การย้าย ค่าเฉลี่ย ง่าย รหัส

MetaTrader 4 - ผู้เชี่ยวชาญการย้ายค่าเฉลี่ย - ผู้เชี่ยวชาญด้าน MetaTrader 4 ผู้เชี่ยวชาญด้านการย้ายเฉลี่ยสำหรับการสร้างสัญญาณการค้าใช้ค่าเฉลี่ยเคลื่อนที่หนึ่งค่า การเปิดและปิดตำแหน่งจะดำเนินการเมื่อค่าเฉลี่ยเคลื่อนที่ตรงกับราคาที่แถบที่เพิ่งมีการสร้าง (ดัชนีแท่งเท่ากับ 1) ขนาดจำนวนมากจะได้รับการปรับให้เหมาะสมตามอัลกอริทึมพิเศษ ที่ปรึกษาผู้เชี่ยวชาญวิเคราะห์ความสอดคล้องกันของค่าเฉลี่ยเคลื่อนที่และแผนภูมิราคาในตลาด การตรวจสอบทำได้โดยใช้ฟังก์ชัน CheckForOpen () ถ้าค่าเฉลี่ยเคลื่อนที่ตรงแถบไปในทางที่อดีตสูงกว่าราคาเปิด แต่ต่ำกว่าราคาปิดจะมีการเปิดสถานะซื้อ หากค่าเฉลี่ยเคลื่อนที่ตรงแถบตามวิธีที่อดีตต่ำกว่าราคาเปิด แต่สูงกว่าราคาปิดจะมีการเปิดสถานะขาย การจัดการด้านการเงินที่ใช้ในผู้เชี่ยวชาญทำได้ง่ายมาก แต่มีประสิทธิภาพ: การควบคุมปริมาณตำแหน่งแต่ละครั้งขึ้นอยู่กับผลการดำเนินการก่อนหน้านี้ อัลกอริธึมนี้ถูกใช้โดยฟังก์ชัน LotsOptimized () ขนาดล็อตพื้นฐานจะคำนวณตามความเสี่ยงที่อนุญาตสูงสุด: พารามิเตอร์ MaximumRisk จะแสดงเปอร์เซ็นต์ความเสี่ยงขั้นพื้นฐานสำหรับแต่ละธุรกรรม มักมีค่าระหว่าง 0.01 (1) ถึง 1 (100) ตัวอย่างเช่นถ้า Free Margin (AccountFreeMargin) เท่ากับ 20,500 และกฎการจัดการเงินทุนกำหนดให้ใช้ความเสี่ยงของ 2 จำนวนล็อตพื้นฐานจะทำให้ 20500 0.02 1000 0.41 การควบคุมความถูกต้องของขนาดของล็อตเป็นสิ่งสำคัญมากและทำให้ผลลัพธ์เป็นไปตามปกติโดยมีค่าที่ยอมรับได้ โดยปกติจะอนุญาตให้เศษส่วนที่มีขั้นตอนที่ 0.1 ขึ้นไป ธุรกรรมที่มีปริมาณ 0.41 จะไม่ถูกดำเนินการ NormalizeDouble () ใช้ฟังก์ชันความถูกต้องไม่เกิน 1 ตัวหลังจากจุด ซึ่งส่งผลให้จำนวนพื้นฐานของ 0.4 การคำนวณล็อตล็อตพื้นฐานบนพื้นฐานของอัตรากำไรฟรีช่วยให้สามารถเพิ่มปริมาณการดำเนินงานได้ขึ้นอยู่กับความสำเร็จในการซื้อขายเช่นการค้ากับ reinvesting นี่คือกลไกพื้นฐานที่มีการจัดการเงินทุนที่จำเป็นเพื่อเพิ่มประสิทธิภาพในการซื้อขาย DecreaseFactor คือขอบเขตที่ขนาดของล็อตจะลดลงหลังจากการซื้อขายที่ไม่มีประโยชน์ ค่าปกติคือ 2,3,4,5 หากการทำธุรกรรมก่อนหน้านี้ไม่ทำกำไรปริมาณที่ตามมาจะลดลงตามปัจจัย DecreaseFactor เพื่อรอช่วงที่ไม่สามารถทำกำไรได้ นี่คือปัจจัยหลักในขั้นตอนวิธีการจัดการทุน ความคิดนี้ง่ายมาก: ถ้าการซื้อขายประสบความสำเร็จเพิ่มขึ้นผู้เชี่ยวชาญจะทำงานร่วมกับข้อมูลพื้นฐานที่ทำกำไรสูงสุด หลังจากการทำธุรกรรมที่ไม่มีประโยชน์ครั้งแรกผู้เชี่ยวชาญจะลดความเร็วจนกว่าจะมีการทำรายการใหม่ที่เป็นบวก อัลกอริธึมช่วยให้สามารถลดความเร็วลงได้โดยทำอย่างใดอย่างหนึ่งต้องระบุ DecreaseFactor 0 จำนวนธุรกรรมที่ไม่สามารถทำกำไรครั้งล่าสุดได้รับการคำนวณในประวัติการค้า จำนวนขั้นพื้นฐานจะถูกคำนวณใหม่บนพื้นฐานนี้ดังนั้นอัลกอริทึมจะช่วยให้สามารถลดความเสี่ยงที่เกิดขึ้นได้อย่างมีประสิทธิภาพอันเนื่องมาจากการทำรายการที่ไม่ก่อให้เกิดกำไรจำนวนมากต้องได้รับการตรวจสอบขนาดของล็อตที่อนุญาตต่ำสุดเมื่อสิ้นสุดการทำงานเนื่องจาก การคำนวณที่ทำไว้ก่อนหน้านี้อาจส่งผลให้เกิดข้อผิดพลาด 0: ผู้เชี่ยวชาญส่วนใหญ่มีไว้สำหรับการทำงานกับช่วงเวลารายวันและในโหมดการทดสอบ - สำหรับการทำในราคาที่ใกล้เคียง มันจะค้าเฉพาะที่เปิดบาร์ใหม่นั่นคือเหตุผลที่โหมดของการทำแบบจำลองทุกติ๊กไม่จำเป็นต้อง ผลการทดสอบจะแสดงในรายงานฉันรู้ว่านี่ทำได้ด้วยการเพิ่มตาม: แต่ฉันต้องการหลีกเลี่ยงการเพิ่ม ฉันมี googled และไม่พบตัวอย่างที่เหมาะสมหรืออ่านได้ โดยทั่วไปฉันต้องการติดตามค่าเฉลี่ยเคลื่อนที่ของสตรีมกระแสข้อมูลจำนวนจุดลอยโดยใช้ตัวเลข 1000 ครั้งล่าสุดเป็นตัวอย่างข้อมูล วิธีที่ง่ายที่สุดในการทำแบบทดสอบนี้คือการใช้อาร์เรย์แบบวงกลมค่าเฉลี่ยเคลื่อนที่แบบเสวนาและค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายกว่าและพบว่าผลลัพธ์จากอาร์เรย์แบบวงกลมเหมาะกับความต้องการของฉันมากที่สุด ถาม 12 มิ.ย. 12 เวลา 4:38 หากความต้องการของคุณเรียบง่ายคุณอาจลองใช้ค่าเฉลี่ยเคลื่อนที่แบบเสวนา ใส่เพียงแค่คุณสร้างตัวแปรสะสมและเมื่อโค้ดของคุณดูที่ตัวอย่างแต่ละโค้ดจะอัปเดตข้อมูลสะสมด้วยค่าใหม่ คุณสามารถเลือกค่า alpha คงที่ระหว่าง 0 ถึง 1 และคำนวณค่านี้: คุณเพียงแค่หาค่า alpha ที่ผลของตัวอย่างที่กำหนดจะใช้เวลาประมาณ 1000 ตัวอย่างเท่านั้น อืมฉันไม่แน่ใจว่านี่เหมาะกับคุณแล้วตอนนี้ฉันวางมันไว้ที่นี่แล้ว ปัญหาคือ 1000 เป็นหน้าต่างยาวสวยสำหรับค่าเฉลี่ยเคลื่อนที่ที่อธิบายไม่แน่ใจว่ามีอัลฟาที่จะกระจายค่าเฉลี่ยมากกว่า 1000 หมายเลขล่าสุดโดยไม่ต้อง underflow ในการคำนวณจุดลอย แต่ถ้าคุณต้องการค่าเฉลี่ยที่เล็กลงเช่น 30 ตัวเลขหรือมากกว่านี่เป็นวิธีที่ง่ายและรวดเร็วในการดำเนินการ ตอบ 12 มิ.ย. 12 เวลา 4:44 1 ในโพสต์ของคุณ ค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้จะทำให้ตัวแปรอัลฟ่าเป็นตัวแปรได้ ดังนั้นจึงช่วยให้สามารถใช้คำนวณค่าเฉลี่ยของฐานเวลา (เช่นไบต์ต่อวินาที) ถ้าเวลานับตั้งแต่การอัปเดตสะสมครั้งล่าสุดเป็นเวลามากกว่า 1 วินาทีคุณจะยอมให้ alpha เป็น 1.0 มิเช่นนั้นคุณสามารถปล่อยให้ alpha เป็น (usecs ตั้งแต่ update1000000 ครั้งล่าสุด) ndash jxh Jun 12 12 at 6:21 โดยทั่วไปฉันต้องการติดตามค่าเฉลี่ยเคลื่อนที่ของกระแสอย่างต่อเนื่องของกระแสตัวเลขจุดลอยใช้ล่าสุด 1000 หมายเลขเป็นตัวอย่างข้อมูล โปรดทราบว่าด้านล่างปรับปรุงชุดค่าผสมทั้งหมดเป็นองค์ประกอบที่เพิ่มขึ้นโดยไม่ต้องเสียค่าใช้จ่ายในการคำนวณ O (N) traversal เพื่อคำนวณผลรวม - จำเป็นสำหรับค่าเฉลี่ย - ตามความต้องการ ทั้งหมดถูกกำหนดเป็นพารามิเตอร์อื่นจาก T เพื่อสนับสนุนเช่น ใช้ยาวนานเมื่อรวม 1000 ยาว s, int สำหรับ char s หรือ double เพื่อรวม float s นี่เป็นบิตที่มีข้อบกพร่องในการที่ numsamples อาจผ่าน INTMAX - ถ้าคุณสนใจคุณสามารถใช้ unsigned long long หรือใช้สมาชิกข้อมูล bool พิเศษเพื่อบันทึกเมื่อเติมคอนเทนเนอร์เป็นครั้งแรกในขณะที่วนรอบ numsamples รอบ (ดีที่สุดแล้วเปลี่ยนชื่อบางอย่างที่ไม่เป็นอันตรายเช่น pos) ตอบ 12 มิ.ย. 12 at 5:19 สมมติว่าตัวดำเนินการ quotvoid (T sample) quot ก็คือ quotvoid operatorltlt (T sample) quot ndash o วันที่ 8 มิ.ย. 14 เวลา 11:52 น. oPhút ahhh เห็นดี จริงฉันตั้งใจจะให้โมฆะดำเนิน () (T ตัวอย่าง) แต่แน่นอนคุณสามารถใช้สิ่งที่คุณต้องการสัญกรณ์. จะแก้ไขขอบคุณ ndash Tony D Jun 8 14 at 14: 27 การคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่แบบง่าย Hello this is MaximumBarsLookBack greeting ขอบคุณสำหรับข้อมูล ตอนนี้ฉันได้ลองตั้งค่าต่างๆแล้วเปลี่ยนสูตร recursive สุดท้ายฉันพบปัญหาจริง: ตัวบ่งชี้ recursive ทำงานเฉพาะถ้าคุณเปลี่ยนการตั้งค่าเริ่มต้นเป็น MaximumBarsLookBack. Infinite ดังนั้นตัวบ่งชี้ทั้งหมดที่มีสูตร recursive ต้องใช้การตั้งค่านี้ ปัญหานี้แสดงถึงปัญหาของ NinjaTrader อีกครั้ง เนื่องจาก NT 7 ยังคงเป็นหมูหน่วยความจำเมื่อเทียบกับ MultiCharts developpers พยายามลดภาระหน่วยความจำ ผลลัพธ์ที่ถูกต้องเสียสละเพื่อลดการใช้หน่วยความจำ สำหรับตัวบ่งชี้ทุกตัวที่ใช้สูตร recursive คุณจำเป็นต้องปรับเปลี่ยนรหัสบ่งชี้และเพิ่มบรรทัดในส่วน Initialize ของตัวบ่งชี้ นอกจากนี้ยังใช้กับ SMA และ EMA เมื่อการเปลี่ยนแปลงเกิดขึ้น NinjaTrader จะใช้หน่วยความจำมากขึ้น แต่ผลลัพธ์จะถูกต้องฉันต้องการคำนวณการคำนวณราคาหุ้นเฉลี่ย แต่การคำนวณที่ซับซ้อนมากได้รับการวางแผนในภายหลัง ขั้นตอนแรกของฉันเพื่อทราบวิธีคำนวณ Average Moving อย่างมีประสิทธิภาพ ฉันต้องการทราบวิธีการป้อนข้อมูลและส่งคืนข้อมูลอย่างมีประสิทธิภาพ พิจารณาวันที่และราคา วันเดือนปีราคาและค่าเฉลี่ยเคลื่อนที่ ถ้าฉันมี 500 ระเบียนและฉันต้องการคำนวณค่าเฉลี่ยเคลื่อนที่เป็นเวลา 5 วันวิธีที่ effient แทนที่จะไปกลับในอาร์เรย์ของวันที่และราคาอีกครั้งโปรด sugest วิธีที่ดีที่สุดในการรับ input คืออะไร (ArrayList, Table, array ฯลฯ ) และส่งกลับ หมายเหตุ: วันนี้ MA 5 วันจะเป็นค่าเฉลี่ย 5 วันล่าสุดรวมทั้งราคาปัจจุบัน เมื่อวานนี้ MA จะเฉลี่ย 5 วันล่าสุดจากวันวาน ฉันต้องการเก็บวันที่จะมีความยืดหยุ่นแทน 5 อาจเป็น 9, 14, 20 เป็นต้นพฤหัสบดี 10 เมษายน 2008 3:21 PM หากคุณต้องการการคำนวณง่ายๆโดยไม่ต้องใช้ความพยายามมากกว่าที่คุณสามารถใช้ TA-Lib แต่ถ้าคุณต้องการให้การคำนวณของคุณมีประสิทธิภาพมากกว่า TA-Lib คุณสามารถสร้างตัวบ่งชี้ทางเทคนิคของคุณเองได้ TA - Lib ดีมาก แต่ปัญหาคือไลบรารีนี้มีวิธีการแบบคงที่เท่านั้น นั่นหมายความว่าเมื่อคุณต้องการคำนวณค่าอาเรย์ SMA จาก 500 บาร์ราคาแล้วคุณจะส่งอาร์เรย์ทั้งหมดของแถบและจะส่งกลับอาร์เรย์ของค่า SMA แต่ถ้าคุณได้รับค่า 501 ใหม่แล้วคุณควรส่งอาร์เรย์ทั้งหมดอีกครั้งและ TA-Lib จะคำนวณและส่งคืนค่าของค่า SMA อีกครั้ง ตอนนี้คิดว่าคุณต้องมีตัวบ่งชี้ดังกล่าวในฟีดราคาจริงและสำหรับการเปลี่ยนแปลงราคาทุกครั้งคุณต้องมีค่าตัวบ่งชี้ใหม่ หากคุณมีตัวบ่งชี้หนึ่งตัวไม่ใช่ปัญหาใหญ่ แต่ถ้าคุณมีตัวชี้วัดหลายร้อยตัวทำงานอาจเป็นปัญหาประสิทธิภาพ ฉันอยู่ในสถานการณ์ดังกล่าวและเริ่มต้นการพัฒนาตัวชี้วัดแบบเรียลไทม์ที่มีประสิทธิภาพและทำการคำนวณเพิ่มเติมสำหรับแถบราคาใหม่หรือสำหรับแถบราคาที่เปลี่ยนแปลงเท่านั้น ไม่เป็นไรฉันไม่เคยต้องการตัวบ่งชี้ SMA สำหรับระบบการซื้อขายของฉัน แต่ฉันมีเช่น EMA, WMA, AD และอื่น ๆ ตัวบ่งชี้หนึ่งตัวดังกล่าวจะถูกเผยแพร่ในบล็อกของฉันและคุณสามารถดูได้จากโครงสร้างตัวบ่งชี้เรียลไทม์ของฉัน ฉันหวังว่าคุณจะต้องมีการเปลี่ยนแปลงเล็กน้อยเพื่อใช้ตัวบ่งชี้ SMA เนื่องจากเป็นหนึ่งในแบบที่ง่ายที่สุด ตรรกะเป็นเรื่องง่าย ในการคำนวณ SMA ทั้งหมดที่คุณต้องมีค่า n ราคาล่าสุด ตัวอย่างเช่นชั้นจะมีการเก็บรวบรวมราคาที่จะเก็บไว้เฉพาะจำนวน n ราคาสุดท้ายเป็น SMA กำหนด (ในกรณีของคุณ 5) ดังนั้นเมื่อคุณมีแถบใหม่คุณจะลบที่เก่าที่สุดและเพิ่มใหม่และสร้างการคำนวณ วันพฤหัสบดีที่ 10 เมษายน 2008 เวลา 04:04 น. All replies มีห้องสมุดที่เรียกว่า TA-Lib ซึ่งทำทุกอย่างให้คุณและเป็นโอเพ่นซอร์ส มีตัวบ่งชี้ประมาณ 50 ตัวที่ฉันคิด ใดก็ตามเราใช้มันในสภาพแวดล้อมการผลิตและมีประสิทธิภาพมากและเป็นจริง คุณสามารถใช้มันใน C, Java, C, ฯลฯ หากคุณต้องการคำนวณง่ายๆโดยไม่ต้องใช้ความพยายามของคุณมากกว่าที่คุณสามารถใช้ TA - Lib แต่ถ้าคุณต้องการให้การคำนวณของคุณมีประสิทธิภาพมากกว่า TA-Lib คุณสามารถสร้างตัวบ่งชี้ทางเทคนิคของคุณเองได้ TA - Lib ดีมาก แต่ปัญหาคือไลบรารีนี้มีวิธีการแบบคงที่เท่านั้น นั่นหมายความว่าเมื่อคุณต้องการคำนวณค่าอาเรย์ SMA จาก 500 บาร์ราคาแล้วคุณจะส่งอาร์เรย์ทั้งหมดของแถบและจะส่งกลับอาร์เรย์ของค่า SMA แต่ถ้าคุณได้รับค่า 501 ใหม่แล้วคุณควรส่งอาร์เรย์ทั้งหมดอีกครั้งและ TA-Lib จะคำนวณและส่งคืนค่าของค่า SMA อีกครั้ง ตอนนี้คิดว่าคุณต้องมีตัวบ่งชี้ดังกล่าวในฟีดราคาจริงและสำหรับการเปลี่ยนแปลงราคาทุกครั้งคุณต้องมีค่าตัวบ่งชี้ใหม่ หากคุณมีตัวบ่งชี้หนึ่งตัวไม่ใช่ปัญหาใหญ่ แต่ถ้าคุณมีตัวชี้วัดหลายร้อยตัวทำงานอาจเป็นปัญหาประสิทธิภาพ ฉันอยู่ในสถานการณ์ดังกล่าวและเริ่มต้นการพัฒนาตัวชี้วัดแบบเรียลไทม์ที่มีประสิทธิภาพและทำการคำนวณเพิ่มเติมสำหรับแถบราคาใหม่หรือสำหรับแถบราคาที่เปลี่ยนแปลงเท่านั้น ไม่เป็นไรฉันไม่เคยต้องการตัวบ่งชี้ SMA สำหรับระบบการซื้อขายของฉัน แต่ฉันมีเช่น EMA, WMA, AD และอื่น ๆ ตัวบ่งชี้หนึ่งตัวดังกล่าวจะถูกเผยแพร่ในบล็อกของฉันและคุณสามารถดูได้จากโครงสร้างตัวบ่งชี้เรียลไทม์ของฉัน ฉันหวังว่าคุณจะต้องมีการเปลี่ยนแปลงเล็กน้อยเพื่อใช้ตัวบ่งชี้ SMA เนื่องจากเป็นหนึ่งในแบบที่ง่ายที่สุด ตรรกะเป็นเรื่องง่าย ในการคำนวณ SMA ทั้งหมดที่คุณต้องมีค่า n ราคาล่าสุด ตัวอย่างเช่นชั้นจะมีการเก็บรวบรวมราคาที่จะเก็บไว้เฉพาะจำนวน n ราคาสุดท้ายเป็น SMA กำหนด (ในกรณีของคุณ 5) ดังนั้นเมื่อคุณมีแถบใหม่คุณจะลบที่เก่าที่สุดและเพิ่มใหม่และสร้างการคำนวณ ฉันจะคำนวณค่าเฉลี่ยเคลื่อนที่ในฐานข้อมูลผ่านขั้นตอนที่เก็บไว้หรือใน cube คุณเคยดู Analysis Services แล้วมีความสามารถในการคำนวณค่าเฉลี่ยเคลื่อนที่ได้หรือไม่ วันพฤหัสบดีที่ 10 เมษายน 2008 เวลา 16:05 น. ใช่ TA-LIB ดี แต่อาจไม่เหมาะสำหรับฉัน เมื่อฉันเพิ่มค่าใหม่หรือค่าที่อัพเดตสำหรับประวัติของเร็กคอร์ดฉันจะทำการคำนวณในฟังก์ชันแยกต่างหากสำหรับใบเสนอราคาใหม่และเก็บไว้ในฐานข้อมูล ฉันกำลังวางแผนที่จะปรับปรุงใบเสนอราคาทุกๆชั่วโมง ฉันต้องทำประมาณ 25 ถึง 30 ตัวชี้วัดทางเทคนิคสำหรับ 2200 หุ้น วันพฤหัสบดีที่ 10 เมษายน 2551 เวลา 5: 51 น. เวลาในการดำเนินการของการเรียกใช้ TA-Lib ในอาร์เรย์ขององค์ประกอบ 10000 ชิ้นใช้เวลาประมาณ 15 มิลลิวินาที (บน Intel Core Duo 2.13 Ghz) นี่คือค่าเฉลี่ยของฟังก์ชันทั้งหมด SMA ที่เร็วที่สุดใช้เวลาไม่ถึง 2.5 มิลลิวินาที HTTRENDMODE ที่ช้าที่สุดใช้เวลาประมาณ 450 มิลลิวินาที มีองค์ประกอบน้อยกว่าจะเร็วขึ้น SMA ใช้เวลาประมาณ 0.22 มิลลิวินาทีสำหรับส่วนประกอบอินพุท 1000 ตัว การเพิ่มความเร็วเป็นแบบเส้นตรง (ค่าใช้จ่ายในการดำเนินการเรียกฟังก์ชันนั้นไม่สำคัญ) ในบริบทของแอ็พพลิเคชันของคุณ TA-Lib ไม่น่าจะเป็นปัญหาคอขวดของคุณสำหรับประสิทธิภาพของความเร็ว นอกจากนี้ฉันโดยทั่วไปไม่แนะนำให้โซลูชันดังกล่าว quotlast nquot อ่านด้านล่างเพื่อดูรายละเอียด ขั้นแรกแก้ไขคำสั่ง Boban. s ฟังก์ชันทั้งหมดใน TA-Lib สามารถคำนวณค่าสุดท้ายด้วยค่าต่ำสุดขององค์ประกอบ nquot ในข้อความ คุณสามารถมีอาร์เรย์ขนาด 10000 มีข้อมูลเริ่มต้นเฉพาะสำหรับ 500 องค์ประกอบแรกเพิ่มองค์ประกอบหนึ่งและเรียกใช้ TA-Lib เพื่อคำนวณ SMA เฉพาะสำหรับองค์ประกอบใหม่เท่านั้น TA-Lib จะมองย้อนกลับไม่เกินความจำเป็น (ถ้า SMA เป็น 5 แล้ว TA-Lib จะคำนวณ SMA เพียงค่าเดียวโดยใช้ 5 ค่าล่าสุด) นี่เป็นไปได้ด้วยพารามิเตอร์ startIdx และ endIdx คุณสามารถระบุช่วงที่จะคำนวณหรือค่าเดียว ในสถานการณ์สมมตินี้คุณจะทำ startIdx endIdx 500 เพื่อคำนวณองค์ประกอบ 501st เหตุใดโซลูชัน nquot quotlast ดังกล่าวอาจเป็นอันตรายต่อบางส่วนไม่ว่าจะเลือกโซลูชัน Boban. s หรือ TA-Lib พิจารณาว่าการใช้ข้อมูลจำนวน จำกัด ที่ จำกัด ในอดีตจะทำงานได้ดีกับฟังก์ชัน TA ส่วนใหญ่ กับ SMA เป็นที่ชัดเจนว่าคุณต้องการเพียงองค์ประกอบ n เพื่อคำนวณค่าเฉลี่ยขององค์ประกอบ n ไม่เหมือนกับ EMA (และฟังก์ชั่น TA อื่น ๆ ) อัลโกมักขึ้นอยู่กับค่าก่อนหน้าในการคำนวณค่าใหม่ ฟังก์ชันนี้เป็นแบบทับซ้อน นั่นหมายความว่าค่านิยมในอดีตทั้งหมดมีอิทธิพลต่อค่าในอนาคต หากคุณตัดสินใจที่จะกำหนดจำนวนอัลมาของคุณเพื่อใช้ค่า n ในช่วงที่ผ่านมาเพียงเล็กน้อยคุณจะไม่ได้รับผลลัพธ์เช่นเดียวกับคนที่คำนวณค่าที่ผ่านมาจำนวนมาก การแก้ปัญหาคือการประนีประนอมระหว่างความเร็วและความแม่นยำ ฉันมักจะพูดถึงเรื่องนี้ในบริบทของ TA-Lib (ฉันเรียกว่าช่วงเวลาที่ไม่สามารถแก้ไขได้ในเอกสารและฟอรัม) เพื่อให้ง่ายคำแนะนำทั่วไปของฉันคือถ้าคุณไม่สามารถสร้างความแตกต่างระหว่าง algo กับการตอบสนองของ impulse จำกัด (FIR) จาก algo ที่มีการตอบสนองอิมพัลส์ที่ไม่สิ้นสุด (IIR) คุณจะปลอดภัยกว่าการคำนวณข้อมูลทั้งหมดที่คุณมี ใช้ได้ TA-Lib ระบุในโค้ดซึ่งหน้าที่ของมันมีระยะเวลาที่ไม่เสถียร (IIR) แก้ไขโดย mfortier วันศุกร์ที่ 15 สิงหาคม 2551 เวลา 4:25 น. แก้ไขประโยคภาษาอังกฤษวันศุกร์ที่ 15 สิงหาคม 2551 เวลา 4:20 น.