ค่าเฉลี่ยเคลื่อนที่และไม่เพียง แต่หมายถึงปกติคำตอบคือว่าเป็น ค่าใหม่จะพร้อมใช้งานที่เก่าแก่ที่สุด จุดข้อมูลต้องถูกลดลงจากชุดข้อมูลและจุดข้อมูลใหม่ต้องมาแทนที่ดังนั้นชุดข้อมูลจึงเคลื่อนย้ายบัญชีใหม่เพื่อให้มีข้อมูลใหม่เมื่อมีการใช้วิธีการคำนวณนี้ช่วยให้แน่ใจได้ว่ามีการคิดเฉพาะข้อมูลปัจจุบันเท่านั้น รูปที่ 2 เมื่อมีการเพิ่มค่าใหม่ของชุดที่ 5 ช่องสีแดงแทนจุดข้อมูล 10 จุดที่ผ่านมาจะเลื่อนไปทางขวาและค่าสุดท้ายของ 15 จะถูกลดลงจากการคำนวณเนื่องจากค่าที่ค่อนข้างเล็ก 5 จะแทนที่ค่าที่สูง จาก 15 คุณคาดว่าจะเห็นค่าเฉลี่ยของการลดการเก็บข้อมูลซึ่งในกรณีนี้มีค่าตั้งแต่ 11 ถึง 10 เท่าค่าเฉลี่ยของค่าเฉลี่ยที่เกิดขึ้นเมื่อค่าของ MA ถูกคำนวณแล้วจะมีการคำนวณลงบนแผนภูมิ แล้วเชื่อมต่อเพื่อสร้างเส้นค่าเฉลี่ยเคลื่อนที่เส้นโค้งเหล่านี้เป็นเส้นตรงในแผนภูมิของผู้ค้าทางเทคนิค แต่วิธีที่ใช้จะแตกต่างกันมากขึ้นในภายหลังเนื่องจากคุณสามารถเห็นได้จากรูปที่ 3 คุณสามารถเพิ่มการเคลื่อนย้ายได้มากกว่าหนึ่งรายการ เฉลี่ย แผนภูมิใด ๆ โดยการปรับจำนวนรอบระยะเวลาที่ใช้ในการคำนวณเส้นโค้งเหล่านี้อาจดูเหมือนรบกวนหรือสับสนในตอนแรก แต่คุณจะเติบโตคุ้นเคยกับพวกเขาเป็นเวลาที่จะไปสายสีแดงเป็นเพียงราคาเฉลี่ยที่ผ่านมา 50 วัน, ในขณะที่เส้นสีน้ำเงินเป็นราคาเฉลี่ยในช่วง 100 วันที่ผ่านมาตอนนี้คุณเข้าใจว่าค่าเฉลี่ยเคลื่อนที่อยู่ที่เท่าไรและเราจะแนะนำค่าเฉลี่ยเคลื่อนที่ที่แตกต่างกันอย่างไรและตรวจสอบว่าค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่แตกต่างจากค่าเฉลี่ยเคลื่อนที่ที่กล่าวมา ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นที่นิยมมากในหมู่ผู้ค้า แต่เหมือนตัวบ่งชี้ทางเทคนิคทั้งหมดก็มีนักวิจารณ์หลายคนยืนยันว่าประโยชน์ของ SMA จะถูก จำกัด เนื่องจากแต่ละจุดในชุดข้อมูลมีน้ำหนักเหมือนกันโดยไม่คำนึงถึงตำแหน่งที่เกิดขึ้น ในลำดับนักวิจารณ์ยืนยันว่าข้อมูลล่าสุดมีความสำคัญมากกว่าข้อมูลที่เก่ากว่าและควรมีอิทธิพลมากขึ้นต่อผลสุดท้ายในการตอบสนองต่อคำติชมนี้ผู้ค้าเริ่มต้น t o ให้น้ำหนักมากขึ้นกับข้อมูลล่าสุดซึ่งนำไปสู่การประดิษฐ์ค่าเฉลี่ยใหม่หลายประเภทซึ่งเป็นที่นิยมมากที่สุดซึ่งเป็นค่าเฉลี่ยเคลื่อนที่แบบ EMA สำหรับการอ่านเพิ่มเติมโปรดดูข้อมูลพื้นฐานเกี่ยวกับค่าเฉลี่ยถ่วงน้ำหนักและความแตกต่างระหว่าง SMA และ EMA. Exponential Moving Average ค่าเฉลี่ยเคลื่อนที่เชิงตัวเลขเป็นค่าเฉลี่ยเคลื่อนที่ที่ให้น้ำหนักมากขึ้นกับราคาล่าสุดในความพยายามที่จะทำให้สามารถตอบสนองต่อข้อมูลใหม่ได้ง่ายการเรียนรู้สมการที่ค่อนข้างซับซ้อนสำหรับการคำนวณ EMA อาจไม่จำเป็นสำหรับหลาย ๆ คน ผู้ค้าเนื่องจากเกือบทุกแพคเกจแผนภูมิทำคำนวณสำหรับคุณอย่างไรก็ตามสำหรับคุณ geeks คณิตศาสตร์ออกมีที่นี่สมการ EMA เมื่อใช้สูตรการคำนวณจุดแรกของ EMA คุณอาจสังเกตเห็นว่าไม่มีค่าพร้อมใช้งาน ใช้เป็น EMA ก่อนหน้านี้ปัญหาเล็ก ๆ นี้สามารถแก้ไขได้โดยการเริ่มต้นการคำนวณด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและดำเนินการต่อโดยใช้สูตรข้างต้นจากที่นี้เราได้ให้คุณ กับสเปรดชีตตัวอย่างที่มีตัวอย่างชีวิตจริงในการคำนวณทั้งค่าเฉลี่ยเคลื่อนที่แบบง่ายๆและค่าเฉลี่ยเคลื่อนที่แบบเสวนาความแตกต่างระหว่าง EMA กับ SMA ตอนนี้คุณเข้าใจมากขึ้นว่า SMA และ EMA คำนวณได้อย่างไร ลองดูว่าค่าเฉลี่ยเหล่านี้แตกต่างกันอย่างไรโดยดูที่การคำนวณ EMA คุณจะสังเกตเห็นว่าจุดข้อมูลมีการเน้นที่จุดข้อมูลล่าสุดทำให้เป็นประเภทของค่าเฉลี่ยถ่วงน้ำหนักในรูปที่ 5 ตัวเลขของช่วงเวลาที่ใช้ใน แต่ละค่าเฉลี่ยเท่ากับ 15 แต่ EMA ตอบสนองได้เร็วกว่าราคาที่เปลี่ยนแปลงแจ้งว่า EMA มีมูลค่าสูงขึ้นเมื่อราคาเพิ่มขึ้นและลดลงเร็วกว่า SMA เมื่อราคาลดลงการตอบสนองนี้เป็นเหตุผลหลักที่ทำให้ผู้ค้าจำนวนมาก ชอบที่จะใช้ EMA ผ่าน SMA. What Different Days Mean Moving averages เป็นตัวบ่งชี้ที่สามารถปรับแต่งได้เองซึ่งหมายความว่าผู้ใช้สามารถเลือกช่วงเวลาที่ต้องการได้อย่างอิสระเมื่อสร้างค่าเฉลี่ย T ช่วงเวลาที่พบบ่อยที่สุดที่ใช้ในค่าเฉลี่ยเคลื่อนที่คือ 15, 20, 30, 50, 100 และ 200 วันช่วงเวลาสั้น ๆ ที่ใช้ในการสร้างค่าเฉลี่ยความไวมากขึ้นก็จะเป็นการเปลี่ยนแปลงราคาช่วงเวลาที่ยาวนานขึ้น sensitive หรือ smoothed out ค่าเฉลี่ยจะไม่มีกรอบเวลาที่เหมาะสมที่จะใช้เมื่อตั้งค่าค่าเฉลี่ยเคลื่อนที่ของคุณวิธีที่ดีที่สุดในการหาว่าวิธีใดที่ดีที่สุดสำหรับคุณคือการทดสอบกับช่วงเวลาต่างๆจนกว่าคุณจะพบ หนึ่งที่เหมาะกับกลยุทธ์ของคุณ