Menggunakan quotThe Greeksquot Untuk Memahami Pilihan Mencoba untuk memprediksi apa yang akan terjadi pada harga satu opsi atau posisi yang melibatkan banyak pilihan karena perubahan pasar bisa menjadi usaha yang sulit. Karena harga option tidak selalu nampak bergerak seiring dengan harga underlying asset. Penting untuk memahami faktor apa yang berkontribusi pada pergerakan harga opsi, dan efek apa yang mereka miliki. Pilihan pedagang sering mengacu pada delta. gamma. Vega dan theta dari posisi pilihan mereka. Secara kolektif, istilah ini dikenal sebagai bahasa Yunani dan memberi jalan untuk mengukur sensitivitas harga opsi terhadap faktor kuantitatif. Istilah-istilah ini mungkin tampak membingungkan dan mengintimidasi pedagang opsi baru, namun dipecah, orang-orang Yunani mengacu pada konsep sederhana yang dapat membantu Anda lebih memahami risiko dan potensi imbalan dari posisi opsi. Menemukan Nilai untuk Orang Yunani Pertama, Anda harus mengerti bahwa angka yang diberikan untuk masing-masing orang Yunani sangat teoritis. Itu berarti nilai diproyeksikan berdasarkan model matematis. Sebagian besar informasi yang Anda butuhkan untuk opsi perdagangan - seperti tawaran. Tanya dan harga terakhir, volume dan minat terbuka - adalah data faktual yang diterima dari berbagai opsi pertukaran dan didistribusikan oleh layanan data dan atau perusahaan pialang Anda. Tapi orang Yunani tidak bisa begitu saja terlihat di tabel pilihan sehari-hari Anda. Mereka perlu dihitung, dan keakuratannya sama baiknya dengan model yang digunakan untuk menghitungnya. Untuk mendapatkannya, Anda memerlukan akses ke solusi terkomputerisasi yang menghitungnya untuk Anda. Semua paket analisis pilihan komersial terbaik akan melakukan ini, dan beberapa situs broker yang lebih baik yang mengkhususkan diri pada pilihan (OptionVue amp Optionstar) juga memberikan informasi ini. Tentu, Anda bisa belajar matematika dan menghitung orang-orang Yunani dengan tangan untuk setiap pilihan. Tapi mengingat banyaknya pilihan yang tersedia dan kendala waktu, itu tidak realistis. Berikut adalah matriks yang menunjukkan semua opsi yang tersedia dari bulan Desember, Januari dan April, 2005, untuk harga saham yang diperdagangkan pada harga 60. Ini diformat untuk menunjukkan harga pasar. Delta, gamma, theta, dan vega untuk setiap pilihan. Sewaktu kita membahas apa yang masing-masing orang Yunani maksudkan, Anda bisa merujuk pada ilustrasi ini untuk membantu Anda memahami konsep-konsep tersebut. Bagian atas menunjukkan opsi panggilan. Dengan opsi put di bagian bawah. Perhatikan bahwa harga strike dicantumkan secara vertikal di sisi kiri, dengan wortel (gt) yang menunjukkan bahwa harga pemogokan 60 adalah on-the-money. Opsi out-of-the-money adalah jumlah di atas 60 untuk panggilan dan di bawah 60 untuk penempatan. Sedangkan pilihan uang di bawah 60 untuk panggilan dan di atas 60 untuk penempatan. Saat Anda berpindah dari kiri ke kanan, waktu yang tersisa dalam kehidupan pilihan meningkat hingga Desember, Januari, dan April. Jumlah hari sebenarnya yang tersisa sampai kadaluwarsa ditunjukkan dalam tanda kurung di tajuk kolom untuk setiap bulannya. Angka delta, gamma, theta, dan vega yang ditunjukkan di atas dinormalisasi untuk dolar. Untuk menormalkan orang Yunani dengan dolar Anda cukup memperbanyaknya dengan pengganda kontrak pilihan. Pengganda kontrak akan menjadi 100 (saham) untuk sebagian besar opsi saham. Bagaimana berbagai orang Yunani bergerak saat kondisi berubah tergantung pada seberapa jauh harga pemogokan dari harga aktual saham dan berapa lama waktu yang tersisa sampai kadaluarsa. Sebagai Perubahan Harga Saham Terlebih - Delta dan Gamma Delta mengukur kepekaan opsi nilai teoritis terhadap perubahan harga aset yang mendasarinya. Hal ini biasanya diwakili sebagai angka antara minus satu dan satu, dan ini menunjukkan seberapa besar nilai opsi harus berubah ketika harga saham yang beredar naik satu dolar. Sebagai alternatif konvensi, delta juga dapat ditunjukkan sebagai nilai antara -100 dan 100 untuk menunjukkan kepekaan dolar total pada opsi nilai 1, yang terdiri dari 100 saham yang mendasari. Jadi delta yang dinormalisasi di atas menunjukkan jumlah dolar sebenarnya yang akan Anda dapatkan atau hilang. Misalnya, jika Anda memiliki 60 Desember dengan delta -45,2, Anda harus kehilangan 45,20 jika harga saham naik satu dolar. Pilihan panggilan memiliki delta positif dan opsi put memiliki delta negatif. Opsi-opsi pada uang biasanya memiliki delta sekitar 50. Opsi dalam-dalam-uang mungkin memiliki delta 80 atau lebih tinggi, sementara opsi out-of-the-money memiliki delta sekecil 20 atau kurang. Seiring harga saham bergerak, delta akan berubah karena opsi menjadi lebih dalam atau di luar uang. Bila opsi saham menjadi sangat dalam-dalam-uang (delta mendekati 100), maka akan mulai diperdagangkan seperti saham, bergerak hampir dolar untuk dolar dengan harga saham. Sementara itu, opsi out-of-the-money tidak akan banyak bergerak dalam dolar mutlak. Delta juga merupakan nomor yang sangat penting untuk dipertimbangkan saat membangun posisi kombinasi. Karena delta adalah faktor yang sangat penting, pedagang opsi juga tertarik pada bagaimana delta dapat berubah seiring dengan pergerakan harga saham. Gamma mengukur tingkat perubahan delta untuk setiap kenaikan satu poin pada aset dasar. Ini adalah alat yang berharga dalam membantu Anda meramalkan perubahan pada delta pilihan atau keseluruhan posisi. Gamma akan lebih besar untuk opsi di-uang, dan semakin rendah untuk pilihan in - dan out-of-the-money. Tidak seperti delta, gamma selalu positif untuk kedua panggilan dan penempatan. (Untuk membaca lebih lanjut tentang delta posisi, lihat artikelnya: Pergi ke Luar Sederhana Delta, Memahami Posisi Delta.) Perubahan Volatilitas dan Passage of Time - Theta dan Vega Theta adalah ukuran dari pembusukan suatu pilihan, jumlah dolar yang Sebuah pilihan akan hilang setiap hari karena berlalunya waktu. Untuk opsi di-the-money, theta meningkat saat opsi mendekati tanggal kadaluwarsa. Untuk opsi in - dan out-of-the-money, theta menurun saat opsi mendekati kadaluarsa. Theta adalah salah satu konsep terpenting bagi trader pemula untuk mengerti, karena ini menjelaskan efek waktu pada premium pilihan yang telah dibeli atau dijual. Semakin jauh saat Anda pergi, semakin kecil pembusukan waktu untuk pilihan. Jika Anda ingin memiliki pilihan, menguntungkan untuk membeli kontrak jangka panjang. Jika Anda menginginkan strategi yang mendapatkan keuntungan dari kerusakan waktu, maka Anda akan ingin mempersingkat pilihan jangka pendek, sehingga kerugian nilai karena waktu terjadi dengan cepat. Yunani akhir yang akan kita lihat adalah vega. Banyak orang membingungkan vega dan volatilitas. Volatilitas mengukur fluktuasi aset yang mendasarinya. Vega mengukur sensitivitas harga suatu opsi terhadap perubahan volatilitas. Perubahan volatilitas akan mempengaruhi kedua panggilan dan menempatkan cara yang sama. Kenaikan volatilitas akan meningkatkan harga semua opsi pada aset, dan penurunan volatilitas menyebabkan semua opsi menjadi penurunan nilai. Namun, masing-masing pilihan memiliki vega sendiri dan akan bereaksi terhadap perubahan volatilitas sedikit berbeda. Dampak perubahan volatilitas lebih besar untuk opsi uang tunai daripada opsi in maupun out-of-the-money. Sementara vega mempengaruhi panggilan dan melakukan hal yang sama, hal itu tampaknya mempengaruhi panggilan lebih dari sekedar menempatkan. Mungkin karena antisipasi pertumbuhan pasar dari waktu ke waktu, efek ini lebih terasa untuk pilihan jangka panjang seperti LEAPS. Menggunakan Orang Yunani untuk Memahami Kombinasi Perdagangan Selain membuat orang-orang Yunani memiliki pilihan individual, Anda juga bisa mendapatkannya untuk posisi yang menggabungkan banyak pilihan. Ini dapat membantu Anda mengukur berbagai risiko dari setiap perdagangan yang Anda pertimbangkan, betapapun kompleksnya. Karena posisi opsi memiliki beragam eksposur risiko, dan risiko ini bervariasi secara dramatis dari waktu ke waktu dan dengan pergerakan pasar, penting untuk memiliki cara mudah untuk memahaminya. Berikut adalah grafik risiko yang menunjukkan kemungkinan keuntungan dari spread debet vertikal yang menggabungkan 10 panggilan panjang Januari 60 dengan 10 panggilan singkat pada tanggal 30 Januari dan 17,5 panggilan. Sumbu horizontal menunjukkan berbagai harga saham XYZ Corp, sedangkan sumbu vertikal menunjukkan profitabilitas posisi. Stok saat ini diperdagangkan pada 60 (pada tongkat vertikal). Garis putus-putus menunjukkan seperti apa posisi saat ini, garis putus-putus menunjukkan posisinya dalam 30 hari dan garis solid menunjukkan seperti apa posisi pada hari kedaluwarsa di bulan Januari. Jelas, ini adalah posisi bullish (sebenarnya, ini sering disebut sebagai bull call spread) dan akan ditempatkan hanya jika Anda mengharapkan stok naik harganya. Orang-orang Yunani membiarkan Anda melihat seberapa sensitif posisinya terhadap perubahan harga saham, volatilitas dan waktu. Garis tengah tengah (putus-putus) 30 hari, setengah jalan antara hari ini dan tanggal kadaluarsa pada bulan Januari, telah dipilih, dan tabel di bawah grafik menunjukkan apa yang diperkirakan keuntungan, delta, gamma, theta, dan vega untuk posisi saat itu. Kesimpulan Orang-orang Yunani membantu memberikan pengukuran penting dari risiko posisi pilihan dan potensi penghargaan. Begitu Anda memiliki pemahaman yang jelas tentang dasar-dasar, Anda dapat mulai menerapkannya pada strategi Anda saat ini. Tidak cukup hanya mengetahui total modal yang berisiko dalam posisi pilihan. Untuk memahami kemungkinan menghasilkan uang dari perdagangan, penting untuk dapat menentukan berbagai pengukuran paparan risiko. (Untuk membaca lebih lanjut mengenai pengaruh harga opsi, lihat artikelnya: Mengenal Orang Yunani.) Karena kondisi terus berubah, orang-orang Yunani memberi para pedagang sarana untuk menentukan seberapa sensitif suatu perdagangan spesifik terhadap fluktuasi harga, fluktuasi fluktuasi, dan lorong waktu. Dengan menggabungkan pemahaman orang-orang Yunani dengan wawasan yang kuat, grafik risiko dapat membantu Anda melakukan perdagangan opsi ke tingkat yang lain. Ukuran hubungan antara perubahan kuantitas yang diminta dari barang tertentu dan perubahan harga. Harga. Total nilai pasar dolar dari seluruh saham perusahaan yang beredar. Kapitalisasi pasar dihitung dengan cara mengalikan. Frexit singkatan dari quotFrench exitquot adalah spinoff Prancis dari istilah Brexit, yang muncul saat Inggris memilih. Perintah ditempatkan dengan broker yang menggabungkan fitur stop order dengan pesanan limit. Perintah stop-limit akan. Ronde pembiayaan dimana investor membeli saham dari perusahaan dengan valuasi lebih rendah daripada valuasi yang ditempatkan pada. Teori ekonomi tentang pengeluaran total dalam perekonomian dan pengaruhnya terhadap output dan inflasi. Ekonomi Keynesian dikembangkan. Bergabunglah dengan orang-orang Yunani (Setidaknya ada empat hal yang paling penting) CATATAN: Orang-orang Yunani mewakili konsensus pasar mengenai bagaimana opsi tersebut akan bereaksi terhadap perubahan pada variabel-variabel tertentu yang terkait dengan penentuan harga kontrak opsi. Tidak ada jaminan bahwa prakiraan ini akan benar. Sebelum Anda membaca strateginya, ada baiknya Anda mengenal karakter ini karena mereka mempengaruhi harga setiap opsi yang Anda jual. Ingatlah saat Anda mengenal, contoh yang kami gunakan adalah contoh-contoh dunia nyata. Dan seperti yang pasti akan dikatakan Plato kepada Anda, di dunia nyata hal-hal cenderung tidak berjalan dengan sempurna seperti yang ideal. Pedagang opsi awal terkadang berasumsi bahwa ketika sebuah saham bergerak 1, harga opsi berdasarkan saham itu akan bergerak lebih dari 1. Thatrsquos sedikit konyol saat Anda benar-benar memikirkannya. Pilihan biaya jauh lebih sedikit daripada saham. Mengapa Anda harus bisa menuai keuntungan lebih banyak daripada jika Anda memiliki saham Itrsquos yang penting untuk memiliki harapan yang realistis tentang perilaku harga dari opsi yang Anda jual. Jadi, pertanyaan sebenarnya adalah, berapa harga sebuah opsi akan bergerak jika saham bergerak 1 Thatrsquos di mana ldquodeltardquo masuk. Delta adalah jumlah opsi yang diharapkan bergerak berdasarkan perubahan 1 saham yang mendasarinya. Panggilan memiliki delta positif, antara 0 dan 1. Itu berarti jika harga saham naik dan tidak ada variabel penetapan harga lainnya, harga untuk panggilan akan naik. Herersquos sebuah contoh. Jika sebuah panggilan memiliki delta 0,50 dan persediaan naik 1, secara teori, harga panggilan akan naik sekitar 0,50. Jika saham turun 1, secara teori, harga panggilan akan turun sekitar 0,50. Puts memiliki delta negatif, antara 0 dan -1. Itu berarti jika saham naik dan tidak ada variabel penetapan harga lainnya, harga opsi akan turun. Misalnya, jika sebuah put memiliki delta -.50 dan stock naik 1, secara teori, harga put akan turun .50. Jika saham turun 1, secara teori, harga put akan naik .50. Sebagai aturan umum, opsi in-the-money akan bergerak lebih banyak dari opsi out-of-the-money. Dan opsi jangka pendek akan bereaksi lebih banyak daripada opsi jangka panjang terhadap perubahan harga saham yang sama. Seiring berakhirnya masa depan, delta untuk panggilan in-the-money akan mendekati 1, yang mencerminkan reaksi satu lawan satu terhadap perubahan harga saham. Delta untuk out-of-money calls akan mendekati 0 dan wonrsquot bereaksi sama sekali terhadap perubahan harga saham. Thatrsquos karena jika mereka ditahan sampai kadaluarsa, panggilan akan dilakukan dan diisi dengan saham baru atau tidak akan berakhir sia-sia dan tidak menjadi apa-apa. Karena pendekatan kadaluarsa, delta untuk penempatan in-the-money akan mendekati -1 dan delta untuk penggunaan out-of-the-money akan mendekati 0. Thatrsquos karena jika penempatan dilakukan sampai kadaluarsa, pemilik akan menggunakan pilihan dan menjual Stok atau put akan kedaluwarsa. Cara yang berbeda untuk memikirkan delta Sejauh ini Anda bisa mengingat definisi buku teks delta. Tapi herersquos cara lain yang berguna untuk memikirkan delta: probabilitas sebuah opsi akan menghasilkan setidaknya 0,01 in-the-money pada saat kadaluarsa. Secara teknis, ini bukan definisi yang valid karena sebenarnya matematika di balik delta bukanlah perhitungan probabilitas lanjutan. Namun, delta sering digunakan secara sinonim dengan probabilitas di dunia pilihan. Dalam percakapan biasa, biasanya terjadi penurunan titik desimal pada gambar delta, seperti pada, pilihan ldquoMy memiliki 60 delta. rdquo Atau, ldquoAda 99 delta yang akan saya minum bir saat saya selesai menulis halaman ini. Biasanya, opsi panggilan di uang akan memiliki delta sekitar 0,50, atau ldquo50 delta. rdquo Thatrsquos karena seharusnya ada kemungkinan 5050 pilihan angin di atas atau di luar uang pada saat kadaluarsa. Sekarang marirsquos melihat bagaimana delta mulai berubah saat sebuah opsi masuk lebih jauh atau keluar dari uang. Bagaimana pergerakan harga saham mempengaruhi delta Sebagai pilihan, semakin besar in-the-money, probabilitas akan menghasilkan uang saat ekspirasi juga meningkat. Jadi delta optionrsquos akan meningkat. Sebagai pilihan, mendapatkan uang keluar lebih jauh, probabilitas akan menghasilkan uang saat ekspirasi berkurang. Jadi delta optionrsquos akan menurun. Bayangkan Anda memiliki opsi panggilan pada saham XYZ dengan harga strike 50, dan 60 hari sebelum kadaluwarsa harga sahamnya tepat 50. Karena itu opsi at-the-money, delta seharusnya sekitar 0,50. Demi contohnya, letrsquos mengatakan pilihannya bernilai 2. Jadi secara teori, jika stoknya naik ke 51, harga opsi harus naik dari 2 menjadi 2,50. Kalau kemudian, jika saham terus naik dari 51 menjadi 52 Sekarang ada kemungkinan lebih tinggi bahwa opsi akan berakhir di-the-money pada saat kadaluarsa. Jadi apa yang akan terjadi pada delta Jika Anda berkata, ldquoDelta akan meningkat, rdquo yoursquore benar-benar benar. Jika harga saham naik dari 51 menjadi 52, harga opsi mungkin naik dari 2,50 menjadi 3,10. Thatrsquos bergerak 0,60 untuk pergerakan 1 di saham. Jadi delta telah meningkat dari 0,50 menjadi 0,60 (3,10 - 2,50,60) karena saham tersebut mendapat keuntungan lebih jauh. Di sisi lain, bagaimana jika harga saham turun dari 50 menjadi 49 Harga opsi mungkin turun dari 2 menjadi 1,50, sekali lagi mencerminkan delta opsi 50-an di uang (2 - 1,50, 50). Tapi jika saham terus turun ke 48, pilihannya mungkin turun dari 1,50 menjadi 1,10. Jadi delta dalam kasus ini akan turun ke 0,40 (1,50-1,10,40). Penurunan delta ini mencerminkan probabilitas yang lebih rendah pilihan akan berakhir di-the-money pada saat kadaluarsa. Bagaimana perubahan delta sebagai pendekatan kadaluwarsa Seperti harga saham, waktu sampai kadaluwarsa akan mempengaruhi probabilitas bahwa opsi akan selesai di luar atau di luar uang. Thatrsquos karena saat pendekatan kadaluarsa, saham akan memiliki sedikit waktu untuk bergerak di atas atau di bawah harga strike untuk pilihan Anda. Karena probabilitas berubah seiring pendekatan kadaluwarsa, delta akan bereaksi secara berbeda terhadap perubahan harga saham. Jika panggilan di-the-money sesaat sebelum masa kadaluarsa, delta akan mendekati 1 dan pilihannya akan menghasilkan uang penny-for-sen dengan sahamnya. In-the-money puts akan mendekati -1 saat kadaluarsa mendekati. Jika opsi out-of-the-money, mereka akan mendekati 0 lebih cepat daripada akan melangkah lebih jauh dan berhenti bereaksi sama sekali terhadap pergerakan di saham. Bayangkan saham XYZ berada di posisi 50, dengan 50 pilihan pemogokan hanya satu hari dari kadaluarsa. Sekali lagi, delta harus sekitar 0,50, karena secara teoritis teorema 5050 kemungkinan saham bergerak ke kedua arah. Tapi apa yang akan terjadi jika stok naik ke 51 Pikirkan tentang hal itu. Jika hanya ada satu hari sampai kadaluwarsa dan pilihannya adalah satu titik di dalam uang, kemungkinan probabilitas pilihan itu tetap ada setidaknya 0,01 in-the-money by tomorrow Itrsquos cukup tinggi, benar Tentu saja. Jadi, delta akan meningkat, membuat gerakan dramatis dari 0,50 sampai sekitar 0,90. Sebaliknya, jika saham XYZ turun dari 50 menjadi 49 hanya satu hari sebelum opsi berakhir, delta bisa berubah dari 0,50 menjadi 0,10, mencerminkan probabilitas jauh lebih rendah bahwa opsi akan selesai dalam-uangnya. Jadi, saat pendekatan kadaluarsa, perubahan nilai saham akan menyebabkan perubahan delta yang lebih dramatis, karena meningkatnya atau penurunan probabilitas penyelesaian in-the-money. Ingat definisi buku teks delta, bersama dengan Alamo Donrsquot lupakan: definisi ldquotextbook delta tidak ada hubungannya dengan kemungkinan pilihan penyelesaian atau biaya out-of-the-money. Sekali lagi, delta hanyalah jumlah opsi harga yang akan bergerak berdasarkan 1 perubahan pada underlying saham. Tapi melihat delta sebagai probabilitas pilihan akan selesai di-the-money adalah cara yang bagus untuk memikirkannya. Gamma adalah tingkat delta yang akan berubah berdasarkan 1 perubahan harga saham. Jadi, jika delta adalah pilihan terbaik dimana harga opsi berubah, Anda bisa memikirkan gamma sebagai ldquoacceleration. rdquo Pilihan dengan gamma tertinggi adalah respons yang paling responsif terhadap harga saham yang mendasarinya. Seperti yang disebutkan di atas, delta adalah bilangan dinamis yang berubah seiring perubahan harga saham. Tapi delta doesnrsquot berubah pada tingkat yang sama untuk setiap opsi berdasarkan saham tertentu. Letrsquos melihat lagi opsi panggilan kami pada saham XYZ, dengan harga strike 50, untuk melihat bagaimana gamma mencerminkan perubahan delta sehubungan dengan perubahan harga saham dan waktu sampai kadaluarsa (Gambar 1). Gambar 1: Delta dan Gamma untuk Stock XYZ Call with 50 strike price Perhatikan bagaimana delta dan gamma berubah seiring harga saham bergerak naik atau turun dari 50 dan opsi bergerak masuk atau keluar dari uang. Seperti yang bisa Anda lihat, harga opsi at-the-money akan berubah lebih signifikan daripada harga opsi in-out-of-the-money dengan masa berlaku yang sama. Selain itu, harga opsi jangka pendek di-the-money akan berubah lebih signifikan daripada harga opsi uang jangka panjang. Jadi, apa yang dibicarakan tentang gamma ini adalah bahwa harga opsi jangka pendek di-the-money akan menunjukkan respons yang paling eksplosif terhadap perubahan harga saham. Jika Anda memiliki pembeli opsi, gamma tinggi bagus selama ramalan Anda benar. Thatrsquos karena sebagai pilihan Anda bergerak dalam-uang, delta akan mendekati saya lebih cepat. Tapi jika perkiraan Anda salah, bisa kembali menggigit Anda dengan cepat menurunkan delta Anda. Jika Anda memilih penjual pilihan dan perkiraan Anda salah, gamma tinggi adalah musuh. Thatrsquos karena dapat menyebabkan posisi Anda bekerja melawan Anda pada tingkat yang lebih tinggi jika opsi yang diambilnya bergerak dalam jumlah uang. Tetapi jika ramalan Anda benar, gamma yang tinggi adalah teman Anda karena nilai opsi yang Anda jual akan kehilangan nilai lebih cepat. Peluruhan waktu, atau theta, adalah nomor musuh satu untuk pembeli pilihan. Di sisi lain, itrsquos biasanya merupakan pilihan sellerrsquos best friend. Theta adalah jumlah harga panggilan dan penempatan akan turun (setidaknya secara teori) untuk perubahan satu hari dalam waktu kadaluwarsa. Gambar 2: Peluruhan waktu opsi call on-the-money Grafik ini menunjukkan bagaimana nilai option-of-money optionriquos akan membusuk selama tiga bulan terakhir sampai kadaluarsa. Perhatikan bagaimana nilai waktu meleleh pada tingkat yang dipercepat saat pendekatan kadaluarsa. Grafik ini menunjukkan bagaimana nilai opsi at-the-moneyrsquos akan membusuk selama tiga bulan terakhir sampai kadaluarsa. Perhatikan bagaimana nilai waktu meleleh pada tingkat yang dipercepat saat pendekatan kadaluarsa. Di pasar pilihan, berlalunya waktu sama dengan efek matahari musim panas di balok es. Setiap saat yang melewati menyebabkan beberapa pilihan nilai waktu untuk melepaskannya. Selanjutnya, tidak hanya nilai waktu yang meleleh, ia melakukannya pada tingkat yang dipercepat saat pendekatan kadaluarsa. Simak gambar 2. Seperti yang bisa Anda lihat, opsi 90-hari di-uang-uang dengan premi 1,70 akan kehilangan 0,30 nilainya dalam satu bulan. Pilihan 60 hari, di sisi lain, mungkin kehilangan 0,40 nilainya selama bulan berikutnya. Dan pilihan 30 hari akan kehilangan keseluruhan sisa nilai waktu hingga habis masa berlakunya. Pilihan di uang akan mengalami kerugian dolar yang lebih signifikan dari waktu ke waktu daripada opsi di luar atau di luar uang dengan harga saham dan tanggal kadaluarsa yang sama. Thatrsquos karena pilihan di-the-money memiliki nilai paling banyak dibangun di premium. Dan semakin besar potongan nilai waktu yang dibangun ke dalam harga, semakin banyak yang akan hilang. Ingatlah bahwa untuk opsi out-of-the-money, theta akan lebih rendah daripada opsi di-the-money. Thatrsquos karena nilai dolar dari nilai waktu lebih kecil. Namun, kerugian mungkin lebih besar persentase-bijaksana untuk opsi out-of-the-money karena nilai waktu yang lebih kecil. Saat membaca drama, perhatikan efek bersih theta di bagian yang disebut ldquoAs waktu berlalu. rdquo Gambar 3: Vega untuk opsi di-uang berdasarkan Stok XYZ Jelas, saat kita melangkah lebih jauh pada waktunya, akan ada Jadilah nilai waktu yang lebih banyak dibangun ke dalam kontrak opsi. Karena volatilitas tersirat hanya mempengaruhi nilai waktu, opsi jangka panjang akan memiliki vega yang lebih tinggi daripada opsi jangka pendek. Saat membaca drama, perhatikan efek vega di bagian yang disebut volatilitas ldquoImplied. rdquo Anda bisa menganggap vega sebagai whorsquos Yunani yang agak goyah dan terlalu berkafein. Vega adalah jumlah panggilan dan menempatkan harga akan berubah, secara teori, untuk perubahan satu poin yang sesuai dengan volatilitas tersirat. Vega tidak memiliki efek pada nilai intrinsik dari opsi yang hanya mempengaruhi nilai valuer dari harga optionrsquos. Biasanya, karena volatilitas tersirat meningkat, nilai opsi akan meningkat. Thatrsquos karena kenaikan volatilitas tersirat menunjukkan peningkatan rentang pergerakan potensial untuk saham. Letrsquos memeriksa opsi 30 hari untuk saham XYZ dengan harga strike 50 dan harga saham tepat pada 50. Vega untuk opsi ini mungkin 0,03. Dengan kata lain, nilai opsi mungkin naik .03 jika volatilitas tersirat meningkat satu titik, dan nilai opsi mungkin turun .03 jika volatilitas tersirat menurun satu titik. Sekarang, jika Anda melihat opsi XYZ 365 hari di-uang, vega mungkin setinggi .20. Jadi nilai opsi mungkin berubah .20 bila volatilitas tersirat berubah satu poin (lihat gambar 3). Dimana Rho Jika Anda memiliki pedagang opsi yang lebih maju, Anda mungkin telah memperhatikan bahwa ada wxquo yang hilang dari mdash Yunani. Nilai tersebut merupakan nilai opsi yang akan berubah dalam teori berdasarkan pada satu tingkat persentase perubahan suku bunga. Rho baru saja keluar untuk seekor lang, karena kami tidak banyak membicarakannya dengan orang itu di situs ini. Kalian yang benar-benar serius dengan pilihan akhirnya akan mengenal karakter ini dengan lebih baik. Untuk saat ini, ingatlah bahwa jika Anda memperdagangkan opsi jangka pendek, mengubah suku bunga seharusnya tidak terlalu mempengaruhi nilai opsi Anda. Tapi jika Anda trading opsi jangka panjang seperti LEAPS. Rho dapat memiliki efek yang jauh lebih signifikan karena ldquocost yang lebih besar untuk dibawa. Jaringan Trader Todays Pelajari strategi amp amp dari pakar TradeKingrsquos Sepuluh Opsi Kesalahan Lima Tip untuk Panggilan Tercakup yang Berhasil Pilihan Dimainkan untuk Kondisi Pasar Setiap Pilihan Lanjutan Dimainkan Lima Hal Stok Pilihan Pedagang yang Harus Anda Ketahui Tentang Volatilitas Pilihan melibatkan risiko dan tidak sesuai untuk semua investor. Untuk informasi lebih lanjut, silakan tinjau brosur Karakteristik dan Risiko Brosur Standarisasi sebelum Anda memulai opsi perdagangan. Pilihan investor mungkin kehilangan seluruh jumlah investasinya dalam waktu yang relatif singkat. Beberapa pilihan strategi kaki melibatkan risiko tambahan. Dan dapat menyebabkan perawatan pajak yang kompleks. Silakan berkonsultasi dengan profesional pajak sebelum menerapkan strategi ini. Volatilitas tersirat mewakili konsensus pasar terhadap tingkat volatilitas harga saham di masa depan atau probabilitas mencapai titik harga tertentu. Orang-orang Yunani mewakili konsensus pasar mengenai bagaimana opsi tersebut akan bereaksi terhadap perubahan pada variabel tertentu yang terkait dengan penentuan harga kontrak opsi. Tidak ada jaminan bahwa perkiraan volatilitas tersirat atau orang Yunani akan benar. Respon sistem dan waktu akses dapat bervariasi karena kondisi pasar, kinerja sistem, dan faktor lainnya. TradeKing menyediakan layanan bagi para broker dengan layanan perantara diskon, dan tidak memberikan rekomendasi atau saran investasi, keuangan, hukum atau pajak. Anda sendiri bertanggung jawab untuk mengevaluasi manfaat dan risiko yang terkait dengan penggunaan sistem, layanan, atau produk TradeKings. Simbol konten, penelitian, alat, dan saham atau opsi hanya untuk tujuan pendidikan dan ilustrasi dan tidak menyiratkan rekomendasi atau ajakan untuk membeli atau menjual keamanan tertentu atau terlibat dalam strategi investasi tertentu. Proyeksi atau informasi lain mengenai kemungkinan berbagai hasil investasi bersifat hipotetis, tidak dijamin untuk akurasi atau kelengkapan, tidak mencerminkan hasil investasi aktual dan bukan jaminan hasil di masa depan. Semua investasi melibatkan risiko, kerugian dapat melebihi investasi yang diinvestasikan, dan kinerja terakhir dari produk keamanan, industri, sektor, pasar, atau keuangan tidak menjamin hasil atau imbal hasil di masa depan. Penggunaan Tradeer Trader Network Anda dikondisikan untuk menerima semua Pengungkapan TradeKing dan Persyaratan Layanan Jaringan Trader. Apa pun yang disebutkan adalah untuk tujuan pendidikan dan bukan rekomendasi atau saran. Radio Pilihan Playbook dibawa kepada Anda oleh TradeKing Group, Inc. copy 2017 TradeKing Group, Inc. Semua hak dilindungi undang-undang. TradeKing Group, Inc. adalah anak perusahaan yang sepenuhnya dimiliki oleh Ally Financial Inc. Securities yang ditawarkan melalui TradeKing Securities, LLC. Seluruh hak cipta. Anggota FINRA dan SIPC. BREAKING DOWN Vega Vega berubah ketika terjadi pergerakan harga yang besar (peningkatan volatilitas) pada underlying asset, dan jatuh karena opsi mendekati kadaluarsa. Vega adalah salah satu kelompok orang Yunani yang digunakan dalam analisis pilihan dan satu-satunya ordo orde yang lebih rendah yang tidak diwakili oleh surat Yunani. Perbedaan Antara Orang Yunani Salah satu teknik analisis utama yang digunakan dalam perdagangan opsi adalah pengukuran Yunani terhadap risiko yang terlibat dalam kontrak pilihan karena berkaitan dengan variabel dasar tertentu. Vega mengukur sensitivitas terhadap volatilitas instrumen yang mendasarinya. Delta mengukur kepekaan pilihan terhadap harga instrumen yang mendasarinya. Gamma mengukur sensitivitas delta pilihan sebagai respons terhadap perubahan harga pada instrumen yang mendasarinya. Theta mengukur waktu peluruhan opsi. Rho mengukur sensitivitas opsi terhadap perubahan suku bunga. Volatilitas Tersirat Seperti yang dinyatakan sebelumnya, vega mengukur perubahan harga teoritis untuk setiap titik persentase bergerak dalam volatilitas tersirat. Volatilitas tersirat dihitung dengan menggunakan model penetapan harga opsi dan menentukan berapa harga pasar saat ini yang mengestimasi volatilitas underlying asset di masa depan. Namun, volatilitas tersirat mungkin menyimpang dari volatilitas masa depan yang direalisasikan. Contoh Vega Vega dapat digunakan untuk menentukan apakah pilihan itu murah atau mahal. Jika vega pilihan lebih besar daripada spread bid-ask, maka pilihannya dikatakan menawarkan spread yang kompetitif, dan sebaliknya adalah benar. Misalnya, asumsikan saham hipotetis ABC diperdagangkan pada harga 50 per saham pada bulan Januari dan opsi panggilan pada 52,50 Februari memiliki harga penawaran 1,50 dan harga permintaan 1,55. Asumsikan bahwa vega pilihan adalah 0,25 dan volatilitas tersirat adalah 30. Oleh karena itu, pilihan panggilan menawarkan pasar yang kompetitif. Jika volatilitas tersirat meningkat menjadi 31, maka harga opsi penawaran dan harga permintaan harus meningkat menjadi 1,75 dan 1,80. Jika volatilitas tersirat turun 5, maka harga penawaran dan harga permintaan secara teoritis akan turun menjadi 25 sen dan 30 sen.
Saturday, 29 July 2017
Matlab Moving Average Signal Processing
Dengan menggunakan MATLAB, bagaimana saya dapat menemukan rata-rata pergerakan hari ke-3 dari kolom matriks tertentu dan menambahkan rata-rata bergerak ke matriks tersebut. Saya mencoba menghitung rata-rata pergerakan 3 hari dari bawah ke atas matriks. Saya telah memberikan kode saya: Dengan matriks dan topeng berikut ini: Saya telah mencoba menerapkan perintah konv tapi saya menerima kesalahan. Inilah perintah konv yang saya coba gunakan pada kolom ke 2 matriks a: Output yang saya inginkan diberikan dalam matriks berikut: Jika Anda memiliki saran, saya akan sangat menghargainya. Terima kasih Untuk kolom 2 dari matriks a, saya menghitung rata-rata pergerakan 3 hari sebagai berikut dan menempatkan hasilnya di kolom 4 dari matriks a (saya mengganti nama matriks sebagai 39desiredOutput39 hanya untuk ilustrasi). Rata-rata 3 hari dari 17, 14, 11 adalah 14 rata-rata 3 hari 14, 11, 8 adalah 11 rata-rata 3 hari 11, 8, 5 adalah 8 dan rata-rata 3 hari 8, 5, 2 adalah 5. Tidak ada nilai di baris 2 bawah untuk kolom ke-4 karena penghitungan untuk rata-rata pergerakan 3 hari dimulai dari bawah. Hasil 39valid39 tidak akan ditampilkan sampai setidaknya 17, 14, dan 11. Mudah-mudahan ini masuk akal ndash Aaron 12 Jun 13 at 1:28 Secara umum akan membantu jika Anda menunjukkan kesalahannya. Dalam hal ini Anda melakukan dua hal yang salah: Pertama, konvolusi Anda perlu dibagi tiga (atau panjang rata-rata bergerak) Kedua, perhatikan ukuran c. Anda tidak bisa hanya cocok c ke a. Cara khas untuk mendapatkan rata-rata bergerak adalah dengan menggunakan yang sama: tapi itu tidak seperti yang Anda inginkan. Sebagai gantinya Anda terpaksa menggunakan beberapa baris: Saya perlu menghitung rata-rata bergerak di atas rangkaian data, dalam satu untuk loop. Saya harus mendapatkan rata-rata bergerak selama N9 hari. Rangkaian komputasi Im adalah 4 seri dari 365 nilai (M), yang merupakan nilai rata-rata dari seperangkat data lainnya. Saya ingin merencanakan nilai rata-rata data saya dengan rata-rata bergerak dalam satu plot. Aku googled sedikit tentang bergerak rata-rata dan perintah konv dan menemukan sesuatu yang saya mencoba menerapkan dalam kode saya .: Jadi pada dasarnya, saya menghitung maksud saya dan plot dengan moving average (salah). Aku mengambil nilai wts langsung dari situs mathworks, jadi itu tidak benar. (Sumber: mathworks. nlhelpeconmoving-average-trend-estimateation. html) Masalah saya adalah, saya tidak mengerti apa ini. Mungkinkah ada yang menjelaskan Jika ada kaitannya dengan bobot nilai: itu tidak valid dalam kasus ini. Semua nilai tertimbang sama. Dan jika saya melakukan ini sepenuhnya salah, bisakah saya mendapatkan pertolongan dengan itu Terima kasih yang tulus. Tanya 23 September 19:05 Menggunakan konv adalah cara terbaik untuk menerapkan moving average. Dalam kode yang Anda gunakan, wts adalah berapa banyak Anda menimbang setiap nilai (seperti yang Anda duga). Jumlah vektor itu harus selalu sama dengan satu. Jika Anda ingin memberi bobot pada setiap nilai secara merata dan lakukan filter bergerak N ukuran maka Anda ingin melakukannya Dengan menggunakan argumen valid dalam konv akan menghasilkan nilai lebih sedikit pada Ms daripada yang Anda miliki di M. Gunakan sama jika Anda tidak keberatan dengan efek dari Nol padding Jika Anda memiliki toolbox pemrosesan sinyal, Anda dapat menggunakan cconv jika Anda ingin mencoba moving average melingkar. Sesuatu seperti Anda harus membaca dokumentasi conv dan cconv untuk informasi lebih lanjut jika Anda belum melakukannya. Anda dapat menggunakan filter untuk menemukan rata-rata yang sedang berjalan tanpa menggunakan for loop. Contoh ini menemukan rata-rata arus dari vektor 16 elemen, dengan menggunakan ukuran jendela 5. 2) yang mulus sebagai bagian dari Toolbox Curve Fitting (yang tersedia dalam banyak kasus) yy smooth (y) menghaluskan data pada vektor kolom Y menggunakan filter rata-rata bergerak. Hasil dikembalikan pada vektor kolom yy. Rentang default untuk rata-rata bergerak adalah 5.In banyak eksperimen di sains, amplitudo sinyal sebenarnya (nilai sumbu y) berubah agak lancar sebagai fungsi dari nilai sumbu x, sedangkan banyak jenis noise dilihat sebagai rapid, random Perubahan amplitudo dari titik ke titik di dalam sinyal. Dalam situasi yang terakhir ini mungkin berguna dalam beberapa kasus untuk mencoba mengurangi kebisingan dengan proses yang disebut smoothing. Dalam merapikan, titik-titik data suatu sinyal dimodifikasi sehingga titik-titik individual yang lebih tinggi dari titik yang berdekatan (mungkin karena noise) berkurang, dan titik-titik yang lebih rendah dari titik yang berdekatan meningkat. Hal ini tentu saja mengarah pada sinyal yang lebih halus (dan respons langkah lebih lambat terhadap perubahan sinyal). Selama sinyal dasar sebenarnya benar-benar mulus, maka sinyal sebenarnya tidak akan banyak terdistorsi oleh smoothing, namun noise frekuensi tinggi akan berkurang. Dalam hal komponen frekuensi sinyal, operasi pemulusan bertindak sebagai filter low-pass. Mengurangi komponen frekuensi tinggi dan melewati komponen frekuensi rendah dengan sedikit perubahan. Algoritma Smoothing. Kebanyakan algoritma smoothing didasarkan pada teknik shift dan multiply, di mana sekelompok titik yang berdekatan dalam data asli dikalikan titik demi titik dengan serangkaian bilangan (koefisien) yang mendefinisikan bentuk halus, produk ditambahkan dan Dibagi dengan jumlah koefisien, yang menjadi satu titik data yang dihaluskan, maka himpunan koefisien digeser satu titik ke data asli dan prosesnya diulang. Algoritma smoothing yang paling sederhana adalah boxcar persegi panjang atau rata-rata sliding yang tidak tertimbang dengan halus sehingga hanya mengganti setiap titik pada sinyal dengan rata-rata titik m yang berdekatan, di mana m adalah bilangan bulat positif yang disebut lebar halus. Misalnya, untuk kelancaran 3-titik (m 3): untuk j 2 sampai n-1, di mana titik ke-j pada sinyal yang dihaluskan, Y j titik ke-j pada sinyal asli, dan n adalah total Jumlah titik dalam sinyal Operasi halus yang serupa dapat dibangun untuk setiap lebar mulus yang diinginkan, m. Biasanya m adalah angka ganjil. Jika kebisingan dalam data adalah white noise (yaitu, merata di semua frekuensi) dan standar deviasinya adalah D. Maka deviasi standar noise yang tersisa pada sinyal setelah lintasan pertama dari rata-rata geser yang tidak tertimbang akan mendekati s kuadrat m (D sqrt (m)), di mana m adalah lebar yang mulus. Meski disederhanakan, kelancaran ini sebenarnya optimal untuk masalah umum mengurangi kebisingan putih sekaligus menjaga respons langkah paling tajam. Respon terhadap perubahan langkah sebenarnya linier. Jadi filter ini memiliki keuntungan untuk merespons sepenuhnya tanpa efek residual dengan waktu responnya. Yang sama dengan lebar halus dibagi dengan laju sampling. Segitiga halus seperti segi empat mulus, di atas, kecuali bahwa ia menerapkan fungsi smoothing tertimbang. Untuk 5-titik halus (m 5): untuk j 3 sampai n-2, dan juga untuk lebar halus lainnya (lihat lembar kerja UnitGainSmooths. xls). Dalam kedua kasus ini, bilangan bulat dalam penyebut adalah jumlah koefisien dalam pembilang, yang menghasilkan kelentuk unit yang mulus yang tidak berpengaruh pada sinyal dimana garis lurus dan yang mempertahankan area di bawah puncak. Hal ini sering berguna untuk menerapkan operasi pemulusan lebih dari satu kali, yaitu untuk memperlancar sinyal yang sudah merapikan, untuk membangun kelancaran yang lebih lama dan lebih rumit. Misalnya, segitiga 5 titik di atas setara dengan dua lintasan dari 3 titik persegi panjang yang halus. Tiga lintasan hasil halus empat titik persegi panjang di titik 7 pseudo-Gaussian atau tumpukan jerami halus, yang koefisiennya ada dalam rasio 1: 3: 6: 7: 6: 3: 1. Aturan umumnya adalah bahwa n melewati hasil halus w-bandwidth dalam lebar mulus gabungan dari n w - n 1. Misalnya, 3 lintasan hasil halus 17 titik menghasilkan kelonggaran 49 titik. Kelonggaran multi-pass ini lebih efektif untuk mengurangi noise frekuensi tinggi pada sinyal dari pada rectangular smooth namun menunjukkan respon step yang lebih lambat. Dalam semua kelancaran ini, lebar m halus dipilih menjadi bilangan bulat ganjil, sehingga koefisien kelancaran seimbang secara simetris di sekitar titik pusat, yang penting karena mempertahankan posisi sumbu x dari puncak dan fitur lainnya di sinyal. (Ini sangat penting untuk aplikasi analitis dan spektroskopi karena posisi puncak seringkali merupakan tujuan pengukuran yang penting). Perhatikan bahwa kita mengasumsikan di sini bahwa interval sumbu x dari sinyalnya seragam, artinya perbedaan antara nilai sumbu x dari titik-titik yang berdekatan sama di seluruh sinyal. Ini juga diasumsikan dalam banyak teknik pemrosesan sinyal lain yang dijelaskan dalam esai ini, dan ini adalah karakteristik sinyal yang sangat umum (namun tidak diperlukan) yang diperoleh oleh peralatan otomatis dan terkomputerisasi. Savitzky-Golay halus didasarkan pada pemasangan polinomial kuadrat terkecil pada segmen data. Algoritma ini dibahas dalam wire. tu-bs. deOLDWEBmameyercmrsavgol. pdf. Dibandingkan dengan rata-rata kelancaran rata-rata geser, Savitzky-Golay halus kurang efektif dalam mengurangi kebisingan, namun lebih efektif untuk mempertahankan bentuk sinyal asli. Hal ini mampu membedakan dan menghaluskan. Algoritma ini lebih kompleks dan waktu komputasi lebih besar daripada tipe halus yang dibahas di atas, namun dengan perbedaan komputer modern tidak signifikan dan kode dalam berbagai bahasa tersedia secara online. Lihat SmoothingComparison. html. Bentuk algoritma smoothing dapat ditentukan dengan menerapkan fungsi smooth ke delta. Sebuah sinyal yang terdiri dari semua nol kecuali satu titik, seperti yang ditunjukkan oleh skrip sederhana MatlabOctave DeltaTest. m. Pengurangan kebisingan . Smoothing biasanya mengurangi noise pada sinyal. Jika noisenya putih (yaitu, merata pada semua frekuensi) dan standar deviasinya adalah D. Maka standar deviasi dari noise yang tersisa pada sinyal setelah satu pass dari rectangular smooth akan mendekati D sqrt (m), di mana m adalah lebar yang mulus. Jika kelepasan segitiga digunakan sebagai gantinya, suaranya akan sedikit kurang, sekitar D 0.8sqrt (m). Operasi pengaliran bisa diaplikasikan lebih dari satu kali: yaitu, sinyal yang sebelumnya diratakan bisa diratakan lagi. Dalam beberapa kasus, ini bisa berguna jika ada banyak noise frekuensi tinggi pada sinyal. Namun, pengurangan kebisingan untuk white noise kurang di masing-masing berurutan mulus. Misalnya, tiga lintasan halus empat persegi panjang mengurangi white noise dengan faktor sekitar D 0,7sqrt (m), hanya sedikit perbaikan selama dua lintasan. Distribusi frekuensi kebisingan, yang ditandai dengan warna noise. Secara substansial mempengaruhi kemampuan smoothing untuk mengurangi kebisingan. Fungsi MatlabOctave NoiseColorTest. m membandingkan efek boxcar 20 titik (rata-rata geser yang tidak tertimbang) yang mulus pada standar deviasi white, pink, dan blue noise, yang kesemuanya memiliki deviasi standar unsmoothed asli 1,0. Karena merapikan adalah proses filter low-pass, efeknya pada frekuensi rendah (merah muda dan merah) kurang, dan efek noise frekuensi tinggi (biru dan ungu) lebih banyak, daripada white noise. Perhatikan bahwa perhitungan deviasi standar tidak tergantung pada urutan data dan dengan demikian distribusi frekuensi yang menyortir sekumpulan data tidak mengubah standar deviasinya. Deviasi standar gelombang sinus tidak tergantung pada frekuensinya. Smoothing, bagaimanapun, mengubah baik distribusi frekuensi dan standar deviasi kumpulan data. Efek akhir dan kehilangan poin masalah. Dalam persamaan di atas, 3 titik putih segi empat didefinisikan hanya untuk j 2 sampai n-1. Tidak ada cukup data dalam sinyal untuk mendefinisikan kelurusan 3 titik yang lengkap untuk titik pertama dalam sinyal (j 1) atau untuk titik terakhir (j n). Karena tidak ada titik data sebelum titik pertama atau setelah titik terakhir. (Demikian pula, kelurusan 5 titik didefinisikan hanya untuk j 3 sampai n-2, dan oleh karena itu kelancaran tidak dapat dihitung untuk dua poin pertama atau untuk dua poin terakhir). Secara umum, untuk m-bandwidth yang mulus, akan ada (m -1) 2 poin pada awal sinyal dan (m -1) 2 poin pada akhir sinyal dimana m - width yang lengkap tidak bisa Dihitung dengan cara biasa Apa yang harus dilakukan Ada dua pendekatan. Salah satunya adalah menerima kehilangan poin dan memangkas titik-titik tersebut atau menggantinya dengan angka nol dalam sinyal yang halus. (Thats pendekatan yang diambil di sebagian besar angka dalam makalah ini). Pendekatan lainnya adalah dengan menggunakan smooths lebih kecil pada ujung sinyal, misalnya untuk menggunakan 2, 3, 5, 7. point smooths untuk titik sinyal 1, 2, 3, dan 4. dan untuk titik n, n-1 , N-2, n-3. Masing-masing. Pendekatan selanjutnya mungkin lebih baik jika tepi sinyal mengandung informasi penting, namun akan meningkatkan waktu eksekusi. Fungsi fastsmooth yang dibahas di bawah dapat memanfaatkan salah satu dari kedua metode ini. Contoh smoothing. Contoh sederhana dari smoothing ditunjukkan pada Gambar 4. Bagian kiri dari sinyal ini adalah puncak yang bising. Bagian kanan adalah puncak yang sama setelah menjalani algoritma pemulusan segitiga. Kebisingan sangat berkurang sementara puncaknya sendiri hampir tidak berubah. Suara yang berkurang memungkinkan karakteristik sinyal (posisi puncak, tinggi, lebar, luas, dll.) Diukur lebih akurat dengan inspeksi visual. Gambar 4. Bagian kiri dari sinyal ini adalah puncak yang bising. Bagian kanan adalah puncak yang sama setelah menjalani algoritma smoothing. Kebisingan sangat berkurang sementara puncaknya sendiri hampir tidak berubah, sehingga memudahkan untuk mengukur posisi puncak, tinggi, dan lebar secara langsung dengan perkiraan grafis atau visual (namun tidak memperbaiki pengukuran yang dilakukan dengan metode kuadrat terkecil lihat di bawah). Semakin besar lebar kelancaran, semakin besar noise reduction, namun semakin besar kemungkinan sinyal akan terdistorsi oleh operasi smoothing. Pilihan optimal lebar halus tergantung pada lebar dan bentuk sinyal dan interval digitisasi. Untuk sinyal tipe puncak, faktor kritisnya adalah rasio halus. Rasio antara lebar m yang mulus dan jumlah titik di setengah lebar puncak. Secara umum, meningkatkan rasio perataan meningkatkan rasio signal-to-noise namun menyebabkan penurunan amplitudo dan peningkatan bandwidth puncak. Sadarilah bahwa lebar halus dapat dinyatakan dalam dua cara yang berbeda: (a) sebagai jumlah titik data atau (b) sebagai interval sumbu x (untuk data spektroskopi biasanya di nm atau unit frekuensi). Keduanya hanya berhubungan: jumlah titik data hanyalah interval sumbu x kali kenaikan antara nilai sumbu x yang berdekatan. Rasio halus sama pada kedua kasus. Angka di atas menunjukkan contoh efek tiga lebar mulus berbeda pada puncak berbentuk Gaussian yang bising. Pada gambar di sebelah kiri, puncaknya memiliki ketinggian (true) 2,0 dan ada 80 titik di setengah lebar puncak. Garis merah adalah puncak unsmoothed asli. Tiga garis hijau yang dilapiskan adalah hasil pemulusan puncak ini dengan lebar segitiga yang halus (dari atas ke bawah) 7, 25, dan 51 titik. Karena lebar puncaknya adalah 80 titik, rasio kelancaran ketiga kelancaran ini masing-masing 780 0,09, 2580 0,31, dan 5180 0,64. Seiring dengan bertambahnya lebar halus, noise semakin berkurang namun tingginya puncak juga sedikit berkurang. Untuk yang terbesar mulus, lebar puncak sedikit meningkat. Pada gambar di sebelah kanan, puncak orisinal (berwarna merah) memiliki tinggi true 1,0 dan setengah lebar 33 poin. (Ini juga kurang bising daripada contoh di sebelah kiri.) Tiga garis hijau yang dilapiskan adalah hasil dari tiga lebar segitiga yang sama dengan lebar (dari atas ke bawah) 7, 25, dan 51 titik. Tapi karena lebar puncak dalam kasus ini hanya 33 poin, rasio halus ketiga kelancaran ini lebih besar - 0,21, 0,76, dan 1,55. Anda dapat melihat bahwa efek distorsi puncak (pengurangan tinggi puncak dan kenaikan pada lebar puncak) lebih besar untuk puncak yang sempit karena rasio kelancarannya lebih tinggi. Rasio halus lebih besar dari 1,0 jarang digunakan karena distorsi puncak yang berlebihan. Perhatikan bahwa bahkan dalam kasus terburuk, posisi puncak tidak dilakukan (dengan asumsi puncak asli simetris dan tidak tumpang tindih oleh puncak lainnya). Jika mempertahankan bentuk puncak lebih penting daripada mengoptimalkan rasio signal-to-noise, Savitzky-Golay memiliki keunggulan dibanding rata-rata smooth-sliding. Dalam semua kasus, luas total di bawah puncak tetap tidak berubah. Jika lebar puncak bervariasi secara substansial, kelancaran yang adaptif. Yang memungkinkan lebar yang mulus bervariasi antar sinyal, bisa digunakan. Masalah dengan merapikan adalah bahwa hal itu seringkali kurang menguntungkan daripada yang mungkin Anda pikirkan. Yang penting untuk menunjukkan bahwa hasil penghalusan seperti yang diilustrasikan pada gambar di atas mungkin mengesankan karena mereka menggunakan satu sampel sinyal bising yang dilicinkan ke derajat yang berbeda. Hal ini menyebabkan pemirsa meremehkan kontribusi noise dengan frekuensi rendah, yang sulit diperkirakan secara visual karena hanya ada sedikit siklus frekuensi rendah dalam rekaman sinyal. Masalah ini dapat divisualisasikan dengan merekam sejumlah sampel independen dari sinyal bising yang terdiri dari satu puncak, seperti yang digambarkan pada dua gambar di bawah ini. Angka-angka ini menunjukkan sepuluh plot yang dilapiskan dengan puncak yang sama namun dengan kebisingan putih independen, masing-masing diplot dengan warna garis yang berbeda, tidak berjejer di sebelah kiri dan merapikan di sebelah kanan. Pemeriksaan terhadap sinyal yang merapikan di sebelah kanan dengan jelas menunjukkan variasi pada posisi puncak, tinggi, dan lebar antara 10 sampel yang disebabkan oleh kebisingan frekuensi rendah yang tersisa pada sinyal yang dihaluskan. Tanpa noise, setiap puncaknya akan memiliki tinggi puncak 2, peak center pada 500, dan lebar 150. Hanya karena sinyal terlihat mulus tidak berarti tidak ada noise. Frekuensi frekuensi rendah yang tersisa pada sinyal setelah smoothing masih akan mengganggu pengukuran posisi puncak, tinggi, dan lebar yang tepat. (Skrip pembangkit di bawah setiap gambar mengharuskan fungsi gaussian. m, whitenoise. m, dan fastsmooth. m dapat diunduh dari tinyurlcey8rwh.) Harus jelas bahwa merapikan jarang bisa menghilangkan kebisingan, karena sebagian besar suara terbentang di tempat yang luas. Rentang frekuensi, dan perataan hanya mengurangi kebisingan di bagian dari rentang frekuensinya. Hanya untuk beberapa tipe kebisingan yang sangat spesifik (misalnya diskrit frekuensi noise atau lonjakan satu titik) apakah ada harapan dari sesuatu yang mendekati eliminasi kebisingan yang lengkap. Angka di sebelah kanan di bawah ini adalah contoh lain yang mengilustrasikan beberapa prinsip ini. Sinyal terdiri dari dua puncak Gaussian, satu terletak di x50 dan yang kedua pada x150. Kedua puncak memiliki tinggi puncak 1,0 dan setengah lebar puncak 10, dan noise putih acak terdistribusi normal dengan standar deviasi 0,1 telah ditambahkan ke keseluruhan sinyal. Interval sampling sumbu x, bagaimanapun, berbeda untuk dua puncaknya yaitu 0,1 untuk puncak pertama (dari x0 sampai 100) dan 1,0 untuk puncak kedua (dari x100 sampai 200). Ini berarti bahwa puncak pertama ditandai dengan sepuluh kali lebih banyak poin yang berada pada puncak kedua. Ini mungkin terlihat seperti puncak pertama yang ribut daripada yang kedua, tapi itu hanya ilusi rasio signal-to-noise untuk kedua puncak adalah 10. Puncak kedua terlihat kurang bising hanya karena ada sedikit sampel kebisingan di sana dan kita cenderung meremehkan. Dispersi sampel kecil. Hasil dari ini adalah ketika sinyal diratakan, puncak kedua jauh lebih mungkin terdistorsi oleh kelancaran (menjadi lebih pendek dan lebih lebar) daripada puncak pertama. Puncak pertama dapat mentolerir lebar yang jauh lebih lebar, menghasilkan tingkat reduksi kebisingan yang lebih tinggi. (Demikian pula, jika kedua puncak diukur dengan metode pasak kuadrat-kuadrat terkecil, kecocokan puncak pertama lebih stabil dengan noise dan parameter yang diukur pada puncak tersebut kira-kira 3 kali lebih akurat daripada puncak kedua, karena di sana Adalah 10 kali lebih banyak titik data di puncak itu, dan ketepatan pengukuran meningkat kira-kira dengan akar kuadrat dari jumlah titik data jika noisenya putih). Anda bisa mendownload file data udx dalam format TXT atau dalam format Matlab MAT. Optimalisasi smoothing. Seiring dengan bertambahnya lebar halus, rasio pemulusan meningkat, noise berkurang dengan cepat pada awalnya, lalu lebih lambat, dan tinggi puncak juga berkurang, perlahan pada awalnya, lalu lebih cepat. Pengurangan kebisingan bergantung pada lebar yang mulus, jenis halus (misalnya segi empat, segitiga, dll), dan warna noise, namun pengurangan ketinggian puncak juga bergantung pada lebar puncaknya. Hasilnya adalah bahwa signal-to-noise (yang didefinisikan sebagai rasio tinggi puncak standar deviasi noise) meningkat dengan cepat pada awalnya, kemudian mencapai maksimum. Hal ini diilustrasikan dalam animasi di sebelah kiri untuk sebuah puncak Gaussian dengan white noise (diproduksi oleh skrip MatlabOctave ini). Peningkatan maksimum rasio signal-to-noise bergantung pada jumlah titik di puncak: semakin banyak titik di puncak, lebar kelana yang lebih besar dapat digunakan dan semakin besar pengurangan noise. Angka ini juga menggambarkan bahwa sebagian besar pengurangan kebisingan disebabkan oleh komponen frekuensi tinggi dari kebisingan, sedangkan sebagian besar noise frekuensi rendah tetap berada pada sinyal meskipun dihaluskan. Mana rasio halus terbaik Itu tergantung pada tujuan pengukuran puncak. Jika tujuan akhir dari pengukuran ini adalah untuk mengukur tinggi atau lebar puncak, maka rasio halus di bawah 0,2 harus digunakan dan Savitzky-Golay halus lebih disukai. Tetapi jika tujuan pengukuran adalah mengukur posisi puncak (nilai sumbu x dari puncak), rasio kelancaran yang lebih besar dapat digunakan jika diinginkan, karena perataan sedikit berpengaruh pada posisi puncak (kecuali puncaknya asimetris atau kenaikannya. Pada lebar puncak begitu banyak sehingga menyebabkan puncak yang berdekatan saling tumpang tindih). Jika puncaknya benar-benar terbentuk dari dua puncak yang mendasari yang tumpang tindih sedemikian rupa sehingga tampaknya menjadi satu puncak, maka kurva pas adalah satu-satunya cara untuk mengukur parameter puncak yang mendasarinya. Sayangnya, rasio signal-to-noise yang optimal sesuai dengan rasio kelancaran yang secara signifikan mendistorsi puncak, itulah sebabnya kurva pas data unsmoothed sering disukai. Dalam aplikasi analisis kimia kuantitatif berdasarkan kalibrasi menurut sampel standar, pengurangan tinggi puncak yang disebabkan oleh perataan tidak begitu penting. Jika operasi pemrosesan sinyal yang sama diterapkan pada sampel dan standar, pengurangan tinggi puncak dari sinyal standar akan sama persis dengan sinyal sampel dan efeknya akan dibatalkan sama persis. Dalam kasus seperti itu, lebar halus dari 0,5 sampai 1,0 dapat digunakan jika perlu untuk meningkatkan rasio signal-to-noise lebih lanjut, seperti yang ditunjukkan pada gambar di sebelah kiri (untuk rata-rata geser rata-rata sederhana). Dalam kimia analitik praktis, pengukuran puncak puncak mutlak jarang dilakukan kalibrasi terhadap solusi standar. (Ingat: tujuan analisis kuantitatif bukan untuk mengukur sinyal melainkan untuk mengukur konsentrasi yang tidak diketahui.) Namun, sangat penting untuk menerapkan langkah pemrosesan sinyal yang sama persis dengan sinyal standar seperti sinyal sampel, Jika tidak, kesalahan sistematis yang besar bisa terjadi. Untuk perbandingan yang lebih rinci dari keempat tipe smoothing yang dipertimbangkan di atas, lihat SmoothingComparison. html. (A) untuk alasan kosmetik, menyiapkan gambar yang lebih bagus atau lebih dramatis dari sinyal untuk inspeksi visual atau publikasi, terutama untuk menekankan perilaku jangka panjang dalam jangka pendek. Atau (b) jika sinyal kemudian dianalisis dengan metode yang akan terdegradasi oleh adanya terlalu banyak noise frekuensi tinggi pada sinyal, misalnya jika ketinggian puncak harus ditentukan secara visual atau grafis atau dengan menggunakan Fungsi MAX, dari lebar puncak diukur dengan fungsi halfwidth, atau jika lokasi titik maxima, minima, atau inflection pada sinyal ditentukan secara otomatis dengan mendeteksi penyeberangan nol pada derivatif sinyal. Optimalisasi jumlah dan jenis smoothing penting dalam kasus ini (lihat Differentiation. htmlSmoothing). Tetapi umumnya, jika komputer tersedia untuk melakukan pengukuran kuantitatif, lebih baik menggunakan metode kuadrat terkecil pada data yang tidak dimodifikasi, daripada perkiraan grafis pada data yang dihaluskan. Jika instrumen komersial memiliki pilihan untuk memperlancar data untuk Anda, yang terbaik untuk menonaktifkan penghalusan dan merekam dan menyimpan data yang tidak rapi Anda dapat selalu menghaluskannya sendiri nanti untuk presentasi visual dan akan lebih baik menggunakan data yang tidak dimodifikasi setidaknya. - squares pas atau pengolahan lain yang mungkin ingin Anda lakukan nanti. Smoothing dapat digunakan untuk menentukan puncak tetapi tidak digunakan untuk mengukur puncak. Perawatan harus digunakan dalam perancangan algoritma yang menggunakan smoothing. Misalnya, dalam teknik populer untuk menemukan dan mengukur puncak. Puncak terletak dengan mendeteksi penyeberangan ke bawah nol pada derivatif pertama yang merapikan. Namun posisi, tinggi, dan lebar masing-masing puncak ditentukan oleh kurva kuadrat-kuadrat terkecil dari segmen data unsmoothed asli di sekitar persimpangan nol. Dengan cara itu, bahkan jika perataan yang berat diperlukan untuk memberikan diskriminasi yang dapat diandalkan terhadap puncak kebisingan, parameter puncak yang diekstraksi dengan pemasangan lekukan tidak terdistorsi oleh smoothing. (A) pemulusan tidak akan secara signifikan memperbaiki keakuratan pengukuran parameter dengan pengukuran kuadrat-terkecil antara sampel sinyal independen yang terpisah, (b) semua algoritma pemulusan setidaknya sedikit lossy, yang memerlukan setidaknya beberapa perubahan pada bentuk sinyal dan amplitudo, (c) Lebih sulit untuk mengevaluasi kecocokan dengan memeriksa residu jika data dihaluskan, karena suara yang merapikan mungkin salah untuk sinyal yang sebenarnya. Dan (d) merapikan sinyal akan secara serius meremehkan kesalahan parameter yang diprediksi dengan perhitungan propagasi-of-error dan metode bootstrap. Berurusan dengan lonjakan dan outlier. Terkadang sinyal terkontaminasi dengan lonjakan kecil yang sangat tinggi atau sempit yang terjadi pada interval acak dan dengan amplitudo acak, namun dengan lebar hanya satu atau beberapa titik. Ini tidak hanya terlihat jelek, tapi juga mengganggu asumsi perhitungan kuadrat-terkecil karena biasanya tidak terdistribusi secara acak. Jenis gangguan ini sulit dihilangkan dengan metode smoothing di atas tanpa mendistorsi sinyal. Namun, filter median, yang menggantikan setiap titik dalam sinyal dengan titik rata-rata (bukan rata-rata) titik m, benar-benar dapat menghilangkan lonjakan kecil dengan sedikit perubahan pada sinyal, jika lebar paku hanya satu atau satu Beberapa poin dan sama dengan atau kurang dari m. Lihat en. wikipedia. orgwikiMedianfilter. Fungsi killspikes. m menggunakan pendekatan yang berbeda yang ditempatkannya dan menghilangkan lonjakan dengan tambalan di atasnya menggunakan interpolasi linier dari sinyal sebelum dan sesudah. Tidak seperti smooths konvensional, fungsi ini dapat diterapkan secara menguntungkan sebelum fungsi pasak kuadrat-terkecil. (Di sisi lain, jika lonjakannya sebenarnya merupakan sinyal ketertarikan, dan komponen sinyal lainnya mengganggu ukuran mereka, lihat CaseStudies. htmlG). Sebuah alternatif untuk merapikan untuk mengurangi kebisingan pada himpunan sepuluh sinyal unsmoothed yang digunakan di atas adalah ansambel rata-rata. Yang dapat dilakukan dalam kasus ini sangat sederhana dengan plot kode MatlabOctave (x, mean (y)) hasilnya menunjukkan pengurangan white noise sekitar sqrt (10) 3.2. Ini cukup untuk menilai bahwa ada puncak tunggal dengan bentuk Gaussian, yang kemudian dapat diukur dengan kurva pas (ditutupi bagian selanjutnya) dengan menggunakan kode puncak MatlabOctave (xmean (y), 0,0,1). Dengan hasil menunjukkan kesepakatan yang sangat baik dengan posisi (500), tinggi (2), dan lebar (150) dari puncak Gaussian yang dibuat pada baris ketiga dari skrip pembangkit (kiri atas). Keuntungan yang sangat besar dari ensemble averaging adalah bahwa noise pada semua frekuensi berkurang. Bukan hanya suara frekuensi tinggi seperti di smoothing. Sesuaikan sinyal yang terlalu banyak. Terkadang sinyal dicatat lebih rapat (yaitu, dengan interval sumbu x yang lebih kecil) daripada yang benar-benar diperlukan untuk menangkap semua fitur penting dari sinyal. Hal ini menghasilkan ukuran data yang lebih besar dari yang diperlukan, yang memperlambat prosedur pemrosesan sinyal dan mungkin kapasitas penyimpanan pajak. Untuk memperbaiki ini, sinyal yang terlalu banyak dapat dikurangi ukurannya baik dengan menghilangkan titik data (misalnya, menjatuhkan setiap titik lain atau setiap titik ketiga) atau dengan mengganti kelompok titik yang berdekatan dengan rata-ratanya. Pendekatan selanjutnya memiliki keuntungan menggunakan daripada membuang data titik yang tidak relevan, dan bertindak seperti meratakan untuk memberikan beberapa ukuran pengurangan kebisingan. (Jika noise pada sinyal asli berwarna putih, dan sinyal dikondensasikan dengan rata-rata setiap n titik, noise berkurang pada sinyal kental dengan akar kuadrat n, namun tanpa perubahan distribusi frekuensi suara). Demonstrasi Video Video 18 detik ini, 3 MByte (Smooth3.wmv) menunjukkan efek pemulusan segitiga pada puncak Gaussian tunggal dengan tinggi puncak 1,0 dan lebar puncak 200. Amplitudo kerucut putih awal adalah 0,3, memberikan sinyal awal-ke - tidak ada rasio sekitar 3,3. Upaya untuk mengukur amplitudo puncak dan lebar puncak sinyal bising, yang ditunjukkan di bagian bawah video, pada awalnya sangat tidak akurat karena adanya noise. Karena lebar kelancarannya meningkat, namun rasio signal-to-noise meningkat dan keakuratan pengukuran amplitudo puncak dan lebar puncaknya meningkat. Namun, di atas lebar halus sekitar 40 (rasio halus 0,2), smoothing menyebabkan puncaknya menjadi lebih pendek dari 1.0 dan lebih lebar dari 200, meskipun rasio signal-to-noise terus membaik seiring dengan lebar mulus yang meningkat. (Demonstrasi ini dibuat di Matlab 6.5, SPECTRUM, aplikasi pemrosesan sinyal Macintosh freeware, mencakup fungsi perataan persegi panjang dan segitiga untuk sejumlah titik. Spreadsheets Smoothing dapat dilakukan di spreadsheet dengan menggunakan teknik shift dan multiply yang dijelaskan di atas. Spreadsheet smoothing. ods dan smoothing. xls himpunan koefisien pengali terkandung dalam formula yang menghitung nilai setiap sel dari data yang dihaluskan pada kolom C dan E. Kolom C melakukan 7 titik persegi panjang dengan mulus (1 1 1 1 1 1 1) dan kolom E melakukan segitiga segitiga 7 titik (1 2 3 4 3 2 1), diterapkan pada data di kolom A. Anda dapat mengetikkan (atau Menyalin dan Memaste) data yang Anda sukai ke kolom A, dan Anda dapat memperpanjang spreadsheet ke kolom data yang lebih panjang dengan menyeret baris terakhir kolom A, C, dan E ke bawah sesuai kebutuhan. Tetapi untuk mengubah lebar yang mulus, Anda harus mengubah persamaan di kolom C atau E dan menyalin perubahannya. Turunkan seluruh kolom Untuk membagi hasil dengan jumlah koefisien sehingga keuntungan bersih adalah satu kesatuan dan area di bawah kurva sinyal yang dihaluskan dipelihara. Lembar kerja UnitGainSmooths. xls dan UnitGainSmooths. ods berisi kumpulan koefisien konvolusi unit-gain untuk persegi empat, segitiga, dan Gaussian dengan lebar 3 sampai 29 dengan format vertikal (kolom) dan horizontal (baris). Anda dapat menyalin dan menempelkannya ke spreadsheet Anda sendiri. Spreadsheet MultipleSmoothing. xls dan MultipleSmoothing. ods menunjukkan metode yang lebih fleksibel dimana koefisien terkandung dalam kelompok 17 sel yang berdekatan (pada baris 5, kolom I sampai Y), sehingga memudahkan untuk mengubah bentuk dan lebar yang halus (up Sampai maksimal 17). Dalam spreadsheet ini, kelancaran diterapkan tiga kali berturut-turut, menghasilkan lebar lancar efektif 49 poin yang diterapkan pada kolom G. Dibandingkan dengan MatlabOctave, spreadsheet jauh lebih lambat, kurang fleksibel, dan kurang mudah otomatis. Misalnya, di spreadsheet ini, untuk mengubah sinyal atau jumlah titik pada sinyal, atau untuk mengubah lebar atau jenis halus, Anda harus memodifikasi spreadsheet di beberapa tempat, sedangkan untuk melakukan hal yang sama dengan menggunakan fungsi fastsmooth MatlabOctave ( Bawah), Anda hanya perlu mengubah argumen masukan dari satu baris kode. Dan menggabungkan beberapa teknik yang berbeda ke dalam satu spreadsheet lebih rumit daripada menulis skrip MatlabOctave yang melakukan hal yang sama. Smoothing di Matlab dan Octave. Fungsi kustom fastsmooth menerapkan pergeseran dan memperbanyak jenis smooths menggunakan algoritma rekursif. (Klik pada link ini untuk memeriksa kode, atau klik kanan untuk mendownload untuk digunakan dalam Matlab). Fastsmooth adalah fungsi Matlab dari bentuk sfastsmooth (a, w, type, edge). Argumen a adalah vektor sinyal input w adalah lebar yang mulus (bilangan bulat positif) menentukan tipe kelancaran: tipe1 memberikan tipe smoothdaular (sliding-average atau boxcar) halus memberikan segitiga yang halus, setara dengan dua lintasan rata-rata geser Tipe3 memberikan pseudo-Gaussian halus, setara dengan tiga lintasan dari rata-rata geser bentuk ini dibandingkan pada gambar di sebelah kiri. (Lihat SmoothingComparison. html untuk perbandingan mode pemulusan ini). Tepi argumen mengontrol bagaimana tepi sinyal (titik w2 pertama dan titik w2 terakhir) ditangani. Jika edge0, ujungnya nol. (Dalam mode ini waktu yang telah berlalu tidak bergantung pada lebar yang mulus. Ini memberikan waktu eksekusi tercepat). Jika ujung1, ujung-ujungnya diratakan dengan smooths lebih kecil mendekati ujungnya. (Dalam mode ini waktu eksekusi meningkat dengan bertambahnya lebar halus). Sinyal yang diratakan dikembalikan sebagai vektor s. (Anda dapat menghentikan dua argumen masukan terakhir: fastsmooth (Y, w, type) yang di smooth dengan edge0 dan fastsmooth (Y, w) smooths dengan type1 dan edge0). Dibandingkan dengan algoritma halus berbasis konvolusi, fastsmooth menggunakan algoritma rekursif sederhana yang biasanya memberikan waktu eksekusi lebih cepat, terutama untuk lebar lancar yang besar, dapat memperlancar sinyal 1.000.000 titik dengan rata-rata sliding 1.000 titik dalam waktu kurang dari 0,1 detik. Heres contoh sederhana dari fastsmooth yang menunjukkan efek pada white noise (grafik). SegmentedSmooth. m. Diilustrasikan di sebelah kanan, saya adalah fungsi pemulusan alfan-lebar tersegmentasi, berdasarkan algoritma fastsmoo, yang dapat berguna jika lebar puncak atau tingkat kebisingan bervariasi secara substansial pada sinyal. Sintaksnya sama dengan fastsmooth. m. Kecuali bahwa argumen input kedua smoothwidths bisa menjadi vektor. SmoothY SegmentedSmooth (Y, smoothwidths, type, ends). Fungsi membagi Y menjadi sejumlah daerah dengan panjang yang sama yang didefinisikan oleh panjang smoothwidths vektor, kemudian menghaluskan masing-masing daerah dengan jenis dan lebar tipe yang halus yang ditentukan oleh elemen smoothwidth vektor. Pada contoh grafis pada gambar di sebelah kanan, smoothwidths31 52 91. which divides up the signal into three regions and smooths the first region with smoothwidth 31, the second with smoothwidth 51, and the last with smoothwidth 91. Any number of smooth widths and sequence of smooth widths can be used . Type help SegmentedSmooth for other examples examples. DemoSegmentedSmooth. m demonstrates the operation with different signals consisting of noisy variable-width peaks that get progressively wider, like the figure on the right. SmoothWidthTest. m is a simple script that uses the fastsmooth function to demonstrate the effect of smoothing on peak height, noise, and signal-to-noise ratio of a peak. You can change the peak shape in line 7, the smooth type in line 8, and the noise in line 9. A typical result for a Gaussian peak with white noise smoothed with a pseudo-Gaussian smooth is shown on the left. Here, as it is for most peak shapes, the optimal signal-to-noise ratio occurs at a smooth ratio of about 0.8. However, that optimum corresponds to a significant reduction in the peak height . which could be a serious problem. A smooth width about half the width of the original unsmoothed peak produces less distortion of the peak but still achieves a reasonable noise reduction. SmoothVsCurvefit. m is a similar script, but is also compares curve fitting as an alternative method to measure the peak height without smoothing . This effect is explored more completely by the text below, which shows an experiment in Matlab or Octave that creates a Gaussian peak, smooths it, compares the smoothed and unsmoothed version, then uses the max, halfwidth. and trapz functions to print out the peak height, halfwidth, and area . (max and trapz are both built-in functions in Matlab and Octave, but you have to download halfwidth. m. To learn more about these functions, type help followed by the function name). x0:.1:10 yexp(-(x-5).2) plot(x, y) ysmoothedfastsmooth(y,11,3,1) plot(x, y,x, ysmoothed, r) disp(max(y) halfwidth(x, y,5) trapz(x, y)) disp(max(ysmoothed) halfwidth(x, ysmoothed,5) trapz(x, ysmoothed) 1 1.6662 1.7725 0.78442 2.1327 1.7725 These results show that smoothing reduces the peak height (from 1 to 0.784) and increases the peak width (from 1.66 to 2.13), but has no effect on the peak area, as long as you measure the total area under the broadened peak. Smoothing is useful if the signal is contaminated by non-normal noise such as sharp spikes or if the peak height, position, or width are measured by simple methods, but there is no need to smooth the data if the noise is white and the peak parameters are measured by least-squares methods, because the results obtained on the unsmoothed data will be more accurate (see CurveFittingC. htmlSmoothing ). The MatlabOctave user-defined function condense. m. condense(y, n). returns a condensed version of y in which each group of n points is replaced by its average, reducing the length of y by the factor n. (For x, y data sets, use this function on both independent variable x and dependent variable y so that the features of y will appear at the same x values). The MatlabOctave user-defined function medianfilter. m. medianfilter(y, w). performs a median-based filter operation that replaces each value of y with the median of w adjacent points (which must be a positive integer). killspikes. m is a threshold-based filter for eliminating narrow spike artifacts. The syntax is fy killspikes(x, y, threshold, width). Each time it finds a positive or negative jump in the data between y(n) and y(n1) that exceeds threshold, it replaces the next width points of data with a linearly interpolated segment spanning x(n) to x(nwidth1), See killspikesdemo. Type help killspikes at the command prompt. ProcessSignal is a MatlabOctave command-line function that performs smoothing and differentiation on the time-series data set x, y (column or row vectors). It can employ all the types of smoothing described above. Type help ProcessSignal. Returns the processed signal as a vector that has the same shape as x, regardless of the shape of y. The syntax is ProcessedProcessSignal(x, y, DerivativeMode, w, type, ends, Sharpen, factor1, factor2, SlewRate, MedianWidth) iSignal is an interactive function for Matlab that performs smoothing for time-series signals using all the algorithms discussed above . including the Savitzky-Golay smooth, a median filter, and a condense function, with keystrokes that allow you to adjust the smoothing parameters continuously while observing the effect on your signal instantly, making it easy to observe how different types and amounts of smoothing effect noise and signal, such as the height, width, and areas of peaks. (Other functions include differentiation, peak sharpening, interpolation, least-squares peak measurement, and a frequency spectrum mode that shows how smoothing and other functions can change the frequency spectrum of your signals). The simple script iSignalDeltaTest demonstrates the frequency response of iSignals smoothing functions by applying them to a single-point spike. allowing you to change the smooth type and the smooth width to see how the the frequency response changes. View the code here or download the ZIP file with sample data for testing. Use the A and Z keys to increase and decrease the smooth width, and the S key to cycle through the available smooth types. Hint: use the Gaussian smooth and keep increasing the smooth width until the peak shows. Note: you can right-click on any of the m-file links on this site and select Save Link As. to download them to your computer for use within Matlab. Unfortunately, iSignal does not currently work in Octave. An earlier version of his page is available in French, at besteonderdelen. nlblogp4169. courtesy of Natalie Harmann and Anna Chekovsky . Last updated February, 2017. This page is part of A Pragmatic Introduction to Signal Processing , created and maintained by Prof. Tom OHaver. Department of Chemistry and Biochemistry, The University of Maryland at College Park. Comments, suggestions, bug reports, and questions should be directed to Prof. OHaver at tohumd. edu. Unique visits since May 17, 2008:
Price Action Forex Trading Strategies Tutorial
Harga Action Trading Trading dengan Price Action saja adalah prinsip utama dari semua strategi trading saya. Tutorial dan video Aksi Harga ini menguraikan bagaimana saya menentukan fase pergerakan apa yang diperdagangkan dengan harga di mana membantu saya untuk menerapkan strategi perdagangan yang pantas. Aksi Harga Swing Tertinggi dan Rendah Hal pertama yang perlu kita kenali adalah apa itu Swing High dan Swing rendah. Ini mungkin adalah bagian termudah dari aksi harga dan penghitungan bar meskipun keseluruhan proses menjadi lebih mudah dengan latihan. Saya menentukan ayunan tindakan harga tinggi Sebagai kombinasi tiga bar Sebuah bar didahului dan berhasil oleh harga tertinggi Saya menentukan ayunan harga rendah karena kombinasi tiga bar Sebuah bar didahului dan digantikan oleh posisi terendah yang lebih tinggi Fase Pasar dengan Price Action Bertentangan dengan kepercayaan populer di sana Sebenarnya tiga cara pasar bisa naik Ke Bawah Sideways Dengan definisi highlow swing sekarang, kita bisa mulai membangun beberapa lapisan pada bagan untuk mengidentifikasi fase pasar ini dan mulai melakukan hitungan sederhana dari tinggi dan rendah ayunan ini. Singkatnya Pasar akan naik ketika harga membuat harga tertinggi dan harga terendah lebih tinggi Pasar turun saat harga membuat harga terendah dan posisi terendah lebih rendah Pasar bergerak ke samping bila harga tidak membuat harga tertinggi dan posisi terendah lebih rendah ATAU tingkat rendah yang lebih rendah Ini mungkin terdengar seperti permainan anak-anak dan pernyataan yang jelas tapi Anda akan terkejut melihat betapa sering orang melupakan fakta-fakta sederhana ini. Salah satu pertanyaan terbesar yang saya ajukan adalah, ke arah mana pasar berjalan Dengan melakukan latihan sederhana, Anda dapat melihat ke arah mana harga berjalan dan memutuskan rencana trading Anda dan yang lebih penting adalah waktu perdagangan. Apa yang saya maksud dengan waktu Mungkin Anda sedang mencari peluang korslet karena tren keseluruhan sedang turun tapi harga pada kerangka waktu masuk Anda masih naik (membuat HHs amp HLs). Ada, pada tahap ini, tidak ada gunanya mencoba membuat pasar naik dengan cepat sampai aksi harga mulai turun (membuat LHs LLs lebih lanjut.) Perubahan Bias Singkat atau Bearish terjadi saat rangkaian berikut berkembang. HHgtHLgtLHgtLLgtLH Perubahan bias dikonfirmasi saat harga bergerak di bawah level terendah rendah yang dibuat seperti yang disorot pada grafik. Cara lain untuk mengatakan ini adalah pembalikan 123 dan Anda memperdagangkan pullback sebagai pemicu masuk Anda (Red Line). Ada beberapa variasi dari pola ini tapi ini cukup sederhana perubahan bias aksi harga dalam bentuknya yang paling sederhana. Transformasi Bias Panjang atau Bullish terjadi saat rangkaian berikut berkembang. LLgtLHgtHLgtHHgtHL Perubahan bias dikonfirmasi ketika harga bergerak di atas tertinggi tertinggi yang lebih tinggi dibuat seperti yang disorot pada grafik. Cara lain untuk mengatakan ini adalah pembalikan 123 dan Anda memperdagangkan pullback sebagai pemicu masuk Anda (Blue Line). Ada beberapa variasi dari pola ini tapi ini cukup sederhana perubahan bias aksi harga dalam bentuknya yang paling sederhana. Aksi Harga Tren Setelah perubahan bias telah terlihat dan dikonfirmasi, salah satu fase yang kemudian dapat diambil pasar adalah mulai tren naik atau turun tergantung perubahan bias sebelumnya. Pada bagan di bawah ini kita bisa melihat seperti apa harga idealnya ketika aksi harga sedang tren naik dan tren turun. Setiap fase menunjukkan harga yang membuat HHs amp HLs dalam perjalanan naik dan LHs amp LLs dalam perjalanan turun. Ranging Price action Sekarang di sinilah grafiknya bisa menjadi menarik. Dengan menggunakan penghitungan harga aksi ayunan tinggi dan rendahnya kita bisa tahu pada tahap awal harga IF akan mulai mengembangkan range bound activity. Harga tidak membuat harga tertinggi atau arus baru baru bergerak. I dont mean all time highslows atau new dayekmonth highslows. Hanya ayunan baru yang tinggi atau rendah saat beraktivitas. Harga akan mulai macet dan tidak membuat ayunan baru highlow dan biasanya akan tetap terkandung dalam ayunan terakhir yang tinggi dan rendah yang dibuat pada grafik. Isnt that definisi sederhana Range rule definition Price tidak membuat yang baru tinggi atau rendah saat bepergian Jika harga tetap terkandung dalam ayunan terakhir yang tinggi dan ayunan rendah yang akan dibuat, harga akan tetap terikat hingga membuat berita bergerak tinggi atau rendah. Harga mengonfirmasikan kisaran saat level rendah dan rendah yang lebih rendah dibuat di ayunan sebelumnya tinggi dan rendah. Pada grafik di bawah ini Anda dapat melihat bahwa dari sisi kiri harga grafik membuat LHs amp LLs sampai ke panah biru pertama yang secara real time akan menjadi titik terendah terendah terbaru. Harga kemudian bergerak lebih tinggi untuk membuat HH. Kedua tingkat ayunan ini telah disorot. Pada titik grafik, secara real time, harga perlu mulai bergerak lebih tinggi melewati ayunan terakhir (Arrow merah) membuat pergerakan OR tinggi baru bergerak melewati ayunan terakhir rendah (panah biru) membuat harga rendah baru. Sampai salah satu dari hal-hal itu terjadi, harga kemungkinan besar akan tetap terikat. Seiring harga dilipat pada harga grafik membuat ayunan lebih tinggi rendah dan ayunan yang lebih rendah tinggi di ayunan sebelumnya tinggi dan ayunan rendah disorot mengkonfirmasikan bahwa aksi harga bergerak ke fase konsolidasi. Beberapa pertimbangan untuk mengidentifikasi rentang pada tahap awal secara real time adalah harga tersebut dapat menciptakan kemunduran atau perubahan bias dan karena bagan yang terbentang untuk Anda yang tinggi atau rendah baru dapat dibuat dengan mengosongkan rentang potensial. Ada beberapa definisi dari rentang yang lebih umum adalah bahwa Anda mencari dukungan ganda dan penolakan. Bagi saya ini sedikit terlambat dalam permainan karena harga mungkin tidak menciptakan sentuhan ganda seperti pada contoh di atas. Dengan metode aksi harga ini Anda bisa mengidentifikasi kemungkinan rentang pengembangan SANGAT dini tanpa harus khawatir jika harga tidak atau tidak memberi Anda sentuhan ganda. Seperti yang dapat Anda lihat dengan definisi itu, Anda akan menafsirkan bahwa harga tidak terikat sama sekali, namun Anda dapat dengan jelas melihat secara visual bahwa harga bergerak ke samping tanpa definisi apapun. Apa yang seharusnya Anda pelajari dari artikel pendek ini Aturan sederhana mendefinisikan metode untuk mengidentifikasi tinggi dan rendah ayunan Bagaimana menggunakan definisi highlining ayunan ini untuk menafsirkan fase pasar tindakan harga Bagaimana mengidentifikasi perubahan bias Bagaimana mengidentifikasi langkah harga Bagaimana mengidentifikasi Range bound Price action Bias Variasi pola perubahan Pada gambar di bawah ini kita dapat melihat variasi pola tindakan harga dan membandingkannya dengan pola tindakan harga yang diuraikan di atas. Satu-satunya perbedaan utama adalah Anda mencari pelanggaran ayunan sebelumnya yang tinggi atau rendah sebagai kualifikasi pertama yang menunjukkan perubahan bias potensial. Bagian ini bertujuan untuk memberikan pengetahuan dasar bagi trader forex awal. Topik-topik berikut ini dibahas. Konsep Dasar Analisis Teknis Pola Grafik Chart Chart Chart Analisis Fibonacci Indikator Teknis Untuk strategi trading yang lebih maju, ingatlah untuk mendownload ebook gratis kami Advanced Candlesticks dan Ichimoku Strategies for Forex Trading Beginners Tutorials Ditulis oleh ActionForex Pasar Valuta Asing (sering disingkat Forex atau FX) adalah Pasar terbesar di dunia dengan volume perdagangan harian lebih dari 1,9 triliun pada bulan September 2004. Dengan likuiditasnya yang tinggi, biaya transaksi yang rendah dan penghalang masuk yang rendah, pasar 24-jam telah menarik investor ke seluruh dunia. Tutorial Pemula Ditulis oleh ActionForex Pasar Valuta Asing adalah pasar over-the-counter (OTC), yang berarti bahwa tidak ada pusat pertukaran dan kliring tempat pesanan dicocokkan. Dengan tingkat akses yang berbeda, mata uang diperdagangkan di berbagai pembuat pasar: Tutorial Pemula Ditulis oleh ActionForex Kemajuan teknologi baru-baru ini telah memecah hambatan yang digunakan untuk berdiri di antara klien ritel pasar FX dan pasar antar bank. Revolusi perdagangan forex online berasal pada akhir tahun 90an, yang membuka pintunya bagi klien ritel dengan menghubungkan para pembuat pasar ke pengguna akhir. Strategi Untuk Pedagang Forex Paruh Waktu Sangat sedikit orang yang tersedia untuk berdagang forex purna waktu. Seringkali pedagang melakukan perdagangan di tempat kerja, makan siang atau malam hari. Masalah dengan jenis perdagangan ini adalah bahwa dengan pasar yang begitu likuid, perdagangan secara sporadis sepanjang sebagian kecil hari ini menciptakan peluang yang sering dilewatkan untuk dibeli maupun dijual. Ini bisa berarti hilangnya dana secara total jika posisi tidak ada sebelum pasar bergerak melawannya atau kehilangan kesempatan untuk membeli dengan harga yang diinginkan. Peluang yang terlewat ini bisa mengeja bencana bagi trader part-timer. Namun, ada strategi yang bisa bekerja berdasarkan jadwal paruh waktu. Misalnya, mereka yang berdagang di malam hari mungkin terbatas pada jenis mata uang yang mereka tukar berdasarkan volume selama siklus 24 jam. Pedagang malam ini harus menggunakan strategi perdagangan pasangan mata uang tertentu yang paling aktif pada jam malam hari. Contohnya adalah memperdagangkan pasangan yen Jepang (AUD) dolar Australia atau sesuatu yang sedikit kurang dikenal seperti dolar Selandia Baru (NZD) JPY atau AUD. Hal ini sangat berguna untuk melihat korelasi antara dua mata uang saat memilih pasangan, sehingga memiliki blok waktu di siang hari untuk mempelajari pasar dan menerapkan perdagangan dapat menghasilkan strategi yang sukses. (Pelajari cara menetapkan setiap jenis pemberhentian dan batasan saat memperdagangkan mata uang. Lihatlah Cara Menempatkan Pesanan dengan Pialang Forex.) Masalah utama hadir dengan pedagang paruh waktu sejati yang mungkin masuk dan keluar sepanjang hari. Pedagang ini memiliki batasan waktu dan mungkin hanya tersedia untuk diperdagangkan selama satu atau dua jam per hari atau bahkan per minggu. Berikut adalah beberapa strategi untuk trading paruh waktu ketika Anda memiliki jadwal yang tidak konsisten. Kenali Pasar Anda Dengan asumsi Anda bekerja sembilan sampai lima di Amerika Serikat, Anda bisa melakukan perdagangan sebelum atau sesudah bekerja. Strategi terbaik untuk trading di kedua blok waktu adalah memilih pasangan mata uang yang paling aktif selama masa itu. Mengetahui berapa kali pasar mata uang utama terbuka akan membantu dalam memilih pasangan besar. New York dibuka pada pukul 8:00 sampai 17:00 EST Tokyo dibuka pada pukul 7:00 sampai 4:00 pagi EST Sydney dibuka pada pukul 17:00 sampai 2:00 pagi EST London buka pada pukul 3:00 pagi sampai 12: 00 siang EST Selama 12: 00-2: 00 waktu, pasar di Jepang dan Eropa (buka pukul 2:00 am 11:00 am) berjalan lancar sehingga pedagang paruh waktu dapat memilih pasangan mata uang utama seperti EUR JPY atau pasangan EUR CHF untuk mata uang utama atau melihat ke pasangan lain yang melibatkan dolar Hong Kong (HKD) atau dolar Singapura (SGD) misalnya. Selama jangka waktu 5 pm sampai tengah malam, trading pasangan AUDJPY adalah pilihan yang tersedia untuk periode ini. Meskipun pasangan trader paruh waktu memilih, sebelum melakukan taruhan, trader perlu memahami pasar dengan mempelajari teknikal untuk pasangan ini serta dasar-dasar setiap mata uang. Stop-Loss Orders Dengan asumsi Anda hanya bisa melakukan perdagangan dengan jumlah minimal di siang hari, misalnya satu jam, strategi terbaik adalah membiarkan komputer Anda menjadi mitra dagang Anda. Karena pasar forex sangat likuid, tidak memiliki fleksibilitas untuk menonton pasar dapat membuat Anda kehilangan banyak peluang, jadi dengan menggunakan program perdagangan, Anda bisa membiarkan teknologi informasi bekerja untuk Anda mungkin merupakan strategi terbaik. Strategi lain yang umum adalah memasukkan pengaturan stoploss order sehingga jika pasar bergerak mendadak terhadap posisi Anda, uang Anda dilindungi. Tindakan Harga Dengan asumsi Anda masuk dan keluar saat Anda bekerja (10 menit setiap kali), strategi yang dapat digunakan selama periode perdagangan singkat tapi sering ini mungkin menggunakan perdagangan tindakan harga. Perdagangan tindakan harga dapat digambarkan sebagai analisis teknikal atau grafik pasangan mata uang dan perdagangan berdasarkan pada apa yang ditunjukkan bagan. Dalam definisinya yang paling dasar, trader bisa menganalisa bar, yang merupakan bar yang memiliki tinggi lebih tinggi atau lebih tinggi rendah dari bar sebelumnya, dan melihat bar bawah, yang merupakan bar dengan rendah rendah atau rendah lebih rendah dari sebelumnya. Tanda bar uptrend uptrend sementara down bars menandakan tren turun. Indikator tindakan harga lainnya mungkin ada di dalam atau di luar bar. Memilih kerangka waktu bagan yang paling sesuai dengan ketersediaan jadwal Anda adalah kunci sukses dengan strategi ini. (Pelajari untuk mendapatkan keuntungan jangka pendek dari bank dengan berhenti dari kerumunan. Lihat Berhenti Berburu Dengan Pemain Forex Besar.) Strategi Lain Dengan asumsi Anda bahkan tidak dapat melakukan perdagangan selama satu jam penuh atau untuk kenaikan reguler di siang hari, Anda tetap dapat melakukan perdagangan Pasar forex Karena Anda tidak dapat melihat pasar di siang hari, strategi berikut dapat diterapkan sehingga Anda bisa menjadi trader forex paruh waktu yang sukses: Ambil lebih sedikit posisi dan tahan berhari-hari. Setelah mempelajari pasar dan mempersempit pasangan mata uang pilihan tertentu, Anda hanya dapat mengambil beberapa posisi dan memegang posisi ini untuk jangka waktu yang lebih lama. Sangat penting bagi Anda untuk memahami driver pasangan mata uang Anda dan telah meluangkan waktu untuk benar-benar memahami pasar Anda. Strategi bijak lainnya adalah memasukkan pesanan stop-loss dengan semua perdagangan Anda untuk meminimalkan kerugian jika pasar bergerak melawan Anda. Lihatlah tren jangka panjang. Alih-alih melihat grafik jam atau bahkan empat jam, Anda mungkin ingin melihat tren sehari atau minggu. Ini akan memungkinkan Anda berdagang sambil melihat komputer Anda hanya sekali sehari. Siapkan order trading. Setting limit, stop-loss atau perintah entryexit lainnya bisa memastikan anda tidak melewatkan kesempatan untuk masuk atau keluar dari posisi. Sebagian besar platform perdagangan memungkinkan Anda mengatur pesanan ini tanpa biaya tambahan. Gunakan teknologi Siapkan lansiran otomatis ke ponsel atau email Anda untuk memberi tahu Anda saat Anda tidak aktif berdagang. Garis Bawah Pasar forex adalah salah satu pasar yang paling diminati untuk diperdagangkan karena merupakan pasar 24 jam yang terus berubah, memberikan banyak kesempatan untuk menghasilkan keuntungan pada setiap saat dalam sehari. Karena fitur ini, pasar forex cocok untuk pedagang paruh waktu. Namun, terlepas dari karakteristik yang menguntungkan ini, pasar valas sangat tidak stabil, yang membuatnya berisiko bagi semua pedagang, terutama pedagang paruh waktu, jika strategi yang tepat tidak diterapkan. Pasangan mata uang tertentu yang diperdagangkan pada saat Anda dapat berdagang, melihat kerangka waktu yang lebih lama, menerapkan strategi tindakan harga dan menggunakan teknologi adalah semua strategi yang akan membantu Anda menjadi trader forex paruh waktu yang sukses. Hal lain yang perlu dipertimbangkan adalah memahami tingkat pemahaman dan toleransi terhadap risiko dan pengaruh. Serta cakrawala waktu Anda (dari jam ke mingguan). Semua elemen inilah yang merupakan bagian penting dari setiap strategi trading. (Sebagian besar broker akan memberi Anda catatan perdagangan, tapi juga penting untuk dilacak sendiri. Check out 4 Alasan Mengapa Anda Membutuhkan Jurnal Perdagangan Forex.) Nilai total pasar dolar dari semua saham perusahaan yang beredar. Kapitalisasi pasar dihitung dengan cara mengalikan. Frexit singkatan dari quotFrench exitquot adalah spinoff Prancis dari istilah Brexit, yang muncul saat Inggris memilih. Perintah ditempatkan dengan broker yang menggabungkan fitur stop order dengan pesanan limit. Perintah stop-limit akan. Ronde pembiayaan dimana investor membeli saham dari perusahaan dengan valuasi lebih rendah daripada valuasi yang ditempatkan pada. Teori ekonomi tentang pengeluaran total dalam perekonomian dan pengaruhnya terhadap output dan inflasi. Ekonomi Keynesian dikembangkan. Kepemilikan aset dalam portofolio. Investasi portofolio dilakukan dengan harapan menghasilkan laba di atasnya. Ini.
Moving Average History
Henry Ford Mengubah Dunia, 1908 Pada awal abad ke-20 mobil itu adalah mainan bagi orang kaya. Sebagian besar model adalah mesin rumit yang membutuhkan chauffer fantant dengan nuansa mekanis masing-masing untuk mengendarainya. Henry Ford bertekad untuk membangun sebuah mobil sederhana, dapat diandalkan dan terjangkau yang bisa dibeli oleh pekerja Amerika rata-rata. Dari keteguhan ini muncul Model T dan jalur perakitan - dua inovasi yang merevolusi masyarakat Amerika dan membentuk dunia yang kita tinggali sekarang. Henry Ford tidak menemukan mobil itu, ia menghasilkan sebuah mobil yang berada dalam jangkauan ekonomi rata-rata orang Amerika. Sementara produsen lain puas menargetkan pasar barang bekas, Ford mengembangkan sebuah desain dan metode pembuatan bahwa Henry Ford dan mobil pertamanya Quadricycle, yang dibangunnya pada tahun 1896 dengan mantap mengurangi biaya Model T. Alih-alih mengantongi keuntungan Ford menurunkan harga mobilnya. Akibatnya, Ford Motors menjual lebih banyak mobil dan terus meningkatkan pendapatannya - mengubah mobil dari mainan mewah menjadi andalan masyarakat Amerika. Model T memulai debutnya pada tahun 1908 dengan harga pembelian 825.00. Lebih dari sepuluh ribu terjual di tahun pertamanya, membuat rekor baru. Empat tahun kemudian harga turun menjadi 575,00 dan penjualan melonjak. Pada 1914, Ford bisa mengklaim 48 pangsa pasar mobil. Kemampuan Central of Ford untuk menghasilkan mobil yang terjangkau adalah pengembangan jalur perakitan yang meningkatkan efisiensi pembuatan dan menurunkan biayanya. Ford tidak memahami konsep itu, ia menyempurnakannya. Sebelum diperkenalkannya jalur perakitan, mobil dibuat secara individual oleh tim pekerja terampil - prosedur yang lamban dan mahal. Jalur perakitan membalik proses pembuatan mobil. Alih-alih pekerja pergi ke mobil, mobil tersebut sampai pada pekerja yang melakukan tugas perakitan yang sama berulang kali. Dengan diperkenalkannya dan kesempurnaan prosesnya, Ford mampu mengurangi waktu perakitan Model T dari dua belas setengah jam menjadi kurang dari enam jam. Mengembangkan Model T Ford Motor Company memproduksi mobil pertamanya - Model A - pada tahun 1903. Pada tahun 1906, Model N diproduksi, namun Ford belum mencapai tujuannya memproduksi mobil yang sederhana dan terjangkau. Dia akan mencapainya dengan Model T. Charles Sorensen - yang telah bergabung dengan Henry Ford dua tahun sebelumnya - menggambarkan bagaimana Ford memberinya sebuah kamar rahasia dimana desain mobil baru akan dilakukan: quotEarly suatu pagi di musim dingin tahun 1906 -7, Henry Ford masuk ke bagian pola pabrik Piquette Avenue untuk menemuiku. Ikutlah denganku, Charlie, katanya, aku ingin menunjukkan sesuatu padamu. Saya mengikutinya ke lantai tiga dan ujung utara, yang tidak sepenuhnya sibuk untuk pekerjaan perakitan. Dia melihat-lihat dan berkata, Charlie, Id ingin memiliki kamar yang selesai di sini di tempat ini. Memasang dinding dengan pintu yang cukup besar untuk menjalankan mobil masuk dan keluar. Dapatkan kunci yang bagus untuk pintu, dan saat Anda siap, nah Joe Galamb masuk ke sini. Akan memulai pekerjaan yang sama sekali baru. Ruangan yang dipikirkannya menjadi bangsal bersalin untuk Model T. Butuh beberapa hari saja untuk menghalangi kamar kecil di lantai tiga pabrik Piquette Avenue dan menyiapkan beberapa peralatan listrik sederhana dan Joe Galambs dua papan tulis. . Keyboard hitam adalah ide bagus. Mereka memberi gambar berukuran besar yang, ketika semua penyempurnaan awal telah dilakukan, dapat difoto untuk dua tujuan: sebagai perlindungan terhadap setelan paten yang berusaha membuktikan klaim asli orisinalitas dan sebagai pengganti cetak biru. Sedikit lebih dari setahun kemudian Model T, produk dari ruangan kecil yang berantakan itu, diumumkan ke seluruh dunia. Tapi setengah tahun lagi berlalu sebelum Model T pertama siap untuk apa yang telah menjadi pasar yang kikuk. Musim panas yang lalu, Pak Ford menyuruh saya untuk menghalangi ruang eksperimen untuk Joe Galamb, sebuah peristiwa penting terjadi yang akan mempengaruhi keseluruhan industri otomotif. Panas pertama baja vanadium di negara itu dituangkan ke pabrik United Steel Company di Canton, Ohio. Awal tahun itu kami melakukan beberapa kunjungan dari J. Kent Smith, seorang ahli metalurgi Inggris dari sebuah negara yang telah berada di garis depan pengembangan baja. Model 1908 T. Dua gigi depan, mesin tenaga kuda 20 dan tidak ada pintu pengemudi. Mereka menjual kue panas Ford, Wills, dan aku mendengarkannya dan memeriksa datanya. Kami sudah membaca tentang baja vanadium Inggris ini. Itu memiliki kekuatan tarik hampir tiga kali lipat dari baja yang kita gunakan, tapi kawin belum pernah melihatnya. Smith menunjukkan ketangguhannya dan menunjukkan bahwa meskipun kekuatannya bisa digerakkan dengan lebih mudah daripada baja biasa. Segera Pak Ford merasakan kemungkinan besar baja tahan goncangan ini. Charlie, dia berkata kepada saya setelah Smith pergi, ini berarti persyaratan desain yang sama sekali baru, dan kita bisa mendapatkan mobil yang lebih baik, lebih ringan, dan lebih murah sebagai hasil dari itu. Sudah menjadi akal sehat yang bisa diterapkan Pak Ford pada gagasan baru dan kemampuannya untuk menyederhanakan masalah yang tampaknya rumit yang membuatnya menjadi pelopornya. Demonstrasi baja vanadium ini adalah titik penentu baginya untuk memulai pekerjaan eksperimental yang menghasilkan Model T. Sebenarnya butuh empat tahun dan lebih untuk mengembangkan Model T. Model sebelumnya adalah kelinci percobaan, mungkin dikatakan, untuk eksperimen dan pengembangan Sebuah mobil yang akan mewujudkan Henry Fords memimpikan sebuah mobil yang bisa dibeli siapa pun, yang bisa dikendarai siapa saja, dan hampir semua orang bisa terus memperbaiki diri. Banyak penemuan mekanis terbesar di dunia adalah kecelakaan dalam eksperimen lainnya. Tidak begitu Model T, yang mengantarkan pada usia transportasi motor dan memicu reaksi berantai produksi mesin yang sekarang dikenal dengan otomasi. Semua eksperimen kami di Ford pada hari-hari awal mengarah pada tujuan tetap dan, yang kemudian sangat fantastis. Pada bulan Maret 1908, kami siap untuk mengumumkan Model T, namun tidak untuk memproduksinya, Pada tanggal 1 Oktober tahun itu mobil pertama diperkenalkan ke publik. Dari kamar kecil Joe Galambs di lantai tiga telah datang sebuah kendaraan revolusioner. Dalam delapan belas tahun berikutnya, dari Piquette Avenue, Highland Park, River Rouge, dan dari pabrik perakitan di seluruh Amerika Serikat bertambah 15.000.000 lebih. Kelahiran Jalur Majelis Beberapa bulan kemudian - pada bulan Juli 1908 - Sorensen dan seorang mandor pabrik Menghabiskan hari-hari mereka untuk mengembangkan dasar-dasar Assembly Line: quotWhat yang bekerja di Ford adalah praktik untuk memindahkan pekerjaan dari satu pekerja ke pekerja lainnya sampai menjadi unit yang lengkap, kemudian mengatur arus unit-unit ini pada waktu yang tepat dan Tempat yang tepat ke jalur perakitan akhir yang bergerak dari produk akhir. Terlepas dari penggunaan beberapa prinsip sebelumnya, jalur langsung suksesi produksi massal dan intensifikasinya menjadi otomasi berasal langsung dari apa yang kami hasilkan di Ford Motor Company antara tahun 1908 dan 1913. Seperti yang bisa dibayangkan, pekerjaan untuk meletakkan mobil Bersama-sama adalah cara yang lebih sederhana daripada menangani bahan-bahan yang harus dibawa ke Cara kuno - limusin dirakit di stasiun masing-masing oleh produsen Pittsburg, tahun 1912. Charlie Lewis, mandor pekerja termuda dan paling agresif, dan saya mengatasi masalah ini. Kami secara bertahap menyelesaikannya dengan hanya mengemukakan apa yang kami sebut sebagai bahan yang bergerak cepat. Bagian besar yang besar, seperti mesin dan as roda, membutuhkan banyak ruangan. Untuk memberi mereka ruang itu, kami meninggalkan material penanganan ringan yang lebih kecil dan lebih kompak di gedung penyimpanan di pendarat barat laut dengan alasan. Kemudian kami mengatur dengan departemen stok untuk memunculkan pembagian materi seperti biasa yang telah kami tandai dan dikemas. Penyederhanaan ini menangani hal-hal yang dibersihkan secara material. Tapi paling banter, saya tidak menyukainya. Saat itulah gagasan itu terlintas dalam pikiranku bahwa majelis akan lebih mudah, sederhana, dan lebih cepat jika kita memindahkan sasisnya, mulai di salah satu ujung tanaman dengan bingkai dan menambahkan as roda dan roda lalu memindahkannya melewati ruang persediaan, Alih-alih memindahkan ruang stok ke sasis. Aku menyuruh Lewis mengatur bahan-bahan di lantai sehingga yang dibutuhkan pada awal perakitan akan berada di ujung bangunan dan bagian-bagian lainnya akan berada di sepanjang garis saat kami memindahkan sasisnya. Kami menghabiskan setiap hari Minggu selama bulan Juli merencanakan ini. Kemudian pada suatu hari Minggu pagi, setelah persediaan ditata dengan cara ini, Lewis dan saya dan beberapa pembantu mengumpulkan mobil pertama, saya yakin, itu pernah dibangun di atas garis bergerak. Kami melakukan ini hanya dengan memasang bingkai pada penutup, menancapkan towrope ke ujung depan dan menarik bingkai sampai as roda dan roda dipasang. Lalu kami menggulung sasis di sepanjang takik untuk membuktikan apa yang bisa dilakukan. Saat mendemonstrasikan jalur bergerak ini, kami mengerjakan beberapa subassemblies, seperti menyelesaikan radiator dengan semua perlengkapan selangnya sehingga kami dapat menempatkannya dengan sangat cepat pada sasis. Kami juga melakukan ini dengan dasbor dan memasang roda kemudi dan kumparan percikan. quot Dasar-dasar Jalur Perakitan telah dibuat, namun perlu waktu lima tahun lagi untuk konsep yang akan diterapkan. Implementasi akan menunggu pembangunan pabrik Highland Park baru yang dirancang untuk menggabungkan jalur perakitan. Prosesnya dimulai di lantai atas gedung berlantai empat tempat mesin dirakit dan maju setingkat ke lantai dasar tempat bodi menempel pada sasis. Akhir garis. Tubuh Model Ts bergabung dengan chassisnya di pabrik Highland Park pada bulan Agustus 1913, semua rantai rantai perakitan bergerak selesai kecuali yang terakhir dan paling spektakuler - yang pertama kali kita eksperimen dengan satu hari Minggu pagi hanya lima Tahun sebelumnya Sekali lagi towrope dipasang pada sasis, kali ini ditarik oleh sebuah pengganjal. Setiap bagian dilekatkan pada chassis yang bergerak secara berurutan, dari as as pada awal sampai ke badan di ujung garis. Beberapa bagian membutuhkan waktu lebih lama untuk dilampirkan daripada yang lain, untuk tetap menarik towrope, harus ada interval jarak yang berbeda antara pengiriman bagian-bagian sepanjang garis. Ini meminta waktu dan penataan ulang pasien sampai aliran bagian dan kecepatan dan interval di sepanjang jalur perakitan disatukan ke dalam operasi yang disinkronkan dengan sempurna selama semua tahap produksi. Sebelum akhir tahun, sebuah jalur perakitan berbasis kekuatan dioperasikan, dan Tahun Baru melihat tiga dipasang lagi. Produksi massal Ford dan era baru dalam sejarah industri telah dimulai. Referensi: Akun Charles Sorensens dapat ditemukan di: Sorensen, Charles, E. Empat Puluh Tahun dengan Ford (1956) Banum, Russ, Ford Century (2002) Brinkley, Douglas, Roda untuk dunia: Henry Ford, perusahaannya, dan satu abad kemajuan, 1903-2003 (2003). Cara Menghitung Artikel Ini: Henry Ford Mengubah Dunia, 1908, EyeWitness to History eyewitnesstohistory (2005).Moving to Hawaii Jika Anda berencana untuk pindah ke Hawaii, Anda mungkin memiliki banyak pertanyaan dan ingin meminta mereka dijawab sebelum Anda pindah ke pulau-pulau. . Karena kita tinggal di Hawaii dan kita mengenal pulau dengan baik, kita akan memberikan jawaban atas beberapa pertanyaan Anda tentang pindah ke Hawaii di sini. Pulau mana yang harus saya pindah ke Ini adalah pertanyaan yang hanya bisa Anda jawab. Namun, kami dapat membantu Anda dengan beberapa informasi dan tip yang berguna. Pertama-tama, jika Anda mampu membelinya, rencanakan perjalanan ke Hawaii sebelum Anda benar-benar pindah ke sini. Begitu Anda menjelajahi pulau-pulau dan melihat mereka dengan mata kepala sendiri, Anda akan memiliki gagasan yang lebih baik di mana Anda akan merasa paling nyaman dan bahagia untuk hidup. Masing-masing dari enam pulau itu unik tidak hanya di geografi, tapi juga gaya hidup yang mereka tawarkan, biaya hidup, gaji dan kesempatan kerja. Tapi tidak peduli pulau mana yang Anda pilih, ingatlah bahwa gaji di Hawaii pada umumnya lebih rendah daripada di benua AS meskipun biaya hidup lebih tinggi di pulau-pulau. Pulau Oahu. Dijuluki quotThe Gathering Place, quot adalah pulau Hawaii yang paling padat penduduknya (953.207 orang pada Sensus 2010). Itu adalah di mana ibukota Honolulu dan terkenal di dunia Waikiki berada. Kebanyakan orang yang memilih pindah ke Hawaii memilih Oahu karena memiliki kesempatan kerja dan hiburan paling banyak dan gaji yang lebih tinggi dibanding pulau lainnya. Oahu adalah pulau tersibuk dari semua kepulauan Hawaii dan Honolulu sangat mirip dengan banyak kota besar di Amerika dengan jalan raya yang tinggi, jalan raya yang sibuk dan kemacetan lalu lintas. Pusat perbelanjaan utama, seperti Ala Moana Center, dan beberapa pantai tertentu, seperti Pantai Waikiki yang populer dan Teluk Hanauma, dapat ramai dikunjungi hampir sepanjang hari dalam setahun. Sebagian besar pekerjaan di Oahu ada di bidang pariwisata, pemerintahanmiliter, konstruksi, pertanian, penjualan eceran dan perawatan kesehatan. Pulau Maui berukuran sedikit lebih besar dari pada Oahu, tapi hanya 144.444 (pada tahun 2010) orang tinggal di sini. Maui karena itu jauh lebih ramai. Berbagai pekerjaan yang tersedia di Maui lebih kecil daripada di Oahu. Dua industri utama adalah pariwisata dan pertanian. Kebanyakan orang akan setuju bahwa Maui jauh lebih sibuk daripada Oahu yang ramai, tapi tidak terlalu mengantuk untuk bosan, terutama jika Anda tinggal di daerah Kahului, Lahaina dan Kihei. Pulau Besar Hawaii. Seperti namanya, adalah pulau terbesar di Hawaii. Ini memiliki populasi 185.079 (pada tahun 2010) dan seperti Maui, pariwisata adalah industri utama pulau ini, yang berpusat terutama di pantai barat pulau (Pantai Kona). Industri utama lainnya termasuk pertanian (seperti kacang macadamia, anggrek dan kopi Kona), peternakan sapi dan astronomi. Pulau Kauai memiliki populasi 66.921 (pada tahun 2010) dan seperti di pulau-pulau lain, pariwisata adalah ekonomi utamanya, diikuti oleh pemerintah dan ritel. Pulau Molokai dan Lanai adalah yang paling sulit dalam menemukan pekerjaan, tapi yang mereka berikan adalah kesendirian. Populasi Molokais hanya 7.345 (pada tahun 2010) dan populasi Lanais adalah 3.135 (per 2010). Molokai memiliki tingkat pengangguran tertinggi di negara bagian di 7,4 (per Mei 2016). Sulit untuk mencari pekerjaan di sini, jadi beberapa orang membawa feri komuter setiap hari ke Maui tetangga untuk bekerja di sana (perjalanan 1,5 jam dengan sekali jalan, yang bisa sangat bergelombang). Di Lanai, kebanyakan orang bekerja di salah satu pulau di dua hotel mewah, Four Seasons di Manele Bay dan Four Seasons Lodge di Koele. Jadi Anda beruntung dan dapatkan salah satu pekerjaan di industri perhotelan atau pindah ke luar pulau. Kehidupan di Kauai, Molokai dan Lanai sangat santai dan pilihan hiburan malam sangat terbatas. Tapi jika Anda mencari kedamaian dan ketenangan, Anda akan menemukannya di sini. Waktu terbaik untuk tiba di Hawaii adalah antara bulan Januari dan Mei dan antara bulan September dan November. Selama masa ini, wisatawan yang lebih sedikit datang ke pulau ini, sehingga penerbangan yang terjangkau, penyewaan mobil dan akomodasi jangka pendek lebih mudah ditemukan. Barang-barang pribadi: Yang terbaik adalah membawa barang sesedikit mungkin. Di sini, di Hawaii Anda dapat menemukan tempat yang lengkap dengan peralatan yang dibutuhkan untuk tinggal. Oleh karena itu, tidak perlu membawa panci masak, perak, perabotan, dll. Bawa kenang-kenangan dan pakaian pribadi Anda. Anda akan membutuhkan kaos, celana pendek, jaket ringan dan celana jins. Jika Anda membutuhkan lebih banyak pakaian, ada banyak pilihan saat berbelanja di toko pakaian, mulai dari yang terjangkau (seperti Ross Dress for Less) hingga butik kelas atas (seperti Gucci dan Prada). Pastikan Anda membawa semua dokumen penting Anda bersama Anda, termasuk ID, surat-surat pribadi, catatan medis, resep, dll. Simpanlah dokumen-dokumen ini di tempat yang aman dengan membawa barang bawaan Anda. Jika Anda memiliki terlalu banyak barang yang ingin Anda bawa ke pulau-pulau, Anda dapat meminta seorang teman untuk membantu Anda. Mintalah beberapa teman Anda mengirimkan beberapa barang Anda melalui surat. USPS adalah metode pengiriman yang terjangkau, dapat diandalkan dan cepat. Biasanya dibutuhkan waktu antara empat sampai sepuluh hari untuk paket yang akan dikirim dari benua A. S. ke Hawaii (melalui pengiriman standar). Ada juga perusahaan pelayaran yang menawarkan layanan pindah ke Hawaii. Pengiriman mobil: Pengiriman mobil ke Hawaii dapat diatur dengan perusahaan pelayaran berikut: Horizon Lines, Matson dan Pasha Hawaii. Biaya pengiriman mobil dari A. S. Pantai Barat ke Hawaii sekitar 1.100 per kendaraan standar. Tarif ini tidak berlaku untuk kendaraan yang melebihi 218 kilo L x 8 W x 7 H, atau kendaraan yang memiliki akomodasi built-in untuk memasak atau tidur. Tanaman: Tanaman bisa masuk ke Hawaii hanya setelah diperiksa. Jika Anda memiliki tanaman yang ingin Anda bawa ke Hawaii, hubungi Departemen Pertanian A. S untuk informasi lebih lanjut. Inilah alamat mereka: Layanan Asuransi Kesehatan Hewan dan Tanaman, Kotak Terminal 57, Bandara Internasional Honolulu, Honolulu, Hawaii 96819. Hewan Peliharaan: Hawaii sangat ketat dalam hal mengimpor hewan peliharaan. Hal pertama yang harus Anda lakukan untuk mengimpor hewan peliharaan ke negara bagian Hawaii adalah menghubungi Departemen Pertanian Hawaii setidaknya 4 bulan sebelum pindah. Mereka akan memberi Anda informasi dan instruksi yang diperlukan. Untuk informasi lebih lanjut, silakan kunjungi hdoa. hawaii. gov. Tinggal di Hawaii dan Biaya Perumahan Untuk menyewa tempat di Hawaii secara signifikan lebih mahal daripada di kebanyakan tempat di daratan A. S. Sebuah studio di Oahu, misalnya, harganya antara 700-1.200 per bulan, tergantung lokasinya. Apartemen dua kamar tidur atau rumah biasanya dimulai dari 1.500 per bulan dan naik. Kondominium satu kamar tidur mewah yang baru dibangun biasanya disewa seharga 2.500 dan lebih. Ketika melihat rata-rata upah yang dilakukan orang di Hawaii, jelas bahwa harganya jauh dari upah rata-rata yang disyaratkan untuk menyewa apartemen dengan dua kamar tidur, menurut data tahun 2015 yang tersedia oleh Koalisi Perumahan Rendah Pendapatan Nasional. The Fair Market Rent untuk apartemen dua kamar tidur di Hawaii saat ini adalah 1.644. Untuk dapat membeli uang sewa ini tanpa membayar lebih dari 30 pendapatan untuk perumahan, rumah tangga harus memperoleh 5.469 per bulan atau 65.746 per tahun. Ini berarti upah perumahan sebesar 31,61 per jam. Peta AS di bawah ini menunjukkan upah per jam yang harus diperoleh rumah tangga pada tahun 2015 (bekerja 40 jam seminggu, 52 minggu setahun) untuk mendapatkan Sewa Pasar Adil untuk apartemen dua kamar tidur tanpa membayar lebih dari 30 pendapatan mereka, menurut Ke Koalisi Perumahan Rendah Pendapatan Nasional. Hawaii berada di peringkat 1 di Amerika Serikat dengan biaya perumahan (upah perumahan 31,61 per jam). Perkiraan rata-rata upah per jam di Hawaii adalah 14,49. Jadi dengan asumsi minggu kerja 40 jam, rumah tangga harus menyertakan 2.2 pekerja yang mendapatkan upah penyewa rata-rata untuk membeli apartemen dengan dua kamar Apartemen Adil. Angka di bawah ini mencantumkan sewa pasar wajar rata-rata untuk apartemen dengan dua kamar tidur, upah per jam rata-rata per jam dan pendapatan rumah tangga yang dibutuhkan untuk membeli sebuah apartemen dua kamar dengan harga sewa yang adil. BERARTI RENTER WAGE 31.61hour atau 65.746 tahun untuk Apartemen 2 Kamar Tidur 2015 Pasar Adat Rent Source: Koalisi Perumahan Rendah Pendapatan Nasional Menurut Koalisi Perumahan Rendah Pendapatan Nasional, ada 42 rumah tangga penyewa di Hawaii (2009-2013). Membeli rumah berada di luar jangkauan banyak orang dan sering kali jadi menyewa apartemen. Itu sebabnya banyak keluarga lokal berbagi rumah atau apartemen dengan keluarga besar mereka. Jomblo dapat memilih untuk berbagi apartemen dengan satu atau beberapa teman sekamar. Dan kemudian ada banyak tunawisma. Di seluruh negara bagian, antara 12.000 dan 15.000 orang kehilangan tempat tinggal di Hawaii pada suatu titik sepanjang tahun dan setidaknya 6.000 orang kehilangan tempat tinggal pada hari tertentu, menurut HO. M... Proyek. Di Hawaii saat ini ada 487 tunawisma per 100.000 orang, yang merupakan tingkat per kapita tertinggi di Amerika Serikat, di atas New York dan Nevada menurut statistik federal. Tingkat Pengangguran di Hawaii menurut Kabupaten Tingkat pengangguran yang disesuaikan secara musiman di negara bagian di Hawaii adalah 3,2 pada bulan Mei 2016 (dibandingkan dengan 4,7 di A. S.), menurut Departemen Tenaga Kerja Amerika Serikat, Industrial Relation (DLIR). Pada bulan Mei 2016, ada 665.750 orang yang dipekerjakan di Hawaii dan 22.300 orang yang menganggur. Berikut adalah ikhtisar tingkat pengangguran Hawaii (tidak disesuaikan secara musiman) menurut wilayah: Sumber: Biro Statistik Tenaga Kerja AS, 2011 Meskipun sekitar 90 dari semua makanan di Hawaii diimpor dan harganya lebih mahal di sini daripada di daratan AS, Anda dapat membeli Makanan dengan harga yang relatif terjangkau pada rantai seperti Costco, WalMart dan Sams Club. Beberapa supermarket biasa juga memiliki penjualan khusus. Ide bagus untuk tetap memenuhi anggaran Anda adalah dengan membeli apa yang dijual, bukan yang ingin Anda makan. Jika suka makan di luar, semuanya bisa bertambah dengan cepat. Biaya rata-rata untuk sarapan di Hawaii adalah dari sekitar 4 sampai 7, untuk makan siang dari sekitar 5 sampai 10 dan untuk makan malam sekitar 12 sampai 30 dan lebih. Tinggal di Waikiki Waikiki terkenal di antara pengunjung ke Hawaii dan banyak bangunan di sini sebenarnya hotel. Jika Anda memilih untuk tinggal di Waikiki, Anda akan dekat dengan Pantai Waikiki dan Diamond Head. Jika Anda menyukai kehidupan malam, Waikiki adalah tempat yang tepat untuk tinggal. Waikiki memiliki klub malam, restoran, pertunjukkan, bar dan banyak lagi. Kerugian dari tinggal di Waikiki adalah bahwa hanya ada satu toko kelontong (disebut Makanan Pantry), yang juga sangat mahal harganya. Satu-satunya tempat lain yang bisa Anda beli makanan adalah ABC Store, yang harganya mahal dan terbatas saat sampai di belanjaan. Namun, ABC Store mudah ditemukan, karena mereka berada di seluruh Waikiki. Bus umum: Di Oahu, sistem transportasi bus umum dengan mudah disebut TheBus. Ini adalah terjangkau (2,50 per tiket) dan cara mudah untuk berkeliling di pulau ini. Ada banyak rute bus yang mencakup sebagian besar wilayah Oahu. Untuk informasi lebih lanjut tentang biaya tiket, rute dan jadwal, kunjungi thebus. org. Di Maui, ada Bus Maui. Tarifnya adalah 1 per boarding. Untuk rute dan jadwal, kunjungi co. maui. hi. us. The Kauai Bus menawarkan transportasi umum di Kauai. Kunjungi kauai. gov untuk info lebih lanjut. Dan di Big Island, ada Hele-On Bus, heleonbus. org. Di Molokai, MEO (Maui Economic Opportunity) menawarkan Layanan Antar-Jemput Pedesaan tanpa biaya. Kunjungi meoinc. charityfinders. orgTransportasi untuk info lebih lanjut. Tidak ada layanan angkutan umum di pulau Lanai. Taksi: Layanan taksi tersedia di semua pulau. Lalu Lintas: Lalu lintas adalah masalah nyata di Pulau Oahu. Jam sibuk pagi-pagi antara pukul 6 pagi dan 8 pagi dan sore hari antara pukul 4 sore. Dan 6 p. m. Parkir: Parkir adalah salah satu masalah transportasi utama di pulau Oahu. Jika Anda bekerja di pusat kota Honolulu atau di Waikiki, sangat disarankan agar Anda menyewa tempat parkir setiap bulan jika perusahaan Anda tidak menyediakannya. Selamat Datang di City-Data Dengan mengumpulkan dan menganalisis data dari berbagai pemerintah dan swasta. Sumber, mampu membuat profil rinci dan informatif untuk setiap kota di Amerika Serikat. Dari tingkat kejahatan hingga pola cuaca, Anda akan menemukan data yang Anda cari di City-Data. City-Data melihat lebih dari 14 juta pengguna per bulan (Juli 2016) dan telah ditampilkan di 121 buku, di CNN, WABC di New York, Bay News 9 di Tampa Bay dan USA Todays Hot Sites, antara lain. Navigasi cepat FL TX NM AZ AK CA NV CO ATAU WA ID HI OK MT WY ND SD NE KS MN IA MO AR LA MS AL GA SC IL WI MI IN OH TN KY NC VA VA NY ME VT NH RI CT NJ DE MD MA DC Berdasarkan kategori Penilaian Lingkungan Temuan Pemeriksaan Restoran Perubahan peta data Interaktif sejak 2k Memuat data. Silahkan tunggu Berdasarkan data Pemuatan data 2005-2014. Harap tunggu data kami dalam tindakan Blog Data-Kota. Hal aneh apa yang orang cari di Google Bagaimana pajak penghasilan mempengaruhi pola migrasi Fitur apa yang populer di jenis rumah di Blog Data-Kota. Penulis menggunakan data untuk menjawab pertanyaan yang tidak pernah Anda ketahui. Dari investigasi konyol dan ringan sampai ujian ekonomi yang kuat, kami membahas berbagai topik yang dapat dinikmati oleh semua penulis Kami, banyak di antaranya Ph. D. Lulusan atau kandidat, membuat artikel yang mudah dibaca pada beragam topik. Panduan Kota kami Ingin merencanakan liburan Bagaimana menemukan sesuatu yang baru untuk dilakukan di kota Anda sendiri Pemandu kota kami diperuntukkan bagi Anda. Pemandu kami memberikan gambaran umum kota-kota di seluruh A. S. serta informasi terperinci tentang atraksi tertentu termasuk museum, restoran, kehidupan malam dan banyak lagi. Mereka juga memasukkan saran praktis tentang transportasi, kesehatan dan layanan medis setempat. Mereka pergi ke sumber daya Anda untuk mendapatkan hasil maksimal dari kota mana pun Temukan kota yang sesuai dengan kebutuhan Anda. Pilih hingga 10 kriteria dari database besar kami, tetapkan rentang yang diinginkan dengan kontrol visual yang mudah digunakan dan kurangi hasilnya menggunakan beberapa filter yang tersedia. Gunakan alat perbandingan kota kami untuk menganalisa dan membandingkan dua kota. Data geografis dan statistik, demografi, nilai terkini dan historis - semuanya ada di sini. Membuat keputusan tentang ke mana harus bergerak lebih mudah dari sebelumnya Kalkulator Bahan Bakar kami memungkinkan Anda untuk menentukan jumlah dan biaya bahan bakar untuk perjalanan, serta membandingkan biaya perjalanan dan biaya tahunan untuk dua kendaraan. Whats on City-Data Kami memiliki lebih dari 74.000 foto kota tidak ditemukan di tempat lain, grafik harga real estat terkini dan tren penjualan, penjualan rumah baru-baru ini, estimator nilai rumah, ratusan ribu peta, foto satelit, data demografi (ras, Pendapatan, keturunan, pendidikan, pekerjaan), data geografis, profil negara, data kejahatan, pelanggar seks terdaftar, biaya hidup, perumahan, agama, bisnis, tautan berita lokal berdasarkan teknologi eksklusif kami, tempat kelahiran orang-orang terkenal, kontribusi politik, kota Keuangan pemerintah, lapangan kerja, cuaca, bencana alam, rumah sakit, sekolah dan perpustakaan. Selain koleksi data kami yang besar, kami juga telah membuat Top 100 City Lists dan Top 101 City Lists. Daftar ini menampilkan kota-kota di ratusan kategori, termasuk pendapatan, kejahatan, kebanyakan pasangan gay, kebanyakan mobil, perjalanan terpendek, rumah terbesar, penduduk berpendidikan paling banyak dan banyak lagi. Kami juga memiliki ribuan gambar kota acak yang dikirimkan oleh pengguna kami.