Média móvel simples - SMA BREAKING DOWN Média móvel simples - SMA Uma média móvel simples é personalizável, pois pode ser calculada para um número diferente de períodos de tempo, simplesmente adicionando o preço de fechamento da segurança por vários períodos de tempo e depois dividindo Este total pelo número de períodos de tempo, o que dá o preço médio da garantia durante o período de tempo. Uma média móvel simples suaviza a volatilidade e facilita a visualização da tendência de preços de uma segurança. Se a média móvel simples aponta, isso significa que o preço de segurança está aumentando. Se está apontando, significa que o preço das garantias está diminuindo. Quanto mais tempo for a média móvel, mais suave será a média móvel simples. Uma média móvel de curto prazo é mais volátil, mas sua leitura está mais próxima dos dados de origem. Significado analítico As médias móveis são uma importante ferramenta analítica usada para identificar tendências de preços atuais e o potencial de uma mudança em uma tendência estabelecida. A forma mais simples de usar uma média móvel simples em análise é usá-lo para identificar rapidamente se uma segurança está em uma tendência de alta ou tendência de baixa. Outra ferramenta analítica popular, embora ligeiramente mais complexa, é comparar um par de médias móveis simples com cada cobertura de intervalos de tempo diferentes. Se uma média móvel simples de curto prazo estiver acima de uma média de longo prazo, espera-se uma tendência de alta. Por outro lado, uma média de longo prazo acima de uma média de curto prazo indica um movimento descendente na tendência. Padrões de negociação populares Dois padrões comerciais populares que usam médias móveis simples incluem a cruz da morte e uma cruz dourada. Uma cruz de morte ocorre quando a média móvel simples de 50 dias passa abaixo da média móvel de 200 dias. Isso é considerado um sinal de baixa, que outras perdas estão em estoque. A cruz de ouro ocorre quando uma média móvel de curto prazo quebra acima de uma média móvel de longo prazo. Reforçada pelos altos volumes de negociação, isso pode sinalizar que outros ganhos estão disponíveis. Guia de cientistas e engenheiros para processamento de sinal digital Por Steven W. Smith, Ph. D. Uma tremenda vantagem do filtro de média móvel é que ele pode ser implementado com um algoritmo que é muito rápido. Para entender esse algoritmo, imagine passar um sinal de entrada, x, através de um filtro de média móvel de sete pontos para formar um sinal de saída, y. Agora, veja como dois pontos de saída adjacentes, y 50 e y 51 são calculados: são quase os mesmos pontos de cálculo x 48 a x 53 devem ser adicionados para y 50 e novamente para y 51. Se y 50 já foi calculado , A maneira mais eficiente de calcular y 51 é: Uma vez que y 51 foi encontrado usando y 50, então y 52 pode ser calculado a partir da amostra y 51, e assim por diante. Depois que o primeiro ponto é calculado em y, todos os outros pontos podem ser encontrados com apenas uma única adição e subtração por ponto. Isso pode ser expresso na equação: Observe que esta equação usa duas fontes de dados para calcular cada ponto na saída: pontos da entrada e pontos previamente calculados da saída. Isso é chamado de equação recursiva, o que significa que o resultado de um cálculo é usado em cálculos futuros. (O termo recursivo também tem outros significados, especialmente em ciência da computação). O Capítulo 19 discute uma variedade de filtros recursivos com mais detalhes. Esteja ciente de que o filtro recursivo médio móvel é muito diferente dos filtros recursivos típicos. Em particular, a maioria dos filtros recursivos tem uma resposta de impulso infinitamente longa (IIR), composta de sinusoides e exponenciais. A resposta de impulso da média móvel é um pulso retangular (resposta de impulso finito, ou FIR). Este algoritmo é mais rápido do que outros filtros digitais por vários motivos. Primeiro, existem apenas dois cálculos por ponto, independentemente do comprimento do kernel de filtro. Em segundo lugar, a adição e a subtração são as únicas operações matemáticas necessárias, enquanto a maioria dos filtros digitais requer uma multiplicação demorada. Em terceiro lugar, o esquema de indexação é muito simples. Cada índice na Eq. 15-3 é encontrado por adicionar ou subtrair constantes inteiras que podem ser calculadas antes do início da filtragem (ou seja, p e q). Além disso, todo o algoritmo pode ser realizado com representação inteira. Dependendo do hardware utilizado, os números inteiros podem ser mais do que uma ordem de grandeza mais rápida que o ponto flutuante. Surpreendentemente, a representação de números inteiros funciona melhor do que o ponto flutuante com esse algoritmo, além de ser mais rápido. O erro de arredondamento da aritmética de ponto flutuante pode produzir resultados inesperados se você não for cuidadoso. Por exemplo, imagine um sinal de 10 000 amostras sendo filtrado com este método. A última amostra no sinal filtrado contém o erro acumulado de 10.000 adições e 10.000 subtrações. Isso aparece no sinal de saída como um deslocamento de derivação. Inteiros não têm esse problema porque não há erro de arredondamento na aritmética. Se você deve usar ponto flutuante com este algoritmo, o programa na Tabela 15-2 mostra como usar um acumulador de dupla precisão para eliminar essa deriva. Um olhar mais atento no Algoritmo médio de migração CODAS avançado. Média móvel versátil em algoritmos CODAS avançados, filtros, ruído de forma de onda , Os extratos significam, e elimina a deriva da linha de base. A média móvel é uma técnica matemática simples usada principalmente para eliminar aberrações e revelar a tendência real em uma coleção de pontos de dados. Você pode estar familiarizado com isso com a média de dados ruidosos em um experimento de física de primeiro ano, ou de rastrear o valor de um investimento. Você pode não saber que a média móvel também é um protótipo do filtro de resposta ao impulso finito, o tipo de filtro mais comum usado na instrumentação baseada em computador. Nos casos em que uma determinada forma de onda está cheia de ruído, onde uma média precisa ser extraída de um sinal periódico, ou onde uma linha de base devagar deve ser eliminada de um sinal de freqüência mais alta, um filtro médio móvel pode ser aplicado para alcançar o desejado resultado. O algoritmo de média móvel de Advanced CODAS oferece esse tipo de desempenho de filtragem de formas de onda. O CODAS avançado é um pacote de software de análise que opera em arquivos de dados de forma de onda existentes criados pela WinDaq de primeira geração ou pacotes de aquisição de dados WinDaq de segunda geração. Além do algoritmo da média móvel, o CODAS Avançado também inclui um utilitário do gerador de relatórios e rotinas de software para a integração de formas de onda, a diferenciação, a captação de picos e do vale, a rectificação e as operações aritméticas. Teoria do Filtro Médio em Mudança O algoritmo de média móvel móvel da DATAQ Instruments permite uma grande flexibilidade nas aplicações de filtragem de formas de onda. Ele pode ser usado como um filtro passa-baixa para atenuar o ruído inerente em muitos tipos de formas de onda, ou como um filtro passa-alto para eliminar uma linha de base de derivação a partir de um sinal de freqüência mais alta. O procedimento usado pelo algoritmo para determinar a quantidade de filtragem envolve o uso de um fator de suavização. Este fator de suavização, controlado por você através do software, pode ser aumentado ou diminuído para especificar o número de pontos de dados de formas de onda reais ou amostras que a média móvel abrangerá. Qualquer forma de onda periódica pode ser pensada como uma string longa ou coleção de pontos de dados. O algoritmo realiza uma média móvel tirando dois ou mais desses pontos de dados da forma de onda adquirida, adicionando-os, dividindo sua soma pelo número total de pontos de dados adicionados, substituindo o primeiro ponto de dados da forma de onda pela média calculada, e Repetindo os passos com o segundo, terceiro e assim por diante os pontos de dados até o final do dado ser alcançado. O resultado é uma segunda forma de onda gerada que consiste na média de dados e com o mesmo número de pontos que a forma de onda original. Figura 1 8212 Qualquer forma de onda periódica pode ser pensada como uma string longa ou coleção de pontos de dados. Na ilustração acima, os pontos de dados de forma de onda consecutivos são representados por quotyot para ilustrar como a média móvel é calculada. Neste caso, foi aplicado um fator de suavização de três, o que significa que três pontos consecutivos de dados da forma de onda original são adicionados, a sua soma dividida por três, e esse quociente é traçado como o primeiro ponto de dados de uma forma de onda gerada. O processo se repete com o segundo, terceiro e assim por diante pontos de dados da forma de onda original até o final do dado ser alcançado. Uma técnica especial de quotfeatherchot significa os pontos de início e de data final da forma de onda original para garantir que a forma de onda gerada contenha o mesmo número de pontos de dados que o original. A Figura 1 ilustra como o algoritmo da média móvel é aplicado aos pontos de dados da forma de onda (que são representados por y). A ilustração possui um fator de suavização de 3, o que significa que o valor médio (representado por a) será calculado em 3 valores de dados de forma de onda consecutivos. Observe a sobreposição que existe nos cálculos da média móvel. É esta técnica de sobreposição, juntamente com um tratamento especial de início e final que gera o mesmo número de pontos de dados na forma de onda média que existe no original. A forma como o algoritmo calcula uma média móvel merece um olhar mais atento e pode ser ilustrada com um exemplo. Digamos que temos uma dieta há duas semanas e queremos calcular nosso peso médio nos últimos 7 dias. Nós sumaríamos nosso peso no dia 7 com nosso peso nos dias 8, 9, 10, 11, 12 e 13 e depois multiplicaremos por 17. Para formalizar o processo, isso pode ser expresso como: a (7) 17 (y ( 7) y (8) y (9). Y (13)) Esta equação pode ser generalizada adicionalmente. A média móvel de uma forma de onda pode ser calculada por: Onde: um valor médio n posição do ponto de dados s fator de suavização y valor do ponto de dados real Figura 2 8212 A forma de onda de saída da célula de carga mostrada original e não filtrada no canal superior e como um ponto de 11 pontos Forma de onda média movida no canal inferior. O ruído que aparece na forma de onda original foi devido às intensas vibrações criadas pela imprensa durante a operação de embalagem. A chave para essa flexibilidade de algoritmos é a sua ampla gama de fatores de suavização selecionáveis (de 2 a 1.000). O fator de suavização determina quantos pontos de dados reais ou amostras serão calculados de forma média. Especificar qualquer fator de suavização positivo simula um filtro passa-baixa enquanto especifica um fator de suavização negativo simula um filtro de passagem alta. Dado o valor absoluto do fator de suavização, os valores mais altos aplicam maiores restrições de suavização na forma de onda resultante e, inversamente, os valores mais baixos aplicam menos alisamento. Com a aplicação do fator de suavização apropriado, o algoritmo também pode ser usado para extrair o valor médio de uma dada forma de onda periódica. Um fator de suavização positivo mais alto é tipicamente aplicado para gerar valores de forma de onda média. Aplicando o algoritmo de média móvel Uma característica saliente do algoritmo de média móvel é que ele pode ser aplicado muitas vezes na mesma forma de onda, se necessário para obter o resultado de filtragem desejado. A filtragem de formas de onda é um exercício muito subjetivo. O que pode ser uma forma de onda devidamente filtrada para um usuário pode ser inaceitavelmente ruidoso para outro. Só você pode avaliar se o número de pontos médios selecionados foi muito alto, muito baixo ou simplesmente correto. A flexibilidade do algoritmo permite que você ajuste o fator de suavização e faça outro passar pelo algoritmo quando resultados satisfatórios não são alcançados com a tentativa inicial. A aplicação e as capacidades do algoritmo da média móvel podem ser ilustradas melhor pelos seguintes exemplos. Figura 3 8212 A forma de onda ECG mostrada original e não filtrada no canal superior e como uma forma de onda em média móvel de 97 pontos no canal inferior. Observe a ausência de deriva basal no canal inferior. Ambas as formas de onda são mostradas em uma condição comprimida para apresentação. Uma aplicação de redução de ruído Nos casos em que uma determinada forma de onda está cheia de ruído, o filtro médio móvel pode ser aplicado para suprimir o ruído e produzir uma imagem mais clara da forma de onda. Por exemplo, um cliente CODAS avançado estava usando uma imprensa e uma célula de carga em uma operação de empacotamento. Seu produto deveria ser comprimido para um nível predeterminado (monitorado pela célula de carga) para reduzir o tamanho da embalagem necessária para conter o produto. Por razões de controle de qualidade, eles decidiram monitorar a operação da imprensa com instrumentação. Ocorreu um problema inesperado quando começaram a ver a saída de células de carga em tempo real. Uma vez que a máquina de impressão vibrou consideravelmente enquanto estava em operação, a forma de onda de saída das células de carga era difícil de discernir porque continha uma grande quantidade de ruído devido à vibração, conforme mostrado no canal superior da Figura 2. Este ruído foi eliminado ao gerar um canal em média móvel de 11 pontos como mostrado no canal inferior da Figura 2. O resultado foi uma imagem muito mais clara da saída das células de carga. Uma aplicação na eliminação da deriva da linha de base Nos casos em que uma linha de base devagar deve ser removida de um sinal de freqüência mais alta, o filtro de média móvel pode ser aplicado para eliminar a linha de base da derivação. Por exemplo, uma forma de onda ECG tipicamente exibe algum grau de andar de linha base como pode ser visto no canal superior da Figura 3. Esta deriva de linha de base pode ser eliminada sem alterar ou perturbar as características da forma de onda como mostrado no canal inferior da Figura 3. Isto é conseguido aplicando um fator de alívio de valor negativo apropriado durante o cálculo da média móvel. O fator de suavização apropriado é determinado dividindo um período de forma de onda (em segundos) pelo intervalo de amostra de canais. O intervalo de amostra de canais é simplesmente o recíproco da taxa de amostragem dos canais e é convenientemente exibido no menu de utilidade média móvel. O período da forma de onda é facilmente determinado a partir da tela de exibição posicionando o cursor em um ponto conveniente na forma de onda, definindo um marcador de tempo e, em seguida, movendo o cursor um ciclo completo para longe do marcador de tempo exibido. A diferença horária entre cursor e marcador de tempo é um período de forma de onda e é exibida na parte inferior da tela em segundos. No nosso exemplo de ECG, a forma de onda possuía um intervalo de amostra de canal de 0,004 segundos (obtido a partir do menu de utilidade média móvel) e um período de forma de onda foi medido para span .388 segundos. Dividir o período da forma de onda pelo intervalo de amostra dos canais nos deu um fator de suavização de 97. Como é a deriva da linha de base que estamos interessados em eliminar, aplicamos um fator de suavização negativo (-97) ao algoritmo da média móvel. Isso, de fato, subtraiu o resultado médio móvel do sinal da forma de onda original, que eliminou a deriva da linha de base sem alterar a informação da forma de onda. Outros Problemas Médicos em Movimento de Formas de Onda Qualquer que seja a aplicação, a razão universal para aplicar um filtro de média móvel é superar quotly as aberrações altas e baixas e revelar um valor de forma de onda intermediária mais representativo. Ao fazer isso, o software não deve comprometer outros recursos da forma de onda original no processo de geração de uma forma de onda em média móvel. Por exemplo, o software deve ajustar automaticamente as informações de calibração associadas ao arquivo de dados original, de modo que a forma de onda em média móvel esteja nas unidades de engenharia apropriadas quando geradas. Todas as leituras nos números foram realizadas usando o software WinDaq Data Acquisition
No comments:
Post a Comment