简介
移动平均线的使用在市场时间序列的分析中、在指标和 EA 交易的编程中都是一种常见的实践方法。它是最流行的价格数据平滑方法。在新版本的 MQL 语言中，有成打的移动平均线算法可供使用。
它们之间有何差异？计算速度确实取决于某些移动平均线的算法吗？哪种算法最快？
与 MetaTrader 4 相比，在 MetaTrader 5 中移动平均线的计算速度加快了吗？有很多此类问题出现。因此，让我们探讨一下其中的大多数问题。
当然，新平台的速度令人印象深刻，但是最好通过实验检查一下。
1. 测试条件
计算速度取决于很多因素。因此，本研究作为结果获得的数据在其他测试条件下可能有所不同。换言之，性能的绝对值将有所不同，但是相对值将是类似的（针对某个平台）。
因此 MQL5 中的 iMA 函数本身不返回计算结果（它返回指标的句柄），我们将测试两个函数的速度：iMA 和 CopyBuffer。
测试条件：
- CPU：Core i7 965
- 交易品种：”EURUSD”
- 价格数据大小：10000 个元素
- 客户端：自主交易，图表中的最大柱数设置为 10000
- 移动平均线模型：MODE_SMA、MODE_EMA、MODE_SMMA、MODE_LWMA
- 计算速度的精确度限制为两位有效数字
- 移动平均线函数的可能调用数量：7
2. 如何测试
要测量移动平均线的计算时间，我们使用 GetTickCount() 函数，该函数运行于毫秒级别。此精确度还不足够，因此我们需要组织某些循环以提高测量的质量。
但是，如果我们用相同的计算和相同的输入数据多次重复循环，则结果会失真。该事实的原因如下：iMA 函数在客户端的全局缓存中创建相应技术指标的一个副本。如果在全局缓存中已经存在一个指标的副本（具有相同的参数），则不创建新的副本，指标副本的引用计数器增大。
换言之，整个缓存指标仅在第一次调用时计算一次，所有后续的调用仅采用已经存在的值，它仅重新计算新的数据。
因此，应按这样的方式组织循环：指标的输入参数在循环期间是唯一的。我们已经选择了三个这样的参数：平均周期、时间框架和应用的价格。
| 参数 | 值范围 |
|---|---|
| 平均周期 | 从 1 至 100 |
| 时间框架 | М1、М5、М15、М30 |
| 应用的价格 | PRICE_CLOSE、PRICE_OPEN、PRICE_HIGH、PRICE_LOW、PRICE_MEDIAN、PRICE_TYPICAL、PRICE_WEIGHTED |
表 1. 输入参数的范围
我们将使用七种不同的调用方法计算含有 10000 个元素的数组的移动平均值（详情见第 4 节）。
3. 研究结果
我们已经将所有结果组合在表 1 中，使用以秒为单位的计算时间来评估计算性能（见表 1）。程序计算了 100х4х7=2800 类移动平均线，并且我们确定含有 10000 个元素的价格数组的计算时间。单次循环的计算时间约等于总时间除以 2800。例如，对于案例 1 和 SMA 模式，它约等于 0.0028/2800。
| 模式 | MODE_SMA | MODE_EMA | MODE_SMMA | MODE_LWMA | 平台 |
|---|---|---|---|---|---|
| 0 （见第 4.1 节） | 0,0041 | 0,0040 | 0,0043 | 0,0041 | MetaTrader 4 |
| 1 （见第 4.2 节） | 0,0028 | 0,00023 | 0,00027 | 0,0045 | MetaTrader 5 |
| 2 （见第 4.3 节） | 0,0029 | 0,0029 | 0,0029 | 0,0029 | MetaTrader 5 |
| 3 （见第 4.4 节） | 0,0998 | 0,0997 | 0,0998 | 0,0998 | MetaTrader 5 |
| 4 （见第 4.5 节） | 0,0996 | 0,0996 | 0,0996 | 0,0996 | MetaTrader 5 |
| 5 （见第 4.6 节） | 0,0030 | 0,0029 | 0,0029 | 0,0029 | MetaTrader 5 |
| 6 （见第 4.7 节） | 0,000140 | 0,000121 | 0,000117 | 0,0035 | MetaTrader 5 |
表 2. 结果
将在下文讨论测试案例的意义（第 4.1-4.7 节）。让我们评估移动平均线计算性能的整个画面。
为方便起见，在图表中表示结果（见图 1-5）。移动平均线的调用类型在 X 轴上表示（见表 2），用对数刻度 -1 表示 Y 轴的值，因此，值越大，性能越快。每个计算模型（SMA、EMA、SMMA、LWMA）对应于图表中的一根柱。
图 1. 不同移动平均线算法的性能测试结果
可以看到在不同的移动平均线计算案例中计算速度出现显著差异。这意味着什么？由 MQL5 开发人员提供的几种移动平均线算法具有不同的计算性能：有很快的算法（案例 6）和较慢的算法（案例 3 和 4）。因此，在用 MQL5 编写使用移动平均线的程序时，必须选择正确的算法。
在以下的图中详细说明了各个移动平均线模型 (0-6) 的计算时间，见表 2。
图 2. MODE_SMA 模式的移动平均线计算性能
图 3. MODE_EMA 模式的移动平均线计算性能
图 4. MODE_SMMA 模式的移动平均线计算性能
图 5. MODE_LWMA 模式的移动平均线计算性能
比较两个平台的计算性能非常有趣：MetaTrader 4 和 MetaTrader 5。表 2 中的案例 0 (MQL4) 和案例 1 (MQL5) 显示了结果。
为方便起见，让我们将 iMA 标准指标的计算结果组合到单独的图和表中（见图 6）。测试的计算时间以 Y 轴表示。
图 6. MetaTrader 4 和 MetaTrader 5 计算性能的比较图
结论：
- 新的 MetaTrader 5 平台比以前的 MetaTrader 4 快 40%。
- SMA、EMA 和 SMMA 模型（案例 6），以及 LWMA（案例 2 和 5）实现了更快的性能。
- 对于测试案例，在使用标准指标 iMA 时，不同模型的计算性能实际上是相同的。对于 MovingAverages.mqh 库函数而言，事实并非如此。对于不同的模型，性能几乎相差一个量级 (0.00023~0.0045)。
- 表示的结果对应于“冷启动”，在客户端的全局缓存中没有任何预先计算的数据。
4. 案例研究
MQL5 开发人员建议使用以下获取标准技术指标的值的方法：
//--- 指标缓冲区 double MA[]; // 用于存放 iMA 指标数值的数组 //---- 指标句柄 int MA_handle; // iMA 指标句柄 //+------------------------------------------------------------------ //| EA 初始化函数 | //+------------------------------------------------------------------ int OnInit() { //--- 创建 iMA 指标句柄 MA_handle=iMA(NULL,0,21,0,MODE_EMA,PRICE_CLOSE); //--- 如果出错，打印消息 if(MA_handle<0) { Print("此 iMA 对象不能创建: MA_handle= ",INVALID_HANDLE); Print("运行时错误 = ",GetLastError()); //--- 强迫中断程序 return(-1); } return(0); } //+------------------------------------------------------------------ //| EA 即时价格处理函数 | //+------------------------------------------------------------------ void OnTick() { //--- 以 iMA 指标当前值填充 MA[] 数组 //--- 我们将复制 100 个元素, 或如果出错则返回 if(CopyBuffer(MA_handle,0,0,100,MA)<=0) return; //--- 设置 MA[] 顺序为时间序列 ArraySetAsSeries(MA,true); //--- 此处我们可以利用数据做任何事 }
在“MQL5 初学者：在‘EA 交易’中使用技术指标的指南”一文中详细说明了此方法。
要测试移动平均线的计算性能，最好使用脚本，因为它能执行所有计算而不必等待事件（例如新的价格变动事件等）。
没有必要针对所有测试案例测试一个单独的通用程序，因此我们将为每个移动平均线计算案例创建单独的脚本。
那么，让我们详细考虑移动平均线计算的每个案例。
4.1. 案例 0
在这个案例中，我们测量 MQL4 的技术指标 iMA 的计算性能。计算在 MetaTrader4 中进行并且计算所有数据。
| 模型 | 结果 | 最佳结果 |
|---|---|---|
| MODE_SMA | 0,0041 | 0.000140（案例 6） |
| MODE_EMA | 0,0040 | 0.000121（案例 6） |
| MODE_SMMA | 0,0043 | 0.000117（案例 6） |
| MODE_LWMA | 0,0041 | 0.0029（案例 2、5） |
此案例的代码如下 (MQL4)：
int M[4]= { PERIOD_M1, PERIOD_M5, PERIOD_M15, PERIOD_M30 }; int P[7]= { PRICE_CLOSE, PRICE_OPEN, PRICE_HIGH, PRICE_LOW, PRICE_MEDIAN, PRICE_TYPICAL, PRICE_WEIGHTED }; int periodMA; double buf[]; double time; int count=10000; int startGTC,endGTC; int m,p; //+------------------------------------------------------------------ //| 脚本程序初始函数 | //+------------------------------------------------------------------ int start() { if(ArrayResize(buf,count)<0) return(-1); Print("开始 "); startGTC=GetTickCount(); //---- for(m=0;m<=3;m++) { for(p=0;p<=6;p++) { for(periodMA=1;periodMA<=100;periodMA++) { Test0(); } } } //---- endGTC=GetTickCount(); time=endGTC-startGTC; Print("总计时间 [msec] ",time); time=time/1000/m/p/periodMA; Print("性能 [sec] ",DoubleToStr(time, 10)); return(0); } //+------------------------------------------------------------------ void Test0() { //--- 模式: MODE_SMA; MODE_EMA; MODE_SMMA; MODE_LWMA for(int i=0;i<count;i++) { buf[i]=iMA(NULL,M[m],periodMA,0,MODE_SMA,P[p],i); } }
注：此代码不能在 MetaTrader 5 中运行，因为它是用 MQL4 编写的。应该在 MetaTrader 4 客户端中执行它。
4.2. 案例 1
在这个案例中，我们执行了 4 个模型的计算：案例 1 (SMA)、案例 2 (EMA)、案例 3 (SMMA) 和案例 4 (LWMA) 使用 MovingAverages.mqh 库函数。
用所有数据数组执行计算。
| 模型 | 结果 | 最佳结果 |
|---|---|---|
| MODE_SMA | 0,0028 | 0.000140（案例 6） |
| MODE_EMA | 0,00023 | 0.000121（案例 6） |
| MODE_SMMA | 0,00027 | 0.000117（案例 6） |
| MODE_LWMA | 0,0045 | 0.0029（案例 2、5） |
#include <MovingAverages.mqh> ENUM_TIMEFRAMES M[4]= { PERIOD_M1, PERIOD_M5, PERIOD_M15, PERIOD_M30 }; ENUM_APPLIED_PRICE P[7]= { PRICE_CLOSE, PRICE_OPEN, PRICE_HIGH, PRICE_LOW, PRICE_MEDIAN, PRICE_TYPICAL, PRICE_WEIGHTED }; int periodMA; double buf[],close[]; double time; int count=10000; int startGTC,endGTC; int m,p; //+------------------------------------------------------------------ //| 脚本程序初始函数 | //+------------------------------------------------------------------ int OnStart() { if(ArrayResize(buf,count)<0) return(-1); ArraySetAsSeries(buf,false); ArraySetAsSeries(close,false); startGTC=GetTickCount(); //--- for(m=0;m<=3;m++) { for(p=0;p<=6;p++) { CopyClose(_Symbol,M[m],0,count,close); for(periodMA=1;periodMA<=100;periodMA++) { Test1(); // 测试在此 } } } //--- endGTC=GetTickCount(); time=endGTC-startGTC; time=time/1000/m/p/periodMA; //--- return(0); } //+------------------------------------------------------------------ void Test1() { for(int i=0;i<count;i++) { buf[i]=SimpleMA(i,periodMA,close); } } //+------------------------------------------------------------------ void Test2() { buf[0]=close[0]; for(int i=1;i<count;i++) { buf[i]=ExponentialMA(i,periodMA,buf[i-1],close); } } //+------------------------------------------------------------------ void Test3() { buf[0]=close[0]; for(int i=1;i<count;i++) { buf[i]=SmoothedMA(i,periodMA,buf[i-1],close); } } //+------------------------------------------------------------------ void Test4() { for(int i=0;i<count;i++) { buf[i]=LinearWeightedMA(i,periodMA,close); } }
注：我们已经计划在数组中使用几种类型的数据，但是为了简单起见，我们仅使用一个含有收盘价数据的数组（这不影响计算性能）。
4.3. 案例 2
在这个案例中，我们使用 iMA 标准技术指标和测试 5。
用所有数据数组执行计算。
| 模型 | 结果 | 最佳结果 |
|---|---|---|
| MODE_SMA | 0,0029 | 0.000140（案例 6） |
| MODE_EMA | 0,0029 | 0.000121（案例 6） |
| MODE_SMMA | 0,0029 | 0.000117（案例 6） |
| MODE_LWMA | 0,0029 | 0.0029（案例 2、5） |
ENUM_TIMEFRAMES M[4]= { PERIOD_M1, PERIOD_M5, PERIOD_M15, PERIOD_M30 }; ENUM_APPLIED_PRICE P[7]= { PRICE_CLOSE, PRICE_OPEN, PRICE_HIGH, PRICE_LOW, PRICE_MEDIAN, PRICE_TYPICAL, PRICE_WEIGHTED }; int periodMA; double time; int count=10000; int startGTC,endGTC; int m,p; double MA[]; // 用于存放 iMA 指标数组 int MA_handle; // iMA 指标句柄 //+------------------------------------------------------------------ //| 脚本程序初始函数 | //+------------------------------------------------------------------ int OnStart() { startGTC=GetTickCount(); //--- for(m=0;m<=3;m++) { for(p=0;p<=6;p++) { for(periodMA=1;periodMA<=100;periodMA++) { Test5(); } } } //--- endGTC=GetTickCount(); time=endGTC-startGTC; time=time/1000/m/p/periodMA; //--- return(0); } //+------------------------------------------------------------------ void Test5() { //--- 模式: MODE_SMA; MODE_EMA; MODE_SMMA; MODE_LWMA MA_handle=iMA(NULL,M[m],periodMA,0,MODE_SMA,P[p]); while(BarsCalculated(MA_handle)<count){} CopyBuffer(MA_handle,0,0,count,MA); }
4.4. 案例 3
在案例 3 中，使用标准库类中的指标处理类。
使用元素对元素的数据复制。用所有数据数组执行计算。
| 模型 | 结果 | 最佳结果 |
|---|---|---|
| MODE_SMA | 0,0998 | 0.000140（案例 6） |
| MODE_EMA | 0,0997 | 0.000121（案例 6） |
| MODE_SMMA | 0,0998 | 0.000117（案例 6） |
| MODE_LWMA | 0,0998 | 0.0029（案例 2、5） |
#include <Indicators/Trend.mqh> ENUM_TIMEFRAMES M[4]= { PERIOD_M1, PERIOD_M5, PERIOD_M15, PERIOD_M30 }; ENUM_APPLIED_PRICE P[7]= { PRICE_CLOSE, PRICE_OPEN, PRICE_HIGH, PRICE_LOW, PRICE_MEDIAN, PRICE_TYPICAL, PRICE_WEIGHTED }; int periodMA; double buf[]; double time; int count=10000; int startGTC,endGTC; int m,p; CiMA objMA; //+------------------------------------------------------------------ //| 脚本程序初始函数 | //+------------------------------------------------------------------ int OnStart() { if(ArrayResize(buf,count)<0) return(-1); ArraySetAsSeries(buf,false); startGTC=GetTickCount(); //--- for(m=0;m<=3;m++) { for(p=0;p<=6;p++) { for(periodMA=1;periodMA<=100;periodMA++) { Test6(); } } } //--- endGTC=GetTickCount(); time=endGTC-startGTC; time=time/1000/m/p/periodMA; //--- return(0); } //+------------------------------------------------------------------ void Test6() { //--- 模式: MODE_SMA; MODE_EMA; MODE_SMMA; MODE_LWMA objMA.Create(NULL,M[m],periodMA,0,MODE_SMA,P[p]); objMA.BuffSize(count); objMA.Refresh(1); for(int i=0;i<count;i++) { buf[i]=objMA.Main(i); } }
4.5. 案例 4
在案例 4 中，使用标准库类中的指标处理类。
作为整体复制指标缓存的数组。用所有数据数组执行计算。
| 模型 | 结果 | 最佳结果 |
|---|---|---|
| MODE_SMA | 0,0996 | 0.000140（案例 6） |
| MODE_EMA | 0,0996 | 0.000121（案例 6） |
| MODE_SMMA | 0,0996 | 0.000117（案例 6） |
| MODE_LWMA | 0,0996 | 0.0029（案例 2、5） |
#include <Indicators/Trend.mqh> ENUM_TIMEFRAMES M[4]= { PERIOD_M1, PERIOD_M5, PERIOD_M15, PERIOD_M30 }; ENUM_APPLIED_PRICE P[7]= { PRICE_CLOSE, PRICE_OPEN, PRICE_HIGH, PRICE_LOW, PRICE_MEDIAN, PRICE_TYPICAL, PRICE_WEIGHTED }; int periodMA; double buf[]; double time; int count=10000; int startGTC,endGTC; int m,p; CiMA objMA; //+------------------------------------------------------------------ //| 脚本程序初始函数 | //+------------------------------------------------------------------ int OnStart() { if(ArrayResize(buf,count)<0) return(-1); ArraySetAsSeries(buf,false); startGTC=GetTickCount(); //--- for(m=0;m<=3;m++) { for(p=0;p<=6;p++) { for(periodMA=1;periodMA<=100;periodMA++) { Test7(); } } } //--- endGTC=GetTickCount(); time=endGTC-startGTC; time=time/1000/m/p/periodMA; //--- return(0); } //+------------------------------------------------------------------ void Test7() { //--- 模式: MODE_SMA; MODE_EMA; MODE_SMMA; MODE_LWMA objMA.Create(NULL,M[m],periodMA,0,MODE_SMA,P[p]); objMA.BuffSize(count); objMA.Refresh(1); objMA.GetData(0,count,0,buf); }
4.6. 案例 5
使用测试 8：使用 IndicatorCreate 函数创建指标句柄。
用所有数据数组执行计算。
| 模型 | 结果 | 最佳结果 |
|---|---|---|
| MODE_SMA | 0,0030 | 0.000140（案例 6） |
| MODE_EMA | 0,0029 | 0.000121（案例 6） |
| MODE_SMMA | 0,0029 | 0.000117（案例 6） |
| MODE_LWMA | 0,0029 | 0.0029（案例 2、5） |
ENUM_TIMEFRAMES M[4]= { PERIOD_M1, PERIOD_M5, PERIOD_M15, PERIOD_M30 }; ENUM_APPLIED_PRICE P[7]= { PRICE_CLOSE, PRICE_OPEN, PRICE_HIGH, PRICE_LOW, PRICE_MEDIAN, PRICE_TYPICAL, PRICE_WEIGHTED }; int periodMA; double time; int count=10000; int startGTC,endGTC; int m,p; double MA[]; // 用于存放 iMA 指标数组 int MA_handle; // iMA 指标句柄 MqlParam params[]; //+------------------------------------------------------------------ //| 脚本程序初始函数 | //+------------------------------------------------------------------ int OnStart() { ArrayResize(params,4); startGTC=GetTickCount(); //--- for(m=0;m<=3;m++) { for(p=0;p<=6;p++) { for(periodMA=1;periodMA<=100;periodMA++) { Test8(); } } } //--- endGTC=GetTickCount(); time=endGTC-startGTC; time=time/1000/m/p/periodMA; //--- return(0); } //+------------------------------------------------------------------ void Test8() { //--- 模式: MODE_SMA; MODE_EMA; MODE_SMMA; MODE_LWMA //--- 设置 ma_period params[0].type =TYPE_INT; params[0].integer_value=periodMA; //--- 设置 ma_shift params[1].type =TYPE_INT; params[1].integer_value=0; //--- 设置 ma_method params[2].type =TYPE_INT; params[2].integer_value=MODE_SMA; //--- 设置 applied_price params[3].type =TYPE_INT; params[3].integer_value=P[p]; //--- 创建 MA MA_handle=IndicatorCreate(NULL,M[m],IND_MA,4,params); while(BarsCalculated(MA_handle)<count){} CopyBuffer(MA_handle,0,0,count,MA); }
4.7. 案例 6
在这个案例中，我们执行了 4 个模型的计算：案例 9 (SMA)、案例 10 (EMA)、案例 11 (SMMA) 和案例 12 (LWMA) 使用 MovingAverages.mqh 库函数（与来自 MQL4 的 iMAOnArray 类似的缓存函数）。
用所有数据数组执行计算。
| 模型 | 结果 | 最佳结果 |
|---|---|---|
| MODE_SMA | 0,000140 | 0.000140（案例 6） |
| MODE_EMA | 0,000121 | 0.000121（案例 6） |
| MODE_SMMA | 0,000117 | 0.000117（案例 6） |
| MODE_LWMA | 0,00350 | 0.0029（案例 2、5） |
#include <MovingAverages.mqh> ENUM_TIMEFRAMES M[4]= { PERIOD_M1, PERIOD_M5, PERIOD_M15, PERIOD_M30 }; ENUM_APPLIED_PRICE P[7]= { PRICE_CLOSE, PRICE_OPEN, PRICE_HIGH, PRICE_LOW, PRICE_MEDIAN, PRICE_TYPICAL, PRICE_WEIGHTED }; int periodMA; double buf[],arr[]; double close[]; double time; int count=10000,total; int startGTC,endGTC; int m,p; //+------------------------------------------------------------------ //| 脚本程序初始函数 | //+------------------------------------------------------------------ int OnStart() { CopyClose(_Symbol,_Period,0,count,close); total=ArrayCopy(arr,close); if(ArrayResize(buf,total)<0) return(-1); //--- ArraySetAsSeries(close,false); ArraySetAsSeries(arr,false); ArraySetAsSeries(buf,false); startGTC=GetTickCount(); //--- for(m=0;m<=3;m++) { for(p=0;p<=6;p++) { CopyClose(_Symbol,M[m],0,count,close); total=ArrayCopy(arr,close); for(periodMA=1;periodMA<=100;periodMA++) { Test9(); // 测试在此 } } } //--- endGTC=GetTickCount(); time=endGTC-startGTC; time=time/1000/m/p/periodMA; //--- return(0); } //+------------------------------------------------------------------ void Test9() { SimpleMAOnBuffer(total,0,0,periodMA,arr,buf); } //+------------------------------------------------------------------ void Test10() { ExponentialMAOnBuffer(total,0,0,periodMA,arr,buf); } //+------------------------------------------------------------------ void Test11() { SmoothedMAOnBuffer(total,0,0,periodMA,arr,buf); } //+------------------------------------------------------------------ void Test12() { LinearWeightedMAOnBuffer(total,0,0,periodMA,arr,buf); }
注： 我们已经计划在数组中使用几种类型的数据，但是为了简单起见，我们仅使用一个含有收盘价数据的数组（这不影响计算性能）。
5. 结果的输出
为了输出结果并检查移动平均线，我使用了 PrintTest 函数：
void PrintTest(const int position, const double &price[]) { Print("总计时间 [msec] ",(endGTC-startGTC)); Print("性能 [sec] ",time); Print(position," - 数组元素 = ",price[position]); }
可以按以下方式调用它（柱的位置和数据数组是函数的参数）：
//--- ArraySetAsSeries(buf,false); ArraySetAsSeries(close,false); startGTC=GetTickCount(); //--- for(m=0;m<=3;m++) { for(p=0;p<=6;p++) { for(periodMA=1;periodMA<=100;periodMA++) { Test(); } } } //--- endGTC=GetTickCount(); time=endGTC-startGTC; time=time/1000/m/p/periodMA; //--- 输出结果 ArraySetAsSeries(buf,true); ArraySetAsSeries(close,true); PrintTest(0,buf); PrintTest(0,close); //---
注意，数组索引在计算之前和计算之后是不同的。
重要须知：在计算期间，AsSeries 标记被设置为 false，在打印结果时，被设置为 true。
6. 其他调查
为了回答有关初始参数对计算性能的影响的问题，进行了某些其他测量。
如我们所记住的，案例 6 具有最佳性能，因此我们将使用它。
测试参数：
| 模式 | 时间框架 | 平均周期 |
|---|---|---|
| 1 | М1 | 144 |
| 2 | М5 | 144 |
| 3 | М15 | 144 |
| 4 | М30 | 144 |
| 5 | М1 | 21 |
| 6 | М1 | 34 |
| 7 | М1 | 55 |
| 8 | М1 | 89 |
| 9 | М1 | 233 |
| 10 | М1 | 377 |
| 11 | М1 | 610 |
| 12 | М1 | 987 |
表 3. 其他调查
测试的源代码：
//+------------------------------------------------------------------ //| Test_SMA Model: MODE_SMA | //+------------------------------------------------------------------ void Test_SMA(int periodMA,ENUM_TIMEFRAMES periodTF) { CopyClose(_Symbol,periodTF,0,count,close); int total=ArrayCopy(arr,close); SimpleMAOnBuffer(total,0,0,periodMA,arr,buf); } //+------------------------------------------------------------------ //| Test_EMA Model: MODE_EMA | //+------------------------------------------------------------------ void Test_EMA(int periodMA,ENUM_TIMEFRAMES periodTF) { CopyClose(_Symbol,periodTF,0,count,close); int total=ArrayCopy(arr,close); ExponentialMAOnBuffer(total,0,0,periodMA,arr,buf); } //+------------------------------------------------------------------ //| Test_SMMA Model: MODE_SMMA | //+------------------------------------------------------------------ void Test_SMMA(int periodMA,ENUM_TIMEFRAMES periodTF) { CopyClose(_Symbol,periodTF,0,count,close); int total=ArrayCopy(arr,close); SmoothedMAOnBuffer(total,0,0,periodMA,arr,buf); } //+------------------------------------------------------------------ //| Test_LWMA Model: MODE_LWMA | //+------------------------------------------------------------------ void Test_LWMA(int periodMA,ENUM_TIMEFRAMES periodTF) { CopyClose(_Symbol,periodTF,0,count,close); int total=ArrayCopy(arr,close); LinearWeightedMAOnBuffer(total,0,0,periodMA,arr,buf); }
对于其他测试，我们将使用自动测试程序，其图形用户界面如图 7 所示。
图 7. 用于自动测试的自动测试程序
结果：（X 轴具有对数时间序列）
图 8. 时间框架参数 (Y) 和移动平均线计算性能 (X)
图 9. 周期参数 (Y) 和移动平均线计算性能 (X)
从其他调查的结果得出的结论：
- 时间框架参数并不重要，它不影响计算性能（见图 8）。
- 对于模型 SMA、EMA 和 SMMA 的移动平均线计算的性能，周期并不是重要的参数。但是相反，它显著减慢 LWMA 模型的计算（从 0.00373 秒到 0.145 秒）。
总结
不正确地选择移动平均线算法会降低程序的计算性能。
本文译自 MetaQuotes Software Corp. 撰写的俄文原文
原文地址： https://www.mql5.com/ru/articles/106
附加的文件 |
autotest.zip
(13.82 KB)
(13.82 KB)
MyFxtop迈投-靠谱的外汇跟单社区，免费跟随高手做交易！
免责声明：本文系转载自网络，如有侵犯，请联系我们立即删除，另：本文仅代表作者个人观点，与迈投财经无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
著作权归作者所有。
商业转载请联系作者获得授权，非商业转载请注明出处。
