Espectro Medio Móvil

Respuesta de Frecuencia del Filtro Promedio Corriente La respuesta de frecuencia de un sistema LTI es la DTFT de la respuesta de impulso. La respuesta de impulso de un promedio móvil de L-muestra es. Dado que el filtro de media móvil es FIR, la respuesta de frecuencia se reduce a la suma finita We Puede utilizar la identidad muy útil para escribir la respuesta de frecuencia como donde hemos dejado ae menos jomega. N 0 y M L menos 1. Podemos estar interesados ​​en la magnitud de esta función para determinar qué frecuencias pasan a través del filtro sin atenuación y cuáles son atenuadas. A continuación se muestra un gráfico de la magnitud de esta función para L 4 (rojo), 8 (verde) y 16 (azul). El eje horizontal varía de cero a pi radianes por muestra. Observe que en los tres casos, la respuesta de frecuencia tiene una característica de paso bajo. Un componente constante (frecuencia cero) en la entrada pasa a través del filtro sin atenuación. Ciertas frecuencias más altas, como pi / 2, son completamente eliminadas por el filtro. Sin embargo, si la intención era diseñar un filtro de paso bajo, entonces no lo hemos hecho muy bien. Algunas de las frecuencias más altas se atenúan sólo por un factor de 1/10 (para la media móvil de 16 puntos) o 1/3 (para la media móvil de cuatro puntos). Podemos hacer mucho mejor que eso. El gráfico de arriba fue creado por el siguiente código de Matlab: omega 0: H4 pi (1/4) (1-exp (-iomega4)) ./ (1-exp (-iomega)) H8 (1/8: pi / 400 ) (1-exp (-iomega8)) ./ (1-exp (-iomega)) H16 (1/16) (1-exp (-iomega16)) ./ (1-exp (-iomega)) parcela (omega , abs (H4) abs (H8) abs (H16)) eje (0, pi, 0, 1) copia Derechos de autor 2000- - Universidad de California, BerkeleyThe media móvil de espectro - Parte 1 of 19 de enero, 2009 5:16 espía este post va a ser un poco en el lado complicado, pero si el youll invertir en envolver su cabeza en torno al concepto, creo que va a hacer mucho para demostrar una de las piedras angulares de mi opinión sobre el comercio de estos mercados ingobernables. Un tema que me oyeron hablar mucho de este blog es la idea de que: Los indicadores de corto plazo (digamos, 1 día a 1 semana) e intermedios (1 semana a 1 mes) tienden a ser contrarios (es decir, volver a la media ). Los indicadores a más largo plazo tienden a ser impulsados ​​por tendencias. La tendencia contraria en los indicadores de corto e intermedio (especialmente a corto plazo) es un fenómeno reciente. A medida que avanzamos en el espectro hacia los indicadores de corto y corto plazo, tienden a ser más predictivos de los rendimientos del día siguiente, pero también menos estables con el tiempo (piense RSI (2) vs 50/200 días MA crossovers), y mejor Candidatos a un enfoque adaptativo. En este post, quiero demostrar esta idea en números. Las tablas a continuación muestran el rendimiento del día siguiente, desglosado por década, cuando el SampP 500 cierra arriba (tabla superior) o inferior (tabla inferior) un promedio móvil de longitud X. Advertencia: Geekiness ahead. Estos retornos se han ajustado de tres maneras: Limitando los cambios diarios a / - tres desviaciones estándar (medidas por el año comercial anterior) para reducir el impacto de un puñado de grandes movimientos del mercado. Al eliminar el impacto de la tendencia más amplia, restando de cada década, se obtiene el rendimiento medio (geométrico) de esa década. Al dividir el rendimiento promedio diario resultante por la desviación estándar de esos rendimientos para obtener una rentabilidad ajustada a la volatilidad. Comenzando con los años 70, vemos que el mercado demostró a través de todo el espectro móvil entero un mercado que negociaba sobre sus promedios tendió a continuar para arriba, y viceversa. Esa tendencia fue particularmente fuerte en plazos más cortos y más cortos (es decir, el lado izquierdo de la tabla). A medida que pasamos de la década a la actual, vemos que los mercados se vuelven más contrarios, primero en los períodos intermedios (1990) y luego en los plazos más cortos (2000). Esta evolución es aún más clara en la tabla a continuación, mirando el rendimiento de la próxima semana (en lugar del día siguiente). Nota: estos resultados se han ajustado utilizando el mismo proceso discutido anteriormente. Haga clic para ampliar Pero esto solo cuenta parte de la historia. Im que se acerca a mi límite de la palabra auto-impuesto, por lo que en la Parte II de esta serie, voy a explorar estos resultados más y mirar la idea de que con los indicadores de tiempo más corto, los mercados son más predictivo y más susceptible a la evolución. Puedes leer la parte 2 aquí. PD El punto de la tabla anterior no es sugerir que nadie debe negociar estas observaciones (porque pienso que hay maneras mucho más efectivas de disputar estos mercados ingobernables). El punto es sólo para hacer mi punto acerca de una característica básica del mercado. Leer completo articleAveraged espectro de FFT (SmtHandle manejar, doble f0, doble df, espectro SmtComplexNum, int spectrumSize, SmtSpectrumInfo spectruminfo, averagingType corto sin signo, weightingType corto sin signo, doble averagingSize, linearWeightingMode corto sin signo, int restartAveraging, SmtComplexNum averagedFFTSpectrum, doble averagesSoFar, DataReady corta ) Propósito Calcula el espectro de FFT promedio de la salida del espectro de las funciones de zoom espectro de FFT. La función emite la frecuencia de inicio f0. Intervalo de frecuencia df. Y el promediado espectro FFT en unidades V rms. El parámetro averagingType especifica cómo la función realiza el promedio. No se puede generar ningún promediado, vector, RMS o promedio de mantenimiento de pico. Si no se calcula el promediado, no se promedia el espectro de potencia devuelto en la salida promedio de SMF. Parámetros de entrada El tipo reduce el ruido de las señales síncronas. promedio Vector calcula el promedio de las cantidades de complejos directamente, lo que significa que permite un promedio separado para las partes real e imaginaria. El promedio complejo, como el promedio de vectores, reduce el ruido y por lo general requiere un disparador para mejorar la coherencia de fase de bloque a bloque. Reduce las fluctuaciones de la señal, pero no el nivel de ruido. RMS promedio de los promedios de la energía o potencia de la señal, lo que impide la reducción de ruido de fondo y da RMS promediados cantidades de mediciones de un solo canal de fase cero. El promedio de RMS para mediciones de doble canal conserva la información de fase. Mantiene los niveles máximos rms de las cantidades promediadas. El proceso de promediado de retención de pico realiza retención de pico en cada contenedor de frecuencia por separado para retener niveles rms pico de un registro FFT a la siguiente. Especifica el tipo de ponderación que utiliza la función con RMS y el promedio del vector. El promedio de mantenimiento de pico no implica ponderación. El tipo de ponderación es lineal o exponencial. La ponderación lineal especifica que cada medición tiene la misma ponderación y que el valor del tipo de ponderación lineal determina el proceso de promediación. La ponderación exponencial especifica que cada nueva medición tiene menos ponderación que las mediciones anteriores y que el promedio es continuo. El proceso de promediado calcula la media ponderada exponencialmente para la medición de i de acuerdo con la siguiente ecuación: donde X es la nueva medición, Media i - 1 es el promedio anterior, y N es el número de promedios. Contiene el espectro FFT promedio en la escala V rms, comenzando con la frecuencia f0 con el intervalo de frecuencia df. Asigne memoria para esta matriz suficiente para el número de puntos de datos indicados por el parámetro spectrumSize. Doble (pasada por referencia) El número de medias completado hasta ahora. Indica el progreso del proceso de promediado basado en la configuración de promediación especificada. Short (pasada por referencia) Indica TRUE (1) cuando los datos de salida son válidos. Utilice el valor de salida como el conmutador a una estructura de caso. Realice mediciones posteriores o muestre los resultados si dataReady es TRUE. El proceso de promediado determina internamente el valor de salida dataReady. Si introduce un espectro válido en las funciones de promediado SMT entonces el valor de salida para DataReady siempre es cierto para el promediado exponencial. Para el promedio lineal, dataReady siempre es TRUE para un disparo, movimiento y modos continuos. En el reinicio automático modo de disparo único, DataReady es cierto sólo cuando la función de promedio recibe una serie de marcos de FFT igual al valor de la entrada averagingSize. DataReady se restablece a FALSE cuando el proceso de promedio se reinicia automáticamente. Parámetros de entrada / salida Tipo