请选择 进入手机版 | 继续访问电脑版
联系我们0592-5620660
电子邮箱info@immsee.cn

行情软件里的平均函数以及Python的实现

[复制链接]
admin 发表于 2021-1-15 17:11:22
317 0
行情软件里的平均函数以及Python的实现
在行情软件里,有很多的平均公式,一直没有深入的去了解,用得也是糊里糊涂的,现结合百度谷歌,对各种公式做个总结记录。


MA(x,n)–移动平均,是最简单的n日内的平均值;
计算公式:(X1+X2+X3+X4+…+Xn)/n
Python代码:
  1. def getMA(df,n):
  2.     for i in range(len(df)):
  3.         if i >= n:
  4.             df.ix[i,'ma'] = df.close.values[i-n:i].mean()
  5.     return df

复制代码
EMA(x,n)–指数移动平均,这个函数以相关周期为权重进行计算;
计算公式:[2*X+(n-1)*Y]/(n+1) 其中'Y'表示上一周期的Y值
例如:每天X值不同,由远到近标示分别为X1、X2、X3、X4……Xn
如果n=1,那么EMA(X,1) 则等于 [2*X1+(1-1)*Y]/(1+1)=X1
如果n=2,那么EMA(X,2) 则等于 [2*X2+(2-1)*Y]/(2+1)=(2/3)*X2+(1/3)*X1
如果n=3,那么EMA(X,3) 则等于 [2*X3+(3-1)*Y]/(3+1)
                                                  =[2*X3+2*((2/3)*X2+(1/3)*X1)]/4
                                                  =(1/2)*X3+(1/3)*X2+(1/6)*X1
以此类推,往下循环……
Python代码:
  1. def getEMA(df,n):
  2.     for i in range(len(df)):
  3.         if i==0:
  4.             df.ix[i,'ema']=df.ix[i,'close']
  5.         if i>0:
  6.             df.ix[i,'ema']=(1-n)*df.ix[i-1,'close']+n*df.ix[i,'close']
  7.     return df

  8. [code/]SMA(x,n,m)–简单移动平均,m为当日的权重,是个0~1之间的值;[/color][/align][align=left][color=rgb(51, 51, 51)]计算公式:(X*M+Y'*(N-M))/N 其中Y表示上一周期值[/color][/align][align=left][color=rgb(51, 51, 51)]SMA 就是把EMA(X,N) 中的权重2,变成了一个可自己定义的变数。要求M<N,M/N, (N-M)/N 就是一个加起来等于1的小数,于是定义动态平均值。[/color][/align][align=left][color=rgb(51, 51, 51)]Python代码:[code]def getSMA(df,n,m):
  9.     for i in range(len(df)):
  10.         if i==0:
  11.             df.ix[i,'sma'] = df.ix[i,'close']*m/n
  12.         else:
  13.             df.ix[i,'sma'] = [df.ix[i,'close']*m + (n-m)*df.ix[i-1,'sma']]/n
  14.     return df

复制代码
DMA(x,m)–动态移动平均,这个函数以动态设定的权重m进行计算;
计算公式:m*X+(1-m)*Y  其中Y表示上一周期值,A必须小于1
Python代码:
  1. def getDMA(df,m):
  2.     for i in range(len(df)):
  3.         if i == 0:
  4.             df.ix[i,'dma'] = df.ix[i,'close']/m
  5.         else:
  6.             df.ix[i,'dma'] = df.ix[i,'close']/m + (1-m)*df.ix[i-1,'dma']
  7.     return df

复制代码
TMA(x,n,m)–递归移动平均,这个函数可以完全控制当前周期的权重和上一次值的权重;
计算公示:m*X+n*Y 其中Y表示上一周期值,初值为m*X。
Python代码:
  1. [align=right]def getTMA(df,n,m):
  2.     for i in range(len(df)):
  3.         if i==0:
  4.             df.ix[i,'sma'] = df.ix[i,'close']*m
  5.         else:
  6.             df.ix[i,'sma'] = df.ix[i,'close']*m + df.ix[i-1,'sma']*n
  7.     return df

复制代码
WMA(x,n)–加权移动平均,这个函数对于近日的权重会比其它函数敏感。
计算公式:n*X0+(n-1)*X1+(n- 2)*X2)+…+1*Xn)/(n+(n-1)+(n-2)+…+1)
X0表示本周期值,X1表示上一周期值。
  1. def getWMA(df,n):
  2.     weight = 0
  3.     for i in range(n):
  4.         weight += i
  5.     for i in range(len(df)):
  6.         if i >= n:
  7.             sum = 0
  8.             for j in range(n):
  9.                  sum += (j+1)*df.ix[i-n+j,'close']
  10.             df.ix[i,'wma'] = sum/weight

复制代码
ps: 关于加权移动平均,有多个加权的计算方式,代码里的仅仅只是其中一种,如果需求不同,也可以换做其他计算方式。
1、末日加权移动平均线:
计算公式=(C1+C2+……+Cn×2)/(n+1)
我们用C代表收盘价。末日指的是最后一日哦,可不是世界末日。我们看到只有最后一天的收盘价(Cn)乘了一个2。这样,原来的n个价格就变成了(n+1)个,所以在求的平均的时候要除以(n+1)。
2、线性加权移动平均线:
计算公式=(C1×1+C2×2+……+Cn×n)/(1+2+…+n)
这一种均线计算起来有一点点麻烦,就是计算时每个价格都乘以一个权值,这个权值刚好是它的编号。对于线性这个词,如果大家不理解,那么请继续关注慧济,以后我会为大家详细解释。
3、梯型加权移动平均线:计算方法如下(5日为例):
计算公式=((C1+C2)×1+(C2+C3)×2+(C3+C4)×3+(C4+C5)×4)/(2×1+2×2+2×3+2×4)
是不是有点像梯形的面积公式啊?梯形面积=(上底+下底)×高/2
4、平方系数加权移动平均线:计算方法如下(5日为例):
MA=((C1×1×1)+( C2×2×2)+(C3×3×3)+(C4×4×4)+( C5×5×5))/(1×1+2×2+3×3+4×4+5×5)


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

发表新帖

推荐学习课程

阅读排行

QQ| 

Powered by iMMSEE Inc. ( 闽ICP备09016880号 )

返回顶部 返回列表