Media Móvil Elástica

Promedio móvil ponderado por volumen elástico El Promedio móvil ponderado por volumen elástico es un indicador de tendencia que utiliza el volumen promedio en su cálculo del promedio móvil. El usuario puede cambiar la entrada (cierre), el multiplicador y la duración del período. Esta definición del indicador 8217s se expresa además en el código condensado dado en el cálculo a continuación. Cómo operar usando el promedio móvil móvil con volumen elástico El EVWMA puede usarse junto con otros indicadores como indicador de tendencia. No se calculan las señales comerciales. Cómo acceder en MotiveWave Ir al menú superior, elija Estudio gtVolume BasedgtElastic Volumen MA ponderada o vaya al menú superior, elija Agregar estudio. Empiece a escribir el nombre del estudio hasta que aparezca en la lista, haga clic en el nombre del estudio y haga clic en Aceptar. Aviso importante: La información proporcionada en esta página es estrictamente para propósitos informativos y no debe ser interpretada como consejo o solicitud para comprar o vender cualquier seguridad. Por favor vea nuestra Declaración de Riesgos y Rendimiento. Cálculo // método promedio móvil (ma) definido por el usuario, por defecto es SMA // precio de entrada (definido por el usuario, por defecto es el precio de cierre) // mult entrada del usuario, por defecto 20 // período de entrada del usuario, , AvVol volumen promedio // prevE anteriorEVWMACómo podemos ayudar el volumen elástico ponderado media móvil (eVWMA) - EVW Trevor Harnett 25 de julio 2016 19:31 eVWMA es una medida estadística utilizando el volumen para definir el período de la media móvil. Incorpora información de volumen de una manera natural y lógica. El eVWMA puede considerarse como una aproximación al precio medio pagado por acción. La capacidad de usar el volumen medio como su período de volumen, hace que este indicador sea independiente del símbolo e independiente del tiempo. Esto permite el uso para cambiar el tiempo y el símbolo sin tener que cambiar el período de volumen. EVWMA (N - v) eVWMA.1 vp / N donde p precio v volumen de bar N período de volumen. Este periodo puede especificarse (como un valor constante) o computado como un múltiplo del volumen promedio reciente. Volumen Período - Volumen total que se utiliza para determinar el período de la media móvil. Usar valor constante - Utilice un número constante para el período de volumen. Uso del período Volumen medio x: aquí, puede especificar un múltiplo del volumen medio que se utilizará como período de volumen. El volumen promedio se calculará utilizando las barras y la periodicidad del gráfico (promedio móvil simple usando el período especificado). En un gráfico diario, el promedio será el volumen promedio diario, si en un gráfico de 3 minutos, será el volumen promedio de barras de 3 minutos. EVWMA Color - Color, grosor y estilo de la línea eVWMA en el gráfico. El token RTL es EVW. En los procesos de fabricación y de negocio, existe una herramienta común denominada tabla de control. Creado en 1920 por el Dr. Walter Shewhart, un gráfico de control se utiliza para determinar si un proceso está en control o fuera de control. En ese momento, el Dr. Shewhart estaba trabajando en Bell Labs tratando de mejorar la calidad de la señal de las líneas telefónicas. Los componentes mal maquinados eran una causa principal de degradación de la señal, por lo que mejorar los procesos de fabricación para producir componentes más uniformes era un paso crítico para mejorar la calidad de la señal. El Dr. Shewhart se dio cuenta de que todos los procesos, de fabricación o de otro tipo, tienen cierta cantidad de variación natural. La clave era identificar cuando la variación se estaba comportando normalmente (en control), y cuando de repente comenzó a cambiar (fuera de control). Un proceso que ha salido de control debe ser detenido por lo que el problema se puede arreglar, en lugar de churning fuera descuidado componentes manufacturados. Las cartas de control funcionan activando una alerta cuando el valor diverge suficientemente de la media por una cierta cantidad. En la práctica, son muy sencillos e intuitivos de leer, ya menudo actúan como detectores de anomalías de primera línea debido a su simplicidad y robustez. Suavizado con medias móviles Los gráficos de control se pueden construir con bastante facilidad en Elasticsearch utilizando una combinación de agregaciones, incluyendo las nuevas agregaciones de canalización. Para empezar, veamos algunos datos sintéticos que generé para esta publicación. Por diversión, podemos imaginar que es la temperatura del refrigerante (en centígrados) para un reactor nuclear. Vamos a echar un vistazo a los datos en primer lugar, utilizando un cubo de histograma y una métrica extendedstats: En el gráfico, estamos trazando el promedio de cada cubo: Haga clic para tamaño completo. Como se puede ver, los datos son básicamente una tendencia plana, con una distribución aleatoria alrededor de 30. Los datos son ruidosos, por lo que lo primero que puede hacer es suavizarlo para que pueda ver mejor la tendencia general. Los promedios móviles son excelentes para esto. Un promedio móvil, básicamente, toma una ventana de valores, calcula el promedio, y luego mueve la ventana hacia adelante un paso. Hay varios tipos diferentes de promedios móviles que puede elegir. Vamos a utilizar una media móvil ponderada exponencialmente (EWMA). Este tipo de media móvil reduce la importancia de un punto de datos exponencialmente a medida que envejece en la ventana. Esto ayuda a mantener el promedio móvil centrado en los datos en lugar de quedarse atrás. En la siguiente consulta, añadimos una agregación de la canalización móvil movavgmean media que calcula el promedio móvil de cada promedio de los cubos (es decir, un promedio de deslizamiento de los medios): Hay algunos bits interesantes aquí: bucketspath apunta al valor promedio calculado dentro de nuestra métrica extendedstats Ventana se establece en 24, lo que significa que queremos que el promedio de las últimas 24 horas juntos modelo se establece en ewma Y, finalmente, configuramos algunos ajustes para este modelo en particular. El ajuste alpha controla lo suave que es el promedio móvil generado. El valor predeterminado (0,3) suele ser bastante bueno, pero me gustó el aspecto de 0,1 mejor para esta demo. Echa un vistazo a los documentos para más información sobre cómo funciona la alfa. Y el gráfico resultante ahora incluye una línea bien suavizada (púrpura): En el control Entonces, la pregunta es. Esta carta mira en control ¿Hay alguna razón por la que debes apagar el reactor, o está todo funcionando sin problemas Admito que estaba siendo disimulado en el gráfico anterior: calculé el promedio. Como se discutió anteriormente. La media es una métrica bastante pobre en la mayoría de los casos. En este conjunto de datos, está escondiendo un gran pico que puse el jueves. Si trazamos el valor máximo en cada cubo (línea amarilla), el punto es inmediatamente claro: Espero que desactivó el reactor el jueves.) ¿Cómo podríamos haber detectado este pico En esta gráfica, la anomalía es absurdamente clara. Usted podría utilizar un umbral simple. Pero también ver más adelante, los umbrales fallan a menudo bajo patrones más complejos. En su lugar, permite crear un gráfico de control. Las cartas de control consideran un proceso fuera de control si los puntos de datos empiezan a caer tres desviaciones estándar de la media. Con esto en mente, podemos modificar nuestra agregación para convertirla en una carta de control de buena fe. Para ello, tenemos que añadir dos nuevas agregaciones: una media móvil en la desviación estándar, y un script que calcula el límite superior: La nueva movavgstd pipeline agg es muy simple: es simplemente un EWMA (con valores predeterminados) que los promedios La métrica stats. stddeviation durante las últimas 24 horas. La línea de tuberías de shewhartucl es un bucketscript que calcula el límite de control superior aka, el punto en el tiempo cuando comienzas a preocupar porque el proceso ha salido de control. Piense en ello como un umbral dinámico. El umbral se calcula multiplicando la desviación estándar de rodadura por tres, luego añadiéndola a la media de rodadura. Lo omité por brevedad, pero la mayoría de los gráficos de control también incluyen un límite de control más bajo. Para añadir que, simplemente se copia shewhartucl. Restar tres desviaciones estándar en lugar de agregar, y renombrarlo a shewhartlcl. Nota: Estoy usando una escritura en línea para la conveniencia. Puede sustituirlo por un script estático si está desactivado en su clúster. Medio liso: púrpura Valor máximo: amarillo Límite de control superior: verde Podemos graficar esto y ver que el pico (amarillo) dispara más allá del límite de control (verde). En un sistema real, esto es cuando envías una alerta o correo electrónico. O tal vez algo más drástico, ya que se trata de un reactor nuclear que estamos modelando) Conclusión Eso es todo para esta semana. Para recapitular, usamos las nuevas agregaciones de tuberías para suavizar nuestros datos con una media móvil. A continuación, construimos un gráfico de control para encontrar dinámicamente valores atípicos calculando un límite de control superior basado en el promedio móvil y una desviación estándar en movimiento. En la segunda parte. Así ver cómo la misma tabla de control se puede utilizar para patrones de datos más interesantes, tales como tendencias lineales y el comportamiento cíclico. También veremos cómo integrarlo con Watcher para que podamos recibir notificaciones por correo electrónico automáticamente. Echale un vistazo