Verschieben Des Durchschnittlichen Spektrums

Frequenzgang des laufenden Mittelfilters Der Frequenzgang eines LTI-Systems ist die DTFT der Impulsantwort, die Impulsantwort eines L-Sample-gleitenden Mittelwerts Da der gleitende Mittelwert FIR ist, reduziert sich der Frequenzgang auf die endliche Summe We Kann die sehr nützliche Identität verwenden, um den Frequenzgang zu schreiben, wo wir ae minus jomega haben lassen. N 0 und M L minus 1. Wir können an der Größe dieser Funktion interessiert sein, um zu bestimmen, welche Frequenzen durch den Filter ungedämpft werden und welche gedämpft werden. Unten ist ein Diagramm der Größe dieser Funktion für L 4 (rot), 8 (grün) und 16 (blau). Die horizontale Achse reicht von Null bis pi Radiant pro Probe. Man beachte, daß der Frequenzgang in allen drei Fällen eine Tiefpaßcharakteristik aufweist. Eine konstante Komponente (Nullfrequenz) im Eingang durchläuft das Filter ungedämpft. Bestimmte höhere Frequenzen, wie z. B. pi 2, werden durch das Filter vollständig eliminiert. Wenn es aber die Absicht war, ein Tiefpassfilter zu entwerfen, dann haben wir das nicht sehr gut gemacht. Einige der höheren Frequenzen werden nur um einen Faktor von etwa 110 (für den 16-Punkte-gleitenden Durchschnitt) oder 13 (für den vier-Punkte-gleitenden Durchschnitt) gedämpft. Wir können viel besser als das. (1-exp (-iomega)) H8 (18) (1-exp (- & omega; & sub4; (1-exp (-iomega)) (1-exp (-iomega)) (1-exp (& ndash; HF-Spektrum, int SpectrumSize, SmtSpektrumInfo spectrumInfo, unsigned short averagingType, unsigned short (nicht signiertes Short AveragingType, unsigned short) WeightingType, double averagingSize, unsigned short linearWeightingMode, int restartAveraging, SmtComplexNum averagedFFTSpectrum, double averagesSoFar, short dataReady) Berechnet das gemittelte FFT-Spektrum des Spektrums, das von den Zoom FFT-Spektrumfunktionen ausgegeben wird. Die Funktion gibt die Startfrequenz f0 aus. Frequenzintervall df. Und das gemittelte FFT-Spektrum in Einheiten V rms. Der Parameter averagingType gibt an, wie die Funktion den Mittelwert durchführt. Sie können keine Mittelung, Vektor-, RMS - oder Peak-Hold-Mittelung erfor - Wenn Sie keine Mittelung wählen, wird das in der averagedFFTSpectrum-Ausgabe zurückgegebene Leistungsspektrum nicht gemittelt. Eingabeparameter reduzieren das Rauschen aus synchronen Signalen. Die Vektor-Mittelung berechnet den Durchschnitt komplexer Größen direkt, was bedeutet, dass sie eine getrennte Mittelwertbildung für reelle und imaginäre Teile ermöglicht. Eine komplexe Mittelung wie die Vektor-Mittelung reduziert Rauschen und erfordert in der Regel einen Trigger zur Verbesserung der Block-zu-Blockphasenkohärenz. Reduziert Signalschwankungen, nicht aber den Rauschpegel. Die RMS-Mittelung misst die Energie oder die Leistung des Signals, was eine Rauschunterdrückung verhindert und durchschnittliche RMS-Größen der Einkanalmessungen Nullphase ergibt. Die RMS-Mittelung für zweikanalige Messungen bewahrt die Phaseninformationen. Behält die Effektivwertspitzenwerte der gemittelten Mengen bei. Der Peak-Halte-Mittelwertbildungsprozess führt Peak-Hold bei jedem Frequenz-Bin separat aus, um Spitzen-RMS-Pegel von einem FFT-Datensatz bis zum nächsten zu halten. Gibt die Art der Gewichtung an, die die Funktion mit RMS und Vektormittelung verwendet. Peak-Halte-Mittelwert keine Gewichtung beinhaltet. Die Gewichtungsart ist linear oder exponentiell. Die lineare Gewichtung gibt an, dass jede Messung eine gleiche Gewichtung aufweist und dass der Wert des linearen Gewichtungstyps den Mittelungsprozess bestimmt. Die exponentielle Gewichtung gibt an, dass jede neue Messung eine geringere Gewichtung als alte Messungen aufweist und dass die Mittelung kontinuierlich ist. Der Mittelungsprozess berechnet die exponentiell gewichtete Mittelwert für die Messung i der folgenden Gleichung gemäß: wobei X die neue Messung, Avg i - 1 ist der vorherige Durchschnitt ist und N die Anzahl der Mittelwerte. Enthält das gemittelte FFT-Spektrum in V rms-Skalierung ausgehend von der Frequenz f0 mit dem Frequenzintervall df. Ordnen Sie Speicher für dieses Array für die Anzahl der Datenpunkte zu, die durch den Parameter spectrumSize angegeben sind. Double (als Referenz übergeben) Die Anzahl der bisher abgeschlossenen Mittelwerte. Gibt den Fortschritt des Mittelungsprozesses basierend auf den angegebenen Mittelungseinstellungen an. Short (durch Referenz übergeben) Gibt an, dass TRUE (1) gültig ist. Verwenden Sie den Ausgangswert als Schalter auf eine Gehäusestruktur. Führen Sie nachfolgende Messungen durch oder zeigen Sie die Ergebnisse an, wenn dataReady TRUE ist. Der Mittelungsprozess bestimmt intern den dataReady-Ausgabewert. Wenn Sie in den SMT-Mittelungsfunktionen ein gültiges Spektrum eingeben, dann ist der Ausgabewert für dataReady für die exponentielle Mittelung immer TRUE. Für lineare Mittelung ist dataReady immer TRUE für einen Schuss, einen beweglichen und einen kontinuierlichen Modus. Beim automatischen Neustart eines Schussmodus ist dataReady nur dann WAHR, wenn die Mittelungsfunktion eine Anzahl von FFT-Rahmen erhält, die gleich dem Wert der Mittelungsgröße ist. DataReady wird auf FALSE zurückgesetzt, wenn der Mittelungsprozess automatisch neu gestartet wird. InputOutput ParametersThis ist ein Follow-up zu meinem Beitrag The Moving Average Spectrum. Wie das erste, ist dieses ein wenig auf der komplizierten Seite, aber ich denke, wichtig zu verstehen, wie man diese unruly Märkte handeln. Kurzfristige (sagen wir, 1 Tag bis 1 Woche) und Zwischenzeit (1 Woche bis 1 Monat) Indikatoren neigen dazu, konträr zu sein (d. h. wieder auf den Mittelwert). Längerfristige Indikatoren neigen dazu, momentumtrendgetrieben zu sein. Die gegenläufige Tendenz in kurz - und mittelfristigen Indikatoren (vor allem kurzfristig) ist ein neues Phänomen. In diesem Beitrag möchte ich auf diese Idee erweitern und zeigen, dass: Da wir das Spektrum auf kürzere und kürzerfristige Indikatoren verschieben, neigen sie dazu, mehr Vorhersage für die Nächsten Tagesrenditen zu haben, aber auch weniger stabil über die Zeit (denken RSI (2) gegenüber 50200-Tage-MA-Crossover) und bessere Kandidaten für einen adaptiven Ansatz. Rufen Sie eine ähnliche Tabelle auf die unten in meinem ersten Post. Es zeigt die Leistung des nächsten Tages, aufgeschlüsselt nach Jahrzehnten, wenn der SampP 500 oben (obere Tabelle) oder unten (untere Tabelle) einen gleitenden Durchschnitt der Länge X geschlossen hat. Eine höhere positive Zahl zeigt eine größere Bullisitivität während dieses Jahrzehnts und ein niedrigeres Negativ an Anzahl größerer Beharrlichkeit. Zum Vergrößern anklicken Geek notes: Wie der erste Beitrag wurde die Tabelle um (a) angepasst, wobei die täglichen Änderungen auf drei Standardabweichungen begrenzt wurden, um die Auswirkungen einer Handvoll großer Marktbewegungen zu reduzieren und b) die Auswirkungen von Die breitere Tendenz durch Subtraktion von jedem Jahrzehnt gibt die (geometrische) durchschnittliche Rendite dieser Dekade zurück. Allerdings, anders als die erste Post, habe ich nicht angepasst Rückkehr für die Volatilität Rechnung. In der nächsten Grafik zeigte Ive den mittleren Absolutwert für jede Spalte. Mit anderen Worten, Ive ignoriert das Zeichen oder. Hier ist mir egal, wenn etwas bullisch oder bärisch war, nur dass es in diesem Jahrzehnt vorausschauend war. Die durchschnittliche Rückmeldung am nächsten Tag ist auf der y-Achse und die Länge des MA auf der x-Achse. Anklicken zum Vergrößern Die Grafik oben zeigt, dass sehr kurzfristige Indikatoren weit und breit die prognostizierendsten Rückmeldungen des nächsten Tages waren (Richtung ignorieren). Aber das ist nur ein Teil der Geschichte. Der nächste Graph schaut nur den obersten Satz von Daten in der ursprünglichen Tabelle an (d. H. Schließt sich oberhalb jedes gleitenden Durchschnittswerts) und zeichnet die Differenz zwischen den maximalen und minimalen Werten in jeder Spalte auf. Hier kümmere ich mich um instabile Ergebnisse. Anklicken zum Vergrößern Diese zweite Grafik zeigt, dass die kurzfristigen Indikatoren, obwohl sie die prädiktivsten sind, am wenigsten stabil waren (d. H. Der Leistungsunterschied über Jahrzehnte hinweg war der größte). Dieser Test enthält nur einen sehr einfachen Indikator (der ich niemanden Handel vorschlagen würde), aber ich denke, dass die Schlussfolgerung allgemein für alle Indikatoren gilt, die ausschließlich auf dem Vermögenspreis basieren. Zu einem beliebigen Zeitpunkt neigen die kurzfristigen Indikatoren (zB tägliche Follow-Up, RSI (2)) viel vorausschauender als längere (zB 50200-Tage-MA-Crossover), sind aber auch eher grundlegend zu verändern Zeit. Wir sehen dies in wie stabile Dinge wie 50200-Tage-Crossover wurden historisch, und wie sehr instabil (aber auch stärker) so etwas wie RSI (2) wurde. Warnung: Persönliche Meinung Ahead Ich denke, die optimale Lösung ist zweifach: Erstens behandeln längerfristige Indikatoren als eine Art Fundament für den Handel. Wie im Marktbericht können sie auch dazu verwendet werden, die Händlerposition zu einem beliebigen Zeitpunkt zu belasten. Allerdings denke ich, es macht Sinn (außer vielleicht für extrem faul oder unfähige Händler) zu kaufen oder zu verkaufen auf der Grundlage von langfristigen Indikatoren allein. Sie sind nur so viel weniger mächtig als kürzere. So auf diese langfristige Bias, Handels-kürzere Indikatoren, vorzugsweise mit einem adaptiven Ansatz (wie Ive geschrieben über eine Reihe von Zeiten auf diesem Blog und wir auch in unserer YK und Scotty Strategien verwenden), die mit dem Markt passt Es unweigerlich entwickelt. Hier können Sie Teil 1 lesen. Lesen Sie den ganzen Artikel