python 移动平均函数_「EMA系列之I」如何理解EMA指数移动平均值以及Python实现

「EMA系列」打算写三篇，从最基本的到比较深入的都会涉及，谈谈对EMA及其使用的理解。

这篇文章是第一篇Part 1，主要讲讲如何用比较直接的方式去理解经典EMA。

EMA的加权平均值定义

EMA是Exponential Moving Average的简称，即指数移动平均。是时间序列分析中常用到的一种类型平均值。简单来说，EMA就是一个加权平均值。它的特别之处在于：随着时间流逝，旧的观察值的权重将会呈现指数衰减(Exponential Decay)

用

代表距离当前时刻

之前的观察值的权重，那么

其中

掌控着指数衰减的程度，

越大，权重随时间衰减得越快。

那么顾名思义，EMA说到底就是一个加权平均值，可以根据加权平均值的定义来写出来

常见对EMA的定义，都是从迭代公式(下面就会介绍)开始的，但是，我觉得，上面的这个加权平均值才是其本质的定义，而迭代公式只是EMA在实际应用中常见的计算方法而已。

此外衰减程度有时候也用

时间常数(time constant)来表示。也可以用半衰期(hal