Ich versuche, einen exponentiellen gleitenden Durchschnitt (EMA) auf postgres zu implementieren, aber da ich die Dokumentation zu überprüfen und darüber nachzudenken, desto mehr versuche ich die mehr verwirrt bin ich. Die Formel für EMA (x) ist: Es scheint für einen Aggregator perfekt zu sein, wobei das Ergebnis des zuletzt berechneten Elements genau das ist, was hier zu tun ist. Allerdings erzeugt ein Aggregator ein einziges Ergebnis (wie reduzieren oder falten) und hier benötigen wir eine Liste (eine Spalte) der Ergebnisse (als Karte). Ich habe überprüft, wie Verfahren und Funktionen funktionieren, aber AFAIK sie produzieren eine einzige Ausgabe, nicht eine Spalte. Ich habe viele Verfahren und Funktionen gesehen, aber ich kann nicht wirklich herausfinden, wie dies interagiert mit relationalen Algebra, vor allem, wenn so etwas wie eine EMA. Ich habe nicht viel Glück auf der Suche nach der Internets so weit. Aber die Definition für eine EMA ist ganz einfach, ich hoffe, dass es möglich ist, diese Definition in etwas zu übersetzen, das in postgres funktioniert und einfach und effizient ist, denn der Umzug nach NoSQL wird in meinem Kontext übertrieben. Ist dies die Berechnung der Aggregation, die das Ergebnis in jeder Zeile für jede Unterliste der Eingabedaten erzeugt, da es aussieht wie es mit dem Aggregator bis Zeile n, das Ergebnis zurückgeben und dann auf Zeile 0, um die Aggregation bis Zeile n1 berechnen aufs Neue. Gibt es eine Möglichkeit, die Akkumulation oder eine statische Variable (wie in C), so dass diese einmal berechnet werden muss Danke. Ndash Trylks Jan 20 12 at 11:59 Nein, it39s mit dem akkumulierten Wert. Wenn Sie die Abfrage mit dem Befehl quotraise infoquot unkommentiert ausführen, können Sie sehen, dass die Funktion nur einmal für jede Zeilenausgabe aufgerufen wird. Postgresql gibt den Statuswert für jede Zeile aus (wenn ein finalfunc definiert wurde, der aufgerufen werden würde, um den Zustand in einen Ausgangswert umzuwandeln). Ndash araqnid ErwinBrandstetter: Ich habe die meisten Änderungen zurückgesetzt - im Fall des Formats des ersten (Anker) Teils der Abfrage, kann EMA (x1) klar mit einer einzigen Zeile dargestellt werden - dies Corespnds zu der einzigen Zeile, die es in der Frage definiert. Im Fall des rekursiven Teils der Abfrage habe ich in der Join-Bedingung mn-1 verwendet, um die Äquivalenz der Beziehung zu EMA (xn-1) in der Frage anzuzeigen, auch wenn dies weniger performant ist, wenn die Performance eine ist Problem kann die OP die Join-Bedingung ändern, wie Sie vorgeschlagen haben. Ndash Mark Bannister Jan 16 12 at 9:27Moving Durchschnitt in T-SQL Eine gemeinsame Berechnung in Trend-Analyse ist die bewegte (oder rollende) Durchschnitt. Ein gleitender Durchschnitt ist der Durchschnitt der letzten 10 Zeilen. Der gleitende Durchschnitt zeigt eine glattere Kurve als die tatsächlichen Werte, mehr also mit einer längeren Periode für den gleitenden Durchschnitt, was es zu einem guten Werkzeug für die Trendanalyse macht. Dieser Blogpfosten zeigt, wie man den gleitenden Durchschnitt in T-SQL berechnet. Abhängig von der Version von SQL Server werden unterschiedliche Methoden verwendet. Die nachstehende Tabelle zeigt den Glättungseffekt (rote Linie) mit einem 200 Tage gleitenden Durchschnitt. Die Aktienkurse sind die blaue Linie. Der langfristige Trend ist deutlich sichtbar. T-SQL Moving Avergage 200 Tage Die folgende Demonstration benötigt die TAdb-Datenbank, die mit dem hier befindlichen Skript erstellt werden kann. Im nächsten Beispiel wird ein gleitender Durchschnitt für die letzten 20 Tage berechnet. Abhängig von der Version von SQL Server gibt es eine andere Methode, um die Berechnung durchzuführen. Und, wie wir später sehen werden, haben die neueren Versionen von SQL Server Funktionen, die eine viel effektivere Berechnung ermöglichen. SQL Server 2012 und höher Moving Average Diese Version verwendet eine aggregierte Fensterfunktion. Was ist neu in SQL 2012 ist die Möglichkeit, die Größe des Fensters zu beschränken, indem Sie angeben, wie viele Zeilen vor dem Fenster enthalten sollten: Zeilen vorangegangen ist 19, weil wir die aktuelle Zeile auch in die Berechnung enthalten. Wie Sie sehen können, ist die Berechnung der gleitenden Durchschnitt in SQL Server 2012 ziemlich einfach. Die Abbildung unten zeigt das Fensterprinzip. Die aktuelle Zeile ist mit gelb markiert. Das Fenster ist blau markiert. Der gleitende Durchschnitt ist einfach der Durchschnitt von QuoteClose in den blauen Linien: T-SQL Moving Average Fenster. Die Ergebnisse der Berechnungen in älteren Versionen von SQL Server sind identisch, so dass sie nicht erneut angezeigt werden. SQL Server 2005 8211 2008R2 Moving Average Diese Version verwendet einen gemeinsamen Tabellenausdruck. Der CTE wird selbst referenziert, um die letzten 20 Zeilen für jede Zeile zu erhalten: Moving Average vor SQL Server 2005 Die pre 2005-Version wird eine linke äußere Verknüpfung zu der gleichen Tabelle verwenden, um die letzten 20 Zeilen zu erhalten. Die äußere Tabelle kann gesagt werden, um das Fenster, das wir wollen, um einen Durchschnitt zu berechnen: Leistungsvergleich Wenn wir die drei verschiedenen Methoden gleichzeitig ausführen und überprüfen Sie die resultierende Ausführung Plan gibt es einen dramatischen Leistungsunterschied zwischen den Methoden: Vergleich von drei Verschiedene Methoden, um den gleitenden Durchschnitt zu berechnen Wie Sie sehen können, macht die Verbesserung der Fensterfunktion in SQL 2012 einen großen Unterschied in der Leistung. Verwendung Wie bereits am Anfang dieses Beitrags erwähnt, werden die gleitenden Mittelwerte als Trends verwendet. Ein gemeinsamer Ansatz besteht darin, Bewegungsdurchschnitte verschiedener Längen zu kombinieren, um Veränderungen in der kurz-, mittel - und langfristigen Entwicklung zu erkennen. Von besonderem Interesse sind die Übergänge der Trendlinien. Zum Beispiel, wenn sich der kurze Trend über den langen oder mittleren Trend bewegt, kann dieser als Kaufsignal in der technischen Analyse interpretiert werden. Und wenn sich der kurze Trend unter einer längeren Trendlinie bewegt, kann dies als Verkaufssignal interpretiert werden. Die folgende Tabelle zeigt Quotes, Ma20, Ma50 und Ma200. T-SQL Ma20, Ma50, Ma200 kaufen und verkaufen Signale. Dieser Blog-Beitrag ist Teil einer Serie über technische Analyse, TA, in SQL Server. Siehe die anderen Beiträge hier. Geschrieben von Tomas LindDie meisten problematischen Teil Ihrer Aufgabe ist die Berechnung von Aggregat Produkt in reinen SQL (wie FYI: es gibt viele Standard-Aggregat Funktionen wie Sum (), Min (), Max (), etc. aber kein Produkt P ( )). Eine mögliche Lösung in: Aggregate Produktfunktion erweitert SQL (www. codeproject / Tips / 137564 / Aggregate-Produkt-Funktion-extends-SQL) basiert auf der mathematischen Gleichung: die in folgende SQL-Anweisung übersetzt wurde: Sie können diese Lösung auf Ihre Anwendung anwenden Problem. Um den laufenden (Moving) avg zu berechnen, können Sie die Selbstverknüpfung der Datentabelle erstellen und die Berechnungen für alle Zeilen vor dem aktuellen Wert anwenden. Die eigentliche Implementierung hängt von der jeweiligen Datenbank ab, die Sie verwenden. Hoffe, dies kann helfen. Exponential Moving Average - EMA Laden des Spielers. BREAKING DOWN Exponential Moving Average - EMA Die 12- und 26-Tage-EMAs sind die beliebtesten Kurzzeitmittelwerte und werden verwendet, um Indikatoren wie die gleitende durchschnittliche Konvergenzdivergenz (MACD) und den prozentualen Preisoszillator (PPO) zu erzeugen. 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 Durchschnitte, 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 zu handeln. Wie man einen SQL-Moving-Average ohne Cursor-Update zu berechnen: Wenn Sie arbeiten Mit den neuesten Versionen von SQL Server, können Sie die Fenster-Funktionen, um die gleiche Sache zu erreichen. Ich habe den aktualisierten Code am Ende der Post. Für dieses Video, Ich mag immer noch den Gedanken Prozess der Verankerung zu einem Datum. Video: 3-Tage-Moving-Average in SQL Eine effiziente Methode, um einen gleitenden Durchschnitt in SQL mit Hilfe einiger Tricks zu berechnen, um Datum-Anker festzulegen. Es gibt Debatten über den besten Weg, um einen SQL Moving Average in SQL Server zu tun. Einige Leute denken, es gibt Zeiten, wenn ein Cursor am effizientesten ist. Andere denken, dass Sie alles in einer Set-basierte Weise ohne den Cursor tun können. Neulich wollte ich einen gleitenden Durchschnitt berechnen und mein erster Gedanke war, einen Cursor zu benutzen. Ich habe einige schnelle Forschung und fand dieses Forum Frage: Moving Average in TSQL Es gibt einen Beitrag, der eine Unterabfrage mit einem Anker Datum, um zu finden, die 1 und 2-Tage-Offset zeigt. Hier ist das Skript, das Sie verwenden können, um die 3 Tage SQL Moving Average Endresultat zu testen. Hier ist die abschließende Frage. Hier ist die Abfrage, die Sie mit SQL Server 2012 verwenden möchten.
No comments:
Post a Comment