Python量化分析之EMA指标

EMA指标介绍

EMA（Exponential Moving Average）是指数移动平均值。也叫 EXPMA 指标，它也是一种趋向类指标，指数移动平均值是以指数式递减加权的移动平均。来自百度百科
在股票市场中，EMA是常用的一项技术指标，简单的介绍MA的升级版，在求一段连续交易日的收盘价的均价趋势，可以很好的表示。通常使用EMA(N)来表示N日的指数移动平均值，其计算公式如下：

Xn为当日收盘价，对于它的介绍，不做过多的阐述，有很多文章都进行了很详细的介绍，感兴趣的小伙伴可以自行查阅。今天主要是应用Python在本地实现这一指标技术。

Pandas.DataFrame.ewm（）

在使用程序实现EMA指标之前，先给小伙伴简单介绍pandas库的ewm方法，先来看看官方文档给的方法：
DataFrame.ewm(self, com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0)
其中span、halflife、alpha这三个参数只选一个，我选的是span（其它两个感兴趣的可以去看官方文档。之所以选择span，是因为经过一系列代入化简之后，它就相当于上面EMA公式中的N.其它参数也不介绍了，等有时间的话在专门写一篇来介绍这个方法（我现在也不是很懂哈哈哈

Python本地EMA指标计算

在国内有需要的量化平台有现成的EMA函数可调用，简直不要太方便，但是大黄偏偏喜欢自己研究。在使用之前确保已经完成pandas库的安装：
在上文中，有讲过EMA指标可以直接使用ewm方法实现，其实就很简单了，在本地实现首先你得有数据，数据我推荐使用tusharepro，可以直接注册登陆，完善信息就可以获取积分进行简单的操作。以下是获取日线行情的获取示例：

import tushare as ts
token = '你的token,注册见于个人中心'
ts.set_token(token)
pro = ts.pro_api()
df = pro.daily(ts_code='000001.SZ', end_date='20200701')  # 获取平安银行到2020年7月1日前的日线行情

更详细的使用方法见官网开发文档。
到此我们获取了平安银行的日线交易信息，现在尝试求平安银行2020年7月1日的12日EMA，即EMA12.直接上代码:

df_close_40 = df[close].head(40).sort_index(ascending=False)  # 获取7月1日及前39个交易日的收盘价
ema_12 = df_close_40.ewm(span=12, min_periods=0, adjust=False, ignore_na=False).mean()[39]

这样便完成了对EMA指标的计算，计算出来的值与一些量化平台的值有0.01左右的差距，对于N日的计算所需要的数据都是不确定的，感兴趣的可以研究。其实也没啥难度，不过我倒是整了几天才把它弄明白，在公式上卡了 好几天。
第一次在CSDN上记录自己的学习过程，需要各位大佬多多指教！
刚刚入门量化分析，对很多知识不太明白，如有错误，请指出，谢谢！