总结
使用递归和循环两种方法来完成
python环境下循环相比于递归更快,更适应极端样本情况
递归
def _ema(arr,i=None):
N = len(arr)
α = 2/(N+1) #平滑指数
i = N-1 if i is None else i
if i==0:
return arr[i]
else:
data = 0
data += (α*arr[i]+(1-α)*EMA(arr,i-1)) #递归公式
return data
循环
def _ema(arr):
N = len(arr)
α = 2/(N+1)
data = np.zeros(len(arr))
for i in range(len(data)):
data[i] = arr[i] if i==0 else α*arr[i]+(1-α)*data[i-1] #从首开始循环
return data[-1]
主体
def EMA(arr,period=21):
data = np.full(arr.shape,np.nan)
for i in range(period-1,len(arr)):
data[i] = _ema(arr[i+1-period:i+1])
return data
耗时
样本为900长度