Promedio Móvil Simple C ++

En mi aplicación comercial tengo ticks vivos de los precios de las acciones. Necesito mantener SMA. Supongamos que quiero SMA de 20 velas, donde la duración de cada vela es de 10 segundos. Esto significa que Cada 10 segundos tengo checkpoint donde: cierro la vela actual y almacén precio promedio de los últimos 10 segundos. Promedio es (max - min) / 2 Empiezo una nueva vela y almacén el último precio. Limpio la vela anticuada. Actualizo el último precio de la vela formadora actual y recalculo SMA. Así que en cualquier marca que necesito recalcular SMA. En la mayoría de los casos sólo se cambia el precio de la última vela (porque usamos el último precio). Una vez por cada 10 segundos necesito un poco más de trabajo extra - necesito olvidar el promedio de la vela anticuada, y almacenar el promedio de la vela recién creada. ¿Puede sugerir cómo implementar esto con menor latencia La latencia baja es el requisito principal. No estoy seguro de si este es el enfoque que buscas, pero aquí está el pseudocódigo para SMAs muy rápido. Simple Moving Average: Supongo que sus datos vienen en la forma de algún flujo y se almacenan en la memoria continua (por lo menos con direcciones continuamente asignables) De esa manera con dos adiciones y una multiplicación (con 1/2000) Promedios para las nuevas garrapatas. Media móvil exponencial: Esa es una alternativa decente, como se mencionó anteriormente: Aquí no es realmente una media móvil de N días. Su sólo una media móvil ponderada con 87 weightage a los últimos N-días, por lo que casi N-días es más como él. Nota sobre las optimizaciones del compilador: Tenga en cuenta que activar las opciones de SSE o AVX, si está disponible, permitirá una aceleración masiva de estos algoritmos, ya que varios cálculos pueden producirse en un solo ciclo de CPU. Sé que esto es alcanzable con el impulso como: Como para evitar el uso de impulso. He googled y no he encontrado ningún ejemplo adecuado o legible. Básicamente, quiero seguir el promedio móvil de una corriente en curso de una corriente de números de punto flotante utilizando los números 1000 más recientes como una muestra de datos. ¿Cuál es la manera más fácil de lograr esto que experimenté con el uso de una matriz circular, media móvil exponencial y una media móvil más simple y encontró que los resultados de la matriz circular se adapta a mis necesidades mejor. Si sus necesidades son simples, puede intentar usar una media móvil exponencial. Puesto simplemente, usted hace una variable del acumulador, y como su código mira cada muestra, el código actualiza el acumulador con el nuevo valor. Usted escoge un alfa constante que está entre 0 y 1, y calcule esto: Usted apenas necesita encontrar un valor del alfa donde el efecto de una muestra dada dura solamente cerca de 1000 muestras. Hmm, no estoy realmente seguro de que esto es adecuado para usted, ahora que he puesto aquí. El problema es que 1000 es una ventana bastante larga para un promedio móvil exponencial No estoy seguro de que haya un alpha que se extendería el promedio en los últimos 1000 números, sin subflujo en el cálculo de punto flotante. Pero si usted quisiera un promedio más pequeño, como 30 números o tan, esto es una manera muy fácil y rápida de hacerla. Respondió 12 de junio a las 4:44 1 en su puesto. El promedio móvil exponencial puede permitir que el alfa sea variable. Así, esto permite que se utilice para calcular promedios de base de tiempo (por ejemplo, bytes por segundo). Si el tiempo transcurrido desde la última actualización del acumulador es de más de 1 segundo, deje que alfa sea 1.0. De lo contrario, puede permitir que alpha be (usecs desde la última actualización / 1000000). Ndash jxh 12 de junio a las 6:21 Básicamente, quiero seguir el promedio móvil de una corriente en curso de una corriente de números de punto flotante usando los números 1000 más recientes como una muestra de datos. Tenga en cuenta que el siguiente actualiza el total como elementos añadidos / reemplazados, evitando costosos recorridos O (N) para calcular la suma - necesaria para el promedio - a la demanda. Total se hace un parámetro diferente de T a soporte, p. Usando un largo largo cuando totalizan 1000 long s, un int para char s, o un doble a total float s. Esto es un poco defectuoso en que numsamples podría ir más allá de INTMAX - si te importa que podría utilizar un unsigned mucho tiempo. O utilice un miembro de datos de bool extra para grabar cuando el contenedor se rellena primero mientras cicla numsamples alrededor de la matriz (mejor entonces cambia el nombre de algo inocuo como pos). Respondió el 12 de Junio ​​12 a las 5:19 se supone que el operador quotvoid (T sample) quot es realmente operador quotvoid (T sample) quot. Ndash oPless Jun 8 14 at 11:52 oPless ahhh. bien descrito. En realidad quería que fuera para ser operador vacío () (T muestra), pero por supuesto, usted podría utilizar cualquier notación que te gustaba. Se arreglará, gracias. Ndash Tony D Jun 8 14 a las 14: 27¿Es posible implementar una media móvil en C sin la necesidad de una ventana de muestras Ive encontró que puedo optimizar un poco, al elegir un tamaño de ventana thats una potencia de dos para permitir bit - cambiar en vez de dividir, pero no necesitar un amortiguador sería agradable. ¿Existe una manera de expresar un nuevo promedio móvil sólo como una función del resultado anterior y la nueva muestra Definir un ejemplo de media móvil, a través de una ventana de 4 muestras para ser: Agregar nueva muestra e: Un promedio móvil se puede implementar recursivamente , Pero para un cálculo exacto de la media móvil tiene que recordar la más antigua muestra de entrada en la suma (es decir, el a en su ejemplo). Para una longitud N de media móvil se calcula: donde yn es la señal de salida y xn es la señal de entrada. Eq. (1) se puede escribir recursivamente como Así que siempre necesita recordar la muestra xn-N para calcular (2). Como señaló Conrad Turner, puede usar una ventana exponencial (infinitamente larga) que le permite calcular la salida sólo de la salida anterior y la entrada actual: pero esto no es una media móvil estándar (no ponderada), sino una relación exponencial (Por lo menos en teoría) nunca se olvida nada (los pesos sólo se hacen más pequeños y más pequeños para las muestras en el pasado). Implementé un promedio móvil sin memoria de elementos individuales para un programa de seguimiento GPS que escribí. Empiezo con 1 muestra y divido por 1 para obtener la media actual. A continuación, añadir otra muestra y dividir por 2 a la actual media. Esto continúa hasta que consigo a la longitud del promedio. Cada vez después, agrego la nueva muestra, obtengo el promedio y elimino ese promedio del total. No soy un matemático, pero esto parecía una buena manera de hacerlo. Pensé que se convertiría en el estómago de un verdadero matemático, pero, resulta que es una de las maneras aceptadas de hacerlo. Y funciona bien. Sólo recuerde que cuanto más alto sea su longitud, más lento seguirá lo que desea seguir. Eso puede no importar la mayor parte del tiempo pero al seguir los satélites, si usted es lento, el rastro podría estar lejos de la posición real y parecerá malo. Usted podría tener una brecha entre el sat y los puntos finales. Elegí una longitud de 15 actualizado 6 veces por minuto para obtener suavizado adecuado y no llegar demasiado lejos de la posición real sentado con los puntos de pista suavizada. Respondió el 16 de noviembre a las 23:03 inicializar total 0, count0 (cada vez que vea un nuevo valor Entonces una entrada (scanf), una agregar totalnewValue, un incremento (count), un promedio de división (total / count) Sobre todas las entradas Para calcular el promedio sólo en las últimas 4 entradas, se requerirían 4 variables de entrada, tal vez copiando cada entrada a una variable de entrada más antigua, luego calculando la nueva media móvil como suma de las 4 variables de entrada, dividida por 4 Ser bueno si todos los insumos fueron positivos para hacer que el promedio de cálculo respondido Feb 3 15 at 4:06 Eso calculará realmente el promedio total y NO el promedio móvil A medida que el conteo se hace más grande el impacto de cualquier nueva muestra de entrada se vuelve ndsh Feb 3 15 at 13:53 Su respuesta 2016 Stack Exchange, Inc