Panduan Ilmuwan dan Insinyur untuk Pengolahan Sinyal Digital Oleh Steven W. Smith, Ph. D. Bab 15: Filter Bergerak Rata-rata Kerabat Filter Rata-Rata Bergerak Di dunia yang sempurna, perancang filter hanya harus berurusan dengan domain waktu atau informasi yang dikodekan domain frekuensi, namun tidak pernah ada campuran keduanya dalam sinyal yang sama. Sayangnya, ada beberapa aplikasi dimana kedua domain sekaligus penting. Misalnya, sinyal televisi masuk dalam kategori buruk ini. Informasi video dikodekan dalam domain waktu, yaitu bentuk bentuk gelombang sesuai dengan pola kecerahan pada gambar. Namun, selama transmisi, sinyal video diperlakukan sesuai dengan komposisi frekuensinya, seperti bandwidth totalnya, bagaimana gelombang pembawa untuk warna suara amp ditambahkan, restorasi amplitudo dari komponen DC, dan sebagainya. Sebagai contoh lain, gangguan elektro-magnetik Paling baik dipahami dalam domain frekuensi, meskipun informasi sinyal dikodekan dalam domain waktu. Misalnya, monitor suhu dalam eksperimen ilmiah mungkin terkontaminasi dengan 60 hertz dari saluran listrik, 30 kHz dari catu daya switching, atau 1320 kHz dari stasiun radio AM setempat. Kerabat filter rata-rata bergerak memiliki kinerja domain frekuensi yang lebih baik, dan dapat berguna dalam aplikasi domain campuran ini. Filter rata-rata bergerak multiple pass melewati sinyal input melalui filter rata-rata bergerak dua kali atau lebih. Gambar 15-3a menunjukkan keseluruhan kernel filter yang dihasilkan dari satu, dua dan empat kali pelepasan. Dua lintasan sama dengan menggunakan saringan segitiga (kernel saringan persegi panjang yang dipadukan dengan dirinya sendiri). Setelah empat atau lebih berlalu, kernel filter setara terlihat seperti Gaussian (ingatlah Teorema Batas Tengah). Seperti ditunjukkan pada (b), beberapa lintasan menghasilkan respons bentuk berbentuk s, dibandingkan dengan garis lurus dari celah tunggal. Tanggapan frekuensi pada (c) dan (d) diberikan oleh Persamaan. 15-2 dikalikan dengan sendirinya untuk setiap umpan. Artinya, setiap kali konvolusi domain menghasilkan penggandaan spektrum frekuensi. Gambar 15-4 menunjukkan respons frekuensi dua kerabat lain dari filter rata-rata bergerak. Ketika Gaussian murni digunakan sebagai saringan, respons frekuensi juga merupakan Gaussian, seperti yang dibahas pada Bab 11. Gaussian penting karena ini adalah respon impuls dari banyak sistem buatan dan buatan manusia. Sebagai contoh, pulsa singkat cahaya yang memasuki jalur transmisi serat optik panjang akan keluar sebagai pulsa Gaussian, karena adanya jalur yang berbeda yang diambil oleh foton dalam serat. Kernel filter Gaussian juga digunakan secara luas dalam pengolahan citra karena memiliki sifat unik yang memungkinkan konveksi dua dimensi cepat (lihat Bab 24). Respons frekuensi kedua pada Gambar. 15-4 sesuai dengan menggunakan jendela Blackman sebagai saringan kernel. (Istilah jendela tidak ada artinya di sini hanyalah bagian dari nama yang diterima dari kurva ini). Bentuk yang tepat dari jendela Blackman diberikan pada Bab 16 (Persamaan 16-2, Gambar 16-2), bagaimanapun, terlihat seperti Gaussian. Bagaimana kerabat filter bergerak rata-rata ini lebih baik daripada filter rata-rata bergerak itu sendiri Tiga cara: Pertama, dan yang terpenting, filter ini memiliki redaman stopband yang lebih baik daripada filter rata-rata bergerak. Kedua, kernel filter lancip ke amplitudo yang lebih kecil di dekat ujungnya. Ingat bahwa setiap titik pada sinyal output adalah jumlah tertimbang dari sekelompok sampel dari input. Jika sikat kernel saring, sampel pada sinyal input yang lebih jauh diberi bobot lebih sedikit daripada yang terdekat. Ketiga, respons langkah adalah kurva halus, bukan garis lurus mendadak dari rata-rata bergerak. Dua terakhir ini biasanya memiliki keuntungan terbatas, walaupun Anda mungkin menemukan aplikasi di mana mereka merupakan keuntungan asli. Filter rata-rata bergerak dan kerabatnya hampir sama dalam mengurangi kebisingan acak sambil mempertahankan respons langkah yang tajam. Ambiguitas terletak pada bagaimana risetime dari respons langkah diukur. Jika risetime diukur dari 0 sampai 100 langkah, filter rata-rata bergerak adalah yang terbaik yang dapat Anda lakukan, seperti yang ditunjukkan sebelumnya. Sebagai perbandingan, mengukur risetime dari 10 sampai 90 membuat jendela Blackman lebih baik daripada filter rata-rata bergerak. Intinya, ini hanya pertengkaran teoritis karena filter ini sama dengan parameter ini. Perbedaan terbesar pada filter ini adalah kecepatan eksekusi. Dengan menggunakan algoritma rekursif (dijelaskan selanjutnya), filter rata-rata bergerak akan berjalan seperti kilat di komputer Anda. Sebenarnya, ini adalah filter digital tercepat yang tersedia. Beberapa kelulusan dari rata-rata bergerak akan menjadi lebih lambat, namun tetap sangat cepat. Sebagai perbandingan, filter Gaussian dan Blackman sangat lamban, karena mereka harus menggunakan konvolusi. Pikirkan satu faktor sepuluh kali jumlah titik di kernel filter (berdasarkan perkalian sekitar 10 kali lebih lambat dari pada penambahan). Sebagai contoh, perkirakan sebuah titik 100 Gaussian menjadi 1000 kali lebih lambat daripada rata-rata bergerak yang menggunakan rekursi. Rata-rata Pergerakan - 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 Harga penutupan 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. Panjang 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 tersendiri, atau bila dua rata-rata melintas. MA yang sedang naik menunjukkan bahwa keamanan dalam tren naik. 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 ketika MA jangka pendek melintasi di bawah MA. Moving jangka panjang: Apa Artinya Diantara indikator teknis yang 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 memusatkan perhatian 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 seorang pedagang 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 poin 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 berharap untuk melihat rata-rata penurunan data, yang terjadi, dalam hal ini dari 11 sampai 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 hanya 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 bergerak dan seperti apa rasanya, 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 ini terbatas karena setiap titik dalam rangkaian data tertimbang sama, terlepas dari mana hal itu terjadi dalam urutan. 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 tipe rata-rata baru, yang paling populer adalah Exponential Moving Average (EMA). (Untuk bacaan lebih lanjut, lihat Dasar-Dasar Rata-rata Bergerak Rata-rata dan Perbedaannya antara SMA dan EMA) Rata-rata Moving Exponential 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 harga yang berubah. Perhatikan bagaimana EMA memiliki nilai lebih tinggi saat harga naik, dan jatuh lebih cepat dari pada SMA ketika harganya 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 kerangka 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 Menggunakannya?
No comments:
Post a Comment