EMA策略

最新推荐文章于 2025-01-09 08:03:44 发布
最新推荐文章于 2025-01-09 08:03:44 发布
阅读量1.2k 收藏 1
点赞数
分类专栏： 股票
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43688894/article/details/88072570
版权
  • EMA即指数平均指标， 是一种趋向类指标。
  • 原理：对收盘价进行算术平均，用于判断价格未来走势的变动趋势。
  • 由于考虑了当期价格的权重，决定了起作为一类趋势分析指标

EMA(收盘价， N），求收盘价的N日指数平滑移动平均
若Y=EMA（收盘价，N）， 则EMA=【2x收盘价 + （N-1）x EMA’】/ (N+1)
其中EMA’为上个交易日的EMA

以沪深300为例，最佳天数为30日，年平均收益率为20左右，比简单的MA相比，略差

EMA在YOLOv5中的应用
浩瀚之水的专栏
02-24 449
EMA（Exponential Moving Average，指数移动平均）在YOLOv5中的应用，是一种通过平滑模型权重来提高模型稳定性和泛化能力的技术。
64、【backtrader期货策略】基于macd与ema的简单的趋势跟踪策略(已更新)
云金杞
09-15 1691
理想总是很丰满，现实总是很骨感，做策略也一样。我总是以为，这个策略一个小时就可以写出来代码，很快就能回测出来结果，回测的结果大概也会很好，但是，现实一次次的打脸，让我学会了谦虚。熬了两个晚上，都没能把海龟交易策略做好(真正的海龟交易策略哦，并非本文这样的toy strategy),本来想把海龟策略作为期货交易策略的第一篇，看来这一两天是搞不定了，先来一个读者希望实现的简单策略。 策略逻辑 策略逻辑： 做多：当macd在0轴的上方，10周期的ema上穿20周期的ema，做多； 平多: 价格跌破10周期的
【年化200%】基于EMA交叉的策略
sumubaiblog的博客
11-01 1064
0.前言 市场是随时变化且无情的 回测只能做为参考，不代表此策略会一直有效 1. 策略原理 前一个K线的EMA短线上穿长线EMA则做多 核心处理： 使用Close+High+Low+Open/4 的EMA交叉 短线和长线的标准差归一平稳，再做阈值过滤 以上两种处理可以有效减少缠绕导致的震荡利润回吐 最后用遗传算法找出收益率、回撤最佳的参数 2. 回测设置 使用的交易对：ETHUSDT K线周期：2h 手续费：双边万4% 3. 回测结果 2020年： 2021年： .
指数移动平均（EMA）策略
志在山顶的人，不会贪念山腰的风景
11-30 1444
指数移动平均（EMA）是一种加权移动平均的方法，它给予近期数据更高的权重，同时也考虑到了历史数据的影响。在神经网络领域，EMA 常被用于对模型参数进行平滑处理，使得网络模型在训练过程中能够更加稳定且泛化能力可能得到提升。
指数移动平均（EMA）的原理及PyTorch实现
热门推荐
zhang2010hao的博客
06-12 2万+
在深度学习中，经常会使用EMA（指数移动平均）这个方法对模型的参数做平均，以求提高测试指标并增加模型鲁棒。 EMA的定义 指数移动平均（Exponential Moving Average）也叫权重移动平均（Weighted Moving Average），是一种给予近期数据更高权重的平均方法。 假设我们有n个数据： 普通的平均数： EMA：，其中，表示前条的平均值 ()...
SMA、EMA与双均线策略
richardzhutalk的博客
05-21 5810
MA是移动平均线（Moving Average）的缩写，是一种简单的技术分析工具，通过创建一个不断更新的平均价格来分析股票价格趋势，或者用来确定其支撑和阻力水平。这是一种滞后指标，因为它基于过去的价格来分析。移动平均线的时间越长，滞后就越大；时间周期越短，则对价格变化的敏感性越高。 投资者可以根据自己的交易目标，选择不同时间段的不同长度来计算移动平均线。短期移动平均线通常用于短期交易，而长期移动平均线更适合长期投资
深度学习中的EMA
THE XING
11-27 1219
参考两篇博客即可学会。 【炼丹技巧】指数移动平均（EMA）的原理及PyTorch实现 理解滑动平均(exponential moving average)
EMA交叉策略 V2
sumubaiblog的博客
11-19 2114
1. 策略原理 V1版本：EMA交叉策略 - 苏慕白的博客 原理基本和第一个版本一致，只是增加了入场的两个条件: 增加一条超长线，例如EMA200，然后短线必须在超长线之上，之间的标准差一样做归一化阈值过滤，（短线可以选择不在中线之上） 形成回调后入场 回调例子： 回调代码描述: df['bars_max'] = df['Close'].rolling(seting['bars']).max() df['bars_min'] = df['Close'].rolling(seting[.
paddlepaddle 20 指数移动平均（ExponentialMovingAverage，EMA）的实现与使用（支持静态图与动态图）
a486259的博客
03-29 2034
指数移动平均（ExponentialMovingAverage，EMA）是以指数式递减加权的移动平均，每一次更新都对上一次保留的权重按照decay进行衰减。其计算方式为pram_n''=(pram_n''-1)*decay+(1-decay)*pram_n,其中pram_n''为EMA保存的在n步时的权重，pram_n为算法正常计算得出的权重。 EMA是一个不断迭代的运算方式，在第n步时，第k次更新参数被衰减了decay^(n-k)倍。EMA本质就是一种学习率衰减的策略，具体可见博客（https://www
YOLOv5的Tricks | 【Trick7】指数移动平均（Exponential Moving Average，EMA）
Clichong
06-08 3605
如有错误，恳请指出。这篇博客主要用于整理网上对EMA（指数移动平均）的介绍，在yolov5代码中也使用了这个技巧，现对其进行归纳。相信大家对算术平均：x^=1n(x1+x2+…+xn)\hat{x}=\frac{1}{n}(x_1+x_2+…+x_n)x^=n1​(x1​+x2​+…+xn​)，加权平均：x^=1n(x1f1+x2f2+…+xkfk)\hat{x}=\frac{1}{n}(x_1f_1+x_2f_2+…+x_kf_k)x^=n1​(x1​f1​+x2​f2​+…+xk​fk​)，其中(f1+
WeQuant交易策略—EMA指标
weixin_30634661的博客
08-08 400
策略名称：EMA指标策略关键词：指数移动平均、双均线、动态止损。方法：1)用快慢两条指数移动平均线的交叉作为买入卖出信号；2)快线自下而上穿过慢线，买入；自上而下穿过慢线，卖出；3)持仓期间计算净值的回撤，当回撤大于预设值时，全仓卖出止损，等待下一次入场信号 # !/usr/bin/env python # -*- coding: utf-8 -*- # 策略代码总...
EMA的计算原理和代码
07-23
EMA 是MA（平滑移动平均线）的另一种形式。全名“加权指数移动平均线”。
深度学习中的EMA技术：原理、实现与实验分析
最新发布
ningaiiiii的博客
01-09 2796
深度学习中的EMA技术：原理、实现与实验分析
【炼丹Trick】EMA的原理与实现
weiman1的博客
07-10 624
在进行深度学习训练时，同一模型往往可以训练出不同的效果，这就是炼丹这件事的玄学所在。使用一些trick能够让你更容易追上目前SOTA的效果，一些流行的开源代码中已经集成了不少trick，值得学习一番。本节介绍EMA这一方法。...
EMA
MTandHJ的博客
05-22 763
文章目录源设置结果 源 Exponential moving average (EMA) 是一个非常有用的trick, 起到加速训练的作用. 近来发现, 该技巧还可以用于提高网络鲁棒性(约1% ~ 2%). EMA的流程很简单, f(⋅;θ)f(\cdot;\theta)f(⋅;θ)是我们用于训练的网络, 则在每次迭代结束后进行: θ′=α⋅θ′+(1−α)⋅θ, \theta' = \alpha \cdot \theta' + (1 - \alpha) \cdot \theta, θ′=α⋅θ′+(1−α
EMA - 指数移动平均
余璜的技术博客
06-12 7215
EMA 基本概念见 Wikipedia，本文不赘述。基本公式 S[0] = Y[0] S[i] = Y[i] * alpha + S[i-1] * (1 - alpha) 其中 alpha 为平滑因子，数值越小曲线越平滑 要点 初始值 S1 会引入误差，为了消除误差有几种常见策略： 取前 N 个值的均值作为 S1 迭代的前 N 次使用动态平滑因子 alpha，从 1 逐渐变为
TensorFlow中EMA的概念和正确使用方法
huqinwei的专栏
03-06 6899
目录 EMA介绍 概念 弥补不足：初始数据积累不足的情况 深度学习训练中的作用 实现 典型步骤 一个EMA影子变量的例子 进一步接近真实情景，让w1变动 例2:global_step的trainable设置 最后，怎么用影子变量来测试？ 模拟训练与存储模型 错误的模型读取方式 正确的模型读取方式 补一发手写的映射通用写法 EMA介绍 概念 滑动平均exponent...
【炼丹技巧】指数移动平均（EMA）
Drug discovery
12-25 1万+
在深度学习中，经常会使用EMA（指数移动平均）这个方法对模型的参数做平均，以提高测试指标并增加模型鲁棒。 EMA的定义 指数移动平均（Exponential Moving Average）也叫权重移动平均（Weighted Moving Average），是一种给予近期数据更高权重的平均方法。 ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值