Moving Average Filter Tutorial

Moving Average Contoh ini mengajarkan cara menghitung moving average dari deret waktu di Excel. Rata-rata bergerak digunakan untuk memperlancar penyimpangan (puncak dan lembah) agar mudah mengenali tren. 1. Pertama, mari kita lihat rangkaian waktu kita. 2. Pada tab Data, klik Analisis Data. Catatan: cant menemukan tombol Analisis Data Klik disini untuk memuat add-on Analisis ToolPak. 3. Pilih Moving Average dan klik OK. 4. Klik pada kotak Input Range dan pilih range B2: M2. 5. Klik di kotak Interval dan ketik 6. 6. Klik pada kotak Output Range dan pilih sel B3. 8. Plot grafik nilai-nilai ini. Penjelasan: karena kita tetapkan interval ke 6, rata-rata bergerak adalah rata-rata dari 5 titik data sebelumnya dan titik data saat ini. Akibatnya, puncak dan lembah dihaluskan. Grafik menunjukkan tren yang meningkat. Excel tidak bisa menghitung moving average untuk 5 poin data pertama karena tidak ada cukup data point sebelumnya. 9. Ulangi langkah 2 sampai 8 untuk interval 2 dan interval 4. Kesimpulan: Semakin besar interval, semakin puncak dan lembah dihaluskan. Semakin kecil interval, semakin dekat rata-rata bergerak ke titik data aktual. Rata-rata bergerak: Apa yang ada di antara indikator teknis paling populer, rata-rata bergerak digunakan untuk mengukur arah tren saat ini. Setiap jenis moving average (biasanya ditulis dalam tutorial ini sebagai MA) adalah hasil matematis yang dihitung dengan rata-rata sejumlah titik data sebelumnya. Setelah ditentukan, rata-rata yang dihasilkan kemudian diplot ke bagan untuk memungkinkan pedagang melihat data yang merapikan daripada berfokus pada fluktuasi harga sehari-hari yang melekat di semua pasar keuangan. Bentuk paling sederhana dari rata-rata bergerak, yang secara tepat dikenal sebagai moving average sederhana (SMA), dihitung dengan mengambil mean aritmetika dari serangkaian nilai yang diberikan. Misalnya, untuk menghitung rata-rata pergerakan 10 hari dasar, Anda akan menambahkan harga penutupan dari 10 hari terakhir dan kemudian membagi hasil dengan 10. Pada Gambar 1, jumlah harga selama 10 hari terakhir (110) adalah Dibagi dengan jumlah hari (10) sampai pada rata-rata 10 hari. Jika trader ingin melihat rata-rata 50 hari, jenis perhitungan yang sama akan dilakukan, tapi itu akan mencakup harga selama 50 hari terakhir. Rata-rata yang dihasilkan di bawah (11) memperhitungkan 10 data terakhir untuk memberi gambaran kepada pedagang tentang bagaimana harga aset dibandingkan dengan 10 hari terakhir. Mungkin Anda bertanya-tanya mengapa pedagang teknis menyebut alat ini sebagai moving average dan bukan hanya mean biasa. Jawabannya adalah bahwa saat nilai baru tersedia, titik data tertua harus dikeluarkan dari himpunan dan titik data baru harus masuk untuk menggantikannya. Dengan demikian, kumpulan data terus bergerak untuk memperhitungkan data baru saat tersedia. Metode perhitungan ini memastikan bahwa hanya informasi terkini yang dipertanggungjawabkan. Pada Gambar 2, setelah nilai 5 yang baru ditambahkan ke himpunan, kotak merah (mewakili 10 titik data terakhir) bergerak ke kanan dan nilai terakhir 15 dijatuhkan dari perhitungan. Karena nilai yang relatif kecil dari 5 menggantikan nilai tinggi 15, Anda akan mengharapkan untuk melihat rata-rata penurunan data, yang terjadi pada kasus ini dari 11 menjadi 10. Rata-rata Moving Averages Like Once MA telah dihitung, mereka diplot ke grafik dan kemudian terhubung untuk menciptakan garis rata-rata bergerak. Garis melengkung ini biasa ditemukan pada grafik pedagang teknis, tapi bagaimana penggunaannya dapat bervariasi secara drastis (lebih lanjut tentang ini nanti). Seperti yang dapat Anda lihat pada Gambar 3, adalah mungkin untuk menambahkan lebih dari satu moving average ke setiap grafik dengan menyesuaikan jumlah periode waktu yang digunakan dalam perhitungan. Garis melengkung ini mungkin tampak mengganggu atau membingungkan pada awalnya, tapi Anda akan terbiasa dengan mereka seiring berjalannya waktu. Garis merah hanyalah harga rata-rata selama 50 hari terakhir, sedangkan garis biru adalah harga rata-rata selama 100 hari terakhir. Sekarang setelah Anda memahami apa itu rata-rata pergerakan dan tampilannya, perkenalkan jenis rata-rata bergerak yang berbeda dan periksa bagaimana perbedaannya dengan rata-rata bergerak sederhana yang disebutkan sebelumnya. Rata-rata pergerakan sederhana sangat populer di kalangan pedagang, namun seperti semua indikator teknis, memang ada kritiknya. Banyak orang berpendapat bahwa kegunaan SMA terbatas karena setiap titik dalam rangkaian data berbobot sama, terlepas dari mana hal itu terjadi dalam urutannya. Kritikus berpendapat bahwa data terbaru lebih signifikan daripada data yang lebih tua dan harus memiliki pengaruh lebih besar pada hasil akhir. Sebagai tanggapan atas kritik ini, para pedagang mulai memberi bobot lebih pada data terakhir, yang sejak saat ini menyebabkan penemuan berbagai jenis rata-rata baru, yang paling populer adalah moving average eksponensial (EMA). (Untuk bacaan lebih lanjut, lihat Dasar-Dasar Rata-rata Bergerak Rata-rata dan Perbedaan antara SMA dan EMA) Exponential Moving Average Rata-rata pergerakan eksponensial adalah jenis rata-rata bergerak yang memberi bobot lebih pada harga terakhir dalam upaya untuk membuatnya lebih responsif. Untuk informasi baru Mempelajari persamaan yang agak rumit untuk menghitung EMA mungkin tidak perlu bagi banyak pedagang, karena hampir semua paket charting melakukan perhitungan untuk Anda. Namun, bagi Anda ahli matematika matematika di luar sana, inilah persamaan EMA: Bila menggunakan rumus untuk menghitung titik pertama EMA, Anda mungkin memperhatikan bahwa tidak ada nilai yang tersedia untuk digunakan sebagai EMA sebelumnya. Masalah kecil ini bisa diatasi dengan memulai perhitungan dengan simple moving average dan melanjutkan dengan rumus di atas dari sana. Kami telah menyediakan contoh spreadsheet yang mencakup contoh kehidupan nyata tentang bagaimana menghitung rata-rata bergerak sederhana dan rata-rata pergerakan eksponensial. Perbedaan Antara EMA dan SMA Sekarang setelah Anda memiliki pemahaman yang lebih baik tentang bagaimana SMA dan EMA dihitung, mari kita lihat bagaimana rata-rata ini berbeda. Dengan melihat perhitungan EMA, Anda akan melihat bahwa penekanan lebih banyak ditempatkan pada titik data terkini, menjadikannya sebagai jenis rata-rata tertimbang. Pada Gambar 5, jumlah periode waktu yang digunakan pada masing-masing rata-rata identik (15), namun EMA merespons lebih cepat terhadap perubahan harga. Perhatikan bagaimana EMA memiliki nilai lebih tinggi saat harga naik, dan jatuh lebih cepat dari pada SMA saat harga sedang menurun. Responsivitas inilah yang menjadi alasan utama mengapa banyak trader lebih memilih untuk menggunakan EMA di atas SMA. Apa arti Hari yang Berbeda Berarti Moving averages adalah indikator yang benar-benar dapat disesuaikan, yang berarti bahwa pengguna dapat dengan bebas memilih jangka waktu yang mereka inginkan saat membuat rata-rata. Periode waktu paling umum yang digunakan dalam moving averages adalah 15, 20, 30, 50, 100 dan 200 hari. Semakin pendek rentang waktu yang digunakan untuk menciptakan rata-rata, semakin sensitif akan perubahan harga. Semakin lama rentang waktu, kurang sensitif, atau lebih merapikan, rata-rata akan. Tidak ada kerangka waktu yang tepat untuk digunakan saat mengatur rata-rata bergerak Anda. Cara terbaik untuk mengetahui mana yang paling sesuai untuk Anda adalah bereksperimen dengan sejumlah periode waktu yang berbeda sampai Anda menemukan strategi yang sesuai dengan strategi Anda. Moving Averages: Bagaimana Menggunakan ThemFIR Filter Basics 1.1 Apa filter quotFIR filtersquot FIR adalah salah satu dari dua jenis filter digital utama yang digunakan dalam aplikasi Digital Signal Processing (DSP), tipe lainnya adalah IIR. 1.2 Apa yang dimaksud dengan quotFIRquot quot quotFIRquot berarti quotFinite Impulse Responsequot. Jika Anda memasukkan sebuah impuls, itu adalah contoh quot quotquot tunggal yang diikuti oleh banyak sampel quot0quot, nol akan keluar setelah sampel quot1quot berhasil melewati garis penundaan filter. 1.3 Mengapa respon impuls quotfinitequot Dalam kasus umum, respons impuls terbatas karena tidak ada umpan balik dalam FIR. Kurangnya umpan balik menjamin bahwa respons impuls akan terbatas. Karena itu, istilah quotfinite impulse responsequot hampir identik dengan quotno feedbackquot. Namun, jika umpan balik digunakan namun respons impulsnya terbatas, filternya tetap berupa FIR. Contohnya adalah filter rata-rata bergerak, di mana sampel ke-N sebelumnya dikurangkan (diberi umpan balik) setiap kali sampel baru masuk. Filter ini memiliki respons impuls yang terbatas meskipun menggunakan umpan balik: setelah sampel N dari impuls, keluaran Akan selalu nol 1.4 Bagaimana cara mengucapkan quotFIRquot Beberapa orang mengatakan huruf F-I-R orang lain mengatakan seolah-olah itu adalah jenis pohon. Kami lebih memilih pohon. (Perbedaannya adalah apakah Anda berbicara tentang filter F-I-R atau filter FIR.) 1.5 Apa alternatif filter FIR filter DSP juga bisa menjadi quotInfinite Impulse Responsequot (IIR). (Lihat FAQ dspGurus IIR.) Filter IIR menggunakan umpan balik, jadi saat Anda memasukkan dorongan output secara teoritis berdering tanpa batas waktu. 1.6 Bagaimana filter FIR dibandingkan dengan filter IIR Masing-masing memiliki kelebihan dan kekurangan. Secara keseluruhan, meskipun, kelebihan filter FIR lebih besar daripada kerugiannya, jadi penggunaannya lebih banyak daripada IIR. 1.6.1 Apa keuntungan dari Filter FIR (dibandingkan dengan filter IIR) Dibandingkan dengan filter IIR, filter FIR menawarkan keuntungan berikut: Mereka dapat dengan mudah dirancang untuk menjadi quotlinear phasequot (dan biasanya). Sederhananya, filter fase linier menunda sinyal masukan tapi tidak mendistorsi fasanya. Mereka mudah diimplementasikan. Pada sebagian besar mikroprosesor DSP, perhitungan FIR dapat dilakukan dengan perulangan satu instruksi. Mereka cocok untuk aplikasi multi-rate. Dengan multi-rate, kami menggunakan quotdecimationquot (mengurangi laju sampling), quotinterpolationquot (meningkatkan laju sampling), atau keduanya. Apakah penipisan atau interpolasi, penggunaan filter FIR memungkinkan beberapa perhitungan dihilangkan, sehingga memberikan efisiensi komputasi yang penting. Sebaliknya, jika filter IIR digunakan, setiap output harus dihitung secara individual, bahkan jika output itu akan dibuang (jadi umpan balik akan dimasukkan ke dalam filter). Mereka memiliki sifat numerik yang diinginkan. Dalam prakteknya, semua filter DSP harus diimplementasikan dengan menggunakan aritmatika presisi hingga, yaitu sejumlah bit. Penggunaan aritmatika presisi-terbatas pada filter IIR dapat menyebabkan masalah yang signifikan karena penggunaan umpan balik, namun filter FIR tanpa umpan balik biasanya dapat diimplementasikan dengan menggunakan sedikit bit, dan perancang memiliki lebih sedikit masalah praktis untuk dipecahkan terkait dengan aritmatika non-ideal. Mereka bisa diimplementasikan dengan menggunakan pecahan aritmatika. Tidak seperti filter IIR, selalu memungkinkan untuk menerapkan filter FIR dengan koefisien yang besarnya kurang dari 1,0. (Keuntungan keseluruhan dari filter FIR dapat disesuaikan pada outputnya, jika diinginkan). Ini adalah pertimbangan penting saat menggunakan fixed-point DSPs, karena ini membuat implementasi menjadi lebih sederhana. 1.6.2 Apa kelemahan dari Filter FIR (dibandingkan dengan filter IIR) Dibandingkan dengan filter IIR, filter FIR kadang-kadang memiliki kekurangan sehingga memerlukan lebih banyak memori dan perhitungan untuk mendapatkan karakteristik respons filter yang diberikan. Selain itu, tanggapan tertentu tidak praktis untuk diterapkan dengan filter FIR. 1.7 Istilah apa yang digunakan dalam mendeskripsikan filter FIR Impulse Response - Responsresimpulse dari filter FIR sebenarnya hanyalah himpunan koefisien FIR. (Jika Anda memasukkan quotimplusequot ke filter FIR yang terdiri dari sampel quot1quot yang diikuti oleh banyak sampel quot0quot, output dari filter akan menjadi himpunan koefisien, karena 1 sampel bergerak melewati setiap koefisien pada gilirannya untuk membentuk output.) Tap - A FIR quottapquot hanyalah sebuah pasangan koefisien pasangan. Jumlah kerah FIR, (sering disebut sebagai kuotot) adalah indikasi dari 1) jumlah memori yang dibutuhkan untuk menerapkan filter, 2) jumlah perhitungan yang diperlukan, dan 3) jumlah kuotilquote yang dapat dilakukan filter dapat terjadi, Lebih banyak keran berarti lebih banyak redaman stopband, sedikit riak, filter yang lebih sempit, dan lain-lain. Multiply-Accumulate (MAC) - Dalam konteks FIR, quotMACquot adalah operasi untuk mengalikan koefisien dengan sampel data tertunda yang sesuai dan mengumpulkan hasilnya. FIR biasanya membutuhkan satu MAC per tap. Sebagian besar mikroprosesor DSP menerapkan operasi MAC dalam satu siklus instruksi tunggal. Band Transisi - Band frekuensi antara tepi passband dan stopband. Semakin sempit band transisi, semakin banyak keran yang dibutuhkan untuk mengimplementasikan filter. (Sebuah band transisi quotsmallquot menghasilkan filter quotsharpquot.) Delay Line - Kumpulan elemen memori yang menerapkan elemen penundaan kuota-kuqu0 dari perhitungan FIR. Circular Buffer - Penyangga khusus yang quotcircularquot karena incrementing pada akhirnya menyebabkannya membungkus ke awal, atau karena decrementing dari awal menyebabkannya membungkus sampai akhir. Penyangga melingkar sering disediakan oleh mikroprosesor DSP untuk menerapkan quotmovementquot sampel melalui jalur penundaan FIR tanpa harus benar-benar memindahkan data ke memori. Saat sampel baru ditambahkan ke buffer, otomatis akan menggantikan yang tertua.