SQL金融_使用MySQL窗口函数计算简单移动平均(SMA)值

已于 2024-04-04 01:15:55 修改
阅读量830 收藏 13
点赞数 15
分类专栏： SQL 金融量化 数据分析 文章标签： sql 金融 mysql
于 2024-02-02 20:59:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/goufeng93/article/details/136000676
版权
数据分析 同时被 3 个专栏收录
21 篇文章 0 订阅
订阅专栏
金融量化
8 篇文章 0 订阅
订阅专栏
SQL
3 篇文章 0 订阅
订阅专栏

SQL金融_使用MySQL窗口函数计算简单移动平均(SMA)值

1. 前言

滑动 / 移动平均 (Moving Average, MA), 又称移动平均线，是技术分析中一种分析时间序列的常用工具。

常见的移动平均包括简单移动平均 (Simple Moving Average, SMA)、权重移动平均 (Weight Moving Average, WMA) 和指数移动平均 (Exponential Moving Average,EMA)等。

它们的主要区别是计算平均值的公式不同。

2. 准备

  • 安装 MySQL 8.0.18

  • 安装 Navicat Premium

2.1 安装 MySQL

由于 MySQL 在 8.0 以后的版本才开始支持窗口函数 (OLAP)，所以推荐安装 8.0.18 及以上版本，本文不过多涉及 MySQL 的安装，下载官方的安装包安装即可。

https://www.mysql.com/

2.2 安装 Navicat Premium

安装 Navicat Premium 是为了更加方便编写 SQL 查询语句，否则需要在命令行下编写 SQL 语句。

3. 准备股票数据

本篇文章以梳理思路，演示方法为主，所以直接使用以下简单的测试数据即可。

正常情况下的股票历年数据可通过 API 等接口获取。

测试数据：

-- 删除 example_stock 数据表 (如果存在才删除)。
DROP TABLE IF EXISTS example_stock;

-- 创建 example_stock 数据表 (如果不存在才创建)。
CREATE TABLE IF NOT EXISTS example_stock(stk_date      DATE,         -- Stock Date
                                         stk_code      VARCHAR(12),  -- Stock Code
                                         stk_open      DOUBLE(16,4), -- Stock Open
                                         stk_high      DOUBLE(16,4), -- Stock High
                                         stk_low       DOUBLE(16,4), -- Stock Low
                                         stk_close     DOUBLE(16,4), -- Stock Close
                                         stk_pre_close DOUBLE(16,4), -- Stock Previous Close
                                         stk_change    DOUBLE(16,4), -- Stock Change
                                         stk_volume    DOUBLE(16,4)  -- Stock Volume
                                         );

-- 插入数据到 example_stock 数据表。
INSERT INTO example_stock VALUES(str_to_date('2015-12-31','%Y-%m-%d'), 'SH.000422', 7.93, 7.95, 7.76, 7.77, 7.93, -0.020177, 13915200);
INSERT INTO example_stock VALUES(str_to_date('2015-12-30','%Y-%m-%d'), 'SH.000422', 7.86, 7.93, 7.75, 7.93, 7.84, 0.01148,   16755900);
INSERT INTO example_stock VALUES(str_to_date('2015-12-29','%Y-%m-%d'), 'SH.000422', 7.72, 7.85, 7.69, 7.84, 7.71, 0.016861,  14263800);
INSERT INTO example_stock VALUES(str_to_date('2015-12-28','%Y-%m-%d'), 'SH.000422', 8.03, 8.08, 7.7,  7.71, 8.03, -0.039851, 27672800);
INSERT INTO example_stock VALUES(str_to_date('2015-12-25','%Y-%m-%d'), 'SH.000422', 8.03, 8.05, 7.93, 8.03, 7.99, 0.005006,  18974000);
INSERT INTO example_stock VALUES(str_to_date('2015-12-24','%Y-%m-%d'), 'SH.000422', 7.93, 8.16, 7.87, 7.99, 7.92, 0.008838,  23781900);
INSERT INTO example_stock VALUES(str_to_date('2015-12-23','%Y-%m-%d'), 'SH.000422', 7.97, 8.11, 7.88, 7.92, 7.89, 0.003802,  38033600);
INSERT INTO example_stock VALUES(str_to_date('2015-12-22','%Y-%m-%d'), 'SH.000422', 7.86, 7.93, 7.76, 7.89, 7.83, 0.007663,  24178700);
INSERT INTO example_stock VALUES(str_to_date('2015-12-21','%Y-%m-%d'), 'SH.000422', 7.59, 7.89, 7.56, 7.83, 7.63, 0.026212,  27633600);
INSERT INTO example_stock VALUES(str_to_date('2015-12-18','%Y-%m-%d'), 'SH.000422', 7.71, 7.74, 7.57, 7.63, 7.74, -0.014212, 22234900);
INSERT INTO example_stock VALUES(str_to_date('2015-12-17','%Y-%m-%d'), 'SH.000422', 7.58, 7.75, 7.57, 7.74, 7.55, 0.025166,  25188400);
INSERT INTO example_stock VALUES(str_to_date('2015-12-16','%Y-%m-%d'), 'SH.000422', 7.57, 7.62, 7.53, 7.55, 7.55, 0,         18601600);
INSERT INTO example_stock VALUES(str_to_date('2015-12-15','%Y-%m-%d'), 'SH.000422', 7.63, 7.66, 7.52, 7.55, 7.62, -0.009186, 23256600);
INSERT INTO example_stock VALUES(str_to_date('2015-12-14','%Y-%m-%d'), 'SH.000422', 7.4,  7.64, 7.36, 7.62, 7.51, 0.014647,  18860100);
INSERT INTO example_stock VALUES(str_to_date('2015-12-11','%Y-%m-%d'), 'SH.000422', 7.65, 7.7,  7.41, 7.51, 7.67, -0.02086,  18385900);
INSERT INTO example_stock VALUES(str_to_date('2015-12-10','%Y-%m-%d'), 'SH.000422', 7.78, 7.87, 7.65, 7.67, 7.83, -0.020434, 17931900);
INSERT INTO example_stock VALUES(str_to_date('2015-12-09','%Y-%m-%d'), 'SH.000422', 7.76, 8,    7.75, 7.83, 7.77, 0.007722,  22569700);
INSERT INTO example_stock VALUES(str_to_date('2015-12-08','%Y-%m-%d'), 'SH.000422', 8.08, 8.18, 7.76, 7.77, 8.24, -0.057039, 32948200);
INSERT INTO example_stock VALUES(str_to_date('2015-12-07','%Y-%m-%d'), 'SH.000422', 8.12, 8.39, 7.94, 8.24, 8.23, 0.001215,  57993100);
INSERT INTO example_stock VALUES(str_to_date('2015-12-04','%Y-%m-%d'), 'SH.000422', 7.85, 8.48, 7.8,  8.23, 7.92, 0.039141,  89881900);
INSERT INTO example_stock VALUES(str_to_date('2015-12-03','%Y-%m-%d'), 'SH.000422', 7.42, 8.09, 7.38, 7.92, 7.43, 0.065949,  40777500);
INSERT INTO example_stock VALUES(str_to_date('2015-12-02','%Y-%m-%d'), 'SH.000422', 7.35, 7.48, 7.2,  7.43, 7.36, 0.009511,  14337600);
INSERT INTO example_stock VALUES(str_to_date('2015-12-01','%Y-%m-%d'), 'SH.000422', 7.28, 7.39, 7.23, 7.36, 7.33, 0.004093,  11050700);
INSERT INTO example_stock VALUES(str_to_date('2015-11-30','%Y-%m-%d'), 'SH.000422', 7.18, 7.36, 6.95, 7.33, 7.11, 0.030942,  18247500);
INSERT INTO example_stock VALUES(str_to_date('2015-11-27','%Y-%m-%d'), 'SH.000422', 7.59, 7.59, 6.95, 7.11, 7.6,  -0.064474, 24846700);
INSERT INTO example_stock VALUES(str_to_date('2015-11-26','%Y-%m-%d'), 'SH.000422', 7.63, 7.73, 7.58, 7.6,  7.63, -0.003932, 22299800);
INSERT INTO example_stock VALUES(str_to_date('2015-11-25','%Y-%m-%d'), 'SH.000422', 7.56, 7.64, 7.51, 7.63, 7.59, 0.00527,   18782900);
INSERT INTO example_stock VALUES(str_to_date('2015-11-24','%Y-%m-%d'), 'SH.000422', 7.6,  7.63, 7.48, 7.59, 7.62, -0.003937, 13348200);
INSERT INTO example_stock VALUES(str_to_date('2015-11-23','%Y-%m-%d'), 'SH.000422', 7.59, 7.72, 7.55, 7.62, 7.61, 0.001314,  25505000);
INSERT INTO example_stock VALUES(str_to_date('2015-11-20','%Y-%m-%d'), 'SH.000422', 7.59, 7.71, 7.53, 7.61, 7.59, 0.002635,  25389100);
INSERT INTO example_stock VALUES(str_to_date('2015-11-19','%Y-%m-%d'), 'SH.000422', 7.45, 7.62, 7.41, 7.59, 7.39, 0.027064,  34691700);
INSERT INTO example_stock VALUES(str_to_date('2015-11-18','%Y-%m-%d'), 'SH.000422', 7.53, 7.54, 7.38, 7.39, 7.51, -0.015979, 12725000);
INSERT INTO example_stock VALUES(str_to_date('2015-11-17','%Y-%m-%d'), 'SH.000422', 7.53, 7.63, 7.44, 7.51, 7.5,  0.001333,  25714500);
INSERT INTO example_stock VALUES(str_to_date('2015-11-16','%Y-%m-%d'), 'SH.000422', 7.27, 7.52, 7.24, 7.5,  7.38, 0.01626,   14572000);
INSERT INTO example_stock VALUES(str_to_date('2015-11-13','%Y-%m-%d'), 'SH.000422', 7.49, 7.55, 7.36, 7.38, 7.54, -0.02122,  26214400);
INSERT INTO example_stock VALUES(str_to_date('2015-11-12','%Y-%m-%d'), 'SH.000422', 7.65, 7.68, 7.49, 7.54, 7.61, -0.009198, 23794800);
INSERT INTO example_stock VALUES(str_to_date('2015-11-11','%Y-%m-%d'), 'SH.000422', 7.57, 7.64, 7.52, 7.61, 7.57, 0.005284,  23445900);
INSERT INTO example_stock VALUES(str_to_date('2015-11-10','%Y-%m-%d'), 'SH.000422', 7.51, 7.61, 7.45, 7.57, 7.55, 0.002649,  22427700);
INSERT INTO example_stock VALUES(str_to_date('2015-11-09','%Y-%m-%d'), 'SH.000422', 7.51, 7.62, 7.45, 7.55, 7.53, 0.002656,  29959500);
INSERT INTO example_stock VALUES(str_to_date('2015-11-06','%Y-%m-%d'), 'SH.000422', 7.47, 7.53, 7.37, 7.53, 7.45, 0.010738,  33273100);
INSERT INTO example_stock VALUES(str_to_date('2015-11-05','%Y-%m-%d'), 'SH.000422', 7.34, 7.54, 7.32, 7.45, 7.37, 0.010855,  36330200);
INSERT INTO example_stock VALUES(str_to_date('2015-11-04','%Y-%m-%d'), 'SH.000422', 7.1,  7.38, 7.07, 7.37, 7.05, 0.04539,   31260800);
INSERT INTO example_stock VALUES(str_to_date('2015-11-03','%Y-%m-%d'), 'SH.000422', 7.08, 7.13, 7.02, 7.05, 7.06, -0.001416, 13412400);
INSERT INTO example_stock VALUES(str_to_date('2015-11-02','%Y-%m-%d'), 'SH.000422', 7.11, 7.26, 7.05, 7.06, 7.26, -0.027548, 15142100);
INSERT INTO example_stock VALUES(str_to_date('2015-10-30','%Y-%m-%d'), 'SH.000422', 7.22, 7.38, 7.1,  7.26, 7.24, 0.002762,  20490200);
INSERT INTO example_stock VALUES(str_to_date('2015-10-29','%Y-%m-%d'), 'SH.000422', 7.27, 7.33, 7.16, 7.24, 7.16, 0.011173,  23098500);
INSERT INTO example_stock VALUES(str_to_date('2015-10-28','%Y-%m-%d'), 'SH.000422', 7.32, 7.4,  7.09, 7.16, 7.42, -0.03504,  31938500);
INSERT INTO example_stock VALUES(str_to_date('2015-10-27','%Y-%m-%d'), 'SH.000422', 7.21, 7.48, 7.08, 7.42, 7.18, 0.033426,  51769300);
INSERT INTO example_stock VALUES(str_to_date('2015-10-26','%Y-%m-%d'), 'SH.000422', 7.2,  7.25, 7.01, 7.18, 7.17, 0.001395,  33077800);
INSERT INTO example_stock VALUES(str_to_date('2015-10-23','%Y-%m-%d'), 'SH.000422', 6.84, 7.22, 6.81, 7.17, 6.8,  0.054412,  42351500);
INSERT INTO example_stock VALUES(str_to_date('2015-10-22','%Y-%m-%d'), 'SH.000422', 6.68, 6.81, 6.64, 6.8,  6.65, 0.022556,  18503800);
INSERT INTO example_stock VALUES(str_to_date('2015-10-21','%Y-%m-%d'), 'SH.000422', 7.08, 7.11, 6.61, 6.65, 7.09, -0.062059, 35365300);
INSERT INTO example_stock VALUES(str_to_date('2015-10-20','%Y-%m-%d'), 'SH.000422', 7,    7.09, 6.94, 7.09, 7.03, 0.008535,  21972900);
INSERT INTO example_stock VALUES(str_to_date('2015-10-19','%Y-%m-%d'), 'SH.000422', 7.09, 7.13, 6.92, 7.03, 7.08, -0.007062, 28068800);
INSERT INTO example_stock VALUES(str_to_date('2015-10-16','%Y-%m-%d'), 'SH.000422', 6.97, 7.08, 6.91, 7.08, 6.93, 0.021645,  35584700);
INSERT INTO example_stock VALUES(str_to_date('2015-10-15','%Y-%m-%d'), 'SH.000422', 6.77, 6.94, 6.75, 6.93, 6.77, 0.023634,  28412700);
INSERT INTO example_stock VALUES(str_to_date('2015-10-14','%Y-%m-%d'), 'SH.000422', 6.87, 6.94, 6.74, 6.77, 6.89, -0.017417, 24445500);
INSERT INTO example_stock VALUES(str_to_date('2015-10-13','%Y-%m-%d'), 'SH.000422', 6.86, 6.96, 6.8,  6.89, 6.88, 0.001453,  25771900);
INSERT INTO example_stock VALUES(str_to_date('2015-10-12','%Y-%m-%d'), 'SH.000422', 6.62, 6.91, 6.58, 6.88, 6.61, 0.040847,  33254300);
INSERT INTO example_stock VALUES(str_to_date('2015-10-09','%Y-%m-%d'), 'SH.000422', 6.54, 6.65, 6.45, 6.61, 6.54, 0.010703,  16635900);
INSERT INTO example_stock VALUES(str_to_date('2015-10-08','%Y-%m-%d'), 'SH.000422', 6.45, 6.7,  6.37, 6.54, 6.26, 0.044728,  16931000);
INSERT INTO example_stock VALUES(str_to_date('2015-09-30','%Y-%m-%d'), 'SH.000422', 6.25, 6.3,  6.22, 6.26, 6.23, 0.004815,  6579090 );
INSERT INTO example_stock VALUES(str_to_date('2015-09-29','%Y-%m-%d'), 'SH.000422', 6.3,  6.32, 6.18, 6.23, 6.4,  -0.026562, 8072900 );
INSERT INTO example_stock VALUES(str_to_date('2015-09-28','%Y-%m-%d'), 'SH.000422', 6.35, 6.42, 6.25, 6.4,  6.34, 0.009464,  7922890 );
INSERT INTO example_stock VALUES(str_to_date('2015-09-25','%Y-%m-%d'), 'SH.000422', 6.51, 6.56, 6.25, 6.34, 6.53, -0.029096, 11298800);
INSERT INTO example_stock VALUES(str_to_date('2015-09-24','%Y-%m-%d'), 'SH.000422', 6.48, 6.56, 6.45, 6.53, 6.45, 0.012403,  10180900);
INSERT INTO example_stock VALUES(str_to_date('2015-09-23','%Y-%m-%d'), 'SH.000422', 6.51, 6.6,  6.41, 6.45, 6.67, -0.032984, 14294100);
INSERT INTO example_stock VALUES(str_to_date('2015-09-22','%Y-%m-%d'), 'SH.000422', 6.58, 6.73, 6.54, 6.67, 6.58, 0.013678,  20970200);
INSERT INTO example_stock VALUES(str_to_date('2015-09-21','%Y-%m-%d'), 'SH.000422', 6.34, 6.61, 6.29, 6.58, 6.44, 0.021739,  15295900);
INSERT INTO example_stock VALUES(str_to_date('2015-09-18','%Y-%m-%d'), 'SH.000422', 6.52, 6.58, 6.3,  6.44, 6.44, 0,         14924700);
INSERT INTO example_stock VALUES(str_to_date('2015-09-17','%Y-%m-%d'), 'SH.000422', 6.59, 6.76, 6.43, 6.44, 6.68, -0.035928, 17523900);
INSERT INTO example_stock VALUES(str_to_date('2015-09-16','%Y-%m-%d'), 'SH.000422', 6.21, 6.76, 6.17, 6.68, 6.15, 0.086179,  17662300);
INSERT INTO example_stock VALUES(str_to_date('2015-09-15','%Y-%m-%d'), 'SH.000422', 6.24, 6.38, 6.05, 6.15, 6.26, -0.017572, 13771200);
INSERT INTO example_stock VALUES(str_to_date('2015-09-14','%Y-%m-%d'), 'SH.000422', 6.89, 6.95, 6.18, 6.26, 6.87, -0.088792, 18559600);
INSERT INTO example_stock VALUES(str_to_date('2015-09-11','%Y-%m-%d'), 'SH.000422', 6.87, 6.96, 6.77, 6.87, 6.84, 0.004386,  9486290 );
INSERT INTO example_stock VALUES(str_to_date('2015-09-10','%Y-%m-%d'), 'SH.000422', 6.95, 7.01, 6.76, 6.84, 7.06, -0.031161, 15229100);
INSERT INTO example_stock VALUES(str_to_date('2015-09-09','%Y-%m-%d'), 'SH.000422', 6.9,  7.09, 6.86, 7.06, 6.88, 0.026163,  25325600);
INSERT INTO example_stock VALUES(str_to_date('2015-09-08','%Y-%m-%d'), 'SH.000422', 6.65, 6.91, 6.55, 6.88, 6.62, 0.039275,  15609100);
INSERT INTO example_stock VALUES(str_to_date('2015-09-07','%Y-%m-%d'), 'SH.000422', 6.5,  6.81, 6.5,  6.62, 6.38, 0.037618,  15602600);
INSERT INTO example_stock VALUES(str_to_date('2015-09-02','%Y-%m-%d'), 'SH.000422', 6.45, 6.88, 6.3,  6.38, 6.74, -0.053412, 19480100);
INSERT INTO example_stock VALUES(str_to_date('2015-09-01','%Y-%m-%d'), 'SH.000422', 6.88, 6.99, 6.67, 6.74, 6.81, -0.010279, 22576700);
INSERT INTO example_stock VALUES(str_to_date('2015-08-31','%Y-%m-%d'), 'SH.000422', 6.9,  6.97, 6.71, 6.81, 7.07, -0.036775, 16069600);
INSERT INTO example_stock VALUES(str_to_date('2015-08-28','%Y-%m-%d'), 'SH.000422', 6.75, 7.08, 6.71, 7.07, 6.67, 0.05997,   23330800);
INSERT INTO example_stock VALUES(str_to_date('2015-08-27','%Y-%m-%d'), 'SH.000422', 6.53, 6.67, 6.34, 6.67, 6.32, 0.05538,   19627900);
INSERT INTO example_stock VALUES(str_to_date('2015-08-26','%Y-%m-%d'), 'SH.000422', 6.31, 6.77, 6.09, 6.32, 6.25, 0.0112,    26190200);
INSERT INTO example_stock VALUES(str_to_date('2015-08-25','%Y-%m-%d'), 'SH.000422', 6.4,  6.77, 6.25, 6.25, 6.94, -0.099424, 25778600);
INSERT INTO example_stock VALUES(str_to_date('2015-08-24','%Y-%m-%d'), 'SH.000422', 7.49, 7.49, 6.94, 6.94, 7.71, -0.09987,  31949900);
INSERT INTO example_stock VALUES(str_to_date('2015-08-21','%Y-%m-%d'), 'SH.000422', 8,    8.11, 7.6,  7.71, 8.17, -0.056304, 28144800);
INSERT INTO example_stock VALUES(str_to_date('2015-08-20','%Y-%m-%d'), 'SH.000422', 8.38, 8.56, 8.14, 8.17, 8.53, -0.042204, 27764200);
INSERT INTO example_stock VALUES(str_to_date('2015-08-19','%Y-%m-%d'), 'SH.000422', 7.73, 8.57, 7.72, 8.53, 7.96, 0.071608,  45619900);
INSERT INTO example_stock VALUES(str_to_date('2015-08-18','%Y-%m-%d'), 'SH.000422', 8.81, 8.86, 7.92, 7.96, 8.8,  -0.095455, 49105500);
INSERT INTO example_stock VALUES(str_to_date('2015-08-17','%Y-%m-%d'), 'SH.000422', 8.49, 8.83, 8.42, 8.8,  8.52, 0.032864,  42096900);
INSERT INTO example_stock VALUES(str_to_date('2015-08-14','%Y-%m-%d'), 'SH.000422', 8.48, 8.65, 8.43, 8.52, 8.44, 0.009479,  35985000);
INSERT INTO example_stock VALUES(str_to_date('2015-08-13','%Y-%m-%d'), 'SH.000422', 8.2,  8.45, 8.15, 8.44, 8.24, 0.024272,  26019600);
INSERT INTO example_stock VALUES(str_to_date('2015-08-12','%Y-%m-%d'), 'SH.000422', 8.38, 8.48, 8.21, 8.24, 8.48, -0.028302, 30960700);
INSERT INTO example_stock VALUES(str_to_date('2015-08-11','%Y-%m-%d'), 'SH.000422', 8.41, 8.68, 8.32, 8.48, 8.49, -0.001178, 42343900);
INSERT INTO example_stock VALUES(str_to_date('2015-08-10','%Y-%m-%d'), 'SH.000422', 8.28, 8.58, 8.18, 8.49, 8.21, 0.034105,  36071600);
INSERT INTO example_stock VALUES(str_to_date('2015-08-07','%Y-%m-%d'), 'SH.000422', 8.15, 8.28, 8.08, 8.21, 8.07, 0.017348,  22599800);
INSERT INTO example_stock VALUES(str_to_date('2015-08-06','%Y-%m-%d'), 'SH.000422', 7.88, 8.21, 7.8,  8.07, 8.03, 0.004981,  17546700);
INSERT INTO example_stock VALUES(str_to_date('2015-08-05','%Y-%m-%d'), 'SH.000422', 8.1,  8.35, 7.95, 8.03, 8.18, -0.018337, 23875500);

4. 计算 30 日简单移动平均 (SMA) 值

语句释义：

  • AVG(stk_close): 求平均值的 AVG 可作为聚合函数使用，表示将所有收盘价 (Close) 汇总成一个平均值。

  • OVER: OVER 表明 AVG() 是一个窗口函数。OVER 后的括号内为空，表示将所有数据作为一个分区进行汇总。

  • (PARTITION BY stk_code): 表示按 stk_code 也就是股票代码分区 (PARTITION BY)，如果有多个股票，则窗口会分别在各自分区内进行滑动、取值。

  • (ORDER BY stk_date ASC): 表示按 stk_date 进行升序 (ASC) 排序 (ORDER BY)，因为移动平均是按时间顺序计算的。

  • (ROWS BETWEEN 29 PRECEDING AND CURRENT ROW): 表示窗口大小 (Frame Clause)，这里表示取前 29 行到当前 (Current) 行，也即共 30 行。

SELECT
    stk_date,
    stk_code,
    stk_close,
    AVG(stk_close) OVER(PARTITION BY stk_code ORDER BY stk_date ASC ROWS BETWEEN 29 PRECEDING AND CURRENT ROW) as SMA30
FROM
    example_stock

输出：

+------------+------------+----------+-----------+
|stk_date    |stk_code    |stk_close |SMA30      |
+------------+------------+----------+-----------+
|2015-08-05  |SH.000422   |8.0300    |8.03000000 |
|2015-08-06  |SH.000422   |8.0700    |8.05000000 |
|2015-08-07  |SH.000422   |8.2100    |8.10333333 |
|2015-08-10  |SH.000422   |8.4900    |8.20000000 |
|2015-08-11  |SH.000422   |8.4800    |8.25600000 |
|2015-08-12  |SH.000422   |8.2400    |8.25333333 |
|2015-08-13  |SH.000422   |8.4400    |8.28000000 |
|2015-08-14  |SH.000422   |8.5200    |8.31000000 |
|2015-08-17  |SH.000422   |8.8000    |8.36444444 |
|2015-08-18  |SH.000422   |7.9600    |8.32400000 |
|2015-08-19  |SH.000422   |8.5300    |8.34272727 |
|2015-08-20  |SH.000422   |8.1700    |8.32833333 |
|2015-08-21  |SH.000422   |7.7100    |8.28076923 |
|2015-08-24  |SH.000422   |6.9400    |8.18500000 |
|2015-08-25  |SH.000422   |6.2500    |8.05600000 |
|2015-08-26  |SH.000422   |6.3200    |7.94750000 |
|2015-08-27  |SH.000422   |6.6700    |7.87235294 |
|2015-08-28  |SH.000422   |7.0700    |7.82777778 |
|2015-08-31  |SH.000422   |6.8100    |7.77421053 |
|2015-09-01  |SH.000422   |6.7400    |7.72250000 |
|2015-09-02  |SH.000422   |6.3800    |7.65857143 |
|2015-09-07  |SH.000422   |6.6200    |7.61136364 |
|2015-09-08  |SH.000422   |6.8800    |7.57956522 |
|2015-09-09  |SH.000422   |7.0600    |7.55791667 |
|2015-09-10  |SH.000422   |6.8400    |7.52920000 |
|2015-09-11  |SH.000422   |6.8700    |7.50384615 |
|2015-09-14  |SH.000422   |6.2600    |7.45777778 |
|2015-09-15  |SH.000422   |6.1500    |7.41107143 |
|2015-09-16  |SH.000422   |6.6800    |7.38586207 |
|2015-09-17  |SH.000422   |6.4400    |7.35433333 |
|2015-09-18  |SH.000422   |6.4400    |7.30133333 |
|2015-09-21  |SH.000422   |6.5800    |7.25166667 |
|2015-09-22  |SH.000422   |6.6700    |7.20033333 |
|2015-09-23  |SH.000422   |6.4500    |7.13233333 |
|2015-09-24  |SH.000422   |6.5300    |7.06733333 |
|2015-09-25  |SH.000422   |6.3400    |7.00400000 |
|2015-09-28  |SH.000422   |6.4000    |6.93600000 |
|2015-09-29  |SH.000422   |6.2300    |6.85966667 |
|2015-09-30  |SH.000422   |6.2600    |6.77500000 |
|2015-10-08  |SH.000422   |6.5400    |6.72766667 |
|2015-10-09  |SH.000422   |6.6100    |6.66366667 |
|2015-10-12  |SH.000422   |6.8800    |6.62066667 |
|2015-10-13  |SH.000422   |6.8900    |6.59333333 |
|2015-10-14  |SH.000422   |6.7700    |6.58766667 |
|2015-10-15  |SH.000422   |6.9300    |6.61033333 |
|2015-10-16  |SH.000422   |7.0800    |6.63566667 |
|2015-10-19  |SH.000422   |7.0300    |6.64766667 |
|2015-10-20  |SH.000422   |7.0900    |6.64833333 |
|2015-10-21  |SH.000422   |6.6500    |6.64300000 |
|2015-10-22  |SH.000422   |6.8000    |6.64500000 |
|2015-10-23  |SH.000422   |7.1700    |6.67133333 |
|2015-10-26  |SH.000422   |7.1800    |6.69000000 |
|2015-10-27  |SH.000422   |7.4200    |6.70800000 |
|2015-10-28  |SH.000422   |7.1600    |6.71133333 |
|2015-10-29  |SH.000422   |7.2400    |6.72466667 |
|2015-10-30  |SH.000422   |7.2600    |6.73766667 |
|2015-11-02  |SH.000422   |7.0600    |6.76433333 |
|2015-11-03  |SH.000422   |7.0500    |6.79433333 |
|2015-11-04  |SH.000422   |7.3700    |6.81733333 |
|2015-11-05  |SH.000422   |7.4500    |6.85100000 |
|2015-11-06  |SH.000422   |7.5300    |6.88733333 |
|2015-11-09  |SH.000422   |7.5500    |6.91966667 |
|2015-11-10  |SH.000422   |7.5700    |6.94966667 |
|2015-11-11  |SH.000422   |7.6100    |6.98833333 |
|2015-11-12  |SH.000422   |7.5400    |7.02200000 |
|2015-11-13  |SH.000422   |7.3800    |7.05666667 |
|2015-11-16  |SH.000422   |7.5000    |7.09333333 |
|2015-11-17  |SH.000422   |7.5100    |7.13600000 |
|2015-11-18  |SH.000422   |7.3900    |7.17366667 |
|2015-11-19  |SH.000422   |7.5900    |7.20866667 |
|2015-11-20  |SH.000422   |7.6100    |7.24200000 |
|2015-11-23  |SH.000422   |7.6200    |7.26666667 |
|2015-11-24  |SH.000422   |7.5900    |7.29000000 |
|2015-11-25  |SH.000422   |7.6300    |7.31866667 |
|2015-11-26  |SH.000422   |7.6000    |7.34100000 |
|2015-11-27  |SH.000422   |7.1100    |7.34200000 |
|2015-11-30  |SH.000422   |7.3300    |7.35200000 |
|2015-12-01  |SH.000422   |7.3600    |7.36100000 |
|2015-12-02  |SH.000422   |7.4300    |7.38700000 |
|2015-12-03  |SH.000422   |7.9200    |7.42433333 |
|2015-12-04  |SH.000422   |8.2300    |7.45966667 |
|2015-12-07  |SH.000422   |8.2400    |7.49500000 |
|2015-12-08  |SH.000422   |7.7700    |7.50666667 |
|2015-12-09  |SH.000422   |7.8300    |7.52900000 |
|2015-12-10  |SH.000422   |7.6700    |7.54333333 |
|2015-12-11  |SH.000422   |7.5100    |7.55166667 |
|2015-12-14  |SH.000422   |7.6200    |7.57033333 |
|2015-12-15  |SH.000422   |7.5500    |7.58700000 |
|2015-12-16  |SH.000422   |7.5500    |7.59300000 |
|2015-12-17  |SH.000422   |7.7400    |7.60266667 |
|2015-12-18  |SH.000422   |7.6300    |7.60600000 |
|2015-12-21  |SH.000422   |7.8300    |7.61533333 |
|2015-12-22  |SH.000422   |7.8900    |7.62600000 |
|2015-12-23  |SH.000422   |7.9200    |7.63633333 |
|2015-12-24  |SH.000422   |7.9900    |7.65133333 |
|2015-12-25  |SH.000422   |8.0300    |7.67300000 |
|2015-12-28  |SH.000422   |7.7100    |7.68000000 |
|2015-12-29  |SH.000422   |7.8400    |7.69100000 |
|2015-12-30  |SH.000422   |7.9300    |7.70900000 |
|2015-12-31  |SH.000422   |7.7700    |7.71500000 |
+------------+------------+----------+-----------+

通过以上的计算，验证后发现，前 29 行，也即 2015-08-05 至 2015-09-16 的数据并不是 30 日均值。

虽然设定了窗口帧范围为前 29 行到当前行，但当前面不足 29 行的时候，则会有多少行取多少行。

也就是 2015-08-05 前面有 0 行，则 2015-08-05 的 SMA30 就是 2015-08-05 的 stk_close 本身 (8.0300 / 1 = 8.0300)

2015-08-06 前面有 1 行，则 2015-08-06 的 SMA30 就是 2015-08-05 至 2015-08-06 的 stk_close 的平均值 ((8.0300 + 8.0700) / 2 = 8.050)

…

结语

以上就是使用 MySQL 窗口函数 (OLAP) 计算简单移动平均 (Simple Moving Average) 值的全部内容。

更多内容可以访问我的代码仓库:

https://gitee.com/goufeng928/public

https://github.com/goufeng928/public

Mostcow
关注
  • 15
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
sql power bi_在SQL，Power BI和MS Excel中计算移动平均值
culuo4781的博客
07-23 1725
sql power bi In this article, I’m going to talk in detail about the moving average in SQL and how to find out the same in Power BI and Excel. This might be a new topic for many newbies who have sta...
在SQL，Power BI和MS Excel中计算移动平均值
bill20100829的博客
02-21 659
在本文中，我将详细讨论SQL中的移动平均线以及如何在Power BI和Excel中找到相同的移动平均线。对于许多刚开始从事该领域的新手来说，这可能是一个新话题，但是我敢肯定，这将对尝试在SQL或Power BI中平滑平均值的任何人有所帮助。 顾名思义，SQL或Power BI中的移动平均值是一种正在移动的平均值函数。换句话说，它是在一段时间内计算得出的。这是在进行金融交易时的一种重要情况，在这种情况下，通常分析人员往往会努力使股票价格趋于平稳，例如在一段时间内找出价格趋势。然后，该趋势有助于定义平均值是上
sql 移动平均
luoganttcc的博客
11-11 1263
WITH Produce AS (SELECT 'kale' as item, 23 as purchases, 'vegetable' as category UNION ALL SELECT 'orange', 2, 'fruit' UNION ALL SELECT 'cabbage', 9, 'vegetable' UNION ALL SELECT 'apple', 8, 'fruit' UNION ALL SELECT 'leek', 2, 'vegetable' UNION
数据分析SQL移动平均值
ArYe
10-04 2414
对序列的值，按一定窗口大小并顺序滑动，计算全部算术平均值例：对于序列X1,X2,...XnX1​,X2​,...Xn​计算X1+X2+X33,X2+X3+X43,X3+X4+X53...X3+X4+X533X1​+X2​+X3​​,3X2​+X3​+X4​​,3X3​+X4​+X5​​...
SQL实现任意间隔的移动平均线
11-12
使用MS SQL 实现的任意间隔的移动平均线,
Mysql记录-移动平均
weixin_45700017的博客
06-02 383
在岗职工人均劳动生产率产量平均在岗职工人数在岗职工人均劳动生产率=\frac{产量}{平均在岗职工人数}.在岗职工人均劳动生产率平均在岗职工人数产量​其中:平均在岗职工人数∑i1n第i月平均人数n平均在岗职工人数=\frac{\sum_{i=1}^{n}第i月平均人数}{n}.平均在岗职工人数n∑i1n​第i月平均人数​月平均人数=(月初人数+月末人数)/2;n:报告期月份数劳动生产率单位：/人•年仅输入产量和月初月末在岗职工人数，其余字段自动计算。
SQL计算截断平均值和移动平均值
最新发布
weixin_50646402的博客
06-27 832
在SQL实际数值计算中，可能会遇到计算计算某一列去掉最大值和最小值后的平均值（截断平均值）或者计算字段前m条记录和后n条记录的平均值。
Mysql函数手册.rar_MySQL函数手册_VZI_mysql 函数手册
09-15
6. 集合函数：如COUNT()统计数量，SUM()求和，AVG()计算平均值，MIN()和MAX()找出最小和最大值。 7. 位操作函数：如BIT_AND()、BIT_OR()和BIT_XOR()用于进行二进制位运算。 8. 信息函数：如DATABASE()返回当前...
mysql每半小时平均值计算的sql语句
12-15
在MySQL数据库中，有时我们需要对数据进行时间周期性的统计，比如计算每半小时的平均值。在给定的标题和描述中，我们面临的就是这样一个问题，需要从`instance`表中获取每半小时的CPU使用率平均值。表`instance`包含...
使用MySQL中的AVG函数求平均值的教程
01-19
MySQL的AVG函数是用来求出各种记录中的字段的平均值。 要了解AVG功能考虑EMPLOYEE_TBL表具有以下记录： mysql> SELECT * FROM employee_tbl; +------+------+------------+--------------------+ | id | name | ...
SQL计算某只股票5日移动平均价和5日交易量加权移动平均价（附SQL语句）
01-16
SQL计算某只股票5日移动平均价和5日交易量加权移动平均价（附SQL语句）
通过传入序列计算移动平均线序列
07-20
通过传入序列计算移动平均线序列。 使用方法： static funcMa ma60; static funcMa ma2; static funcMa ma22; static vector C;//收盘价序列 vector ma60temp = ma60.Caculate(C,N*2,0);//收盘价的均线序列 vector ma2temp = a2.Caculate(ma60temp,M1*2,0);//均线的均线 vector ma22temp =ma22.Caculate(ma2temp,M2*2,0);//均线的均线的均线
SMA_matlab_
10-03
2020年最新slime mould algorithm算法
Mysql中LAST_INSERT_ID()的函数使用详解
12-15
在MySQL数据库中，LAST_INSERT_ID()函数是一个非常实用的工具，尤其在处理多表关联或者需要获取最新插入记录的自增ID时。该函数的主要作用是返回最近一次执行的INSERT或UPDATE语句对具有AUTO_INCREMENT属性的列所...
SQL.rar_labview mysql_mysql labview_sql
09-21
标题“SQL.rar_labview mysql_mysql labview_sql”和描述“在labview中实现数据库MySQL调用的节点函数”指向一个关于使用LabVIEW（Laboratory Virtual Instrument Engineering Workbench）与MySQL数据库进行交互的...
mysql 字段移动平均值_Excel-移动平均分析（趋势分析）
weixin_33708633的博客
02-18 486
移动平均数可以有效地消除实际数据值的随机波动，从而得到较为平滑的数据变动趋势图表，通过对历史趋势变动的分析，可以预测未来一期或几期内数据的变动方向。 1．移动平均计算的种类 根据预测时使用的各元素的权重不同，可以分为：简单移动平均和加权移动平移动平均数可以有效地消除实际数据值的随机波动，从而得到较为平滑的数据变动趋势图表，通过对历史趋势变动的分析，可以预测未来一期或几期内数据的变动方向。1．移动平...
mysql 中average_mysql – 计算SQL中的移动平均值
weixin_30658827的博客
02-27 1336
我想从MySQL专栏计算12个月的移动平均线.数据代表时间序列功率测量,它是一个较大的数据集(几年内每10分钟一次).一个高性能的查询会很好,但速度是我以后可以解决的问题.DTE Active2012-1-3 00:10 5002012-1-3 00:20 520... etc以下查询为我提供了每月的活动总数：SELECT YEAR(DTE...
MySQL-排序与移动平均
JeJe_33的博客
02-02 651
MySQL提供多种函数对数据库进行排序 1.row_number() over() *注，over内分组使用partition by 而不是 group by select row_number() over(patition by student_id order by age asc) rank 2.rank() 值相同排序一致，后续跳过，如存在俩id为1，一个id为2，对id排序，存在两个rank=1，然后rank=3； select rank() over() 3.dense_rank() 与
通达信的SMA函数
热门推荐
数理文章
05-13 2万+
网上有人说此函数有未来函数，实测没有。很多人没有理解对这个函数，在这里写一下。     SMA 累积平均       返回累积平均。        用法： SMA(X，N，M) X的M日累积平均，M为权重，如Y=(XM+Y(N-M))/N  这里的累积体现在，昨天的Y会代入今天的Y中去。 用一个指标来作为例子。之前从网上摘到一个指标叫做拉升力做空力指标， 这是其中两行 拉升力:(CLOSE-LLV...
sqlserver聚合函数和数据分组计算平均值
06-07
在 SQL Server 中，可以通过使用聚合函数和 GROUP BY 子句来计算数据分组的平均值。常用的聚合函数包括 AVG、SUM、COUNT、MIN 和 MAX。 例如，假设有一个销售表格，其中包含产品、销售量和销售日期等字段。要计算每个产品的平均销售量，可以使用如下 SQL 语句： ``` SELECT Product, AVG(Sales) as AvgSales FROM SalesTable GROUP BY Product ``` 这个语句将数据按产品进行分组，并计算每个分组的平均销售量（AVG 函数）。最终结果将包含每个产品和对应的平均销售量。 需要注意的是，聚合函数只能用于 SELECT 子句中，并且不能与非聚合字段混合使用。同时，GROUP BY 子句的字段必须与 SELECT 子句中的字段相同，或者是聚合函数的参数。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mostcow

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值