Exponentiellt Vägda Glidande Medelvärde Kod

MetaTrader 4 - Indikatorer Flyttmedelvärde, MA - indikator för MetaTrader 4 Den rörliga genomsnittliga tekniska indikatorn visar genomsnittligt instrumentprisvärde under en viss tidsperiod. När man beräknar glidande medelvärde, genomsnittar man instrumentpriset för denna tidsperiod. När priset ändras ökar eller glider dess rörliga genomsnitt. Det finns fyra olika typer av rörliga medelvärden: Enkel (även kallad aritmetisk), exponentiell, slät och linjär viktad. Flyttande medelvärden kan beräknas för varje sekventiell dataset, inklusive öppnings - och slutkurser, högsta och lägsta priser, handelsvolym eller andra indikatorer. Det är ofta fallet när dubbla rörliga medelvärden används. Det enda där glidande medelvärden av olika typer skiljer sig avsevärt från varandra är när viktkoefficienter, som tilldelas de senaste uppgifterna, skiljer sig åt. Om vi ​​pratar om ett enkelt glidande medelvärde är alla priser för den aktuella tidsperioden lika i värde. Exponentiella och linjärt viktade rörliga medelvärden fäster mer värde till de senaste priserna. Det vanligaste sättet att tolka prisglidande genomsnittet är att jämföra sin dynamik med prisåtgärden. När instrumentpriset stiger över sitt glidande medelvärde visas en köpsignal, om priset faller under dess glidande medelvärde, har vi en säljsignal. Detta handelssystem, som är baserat på det rörliga genomsnittet, är inte utformat för att ge inträde till marknaden rätt i sin lägsta punkt och dess utgång höger på toppen. Det tillåter att handla enligt följande trend: att köpa snart efter att priserna når botten och att sälja snart efter att priserna har nått sin topp. Enkelt rörligt medelvärde (SMA) Enkelt, med andra ord beräknas aritmetiskt rörligt medelvärde genom att summera priserna på instrumentlåsning under ett visst antal enskilda perioder (t ex 12 timmar). Detta värde divideras därefter med antalet sådana perioder. SMA SUM (CLOSE, N) N Där: N är antalet beräkningsperioder. Exponentiellt rörligt medelvärde (EMA) Exponentiellt glatt rörligt medelvärde beräknas genom att lägga det rörliga genomsnittet av en viss andel av nuvarande slutkurs till föregående värde. Med exponentiellt slätade glidande medelvärden är de senaste priserna mer värdefulla. P-procent exponentiell glidande medelvärde kommer att se ut: Var: CLOSE (i) priset för den aktuella periodens stängning EMA (i-1) Exponentiellt Flyttande Medel av föregående periodens stängning P Andelen av att använda prisvärdet. Smoothed Moving Average (SMMA) Det första värdet av detta glattade glidande medelvärde beräknas som det enkla glidande medelvärdet (SMA): SUM1 SUM (CLOSE, N) Det andra och efterföljande glidande medelvärdet beräknas enligt följande formel: Var: SUM1 är Summa summan av slutkurserna för N-perioder SMMA1 är det jämnaste glidande medlet för den första stapeln SMMA (i) är det glattade glidande medlet för den aktuella stapeln (förutom den första) CLOSE (i) är den aktuella stängningskursen N är den utjämningsperiod. Linjärt viktat rörligt medelvärde (LWMA) Vid viktat glidande medelvärde är de senaste data mer värdefulla än tidigare tidiga data. Viktat glidande medelvärde beräknas genom att multiplicera var och en av slutkurserna inom den bedömda serien med en viss viktkoefficient. LWMA SUM (Stäng (i) I, N) SUM (I, N) Var: SUM (I, N) är summan av viktkoefficienter. Flyttande medelvärden kan också tillämpas på indikatorer. Det är där tolkningen av indikatorens glidande medelvärden liknar tolkningen av prisförskjutande medelvärden: om indikatorn stiger över dess glidande medelvärde betyder det att den stigande indikatorrörelsen sannolikt kommer att fortsätta: om indikatorn faller under dess glidande medelvärde innebär att det sannolikt fortsätter att gå nedåt. Här är typerna av glidande medelvärde på diagrammet: Enkelt rörligt medelvärde (SMA) Exponential Moving Average (EMA) Förskjutet rörligt medelvärde (SMMA) Linjärt viktat rörligt medelvärde (LWMA) Exploring den exponentiellt vägt Flyttande Medelvolatiliteten är det vanligaste riskmåttet , men det kommer i flera smaker. I en tidigare artikel visade vi hur man beräkna enkel historisk volatilitet. (För att läsa den här artikeln, se Använd volatilitet för att mäta framtida risk.) Vi använde Googles faktiska aktiekursdata för att beräkna den dagliga volatiliteten baserat på 30 dygns lagerdata. I den här artikeln kommer vi att förbättra den enkla volatiliteten och diskutera exponentialvägt rörligt medelvärde (EWMA). Historisk Vs. Implicit Volatilitet Först, låt oss sätta denna mätning i en bit av perspektiv. Det finns två breda tillvägagångssätt: historisk och underförstådd (eller implicit) volatilitet. Det historiska tillvägagångssättet förutsätter att förflutet är en prolog som vi mäter historia i hopp om att det är förutsägbart. Implicit volatilitet å andra sidan ignorerar historien som den löser för volatiliteten implicerad av marknadspriser. Det hoppas att marknaden vet bäst och att marknadspriset innehåller, även om det implicit är, en konsensusuppskattning av volatiliteten. (För relaterad läsning, se Användning och gränser för volatilitet.) Om vi ​​fokuserar på bara de tre historiska tillvägagångssätten (till vänster ovan), har de två steg gemensamt: Beräkna serien av periodisk avkastning Använd ett viktningsschema Först vi beräkna den periodiska avkastningen. Det är typiskt en serie av dagliga avkastningar där varje avkastning uttrycks i fortlöpande sammansatta termer. För varje dag tar vi den naturliga loggen av förhållandet mellan aktiekurserna (det vill säga priset idag fördelat på pris igår, och så vidare). Detta ger en serie dagliga avkastningar, från dig till jag i-m. beroende på hur många dagar (m dagar) vi mäter. Det får oss till det andra steget: Det är här de tre metoderna skiljer sig åt. I den föregående artikeln (Använd volatilitet för att mäta framtida risker) visade vi att enligt enkla acceptabla förenklingar är den enkla variansen genomsnittet av de kvadrerade avkastningarna: Observera att summan av varje periodisk avkastning delar upp den totala av antal dagar eller observationer (m). Så det är verkligen bara ett genomsnitt av den kvadrerade periodiska avkastningen. Sätt på ett annat sätt, varje kvadrerad retur ges lika vikt. Så om alfa (a) är en viktningsfaktor (specifikt en 1m) ser en enkel varians något ut så här: EWMA förbättras på enkel varians Svagheten i denna metod är att alla avkastningar tjänar samma vikt. Yesterdays (väldigt ny) avkastning har inte mer inflytande på variansen än förra månaden tillbaka. Detta problem fastställs med hjälp av det exponentiellt viktade glidande medlet (EWMA), där senare avkastning har större vikt på variansen. Det exponentiellt viktade glidande medlet (EWMA) introducerar lambda. som kallas utjämningsparametern. Lambda måste vara mindre än en. Under det förhållandet, i stället för lika vikter, vägs varje kvadrerad avkastning med en multiplikator enligt följande: RiskMetrics TM, ett finansiellt riskhanteringsföretag, tenderar till exempel att använda en lambda på 0,94 eller 94. I det här fallet är den första ( senaste) kvadratiska periodiska avkastningen vägs av (1-0,94) (.94) 0 6. Nästa kvadrerade retur är helt enkelt en lambda-multipel av den tidigare vikten i detta fall 6 multiplicerat med 94 5,64. Och den tredje föregående dagens vikt är lika med (1-0,94) (0,94) 2 5,30. Det är betydelsen av exponentiell i EWMA: varje vikt är en konstant multiplikator (dvs lambda, som måste vara mindre än en) av den tidigare dagens vikt. Detta säkerställer en varians som är viktad eller förspänd mot senare data. (Mer information finns i Excel-kalkylbladet för Googles volatilitet.) Skillnaden mellan helt enkelt volatilitet och EWMA för Google visas nedan. Enkel volatilitet väger effektivt varje periodisk avkastning med 0,196 som visas i kolumn O (vi hade två års daglig aktiekursdata, det vill säga 509 dagliga avkastningar och 1509 0,196). Men märker att kolumn P tilldelar en vikt av 6, sedan 5,64, sedan 5,3 och så vidare. Det är den enda skillnaden mellan enkel varians och EWMA. Kom ihåg: När vi summerar hela serien (i kolumn Q) har vi variansen, vilket är kvadraten av standardavvikelsen. Om vi ​​vill ha volatilitet, måste vi komma ihåg att ta kvadratroten av den variansen. Vad är skillnaden i den dagliga volatiliteten mellan variansen och EWMA i Googles fall? Det är viktigt: Den enkla variansen gav oss en daglig volatilitet på 2,4 men EWMA gav en daglig volatilitet på endast 1,4 (se kalkylbladet för detaljer). Uppenbarligen avtog Googles volatilitet mer nyligen, därför kan en enkel varians vara konstant hög. Dagens Varians är en funktion av Pior Days Variance Du märker att vi behövde beräkna en lång serie exponentiellt sjunkande vikter. Vi brukar inte göra matematiken här, men en av EWMA: s bästa egenskaper är att hela serien reduceras bekvämt till en rekursiv formel: Rekursiv betyder att dagens variansreferenser (det vill säga är en funktion av den tidigare dagens varians). Du kan också hitta denna formel i kalkylbladet, och det ger exakt samma resultat som longhandberäkningen. Det står: Dagens varians (under EWMA) motsvarar ysterdays variance (viktad av lambda) plus ysterdays kvadrerade retur (vägd av en minus lambda). Lägg märke till hur vi bara lägger till två termer tillsammans: Vardagens viktade varians och gårdagens viktiga, kvadrerade retur. Ändå är lambda vår utjämningsparameter. En högre lambda (t ex som RiskMetrics 94) indikerar långsammare sönderfall i serien - relativt sett kommer vi att ha fler datapunkter i serien och de kommer att falla av långsammare. Å andra sidan, om vi reducerar lambda, indikerar vi högre sönderfall: vikterna faller av snabbare och som ett direkt resultat av det snabba förfallet används färre datapunkter. (I kalkylbladet är lambda en ingång, så du kan experimentera med sin känslighet). Sammanfattning Volatilitet är den aktuella standardavvikelsen för ett lager och den vanligaste riskvärdet. Det är också kvadratrot av varians. Vi kan måle variationen historiskt eller implicit (underförstådd volatilitet). När man mäter historiskt är den enklaste metoden enkel varians. Men svagheten med enkel varians är alla avkastningar får samma vikt. Så vi står inför en klassisk avvägning: vi vill alltid ha mer data, men ju mer data vi har desto mer beräknas vår beräkning utspädd av avlägsna (mindre relevanta) data. Det exponentiellt viktade glidande genomsnittet (EWMA) förbättras på enkel varians genom att tilldela vikter till periodisk avkastning. Genom att göra detta kan vi båda använda en stor urvalsstorlek men ge också större vikt till nyare avkastningar. (För att se en filmhandledning om detta ämne, besök Bionic Turtle.) Artikel 50 är en förhandlings - och avvecklingsklausul i EU-fördraget som beskriver de åtgärder som ska vidtas för vilket land som helst. Ett första bud på ett konkursföretagets tillgångar från en intresserad köpare vald av konkursbolaget. Från en pool av budgivare. Beta är ett mått på volatiliteten eller systematisk risk för en säkerhet eller en portfölj i jämförelse med marknaden som helhet. En typ av skatt som tas ut på kapitalvinster som uppkommit av individer och företag. Realisationsvinster är vinsten som en investerare. En order att köpa en säkerhet till eller under ett angivet pris. En köpgränsorder tillåter näringsidkare och investerare att specificera. En IRS-regel (Internal Revenue Service) som tillåter utbetalningar från ett IRA-konto på ett strafffritt sätt. Regeln kräver att. Hur man beräknar EMA i Excel Lär dig hur du beräknar det exponentiella rörliga genomsnittet i Excel och VBA, och få ett gratis webbanslutet kalkylblad. Kalkylbladet hämtar lagerdata från Yahoo Finance, beräknar EMA (över ditt valda tidsfönster) och visar resultat. Nedladdningslänken finns längst ner. VBA kan ses och redigeras it8217s helt gratis. Men först disover varför EMA är viktigt för tekniska handlare och marknadsanalytiker. Historiska aktiekursdiagram är ofta förorenade med mycket högfrekventa ljud. Detta döljer ofta stora trender. Flytta medelvärden hjälper till att smidiga ut dessa mindre fluktuationer, vilket ger dig större inblick i den övergripande marknadsriktningen. Det exponentiella glidande medlet lägger större vikt vid senare data. Ju större tidsperiod desto lägre är betydelsen av de senaste uppgifterna. EMA definieras av denna ekvation. today8217s pris (multiplicerat med en vikt) och yesterday8217s EMA (multiplicerad med 1 vikt) Du måste starta EMA-beräkningen med en inledande EMA (EMA 0). Detta är vanligtvis ett enkelt glidande medelvärde av längd T. I diagrammet ovan till exempel ger EMA till Microsoft mellan 1 januari 2013 och 14 januari 2014. Tekniska handlare använder ofta överkorsningen av två glidande medelvärden 8211 en med en kort tidsskala och en annan med en lång tidsskala 8211 för att generera buysell signaler. Ofta används 12 och 26-dagars glidande medelvärden. När det kortare glidande medeltalet stiger över det längre glidande genomsnittet, är marknaden trender uppdaterad, det här är en köpsignal. Men när de kortare glidande medelvärdena ligger under det långvariga genomsnittet faller marknaden, det här är en säljesignal. Let8217s först lär sig hur man beräknar EMA med hjälp av kalkylbladsfunktioner. Därefter upptäcker we8217ll hur man använder VBA för att beräkna EMA (och automatiskt diagramdiagram) Beräkna EMA i Excel med kalkylfunktioner steg 1. Let8217s säger att vi vill beräkna 12-dagars EMA av Exxon Mobil8217s aktiekurs. Vi behöver först få historiska aktiekurser 8211 du kan göra det med den här bulkstocken citat nedladdningen. Steg 2 . Beräkna det enkla genomsnittet av de första 12 priserna med Excel8217s Average () - funktionen. I screengrab nedan, i cell C16 har vi formeln AVERAGE (B5: B16) där B5: B16 innehåller de första 12 nära priserna Steg 3. Precis under cellen som används i steg 2, skriv in EMA-formuläret ovan. Där har du det You8217ve beräknat framgångsrikt en viktig teknisk indikator, EMA, i ett kalkylblad. Beräkna EMA med VBA Nu let8282s mekanisera beräkningarna med VBA, inklusive automatisk skapande av tomter. Jag vann8217t visar dig hela VBA här (it8217s finns i kalkylbladet nedan), men vi8217ll diskuterar den mest kritiska koden. Steg 1. Hämta historiska aktiekurser för din ticker från Yahoo Finance (med CSV-filer) och ladda dem till Excel eller använd VBA i det här kalkylbladet för att få historiska citat rakt in i Excel. Dina uppgifter kan se ut så här: Steg 2. Det är här vi behöver träna några braincells 8211 vi behöver implementera EMA-ekvationen i VBA. Vi kan använda R1C1-stil för att programmera in formler i enskilda celler. Undersök kodavsnittet nedan. Ark (quotDataquot).Range (quotquot amp EMAWindow 1) kvotdrift (R-kvadratförstärkare EMAWindow - 1 amp kvadrat-3: RC-3) quot Sheets (quotDataquot).Range (quothquot amp EMAWindow 2 amp cc: hquot amp numRows). FormulaR1C1 quotR0C-3 (2 (EMAWindow 1)) R-1C0 (1- (2 (EMAWindow1))) EMAWindow är en variabel som motsvarar det önskade tidsfönstret numRows är det totala antalet datapunkter 1 (8220 18221 beror på we8217re förutsatt att den faktiska lagerdata startar på rad 2) beräknas EMA i kolumn h Antag att EMAWindow 5 och numrows 100 (det vill säga 99 datapunkter) placerar den första raden en formel i cell h6 som beräknar det aritmetiska genomsnittet av de första 5 historiska datapunkterna Den andra raden placerar formler i cellerna h7: h100 som beräknar EMA för de återstående 95 datapunkterna. Steg 3 Denna VBA-funktion skapar en lista över slutpriset och EMA. Ange EMAChart ActiveSheet. ChartObjects. Add (Vänster: Område (quota12quot).Left, Bredd: 500, Överst: Område (quota12quot).Top, Höjd: 300) Med EMAChart. Chart. Parent. Name quotEMA Chartquot Med. SeriesCollection. NewSeries. ChartType xlLine. Values ​​Sheets (quotdataquot).Range (quote2: equot amp numRows).XValues ​​Sheets (quotdataquot).Range (kvot2: aquot amp numRows).Format. Line. Weight 1.Name quotPricequot Slut med med. SeriesCollection. NewSeries. ChartType xlLine. AxisGroup xlPrimary. Values ​​Sheets (quotdataquot).Range (quoth2: hquot amp numRows).Name quotEMAquot. Border. ColorIndex 1.Format. Line. Weight 1 End With. Axes (xlValue, xlPrimary).HasTitle True. Axes xlValue, xlPrimary).AxisTitle. Characters. Text quotPricequot. Axes (xlValue, xlPrimary).MaximumScale WorksheetFunction. Max (Sheets (quotDataquot).Range (quote2: equot amp numRows)).Axes (xlValue, xlPrimary). MinimalScale Int (WorksheetFunction . Min (Sheets (quotDataquot).Range (quote2: equot amp numRows))).Legend. Position xlLegendPositionRight. SetElement (msoElementChartTitleAboveChart).ChartTitle. Text quotClose Prisförstärkare EMAWindow amp kvot-Day EMAquot End With Få det här kalkylbladet för fullständig fungerande implementering av EMA-kalkylatorn med automatisk nedladdning av historiska data. 14 tankar om ldquo Hur man beräknar EMA i Excel rdquo Förra gången jag hämtade ner en av dina Excel-speadsheets orsakade det att mitt antivirusprogram skulle flagga det som en PUP (potentiellt oönskade program) där det tydligen fanns kod inbäddat i nedladdningen som var adware, spionprogram eller åtminstone potentiell skadlig kod. Det tog bokstavligen dagar att städa upp min dator. Hur kan jag se till att jag bara hämtar Excel? Tyvärr finns det otroliga mängder skadlig kod. adware och spywar, och du kan inte vara försiktig. Om det är en fråga om kostnad skulle jag inte vara ovillig att betala en rimlig summa, men koden måste vara PUP-fri. Tack, det finns inga virus, skadlig kod eller adware i mina kalkylblad. I8217ve programmerade dem själv och jag vet exakt vad som finns i dem. There8217s en direktladdningslänk till en zip-fil längst ner på varje punkt (i mörkblå, djärv och understruken). That8217s vad du ska ladda ner. Håll över länken och du bör se en direktlänk till zip-filen. Jag vill använda min tillgång till levande priser för att skapa live tech-indikatorer (dvs. RSI, MACD etc). Jag har just insett för fullständig noggrannhet, jag behöver 250 dagar värd data för varje lager i motsats till de 40 jag har nu. Finns det någonstans att få tillgång till historiska data om saker som EMA, Avg Gain, Average Loss så att jag bara kunde använda den mer exakta data i min modell I stället för att använda 252 dagars data för att få rätt 14 dagars RSI kunde jag bara få en extern uppskattat värde för genomsnittsavkastning och genomsnittsförlust och går därifrån. Jag vill att min modell ska visa resultat från 200 aktier i motsats till några. Jag vill plotta flera EMAs BB RSI på samma diagram och baserat på förhållanden skulle vilja utlösa handel. Detta skulle fungera för mig som excel backtester. Kan du hjälpa mig att plotta flera timeseries på samma diagram med samma dataset. Jag vet hur man applicerar de råa uppgifterna till ett excel-kalkylblad, men hur använder du ema-resultaten. Ema i Excel-kartor can8217t justeras till specifika perioder. Tack kliff mendes säger: Hej där Samir, Först och främst tack en miljon för allt ditt hårda arbete. Utmärkt jobb GUD SÄNDER. Jag ville bara veta om jag har två ema plottade på diagram kan säga 20ema och 50ema när de passerar antingen upp eller ner kan ordet KÖP eller SÄLJ visas vid kors över punkten hjälper mig mycket. kliff mendes texas I8217m arbetar på ett enkelt backtesting kalkylblad that8217ll genererar köp-säljsignaler. Ge mig tid8230 Bra jobb på diagram och förklaringar. Jag har dock en fråga. Om jag ändrar startdatumet till ett år senare och tittar på senaste EMA-data, är det märkbart annorlunda än när jag använder samma EMA-period med ett tidigare startdatum för samma datum för senaste datum. Är det vad du förväntar dig. Det gör det svårt att titta på publicerade diagram med EMAs visade och inte se samma diagram. Shivashish Sarkar säger: Hej, jag använder din EMA-kalkylator och jag uppskattar verkligen. Jag har emellertid märkt att kalkylatorn inte kan plotta graferna för alla företag (det visar Run-tid fel 1004). Kan du snälla skapa en uppdaterad utgåva av din räknare där nya företag kommer att ingå Lämna ett svar Avbryt svar Gilla gratis kalkylblad Master Knowledge Base Senaste inlägget Detta repo ger exponentiellt viktad Flytta genomsnittliga algoritmer eller EWMA för korta, baserat på vår kvantifierande onormal beteende prata. Exponentiellt vägt rörligt medelvärde Ett exponentiellt vägat glidande medelvärde är ett sätt att kontinuerligt beräkna en typ av medelvärde för en serie av siffror, som numren anländer. Efter att ett värde i serien läggs till i genomsnitt minskar dess vikt i genomsnittet exponentiellt över tiden. Detta förskjuter medelvärdet mot senare data. EWMAs är användbara av flera anledningar, främst deras billiga beräkningsmässiga och minneskostnader, liksom det faktum att de representerar den senaste centrala tendensen i värdeserien. EWMA-algoritmen kräver en sönderfallsfaktor, alfa. Ju större alfabetet är, desto mer är genomsnittet förspänt mot den senaste historien. Alfa måste vara mellan 0 och 1 och är vanligen ett ganska litet antal, såsom 0,04. Vi kommer att diskutera valet av alpha senare. Algoritmen fungerar således i pseudokod: Multiplicera nästa nummer i serien med alfa. Multiplicera nuvärdet av medelvärdet med 1 minus alfa. Lägg till resultatet av steg 1 och 2 och lagra det som det nya nuvarande värdet av medelvärdet. Upprepa för varje nummer i serien. Det finns speciella fall beteenden för hur man initierar det nuvarande värdet, och dessa varierar mellan implementeringar. Ett tillvägagångssätt är att börja med det första värdet i serien. En annan är att genomsnitts de första 10 eller så värdena i serien med hjälp av ett aritmetiskt medelvärde och sedan börja den inkrementella uppdateringen av genomsnittsvärdet. Varje metod har för och nackdelar. Det kan hjälpa till att se på det pictorially. Antag att serien har fem siffror, och vi väljer alfabet för att vara 0,50 för enkelhet. Heres serien, med siffror i närheten av 300. Nu kan vi ta det rörliga genomsnittet av dessa nummer. Först ställer vi medelvärdet till värdet av det första numret. Nästa multiplicerar vi nästa tal med alfa, multiplicerar nuvärdet med 1-alfa och lägger till dem för att generera ett nytt värde. Detta fortsätter tills vi är färdiga. Lägg märke till hur vart och ett av värdena i serien minskar med hälften varje gång ett nytt värde läggs till, och toppen av staplarna i den nedre delen av bilden representerar storleken på glidande medelvärde. Det är ett jämnt, eller lågpass, medelvärde av originalserien. Tänk på ett glidande medelvärde för glidande fönster i fast storlek (inte ett exponentiellt vägat glidmedelvärde) som är medelvärde över de föregående N-proverna. Vad är medelåldern för varje prov Det är N2. Antag nu att du vill konstruera en EWMA vars prover har samma medelålder. Formeln för att beräkna den alfa som krävs för detta är: alfa 2 (N1). Bevis finns i boken Production and Operations Analysis av Steven Nahmias. Så om du till exempel har en tidsserie med prov en gång per sekund, och du vill få det glidande medeltalet under föregående minut, ska du använda en alfabet av .032786885. Detta är förresten den konstanta alfa som används för denna repositories SimpleEWMA. Detta förråd innehåller två implementeringar av EWMA-algoritmen, med olika egenskaper. Implementationerna överensstämmer med MovingAverage-gränssnittet, och konstruktorn returnerar den typen. Nuvarande implementeringar antar ett implicit tidsintervall på 1,0 mellan varje tillsatt prov. Det betyder att tidens gång behandlas som om det är samma som ankomst av prover. Om du behöver tidsbaserad förfall när prover inte anländer exakt med bestämda intervaller, kommer det här paketet inte att stödja dina behov för närvarande. En SimpleEWMA är utformad för låg CPU och minneskonsumtion. Det kommer att ha olika beteenden än VariableEWMA av flera anledningar. Det har ingen uppvärmningsperiod och det använder ett konstant förfall. Dessa egenskaper låter det använda mindre minne. Det kommer också att fungera annorlunda när det är lika med noll, vilket antas innebära oinitialiserat, så om ett värde sannolikt faktiskt blir noll över tiden kommer ett eventuellt icke-nollvärde att orsaka ett skarpt hoppa istället för en liten förändring. Till skillnad från SimpleEWMA stöder detta en anpassad ålder som måste lagras och använder sålunda mer minne. Det har också en uppvärmningstid när du börjar lägga till värden till den. Det kommer att rapportera ett värde på 0,0 tills du har lagt till det önskade antalet prov till det. Det använder lite minne för att lagra antalet prover som läggs till det. Som ett resultat använder den lite över två gånger minnet av SimpleEWMA. Se den genererade dokumentationen från GoDoc här. Vi accepterar bara draförfrågningar om mindre korrigeringar eller förbättringar. Detta inkluderar: Små buggfixar Typos Dokumentation eller kommentarer Vänligen öppna problem för att diskutera nya funktioner. Pull-förfrågningar om nya funktioner kommer att avvisas, så vi rekommenderar att vi förvarar förvaret och gör ändringar i gaffeln till ditt användarfall. Detta förvar är upphovsrätt (c) 2013 VividCortex, Inc. Alla rättigheter förbehållna. Den är licensierad enligt MIT-licensen. Vänligen se LICENSFILEN för tillämpliga licensvillkor.