移动平均

大部分内容来自 维基百科

 

移动平均,简称均线,是技术分析其中一种分析时间序列数据的工具。最常见的是利用股价、回报或交易量等变量计算出移动平均。

移动平均可抚平短期波动将长线趋势或周期 显现出来。数学上,移动平均可视为一种卷积。

 

简单移动平均(Simple moving average, SMA)是之前n个数值的未作加权算术平均。

 

加权移动平均(Weighted moving average, WMA)指计算平均时个别数据乘以不同数值,在技术分析中,n日WMA的最近期一个数值乘以n、次近的乘以n-1,如此类推,一直到0。

 

指数移动平均(Exponential Moving Average, EMA或EWMA)是以指数式递减加权的移动平均。各数值的加权而随时间而指数式递减,越近期的数据加权越重,但较旧的数据也给予一定的加权。

 

详细的式子就不列了。

 

公司其它项目里用 EMA来衡量平均超时时间, 用平均响应时间代替固定超时时间。平均响应没有超时即可,而不是要求每次都不能超时。

 

这样的话,如果平均情况表现越好,弹性越大, 平均情况表现越差,弹性越小。这里说的是对当前平均反应情况的 一个数据表现,弹性二字可忽略不看。

 

稍微做个笔记,免得想找的时候忘记了又费劲。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
经导师精心指导并认可、获 98 分的毕业设计项目!【项目资源】:微信小程序。【项目说明】:聚焦计算机相关专业毕设及实战操练,可作课程设计与期末大作业,含全部源码,能直用于毕设,经严格调试,运行有保障!【项目服务】:有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 经导师精心指导并认可、获 98 分的毕业设计项目!【项目资源】:微信小程序。【项目说明】:聚焦计算机相关专业毕设及实战操练,可作课程设计与期末大作业,含全部源码,能直用于毕设,经严格调试,运行有保障!【项目服务】:有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 经导师精心指导并认可、获 98 分的毕业设计项目!【项目资源】:微信小程序。【项目说明】:聚焦计算机相关专业毕设及实战操练,可作课程设计与期末大作业,含全部源码,能直用于毕设,经严格调试,运行有保障!【项目服务】:有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 经导师精心指导并认可、获 98 分的毕业设计项目!【项目资源】:微信小程序。【项目说明】:聚焦计算机相关专业毕设及实战操练,可作课程设计与期末大作业,含全部源码,能直用于毕设,经严格调试,运行有保障!【项目服务】:有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。
经导师精心指导并认可、获 98 分的毕业设计项目!【项目资源】:微信小程序。【项目说明】:聚焦计算机相关专业毕设及实战操练,可作课程设计与期末大作业,含全部源码,能直用于毕设,经严格调试,运行有保障!【项目服务】:有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 经导师精心指导并认可、获 98 分的毕业设计项目!【项目资源】:微信小程序。【项目说明】:聚焦计算机相关专业毕设及实战操练,可作课程设计与期末大作业,含全部源码,能直用于毕设,经严格调试,运行有保障!【项目服务】:有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 经导师精心指导并认可、获 98 分的毕业设计项目!【项目资源】:微信小程序。【项目说明】:聚焦计算机相关专业毕设及实战操练,可作课程设计与期末大作业,含全部源码,能直用于毕设,经严格调试,运行有保障!【项目服务】:有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 经导师精心指导并认可、获 98 分的毕业设计项目!【项目资源】:微信小程序。【项目说明】:聚焦计算机相关专业毕设及实战操练,可作课程设计与期末大作业,含全部源码,能直用于毕设,经严格调试,运行有保障!【项目服务】:有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。
移动平均是一种常用的统计方法,在python中可以通过多种方式实现。 一种简单的方法是使用循环来计算移动平均。首先,我们需要一个存储数据的列表。然后,我们可以使用一个循环来遍历列表中的每个数据点,并计算它前面若干个数据点的平均值。例如,我们可以通过计算前5个数据点的平均值来获得5点移动平均值。最后将计算得到的移动平均值添加到一个新的列表中。 另一种实现移动平均的方法是使用numpy库。Numpy提供了一个方便的函数numpy.convolve(),可以用来计算移动平均。我们可以传入一个窗口函数作为参数,窗口函数通常是一个具有固定大小的数组,用于取得窗口内的数据点。Numpy会返回一个数组,其中包含了计算得到的移动平均值。 以下是使用numpy进行移动平均的示例代码: ```python import numpy as np # 创建数据集 data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] # 使用numpy计算3点移动平均 moving_average = np.convolve(data, np.ones(3)/3, mode='valid') print(moving_average) ``` 输出结果为: ``` [ 2. 3. 4. 5. 6. 7. 8.] ``` 在这个示例中,我们创建了一个大小为10的数据集。然后使用`np.ones(3)/3`创建了一个大小为3的窗口函数,用于计算3点移动平均。通过将窗口函数传递给`np.convolve()`函数,我们计算得到了移动平均值并打印出来。 请注意,在计算移动平均时,需要设置适当的窗口函数和合适的模式(例如'mode='valid'')来确保计算的准确性和一致性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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