深入理解EMA和SMA

置顶永远的麦田

已于 2022-05-23 15:07:37 修改

阅读量9.4k

点赞数 3

分类专栏：量化交易文章标签： python EMA

于 2020-10-07 00:47:18 首次发布

本文链接：https://blog.csdn.net/luhouxiang/article/details/108945400

版权

量化交易专栏收录该内容

18 篇文章

订阅专栏

本文详细介绍了指数移动平均(EMA)和简单移动平均(SMA)的概念，通过Python代码展示了它们的计算过程。文章指出EMA对近期价格赋予更大权重，更敏感于市场变化，而SMA则允许自定义权重参数。同时提供了两种函数的实现，便于理解和应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一直对EMA的理解都比较模糊，总是不能完全把握，因此，凡是牵涉到EMA的公式都搞不清其内在的数学模型是什么。刚好看到个文章，觉得写的很好。
参考内容：https://www.codeleading.com/article/9441142281/
后面有朋友提示写的函数错了，原因是针对原始的EMA公式的理解错误产生了偏差，然后上github上找到ema的c代码核对，发现先前的应该是理解错了，N是一个固定值，中间不应变化，具体C代码可参考：

https://github.com/TA-Lib/ta-lib/blob/master/src/ta_func/ta_EMA.c

这个c代码看起来有点复杂，也没完全看，又在网上看到了一个朋友的表达

https://www.joinquant.com/view/community/detail/3d88c84f05e5a3bd72f728a40e54edf4

说talib实现的经典的EMA功能的应该是采用将第N个值的EMA求值即采用简单的取平均值的方式。

1 EMA

公式：EMAtoday=α * Pricetoday + ( 1 - α ) * EMAyesterday;
其中，α为平滑指数，一般取作2/(N+1)
推导公式：EMA(X,N)=[2X+(N-1)Y’]/(N+1)
按tablib.EMA的处理方式，前N个EMA值皆为NAN,第N个EMA值为sum(c[:N]/N)
因此代码可以整理为：

import numpy as np
from typing import List


def EMA(arr: List[any], N: int) -> List[any]:
    if len(arr) < N:
        return [np.NAN] * len(arr)
    out = [np.NAN] * (N - 1)
    out.append(sum(arr[:N]) / N)
    for i in range(N, len(arr)):
        e = (2 * arr[i] + (N - 1) * out[-1]) / (N + 1)
        out.append(e)
    return out


if __name__ == '__main__':
    c = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
    print(EMA(c, 5))

在EMA指标中，每天价格的权重系数以指数等比形式缩小。时间越靠近当今时刻，它的权重越大，说明EMA函数对近期的价格加强了权重比，更能及时反映近期价格波动情况。所以EMA比MA更具参考价值，而EMA也不容易出现死叉和金叉，所以一旦出现要立即作出反映！对周线处理，EMA就更加稳定了。

2 SMA

理解了EMA的含义和用途后，后面SMA函数就好理解了；因为EMA的平滑系数是定的，=2/（周期+1）；如果要改变平滑系数咋办？这就用到了 SMA，与EMA的区别就是增加了权重参数M，也就是用M代替EMA平滑系数中的2,这样我们可以根据需要调整当日数值在均价中的权重=M/N。(要求N>M）
推导公式：SMA(X,N,M)=[MX+(N+1-M)Y’]/(N+1)

代码：

import numpy as np
from typing import List


def SMA(arr: List[any], N: int, M: int) -> List[any]:
    if len(arr) < N:
        return [np.NAN] * len(arr)
    out = [np.NAN] * (N - 1)
    out.append(sum(arr[:N]) / N)
    for i in range(N, len(arr)):
        e = (M * arr[i] + (N + 1 - M) * out[-1]) / (N + 1)
        out.append(e)
    return out


if __name__ == '__main__':
    c = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
    print(SMA(c, 5, 3))