Eenvoudige bewegende gemiddelde - SMA Wat is 'n eenvoudige bewegende gemiddelde - SMA N Eenvoudige bewegende gemiddelde (SMA) is 'n rekenkundige bewegende gemiddelde bereken deur die byvoeging van die sluitingsprys van die sekuriteit vir 'n aantal tydperke en dan verdeel dit totaal deur die aantal keer tydperke. Soos getoon in die grafiek hierbo, baie handelaars kyk vir 'n kort termyn gemiddeldes hierbo langer termyn gemiddeldes te steek om die begin van 'n uptrend sein. Korttermyn gemiddeldes kan optree as die vlakke van ondersteuning wanneer die prys ondervind met 'n terugsakking. VIDEO laai die speler. Afbreek Eenvoudige bewegende gemiddelde - SMA N Eenvoudige bewegende gemiddelde is aanpas omdat dit bereken kan word vir 'n verskillende aantal tydperke, eenvoudig deur die toevoeging van die sluitingsprys van die sekuriteit vir 'n aantal tydperke en dan verdeel dit totaal deur die aantal van tydperke, wat die gemiddelde prys van die sekuriteit oor die tydperk gee. 'N Eenvoudige bewegende gemiddelde stryk uit wisselvalligheid, en maak dit makliker om die prys tendens van 'n sekuriteit te sien. As die eenvoudige tot bewegende gemiddelde punte, beteken dit dat die securitys prys is aan die toeneem. As dit is wys af beteken dit dat die securitys prys daal. Hoe langer die tydperk vir die bewegende gemiddelde, die gladder die eenvoudige bewegende gemiddelde. 'N Korter termyn bewegende gemiddelde is meer wisselvallig, maar sy lees is nader aan die bron data. Analitiese betekenis bewegende gemiddeldes is 'n belangrike analitiese instrument wat gebruik word om die huidige prys tendense te identifiseer en die potensiaal vir 'n verandering in 'n gevestigde tendens. Die eenvoudigste vorm van die gebruik van 'n eenvoudige bewegende gemiddelde in analise is om dit te gebruik om vinnig te identifiseer as 'n sekuriteit is in 'n uptrend of verslechtering neiging. Nog 'n gewilde, al is dit 'n bietjie meer kompleks analitiese instrument, is om 'n paar eenvoudige bewegende gemiddeldes te vergelyk met mekaar oor verskillende tydperke. As 'n korter termyn eenvoudige bewegende gemiddelde is bo 'n langer termyn gemiddelde, is 'n uptrend verwag. Aan die ander kant, 'n langtermyn-gemiddelde bo 'n korter termyn gemiddelde dui op 'n afwaartse beweging in die tendens. Gewilde handelspatrone Twee gewilde handelspatrone so eenvoudig bewegende gemiddeldes gebruik sluit die dood kruis en 'n goue kruis. 'N die dood kruis vind plaas wanneer die 50-dag eenvoudig bewegende gemiddelde kruise onder die 200-daagse bewegende gemiddelde. Dit word beskou as 'n lomp sein, wat verdere verliese is in die winkel. Die goue kruis vind plaas wanneer 'n korttermyn-bewegende gemiddelde breek bo 'n langtermyn-bewegende gemiddelde. Versterk deur 'n hoë verhandelingsvolumes, kan dit dui verdere stygings in store. I wil berekening vir aandele prys bewegende gemiddelde ontwikkel. Maar baie komplekse berekeninge het later beplan. My eerste stap om te weet hoe om te bereken bewegende gemiddelde doeltreffend. Ek moet weet hoe om die insette te neem en uitvoer doeltreffend terugkeer. deurdagte insette Datum en prys. consudered uitset Datum, Prys en bewegende gemiddelde. As ek 500 rekords en ek wil Moving gemiddelde te bereken vir 5 dae wat die effient manier in plaas van heen en weer in die skikking van Datum en prys gaan weer asseblief suggereert wat is die beste manier om insette (Array List, Table, verskeidenheid ontvang ens) en terug te keer uitset. Nota: Vandag se MA van 5 dae sal gemiddeld van Laaste 5 Dae insluitend vandag prys. Gister MA sal gemiddeld van laaste 5 dae van gister wees. Ek wil die dae hou buigsaam in plaas van 5 te wees dit kan 9, 14, 20 wees ens Donderdag, April 10, 2008 15:21 As jy eenvoudige berekening moet sonder jou moeite as jy TA-Lib kan gebruik. Maar as jy wil hê dat jou berekening om meer doeltreffend as TA-Lib wees, dan kan jy jou eie tegniese aanwyser skep. TA-Lib is groot, maar die probleem is dat hierdie biblioteek het net statiese metodes. Dit beteken dat wanneer jy dit nodig om SMA verskeidenheid waardes te bereken gebaseer op 500 prys bars, dan sal jy die hele spektrum van bars stuur en dit sal n verskeidenheid van SMA waardes terugkeer. Maar as jy 'n nuwe 501-ste waarde ontvang dan moet jy weer stuur die hele reeks en TA-Lib sal weer bereken en terugkeer SMA verskeidenheid van waardes. Nou dink jy so aanwyser op werklike prys voer nodig het, en vir elke prysverandering jy nuwe aanwyser waarde nodig het. As jy een het aanwyser is nie 'n groot probleem, maar as jy honderde aanwysers werk, kan dit 'n prestasie probleem wees. Ek was in so 'n situasie en begin met die ontwikkeling realtime aanwysers wat doeltreffende is en om addisionele berekeninge vir nuwe prys bar of slegs veranderde prys bar. Unfortunatelly ek nooit SMA aanwyser wat nodig is vir my handel stelsels, maar ek het so vir EMO, WMA, AD, en ander. Een so 'n aanwyser nC gepubliseer op my blog en jy kan sien van daar af wat is die basiese struktuur van my realtime aanwyser klas. Ek hoop jy sal klein veranderinge moet implementeer SMA aanwyser, want een van die eenvoudigste een. Die logika is eenvoudig. Om SMA bereken alles wat jy nodig het is 'n laaste prys waardes. So klas geval sal versameling van pryse, wat sal slaan hou net verlede N aantal pryse as SMA gedefinieer (in jou geval 5) het. So wanneer jy 'n nuwe bar, jy sal oudste een verwyder en voeg nuwe een en skep berekening. Donderdag, 10 April, 2008 16:04 Alle antwoorde Daar is 'n biblioteek genoem TA-Lib dat alles wat vir jou doen en dit is open source. Dit het sowat 50 aanwysers ek dink. Weve gebruik dit in produksie-omgewing en dit is baie effektief en realible. Jy kan dit gebruik in C, Java, C, ens As jy eenvoudige berekening moet sonder jou moeite as wat jy TA-Lib kan gebruik. Maar as jy wil hê dat jou berekening om meer doeltreffend as TA-Lib wees, dan kan jy jou eie tegniese aanwyser skep. TA-Lib is groot, maar die probleem is dat hierdie biblioteek het net statiese metodes. Dit beteken dat wanneer jy dit nodig om SMA verskeidenheid waardes te bereken gebaseer op 500 prys bars, dan sal jy die hele spektrum van bars stuur en dit sal n verskeidenheid van SMA waardes terugkeer. Maar as jy 'n nuwe 501-ste waarde ontvang dan moet jy weer stuur die hele reeks en TA-Lib sal weer bereken en terugkeer SMA verskeidenheid van waardes. Nou dink jy so aanwyser op werklike prys voer nodig het, en vir elke prysverandering jy nuwe aanwyser waarde nodig het. As jy een het aanwyser is nie 'n groot probleem, maar as jy honderde aanwysers werk, kan dit 'n prestasie probleem wees. Ek was in so 'n situasie en begin met die ontwikkeling realtime aanwysers wat doeltreffende is en om addisionele berekeninge vir nuwe prys bar of slegs veranderde prys bar. Unfortunatelly ek nooit SMA aanwyser wat nodig is vir my handel stelsels, maar ek het so vir EMO, WMA, AD, en ander. Een so 'n aanwyser nC gepubliseer op my blog en jy kan sien van daar af wat is die basiese struktuur van my realtime aanwyser klas. Ek hoop jy sal klein veranderinge moet implementeer SMA aanwyser, want een van die eenvoudigste een. Die logika is eenvoudig. Om SMA bereken alles wat jy nodig het is 'n laaste prys waardes. So klas geval sal versameling van pryse, wat sal slaan hou net verlede N aantal pryse as SMA gedefinieer (in jou geval 5) het. So wanneer jy 'n nuwe bar, jy sal oudste een verwyder en voeg nuwe een en skep berekening. Donderdag, 10 April, 2008 16:04 Ek sou die bewegende gemiddelde in die databasis bereken deur 'n gestoor proses of in 'n kubus. Het jy al gekyk na Analysis Services, dit het die vermoë om bewegende gemiddeldes te bereken. Donderdag, 10 April, 2008 04:05 Ja. TA-LIB is goed, maar kan nie geskik wees vir my. Toe ek nuwe waarde of opgedateer waarde toe te voeg vir die geskiedenis van rekords sal ek die berekening in 'n aparte funksie doen net vir daardie nuwe kwotasie en bêre dit in die databasis. Ek is van plan om die kwotasie te werk elke uur. Ek nodig het om te doen oor 25 tot 30 tegniese aanwysers vir 2200 aandele. Donderdag, 10 April, 2008 17:51 Uitvoering tyd van 'n TA-Lib oproep op 'n verskeidenheid van 10000 elemente duur ongeveer 15 millisekondes (op 'n Intel Core Duo 2.13 Ghz). Dit is die gemiddeld van al die funksies. Onder die vinnigste, SMA neem minder as 2,5 millisekondes. Die stadigste, HTTRENDMODE, neem 450 millisekondes. Met minder elemente is dit vinniger. SMA duur ongeveer 0,22 millisekondes vir 1000 insette elemente. Die spoed gewin is byna lineêre (die oorhoofse van die funksie oproep is weglaatbaar). In die konteks van jou aansoek, TA-Lib is baie onwaarskynlik dat jou bottelnek vir spoed prestasie wees. Ook het ek oor die algemeen nie so quotlast nquot oplossing beveel. Lees hieronder vir meer inligting. In die eerste plek 'n regstelling te Boban. s verklaring Alle funksies in TA-Lib kan ook 'n enkele laaste waarde te bereken deur die gebruik van 'n minimum van quotlast nquot elemente. Jy kan 'n verskeidenheid van grootte 10000 het, het data inisialiseer net vir die eerste 500 elemente, voeg 'n element en noem TA-Lib om die SMA bereken slegs vir die nuwe element. TA-Lib sal agtertoe nie meer as wat nodig is kyk (as SMA van 5, dan TA-Lib sal 'n enkele SMA met behulp van die afgelope 5 waardes te bereken). Dit word moontlik gemaak met die parameter startIdx en endIdx. Jy kan spesifiseer 'n reeks te bereken, of 'n enkele waarde. In hierdie scenario sal jy startIdx endIdx 500 maak om die 501 element te bereken. Hoekom is so quotlast nquot oplossing potensieel gevaarlik vir 'n paar Ongeag kies Boban. s oplossing of TA-Lib van mening dat die gebruik van 'n klein beperkte aantal afgelope data gewoond goed te werk met die meeste TA funksies. Met SMA, is dit duidelik dat jy hoef net n element om 'n gemiddelde oor N element te bereken. Dit is nie so eenvoudig met EMO (en baie ander TA funksies). Die algo dikwels afhang van die vorige waarde aan die nuwe waarde te bereken. Die funksie is rekursiewe. Dit beteken dat al die afgelope waardes het 'n invloed op toekomstige waardes. As jy besluit om jou algo quotlimitquot om slegs 'n klein hoeveelheid van die afgelope N waarde gebruik, sal jy nie dieselfde resultaat as iemand wat oor 'n groot aantal van die verlede waardes bereken kry. Die oplossing is 'n kompromie tussen spoed en akkuraatheid. Ek het al dikwels bespreek dit in die konteks van TA-Lib (Ek noem dit die quotunstable periodquot in die dokumentasie en forum). Om dit eenvoudig te hou, my algemene Aanbeveling is as jy die verskil tussen 'n algo cant maak met 'n eindige impulsrespons (FIR) van 'n algo met 'n oneindige impulsrespons (IIR), jy sal veiliger wees om te bereken oor al die inligting wat jy het beskikbaar. TA-Lib spesifiseer in die kode wat van sy werksaamhede het 'n onstabiele tydperk (IIR). Geredigeer deur mfortier Vrydag, 15 Augustus, 2008 04:25 korrekte Engelse sin Vrydag, 15 Augustus, 2008 04:20 AMC: Eenvoudige bewegende gemiddelde berekening van die eenvoudige bewegende gemiddelde van 'n reeks van getalle. Skep 'n Stateful funksie / klas / instansie wat 'n tydperk neem en gee 'n roetine dat 'n aantal neem as argument en gee 'n eenvoudige bewegende gemiddelde van sy argumente tot dusver. Beskrywing 'n eenvoudige bewegende gemiddelde is 'n metode vir die berekening van 'n gemiddelde van 'n stroom van getalle deur net die laaste P nommers van die stroom, waar P staan bekend as die tydperk gemiddeld. Dit kan toegepas word deur die roeping van 'n parafering roetine met P as sy argument, I (P), wat dan 'n roetine moet terugkeer dat wanneer hy met individuele, opeenvolgende lede van 'n stroom van getalle, bere die gemiddelde van (tot), die laaste P van hulle, kan noem dit SMA (). Die woord Stateful in die taak beskrywing verwys na die behoefte aan SMA () om sekere inligting tussen oproepe om dit te onthou: die tydperk, P 'n geordende houer van ten minste die laaste P getalle uit elk van die individuele oproepe. Stateful beteken ook dat opeenvolgende oproepe na ek (), die initializer, aparte roetines wat nie deel nie gered staat sodat hulle kan gebruik word op twee onafhanklike strome van data moet terugkeer. Pseudokode vir 'n uitvoering van SMA is: Meer van my site C: Horner8217s Reël vir Polinoom Evaluering C: Bou van rasionale getal C: Lucas-Lehmer Toets C: Hickerson Series of Byna Heelgetalle C: Genereer Random Number in Range C: Harshad / Niven reeks C: Fibonacci N-stap getalreekse C: Kaprekar Nommers C: Hofstadter-Conway 10000 Volgorde C: Lineêre Congruential Generator 11 Top HBO Programme 7 Top Hedge 10 die meeste boeiende NCAA Football Programme PayPal Mafia: die 12 manne agter die Online Geld reuse 12 mees kragtige Mense in Silicon Valley 9 mees kragtige vroue in die wêreld 11 mees brutale Diktators van die 20ste eeu 14 mees kragtige Mense op Wall Street 8 mees kragtige vroue in Silicon Valley 5 Top Venture Capital Firmas in Silicon Valley 8 Amazing Zambië feite 10 Awesome webwerwe te tyd mors met 5 Beste strek vir elke spiergroep Kopiereg 2016 TFE Times, LLC. Alle regte reserved. Averages / Eenvoudige bewegende gemiddelde Gemiddeldes / Eenvoudige bewegende gemiddelde U word aangemoedig om hierdie taak op te los volgens die taakbeskrywing, die gebruik van enige taal wat jy kan weet. Berekening van die eenvoudige bewegende gemiddelde van 'n reeks van getalle. Skep 'n Stateful funksie / klas / instansie wat 'n tydperk neem en gee 'n roetine dat 'n aantal neem as argument en gee 'n eenvoudige bewegende gemiddelde van sy argumente tot dusver. 'N Eenvoudige bewegende gemiddelde is 'n metode vir die berekening van 'n gemiddelde van 'n stroom van getalle met slegs gemiddeld die afgelope 160 P 160 nommers van die stroom, 160 waar 160 P 160 is bekend as die tydperk. Dit kan toegepas word deur die roeping van 'n parafering roetine met 160 P 160 as argument, 160 I (P), 160 wat dan 'n roetine dat wanneer geroep met individuele, opeenvolgende lede van 'n stroom van getalle, bere die gemiddelde van sou terugkeer (up om), die laaste 160 P 160 van hulle, kan noem dit 160 SMA (). Die woord 160 Stateful 160 in die taak beskrywing verwys na die behoefte aan 160 SMA () 160 om sekere inligting tussen oproepe onthou om dit: 160 Die tydperk, 160 P 160 N bestel houer van ten minste die laaste 160 P 160 nommers uit elk van sy individuele oproepe. Stateful 160 beteken ook dat opeenvolgende oproepe na 160 I (), 160 die initializer, 160 moet afsonderlike roetines wat doen 160 nie 160 aandele gered staat sodat hulle kan gebruik word op twee onafhanklike strome van data terugkeer. Pseudo-kode vir die implementering van 160 SMA 160 is: Hierdie weergawe maak gebruik van 'n aanhoudende tou om die mees onlangse p waardes hou. Elke funksie teruggekeer van init-bewegende-gemiddelde het sy toestand in 'n atoom met 'n tou waarde. Dit implementering gebruik 'n omsendbrief lys om die getalle binne die venster op te slaan aan die begin van elke iterasie wyser verwys na die lys sel wat hou die waarde net beweeg by die venster uit en vervang moet word met die net toegevoegde waarde. Met behulp van 'n afsluiting wysig Tans hierdie SMA cant nogc wees omdat dit 'n sluiting op die wal ken. Sommige ontsnapping analise kan die hoop toekenning te verwyder. Met behulp van 'n struct wysig Hierdie weergawe vermy die hoop toekenning van die sluiting behoud van die data in die stapel raamwerk van die hooffunksie. Dieselfde uitset: Om te verhoed dat die drywende punt benaderings hou opstapel en die groei, kan die kode 'n periodieke som uit te voer op die hele ronde tou skikking. Dit implementering produseer twee (funksie) voorwerpe deel staat. Dit is idiomatiese in E te skei insette van uitset (lees van skryf), eerder as om dit te kombineer in een voorwerp. Die struktuur is dieselfde as die implementering van Standard DeviationE. Die onderstaande elikser program genereer 'n anonieme funksie met 'n ingeboude tydperk p, wat gebruik word as die tydperk van die eenvoudige bewegende gemiddelde. Die aanloop funksie lees numeriese insette en gee dit aan die nuutgeskepte anonieme funksie, en dan inspekteer die resultaat te STDOUT. Die uitset word hieronder getoon, met die gemiddelde, gevolg deur die gegroepeer insette, wat die basis vorm van elke bewegende gemiddelde. Erlang het sluitings, maar onveranderlike veranderlikes. 'N Oplossing is dan om prosesse en 'n eenvoudige boodskap verby gebaseer API te gebruik. Matrix tale roetines om die sweef avarages vir 'n gegewe volgorde van items bereken. Dit is minder doeltreffend te loop as in die volgende opdragte. Voortdurend gevra vir 'n inset ek. wat by die einde van 'n lys T1. T1 kan gevind word deur te druk 2ND / 1, en gemiddelde kan gevind word in Lys / OPS druk op die program te beëindig. Funksie wat 'n lys met die gemiddeld data van die verskaf argument program wat 'n eenvoudige waarde terug by elke aanroeping terug: lys is die lys word gemiddeld: p is die tydperk: 5 opbrengste die gemiddeld lys: Voorbeeld 2: Die gebruik van die program movinav2 (i , 5) - Inisialiseer bewegende gemiddelde berekening, en definieer tydperk van 5 movinav2 (3, x): x - nuwe data in die lys (waarde 3), en gevolg sal word gestoor op veranderlike x, en vertoon movinav2 (4 x) : x - nuwe data (waarde 4), en die nuwe gevolg sal gestoor word op veranderlike x, en vertoon (43) / 2. Beskrywing van die funksie movinavg: veranderlike r - is die gevolg (die gemiddeld lys) wat veranderlike sal teruggestuur word ek - is die indeks veranderlike, en dit dui op die einde van die sub-lys die lys word gemiddeld. veranderlike Z - 'n helper veranderlike Die funksie gebruik wisselende ek om vas te stel watter waardes van die lys sal in die volgende gemiddelde berekening in ag geneem word. By elke iterasie, veranderlike i dui op die laaste waarde in die lys wat gebruik sal word in die gemiddelde berekening. So ons moet net om uit te vind wat die eerste waarde in die lys sal wees. Gewoonlik goed moet p elemente oorweeg, sodat die eerste element sal die een geïndekseer deur (i-P1) te wees. Maar op die eerste iterasies wat berekening gewoonlik negatief sal wees, sodat die volgende vergelyking negatiewe indekse sal vermy: max (i-p1,1) of, reël die vergelyking, Max (i-P, 0) 1. of, reël die vergelyking, (i - (Max (IP, 0) 1) 1), en dan - maar die nommer van elemente op die eerste iterasies sal ook kleiner wees, sal die korrekte waarde (begin indeks 1 einde indeks) wees , (i-Max (IP, 0)). Veranderlike Z hou die algemene waarde (maksimum (IP), 0) sodat die beginindex sal wees (Z1) en die numberofelements sal wees (iz) die middel (lys, Z1, iz) sal die lys van waarde wat sal gemiddeld som terugkeer ( .) sal hulle som som (.) / (iz) ri hulle sal gemiddeld en stoor die resultaat in die toepaslike plek in die lys gevolg behulp van 'n sluiting en die skep van 'n functionTechnical Ontleding gemiddeldes bewegende gemiddeldes gebruik te stryk kort termyn swaai te kry 'n beter aanduiding van die prys tendens. Gemiddeldes-tendens volgende aanwysers. 'N bewegende gemiddelde van die daaglikse pryse, is die gemiddelde prys van 'n aandeel oor 'n gekose tydperk, vertoon elke dag. Vir die berekening van die gemiddelde, moet jy 'n tydperk kies. Die keuse van 'n tydperk is altyd 'n weerspieëling op, min of meer lag met betrekking tot prys in vergelyking met 'n groter of kleiner smoothing van die prys data. Prys gemiddeldes word gebruik as tendens volgende aanwysers en veral as 'n verwysing vir die prys ondersteuning en weerstand. In die algemeen gemiddeldes is teenwoordig in alle soorte van formules om data te glad. Spesiale aanbod: quotCapturing Wins met tegniese Analysisquot Eenvoudige bewegende gemiddelde N Eenvoudige bewegende gemiddelde word bereken deur die toevoeging van al die pryse binne die gekose tydperk, gedeel deur daardie tydperk. Op hierdie manier, elke datawaarde het dieselfde gewig in die gemiddelde resultaat. Figuur 4.35: Eenvoudige, eksponensiale en geweegde bewegende gemiddelde. Die dik, swart kurwe in die grafiek van figuur 4.35 is 'n 20-dag eenvoudig bewegende gemiddelde. Eksponensiële bewegende gemiddelde 'n eksponensiële bewegende gemiddelde gee meer gewig, persentasiegewys, om die individuele pryse in 'n reeks, wat gebaseer is op die volgende formule: EMA (prys EMO) (vorige EMO (1 uitvoering maak EMO)) Die meeste beleggers nie gemaklik met 'n voel uitdrukking met betrekking tot persentasie in die eksponensiële bewegende gemiddelde eerder, hulle beter voel met behulp van 'n tydperk. As jy wil weet wat die persentasie waarop te werk met behulp van 'n tydperk, die volgende formule gee jou die omskakeling: 'n tydperk van drie dae in ooreenstemming met 'n eksponensiële persentasie van: Die dun, swart kurwe in figuur 4.35 is 'n 20-dag eksponensiële bewegende gemiddelde. Geweegde bewegende gemiddelde A geweegde bewegende gemiddelde plaas meer gewig op onlangse data en minder gewig op ouer data. 'N Geweegde bewegende gemiddelde bereken word deur elke data te vermenigvuldig met 'n faktor van dag ldquo1rdquo tot dag ldquonrdquo vir die oudste tot die mees onlangse data die resultaat is gedeel deur die totaal van alle vermenigvuldig faktore. In 'n 10-dag geweegde bewegende gemiddelde, daar is 10 keer meer gewig vir die prys vandag in verhouding tot die prys 10 dae gelede. Net so, die prys van gister kry nege keer meer gewig, en so aan. Die dun, swart verpletter kurwe in figuur 4.35 is 'n 20-dag geweeg bewegende gemiddelde. Eenvoudige, eksponensiële, of Geweegde As ons hierdie drie basiese gemiddeldes vergelyk, sien ons dat die eenvoudige gemiddelde het die meeste glad nie, maar oor die algemeen ook die grootste lag ná prys terugskrywings. Die eksponensiële gemiddelde lê nader aan die prys en sal ook vinniger om prysskommelings reageer. Maar korter tydperk regstellings ook sigbaar in hierdie gemiddelde as gevolg van 'n minder glad effek. Ten slotte, die geweegde gemiddelde volg die prys beweging selfs nader. Die bepaling van watter een van hierdie gemiddeldes te gebruik, hang af van jou doel. As jy 'n tendens aanwyser met 'n beter glad en net bietjie reaksie vir korter bewegings wil, die eenvoudige gemiddelde is die beste. As jy wil 'n smoothing waar jy nog kan sien die kort tydperk swaai, dan óf die eksponensiële of geweegde bewegende gemiddelde is die beter keuse.
No comments:
Post a Comment