#tushare ID:474220
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。加权的程度以常数λ决定,λ数值介乎0至1。
金融资产的波动率对理解资产价格的动态特征是是极为重要的。历史波动率是过去一段时间标的资产价格的波动程度,历史波动率方法是利用历史数据预测资产的波动率。EWMA模型是常用的历史波动率方法,下面我们通过python程序来展示如何实现EWMA模型对历史波动率的估计。
本次使用的数据来自与Tushare平台,有较为全面的金融数据可供使用,通过数据接口调用数据简单快捷,可以通过在终端利用命令pip install tushare安装该库并进行调用。
1.首先我们导入必要的库
import numpy as np
import scipy.io as scio
import datetime
from scipy import stats
import matplotlib.pyplot as plt
import scipy.stats as st
import tushare as ts
#正常显示画图时出现的中文和负号
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
2.初始化pro接口。token可以在https://tushare.pro/上注册后获得。
pro = ts.pro_api('your token')
3.提取数据。本次我们调用的是600809.SH这支股票2021年的日线数据,同时并对数据进行一些预处理。