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 2 3 4 5 | def getMA(df,n):
for i in range ( len (df)):
if i > = n:
df.ix[i, 'ma' ] = df.close.values[i - n:i].mean()
return df
|
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 2 3 4 5 6 7 | def getEMA(df,n):
for i in range ( len (df)):
if i = = 0 :
df.ix[i, 'ema' ] = df.ix[i, 'close' ]
if i> 0 :
df.ix[i, 'ema' ] = ( 1 - n) * df.ix[i - 1 , 'close' ] + n * df.ix[i, 'close' ]
return df
|
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;
计算公式:(X*M+Y'*(N-M))/N 其中Y表示上一周期值
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。
Python代码:
1 2 3 4 5 6 7 | def getSMA(df,n,m):
for i in range ( len (df)):
if i = = 0 :
df.ix[i, 'sma' ] = df.ix[i, 'close' ] * m / n
else :
df.ix[i, 'sma' ] = [df.ix[i, 'close' ] * m + (n - m) * df.ix[i - 1 , 'sma' ]] / n
return df
|
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 2 3 4 5 6 7 | def getDMA(df,m):
for i in range ( len (df)):
if i = = 0 :
df.ix[i, 'dma' ] = df.ix[i, 'close' ] / m
else :
df.ix[i, 'dma' ] = df.ix[i, 'close' ] / m + ( 1 - m) * df.ix[i - 1 , 'dma' ]
return df
|
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 2 3 4 5 6 7 | def getTMA(df,n,m):
for i in range ( len (df)):
if i = = 0 :
df.ix[i, 'sma' ] = df.ix[i, 'close' ] * m
else :
df.ix[i, 'sma' ] = df.ix[i, 'close' ] * m + df.ix[i - 1 , 'sma' ] * n
return df
|
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。
Python代码:
1 2 3 4 5 6 7 8 9 10 | def getWMA(df,n):
weight = 0
for i in range (n):
weight + = i
for i in range ( len (df)):
if i > = n:
sum = 0
for j in range (n):
sum + = (j + 1 ) * df.ix[i - n + j, 'close' ]
df.ix[i, 'wma' ] = sum / weight
|
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)
|