Ich möchte den Wert EMA (Exponential Moving Average) in PHP berechnen. Ive versucht mit dem folgenden Code, aber seine geben mir 500 Fehler. PHP: EMA Berechnungsfunktion trader-ema Versucht mit langer Zeit Googeln, aber keine Hilfe zu diesem in PHP. Also, Ive keine Ahnung, was getan werden muss, um die EMA-Wert zu berechnen. Edit-1: Installierte Erweiterungen Ive installiert alle notwendigen Erweiterungen, Jetzt erhalte ich die Ausgabe. Aber es scheint nicht geben richtige Ausgabe. Ich denke, PHP-Funktion für die Berechnung von EMA funktioniert nicht richtig. Jede mögliche Hilfe in diesem würde sehr geschätzt. Ich versuche, die letzte EMA eines großen Datenbestands (15000 Werte) zurückzuholen. Es ist ein sehr ressourcenhungriger Algorithmus, da jeder Wert von der vorherigen abhängt. Hier ist mein Code: Was ich schon tat: Isolieren Sie k, so dass es nicht 10000 mal berechnet wird Halten Sie nur die neuesten Computer-EMA, und nicht alle von ihnen in einem Array verwenden für () anstelle von foreach () das Daten-Array hat keine Schlüssel Es eine grundlegende Array Dies ermöglichte mir, die Ausführungszeit von 2000ms auf ca. 500ms für 15000 Werte Was hat nicht funktioniert: Verwenden Sie SplFixedArray (), dies rasiert nur 10ms Ausführen von 1.000.000 Werten Verwenden Sie PHPTrader-Erweiterung. Gibt dies ein Array mit allen EMAs anstatt nur die neuesten, und seine langsamer Schreiben und Ausführen der gleichen Algorithmus in C und läuft es über 2.000.000 Werte dauert nur 13ms So offensichtlich, mit einer kompilierten, niedrigere Ebene scheint zu helfen, P Wo Sollte ich von hier aus gehen Der Code wird letztlich auf Ubuntu laufen, also welche Sprache sollte ich wählen Will PHP in der Lage sein, anzurufen und zu übergeben, wie ein riesiges Argument, um das Skript klar, mit einer Erweiterung gibt Ihnen ein Erhebliche Steigerung. Darüber hinaus kann die Kalkül als selbst verbessert werden und die gewinnen können Sie in welcher Sprache Sie wählen hinzufügen. Es ist leicht zu sehen, dass lastEMA wie folgt berechnet werden kann: Dies kann folgendermaßen umgeschrieben werden, um die Schleife so weit wie möglich zu entfernen: Um die Extraktion des k zu erklären, denken Sie, dass in der vorherigen Formulierung ist, als ob alle Werden die ursprünglichen Rohdaten mit k multipliziert, so dass man praktisch das Endergebnis multiplizieren kann. Beachten Sie, dass auf diese Weise umgeschrieben, haben Sie 2 Operationen innerhalb der Schleife statt 3 (genau in der Schleife gibt es auch i inkrementieren, i Vergleich mit sizedata und lastEMA Wertzuweisung) so so können Sie erwarten, um eine zusätzliche zu erreichen Beschleunigung im Bereich zwischen den 16 und 33. Weiter gibt es weitere Verbesserungen, die zumindest unter bestimmten Umständen berücksichtigt werden können: Betrachten Sie nur die letzten Werte Die ersten Werte werden mehrmals mit k1m 1 - k multipliziert, so dass ihr Beitrag wenig oder sogar gehen kann Unter der Gleitpunktpräzision (oder dem annehmbaren Fehler). Diese Idee ist besonders hilfreich, wenn Sie die Annahme machen können, dass ältere Daten in der gleichen Größenordnung wie die neueren sind, denn wenn Sie nur die letzten n Werte betrachten, ist der Fehler, den Sie machen, EMAofdiscardeddata (1-k) n. Wenn also die Größenordnung im Großen und Ganzen gleich ist, können wir feststellen, dass der relative Fehler, der durchgeführt wird, relerr err ist. EndEMA EMAofdiscardeddata (1-k) n lastEMA, die fast gleich einfach (1-k) n ist. Unter der Annahme, dass lastEMA fast gleich EMAofdiscardeddata: Lets sagen, dass Sie einen relativen Fehler relerr akzeptieren können Sie sicher nur die letzten n Werte berücksichtigen, wobei (1 - k) n lt relerr. Bedeutet, dass Sie (vor der Schleife) n log (relerr) log (1-k) vorberechnen und nur unter Berücksichtigung der letzten n Werte berechnen können. Wenn der Datensatz sehr groß ist, kann dies eine sinnvolle Beschleunigung ergeben. Betrachten Sie, dass für 64-Bit-Gleitkommazahlen Sie eine relative Genauigkeit (bezogen auf die Mantisse), die 2-53 (ca. 1.1e-16 und nur 2-24 5.96e-8 für 32-Bit-Gleitpunktzahlen), so dass Sie nicht erhalten können Besser als dieser relative Fehler so grundsätzlich sollten Sie nie einen Vorteil bei der Berechnung von mehr als n log (1.1e-16) log (1-k) Werte. Um ein Beispiel zu geben, wenn Bereich 2000 dann n log (1.1e-16) log (1-22001) 36746. Ich denke, das ist interessant zu wissen, dass zusätzliche Berechnungen verloren gehen würde in den Rundungen ist es nutzlos ist besser nicht zu tun. Jetzt ein Beispiel für den Fall, in dem Sie einen relativen Fehler akzeptieren können, der größer ist als Fließkomma-Genauigkeit relerr 1ppm 1e-6 0.00001 6 signifikante Nachkommastellen haben Sie log log (1-22001) 13815 Ich denke, ist ganz ein Kleine Zahl im Vergleich zu Ihren letzten Proben Zahlen, so dass in diesen Fällen die Beschleunigung offensichtlich sein könnte (Im Annahme, dass Bereich 2000 ist sinnvoll oder hoch für Ihre Anwendung, aber thi kann ich nicht wissen). Nur einige wenige Zahlen, weil ich nicht weiß, was Ihre typischen Zahlen sind: relerr 1e-3 range 2000 n 6907 relerr 1e-3 range 200 n 691 relerr 1e-3 range 20 n 69 relerr 1e-6 range 2000 n 13815 relerr 1e - 6 Bereich 200 n 1381 relerr 1e-6 Bereich 20 n 138 Wenn die Annahme lastEMA fast gleich EMAofdiscardeddata nicht genommen werden kann, sind die Dinge weniger einfach, aber da die Vorteilskurve signifikant sein kann, kann es sinnvoll sein, weiterzumachen: Wir müssen noch einmal überdenken Log (relerr) log (lastEMA EMAofdiscardeddata)) log (1-k) Der zentrale Punkt ist die Berechnung von lastEMA Ein Fall ist, wenn wir a priori wissen, dass zB EMAofdiscardeddata lastEMA lt M (zB M 1000 oder M 1e6) in diesem Fall n lt (log (relerrM)) log (1 - k) Wenn Sie keine M-Nummer angeben können, müssen Sie eine gute Idee finden, EMAofdiscardeddata zu überschätzen lastEMA eine schnelle Möglichkeit, M max (Daten) min (Daten) zu nehmen Parallelisierung Die Berechnung kann in einem Formular umgeschrieben werden Wo es eine einfache Addition von unabhängigen Begriffen ist: Wenn also die Implementierungssprache Parallelisierung unterstützt, kann der Datensatz in 4 (oder 8 oder n. Im Grunde die Anzahl der CPU-Kerne zur Verfügung) Stücke und es kann die Summe der Begriffe auf jedem Stück parallel berechnet werden zusammengefasst die einzelnen Ergebnisse am Ende. Ich gehe nicht im Detail mit diesem, da diese Antwort ist schon furchtbar lang und ich denke, das Konzept ist bereits ausgedrückt. Vielen Dank für diese I39m mit diesem auf Börsendaten, so dass die Tatsache, dass die älteren Daten in der gleichen Größenordnung wie die neueren Daten ist abhängig von der Zeitrahmen verwendet. Angenommen, ein Bereich von 200, wird es eine viel größere Variation der Preise auf einem täglichen Zeitrahmen (200 Tage) als 5 Minuten Zeitrahmen (16 Stunden). Ich werde mit verschiedenen Szenarien auf realen und simulierten Daten experimentieren. Auf neue Daten, mit einem Bereich lt 200, verwende ich eine 1000-Elemente-Dataset. Aber ich habe auch einige Back-Tests in den letzten Jahren, so muss ich noch die gesamte Datenmenge laden. Sie half für beide Situationen, danke ndash Lykegenes Erstellen Sie Ihre eigene Erweiterung definitiv verbessert die Leistung. Heres ein gutes Tutorial von der Zend-Website. Einige Leistungsdaten: Hardware: Ubuntu 14.04, PHP 5.5.9, 1-Core Intel CPU3.3Ghz, 128MB RAM (ein VPS). Vorher (nur PHP, 16.000 Werte). 500ms C Erweiterung, 16.000 Werte. 0,3 ms C Erweiterung (100 000 Werte). Erweiterung 3.7ms C (500.000 Werte). 28.0ms Aber Im Gedächtnis begrenzt an diesem Punkt, unter Verwendung 70MB. EMA BREAKING DOWN Exponential Moving Average - EMA Die 12- und 26-Tage-EMAs sind die beliebtesten Kurzzeitmittel, und sie werden verwendet, um Indikatoren wie den gleitenden Durchschnitt zu erzeugen Konvergenzdivergenz (MACD) und dem prozentualen Preisoszillator (PPO). Im Allgemeinen werden die 50- und 200-Tage-EMAs als Signale von langfristigen Trends verwendet. Trader, die technische Analyse verwenden finden fließende Mittelwerte sehr nützlich und aufschlussreich, wenn sie richtig angewendet werden, aber Chaos verursachen, wenn sie falsch verwendet werden oder falsch interpretiert werden. Alle gleitenden Mittelwerte, die gewöhnlich in der technischen Analyse verwendet werden, sind von Natur aus nacheilende Indikatoren. Folglich sollten die Schlussfolgerungen aus der Anwendung eines gleitenden Durchschnitts auf ein bestimmtes Marktdiagramm eine Marktbewegung bestätigen oder ihre Stärke belegen. Sehr oft, bis eine gleitende durchschnittliche Indikatorlinie eine Änderung vorgenommen hat, um eine bedeutende Bewegung auf dem Markt zu reflektieren, ist der optimale Punkt des Markteintritts bereits vergangen. Eine EMA dient dazu, dieses Dilemma zu einem gewissen Grad zu lindern. Da die EMA-Berechnung mehr Gewicht auf die neuesten Daten setzt, umgibt sie die Preisaktion etwas fester und reagiert damit schneller. Dies ist wünschenswert, wenn ein EMA verwendet wird, um ein Handelseintragungssignal abzuleiten. Interpretation der EMA Wie alle gleitenden Durchschnittsindikatoren sind sie für Trendmärkte viel besser geeignet. Wenn der Markt in einem starken und anhaltenden Aufwärtstrend ist. Zeigt die EMA-Indikatorlinie auch einen Aufwärtstrend und umgekehrt einen Abwärtstrend. Ein wachsamer Händler achtet nicht nur auf die Richtung der EMA-Linie, sondern auch auf das Verhältnis der Änderungsgeschwindigkeit von einem Balken zum nächsten. Wenn zum Beispiel die Preisaktion eines starken Aufwärtstrends beginnt, sich zu verflachen und umzukehren, wird die EMA-Rate der Änderung von einem Balken zum nächsten abnehmen, bis zu dem Zeitpunkt, zu dem die Indikatorlinie flacht und die Änderungsrate null ist. Wegen der nacheilenden Wirkung, von diesem Punkt, oder sogar ein paar Takte zuvor, sollte die Preisaktion bereits umgekehrt haben. Daraus folgt, dass die Beobachtung eines konsequenten Abschwächens der Veränderungsrate der EMA selbst als Indikator genutzt werden könnte, der das Dilemma, das durch den nacheilenden Effekt von gleitenden Durchschnittswerten verursacht wird, weiter beheben könnte. Gemeinsame Verwendung der EMA-EMAs werden häufig in Verbindung mit anderen Indikatoren verwendet, um signifikante Marktbewegungen zu bestätigen und deren Gültigkeit zu messen. Für Händler, die intraday und schnelllebigen Märkten handeln, ist die EMA mehr anwendbar. Häufig benutzen Händler EMAs, um eine Handel Bias zu bestimmen. Zum Beispiel, wenn eine EMA auf einem Tages-Chart zeigt einen starken Aufwärtstrend, eine Intraday-Trader-Strategie kann nur von der langen Seite auf einem Intraday-Diagramm handeln.
No comments:
Post a Comment