ง่าย เฉลี่ยเคลื่อนที่ C #

Average Moving Average คือค่าเฉลี่ยของข้อมูลที่คำนวณในช่วงระยะเวลาหนึ่ง ค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ราคาที่นิยมใช้มากที่สุดในการวิเคราะห์ทางเทคนิค ค่าเฉลี่ยนี้สามารถใช้กับราคาใด ๆ รวมถึงไฮ, ต่ำ, เปิดหรือปิดและสามารถใช้กับตัวบ่งชี้อื่นได้ด้วย ค่าเฉลี่ยเคลื่อนที่จะทำให้ชุดข้อมูลมีการปรับปรุงซึ่งมีความสำคัญมากในตลาดที่ผันผวนเนื่องจากช่วยในการระบุแนวโน้มที่สำคัญ Dundas Chart for Reporting Services มีค่าเฉลี่ยเคลื่อนที่ 4 ประเภท ได้แก่ Simple, Exponential เป็นรูปสามเหลี่ยม และถ่วงน้ำหนัก ความแตกต่างที่สำคัญที่สุดระหว่างค่าเฉลี่ยเคลื่อนที่ที่กล่าวมาข้างต้นเป็นวิธีที่พวกเขาให้น้ำหนักกับจุดข้อมูลของตน เราขอแนะนำให้คุณอ่านการใช้สูตรทางการเงินก่อนดำเนินการต่อ การใช้สูตรทางการเงินจะให้คำอธิบายโดยละเอียดเกี่ยวกับวิธีการใช้สูตรและอธิบายถึงตัวเลือกต่างๆที่คุณสามารถใช้ได้เมื่อใช้สูตร FormulaFinancial (FinancialFormula. MovingAverage, 20, Series 1: Y2, Series 2: Y) แผนภูมิเส้นเป็นทางเลือกที่ดีเมื่อแสดงค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ การตีความทางการเงิน: ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อเปรียบเทียบราคาหลักทรัพย์กับค่าเฉลี่ยเคลื่อนที่ องค์ประกอบที่สำคัญที่สุดที่ใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่คือช่วงเวลาซึ่งควรเท่ากับรอบการตลาดที่สังเกตได้ ค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ปกคลุมด้วยวัตถุฉนวนและมักจะอยู่เบื้องหลังราคา เมื่อราคามีแนวโนมคาเฉลี่ยเคลื่อนที่จะอยูใกลเคียงกับราคาหลักทรัพย เมื่อราคาขึ้นไปค่าเฉลี่ยเคลื่อนที่อาจลดลงเนื่องจากอิทธิพลของข้อมูลในอดีต การคำนวณ: ค่าเฉลี่ยเคลื่อนที่จะคำนวณโดยใช้สูตรต่อไปนี้: ในสูตรก่อนหน้าค่า n หมายถึงช่วงเวลา ระยะเวลาที่พบมากที่สุดคือ 10 วัน 50 วันและ 200 วัน ค่าเฉลี่ยเคลื่อนที่เคลื่อนที่เนื่องจากแต่ละจุดข้อมูลใหม่ถูกเพิ่มจุดข้อมูลที่เก่าที่สุดจะถูกลดลง ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายให้น้ำหนักเท่ากันกับแต่ละจุดข้อมูล ตัวอย่างนี้แสดงให้เห็นถึงวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ 20 วันโดยใช้สูตร Formula. I ต้องการพัฒนาการคำนวณสำหรับค่าเฉลี่ยของราคาหุ้นเคลื่อนไหว 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 บาร์ราคาแล้วคุณจะส่งอาร์เรย์ทั้งหมดของแถบและจะส่งกลับค่าอาร์เรย์ของค่า SMA แต่ถ้าคุณได้รับค่า 501 ใหม่แล้วคุณควรส่งอาร์เรย์ทั้งหมดอีกครั้งและ TA-Lib จะคำนวณและส่งคืนค่าของค่า SMA อีกครั้ง ตอนนี้คิดว่าคุณต้องมีตัวบ่งชี้ดังกล่าวในฟีดราคาจริงและสำหรับการเปลี่ยนแปลงราคาทุกครั้งคุณจะต้องมีค่าตัวบ่งชี้ใหม่ หากคุณมีตัวบ่งชี้หนึ่งตัวไม่ใช่ปัญหาใหญ่ แต่ถ้าคุณมีตัวชี้วัดหลายร้อยตัวทำงานอาจเป็นปัญหาประสิทธิภาพ ฉันอยู่ในสถานการณ์ดังกล่าวและเริ่มต้นการพัฒนาตัวชี้วัดแบบเรียลไทม์ที่มีประสิทธิภาพและทำการคำนวณเพิ่มเติมสำหรับแถบราคาใหม่หรือสำหรับแถบราคาที่เปลี่ยนแปลงเท่านั้น ไม่เป็นไรฉันไม่เคยต้องการตัวบ่งชี้ SMA สำหรับระบบการซื้อขายของฉัน แต่ฉันมีเช่น EMA, WMA, AD และอื่น ๆ ตัวบ่งชี้หนึ่งตัวดังกล่าวได้รับการเผยแพร่ในบล็อกของฉันและคุณสามารถดูได้จากโครงสร้างตัวบ่งชี้เรียลไทม์ของฉัน 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 หากคุณมีตัวบ่งชี้เพียงตัวเดียวไม่ใช่ปัญหาใหญ่ แต่ถ้าคุณมีตัวบ่งชี้หลายร้อยตัวทำงานอยู่อาจเป็นปัญหาประสิทธิภาพ ฉันอยู่ในสถานการณ์ดังกล่าวและเริ่มต้นการพัฒนาตัวชี้วัดแบบเรียลไทม์ที่มีประสิทธิภาพและทำการคำนวณเพิ่มเติมสำหรับแถบราคาใหม่หรือสำหรับแถบราคาที่เปลี่ยนแปลงเท่านั้น ไม่เป็นไรฉันไม่เคยต้องการตัวบ่งชี้ SMA สำหรับระบบการซื้อขายของฉัน แต่ฉันมีเช่น EMA, WMA, AD และอื่น ๆ ตัวบ่งชี้หนึ่งตัวดังกล่าวได้รับการเผยแพร่ในบล็อกของฉันและคุณสามารถดูได้จากโครงสร้างตัวบ่งชี้เรียลไทม์ของฉัน 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. เวลาในการดำเนินการของ TA-Lib ในอาร์เรย์ขององค์ประกอบ 10000 จะใช้เวลาประมาณ 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 ก่อนอื่นการแก้ไขคำสั่ง Boban. s ฟังก์ชันทั้งหมดใน TA-Lib สามารถคำนวณค่าสุดท้ายด้วยค่าต่ำสุดขององค์ประกอบ nquot 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 ด้วย SMA คุณจะต้องมีองค์ประกอบ n เพื่อคำนวณค่าเฉลี่ยมากกว่าองค์ประกอบ 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 ที่มีการตอบสนองอิมพัลส์ที่ไม่มีขีด จำกัด (IIR) คุณจะปลอดภัยกว่าการคำนวณข้อมูลทั้งหมดที่คุณมี ใช้ได้ TA-Lib ระบุในโค้ดซึ่งหน้าที่ของมันมีระยะเวลาที่ไม่เสถียร (IIR) แก้ไขโดยใช้ภาษาอังกฤษ Friday, August 15, 2008 4:20 AMI มีข้อมูลจำนวน 4000 หุ้นและคำนวณหาค่าเฉลี่ยเคลื่อนที่สำหรับค่าข้อมูลทั้งหมด แต่เนื่องจากการย้าย ค่าเฉลี่ยขึ้นอยู่กับข้อมูลก่อนหน้าและฉันไม่สามารถคำนวณ SMA 15 วันเป็นเวลา 14 วันแรกข้าม 14 วันแรกและคำนวณ SMA ในส่วนที่เหลือของข้อมูล และจะต้องใช้ LINQ เพื่อให้บรรลุ ทุกคนสามารถให้ตัวอย่างหรือคำใบ้วิธีการใช้ LINQ ในการคำนวณค่าเฉลี่ยเคลื่อนที่ผลผลิตสำหรับค่าเฉลี่ยอยู่ที่ประมาณ 500s i dont จริงๆเข้าใจว่าเป็นไปได้ที่จะได้รับค่าสูงที่ ย้าย averager กับผลรวมอาร์เรย์: 06072012 562,49 571,72 06082012 565,84 580,32 06112012 568,56 571,17 06122012 569,55 576,16 06132012 570,56 572,16 06142012 570,63 571,53 06152012 571,21 574,13 06182012 572,78 585,78 06192012 573,79 587,41 06202012 574,23 585,74 06212012 574,22 577,67 06222012 575,63 582,10 06252012 576,06 570,77 06262012 576,68 572,03 06272012 576,88 574.50 06282012 576.7 569.05 06292012 576.95 584.00 07022012 578.37 592.52 07032012 579.92 599.41 07032012 581.74 599.41 แก้ไขโดย Leemx ศุกร์, พฤศจิกายน 16, 2012 2:59 น. ย้ายโดย Lisa Zhu เจ้าหน้าที่ที่อาจเกิดขึ้นใน Microsoft วันจันทร์ที่ 19 พฤศจิกายน พ. ศ. 2555 เวลา 07:38 น. linq related (From. : เพื่อสร้างค่าเฉลี่ยเคลื่อนที่ฉันจะเริ่มต้นด้วยการสร้างช่วงตั้งแต่ 0 ถึง (ความยาวของรายการข้อมูล - ความยาวของระยะเวลาเคลื่อนที่) จากนั้นสำหรับแต่ละค่าในช่วง เลือกองค์ประกอบ x ถึง x 43 ระยะเวลาการเคลื่อนที่และคำนวณค่าเฉลี่ย คำสั่ง LINQ ที่ดีทั้งหมด: โปรดทราบว่านี่ไม่ได้มีประสิทธิภาพมากนักเนื่องจากคุณทำซ้ำในรายการข้อมูลสำหรับทุกๆค่าในช่วง .. Hey, look ระบบนี้อนุญาตให้มีลายเซ็นมากกว่า 60 cha แก้ไขโดย Arno Brouwer วันศุกร์พฤศจิกายน 23, 2012 4:42 PM Marked as answer โดย Alexander Sun เมื่อวันศุกร์ที่ 7 ธันวาคม พ. ศ. 2555 2:44 น. วันศุกร์ที่ 23 พฤศจิกายน พ. ศ. 2555 เวลา 4:41 น. คำตอบทั้งหมดข้อความ LINQ ของคุณจะช่วยได้ การเพิ่มประสิทธิภาพ quotPremature เป็นรากของ evil. quot ทั้งหมด - Knuth หากต้องการสร้างค่าเฉลี่ยเคลื่อนที่เราจะเริ่มจากการสร้างช่วงตั้งแต่ 0 ถึง (ความยาวของรายการข้อมูล - ความยาวของช่วงการเคลื่อนที่) จากนั้นสำหรับแต่ละค่าในช่วงเลือกองค์ประกอบ x เป็นระยะเวลาการเคลื่อนย้าย x 43 และคำนวณค่าเฉลี่ย คำสั่ง LINQ ที่ดีทั้งหมด: โปรดทราบว่านี่ไม่ได้มีประสิทธิภาพมากนักเนื่องจากคุณทำซ้ำในรายการข้อมูลสำหรับทุกๆค่าในช่วง .. Hey, look ระบบนี้อนุญาตให้มีลายเซ็นมากกว่า 60 cha แก้ไขโดย Arno Brouwer วันศุกร์พฤศจิกายน 23 ธันวาคม 2012 16:42 น. วันจันทร์ที่ 23 พฤศจิกายน พ. ศ. 2555 เวลา 20:43 น. วันอังคารที่ 23 พฤศจิกายน พ. ศ. 2555 เวลา 16:43 น. Microsoft กำลังดำเนินการสำรวจออนไลน์เพื่อทำความเข้าใจกับความคิดเห็นของคุณเกี่ยวกับเว็บไซต์ MSDN หากคุณเลือกที่จะเข้าร่วมการสำรวจออนไลน์จะนำเสนอแก่คุณเมื่อคุณออกจากเว็บไซต์ Msdn Web คุณต้องการเข้าร่วมช่วยเราปรับปรุง MSDN หรือไม่ เยี่ยมชมหน้า UserVoice ของเราเพื่อส่งและออกเสียงลงคะแนนในศูนย์ข้อมูล Dev ศูนย์การเรียนรู้ค่าเฉลี่ยค่าเฉลี่ยค่าเฉลี่ยเคลื่อนที่เฉลี่ยค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยคุณควรที่จะแก้ปัญหานี้ตามคำอธิบายงานโดยใช้ภาษาใด ๆ ที่คุณอาจรู้จัก คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆของชุดตัวเลข สร้างคลาการทำงานของรัฐที่ต้องใช้ระยะเวลาและส่งกลับค่าตามปกติที่ใช้ตัวเลขเป็นอาร์กิวเมนต์และส่งกลับค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยของอาร์กิวเมนต์จนถึงตอนนี้ ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยเป็นวิธีการคำนวณจำนวนกระแสเฉลี่ยโดยเฉลี่ยเพียง 160 หมายเลข 160 P จากสตรีม 160 ซึ่ง 160 P 160 เรียกว่าช่วงเวลา สามารถใช้งานได้โดยการเรียกใช้ initialing routine กับ 160 P 160 เป็นอาร์กิวเมนต์ของมัน 160 I (P), 160 ซึ่งควรจะคืนค่าตามปกติซึ่งเมื่อเรียกกับแต่ละสมาชิกต่อเนื่องของสตรีมตัวเลขคำนวณค่าเฉลี่ยของ ), 160 P 160 ตัวสุดท้ายของพวกเขาอนุญาตให้เรียก 160 SMA () นี้ คำ 160 160 stateful ในคำอธิบายงานหมายถึงต้อง 160 SMA () 160 เพื่อจดจำข้อมูลบางอย่างระหว่างการโทรไป 160 ระยะเวลา 160 P 160 ตู้ที่สั่งอย่างน้อย 160 160 หมายเลขสุดท้ายจากแต่ละ การโทรแต่ละครั้ง Stateful 160 หมายความว่าการเรียกเลขหมาย 160 I (), 160 initializer 160 ควรจะแยกแต่ละครั้งที่ทำ 160 ไม่ 160 รัฐที่บันทึกไว้เพื่อให้สามารถใช้ข้อมูลได้สองแบบ Pseudo-code สำหรับการใช้ 160 SMA 160 คือเวอร์ชันนี้ใช้คิวถาวรเพื่อเก็บค่า p ล่าสุด แต่ละฟังก์ชันที่ส่งกลับมาจาก init-moving-average จะมีสถานะเป็นอะตอมที่เก็บค่าคิวไว้ การใช้งานนี้ใช้รายการแบบวงกลมเพื่อจัดเก็บตัวเลขภายในหน้าต่างที่จุดเริ่มต้นของตัวชี้ย้ำแต่ละอันหมายถึงเซลล์ของรายการซึ่งเก็บค่าที่เพิ่งย้ายออกจากหน้าต่างและจะแทนที่ด้วยค่าที่เพิ่มขึ้น การใช้ Closure edit ปัจจุบันนี้ sma cant เป็น nogc เนื่องจากจัดสรรการปิดลงบน heap การวิเคราะห์หนีบางอย่างสามารถลบการจัดสรรฮีปได้ การใช้การแก้ไข Struct รุ่นนี้จะหลีกเลี่ยงการจัดสรรฮีปของการปิดเพื่อเก็บข้อมูลไว้ในกรอบกองซ้อนของฟังก์ชันหลัก เอาท์พุทเดียวกัน: เพื่อหลีกเลี่ยงการประมาณจุดลอยเก็บซ้อนขึ้นและการเจริญเติบโตรหัสสามารถดำเนินการรวมเป็นงวดในอาร์เรย์แถววงกลมทั้งหมด การใช้งานนี้จะสร้างอ็อบเจ็กต์ร่วมกันสองสถานะ (ฟังก์ชัน) เป็น idiomatic ใน E เพื่อแยกข้อมูลจาก output (อ่านจากเขียน) แทนที่จะรวมไว้ในวัตถุหนึ่ง โครงสร้างนี้เหมือนกับการใช้งาน Standard DeviationE โปรแกรม Elixir ด้านล่างสร้างฟังก์ชันที่ไม่ระบุตัวตนด้วยระยะเวลาฝังตัว p ซึ่งใช้เป็นระยะเวลาของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ฟังก์ชัน run จะอ่านข้อมูลตัวเลขและส่งผ่านไปยังฟังก์ชันที่ไม่ระบุตัวตนที่สร้างขึ้นใหม่จากนั้นตรวจสอบผลที่ได้รับจาก STDOUT ผลลัพธ์แสดงด้านล่างโดยมีค่าเฉลี่ยตามด้วยข้อมูลที่จัดกลุ่มซึ่งเป็นพื้นฐานของค่าเฉลี่ยเคลื่อนที่แต่ละค่า Erlang มีการปิด แต่ตัวแปรไม่เปลี่ยนรูป วิธีแก้ปัญหาคือการใช้กระบวนการและข้อความง่ายๆผ่าน API ตาม ภาษาเมทริกซ์มีขั้นตอนการคํานวณค่าเฉลี่ยการร่อนสําหรับลำดับรายการที่กำหนด มีประสิทธิภาพน้อยกว่าการวนรอบในคำสั่งต่อไปนี้ แจ้งให้ฉันป้อนข้อมูลอย่างต่อเนื่อง ซึ่งจะถูกเพิ่มลงในตอนท้ายของรายการ L1 L1 สามารถพบได้โดยการกด 2ND1 และค่าเฉลี่ยจะอยู่ใน ListOPS กด ON เพื่อยุติโปรแกรม รายการที่มีค่าเฉลี่ยของอาร์กิวเมนต์ที่ให้มาโปรแกรมที่ส่งคืนค่าที่ง่ายในแต่ละคำร้อง: รายการคือรายการที่มีค่าเฉลี่ย: p คือช่วง: 5 จะแสดงรายการค่าเฉลี่ย: ตัวอย่างที่ 2: การใช้โปรแกรม movinav2 (i. , 5) - เริ่มต้นการคำนวณค่าเฉลี่ยเคลื่อนที่และกำหนดระยะเวลา 5 movinav2 (3, x): x - ข้อมูลใหม่ในรายการ (ค่า 3) และผลลัพธ์จะถูกจัดเก็บในตัวแปร x และแสดง movinav2 (4, x) : x - ข้อมูลใหม่ (ค่า 4) และผลลัพธ์ใหม่จะถูกเก็บไว้ในตัวแปร x และแสดง (43) 2 คำอธิบายของฟังก์ชัน movinavg: ตัวแปร r - เป็นผลลัพธ์ (รายการเฉลี่ย) ที่จะถูกส่งคืนตัวแปร i - เป็นตัวแปรดัชนีและชี้ไปที่จุดสิ้นสุดของรายการย่อยที่รายการถูกเฉลี่ย ตัวแปร z - ตัวแปรผู้ช่วยเหลือฟังก์ชันใช้ตัวแปร i เพื่อกำหนดว่าค่าใดของรายการจะได้รับการพิจารณาในการคำนวณค่าเฉลี่ยถัดไป เมื่อทำซ้ำทุกครั้ง i ตัวแปรจะชี้ไปที่ค่าสุดท้ายในรายการที่จะใช้ในการคำนวณโดยเฉลี่ย ดังนั้นเราจะต้องคิดออกซึ่งจะเป็นค่าแรกในรายการ มักจะต้องพิจารณาองค์ประกอบ p ดังนั้นองค์ประกอบแรกจะเป็นดัชนีที่จัดทำดัชนีโดย (i-p1) อย่างไรก็ตามในการทำซ้ำครั้งแรกที่การคำนวณมักจะเป็นค่าลบดังนั้นสมการต่อไปนี้จะหลีกเลี่ยงดัชนีเชิงลบ: max (i-p1,1) หรือการจัดสมการ max (i-p, 0) 1 แต่จำนวนขององค์ประกอบในการทำซ้ำครั้งแรกจะเล็กลงค่าที่ถูกต้องจะเป็น (ดัชนีสิ้น - เริ่มดัชนีที่ 1) หรือการจัดสมการ (i - (max (ip, 0) 1) 1) แล้ว , (i-max (ip, 0)) ตัวแปร z มีค่าร่วมกัน (max (ip), 0) ดังนั้น beginindex จะเป็น (z1) และ numberofelements จะเป็น (iz) mid (list, z1, iz) จะคืนค่ารายการที่จะรวมเป็นค่าเฉลี่ย ( .) จะรวมพวกเขา sum (.) (iz) ri จะเฉลี่ยพวกเขาและเก็บผลในสถานที่ที่เหมาะสมในรายการผลลัพธ์ fp1 สร้างโปรแกรมบางส่วนกำหนด (ในกรณีนี้) พารามิเตอร์ที่สองและสาม