这段文字介绍了如何在 Python 中计算指数移动平均值 (EMA),并与简单的移动平均值 (SMA) 进行了对比。
主要内容:
- 定义函数: 首先定义了一个名为
exp_moving_average
的函数,该函数接受两个参数:values
(数据序列)和window
(窗口大小)。 - 计算权重: 函数内部使用
numpy.linspace
计算权重数组,权重数组的长度等于窗口大小,并根据窗口大小设置权重衰减。 - 使用
numpy.convolve
进行卷积: 函数使用numpy.convolve
函数对数据序列和权重数组进行卷积,并截取结果数组中与数据序列长度相同的部分。 - 返回结果: 函数最后返回卷积后的结果数组,即 EMA 值。
- 与 SMA 的对比: 文中解释了 EMA 与 SMA 的区别:EMA 对最近的数据赋予更高的权重,而 SMA 对所有数据赋予相同的权重。
- 简化说明: 为了使代码简洁易懂,文中省略了对
numpy.convolve
和numpy.linspace
的详细解释,并强调了使用numpy.convolve
的效率优势。
总结:
这段文字介绍了如何在 Python 中使用 numpy.convolve
函数计算 EMA,并解释了 EMA 与 SMA 的区别,以及使用 numpy.convolve
进行计算的优势。
本视频教你如何在 Python 中计算指数移动平均线。 指数移动平均线的理念是赋予最近的数据更高的权重,同时平滑曲线。 EMA 在股票、外汇、期货和一般工程中被广泛使用。 本系列的目的是在 Python 中教授数学知识。 为此,我们将使用技术分析中常用的许多流行的股票指标。 对于大多数指标,我们将首先讨论它们、它们的用途,然后教授如何在 Python 中编程它们,最后将它们实际显示在图表上。基本的图表应用程序来自之前的教程系列,这里:http://www.youtube.com/playlist?list=PLQVvvaa0QuDcR-u9O8LyLR7URiKuW-XZq所需文件:实际图表部分的示例代码:http://sentdex.com/startingPoint.pyPython:http://python.orgNumpy:http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpyMatplotlib:http://matplotlib.org/downloads.html