Ich versuche, einen exponentiellen gleitenden Durchschnitt (EMA) auf postgres zu implementieren, aber da ich die Dokumentation zu überprüfen und darüber nachzudenken, desto mehr versuche ich die mehr verwirrt bin ich. Die Formel für EMA (x) ist: Es scheint für einen Aggregator perfekt zu sein, wobei das Ergebnis des zuletzt berechneten Elements genau das ist, was hier zu tun ist. Allerdings erzeugt ein Aggregator ein einziges Ergebnis (wie reduzieren oder falten) und hier benötigen wir eine Liste (eine Spalte) der Ergebnisse (als Karte). Ich habe überprüft, wie Verfahren und Funktionen funktionieren, aber AFAIK sie produzieren eine einzige Ausgabe, nicht eine Spalte. Ich habe viele Verfahren und Funktionen gesehen, aber ich kann nicht wirklich herausfinden, wie diese Interaktion mit relationalen Algebra, vor allem, wenn so etwas wie eine EMA. Ich habe nicht viel Glück auf der Suche nach der Internets so weit. Aber die Definition für eine EMA ist ganz einfach, ich hoffe, dass es möglich ist, diese Definition in etwas zu übersetzen, das in postgres funktioniert und einfach und effizient ist, denn der Umzug nach NoSQL wird in meinem Kontext übertrieben. Ist dies die Berechnung der Aggregation, die das Ergebnis in jeder Zeile für jede Unterliste der Eingabedaten erzeugt, da es aussieht wie es mit dem Aggregator bis Zeile n, das Ergebnis zurückgeben und dann auf Zeile 0, um die Aggregation bis Zeile n1 berechnen aufs Neue. Gibt es eine Möglichkeit, die Akkumulation oder eine statische Variable (wie in C), so dass diese einmal berechnet werden muss Danke. Ndash Trylks Jan 20 12 at 11:59 Nein, it39s mit dem akkumulierten Wert. Wenn Sie die Abfrage mit dem Befehl quotraise infoquot unkommentiert ausführen, können Sie sehen, dass die Funktion nur einmal für jede Zeilenausgabe aufgerufen wird. Postgresql gibt den Statuswert für jede Zeile aus (wenn ein finalfunc definiert wurde, der aufgerufen werden würde, um den Zustand in einen Ausgangswert umzuwandeln). ndash araqnid 20. Januar 12 um 12:04 ErwinBrandstetter: Ich habe die meisten Änderungen rückgängig gemacht - im Fall des Formats des ersten (Anker) Teil der Abfrage, EMA (x1) eindeutig mit einer einzigen Zeile dargestellt werden - dies Corespnds zu der einzigen Zeile, die es in der Frage definiert. Im Fall des rekursiven Teils der Abfrage habe ich in der Join-Bedingung mn-1 verwendet, um die Äquivalenz der Beziehung zu EMA (xn-1) in der Frage anzuzeigen, auch wenn dies weniger performant ist, wenn die Performance eine ist Problem kann die OP die Join-Bedingung ändern, wie Sie vorgeschlagen haben. Ndash Mark Bannister Jan 16 12 um 9: 27Ich habe die Diskussion gelesen, die du erwähnt hast. Es ist auf PostgreSQL anwendbar, da es erlaubt ist, benutzerdefinierte Aggregatfunktion zu erstellen, die SQL in PostgreSQL verwendet, aber in SQL Server nicht zulässig ist. Die Verwendung von rekursiven CTE ist ein möglicher Weg in SQL Server, aber ich merke, dass CTE-Wege möglicherweise mehr Tabellen-Scan als Fenster-Funktionen. So mache ich diesen Beitrag zu fragen, ob es möglich ist, zu berechnen exponentiellen gleitenden Durchschnitt mit SQL Server 2012 Fensterfunktion genau wie die Berechnung einfach gleitenden Durchschnitt. Ndash xiagao1982 Apr 14 13 at 2:53 Zuerst berechnen Sie die EMA (SMA (x)) anstelle der EMA (x). Zweitens ist Ihre quotsmoothing constantquot eigentlich der Beta-Wert in meiner Formel, nicht die alpha. Mit diesen beiden Änderungen sieht das SQLFiddle wie folgt aus: sqlfiddle6191921 Es gibt jedoch noch einen kleinen Unterschied zwischen dem tatsächlichen Ergebnis und dem erwarteten Ergebnis. Ich würde zurückgehen und sehen, ob ihre EMA-Definition entspricht der, die ich kenne. Ndash Sebastian Meine 7 Mai, um 13:46 Ich schaute nur auf das Formular in der Kalkulationstabelle Sie angebracht und es ist weit weg von der Standard-EMA-Definition. Meine Formel berechnet den exponentiellen gleitenden Durchschnitt der letzten zehn Zeilen. Die Kalkulationstabelle berechnet zuerst den Standardmittelwert über die letzten zehn Zeilen und dann den unbeschränkten exponentiell gewichteten gleitenden Durchschnitt über alle Mittelwerte. Dies folgt dem Formular hier: en. wikipedia. orgwikiEWMAchart ndash Der exponentielle gleitende Durchschnitt in T-SQL Exponentielle gleitende Durchschnittswerte sind ähnlich wie gewichtete gleitende Durchschnittswerte, da sie vor längerer Zeit weniger Gewicht auf Veränderungen und mehr Gewicht verteilen Zu den jüngsten Veränderungen. Die gewichteten gleitenden Mittelwerte sind linear, aber exponentielle gleitende Mittelwerte sind exponentiell. Das heißt, das Gewicht kann als Kurve ausgedrückt werden: Es gibt eine große Möglichkeit, exponentielle gleitende Mittelwerte in T-SQL zu berechnen, indem Sie ein undokumentiertes Feature über Variablen und laufende Summen in SQL Server verwenden. In diesem Blogpfosten werde ich zeigen, wie man diese Methode verwendet, um exponentiellen gleitenden Durchschnitt in T-SQL zu berechnen, aber ich werde auch eine Methode vorstellen, die Standardfunktionen in SQL Server verwendet. Leider bedeutet das, mit einer Schleife. In den Beispielen werde ich einen 9 Tage exponentiellen gleitenden Durchschnitt berechnen. Die Beispiele verwenden die Datenbank TAdb. Ein Skript zur Erstellung von TAdb finden Sie hier. Exponential Moving Average (EMA): Laufende Totals-Methode Die Theorie hinter den laufenden Total Features in Updates wird ausführlich von Jeff Moden in seinem Artikel Solving the Running Total und Ordinal Rang Probleme beschrieben. Weitere Ressourcen, die diese Methode zur Berechnung von EMA beschreiben, sind der Blogpfosten, der die gleitenden Durchschnitte mit T-SQL von Gabriel Priester berechnet und dem Forumsbeitrag Exponential Moving Average Challenge. Beide auf SQL Server Central. Grundsätzlich können Sie in T-SQL sowohl Variablen als auch Spalten in einer update - Anweisung aktualisieren. Die Aktualisierungen werden Zeile für Zeile intern von SQL Server ausgeführt. Dieses Zeilen-für-Zeile-Verhalten macht die Berechnung einer laufenden Summe möglich. Dieses Beispiel zeigt, wie es funktioniert: Beachten Sie, dass 8220ColumnRunningTotal8221 eine laufende Summe von 8220ColumnToSum8221 ist. Mit dieser Methode können wir EMA9 mit diesem T-SQL berechnen: Die Berechnung von EMA ist recht einfach. Wir verwenden die aktuelle Zeile und die vorherige, aber mit mehr Gewicht auf die aktuelle Zeile. Das Gewicht wird nach der Formel 2 (19) berechnet, wobei 822098221 der Parameter für die Länge der EMA ist. Zur Berechnung von EMA9 für Zeile 10 oben ist die Berechnung: In diesem Fall erhält die aktuelle Zeile 20 des Gewichts (2 (19) 0,2) und die vorherige Zeile erhält 80 des Gewichts (1-2 (19) 0,8). Sie finden diese Berechnung in der Anweisung oben in der CASE-Anweisung: Exponential Moving Average (EMA): Looping-Methode Soweit ich weiß, mit Ausnahme der laufenden Summenmethode oben skizziert, gibt es keine Möglichkeit, EMA mit einer setbasierten SQL-Anweisung zu berechnen . Daher verwendet die T-SQL unten eine while-Schleife, um EMA9 zu berechnen: Die Ergebnisse sind die gleichen wie in den laufenden Summen Beispiel oben. Leistung Wie erwartet, ist die set based running sumals-Version viel schneller als die Loop-Version. Auf meiner Maschine lag die setbasierte Lösung bei ca. 300 ms, verglichen mit ca. 1200 bei der Loop-Version. Die Schleifenversion entspricht jedoch mehr den SQL-Standards. Also die Wahl zwischen den Methoden hängt von what8217s am wichtigsten für Sie, Leistung oder Standards. Der exponentielle gleitende Durchschnitt kann in der Trendanalyse verwendet werden, wie bei den anderen Arten von gleitenden Durchschnitten, dem Simple Moving Average (SMA) und dem gewichteten gleitenden Durchschnitt (WMA). Es gibt auch andere Berechnungen in der technischen Analyse, die die EMA, MACD zum Beispiel verwendet. Dieser Blog-Beitrag ist Teil einer Serie über technische Analyse, TA, in SQL Server. Siehe die anderen Beiträge hier. Geschrieben von Tomas Lind Tomas Lind - Consulting als SQL Server DBA und Datenbankentwickler bei High Coast Database Solutions AB.
No comments:
Post a Comment