如何防止一系列整数经常具有相同的值

Question

我有“在线”系列整数，所以每隔几毫秒我就有一个新数字。频率未指定 - 有时我有很多数字，有时我没有数字。

实际上，这些数字就是所谓的股票“真实价格”。我在我的交易应用程序中使用它。

现在我只使用最后一个数字作为“真实价格”，所以我根本不跟踪系列。但是这种方法存在一些问题。我们来看看这个系列：

1. 98; 最后= 98
2. 100; 最后= 100
3. 101; 最后= 101
4. 100; 最后= 100
5. 101; 最后= 101
6. 100; 最后= 100
7. 101; 最后= 101
8. 100; 最后= 100
9. 101; 最后= 101
10. 100; 最后= 100
11. 99; 最后= 99
12. 98; 最后= 98

问题是，在很短的时间内，我的“真实价格”从 100 变为 101 并返回太多次。真实价格的每一次变化都意味着很多工作（重新计算、下订单等），所以我不需要像那样改变真实价格。此更改 (100-101-100-101) 是由于“测量问题”造成的，我需要对其进行过滤。我无法修复“测量”，所以我必须在这里修复它。

其中一种方法是使用“3LastAverage”算法：

1. 98; 3lastAverage = 98
2. 100; 3lastAverage = 99
3. 101; 3lastAverage = 99.67 => 100
4. 100; 3lastAverage = 100.33 => 100
5. 101; 3lastAverage = 101
6. 100; 3lastAverage = 100
7. 101; 3lastAverage = 101
8. 100; 3lastAverage = 100
9. 101; 3lastAverage = 101
10. 100; 3lastAverage = 100
11. 99; 3lastAverage = 100
12. 98; 3lastAverage = 99

正如你所看到的，这种方法并不总是有效，我仍然有 100-101-100 的问题。可能我可以使用更多的数字来计算“平均值”……但由于这样的例子，这种方法对我不起作用：

1. 99; 3lastAverage = 99（我想要 99）
2. 100; 3lastAverage = 100（我想要 100）
3. 101; 3lastAverage = 100（我想要 101）
4. 102; 3lastAverage = 101（我想要 102）
5. 103; 3lastAverage = 103（我想要 103）

一般来说，当事情“OK”时，我需要 truePrice 只是最后一个数字！

因此，具有“在线”系列整数，我需要计算该系列的所谓“真实值”，它以这种方式定义：

• 如果一切正常，那么这只是最后一个数字
• 如果系列中有太多相同的数字（因为测量问题），那么“真值”不应该经常变化。应该使用最合适的值

我的建议是：

• 只是禁止“真实值”每秒超过一次相同的价格。

例如：

1. 0.000 : 98; 真值 = 98
2. 0.100 : 100; 真值 = 100
3. 0.200：101；真值 = 101
4. 0.300 : 100; 真值 = 101（100 已在 0.2 秒前的步骤 2 中使用）
5. 0.400：98；真值 = 101（98 已在 0.4 秒前的步骤 1 中使用）
6. 0.500 : 99; 真值 = 99
7. 0.600 : 100; 真值 = 99（0.5 秒前在第 2 步使用了 100）
8. 1.500 : 101; 真值 = 101（自使用 101 以来已超过一秒）。

然而，这种方法也有这样的“错误”：

1. 99 吨 = 99
2. 100 吨 = 100
3. 101 吨 = 101
4. 102 吨 = 102
5. 103 吨 = 103
6. 102 吨 = 103
7. 101 吨 = 103
8. 100 吨 = 103
9. 99 吨 = 103
10. 98 吨 = 98
11. 97 吨 = 97

这里的问题是“tp”在 103 级“冻结”了太长时间。

这么大的问题我真的很抱歉。但可能有人正在解决密切的问题并且可以分享经验。我的主要问题是我确实需要同时解决两个相反的问题：

• “真实价格”必须是一般条件下的“最后”值
• “真实价格”不应该经常更改（所以我需要以一种或另一种方式使用以前的值）
• 也很难说我们什么时候有“一般”条件，什么时候有“测量问题”

所以我的问题真的很模糊，我只是希望有人试图解决类似的问题。一如既往，应该使用“常识”来解决这个问题。

Answer 1

您想对价格的长期（低频）变化做出反应，但忽略小的短期（高频）波动。所以你需要的是一个低通滤波器。

有许多不同种类的具有不同特性的低通滤波器。移动平均是一种低通滤波器，但它有一个问题（你观察到）它用平滑换滞后（为了平滑高频波动，你需要在很长的序列上平均，但是然后低频变化需要很长时间才能变得明显）。

因此，您可以尝试其他低通滤波器，例如指数加权移动平均，看看它们是否满足您的要求。

关于此任务的另一件事是，根据与移动平均线最接近的整数进行重新计算的决定是一件坏事，因为当移动平均线接近两个整数的中间时，它会放大小波动. （如果移动平均线从 99.49 到 99.51，舍入操作会将这个小波动放大到从 99 到 100 的大波动。）

您应该做的是使用滞后来避免这种响应。当你做一次重新计算时，记录你的移动平均线a的当前值a ₀，并且在移动平均线a移动了至少 ?之前不要再做一次重新计算，即 | 一个 ？ 一个₀ | ? ?.