移动平均算法公式
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 | MA / SMA / DMA / EMA移动平均算法公式 1 、简单移动平均MA 用法: MA(X,N):X的N日简单移动平均 算法(X1 + X2 + X3 + ... + Xn) / N 2 、移动平均SMA 用法: SMA(X,N,M),求X的N日移动平均,M / N为给予观测值X的权重,N必须大于M。 算法: 若Y = SMA(X,N,M) 则 Y = [M * X + (N - M) * Y ')]/N=M/N*X +(N-M) /N *Y' ),其中Y'表示上一周期Y值。请注意,当M / N大于 / 等于 / 小于 1 / 2 时,给予观测值X的权重随之变化.当M = 1 时,仅仅给予观测值 1 / N的权重,N越大,则当前观测值对均值贡献或影响越小. 例如:SMA(CLOSE, 30 , 1 )表示求收盘价的 30 日移动平均价. 3 、平滑移动平均MEMA 用法: MEMA(X,N):X的N日平滑移动平均,如Y = (X + Y' * (N - 1 )) / N,特别是当N = 2 时,Y = (X + Y’) / 2 ,即Y取值于观测值X和上期均值中间值,当N> 2 并逐步增加时,所给予观测值X的权重逐步减小. MEMA(X,N)相当于SMA(X,N, 1 ) 4 、移动平均TMA 用法: TMA(X,A,B),A和B必须小于 1 算法 Y = (A * Y '+B*X),其中Y' 表示上一周期Y值.初值为X。请注意,如果不规定A和B的具体值,总权重不一定为 1 ,则此种移动平均结果将非常随意。 5 、指数移动平均EMA 用法: EMA(X,N),求X的N日指数移动平均。 算法:若Y = EMA(X,N),则Y = [( 1 / N) * X + ( 1 - 1 / N) * Y' '],其中Y' '表示上一周期Y值。请注意,把式中1/N提出来后, Y=(X+Y' * (N - 1 )) / N,与上面“ 3 、平滑移动平均MEMA”完全相同。 例如:EMA(CLOSE, 30 )表示求 30 日指数平滑均价。 注意:指数移动平均EXPMA与EMA的用法一致 6 、指数平滑移动平均EXPMEMA 用法: EXPMEMA(X,N):X的N日指数平滑移动平均。 EXPMEMA同EMA(EXPMA)的差别在于它的起始值为一平滑值,如果X为一次指数平滑结果则公式EXPMEMA(X,N) 代表对X的二次指数平滑。 7 、加权移动平均WMA 用法: WMA(X,N):X的N日加权移动平均. 算:Yn = ( 1 * X1 + 2 * X2 + ... + n * Xn) / ( 1 + 2 + ... + n)。公式中给予最近一个观测值Xn的权重最大。 8 、动态移动平均DMA 用法: DMA(X,A),求X的动态移动平均。 算法: 若Y = DMA(X,A) 则 Y = A * X + ( 1 - A) * Y ',其中Y' 表示上一周期Y值,A必须小于 1 。 例如:DMA(CLOSE,VOL / CAPITAL)表示求以换手率作平滑因子的平均价。如果进行连续叠代,则可看出DMA为真正的(以时期为)指数平滑公式。 9 、自适应均线值AMA 用法: AMA(X,A),A为自适应系数,必须小于 1. 算法:Y = Y '+A*(X-Y' ),初值为X。 10 、偏移移动平均XMA 属于未来函数 用法: XMA(X,N):X的N日偏移移动平均,用到了当日以后N / 2 日的数据,只供内部测试使用。 值得注意的是,以上移动平均值的结果均为与最近一期观测值同期的均值,因此没有尾部缺失数据情况,这与很多计量或统计分析教科书中所述不同(如见高玉梅)。 (资料来源:通达信系统公式编辑器函数) |
时来天地皆同力,运去英雄不自由
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 被坑几百块钱后,我竟然真的恢复了删除的微信聊天记录!
· 没有Manus邀请码?试试免邀请码的MGX或者开源的OpenManus吧
· 【自荐】一款简洁、开源的在线白板工具 Drawnix
· 园子的第一款AI主题卫衣上架——"HELLO! HOW CAN I ASSIST YOU TODAY
· Docker 太简单,K8s 太复杂?w7panel 让容器管理更轻松!