Im การเขียนค่าเฉลี่ยเคลื่อนที่ที่ใช้ฟังก์ชัน convolve ใน numpy ซึ่งควรจะเท่ากับค่าเฉลี่ยถ่วงน้ำหนัก (weighted moving average) เมื่อน้ำหนักของฉันเท่ากัน (เช่นเดียวกับค่าเฉลี่ยเลขคณิตแบบง่ายๆ) การทำงานดี: แต่เมื่อฉันพยายามใช้ค่าเฉลี่ยถ่วงน้ำหนักแทน (สำหรับข้อมูลเดียวกัน) 3.667,4.667,5.667,6.667 ฉันคาดหวังว่าฉันได้รับถ้าฉันลบธงที่ถูกต้องฉันไม่ได้เห็นค่าที่ถูกต้อง ฉันต้องการจะใช้ convolve สำหรับ WMA รวมทั้ง MA เนื่องจากทำให้โค้ดทำความสะอาด (รหัสเดียวกันน้ำหนักต่างกัน) และอื่น ๆ ฉันคิดว่า Ill ต้องห่วงข้อมูลทั้งหมดและใช้ชิ้น ความคิดใด ๆ เกี่ยวกับพฤติกรรมนี้ขั้นตอนแรกของเราคือการทำกราฟกราฟแสดงค่าเฉลี่ยของอาร์เรย์ทั้งสอง Let8217s สร้างอาร์เรย์สอง x และ y และพล็อตพวกเขา x จะเป็น 1 ถึง 10 และ y จะมีองค์ประกอบเดียวกันในลำดับแบบสุ่ม ซึ่งจะช่วยให้เราสามารถตรวจสอบได้ว่าค่าเฉลี่ยของเราถูกต้องหรือไม่ Let8217s สุ่มลำดับขององค์ประกอบของเราใน y อีกครั้งและวางแผนอีกครั้ง: ด้วยความเคารพ y let8217s ดูว่าค่าเฉลี่ยเคลื่อนที่จะทำงานอย่างไร: ในบทแนะนำถัดไปเราจะคำนวณค่าเฉลี่ยเคลื่อนที่ แบ่งปันนี้: เช่นนี้: โพสต์นำทาง Leave a Reply ยกเลิกการตอบ d บล็อกเช่นนี้เราเคยแนะนำวิธีการสร้างค่าเฉลี่ยเคลื่อนที่โดยใช้หลาม บทแนะนำนี้จะเป็นหัวข้อต่อเนื่องของหัวข้อนี้ ค่าเฉลี่ยเคลื่อนที่ในบริบทที่เรียกว่าค่าเฉลี่ยของการวนซ้ำ (rollingrunning average) เป็นรูปแบบของการตอบสนองต่อแรงกระตุ้นแน่นอน ในกวดวิชาก่อนหน้านี้เราได้วางแผนค่าของอาร์เรย์ x และ y: Let8217s พล็อต x เทียบกับค่าเฉลี่ยเคลื่อนที่ของ y ที่เราจะเรียก yMA: ประการแรก let8217s จะปรับความยาวของทั้งสองอาร์เรย์: และเพื่อแสดงสิ่งนี้ในบริบท: ผลลัพธ์ กราฟ: เพื่อช่วยให้เข้าใจเรื่องนี้พล็อตสองความสัมพันธ์ที่แตกต่างกัน: x vs y และ x vs MAy: ค่าเฉลี่ยเคลื่อนที่ที่นี่เป็นพล็อตสีเขียวที่เริ่มต้นที่ 3: แบ่งปันนี้: เช่นนี้: โพสต์การนำทางฝากความคิดเห็นยกเลิกการตอบ ต้องการอ่านส่วนสุดท้ายในชุดข้อมูลขนาดใหญ่หวังว่าจะมีการเขียนบล็อก d เร็ว ๆ นี้ 823 เช่นนี้ตัวอย่างต่อไปนี้เป็นค่าเฉลี่ยเคลื่อนที่ของค่า WINDOW ก่อนหน้า เราตัดค่าแรก (WINDOW -1) เนื่องจากเราสามารถหาค่าเฉลี่ยก่อนหน้าได้ (พฤติกรรมเริ่มต้นสำหรับ convolution คือสมมติว่าค่าก่อนเริ่มลำดับของเราคือ 0) (เพิ่มเติมอย่างเป็นทางการเราสร้างลำดับ y สำหรับลำดับ x ที่ yi (xi x (i1) 8230 x (in)) n) ใช้ฟังก์ชัน numpy8217s convolution นี่คือจุดประสงค์ทั่วไปในการเคลื่อนที่โดยเฉลี่ย การเปลี่ยนการชั่งน้ำหนักทำให้ค่าบางอย่างมีความสำคัญยิ่งขึ้นในการหักกลบลบหนี้อย่างเหมาะสมช่วยให้คุณสามารถดูค่าเฉลี่ยโดยรอบจุดมากกว่าก่อนจุด แทนที่จะตัดทอนค่าเราสามารถกำหนดค่าเริ่มต้นได้ตามที่แสดงในตัวอย่างนี้:
วันซื้อขาย Forex Live 8211 เรียนรู้การค้า Forex Pro กลยุทธ์โดย Sterling Suhr 18 ความเห็นการรู้เมื่อมีแนวโน้มจะสิ้นสุดลงสามารถเป็นชิ้นที่มีประสิทธิภาพมากและทำกำไรของความรู้ สำหรับผู้ที่มีความรู้เกี่ยวกับกลยุทธ์การซื้อขายที่เราสอนค่อนข้าง จำกัด คุณอาจสังเกตเห็นว่า Smart Money (ธนาคาร) มีแนวโน้มที่จะหมุนเวียนตลาดเป็นอย่างไรบ้างในช่วง 3-4 วัน เข้าใจเพียงแค่ข้อมูลเล็ก ๆ น้อย ๆ นี้เท่านั้นที่จะทำให้คุณไม่สามารถวางการค้าได้หากตลาดมีความเป็นไปได้ในการย้อนกลับ แต่สิ่งที่เราสามารถใช้เพื่อคาดการณ์ได้อย่างมีประสิทธิภาพมากขึ้นเมื่อแนวโน้มรายสัปดาห์จะย้อนกลับบทความการฝึกอบรม forex นี้เป็นไปได้ที่มีคุณค่ามาก ในนั้นเราจะสมบูรณ์ครอบคลุมกลยุทธ์การซื้อขายแลกเปลี่ยนที่สามารถยืนอยู่คนเดียวหรือคุณสามารถใช้มันไปพร้อมกับระบบการซื้อขายใด ๆ ที่คุณใช้อยู่แล้ว กลยุทธ์คือสิ่งที่ฉันเรียกว่า Weekly Trend Exhaustion Reversal การเรียนรู้วิธีการสังเกตการพลิกกลับเป็นสิ่งสำคัญเนื่องจากหลายเหตุผล เหตุผลหนึ่งที่สำคัญที่เราทุกคนจำเป็นต้องทราบวิธีการตรวจสอบการพลิกผันคือหลีกเลี่ยงการต่อสู้กับแนวโน้มที่กวาดล้างผู้ค้ารายอื่น ๆ ...
Comments
Post a Comment