Saturday 15 July 2017

Moving Average Filter Theory


Moving Average - MA BREAKING DOWN Moving Average - MA Sebagai contoh SMA, pertimbangkan keamanan dengan harga penutupan berikut selama 15 hari: Minggu 1 (5 hari) 20, 22, 24, 25, 23 Minggu 2 (5 hari) 26, 28, 26, 29, 27 Minggu 3 (5 hari) 28, 30, 27, 29, 28 MA 10 hari akan rata-rata menutup harga untuk 10 hari pertama sebagai titik data pertama. Titik data berikutnya akan menurunkan harga paling awal, tambahkan harga pada hari ke 11 dan ambil rata-rata, dan seterusnya seperti yang ditunjukkan di bawah ini. Seperti disebutkan sebelumnya, MAs lag tindakan harga saat ini karena mereka didasarkan pada harga masa lalu semakin lama periode MA, semakin besar lag. Jadi MA 200 hari akan memiliki tingkat lag yang jauh lebih besar daripada MA 20 hari karena mengandung harga selama 200 hari terakhir. Durasi MA yang digunakan bergantung pada tujuan perdagangan, dengan MA yang lebih pendek digunakan untuk perdagangan jangka pendek dan MA jangka panjang lebih sesuai untuk investor jangka panjang. MA 200 hari banyak diikuti oleh investor dan pedagang, dengan tembusan di atas dan di bawah rata-rata pergerakan ini dianggap sebagai sinyal perdagangan penting. MA juga memberi sinyal perdagangan penting sendiri, atau ketika dua rata-rata melintas. MA yang sedang naik menunjukkan bahwa keamanan dalam uptrend. Sementara MA yang menurun menunjukkan bahwa tren turun. Begitu pula, momentum ke atas dikonfirmasi dengan crossover bullish. Yang terjadi ketika MA jangka pendek melintasi MA jangka panjang. Momentum turun dikonfirmasi dengan crossover bearish, yang terjadi saat MA jangka pendek melintasi di bawah MA. Moving jangka panjang - Rata-rata Bergerak Sederhana dan Eksponensial - Pendahuluan Sederhana dan Eksponensial Moving averages memperlancar data harga untuk membentuk tren mengikuti indikator. . Mereka tidak memprediksi arah harga, melainkan menentukan arah saat ini dengan lag. Moving averages lag karena mereka didasarkan pada harga masa lalu. Terlepas dari lag ini, moving averages membantu tindakan harga yang lancar dan menyaring noise. Mereka juga membentuk blok bangunan untuk banyak indikator dan lapisan teknis lainnya, seperti Bollinger Bands. MACD dan McClellan Oscillator. Dua jenis moving average yang paling populer adalah Simple Moving Average (SMA) dan Exponential Moving Average (EMA). Rata-rata pergerakan ini dapat digunakan untuk mengidentifikasi arah tren atau menentukan level support dan resistance yang potensial. Berikut adalah bagan dengan SMA dan EMA di atasnya: Perhitungan Rata-rata Bergerak Sederhana Rata-rata pergerakan sederhana terbentuk dengan menghitung harga rata-rata sekuritas selama periode tertentu. Rata-rata pergerakan paling banyak didasarkan pada harga penutupan. Rata-rata pergerakan sederhana 5 hari adalah jumlah lima hari harga penutupan dibagi lima. Sesuai namanya, rata-rata bergerak adalah rata-rata bergerak. Data lama dijatuhkan saat data baru tersedia. Hal ini menyebabkan rata-rata bergerak sepanjang skala waktu. Berikut adalah contoh rata-rata pergerakan 5 hari yang berkembang selama tiga hari. Hari pertama rata-rata bergerak hanya mencakup lima hari terakhir. Hari kedua dari rata-rata bergerak menurunkan titik data pertama (11) dan menambahkan titik data baru (16). Hari ketiga dari rata-rata bergerak berlanjut dengan menjatuhkan titik data pertama (12) dan menambahkan titik data baru (17). Pada contoh di atas, harga secara bertahap meningkat dari 11 menjadi 17 di atas total tujuh hari. Perhatikan bahwa rata-rata bergerak juga naik dari 13 menjadi 15 selama periode perhitungan tiga hari. Perhatikan juga bahwa setiap nilai rata-rata bergerak tepat di bawah harga terakhir. Sebagai contoh, rata-rata bergerak untuk hari pertama sama dengan 13 dan harga terakhir adalah 15. Harga empat hari sebelumnya lebih rendah dan ini menyebabkan rata-rata bergerak ke lag. Perhitungan Eksponensial Pindah Eksponensial Rata-rata pergerakan eksponensial mengurangi lag dengan menerapkan bobot lebih terhadap harga terakhir. Bobot yang diterapkan pada harga terbaru bergantung pada jumlah periode pada moving average. Ada tiga langkah untuk menghitung rata-rata pergerakan eksponensial. Pertama, hitung rata-rata bergerak sederhana. Exponential moving average (EMA) harus dimulai di suatu tempat sehingga rata-rata pergerakan sederhana digunakan sebagai EMA periode sebelumnya pada perhitungan pertama. Kedua, hitung pengganda bobot. Ketiga, hitung rata-rata pergerakan eksponensial. Rumus di bawah ini adalah untuk EMA 10 hari. Rata-rata pergerakan eksponensial 10 periode menerapkan bobot 18,18 pada harga terbaru. EMA 10 periode juga bisa disebut 18,18 EMA. EMA 20 periode berlaku 9,52 dengan harga paling tinggi (2 (201) .0952). Perhatikan bahwa pembobotan untuk periode waktu yang lebih pendek lebih dari bobot untuk jangka waktu yang lebih lama. Faktanya, bobot turun setengahnya setiap kali rata-rata bergerak rata-rata berganda. Jika Anda menginginkan persentase tertentu untuk EMA, Anda dapat menggunakan rumus ini untuk mengubahnya menjadi periode waktu dan kemudian memasukkan nilai tersebut sebagai parameter EMA039: Berikut adalah contoh spreadsheet dari rata-rata pergerakan sederhana 10 hari dan 10- Hari rata-rata bergerak eksponensial untuk Intel. Simple moving averages lurus ke depan dan memerlukan sedikit penjelasan. Rata-rata 10 hari hanya bergerak karena harga baru sudah tersedia dan harga lama turun. Rata-rata bergerak eksponensial dimulai dengan nilai rata-rata bergerak sederhana (22.22) pada perhitungan pertama. Setelah perhitungan pertama, rumus normal mengambil alih. Karena EMA dimulai dengan rata-rata bergerak sederhana, nilainya sebenarnya tidak akan terealisasi sampai 20 atau lebih periode kemudian. Dengan kata lain, nilai pada spreadsheet excel mungkin berbeda dari nilai grafik karena periode lihat belakang yang pendek. Spreadsheet ini hanya akan kembali 30 periode, yang berarti pengaruhnya terhadap rata-rata pergerakan sederhana memiliki 20 periode untuk menghilang. StockCharts kembali setidaknya 250 periode (biasanya jauh lebih jauh) untuk perhitungannya sehingga efek dari rata-rata pergerakan sederhana pada perhitungan pertama telah hilang sepenuhnya. Faktor Lag Semakin lama rata-rata bergerak, semakin lag. Rata-rata pergerakan eksponensial 10 hari akan memeluk harga cukup dekat dan berbalik segera setelah harga berbalik. Rata-rata bergerak pendek seperti kapal cepat - gesit dan cepat berubah. Sebaliknya, rata-rata pergerakan 100 hari berisi banyak data masa lalu yang memperlambatnya. Rata-rata bergerak yang lebih panjang seperti kapal tanker laut - lesu dan lamban untuk berubah. Dibutuhkan pergerakan harga yang lebih besar dan lebih lama untuk rata-rata pergerakan 100 hari untuk mengubah arah. Bagan di atas menunjukkan SampP 500 ETF dengan EMA 10 hari mengikuti harga dan SMA 100 hari yang digiling lebih tinggi. Bahkan dengan penurunan Januari-Februari, SMA 100 hari itu mengikuti kursus dan tidak menolak. SMA 50 hari itu berada di antara rata-rata pergerakan 10 dan 100 hari ketika sampai pada faktor lag. Rata-rata Bergerak Sederhana vs Eksponensial Meskipun ada perbedaan yang jelas antara rata-rata bergerak sederhana dan rata-rata bergerak eksponensial, yang satu tidak selalu lebih baik dari yang lain. Rata-rata pergerakan eksponensial memiliki lag lebih sedikit dan karena itu lebih sensitif terhadap harga terkini - dan perubahan harga terkini. Rata-rata bergerak eksponensial akan berubah sebelum rata-rata bergerak sederhana. Rata-rata pergerakan sederhana, di sisi lain, merupakan rata-rata harga sebenarnya untuk keseluruhan periode waktu. Dengan demikian, rata-rata pergerakan sederhana mungkin lebih sesuai untuk mengidentifikasi level support atau resistance. Preferensi rata-rata bergerak bergantung pada tujuan, gaya analisis dan horison waktu. Chartis harus bereksperimen dengan kedua jenis rata-rata bergerak serta rentang waktu yang berbeda untuk menemukan yang paling sesuai. Bagan di bawah ini menunjukkan IBM dengan SMA 50 hari berwarna merah dan EMA 50 hari berwarna hijau. Keduanya memuncak pada akhir Januari, namun penurunan EMA lebih tajam dibanding penurunan di SMA. EMA muncul pada pertengahan Februari, namun SMA terus berlanjut hingga akhir Maret. Perhatikan bahwa SMA muncul lebih dari sebulan setelah EMA. Panjang dan Jangka Waktu Panjang rata-rata bergerak bergantung pada tujuan analisis. Rata-rata pergerakan pendek (5-20 periode) paling sesuai untuk tren dan perdagangan jangka pendek. Chartists yang tertarik pada tren jangka menengah akan memilih moving average yang lebih panjang yang dapat memperpanjang periode 20-60. Investor jangka panjang akan memilih moving averages dengan periode 100 atau lebih. Beberapa panjang rata-rata bergerak lebih populer daripada yang lain. Rata-rata pergerakan 200 hari mungkin yang paling populer. Karena panjangnya, ini jelas merupakan moving average jangka panjang. Selanjutnya, rata-rata pergerakan 50 hari cukup populer untuk tren jangka menengah. Banyak chartis menggunakan moving average 50 hari dan 200 hari bersama-sama. Jangka pendek, rata-rata pergerakan 10 hari cukup populer di masa lalu karena mudah dihitung. Seseorang hanya menambahkan angka dan memindahkan titik desimal. Identifikasi Trend Sinyal yang sama dapat dihasilkan dengan menggunakan rata-rata bergerak sederhana atau eksponensial. Seperti disebutkan di atas, preferensi tergantung pada masing-masing individu. Contoh di bawah ini akan menggunakan rata-rata bergerak sederhana dan eksponensial. Istilah moving average berlaku untuk moving average rata-rata dan eksponensial. Arah rata-rata bergerak menyampaikan informasi penting tentang harga. Kenaikan rata-rata bergerak menunjukkan bahwa harga pada umumnya meningkat. Jatuh rata-rata bergerak menunjukkan bahwa harga rata-rata jatuh. Kenaikan moving average jangka panjang mencerminkan uptrend jangka panjang. Jatuh moving average jangka panjang mencerminkan tren turun jangka panjang. Bagan di atas menunjukkan 3M (MMM) dengan rata-rata pergerakan eksponensial 150 hari. Contoh ini menunjukkan seberapa baik rata-rata bergerak bekerja saat trennya kuat. EMA 150 hari ditolak pada bulan November 2007 dan sekali lagi pada bulan Januari 2008. Perhatikan bahwa dibutuhkan penurunan 15 untuk membalikkan arah rata-rata bergerak ini. Indikator tertinggal ini mengidentifikasi pembalikan tren saat terjadi (paling banter) atau setelah terjadi (paling buruk). MMM terus berlanjut hingga Maret 2009 lalu melonjak 40-50. Perhatikan bahwa EMA 150 hari tidak muncul sampai setelah gelombang ini terjadi. Setelah itu, bagaimanapun, MMM terus berlanjut dalam 12 bulan ke depan. Moving averages bekerja cemerlang dalam tren yang kuat. Double Crossover Dua moving averages dapat digunakan bersamaan untuk menghasilkan sinyal crossover. Dalam Analisis Teknis Pasar Keuangan. John Murphy menyebutnya metode crossover ganda. Crossover ganda melibatkan satu moving average yang relatif singkat dan satu moving average yang relatif panjang. Seperti semua moving averages, panjang umum moving average mendefinisikan kerangka waktu untuk sistem. Sistem yang menggunakan EMA 5 hari dan EMA 35 hari akan dianggap jangka pendek. Sistem yang menggunakan SMA 50 hari dan SMA 200 hari akan dianggap jangka menengah, bahkan mungkin dalam jangka panjang. Crossover bullish terjadi saat moving average yang pendek melintasi di atas moving average yang lebih panjang. Ini juga dikenal sebagai golden cross. Sebuah crossover bearish terjadi ketika moving average yang lebih pendek melintasi di bawah moving average yang lebih panjang. Ini dikenal sebagai salib mati. Pindah rata-rata crossover menghasilkan sinyal yang relatif terlambat. Bagaimanapun, sistem ini menggunakan dua indikator lagging. Semakin lama periode rata-rata bergerak, semakin besar lag pada sinyal. Sinyal ini bekerja hebat saat tren bagus terus berlanjut. Namun, sistem crossover moving average akan menghasilkan banyak whipsaws tanpa adanya tren yang kuat. Ada juga metode triple crossover yang melibatkan tiga moving averages. Sekali lagi, sinyal dihasilkan saat moving average terpendek melintasi dua rata-rata bergerak yang lebih lama. Sistem triple crossover sederhana mungkin melibatkan rata-rata pergerakan 5 hari, 10 hari dan 20 hari. Bagan di atas menunjukkan Home Depot (HD) dengan EMA 10 hari (garis putus-putus hijau) dan EMA 50 hari (garis merah). Garis hitam adalah tutupan harian. Menggunakan crossover rata-rata bergerak akan menghasilkan tiga whipsaws sebelum menangkap perdagangan yang baik. EMA 10 hari tersebut pecah di bawah EMA 50 hari pada akhir Oktober (1), namun ini tidak berlangsung lama selama 10 hari bergerak kembali di atas pada pertengahan November (2). Cross ini bertahan lebih lama, namun crossover bearish berikutnya di bulan Januari (3) terjadi mendekati level harga akhir November, sehingga terjadi whipsaw lainnya. Salib bearish ini tidak berlangsung lama karena EMA 10 hari bergerak kembali di atas 50 hari beberapa hari kemudian (4). Setelah tiga sinyal buruk, sinyal keempat meramalkan pergerakan kuat saat saham menguat di atas 20. Ada dua takeaways di sini. Pertama, crossover rentan terhadap whipsaw. Filter harga atau waktu dapat diterapkan untuk membantu mencegah whipsaws. Pedagang mungkin memerlukan crossover sampai 3 hari terakhir sebelum bertindak atau memerlukan EMA 10 hari untuk bergerak di bawah EMA 50 hari dengan jumlah tertentu sebelum bertindak. Kedua, MACD dapat digunakan untuk mengidentifikasi dan mengkuantifikasi crossover ini. MACD (10,50,1) akan menunjukkan garis yang mewakili perbedaan antara dua rata-rata bergerak eksponensial. MACD berubah positif selama salib emas dan negatif selama salib mati. The Persentase Harga Oscillator (PPO) dapat digunakan dengan cara yang sama untuk menunjukkan perbedaan persentase. Perhatikan bahwa MACD dan PPO didasarkan pada rata-rata pergerakan eksponensial dan tidak akan sesuai dengan rata-rata bergerak sederhana. Bagan ini menunjukkan Oracle (ORCL) dengan EMA 50 hari, EMA 200 hari dan MACD (50,200,1). Ada empat perpindahan rata-rata bergerak selama periode 2 12 tahun. Tiga yang pertama menghasilkan whipsaws atau bad trade. Tren yang berkelanjutan dimulai dengan crossover keempat saat ORCL maju ke pertengahan 20an. Sekali lagi, pergerakan rata-rata crossover bekerja dengan baik saat trennya kuat, namun menghasilkan kerugian karena tidak adanya tren. Harga Crossover Moving averages juga dapat digunakan untuk menghasilkan sinyal dengan crossover harga sederhana. Sinyal bullish dihasilkan saat harga bergerak di atas rata-rata bergerak. Sinyal bearish dihasilkan saat harga bergerak di bawah moving average. Harga crossover dapat dikombinasikan untuk diperdagangkan dalam tren yang lebih besar. Rata-rata pergerakan yang lebih lama menentukan nada untuk tren yang lebih besar dan rata-rata pergerakan yang lebih pendek digunakan untuk menghasilkan sinyal. Kita akan mencari harga bullish hanya bila harga sudah di atas moving average yang lebih panjang. Ini akan diperdagangkan selaras dengan tren yang lebih besar. Misalnya, jika harga di atas rata-rata pergerakan 200 hari, para chartists hanya akan fokus pada sinyal saat harga bergerak di atas rata-rata pergerakan 50 hari. Jelas, pergerakan di bawah rata-rata pergerakan 50 hari akan mendahului sinyal semacam itu, namun persilangan bearish semacam itu akan diabaikan karena tren yang lebih besar sudah naik. Salib bearish hanya akan menyarankan pullback dalam uptrend yang lebih besar. Sebuah cross back di atas moving average 50 hari akan memberi sinyal kenaikan harga dan kelanjutan dari uptrend yang lebih besar. Bagan berikutnya menunjukkan Emerson Electric (EMR) dengan EMA 50 hari dan EMA 200 hari. Saham bergerak di atas dan bertahan di atas rata-rata pergerakan 200 hari di bulan Agustus. Ada penurunan di bawah EMA 50 hari pada awal November dan lagi di awal Februari. Harga cepat bergerak kembali di atas EMA 50 hari untuk memberikan sinyal bullish (panah hijau) selaras dengan uptrend yang lebih besar. MACD (1,50,1) ditunjukkan di jendela indikator untuk mengkonfirmasi harga di atas atau di bawah EMA 50 hari. EMA 1 hari sama dengan harga penutupan. MACD (1,50,1) positif saat penutupan berada di atas EMA 50 hari dan negatif saat penutupan berada di bawah EMA 50 hari. Support and Resistance Moving averages juga dapat berperan sebagai support dalam uptrend dan resistance dalam downtrend. Pergerakan naik jangka pendek mungkin akan menemukan support mendekati moving average 20 hari sederhana, yang juga digunakan pada Bollinger Bands. Sebuah uptrend jangka panjang mungkin akan menemukan support mendekati rata-rata pergerakan sederhana 200 hari, yang merupakan moving average jangka panjang yang paling populer. Jika fakta, rata-rata pergerakan 200 hari mungkin menawarkan dukungan atau penolakan hanya karena sangat banyak digunakan. Hal ini hampir seperti ramalan yang dipenuhi sendiri. Bagan di atas menunjukkan Komposit NY dengan rata-rata pergerakan sederhana 200 hari dari pertengahan 2004 sampai akhir tahun 2008. Dukungan 200 hari telah diberikan berkali-kali selama uang muka. Begitu tren terbalik dengan double support break, moving average 200 hari bertindak sebagai resistance di sekitar 9500. Jangan mengharapkan level support dan resistance yang tepat dari moving averages, terutama moving average yang lebih lama. Pasar didorong oleh emosi, yang membuat mereka cenderung mengalami overshoot. Alih-alih tingkat yang tepat, moving averages dapat digunakan untuk mengidentifikasi zona support atau resistance. Kesimpulan Keuntungan menggunakan moving averages perlu dipertimbangkan terhadap kerugiannya. Moving averages adalah trend berikut, atau lagging, indikator yang akan selalu menjadi langkah di belakang. Ini belum tentu hal yang buruk sekalipun. Toh, trennya adalah teman Anda dan yang terbaik adalah berdagang ke arah tren. Moving averages memastikan bahwa trader sesuai dengan tren saat ini. Meskipun trennya adalah teman Anda, sekuritas menghabiskan banyak waktu dalam rentang perdagangan, yang membuat rata-rata bergerak tidak efektif. Begitu dalam tren, rata-rata bergerak akan membuat Anda tetap bertahan, namun juga memberi sinyal terlambat. Jangan berharap untuk menjual di bagian atas dan membeli di bagian bawah menggunakan moving averages. Seperti kebanyakan alat analisis teknis lainnya, moving averages tidak boleh digunakan sendiri, namun bersamaan dengan alat pelengkap lainnya. Chartis dapat menggunakan moving averages untuk menentukan keseluruhan trend dan kemudian menggunakan RSI untuk menentukan level overbought atau oversold. Menambahkan Moving Average ke Chart StockCharts Moving averages tersedia sebagai fitur overlay harga di meja kerja SharpCharts. Dengan menggunakan menu drop-down Overlay, pengguna dapat memilih rata-rata bergerak sederhana atau rata-rata bergerak eksponensial. Parameter pertama digunakan untuk mengatur jumlah periode waktu. Parameter opsional dapat ditambahkan untuk menentukan bidang harga mana yang harus digunakan dalam perhitungan - O untuk Open, H untuk High, L untuk Low, dan C untuk Close. Koma digunakan untuk memisahkan parameter. Parameter opsional lainnya dapat ditambahkan untuk menggeser rata-rata bergerak ke kiri (dulu) atau kanan (masa depan). Angka negatif (-10) akan menggeser rata-rata bergerak ke kiri 10 periode. Angka positif (10) akan menggeser rata-rata bergerak ke kanan 10 periode. Beberapa moving averages dapat dilapisi dengan harga plot dengan hanya menambahkan garis overlay lainnya ke meja kerja. Anggota StockCharts dapat mengubah warna dan gaya untuk membedakan antara beberapa moving averages. Setelah memilih indikator, buka Advanced Options dengan mengklik segitiga hijau kecil. Opsi Lanjutan juga dapat digunakan untuk menambahkan overlay rata-rata bergerak ke indikator teknis lainnya seperti RSI, CCI, dan Volume. Klik di sini untuk live chart dengan beberapa moving average yang berbeda. Menggunakan Moving Averages with StockCharts Scans Berikut adalah beberapa contoh pemindaian yang dapat digunakan anggota StockCharts untuk memindai berbagai situasi rata-rata bergerak: Bullish Moving Average Cross: Pemindaian ini mencari saham dengan moving average 150 hari yang baru dan sebuah salib bullish dari 5 - day EMA dan EMA 35 hari. Rata-rata pergerakan 150 hari meningkat selama diperdagangkan di atas level lima hari yang lalu. Cross bullish terjadi ketika EMA 5 hari bergerak diatas EMA 35 hari di atas rata-rata volume. Bearish Moving Average Cross: Pemindaian ini mencari saham dengan rata-rata pergerakan sederhana 150 hari yang jatuh dan umpan silang bearish EMA 5 hari dan EMA 35 hari. Rata-rata pergerakan 150 hari turun selama diperdagangkan di bawah level lima hari yang lalu. Salib bearish terjadi saat EMA 5 hari bergerak di bawah EMA 35 hari di atas rata-rata volume. Pelajaran lebih lanjut Buku John Murphy039 memiliki bab yang ditujukan untuk rata-rata bergerak dan berbagai kegunaannya. Murphy mencakup pro dan kontra moving averages. Selain itu, Murphy menunjukkan bagaimana rata-rata bergerak bekerja dengan Bollinger Bands dan sistem perdagangan berbasis saluran. Analisis Teknis Pasar Keuangan John MurphyA Pandangan Lebih Dekat Pada Algoritma Average Moving Average CODAS Rata-rata bergerak serbaguna dalam algoritma CODAS Advanced menyaring kebisingan bentuk gelombang, mean ekstrak, dan menghilangkan drift awal. Rata-rata bergerak adalah teknik matematika sederhana yang digunakan terutama untuk menghilangkan penyimpangan dan mengungkapkan kecenderungan sebenarnya dalam kumpulan titik data. Anda mungkin mengenalnya dari rata-rata data bising dalam percobaan fisika pemula, atau untuk melacak nilai investasi. Anda mungkin tidak tahu bahwa moving average juga merupakan prototipe dari filter respon impuls yang terbatas, jenis filter yang paling umum digunakan dalam instrumentasi berbasis komputer. Dalam kasus di mana bentuk gelombang yang diberikan penuh dengan kebisingan, di mana rata-rata perlu diekstraksi dari sinyal periodik, atau di mana dasar drift yang perlahan perlu dihilangkan dari sinyal frekuensi yang lebih tinggi, filter rata-rata bergerak dapat diterapkan untuk mencapai yang diinginkan. hasil. Algoritma rata-rata bergerak Advanced CODAS menawarkan kinerja penyaringan gelombang jenis ini. Advanced CODAS adalah paket perangkat lunak analisis yang beroperasi pada file data waveform yang ada yang dibuat oleh paket akuisisi data WinDaq generasi pertama WinDaq atau generasi kedua. Selain algoritma rata-rata bergerak, Advanced CODAS juga mencakup utilitas generator laporan dan rutinitas perangkat lunak untuk integrasi bentuk gelombang, diferensiasi, puncak dan penampakan lembah, rektifikasi, dan operasi aritmatika. Pindah Rata-rata Filter Teori DATAQ Instrumen algoritma moving average memungkinkan banyak fleksibilitas dalam aplikasi penyaringan bentuk gelombang. Ini dapat digunakan sebagai filter low-pass untuk menipiskan noise yang melekat pada banyak jenis bentuk gelombang, atau sebagai filter high-pass untuk menghilangkan baseline drift dari sinyal frekuensi yang lebih tinggi. Prosedur yang digunakan oleh algoritma untuk menentukan jumlah penyaringan melibatkan penggunaan faktor pemulusan. Faktor pemulusan ini, yang dikendalikan oleh Anda melalui perangkat lunak, dapat ditingkatkan atau diturunkan untuk menentukan jumlah titik data bentuk gelombang sebenarnya atau sampel yang rata-rata bergeraknya akan span. Setiap bentuk gelombang periodik dapat dianggap sebagai string panjang atau kumpulan titik data. Algoritma menyelesaikan rata-rata bergerak dengan mengambil dua atau lebih titik data ini dari bentuk gelombang yang diperoleh, menambahkannya, membagi jumlah mereka dengan jumlah total titik data yang ditambahkan, menggantikan titik data pertama dari bentuk gelombang dengan rata-rata yang dihitung, dan Mengulangi langkah-langkahnya dengan poin data kedua, ketiga, dan seterusnya sampai akhir data tercapai. Hasilnya adalah bentuk gelombang kedua atau yang dihasilkan yang terdiri dari data rata-rata dan memiliki jumlah titik yang sama dengan bentuk gelombang aslinya. Gambar 1 8212 Setiap bentuk gelombang periodik dapat dianggap sebagai string panjang atau kumpulan titik data. Dalam ilustrasi di atas, titik data gelombang berturut-turut ditunjukkan oleh quotyquot untuk menggambarkan bagaimana rata-rata pergerakan dihitung. Dalam kasus ini, faktor pemulusan tiga diterapkan, yang berarti tiga titik data berturut-turut dari bentuk gelombang asli ditambahkan, jumlahnya dibagi tiga, dan kemudian hasil ini diplot sebagai titik data pertama dari bentuk gelombang yang dihasilkan. Prosesnya berulang dengan titik data kedua, ketiga, dan seterusnya dari bentuk gelombang asli sampai akhir data tercapai. Teknik quotfeatheringquot khusus rata-rata mengukur titik awal dan akhir dari bentuk gelombang asli untuk memastikan bahwa bentuk gelombang yang dihasilkan mengandung jumlah titik data yang sama dengan aslinya. Gambar 1 mengilustrasikan bagaimana algoritma rata-rata bergerak diterapkan pada titik data bentuk gelombang (yang ditunjukkan oleh y). Ilustrasi ini memiliki faktor pemulusan 3, yang berarti bahwa nilai rata-rata (diwakili oleh a) akan dihitung melebihi 3 nilai gelombang data berturut-turut. Perhatikan tumpang tindih yang ada pada perhitungan rata-rata bergerak. Teknik tumpang tindih ini, bersamaan dengan perawatan awal dan titik akhir khusus yang menghasilkan jumlah titik data yang sama dalam bentuk gelombang rata-rata seperti yang ada pada aslinya. Cara algoritma menghitung rata-rata bergerak layak dilihat lebih dekat dan dapat diilustrasikan dengan sebuah contoh. Katakanlah kita telah menjalani diet selama dua minggu dan kita ingin menghitung berat rata-rata kita selama 7 hari terakhir. Kita akan menghitung berat badan kita pada hari ke 7 dengan berat badan kita pada hari ke 8, 9, 10, 11, 12, dan 13 dan kemudian berkembang biak dengan 17. Untuk memformalkan prosesnya, ini dapat dinyatakan sebagai: a (7) 17 (y 7) y (8) y (9) y (13)) Persamaan ini dapat digeneralisasi lebih lanjut. Rata-rata bergerak dari bentuk gelombang dapat dihitung dengan: Dimana: nilai rata-rata n titik data posisi faktor pemulusan y nilai titik data aktual Gambar 2 8212 Bentuk gelombang keluaran sel beban ditampilkan asli dan tidak difilter di saluran atas dan sebagai titik 11 Memindahkan bentuk gelombang rata-rata di saluran bawah. Kebisingan yang muncul pada bentuk gelombang aslinya disebabkan oleh getaran intens yang diciptakan oleh pers selama operasi pengemasan. Kunci untuk fleksibilitas algoritma ini adalah berbagai faktor pemulusan yang dapat dipilih (dari 2 - 1.000). Faktor pemulusan menentukan berapa banyak titik data aktual atau sampel akan dirata-ratakan. Menentukan faktor pemulusan positif mensimulasikan filter low-pass sementara menentukan faktor perataan negatif mensimulasikan filter high-pass. Dengan nilai absolut dari faktor penghalusan, nilai yang lebih tinggi menerapkan batasan perataan yang lebih besar pada bentuk gelombang yang dihasilkan dan sebaliknya, nilai yang lebih rendah menerapkan lebih sedikit perataan. Dengan penerapan faktor pemulusan yang tepat, algoritma juga dapat digunakan untuk mengekstrak nilai rata-rata dari bentuk gelombang periodik tertentu. Faktor smoothing positif yang lebih tinggi biasanya diterapkan untuk menghasilkan nilai bentuk gelombang rata-rata. Menerapkan Algoritma Moving Average Sebuah fitur menonjol dari algoritma moving average adalah bahwa hal itu dapat diterapkan berkali-kali dengan bentuk gelombang yang sama jika diperlukan untuk mendapatkan hasil penyaringan yang diinginkan. Penyaringan bentuk gelombang adalah latihan yang sangat subjektif. Apa bentuk gelombang yang disaring dengan benar ke satu pengguna mungkin sangat tidak disukai orang lain. Hanya Anda yang bisa menilai apakah jumlah titik rata-rata yang dipilih terlalu tinggi, terlalu rendah, atau tepat. Fleksibilitas algoritma memungkinkan Anda untuk mengatur faktor pemulusan dan membuat algoritma melewati algoritma lain bila hasil memuaskan tidak tercapai dengan usaha awal. Aplikasi dan kemampuan algoritma moving average dapat diilustrasikan terbaik dengan contoh berikut. Gambar 3 8212 Bentuk gelombang EKG terlihat asli dan tidak difilter di saluran atas dan sebagai gelombang 97 yang bergerak dengan rata-rata di saluran bawah. Perhatikan tidak adanya drift dasar di saluran bawah. Kedua bentuk gelombang ditunjukkan dalam kondisi terkompresi untuk tujuan presentasi. Aplikasi Pengurangan Kebisingan Dalam kasus di mana bentuk gelombang yang diberikan berantakan dengan kebisingan, filter rata-rata bergerak dapat diterapkan untuk menekan kebisingan dan menghasilkan gambaran yang lebih jelas mengenai bentuk gelombang. Sebagai contoh, pelanggan Advanced CODAS menggunakan sebuah tekan dan sel beban dalam operasi pengemasan. Produk mereka harus dikompres ke tingkat yang telah ditentukan (dipantau oleh sel beban) untuk mengurangi ukuran paket yang dibutuhkan untuk menampung produk. Untuk alasan pengendalian mutu, mereka memutuskan untuk memantau operasi pers dengan instrumentasi. Masalah yang tidak terduga muncul saat mereka mulai melihat output sel beban real-time. Karena mesin press bergetar cukup saat beroperasi, bentuk gelombang keluaran sel beban sulit dilihat karena mengandung sejumlah besar noise karena getaran seperti yang ditunjukkan pada saluran atas pada Gambar 2. Kebisingan ini dieliminasi dengan menghasilkan saluran rata-rata bergerak 11 titik seperti yang ditunjukkan pada saluran bawah Gambar 2. Hasilnya adalah gambar yang lebih jelas dari output sel beban. Aplikasi dalam Menghilangkan Baseline Drift Dalam kasus dimana baseline drifting perlahan perlu dikeluarkan dari sinyal frekuensi yang lebih tinggi, filter rata-rata bergerak dapat diterapkan untuk menghilangkan baseline drifting. Sebagai contoh, bentuk gelombang EKG biasanya menunjukkan beberapa tingkat garis dasar mengembara seperti yang dapat dilihat pada saluran paling atas pada Gambar 3. Penyimpangan dasar ini dapat dieliminasi tanpa mengubah atau mengganggu karakteristik bentuk gelombang seperti yang ditunjukkan pada saluran bawah Gambar 3. Hal ini dilakukan dengan menerapkan faktor penghalusan nilai negatif yang sesuai selama perhitungan rata-rata bergerak. Faktor pemulusan yang tepat ditentukan dengan membagi satu periode bentuk gelombang (dalam detik) dengan interval sampel saluran. Interval sampel saluran hanyalah timbal balik dari tingkat sampel saluran dan ditampilkan dengan mudah pada menu utilitas rata-rata bergerak. Periode gelombang mudah ditentukan dari tampilan layar dengan memposisikan kursor pada titik yang mudah digunakan pada bentuk gelombang, menetapkan penanda waktu, dan kemudian memindahkan kursor satu putaran lengkap dari penanda waktu yang ditampilkan. Perbedaan waktu antara kursor dan penanda waktu adalah satu periode bentuk gelombang dan ditampilkan di bagian bawah layar dalam hitungan detik. Dalam contoh EKG kami, bentuk gelombang memiliki interval sampel saluran 0,004 detik (diperoleh dari menu utilitas rata-rata bergerak) dan satu periode bentuk gelombang diukur sampai rentang 0,388 detik. Membagi periode gelombang dengan interval sampel saluran memberi kita faktor penghalusan dari 97. Karena ini adalah drift awal yang ingin kita hilangkan, kami menerapkan faktor perataan negatif (-97) ke algoritma rata-rata bergerak. Hal ini mengurangi hasil rata-rata bergerak dari sinyal bentuk gelombang asli, yang menghilangkan arus dasar tanpa informasi bentuk gelombang yang mengganggu. Isu Bergerak Lainnya Bergerak Lainnya Apapun aplikasinya, alasan universal untuk menerapkan filter rata-rata bergerak adalah dengan quotout outquot penyimpangan tinggi dan rendah dan mengungkapkan nilai gelombang peralihan yang lebih representatif. Saat melakukan ini, perangkat lunak tidak boleh mengkompromikan fitur lain dari bentuk gelombang asli dalam proses menghasilkan gelombang rata-rata bergerak. Misalnya, perangkat lunak secara otomatis akan menyesuaikan informasi kalibrasi yang terkait dengan file data asli, sehingga bentuk gelombang rata-rata bergerak berada pada unit rekayasa yang sesuai bila dihasilkan. Semua pembacaan angka diambil dengan menggunakan software WinDaq Data Acquisition

No comments:

Post a Comment