经济数据预测 | Python实现移动平均(SMA、EMA、WMA)股票价格时间序列预测

经济数据预测 | Python实现移动平均(SMA、EMA、WMA)股票价格时间序列预测

基本介绍

移动平均作为时间序列中最基本的预测方法，计算虽简单但却很实用。不仅可以用于预测，还有一些其他的重要作用，比如平滑序列波动，揭示时间序列的趋势特征。
根据计算平均数的方法划分，移动平均可分为简单移动平均、指数移动平均、加权移动平均等。
移动平均是根据前若干个观测值，预测下期的取值。那下下期、下下下期该如何预测呢？可以考虑使用二次移动平均，也叫二项移动，即在一次移动平均的基础上再移动平均。

模型描述

移动平均能够去除时间序列的短期波动，使得数据变得平滑，从而可以方便看出序列的趋势特征。尤其在金融领域，移动平均线作为一种计算简单、易于解释的趋势性指标，可以从中看出市场的趋势和倾向。